2011 | OriginalPaper | Chapter
Prognose einer stationären Zeitreihe
Author : Prof. Dr. Klaus Neusser
Published in: Zeitreihenanalyse in den Wirtschaftswissenschaften
Publisher: Vieweg+Teubner Verlag
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Eine der wichtigsten Anwendungen der Zeitreihenanalyse ist die Prognose. Im folgenden betrachten wir das Problem, die Werte
X
T
+
h
mit Prognosehorizont
h
> 0 eines stationären stochastischen Prozesses {
X
t
} bei bekanntem Mittelwert µ und bekannter Kovarianzfunktion γ(
h
) zu prognostizieren, wobei {
X
t
, … ,
X
1
} als gegeben betrachtet werden. In den meisten Anwendungen sind der Mittelwert und die Autokovarianzfunktion jedoch nicht bekannt und müssen daher aus den Daten geschätzt werden. Dabei kann die Autokovarianzfunktion entweder direkt mit den Mitteln aus Abschnitt 3.2 geschätzt werden oder indirekt aus einem an die Daten angepassten ARMA-Modell. Das Prognoseproblem ist daher inhärent mit einem Identifikationsproblem verschränkt (siehe Deistler und Neusser [43]).