dự báo tình hình doanh thu của công ty cổ phần thiết bị điện phước thạnh năm 2012 dựa trên số liệu thu thập giai đoạn 2008 – 2011

TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINHKHOA TOÁN – THỐNG KÊ MÔN: DỰ BÁO TRONG KINH DOANH VÀ KINH TẾ Đề Tài: Dự báo tình hình doanh thu của công ty Cổ Phần Thiết Bị Điện Phước Thạnh

TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH

KHOA TOÁN – THỐNG KÊ MÔN: DỰ BÁO TRONG KINH DOANH VÀ KINH TẾ

Đề Tài: Dự báo tình hình doanh thu của công ty Cổ Phần Thiết Bị Điện Phước Thạnh năm 2012 dựa trên số liệu thu thập giai đoạn 2008 – 2011

Giảng viên hướng dẫn: Võ Thị Lan Thành viên nhóm:

1 Hạ Minh Tuấn

2 Văn Hoàng Khâm

3 Phan Đức Chiến

LỜI MỞ ĐẦU

1 LÝ DO CHỌN ĐỀ TÀI

Quá trình hội nhập kinh tế khu vực và quốc tế đặt ra cho các doanh nghiệp nước

ta nhiều cơ hội và thách thức Đó là cơ hội thu hút vốn đầu tư, kỹ thuật, công nghệ tiêntiến, tiếp thu cách làm việc, kinh doanh, quản lý khoa học của nước ngoài, có cơ hội đưasản phẩm của mình đến nhiều nước trên thế giới…Mặt khác, các doanh nghiệp phải chấpnhận sự cạnh tranh gay gắt diễn ra trên phạm vi toàn cầu Trong nền kinh tế thị trường,một khi không còn sự bảo hộ của Nhà nước, các doanh nghiệp nước ta phải tự điềuhành, quản lý các hoạt động sản xuất kinh doanh một cách có hiệu quả để đứng vữngtrên thị trường và ngày càng phát triển Muốn vậy, các doanh nghiệp phải tạo đượcdoanh thu và có lợi nhuận, đồng thời phải thường xuyên kiểm tra, đánh giá mọi diễnbiến và kết quả của quá trình sản xuất kinh doanh Bởi vì thách thức lớn nhất hiện naykhông chỉ là tăng đầu tư hay tăng sản lượng mà là tăng cường hiệu quả kinh doanh Nhưvậy, thường xuyên quan tâm phân tích hiệu quả kinh doanh nói chung, doanh thu, lợinhuận nói riêng trở thành một nhu cầu thực tế cần thiết đối với bất kỳ doanh nghiệp nào

Trong học kỳ vừa qua nhóm em đã được học tập về phương pháp dự báo trongkinh doanh cũng như dựa trên số liệu để dự báo tình hình kinh tế của doanh nghiệp, củathị trường trong tương lai gần, nhóm được trang bị một nền tảng lý thuyết về kinh tế,

phương pháp phân tích, dự báo kinh tế Theo yêu cầu của giáo viên bộ môn Dự báo

trong kinh doanh và kinh tế, nhóm đã tìm tòi và thu thập được số liệu doanh thu cụ thể

để tiến hành thực hành dự báo Bởi vì, doanh thu không chỉ phản ánh kết quả sản xuấtkinh doanh mà còn là cơ sở để tính ra các chỉ tiêu chất lượng khác nhằm đánh giá đầy đủhơn hiệu quả sản xuất kinh doanh của doanh nghiệp trong từng thời kỳ hoạt động Thôngqua việc dự báo và phân tích này, các nhà quản lý sẽ nắm được thực trạng của doanhnghiệp Từ đó, chủ động đề ra những giải pháp thích hợp khắc phục những mặt tiêu cực,phát huy mặt tích cực của các nhân tố ảnh hưởng và huy động tối đa các nguồn lực nhằmlàm tăng doanh thu, và hiệu quả kinh doanh của doanh nghiệp Xuất phát từ những vấn

đề trên đây, em chọn đề tài:

“Dự báo tình hình doanh thu của công ty Cổ Phần Thiết Bị Điện Phước Thạnh năm

2012 dựa trên số liệu thu thập giai đoạn 2008 – 2011”

2 MỤC TIÊU ĐỀ TÀI:

- Dựa trên số liệu thu thập được để dự báo tình hình kinh doanh doanh thu củadoanh nghiệp trong những năm sắp tới

- Phân tích các nhân tố ảnh hưởng đến tình hình biến động của doanh thu

- Đề ra một số giải pháp nhằm tăng doanh thu, để nâng cao hiệu quả kinh doanhcủa công ty

3 PHƯƠNG PHÁP DỰ BÁO:

- Mô hình hồi quy đơn ( nhị phân).

- Phương pháp phân tích dãy số thời gian.

4 PHẠM VI NGHIÊN CỨU

Đề tài này được giới hạn trong phạm vi hoạt động sản xuất kinh doanh thông quacác số liệu về kết quả doanh thu tiêu thụ đạt được của công ty Cổ Phần Thiết Bị ĐiệnPhước Thạnh

Do thời gian học trên lớp khá ít và số liệu mới được tìm được gần đây nên nhómtiến hành dự báo trong thời gian ngắn Chưa chuyên sâu đến từng phương pháp Nên cònnhiều thiếu sót

Số liệu phân tích được giới hạn trong 4 năm 2008, 2009, 2010, 2011

A DỰ BÁO TÌNH HÌNH DOANH THU CỦA CÔNG TY TRONG NĂM 2012

0 20000000000

Chúng ta nhận thấy rằng, nhìn chung doanh số của công ty tăng qua 4 năm từ

2008 – 2011 nhưng không đều Thường tăng đột biến vào những tháng đầu và thángcuối trong năm Điều này cũng phù hợp với thực tế vì vào những tháng đầu năm thì cácđại lý tiến hành đặt những đơn hàng lớn trữ hàng để bắt đầu một năm kinh doanh mới,

và thường vào những thời điểm cuối năm thì nhu cầu về thị trườg thiết bị điện tăng caonên lúc này công ty sẽ bán được lượng hàng lớn làm doanh thu tăng cao Còn nhữngtháng giữa năm thì nhu cầu thường ở mức trung bình nên doanh số ít có biến động

Từ số liệu doanh thu của công ty qua 4 năm (2008 – 2011) tiến hành dự báo doanh thucủa 12 tháng tiếp theo năm 2012

1 DỰ BÁO BẰNG MÔ HÌNH HỒI QUY ĐƠN (NHỊ PHÂN)

Phân tích hồi quy đơn là một công cụ thống kê giúp chúng ta ước lượng được mốiquan hệ toán học giữa một biến phụ thuộc ( thường gọi là Y) và một biến độc lập(thường gọi là X) Biến phụ thuộc là biến chúng ta cần dự báo Có nhiều dạng hồi quyphi tuyến được sử dụng, tuy nhiên các mô hình hồi quy tuyến tính vẫn phổ biến hơn

Để áp dụng phân tích hồi quy chúng ta bắt đầu bằng cách giả sử Y là một hàm số của X.

Y = f(X)Dưới dạng tuyến tính, mô hình hồi quy tổng thể được viết như sau:

Chúng ta phải ước lượng các giá trị β0, β1 làm sao để cho phương trình chứachúng phù hợp nhất với dữ liệu

Ta đã biết mô hình tổng thể được viết dưới dạng:

Y = β0 + β1X + ε

Trong đó các giá trị β0, β1 là các tham số của hàm tổng thể được ước lượng từcác dữ liệu mẫu Các giá trị ước lượng thống kê ( từ mẫu) tương ứng là b0, b1 Và môhình hồi quy ước lượng được viết như sau:

^

Y = b0 + b1XChênh lệch từ giá trị dự báo (Y) và giá trị thực (Y) được gọi là phần dư( residuals) và được ký hiệu là e, vì vậy:

e = Y - Y^

hay

e = Y - b0 - b1XPhương pháp bình phương tối thiểu thông thường OLS ( Ordinary Least Squared)được sử dụng để tối thiểu hóa tổng bình phương các phần dư

Tối thiểu ∑e2 = ∑(Y −b0−b1X)2

Đạo hàm từng phần tổng bình phương phần dư theo b0 và b1 Sau đó cho cácbiểu thức này bằng 0 và giải hệ phương trình chúng ta sẽ được công thức tính b0 và b1:

1.1 Dự báo bằng mô hình khuynh hướng tuyến tính

Trong một số trường hợp việc dự báo dựa trên nền tảng khuynh hướng tuyến tínhđơn giản là cần thiết Để thực hiện phương pháp này, ta cần trước tiên thiết lập thứ tựthời gian (T) và sử dụng như là một biến độc lập (hay biến X ) trong mô hình hồi quyđơn Trong đó, T có giá trị là 1 tại quan sát đàu tiên và tăng thêm 1 đơn vị cho mỗi quansát tiếp theo

Mô hình hồi quy dạng này được viết như sau :

^

Y = b0 + b1TTrong đó Y^ là dãy giá trị cần dự báo

1.2 Kiểm định thống kê của mô hình dự báo.

Để hoạch tóan doanh thu, xác định chi phí và lợi nhuận cho các năm kế tiếp, cầnphải tiến hành dự báo các chỉ tiêu trên Kết quả dự báo sẽ cho biết xu hướng biến độngdoanh thu, chi phí, lợi nhuận ra sao Nó là căn cứ quan trọng để xây dựng các kế hoạchkinh doanh, mục tiêu chi phí, lợi nhuận, các giải pháp thực hiện và phân bổ ngân sáchcho các bộ phận

Để đảm bảo tính khoa học khách quan trong dự báo chúng ta cần kiểm định môhình, xem xét tính tương thích của mô hình được dùng trong dự báo

Giả thuyết đặt ra là: Thứ nhất, các giá trị dự báo có ăn khớp với các giá trị thực tế đã thuthập hay không? Thứ hai, các chỉ số thống kê của mô hình có đạt được độ tin cậy vàđược chấp nhận trong dự báo hay không? Từ hai câu hỏi trên, chúng ta có các giả thuyết:

Sử dụng phương pháp hồi quy (Regression), phân tích phương sai ANOVA trongphần mềm dự báo ForecastX để kiểm định giả thuyết này Hệ số tương quan R cho biếtmối tương quan giữa các biến, là cơng cụ đo lường độ lớn về liên hệ tuyến tính giữa haibiến, có trị số từ -1 đến +1; hệ số xác định R2 (R-Square) là hệ số rất quan trọng cho biết

mô hình tuyến tính này “ăn khớp” hay phù hợp (Fitted) đến mức nào với các trị số củacác điểm phân tán (hay bao nhiêu phần trăm của tổng bình phương toàn phần được giảithích bằng phương trình hồi quy để dự báo), có gía trị từ 0 đến +1 Hệ số R2 càng lớn(tiến tới 1) thì đường thẳng hồi quy càng ăn khớp với các điểm phân tán

Nếu R2: <0.3 : Mối quan hệ rất yếu (không được chấp nhận)

0.3 ≤ R2 <0.5 : Mối quan hệ trung bình (được chấp nhận)

0.5 ≤ R2 <0.7: Mối quan hệ khá chặt chẽ

0.7 ≤ R2 ≤ 1 : Mối quan hệ rất chặt chẽ

Hồi quy có quan hệ với phân tích phương sai Vì vậy sau khi xác định được hệ số

R2, cần phải quyết định xem mô hình dự báo mà ta muốn áp dụng để mô tả hai biến sốliên hệ (biến thực tế quan sát được và biến dự báo), liệu có tương thích không Kiểmđịnh F, dựa trên phân phối xác suất F(Fisher), được dùng để kiểm định mức ý nghĩatrong mơ hình hồi quy này Ngoài ra trong bảng phân tích phương sai ANOVA, chúng tacần quan tâm đến mức ý nghĩa thống kê (được chỉ bằng trị số Sig.= Significance = p-value)

Quy luật bác bỏ:

H 0 : b1= 0

H 1 : b1# 0

Bác bỏ H0 nếu F > Fk-1, n-k,α Trong đó k-1 là bậc tự do của tử số và n-k là bậc tự docủa mẫu số (tra bảng phân phối F, với mức α =0.05) Nếu Sig của F có trị số từ nhỏ hơn0.05 đến 0.01: có ý nghĩa; Sig có trị số 0.01 hay nhỏ hơn: rất có ý nghĩa Cả hai trị sốnày cho phép ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 Theo đó, ta có thể kếtluận mô hình dự báo có quan hệ tuyến tính và phù hợp với các dữ liệu thu thập được.

Tóm lại khi sử dụng mô hình hồi quy, chúng ta cần lưu ý ba kiểm tra quan trọngsau:

1 Dấu của hệ số góc có phù hợp với các quy luật kinh tế, kinh doanh hoặc có thể

giải thích được không ?

2 Ý nghĩa thống kê của hệ số góc, sử dụng T-test hoặc giá trị P (p-values)

3 Bao nhiêu phần trăm của biến động trong biến phụ thuộc được giải thích bằng

biến độc lập, sử dụng hệ số xác định R-squared

1.3 Phân tích mô hình dự báo.

Sử dụng phần mềm ForecastX để tiến hành dự báo bằng phương pháp hồi quyđơn (Xu hướng tuyến tính).Kết quả hồi quy như sau:

Theo kết quả trên, hệ số b0 là 16,360,089,076 và b1 là 1,877,733,908 Theo đó,

mô hình dự báo hồi quy có thể viết :

Doanh thu = 16,360,089,076 + 1,877,733,908 (T)

Độ dốc (b1) nói lên rằng trung bình doanh số tính theo VND qua các năm từ 2008– 2011 tăng thêm 1,877,733,908 qua từng tháng.

Tiến hành kiểm định mô hình thông qua các giá trị thống kê

Với giả thuyết:

H0 : Mô hình dự báo không phù hợp với dữ liệu thu thập được

H1: Mô hình dự báo phù hợp với dữ liệu thu thập được

Ta có bảng phân tích phương sai ANOVA

Accuracy Measures Value

Mean Absolute Percentage Error

Mean Square Error 534,756,138,102

Root Mean Square Error 23,124,794,876.97

Method Selected Linear Regression

Ta có giá trị R- squared chính là hệ số xác định R2, trong mô hình trên R2 =0.5586hay 55.86% Ta thấy: ( 0.5 ≤ R2 <0.7 : Mốiquan hệ khá chặt chẽ) được chấp nhận Chobiết mô hình dự báo ăn khớp với các dữ liệu thu thập được

Sig = 0.00 < 0.05, cho biết tính ý nghĩa của mô hình dự báo

F = 58.21 > Fk-1,n-k,α = 4.08 (tra bảng F với 1 bậc tự do tử, 47 bậc tự do mẫu, α = 0.05 )

Như vậy ta bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 Theo đó ta có thể kếtluận mô hình dự báo có quan hệ tuyến tính và phù hợp với các dữ liệu thu thập được

Sử dụng phương trình:

Doanh thu = 16,360,089,076 + 1,877,733,908 ( T )

Để dự báo cho các tháng trong năm 2012, chúng ta chỉ việc thế các giá trị thíchhợp vào chỉ số thời gian T Các giá trị thích hợp của chỉ số thời gian T cho các tháng từtháng 1 đến tháng 12 của nắm 2012 lần lượt từ 49 đến 60

Kết quả ước lượng khuynh hướng tuyến tính đơn của doanh số theo các thángtrong năm 2012 được trình bày ở bảng sau

Bảng 1.5: Kết quả dự báo theo mô hình hồi quy đơn

Tháng Thời gian

( T ) Doanh số dự báo

Jan-2012 49 108,369,050,577Feb-2012 50 110,246,784,485

Mar-2012 51 112,124,518,393Apr-2012 52 114,002,252,301May-2012 53 115,879,986,210Jun-2012 54 117,757,720,118Jul-2012 55 119,635,454,026Aug-2012 56 121,513,187,934Sep-2012 57 123,390,921,842Oct-2012 58 125,268,655,751Nov-2012 59 127,146,389,659Dec-2012 60 129,024,123,567

0 20000000000

Doanh số Doanh số dự báo Fitted Values

Hình 1.2: Đồ thị thể hiện kết quả dự báo hồi quy

2 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH DÃY SỐ THỜI GIAN

2.1 Khái niệm.

Dãy số thời gian là một dãy các giá trị của hiện tượng nghiên cứu được sắp xếptheo thứ tự thời gian

Các hiện tượng kinh tế xã hội luôn luôn biến động qua thời gian.Để nghiên cứu

sự biến động này người ta dùng phương pháp chuỗi thời gian Chuỗi thời gian là chuỗi

số liệu thay đổi theo thời gian Đối với dự báo sốlượng sản phẩm tiêu thụ nó là dòng sốlượng tiêu thụ sản phẩm thực tế biến động theo từng tuần, tháng, năm Đối với dự báodoanh thu, nó là dòng doanhthu thực tế thu được qua các tuần, tháng, năm.

Phương pháp dự báo theo dãy số thời gian được xây dựng trên giả thuyết về sựtồn tại và lưu lại các nhân tố quyết định đại lượng dự báo quá khứ đến tương lai Trongphương pháp này đại lượng cần được dự báo xác định trên cơ sở phân tích chuỗi các sốliệu thống kê được trong quá khứ

Mức cơ sở của chuỗi thời gian là giá trị trung bình của các số liệu xuất hiện trongmột khoảng thời gian nào đó (tuần, tháng, quý, năm, )

2.2 Các thành phần của dãy số thời gian.

Biến động của một dãy số thời gian có thể được xem là kết quả hợp thành của 4yếu tố thành phần sau

a Xu hướng (Trend component): thể hiện chiều hướng biến động tăng hoặc giảm

đều của hiện tượng nghiên cứu trong một thời gian dài (nhiều năm), xu hướngmang tính dài hạn Nguyên nhân của những biến động có tính xu hướng có thể là

do lạm phát, gia tăng sản lượng, tăng thu nhập cá nhân, sự tăng giảm dân số, sựtăng trưởng hay giảm sút của thị trường, tăng năng suất lao động hoặc có sự thayđổi về công nghệ, những tiến bộ kỹ thuật cạnh tranh từ nước ngoài…

b Thời vụ (seasonal component ): biểu hiện sự tăng hay giảm mức độ của hiện

tượng ở một số thời gian theo mùa (tháng / quý ) nào đó trong một năm và đượclặp đi lặp lại qua nhiều năm Biến động thời vụ thường do các nguyên nhân nhưđiều kiện thời tiết, khí hậu, tập quán xã hội, tín ngưỡng …Biến động thời vụ đượcxem xét khi dữ liệu thu thập theo tháng, quý tức là những dao động mang tínhngắn hạn có chu kỳ một năm, khác với giao độnh theo chu kỳ là những giao độngmang tính dài hại có chu kỳ trên một năm

c Chu kỳ (Cyclical component): là những dao động hình sóng xung quanh xu

hướng thường là do những thay đổi của điều kiện kinh tế Những mô hình chu kỳ đượclặp lại sau một năm nhất định Những dao động chu kỳ thường bị ảnh hưởng bởi sự bùng

nổ hay đình trệ kinh tế hoặc do tác động tổng hợp của nhiều yếu tố khác Giai đoạn đi từđỉnh này sang đỉnh tiếp theo của chu kỳ có thể là khoảng từ 5 đến 7 năm

d Ngẫu nhiên (Irregular component, random compnent): là loại biến động xảy

ra hoàn toàn ngẫu nhiên và không thường xuyên, không có quy luật và hầu như khôngthể dự đoán trước Loại biến động này thường xảy ra trong thời gian ngắn và gần nhưkhông lặp lại, các biến động này là do ảnh hưởng của thời tiết bất thường, thiên tai, đìnhcông, bầu cử, luật lệ mới ban hành, động đất nội chiến, chiến tranh…

2.3 Phân tích dự báo

Sử dụng công cụ là phần mền dự báo ForecastX để thực hiện dự báo Ta chọn môhình nhân để phân tích và dự báo tình hình doanh thu của công ty Phước Thạnh trongnăm 2012 Nguyên nhân của việc lựa chọn này là do trong mô hình nhân có tính đến cácyếu tố như: xu hướng, thời vụ và chu kỳ, còn một yếu tố nửa là yếu tố ngẫu nhiên,nhưng trong dự báo thì ta có thể loại bỏ yếu tố này vì không thể tính được Doanh thucủa công ty tăng qua từng năm nhưng quan sát trên đồ thị trên thì yếu tố thời vụ và chu

Bảng 1.6: Kết quả chạy mô hình dãy số thời gian

(trung bình di

động)

CMA Trend

Seasonal Indices

Cycle

Factor s

2008 4 14,669,398,357.70 35,083,895,702.31 35,332,287,349.17 24,316,507,309.04 0.99 1.45May-

2008 5 35,876,285,675.10 32,806,673,282.78 37,988,496,150.51 26,126,958,551.13 0.86 1.45Jun-2008 6 70,316,317,378.70 33,707,772,985.93 35,819,119,830.88 27,937,409,793.22 0.94 1.28Jul-2008 7 14,646,079,723.10 44,896,709,701.25 37,339,870,377.94 29,747,861,035.31 1.20 1.26Aug-

2008 8 30,206,194,735.50 30,274,995,111.75 30,489,340,062.44 31,558,312,277.40 0.99 0.97Sep-

2008 9 32,505,493,673.80 24,201,843,894.69 28,024,531,646.48 33,368,763,519.49 0.86 0.84Oct-

2008 10 18,882,866,856.00 32,948,936,391.26 35,012,752,144.48 35,179,214,761.58 0.94 1.00Nov-

2008 11 46,361,062,918.10 43,095,449,347.60 35,841,791,151.88 36,989,666,003.67 1.20 0.97Dec-

2008 12 54,396,975,524.50 35,030,834,001.60 35,278,849,975.15 38,800,117,245.76 0.99 0.91Jan-2009 13 14,947,024,944.00 31,512,976,716.36 36,490,459,863.51 40,610,568,487.85 0.86 0.90

Feb-2009 14 31,937,806,172.00 31,907,327,962.08 33,905,900,702.31 42,421,019,729.94 0.94 0.80Mar-

2009 15 42,999,002,709.00 43,122,201,001.86 35,864,040,071.88 44,231,470,972.03 1.20 0.81Apr- 16 37,082,562,444.00 42,888,267,034.59 43,191,913,111.13 46,041,922,214.12 0.99 0.94