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
PHÂN TÍCH THÀNH TỐ
1.
Giới thiệu
2.
Các bước thực hiện
3.
Mô hình cộng tính
4.
Mô hình nhân tính
1
Phùng Thanh Bình
TÀI LIỆU THAM KHẢO z
z
z
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 ExcelBased ForecastXTM Software, 5th Edition, Chapter 6. John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 5.
Phùng Thanh Bình
GIỚI THIỆU z
Thành phần của một chuỗi thời gian: o
Xu thế (Trt)
o
Chu kỳ (Clt)
o
Mùa vụ (Snt)
o
Ngẫu nhiên (It)
2
Phùng Thanh Bình
GIỚI THIỆU z
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 z
o
Yt = Trt + Clt + Snt + It
Mô hình nhân tính: Xem chuỗi thời gian như tích của các thành phần •
Yt = Trt × Clt × Snt × It
Phùng Thanh Bình
GIỚI THIỆU
z
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
z
Để đơn giản người ta thường giả định chu kỳ là một phần của yếu tố xu thế
z
Thường chỉ xét 3 yếu tố Trt, Snt, và It
3
Phùng Thanh Bình
CÁC BƯỚC THỰC HIỆN z
Khảo sát dữ liệu và nhận dạng mô hình thích hợp
z
Xác định L (khoảng trượt, ví dụ L = 4 nếu dữ liệu theo quý)
z
Lọai bỏ dao động ngắn hạn để nhận dạng xu thế dài hạn
z
So sánh giá trị thực Yt với giá trị đã lọai bỏ yếu tố mùa vụ (CMAt)
Phùng Thanh Bình
CÁC BƯỚC THỰC HIỆN z
Tìm chỉ số mùa vụ
z
Xác định yếu tố xu thế
z
Xây dựng hàm dự báo xu thế
z
Đo lường yếu tố chu kỳ (nếu có)
z
Tiến hành dự báo từ các thành tố
4
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
Nhận dạng mô hình cộng tính o
z
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:
Yt = Trt + Sn t + Cl t + ε t
Phùng Thanh Bình
5
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
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 + εt •
Snt + εt = Yt – Trt - Clt
Phùng Thanh Bình
6
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
Các bước thực hiện o
Bước 3: Loại bỏ εt trong Snt + εt 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
A =
∑ Sn j=1
L
j
Sn j = Sn j - A
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
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 Snjt
Y t' = Y t - Sn tj 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)
7
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
Các bước thực hiện o
Bước 7: Tiến hành dự báo cho Y^t+1 ∧
Y t +1 = Yt'+1 + Sn t +1 + Cl t +1 o
Bước 8: Đánh giá mô hình
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH z
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
8
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH Khoảng tin cậy
z
o
Sử dụng sai số của mô hình hồi quy Y’t để xác định khoảng tin cậy cho εt
Yˆ t ± t α/2 S e × (He so dieu chinh) 1 He so dieu chinh = 1 + + n
(t
− t)
2
p
( t) ∑ t − ∑n
2
2
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
Nhận dạng mô hình cộng tính o
z
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:
Yt = Trt × Sn t × Cl t × ε t
9
Phùng Thanh Bình
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
CÁCH 1: Chuyển sang dạng mô hình cộng tính và thực hiện như các bước vừa trình bày
ln(Yt ) = ln(Trt × Sn t × Cl t × ε t ) = ln(Trt ) + ln(Sn t ) + ln(Cl t ) + ln(ε t )
10
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
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×εt •
Snt×εt = Yt ÷ Trt×Clt
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
CÁCH 2: o o
Bước 3: Loại bỏ εt trong Snt×εt bằng cách tính trung bình cho mỗi mùa (quý, tháng, …) 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:
A=
L
Sn j = Sn j × A
L
∑ Sn
j
j=1
11
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
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
Yt' = Yt ÷ Sn tj 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)
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
CÁCH 2: o
Bước 7: Tiến hành dự báo cho Y^t+1 ∧
Y t +1 = Yt'+1 × Sn t +1 × Cl t +1 o
Bước 8: Đánh giá mô hình
12
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
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)
Yt CMA t
SFt =
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
CÁCH 3: o
Bước 4: Tính hệ số chu kỳ CFt
CFt = o
CMA t CMATt
Bước 5: Tính chỉ số mùa SI (Seasonal index) n
SI tj =
∑ SF t =1
j
t
nj
13
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH z
CÁCH 3: o
Bước 6: Dự báo Y^t+1 ∧
Y t +1 = CMATt +1 × SI t +1 × CFt +1
Phùng Thanh Bình
14
Phùng Thanh Bình
Phùng Thanh Bình
15
Phùng Thanh Bình
16