Zeitreihenanalytische Verfahren zur Prognose von Absatzzahlen

Front Cover
GRIN Verlag, Mar 26, 2002 - Business & Economics - 45 pages
0 Reviews
Studienarbeit aus dem Jahr 2000 im Fachbereich BWL - Unternehmensführung, Management, Organisation, Note: 2,0, Bergische Universität Wuppertal (FB Wirtschaftswissenschaften), Veranstaltung: BWL / Statistik, Sprache: Deutsch, Abstract: 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. [...]
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Contents

Betriebswirtschaftliche Motivationen
3
Allgemeine Beschreibung von Zeitreihen
11
Auswertungen des Datensatzes
24
Fazit
38

Common terms and phrases

Abbildung abs_care Absatz Carefree Absatzzahlen Carefree Abweichungen anhand Anzahl Arminger Aufgabenebene Autokorrelationsfunktion Beobachtungen Bestellmenge Bestimmtheitsmaß bezeichnet Box/Jenkins-Methode care_med Carefree-Binden d_abs_care d_abs_care(-1 d_abs_slip Daten Diagnose Diversifikation des empirischen Dummy-Variable Echtzeitprognose Einflußgrößen Einkauf einzelnen Modelle empirischen Datensatzes erklärenden Variable Error erste Differenz Erstellung EViews Fehlmengen folgende folgt Freiheitsgraden Gabler geschätzt Götz Graphische Darstellung Größen Gütekriterien Hartung Höhe Identifikation & Schätzung Informationskriterium Januar/Februar jeweiligen Juli/August Kennziffern Komponenten Konfidenzintervall Korrelogramm Kosten Kurtosis kurzfristigen Lagerhaltung Lieferbereitschaft Logistik Mai/Juni März/April Methode mittlere quadratische Abweichung Modellidentifikation Nachfrage November/Dezember Nullhypothese operative Planung optimale h-Schrittprognose Original-Zeitreihe overfitting Parameter partielle Autokorrelationsfunktion pre_care Prognose Prognoseerstellung Prognosewert prognostizierten Werte Residualreihe Residuen Saisonkomponente Schlittgen/Streitberg 1994 September/Oktober Servicegrad signifikanten Simulation Simulationsphase stationären stationären Prozesse Stationarität stochastischer Prozeß strategische Trend Varianz Verfahren Vergleich der Kenngrößen verwendet weißes Rauschen Wiederbeschaffungszeit X X X X X X Yt-p Yt+h Zeitreihe Zeitreihenanalyse Zielkonflikt σ² χ²

Bibliographic information