Nghiên cứu mạng nơ ron nhân tạo và ứng dụng vào dự báo lạm phát

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
----------------------------------------TRẦN THỊ HÀ

NGHIÊN CỨU MẠNG NƠ RON NHÂN TẠO VÀ
ỨNG DỤNG VÀO DỰ BÁO LẠM PHÁT

LUẬN VĂN THẠC SĨ KỸ THUẬT
CÔNG NGHỆ THÔNG TIN

NGƢỜI HƢỚNG DẪN KHOA HỌC:
TS. NGUYỄN THỊ THU HÀ

Hà Nội – Năm 2016


MỤC LỤC

MỤC LỤC ......................................................................................................... 1
LỜI CAM ĐOAN ............................................................................................. 4
DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT ................................................ 5
DANH MỤC HÌNH VẼ .................................................................................... 6
DANH MỤC BẢNG BIỂU .............................................................................. 8
PHẦN MỞ ĐẦU ............................................................................................... 9
CHƢƠNG 1: TỔNG QUAN VỀ DỰ BÁO .................................................... 11
1.1 GIỚI THIỆU .............................................................................................. 11
1.1.1 Khái niệm về dự báo ........................................................................ 11
1.1.2 Dự báo kinh tế.................................................................................. 12
1.1.2.1 Phân loại dự báo kinh tế ........................................................... 13
1.1.2.2 Mô hình bài toán dự báo kinh tế .............................................. 14
1.1.2.3 Một số mô hình dự báo ............................................................ 16

1. 2 CÁC PHƢƠNG PHÁP SỬ DỤNG TRONG DỰ BÁO KINH TẾ ............................ 18
1.2.1 Dự báo kinh tế sử dụng mô hình kinh tế lƣợng ............................... 18
1.2.1.1 Mô hình hồi quy ........................................................................ 20
1.2.1.2 Mô hình chuỗi thời gian............................................................ 21
1.2.2 Dự báo kinh tế bằng cách tiếp cận mô hình học máy ..................... 22
1.2.2.1 Khái niệm .................................................................................. 22
1.2.2.2 Mô hình dự báo dựa trên học máy ............................................ 23
1.2.2.3 Mạng nơ ron ............................................................................. 24
1.2.2.4 Naïve Bayes .............................................................................. 25

1


1.2.2.5 K-láng giềng gần nhất (K-NN) ................................................. 26
1.3 PHƢƠNG PHÁP ĐÁNH GIÁ DỰ BÁO ............................................................ 27
CHƢƠNG 2: ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM
PHÁT KINH TẾ.............................................................................................. 29
2.1 MẠNG NƠ RON NHÂN TẠO........................................................................ 29
2.1.1 Định nghĩa mạng Nơron nhân tạo (Artificial Neural Network ANN):........................................................................................................ 29
2.1.2 Các tính chất của mạng Nơron ........................................................ 29
2.1.3 Cấu trúc mạng nơ – ron ................................................................... 30
2.1.3.1 Đơn vị xử lý perceptron ............................................................ 30
2.1.3.2 Tiến trình học của mạng nơ ron ................................................ 31
2.1.3.3 Mạng nơ ron nhiều lớp: ............................................................ 31
2.1.3.4 Phƣơng pháp học trên mạng nơ ron .......................................... 33
2.1.3.5 Học tham số: ............................................................................ 33
2.1.3.6 Học giám sát với thuật toán lan truyền ngƣợc ......................... 34
2.1.3.7 Thuật toán lan truyền ngƣợc ..................................................... 37
2.2 LẠM PHÁT KINH TẾ .................................................................................. 37
2.2.1 Khái niệm lạm phát .......................................................................... 37

2.2.2 Phân loại lạm phát............................................................................ 39
2.2.3 Các phƣơng pháp tính lạm phát ....................................................... 40
2.3 ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM PHÁT.............................. 41
2.3.1 Các nghiên cứu liên quan................................................................. 41
2.3.2 Phân tích các nhân tố ảnh hƣởng ..................................................... 42
2.3.3 Xây dựng mô hình mạng nơ ron dự báo lạm phát. .......................... 44
2.4 KẾT LUẬN CHƢƠNG 2 .............................................................................. 44

2


CHƯƠNG 3: PHÁT TRIỂN ỨNG DỤNG MẠNG NƠ RON TRONG DỰ
BÁO LẠM PHÁT KINH TẾ .......................................................................... 45
3.1 PHÂN TÍCH KIẾN TRÚC TỔNG QUÁT CỦA HỆ THỐNG .................................. 45
3.1.1 Yêu cầu của hệ thống ....................................................................... 45
3.1.2 Các chức năng cơ bản của hệ thống................................................. 45
3.2

GIẢI PHÁP CÔNG NGHỆ VÀ NGÔN NGỮ LẬP TRÌNH................................. 46

3.2.1 Hệ quản trị CSDL Microsoft SQL Server 2012 .............................. 46
3.2.2

Microsoft .Net .............................................................................. 47

3.2.2.1 Kiến trúc của Microsoft .NET .................................................. 47
3.2.2.2 Microsoft .NET Framework .................................................. 47
3.2.3 Ngôn ngữ lập trình C# ..................................................................... 47
3.3 KẾT QUẢ THỬ NGHIỆM ............................................................................. 48
3.3.1 Nguồn dữ liệu sử dụng..................................................................... 48

3.3.2 Dữ liệu dùng cho thử nghiệm: ......................................................... 50
3.3.3 Kết quả thử nghiệm.......................................................................... 51
3.4 MỘT SỐ GIAO DIỆN CỦA HỆ THỐNG ......................................................... 53
3.5 KẾT LUẬN CHƢƠNG 3.............................................................................. 56
KẾT LUẬN ..................................................................................................... 57
TÀI LIỆU THAM KHẢO ............................................................................... 58

3


LỜI CAM ĐOAN
Trƣớc hết, em gửi lời cảm ơn chân thành tới tập thể các thầy cô trong Viện
Công nghệ Thông tin và Truyền thông, Trƣờng Đại học Bách Khoa Hà Nội đã tạo
môi trƣờng tốt để em đƣợc học tập và nghiên cứu. Em cũng xin cảm ơn các thầy cô
trong Viện đào tạo sau đại học đã quan tâm đến khóa học này, tạo điều kiện cho các
học viên có điều kiện thuận lợi để học tập và nghiên cứu. Đặc biệt, em xin gửi lời
cảm ơn sâu sắc đến TS. Nguyễn Thị Thu Hà, Trƣờng Đại học Điện lực Hà Nội đã
tận tình chỉ bảo, hƣớng dẫn và sửa chữa chi tiết cho nội dung của luận văn này.
Em cam đoan rằng nội dung của luận văn này là do em hoàn toàn tìm hiểu,
nghiên cứu và viết ra, em đã thực hiện từng bƣớc cẩn thận theo sự định hƣớng,
hƣớng dẫn tận tình của giáo viên hƣớng dẫn. Mọi tham khảo dùng trong luận văn
đều đƣợc trích dẫn rõ ràng tên tác giả, tên công trình, thời gian, địa điểm công bố.
Em xin chịu trách nhiệm với nội dung trong luận văn này.
Ngƣời thực hiện đề tài

Trần Thị Hà

4

DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT
Thuật ngữ đầy đủ

Viết tắt
CNTT

Công nghệ Thông tin

MLR

Multiple Linear Regression

HW

Holt – Winters

ARIMA

AutoRegressive Integrated Moving Average

ARMA

Autoregressive Moving Average

MAPE

Mean Absolute Percentage Error

K-NN

K-láng giềng gần nhất

MAE

Muan Absolute Error

RMSE

Root Mean Squared Error

MAPE

Mean Absolute Percentage

ANN

Artificial Neural Network

MIMO

Many Input Many Output

LMS

Least Means Square

RBF

Radial Basis Function

WPI

Worcester Polytechnic Institute

CPI

Consumer Price Index

PPI

Producer Price Index

VAR

Vector Autoregression

AR

Univariate Autoregression

OECD

Organization for Economic Co-Operation and Development

KRLS

Kitchigami Regional Library System

FDI

Foreign Direct Investment

GDP

Gross Domestic Product

5


DANH MỤC HÌNH VẼ

Hình 1.1: Mô hình một bài toán dự báo .......................................................... 15
Hình 1.2: Mô hình dự báo cơ bản ................................................................... 16
Hình 1.3: Mô hình dự báo nhân quả ............................................................... 17
Hình 1.4: Mô hình dự báo theo xu hƣớng ....................................................... 18
Hình 1.5: Mô hình lƣơng và chi tiêu trong gia đình. ..................................... 18
Hình 1.6: Kết quả thử nghiệm với mô hình HW............................................. 21
Hình 1.7: Kết quả thử nghiệm với mô hình ARIMA ...................................... 21
Hình 1.8: Dự báo dựa trên mô hình học máy.................................................. 24
Hình 1.9: Mô hình dự báo năng lƣợng gió ...................................................... 25
Hình 1.10: Mô hình dự báo giá bán lẻ dựa trên Naïve Bayes ......................... 26
Hình 2.1: Cấu trúc một perceptron.................................................................. 30
Hình 2.2: Mạng nơ ron nhiều lớp .................................................................... 32
Hình 2.3: Mạng nơ ron 3 lớp ........................................................................... 35
Hình 2.4: Biểu đồ thể hiện lạm phát Việt Nam và trung bình thế giới. .......... 42
Hình 2.5: Kiến trúc mạng nơ ron dự báo sử dụng trong luận văn .................. 44
Hình 3.1: Sơ đồ chức năng hệ thống dự báo ................................................... 45
Hình 3.2: Biểu đồ Use case tổng quát ............................................................. 46
Hình 3.3: Các dịch vụ của SQL server 2012................................................... 47
Hình 3.4: Thành phần chính của Microsoft .NET .......................................... 47

Hình 3.5: Microsoft .NET Framework............................................................ 47
Hình 3.6: Ngân hàng dữ liệu thế giới .............................................................. 49
Hình 3.7: Tổng cục thống kê Việt Nam .......................................................... 50
Hình 3.8: Giao diện đăng nhập ....................................................................... 53
Hình 3.9: Giao diện đăng ký ........................................................................... 53
Hình 3.10: Giao diện quản lý huấn luyện ...................................................... 54

6


Hình 3.11: Giao diện tạo mới dữ liệu ............................................................ 55
Hình 3.12: Giao diện chỉnh sửa dữ liệu ......................................................... 55
Hình 3.13: Giao diện dự báo lạm phát ............................................................ 56

7


DANH MỤC BẢNG BIỂU

Bảng 1.1: Tỉ lệ phần trăm thu nhập và tiêu dùng thời trang ........................... 19
Bảng 3.1: Mô tả dữ liệu thử nghiệm ............................................................... 50
Bảng 3.2: Bộ dữ liệu thử nghiệm .................................................................... 51
Bảng 3.3: Kết quả thử nghiệm ........................................................................ 52

8


PHẦN MỞ ĐẦU
Công nghệ Thông tin ngày càng phát triển và thành tựu của nó đƣợc ứng
dụng trong hầu hết các ngành, lĩnh vực hoạt động của đời sống xã hội và mang lại

nhiều hiệu quả to lớn, góp phần thúc đẩy sự phát triển chung của xã hội, đặc biệt nó
còn góp phần duy trì, điều phối sự phát triển một cách ổn định của nền kinh tế.
Tình hình biến động kinh tế của thế giới ngày càng diễn biến phức tạp. Sự
biến động của nền kinh tế vĩ mô sẽ tác động rất lớn đến sự ổn định và phát triển
kinh tế của một quốc gia. Lạm phát là một trong những nhân tố của nền kinh tế vĩ
mô, rất đƣợc quan tâm và cần thiết phải dự báo.
Lạm phát là một hiện tƣợng kinh tế vĩ mô phổ biến, có ảnh hƣởng sâu rộng
đến mọi mặt của đời sống kinh tế - xã hội. Lạm phát có tác động cả tích cực và tiêu
cực, tuỳ thuộc vào khả năng thích ứng với sự thay đổi của lạm phát và mức độ tiên
liệu về lạm phát. Đối với nhà sản xuất, tỷ lệ lạm phát cao làm cho giá đầu vào và
đầu ra biến động, gây ra sự mất ổn định trong quá trình sản xuất. Đối với lĩnh vực
lƣu thông, lạm phát thúc đẩy quá trình đầu cơ tích trữ dẫn đến khan hiếm hàng hoá.
Đối với lĩnh vực tín dụng, lạm phát làm rối loạn hoạt động của hệ thống ngân hàng.
Cụ thể là lƣợng tiền gửi vào ngân hàng sẽ giảm do sự điều chỉnh lãi suất tiền gửi
không đủ làm an tâm những ngƣời đang có tiền nhàn rỗi, trong khi đó những ngƣời
đi vay lại đƣợc lợi lớn nhờ vào sự mất giá của đồng tiền. Trong điều kiện các nhân
tố khác không đổi, lạm phát xảy ra sẽ làm tăng tỷ giá hối đoái, do đó tăng cƣờng
tính cạnh tranh của hàng xuất khẩu nhƣng đồng thời cũng gây bất lợi cho hoạt động
nhập khẩu. Lạm phát còn gây thiệt hại cho Ngân hàng Nhà nƣớc bằng việc bào mòn
giá trị thực của những khoản công phí.
Ngoài ra nếu để tình trạng lạm phát kéo dài và không đoán trƣớc đƣợc sẽ làm
cho nguồn thu Ngân sách Nhà nƣớc giảm sút do sản xuất suy thoái. Nhƣ vậy, nếu
lạm phát có thể dự đoán đƣợc thì sẽ không còn gây nên gánh nặng lớn đối với nền
kinh tế bởi ngƣời ta có thể đƣa ra các giải pháp phù hợp với nó, ngƣợc lại nếu
không thể dự báo đƣợc thì sẽ dẫn đến những đầu tƣ sai lầm và phân phối thu nhập
một cách ngẫu nhiên làm mất cân bằng của nền kinh tế. Vì vậy việc dự báo lạm phát

9

có ý nghĩa vô cùng quan trọng đối với các nhà hoạch định chính sách cũng nhƣ các
nhà kinh doanh trong tiến trình quyết định.
Đối với các nƣớc đang phát triển, lạm phát mục tiêu (lạm phát tối ƣu) là một
công cụ hữu ích trong việc điều hành kinh tế vĩ mô. Nếu lạm phát cao hơn lạm phát
mục tiêu sẽ gây ra những tác động tiêu cực nhƣ: chi phí sản xuất của doanh nghiệp,
chi phí sử dụng vốn phải tăng lên, sức mua của ngƣời tiêu dùng sẻ giảm. Ngƣợc lại
nếu lạm phát thấp hay xảy ra giảm phát sẽ làm cho nền kinh tế trì trệ, không phát
triển đƣợc.
Vì vậy, Nhà nƣớc cần có chính sách để kiểm soát lạm phát sát với lạm phát
mục tiêu, nhằm giúp ổn định kinh tế vĩ mô và phát triển nền kinh tế. Để kiểm soát
lạm phát sát với lạm phát mục tiêu, các nhà làm chính sách cần phải biết đƣợc
những yếu tố nào tác động đến lạm phát, dự báo đƣợc lạm phát trong tƣơng lai, từ
đó có những điều chỉnh phù hợp nhằm đạt đƣợc mục tiêu đặt ra.
Nhận thức đƣợc tầm quan trọng của công tác dự báo, đặc biệt là dự báo lạm
phát. Tác giả đã thực hiện đề tài “Nghiên cứu mạng nơ ron nhân tạo và ứng dụng
vào dự báo lạm phát” cho luận văn tốt nghiệp của mình.
Luận văn tốt nghiệp này có bố cục nhƣ sau:
Phần mở đầu
Chƣơng 1: Tổng quan về dự báo
Chƣơng 2: Ứng dụng mạng nơ ron trong dự báo lạm phát kinh tế
Chƣơng 3: Xây dựng ứng dụng dự báo lạm phát sử dụng mô hình mạng nơ
ron
Kết luận và hƣớng phát triển

10


CHƢƠNG 1: TỔNG QUAN VỀ DỰ BÁO
Trong chƣơng này trình bày các khái niệm cơ bản về dự báo, phân loại dự
báo trong kỳ ngắn hạn, dài hạn và tầm quan trọng của dự báo trong phát triển kinh

tế của quốc gia. Trong chƣơng 1 này cũng giới thiệu một số các phƣơng pháp sử
dụng trong dự báo nhƣ mô hình kinh tế lƣợng, mô hình Time Series,...các phƣơng
pháp đánh giá và thử nghiệm trong các bài toán dự báo.
1.1 Giới thiệu
1.1.1 Khái niệm về dự báo
Dự báo đã hình thành từ đầu những năm 60 của thế kỉ 20. Khoa học dự báo
với tƣ cách là 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.
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 cần 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 (Định lƣợng). Tuy nhiên dự báo cũng có thể là một dự đoán
chủ quan hoặc trực giác về tƣơng lai (Định tính) và để dự báo định tính đƣợc chính
xác hơn, ngƣời ta cố loại trừ những tính chủ quan của ngƣời dự báo[1].
Định nghĩa 1.1 [Dự báo]:
Dự báo là sự tiên đoán có căn cứ khoa học, mang tính chất xác suất về mức
độ, nội dung, các mối quan hệ, trạng thái, xu hướng phát triển của đối tượng
nghiên cứu hoặc về cách thức và thời hạn đạt được các mục tiêu nhất định đã đề ra
trong tương lai[7].
Tiên đoán đƣợc coi là một hình thức phản ánh vƣợt trƣớc về thời gian hiện
thực khách quan, đó là kết quả nhận thức chủ quan của con ngƣời dựa trên cơ sở
nhận thức quy luật khách quan trong sự vận động và phát triển của sự vật và hiện
tƣợng. Tiên đoán gồm 03 loại khác nhau: tiên đoán có căn cứ khoa học, tiên đoán
không khoa học và tiên đoán dựa trên kinh nghiệm.

11


Do nó chỉ là một tuyên bố về tƣơng lai, bất cứ điều gì đều có thể dự báo ví

dụ tỷ lệ lạm phát giá tiêu dùng, thời tiết ngày mai hoặc của tháng tiếp theo, mức
tăng trung bình của mực nƣớc biển vào cuối thiên niên kỷ thứ ba, dân số của trái đất
vào 10 năm tới hay giá trị của chỉ số Dow Jones tại bắt đầu năm 2010. Các kết quả
dự báo đƣợc coi là hữu ích trong việc xem xét để ra quyết định với sai số có thể
chấp nhận đƣợc.
1.1.2 Dự báo kinh tế
Tƣơng lai của kinh tế, sẽ đƣợc quyết định bởi hành vi của con ngƣời trong
tƣơng lai. Nó có thể đƣa ra những gợi ý cho việc ra quyết định trong tƣơng lai của
các nhà kinh tế, các nhà đầu tƣ, hay Chính phủ của quốc gia. Dự báo kinh tế ngày
càng đƣợc Chính phủ các nƣớc coi trọng và coi nhƣ là một lĩnh vực giúp cho sự
phát triển của nền kinh tế đất nƣớc. Nhờ có dự báo, nhiều những hoạt động kinh tế
tránh đƣợc rủi ro đánh kể. Ví dụ, dự báo năm 1987 hoạt động kinh tế tại Hoa Kỳ khi
các nhà phân tích tiên đoán chính xác rằng giá trị trao đổi của đồng USD sẽ giảm
mạnh trong năm, chi tiêu tiêu dùng sẽ chậm lại, và rằng lãi suất sẽ tăng vừa phải.
Dựa vào những tiên đoán đó, mà Chính phủ có thể vận hành hoặc điều tiết nền kinh
tế theo một chiều hƣớng tốt hơn [9].
Định nghĩa 1.2 [Dự báo kinh tế]
Dự báo kinh tế là quá trình dự đoán trước về một sự kiện xảy ra đối với nền
kinh tế có thể là toàn bộ hoặc một phần. Dự báo kinh tế thường sử dụng dựa trên
khoa học hoặc kinh nghiệm.
Dự báo kinh tế có thể đƣợc thực hiện rất chi tiết hoặc có thể là rất chung
chung. Trong mọi trƣờng hợp, dự báo giúp con ngƣời mô tả các hành vi tƣơng lai
dự kiến của tất cả hoặc một phần của nền kinh tế và giúp hình thành cơ sở của quy
hoạch. Dự báo kinh tế xuất phát từ mô hình - thƣờng là của nền kinh tế quốc gia hay
của toàn bộ thế giới, nhƣng đôi khi các bộ phận của nền kinh tế: đặc biệt là lĩnh vực
công nghiệp, các khu vực trên thế giới, hoặc thậm chí các sản phẩm đơn lẻ hoặc các
công ty, phƣơng pháp tiếp cận cơ bản để dự báo chỉ đơn giản là suy luận quá khứ;

12

Lúc này, mô hình phức tạp thƣờng hơn dựa trên phân tích đƣợc dữ liệu từ quá khứ
và sử dụng chúng trong dự báo. Vì thế, khi suy luận cần đòi hỏi kiến thức về lịch sử
kinh tế và các nguyên tắc kinh tế, mặc dù, thậm chí sau đó, dự báo là do không có
nghĩa là một con số chính xác, tuy nhiên, nó có thể là căn cứ đƣa ra những quyết
định lớn về kinh tế để giảm thiểu những thiệt hại xảy ra với toàn bộ hoặc một phần
của nền kinh tế, thậm chí đối với các doanh nghiệp[9].
Nhiều nhà kinh tế cho rằng những thay đổi trong cung tiền xác định tỷ lệ
tăng trƣởng của hoạt động kinh doanh nói chung. Những ngƣời khác đóng vai trò
trung tâm để đầu tƣ vào cơ sở mới nhà ở, nhà máy công nghiệp, đƣờng cao tốc, và
vv. Tại Hoa Kỳ, nơi mà ngƣời tiêu dùng chiếm một phần lớn trong hoạt động kinh
tế, một số nhà kinh tế cho rằng quyết định của ngƣời tiêu dùng để đầu tƣ hoặc lƣu
cung cấp các manh mối chính cho các sự kiện tƣơng lai của toàn bộ nền kinh tế.
Đối với doanh nghiệp sản xuất kinh doanh, họ cần đƣợc biết hoặc tiên
nghiệm đƣợc những sự kiện sắp xảy ra đối với nền kinh tế vĩ mô, từ đó họ có thể có
những hoạt động phù hợp nhằm thúc đẩy hoặc phòng ngừa những rủi ro xảy ra.
Thiệt hại của doanh nghiệp cũng chính là thiệt hại của nền kinh tế, nó làm suy giảm
GDP của một đất nƣớc. Bởi thế, những nhà đầu tƣ muốn có một công cụ, phƣơng
pháp đánh giá sự phát triển kinh tế của một quốc gia, một vùng hoặc một nhóm
ngành có thể có những quyết định dựa trên những diễn biến kinh tế mới nhất
[7],[10].
1.1.2.1 Phân loại dự báo kinh tế
Tùy theo mục đích, hình thức mà dự báo kinh tế đƣợc phân loại khác nhau
[9], [10].
- Theo quy mô: dự báo kinh tế có thể phân loại thành dự báo vĩ mô và dự báo
vi mô.
+ Dự báo vĩ mô đƣợc xem nhƣ dự báo có liên quan đối với toàn bộ nền kinh
tế. Nó đƣợc đo bằng chỉ số của sản xuất công nghiệp, thu nhập quốc dân hoặc chi

13

tiêu. Ví dụ: dự báo lạm phát, dự báo xu hƣớng xuất nhập khẩu, dự báo GNI quốc
gia,...
+ Dự báo vi mô thƣờng tập trung trong doanh nghiệp, ví dụ dự báo xu hƣớng
của ngƣời tiêu dùng trong tháng tới để các doanh nghiệp có thể dễ dàng nắm bắt
đƣợc nhu cầu và thị hƣớng của ngƣời tiêu dùng để cung cấp dịch vụ thích hợp.
- Theo thời hạn: dự báo đƣợc phân loại thành dự báo ngắn hạn hoặc dự báo
dài hạn.
+ Dự báo ngắn hạn: trong một dự báo ngắn hạn, mô hình theo mùa đƣợc xem
là quan trọng nhất. Nó có thể bao gồm một khoảng thời gian ba tháng, sáu tháng
hoặc một năm. Nó có chu kỳ theo mùa vụ.
+ Dự báo dài hạn: hữu ích trong việc lập kế hoạch. Nó cung cấp thông tin
cho các quyết định chiến lƣợc quan trọng. Nó giúp tiết kiệm lãng phí về vật liệu,
nhân lực, thời gian và năng lực.
1.1.2.2 Mô hình bài toán dự báo kinh tế
Dự báo là một trong những yếu tố cần thiết để lập kế hoạch, cho dù dự báo vi
mô, hoặc vĩ mô. Mô hình một bài toán dự báo đƣợc mô tả nhƣ hình dƣới đây [9].

14


Hình 1.1: Mô hình một bài toán dự báo
Mô hình dự báo trong hình trên bao gồm 2 pha:
- Xây dựng mô hình (model building):
+ Dữ liệu quá khứ: chi phí cho thu thập dữ liệu thƣờng đƣợc coi là "đắt". Dữ
liệu phải đảm bảo độ tin cậy mới có thể tạo ra một kết quả và chứng minh độ chính
xác của mô hình đã xây dựng. Mỗi một mô hình dự báo cần thiết có sự đánh giá của
con ngƣời.
+ Đặc tả mô hình: đây là quá trình xác định các biến sử dụng trong khi xây

dựng mô hình.
+ Ƣớc lƣợng mô hình: ƣớc lƣợng các hệ số của mô hình.
+ Kiểm tra sự phù hợp của mô hình: kiểm tra sự phù hợp của mô hình và dữ
liệu nhập vào.
- Dự báo:
+ Dữ liệu kiểm tra: là dữ liệu cần quan sát kết quả.

15


+ Dự báo: sinh ra dự báo dựa trên mô hình đã xây dựng ở pha 1 và dữ liệu
cần sinh ra dự báo.
+ Tính ổn định: mô hình đƣa ra kết quả có sai số nhiều so với chuyên gia dự
báo hay không?
1.1.2.3 Một số mô hình dự báo
Có một số các mô hình dự báo nhƣ sau:
- Mô hình dự báo cơ bản:
Mô hình dự báo cơ bản bao gồm: một số yếu tố đầu vào (dữ liệu) và giả định
mô hình. Một dự báo đƣợc tạo ra một số biến. Trong ví dụ của dự báo bán hàng,
đầu vào có thể là số lƣợng ngƣời bán hàng, các giả định có thể bao gồm năng suất
và số giờ làm việc, dự báo là kỳ vọng số doanh thu dự kiến cho các yếu tố đầu vào
và giả định. Với mỗi dự báo, quan trọng là để quản lý quá trình thông qua sự so
sánh của các biến liên quan để dự báo và sau đó làm việc trở lại thông qua các mô
hình để giải thích lý do.
Dữ liệu
đầu vào

Mô hình
dự báo

Dự báo

Giả thiết
Hình 1.2: Mô hình dự báo cơ bản
- Mô hình dự báo nhân quả:
Mô hình dự báo nhân quả sử dụng một số đầu vào cụ thể để dự báo một số
đối tƣợng khác. Ví dụ, có thể xây dựng một mô hình nhân quả để dự báo doanh thu
(sản lƣợng) dựa trên số lƣợng ngƣời bán hàng (một đầu vào). Đây là loại mô hình
đƣợc thể hiện trong sơ đồ trên.

16


Giá trị
thực tế
Quản lý lặp

Dữ liệu
đầu vào

Phản hồi

Độ lệch

Mô hình
dự báo

Kết quả
dự báo

Giả thiết

Hình 1.3: Mô hình dự báo nhân quả
- Mô hình dự báo xu hướng:
Mô hình dự báo xu hƣớng hay mô hình suy luận tƣơng lai là phƣơng pháp bổ
sung thêm trên biểu đồ xu hƣớng trong tƣơng lai thông qua việc xem xét các chu kỳ
trong quá khứ và mở rộng nó. Phƣơng pháp này đƣợc sử dụng theo mùa, chu kỳ.
Mô hình này dự báo một cái gì đó bằng cách nhìn vào các giá trị trƣớc của phần tử
đó. Trong một mô hình dự báo xu hƣớng, dự báo doanh số bán hàng sẽ đƣợc dựa
trên các giá trị trƣớc của bán hàng, và xu hƣớng sử dụng, tính thời vụ, vv để phát
triển một dự báo.

17


Dự báo xu hƣớng

Giá trị
thực tế

Quản lý lặp

Dữ liệu
đầu vào

Phản hồi

Độ lệch

Mô hình

dự báo

Kết quả
dự báo

Giả thiết

Hình 1.4 Mô hình dự báo theo xu hƣớng
1. 2 Các phƣơng pháp sử dụng trong dự báo kinh tế
1.2.1 Dự báo kinh tế sử dụng mô hình kinh tế lƣợng
Mô hình kinh tế lƣợng là một trong những công cụ kinh tế sử dụng để dự báo
sự phát triển tƣơng lai của nền kinh tế. Nói một cách đơn giản, kinh tế thông thƣờng
đo lƣờng mối quan hệ giữa các biến trong quá khứ nhƣ chi tiêu của ngƣời tiêu dùng,
thu nhập hộ gia đình, mức thuế suất, lãi suất, việc làm, và sau đó dự báo những thay
đổi trong một số biến sẽ ảnh hƣởng đến tƣơng lai.
Ví dụ 1.1: Ảnh hƣởng của lƣơng đến chi tiêu trong gia đình
Payment forHousehold Purchases (USD)
(4) Households
Purchase

Cars, Clothing,...

Output (3)

Output

Business
Films

Households

Labor Services (1)

Wages & Salaries (USD) (2)

Hình 1.5: Mô hình lƣơng và chi tiêu trong gia đình.

18


Hình 1.5 trên mô tả các chi phí trong gia đình liên quan và ảnh hƣởng tới thu
nhập. Ở bảng 1.1 dƣới đây mô tả sự thay đổi giữa thu nhập và tiêu dùng trong gia
đình về đồ dùng cá nhân nhƣ giày dép, quần áo...
Bảng 1.1: Tỉ lệ phần trăm thu nhập và tiêu dùng thời trang

Từ mối quan hệ giữa những dữ liệu trên cho thấy, ngƣời Mỹ chi tiêu nhiều
hơn vào quần áo và giày thu nhập hộ gia đình của họ cao hơn, nhƣng họ dành ít
nhất 100 tỷ $ mỗi năm. Và dự báo khá chính xác khi tổng số đó sẽ đƣợc chi tiêu là:
100 $ tỷ cộng thêm 2,65 phần trăm thu nhập hộ gia đình. Ở dạng phƣơng trình, điều
này đƣợc thể hiện bằng C = 100 + 0265W. Sử dụng dữ liệu để xác định hoặc ƣớc
tính tất cả các giá trị tham số trong mô hình là bƣớc quan trọng có thể biến các mô
hình kinh tế toán học thành một mô hình kinh tế lƣợng.
Kinh tế lƣợng là việc áp dụng các phƣơng pháp thống kê số liệu kinh tế và
đƣợc mô tả nhƣ những nhánh của kinh tế nhằm đƣa ra nội dung thực nghiệm để
quan hệ kinh tế. Chính xác hơn, đó là "sự phân tích định lƣợng của các hiện tƣợng
kinh tế thực tế dựa trên sự phát triển đồng thời của các lý thuyết và quan sát, liên
quan bằng các phƣơng pháp thích hợp của suy luận. Kinh tế lƣợng ứng dụng sử
dụng kinh tế lƣợng lý thuyết và số liệu thực tế để đánh giá các lý thuyết kinh tế,
phát triển mô hình kinh tế, phân tích lịch sử kinh tế, và dự báo".
Dự báo từ một mô hình tuyến tính đơn giản có thể dễ dàng thu đƣợc bằng
cách sử dụng phƣơng trình







y   0  1 x

19

(1-1)


Trong đó x là biến độc lập và y là biến phụ thuộc. Hay nói các khác, x là các
yếu tố liên quan tới dự báo, y là giá trị của dự báo tƣơng ứng với các nhân tố x [9].
1.2.1.1 Mô hình hồi quy
Z. Ismail và các cộng sự đã sử dụng mô hình hồi quy bội (multiple linear
regression) để dự báo giá vàng tại Malaysia. Trong nghiên cứu này, họ sử dụng các
yếu tố kinh tế nhƣ lạm phát, biến động giá tiền tệ và những ngƣời khác. Sau sự
giảm giá của đồng đô la Mỹ, nhà đầu tƣ đổ tiền vào vàng bởi vì vàng đóng một vai
trò quan trọng nhƣ một mục đầu tƣ ổn định. Do sự gia tăng nhu cầu đối với vàng
trong Malaysia và các quốc gia khác trên thế giới. Họ cũng nhận thấy rằng có thể
phát triển một mô hình phản ánh cấu trúc và của thị trƣờng vàng và chuyển động dự
báo giá vàng. Các cách tiếp cận phù hợp nhất là mô hình hồi quy bội MLR để
nghiên cứu về mối quan hệ giữa một biến duy nhất phụ thuộc và một hoặc nhiều
hơn một các biến độc lập, nhƣ trƣờng hợp này với giá vàng là biến phụ thuộc duy
nhất. Một mô hình đơn giản gọi là "dự báo-1" đã đƣợc coi là một mô hình chuẩn để
đánh giá hiệu quả của mô hình [3], [5].
Tetyana Kuzhda đã đề xuất mô hình dự báo bán lẻ dựa trên mô hình hồi quy
bội. Họ cho rằng, môi trƣờng bán lẻ gần đây có sự thay đổi, sự thay đổi này đƣợc

gây ra bởi chi phí thu nhập và quảng cáo. Mô hình của họ đƣợc xây dựng dựa trên
các tác nhân ảnh hƣởng (stage) bao gồm: ảnh hƣởng kinh tế mức vĩ mô (lạm phát,
cung cầu, tỉ giá hối đoái, chi tiêu Chính phủ, xuất nhập khẩu,...), yếu tố giải thích
thay đổi trong kinh tế xã hội (doanh số bán lẻ, chi phí quảng cáo,...). Từ đó họ xây
dựng mô hình bằng cách thu thập những dữ liệu của những tác nhân trên và xây
dựng hàm toán học giải quyết vấn đề dự báo bán lẻ [12].
Vincenzo Bianco và các cộng sự dự báo về mức tiêu thụ điện tại Italy sử
dụng mô hình hồi quy tuyến tính. Họ cho rằng những ảnh hƣởng các biến số kinh tế
và nhân khẩu học về tiêu thụ điện hàng năm ở Ý có thể là nhân tố tác động lên mức
tiêu thụ điện. Họ đƣa ra khoảng thời gian xem xét các dữ liệu lịch sử đƣợc từ năm
1970 đến năm 2007. Mô hình hồi quy đƣợc xây dựng dựa trên các tham số: lịch sử
sử dụng tiêu thụ điện, tổng sản phẩm trong nƣớc (GDP), tổng thu nhập bình quân

20


đầu ngƣời (GDP bình quân đầu ngƣời) và một phần dân số. Trong phần thực
nghiệm, họ có so sánh đánh giá với dự báo quốc gia dựa trên mô hình phức tạp hơn
cho thấy tỉ lệ sai số là nhỏ với độ lệch chỉ +-1%.
1.2.1.2 Mô hình chuỗi thời gian
Gurudeo Anand Tularam đã đề xuất phƣơng pháp dự báo giá dầu dựa trên mô hình
chuỗi thời gian, họ chứng minh rằng những dữ liệu về giá xăng dầu trong quá khứ ảnh
hƣởng tới giá dầu trong tƣơng lai. Trong bài báo của họ cũng thực hiện việc đánh giá độ
chính xác của mô hình với giá dầu thực. Ba loại mô hình đơn biến đƣợc sử dụng: làm min
số mũ (ES), Holt – Winters (HW), tự hồi quy trung bình trƣợt (ARIMA). Kết quả dự báo
với độ chính xác 95% khi dự báo giá dầu thô West Texas Intermediate [5].

Hình 1.6: Kết quả thử nghiệm với mô hình HW

Hình 1.7: Kết quả thử nghiệm với mô hình ARIMA

21


Wen-Hua Cui và các cộng sự trong năm 2014 đã thực hiện công việc dự báo
về dòng tiền trong ngân hàng nhằm mục đích tăng cƣờng thông tin giữa dòng tiền
kinh doanh và quỹ. Đầu tiên họ dùng phƣơng pháp trung bình trƣợt, tiếp theo làm
mịn số mũ để dự đoán. Hai phƣơng pháp này đều kết hợp với chuỗi thời gian trong
dự báo dòng tiền. Kết quả thực nghiệm đƣợc thực hiện với dòng tiền thực trong
khoảng thời gian quý 1 năm 2011 và 2012 cho thấy rằng, phƣơng pháp của họ đề
xuất có độ chính xác khá cao [3].
1.2.2 Dự báo kinh tế bằng cách tiếp cận mô hình học máy
1.2.2.1 Khái niệm
Học máy (Machine Learning) là một ngành khoa học nghiên cứu các thuật
toán cho phép máy tính có thể học đƣợc các khái niệm (concept).
Định nghĩa 1.3 [Máy học( Machine Learning )]: Máy học là một chương trình
máy tính có khả năng học hỏi kinh nghiệm đối với một tập dữ liệu trong quá khứ để
thực hiện một số nhiệm vụ và cải thiện hiệu quả của nó tại một số nhiệm vụ này.
Các ngành khoa học liên quan:
- Lý thuyết thống kê: các kết quả trong xác suất thống kê là tiền đề cho rất
nhiều phƣơng pháp học máy. Đặc biệt, lý thuyết thống kê cho phép ƣớc lƣợng sai số
của các phƣơng pháp học máy.
- Các phƣơng pháp tính: các thuật toán học máy thƣờng sử dụng các tính
toán số thực/số nguyên trên dữ liệu rất lớn. Trong đó, các bài toán nhƣ: tối ƣu
có/không ràng buộc, giải phƣơng trình tuyến tính v.v… đƣợc sử dụng rất phổ biến.
- Khoa học máy tính: là cơ sở để thiết kế các thuật toán, đồng thời đánh giá
thời gian chạy, bộ nhớ của các thuật toán học máy.
- Các nhóm giải thuật học máy:
+ Học có giám sát: máy tính đƣợc xem một số mẫu gồm đầu vào (input) và
đầu ra (output) tƣơng ứng trƣớc. Sau khi học xong các mẫu này, máy tính quan sát

một đầu vào mới và cho ra kết quả.
+ Học không giám sát: là một phƣơng pháp học để tìm ra mô hình phù hợp

22


với các quan sát. Nó khác với học có giám sát là đầu ra tƣơng ứng cho mỗi đầu vào
là không biết trƣớc, xem các đối tƣợng đầu vào nhƣ một tập các biến ngẫu nhiên,
sau đó nó phải tự tìm cách phân loại các mẫu này.
+ Học nửa giám sát: một dạng lai giữa hai nhóm giải thuật trên.
+ Học tăng cƣờng: máy tính đƣa ra quyết định hành động (action) và nhận
kết quả phản hồi (response/reward) từ môi trƣờng (environment). Sau đó máy tính
tìm cách chỉnh sửa cách ra quyết định hành động của mình
- Ứng dụng của học máy: học máy có ứng dụng rộng khắp trong các ngành
khoa học/sản xuất, đặc biệt những ngành cần phân tích khối lƣợng dữ liệu khổng lồ.
+ Xử lý ngôn ngữ tự nhiên (Natural Language Processing): xử lý văn bản,
giao tiếp ngƣời – máy, …
+ Nhận dạng (Pattern Recognition): nhận dạng tiếng nói, chữ viết tay, vân
tay, thị giác máy (Computer Vision), …
+ Tìm kiếm (Search Engine)
+ Chẩn đoán trong y tế: phân tích ảnh X-quang, các hệ chuyên gia chẩn đoán
tự động.
+ Tin sinh học: phân loại chuỗi gene, quá trình hình thành gene/protein
+ Vật lý: phân tích ảnh thiên văn, tác động giữa các hạt …
+ Phát hiện gian lận tài chính (financial fraud): gian lận thẻ tín dụng
+ Phân tích thị trƣờng chứng khoán (stock market analysis)
1.2.2.2 Mô hình dự báo dựa trên học máy
Học máy sử dụng thuật toán học từ dữ liệu. Các thuật toán có thể bao gồm
các mạng nhân tạo nơ ron, học sâu, luật kết hợp, cây quyết định, học tăng cƣờng và
mạng Bayes. Sự đa dạng của các thuật toán khác nhau cung cấp một loạt các lựa

chọn cho việc giải quyết vấn đề, và mỗi thuật toán sẽ có những yêu cầu và cân bằng
khác nhau về các yêu cầu đầu vào dữ liệu, tốc độ của hiệu suất và độ chính xác của
kết quả. Độ chính xác của các dự đoán cuối cùng sẽ đƣợc cân nhắc khi quyết định
thuật toán sẽ làm việc phù hợp nhất.
Học máy có thể thay thế đƣợc các kỹ thuật theo chuỗi thời gian. Các mạng

23


nơ ron là một trong những kỹ thuật đã đƣợc nghiên cứu khá rộng rãi, và thƣờng
đƣợc thể hiện tốt hơn các cách tiếp cận chuỗi thời gian. Kỹ thuật máy học cũng xuất
hiện trong cuộc thi về khai thác dữ liệu và dữ liệu chuỗi dựa trên thời gian. Những
phƣơng pháp đã đƣợc chứng minh để thực hiện tốt hơn các phƣơng pháp chuỗi thời
gian.

Pha huấn luyện

Huấn luyện
Nhãn
Máy học
Véc tơ đặc trƣng

Pha dự báo
Mô hình
dự báo

Nhãn

Véc tơ đặc trƣng

Hình 1.8: Dự báo dựa trên mô hình học máy
1.2.2.3 Mạng nơ ron
Lingling Li và các cộng sự năm 2009 đã đề xuất mô hình mạng nơ ron kết
hợp với chuỗi thời gian để dự báo năng lƣợng gió tại các trang trại điện gió (win
farm). Do đặc tính của gió là đặc tính ngẫu nhiên (random), động (dynamic) và
dung lƣợng lớn, rất khó khăn khi kết hợp với hệ thống điện. Bởi thế họ đã sử dụng
mô hình thời gian ARMA(p,q) dự báo tốc độ gió và áp suất khí quyển và kết hợp
mô hình mạng nơ ron RBF để dự báo năng lƣợng gió. Thực nghiệm họ sử dụng áp
suất khí quyển và tốc độ gió là giá trị đầu vào cho kết quả dự báo đầu ra có thể áp
dụng đƣợc trong thực tế khi sai số dự báo là khá nhỏ [8].

24