dự báo doanh thu của công ty bibica bằng phương pháp san bằng mũ
Trang 1KHOA TIN HỌC THƯƠNG MẠI
DỰ BÁO DOANH THU THUẦN CỦA CÔNG TY BIBICA NĂM 2011
MÔ HÌNH DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ
NHÓM 02 – LỚP 1101AMAT0511
Trang 2NHÓM 02 – LỚP 1101AMAT0511 2
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
Trang 3LỜI MỞ ĐẦU
Dự báo đã hình thành từ đầu những năm 60 của thế kỉ 20 Khoa học dự báo với tư cách một ngành khoa học độc lập có hệ thống lí luận, phương pháp luận và phương pháp hệ riêng nhằm nâng cao tính hiệu quả của dự báo Người ta thường nhấn mạnh rằng một phương 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 hướng tương lai cho các hoạt động mà họ sẽ thực hiện Bước đầu tiên trong hoạch định là dự báo hay là ước lượng nhu cầu tương lai cho sản phẩm hoặc dịch
vụ và các nguồn lực cần thiết để sản xuất sản phẩm hoặc dịch vụ đó
Như vậy, dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được 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 hướng vận động của các hiện tượng trong tương lai nhờ vào một số mô hình toán học Dự báo có thể là một dự đoán chủ quan hoặc trực giác về tương lai Nhưng để cho dự báo được chính xác hơn, người ta cố loại trừ những tính chủ quan của người dự báo
Ngày nay, dự báo là một nhu cầu không thể thiếu được của mọi hoạt động kinh tế - xác hội, khoa học - kỹ thuật, được 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 tướng Chính phủ ban hành ngày 1/12/1998 Tiền thân của Công ty là phân xưởng bánh kẹo của Nhà máy Đường Biên Hòa được 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 hướng tới Do vậy, doanh nghiệp luôn đề cập đến vấn đề tăng doanh trong các biện pháp chính sách
mà doanh nghiệp đưa 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 nước, giải quyết hài hòa các mối quan hệ về lợi ích giữa Nhà nước, daonh nghiệp, người lao động Là cơ sở để doanh nghiệp đề ra các phương hướng phấn
Trang 4NHÓM 02 – LỚP 1101AMAT0511 4
GIỚI THIỆU CHUNG VỀ PHƯƠNG PHÁP SAN MŨ
Phương pháp san bằng mũ ( hay còn gọi là phương pháp dự đoán bình quân mũ) là một phương pháp dự đoán thống kê ngắn hạn hiện được sử dụng nhiều trong công tác dự đoán thực tế trên thế giới
Nếu như một số phương 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 như nhau, phương 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 tượng nghiên cứu chịu sự tác động của những nhân tố khác nhau và cường độ không giống nhau Các mức độ ngày càng mới (ở cuối dãy số thời gian) càng cần phải được 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 hưởng 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 phương pháp san bằng mũ có thể sử dụng một trong các phương 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
Trước hết, dãy số thời gian được 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 phương pháp này, ở thời gian t nào đó dựa vào các giá trị thực tế đã biết để ước lượng giá trị hiện tại ( thời gian t) của hiện tượng và giá trị hiện tại này để dự toán giá trị tương lai (thời gian t+1) Mô hình san bằng mũ giản đơn được 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 được 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 phương 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 trước và các mức độ trước đó không được tính đến
Trang 5Với α =0 thì giá trị dự báo bằng giá trị dự báo ở thời kỳ trước và giá trị thực tế
ở thời kỳ ngay liền trước không được tính đến
Nếu α được chọn càng lớn thì các mức độ càng mới sẽ càng được chú ý, thích hợp với chuỗi thời gian không có tính ổn định cao
Ngược lại, nếu α được chọn càng nhỏ thì các mức độ càng cũ sẽ càng được chú ý, thích hợp với chuỗi thời gian có tính ổn định cao
Do đó, phải dựa vào đặc điểm biến động của hiện tượng 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 phương sai số dự đoán nhỏ nhất
- Thứ hai: Xác định giá trị ban đầu ( điều kiện ban đầu ) ký hiệu y0
Phương pháp san bằng mũ được 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 (y0) dựa vào một số phương 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 thường áp dụng đối với sự biến động của hiện tượng 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 y1, y2, y3,…, yn 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 hưởng đến mức độ dự báo Ngược 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 ước lượng 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 St – giá trị ước lượng của hiện tượng ở thời điểm t) và thành phần xu thế (ký hiệu là Tt) Ta có mô hình san số mũ:
Trang 6NHÓM 02 – LỚP 1101AMAT0511 6
Bước 3: Sử dụng mức và xu thế đã được san số mũ tại thời điểm để dự đoán
cho các thời điểm trong tương lai để dự đoán giá trị của hiện tượng ở thời điểm tương lai t + 1:
Mô hình xu thế tuyến tính và biến động thời vụ
Mô hình này thường 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 được lập lại sau 1 khoảng thời gian h (h = 4 đối với quý, h = 12 đối với năm) Việc dự đoán có thể được thực hiện theo một trong hai mô hình sau:
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 phương sai số là nhỏ nhất
Trang 7LỰA CHỌN SỐ LIỆU VÀ XỬ LÝ SỐ LIỆU
Có bảng thống kê báo cáo doanh thu thuần của công ty Cổ phần chế biến lương thực thực phẩm BIBICA trong giai đoạn 2008 – 2010 như 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
Trang 8NHÓM 02 – LỚP 1101AMAT0511 8
THỰC HIỆN XÂY DỰNG HÀM SAN MŨ BẰNG PHẦN MỀM EVIEW 5.1
Bước 1: Nhập số liệu
- Mở cửa sổ làm việc với Eview:
- Tạo một file làm việc mới: Từ menu chính chọn file/ new/ workfile
Trang 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
Trang 10NHÓM 02 – LỚP 1101AMAT0511 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 :
Trang 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
Bước 2: Thực hiện bằng Mô hình san mũ đơn giản:
- Ta vào Quick Series statistics Exponetial smoothing
Trang 12NHÓM 02 – LỚP 1101AMAT0511 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
Trang 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
Trang 15Nhấp OK, ta có biểu đồ của doanh thu thuần dự báo:
Theo như 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 trưng là không thể
dự báo được cho tầm xa từ 2 mức độ trở lên nên chúng ta thấy kết quả của dự báo cho 4 quý đều như nhau Chúng ta hiểu rằng đây chỉ là dự báo cho quý I năm 2011 Căn bậc hai của sai số bình phương trung bình RMSE = 54.69234
Bước 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 như đã cho ban đầu, các bước làm tương
tự như trên, nhưng 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
Trang 16NHÓM 02 – LỚP 1101AMAT0511 16
- Chúng ta có kết quả nhƣ sau:
Trang 17- Để xem kết quả dự báo, ta click đúp chuột vào biến holtmuavu trong Workfile, được kết quả dự báo như trong hình:
Tương tự như mô hình đơn giản để vẽ biểu đồ cho doanh thu dự đoán bằng
mô hình này:
Trang 18NHÓM 02 – LỚP 1101AMAT0511 18
Kết quả dự báo cho thấy doanh thu thuần của năm 2011 theo từng quý lần lượt 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 phương trung bình cho mô hình này RMSE = 46.92912
Bước 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
Trang 19- Để xem kết quả dự báo, ta click đúp chuột vào biến holtcongtinh trong
Workfile, đƣợc kết quả dự báo nhƣ trong hình
Trang 20NHÓM 02 – LỚP 1101AMAT0511 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
lượt 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 phương trung bình cho mô hình này RMSE = 21.98306
Trang 21Mô 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
Trang 22NHÓM 02 – LỚP 1101AMAT0511 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:
Trang 23Kết quả dự báo cho thấy doanh thu thuần của năm 2011 theo từng quý lần lượt 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 phương 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
mô hình là thấp nhất
Như 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 như 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
Trang 24TÀI LIỆU THAM KHẢO
- Bài giảng môn các mô hình dự báo kinh tế xã hội – Đại học thương mại
- Bài giảng môn các phương pháp phân tích và dự báo – Đại học Thái Nguyên
- Giáo trình Kinh tế lượng – Đại học Kinh tế quốc dân
- Trang thông tin chứng khoán: www.fpts.com