DSpace at VNU: Một số mô hình dự báo và áp dụng vào ngành điện
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (377.38 KB, 14 trang )
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ
Đỗ Văn Bình
MỘT SỐ MÔ HÌNH DỰ BÁO
VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN
LUẬN VĂN THẠC SĨ
Hà Nội - 2007
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ
Đỗ Văn Bình
MỘT SỐ MÔ HÌNH DỰ BÁO
VÀ ÁP DỤNG VÀO NGÀNH ĐIỆN
Ngành: Công Nghệ Thông Tin
Chuyên ngành: Công Nghệ Thông Tin
Mã số: 1.01.10
LUẬN VĂN THẠC SĨ
NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS Đỗ Trung Tuấn
Hà Nội - 2007
LỜI CẢM ƠN
Trước khi đi vào nội dung chính của khoá luận, học viên xin bày tỏ lòng biết ơn tới Khoa
Công nghệ Thông tin – Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội, nơi đã tạo
mọi điều kiện thuận lợi cho quá trình học tập và thực hiện khoá luận của học viên.
Học viên xin được bày tỏ lòng biết ơn và lời cảm ơn tới PGS.TS. Đỗ Trung Tuấn, người
thầy đã hướng dẫn và nhiệt tình giúp đỡ học viên trong quá trình thực hiện luận văn.
Cảm ơn tới các thầy giáo trong ban chủ nhiệm Khoa Công nghệ đã tạo điều kiện thuận
lợi, giúp đỡ học viên để khoá luận tốt nghiệp được hoàn thành, cảm ơn tới các bạn bè, những
người đã động viên giúp đỡ học viên hoàn thành khoá luận tốt nghiệp.
Mặc dù học viên đã cố gắng thực hiện luận văn với tất cả sự nổ lực của bản thân nhưng
chắc hẳn sẽ còn nhiều thiếu sót và hạn chế. Kính mong quý thầy cô, các bạn bè, đồng nghiệp
thông cảm và tận tình chỉ bảo để có thể có được một kết quả hoàn chỉnh hơn khi tiếp cận vấn
đề này ở những chặng đường nghiên cứu tiếp theo.
Xin cảm ơn!
Học viên thực hiện
Đỗ Văn Bình
MỤC LỤC
LỜI CẢM ƠN ....................................................................................................................... 3
MỤC LỤC............................................................................................................................. 3
MỞ ĐẦU ............................................................................................................................... 8
Chƣơng 1............................................................................................................................... 9
CÁC PHƢƠNG PHÁP DỰ BÁO NHU CẦU .................................................................... 9
1.1. Giới thiệu .................................................................................................................... 9
1.2. Các phương pháp dự báo .......................................................................................... 9
1.2.1. Các phương pháp dự báo dựa vào sự phán đoán (Methods Based on Judgment) 10
1.2.2. Các phương pháp yêu cầu thông tin định lượngError! Bookmark not defined.
1.3. Lựa chọn phương pháp (Selecting methods) .............. Error! Bookmark not defined.
1.3.1. Chọn một phương pháp dựa vào dấu hiệu (Choosing a method based on evidence)
Error! Bookmark not defined.
1.3.2. Kết hợp các dự báo (Combining forecasts)Error! Bookmark not defined.
1.4. Sự không chắc chắn (uncertainty) .............................. Error! Bookmark not defined.
1.4.1. Sự không chắc chắn trong dự báo bằng phán đoánError! Bookmark not defined.
1.4.2. Sự không chắc chắn trong các dự báo bằng phương pháp định lượngError!
Bookmark not defined.
1.5. Đạt được sự chấp nhận của dự báo ............................ Error! Bookmark not defined.
Chƣơng 2................................................................................. Error! Bookmark not defined.
CHUỖI THỜI GIAN VÀ ỨNG DỤNG ............................... Error! Bookmark not defined.
2.1. Chuỗi thời gian, các đại lượng đặc trưng ................... Error! Bookmark not defined.
2.1.1. Định nghĩa chuỗi thời gian ......................Error! Bookmark not defined.
2.1.2. Dự báo chuỗi thời gian ............................Error! Bookmark not defined.
2.1.3.Các đại lượng đặc trưng của chuỗi thời gianError! Bookmark not defined.
2.2. Một số mô hình dự báo giản đơn ................................ Error! Bookmark not defined.
2.2.1. Mô hình nhân ...........................................Error! Bookmark not defined.
2.2.2. Mô hình cộng ...........................................Error! Bookmark not defined.
2.3. Mô hình ARIMA thường ............................................. Error! Bookmark not defined.
2.3.1. Toán tử trễ ................................................Error! Bookmark not defined.
2.3.2. Chuỗi thời gian dừng ...............................Error! Bookmark not defined.
2.3.3. Quá trình tuyến tính .................................Error! Bookmark not defined.
2.3.4. Quá trình tự hồi qui - AR(p) ....................Error! Bookmark not defined.
2.3.5. Quá trình trung bình trượt – MA(q) .........Error! Bookmark not defined.
2.3.6. Quá trình trung bình trượt tự hồi qui ARMA(p,q)Error! Bookmark not defined.
2.3.7. Mô hình tích hợp trung bình trượt tự hồi qui ARIMA(p,d,q)Error! Bookmark
not defined.
2.3.8. Qui trình xây dựng mô hình ARIMA (p, d, q)Error! Bookmark not defined.
2.3.9. Nguyên tắc tằn tiện ..................................Error! Bookmark not defined.
2.4. Mô hình ARIMA theo mùa vụ ..................................... Error! Bookmark not defined.
2.4.1.Chuỗi mùa vụ ............................................Error! Bookmark not defined.
2.4.2. Biến đổi chuỗi mùa vụ thành chuỗi dừng Error! Bookmark not defined.
2.4.3.Mô hình tích hợp trung bình trượt tự hồi qui theo mùa vụ ARIMA(p,d,q)x(P,D,Q)s
............................................................................Error! Bookmark not defined.
2.5. Ứng dụng mô hình ARIMA theo mùa vụ ................... Error! Bookmark not defined.
Chƣơng 3................................................................................. Error! Bookmark not defined.
NHU CẦU SỬ DỤNG ĐIỆN NĂNG VÀ HƢỚNG ÁP DỤNG MÔ HÌNH NHIỀU BIẾN
.................................................................................................. Error! Bookmark not defined.
3.1. Giới thiệu về nhu cầu sử dụng điện ............................ Error! Bookmark not defined.
3.2. Các yếu tố ảnh hưởng nhu cầu điện năng và các nguồn dữ liệuError! Bookmark not
defined.
3.2.1. Các yếu tố ảnh hưởng đến nhu cầu điện năngError! Bookmark not defined.
3.2.2. Mô hình dự báo và dữ liệu .......................Error! Bookmark not defined.
3.3. Các sự kiện gây ảnh hưởng nhu cầu điện năng trong thời gian ngắn và trung
bình…………………… .................................................... Error! Bookmark not defined.
3.3.1. Sự khuyến khích tài chính .......................Error! Bookmark not defined.
3.3.2. Giảm thuế quan ........................................Error! Bookmark not defined.
3.3.3. Nhu cầu nhà ở và điện khí hóa ................Error! Bookmark not defined.
3.3.4. Cơ cấu lại ngành điện và thị trường điện cạnh tranhError! Bookmark not
defined.
KẾT LUẬN ............................................................................. Error! Bookmark not defined.
TÀI LIỆU THAM KHẢO ................................................................................................. 13
DANH SÁCH CÁC HÌNH VẼ
Hình 1: Cây phân loại các phương pháp dự báo............................................................8
Hình 2: Cây lựa chọn các phương pháp dự báo……………………………………....18
Hình 3: Mô tả đồ thị dự báo theo mô hình nhân và mô hình cộng…………….……..27
Hình 4: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý)………………..28
Hình 5: So sánh giữa đồ thị điện thương phẩm dự báo theo mô hình cộng với số liệu thực
tế…………………………………………………………………………………36
Hình 6: So sánh giữa đồ thị điện thương phẩm dự báo theo mô hình nhân với số liệu thực
tế…………………………………………………………………………………37
Hình 7: Đồ thị chuỗi số liệu điện thương phẩm Việt Nam (theo quý) sau khi sử dụng hàm
biến đổi log...…………………...………………………………………………..69
Hình 8: ACF và PACF của chuỗi DTP_Log sử dụng phần mềm Eviews…………....70
Hình 9: Kiểm định DF của chuỗi DTP_Log sử dụng phần mềm Eviews…………....71
Hình 10: ACF và PACF của chuỗi DTP1 sử dụng phần mềm Eviews……………....72
Hình 11: ACF và PACF của chuỗi DTP2 sử dụng phần mềm Eviews…………........73
Hình 12: Kiểm định DF của chuỗi DTP2 sử dụng phần mềm Eviews………............74
Hình 13: Đồ thị chuỗi số liệu DTP2……………………………………...…………..74
Hình 14: Ước lượng mô hình sử dụng phương pháp bình phương nhỏ nhất bằng phần mềm
Eviews………………………………………………………………..................75
Hình 15: ACF và PACF của chuỗi phần dư - sử dụng phần mềm Eviews………..…77
Hình 16: Đồ thị chuỗi dự báo DTP2…………………………………………….........78
Hình 17: Đồ thị chuỗi dự báo so với đồ thị của chuỗi số liệu thực…………….…..…80
DANH SÁCH CÁC TỪ VIẾT TẮT
Từ viết tắt
Từ tiếng anh
Diễn giải
1
ACF
Auto Correllation Function
Hàm tự tương quan mẫu
2
ADF
Argumented Dickey-Fuller
Kiểm định DF
3
AIC/SIC
Akaike Information Criteria, Schwarz
Information Criteria
Tiêu chuẩn thông tin AIC/SIC
4
APE
Absolute Percent Error
Sai số phần trăm tuyệt đối
5
AR
AutoRegression
Tự hồi quy
6
ARIMA
AutoRegressive Integrated Moving
Average
Tích hợp trung bình trượt tự hồi quy
7
ARMA
AutoRegressive Moving Average
Trung bình trượt tự hồi quy
8
MA
Moving Average
Trung bình trượt
9
MSE
mean square error
Sai số bình phương trung bình
10
OLS
Optimize Least Squares
Phương pháp bình phương nhỏ nhất
11
PACF
Partial Auto Correllation Function
Hàm tự tương quan từng phần
RBF
Rule-based forecasting
Dự báo dựa trên quy luật
13
SAR
Seasonal AutoRegressive
Tự hồi quy theo mùa vụ
14
SARIMA
Seasonal AutoRegressive Integrated
Moving Average
Tích hợp trung bình trượt tự hồi quy
theo mùa vụ
15
SMA
Seasonal Moving Average
Trung bình trượt theo mùa vụ
STT
12
MỞ ĐẦU
Các bài toán về dự báo thường xuất hiện nhiều trong các lĩnh vực: Kinh tế, lập kế hoạch
sản xuất, tài chính, điều tra xã hội…Hầu hết các bài toán dạng này khi được mô hình hoá
thường là những bài có kích thước lớn, phức tạp, có thể áp dụng nhiều mô hình lý thuyết. Do
vậy việc giải các bài toán này đòi hỏi phải lựa chọn mô hình phù hợp và hiệu quả.
Việc dự báo một đại lượng biến thiên nói chung và dự báo nhu cầu nói riêng đóng một
vai trò rất quan trọng trong kinh tế và kỹ thuật. Chúng giúp cho những người ra quyết định,
các nhà doanh nghiệp tiên đoán một cách khoa học xu hướng phát triển trong tương lai của
các nhu cầu, của thị trường, và từ đó người ta có thể hoạch định các chính sách, phương
hướng đầu tư một cách đúng đắn.
Ta lấy ví dụ ở ngành Điện lực. Đó là một ngành công nghiệp dịch vụ có quy mô lớn, sử
dụng các thiết bị đắt tiền, đòi hỏi việc đầu tư cơ sở hạ tầng lớn và liên tục. Vì vậy, để đảm
bảo cho việc sử dụng có hiệu quả các thiết bị và cơ sở vật chất sẽ được đầu tư, cần phải tiến
hành việc dự báo nhu cầu với mức độ càng chính xác càng tốt.
Bài toán dự báo cũng đặc biệt quan trọng trong lĩnh vực Khí tượng - Thủy văn. Việc dự
báo trước được thời tiết như nhiệt độ, nắng mưa, lũ lụt sẽ giúp ích nhiều cho nền kinh tế quốc
dân cũng như phòng tránh được thiệt hại to lớn do thiên nhiên gây ra.
Trong lĩnh vực tài chính, nếu ai biết trước được xu hướng tăng giảm của một loại tiền tệ
hay giá cổ phiếu thì chắc chắn mang lại nhiều lợi ích cho người đó v.v..
Những lĩnh vực có nhu cầu dự báo rất rộng lớn. Có những dự báo mang tính chất định
tính như màu sắc, bản chất con người và có những dự báo mang tính chất định lượng như
lượng mưa, sức gió, mực nước về ở sông hồ, tốc độ phát triển dân số. Song với sự phát triển
của kỹ thuật số, tất cả các tính chất định tính đều có thể lượng hóa. Thí dụ một màu sắc có
thể đồng nhất với chỉ thị màu của nó.
“Dự báo” và “đoán mò” là hai khái niệm khác hẳn nhau. Trong khi “đoán mò” mang tính
chất của công việc của một thầy bói thì dự báo phải căn cứ trên những thông tin có được,
thiết lập các mô hình, các thuật toán để chỉ ra giá trị cần “dự đoán”. Nói cách khác đi, dự báo
là các “dự đoán” mang tính chất khoa học, tiếp cận với các phương pháp khoa học để dự báo
một cách có cơ sở.
Trong khuôn khổ một khoá luận tốt nghiệp học viên không có tham vọng nghiên cứu
toàn diện tất cả các mô hình dự báo, mà chỉ tìm hiểu, so sánh một số mô hình. Đồng thời tập
trung giải bài toán dự báo bằng việc áp dụng mô hình chuỗi thời gian. Hy vọng trong thời
gian tới, lĩnh vực này tiếp tục được nghiên cứu và phát triển để có thể thực sự trở thành một
công cụ ứng dụng có hiệu quả.
Bố cục của luận văn chia làm 3 chương
Chương 1: Các phương pháp dự báo nhu cầu
Chương 2: Chuỗi thời gian và ứng dụng
Chương 3: Nhu cầu sử dụng điện năng và mô hình nhiều biến
Chƣơng 1
CÁC PHƢƠNG PHÁP DỰ BÁO NHU CẦU
1.1. Giới thiệu
Chúng ta phải nhìn vào thực tế để xác định các phương pháp, xem phương pháp nào có
ích cho việc dự báo nhu cầu trong những tình huống khác nhau và để cảnh báo không nên sử
dụng phương pháp nào. Nhìn chung, nên sử dụng các phương pháp đã thiết kế, tránh tư
tưởng trực quan, các hội nghị không trọng tâm và sự khai thác thông tin. Trong nhiều tình
huống mà ở đó có đủ thông tin, sử dụng các phương pháp định lượng bao gồm phép ngoại
suy, dự báo dựa trên quy luật và phương pháp quan hệ nhân quả. Kiến thức quản lí của một
nhà quản lí cần phải được tổng hợp trong việc dự báo thống kê. Các phương pháp dự báo kết
hợp, trong đó có phương pháp Delphi và thị trường dự báo, cải thiện được tính chính xác.
Các nhà nghiên cứu thị trường coi việc dự báo là một yếu tố quan trọng trong công việc
của mình. Ví dụ: Dalrymple đã khảo sát 134 công ty của Mỹ và thấy rằng có 99% các dự báo
đã được chuẩn bị trong quá trình phát triển chiến lược Marketing của các công ty đó. Có 93%
các công ty được khảo sát chỉ ra rằng việc dự báo doanh số bán hàng là một trong những vấn
đề quan trọng nhất hoặc là một yếu tố rất quan trọng đối với sự thành công của một công ty.
Trong một cuộc khảo sát 353 giám đốc Marketing từ các nhà máy xí nghiệp của Anh, Jobber,
Hooley và Sanderson thấy rằng dự báo doanh số bán hàng là một trong 9 hoạt động phổ biến
nhất mà họ đã thông báo [12].
Chúng ta sẽ thảo luận các phương pháp dự báo nhu cầu. Mọi người thường sử dụng các
thuật ngữ “nhu cầu” và “doanh số bán hàng” là hai thuật ngữ có thể thay đổi cho nhau. Điều
đó cũng hợp lí vì chúng tương đương nhau khi doanh số bán hàng không bị hạn chế bởi cung.
Đôi khi dự báo nhu cầu một cách trực tiếp lại thích hợp hơn. Ví dụ: Một người làm bánh
có thể ngoại suy các dữ liệu về doanh số bán bánh mì trước đây để dự báo nhu cầu trước một
tuần. Khi mà việc dự báo trực tiếp không khả quan hoặc không chắc chắn thì các nhà quản lí
thị trường cần phải dự báo quy mô của một thị trường hoặc một sản phẩm. Họ cũng cần phải
dự báo phản ứng và hành động của những người đưa ra những quyết định quan trọng như các
nhà cạnh tranh, nhà cung cấp, nhà phân phối, chính phủ và bản thân họ - đặc biệt là khi đưa
ra các vấn đề có tính chiến lược. Thực hiện như vậy họ có thể dự báo được tỉ trọng thị
trường. Kết quả dự báo cho phép họ tính toán được nhu cầu.
1.2. Các phương pháp dự báo
Trong phần này sẽ trình bày những giới thiệu ngắn gọn về các phương pháp dự báo và
những ứng dụng của chúng. Mô tả chi tiết được viết trong các cuốn sách dự báo như
Wheelwright và Hyndman (1998).
Các phương pháp dự báo và mối quan hệ giữa chúng được trình bày ở hình 1, bắt đầu
bằng sự phân biệt quan trọng nhất giữa các phương pháp dựa vào sự phán đoán và các
phương pháp đòi hỏi dữ liệu định lượng.
Hình 1: Cây phân loại các phương pháp dự báo
Cây phân loại này có thể phân loại tất cả các loại phương pháp dự báo có thể thành nhiều
loại và chỉ ra chúng quan hệ với nhau như thế nào. Đường gạch đứt thể hiện sự liên hệ có thể
.
1.2.1. Các phương pháp dự báo dựa vào sự phán đoán (Methods Based on Judgment)
1.2.1.1. Sự phán đoán không có cơ sở (Unaided judgment)
Thường thì các chuyên gia sẽ trả lời điều gì sẽ xảy ra, đây là một cách tốt để sử dụng khi
mà:
- Các chuyên gia không có sự thiên vị
- Những biến đổi lớn không chắc chắn xảy ra
- Mối quan hệ được hiểu rõ bởi các chuyên gia
- Các chuyên gia có trong tay những thông tin mật
- Các chuyên gia nhận được những phản hồi chính xác và cô đọng về dự báo
của họ.
Đáng tiếc là sự phán đoán không có cơ sở thường được sử dụng trong khi các điều kiện
nêu trên không có. Ví dụ, Green và Amstrong thấy rằng việc dự báo của các chuyên gia lại
không tốt bằng dự báo của người dân trong các tình huống xung đột. Nếu điều này làm bạn
ngạc nhiên thì bạn nên nghĩ rằng các chương trình tin tức sự kiện mà các nhà sản xuất tạo ra
lại có thể tập hợp được những chuyên gia có khả năng, họ đưa ra dự báo một cách tin cậy về
một tình huống sẽ xảy ra như thế nào.
1.2.1.2. Thị trường dự báo (Prediction markets)
Các thị trường dự báo cũng được xem là các công ty dự báo, thị trường thông tin và các
thị trường dự báo tương lai có lịch sử lâu đời. Giữa thời kì chấm dứt cuộc nội chiến của nước
Mỹ và Chiến tranh thế giới II, thì các các công ty dự báo có tổ chức tốt về bầu cử tổng thống
đã được chọn lọc một cách kỹ lưỡng trong mọi trường hợp trừ năm 1916, và họ cũng thành
công trong việc dự báo các cuộc bầu cử này. Gần đây, trong bốn cuộc bầu cử tổng thống
trước năm 2004 thì Iowa Electronic Market đã thành công trong việc dự báo được người
thắng cử chức tổng thống. Trong tuần diễn ra cuộc bầu cử, các thị trường này đã dự báo số
phiếu của các ứng cử viên hai Đảng Dân chủ và Cộng hoà với mức sai số là 1,5 %.
Mặc dù đã có nhiều nỗ lực kể từ năm 1930 nhưng vẫn chưa có phương pháp nào được
đưa ra để kiểm soát các thị trường khi dự báo giá cả. Tuy nhiên thì có rất ít nguời tin vào điều
này khi họ phải trả tiền để được tư vấn đầu tư.
Một vài tổ chức thương mại đã cung cấp thị trường Internet và phần mềm đã cho phép
người tham gia cá cược thông qua các hợp đồng thương maị. Các nhà tư vấn cũng có thể lập
các thị trường cá cược trong các nhà máy để dự đoán các vấn đề như: Doanh số bán hàng của
một sản phẩm mới. Một vài nghiên cứu chưa được công bố gợi ý là họ có thể đưa ra được
những dự báo về doanh số bán hàng một cách chính xác trong các công ty.
1.2.1.3. Kỹ thuật Delphi (Delphi)
Kỹ thuật Delphi được phát triển tại tập đoàn Rand vào những năm 1950 nhằm thu hút
được các chuyên gia giỏi đồng thời không phải tổ chức các hội nghị nhóm như trước đó (nếu
tổ chức hội nghị thì sẽ tốn thời gian và tiền của).
Để dự báo bằng kỹ thuật Delphi thì nhà quản lí cần tuyển khoảng từ 5 đến 20 chuyên gia
phù hợp và tập hợp những dự báo và lập luận từ họ. Sau đó nhà quản lí sẽ cung cấp các số
liệu dự báo tóm tắt nặc danh và lập luận dự báo của các chuyên gia. Quá trình này được lặp
đi lặp lại cho đến khi có sự thay đổi nhỏ về dự báo giữa các lần- thường thì hai hoặc ba lần là
đủ. Dự báo Delphi là mô hình dự báo cuối cùng của các chuyên gia (có thể truy cập trang
Web: forcastingpriciples.com. để biết thêm Phần mềm hướng dẫn mô hình này).
1.2.1.4. Các phương pháp loại suy có cấu trúc (Structured analogies)
Các kết quả của các tình huống giống nhau từ phương pháp loại suy trước đây có thể giúp
các chuyên gia dự báo kết quả của một tình huống (mục tiêu) mới, ví dụ như sự ra đời của
các sản phẩm mới ở thị trường Mỹ có thể cung cấp những kết quả phân tích về sự ra đời tiếp
theo của các sản phầm đó ở các thị trường khác.
Mọi người thường sử dụng các phương pháp loại suy để dự báo, tuy nhiên thì họ lại
không làm như vậy trong một phương pháp có cấu trúc. Ví dụ họ có thể nghiên cứu một
phương pháp phân tích phù hợp với lập luận của mình hoặc họ có thể dừng việc nghiên cứu
khi đã xác định được phương pháp phân tích dự báo phù hợp. Phương pháp phân tích có cấu
trúc sử dụng quá trình cân đối để khắc phục việc sử dụng thông tin từ các tình huống tương
tự một cách không hiệu quả và thiên vị (sai lệch).
Để sử dụng phương pháp phân tích có cấu trúc thì nhà quản lí cần chuẩn bị một sự mô tả
về tình huống mục tiêu và lựa chọn các chuyên gia có kiến thức về các tình huống tương tự,
ưu tiên những người có kinh nghiệm trực tiếp. Các chuyên gia xác định và mô tả các tình
huống đó, đánh giá sự tương đồng của chúng với tình huống mục tiêu và phù hợp các kết quả
phân tích của họ với các kết quả tiềm năng trong tình huống, mục tiêu. Sau đó nhà quản lí sẽ
đưa ra dự báo dựa trên thông tin mà các chuyên gia cung cấp.
Có rất ít nghiên cứu về dự báo có sử dụng phương pháp loại suy, tuy nhiên thì các kết quả
đạt được lại rất khả quan. Green và Arstrong phát hiện ra rằng các phương pháp loại suy thì
có kết quả chính xác hơn sự phán đoán không có cơ sở trong việc đưa ra 8 kết quả dự báo trái
ngược nhau. (Có thể truy cấp trang web conflictforcasting.com để biết thêm thông tin chi tiết
về các phương pháp loại suy).
1.2.1.5. Lý thuyết trò chơi (Game theory)
Lý thuyết trò chơi đã được giới thiệu trong nhiều cuốn sách và tài liệu nghiên cứu. Nó
là một biện pháp để đạt được kết quả dự báo chuẩn hơn trong các tình huống có liên quan
đến các cuộc đàm phán hoặc các cuộc xung đột khác. Có khoảng 147.300 địa chỉ tìm kiếm
“game theory” và “forcasting” hoặc “prediction” trên Google. Mặc dù đã có nhiều nỗ lực
nghiên cứu nhưng vẫn không có nghiên cứu nào kiểm tra được khả năng dự báo của lý thuyết
trò chơi một cách trực tiếp. Tuy nhiên thì Green (2002 và 2005) đã kiểm tra khả năng của các
học giả viết thuyết trò chơi, những học giả này đã sử dụng lý thuyết trò chơi để dự báo 8 tình
huống thực tế. Trong nghiên cứu đó thì họ đã không chính xác hơn các sinh viên đại học.
1.2.1.6. Sự phân tích mang tính phán đoán (Judgmental Decomposition)
Ý tưởng chính đằng sau phương pháp phân tích mang tính phán đoán này là nhằm
phân chia vấn đề dự báo thành nhiều phần nhỏ để việc dự báo được dễ dàng hơn. Sau đó sẽ
sử dụng các phương pháp phù hợp cho mỗi phần và cuối cùng thì các phần nhỏ đó sẽ được
kết hợp lại để đưa ra dự báo tổng hợp.
Phương pháp này nhằm phân chia vấn đề thành nhiều vấn đề nhỏ để dự báo. Ví dụ để
dự báo doanh số bán hàng cho một thương hiệu, chúng ta có thể dự báo lưu lượng bán hàng
công nghiệp, tỉ phần thị trường, và giá bán trên một đơn vị sản phẩm. Sau đó tổng hợp lại vấn
đề bằng cách nhân các phần nhỏ lại với nhau. Các nghiên cứu thực tiễn chỉ ra rằng, nhìn
chung thì các dự báo bằng phương pháp phân tích thì chính xác hơn so với phương pháp dự
báo tổng thể.
1.2.1.7. Phương pháp “bootstrapping”
Biến đổi sự phán đoán chủ quan thành các quy định có cấu trúc. Các chuyên gia được hỏi
về việc họ sử dụng thông tin nào để đưa ra dự báo về một loạt các tình huống, sau đó yêu cầu
họ dự báo cho nhiều trường hợp có thể đó là các trường hợp thực tế hoặc mang tính giả
thuyết. Ví dụ, các chuyên gia có thể dự báo doanh số bán hàng của một sản phẩm mới.
Thông tin có được sẽ được chuyển vào một mô hình bằng cách tính một phương trình hồi
quy liên quan đến dự báo thông tin dựa trên sự phán đoán được sử dụng bởi các nhà dự báo.
Phương pháp dự báo này được sử dụng chủ yếu cho việc sự báo những vấn đề phức
tạp lặp lại nhiều lần, trong đó thông tin về biến số của vấn đề đó lại không có sẵn (ví dụ nhu
cầu sử dụng một thiết bị viễn thông mới) hoặc không đủ thông tin cho việc dự báo một mô
hình toán kinh tế.
Một khi phương pháp “bootstrapping” sẽ cung cấp cho thị trường một thiết bị dự báo
với chi phí thấp. Amstrong (2001) cho biết phương pháp “bootstrapping” thì dự báo chính
xác hơn phương pháp phán đoán không có cơ sở (so sánh 8 tình huống trong 11 tình huống)
với hai bài kiểm tra không cho thấy sự khác nhau, sự giảm sai số là khoảng 6%.
Phương pháp “bootstrapping” cho phép các chuyên gia thấy được họ phải xử lí các
yếu tố khác nhau như thế nào. Điều này có thể nâng cao được phương pháp dự báo bằng
phán đoán. Ví dụ như việc tuyển nhân sự, “bootstrapping” có thể cho biết một vài yếu tố như
chiều cao, cân nặng hoặc diện mạo thậm chí là người đó không thích hợp cho công việc đó.
“Bootstrapping” còn cho phép dự báo những ảnh hưởng của sự thay đổi trong một vài biến số
quan trọng khi mà các thông tin trước đó không đủ để dự báo.
1.2.1.8. Hệ chuyên gia (Expert systems)
TÀI LIỆU THAM KHẢO
1. Tiếng Việt
[1]. Nguyễn Quý Hỷ (2003), Các mô hình ứng dụng của Lý thuyết đổi mới.
[2]. Hội ứng dụng Toán học Việt nam (2002), Hội thảo khoa học Ứng dụng Toán học trong một số
ngành Khoa học và Kỹ thuật quan trọng.
[3]. Hội Toán học Việt nam (2005), Tóm tắt báo cáo Hội nghị toàn quốc lần thứ hai về Ứng dụng
Toán học.
[4]. Số liệu ngành điện 1985 - 1995.
[5]. Niên giám thống kê ngành điện 1996 – 2000
[6]. Niên giám thống kê ngành điện 2001 – 2005
[7]. Nguyễn Văn Hữu, Nguyễn Hữu Dư (2003), Phân tích thống kê và dự báo, Nhà xuất bản Đại
học Quốc gia Hà nội.
[8]. Nguyễn Hồ Quỳnh (2003), Chuỗi thời gian – Phân tích và nhận dạng, Nhà xuất bản Khoa học
và Kỹ thuật.
[9]. Nguyễn Văn Phúc (2004), Các phương pháp dự báo kinh tế và khả năng áp dụng cho thành
phố Hồ Chí Minh, Viện kinh tế TP. Hồ Chí Minh
[10]. Trần Văn Thái, Phát hiện tri thức theo mùa vụ từ cơ sở dữ liệu chuỗi thời gian
2. Tiếng Anh
[11]. Bo Q.Lin (March 2003), Electricity Deman in the People’s Republic of China:
Investement Requiretment and Environtmental impact.
[12]. J. Scott Armstrong and Kesten C. Green (September 2005), Demand Forecasting:
Evidence-based Methods.
