Bài thi cuối khóa dự án cá nhân phân tích ra quyết đị nh và bài toán phân tích kinh doanh

    TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM VIỆN ĐÀO TẠO SAU ĐẠI HỌC Bài Thi Cuối Khóa: DỰ  ÁN CÁ NHÂN Học Viên: Lâm Nguyễn Kim Châu Lớ p: 20C1BUS60300502 Khóa: 30.2 Mơn học: Phân Tích Kinh Doanh Mã số học viên: 202109003 Giảng viên hướ ng dẫn: TS Nguyễn Thị Hồng Thu NĂM 2021    LỜ I CAM K ẾT Dự án học viên xây dựng, xử lý, không chép từ bất cứ bài viết  bất cứ tổ chức cá nhân khác Thành phố Hồ Chí Minh, ngày 13 tháng năm 2021   Học viên thực Lâm Nguyễn Kim Châu   NHẬN XÉT CỦA GIẢNG VIÊN HƯỚ NG DẪN ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ………………………………………………………………………………………………  Thành phố Hồ Chí Minh, ngày… tháng… năm 2021   Giảng viên hướ ng dẫn (Ký tên)   TÓM LƯỢ C Sau tiế p thu kiến thức từ mơn học Phân tích Kinh Doanh, h ọc viên tiến hành thực Dự Án Cá Nhân để truyền đạt kiến thức nắm ứ ng dụng kiến thức vào giải toán kinh doanh th ực tế doanh nghiệ p Dự Án Cá Nhân g ồm có ba phần chính: Phần Một: Học viên sẽ phân tích mơ hình đại số tuyến tính, áp dụng Excel Solver QM for Windows để giải tốn phân tích kinh doanh, tìm đượ c giải pháp tối ưu để  tối đa hóa lợ i nhuận dựa tình hu ống học viên tự thiết lập Đồng thờ i, học viên  phân tích độ nhạy (khoảng thay đổi) biến hàm mục tiêu để không làm thay đổi giải pháp tối ưu dự  báo mức thay đổi giá tr ị mục tiêu điều kiện ràng buộc thay đổi Tất cả những phân tích độ nhạy –  Nếu đề u dựa quy luật 100% Phần Hai: Sau đưa tình huố ng trị chơi thự c tế, học viên sẽ sử dụng quy luật Bayes biểu đồ cây QM f or Windows để gợ i ý định cho người chơi trò chơi Với trườ ng hợ  p sử dụng thơng tin hồn h ảo, học viên sẽ giúp ngườ i chơi xác định r ằng người có nên bỏ ra chi phí để lấy đượ c nguồn thơng tin hồn h ảo không, sử dụng sử dụng quy luật Bayes biểu đồ cây QM for Windows, lần nữa, giúp người chơi đưa định trườ ng hợ  p có thơng tin hồn hảo Phần Ba: Dựa vào số liệu thực tế của doanh nghiệ p khoảng thờ i gian định, học viên sẽ dùng ba phương pháp Last-Value, Averaging Moving- Average để dự   báo số liệu cho k ỳ sau Các chỉ số về trung bình sai s ố dự báo (MAD) trung  bình sai số dự báo bình phương (MSE) đượ c học viên cân nh ắc lựa chọn  phương pháp dự báo tối ưu Bên cạnh, yếu tố thờ i vụ cũng yếu tố làm ảnh hưởng đến k ết quả dự báo   MỤC LỤC LỜI CAM K ẾT  NHẬ N XÉT CỦA GIẢNG VIÊN HƯỚ NG DẪ N TÓM LƯỢC MỤC LỤC MỤC LỤC BẢ NG DANH MỤC TỪ  VIẾT TẮT .10 PHẦ N 1: LẬP TRÌNH TUYẾ N TÍNH VÀ BÀI TỐN PHÂN TÍCH KINH DOANH 11 I Mở  đầu: Bối cảnh tình 11 II Ứ ng dụng thực tiễn .12 Giớ i thiệu mơ hình lậ p trình tuyến tính ứng dụng tình mà bạn xây dựng 12 Xác định vấn đề .13 Thiết lập mơ hình đại số tuyến tính cho tình 13 Xây dựng mơ hình lậ p trình tuyến tính Excel Solver QM for Windows 15 III K ết luận 45 PHẦ N 2: PHÂN TÍCH RA QUYẾT ĐỊ NH VÀ BÀI TỐN PHÂN TÍCH KINH DOANH 45 I Mở  đầu: Bối cảnh tình 45 II Ứ ng dụng thực tiễn .46 III K ết luận 60 PHẦ N 3: DỰ  BÁO VÀ PHÂN TÍCH KINH DOANH .61 Mở  đầu 61 Cơ sở  lý luận 61 Ứ ng dụng thực tiễn 63 K ết luận 79 TÀI LIỆU THAM KHẢO 81   MỤC LỤC BẢNG Bảng 1.1 Dữ liệu cho tình cơng ty ABC 12 Bảng 1.2 Tình thể hiện Excel Solver 16 Bảng 1.3 Bảng thể hiện cách giải tình Excel Solver 17 Bảng 1.4 Điều kiện ràng buộc về nguồn lực sản xuất nhà máy th ể hiện Solver 18 Bảng 1.5 Điều kiện ràng buộc về số lượ ng sản phẩm phải cung c ấ p tối thiểu cho khách hàng thể hiện Solver 18 Bảng 1.6 Điều kiện ràng buộc về số lượ ng sản phẩm tối đa có thể cung cấ p khách hàng thể hiện Solver 19 Bảng 1.7 Bảng thể hiện cách sử dụng Excel Solver 19 Bảng 1.8 Bảng thể hiện cách sử dụng phương trình linear QM for Windows   21 Bảng 1.9 Bảng thể hiện cách sử dụng phần mềm QM để giải tình 21 Bảng 1.10 Bảng k ết quả tình Excel Solver 23 Bảng 1.11 Bảng k ết quả tình QM for Windows 23 Bảng 1.12 Bảng độ nhạy unit profit tình hu ống Excel Solver 24 Bảng 1.13 Bảng độ nhạy unit profit tình hu ống QM for Windows 25 Bảng 1.14 Bảng thể hiện giá tr ị thay đổi đồng thờ i unit profit Excel Solver 28 Bảng 1.15 Bảng thể hiện giá tr ị thay đổi đồng thờ i unit profit QM for Windows   28 Bảng 1.16 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng Excel Solver   .30 Bảng 1.17 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng QM for Windows   30 Bảng 1.19 Bảng độ nhạy điều kiện ràng buộc tình QM for Windows .31 Bảng 1.20 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng Excel Solver   .32 Bảng 1.21 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng QM for Windows   32 Bảng 1.22 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng Excel Solver   .33 Bảng 1.23 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng QM for Windows   33   Bảng 1.24 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng Excel Solver 34 Bảng 1.25 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm có thể  cung cấ p tối đa cho Khách hàng QM for Windows   34 Bảng 1.26 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng Excel Solver 35 Bảng 1.27 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng QM for Windows 36 Bảng 1.28 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng Excel Solver 36 Bảng 1.29 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng QM for Windows 37 Bảng 1.30 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng Excel Solver 37 Bảng 1.31 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng QM for Windows 38 Bảng 1.32 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng Excel Solver 38 Bảng 1.33 Bảng thể hiện sự thay đổi điều kiện ràng buộc số lượ ng sản phẩm tối thiểu  phải cung cấ p cho Khách hàng QM for Windows 39 Bảng 1.34 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy Excel Solver 39 Bảng 1.35 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy QM for Windows 40 Bảng 1.36 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy Excel Solver 40 Bảng 1.37 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy QM for Windows 41 Bảng 1.38 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy Excel Solver 41 Bảng 1.39 Bảng thể hiện sự thay đổi điều kiện ràng buộc nguồn lực sản xuất Nhà máy QM for Windows 42 Bảng 1.40 Bảng thể hiện sự thay đổi tất cả 11 điều kiện ràng buộc Excel Solver    43   Bảng 1.41 Bảng thể hiện sự thay đổi tất cả 11 điều kiện ràng buộc QM for Windows .44 Bảng 2.1 Mơ hình phân tích quy ết định tình 47 Bảng 2.2 Payoff Table thể hiện Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $550,000 có gọi điện cho bạn 47 Bảng 2.3 Payoff Table thể hiện Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $550,000 không gọi điện cho bạn 48 Bảng 2.4 Payoff Table thể hiện Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $1,050,000 có gọi điện cho bạn 48 Bảng 2.5 Payoff Table thể hiện Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $1,050,000 không gọi điện cho bạn 48 Bảng 2.6 Biểu đồ cây QM for Windows để giải tình 49 Bảng 2.7 Payoff Table thể hiện dữ liệu để tính Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $550,000 có gọi điện cho bạn có s ử dụng thơng tin hồn h ảo 53 Bảng 2.8 Payoff Table thể hiện dữ liệu để tính Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $550,000 không gọi điện cho bạn có sử dụng thơng tin hồn h ảo 54 Bảng 2.9 Payoff Table thể hiện dữ liệu để tính Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $1,050,000 có gọi điện cho bạn có s ử dụng thơng tin hoàn h ảo 55 Bảng 2.10 Payoff Table thể hiện dữ liệu để tính Giá tr ị K ỳ vọng Thu hồi việc tr ả lờ i câu hỏi $1,050,000 không gọi điện cho bạn có sử dụng thơng tin hồn hảo 55 Bảng 2.11 Biểu đồ cây QM for Windows để giải tình có sử dụng thơng tin hồn h ảo 57 Bảng 3.1 Dữ liệu tình 61 Bảng 3.2 Ví dụ của phương pháp dự báo Last-Value 62 Bảng 3.3 Ví dụ của phương pháp dự báo Averaging 62 Bảng 3.4 Ví dụ của phương pháp dự báo Moving-Average 63 Bảng 3.5 Bảng thể hiện giá tr ị dự báo tình hu ống phương pháp dự báo Last-Value   64 Bảng 3.6 Bảng thể hiện giá tr ị dự báo tình hu ống phương pháp dự báo Averaging   65 Bảng 3.7 Bảng thể hiện giá tr ị dự báo tình hu ống phương pháp dự báo MovingAverage .66 Bảng 3.8 Bảng thể hiện sai số dự báo tình dự báo phương pháp Last-Value 67   Bảng 3.9 Bảng thể hiện sai số dự báo tình dự báo phương pháp Averaging 68 Bảng 3.10 Bảng thể hiện sai số dự báo tình dự báo phương pháp Moving-Average .69 Bảng 3.11 Bảng thể hiện yếu tố mùa vụ của Quý 1, 2, 3, năm 2011, 2012, 2013 70 Bảng 3.12 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo LastValue có tính đến yếu tố mùa vụ  71 Bảng 3.13 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo Averaging có tính đến yếu tố mùa vụ.  73 Bảng 3.14 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo MovingAverage có tính đến yếu tố mùa vụ  74 Bảng 3.15 Bảng thể hiện sai số dự báo tình dự báo phương pháp Last-Value có tính đến yếu tố thờ i vụ  76 Bảng 3.16 Bảng thể hiện sai số dự báo tình dự báo phương pháp Averaging có tính đến yếu tố thờ i vụ  77 Bảng 3.17 Bảng thể hiện sai số dự báo tình dự báo phương pháp Moving-Average có tính đến yếu tố thờ i vụ  78   DANH MỤC TỪ  VIẾT TẮT STT Từ  viết tắt Nghĩa từ  viết tắt P1C1 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P1C2 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P1C3 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P1C4 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P2C1 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P2C2 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P2C3 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P2C4 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng P3C1 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng 10 P3C2 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng 11 P3C3 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng 12 P3C4 Số lượ ng sản phẩm Nhà máy cung c ấ p cho Khách hàng RHS Điều kiện ràng buộc bên tay phải EMV Giá tr ị K ỳ vọng Thu hồi EP (without Giá tr ị K ỳ vọng Thu hồi đượ c tính quy luật Bayes vớ i xác suất more info) tình ban đầu chưa sử dụng thơng tin hồn hảo EP (with  perfect info) Giá tr ị K ỳ vọng Thu hồi sử dụng thông tin hồn hảo EVPI Giá tr ị K ỳ vọng thơng tin hồn h ảo MAD Trung bình sai số dự báo MSE Trung bình sai s ố dự báo bình phương  Q1 Quý Q2 Quý Q3 Quý Q4 Quý 10   Bảng 3.8 Bảng thể hiện sai số dự báo tình dự báo phương pháp Last-Value Sai số dự báo Q2 2011 = |Giá tr ị dự báo Q2 2011 - Giá tr ị thực Q2 2011| = |244 –  284| = 40 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |273 –  380| = 107 MAD (theo phương pháp dự báo Last-Value) = Tổng sai số dự báo (theo phương  pháp dự báo Last-Value)/ Số lượ ng dự báo MAD (theo phương pháp dự báo Last-Value) = ( 40 + … + 107)/ 11 = 56.91   MSE (theo phương pháp dự báo Last-Value) = Tổng sai số dự báo bình phương (theo  phương pháp dự báo Last-Value)/ Số lượ ng dự báo MSE (theo phương pháp dự báo Last-Value) = (402 + … + 1072)/ 11 = 4,366.91 67   Mơ hình Averaging forecasting method: Bảng 3.9 Bảng thể hiện sai số dự báo tình dự báo phương pháp Averaging Sai số dự báo Q2 2011 = |Giá tr ị dự báo Q2 2011 - Giá tr ị thực Q2 2011| = |244 –  284| = 40 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |284.45 –  380| = 95.55 MAD (theo phương pháp dự báo Averaging) = Tổng sai số dự báo (theo phương pháp dự báo Averaging)/ S ố lượ ng dự báo MAD (theo phương pháp dự báo Averaging) = (40 + … + 95.55)/ 11  = 35.84 MSE (theo phương pháp dự báo Averaging) = Tổng sai số dự báo bình phương (theo  phương pháp dự báo Averaging)/ Số lượ ng dự báo 68   MSE (theo phương pháp dự báo Averaging) = (402 + … + 95.552)/ 11 = 2,329.12 Mơ hình Moving-Average Forecasting Method (n = 4): Bảng 3.10 Bảng thể hiện sai số dự báo tình dự báo phương pháp Moving-Average Sai số dự báo Q1 2012 = |Giá tr ị dự báo Q1 2012 - Giá tr ị thực Q1 2012| = |282.75 –  255| = 27.75 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |296.75 –  380| = 83.25 MAD (theo phương pháp dự báo Moving - Average) = T sai s ố dự báo (theo  phương pháp dự báo Moving - Average)/ S ố lượ ng dự báo MAD (theo phương pháp dự báo Moving - Average) = (27.75 + … + 83.25)/ = 31.72   69   MSE (theo phương pháp dự báo Moving - Average) = T sai số dự báo bình  phương (theo phương pháp dự báo Moving - Average)/ S ố lượ ng dự báo MSE (theo phương pháp dự báo Moving - Average) = (27.75 2 + … + 83.25 2)/ = 1,668.05 c Áp dụng mơ hình d ự báo phần 2.a áp dụng vào tình mà bạn xây dựng để dự báo có tính đến yếu tố thờ i vụ Xác định yếu tố thờ i vụ: Bảng 3.11 Bảng thể hiện yếu tố mùa vụ của Quý 1, 2, 3, năm 2011, 2012, 2013 Yếu tố thờ i vụ = Bình quân c ả k ỳ/ Tổng bình quân Yếu tố thờ i vụ của Quý = Bình quân (c Q1 2011, Q1 2012, Q1 2013)/ Bình quân c cột dữ liệu thực năm (2011, 2012, 2013) 70   Yếu tố thờ i vụ của Quý = ((244 + 255 + 272)/3)/ ((244 + … + 380)/12) = 0.8789   Yếu tố thờ i vụ của Quý = Bình quân (c Q2 2011, Q2 2012, Q2 2013)/ Bình quân c cột dữ liệu thực năm (2011, 2012, 2013) Yếu tố thờ i vụ của Quý = ((284 + 292 + 288)/3)/ ((244 + … + 380) /12) = 0.9849 Yếu tố thờ i vụ của Quý = Bình quân (c Q3 2011, Q3 2012, Q3 2013)/ Bình quân c cột dữ liệu thực năm (2011, 2012, 2013) Yếu tố thờ i vụ của Quý = ((256 + 264 + 273)/3)/ ((244 + … + 380)/12) = 0.9040   Yếu tố thờ i vụ của Quý = Bình quân (c Q4 2011, Q4 2012, Q4 2013)/ Bình quân c cột dữ liệu thực năm (2011, 2012, 2013) Yếu tố thờ i vụ của Quý = ((347 + 354 + 380)/3)/ ((244 + … + 380)/12) = 1.2323   Mơ hình Last-Value forecasting method có tính đến yếu tố thờ i vụ: Bảng 3.12 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo Last- Value có tính đến yếu tố mùa vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ = Dữ liệu thực/ Yếu tố thờ i vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 = Dữ liệu thực Q1 2011/ Y ếu tố thờ i vụ của Q1 = 244/ 0.8789 = 277.63 71   …  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q4 2013 = Dữ liệu thực Q4 2013/ Y ếu tố thờ i vụ của Q4 = 380/ 1.2323 = 308.38 Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q2 2011 = Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 = 277.63 …  Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 = Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q4 2013 = 308.38 Dữ liệu dự báo = Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ x Yếu tố thờ i vụ  Dữ liệu dự báo Q2 2011 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q2 2011 x Yếu tố thờ i vụ Q2 = 277.63 x 0.9849 = 273.43 …  Dữ liệu dự báo Q1 2014 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 x Yếu tố thờ i vụ Q1 = 308.38 x 0.8789 = 271.03 Mơ hình Averaging forecasting method có tính đến yếu tố thờ i vụ: 72   Bảng 3.13 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo Averaging có tính đến yếu tố mùa vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ = Dữ liệu thực/ Yếu tố thờ i vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 = Dữ liệu thực Q1 2011/ Y ếu tố thờ i vụ của Q1 = 244/ 0.8789 = 277.63 …  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q4 2013 = Dữ liệu thực Q4 2013/ Y ếu tố thờ i vụ của Q4 = 380/ 1.2323 = 308.38 Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q2 2011 = Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011/ = 277.63/ = 277.63 Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q3 2011 = (D ữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 + Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q2 2011) / = (277.63 + 288.36)/ = 282.99 …  Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 = (Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 + Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q4 2013)/ 12 = 292.42 73   Dữ liệu dự báo = Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ x Yếu tố thờ i vụ  Dữ liệu dự báo Q2 2011 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q2 2011 x Yếu tố thờ i vụ Q2 = 277.63 x 0.9849 = 273.43 …  Dữ liệu dự báo Q1 2014 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 x Yếu tố thờ i vụ Q1 = 292.42 x 0.8789 = 257 Mơ hình Moving-Average Forecasting Method (n = 4) có tính đến yếu tố thờ i vụ: Bảng 3.14 Bảng thể hiện giá tr ị dự báo tình phương pháp dự báo Moving- Average có tính đến yếu tố mùa vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ = Dữ liệu thực/ Yếu tố thờ i vụ  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 = Dữ liệu thực Q1 2011/ Y ếu tố thờ i vụ của Q1 = 244/ 0.8789 = 277.63 …  Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q4 2013 = Dữ liệu thực Q4 2013/ Y ếu tố thờ i vụ của Q4 = 380/ 1.2323 = 308.38 Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2012 = (D ữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2011 + Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q2 2011 + Dữ liệu 74   thực hiệu chỉnh theo yếu tố thờ i vụ Q3 2011 + D ữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ  Q4 2011)/ = (277.63 + 288.36 + 283.2 + 281.6)/ = 282.69 …  Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 = (D ữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q1 2013 + Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q2 2013 + Dữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ Q3 2013 + D ữ liệu thực hiệu chỉnh theo yếu tố thờ i vụ  Q4 2013)/ = 303.07 Dữ liệu dự báo = Dữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ x Yếu tố thờ i vụ  Dữ liệu dự báo Q1 2012 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2012 x Yếu tố thờ i vụ Q1 = 282.69 x 0.8789 = 248.45 …  Dữ liệu dự báo Q1 2014 = D ữ liệu dự báo hiệu chỉnh theo yếu tố thờ i vụ Q1 2014 x Yếu tố thờ i vụ Q1 = 303.07 x 0.8789 = 266.36 d Tính chỉ số mean absolute deviation (called MAD) mean square error (often abbreviated MSE) để đo lườ ng sai số dự báo tình mà bạn xây dựng có tính đế n yếu tố thờ i vụ Mơ hình Last-Value forecasting method có tính đến yếu tố thờ i vụ: 75   Bảng 3.15 Bảng thể hiện sai số dự báo tình dự báo phương pháp Last-Value có tính đến yếu tố thờ i vụ  Sai số dự báo Q2 2011 = |Giá tr ị dự báo Q2 2011 - Giá tr ị thực Q2 2011| = |273.43 –  284| = 10.57 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |372.15 –  380| = 7.85 MAD (theo phương pháp dự  báo Last-Value có tính đến yếu tố yếu tố thờ i vụ) = Tổng sai số dự báo (theo phương pháp dự báo Last-Value có tính đến ye61eu tố thờ i vụ)/ Số  lượ ng dự báo MAD (theo phương pháp dự  báo Last-Value có tính đến yếu tố yếu tố thờ i vụ) = (10.57 + … + 7.85)/ 11 = 8.52 MSE (theo phương pháp dự báo Last-Value có tính đến yếu tố yếu tố thờ i vụ) = Tổng sai số dự báo bình phương (theo phương pháp dự  báo Last-Value có tính đến yếu tố yếu tố thờ i vụ)/ Số lượ ng dự báo 76   MSE (theo phương pháp dự báo Last-Value có tính đến yếu tố yếu tố thờ i vụ) = (10.572 + … + 7.852)/ 11 = 98.5 Mơ hình Averaging forecasting method có tính đến yếu tố thờ i vụ: Bảng 3.16 Bảng thể hiện sai số dự báo tình dự báo phương pháp Averaging có tính đến yếu tố thờ i vụ  Sai số dự báo Q2 2011 = |Giá tr ị dự báo Q2 2011 - Giá tr ị thực Q2 2011| = |273.43 –  284| = 10.57 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |358.55 –  380| = 21.45 MAD (theo phương pháp dự báo Averaging có tính đến yếu tố thờ i vụ) = Tổng sai số  dự báo (theo phương pháp dự báo Averaging có tính đến yếu tố thờ i vụ)/ Số lượ ng dự   báo MAD (theo phương pháp dự báo Averaging có tính đến yếu tố thờ i vụ) = (10.57 + … + 21.45)/ 11 = 8.33 77   MSE (theo phương pháp dự báo Averaging có tính đến yếu tố thờ i vụ) = Tổng sai số  dự báo bình phương (theo phương pháp dự báo Averaging có tính đến yếu tố thờ i vụ)/ Số  lượ ng dự báo MSE (theo phương phá p dự báo Averaging có tính đến yếu tố thờ i vụ) = (10.572 + … + 21.452)/ 11 = 118.92 Mơ hình Moving-Average Forecasting Method (n = 4) có tính đến yếu tố thờ i vụ: Bảng 3.17 Bảng thể hiện sai số dự báo tình dự báo phương pháp Moving-Average có tính đến yếu tố thờ i vụ  Sai số dự báo Q1 2012 = |Giá tr ị dự báo Q1 2012 - Giá tr ị thực Q1 2012| = |248.45 –  255| = 6.55 …  Sai số dự báo Q4 2013 = |Giá tr ị dự báo Q4 2013 - Giá tr ị thực Q4 2013| = |366.96 –  380| = 13.04 MAD (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ) = Tổng sai số dự báo (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ)/ Số lượ ng dự báo 78   MAD (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ) = (6.55 + … + 13.04)/ = 7.88 MSE (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ) = Tổng sai số dự báo bình phương (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ)/ Số lượ ng dự báo MSE (theo phương pháp dự báo Moving –  Average có tính đến yếu tố thờ i vụ) = (6.552 + … + 13.042)/ = 81.35 e Chọn mơ hình dự báo tốt lý giải Khi chưa tính đến yếu tố thờ i vụ, 3 phương pháp dự báo Last-Value, Averaging Moving-Average, ta th phương pháp dự  báo Moving-Average có giá tr ị trung bình sai số dự báo (MAD) giá tr ị trung bình sai s ố dự báo bình phương (MSE) nhỏ nhất (MAD = 31.72 MSE = 1,668.05) nên ta s ẽ chọn mơ hình dự báo tốt trườ ng hợ  p Moving-Average Khi có tính đến yếu tố thờ i vụ, phương pháp dự  báo Last-Value, Averaging Moving-Average, ta th phương pháp dự  báo Moving-Average có giá tr ị trung bình sai số dự báo (MAD) giá tr ị trung bình sai s ố dự báo bình phương (MSE) nhỏ nhất (MAD = 7.88 MSE = 81.35) nên ta s ẽ chọn mơ hình dự báo tốt trườ ng hợ  p Moving-Average K ết luận  Như vậy, ba mơ hình d ự báo Last-Value, Averaging Moving-Average, ta s ẽ dự   báo đượ c số tiền quyên góp k ỳ sau, để từ đó, so vớ i dữ liệu thực k ỳ sau, ta có th ể tính đượ c trung bình sai s ố dự báo (MAD) trung bình sai s ố  dự báo bình phương (MSE) Ta sẽ lựa chọn mơ hình dự báo tốt dựa vào việc mơ hình có trung bình sai s ố dự báo (MAD) trung bình sai s ố dự báo bình phương (MSE) nhỏ nhất số các mơ hình dự báo Khi đó, yếu tố thờ i vụ giúp đo lườ ng  bình qn dữ liệu k ỳ đó so vớ i tổng bình quân dữ liệu sẽ là yếu tố nên đượ c cân 79   nhắc mơ hình d ự báo để việc lựa chọn mơ hình dự báo tốt đượ c xác dữ liệu dự báo gần vớ i giá tr ị thực k ỳ tiếp theo 80   TÀI LIỆU THAM KHẢO Hillier, F., S & Hillier, M., S (2016)  Khoa học Quản tr ị Thành phố Hồ Chí Minh: Nxb Kinh tế 81