Zeit Umsatz. t U=U(t) BS - 13 BS Modul : Analyse zeitabhängiger Daten z.b. Prof. Dr. W. Laufner Beschreibende Statistik

Ähnliche Dokumente
[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.

Kapitel XII - Einführung in die Zeitreihenanalyse

Zeitreihenanalyse Saisonbereinigung

1 Prognoseverfahren F H

Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft

a) Nennen Sie die verschiedenen Ebenen der amtlichen Statistik in Deutschland und die dafür zuständigen Behörden.

Überschrift. Titel Prognosemethoden

5.6 Empirische Wirtschaftsforschung

Prüfung zu. (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik. BeStat-1 (7 Punkte)

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

5. Zeitreihenanalyse und Prognoseverfahren

Bestandsmanagement. Prognoseverfahren und Lagerhaltungspolitiken

Prüfung zu. (Wirtschaftsstatistik)

Zeitreihen/Skalen. Homogenität, Inhomogenität, Datenlücken, Plausibilität. vorgetragen von Nico Beez

Zeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation

Technische Universität München. Prognoseverfahren. Mit PC-Unterstützung Tendenzen und Prognose in der Forstwirtschaft erkennen

Grundlagen der Statistik I

Grundlagen der Statistik

Beispiel in R: Verfahren zur Modellierung von ZR mit Saison und Trend

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Zeitreihenanalyse Der einfache gleitende Durchschnitt

Dynamische Systeme und Zeitreihenanalyse // Saisonbereinigung und Glättung 10 p.2/??

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Statistik im Betrieb

Prüfung zu. (Wirtschaftsstatistik)

Zeitreihenanalyse Differenzenbildung

Geburtenentwicklung 2004 eine kleine Zeitreihenanalyse

Kapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.

Explorative Zeitreihenanalyse

Oscar A. G. Treyer. Business Forecasting. Anwendungsorientierte Theorie quantitativer Prognoseverfahren. Haupt Verlag Bern Stuttgart - Wien

3 Trend- und Saisonkomponenten

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Zeitreihenanalyse Das Holt-Winters-Verfahren

Zeitreihenanalyse in den Wirtschafts Wissenschaften

3 Trend- und Saisonkomponenten

Zeitreihenanalyse Das klassische Komponentenmodell

Zerlegung von Zeitreihen

BPL II Ü bung. Aufgabe 1. Aufgabe 2. Andreas Schwab

Beschreibende Statistik

13. Übungswoche - Lösungen

Forexhandelssystem. Devigate AG, Murgtalstrasse 20, 9542 Münchwilen, Tel

Beschreibende Statistik

Günther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage

Hauptseminar Technische Informationssysteme

Zeitreihenökonometrie

Statistik. Einführendes Lehrbuch für Wirtschafts- und Sozialwissenschaftler. Von Dr. Peter Bohley. Professor an der Universität Zürich

Prognosemethoden angewandt auf Besucherzahlen ausgewählter Ausflugsziele in Niederösterreich: Stift Geras und Kunsthalle Krems

6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell

13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)

Explorative Zeitreihenanalyse

Zeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation

Empirische Wirtschaftsforschung und Ökonometrie

Gründe. Es besteht der Bedarf der Prognose. Es besteht ein Bedarf an Prognosemethoden

Einführung in die computergestützte Datenanalyse

Hans-Friedrich Eckey / Reinhold Kosfeld / Christian Dreger. Statistik. Grundlagen - Methoden - Beispiele GABLER

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage

Deskriptive Statistik

Microsoft Excel für Windows W-EX2000S. Autorin: Bettina Uebe. Inhaltliches Lektorat: Christian Münster. Überarbeitete Ausgabe vom 25.

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von

Time Series Data Mining

Hauptseminar Technische Informationssysteme

Anthropogene Einflüsse auf den Niedrigwasserabfluss

Basiswerkzeuge. Kapitel 6. Lernziele. Zeitreihen-Plot. Beschreiben von Zeitreihen. Graphische Darstellungen. Univariate und bivariate Maßzahlen

Inhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale

GAP - Analyse. Katrin Lindemann & Robert Rduch. Planung 1 Übung GAP-Analyse Katrin Lindemann & Robert Rduch. Folie: 1

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Heinrich Holland / Kurt Scharnbacher. Grundlagen der Statistik

Stochastik-Praktikum

Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren

Wirtschaftliche Trendbetrachtung und Prognosemodelle im Rahmen des kommunalen Objektmanagements

SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2

Modelle und Methoden der Zeitreihenanalyse

Vorwort zur 3. Auflage 15. Vorwort zur 2. Auflage 15. Vorwort 16 Kapitel 0 Einführung 19. Teil I Beschreibende Statistik 29

Empirische Wirtschaftsforschung und Ökonometrie

Volkswirtschaftliche Gesamtrechnungen (VGR)

Marktforschung. Methoden - Anwendungen - Praxisbeispiele. von Claudia Fantapie Altobelli. Lucius & Lucius Stuttgart. mit 176 Abbildungen

Marktforschung. Methoden - Anwendungen - Praxisbeispiele. Lucius & Lucius Stuttgart. mit 176 Abbildungen. von Claudia Fantapie Altobelli

Ruhr-Universität Bochum

Inhaltsübersicht. Teil 5: Ausgewählte Anwendungen der Marktforschung Produktforschung Werbeforschung Preisforschung 451

1 Einleitung Arbeitsvorbereitung Grundlagen Definition Fertigungsplanung und -steuerung... 10

11. Zeitreihen mit Trend und Saisonalität

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig

Controlling mit Excel Jan Götzelmann. 1. Ausgabe, 1. Aktualisierung, März Themen-Special W-EX2010C

Einführung in die Zeitreihenanalyse mit EViews

1. Entwicklung der Referenzzinssätze

1. Entwicklung der Referenzzinssätze

Schambacher. Statistik im Betrieb

Gütebewertung und Performanceanalyse von Prognosealgorithmen bei unterschiedlichen Signalklassen

b) falsch. Das arithmetische Mittel kann bei nominal skalierten Merkmalen überhaupt nicht berechnet werden.

Dynamische Systeme und Zeitreihenanalyse // Zustandsraummodelle und Kalman Filter 15 p.2/??

Saison-Trend-Zerlegung von Zeitreihen

Aufwärts in wirtschaftlicher Talfahrt Die Zeitreihe der Unternehmensinsolvenzen in Bayern seit 1999

Approximationsverfahren

Stadtforschung aktuell

Deskriptive Statistik

Transkript:

BS - 1 1 Modul 1 : Analyse zeitabhängiger Daten z.b. Zeit Umsatz t UU(t) BS - 1 2

Modul 1: Zeitreihenanalyse 0 70 60 Zeitreihenanalyse Umsatz (Mio ) 0 40 0 0 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 0 04 0 06 07 0 Vergangenheit heute Prognose durch Fortschreibung Zukunft Strukturbruch contra c.p. BS - 1 Modul 1: Zeitreihenanalyse Zeitreihenanalyse: 1. Visualisierung in Kurvendiagramm 2. Auswahl eines Zerlegungsmodells, z.b. X T S R. Berechnung der Komponenten der Zeitreihe Trendberechnung - Methode der gleitenden Durchschnitte - Methode der kleinsten Quadrate Saisonberechnung - Methode der konstanten Saisonkomponente BS - 1 4

Schritt 1: Visualisierung der Zeitreihendaten qualitative Zeitreihenanalyse auf der Basis von Kurvendiagrammen Zeitreihe des monatlichen Stromverbrauchs in der Stadt Braunschweig für 1962-192 Monatlicher Stromverbrauch in der Stadt Braunschweig Januar 1977 - Dezember 197 BS - 1 Output: Trend Konjunktur Saison Rest Input: Zeitreihe T K S R X BS - 1 6

Schritt 2: Zeitreihenzerlegung Input: Zeitreihe Output: Trend Konjunktur Saison Rest BS - 1 X T K S R 7 Schritt : Berechnung der Komponenten der Zeitreihe Input: Zeitreihe Output X T S R Rest, Zufall R X -S -T Methoden der Trendberechnung 1. Methode der gleitenden Durchschnitte 2. Methode der kleinsten Quadrate Methode zur Ermittlung der Saisonkomponente - Methode der konstanten Saisonkomponente BS - 1

Trendermittlung: Methode der gleitenden Durchschnitte Trendwerte t 0 0 0 04 04 04 0 0 0 Zeitreihe 17 1 16 12 6 4 2 0 I/0 II/0 III/0 I/04 II/04 III/04 I/0 II/0 III/0 BS - 1 9 Trendermittlung: Methode der gleitenden Durchschnitte Trendwerte BS - 1 t 0 0 0 04 04 04 0 0 0 Zeitreihe Gleitende Durchschnitte. Ordnung - 7 9 12 17 1 17 -

Trendermittlung: Methode der gleitenden Durchschnitte Trendwerte t 0 0 0 04 04 04 0 0 0 Zeitreihe Gleitende Durchschnitte. Ordnung - 7 9 12 17 1 17-1 16 12 6 4 2 0 I/0 II/0 III/0 I/04 II/04 III/04 I/0 II/0 III/0 BS - 1 Methode der gleitenden Durchschnitte zur Glättung von ( unregelmäßigen ) Aktienkursentwicklungen DEUTSCHE POST AG NAMENS-AKTIEN O.N. 0-Tage-Werte -Tage-Werte BS - 1 12

Trendermittlung: Methode der kleinsten Quadrate Trendfunktion 70 Trendextrapolation 60 0 40 0? Zukunft Zukunft 0 19 99 00 01 02 0 04 0 06 07 0 09 BS - 1 1 Berechnung der Saisonkomponente: Methode der konstanten Saisonfigur Trennung von Rest Saison ( Zeitreihe Trend) Annahme 1: Saisonschwankungen in vergleichbaren Zeitintervallen gleich hoch Annahme 2: Der Rest schwankt zufällig (unregelmäßig) um den Nullpunkt Zukunft die Restschwankungen werden ausgeschaltet durch Mittelwertbildung von (Saison Rest) in vergleichbaren Zeitintervallen BS - 1

Vollständige Zeitreihenzerlegung X T S R und Prognose durch Fortschreibung BS - 1 t Zeitreihe Trend Saison Rest Umsatz in Mio gleitende Durchschnitte. Ordnung t t - t t s t r t s t - t t - s t r t (1) (2) () (4) (2) - () () (6) (4) - () Januar - April - - -7/6-04 Mai - August 6 7-1 -/ 2/ September - Dezember 2 / -2/ Januar - April 2/ -2/ Zukunft -7/6 1/2 0 Mai - August -2 -/ -1/ September - Dezember 2/ 1/ / 2/ Januar - April 2/ -12/ -7/6-1/2 06 Mai - August 1-2 -/ -1/ September - Dezember 1 - / - Januar - April 1-7/6 ± 2/ 1-7/6 ±2/ 07 Mai - August 16 - / ± 2/ 16 -/ ±2/ September - Dezember 17 / ± 2/ 17 / ±2/ Prognose-Intervalle: Januar April 07: [/6 ; 1/2] Mai August 07: [12/ ; 1] September Dezember 07: [19 ; 1/] heute 1