dự báo doanh thu của công ty bibica bằng phương pháp san bằng mũ

TRƢỜNG ĐẠI HỌC THƢƠNG MẠI
KHOA TIN HỌC THƢƠNG MẠI
DỰ BÁO DOANH THU THUẦN
CỦA CÔNG TY BIBICA NĂM 2011
MÔ HÌNH DỰ BÁO BẰNG
PHƢƠNG PHÁP SAN MŨ
NHÓM 02 – LỚP 1101AMAT0511


MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
2
MỤC LỤC TRANG
1. Lời mở đầu 3
2. Giới thiệu về mô hình san mũ 4
3. Lựa chọn số liệu 7
4. Thực hiện dự báo bằng phần mềm Eview 5.1 8
a. Mô hình san mũ đơn giản 11
b. Mô hình san mũ xu thế không biến động thời vụ 15
c. Mô hình san mũ xu thế có biến động thời vụ 18
5. Báo cáo kết quả và so sánh các mô hình 23
6. Tổng kết 24

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
3
LỜI MỞ ĐẦU
Dự báo đã hình thành từ đầu những năm 60 của thế kỉ 20. Khoa học dự báo
với tƣ cách một ngành khoa học độc lập có hệ thống lí luận, phƣơng pháp luận và
phƣơng pháp hệ riêng nhằm nâng cao tính hiệu quả của dự báo. Ngƣời ta thƣờng
nhấn mạnh rằng một phƣơng pháp tiếp cận hiệu quả đối với dự báo là phần quan
trọng trong hoạch định. Khi các nhà quản trị lên kế hoạch, trong hiện tại họ xác
định hƣớng tƣơng lai cho các hoạt động mà họ sẽ thực hiện. Bƣớc đầu tiên trong
hoạch định là dự báo hay là ƣớc lƣợng nhu cầu tƣơng lai cho sản phẩm hoặc dịch
vụ và các nguồn lực cần thiết để sản xuất sản phẩm hoặc dịch vụ đó.
Nhƣ vậy, dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ
xảy ra trong tƣơng lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập
đƣợc. Khi tiến hành dự báo ta căn cứ vào việc thu thập xử lý số liệu trong quá khứ
và hiện tại để xác định xu hƣớng vận động của các hiện tƣợng trong tƣơng lai nhờ
vào một số mô hình toán học. Dự báo có thể là một dự đoán chủ quan hoặc trực
giác về tƣơng lai. Nhƣng để cho dự báo đƣợc chính xác hơn, ngƣời ta cố loại trừ
những tính chủ quan của ngƣời dự báo.
Ngày nay, dự báo là một nhu cầu không thể thiếu đƣợc của mọi hoạt động
kinh tế - xác hội, khoa học - kỹ thuật, đƣợc tất cả các ngành khoa học quan tâm
nghiên cứu.
Đến với buổi thảo luận ngày hôm nay, với đề tài “Lấy một ví dụ về dự báo
bằng mô hình san mũ”, nhóm chúng tôi sẽ thực hiện dự báo về doanh thu thuần
của công ty Cổ phần Bánh kẹo Biên Hòa BIBICA.
Công ty Cổ phần Bánh kẹo Biên Hòa BIBICA là doanh nghiệp nhà nuớc cổ
phần hóa theo Quyết định số 234/1998/QĐ-TTg của Thủ tƣớng Chính phủ ban
hành ngày 1/12/1998. Tiền thân của Công ty là phân xƣởng bánh kẹo của Nhà máy
Đƣờng Biên Hòa đƣợc thành lập từ năm 1990. Với năng lực sản xuất lúc mới

thành lập là 5 tấn kẹo/ngày, Công ty đã không ngừng mở rộng sản xuất, nâng công
suất và đa dạng hóa sản phẩm. Hiện nay, Công ty là một trong những đơn vị sản
xuất bánh kẹo lớn nhất Việt Nam với công suất thiết kế là 18 tấn bánh/ngày, 18 tấn
nha/ngày và 29,5 tấn kẹo/ngày.
Doanh thu thuần là toàn bộ các khoản doanh thu về tiêu thụ sản phẩm hàng
hóa, dịch vụ sau khi đã trừ đi các khoản giảm trừ doanh thu (chiết khấu, giảm giá
hàng bán, hàng bán bị trả lại). Doanh thu thuần là chỉ tiêu dùng để tính toán các chỉ
tiêu lợi nhuận trong kinh doanh của doanh nghiệp trong thời kỳ báo cáo.
Tăng doanh thu là mục tiêu mà mỗi doanh nghiệp phải hƣớng tới. Do vậy,
doanh nghiệp luôn đề cập đến vấn đề tăng doanh trong các biện pháp chính sách
mà doanh nghiệp đƣa ra. Xác định đúng đắn daonh thu là cơ sở để đánh giá kết quả
hoạt động của doanh nghiệp, xác định trách nhiệm, nghĩa vụ của doanh nghiệp đối
với Nhà nƣớc, giải quyết hài hòa các mối quan hệ về lợi ích giữa Nhà nƣớc, daonh
nghiệp, ngƣời lao động. Là cơ sở để doanh nghiệp đề ra các phƣơng hƣớng phấn
đấu phù hợp với khả năng hiện có, tạo điều kiện để doanh nghiệp phát huy tốt các
mặt mạnh và hạn chế các mặt yếu.
MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
4
GIỚI THIỆU CHUNG VỀ PHƢƠNG PHÁP SAN MŨ
Phƣơng pháp san bằng mũ ( hay còn gọi là phƣơng pháp dự đoán bình quân
mũ) là một phƣơng pháp dự đoán thống kê ngắn hạn hiện đƣợc sử dụng nhiều
trong công tác dự đoán thực tế trên thế giới.
Nếu nhƣ một số phƣơng pháp dự đoán thống kê đã đề cập ở trên coi giá trị
thông tin của các mức độ trong dãy số thời gian là nhƣ nhau, phƣơng pháp san
bằng mũ lại coi giá trị thông tin của mỗi mức độ là tăng dần kể từ đầu dãy số cho
đến cuối dãy số. Vì trên thực tế ở những thời gian khác nhau thì hiện tƣợng nghiên
cứu chịu sự tác động của những nhân tố khác nhau và cƣờng độ không giống nhau.

Các mức độ ngày càng mới (ở cuối dãy số thời gian) càng cần phải đƣợc chú ý đến
nhiều hơn so với các mức độ cũ ( ở đầu dãy số). Hay nói cách khác, mức độ càng
xa so với thời điểm hiện tại thì càng ít giá trị thông tin, do đó càng ít ảnh hƣởng
đến mức độ dự đoán.
Tuỳ thuộc vào đặc điểm dãy số thời gian ( chuỗi thời gian) có biến động xu
thế, biến động thời vụ hay không mà phƣơng pháp san bằng mũ có thể sử dụng
một trong các phƣơng pháp cơ bản sau:
Mô hình đơn giản ( phương pháp san bằng mũ đơn giản)
Điều kiện áp dụng: đối với dãy số thời gian không có xu thế và không có biến
động thời vụ rõ rệt.
Trƣớc hết, dãy số thời gian đƣợc san bằng nhờ có sự tham gia của các số bình
quân mũ, tức là các số bình quân di động gia quyền theo quy luật hàm số mũ. Theo
phƣơng pháp này, ở thời gian t nào đó dựa vào các giá trị thực tế đã biết để ƣớc
lƣợng giá trị hiện tại ( thời gian t) của hiện tƣợng và giá trị hiện tại này để dự toán
giá trị tƣơng lai (thời gian t+1). Mô hình san bằng mũ giản đơn đƣợc Brown xây
dựng năm 1954 dựa trên 2 nguyên tắc:
- Trọng số của các quan sát trong dãy số thời gian càng giảm đi khi nó càng
cách xa hiện tại.
- Sai số dự báo hiện tại ( ký hiệu 

 

 

 ) Phải đƣợc tính đến trong
những dự báo kế tiếp.
Công thức áp dụng cho mô hình:


 









Trong đó:


: Giá trị dự báo ở thời điểm t+1


: Giá trị dự báo ở thời điểm t


: Giá trị thực tế ở thời điểm t
 : Hệ số san mũ
Có 2 vấn đề quan trọng nhất trong phƣơng pháp san bằng mũ.
- Thứ nhất: hệ số san bằng mũ α là hệ số san để điều chỉnh trong số của các
quan sát riêng biệt của dãy số thời gian. Vì vậy, khi lựa chọn phải vừa đảm bảo
kết quả dự báo sẽ gần với quan sát thực tế, vừa phải đảm bảo tính linh hoạt ( nhanh
nhạy với các thay đổi ở gần hiện tại).
Với α =1 thì giá trị dự báo bằng giá trị thực tế ở thời kỳ ngay liền trƣớc và các
mức độ trƣớc đó không đƣợc tính đến.
MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29

5
Với α =0 thì giá trị dự báo bằng giá trị dự báo ở thời kỳ trƣớc và giá trị thực tế
ở thời kỳ ngay liền trƣớc không đƣợc tính đến.
Nếu α đƣợc chọn càng lớn thì các mức độ càng mới sẽ càng đƣợc chú ý, thích
hợp với chuỗi thời gian không có tính ổn định cao.
Ngƣợc lại, nếu α đƣợc chọn càng nhỏ thì các mức độ càng cũ sẽ càng đƣợc
chú ý, thích hợp với chuỗi thời gian có tính ổn định cao.
Do đó, phải dựa vào đặc điểm biến động của hiện tƣợng qua thời gian và kinh
nghiệm nghiên cứu để lựa chon cho phù hợp. Nói chung, giá trị tốt nhất là giá trị
làm cho tổng bình phƣơng sai số dự đoán nhỏ nhất.
- Thứ hai: Xác định giá trị ban đầu ( điều kiện ban đầu ) ký hiệu y
0

Phƣơng pháp san bằng mũ đƣợc thực hiện theo phép đệ quy, để tính 

thì
phải có , để có 

, để có 

thì phải có 

. Do đó để tính toán cần phải phải xác
định giá trị ban đầu (y
0
) dựa vào một số phƣơng pháp.
+ Có thể lấy mức độ đầu tiên của dãy số.
+ Trung bình của một số các mức độ của dãy số
Mô hình xu thế tuyến tính và không có biến động thời vụ ( Mô hình san mũ
Holt – Winters)

Mô hình này thƣờng áp dụng đối với sự biến động của hiện tƣợng qua thời
gian có xu thế là tuyến tính và không có biến động thời vụ.
Giả sử chúng ta có dãy số thời gian y
1
, y
2
, y
3
,…, y
n
với biến động có tính xu
thế.
Bước 1: Chọn các hệ số
,

( 0 <
,

< 1)
Nếu chọn hằng số san nhỏ tức là chúng ta coi các mức độ hiện thời của dãy số
ít ảnh hƣởng đến mức độ dự báo. Ngƣợc lại nếu chọn hằng số san lớn tức là chúng
ta muốn dãy số san số mũ phản ứng mạnh với những thay đổi hiện tại.
Bước 2: Tiến hành san mũ cho giá trị ƣớc lƣợng và xu thế của dãy số:
Coi giá trị của dãy số thời gian là tổng của 2 thành phần: Thành phần trung
bình có trọng số của các giá trị thực tế (ký hiệu là S
t
– giá trị ƣớc lƣợng của hiện
tƣợng ở thời điểm t) và thành phần xu thế (ký hiệu là T
t
). Ta có mô hình san số mũ:

1
tt
t
y S T



Trong đó:
1 ( 1)
(1 ) (1 )
t t t t t t
S y S T y S
   


      


1 ( 1)
( ) (1 ).
t t t t
T S S T


   

Đặt S
2
= Y

2
T
2
= Y
2
– Y
1

Tiến hành san số mũ từ thời điểm thứ 3 trở đi, ta có:
3 3 2 2
3 3 2 2
4 4 3 3
4 4 3 3
(1 )( )
( ) (1 )
(1 )( )
( ) (1 )

S Y S T
T S S T
S Y S T
T S S T




   
   
   
   

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
6
Bước 3: Sử dụng mức và xu thế đã đƣợc san số mũ tại thời điểm để dự đoán
cho các thời điểm trong tƣơng lai để dự đoán giá trị của hiện tƣợng ở thời điểm
tƣơng lai t + 1:
1
tt
t
y S T



Ở thời điểm tƣơng lai (t + h) (h=2, 3 …)
tt
th
y S hT



Mô hình xu thế tuyến tính và biến động thời vụ
Mô hình này thƣờng áp dụng đối với dự báo thời gian mà các mức độ của nó
là tài liệu tháng hoặc quý của một số năm mà các mức độ trong dãy số đƣợc lập lại
sau 1 khoảng thời gian h (h = 4 đối với quý, h = 12 đối với năm). Việc dự đoán có
thể đƣợc thực hiện theo một trong hai mô hình sau:
 Mô hình cộng
1

1
t t t
t
y S T V


  

Trong đó:
 
1 ( 1)
( ) (1 )
t t t t
S y V t h S T



     



1 ( 1)
( ) (1 )
t t t t
T S S T


   

()

( ) (1 )
t t t t h
V y S V


   

 Mô hình nhân:
1
1
( ).
t t t
t
y S T V




Trong đó
1 ( 1)
(1 )( )
()
t
t t t
y
S S T
V t h


   



1 1 1
()
( ) (1 )
(1 ).
t
t t t
t
th
t
T S S T
y
VV
S




   
  

Với
,,
  
là các tham số san bằng nhận giá trị trong đoạn [0;1]. Các tham
số
,,
  
nhận giá trị tốt nhất khi tổng bình phƣơng sai số là nhỏ nhất.

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
7
LỰA CHỌN SỐ LIỆU VÀ XỬ LÝ SỐ LIỆU
Có bảng thống kê báo cáo doanh thu thuần của công ty Cổ phần chế biến
lƣơng thực thực phẩm BIBICA trong giai đoạn 2008 – 2010 nhƣ sau:
(Đơn vị: Tỷ đồng)

Năm
2008
2009
2010
Quý
I
131.4
121.8
143.6
II
100.3
117.1
122.1
III
146.1
162.0
217.4
IV
166.6

227.5
303.9
Nguồn: www.fpts.com
Chúng tôi sẽ tiến hành dự báo doanh thu thuần của công ty cho năm 2011
MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
8
THỰC HIỆN XÂY DỰNG HÀM SAN MŨ BẰNG PHẦN MỀM EVIEW 5.1
Bƣớc 1: Nhập số liệu
- Mở cửa sổ làm việc với Eview:

- Tạo một file làm việc mới: Từ menu chính chọn file/ new/ workfile

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
9

- Trong Workfile Create:
Workfile structure type: chọn Dataed-regular frequency
Frequence: chọn Quarterly
Start date: nhập 2008:1 (Thời gian bắt đầu là quý 1 năm 2008)
End date : nhập 2011:4 (Thời gian kết thúc là quý 4 năm 2011)
WF : đặt tên cho work file ( ở đây chúng tôi đặt là thaoluan )
Chú ý: ở đây số liệu cho là từ quý 1 năm 2008 đến quý 4 năm 2010, tuy
nhiên, vì ta cần dự báo cho năm 2011 nên ta sẽ chọn End date nhƣ trên.
Nhập xong nhƣ trên Click OK

Sau khi ấn OK

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
10
- Giờ ta vào ObjectNew object xuất hiện cửa sổ New object

Trong phần Type of object : ta chọn kiểu dữ liệu là Series
Name : ta đánh tên của biến Y
Sau đó nhấp OK
Sau khi click Ok, trong work file sẽ xuất hiện thêm 1 biến mà ta vừa tạo là
biến Y.Để bắt đầu nhập dữ liệu, ta click đúp chuột vào biến Y. Xuất hiện bảng
sau :

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
11
- Để nhập dữ liệu : Click vào nút Edit +/-
Sau đó ta nhập dữ liệu cho từng quý của năm theo bảng số liệu đã cho

Nhập xong ta tắt bảng số liệu đi
Bƣớc 2: Thực hiện bằng Mô hình san mũ đơn giản:
- Ta vào Quick Series statistics Exponetial smoothing


MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
12
- Xuất hiện bảng Series Name, yêu cầu ta nhập tên của biến cần dự báo.
Chúng ta nhập Y rồi nhấp OK

- Xuất hiện bảng Exponetial smoothing:
Smoothing method : ta chọn single
Smoothed series :ta ghi tên của biến là sanmu
Nhấp OK


MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
13
- Sẽ ra bảng báo cáo sau:

- Để xem kết quả dự báo, ta click đúp chuột vào biến sanmu trong Work file
Ta đƣợc kết quả dự báo nhƣ trong hình



MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
14

Để vẽ biểu đồ cho số liệu dự báo, chúng ta vào Quick, chọn Graph, chọn kiểu
biểu đồ muốn vẽ là Line graph

Cửa sổ Series List xuất hiện:

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
15
Nhấp OK, ta có biểu đồ của doanh thu thuần dự báo:

Theo nhƣ mô hình Hotl – single dự báo cho năm 2011 thì doanh thu thuần của
công ty BIBICA đạt khoảng 303,8 tỷ đồng. Mô hình này có đặc trƣng là không thể
dự báo đƣợc cho tầm xa từ 2 mức độ trở lên nên chúng ta thấy kết quả của dự báo
cho 4 quý đều nhƣ nhau. Chúng ta hiểu rằng đây chỉ là dự báo cho quý I năm 2011.
Căn bậc hai của sai số bình phƣơng trung bình RMSE = 54.69234
Bƣớc 3: Thực hiện bằng mô hình san mũ tuyến tính không có tính mùa
vụ (mô hình Hotl-Winter No seasonal).
- Chúng tôi vẫn sử dụng bộ số liệu Y nhƣ đã cho ban đầu, các bƣớc làm tƣơng
tự nhƣ trên, nhƣng trong cửa sổ Exponetial smoothing ta có các lựa chọn sau:
Smoothing method : ta chọn Hotl-Winter-No seasonal
Smoothed series :ta ghi tên của biến là hotlmuavu
Nhấp OK
MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
16

- Chúng ta có kết quả nhƣ sau:

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
17
- Để xem kết quả dự báo, ta click đúp chuột vào biến holtmuavu trong
Workfile, đƣợc kết quả dự báo nhƣ trong hình:

Tƣơng tự nhƣ mô hình đơn giản để vẽ biểu đồ cho doanh thu dự đoán bằng
mô hình này:

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
18
Kết quả dự báo cho thấy doanh thu thuần của năm 2011 theo từng quý lần
lƣợt là:
Quý I: doanh thu thuần đạt 192.6 tỷ đồng
Quý II: doanh thu thuần đạt 197.7 tỷ đồng
Quý III: doanh thu thuần đạt 202.8 tỷ đồng
Quý III: doanh thu thuần đạt 207.9 tỷ đồng
Căn bậc hai của sai số bình phƣơng trung bình cho mô hình này RMSE = 46.92912
Bƣớc 4: Thực hiện bằng mô hình xu thế tuyến tính và có biến động thời
vụ (Mô hình Holt-Winter Seasonal)
Mô hình cộng tính:
Trong cửa sổ Exponetial smoothing ta có các lựa chọn sau:
Smoothing method : ta chọn Hotl-Winter- Seasonal

Smoothed series :ta ghi tên của biến là hotlcongtinh

Nhấp OK

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
19

- Để xem kết quả dự báo, ta click đúp chuột vào biến holtcongtinh trong
Workfile, đƣợc kết quả dự báo nhƣ trong hình

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
20
- Biểu đồ doanh thu dự đoán bằng mô hình này là:

Kết quả dự báo cho thấy doanh thu thuần của năm 2011 theo từng quý lần
lƣợt là:
Quý I: doanh thu thuần đạt 233.6 tỷ đồng
Quý II: doanh thu thuần đạt 214.5 tỷ đồng
Quý III: doanh thu thuần đạt 276.5 tỷ đồng
Quý III: doanh thu thuần đạt 333.9 tỷ đồng
Căn bậc hai của sai số bình phƣơng trung bình cho mô hình này RMSE = 21.98306
MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511

Apr. 29
21
Mô hình nhân tính
Trong cửa sổ Exponetial smoothing ta có các lựa chọn sau:
Smoothing method : ta chọn Hotl-Winter- Seasonal
Smoothed series : ta ghi tên của biến là hotlnhantinh

Nhấp OK

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
22
- Để xem kết quả dự báo, ta click đúp chuột vào biến holtcongtinh trong
Workfile, đƣợc kết quả dự báo nhƣ trong hình

Biểu đồ doanh thu dự đoán bằng mô hình này là:

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
23
Kết quả dự báo cho thấy doanh thu thuần của năm 2011 theo từng quý lần
lƣợt là:
Quý I: doanh thu thuần đạt 212.1 tỷ đồng
Quý II: doanh thu thuần đạt 177.0 tỷ đồng
Quý III: doanh thu thuần đạt 265.6 tỷ đồng
Quý III: doanh thu thuần đạt 343.7 tỷ đồng

Căn bậc hai của sai số bình phƣơng trung bình cho mô hình này RMSE = 17.46824


ĐÁNH GIÁ KẾT QUẢ VÀ SO SÁNH CÁC MÔ HÌNH SỬ DỤNG
Bảng báo cáo kết quả dự báo cho doanh thu thuần của công ty năm 2011:

Quý I
Quý II
Quý III
Quý IV
RMSE
SINGLE
303.8
303.8
303.8
303.8
54.69234
HOLT
NO
SEASONAL
192.6
197.7
202.8
207.9
46.92912
HOLT
SEASONAL
ADD
233.6
214.5

276.5
333.7
21.98306
HOLT
SEASONAL
MULTI
212.1
177.0
265.6
343.7
17.46824
Tiêu chí đánh giá chất lƣợng dự báo của mô hình đƣợc sử dụng là sai số bình
phƣơng trung bình MSE hoặc căn bậc hai của sai số bình phƣơng trung bình
RMSE. Dựa vào bảng kết quả báo cáo chúng ta dễ nhận thấy mô hình san mũ xu
thế tuyến tính có biến động thời vụ dạng nhân tính (Holt-Winter Multiplicative) có
RMSE nhỏ nhất (RMSE = 17.46824), điều này chứng tỏ rằng sai số khi dự báo của
mô hình là thấp nhất.
Nhƣ vậy, để báo cáo kết quả dự báo về doanh thu thuần của công ty BIBICA,
chúng ta sẽ sử dụng kết quả của mô hình san mũ nhân tính. Tổng kết lại, dự báo về
doanh thu năm 2011 của công ty nhƣ sau:
Quý I doanh thu đạt 212.1 tỷ đồng
Quý II doanh thu đạt 177.0 tỷ đồng
Quý III doanh thu đạt 265.6 tỷ đồng
Quý IV doanh thu đạt 343.7 tỷ đồng.

MÔ HÌNH DỰ BÁO BẰNG PHƢƠNG PHÁP SAN MŨ

NHÓM 02 – LỚP 1101AMAT0511
Apr. 29
24

TỔNG KẾT
Thông qua ví dụ về mô hình dự báo doanh thu thuần của công ty Cổ phần
Bánh kẹo Biên Hòa BIBICA, hy vọng các bạn có thể nắm đƣợc những cách thức
sử dụng mô hình san mũ trong quy trình dự báo kinh tế - xã hội bằng phần mềm
Eview. Chúng tôi xin đƣa ra một số ƣu, nhƣợc điểm của mô hình này nhƣ sau:
Ưu điểm:
- Đơn giản và có kết quả tƣơng đối chính xác phù hợp với dự đoán ngắn hạn
cho các nhà kinh doanh cũng nhƣ lập kế hoạch ngắn hạn ở cấp vĩ mô.
- Hệ thống dự báo có thể đƣợc điều chỉnh thông qua 1 tham số duy nhất (tham
số san bằng mũ)
- Dễ dàng chƣơng trình hoá vì chỉ phải thực hiện một số phép toán sơ cấp để
xác định giá trị dự báo.
Hạn chế:
- Phƣơng pháp san mũ chỉ bó hẹp trong phạm vi dự báo ngắn hạn vì không
tính đến sự thay đổi cấu trúc của chuỗi thời gian mà phải tuân thủ tính ổn định theo
thời gian của các quý trình kinh tế - xã hội.
TÀI LIỆU THAM KHẢO
- Bài giảng môn các mô hình dự báo kinh tế xã hội – Đại học thƣơng mại
- Bài giảng môn các phƣơng pháp phân tích và dự báo – Đại học Thái Nguyên
- Giáo trình Kinh tế lƣợng – Đại học Kinh tế quốc dân
- Trang thông tin chứng khoán: www.fpts.com