aufschrieb

Die Monte-Carlo-Simulation ist eine der bekanntesten Simulationsmethoden. Mit der mathematischen Wahrscheinlichkeitstheorie als Grundlage, ist es ihr Ziel, Probleme mithilfe einer großen Zahl von Zufallsexperimenten zu lösen. Mit zufällig gewählten Parametern und vorgegebenen Zusammenhängen wird ein bestimmtes Ergebnis angenähert. Während die Zusammenhänge deterministisch vorgegeben sind (z.B. im Folgenden Einnahmen = Absatz * Preis), haben die Parameter einen Zufallscharakter (im Folgenden der ungewisse Absatz). Dadurch hat auch die Zielgröße einen Zufallscharakter. Gemäß dem Gesetz der großen Zahlen wird davon ausgegangen, dass eine ausreichende Anzahl an Simulationen einen guten Näherungswert der Zielgröße ergibt. Die Methode kam im 20.Jahrhundert auf und wird heute zur Approximation analytischer Probleme oder zur Simulation komplexer Prozesse benutzt; in der Finanzindustrie wird sie z.B. für das Risikomanagement verwendet. Für diese Zufallsexperimente bietet sich auch R an, da es s

Die Schnelllebigkeit der COVID19-Epidemie hat die Relevanz von Echtzeit-Indikatoren zur wirtschaftlichen Lage aufgezeigt. Ein Beispiel ist der LKW-Maut-Fahrleistungsindex, den ich hier vorgestellt habe. Einen weiteren Index, den ich kennengelernt habe, ist der  "Economic Policy Uncertainty" (EPU)-Indikator. Sein Ziel ist es " the intensity of policy-related economic uncertainty" zu messen.  Hintergrund ist, dass eine hohe Unsicherheit das wirtschaftliche Wachstum nachweislich bremst. Der Index wurde 2013 für die USA entwickelt.  Er basiert auf der Häufigkeit von Zeitungsartikeln  mit der Wörterkombination "economic/ economy" und "uncertain/ uncertainty"  und "congress/ deficit/ Federal Reserve/ legislation/ regulation/ White House"; im Verhältnis zur gesamten Anzahl an Artikeln.  Mit einer automatisierten Textanalyse wird in 1000 Zeitungen  gesucht. Diese Vorgehensweise erlaubt es auch für den EPU-Index einen tagesbasierten Wert heraus