Zeitreihen-Zerlegung & Prognose

Gleichmäßig abgetastete Beobachtungen mit klassischer additiver Zerlegung und additivem Holt–Winters analysieren. Ein synthetisches Beispiel wählen oder Daten einfügen, Periode, Horizont und Hold-out wählen und starten. Parameter werden nicht automatisch angepasst.

Im Zahlenmodus steht ein Wert pro Zeile; Dezimalpunkt, Dezimalkomma und Exponenten sind erlaubt. CSV benötigt genau zwei Spalten (Bezeichnung, Wert), Komma/Semikolon/Tabulator und unterstützt zitierte Zellen. Eine Kopfzeile ausdrücklich markieren. Leere Datensätze werden ignoriert; ungültige Daten und zu viele Zeilen werden vollständig abgelehnt. Bezeichnungen bleiben im CSV erhalten; Diagramme verwenden Indizes ab null. Abstände, Reihenfolge und fehlende Beobachtungen müssen selbst geprüft werden; Datumsangaben werden weder interpoliert noch geprüft. Höchstens 2.400 Beobachtungen, 262.144 Zeichen, 128 Zeichen pro Bezeichnung und Beträge ≤ 10¹⁰⁰.

Die Zerlegung verwendet einen zentrierten gleitenden Mittelwert, bei geraden Perioden einen zentrierten 2×m-Mittelwert. Saisonphasenmittelwerte werden auf null zentriert; Residuum = Beobachtung − Trend − Saison. Die Komponenten haben eigene vertikale Skalen und dieselbe Zeitspanne. Am Rand fehlen zentrierter Trend und Residuum. Diese beschreibende Zerlegung verwendet alle Beobachtungen einschließlich Hold-out; sie ist keine Backtest-Prognose.

Holt–Winters startet mit dem Mittelwert der ersten Saison, dem mittleren Unterschied der ersten beiden Saisons geteilt durch die Periode als Trend und den Abweichungen der ersten Saison als Saisonwerten. α und β aktualisieren Niveau und Trend; γ entspricht hier γ* in sₜ = γ*(yₜ − ℓₜ) + (1 − γ*)sₜ₋ₘ; alle drei liegen in [0,1]. Da die Initialisierung zwei Saisons verwendet, beginnen angepasste Werte erst danach und sind trotzdem eine Anpassung an die Gesamtserie. Zukunftsprognosen verwenden alle Beobachtungen. Additive Saisonalität setzt ungefähr konstante Saisonamplituden voraus.

Hold-out-Prognosen verwenden ausschließlich das frühere Training. Mindestens zwei vollständige Trainingssaisons müssen verbleiben. MAE und RMSE bewerten nur zurückgehaltene Beobachtungen. Saisonal-naive MAE wiederholt als Vergleich die letzte Trainingssaison; kleinere MAE ist besser. Hold-out null schaltet die Bewertung ab. Wiederholtes manuelles Anpassen am selben Hold-out kann überanpassen; das Tool wählt keine optimalen Parameter und garantiert keine Prognosequalität.

CSV exportiert Beobachtungen, Bezeichnungen, Training/Hold-out, Anpassungen, Zukunftsprognosen, unabhängige Hold-out-Prognosen und Vergleich sowie die Zerlegung in voller Präzision. Fehlende Anfangsanpassungen, Randtrends/Residuen und zukünftige Beobachtungen bleiben leer. Änderungen entfernen alte Ergebnisse.

Keine multiplikativen oder gedämpften Modelle, Periodenerkennung, ARIMA oder Prognoseintervalle. Holt–Winters-Gleichungen · Klassische Zerlegung · Prognosebewertung

Nur Eingabewerte bleiben in diesem Browser erhalten. Berechnete Ergebnisse und Versuchsverläufe werden nicht gespeichert.