Dự báo trong kinh doanh(Business Forecasting)

Khoa Kinh tế Phát triển

1A Hoàng Diệu, Phú Nhuận

Website: www.fde.ueh.edu.vn

Phùng Thanh Bình

1. Giới thiệu

2. Các bước thực hiện

3. Mô hình cộng tính

4. Mô hình nhân tính

PHÂN TÍCH THÀNH TỐ

Phùng Thanh Bình

Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự báo chuỗi thời gian trong kinh doanh & kinh tế, Chương 5.

J.Holton Wilson & Barry Keating, (2007), Business Forecasting With Accompanying Excel-Based ForecastXTM Software, 5th Edition, Chapter 6.

John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 5.

TÀI LIỆU THAM KHẢO

Phùng Thanh Bình

GIỚI THIỆU

Thành phần của một chuỗi thời gian:

o Xu thế (Trt)

o Chu kỳ (Clt)

o Mùa vụ (Snt)

o Ngẫu nhiên (It)

Phùng Thanh Bình

GIỚI THIỆU

Mô hình hóa Yt theo các thành phần Trt, Clt, Snt, và

It:

o Mô hình cộng tính: Xem chuỗi thời gian như tổng của các thành phần

Yt = Trt + Clt + Snt + It

o Mô hình nhân tính: Xem chuỗi thời gian như tích của các thành phần

• Yt = Trt Clt Snt It

Phùng Thanh Bình

GIỚI THIỆU

Rất khó xử lý yếu tố chu kỳ của một chuỗi thời gian vì các chu kỳ có thể được xác định từ dữ liệu lịch sử cả về độ dài (năm) và độ lớn

Để đơn giản người ta thường giả định chu kỳ là một phần của yếu tố xu thế

Thường chỉ xét 3 yếu tố Trt, Snt, và It

Phùng Thanh Bình

CÁC BƯỚC THỰC HIỆN

Khảo sát dữ liệu và nhận dạng mô hình thích hợp

Xác định L (khoảng trượt, ví dụ L = 4 nếu dữ liệu

theo quý)

Lọai bỏ dao động ngắn hạn để nhận dạng xu thế dài

hạn

So sánh giá trị thực Yt với giá trị đã lọai bỏ yếu tố

mùa vụ (CMAt)

Phùng Thanh Bình

CÁC BƯỚC THỰC HIỆN

Tìm chỉ số mùa vụ

Xác định yếu tố xu thế

Xây dựng hàm dự báo xu thế

Đo lường yếu tố chu kỳ (nếu có)

Tiến hành dự báo từ các thành tố

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Nhận dạng mô hình cộng tínho Cường độ của sự di chuyển có tính mùa vụ không đổi

theo thời gian (xem đồ thị)

Giả sử ta có mô hình cộng tính như sau:

ttttt εClSnTrY

Phùng Thanh Bình

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Các bước thực hiện

o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MAt và

CMAt

• Nếu L lẻ: Chỉ cần tính MAt

• Nếu L chẵn: Tính CMAt

CMAt = Trt + Clt

o Bước 2: Tính Snt + t

• Snt + t = Yt – Trt - Clt

Phùng Thanh Bình

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Các bước thực hiện

o Bước 3: Loại bỏ t trong Snt + t bằng cách tính trung

bình cho mỗi mùa (quý, tháng, …)

o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước lượng mùa vụ trung bình này phải bằng 0. Nếu chưa thỏa mãn thì cần phải điều chỉnh để chúng bằng 0.

L

Sn

A

L

1j

j A - Sn Sn jj

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Các bước thực hiện

o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng cách lấy dữ liệu gốc Yt trừ đi ước lượng mùa vụ tương ứng Snj

t

o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc chọn

dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)

jtt

't Sn -Y Y

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Các bước thực hiện

o Bước 7: Tiến hành dự báo cho Y^t+1

o Bước 8: Đánh giá mô hình

1t1t'

1t1t Cl Sn Y Y

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Đánh giá mô hình

o Thứ nhất: Tất cả các kiểm định thống kê của mô hình hồi quy Y’t phải được thỏa mãn

o Thứ hai: Đồ thị của Yt phải gần với Y’t

o Thứ ba: Tính chỉ số Theil U

o Ngoài ra, có thể so sánh với các mô hình dự báo khác thông qua các tiêu chí thống kê đ lường độ chính xác dự báo

Phùng Thanh Bình

MÔ HÌNH CỘNG TÍNH

Khoảng tin cậy

o Sử dụng sai số của mô hình hồi quy Y’t để xác định

khoảng tin cậy cho t

chinh)dieuso(HeStY eα/2t

n

tt

tt

n

11 chinh dieu so He 2

2

2p

Phùng Thanh Bình

MÔ HÌNH NHÂN TÍNH

Nhận dạng mô hình cộng tính

o Cường độ của sự di chuyển có tính mùa vụ tăng/giảm theo thời gian (xem đồ thị)

Giả sử ta có mô hình nhân tính như sau:

ttttt εClSnTrY

Phùng Thanh Bình

Phùng Thanh Bình

CÁCH 1: Chuyển sang dạng mô hình cộng tính và thực hiện như các bước vừa trình bày

)ln( )ln(Cl )ln(Sn )ln(Tr

)εClSnln(Tr )ln(Y

tttt

tttt

t

MÔ HÌNH NHÂN TÍNH

Phùng Thanh Bình

MÔ HÌNH NHÂN TÍNH

CÁCH 2:

o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MAt và

CMAt

• Nếu L lẻ: Chỉ cần tính MAt

• Nếu L chẵn: Tính CMAt

CMAt = Trt×Clt

o Bước 2: Tính Snt×t

• Snt×t = Yt ÷ Trt×Clt

Phùng Thanh Bình

CÁCH 2:

o Bước 3: Loại bỏ t trong Snt×t bằng cách tính trung bình cho mỗi mùa (quý, tháng, …)

o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước lượng mùa vụ trung bình này phải bằng L. Nếu chưa thỏa mãn thì cần phải điều chỉnh bằng cách nhân với hệ số điều chỉnh:

L

1j

jSn

L A A Sn Sn jj

MÔ HÌNH NHÂN TÍNH

Phùng Thanh Bình

CÁCH 2:

o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng cách lấy dữ liệu gốc Yt chia cho ước lượng mùa vụ tương

ứng Snjt

o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc chọn

dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)

jtt

't Sn Y Y

MÔ HÌNH NHÂN TÍNH

Phùng Thanh Bình

CÁCH 2:

o Bước 7: Tiến hành dự báo cho Y^t+1

o Bước 8: Đánh giá mô hình

1t1t'

1t1t Cl Sn Y Y

MÔ HÌNH NHÂN TÍNH

Phùng Thanh Bình

MÔ HÌNH NHÂN TÍNH

CÁCH 3:

o Bước 1: Tính MAt & CMAt

o Bước 2: CMAT (CMA trend)

CMA = f(TIME)

= a + b(TIME) = CMAT

o Bước 3: Tính hệ số mùa vụ SFt (seasonal factor)

t

tt CMA

Y SF

Phùng Thanh Bình

MÔ HÌNH NHÂN TÍNH

CÁCH 3:

o Bước 4: Tính hệ số chu kỳ CFt

o Bước 5: Tính chỉ số mùa SI (Seasonal index)t

tt CMAT

CMA CF

j

n

1t

jt

jt n

SF SI

Phùng Thanh Bình

MÔ HÌNH NHÂN TÍNH

CÁCH 3:

o Bước 6: Dự báo Y^t+1

1t1t1t1t CF SI CMAT Y

Phùng Thanh Bình

Phùng Thanh Bình

Phùng Thanh Bình

Phùng Thanh Bình