1 SÖÛ DUÏNG MOÂ HÌNH ARIMA TRONG DÖÏ BAÙO CHUOÃI THÔØI GIAN 2 NOÄI DUNG ⚫ Giôùi thieäu xaây döïng Moâ Hình ARIMA (Auto Regressive Integrated Moving Average) Töï Hoài Qui Keát Hôïp Trung Bình Tröôït[.]
SỬ DỤNG MÔ HÌNH ARIMA TRONG DỰ BÁO CHUỖI THỜI GIAN NỘI DUNG ⚫ Giới thiệu xây dựng Mô Hình ARIMA (Auto-Regressive Integrated Moving Average) Tự Hồi Qui Kết Hợp Trung Bình Trượt ⚫ Ứng dụng dự báo giá cá sông Tp HCM GIỚI THIỆU Hai loại mô hình dự báo chính: ⚫ Mô hình nhân ⚫ Mô hình chuỗi thời gian ⚫ Đối với chuỗi thời gian → ARIMA thường sử dụng để dự báo ⚫ Theo mô hình ARIMA, giá trị dự báo phụ thuộc vào giá trị khứ tổng có trọng số nhiễu ngẫu nhiên hành nhiễu ngẫu nhiên có độ trễ MÔ HÌNH ARIMA ⚫ Tính dừng (Stationary) ⚫ Tính mùa vụ (Seasonality) ⚫ Nguyên lý Box-Jenkin ⚫ Nhận dạng mô hình ARIMA ⚫ Xác định thông số mô hình ARIMA ⚫ Kiểm định mô hình ARIMA TÍNH DỪNG Một trình ngẫu nhiên Yt xem dừng ⚫ Trung bình: E(Yt ) = const ⚫ Phương sai: Var (Yt ) = 2 = const ⚫ Đồng phương sai: Covar (Yt , Yt-k ) = const Nhận biết: ⚫ Đồ thị Yt = f(t) ⚫ Hàm tự tương quan mẫu (SAC – Sample Auto Correllation) ˆ k = ˆ k = SAC ˆ o ˆ k = E[(Yt − Y )(Yt − k ˆ o (Y − Y )(Y − Y) = t (Y − Y ) = E[(Y − Y ) ] = t t n t−k n − Y) = Cov (Yt , Yt − k ) = Var(Yt ) → Nếu SAC = f(t) giảm nhanh tắt dần chuỗi có tính dừng ⚫ Kiểm định Dickey-Fuller xác định xem chuỗi thời gian có phải Bước Ngẫu Nhiên (Random Walk); nghóa Yt = 1*Yt-1 + et → Nếu chuỗi Bước Ngẫu Nhiên tính dừng BIẾN ĐỔI CHUỖI KHÔNG DỪNG THÀNH CHUỖI DỪNG: → Lấy sai phân bậc bậc chuỗi kết có tính dừng ⚫ Chuỗi gốc: Yt ⚫ Chuỗi sai phân bậc 1: Wt = Yt – Yt-1 ⚫ Chuỗi sai phân bậc 2: Vt = Wt – Wt-1 TÍNH MÙA VỤ Tính mùa vụ hành vi có tính chu kỳ chuỗi thời gian sở năm lịch Tính mùa vụ nhận dựa vào đồ thị SAC = f(t) Nếu sau m thời đoạn SAC lại có giá trị cao dấu hiệu tính mùa vụ Chuỗi thời gian có tồn tính mùa vụ tính dừng Phương pháp đơn giản để khử tính mùa vụ lấy sai phân thứ m Zt = Yt − Yt − m MÔ HÌNH ARIMA Theo Box- Jenkin trình ngẫu nhiên có tính dừng biểu diễn mô hình ARIMA 10 ... dự báo chính: ⚫ Mô hình nhân ⚫ Mô hình chuỗi thời gian ⚫ Đối với chuỗi thời gian → ARIMA thường sử dụng để dự báo ⚫ Theo mô hình ARIMA, giá trị dự báo phụ thuộc vào giá trị khứ tổng có trọng số... có độ trễ MÔ HÌNH ARIMA ⚫ Tính dừng (Stationary) ⚫ Tính mùa vụ (Seasonality) ⚫ Nguyên lý Box-Jenkin ⚫ Nhận dạng mô hình ARIMA ⚫ Xác định thông số mô hình ARIMA ⚫ Kiểm định mô hình ARIMA TÍNH... Mô Hình ARIMA (Auto-Regressive Integrated Moving Average) Tự Hồi Qui Kết Hợp Trung Bình Trượt ⚫ Ứng dụng dự báo giá cá sông Tp HCM GIỚI THIỆU Hai loại mô hình dự báo chính: ⚫ Mô hình nhân ⚫ Mô