Basic HTML-Version
Abb. 5: Local-Level-Model mit Saison für die Zeitreihe „Auftagseingang" (1991-20071
geflacht hat. Außerdem nimmt die Amplitude
der Saison wieder zu, wobei die Schwankungen
tiefer in den Negativbereich hineingehen. Diese
Vorzeichen lassen für 2008 eine stagnierende
Entwicklung entarten.
Schauen wir deshalb einmal, was die Prognose
für das Jahr 2008 vorgibt. Das Prognoseergeb–
nis läuft auch auf eine stagnierende Entwick–
lung hinaus. Allerdings zeigt sich anhand der
vorliegenden Ist-Werte, dass die Prognose ein
leicht optimistisches Bild zeichnet.
Zusammenfassung
Das State-Space-Model ist, wie gezeigt wer–
den konnte, ein gut geeignetes Instrument,
um Geschäftsprozesse, die deutlich
von
Zufallsgrößen beeinflusst werden, zu be–
schreiben. Auf dieser Grundlage können dann
auch zuverlässige Prognosen erstellt werden.
Mit anderen Worten gesagt zeigt die Prognose,
welche geschäftliche Entwicklung mit großer
Wahrscheinlichkeit zu entarten ist. Damit eröff–
net sie dem Controlling ein präventives Aktions–
feld, wie z.B. der erwartbaren Entwicklung im
Sinne der Sicherung, Verstärkung oder Dämp–
fung begegnet werden kann.
Anme r kung :
Alle statistischen Berechnungen sowie alle
Schaubilder wurden unter Ventendung des Sta–
tistikpaketes OxMetrics 4.10, Copyright Jürgen
A. Doomik 1994 - 2006, erstellt.
Literatur:
Commandeur J.J.F. and Koopman, S.J., An In–
troduction to State Space Time Series Analysis,
Oxford/New York, 2007
Durbin, J. and Koopman, S.J., Time Series Ana–
lysis by State Space Methods, Oxford/New York,
2001
•
^l^hr
2 0 0 8
im
P r o g n o s e w « ! ^ ^ I s t - W e r t e
Di f f erenz
P r o g n o s e z u Ist '
"J
J a n u a r
110 , 4
111 , 4
- 1 . 0
Feb r ua r
118 , 3
117 , 2
+ 1.1
Mä r z
122 , 6
119 , 2
+ 3 , 4
Ap r i l
107 , 9
106 , 0
- H l
, 9
Ma i
108 , 7
102 , 2
+ 6,5
J un i
108 , 9
?
?
Ju l i
112 , 6
?
?
A u g u s t
112 , 7
9
?
S e p t emb e r
119 , 6
?
?
Ok t o b e r
124 , 3
?
?
N o v emb e r
115 , 6
?
?
De z emb e r
100 , 4
?
?
Abb. 6: Prognosewerte für 2008
61