Bài giảng phân tích dữ liệu và dự báo chương 2 trường đh quy nhơn

CHƯƠNG CÁC PHƯƠNG PHÁP PHÂN TÍCH VÀ DỰ BÁO - Phân biệt thành phần choỗi thời gian - Hiểu mơ hình phương pháp dự báo giản đơn - Xác định phù hợp loại liệu với phương pháp hay mơ hình dự báo để áp dụng cho hiệu - Nắm rõ quy trình thực dự báo mơ hình phần mềm Eviews CÁC PHƯƠNG PHÁP PHÂN TÍCH VÀ DỰ BÁO Các mơ hình dự báo thơ Các phương pháp dự báo trung bình Phương pháp san mũ giản đơn Phương pháp san mũ Holt Phương pháp san mũ Winters Dự báo với mơ hình nhân tính Dự báo với mơ hình cộng tính CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN MƠ HÌNH DỰ BÁO THÔ GIẢN ĐƠN 𝑌𝑌�𝑡𝑡+1 = 𝑌𝑌𝑡𝑡 - Thường áp dụng có q liệu q khứ (doanh nghiệp thành lập) - 100% trọng số gán cho giá trị trị liệu 𝑌𝑌𝑡𝑡 dự báo cho giai đoạn 𝑡𝑡 + Ví dụ: ta có liệu cơng ty ABC giai đoạn 2014 - 2020 bảng CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) Năm 2014 2015 2016 2017 Quý 4 t 10 11 12 13 14 Sales 1250 875 625 1000 1125 875 500 750 875 500 375 1000 1375 875 Năm 2018 2019 2020 Quý 4 4 t 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Sales 625 1375 1375 1000 875 1500 1875 1250 1000 1625 2125 1500 1125 1750 CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) Đồ thị giá trị thực tế dự báo 2500 𝑀𝑀𝑀𝑀𝑀𝑀 = 379.6 𝑀𝑀𝑀𝑀𝑃𝑃𝐸𝐸 = 0.368 Doanh số 2000 𝑀𝑀𝑃𝑃𝐸𝐸 = 0.072 1500 𝑀𝑀𝑆𝑆𝐸𝐸 = 181.713 1000 𝑅𝑅𝑀𝑀𝑆𝑆𝐸𝐸 = 426 𝑈𝑈 = 500 Thực tế Dự báo CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) MƠ HÌNH DỰ BÁO THƠ ĐIỀU CHỈNH: điều chỉnh xu 𝑌𝑌�𝑡𝑡+1 = 𝑌𝑌𝑡𝑡 + (𝑌𝑌𝑡𝑡 − 𝑌𝑌𝑡𝑡−1 ) HOẶC 𝑌𝑌�𝑡𝑡+1 = 𝑌𝑌𝑡𝑡 𝑌𝑌𝑡𝑡 𝑌𝑌𝑡𝑡−1 Ví dụ: với liệu công ty ABC trên, ta dự báo doanh số quý năm 2021 sau 𝑌𝑌�29 = 𝑌𝑌�28+1 = 𝑌𝑌28 + 𝑌𝑌28 − 𝑌𝑌27 = 1570 + 1570 − 1125 = 2375 MAE 509.6 MAPE 0.484 MPE -0.031 MSE 362.981 RMSE 602 U 1.41 CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) MƠ HÌNH DỰ BÁO THƠ ĐIỀU CHỈNH: điều chỉnh mùa vụ Với liệu theo q, mơ hình dự báo thơ điều chỉnh sau 𝑌𝑌�𝑡𝑡+1 = 𝑌𝑌𝑡𝑡−3 Ví dụ: với liệu cơng ty ABC trên, ta dự báo doanh số quý năm 2021 sau 𝑌𝑌�29 = 𝑌𝑌�28+1 = 𝑌𝑌28−3 = 𝑌𝑌25 = 2125 MAE 218.8 MAPE 0.225 MPE -0.053 MSE 65.104 RMSE 255.2 U 0.599 CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) MƠ HÌNH DỰ BÁO THÔ ĐIỀU CHỈNH: xu mùa vụ Với liệu vừa có yếu tố xu mùa vụ (theo q), mơ hình dự báo thơ điều chỉnh sau 𝑌𝑌𝑡𝑡 − 𝑌𝑌𝑡𝑡−1 + ⋯ + 𝑌𝑌𝑡𝑡−3 − 𝑌𝑌𝑡𝑡−4 𝑌𝑌𝑡𝑡 − 𝑌𝑌𝑡𝑡−4 𝑌𝑌�𝑡𝑡+1 = 𝑌𝑌𝑡𝑡−3 + = 4 Ví dụ: với liệu cơng ty ABC trên, ta dự báo doanh số quý năm 2021 sau 𝑌𝑌28 − 𝑌𝑌24 𝑌𝑌�29 = 𝑌𝑌�28+1 = 𝑌𝑌25 + = 2156 CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN (tt) SO SÁNH CÁC MƠ HÌNH DỰ BÁO GIẢN ĐƠN Dự báo Thô giản đơn Thô điều chỉnh xu Thô điều chỉnh mùa vụ Thô đ/c xu mùa vụ MAE 379.6 MAPE 0.368 MPE 0.072 MSE RMSE 181.713 426 U 509.6 0.484 -0.031 362.981 602 1.41 218.8 0.225 -0.053 65.104 255.2 0.599 180 0.181 -0.047 46.663 216 0.507 10 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Đặc trưng mơ hình cộng tính 250 230 210 190 170 150 130 110 90 70 153 149 145 141 137 133 129 125 121 117 113 109 105 101 97 93 89 85 81 77 73 69 65 61 57 53 49 45 41 37 33 29 25 21 17 13 50 33 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) DỮ LIỆU ĐƯỢC ĐIỀU CHỈNH YẾU TỐ MÙA 2.1 Tỷ lệ trung bình di động – mơ hình nhân tính B1: Tính tốn trung bình trung tâm • 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 = (0.5𝑌𝑌𝑡𝑡+6 + ⋯ + 𝑌𝑌𝑡𝑡 + ⋯ + 0.5𝑌𝑌𝑡𝑡−6 )/12 (SL theo tháng) • 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 = (0.5𝑌𝑌𝑡𝑡+2 + ⋯ + 𝑌𝑌𝑡𝑡 + ⋯ + 0.5𝑌𝑌𝑡𝑡−1 )/4 (SL theo q) Trong mơ hình dự báo nhân tính: 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 = 𝑇𝑇𝑟𝑟𝑡𝑡 𝐶𝐶𝑙𝑙𝑡𝑡 B2: Tính tỷ lệ: 𝜏𝜏𝑡𝑡 = 𝑌𝑌𝑡𝑡 /𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 Với mơ hình nhân tính: 𝜏𝜏𝑡𝑡 = 𝑆𝑆𝑛𝑛𝑡𝑡 𝐼𝐼𝑟𝑟𝑡𝑡 34 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) B3: Tính tốn số mùa vụ • Với chuỗi liệu theo tháng, số mùa 𝑖𝑖𝑚𝑚 cho tháng 𝑚𝑚 trung bình 𝜏𝜏𝑡𝑡 với quan sát cho tháng 𝑚𝑚 (mỗi năm có tháng 𝑚𝑚) • Với chuỗi liệu theo quý, số mùa 𝑖𝑖𝑞𝑞 cho quý 𝑞𝑞 trung bình 𝜏𝜏𝑡𝑡 với quan sát cho quý 𝑞𝑞 (mỗi năm có quý 𝑞𝑞) B4: Điều chỉnh số mùa để tích chúng Điều thực cách tính nhân tố mùa: 35 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) • S𝑛𝑛 = • S𝑛𝑛 = 12 im 𝑖𝑖1 𝑖𝑖2 …𝑖𝑖12 iq 𝑖𝑖1 𝑖𝑖2 𝑖𝑖3 𝑖𝑖4 liệu theo tháng liệu theo tháng B5: Chuỗi liệu hiệu chỉnh yếu tố mùa xác định 𝑌𝑌𝑡𝑡 = 𝑇𝑇𝑟𝑟𝑡𝑡 𝐶𝐶𝑙𝑙𝑡𝑡 𝐼𝐼𝑟𝑟𝑡𝑡 𝑆𝑆𝑛𝑛𝑡𝑡 Nếu khơng có yếu tố chu kỳ yếu tố ngẫu nhiên bị triệt tiêu xét trung bình để tìm số mùa 𝜏𝜏𝑡𝑡 (𝐶𝐶𝑙𝑙𝑡𝑡 = 1, 𝐼𝐼𝑟𝑟𝑡𝑡 = 1), chuỗi 𝑌𝑌𝑡𝑡 /𝑆𝑆𝑛𝑛𝑡𝑡 lại yếu tố xu 36 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) 2.2 Chênh lệch so với trung bình di động – mơ hình nhân tính B1: Tính tốn trung bình trung tâm • 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 = (0.5𝑌𝑌𝑡𝑡+6 + ⋯ + 𝑌𝑌𝑡𝑡 + ⋯ + 0.5𝑌𝑌𝑡𝑡−6 )/12 (nếu số liệu theo tháng) • 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 = (0.5𝑌𝑌𝑡𝑡+2 + ⋯ + 𝑌𝑌𝑡𝑡 + ⋯ + 0.5𝑌𝑌𝑡𝑡−1 )/4 (nếu số liệu theo quý) B2: Tính khác biệt: 𝑑𝑑𝑡𝑡 = 𝑌𝑌𝑡𝑡 − 𝐶𝐶𝐶𝐶𝐴𝐴𝑡𝑡 37 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) B3: Tính tốn số mùa vụ • Với chuỗi liệu theo tháng, số mùa 𝑖𝑖𝑚𝑚 cho tháng 𝑚𝑚 trung bình 𝑑𝑑𝑡𝑡 với quan sát cho tháng 𝑚𝑚 (mỗi năm có tháng 𝑚𝑚) • Với chuỗi liệu theo quý, số mùa 𝑖𝑖𝑞𝑞 cho quý 𝑞𝑞 trung bình 𝑑𝑑𝑡𝑡 , với quan sát cho quý 𝑞𝑞 (mỗi năm có quý 𝑞𝑞) B4: Điều chỉnh số mùa để tổng chúng Điều thực thiết lập: Snt = it − 𝚤𝚤 ̅ Với 𝚤𝚤 ̅ trung bình tất số mùa 38 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) B5: Chuỗi liệu điều chỉnh yếu tố mùa có cách lấy 𝑌𝑌𝑡𝑡 − 𝑆𝑆𝑛𝑛𝑡𝑡 = 𝑇𝑇𝑟𝑟𝑡𝑡 + 𝐶𝐶𝑙𝑙𝑡𝑡 + 𝐼𝐼𝑟𝑟𝑡𝑡 Nếu khơng có yếu tố chu kỳ, yếu tố ngẫu nhiên bị triệt tiêu xét trung bình để tìm số mùa 𝑑𝑑𝑡𝑡 (𝐶𝐶𝑙𝑙𝑡𝑡 = 0, 𝐼𝐼𝑟𝑟𝑡𝑡 = 0), chuỗi 𝑌𝑌𝑡𝑡 − 𝑆𝑆𝑛𝑛𝑡𝑡 lại yếu tố xu 39 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) 2.3 Dự báo với mơ hình nhân tính Ta có liệu doanh thu cơng ty Y (tỷ VNĐ) Ta thực dự báo doanh thu cho quý năm 2021 Năm 2017 2017 2017 2017 2018 2018 2018 2018 Quý 4 Y 64.2 75.7 117.1 72.4 69.4 90 139.3 84.7 Năm 2019 2019 2019 2019 2020 2020 2020 2020 Quý 4 Y 97.6 120 184.7 101.9 125.2 160 237.2 143.4 40 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Đồ thị doanh số theo quý Y 240 200 160 120 80 40 I II III 2017 IV I II III 2018 IV I II III 2019 IV I II III IV 2020 41 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Kết điều chỉnh yếu tố mùa Quý 2017Q1 2017Q2 2017Q3 2017Q4 2018Q1 2018Q2 2018Q3 2018Q4 Y 64.20 75.70 117.10 72.40 69.40 90.00 139.30 84.70 SN 0.84 1.00 1.45 0.82 0.84 1.00 1.45 0.82 YSA 76.36 75.66 80.48 88.61 82.55 89.95 95.74 103.67 Quý 2019Q1 2019Q2 2019Q3 2019Q4 2020Q1 2020Q2 2020Q3 2020Q4 Y 97.60 120.00 184.70 101.90 125.20 160.00 237.20 143.40 SN 0.84 1.00 1.45 0.82 0.84 1.00 1.45 0.82 YSA 116.09 119.93 126.94 124.72 148.92 159.91 163.03 175.51 SN nhân tố mùa, YSA chuỗi liệu điều chỉnh yếu tố mùa 42 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Đồ thị doanh số theo quý sau điều chỉnh yếu tố mùa YSA 180 160 140 120 100 80 60 I II III 2017 IV I II III 2018 IV I II III 2019 IV I II III IV 2020 43 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Dependent Variable: LOG(YSA) Method: Least Squares Date: 11/24/21 Time: 20:53 Sample: 2017Q1 2020Q4 Included observations: 16 Kết ước lượng yếu tố xu Variable Coefficient Std Error t-Statistic Prob C T 4.198907 0.058953 0.025540 0.002641 164.4053 22.32002 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.972666 0.970714 0.048703 0.033207 26.71753 498.1832 0.000000 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 4.700011 0.284591 -3.089692 -2.993118 -3.084746 1.492009 44 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) Kết dự báo quý năm 2021 cho YSA 250 Forecast: YSAF 225 Actual: YSA 200 Forecast sample: 2017Q1 2021Q4 Included observations: 20 175 Root Mean Squared Error 4.938460 150 Mean Absolute Error 4.062936 Mean Abs Percent Error 3.748212 Theil Inequality Coefficient 0.020854 125 100 75 50 I II III IV 2017 I II III IV 2018 I II III IV I 2019 YSAF II III IV 2020 I II III IV Bias Proportion 0.001655 Variance Proportion 0.074397 Covariance Proportion 0.923948 Theil U2 Coefficient 0.529458 Symmetric MAPE 3.729159 2021 ± S.E 45 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH (tt) 300 Kết dự báo quý năm 2021 cho doanh số Y 250 Quý 2021Q1 2021Q2 2021Q3 2021Q4 200 150 100 YF 152.57 192.60 297.09 176.95 50 I II III IV 2017 I II III IV 2018 I II III IV 2019 Y I II III IV 2020 I II III IV 2021 YF 46 KẾT THÚC CHƯƠNG