GVHD: Nguyễn Duy Tâm * DỰ BÁO BẰNG PHƢƠNG PHÁP PHÂN TÍCH *NỘI DUNG TRÌNH BÀY Chương 1: Tổng quan về dự báo trên chuỗi thời gian 1 Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu 2 Chương 3: Kết quả nghiên cứu 3 Chương 4: Tổng hợp 4 * Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.1.Giới thiệu:  Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn. Phương pháp này là một trong những phương pháp lâu đời nhất trong lịch sử 1.2.Mục tiêu nghiên cứu:  Phân biệt được các thành phần của chuỗi thời gian  Phân biệt và trình bày được các mô hình cộng tính và mô hình nhân tính trong dự báo đặc biệt có yếu tố mùa nổi trội  Sử dụng Eviews và Excel để thực hiện dự báo bằng phương pháp phân tích  Sử dụng được kiểm định Kruskal-Wallis để kiểm định yếu tố mùa bằng phần mềm Eviews. * Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.3.Phƣơng pháp và phạm vi nghiên cứu: *Dựa trên nền tảng của các phương pháp trung bình di động và dự báo theo hàm xu thế, kết hợp cộng tính hay kết hợp nhân tính với yếu tố mùa vụ theo mô hình san mũ Winters. Xem xét sự tồn tại của yếu tố mùa vụ thông qua kiểm định Kruskal-Wallis. 1.4.Lý do chọn đề tài: *Trên thực tế dữ liệu nhiều khi không tăng giảm theo thời gian mà còn biến động theo mùa. Phương pháp phổ biến và hữu ích trong việc dự báo sự thay đổi, tăng trưởng của một số chỉ số kinh tế - xã hội… Vì vậy cần nghiên cứu để có thể ứng dụng vào thực tiễn. 1.5. Ý nghĩa thực tiễn : *Một chuỗi thời gian có thể quan sát thông qua bốn thành phần cơ bản : mùa vụ, xu thế, chu kỳ và ngẫu nhiên. Cung cấp cho các nhà quản lí những đo lường cụ thể cho các thành phần mà không định lượng được bởi các phương pháp khác. www.themegallery.com Company Logo * Chƣơng 2: Cơ sở lý thuyết và mô hình nghiên cứu 1 Cơ sở lý thuyết: •Dự báo trên chuỗi thời gian •Mối liên quan của bốn thành phần chuỗi thời gian với dữ liệu gốc. 2 Mô hình nghiên cứu: Mô hình hóa Y t theo các thành phần Tr t, Cl t, Sn t, I t : •Mô hình cộng tính : Xem chuỗi thời gian như tổng các thành phần Y t = Tr t + Cl t +Sn t +I t •Mô hình nhân tính : Xem chuỗi thời gian như tích các thành phần Y t = Tr t × Cl t ×Sn t × I t 3 Công cụ: •Phần mềm Eview •Phần mềm Excel *Chƣơng 3: Kết quả nghiên cứu 1. Tình huống 1 •Dự báo nhu cầu sd dầu 3th cuối 2008 của một cty dầu khí Nhận xét • Quá trình tăng giảm nhu cầu dầu của công ty có dấu hiệu lặp lại, từ đó suy ra mô hình cộng tính tốt hơn mô hình nhân tính. www.themegallery.com Company Logo www.themegallery.com Company Logo * 2. Lý thuyết ứng dụng: Mô hình nhân tính 3. Giải quyết tình huống Sau khi điều chỉnh yếu tố mùa: * Xét Cl t = 0 và Ir t = 0, vì vậy chuỗi dữ liệu bây giờ chỉ còn Tr t hay YSA t = Tr t * Sử dụng mô hình xu thế để dự đoán nhu cầu dầu tương lai của công ty. *Cộng doanh số theo mùa và xu thế để có kết quả cuối cùng. * *Tách yếu tố xu thế: *Dự báo YSA (nhu cầu dầu đã loại yếu tố mùa) bằng mô hình xu thế: • Trước tiên ta tạo biến T bằng lệnh sau: genr t=@trend(1995:12) • YSA = -38.1193322338 + 1.38102867353*t * *Đồ thị dự báo kết quả của hàm YSA *Kết quả ước lượng trên eview theo biến T * *Bảng các chỉ số so sánh: Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được. *Kết hợp yếu tố xu thế và yếu tố mùa để dự đoán nhu cầu dầu trong tương lai ta có được hàm sau: Y^ t = YSAt^ + Sn= t + Sn t (do Cl t = 0 va Ir t = 0) MAE MAPE MAE RMSE U 8.212820 16.65345 8.212820 10.04968 0.050540 *Bảng các chỉ số so sánh: Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được. *Kết hợp yếu tố xu thế và yếu tố mùa để dự đoán nhu cầu dầu trong tương lai ta có được hàm sau: Y^ t = YSAt^ + Sn= t + Sn t (do Cl t = 0 va Ir t = 0) MAE MAPE MAE RMSE U 8.212820 16.65345 8.212820 10.04968 0.050540 [...]... tính Prob của thống kê Kruskal-Wallis bằng 0.0410 nhỏ hơn 0.1 nên độ tin cậy là 90% có yếu tố mùa tồn tại trong chuỗi dữ liệu Dự báo bằng phương pháp phân tích Ưu điểm Dự báo được ngắn hạn và dài hạn •Có tính phân tích cụ thể Hiểu và giải thích dễ dàng hơn các kết quả dự báo •Có thể diễn đạt trực tiếp excel Ra đời sớm Dựa trên PP TB di động Nền tảng của dự báo theo MH xu thế Vẩn còn được sử dụng... trực tiếp excel Ra đời sớm Dựa trên PP TB di động Nền tảng của dự báo theo MH xu thế Vẩn còn được sử dụng phổ biến cho đến ngày nay Nhược điểm •Chỉ có chuỗi dữ liệu ổn định mới đưa ra dự báo đáng tin cậy •Khi độ dài dự báo càng tăng thì pp này kém chính xác hơn •Không thể đưa đầy đủ những yếu tố bên ngoài có tác động www.themegallery.com ... nghiên cứu *Sử dụng Eview gõ lệnh genr yf=ysaf+sn Nhu cầu sử dụng dầu 3 tháng cuối 2008 YF và DEMAND bám nhau nên mô hình cộng tính được áp dụng khá tốt * Chƣơng 3: Kết quả nghiên cứu Tình huống 2: Dự báo doanh thu 4 quý tiếp theo của một công ty máy tính MT Thực hiện các thao tác trên phần mềm Eview ta được bảng kết quả sau:(mô hình nhân tính) RMS E MAE MAP E U MSE 5.371 4.429 3.399 28.85 0.019 240 . Tổng quan về dự báo trên chuỗi thời gian 1.1.Giới thiệu:  Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn. Phương pháp này là. trong dự báo đặc biệt có yếu tố mùa nổi trội  Sử dụng Eviews và Excel để thực hiện dự báo bằng phương pháp phân tích  Sử dụng được kiểm định Kruskal-Wallis để kiểm định yếu tố mùa bằng phần. đáng tin cậy •Khi độ dài dự báo càng tăng thì pp này kém chính xác hơn. •Không thể đưa đầy đủ những yếu tố bên ngoài có tác động Dự báo bằng phương pháp phân tích Vẩn còn được sử