3 Angebote ab € 7,00 €
- Broschiertes Buch
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
Das anwendungsorientierte Lehrbuch zu einem zentralen Controlling- und Finance-Thema. Zuverlässige und aussagekräftige Business-Prognosen sind für die Unternehmensführung und -beurteilung von großer Bedeutung. Oscar A. G. Treyer zeigt, wie quantitative Prognosen korrekt erstellt werden. Dieser Band erläutert auf verständliche Art die theoretischen Prognose-Verfahren anhand praktischer Fallbeispiele mit kommentierten Lösungsvorschlägen. Dabei bedient sich der Autor zur besseren Visualisierung und Praxisnähe unterschiedlicher Statistik-Software-Pakete.
Andere Kunden interessierten sich auch für
- Betriebliche Nachhaltigkeitsleistung messen und steuern32,99 €
- Gerald PilzControlling Schritt für Schritt32,90 €
- Gunther BürkMass Customization - Logistik und Controlling37,99 €
- Gerald PilzPersonalwirtschaft Schritt für Schritt32,90 €
- Serge RagotzkyBusiness Plan Schritt für Schritt32,90 €
- Jonathan LiauFinancial Modelling in Power Bi: Forecasting Business Intelligently51,99 €
- Felix PlötzDas 4-Stunden-Startup12,99 €
-
Das anwendungsorientierte Lehrbuch zu einem zentralen Controlling- und Finance-Thema. Zuverlässige und aussagekräftige Business-Prognosen sind für die Unternehmensführung und -beurteilung von großer Bedeutung. Oscar A. G. Treyer zeigt, wie quantitative Prognosen korrekt erstellt werden. Dieser Band erläutert auf verständliche Art die theoretischen Prognose-Verfahren anhand praktischer Fallbeispiele mit kommentierten Lösungsvorschlägen. Dabei bedient sich der Autor zur besseren Visualisierung und Praxisnähe unterschiedlicher Statistik-Software-Pakete.
Produktdetails
- Produktdetails
- UTB Uni-Taschenbücher 3365
- Verlag: Haupt / UTB
- Seitenzahl: 295
- Erscheinungstermin: Mai 2010
- Deutsch
- Abmessung: 215mm
- Gewicht: 460g
- ISBN-13: 9783825233655
- ISBN-10: 3825233650
- Artikelnr.: 28162810
- UTB Uni-Taschenbücher 3365
- Verlag: Haupt / UTB
- Seitenzahl: 295
- Erscheinungstermin: Mai 2010
- Deutsch
- Abmessung: 215mm
- Gewicht: 460g
- ISBN-13: 9783825233655
- ISBN-10: 3825233650
- Artikelnr.: 28162810
Dr. Oscar A. G. Treyer lehrt am Institut für Accounting, Controlling und Auditing (ACA) der Universität St. Gallen.
Vorwort. 5 Abkürzungsverzeichnis 13 Abbildungs- und Tabellenverzeichnis 15 Formelverzeichnis 22 1 Einleitung 25 2 Nutzen und Limits von Prognosen 27 2.1 Weshalb benötigt man Prognosen?. 27 2.2 Entwicklungsrichtungen bezüglich Prognosen. 27 2.3 Vor- und Nachteile der beiden Richtungen von Prognosemethoden. 28 3 Prognoseprozess im Griff haben 31 4 Qualitative Anforderungen an Prognosedaten 33 5 Qualitative bzw. meinungsorientierte Prognosemethoden. 35 5.1 Zusammenfassung der Ansichten der Verkäufer. 35 5.2 Kunden- und Bevölkerungsumfragen. 36 5.3 Expertenmeinung. 37 5.4 Delphi-Methode. 37 5.5 Szenarienabfassung 38 6 Übersicht der statistischen Grundkonzepte. 39 6.1 Häufigkeitsverteilung 39 6.2 Datenbeschreibende Kennzahlen. 42 6.2.1 Kennzahlen der Zentralen Tendenz [Kennzahl des 1. Moments]. 42 6.2.2 Kennzahlen der Streuung [Kennzahl des 2. Moments] 44 6.2.3 Freiheitsgrad 48 6.2.4 Schiefe [Kennzahl des 3. Moments]. 48 6.2.5 Kurtosis [Kennzahl des 4. Moments] 49 6.2.6 Beispieldatensatz zu datenbeschreibenden Kennzahlen 50 6.3 Stetige Zufallsverteilungen. 51 6.3.1 Normalverteilung 51 6.3.2 t-Verteilung. 57 6.4 Konfidenz- bzw. Vertrauensintervalle 58 6.5 Hypothesentest 61 6.5.1 Vorgehensweise. 62 6.5.2 Ein- und zweiseitiger Signifikanztest 67 6.5.3 Fehler des Typs I und des Typs II. 68 6.5.4 Bedeutung des p-Werts 72 6.6 Korrelationsanalyse. 73 6.6.1 Überblick. 73 6.6.2 Kennzahlen der Korrelation 75 7 Wahrscheinlichkeitsrechnung. 79 7.1 Einleitung zur Wahrscheinlichkeitsrechnung. 79 7.2 Ergebnistabelle und Erwartungswert 81 7.3 Perfekte Information und ihr «Wert». 86 7.4 Bayes-Theorem. 88 8 Datenmuster untersuchen und Prognosemethode wählen 91 8.1 Zeitreihenmodelle und ihre Komponenten 91 8.2 Fallbeispiel anhand einer Zeitreihe bezogen auf den Umsatz 94 8.3 Untersuchung des Datenmusters anhand der Autokorrelationsanalyse 94 8.4 Autokorrelations-t-Statistik und Ljung-Box-Pierce-Q-Statistik (LBQ). 100 8.5 Messmethoden des Prognosefehlers. 106 8.6 Übersicht der zur Auswahl stehenden üblichen Prognosemethoden. 110 9 Naive Prognosemethoden. 113 9.1 Mögliche Methoden der Naiven Prognose 113 9.2 Fallbeispiel zu Naiven Prognosemethoden. 114 10 Prognosemethoden der Gleitenden Durchschnitte. 117 10.1 Einfacher Durchschnitt 117 10.2 Gleitender Durchschnitt. 117 10.3 Doppelter Gleitender Durchschnitt. 119 10.4 Fallbeispiel zu Prognosemethoden des Gleitenden Durchschnitts. 120 11 Prognosemethoden Exponentielles Glätten. 123 11.1 Einleitung zu Exponentiellem Glätten. 123 11.2 Unterschiedliche Methoden des Exponentiellen Glättens. 125 11.3 Fallbeispiel zu Prognosemethoden des Exponentiellen Glättens. 127 12 Klassische Zeitreihenanalyse. 129 12.1 Zentrierter Gleitender Durchschnitt 129 12.2 Vorgehensweise bei der Berechnung der Zeitreihenkomponenten 131 12.3 Fallbeispiel zu Klassischer Zeitreihenanalyse (multiplikatives Modell) 133 12.4 Methodenunterschiede bei der Komponentenermittlung 140 12.5 Vor- und Nachteile der Klassischen Zeitreihenanalyse 142 12.6 Umsetzungskonsistente «Basis» für die Budgetierung 144 13 Regression. 149 13.1 Einfache lineare kausale Prognose. 149 13.1.1 Vertrauensintervall der Parameter der Regressionsgeraden und der Einzelprognose. 149 13.1.2 Hypothesentest bezüglich des «wahren» Achsenabschnitts bzw. der «wahren» Steigung (der Grundgesamtheit) 153 13.1.3 Schematische Vorgehensweise bei einfacher linearer Regression 155 13.1.4 Fallbeispiel zu einfacher linearer kausaler Prognose 155 13.2 Multiple lineare kausale Prognose. 160 13.2.1 Adjustierter Determinationskoeffizient. 161 13.2.2 Varianzanalyse und F-Statistik 162 13.2.3 Schematische Vorgehensweise bei multipler linearer Regression 164 13.2.4 Fallbeispiel zu multipler linearer Regression 164 1
Vorwort. 5 Abkürzungsverzeichnis 13 Abbildungs- und Tabellenverzeichnis 15 Formelverzeichnis 22 1 Einleitung 25 2 Nutzen und Limits von Prognosen 27 2.1 Weshalb benötigt man Prognosen?. 27 2.2 Entwicklungsrichtungen bezüglich Prognosen. 27 2.3 Vor- und Nachteile der beiden Richtungen von Prognosemethoden. 28 3 Prognoseprozess im Griff haben 31 4 Qualitative Anforderungen an Prognosedaten 33 5 Qualitative bzw. meinungsorientierte Prognosemethoden. 35 5.1 Zusammenfassung der Ansichten der Verkäufer. 35 5.2 Kunden- und Bevölkerungsumfragen. 36 5.3 Expertenmeinung. 37 5.4 Delphi-Methode. 37 5.5 Szenarienabfassung 38 6 Übersicht der statistischen Grundkonzepte. 39 6.1 Häufigkeitsverteilung 39 6.2 Datenbeschreibende Kennzahlen. 42 6.2.1 Kennzahlen der Zentralen Tendenz [Kennzahl des 1. Moments]. 42 6.2.2 Kennzahlen der Streuung [Kennzahl des 2. Moments] 44 6.2.3 Freiheitsgrad 48 6.2.4 Schiefe [Kennzahl des 3. Moments]. 48 6.2.5 Kurtosis [Kennzahl des 4. Moments] 49 6.2.6 Beispieldatensatz zu datenbeschreibenden Kennzahlen 50 6.3 Stetige Zufallsverteilungen. 51 6.3.1 Normalverteilung 51 6.3.2 t-Verteilung. 57 6.4 Konfidenz- bzw. Vertrauensintervalle 58 6.5 Hypothesentest 61 6.5.1 Vorgehensweise. 62 6.5.2 Ein- und zweiseitiger Signifikanztest 67 6.5.3 Fehler des Typs I und des Typs II. 68 6.5.4 Bedeutung des p-Werts 72 6.6 Korrelationsanalyse. 73 6.6.1 Überblick. 73 6.6.2 Kennzahlen der Korrelation 75 7 Wahrscheinlichkeitsrechnung. 79 7.1 Einleitung zur Wahrscheinlichkeitsrechnung. 79 7.2 Ergebnistabelle und Erwartungswert 81 7.3 Perfekte Information und ihr «Wert». 86 7.4 Bayes-Theorem. 88 8 Datenmuster untersuchen und Prognosemethode wählen 91 8.1 Zeitreihenmodelle und ihre Komponenten 91 8.2 Fallbeispiel anhand einer Zeitreihe bezogen auf den Umsatz 94 8.3 Untersuchung des Datenmusters anhand der Autokorrelationsanalyse 94 8.4 Autokorrelations-t-Statistik und Ljung-Box-Pierce-Q-Statistik (LBQ). 100 8.5 Messmethoden des Prognosefehlers. 106 8.6 Übersicht der zur Auswahl stehenden üblichen Prognosemethoden. 110 9 Naive Prognosemethoden. 113 9.1 Mögliche Methoden der Naiven Prognose 113 9.2 Fallbeispiel zu Naiven Prognosemethoden. 114 10 Prognosemethoden der Gleitenden Durchschnitte. 117 10.1 Einfacher Durchschnitt 117 10.2 Gleitender Durchschnitt. 117 10.3 Doppelter Gleitender Durchschnitt. 119 10.4 Fallbeispiel zu Prognosemethoden des Gleitenden Durchschnitts. 120 11 Prognosemethoden Exponentielles Glätten. 123 11.1 Einleitung zu Exponentiellem Glätten. 123 11.2 Unterschiedliche Methoden des Exponentiellen Glättens. 125 11.3 Fallbeispiel zu Prognosemethoden des Exponentiellen Glättens. 127 12 Klassische Zeitreihenanalyse. 129 12.1 Zentrierter Gleitender Durchschnitt 129 12.2 Vorgehensweise bei der Berechnung der Zeitreihenkomponenten 131 12.3 Fallbeispiel zu Klassischer Zeitreihenanalyse (multiplikatives Modell) 133 12.4 Methodenunterschiede bei der Komponentenermittlung 140 12.5 Vor- und Nachteile der Klassischen Zeitreihenanalyse 142 12.6 Umsetzungskonsistente «Basis» für die Budgetierung 144 13 Regression. 149 13.1 Einfache lineare kausale Prognose. 149 13.1.1 Vertrauensintervall der Parameter der Regressionsgeraden und der Einzelprognose. 149 13.1.2 Hypothesentest bezüglich des «wahren» Achsenabschnitts bzw. der «wahren» Steigung (der Grundgesamtheit) 153 13.1.3 Schematische Vorgehensweise bei einfacher linearer Regression 155 13.1.4 Fallbeispiel zu einfacher linearer kausaler Prognose 155 13.2 Multiple lineare kausale Prognose. 160 13.2.1 Adjustierter Determinationskoeffizient. 161 13.2.2 Varianzanalyse und F-Statistik 162 13.2.3 Schematische Vorgehensweise bei multipler linearer Regression 164 13.2.4 Fallbeispiel zu multipler linearer Regression 164 1