Neben der reinen Simulation von Zeitreihen und der Zeitreihenanpassung bietet MC FLO auch die Möglichkeit an, anhand von bereits bekannten Modellen und deren Parametern eine Vorhersage (Forecast, Prognose) zu treffen.
Detaillierte Informationen zur Vorhersage anhand von Zeitreihen finden Sie auch im folgenden Schulungsvideo: Link.
Informationen zu den Zeitreihen finden Sie jeweils hier:
- AR Modell
- MA Modell
- ARMA Modell
- ARCH Modell
- Wiener Prozess (Geometrisch brownsche Reihe)
Neben den Zeitreihen werden für die Vorhersage auch Modelle der dreifach exponentiellen Glättung (Holt-Winters) unterstützt. Im Folgenden werden diese detaillierter und in Bezug auf die Vorhersage näher erläutert. Beachten Sie, dass die Vorgehensweise prinzipiell auch bei den Zeitreihenprozessen zum Tragen kommt. So gilt in allen Fällen, dass vorhandene Daten in Excel in "Matrix1" als Ausgangslage dienen und die Anzahl der Vorhersagedaten "Period" vorab zu bestimmen sind.
Wir empfehlen, dass Sie die Vorhersage auf Basis der Batch-Funktion erstellen.
Holt-Winters (additiv)
Function fMC_HWAmodel(
alpha As Double,
beta As Double,
gamma As Double,
Period As Integer,
Matrix1 As Double(),
Optional Number As Integer = 1,
Optional ResultOrder As Integer = 0) As Integer
Bestimmt eine Vorhersage auf Basis einer dreifachen exponentiellen Glättung. wobei "alpha" dem Glättungsfaktor. "beta" dem Trendfaktor und "gamma" dem Saisonalitätsfaktor entspricht. Mit Period wird angegeben, in welcher Form (7 = Tagesdaten, 4 = Quartaldaten, 12 = Monatsdaten) die Daten aus "Matrix1" vorliegen. Mit "Number" wird die Anzahl Prognosedaten festgelegt. Beachten Sie, dass nx2 Daten bereits vorliegen müssen, um eine Prognose anstossen zu können (bei Monatsdaten sind somit 24 Einträge, bei Quartalsdaten hingegen nur 8 Datenpunkte in "Matrix1" zu hinterlegen).
Wenn davon auszugehen ist, dass die Saisonalität über die Zeit konstant bleibt, ist das additive Modell geeignet.
Die Parameter können vorab über die Funktion "Schätze Verteilung" (Zeitreihenanpassung) und "Passe Zeitreihe an" ermittelt werden.
Holt-Winters (multiplikativ)
Function fMC_HWMmodel(
alpha As Double,
beta As Double,
gamma As Double,
Period As Integer,
Matrix1 As Double(),
Optional Number As Integer = 1,
Optional ResultOrder As Integer = 0) As Integer
Bestimmt eine Vorhersage auf Basis einer dreifachen exponentiellen Glättung. wobei "alpha" dem Glättungsfaktor. "beta" dem Trendfaktor und "gamma" dem Saisonalitätsfaktor entspricht. Mit Period wird angegeben, in welcher Form (7 = Tagesdaten, 4 = Quartaldaten, 12 = Monatsdaten) die Daten aus "Matrix1" vorliegen. Mit "Number" wird die Anzahl Prognosedaten festgelegt. Beachten Sie, dass nx2 Daten bereits vorliegen müssen, um eine Prognose anstossen zu können (bei Monatsdaten sind somit 24 Einträge, bei Quartalsdaten hingegen nur 8 Datenpunkte in "Matrix1" zu hinterlegen).
Wenn davon auszugehen ist, dass die Saisonalität über die Zeit zunehmend ist, ist das multiplikative Modell geeignet.
Die Parameter können vorab über die Funktion "Schätze Verteilung" (Zeitreihenanpassung) und "Passe Zeitreihe an" ermittelt werden.
