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
Phùng Thanh Bình
TÀI LIỆU THAM KHẢO
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
Thành phần của một chuỗi thời gian:
o
Xu thế (Trt)
o
Chu kỳ (Clt)
o
Mùa vụ (Snt)
o
Ngẫu nhiên (It)
Phùng Thanh Bình
GIỚI THIỆU
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
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
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
Để đơn giản người ta thường giả định chu kỳ là
một phần của yếu tố xu thế
Thường chỉ xét 3 yếu tố Trt, Snt, và It
Phùng Thanh Bình
CÁC BƯỚC THỰC HIỆN
Khảo sát dữ liệu và nhận dạng mô hình thích hợp
Xác định L (khoảng trượt, ví dụ L = 4 nếu dữ liệu
theo quý)
Lọai bỏ dao động ngắn hạn để nhận dạng xu thế dài
hạn
So sánh giá trị thực Yt với giá trị đã lọai bỏ yếu tố
mùa vụ (CMAt)
Phùng Thanh Bình
CÁC BƯỚC THỰC HIỆN
Tìm chỉ số mùa vụ
Xác định yếu tố xu thế
Xây dựng hàm dự báo xu thế
Đo lường yếu tố chu kỳ (nếu có)
Tiến hành dự báo từ các thành tố
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
Nhận dạng mô hình cộng tính
o
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
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
Các bước thực hiện
o
Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MA t
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
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
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
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 = Yt - Sn
'
t
o
j
t
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 CỘNG TÍNH
Các bước thực hiện
o
Bước 7: Tiến hành dự báo cho Y^t+1
∧
Y t +1 = Y
o
'
t +1
+ Sn t +1 + Cl t +1
Bước 8: Đánh giá mô hình
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
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
Phùng Thanh Bình
MÔ HÌNH CỘNG TÍNH
Khoảng tin cậy
o
Sử dụng sai số của mô hình hồi quy Y’t để xác định
khoảng tin cậy cho εt
ˆ ± t S × (He so dieu chinh)
Y
t
α/2 e
1
He so dieu chinh = 1 + +
n
(t
∑t
2
p
− t)
2
(
t)
∑
−
n
2
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
Nhận dạng mô hình cộng tính
o
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
Phùng Thanh Bình
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
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 )
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
CÁCH 2:
o
Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MA t
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
CÁCH 2:
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 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=1
j
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
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
Y = Yt ÷ Sn
'
t
o
j
t
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
CÁCH 2:
o
Bước 7: Tiến hành dự báo cho Y^t+1
∧
Y t +1 = Y × Sn t +1 × Cl t +1
o
'
t +1
Bước 8: Đánh giá mô hình
Phùng Thanh Bình
MÔ HÌNH NHÂN TÍNH
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
SFt =
CMA t