This title is printed to order. This book may have been self-published. If so, we cannot guarantee the quality of the content. In the main most books will have gone through the editing process however some may not. We therefore suggest that you be aware of this before ordering this book. If in doubt check either the author or publisher’s details as we are unable to accept any returns unless they are faulty. Please contact us if you have any questions.
Any astronomer can predict just where every star will be at half past eleven tonight; he can make no such prediction about his daughter. James Truslow Adams, amerikanischer Historiker, 1878-1949 In der Zeitreihenanalyse spielt die Prognose zukiinftiger Werte eine wich- tige Rolle. Je nach Anwendungsgebiet kann sie als Planungs-und Steue- rungshilfe, als Indikator von Fehlentwicklungen, zur Friiherkennung und Vorwarnung, aber auch zur Spekulation herangezogen werden. Dariiber hinaus ermoglichen die meisten Prognosetechniken das Ersetzen fehlender Werte innerhalb des Beobachtungszeitraumes. Statistische Vorhersagever- fahren finden Verwendung in vielen wissenschaftlichen Disziplinen - so beispielsweise in den Wirtschafts- und Sozialwissenschaften, der Medizin, der Umweltforschung und der Hydrologie. Entstammen die beobachteten Zeitreihenwerte einem GauBprozeB, der durch Angabe seiner Mittelwert-und Kovarianzfunktion charakterisiert ist, so geniigt es, die klassischen Verfahren anzuwenden. Hangen diese Funk- tionen von endlich vielen Parametern ab, so konnen diese als Funktionen der Stichprobenautokovarianzen unter Regularitatsbedingungen asympto- tisch effizient geschatzt werden. Die Prognosen sind dann zumeist lineare Funktionen der zuletzt beobachteten Zeitreihenwerte. Einleitung 2 Die Normalitatsannahme ist ftir Zeitreihendaten vor allem dann frag- wiirdig, wenn der Verlauf der Reihe unregelmaf3ige Ausschlage aufweist, die sich von der Mehrzahl der Daten abheben. Wendet man ftir solche Zeitreihen dennoch ein auf der Normalitatsannahme beruhendes paramet- risches Verfahren an, so verlieren die Schatzungen in aller Regel ihre Effi- zienzeigenschaften. Da in der parametrischen Zeitreihenanalyse Prognosen iiblicherweise als Linearkombinationen einiger Werte vom Ende der Reihe berechnet werden, wobei die Schatzer als Koeffizienten eingehen, reduzie- ren schlechte Parameterschatzungen im allgemeinen die Prognosegiite.
