Prognosegröße

Prognosegröße bezeichnet in der Statistik und verwandten Disziplinen eine Größe, deren zukünftiger Wert mittels eines Prognosemodells geschätzt wird. Sie ist die Zielgröße einer Prognose und kann ein Skalar oder ein Vektor sein, abhängig davon, wie viele Variablen gleichzeitig vorhergesagt werden. Die Prognose erfolgt für einen festgelegten Vorhersagehorizont (zum Beispiel t+1, t+7) und basiert auf historischen Daten, aktuellen Informationen und einem Modell der zugrunde liegenden Dynamik.

Dabei unterscheidet man Punktprognosen, die einen einzelnen erwarteten Wert liefern, von Wahrscheinlichkeits- bzw. Raum-Verteilungsprognosen, die eine Verteilung oder Konfidenzintervalle angeben. Die Prognose ist prinzipiell mit Unsicherheit behaftet, weshalb auch Prognoseintervalle und Vorhersagefehler berücksichtigt werden.

Methodisch kommt die Prognose aus verschiedensten Ansätzen, etwa Zeitreihenmodelle (ARIMA, saisonale Modelle), Regressions- und ökonometrische Modelle, State-Space-Modelle inklusive Kalman-Filter sowie Ansätze des maschinellen Lernens. Die Wahl des Modells hängt vom Kontext, der Verfügbarkeit von Daten und der gewünschten Art der Prognose ab.

Anwendungsfelder sind unter anderem Nachfrage- und Bestandsplanung, Energie- und Verkehrsprognosen, Wetter- und Umweltvorhersagen sowie Finanz- und Wirtschaftsprognosen. Prognosegrößen dienen der Planung, Entscheidungsunterstützung und dem Reagieren auf erwartete Entwicklungen. Die Prognosequalität wird u. a. mit Maßen wie MAE, RMSE oder MAPE bewertet; probabilistische Prognosen nutzen Verteilungsannahmen und Konfidenzintervalle.