Einleitung
1.1. Aufgabenstellung
Es geht um die Erstellung von Prognosen anhand von Absatzzahlen aus der Warenwirtschaft mit Hilfe statistisch-ökonometrischer Methoden aus dem Bereich der Zeitreihenanalyse. Es liegt ein zu analysierender Datensatz vor, der folgende Variablen enthält:
1. Die Absatzzahlen der Ware Carefree-Binden
2. Die Absatzzahlen der Ware Carefree-Tampons
3. Die Absatzzahlen der Ware Carefree-Slips
4. Der Preis der Ware Carefree-Binden
5. Die Höhe der Werbeausgaben für die Ware Carefree-Binden
6. Die Arbeitslosenquote
Die Daten beziehen sich auf einen Beobachtungszeitraum von Januar 1986 bis August 1994 innerhalb der Bundesrepublik Deutschland, jeweils auf 2-Monatsbasis, d.h. es werden 52 Zeiträume beobachtet.
Die Aufgabe besteht darin, für die Ware Carefree-Binden eine möglichst genaue Prognose für den Absatz für die 53. Beobachtung zu erstellen. Dazu werden die Beobachtungen 1 – 24 als Grundlage verwendet. Zunächst wird eine Simulation für die Beobachtungszeiträume 25 – 49 erstellt. Diese Schätzung wird anhand von unterschiedlichen Gütekriterien bewertet. In einem zweiten Schritt werden die Absatzzahlen für die Zeiträume 50 – 53 prognostiziert und ebenfalls anhand unterschiedlicher Gütekriterien bewertet.
[...]
Inhaltsverzeichnis
1. Einführung
1.1. Aufgabenstellung
1.2. Vorstellung der Vorgehensweise
2. Betriebswirtschaftliche Motivationen
2.1. Prognose, Planung und Planungsebenen
2.2. Logistik
2.3. Zielkonflikte, Konsequenzen und Lösungen
2.3.1. Zielkonflikte
2.3.2. Die Aufgaben des Lagers und des Einkaufs
2.3.2.1. Lager
2.3.2.2. Einkauf
2.3.3. Servicegrad und Konsequenzen
2.3.4. Lösungen
3. Allgemeine Beschreibung von Zeitreihen
4. Box/Jenkins-Methologie
4.1. Beschreibung
4.2. Identifikation der Zeitreihe
4.3. Schätzung der Parameter
4.4. Diagnose der Modelle
4.4.1. Die klassische Box/Jenkins-Strategie
4.4.2. Die semiautomatische Strategie
4.5. Prognose
4.5.1. Die optimale h-Schrittprognose
4.5.2. Maße zur Beurteilung der Modell- und Prognosegüte
4.6. Bewertung der Methode
5. Auswertungen des Datensatzes
5.1. Kurzbeschreibung der Software
5.2. Aufbau der Analysen
5.3. Durchführung und Auswertungen
6. Fazit
Zielsetzung & Themen
Die Arbeit verfolgt das primäre Ziel, möglichst exakte Absatzprognosen für das Produkt „Carefree-Binden“ mittels statistisch-ökonometrischer Verfahren zu erstellen. Dabei wird untersucht, wie betriebswirtschaftliche Planungsgrößen durch zeitreihenanalytische Methoden besser fundiert und in die operative Unternehmenssteuerung integriert werden können.
- Grundlagen der betriebswirtschaftlichen Planung und Prognose
- Logistische Zielkonflikte zwischen Lagerkosten und Servicegrad
- Einsatz der Box/Jenkins-Methodologie zur Modellierung von Zeitreihen
- Praktische Anwendung der Prognosemodelle mittels EViews 3.0
- Vergleichende Analyse verschiedener Prognosegütekriterien
Auszug aus dem Buch
4.2. Identifikation der Zeitreihe
Ziel der Identifikation ist es zu überprüfen, welchem Prozeß [p] die gegebene Zeitreihe unterliegt.
In der Box/Jenkins–Methode gibt es mehrere Arten von Prozessen, wobei sich die Betrachtung auf autoregressive Prozesse (AR-Prozesse) beschränkt. Es sei kurz erwähnt, daß es außer den AR-Prozessen u.a. moving-average-Prozesse (MA-Prozesse), ARMA-Prozesse (also gemischte Prozesse) gibt, die aber aus inhaltlichen Gründen für die weitere Behandlung nicht relevant sind und deshalb nicht näher betrachtet werden. Auch hier sei auf einschlägige Literatur verwiesen.
Ein Prozeß Yt mit Yt = 1 Yt-1 + 2 Yt-2 + ... + p Yt-p + t mit t ~ N (0, ²) wobei 1,..., p die Parameter des Prozesses (j 0 für j = 1,..., p) und der Term t ein weißes Rauschen mit µ = 0 und einer Varianz ² sind, heißt autoregressiver Prozeß der Ordnung p, kurz : AR[p]-Prozeß. Wie zu erkennen ist, wird Yt durch ein gewogenes Mittel seiner p Vorgänger Yt-1,..., Yt-p und durch einen zufälligen Rest t (white-noise-Störgröße) erklärt.
Zusammenfassung der Kapitel
1. Einführung: Definition der Aufgabenstellung und des zu analysierenden Datensatzes sowie Erläuterung des methodischen Vorgehens.
2. Betriebswirtschaftliche Motivationen: Untersuchung der Zusammenhänge zwischen Unternehmensplanung, Logistik und der Notwendigkeit präziser Prognosen zur Kostenminimierung.
3. Allgemeine Beschreibung von Zeitreihen: Definition von Zeitreihen und ihrer Komponenten wie Trend, Konjunktur und Saisonalität.
4. Box/Jenkins-Methologie: Detaillierte theoretische Herleitung der Box/Jenkins-Verfahren zur Identifikation, Schätzung und Prognose von Zeitreihen.
5. Auswertungen des Datensatzes: Praktische Umsetzung der theoretischen Modelle auf den Datensatz „Carefree-Binden“ unter Verwendung der Software EViews.
6. Fazit: Zusammenfassende kritische Würdigung der Prognoseergebnisse und Diskussion der Unterschiede zwischen Theorie und betriebswirtschaftlicher Praxis.
Schlüsselwörter
Zeitreihenanalyse, Prognose, Box/Jenkins-Methode, Absatzplanung, Logistik, Servicegrad, AR-Prozess, Modellidentifikation, Fehlerkorrektur, EViews, Konfidenzintervall, Lagerhaltung, Stationarität, Regression, Zeitreihenkomponenten
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Erstellung statistischer Prognosen für Absatzzahlen unter Anwendung ökonometrischer Verfahren.
Was sind die zentralen Themenfelder?
Im Fokus stehen die Verbindung zwischen betriebswirtschaftlicher Mengenplanung und der technischen Anwendung der Zeitreihenanalyse.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Erzielung einer möglichst präzisen Absatzprognose für die Ware Carefree-Binden durch den Einsatz der Box/Jenkins-Methodik.
Welche wissenschaftliche Methode wird verwendet?
Die Untersuchung nutzt die statistische Box/Jenkins-Methodologie (u.a. AR-Modelle) sowie die Methode der kleinsten Quadrate für die Regressionsschätzungen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in eine theoretische Fundierung der Zeitreihenanalyse, die methodische Vorgehensweise der Modellbildung und deren praktische Implementierung mit der Software EViews.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zentrale Begriffe sind Zeitreihenanalyse, Absatzprognose, Box/Jenkins-Methode, Logistik und Modellgüte.
Warum ist die Unterscheidung in verschiedene Modell-Ebenen (S1, S2, R1 etc.) wichtig?
Die Unterscheidung ist notwendig, um die Robustheit der Prognosen unter variierenden Bedingungen (z.B. Testreihen ohne vs. mit Dummy-Variablen) zu prüfen und den Einfluss der Datenstruktur zu isolieren.
Welche Rolle spielt die Deutsche Einheit im Kontext der Datenanalyse?
Der Zeitpunkt t=36 markiert einen strukturellen Bruch im Datensatz durch die Grenzöffnung und die damit verbundene Ausweitung des Absatzmarktes, was in den Modellen berücksichtigt wird.
- Quote paper
- Ralph Schneider (Author), Martin Keim (Author), 2000, Zeitreihenanalytische Verfahren zur Prognose von Absatzzahlen, Munich, GRIN Verlag, https://www.grin.com/document/2996
