Neuronale Netze zur Prognose und Disposition im Handel

Transkript

1 Sven F. Crone Neuronale Netze zur Prognose und Disposition im Handel Mit einem Geleitwort von Prof. Dr. Dr. h. c. Dieter B. Preßmar GABLER RESEARCH

2 Inhalt XI Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis XVII XXV XXIX XXXI 1 Einleitung Problemstellung Gang der Untersuchung 6 2 Prognose und Disposition im Handel Grundlagen der Warendisposition Definition und Einordnung der Warendisposition Warendisposition als Kernprozess des Handels Dispositions- und Lagerstrukturen im Handel Funktionsmodell der Warendisposition Modelle der Bedarferechnung Determinanten Kennzeichnung des Bedarfs Modellauswahl Deterministische Modelle Stochastische Modelle Modelle für stationären Bedarf Modelle für instationären Bedarf Modelle der Bestellmengenrechnung Determinanten Entscheidungsvariablen Kostenparameter Modellauswahl Deterministische Modelle Modelle für stationär-deterministischen Bedarf Modelle für instationär-deterministischen Bedarf Stochastische Modelle Modelle für stationär r stochastischen Bedarf Einperiodige stationär-stochastische Modelle Mehrperiodige stationär-stochastische Modelle Modelle für instationär-stochastischen Bedarf Beurteilung von Dispositionsverfahren Deskriptive Maße der Dispositionsgüte Zusammenhang von Prognosefehlerund Dispositionsgüte 65 3 Methodische. Grundlagen der Prognose Determinanten der Prognosemodelle Merkmale der Prognose Determinanten von Prognosemodellen.? Gegenstand der Prognose Formalisierungsgrad der Modellbildung Gestaltung der abhängigen Modellvariablen 74

3 XII Inhalt Gestaltung der unabhängigen Modellvariablen Auswahl von Prognosemodell und Prognoseverfahren Umfang des Erklärungsmodells Zeitlicher Prognosehorizont Verfahren der Bedarfsprognose Prognoseverfahren im Handel Berechnung von Prognoseverfahren Subjektive Prognoseverfahren Objektive Prognoseverfahren der Verteilungsschätzung Bestimmung der empirischen Verteilungsfunktion Approximation durch theoretische Verteilungsfunktionen Schätzung der Verteilungsparameter Objektive Prognoseverfahren der Zeitreihenanalyse Zeitreihen als Grundlage der Prognose Verfahren bei konstantem Bedarfsniveau Naive Verfahren und Mittelwerte Mittelwerte Einfache Exponentielle Glättung 113 3^ ARMA-Modelle Verfahren bei trendbehaftetem Bedarfsverlauf Naives Trendverfahren Doppelte Exponentielle Glättung Lineare Exponentielle Glättung Exponentielle Glättung mit gedämpftem Trend ARIMA-Verfahren Verfahren bei saisonalem und trend-saisonalem Bedarfs verlauf Naives Saisonales Verfahren Saisonale Exponentielle Glättung Saisonale ARIMA-Verfahren Objektive Prognoseverfahren der Kausalanalyse Dynamische Regression Verfahren der Interventionsmodellierung Beurteilung von Prognoseverfahren Wirtschaftlichkeit und Prognosegenauigkeit Beurteilung der Prognosegenauigkeit.' Aspekte der Beurteilung Statistische Prognosefehler Statistische Fehlermaße Komparative statistische Fehlermaße Durchführung von empirischen Vergleichsstudien Erkenntnisse aus Vergleichsstudien Durchführung von Vergleichsstudien Anwendung von Prognoseverfahren Methodologien der Prognoseprozesse Phasen des Prognoseprozesses Problemformulierung Informationsbereitstellung ' Identifikation und Sammlung der Daten Datenvorverarbeitung Auswahl der Verfahren Explorative Datenanalyse 149

4 Inhalt Xm_ Modell-und Verfahrensselektion Verfahrensspezifische Datenvorverarbeitung Durchführung der Verfahren Beurteilung der Verfahren Anwendung der Verfahren Fehlerquellen im Prognoseprozess Neuronale Netze als Instrument der Prognose Methodische Grundlagen von Neuronalen Netzen Definition und Abgrenzung Motivation zur Analyse von Neuronalen Netzen Historische Entwicklung Aufbau und Funktionsweise von Neuronalen Netzen Biologisches Vorbild Technische Realisierung Signalverarbeitung in künstlichen Neuronen Eingabefunktionen Aktivierungsfunktionen » Ausgabefunktionen / Kombination der Verarbeitungsfunktionen Informationsverarbeitung in Netzwerken von Neuronen Netzwerktopologie Struktur der Verbindungsgewichte Aktivierungsstrategien der Informationsverarbeitung Ausgewählte Architekturen Parametrisierung von Neuronalen Netzen Grundlagen des Lernens Algorithmen des überwachten Lernens Klassische Lernalgorithmen Der Backpropagation-Lernalgorithmus Erweiterungen des Backpropagation-Algorithmus Anwendung der Lernalgorithmen Anwendung von Neuronalen Netzen zur Prognose Einsatzfähigkeit Neuronaler Netze zur Prognose Eigenschaften von Neuronalen Netzen Anwendungsbereiche von Neuronalen Netzen Anwendungen von Neuronalen Netzen zur Prognose Empirische Güte der Anwendung Netzwerkarchitekturen zur Prognose Zeitreihenanalytische Modellierung Kausalanalytische Modellierung Äquivalenz zu statistischen Prognoseverfahren Neuronale Netze zur Disposition Lernziele und Zielfunktionen von Neuronalen Netzen Zielfünktionen der statistischen Prognosefehler ' Quadratische Fehlerfunktionen _ Nicht-quadratische Fehlerfunktionen Zielfunktionen der betriebswirtschaftlichen Entscheidungskosten Asymmetrische Kostenfunktionen in der Statistik 261

5 XIV Inhalt Erweiterung auf asymmetrische Kostenfunktionen Lineare asymmetrische Kostenfunktionen Nichtlineare asymmetrische Kostenfunktionen Anwendungsbereiche asymmetrischer Kostenfunktionen Neuronale Netze und asymmetrische Kostenfunktionen Parametrisierung bei asymmetrischen Kostenfunktionen Erweiterung des Backpropagation-Algorithmus Auswirkungen von asymmetrischen Kostenfunktionen Studie zur Einsatzfähigkeit von asymmetrischen Kostenfunktionen Gestaltung des Versuchsaufbaus Datenbasis der Studie Ziel- und Kostenfunktionen Modellierung der Verfahren Ergebnisse Grafische Analyse und Interpretation Beurteilung der Einsatzfähigkeit Beurteilung der Entscheidungsgüte Zusammenfassung und Interpretation Empirischer Vergleich.von Neuronalen Netzen zur Prognose und Disposition Gestaltung der Vergleichsstudie Zielsetzung des Verfahrensvergleichs Aufbau der Vergleichsstudie Durchführung der Vergleichsstudie Problemstellung Der Warenautomat als Betriebsform des Handels Prognose und Disposition an Warenautomaten Modelltheoretische Einordnung der Problemstellung Datenanalyse Stichprobe der Zeitreihen Explorative Datenanalyse Datenanalyse je Abverkaufsstelle 330 ~ Datenanalyse je Zeitreihe Kategorisierung der Zeitreihen Aufteilung der Datenbasis Verfahren zur Bedarfsprognose Auswahl der Prognoseverfahren Berechnung der statistischen Prognoseverfahren Berechnung der Neuronalen Netze zur Prognose Verfahren zur Bestellmengenrechnung Bestimmung des kostenoptimalen Servicelevels Bestellmengenrechnung für statistische Prognoseverfahren Simultane Bestellmengenrechnung mit Neuronalen Netzen Beurteilungsmaße Fehlermaße der Prognosegenauigkeit Kostenmaße der Dispositionsgüte Ergebnisse der Vergleichsstudie.' Ergebnisse der Bedarfsprognose Gesamtergebnisse Ergebnisse nach Absatzstelle 369

6 Inhalt XV Ergebnisse nach Zeitreihe Ergebnisse nach Zeitreihencharakteristika Ergebnisse der Warendisposition Gesamtergebnisse Ergebnisse nach Absatzstelle Ergebnisse nach Zeitreihen Ergebnisse nach Zeitreihencharakteristika Zusammenhang zwischen Prognosegenauigkeit und Dispositionskosten Schlussbetrachtung Zusammenfassung Ausblick 408 Literaturverzeichnis 409 Anhang 455