Zeitreihenanalyse

Zeitreihen kommen in vielen wissenschaftlichen Disziplinen und praktischen Anwendungen vor, nämlich immer dann, wenn Daten in einer zeitlichen Abfolge erhoben werden. Beispiele sind meteorologische Daten (Temperatur, Luftfeuchte, Regenmenge, Sonneneinstrahlung), Luftqualitätsdaten (Stickoxide, Feinstaub), Finanzdaten (Aktienkurse, Wechselkurse), Lagerbestände, Produktnachfragen, Preise (Weizenpreis, Ölpreis, Kaffeepreis), Sensordaten für vorausschauende Wartung (predictive maintenance, frühzeitige Erkennung von zukünftigen Defekten und Anomalien), Stromverbrauch, oder auch medizinische Daten (Blutdruck, Blutzucker) und versicherungsmathematische Daten (Sterblichkeit). Die Auflösung der Daten kann dabei ganz unterschiedlich sein. Die Daten können im Abstand von Sekundenbruchteilen gemessen werden (z. B. Hochfrequenz-Finanzdaten), aber auch täglich, monatlich oder jährlich. Neben der deskriptiven Beschreibung und grafischen Darstellung des zeitlichen Verlaufs ist man interessiert an der Erkennung von Mustern im Zeitverlauf, z. B. Trends und periodischen Schwankungen. Diese Muster und die angenommene Abhängigkeit der Beobachtungen soll dann eine Prognose für zukünftige Beobachtungen ermöglichen.