DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH potx

* Chương 1: Tổng quan về dự báo trên chuỗi thời gian 1.1.Giới thiệu: Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn.. P

GVHD: Nguyễn Duy Tâm

PHÁP PHÂN TÍCH

* NỘI DUNG TRÌNH BÀY

Chương 1: Tổng quan về dự báo trên chuỗi thời gian

1

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

2

Chương 3: Kết quả nghiên cứu

3

Chương 4: Tổng hợp

4

* Chương 1: Tổng quan về dự

báo trên chuỗi thời gian

1.1.Giới thiệu:

Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn Phương pháp này là một trong những phương pháp lâu đời nhất trong lịch sử

1.2.Mục tiêu nghiên cứu:

Phân biệt được các thành phần của chuỗi thời gian

Phân biệt và trình bày được các mô hình cộng tính và mô hình nhân tính trong dự báo đặc biệt có yếu tố mùa nổi trội

Sử dụng Eviews và Excel để thực hiện dự báo bằng phương pháp phân tích

Sử dụng được kiểm định Kruskal-Wallis để kiểm định yếu tố mùa bằng phần mềm Eviews

* Chương 1: Tổng quan về dự báo

trên chuỗi thời gian 1.3.Phương pháp và phạm vi nghiên cứu:

*Dựa trên nền tảng của các phương pháp trung bình di động và dự báo theo hàm xu thế, kết hợp cộng tính hay kết hợp nhân tính với

yếu tố mùa vụ theo mô hình san mũ Winters Xem xét sự tồn tại của yếu tố mùa vụ thông qua kiểm định Kruskal-Wallis

1.4.Lý do chọn đề tài:

*Trên thực tế dữ liệu nhiều khi không tăng giảm theo thời gian mà còn biến động theo mùa Phương pháp phổ biến và hữu ích trong việc dự báo sự thay đổi, tăng trưởng của một số chỉ số kinh tế - xã hội… Vì vậy cần nghiên cứu để có thể ứng dụng vào thực tiễn

1.5 Ý nghĩa thực tiễn :

*Một chuỗi thời gian có thể quan sát thông qua bốn thành phần cơ

bản : mùa vụ, xu thế, chu kỳ và ngẫu nhiên Cung cấp cho các nhà quản lí những đo lường cụ thể cho các thành phần mà không định lượng được bởi các phương pháp khác

www.themegallery.com Company Logo

* Chương 2: Cơ sở lý thuyết và mô hình

nghiên cứu

1

Cơ sở lý thuyết:

•Dự báo trên

chuỗi thời gian

•Mối liên quan

của bốn thành

phần chuỗi thời

gian với dữ liệu

gốc

2

Mô hình nghiên cứu:

Mô hình hóa Yt theo các thành phần

Trt, Clt, Snt, It :

•Mô hình cộng tính : Xem chuỗi thời

gian như tổng các thành phần

Yt= Trt + Clt +Snt +It

•Mô hình nhân tính : Xem chuỗi thời

gian như tích các thành phần

Yt = Trt× Clt×Snt × It

3

Công cụ:

•Phần mềm Eview

•Phần mềm Excel

* Chương 3: Kết quả nghiên cứu

1 Tình huống 1

•Dự báo nhu cầu sd dầu 3th

cuối 2008 của một cty dầu

khí

Nhận xét

• Quá trình tăng giảm nhu

cầu dầu của công ty có dấu

hiệu lặp lại, từ đó suy ra mô

hình cộng tính tốt hơn mô

hình nhân tính

www.themegallery.com Company Logo

www.themegallery.com Company Logo

*

2 Lý thuyết ứng dụng: Mô hình

nhân tính

3 Giải quyết tình huống

Sau khi điều chỉnh yếu tố mùa: * Xét Clt = 0 và Irt = 0, vì

vậy chuỗi dữ liệu bây giờ chỉ còn Trt hay YSAt = Trt

* Sử dụng mô hình xu thế

để dự đoán nhu cầu dầu tương lai của công ty

*Cộng doanh số theo mùa

và xu thế để có kết quả cuối cùng

*Tách yếu tố xu thế: * Dự báo YSA (nhu cầu dầu đã

loại yếu tố mùa) bằng mô hình xu thế:

• Trước tiên ta tạo biến T bằng lệnh sau:

genr t=@trend(1995:12)

• YSA = -38.1193322338 + 1.38102867353*t

* Đồ thị dự báo kết quả

của hàm YSA

* Kết quả ước lượng trên eview theo biến T

*Bảng các chỉ số so sánh:

Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được

*Kết hợp yếu tố xu thế và yếu tố mùa để dự đoán nhu cầu dầu trong tương lai ta có được hàm sau:

Y^t = YSAt^ + Sn=t + Snt (do Clt = 0 va Irt = 0)

MAE MAPE MAE RMSE U

8.212820 16.65345 8.212820 10.04968 0.050540

*Bảng các chỉ số so sánh:

Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được

*Kết hợp yếu tố xu thế và yếu tố mùa để dự đoán nhu cầu dầu trong tương lai ta có được hàm sau:

Y^t = YSAt^ + Sn=t + Snt (do Clt = 0 va Irt = 0)

MAE MAPE MAE RMSE U

8.212820 16.65345 8.212820 10.04968 0.050540

* Chương 3: Kết quả nghiên cứu

genr yf=ysaf+sn

Nhu cầu sử dụng dầu 3

tháng cuối 2008

YF và DEMAND bám

nhau nên mô hình cộng

tính được áp dụng khá

tốt

Tình huống 2: Dự báo doanh

thu 4 quý tiếp theo của một

công ty máy tính MT

Thực hiện các thao tác trên phần mềm Eview ta được bảng kết quả sau:(mô hình

nhân tính)

* Chương 3: Kết quả nghiên cứu

RMS

E

MAE MAP

E

MSE

U

5.371

240

4.429

091

3.399

182

28.85

021

0.019

428

* Chương 3: Kết quả

nghiên cứu

4 Kiểm định Kruskal-Wallis

Tính CMA và chuỗi Sn.Ir

Genr cma=(0.5*y(-1)+y+y(1)+0.5*y(2)/4)

(Công thức tính CMA theo quý)

Genr snir_mul=y/cma (Công thức tính

chuỗi Sn,Ir theo mô hình nhân tính)

Genr snir_add=y-cma (nếu là mô hình

cộng tính)

Genr quarter=@quarter (Tạo biến quarter

lưu mã các quý)

* Chương 3: Kết quả nghiên cứu

Prob của thống kê Kruskal-Wallis bằng 0.0410 nhỏ hơn 0.1

nên độ tin cậy là 90% có yếu tố mùa tồn tại trong chuỗi dữ

liệu

Nền tảng của dự báo theo MH xu thế

Ra đời sớm

Dựa trên PP TB di động

•Dự báo được

ngắn hạn và dài

hạn

•Có tính phân

tích cụ thể Hiểu

và giải thích dễ

dàng hơn các

kết quả dự báo

•Có thể diễn đạt

trực tiếp excel

•Chỉ có chuỗi dữ liệu ổn định mới đưa ra dự báo đáng tin cậy

•Khi độ dài dự báo càng tăng thì

pp này kém chính xác hơn

•Không thể đưa đầy đủ những yếu tố bên ngoài

có tác động

Dự báo bằng phương pháp phân tích

Vẩn còn được sử dụng phổ biến cho đến ngày nay

www.themegallery.com