In dieser Arbeit werden monatliche Daten bezüglich des Stromumsatzes und -verbrauchs der US-Bundesstaten Arkansas und Michigan im Zeitraum von Januar 1990 bis Juni 2012 analysiert. Ziel dieser Untersuchungen ist es, möglichst genaue Prognosen für die Stromumsatz- und Stromverbrauchsentwicklung aufstellen zu können. Dies geschieht unter Verwendung der Softwarepakete EViews, SPSS und GiveWin2/STAMP.
Nachdem im ersten Kapitel eine kurze Einführung in die Thematik gegeben wurde, beschäftigt sich das zweite Kapitel mit der Beschreibung der untersuchten Zeitreihen. Zudem werden die Daten für die folgenden Untersuchungen vorbereitet. Dies betrifft eventuell vorhandene Ausreißer in den Datenbeständen, die durch Mittelwertbildung bereinigt werden. Im anschließenden Kapitel werden mit Hilfe von UC- und ARIMA-Modellen Prognoseformeln entwickelt. Außerdem sollen die Umsatz- und Absatzreihen auf Kointegration hin untersucht werden. Die Güte der Modelle wird anhand von Detailprognosen und Fehlerrechnungen bewertet. Am Ende der Arbeit werden alle gesammelten Ergebnisse zusammengefasst kurz interpretiert.
Inhaltsverzeichnis
- 1 Motivation und Zielstellung
- 2 Datenvorbehandlung
- 2.1 Beschreibung der Daten
- 2.2 Ausreißerbereinigung und Sichtprüfung
- 2.3 Periodogramm und Spektraldichtediagramm
- 3 Modellierung
- 3.1 UC-Modell
- 3.1.1 Modellfindung
- 3.1.2 Modellprüfung
- 3.1.3 Modellprognose
- 3.1.4 Fehlerbetrachtung
- 3.2 ARIMA-Modell
- 3.2.1 Modellfindung
- 3.2.2 Modellprognose
- 3.2.3 Fehlerbetrachtung
- 3.3 Zusammenfassender Vergleich der Fehlerkriterien
- 3.4 Kointegration
- 3.4.1 Saisonbereinigung
- 3.4.2 Trendbereinigung mittels Einheitswurzeltests
- 3.4.2.1 Einheitswurzeltest nach Dickey-Fuller
- 3.4.2.2 Einheitswurzeltest nach Phillips-Perron
- 3.4.3 Modellfindung
- 3.4.4 Modellprüfung
- 3.4.4.1 Sichtprüfung der Korrelogramme der Residuen
- 3.4.4.2 Portmanteau-Test
- 3.4.4.3 LM-Test
- 3.4.4.4 Modellabrüstung
- 3.4.5 Modellprognose
- 3.4.6 Fehlerbetrachtung
- 3.1 UC-Modell
- 4 Zusammenfassung
- 4.1 Fehlerbetrachtung aller Modelle
- 4.2 Fazit
Zielsetzung und Themenschwerpunkte
Ziel dieser Arbeit ist die Erstellung genauer Prognosen für die Entwicklung des Stromumsatzes und -verbrauchs in Arkansas und Michigan anhand monatlicher Daten von Januar 1990 bis Juni 2012. Dies erfolgt mithilfe der Softwarepakete EViews, SPSS und GiveWin2/STAMP.
- Analyse monatlicher Strompreis- und Verbrauchdaten
- Entwicklung und Anwendung von Prognosemodellen (UC- und ARIMA-Modelle)
- Untersuchung auf Kointegration der Zeitreihen
- Bewertung der Prognosemodelle anhand von Fehlerkriterien
- Datenvorbereitung und -aufbereitung (Ausreißerbehandlung, Saison- und Trendbereinigung)
Zusammenfassung der Kapitel
1 Motivation und Zielstellung: Dieses Kapitel führt in die Thematik ein und beschreibt die Zielsetzung der Arbeit: die Erstellung genauer Prognosen für Stromumsatz und -verbrauch in Arkansas und Michigan basierend auf monatlichen Daten von 1990 bis 2012. Es skizziert den methodischen Ansatz, der die Anwendung von UC- und ARIMA-Modellen sowie die Untersuchung auf Kointegration umfasst.
2 Datenvorbehandlung: Dieses Kapitel beschreibt die verwendeten Daten aus der Energy Information Administration (EIA), detailliert die Daten der Bundesstaaten Arkansas und Michigan (monatlicher Umsatz und Absatz, 1990-2012), und erläutert die Datenvorbereitung. Dies beinhaltet eine Sichtprüfung, die Bereinigung von Ausreißern durch Mittelwertbildung und die Analyse von Zyklen in den Zeitreihen mittels Periodogrammen und Spektraldichtediagrammen. Die letzten 18 Datenpunkte (2011/2012) werden für die spätere Modellvalidierung zurückgelegt. Die Modellierung wird exemplarisch anhand der Absatzreihe Arkansas detailliert beschrieben, während die Ergebnisse der anderen Zeitreihen tabellarisch und grafisch zusammengefasst werden.
3 Modellierung: Das Kernkapitel beschreibt die Entwicklung und Prüfung verschiedener Prognosemodelle. Es beginnt mit der detaillierten Modellierung des UC- und ARIMA-Modells. Für jedes Modell wird der Prozess der Modellfindung, -prüfung (einschließlich Fehlerbetrachtung mittels verschiedener Kriterien), und -prognose beschrieben. Anschließend folgt ein vergleichender Überblick über die Fehlerkriterien der verschiedenen Modelle. Ein weiterer Schwerpunkt liegt auf der Untersuchung der Kointegration der Zeitreihen, einschließlich Saison- und Trendbereinigung mittels Einheitswurzeltests (Dickey-Fuller und Phillips-Perron). Die Modellprüfung beinhaltet die Sichtprüfung der Korrelogramme der Residuen, den Portmanteau-Test und den LM-Test, sowie Modellabrüstung.
Schlüsselwörter
Strompreise, Stromverbrauch, Prognosemodelle, UC-Modell, ARIMA-Modell, Kointegration, Zeitreihenanalyse, Arkansas, Michigan, EViews, SPSS, GiveWin2/STAMP, Fehlerkriterien, Saisonbereinigung, Trendbereinigung, Einheitswurzeltest.
Häufig gestellte Fragen (FAQ) zur Arbeit: Prognosemodelle für Stromumsatz und -verbrauch in Arkansas und Michigan
Was ist das Ziel dieser Arbeit?
Ziel dieser Arbeit ist die Erstellung genauer Prognosen für die Entwicklung des Stromumsatzes und -verbrauchs in Arkansas und Michigan anhand monatlicher Daten von Januar 1990 bis Juni 2012. Dies geschieht mithilfe der Softwarepakete EViews, SPSS und GiveWin2/STAMP.
Welche Daten werden verwendet?
Die Arbeit verwendet monatliche Strompreis- und Verbrauchsdaten der Energy Information Administration (EIA) für die Bundesstaaten Arkansas und Michigan im Zeitraum von 1990 bis 2012. Die letzten 18 Datenpunkte (2011/2012) werden für die Modellvalidierung zurückgelegt.
Welche Methoden werden angewendet?
Es werden verschiedene Prognosemodelle entwickelt und angewendet, darunter UC-Modelle und ARIMA-Modelle. Die Zeitreihen werden auf Kointegration untersucht. Die Datenvorbereitung umfasst eine Sichtprüfung, die Bereinigung von Ausreißern, sowie Saison- und Trendbereinigung. Die Modellprüfung erfolgt anhand verschiedener Fehlerkriterien, Korrelogrammen der Residuen, Portmanteau-Test, LM-Test und Modellabrüstung. Die Analyse beinhaltet auch Einheitswurzeltests nach Dickey-Fuller und Phillips-Perron.
Welche Software wird verwendet?
Die Analyse und Modellierung werden mit den Softwarepaketen EViews, SPSS und GiveWin2/STAMP durchgeführt.
Wie werden die Modelle bewertet?
Die Prognosemodelle werden anhand verschiedener Fehlerkriterien bewertet und verglichen. Ein detaillierter Vergleich der Fehlerkriterien der verschiedenen Modelle ist Bestandteil der Arbeit.
Welche Aspekte der Datenvorbereitung werden behandelt?
Die Datenvorbereitung umfasst die Beschreibung der Daten, die Bereinigung von Ausreißern durch Mittelwertbildung, die Analyse von Zyklen mittels Periodogrammen und Spektraldichtediagrammen, sowie die Saison- und Trendbereinigung.
Welche Modelle werden im Detail beschrieben?
Die Arbeit beschreibt detailliert die Modellierung von UC- und ARIMA-Modellen. Für jedes Modell wird der Prozess der Modellfindung, -prüfung und -prognose erläutert, einschließlich der Fehlerbetrachtung.
Wie wird die Kointegration untersucht?
Die Untersuchung der Kointegration der Zeitreihen umfasst die Saison- und Trendbereinigung mittels Einheitswurzeltests (Dickey-Fuller und Phillips-Perron), die Modellfindung, -prüfung (inkl. Sichtprüfung der Korrelogramme der Residuen, Portmanteau-Test und LM-Test), sowie Modellabrüstung und die Modellprognose mit Fehlerbetrachtung.
Welche Schlüsselwörter beschreiben die Arbeit?
Strompreise, Stromverbrauch, Prognosemodelle, UC-Modell, ARIMA-Modell, Kointegration, Zeitreihenanalyse, Arkansas, Michigan, EViews, SPSS, GiveWin2/STAMP, Fehlerkriterien, Saisonbereinigung, Trendbereinigung, Einheitswurzeltest.
- Quote paper
- Markus Krauß (Author), Johannes Raithel (Author), 2013, Analyse und Prognose monatlicher Strompreise und -verbräuche der US-Bundesstaaten Arkansas und Michigan, Munich, GRIN Verlag, https://www.grin.com/document/212537
