Prognoseverfahren < Stochastik < Hochschule < Mathe < Vorhilfe
|
| Status: |
(Frage) beantwortet  | | Datum: | 10:21 Do 05.08.2004 | | Autor: | tom |
Ich habe diese Frage in keinem weiteren Forum gestellt.
Hallo zusammen,
ich habe heute wiedermal eine Frage. Und zwar habe ich eine Zeitreihe, die nicht linear verläuft. Und soll ich von dieser eine Prognose erstellen.
Jetzt habe ich mich in Büchern versucht schlau zu machen - jedoch komme ich da nicht direkt weiter. Die sprechen immer von einem ARMA Prozeß und haben bei ihren Beispielen sog. Phi-Parameter gebenen, mit denen sie dann rechnen. Da ich diese nicht habe und nur die Datenreihe - wollte ich fragen, ob mir jemand eine einfachere Methode nennen kann - die mich zum Ziel führt.
Grüße Tom
|
|
| |
|
hi
also soweit ich weiß werden Prognosemodelle mit ARMA Prozessen gerechnet. Da mein Wissen hier nur bedingt gefüllt ist, möchte ich dir folgendes buch empfehlen, allerdings in englisch, aber sehr gut:
"introduction to time series and forceasting" und zwar vom peter brockwell und richard davis"
falls dir das nicht hilft, versuche ich mich mit meinem wissen deinem problem anzunehmen
alles gute
lg
magister
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig  | | Datum: | 15:16 Do 05.08.2004 | | Autor: | Brigitte |
Hallo Tom!
> ich habe heute wiedermal eine Frage. Und zwar habe ich eine
> Zeitreihe, die nicht linear verläuft. Und soll ich von
> dieser eine Prognose erstellen.
>
> Jetzt habe ich mich in Büchern versucht schlau zu machen -
> jedoch komme ich da nicht direkt weiter. Die sprechen immer
> von einem ARMA Prozeß und haben bei ihren Beispielen sog.
> Phi-Parameter gebenen, mit denen sie dann rechnen. Da ich
> diese nicht habe und nur die Datenreihe - wollte ich
> fragen, ob mir jemand eine einfachere Methode nennen kann -
> die mich zum Ziel führt.
Wenn die Zeitreihe nicht linear verläuft, gibt es verschiedene Methoden, sie zunächst mal stationär zu machen (d.h. mit Erwartungswert 0). Man kann sie von Trend- oder Saisoneinflüssen bereinigen, z.B. mit Differenzenverfahren.
Es gibt sehr viele Prognosemodelle in der Zeitreihenanalyse. ARMA ist eine Oberklasse von allen Modellen, die sowohl mit gleitenden Durchschnitten als auch mit autoregressiven Ansätzen arbeiten.
Ich möchte Dich an dieser Stelle einfach mal warnen. ![[stop]](/images/smileys/stop.gif "[stop]")
Zeitreihenanalyse lernt man nicht an einem Tag. Dazu muss man viel lesen, um vor allem zu verstehen, welche Voraussetzungen für welches Modell notwendig sind.
Das [mm] $\phi$, [/mm] was Du oben erwähnst, ist ein Parameter, der nun mal zum Modell gehört. Prinzipiell lässt er sich je nach Modell aus der vorhandenen Datenreihe schätzen. Aber auch dazu muss man viel lesen. Zusätzlich zur bisher empfohlenen Literatur kann ich Dir "Hamilton: Time Series Analysis" ans Herz legen, der sehr ausführlich insbesondere auf explizite Schätzformeln eingeht.
Viele Grüße
Brigitte
|
|
|
|
