Stephan Scholze hat von 2001 bis 2005 an der Katholischen Universität (KU) Eichstätt-Ingolstadt sowie an der Universidad Belgrano in Buenos Aires Betriebswirtschaftslehre studiert und sein Studium als Diplom-Kaufmann abgeschlossen. Von 2005 bis 2009 war er wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Statistik und Quantitative Methoden von Prof. Dr. Ulrich Küsters an der KU Eichstätt-Ingolstadt und hatte einen Lehrauftrag an der FH Ingolstadt inne. Während dieser Zeit präsentierte er seine Arbeiten regelmäßig bei Konferenzen der Gesellschaft für Operations Research e. V. (GOR) sowie dem Graduate Program in Operations Management (GPOM) an den Universitäten München, Augsburg und Eichstätt-Ingolstadt. Seit 2009 arbeitet der Autor bei der Lufthansa Technik Logistik. 2010 erfolgte die Promotion zum Dr. rer. pol.

Klappentext

Üben Kalendereffekte einen Einfluss auf kurzfristige und tagesgenaue Prognosen aus? Welche Möglichkeiten gibt es, sich einen solchen Einfluss nutzbar zu machen? Eignen sich bestimmte statistische Prognoseverfahren besser zur Prognose von Tageszeitreihen mit Kalendereffekten als andere? Verbessert sich die Prognosegüte, sobald Kalendereffekte in der Prognose berücksichtigt werden? Diese und weitere Fragen werden in der vorliegenden Arbeit untersucht. Grundlage sind eine Reihe etablierter Prognoseverfahren, deren Auswahl von naiven Verfahren über exponentielle Glättungsmodelle bis hin zu Prognoseverfahren der Box-Jenkins-Modellfamilie reicht. Der Autor zeigt unterschiedliche Wege zur manuellen oder automatischen Integration von Kalendereffekten in die einzelnen Prognoseverfahren auf und vergleicht die vorgestellten Verfahren durch eine dynamische Prognosesimulation, basierend auf simulierten und empirischen Zeitreihen. Als Vergleichsmaßstab dient die Punktprognose, die mit den Prognoseevaluationsmaßen ME, MAPE und RMSE bewertet wird.