Zeitreihenprognosemodell - mit diesem Template können Sie mit MC FLO und Microsoft Excel ganz einfach eine Zeitreihenprognose mit modernen generativen Verfahren erstellen.
In Anlehnung an den Blogartikel, in welchem wir die bayessche Zeitreihenregression anhand bestehender MC FLO Formeln aufgezeigt haben, wollen wir dies hier mit der logistischen Regression fortsetzen.
Ziel einer quantitativen Analyse mittels Monte-Carlo Simulation und unter Verwendung der Bayesschen Statistik ist eine objektiv begründbare Entscheidungsempfehlung unter Berücksichtigung von Unsicherheit, etwa bei den Absatzmengen oder Anzahl Cyberangriffen, welches ein Unternehmen ausgesetzt ist.
Im Gegensatz zu klassischen Regressionsmodellen, welche Grenzen im Datenraum ziehen und somit zu den diskriminierenden Modellen gezählt werden, verstehen sich generative Modelle – wie der Naive Bayes Klassifikator und ChatGPT – als solche, welche Daten mittels Verteilungen zusammenfassen und somit in der Lage sind neue Daten zu simulieren.
Die prozessorientierte Prognose unter Beizug einer Monte-Carlo Simulation ist Voraussetzung für einen ambitionierten Zielwert. Ist der Zielwert festgelegt, sind alle davon abgeleitete Grössen reine «davon» Planungen. Durch Kombination der Annahmen aus dem Plan und den gemessenen Daten ist eine neue Prognose zu erstellen und der Zielwert gegebenenfalls zu schärfen.
Die stochastische Investitionsplanung formalisiert die Diskrepanz zwischen der ordentlichen und der ökonomischen Nutzungsdauer von Anlagen und schafft unter Beizug einer Monte-Carlo Simulation Transparenz über mögliche und anzustrebende Investitionsplanwerte.