ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT
KHOA KINH TẾ
BÁO CÁO MÔN DỰ BÁO KINH TẾ
ĐỀ TÀI: “CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN”
GVHD: Nguyễn Duy Tâm
Nhóm 7 – Lớp: K13401
TP.HCM - 2015
DANH SÁCH THÀNH VIÊN NHÓM 7 – K13401
ST
T
1
2
3
4
5
HỌ VÀ TÊN
MSSV
Đỗ Thúy Nga
Lâm Tấn Phát
Nguyễn Thị Phương Quỳnh
Đỗ Cao Thái
Lê Phước Thắng
K134010037
K134010046
K134010053
K134010062
K134010068
LỜI NÓI ĐẦU
Ngày nay các hoạt động diễn ra trong nền kinh tế luôn chịu sự tác động lẫn
nhau và chịu sự tác động của thị trường. Cùng với sự phát triển của máy tính và
nhiều phần mềm ứng dụng, dự báo ngày càng trở nên quan trọng và trở thành bộ
phận không thể thiếu trong các quyết định của tổ chức. Dự báo thực sự cần thiết và
có vai trò to lớn trong nền kinh tế. Sau đây nhóm 7 sẽ trình bày về ba phương pháp
dự báo các mô hình giản đơn nhất: các phương pháp dự báo thô, các phương pháp
dự báo trung bình và các phương pháp dự báo san mũ. Bên cạnh đó chúng ta sẽ tìm
hiểu, phân biệt và biết cách sử dụng mô hình dự báo nào cho phù hợp, cho dự báo
tốt với chuỗi dữ liệu.
DANH MỤC BẢNG BIỂU
1, Số liệu về doanh thu thuần của công ty cổ phần Nhựa và môi trường xanh An Phát từ
năm 2007 đến năm 2014.
2, Số liệu thống kê giá trị xuất nhập khẩu hàng hóa của Việt Nam giai đoạn 2004 – 2013.
3, Số liệu về doanh thu thuần về bán hàng và cung cấp dịch vụ của Công ty Cổ phần Pin
Ắc Quy miền Nam.
DANH MỤC BIỂU ĐỒ
Biểu đồ 1
Biểu đồ 2
Biểu đồ 3
Biểu đồ 4
Biểu đồ 5
Biểu đồ 6
Biểu đồ 7
Tên biểu đồ
Tổng doanh thu dự báo của công ty cổ phần Nhựa và môi
trường xanh An Phát so với tổng doanh thu thực tế của mô hình
dự báo thô giản đơn.
Tổng doanh thu dự báo của công ty cổ phần Nhựa và môi
trường xanh An Phát so với tổng doanh thu thực tế của mô hình
dự báo thô điều chỉnh.
Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so
với tổng xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô
hình dự báo trung bình giản đơn.
Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so
với tổng xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô
hình dự báo trung bình di động.
Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so
với tổng xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô
hình dự báo trung bình di động kép.
Tổng doanh thu thuần dự báo về bán hàng và cung cấp dịch vụ
của công ty Pin Ắc quy Miền Nam so tổng doanh thu thuần thực
tế của mô hình san mũ giản đơn.
Tổng doanh thu thuần dự báo về bán hàng và cung cấp dịch vụ
của công ty Pin Ắc quy Miền Nam so tổng doanh thu thuần thực
tế của mô hình san mũ Holt và Winters.
MỤC LỤC
Contents
TỔNG QUAN
CHƯƠNG 1:
1.
TỔNG QUAN
Lý do chọn đề tài:
Sự phát triển của kinh tế Việt Nam đang đặt trong bối cảnh đầy biến động của
nền kinh tế thế giới đã thúc đẩy các nhà hoạch định chính sách kinh tế và quản trị kinh
doanh phải quan tâm nhiều hơn đến việc phân tích dữ liệu và dự báo ở nhiều lĩnh vực
khác nhau. Nhu cầu phân tích, dự báo ở Việt Nam đang có xu hướng gia tăng bởi vì phân
tích, dự báo tốt có thể hỗ trợ đáng kể cho việc hình thành chính sách, chiến lược, kế
hoạch cũng như nhiều quyết định hàng ngày của các cơ quan quản lý nhà nước và doanh
nghiệp. Chính vì thế, các nhà nghiên cứu, nhà hoạch định chính sách và nhà quản trị
tương lai cần được trang bị một nền tảng kiến thức cơ bản về các phương pháp dự báo
định lượng, các kỹ thuật phân tích thống kê, kỹ năng sử dụng các phần mềm dự báo, phân
tích dữ liệu thông dụng…Ngoài ra, đối với sinh viên thuộc các chuyên ngành kinh tế, tài
chính và quản trị, môn Dự báo kinh tế và phân tích dữ liệu càng có ý nghĩa thiết thực.
Tóm lại, dự báo kinh tế giúp các nhà quản lý có một cái nhìn chắc chắn hơn về
tương lai, về những rủi ro, những thay đổi có lợi và bất lợi đối với việc kinh doanh. Dựa
vào cơ sở tương lai được dự báo đó, các nhà quản lý mới lập kế hoạch chiến lược kinh
doanh và đưa ra trước những giải pháp giải quyết sự thay đổi của kinh tế trong tương lai.
Chính nhờ vậy, dự báo kinh tế có ý nghĩa rất quan trọng, là yếu tố ảnh hưởng đến sống
còn đối với sự thành công của một tổ chức.
2.
Mục tiêu nghiên cứu:
Dựa vào những tài liệu và những số liệu tìm được một cách chính xác và mới
nhất ở thời điểm hiện tại, đồng thời sử dụng các mô hình dự báo và phần mềm kỹ thuật
Crystal Ball để phân tích và đưa ra dự báo về sự biến động, thay đổi của những biến kinh
tế chính xác nhất có thể.
3.
Phạm vi nghiên cứu:
• Sử dụng một số mô hình dự báo giản đơn để đưa ra dự báo kinh tế cho các doanh
nghiệp trong các mô hình sau đây :
- Mô hình dự báo thô giản đơn.
- Mô hình dự báo thô điều chỉnh.
Trang 6 / 34
TỔNG QUAN
- Mô hình dự báo trung bình giản đơn.
- Mô hình dự báo trung bình di động.
- Mô hình dự báo trung bình di động kép.
- Mô hình dự báo san mũ giản đơn.
- Mô hình dự báo Holt.
- Mô hình dự báo Winters.
• Sử dụng thông tin, dữ liệu phân tích có sẵn, đã được công bố.
• Giai đoạn phân tích là khoảng thời gian ngắn và gần đây nhất.
4.
Phương pháp nghiên cứu:
-
Tổng quan lý thuyết.
Thu thập thông tin, cơ sở dữ liệu có sẵn từ các báo cáo thường niên, báo mạng.
Đưa các cơ sở dữ liệu có sẵn vào chương trình Excel, dùng phần mềm Crystal
Ball đưa ra kết quả.
Dựa vào kết quả được đưa ra phân tích các mô hình giản đơn.
Đưa ra ưu, nhược điểm và mô hình nào là tối ưu cho từng bộ cơ sở dữ liệu.
Trang 7 / 34
TỔNG QUAN VỀ DỰ BÁO KINH TẾ
CHƯƠNG 2:
1.
1.1
TỔNG QUAN VỀ DỰ BÁO KINH TẾ
Khái niệm, ý nghĩa và vai trò của dự báo kinh tế
Khái niệm:
Dự báo đã được hình thành từ những năm 60 của thế kỉ 20. Khoa học dự báo với
tư cách là một ngành độc lập có phương pháp luận và phương pháp hệ riêng. Người ta
thường nhấn mạnh rằng một phương pháp tiếp cận hiệu quả đối với dự báo là phần quan
trọng trong hoạch định.
Dự báo kinh tế giúp các nhà quản lý có một cái nhìn chắc chắn hơn về tương lai,
về những rủi ro, những thay đổi có lợi và bất lợi đối với việc kinh doanh, và có ý nghĩa
rất quan trọng.
Tóm lại, trước một nền kinh tế Thế giới luôn liên tục thay đổi, không tuân theo
một quy tắc nào nhưng các quyết định ảnh hưởng đến sống còn của tổ chức trong tương
lai thì phải được thực hiện ngay hôm nay thì dĩ nhiên, dự báo kinh tế là luôn luôn cần
thiết và đóng vai trò quan trọng nếu tổ chức muốn tồn tại và phát triển bền vững.
1.2
Ý nghĩa:
Dùng để dự báo mức độ tương lai của hiện tượng, là một môn khoa học vừa là
một môn nghệ thuật tiên đoán những ra trong tương lai, trên cơ sở phân tích khoa học
thông qua các dữ liệu đã thu thập được qua đó giúp các nhà quản trị, kinh tế, doanh
nghiệp đề ra các kế hoạch và quyết định cần thiết phục vụ cho sản xuất kinh doanh.đầu tư
quảng bá… và chuẩn bị đầy đủ cơ sở vật chất,lao động nguyên vật liệu.
Dự báo có độ chính xác cao sẽ cung cấp cơ sở tin cậy cho hoạch định chính sách
cũng như xây dựng các chiến lược kinh doanh. Bên cạnh đó, cũng giảm bớt rủi ro cho
doanh nghiệp cũng như nến kinh tế nói chung.
Nhờ có dự báo các chính sách kinh tế, các kế hoạch và chương trình phát triển
kinh tế được xây dựng có cơ sở khoa học và mang lại hiệu quả kinh tế cao.
1.3
Vai trò:
Với sự phát triển của máy tính và nhiều phần mềm ứng dụng, dự báo trở nên quan trọng
và trở thành bộ phận không thể thiếu trong hầu hết các quyết định của mọi tố chức.
Trang 8 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
CHƯƠNG 3:
1.
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN
ĐƠN
Các mô hình dự báo thô:
Mô hình dự báo thô thường được các doanh nghiệp mới thành lập sử dụng
vì mô hình này chỉ yêu cầu sử dụng số lượng thông tin có sẵn gần nhất. Phương pháp dự
báo thô gồm 2 mô hình : mô hình dự báo thô giản đơn và mô hình dự báo thô điều chỉnh.
1.1
Mô hình dự báo thô giản đơn:
Mô hình dự báo thô giản đơn nhất được biểu diễn như sau :
t+1
= Yt
Trong đó :
t+1
: giá trị dự báo ở giai đoạn t+1
Yt
: giá trị thực tế ở giai đoạn t
Ưu điểm :
Dễ sử dụng ,đòi hỏi một lượng dữ liệu không quá lớn và dựa trên các thông tin
sẵn có gần nhất nên mô hình được nhiều doanh nghiệp lựa chọn đặc biệt là các doanh
nghiệp mới thành lập.
Nhược điểm:
Giá trị dự báo là giá trị thực tế trước đó nếu sai số lớn thì giá trị dự báo có độ
chính xác thấp. Chỉ sử dụng trong 1 số trường hợp nhất định.
1.2
Mô hình dự báo thô điều chỉnh:
Mô hình thô điều chỉnh được dùng để điều chỉnh yếu tố mùa vụ và yếu tố xu thế.
-
Điều chỉnh xu thế: được sử dụng khi doanh nghiệp quan sát thấy thông tin dữ liệu
có chiều hướng tăng giảm theo một quy luật nhất định.
Trang 9 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
-
Điều chỉnh mùa vụ: được sử dụng khi doanh nghiệp quan sát thấy thông tin dữ liệu
sau một giai đoạn nhất định thường lặp lại những diễn biến khá giống nhau.
Với dữ liệu theo quý, ta có:
Ưu điểm:
Nếu điều chỉnh cả yếu tố xu thế và mùa vụ thì nó là mô hình dự báo tốt nhất
trong tất cả mô hình dự báo thô. Như vậy nó sẽ khắc phục được những nhược điểm của
mô hình dự báo thô giản đơn và tính chính xác cũng cao hơn.
Nhược điểm:
Nếu chỉ điều chỉnh xu thế thì kết quả sẽ không tốt bằng mô hình dự báo thô giản
đơn do bỏ qua yếu tố mùa vụ, một yếu tố khá trội trong bộ dữ liệu hoặc yếu tố xu thế.
2.
Các phương pháp dự báo trung bình:
Dự báo dựa trên giá trị trung bình của các quan sát quá khứ. Các mô hình dự báo
trung bình gồm mô hình trung bình giản đơn, mô hình trung bình di động và mô hình
trung bình di động kép.
2.1
Mô hình trung bình giản đơn
Mô hình trung bình giản đơn được biểu diễn qua công thức :
t+1
=
Khi 1 quan sát mới được đưa thêm vào, thì giá trị dự báo cho giai đoạn tiếp theo là
trung bình của t+1 và quan sát mới thêm vào. Công thức sẽ được điều chỉnh là :
t+1
=
Trong đó :
t : quan sát cuối cùng trong mẫu hoặc toàn bộ mẫu dữ liệu quá khứ sẵn có.
Ưu điểm:
Dự báo dựa trên giá trị trung bình của các quan sát quá khứ với trọng số như
nhau nên dễ dàng trong tính toán. Cập nhật các bản báo cáo thường xuyên với số lượng
dữ liệu lớn đơn giản hơn.
Trang 10 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
Nhược điểm:
Do san bằng được tất cả mọi sự biến động ngẫu nhiên nên nó là mô hình dự báo
rất kém nhạy bén. Chỉ phù hợp đối với các chuỗi dữ liệu không có biến động lớn và chuỗi
thời gian phải có tính dừng.
2.2
Mô hình trung bình di động
Mô hình trung bình di động sử dụng một số quan sát gần nhất làm giá trị dự báo.
Với hệ số trượt k, trung bình di động bậc k, kí hiệu là MA(k) được biểu diễn theo công
thức:
t+1 =
Trong đó :
k : hệ số trượt
Ưu điểm:
Đơn giản dễ thực hiện, ít tốn chi phí do chỉ sử dụng một số quan sát gần nhất
làm giá trị dự báo.
Nhược điểm:
Chỉ sử dụng một số quan sát gần nhất nên nếu dựa vào tiêu chí thống kê thì mô
hình này không tốt bằng mô hình dự báo trung bình giản đơn.
2.3
Mô hình trung bình di động kép
Mô hình trung bình di động kép nhằm sử dụng dự báo dữ liệu chuỗi thời gian có
yếu tố xu thế. Bản thân tên của phương pháp này có hàm ý như sau :
Bước 1 : Tính giá trị bình quân di động cho chuỗi dữ liệu gốc (MA)
Bước 2 : Tính giá trị bình quân di động cho chuỗi bình quân di động thứ nhất (MA’)
Ưu điểm:
Đem lại kết quả dự báo chính xác hơn phương pháp trung bình di động, phân
biệt được tầm quan trọng của các số liệu ở các thời kỳ khác nhau.
Trang 11 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
Nhược điểm: Cần nhiều số liệu ở quá khứ.
3.
Các phương pháp san mũ:
Mô hình dự báo san mũ thường phù hợp với loại dữ liệu không thể đoán được có
xu hướng tăng hay giảm. Các mô hình dự báo san mũ gồm mô hình san mũ giản đơn, mô
hình san mũ Holt và mô hình san mũ Winters.
3.1
Mô hình san mũ giản đơn:
Trong khi các phương pháp trung bình di động chỉ quan tâm đến các quan sát gần
nhất, thì phương pháp san mũ giản đơn lại đưa ra một giá trị trung bình di động với trọng
số giảm dần cho tất cả các quan sát trong quá khứ. Mục tiêu của phương pháp này là ước
lượng giá trị trung bình hiện tại và sử dụng giá trị này làm giá trị dự báo cho tương lai.
Mô hình san mũ giản đơn được sử dụng khi dữ liệu không có yếu tố xu thế và mùa vụ,
được biểu hiện qua công thức:
Trong đó:
:Giá trị dự báo (mới) ở giai đoạn t+1
: Hệ số san mũ
: Giá trị quan sát hoặc giá trị thực ở giai đoạn t
: Giá trị dự báo (cũ) ở giai đoạn t
Giá trị hệ số san mũ đóng vai trò như một yếu tố xác định mức độ ảnh
hưởng của quan sát hiện tại lên giá trị dự báo của quan sát tiếp theo. Giá trị hệ số san mũ
dao động trong khoảng 0 và 1.
Ưu điểm:
Dự báo được với cả dữ liệu khó đoán được xu hướng tăng, giảm.
Nhược điểm:
Bỏ qua các yếu tố xu thế và mùa vụ. Việc chọn hệ số san mũ đòi hỏi sao cho
thích hợp để đạt được một dự báo chính xác.
Trang 12 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
3.2
Mô hình san mũ Holt:
Holt (1975) đã phát triển được một phương pháp san mũ, được gọi là phương
pháp san mũ tuyến tính Holt, cho phép suy diễn các xu thế cục bộ và có thể được sử dụng
cho dự báo tương lai. Mô hình san mũ Holt được sử dụng đối với dữ liệu có yếu tố xu thế
và không có yếu tố mùa vụ. Đây là mở rộng của phương pháp san mũ giản đơn bằng việc
đưa thêm một thừa số xu thế và phương trình san mũ để điều chỉnh yếu tố xu thế. Mô
hình san mũ Holt được thể hiện qua 3 phương trình sau đây:
1. Ước lượng giá trị trung bình hiện tại:
Lt =Yt + (1 – )(Lt-1 + Tt – 1)
2. Ước lượng xu thế (độ dốc):
Tt = (Lt – Lt-1) + (1 – )Tt -1
3. Dự báo p giai đoạn trong tương lai:
t+p
= Lt + pTt
Trong đó:
Lt
= Giá trị san mũ mới (hoặc giá trị ước lượng trung bình hiện tại)
= Hệ số san mũ của giá trị trung bình (0<<1)
Yt
= Giá trị quan sát hoặc giá trị thực tế vào thời điểm t
= Hệ số san mũ của giá trị xu thế (0<<1)
Tt
= Giá trị ước lượng của xu thế
P
= Thời đoạn dự báo trong tương lai
t+p
= Giá trị dự báo cho p giai đoạn trong tương lai.
Ưu điểm:
Trang 13 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
Dự báo được với cả dữ liệu khó đoán được xu hướng tăng, giảm. Cho phép suy diễn
các xu thế cục bộ và có thể được sử dụng cho dự báo tương lai.
Nhược điểm:
Bỏ qua yếu tố mùa vụ.
3.3
Mô hình san mũ Winters:
San mũ Winters là 1 phương pháp mở rộng của san mũ Holt đối với các dữ liệu
có chứa yếu tố mùa. Yếu tố mùa trong chuỗi thời gian có thể thuộc dạng phép cộng hoặc
phép nhân.
• Phép cộng : yếu tố mùa ở các năm khác nhau được lặp lại một cách đều đặn.
• Phép nhân : yếu tố mùa năm sau được lặp đi lặp lại nhưng với một cường độ cao
hơn hoặc thấp hơn so với từng mùa trong năm trước.
Mô hình san mũ Winters được ước lượng thông qua 4 hệ phương trình sau:
1) Ước lượng giá trị trung bình hiện tại:
2) Ước lượng giá trị xu thế
:
3) Ước lượng giá trị chỉ số mùa
:
4) Dự báo p giai đoạn trong tương lai :
Trong đó:
= Giá trị san mũ mới
= Hệ số san mũ của giá trị trung bình ( 0<<1)
= Giá trị quan sát hoặc giá trị thực tại thời điểm t
= Hệ số san mũ của giá trị xu thế (0<<1)
= Giá trị ước lượng của xu thế
= Hệ số san mũ của chỉ số mùa
= Giá trị ước lượng của chỉ số mùa
p = Thời đoạn dự báo trong tương lai
s = Độ dài của yếu tố mùa
= Giá trị dự báo cho p giai đoạn trong tương lai
Trang 14 / 34
GIỚI THIỆU CÁC MÔ HÌNH DỰ BÁO GIẢN ĐƠN
Ưu điểm:
Đơn giản, không đòi hỏi nhiều thời gian tính toán , nhu cầu lưu trữ không lớn.
Nhược điểm:
Bỏ qua yếu tố xu thế. Chỉ bó hẹp trong phạm vi ngắn hạn.
Trang 15 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
CHƯƠNG 4:
1.
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO
TỪNG MÔ HÌNH
Mô hình dự báo thô:
Số liệu về doanh thu thuần của công ty cổ phần Nhựa và môi trường xanh An Phát
từ năm 2007 đến năm 2014 (đơn vị: triệu đồng)
Năm
Doanh thu
2007
108,537
2008
248,333
2009
384,533
2010
679,315
2011
910,634
2012
1,010,033
2013
1,157,508
2014
1,560,644
Nguồn: />
1.1
Mô hình dự báo thô giản đơn:
Bước 1: Khởi động chương trình Excel và nhập dữ liệu
Bước 2 :Thay thế dữ liệu dự báo (t+1) bằng giá trị thực t
Bước 3: Hoàn tất các dữ liệu và dự báo
Bảng đánh giá độ chính xác của mô hình dự báo thô:
Trang 16 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
Năm
Dự báo
2007
108,537
_
_
_
2008
248,333
108,537
139796
139796
19542921616 0.562937668
2009
384,533
248,333
136200
136200
2010
679,315
384,533
294782
294782
2011
910,634
679,315
231319
231319
18550440000 0.354195869 0.354195869
8689642752
0.43394007
4
0.433940072
2
5350847976
0.25401972
1
0.254019727
7
2012
1,010,033
910,634
99399
99399
2013
1,157,508
1,010,033
147475
2014
1,560,644
1,157,508
Tổng
_
_
0.098411636
147475
9880161201
2174887562
5
403136
403136
1.62519E+11
0.258313876
1452107
1452107 3.72646E+11
2.089226174
0.127407327
_
0.562937668
0.09841163
6
0.12740732
7
0.25831387
6
2.08922617
4
Các thước đo độ chính xác của mô hình dự báo được tính toán:
N
7
MAE
207443.8571
MAPE
0.298460882
MPE
0.29846088
2
MSE
5323513431
8
RMSE
230727.402
6
U
1
Biểu đồ 1: Tổng doanh thu dự báo của công ty cổ phần Nhựa và môi trường xanh
An Phát so với tổng doanh thu thực tế của mô hình dự báo thô giản đơn:
Trang 17 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
1.2
Mô hình dự báo thô điều chỉnh:
Bước 1: Khởi động chương trình Excel và nhập dữ liệu
Bước 2: Áp dụng công thức t+1=
Bước 3: Hoàn tất các dữ liệu và dự báo
Bảng đánh giá độ chính xác của mô hình điều chỉnh:
Năm
Dự báo
2007
108,537
_
_
_
_
_
_
2008
248,333
_
_
_
_
_
_
2009
384,533
388,129
-3596
3596
12931216
0.009351603
-0.009351603
2010
679,315
520,733
158582
158582
25148250724
0.233443984
0.233443984
2011
910,634
974,097
-63463
63463
4027552369
0.069691006
-0.069691006
2012
1,010,033
1,141,953
-131920
131920
17402886400
0.130609594
-0.130609594
2013
1,157,508
1,109,432
48076
48076
2311301776
0.041534054
0.041534054
2014
Tổn
g
1,560,644
1,304,983
255661
255661
65362546921
0.163817629
0.163817629
263340
661298
1.14265E+11
0.648447871
0.229143464
Trang 18 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
Các thước đo độ chính xác của mô hình dự báo được tính toán :
N
6
MAE
MAPE
MPE
110216.3333 0.108074645 0.038190577
MSE
19044244901
RMSE
U
138000.8873 0.553744349
Biểu đồ 2: Tổng doanh thu dự báo của công ty cổ phần Nhựa và môi trường xanh
An Phát so với tổng doanh thu thực tế của mô hình dự báo thô điều chỉnh:
Kết luận: Ta thấy trong mô hình dự báo thô giản đơn U=1, nhưng ở mô
hình dự báo thô điều chỉnh U=0.553744349. Vì U ở mô hình thô điều chỉnh
nhỏ hơn U trong mô hình dự báo giản đơn nên mô hình điều chỉnh có thể có
xu hướng tốt hơn.
2.
Mô hình dự báo trung bình:
Số liệu thống kê giá trị xuất nhập khẩu hàng hóa của Việt Nam giai đoạn 2004 –
2013 (Đơn vị: triệu USD)
Năm
Giá trị xuất nhập khẩu hàng hóa
2004
58.458
2005
69.420
2006
84.717
2007
111.244
2008
143.399
2009
127.045
2010
157.075
2011
203.656
Trang 19 / 34
2012
228.310
2013
264.066
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
Nguồn : />
2.1
Mô hình trung bình giản đơn:
Bước 1: Khởi động Excel và nhập dữ liệu
Bước 2: Tạo giá trị dự báo đầu tiên ( bằng ô B2
Bước 3: Tạo giá trị dự báo thứ hai ( theo công thức
t+1
=
Bước 4: Copy công thức cho các giá trị dự báo còn lại.
Bảng đánh giá độ chính xác của mô hình trung bình giản đơn :
STT
Năm
Tổng giá trị xuất nhập khẩu
Dự báo
1
2004
58.458
_
2
2005
69.42
58.458
3
2006
84.717
63.939
4
2007
111.244
70.865
Trang 20 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
5
2008
143.399
80.95975
6
2009
127.045
93.4476
7
2010
157.075
99.04717
8
2011
203.656
107.3369
9
2012
228.31
119.3768
10
2013
264.066
131.4804
Các thước đo độ chính xác của mô hình dự báo được tính toán :
N
9
MAE
62.66905
MAPE
0.365292
MPE
0.365292
MSE
5477.754
RMSE
74.01185
U
2.595683
Biểu đồ 3: Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so với tổng
xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô hình dự báo trung bình
giản đơn:
2.2
Mô hình trung bình di động:
Bước 1: Khởi động Crystal Ball
Bước 2: Mở tập tin cần phân tích
Bước 3: Chọn cột dữ liệu cần phân tích.
Bước 4: Vào thanh công cụ “Crystal Ball” => chọn công cụ “Predictor”
Bước 5: Nhập dữ liệu “Input Data”
Bước 6: Khai báo đặc điểm “Data attributes”
Bước 7: Chọn phương pháp “Simple moving average” => “Run”
Bước 8: Chọn “Analyze” sau đó chọn “Extract data” để ra kết quả mong muốn
Trang 21 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
Bảng đánh giá độ chính xác của mô hình trung bình di động :
STT
Năm
Tổng xuất nhập khẩu
Dự báo
1
2004
58.458
_
2
2005
69.42
58.46
3
2006
84.717
69.42
4
2007
111.244
84.72
5
2008
143.399
111.24
6
2009
127.045
143.4
7
2010
157.075
127.05
8
2011
203.656
157.08
9
2012
228.310
203.66
10
2013
264.066
228.31
Các thước đo độ chính xác của mô hình dự báo được tính toán :
MAPE
RMSE
MAD
Theil’s U
17.7%
28.51
26.48
1.00
DurbinWatson
0.7597
Order
1
Biểu đồ 4: Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so với tổng
xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô hình dự báo trung bình di
động:
Trang 22 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
2.3
Mô hình trung bình di động kép:
Bước 1: Khởi động Crystal Ball
Bước 2: Mở tập tin cần phân tích
Bước 3: Chọn cột dữ liệu cần phân tích.
Bước 4: Vào thanh công cụ “Crystal Ball” => chọn công cụ “Predictor”
Bước 5: Nhập dữ liệu “Input Data”
Bước 6: Khai báo đặc điểm “Data Attributes”
Bước 7: Chọn phương pháp “Double moving average” xong chọn “Run”
Bước 8: Chọn “Analyze” sau đó chọn “ Extract Data” để ra kết quả mong muốn
Bảng đánh giá độ chính xác của mô hình trung bình di động kép :
STT
Năm
Tổng xuất nhập khẩu
Dự báo
1
2004
58.458
_
2
2005
69.42
_
Trang 23 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
3
2006
84.717
_
4
2007
111.244
_
5
2008
143.399
_
6
2009
127.045
157.73
7
2010
157.075
162.48
8
2011
203.656
172.28
9
2012
228.310
199.56
10
2013
264.066
254.74
Các thước đo độ chính xác của mô hình dự báo được tính toán :
MAPE
RMSE
MAD
Theil’s U
11.82%
23.95
21.11
0.7461
DurbinWatson
0.8283
Order
2
Biểu đồ 5: Tổng giá trị xuất nhập khẩu hàng hóa dự báo của Việt Nam so với tổng
xuất nhập khẩu hàng hóa thực tế của Việt Nam của mô hình dự báo trung bình di
động kép:
Trang 24 / 34
NGHIÊN CỨU TÌNH HUỐNG CỤ THỂ CHO TỪNG MÔ HÌNH
3.
Kết luận: Trong mô hình dự báo trung bình giản đơn, ta thấy U =2.595683
,mô hình dự báo trung bình di động U = 1.00, mô hình dự báo trung bình di
động kép U = 0.7461 . Vì U của mô hình dự báo trung bình di động kép nhỏ
hơn U của 2 mô hình trung bình giản đơn và mô hình trung bình di động
nên mô hình trung bình di động kép có thể có xu hướng tốt hơn 2 mô hình
còn lại.
Mô hình san mũ:
Số liệu về doanh thu thuần về bán hàng và cung cấp dịch vụ của Công ty Cổ phần
Pin Ắc Quy miền Nam. (Đơn vị: tỷ đồng)
Trang 25 / 34