CHƯƠNG KHẢO SÁT DỮ LIỆU 1.1 Mô tả số liệu Số liệu sử dụng doanh thu (đơn vị: triệu VND) Công ty cổ phần FPT (HOSE: FPT) từ quý I năm 2007 đến quý III năm 2019 gồm 51 quan sát, mở rộng đến quý IV năm 2021 nhằm mục đích dự báo doanh thu cho quý từ quý IV năm 2019 đến quý IV năm 2021, nhóm tổng hợp từ Cổng thơng tin trực tuyến đầu ngành tài chứng khoán http://finance.vietstock.vn Số liệu tổng hợp theo quý Excel xử lý phần mềm Eviews Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV Trên cửa sổ Series: Rev vào View/ Descriptive Statistics & Tests/ Stats Table, ta thu số mô tả thống kê quan trọng sau:  Số quan sát (Observations): 51  Giá trị trung bình (Mean): 9557033  Giá trị lớn (Maximum): 15333191  Giá trị nhỏ (Minimum): 4750769  Độ lệch chuẩn (Std Dev): 2511382 1.2 Khảo sát liệu 1.2.1 Phương pháp đồ thị Để xác định chuỗi số liệu nghiên cứu có yếu tố thời vụ hay khơng chuỗi số liệu nghiên cứu cần sử dụng mơ hình cộng hay mơ hình nhân để thực tách riêng nhân tố mùa vụ, ta thực sau: Trên cửa sổ Series: REV, vào View/Graph, cửa sổ Graph Options phần Specific chọn Lines & Symbol Ta có kết khảo sát đồ thị hình Hình Doanh thu Công ty cổ phần FPT giai đoạn 2007 – 2019 Rev 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 07 08 09 10 11 12 13 14 15 16 17 18 19 Nguồn: Nhóm tác giả thực Eviews Hình cho thấy doanh thu cơng ty có dao động với cường độ khơng đồng đều, khơng mang tính tăng dần hay giảm dần Vì thế, để đạt mơ hình dự báo tốt nhất, nhóm tiến hành ước lượng mơ hình cộng mơ hình nhân Tiếp đến, tiến hành kiểm tra tính mùa vụ chuỗi doanh thu thơng qua Seasonal Graph Vẫn cửa sổ Series: REV, vào View/Graph, cửa sổ Graph Options phần Specific chọn Seasonal Graph thu đồ thị hình Hình Seasonal Graph doanh thu FPT giai đoạn 2007 – 2019 Rev by Season 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 Q1 Q2 Q3 Q4 Means by Season Nguồn: Nhóm tác giả thực Eviews Hình cho thấy khoảng cách biên độ doanh thu khoảng thời gian rõ ràng nên chuỗi số liệu có yếu tố mùa vụ Vì vậy, nhóm tiến hành tách yếu tố mùa vụ khỏi chuỗi phương pháp trung bình động (Moving average methods) để có kết dự báo xác  Mơ hình cộng: Trên cửa sổ Series: REV, vào Proc/ Seasonal Adjustment/ Moving Average Methods.Trên cửa sổ Seasonal Adjustment phần Adjustment method chọn Diference from moving average - Additive Chuỗi tách yếu tố mùa vụ revsa, số mùa vụ sa Ta có kết số mùa vụ quý sau: Scaling Factors: -968526,7 -617756,3 -41135,37 1627418  Mơ hình nhân: Trên cửa sổ Series: REV, vào Proc/ Seasonal Adjustment/ Moving Average Methods.Trên cửa sổ Seasonal Adjustment phần Adjustment method chọn Ratio to moving average - Multiplicative Chuỗi tách yếu tố mùa vụ revsm, số mùa vụ sm Ta có kết số mùa vụ quý sau: Scaling Factors: 0,898598 0,945066 0,998938 1,178783 1.2.2 Kiểm định tính dừng chuỗi H : Chuỗi không dừng Cặp giả thuyết: { H1: Chuỗi dừng  Mơ hình cộng: Trên cửa sổ Series: REVSA vào View/ Unit Root Test, cửa sổ Unit Root Test phần Test for unit root in chọn Level Theo kết kiểm định, P-value (Prob.) = 0,0234 < α = 0,05 Bác bỏ giả thuyết Ho Chuỗi revsa chuỗi dừng  Mơ hình nhân: Trên cửa sổ Series: REVSM vào View/ Unit Root Test, cửa sổ Unit Root Test phần Test for unit root in chọn Level Theo kết kiểm định, P-value (Prob.) = 0,0236 < α = 0,05 Bác bỏ giả thuyết Ho Chuỗi revsm chuỗi dừng 1.2.3 Phân tích giản đồ tự tương quan – tự tương quan riêng phần  Mô hình cộng: Trên cửa sổ Series: REVSA vào View/ Correlogram Trên cửa sổ Correlogram Specification, phần Corelogram of chọn Level, thu bảng kết hình Hình Giản đồ tự tương quan tự tương quan riêng phần chuỗi revsa Nguồn: Nhóm tác giả thực Eviews Hình cho thấy vạch bậc 1, 2, ACF vạch bậc PACF trượt khỏi đường biên nên chọn độ trễ cho AR, độ trễ 1, cho MA  Mơ hình nhân: Trên cửa sổ Series: REVSM vào View/ Correlogram Trên cửa sổ Correlogram Specification, phần Corelogram of chọn Level, thu bảng kết hình Hình Giản đồ tự tương quan tự tương quan riêng phần chuỗi revsm Nguồn: Nhóm tác giả thực Eviews Hình cho thấy vạch bậc 1, 2, ACF vạch bậc PACF trượt khỏi đường biên Ta chọn độ trễ cho AR, độ trễ 1, cho MA 1.3 Lựa chọn phương pháp dự báo Trong tiểu luận này, nhóm dùng phần mềm Eviews để dự báo chuỗi rev (chuỗi số liệu doanh thu FPT) từ quý IV năm 2019 đến quý IV năm 2021 (2019Q4 – 2021Q4) nhiều phương pháp khác 1.3.1 Các mơ hình dự báo giản đơn 1.3.1.1 Dự báo phương pháp san mũ San mũ việc loại bỏ yếu tố ngẫu nhiên để nhìn thấy chất chuỗi giúp việc dự báo trở nên dễ dàng Phương pháp san mũ đơn loại bỏ yếu tố ngẫu nhiên dự báo giá trị mẫu (predict) khơng thể giúp dự báo ngồi mẫu (forecast) Phương pháp san mũ kép việc lặp lại lần san mũ đơn Phương pháp dự báo mẫu Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Double Chuỗi san kép Smoothed series chuỗi revd Chọn OK thu được:   Hằng số san kép: = 0,1600 Chỉ số bậc hai sai số bình phương trung bình RMSE = 2156495 Trên cửa sổ Command gõ lệnh line rev revd thu hình Hình Đồ thị phân phối chuỗi rev chuỗi revd 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 07 08 09 10 11 12 13 Rev 14 15 16 17 18 19 20 REVD Nguồn: Nhóm tác giả thực Eviews 21 1.3.1.2 Dự báo phương pháp san mũ Winters Phương pháp san mũ Winters dùng để dự báo chuỗi có chứa yếu tố xu yếu tố mùa vụ Ký hiệu : Tt : ước lượng phần xu thời kỳ t ∧ Y t : ước lượng giá trị trung bình Y thời kì t ∧ Y n+h : giá trị dự báo Y sau h giai đoạn tương lai St : yếu tố thời vụ thời điểm t (chỉ số mùa vụ qua năm không đổi) k : số thời vụ năm St −k : yếu tố thời vụ thời điểm t thời kỳ trước Đầu tiên phải xác định dạng mơ hình chuỗi: − = Mơ hình nhân: Yt T.S.C.I − Mơ hình cộng: Yt = T+S+C+I Từ đó, ta có giá trị ước lượng trung bình là: = α ∧ − Mơ hình nhân: Y t Y + (1 t ∧ −α )(Y t −1 + Tt −1 ) S t−k − Mô hình cộng: ∧ t t = Y α (Y −S Ước lượng giá trị xu T là: t −k ∧ t −1 ) + (1−α)(Y = T β(Y t ∧ t −1 +T ) ∧ t −Y t −1 )+(1 − β)T t −1 Ước lượng giá trị số mùa vụ là: = − Mơ hình nhân: S γ t −   Mơ hình cộng: Mơ hình nhân: Mơ hình cộng: ̂ +ℎ ̂ ̂ +ℎ Y t +(1−γ )S ∧ t −k Yt S = γ (Y −Y t t ∧ t −1 )+ (1−γ )S t −k ̂ =( +ℎ ) =( +ℎ )+  Mơ hình cộng Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Holt-Winters – Additive Chuỗi san Winters mơ hình cộng Smoothed series chuỗi revaw Chọn OK ta thu kết dự báo sau: Hằng số san: = 0,6000; = 0,0000; = 0,0000  Chỉ số bậc hai sai số bình phương trung bình RMSE = 1717311  − Chỉ số mùa vụ qua năm không đổi: S1 = -990777,3 S2 = -627279,8 S3 = -40945,08 S4 = 1659002 Trên cửa sổ Command gõ lệnh line rev revaw thu hình Hình Đồ thị phân phối chuỗi rev revaw 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 07 08 09 10 11 12 13 Rev 14 15 16 17 18 19 20 21 REVAW Nguồn: Nhóm tác giả thực Eviews  Mơ hình nhân Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Holt-Winters – Multiplicative Chuỗi san Winters mơ hình nhân Smoothed series chuỗi revmw Chọn OK ta thu kết dự báo sau:   Hằng số san: = 0,6000; = 0,0000; = 0,0000 Chỉ số bậc hai sai số bình phương trung bình RMSE = 1736259 − Chỉ số mùa vụ qua năm không đổi: 10 S1 = 0,890976 S2 = 0,937119 S3 = 0,993386 S4 = 1,178519 Trên cửa sổ Command gõ lệnh line rev revmw thu hình Hình Đồ thị phân phối chuỗi rev revmw 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 07 08 09 10 11 12 13 Rev 14 15 16 17 18 19 20 21 REVMW Nguồn: Nhóm tác giả thực Eviews 1.3.2 Dự báo phương pháp phân tích Bước 1: Xác định dạng chuỗi (đã trình bày phần 1.2.1 ) Bước 2: Tách yếu tố mùa vụ (đã trình bày phần 1.2.1)  Mơ hình nhân Bước 3: Ước lượng hàm xu Tạo xu T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo biến xu t Tiếp tục gõ lệnh ls revsm c 1/t để ước lượng revsm theo biến 1/t Bảng Kết ước lượng mơ hình xu chuỗi revsm Biến Hệ số Sai số chuẩn Thống kê t P-value c 9961214 352402 28,26663 0,0000 t -4839021 1973911 -2,451489 0,0178 Prob(F-statistic) 0,0000  Kiểm định giả thuyết thống kê hệ số hồi quy: H0: β = j Cặp giả thuyết: { H1: βj ≠ Với mức ý nghĩa α cho trước, P-value < α bác bỏ H0 11 Theo kết ước lượng thấy P-value = 0,0178 < α = 0,05 Mơ hình có ý nghĩa thống kê mức ý nghĩa α = 0,05  Kiểm định bỏ sót biến: Cặp giả thuyết: { H : Mơ hình khơng bỏ sót biến H1: Mơ hình bỏ sót biến Trên cửa sổ ước lượng Equation vào View/ Stability Diagnostics/ Ramsey RESET Test Theo kết kiểm định thấy P-value (Probability) = 0,4206 > α = 0,05 Mơ hình khơng bỏ sót biến mức ý nghĩa α = 0,05  Kiểm định phân phối chuẩn nhiễu: Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Histogram – Normality Test Theo kết kiểm định thấy P-value (Probability) = 0,529728 > α = 0,05 Mơ hình có nhiễu phân phối chuẩn mức ý nghĩa α = 0,05  Kiểm định phương sai sai số thay đổi: H : Phương sai sai số không đổi Cặp giả thuyết: { H1: Phương sai sai số thay đổi Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Heteroskedasticity Tests Trên cửa sổ Heteroskedasticity Tests chọn White Theo kết kiểm định thấy P-value (Probability) = 0,2995 > α = 0,05 Mơ hình khơng có phương sai sai số thay đổi mức ý nghĩa α = 0,05  Kiểm định tự tương quan: H0: Mơ hình khơng có tự tương quan Cặp giả thuyết: { H1: Mơ hình có tự tương quan Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Serial Correlation LM test Trên cửa sổ Lag Specification, phần Lags to include chọn Theo kết kiểm định thấy P-value (Probability) = 0,0000 < α = 0,05 Mơ hình mắc khuyết tật tự tương quan bậc mức ý nghĩa α = 0,05 Trên cửa sổ ước lượng Equation chọn Estimate Trên cửa sổ Equation Estimation, phần Method chọn ROBUSTLS - Robust Least Squares 12 Bảng Kết ước lượng mơ hình xu chuỗi revsm sau dùng hồi quy Robust Biến Hệ số Sai số chuẩn Thống kê z P-value c 9930214 346733,8 28,63930 0,0000 1/t -4838860 1942162 -2,491481 0,0127 Nguồn: Nhóm tác giả thực Eviews Bước 4: Dự báo chuỗi gốc Trên cửa sổ ước lượng Equation, chọn Forecast Trên cửa sổ Forecast, phần Forecast sample chọn mẫu 2015q3 2016q3 Theo kết dự báo mẫu ta thấy: sai số dự báo Mean Abs Percent Error = 4,202229 < 5, tức sử dụng mơ hình để dự báo mẫu Mở lại cửa sổ Forecast, phần Forecast sample chọn mẫu 2019q4 2021q4, thu chuỗi dự báo revsmf Lấy chuỗi revsmf nhân với số mùa vụ sm chuỗi dự báo revmf: cửa sổ Command gõ lệnh genr revmf=revsmf *sm Tiếp tục gõ lệnh line revmf rev thu đồ thị hình Hình Đồ thị phân phối chuỗi rev revmf 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 07 08 09 10 11 12 13 14 REVMF 15 16 17 18 19 20 21 Rev Nguồn: Nhóm tác giả thực Eviews  Mơ hình cộng Bước 3: Ước lượng hàm xu Tạo xu T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo biến xu t Tiếp tục gõ lệnh ls revsa c t t^2 để ước lượng revsa theo biến t t2 13 C KẾT LUẬN Qua dự báo doanh thu nhiều phương pháp với mơ hình khác nhau, nhóm nhận thấy phương pháp phân tích mơ hình nhân (chuỗi revmf) phương pháp dự báo theo mơ hình ARIMA mơ hình nhân (chuỗi revmfa) có thơng số xác số mơ hình thực với RMSE nhỏ Từ kết dự báo, doanh thu giảm mạnh vào quý đầu năm 2020 Sau đó, lại tăng nhanh vào quý cuối giảm mạnh vào quý đầu năm Tuy nhiên, giai đoạn kinh tế có nhiều biến động, kết dự báo bị ảnh hưởng, việc dự báo doanh thu tương lai tồn sai số định Dù vậy, kết nghiên cứu phần cung cấp thông tin định cho nhà lãnh đạo Công ty, giúp đưa nhận định giải pháp đắn để có kế hoạch điều chỉnh sách tăng doanh thu Công ty cổ phần FPT phù hợp với mục tiêu tăng trưởng kinh tế năm Từ kết dự báo, nhóm nghiên cứu đề xuất số giải pháp nhằm tăng doanh thu cho Công ty sau: Một là, xây dựng chiến lược kế hoạch kinh doanh đắn phù hợp với tình hình doanh nghiệp Khi có chiến lược kế hoạch kinh doanh phù hợp cho phép doanh nghiệp tận dụng tối đa nguồn lực cho sản xuất kinh doanh, làm tăng hiệu hoạt động doanh nghiệp, góp phần làm tăng lợi nhuận Hai là, xây dựng triển khai kế hoạch sách marketing, đẩy mạnh nghiên cứu khai thác thị trường tìm hiểu nhu cầu khách hàng Việc triển khai thực kế hoạch, sách marketing: sách sản phẩm, sách giá cả, sách phân phối,… với việc đẩy mạnh nghiên cứu khai thác thị trường tìm hiểu khác hàng cho phép đáp ứng tốt nhu cầu người tiêu dùng, tăng hiệu hoạt động doanh nghiệp Ba là, tổ chức tốt trình kinh doanh sản phẩm hàng hóa dịch vụ cơng ty Việc tổ chức tốt q trình kinh doanh sản phẩm hàng hóa dịch vụ địi hỏi Cơng ty phải thực tốt tất khâu: nguồn cung ứng đầu vào, đầu ra, dự trữ hàng hóa, tiêu thụ, tổ chức toán,…Đặc biệt, việc đảm bảo nguồn lực đầu tư yếu tố quan trọng tạo động lực trì tăng trưởng bối cảnh dư địa tăng trưởng 23 ngành cơng nghệ, viễn thơng cịn lớn, ảnh hưởng xu hướng chuyển đổi số lên ngành công nghệ thông tin dự báo ngày gia tăng Bài tiểu luận hoàn thành nhờ nỗ lực đóng góp tất thành viên nhóm, cịn nhiều hạn chế sở lý thuyết nhóm mong dự báo giúp tạo sở, cung cấp thơng tin cho nhà quản lý doanh nghiệp tiến trình đưa định kinh doanh Bên cạnh đó, tiểu luận nguồn tài liệu bổ sung cho lĩnh vực nghiên cứu dự báo doanh thu cho ngành dịch vụ công nghệ thông tin Việt Nam Chúng em xin cảm ơn hướng dẫn, giảng dạy nhiệt tình ThS Nguyễn Thúy Quỳnh, cảm ơn học bổ ích lớp giúp chúng em hiểu sâu môn học Dự báo kinh tế việc áp dụng kiến thức vào sống Nhóm mong nhận góp ý, động viên để hồn thiện áp dụng tốt cơng việc sau 24 D DANH MỤC TÀI LIỆU THAM KHẢO TIẾNG VIỆT Nguyễn Quang Dong, Nguyễn Thị Minh, Giáo trình Kinh tế lượng, Trường Đại học Kinh tế quốc dân Nguyễn Quốc Oánh, Lê Thanh Hà, Đỗ Quang Giám, 2014, Vận dụng phương pháp dự báo san mũ để dự báo doanh thu cho doanh nghiệp ngành thép Việt Nam, Tạp chí Khoa học Phát triển 2014, tập 12, số 2, trang 205 – 213 TIẾNG ANH Dalia Streimikiene, Rizwan Raheem Ahmed, Jolita Vveinhardt, Saghir Pervaiz Ghauri, Sarwar Zahid, 2018, Forecasting tax revenues using time series techniques – a case of Pakistan, Journal Economic Research – Ekonomska Mingzhao Wang, Yuping Wang, Xiaoli Wang and Zhen Wei, 2015, Forecast and Analyze the Telecom Income based on ARIMA Model, The Open Cybernetics & Systemics Journal, 9, Page 2559 - 2564 WEBSITE Website Cổng thông tin trực tuyến đầu ngành tài chứng khoán https://finance.vietstock.vn/doanh-nghiep-a-z/?page=1 (truy cập ngày 3/12/2019) Webiste Trường Đại học Kinh tế Luật, Đại học Quốc gia Thành phố Hồ Chí Minh, https://maths.uel.edu.vn (truy cập ngày 8/12/2019) 25 E PHỤ LỤC BẢNG SỐ LIỆU DÙNG TRONG DỰ BÁO Quý Năm 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 5.663.585 8.403.531 7.438.682 8.017.530 10.199.095 8.937.352 8.611.039 10.867.322 14.713.020 8.466.518 9.418.120 4.750.769 5.666.480 6.070.562 8.830.457 8.799.390 10.723.958 9.329.772 9.666.613 9.336.562 10.685.411 11.744.376 8.958.526 9.946.703 5.474.263 6.825.919 Phụ lục Bảng mô tả thống kê chuỗi liệu 26 6.238.109 7.464.328 8.377.067 12.602.884 10.140.718 9.869.741 12.000.599 13.477.215 9.527.464 9.755.288 10.831.198 6.036.059 7.104.374 9.376.397 9.113.084 14.983.873 10.198.524 13.832.026 10.020.775 11.283.427 15.333.191 10.449.043 12.399.573 12.495.737 6.952.447 Phụ lục Bảng kết sau tách yếu tố mùa vụ mơ hình cộng Phụ lục Bảng kết sau tách yếu tố mùa vụ mơ hình nhân Phụ lục Bảng kết kiểm định tính dừng chuỗi revsa Phụ lục Bảng kết kiểm định tính dừng chuỗi revsm 27 Phụ lục Bảng kết dự báo san mũ kép Phụ lục Bảng kết dự báo san mũ Winters mơ hình cộng Phụ lục Bảng kết dự báo san mũ Winters mơ hình nhân 28 Phụ lục Bảng kết ước lượng mơ hình xu chuỗi revsm Phụ lục 10 Bảng kết kiểm định bỏ sót biến mơ hình ước lượng hàm xu chuỗi revsm Phụ lục 11 Bảng kết kiểm định phân phối chuẩn nhiễu mơ hình ước lượng hàm xu chuỗi revsm 29 Phụ lục 12 Bảng kết kiểm định phương sai sai số thay đổi mơ hình ước lượng hàm xu chuỗi revsm Phụ lục 13 Bảng kết kiểm định tự tương quan mơ hình ước lượng hàm xu chuỗi revsm Phụ lục 14 Bảng kết ước lượng mơ hình xu chuỗi revsm sau dùng hồi quy Robust Phụ lục 15 Kết dự báo mẫu revsmf chuỗi revsm 30 Phụ lục 16 Bảng kết ước lượng mô hình xu chuỗi revsa Phụ lục 17 Bảng kết kiểm định bỏ sót biến mơ hình ước lượng hàm xu chuỗi revsa Phụ lục 18 Bảng kết kiểm định phân phối chuẩn nhiễu mơ hình ước lượng hàm xu chuỗi revsa 31 Phụ lục 19 Bảng kết kiểm định phương sai sai số thay đổi mơ hình ước lượng hàm xu chuỗi revsa Phụ lục 20 Bảng kết kiểm định tự tương quan mơ hình ước lượng hàm xu chuỗi revsa Phụ lục 21 Bảng kết ước lượng mơ hình xu chuỗi revsa sau dùng hồi quy Robust Phụ lục 22 Kết dự báo mẫu revsaf chuỗi revsa 32 Phụ lục 23 Kết ước lượng mơ hình ARIMA (1,1,1) (mơ hình cộng) Phụ lục 24 Kết ước lượng mơ hình ARIMA (1,1,2) (mơ hình cộng) Phụ lục 25 Kết kiểm định tự tương quan 12 độ trễ liên tiếp mơ hình ARIMA (1,1,2) (mơ hình cộng) 33 Phụ lục 26 Kết kiểm định phân phối chuẩn nhiễu mơ hình ARIMA (1,1,2) (mơ hình cộng) Phụ lục 27 Kết kiểm định phương sai sai số thay đổi mơ hình ARIMA (1,1,2) Phụ lục 28 Kết dự báo mẫu cho chuỗi revsa mơ hình ARIMA (1,1,2) (mơ hình cộng) 34 Phụ lục 29 Kết ước lượng mơ hình ARIMA (1,1,3) (mơ hình cộng) Phụ lục 30 Kết ước lượng mơ hình ARIMA (1,1,1) (mơ hình nhân) Phụ lục 31 Kết ước lượng mơ hình ARIMA (1,1,2) (mơ hình nhân) 35 Phụ lục 32 Kết kiểm định tự tương quan 12 độ trễ liên tiếp mô hình ARIMA (1,1,2) (mơ hình nhân) Phụ lục 33 Kết kiểm định phân phối chuẩn nhiễu mơ hình ARIMA (1,1,2) (mơ hình nhân) Phụ lục 34 Kết kiểm định phương sai sai số thay đổi mơ hình ARIMA (1,1,2) (mơ hình nhân) 36 Phụ lục 35 Kết dự báo mẫu cho chuỗi revsm mơ hình ARIMA (1,1,2) (mơ hình nhân) Phụ lục 36 Kết ước lượng mơ hình ARIMA (1,1,3) (mơ hình nhân) Phụ lục 37 Kết so sánh mơ hình dự báo 37 ... Lựa chọn phương pháp dự báo Trong tiểu luận này, nhóm dùng phần mềm Eviews để dự báo chuỗi rev (chuỗi số liệu doanh thu FPT) từ quý IV năm 2019 đến quý IV năm 2021 (2019Q4 – 2021Q4) nhiều phương... pháp dự báo tốt cho chuỗi, ta lựa chọn phương pháp phân tích phương pháp dự báo theo mơ hình ARIMA theo mơ hình nhân Bảng 13 Kết dự báo doanh thu Công ty cổ phần FPT 2019Q4 – 2021Q4 Thời gian Doanh. .. tăng doanh thu Cơng ty cổ phần FPT phù hợp với mục tiêu tăng trưởng kinh tế năm Từ kết dự báo, nhóm nghiên cứu đề xuất số giải pháp nhằm tăng doanh thu cho Công ty sau: Một là, xây dựng chiến