tiểu luận dự báo kinh tế dự báo doanh thu thuần vinanmilk

34 85 0
tiểu luận dự báo kinh tế   dự báo doanh thu thuần vinanmilk

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

1 LỜI MỞ ĐẦU Ngày nay, với phát triển không ngừng giới, kinh tế lĩnh vực có tầm quan trọng lớn quốc gia nói chung, doanh nghiệp nói riêng Hiểu quan trọng cấp thiết ấy, bên cạnh việc tìm hiểu, phân tích, đánh giá thị trường, việc dự báo số kinh tế tiêu chí quan tâm doanh nghiệp Để hiểu phải dự báo kinh tế, trước hết cần hiểu dự báo gì? Dự báo tiên đốn tổng hợp có khoa học nội dung xu hướng phát triển tự nhiên, kinh tế, xã hội tư người tương lai Dự báo mang tính xác suất song đáng tin cậy Dự báo có khoa học bắt nguồn từ quan điểm triết học Mác mối liên hệ phổ biến phát triển xã hội khả nhận thức giới người Giữa vật tượng ln ln có tác động lẫn nhau, dựa vào chuyển hố cho nhau, vận động phát triển vật không gian thời gian khơng phải hồn tồn hỗn loạn mà tn theo quy luật định Qua hoạt động thực tiễn, người nhận thức quy luật vận động thiên nhiên, xã hội sở tiến hành dự đốn Các yếu tố hoạt động sản xuất kinh doanh ln có mối liên hệ mật thiết với Xác định tính chất mạnh mẽ mối liên hệ yếu tố sử dụng số liệu biết để dự báo giúp nhà quản lí nhiều việc hoạch định kế hoạch sản xuất kinh doanh tương lai Ngày dự báo sử dụng rộng rãi lĩnh vực đời sống xã hội với nhiều loại phương pháp dự báo khác lấy ý kiến ban điều hành, phương pháp điều tra người tiêu dùng, phương pháp Delphi,… Trong thống kê người ta dùng nhiều phương pháp khác phương pháp trung bình giản đơn, phương pháp trung bình dài hạn, phương pháp san mũ,… Đế làm rõ phương pháp dự báo kinh tế, tiểu luận này, nhóm thực sử dụng phần mềm kinh tế lượng Eviews để chạy mơ hình lượng để dự báo doanh thu Công ty cổ phần Sữa Việt Nam Vinamilk 10 quý tới (từ quý năm 2018 đến quý năm 2020) dựa liệu doanh thu thu thập từ quý năm 2006 đến quý năm 2018 NỘI DUNG PHẦN 1: MÔ TẢ SỐ LIỆU Số liệu sử dụng doanh thu Vinamilk từ quý – 2006 đến quý - 2018 (đơn vị: triệu VND), nhóm tổng hợp từ trang http://finance.vietstock.vn Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV Trên cửa sổ Series: REV vào View/ Descriptive Statistics & Tests/ Stats Table, ta có bảng mơ tả thống kê sau: Một số mô tả thống kê quan trọng: ● Số quan sát (Observations): 50 ● Giá bình trị trung (Mean): 6533686 ● Giá trị lớn (Maximum): 13702481 ● Giá trị nhỏ (Minimum): 1284717 ● Độ lệch chuẩn (Std Dev.): 4038195 Trên cửa sổ Series: REV vào View/ Graph, ta có biểu đồ mơ tả số liệu PHẦN 2: DỰ BÁO DOANH THU CỦA VINAMILK Trong tiểu luận này, nhóm tiểu luận dùng phần mềm Eviews để dự báo chuỗi rev (chuỗi số liệu doanh thu Vinamilk) từ quý năm 2018 đến quý năm 2020 (2018Q3 2020Q4) nhiều phương pháp khác 2.1 Các phương pháp dự báo giản đơn 2.1.1 Dự báo phương pháp san mũ San mũ việc loại bỏ yếu tố ngẫu nhiên để nhìn thấy chất chuối 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 lai 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 chuỗi revd Ta thu kết dự báo sau: ● Hằng số san kép: ● Chỉ số bậc hai sai số bình phương trung bình RMSE = 576001,6 Trên cửa sổ Command dùng lệnh line rev revd có biểu đồ sau 2.1.2 Dự báo phương pháp san mũ Holt a Tổng quan phương pháp Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu T cách loại bỏ yếu tố xu T Ký hiệu: ước lượng phần xu thời kỳ t ước lượng giá trị trung bình Y thời kì t giá trị dự báo Y sau h giai đoạn tương lai Ta có Với số san cho RMSE nhỏ b Áp dụng Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing phần Smoothing method, chọn HoltWinters-No seasonal Chuỗi san Holt chuỗi revh Ta thu kết dự báo sau: ● Hằng số san : α = 0,2100; β = 1,0000 ● Chỉ số bậc hai sai số bình phương trung bình RMSE = 550318,9 Trên cửa sổ Command dùng lệnh line rev revh có biểu đồ sau 2.1.3 Dự báo phương pháp san mũ Winters a Tổng quan phương pháp Phương pháp san mũ Winters dùng để dự báo chuỗi có chứa yếu tố xu yếu tố mùa vụ Ký hiệu: ước lượng phần xu thời kỳ t ước lượng giá trị trung bình Y thời kì t giá trị dự báo Y sau h giai đoạn tương lai yếu tố thời vụ thời điểm t (Chỉ số mùa vụ qua năm không đổi) k số thời vụ năm yếu tố thời vụ thời điểm t thời kỳ trước Đầu tiên phải xác định dạng mơ hình chuỗi: Mơ hình nhân: Mơ hình cộng: Từ đó, ta có giá trị ước lượng trung bình là: Mơ hình nhân: Mơ hình cộng: Ước lượng giá trị xu T là: Ước lượng giá trị số mùa vụ là: Mơ hình nhân: Mơ hình cộng: Như vậy, ta có dự báo h giai đoạn tương lai Mơ hình nhân: Mơ hình cộng: (với số mùa vụ năm cần dự báo) b Áp dụng Từ đồ thị chuỗi rev, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian Vậy ta sử dụng mô hình nhân Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing phần Smoothing method, chọn HoltWinters – Muliplicative Chuỗi san Winters chuỗi revw Ta thu kết dự báo: ● Hằng số san: α = 0,3700; β = 0,8100; γ = 0,0300 ● Chỉ số bậc hai sai số bình phương trung bình RMSE = 305032,7 ● Chỉ số mùa vụ qua năm không đổi bằng: S1 S2 S3 S4 0,940517 1,054971 1,026821 0,977690 Trên cửa sổ Command dùng lệnh line rev revw có biểu đồ sau: phần Forecast Sample chọn mẫu từ 2006Q1 2018Q2 phần Output/ Graph chọn Forecast & Actuals Ta có kết sau: Nhìn vào kết dự báo mẫu ta thấy: Mean Abs Percent Error = 4.877383 < Tức sai số dự báo < 5%, ⇨ Có thể sử dụng mơ hình để dự báo mẫu Mở lại cửa sổ Forecast Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4 Ta thu chuỗi dự báo revsaf Ta lấy chuỗi revsaf nhân với số mùa vụ sr chuỗi dự báo revf Trên cửa sổ Command gõ lệnh genr revf=revsaf*sr Trên cửa sổ Command gõ lệnh line revf rev thu kết quả: 2.3 Dự báo mơ hình ARIMA a Tổng quan mơ hình Mơ hình ARIMA bậc p, d, q mơ hình với: AR(p) mơ hình tự tương quan bậc p Y(d) chuỗi dừng lấy sai phân bậc d MA(q) mơ hình trung bình trượt bậc q có phương trình là: b Các bước tiến hành Bước 1: Kiểm tra tính dừng chuỗi cần dự báo ● Đối với chuỗi thường: kiểm tra tính dừng chuỗi gốc tiến hành dự báo ARIMA với chuỗi gốc ● Đối với chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau kiểm tra tính dừng chuỗi tách tiến hành dự báo ARIMA với chuỗi tách ● Đối với chuỗi có tính xu thế: kiểm tra tính dừng chuỗi gốc (với phần dư), sau kiểm tra tính dừng chuỗi tiến hành dự báo ARIMA với chuỗi Bước 2: Xác định độ trễ p, q Bước 3: Kiểm tra điều kiện giả định mơ hình: ● Mơ hình khả nghịch ổn định (nghiệm đơn vị mô hình hồi quy phụ < 1) ● Nhiễu trắng (nhiễu không tự tương quan) ● Chất lượng dự báo Bước 4: Dự báo ngồi mẫu ● Đối với chuỗi có yếu tố mùa vụ: Nhân cộng chuỗi dự báo hiệu chỉnh với số mùa vụ để dự báo chuỗi gốc ● Đối với chuỗi có yếu tố xu thế: Tạo biến dự báo chuỗi c Áp dụng Bước 1: Kiểm tra tính mùa vụ tách yếu tố mùa vụ có Trên cửa sổ Series: REV vào View/ Graph Trên cửa sổ Graph Options chọn Seasonal Graph Ta có biểu đồ sau Các vạch đỏ hình giá trị trung bình mùa Nếu vạch chênh nhiều tính mùa vụ rõ ràng Ở đây, ta thấy vạch đỏ không chênh nhiều, nhiên có sai lệch chứng tỏ chuỗi giá trị sử dụng có yếu tố mùa vụ Ta tiến hành dự báo cho chuỗi rev cách tách yếu tố mùa vụ Ta xác định chuỗi thuộc dạng mơ hình nhân (như kết luận phần III) Tiến hành tách yếu tố mùa vụ (theo phần IV.2b) ta thu chuỗi revsa Kiểm định tính dừng chuỗi revsa Cặp giả thuyết: Trên cửa sổ Series: REVSA vào View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn Level Ta có kết Theo kết kiểm định ta thấy ⇨ Khơng có sở bác bỏ H0 ⇨ Chuỗi revsa không dừng Vậy ta kiểm định tính dừng chuỗi revsa sai phân bậc Trên cửa sổ Series: REVSA vào lại View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn 1st difference Theo kết kiểm định ta thấy: ⇨ Bác bỏ H0, chấp nhận H1 ⇨ Chuỗi revsa dừng sai phân bậc Bước 2: Tìm độ trễ cho mơ hình AR MA Trên cửa sổ Series: REVSA vào View/ Correlogram Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include 20 Ta có kết Ta chọn độ trễ cho AR, độ trễ cho MA Bước 3: Ước lượng mơ hình kiểm định khuyết tật Ước lượng mơ hình Trên cửa sổ Command gõ lệnh LS d(revsa) c ar(1) ma(1) ma(4) Ta có kết hồi quy sau: Module nghiệm đơn vị: = 0,12 < = = 0,8937 < = = 0,779 < Ta thấy, module nhỏ nên nghiệm đơn vị nằm vòng tròn đơn vị Mơ hình khả nghịch ổn định Kiểm định nhiễu trắng Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Correlogram – Qstatistics Trên cửa sổ Lag Specification chọn độ trễ 12 P-value độ trễ lớn mức ý nghĩa α = 5% nên mô hình khơng có tự tương quan nhiễu Bước 4: Dự báo Dự báo cho chuỗi hiệu chỉnh revsa Trên cửa sổ ước lượng chọn Forecast Trên cửa sổ Forecast, phần Forecast Sample chọn mẫu từ 2013Q4 2015Q2 Ta có kết sau: Nhìn vào kết dự báo mẫu ta thấy Mean Abs Percent Error = 3,690889 < Tức sai số dự báo < 5% ⇨ Có thể sử dụng mơ hình để dự báo mẫu Mở lại cửa sổ Forecast Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4 Ta thu chuỗi dự báo revsaf Dự báo cho chuỗi gốc Ta lấy chuỗi revsaf nhân với số mùa vụ sr chuỗi dự báo revfarima Trên cửa sổ Command gõ lệnh genr revfarima=revsaf*sr Trên cửa sổ Command gõ lệnh line revfarima rev thu kết PHẦN 3: KẾT LUẬN Chọn chuỗi rev, revd, revh, revw, revf, revfarima: click phải chuột chọn Open/ as Group Chọn số liệu kết phương pháp dự báo, ta có bảng số liệu sau: Để so sánh mơ hình dự báo: Trên cửa sổ Series: Rev vào View/ Forecast Evaluation: Trên cửa sổ Forecast Evaluation, phần Forecast data objects gõ tên chuỗi dự báo: Ta có kết so sánh sau: Dựa vào kết dự báo ta thấy phương pháp phân tích (chuỗi revf) phương pháp dự báo theo mơ hình ARIMA (chuỗi revfarima) có thơng số xác so với phương pháp lại với số RMSE, MAE, MAPE nhỏ Vậy, để lựa chọn phương pháp dự báo tốt cho chuỗi, ta lựa chọn phương pháp phân tích phương pháp dự báo theo mơ hình ARIMA PHỤ LỤC Bảng số liệu doanh thu Vinamilk Đơn vị: triệu VND Quý Năm 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 1284717 1380154 1808133 2068581 3250119 4535428 5876318 6676399 7678146 8716036 10332909 12049369 12120502 1536649 1733971 2063688 2675245 3986854 5420401 7010951 8070453 9232342 10500111 12449130 13348261 13702481 1920872 1837269 2114610 2997653 4376025 5696541 6618841 8027718 8731443 10549326 12204690 13293078 1876865 1870471 2252114 2873344 4139979 5975058 7055464 8174033 9334997 11098562 11807611 12350368 ... có biểu đồ mơ tả số liệu PHẦN 2: DỰ BÁO DOANH THU CỦA VINAMILK Trong tiểu luận này, nhóm tiểu luận dùng phần mềm Eviews để dự báo chuỗi rev (chuỗi số liệu doanh thu Vinamilk) từ quý năm 2018 đến... lượng dự báo Bước 4: Dự báo ngồi mẫu ● Đối với chuỗi có yếu tố mùa vụ: Nhân cộng chuỗi dự báo hiệu chỉnh với số mùa vụ để dự báo chuỗi gốc ● Đối với chuỗi có yếu tố xu thế: Tạo biến dự báo chuỗi... 3,690889 < Tức sai số dự báo < 5% ⇨ Có thể sử dụng mơ hình để dự báo ngồi mẫu Mở lại cửa sổ Forecast Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4 Ta thu chuỗi dự báo revsaf Dự báo cho chuỗi gốc

Ngày đăng: 01/08/2020, 21:33

Từ khóa liên quan

Mục lục

  • 1 LỜI MỞ ĐẦU

  • 2 NỘI DUNG

    • PHẦN 1: MÔ TẢ SỐ LIỆU

    • PHẦN 2: DỰ BÁO DOANH THU CỦA VINAMILK

      • 2.1 Các phương pháp dự báo giản đơn

        • 2.1.1 Dự báo bằng phương pháp san mũ

        • 2.1.2 Dự báo bằng phương pháp san mũ Holt

        • 2.1.3 Dự báo bằng phương pháp san mũ Winters

        • 2.2 Dự báo bằng phương pháp phân tích

        • 2.3 Dự báo bằng mô hình ARIMA

        • PHẦN 3: KẾT LUẬN

        • 3 PHỤ LỤC

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan