Mô hình dự báo được thực hiện kiểm tra với dữ liệu của một số mặt hàng nông nghiệp và phân tích sai số. Kết quả cho thấy mô hình hỗn hợp cho độ chính xác cao hơn trong việc dự báo giá hàng tuần và đưa ra các giá trị cảnh báo hàng ngày về giá các mặt hàng nông nghiệp so với từng mô hình, và đến một mức độ nào đó, mô hình này có thể dùng để dự báo hàng ngày sự thay đổi giá của các mặt hàng nông nghiệp.
THỐNG KÊ QUỐC TẾ VÀ HỘI NHẬP PHƯƠNG PHÁP DỰ BÁO NGẮN HẠN GIÁ CÁC MẶT HÀNG NÔNG NGHIỆP QUY MÔ LỚN: MINH HỌA BỞI TRƯỜNG HỢP CÁC THỊ TRƯỜNG NÔNG NGHIỆP Ở BẮC KINH Haoyang Wu, Huaili Wu, Minfeng Zhu, Weifeng Chen Wei Chen Tóm tắt: Để dự báo giá mặt hàng nông nghiệp thị trường bán buôn khác thành phố, nghiên cứu đề xuất mơ hình hỗn hợp, kết hợp mơ hình dự báo tự hồi quy kết hợp trung bình trượt theo chuỗi thời gian ARIMA phương pháp hồi quy PLS (Partial Least Squares) phương pháp sử dụng phân tích đa biến dựa yếu tố thời gian khơng gian Mơ hình hỗn hợp đưa kết dự báo hàng tuần giá mặt hàng nông nghiệp thị trường khác Cùng với đó, nghiên cứu đặt biến số để đo lường xu hướng thay đổi giá dựa thay đổi biến số ngoại sinh giá mặt hàng Do đó, mơ hình hỗn hợp đạt cảnh báo thay đổi giá hàng ngày mạng liên kết thơng tin thơng minh Mơ hình dự báo thực kiểm tra với liệu số mặt hàng nơng nghiệp phân tích sai số Kết cho thấy mơ hình hỗn hợp cho độ xác cao việc dự báo giá hàng tuần đưa giá trị cảnh báo hàng ngày giá mặt hàng nông nghiệp so với mơ hình, đến mức độ đó, mơ hình dùng để dự báo hàng ngày thay đổi giá mặt hàng nơng nghiệp Từ khố: Thay đổi cảnh báo, mơ hình hỗn hợp, mạng liên kết thông tin thông minh, dự báo giá… Thơng tin chung Có câu nói “Thực phẩm điều cần thiết tối thiểu người dân” Giá mặt hàng nông nghiệp điều cần thiết quan trọng có liên quan chặt chẽ đến sống người dân Sự biến động giá mặt hàng nông nghiệp bị ảnh hưởng yếu tố kinh tế xã hội Do đó, dự báo xác xu hướng thay đổi giá định hướng hành vi tiêu dùng người dân Đặc biệt điều có ý nghĩa quan trọng số vấn đề xã hội nóng bỏng dự đốn xu hướng kinh tế vĩ mơ 18 Có nhiều mặt hàng nơng nghiệp thị trường, giá mặt hàng bị ảnh hưởng nhiều yếu tố, chí mặt hàng định giá khác thị trường khác Ví dụ, Hình giá mặt hàng nơng nghiệp ngày thị trường bán buôn chợ nông nghiệp Baliqiao, quận Thông Châu, Bắc Kinh chợ nông nghiệp Shunxin Shimen, quận Thuận Nghĩa, Bắc Kinh, từ tháng 1/2014 đến tháng 6/2015 Hình cho thấy xu hướng giá mặt hàng nơng nghiệp hai thị trường có khác biệt lớn Người tiêu dùng quan hành chắn muốn có thơng SỐ 06 – 2017 Phương pháp dự báo ngắn hạn… tin tổng thể giá dự báo mộtt ssố thị trường nơng nghiệp Hình 1: Biểu diễn n giá bán bn hàng ngày hai thị trường Đường màu đen thị trường ng Baliqiao, qu quận Thông Châu, Bắc Kinh; đường màu đỏ th thị trường Shunxin Shimen, quận Thuận n Ngh Nghĩa, Bắc Kinh Giá mặt hàng nông nghiệp bịị ảnh hưởng kết hợp nhiều yếu tố, ố, bao gồm mối quan hệ cung-cầu, thời tiết, t, sách, v.v… Các yếu tố khơng thể định lượng theo tiêu chuẩn có ảnh nh hư hưởng không giống đến mặtt hàng nông nghiệp khác thị trường ng bán buôn đa dạng để dự báo giá hàng hóa nơng nghiệp Dự báo ngắn hạn n nay, bao g gồm dự báo thay đổi giá hàng tuần thay đổ ổi giá hàng ngày gặp nhiều thách thức, c, ssự biến động giá mặtt hàng nông nghi nghiệp bị ảnh hưởng kết hợp yế ếu tố không chắn Trong đó, điều u quan trọng dự báo ngắn hạn phải dự báo có thay đổi mạnh mẽ xảyy ra, trường hợp giá hàng nông nghiệp p thay đổi dao động ổn định Hiện tại, i, có ba phương pháp để dự báo ngắn hạn n giá m mặt hàng nông nghiệp: Phương pháp chuỗi thờii gian, bao gồm phương pháp dự báo ngắn hạn n mơ hình ARIMA, mơ hình dự báo phương SỐ 06 – 2017 Thống kê Quốc tế Hội nhập sai có điều kiện n GARCH (Generalised Autoregressive Conditional Heteroskedasticity mơ hình tổng qt hóa mơ hình nh ARCH ARCH; Trong đó, mơ hình ARCH: Mơ hình phương ương sai có điều kiện sai số thay đổi tự hồi quy) Những phương pháp dựa a giá lịch sử mặt hàng nông nghiệp p mà không quan tâm đến yếu tố khác Do đó, mơ hình không hoạt động đượcc giá bị ảnh hưởng yếu tố không theo thời gian Phương pháp hồi quy, bao gồm m mơ hình tự hồi quy véc tơ, mơ hình ình trung bình trượt kết hợp tự hồi quy véc tơ Nhữ ững phương pháp có yếu tố khác để xem xét Tuy nhiên, hạn chế a điều kiện sử dụng, nên áp dụ ụng mô hình để dự báo số loại mặt hàng nông nghiệp p khác thời điểm Các phương pháp học tập (machine learning, deep learning), bao gồm m mơ hình mạng liên kếtt thơng tin thơng minh Những phương pháp có phạm vi áp dụng rộng rãi Tuy nhiên, dự báo mặtt hàng nông nghiệp khác nhau, tác động ng khơng thể đảm bảo xảy tải i Do đó, phương pháp thường sử dụ ụng để dự báo số loại mặtt hàng nông nghiệp nghi cụ thể Các phương pháp chủ yếu u dựa d mơ hình nhằm mụcc tiêu vào mặt hàng nông nghiệp nhấtt đ định thị trường cụ thể Những ng phương pháp không kiểm tra liệu quy mô lớn sử dụng ng phạm vi nhỏ Ngồi ra, phương pháp khơng xem xét biến số kinh ttế ngoại sinh tương tác a thị th trường khác với yếu tố mùa vụ, làm giảm tính xác dự báo v thời gian biến đổi biên độ dao động 19 Thống kê Quốc tế Hội nhập Nghiên cứu đưa mơ hình liệu với thử nghiệm mẫu để giải vấn đề đề cập đưa mơ hình hỗn hợp để dự báo giá hàng nông nghiệp Chúng ta xem xét lại mơ hình ARIMA phương pháp hồi quy PLS, xem xét đến ảnh hưởng thị trường nông nghiệp khác thành phố Chúng ta dự báo thay đổi giá hàng tuần thị trường nông nghiệp cách xem xét tương tác thị trường khác yếu tố mùa vụ Trên sở mơ hình hỗn hợp yếu tố thời gian không gian, nghiên cứu đề xuất mơ hình cảnh báo thay đổi giá với thay đổi “khẩn cấp” để định lượng xu hướng thay đổi giá mặt hàng nông nghiệp Chúng ta sử dụng mạng liên kết thông tin thơng minh để phân tích “mức độ khẩn cấp” biến ngoại sinh khác, đưa dự báo giá trị hệ số “tính cấp bách” đáp ứng cho cảnh báo thay đổi “khẩn cấp” Do đó, mức độ đó, sử dụng mơ hình dự đốn xu hướng thay đổi giá hàng ngày mặt hàng nông nghiệp Phương pháp đề xuất nghiên cứu có dự báo tốt 20 loại hàng hoá nông nghiệp thị trường nông nghiệp Bắc Kinh Phân tích sai số phân tích kết hiển thị cho thấy mơ hình hỗn hợp nghiên cứu đạt kết dự báo khả quan Mơ hình hỗn hợp cho thấy cải tiến tính xác hiệu dự báo so với mơ hình đơn lẻ khác Sự đột phá mơ hình đề xuất nghiên cứu bản, bao gồm: Đưa mơ hình đề xuất cảnh báo hàng ngày để định lượng dự báo xu hướng thay đổi hàng ngày mặt hàng nông nghiệp 20 Phương pháp dự báo ngắn hạn… Mơ hình sử dụng để dự báo nhiều loại mặt hàng nơng nghiệp có hiệu tốt Mơ hình thực dự báo đồng thời mặt hàng nông nghiệp thị trường khác thành phố, cách xem xét yếu tố không gian Nghiên cứu nghiên cứu tại, kết hợp mơ hình dự báo đơn đề xuất mơ hình dự báo hỗn hợp, mơ hình dự báo đồng thời giá mặt hàng nông nghiệp thị trường khác Ngồi ra, mơ hình hỗn hợp cung cấp kết ổn định xác so với mơ hình đơn lẻ số mơ hình khác Cùng với đó, nhóm nghiên cứu xây dựng mơ hình cảnh báo giá hàng ngày dựa mạng liên kết thông tin thông minh chừng mực thực dự báo giá hàng ngày mặt hàng nơng nghiệp, có giá trị ứng dụng cho người dân quan hành Tổng quan nghiên cứu Mơ hình dự báo giá mặt hàng nông nghiệp chủ yếu chia thành hai loại Một mơ hình cấu trúc, phân tích yếu tố giá dựa quan điểm kinh tế Trên quan điểm kinh tế vi mô kinh tế lượng, Lord đề xuất giá có tương tác với nhu cầu, cung cấp kiểm kê, xây dựng mơ hình dự báo giá mặt hàng nơng nghiệp phương trình gắn với thời gian thực Một loại khác mơ hình phi cấu trúc, có nghĩa bỏ qua nguyên tắc dựa quan điểm kinh tế nghiên cứu trực tiếp chuỗi thời gian giá Box Jenkins đưa mơ hình ARIMA Việc lập mơ hình, ước lượng tham số, kiểm tra mơ hình phân tích kết dự báo dựa giả định: Giá tương lai có liên quan đến giá gốc biến ngẫu nhiên Mơ hình bỏ qua ảnh SỐ 06 – 2017 Phương pháp dự báo ngắn hạn… hưởng tất yếu tố khác Rausser Carter sử dụng mơ hình ARIMA để phân tích giá đậu nành, dầu đậu nành bột đậu nành tương lai, kết luận cho thấy: Đậu nành bột đậu nành thực tốt mơ hình ARIMA mơ hình ngẫu nhiên Granger khác biệt vượt q xảy sử dụng mơ hình ARIMA để xử lý liệu có lưu trữ dài hạn, đề xuất mơ hình tự hồi quy kết hợp mơ hình trung bình trượt phân đoạn ARFIMA Barkoulas cộng tính chênh lệch khác biệt giá tương lai hàng hóa nơng nghiệp nhận thấy số giá tương lai có lưu trữ dài hạn, đáp ứng u cầu mơ hình ARFIMA Mơ hình ARIMA dựa liệu theo chuỗi thời gian đó, mơ hình bỏ qua ảnh hưởng yếu tố khác giá SIMS đề xuất mơ hình tự hồi quy có hướng (VAR) để xây dựng chuỗi thời gian (nhằm khắc phục khiếm khuyết mơ hình ARIMA) PARK sử dụng mơ hình VAR khác để phân tích giá thức ăn gia súc bò, rút kết luận: Mơ hình tự hồi quy có hướng Bayesian (BVAR) mơ hình khơng giới hạn hướng (UVAR) (BVAR UVAR mơ hình thuộc VAR) đưa kết dự báo tốt mặt hạn chế mơ hình VAR (RVAR) mơ hình VARMA (tự hồi quy kết hợp trung bình trượt) trường hợp Nhưng làm mượt liệu theo khác biệt khơng thể giải thích từ quan điểm kinh tế, Engle Granger phân tích kết hợp tuyến tính biến dựa mối quan hệ đồng cấp Họ đề xuất mơ hình hiệu chỉnh sai số vec tơ (VEC), làm mượt liệu theo cách khác Do hạn chế mô hình thường khơng thể dự báo xác giá Yu Le cộng dự báo giá mặt hàng nông nghiệp tương ứng với ba mô hình san mũ, mơ hình hồi quy tuyến tính giản đơn mơ hình SỐ 06 – 2017 Thống kê Quốc tế Hội nhập dự báo xám, sau tìm kết hợp tuyến tính tối ưu có sai số (MSE) Từ lâu nhà nghiên cứu nghiên cứu xu hướng dài hạn giá mặt hàng nơng nghiệp có tuần hồn rõ rệt Beveridge Nelson đề xuất phương pháp tổng quát để làm mượt liên tục chuỗi thời gian Phương pháp yêu cầu thay đổi liên tục chuỗi thời gian ổn định Harvey đề xuất cấu trúc mơ hình chuỗi thời gian (STS) bao gồm loạt mơ hình chuỗi thời gian ổn định Phương pháp tránh nhận dạng mơ hình tách thành cơng yếu tố mùa vụ từ thay đổi giá mặt hàng nông nghiệp Điều giúp phù hợp với quan điểm kinh tế Gần đây, số phương pháp đề xuất Davidson cộng sử dụng phương pháp hồi quy có tham số dựa phân tích wavelet để ước lượng khoảng thời gian biến đổi minh hoạ tiềm phương pháp Sự biến động giá hướng nghiên cứu quan trọng Nhiễu ngẫu nhiên thường khó quan sát, vấn đề quan trọng việc dự báo giá Engle đề xuất mơ hình đặc tả mơ hình hóa chuỗi thời gian (ARCH) Mơ hình tin độ biến thiên nhiễu số, thay vào bị ảnh hưởng thơng tin q khứ Bollerslev đề xuất mơ hình GARCH, mơ hình cải tiến mơ hình ARCH Mơ hình GARCH thực tốt việc mô tả chuỗi thời gian với nhớ lưu trữ dài hạn Krytsou cộng đề xuất dự báo dài hạn chuỗi thời gian với nhiễu khơng hoạt động Thay vào đó, mơ hình Mackey-Glass-GARCH sử dụng Schroeder chia nhiễu giá thành loại dựa độ mạnh nhân tố quy ước, đặc biệt nhiễu trắng, nhiễu hồng, nhiễu nâu nhiễu đen Các nghiên cứu thực nghiệm sử dụng phương pháp Labys 21 Phương pháp dự báo ngắn hạn… Thống kê Quốc tế Hội nhập đến kết luận: Hầu hết mặt hàng nơng nghiệp có nhiễu đen, có nghĩa dự báo giá hàng nơng nghiệp khó khăn Mạng liên kết thơng tin thơng minh trở thành phương pháp hữu hiệu để dự báo giá Lapedes Farber dự báo giá với mạng liên kết thơng tin thơng minh Nó phù hợp với đường cong tùy ý, có khả bao quát tốt Một hướng dự báo khác mơ hình biến động, Andersen cộng so sánh số mơ hình bao gồm GARCH, biến động ngẫu nhiên biến động nhiều biến thể Manfredo cộng sử dụng mơ hình biến động dự báo biến động giá ngơ bò Kroner cộng dự báo giá vàng, ngô, v.v… với mơ hình kỳ vọng phương sai Ngày nay, nhà nghiên cứu cân nhắc kết hợp phương pháp dự báo cấu trúc phi cấu trúc, làm cho kết dự báo có ý nghĩa kinh tế Nghiên cứu dự báo giá hàng tuần mặt hàng nơng nghiệp cách tích hợp hai mơ hình sử dụng phương pháp chuỗi thời gian dựa tính tuần hồn hàng hố nơng nghiệp, sử dụng mơ hình khơng gian dựa liên quan thị trường khác Hơn nữa, nghiên cứu xử lý biến ngoại sinh đạt cảnh báo giá hàng ngày mạng liên kết thông tin thông minh Xử lý liệu Nguồn liệu Dữ liệu giá hàng hóa nơng nghiệp khai thác từ trang web phận thương mại điện tử , liệu bao gồm giá hàng ngày tất mặt hàng nông nghiệp thị trường bán buôn Trung Quốc từ ngày 2/1/2014 đến ngày 30/6/2015 Một số liệu bị thiếu kỳ nghỉ nguyên nhân mạng lưới thu thập Nghiên cứu sử dụng liệu Bắc Kinh làm mẫu Nghiên cứu đưa liệu thời tiết , tỷ giá hối đoái Trung Quốc Mỹ3 , giá dầu thô quốc tế4 xem biến kinh tế ngoại sinh Dữ liệu hàng ngày thời tiết, tỷ giá hối đối giá dầu thơ quốc tế bắt đầu thu thập từ ngày 1/1/2014 đến ngày 30/6/2015, liệu tỷ giá hối đoái giá dầu thơ quốc tế có ngày làm việc Mơ hình xây dựng nghiên cứu dựa liệu lớn Nghiên cứu phân tích đề cập đến giá tất mặt hàng nông nghiệp tất thị trường số liệu hàng ngày biến ngoại sinh khác thời điểm cuối thu kết dự báo 10 11 12 Xử lý mẫu Nghiên cứu sử dụng liệu 80% ngày trước làm mẫu nghiên cứu, dự báo giá 20% ngày sau Giá thực 20% ngày sau sử dụng để đánh giá kết dự báo Mối quan hệ giá hàng hóa nơng nghiệp ngày t ngày t-1 (ngày trước đó) thay đổi khơng thay đổi Thông thường giá hàng nông nghiệp luân phiên thay đổi giữ ổn định Nhóm nghiên cứu quan sát liệu thông báo giá thường giữ nguyên thời gian trước có thay đổi đột ngột Do đó, giả định mơ hình cảnh báo hàng ngày giá giữ ổn định thay đổi biến ngoại sinh đạt đến mức độ định Vì vậy, nghiên cứu định giá ngày cuối cho ngày thiếu liệu, thay sử dụng nội suy tuyến tính theo http://en.tutiempo.net/climate/2014/ws-545110.html http://www.eia.gov/dnav/pet/pet_pri_spt_s1_d.htm http://www.chinabgao.com/stat/stats/44589.html http://nc.mofcom.gov.cn/channel/gxdj/jghq/jg_list.shtml 22 SỐ 06 – 2017 Phương pháp dự báo ngắn hạn… cách làm thơng thường Điều có nghĩa là: Giá (t) = Giá (t-1) Giá (t) bị khuyết Dữ liệu khuyết biến ngoại sinh khác gán theo cách Phương pháp tiền xử lý liệu khác mô hình phụ khác Phương pháp tiền xử lý nghiên cứu tuân theo nguyên tắc trì xu hướng thay đổi giá bỏ qua biến động lớn giá khoảng thời gian ngắn người tiêu dùng phản ứng lại với biến động lớn giá Phương pháp tiền xử lý liệu khác mô hình phụ khác Phương pháp tiền xử lý nghiên cứu tuân theo nguyên tắc trì xu hướng thay đổi giá bỏ qua biến động lớn giá khoảng thời gian ngắn người tiêu dùng phản ứng lại với biến động lớn giá Dự báo giá mơ hình cảnh báo Nghiên cứu sử dụng mơ hình hỗn hợp để giải yếu tố khác nhau, tích hợp kết dự báo yếu tố khác nhận kết dự báo cuối Mơ hình hỗn hợp chia thành hai phần: Mơ hình dự báo thay đổi giá hàng tuần mơ hình cảnh báo thay đổi giá hàng ngày Mơ hình dự báo thay đổi theo tuần (4.1), mơ hình dự báo nhân tố khơng gian (4.2) mơ hình tích hợp khơng gian thời gian (4.3), tương ứng với yếu tố mùa, yếu tố không gian (ảnh hưởng thay đổi giá thị trường khác) kết hợp đầu mơ hình phụ Mơ hình cảnh báo thay đổi giá đề cập đến biến ngoại sinh (4.4) Nghiên cứu sử dụng phương pháp tiền xử lý liệu khác theo mơ hình khác để có kết dự báo tốt Khung SỐ 06 – 2017 Thống kê Quốc tế Hội nhập mơ hình tổng thể thể Hình Hình 2: Khung mơ hình tổng thể Mơ hình dự báo thời gian Hầu hết bảng liệu giá nông nghiệp dựa mơ hình chuỗi thời gian Các mơ hình không yêu cầu liệu biến khác tính khả thi chứng minh Do mơ hình chuỗi thời gian phần quan trọng mơ hình hỗn hợp nghiên cứu Xử lý liệu Các mơ hình chuỗi thời gian xử lý tốt việc phân tích dự báo liệu dài hạn, có xu hướng rõ ràng biến động thường xuyên Do đó, nghiên cứu sử dụng giá hàng tuần theo mơ hình chuỗi thời gian, cách tính giá trung bình hàng ngày tuần Mục đích để nâng cao độ xác dự báo, cách tránh ảnh hưởng biên độ dao động giá bất thường Mơ hình ARIMA (p, d, q) Nghiên cứu dự báo giá hàng tuần, giá mặt hàng nông nghiệp với mô hình ARIMA làm mơ hình dự báo thời gian Mơ hình ARIMA mơ hình cổ điển sử dụng rộng rãi Các tham số p, d, q tương ứng đại diện cho tự động hồi quy, thời gian khác làm mượt chuỗi thời gian thứ 23 Phương pháp dự báo ngắn hạn… Thống kê Quốc tế Hội nhập tự trung bình trượt Cơng thức tốn học mơ hình ARIMA là: ( ) ( )=μ+ ( ) ( ) ( ) ( ) θ ( ) biến ngẫu nhiên, mơ hình thay đổi giá hàng tuần theo thời gian t μ giá trị trung bình B toán tử dịch chuyển lùi B(W (t)) = W(t-1).ρ(B) tốn tử trung bình trượt ρ( ) = − ρ( ) − ⋯ − ρ( ) ( ) toán ( ) ε(t) toán tử tự hồi quy ( ) = − ϕ ( ) − ⋯− tử xáo trộn độc lập, sai số ngẫu nhiên Trong mơ hình này, đưa liệu vào thử nghiệm tĩnh ADF (kiểm tra tăng tính tĩnh DF) Nếu liệu sai q trình kiểm tra có khác biệt liệu vượt qua kiểm tra loại bỏ liệu Trong thực tế, hầu hết liệu giá hàng hóa nơng nghiệp vượt qua kiểm tra ADF, mơ hình ARIMA (p, d, q) gán d = Khi đó, giá trị p q lựa chọn AIC (tiêu chí thơng tin Akaike) thử nghiệm Đặt p q khoảng vòng đến 10 Sau đó, đưa liệu nghiên cứu vào kiểm tra AIC, tìm p q giá trị AIC thấp Phải thời gian dài để tìm p q cho mặt hàng nông nghiệp giải pháp thay trực tiếp chọn p = 10, q = Các kết dự báo xác Mơ hình dự báo yếu tố không gian Nghiên cứu dự báo giá tất thị trường nông nghiệp thành phố Phần nghiên cứu chủ yếu xem xét 24 ảnh hưởng thay đổi giá thị trường nông nghiệp khác Việc xem xét yếu tố dựa hành vi người tiêu dùng thay đổi giá ảnh hưởng đến hành vi tiêu dùng thành phố Xử lý liệu Người tiêu dùng không phản ứng với thay đổi giá ngày Do có khoảng thời gian trễ ảnh hưởng thay đổi giá thị trường khác Nghiên cứu lấy giá trị trung bình hàng tuần chênh lệch giá, nhằm giữ lại xu hướng thay đổi giá cả, đủ thời gian cho thời gian phản ứng chậm trễ Bên cạnh thời gian trễ, liên quan thị trường bán buôn khác khó khăn thiết kế mơ hình dự báo, hầu hết phương pháp phân tích hồi quy yêu cầu biến phải độc lập với Mục đích việc thiết kế mơ hình phần đánh giá mức độ ảnh hưởng thị trường nơng nghiệp Do đó, nghiên cứu sử dụng phương pháp PLS để dự báo giá dựa yếu tố khơng gian Mơ hình PLS Phương pháp phần tử nhỏ bao gồm thủ tục tương tự phân tích thành phần (PCA), sử dụng cho biến có nhiều tương quan Đối với mặt hàng nông nghiệp thị trường i, nhóm nghiên cứu muốn dự báo thay đổi giá hàng tuần θi(t) vào thời điểm t Các biến độc lập thay đổi giá thị trường khác ( ) ( ) ( ) ( ) θ , θ ,θ ,…,θ thời gian t -1 Nhóm nghiên cứu chuẩn bị quy trình thử nghiệm với liệu Sau đó, áp dụng phương pháp PLS xây dựng mơ hình thu mối quan hệ hồi quy thay đổi giá thị trường mục tiêu thay đổi giá SỐ 06 – 2017 Thống kê Quốc tế Hội nhập Phương pháp dự báo ngắn hạn… thị trường khác vào thời điểm cuối Chúng ta có giá trị dự báo θi(2)(t) mơ hình khơng gian mối quan hệ hồi quy Thông qua phương pháp PLS, lấy hệ số hồi quy cặp thị trường nơng nghiệp, số mức độ phản ánh mối quan hệ có ảnh hưởng thị trường nơng nghiệp Hơn nữa, nhóm nghiên cứu sử dụng PLS thay trực tiếp sử dụng mơ hình ARIMA đa biến mơ hình ARIMA đa biến đòi hỏi biến phải đồng Tuy nhiên, thay đổi giá thị trường nông nghiệp Trung Quốc cho thấy chuỗi giá thay đổi thị trường nơng nghiệp khác có cách tính khác Do đó, thị trường khác nhau, khơng phạm vi thử nghiệm đồng Vì vậy, nhóm nghiên cứu xem xét cách sử dụng phương pháp PLS, phương pháp tổng quát hơn, để xử lý với tất loại đa biến Mơ hình dự báo hỗn hợp giá hàng tuần Sau xử lý trước hai mơ hình trên, nhận hai nhóm liệu, dự báo khác biệt mơ hình thời gian không gian tuần tới (của tuần trước q trình nghiên cứu) Dựa vào phân tích trên, biết thay đổi giá hàng tuần chịu ảnh hưởng yếu tố theo thời gian yếu tố không gian Tuy nhiên, khơng biết chi tiết hai yếu tố có mối quan hệ với Có hai cách để tìm mối quan hệ hai yếu tố: (i) Phân tích kinh tế; (ii) Kiểm tra số mơ hình với liệu lịch sử chọn mơ hình tốt Mơ hình hỗn hợp nghiên cứu để thấy thú vị dự báo hai mơ hình dựa liệu nghiên cứu, sau đưa kết dự báo vào biến độc SỐ 06 – 2017 lập thay đổi giá thực hàng tuần thành hồi quy tuyến tính Mơ hình tuyến tính mơ hình hiệu tương đối đơn giản, bên cạnh tiết lộ trọng số yếu tố mối quan hệ Ngoài ra, chưa có nghiên cứu tương đối trọng số hai yếu tố tổng hợp số lượng mẫu có nhỏ Cuối nhận mối quan hệ hồi quy hai yếu tố ảnh hưởng đến thay đổi giá theo trọng số khác nhau: ( ) = ( ) ( ) + ( ) θi(1)(t) giá trị dự báo mơ hình ARIMA thị trường i θi(2)(t) giá trị dự báo mơ hình PLA thị trường i Chúng ta có α1 α2 thơng qua hồi quy liệu lịch sử Chúng ta đưa kết dự báo hai mơ hình phụ vào phương trình hồi quy nhận giá trị dự báo cuối thay đổi giá hàng tuần Mơ hình cảnh báo Như đề cập trên, giá hàng hóa nơng nghiệp có xu hướng thay đổi sau giữ ổn định thời gian Khơng có quy tắc rõ ràng quan sát thấy, thời điểm xác giá thay đổi khó dự đốn Các giải pháp nghiên cứu phương pháp tiền xử lý liệu có mức giá hàng tuần Điều quan trọng người tiêu dùng phải biết thay đổi giá xảy hàng ngày Do đó, viết đề xuất mơ hình cảnh báo thay đổi giá để định lượng cường độ thay đổi giá giá trị đầu Giả thuyết biến động giá Thứ nhất, mơ hình đề xuất giả thuyết bên cạnh biến động xung quanh giá trị trung bình, tất thay đổi 25 Phương pháp dự báo ngắn hạn… Thống kê Quốc tế Hội nhập giá thay đổi biến ngoại sinh Hàng hố nơng nghiệp thành phần kinh tế thị trường Giá khơng bị ảnh hưởng biến số kinh tế khác biến ngoại sinh, bao gồm: Thời tiết thay đổi giá Sự thay đổi chắn dao động xung quanh giá trị trung bình Vì vậy, giả thuyết hợp lý Sự ảnh hưởng biến ngoại sinh tích lũy theo thời gian Do khơng chắn ảnh hưởng, phân tích ảnh hưởng thời điểm có lỗi lớn Do đó, phần đề xuất số phương pháp để đối phó với biến ngoại sinh, theo cách để đồng hóa thay đổi giá với tích lũy biến ngoại sinh Định nghĩa tính cấp bách tính mẫu Việc xử lý liệu giá mơ hình cảnh báo theo giả thuyết nêu trên, hy vọng đạt liệu hàng ngày với xu hướng trì, điều có nghĩa giữ thơng tin liên quan ngày Vì vậy, sử dụng cách sau để xử lý liệu: Làm mượt giá: Dữ liệu giá linh hoạt ngày, giữ lại xu hướng giá loại bỏ biến động ý nghĩa Chúng ta sử dụng phương pháp làm mượt giá trung bình trượt liệu lịch sử mặt hàng Lấy giá trị tham số 15 Giá mặt hàng nông nghiệp thị trường i thời điểm t là: θ θ ( ) ( ) = θ = θ ( ) ( ) ( ) + θ + θ …… θ ( ) …… 26 θ = 15 () ( ) θ () θ = () 15 Phân cụm liệu Để đồng hóa thay đổi giá với thay đổi tích lũy biến ngoại sinh, bỏ qua dao động nhẹ, nghiên cứu sử dụng phân tích cụm liệu q trình xử lý Ở sử dụng thuật toán phân cụm Kmeans Đặt c số cụm: c = min{Số lượng giá khác nhau,7} Chúng ta đặt c nhỏ 7, chia cụm giá trị trung bình, ba cụm cao ba cụm thấp hơn, để phản ánh ổn định dao động lớn giá, thể Hình Sẽ khơng có nhiều giá trị khác giá hàng hóa nơng nghiệp sau phân cụm Hình 3: Ảnh hưởng việc xử lý liệu mơ hình cảnh báo Đường màu đen đề cập đến liệu thô mô hình cảnh báo; đường màu đỏ đề cập đến liệu tiền xử lý mơ hình cảnh báo Nâng cao chiều hướng Với pi(t) giá mặt hàng nông sản thị trường i thời điểm t, thiết lập thay đổi giá tương lai gần δi(t), xảy N(t) ngày Bây nhận liệu hàng ngày (δi(t), Ni(t)) Lấy biến Sau ba bước thử nghiệm, cuối nhóm nghiên cứu nhận SỐ 06 – 2017 Thống kê Quốc tế Hội nhập Phương pháp dự báo ngắn hạn… số biến Nghiên cứu u ước tính định lượng khoảng thay đổii giá từ giá trị δi(t) Ni(t) Do đó, xác định biến số Ui(t) khẩn cấp Giả sử giá θi(t) kéo dài cho thời gian Ti(t) Dựa a vào hiệu thực nghiệm mụcc đích đ định lượng, định nghĩa Ui(t) sau: U () = (T () () − N ) δ () T N () () / biến ngoại sinh dự báo Bởii tránh biến động ngẫu u nhiên biến ngoại sinh ảnh hưởng ng đặc trưng chúng y Do cần phảii tìm yếu tố để phản ánh tốt thay đổi giá c bị ảnh hưởng Nghiên cứu xử lý biến ngoại sinh theo bướcc sau: Trung bình: Chúng ta lấyy giá trị tr trung bình tháng qua Nếu Ni(t)