Biz Forecasting Lecture3
-
Upload
chuong-nguyen -
Category
Education
-
view
2.183 -
download
0
Transcript of Biz Forecasting Lecture3
1
Dự báo trong kinh doanh(Business Forecasting)
Khoa Kinh tế Phát triển1A Hoàng Diệu, Phú Nhuận
Website: www.fde.ueh.edu.vn
Phùng Thanh Bình
1. Giới thiệu2. Mô hình dự báo thô3. Trung bình giản đơn4. Trung bình di động đơn5. Trung bình di động kép6. San mũ giản đơn7. San mũ Holt8. San mũ Winter
TRUNG BÌNH DI ĐỘNG & CÁC PHƯƠNG PHÁP SAN MŨ
2
Phùng Thanh Bình
Nguyễn Trọng Hoài (2001): Mô hình hóa và Dựbáo chuỗi thời gian trong kinh doanh & kinh tế, Chương 4.J.Holton Wilson & Barry Keating, (2007), Business Forecasting With Accompanying Excel-Based ForecastXTM Software, 5th Edition, Chapter 3.John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 4.
TÀI LIỆU THAM KHẢO
Phùng Thanh Bình
GIỚI THIỆU
3
Phùng Thanh Bình
GIỚI THIỆU
Một chiến lược tốt để đánh giá các phương pháp dựbáo gồm các bước sau:1. Một phương pháp dự báo được chọn dựa trên
phân tích và cảm nhận của người làm dự báo vềbản chất của dữ liệu
2. Bộ dữ liệu được chia thành 2 phần - phần đầu vàphần kiểm định
3. Phương pháp dự báo được chọn nhằm tìm ra cácgiá trị phù hợp cho phần đầu của dữ liệu
Phùng Thanh Bình
GIỚI THIỆU
Một chiến lược tốt để đánh giá các phương pháp dựbáo gồm các bước sau:
4. Phương pháp được sử dụng dự báo phần kiểmđịnh của dữ liệu, và sai số dự báo được xác địnhvà đánh giá
5. Ra quyết định
4
Phùng Thanh Bình
DỰ BÁO THÔ
Khi có rất ít dữ liệu gần đây, thì Naïve có thể là một giảiphápDự báo thô giả định rằng các giai đoạn gần nhất là ướclượng tốt nhất cho tương lai, mô hình đơn giản là:
Được gọi là dự báo thô cấp 1 (Naïve forecast 1), 100% trọng số được gán cho giá trị gần nhất củachuỗi thời gian
t1t YY =+
∧
Phùng Thanh Bình
DỰ BÁO THÔ
Bên cạnh xem xét quan sát gần nhất, ta có thểxem xét thêm xu hướng của nó, đây là mô hìnhdự báo thô cấp 2:
Xem ví dụ ở Table 1.3 (Holton, p30)
)Y P(Y YY 1-ttt1t −+=+
∧
5
Phùng Thanh Bình
Phùng Thanh Bình
TRUNG BÌNH GIẢN ĐƠN
Công thức:
∑=
+
∧
=t
1ii1t Y
t1 Y
1tY Yt Y 1t1t
2t++
= ++
∧
+
∧
6
Phùng Thanh Bình
Phương pháp trung bình giản đơn phù hợp khi cácnhân tố ảnh hưởng đến đối tượng dự báo có tính ổnđịnh, và môi trường liên quan đến chuỗi dữ liệu làkhông đổiPhương pháp trung bình giản đơn sử dụng giá trịtrung bình của tất cả các quan sát quá khứ làm giátrị dự báo cho giai đoạn tiếp theo
TRUNG BÌNH GIẢN ĐƠN
Phùng Thanh Bình
7
Phùng Thanh Bình
Quan tâm đến một số cố định các quan sát gần nhấtKhi có thêm một quan sát mới, ta có một giá trịtrung bình mới
Y^t+1 = giá trị dự báo giai đoạn tiếp theo
Yt = giá trị thực tại thời điểm tk = hệ số trượt
TRUNG BÌNH DI ĐỘNG ĐƠN
kY ... Y Y Y 1k-t1-tt
1t+
+
∧ ++=
Phùng Thanh Bình
Ví dụ 4.3 (Table 4-30
TRUNG BÌNH DI ĐỘNG ĐƠN
8
Phùng Thanh Bình
Chọn hệ số trượt bao nhiêu tùy vào độ dài của chukỳ hay bản chất của dữ liệuĐể so sánh và chọn mô hình tốt, nên dựa vào cáctiêu chí thống kê (RMSE)Thường dùng đối với dữ liệu quý hoặc tháng để làmtrơn các thành phần trong chuỗi thời gianThường dùng với chuỗi dừng
TRUNG BÌNH DI ĐỘNG ĐƠN
Phùng Thanh Bình
Một cách dự báo chuỗi thời gian có xu thế tuyếntính là dùng phương pháp bình phương di động kép
TRUNG BÌNH DI ĐỘNG KÉP
kY ... Y Y Y M 1k-t1-tt
1tt+
+
∧ ++==
kM ... M M M 1k-t1-tt'
1t+
+++
=
9
Phùng Thanh Bình
Ví dụ 4.4 (Table 4-5)
TRUNG BÌNH DI ĐỘNG KÉP
)M M(1-k
2 b 'ttt −=
'tt
'tttt M - 2M )M M( M a =−+=
pb a Y ttpt +=+
∧
Phùng Thanh Bình
10
Phùng Thanh Bình
Phùng Thanh Bình
Giống trung bình di động, được sử dụng khi dữ liệukhông có yếu tố xu thế và mùa vụGiá trị dự báo tại bấy kỳ thời điểm nào là giá trị trungbình có trọng số của tất cả các giá trị sẵn có trước đóGiá trị càng xa hiện tại thì trọng số càng giảm (kháctrung bình di động cho rằng các trọng số bằng nhau). Các quan sát gần nhất chứa đưng thông tin thích hợpnhất, và có ảnh hưởng lớn hơn các quan sát quá khứKhi có ít dữ liệu quá khứ và không có yếu tố xu thế vàmùa vụ
SAN MŨ GIẢN ĐƠN
11
Phùng Thanh Bình
Quan sát gần nhất có trọng số α (0< α<1), quan sát kếtiếp là α(1- α), quan sát tiếp theo nữa là α(1- α)2, …α được gọi là hằng số mũMô hình san mũ giản đơn có thể được viết như sau:
SAN MŨ GIẢN ĐƠN
tt1t Y)-(1 Y Y∧
+
∧
+= αα
Phùng Thanh Bình
Phương trình này có thể được viết lại như sau:
SAN MŨ GIẢN ĐƠN
tt
ttt
ttt
tt1t
e Y
)Y - Y( Y
Y - Y Y
Y)-(1 Y Y
α
α
αα
αα
+=
+=
+=
+=
∧
∧∧
∧∧
∧+
∧
12
Phùng Thanh Bình
SAN MŨ GIẢN ĐƠN
... Y)-(1 Y)-(1 )Y-(1 Y ...
Y)-(1 )Y-(1 Y
]Y)-(1 Y)[-(1 Y
Y)-(1 Y Y
Y)-(1 Y Y
3-t3
2-t2
1-tt
1-t2
1-tt
1-t1-tt
tt1t
1-t1-tt
++++=
++=
++=
+=
+=
∧
∧
∧+
∧
∧∧
ααααααα
αααα
αααα
αα
αα
Phùng Thanh Bình
Chọn giá trị α là vấn đề quan trọng nhất củaphương pháp nàyo Nếu các dự đoán ổn định và biến đổi ngẫu nhiên
ít, thì chọn α nhỏ, ngược lại nên chọn α lớno Một cách phổ biến để ước lượng α là dựa vào
một quy trình lặp đi lặp lại sao cho tối thiểu hóaMSE (hoặc RMSE)
Ví dụ 4.5 (H, Table 4-7)
SAN MŨ GIẢN ĐƠN
13
Phùng Thanh Bình
Phùng Thanh Bình
14
Phùng Thanh Bình
Khi chuỗi thời gian có yếu tố xu thế (và không cóyếu tố mùa vụ)Là một mở rộng của phương pháp san mũ giản đơnbằng việc đưa thêm một thừa số tăng trưởng(growth factor) hay thừa số xu thế (trend factor) vàphương trình san mũ để điều chỉnh yếu tố xu thế3 phương trình và 2 hằng số san mũ được sử dụngtrong mô hình Holt
SAN MŨ HOLT
Phùng Thanh Bình
Chuỗi thời gian đã được san mũ hay giá trị ước lượnghiện hành (Lưu ý: cũng có thể là Y^
t, và Tt):(a)Ước lượng xu thế: (b)Dự báo p giai đoạn trong tương lai:
(c)
SAN MŨ HOLT
))T-(1 )Y Y( T tt1t1t γγ +−=∧
+
∧
+
1t1tmt mT Y H ++
∧
+ +=
)T Y)(-(1 Y Y ttt1t ++=∧
+
∧
αα
15
Phùng Thanh Bình
= giá trị san mũ cho giai đoạn t+1Yt = giá trị thực ở hiện tại (giai đoạn t)
= giá trị san mũ cho giai đoạn tTt+1 = ước lượng xu thếα = hằng số san mũ của mức giá trị hiện tạiγ = hằng số san mũ của ước lượng xu thếm = số giai đoạn dự báoHt+m = giá trị dự báo theo phương pháp Holt ở giai đoạn t+m
SAN MŨ HOLT
1tY +
∧
tY∧
Phùng Thanh Bình
α và γ có thể được chọn theo chủ quan hoặc tối thiểuhóa sai số dự báo như MSEo Khi có thay đổi lớn trong giá trị các thành phần thì
sử dụng trọng số lớn, và ngược lạiChọn giá trị ban đầu cho Y^:o Lấy quan sát thứ nhất, và xu thế bằng 0 o Trung bình của 5 hoặc 6 quan sát đầu tiên và xu thế
là hệ số gốc của đường xu thế của các quan sát nàyVí dụ 4.9 (H, Table 4- 8)
SAN MŨ HOLT
16
Phùng Thanh Bình
Chuỗi thời gian đã được san mũ:
(a)
Ước lượng xu thế:
(b)
Ước lượng mùa vụ:
(c)
Dự báo m giai đoạn trong tương lai:
(d)
SAN MŨ WINTER
)T Y)(-(1 SY Y 1-t1-t
s-t
tt ++=
∧∧
αα
))T-(1 )Y Y( T 1-t1-ttt γγ +−=∧∧
))S-(1 Y
Y S s-t
t
tt ββ += ∧
ps-tttmt S)mT Y( W +
∧
+ +=
Phùng Thanh Bình
Y^t = giá trị san mũ mới
Tt = ước lượng xu thếSt = ước lượng mùa vụα = hằng số san mũ của mức giá trị hiện tạiγ = hằng số san mũ của ước lượng xu thếβ = hằng số san mũ của ước lượng mùa vụm = số giai đoạn dự báos = độ dài mùa vụWt+m = giá trị dự báo theo phương pháp Winter ở giai đoạn t+m
SAN MŨ WINTER
17
Phùng Thanh Bình
α, γ, và β có thể được chọn theo chủ quan hoặc tối thiểuhóa sai số dự báo như MSEChọn giá trị ban đầu cho Y^:o Lấy quan sát thứ nhất, xu thế bằng 0, và chỉ số mùa vụ
bằng 1 o Hồi qui Y = f(t), hằng số sẽ là ước lượng ban đầu của
giá trị san mũ, hệ số dốc là ước lượng ban đầu cho xuthế. Giá trị ban đầu của thành phần mùa vụ từ các hệ sốhồi qui của các biến giả
Ví dụ 4.10 (H, Table 4- 9)
SAN MŨ WINTER
Phùng Thanh Bình