Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 35 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
35
Dung lượng
2,48 MB
Nội dung
PHẦN 1: MÔ TẢ SỐ LIỆU Số liệu sử dụng doanh thu Vinamilk từ quý – 2006 đến quý 2018 (đơn vị: triệu VND), nhóm tổng hợp từ trang http://finance.vietstock.vn Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV Trên cửa sổ Series: REV vào View/ Descriptive Statistics & Tests/ Stats Table, ta có bảng mơ tả thống kê sau: Một số mô tả thống kê quan trọng: Số quan sát (Observations): 50 Giá trị trung bình (Mean): 6533686 Giá trị lớn (Maximum): 13702481 Giá trị nhỏ (Minimum): 1284717 Độ lệch chuẩn (Std Dev.): 4038195 Trên cửa sổ Series: REV vào View/ Graph, ta có biểu đồ mơ tả số liệu rev 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 PHẦN 2: DỰ BÁO DOANH THU CỦA VINAMILK Trong tiểu luận này, nhóm tiểu luận dùng phần mềm Eviews để dự báo chuỗi rev (chuỗi số liệu doanh thu Vinamilk) từ quý năm 2018 đến quý năm 2020 (2018Q3 2020Q4) nhiều phương pháp khác 2.1 Các phương pháp dự báo giản đơn 2.1.1 Dự báo phương pháp san mũ San mũ việc loại bỏ yếu tố ngẫu nhiên để nhìn thấy chất chuối giúp việc dự báo trở nên dễ dàng Phương pháp san mũ đơn loại bỏ yếu tố ngẫu nhiên dự báo giá trị mẫu (predict) giúp dự báo mẫu (forecast) Phương pháp san mũ kép việc lặp lai lần san mũ đơn Phương pháp dự báo ngồi mẫu Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing: Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Double Chuỗi san kép chuỗi revd Ta thu kết dự báo sau: Date: 09/26/18 Time: 21:16 Sample: 2006Q1 2018Q2 Included observations: 50 Method: Double Exponential Original Series: REV Forecast Series: REVD Parameters: Alpha Sum of Squared Residuals Root Mean Squared Error 0.2140 1.66E+13 576001.6 End of Period Levels: 13367301 254639.4 Mean Trend Hằng số san kép: Chỉ số bậc hai sai số bình phương trung bình RMSE = 576001,6 Trên cửa sổ Command dùng lệnh line rev revd có biểu đồ sau 20,000,000 16,000,000 12,000,000 8,000,000 4,000,000 06 07 08 09 10 11 12 13 rev 14 15 16 17 18 19 20 REVD 2.1.2 Dự báo phương pháp san mũ Holt a Tổng quan phương pháp Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu T cách loại bỏ yếu tố xu T Ký hiệu: ước lượng phần xu thời kỳ t ước lượng giá trị trung bình Y thời kì t giá trị dự báo Y sau h giai đoạn tương lai Ta có Với số san cho RMSE nhỏ b Áp dụng Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing phần Smoothing method, chọn HoltWinters-No seasonal Chuỗi san Holt chuỗi revh Ta thu kết dự báo sau: Date: 09/26/18 Time: 21:23 Sample: 2006Q1 2018Q2 Included observations: 50 Method: Holt-Winters No Seasonal Original Series: REV Forecast Series: REVH Parameters: Alpha Beta Sum of Squared Residuals Root Mean Squared Error 0.2100 1.0000 1.51E+13 550318.9 End of Period Levels: 13006364 -48916.19 Mean Trend Hằng số san : α = 0,2100; β = 1,0000 Chỉ số bậc hai sai số bình phương trung bình RMSE = 550318,9 Trên cửa sổ Command dùng lệnh line rev revh có biểu đồ sau 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 rev 13 14 15 16 17 18 19 20 REVH 2.1.3 Dự báo phương pháp san mũ Winters a Tổng quan phương pháp Phương pháp san mũ Winters dùng để dự báo chuỗi có chứa yếu tố xu yếu tố mùa vụ Ký hiệu: ước lượng phần xu thời kỳ t ước lượng giá trị trung bình Y thời kì t giá trị dự báo Y sau h giai đoạn tương lai yếu tố thời vụ thời điểm t (Chỉ số mùa vụ qua năm không đổi) k số thời vụ năm yếu tố thời vụ thời điểm t thời kỳ trước Đầu tiên phải xác định dạng mơ hình chuỗi: Mơ hình nhân: Mơ hình cộng: Từ đó, ta có giá trị ước lượng trung bình là: Mơ hình nhân: Mơ hình cộng: Ước lượng giá trị xu T là: Ước lượng giá trị số mùa vụ là: Mơ hình nhân: Mơ hình cộng: Như vậy, ta có dự báo h giai đoạn tương lai Mơ hình nhân: Mơ hình cộng: (với số mùa vụ năm cần dự báo) b Áp dụng rev 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 Từ đồ thị chuỗi rev, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian Vậy ta sử dụng mô hình nhân Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing phần Smoothing method, chọn HoltWinters – Muliplicative Chuỗi san Winters chuỗi revw Ta thu kết dự báo: Date: 09/19/18 Time: 21:38 Sample: 2006Q1 2018Q2 Included observations: 50 Method: Holt-Winters Multiplicative Seasonal Original Series: REV Forecast Series: REVW Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error 0.3700 0.8101 0.0300 4.65E+12 305032.7 End of Period Levels: 12948329 -8995.349 1.026821 0.977690 0.940517 1.054971 Mean Trend Seasonals: 2017Q3 2017Q4 2018Q1 2018Q2 Hằng số san: α = 0,3700; β = 0,8100; γ = 0,0300 Chỉ số bậc hai sai số bình phương trung bình RMSE = 305032,7 Chỉ số mùa vụ qua năm không đổi bằng: S1 S2 S3 S4 0,940517 1,054971 1,026821 0,977690 Trên cửa sổ Command dùng lệnh line rev revw có biểu đồ sau: 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 13 rev 2.2 14 15 16 17 18 19 20 REVW Dự báo phương pháp phân tích a Quy trình: gồm bước: Bước 1: Nhận dạng liệu Xác định chuỗi thuộc mơ hình nhân hay mơ hình cộng Tính CMA4 (nếu số liệu theo q) CMA12 (nếu số liệu theo tháng) Bước 2: Tách yếu tố mùa vụ Tách yếu tố mùa vụ khỏi chuỗi thu chuỗi Đối với mơ hình nhân: tính tỉ số Đối với mơ hình cộng: tính hiệu Phương pháp MA tách ảnh hưởng yếu tố chu kỳ (C) (I) để chuỗi phụ thuộc yếu tố xu (T) để dễ dàng ước lượng Bước 3: Ước lượng chuỗi hàm xu dự báo chuỗi hiệu chỉnh Tính giá trị trung bình chênh lệch: Đối với mơ hình nhân: tính = x Đối với mơ hình cộng: tính x Ta có kết sau: 14,000,000 14,000,000 Forecast: REVSAF Forecast: REVSAF Actual: REVSA Actual: REVSA Forecast sample: 2006Q1 2018Q2 Forecast sample: 2006Q1 2018Q2 10,000,000 10,000,000 Included observations: 50 Included observations: 50 Root Mean Squared Error 300176.3 8,000,000 Root Mean Squared Error 300176.3 8,000,000 Mean Absolute Error 235812.9 Mean Absolute Error 235812.9 6,000,000 Mean Abs Percent Error 6,000,000 Mean Abs Percent Error 4.877383 4.877383 Theil Inequality Coef 0.019651 Theil Inequality Coef 0.019651 4,000,000 4,000,000 Bias Proportion 0.000630 Bias Proportion 0.000630 Variance Proportion 0.004967 Variance Proportion 0.004967 2,000,000 2,000,000 Covariance Proportion Covariance Proportion 0.994403 0.994403 Theil U2U2 Coefficient 0.769027 0 Theil Coefficient 0.769027 06 06 07 07 08 08 09 09 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 1718 18 Sym metric MAPE 4.884195 Sym metric MAPE 4.884195 12,000,000 12,000,000 REVSAF REVSAF Actuals Actuals S.E ± ±S.E Nhìn vào kết dự báo mẫu ta thấy: Mean Abs Percent Error = 4.877383 < Tức sai số dự báo < 5%, Có thể sử dụng mơ hình để dự báo ngồi mẫu Mở lại cửa sổ Forecast Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4 Ta thu chuỗi dự báo revsaf Ta lấy chuỗi revsaf nhân với số mùa vụ sr chuỗi dự báo revf Trên cửa sổ Command gõ lệnh genr revf=revsaf*sr Trên cửa sổ Command gõ lệnh line revf rev thu kết quả: 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 13 rev 2.3 14 15 16 17 18 19 20 REVF Dự báo mơ hình ARIMA a Tổng quan mơ hình Mơ hình ARIMA bậc p, d, q mơ hình với: AR(p) mơ hình tự tương quan bậc p Y(d) chuỗi dừng lấy sai phân bậc d MA(q) mơ hình trung bình trượt bậc q có phương trình là: b Các bước tiến hành Bước 1: Kiểm tra tính dừng chuỗi cần dự báo Đối với chuỗi thường: kiểm tra tính dừng chuỗi gốc tiến hành dự báo ARIMA với chuỗi gốc Đối với chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau kiểm tra tính dừng chuỗi tách tiến hành dự báo ARIMA với chuỗi tách Đối với chuỗi có tính xu thế: kiểm tra tính dừng chuỗi gốc (với phần dư), sau kiểm tra tính dừng chuỗi tiến hành dự báo ARIMA với chuỗi Bước 2: Xác định độ trễ p, q Bước 3: Kiểm tra điều kiện giả định mơ hình: Mơ hình khả nghịch ổn định (nghiệm đơn vị mơ hình hồi quy phụ < 1) Nhiễu trắng (nhiễu không tự tương quan) Chất lượng dự báo Bước 4: Dự báo mẫu Đối với chuỗi có yếu tố mùa vụ: Nhân cộng chuỗi dự báo hiệu chỉnh với số mùa vụ để dự báo chuỗi gốc Đối với chuỗi có yếu tố xu thế: Tạo biến dự báo chuỗi c Áp dụng Bước 1: Kiểm tra tính mùa vụ tách yếu tố mùa vụ có Trên cửa sổ Series: REV vào View/ Graph Trên cửa sổ Graph Options chọn Seasonal Graph Ta có biểu đồ sau rev by Season 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 Q1 Q2 Q3 Q4 Means by Season Các vạch đỏ hình giá trị trung bình mùa Nếu vạch chênh nhiều tính mùa vụ rõ ràng Ở đây, ta thấy vạch đỏ không chênh nhiều, nhiên có sai lệch chứng tỏ chuỗi giá trị sử dụng có yếu tố mùa vụ Ta tiến hành dự báo cho chuỗi rev cách tách yếu tố mùa vụ Ta xác định chuỗi thuộc dạng mơ hình nhân (như kết luận phần III) Tiến hành tách yếu tố mùa vụ (theo phần IV.2b) ta thu chuỗi revsa Kiểm định tính dừng chuỗi revsa Cặp giả thuyết: Trên cửa sổ Series: REVSA vào View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn Level Ta có kết Null Hypothesis: REVSA has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=10) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* 1.105273 -3.574446 -2.923780 -2.599925 0.9970 Theo kết kiểm định ta thấy Khơng có sở bác bỏ H0 Chuỗi revsa khơng dừng Vậy ta kiểm định tính dừng chuỗi revsa sai phân bậc Trên cửa sổ Series: REVSA vào lại View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn 1st difference Null Hypothesis: D(REVSA) has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=10) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -10.45589 -3.574446 -2.923780 -2.599925 0.0000 Theo kết kiểm định ta thấy: Bác bỏ H0, chấp nhận H1 Chuỗi revsa dừng sai phân bậc Bước 2: Tìm độ trễ cho mơ hình AR MA Trên cửa sổ Series: REVSA vào View/ Correlogram Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include 20 Ta có kết Date: 09/30/18 Time: 19:31 Sample: 2006Q1 2020Q4 Included observations: 49 Autocorrelation Partial Correlation 10 11 12 13 14 15 16 17 18 19 20 AC PAC Q-Stat Prob -0.408 0.241 -0.168 0.361 -0.058 -0.054 0.053 -0.035 0.158 -0.303 0.147 -0.128 0.120 -0.224 0.167 -0.121 0.169 -0.238 0.151 -0.134 -0.408 0.090 -0.050 0.317 0.256 -0.109 -0.018 -0.143 0.054 -0.193 -0.087 -0.021 0.004 -0.033 0.155 0.001 0.164 -0.138 -0.028 -0.187 8.6576 11.751 13.278 20.504 20.698 20.867 21.033 21.109 22.671 28.544 29.973 31.077 32.070 35.645 37.685 38.799 41.026 45.587 47.475 49.019 0.003 0.003 0.004 0.000 0.001 0.002 0.004 0.007 0.007 0.001 0.002 0.002 0.002 0.001 0.001 0.001 0.001 0.000 0.000 0.000 Ta chọn độ trễ cho AR, độ trễ cho MA Bước 3: Ước lượng mơ hình kiểm định khuyết tật Ước lượng mơ hình Trên cửa sổ Command gõ lệnh LS d(revsa) c ar(1) ma(1) ma(4) Ta có kết hồi quy sau: Dependent Variable: D(REVSA) Method: ARMA Maximum Likelihood (BFGS) Date: 09/30/18 Time: 19:38 Sample: 2006Q2 2018Q2 Included observations: 49 Convergence achieved after 18 iterations Coefficient covariance computed using outer product of gradients Variable Coefficient Std Error t-Statistic Prob C AR(1) MA(1) MA(4) SIGMASQ 225291.1 -0.120328 -0.335408 0.489154 8.90E+10 42761.11 0.212783 0.152258 0.097377 1.83E+10 5.268598 -0.565496 -2.202889 5.023316 4.861800 0.0000 0.5746 0.0329 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Inverted AR Roots Inverted MA Roots 0.330289 0.269407 314800.7 4.36E+12 -687.9887 5.425005 0.001221 -.12 68-.58i Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 68+.58i -.52+.58i 236917.9 368296.7 28.28525 28.47830 28.35849 1.985770 -.52-.58i Module nghiệm đơn vị: = 0,12 < = = 0,8937 < = = 0,779 < Ta thấy, module nhỏ nên nghiệm đơn vị nằm vịng trịn đơn vị Mơ hình khả nghịch ổn định Kiểm định nhiễu trắng Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Correlogram – Q-statistics Trên cửa sổ Lag Specification chọn độ trễ 12 Date: 09/30/18 Time: 19:46 Sample: 2006Q1 2020Q4 Included observations: 49 Q-statistic probabilities adjusted for ARMA terms Autocorrelation Partial Correlation 10 11 12 AC PAC Q-Stat Prob 0.001 0.152 0.038 0.026 -0.021 0.024 -0.014 0.059 0.078 -0.294 -0.018 -0.153 0.001 0.152 0.038 0.004 -0.033 0.018 -0.007 0.056 0.083 -0.322 -0.049 -0.074 0.0001 1.2211 1.2981 1.3368 1.3621 1.3952 1.4062 1.6182 1.9953 7.5331 7.5553 9.1383 0.248 0.506 0.707 0.843 0.899 0.920 0.376 0.478 0.425 P-value độ trễ lớn mức ý nghĩa α = 5% nên mơ hình khơng có tự tương quan nhiễu Bước 4: Dự báo Dự báo cho chuỗi hiệu chỉnh revsa Trên cửa sổ ước lượng chọn Forecast Trên cửa sổ Forecast, phần Forecast Sample chọn mẫu từ 2013Q4 2015Q2 Ta có kết sau: 11,000,000 Forecast: REVSAF Actual: REVSA Forecast sample: 2013Q4 2015Q2 10,500,000 10,000,000 9,500,000 9,000,000 8,500,000 8,000,000 7,500,000 7,000,000 IV 2013 I II III IV 2014 REVSAF I II 2015 ± S.E Included observations: Root Mean Squared Error 354292.4 Mean Absolute Error 335304.8 Mean Abs Percent Error 3.690889 Theil Inequality Coef 0.020053 Bias Proportion 0.481008 Variance Proportion 0.158144 Covariance Proportion 0.360848 Theil U2 Coefficient 0.742035 Symmetric MAPE 3.745901 Nhìn vào kết dự báo mẫu ta thấy Mean Abs Percent Error = 3,690889 < Tức sai số dự báo < 5% Có thể sử dụng mơ hình để dự báo mẫu Mở lại cửa sổ Forecast Trong phần Forecast sample chọn mẫu 2018Q3 2020Q4 Ta thu chuỗi dự báo revsaf Dự báo cho chuỗi gốc Ta lấy chuỗi revsaf nhân với số mùa vụ sr chuỗi dự báo revfarima Trên cửa sổ Command gõ lệnh genr revfarima=revsaf*sr Trên cửa sổ Command gõ lệnh line revfarima rev thu kết 16,000,000 14,000,000 12,000,000 10,000,000 8,000,000 6,000,000 4,000,000 2,000,000 06 07 08 09 10 11 12 13 14 REVFARIMA 15 16 rev 17 18 19 20 PHẦN 3: KẾT LUẬN Chọn chuỗi rev, revd, revh, revw, revf, revfarima: click phải chuột chọn Open/ as Group Chọn số liệu kết phương pháp dự báo, ta có bảng số liệu sau: Để so sánh mơ hình dự báo: Trên cửa sổ Series: Rev vào View/ Forecast Evaluation: Trên cửa sổ Forecast Evaluation, phần Forecast data objects gõ tên chuỗi dự báo: Ta có kết so sánh sau: 17,000,000 16,000,000 15,000,000 14,000,000 13,000,000 12,000,000 11,000,000 10,000,000 9,000,000 8,000,000 7,000,000 6,000,000 5,000,000 4,000,000 3,000,000 2,000,000 1,000,000 2006 2007 2008 2009 2007 2010 2008 2009 2011 2010 2011 2012 REVF REVD REVF REVD 2012 2013 2014 2013REVFARIMA 2014 REVH REVFARIMA REVH 2015 2016 2017 2015 rev REVW 2018 2019 2016 2020 2017 rev REVW Dựa vào kết dự báo ta thấy phương pháp phân tích (chuỗi revf) phương pháp dự báo theo mơ hình ARIMA (chuỗi revfarima) có thơng số xác so với phương pháp cịn lại với số RMSE, MAE, MAPE nhỏ Vậy, để lựa chọn phương pháp dự báo tốt cho chuỗi, ta lựa chọn phương pháp phân tích phương pháp dự báo theo mơ hình ARIMA 2018 PHỤ LỤC Bảng số liệu doanh thu Vinamilk Đơn vị: triệu VND Quý Năm 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 1284717 1380154 1808133 2068581 3250119 4535428 5876318 6676399 7678146 8716036 10332909 12049369 12120502 1536649 1733971 2063688 2675245 3986854 5420401 7010951 8070453 9232342 10500111 12449130 13348261 13702481 1920872 1837269 2114610 2997653 4376025 5696541 6618841 8027718 8731443 10549326 12204690 13293078 1876865 1870471 2252114 2873344 4139979 5975058 7055464 8174033 9334997 11098562 11807611 12350368 ... 7010951 807 04 53 9 232 342 10500111 1 244 9 130 133 48 261 137 0 248 1 1920872 1 837 269 21 146 10 29976 53 43 7 6025 5696 541 6618 841 8027718 8 731 4 43 10 54 932 6 122 046 90 132 930 78 1876865 187 047 1 22521 14 28 733 44 4 139 979... 2012 20 13 20 14 2015 2016 2017 2018 12 847 17 138 01 54 1808 133 2068581 32 50119 4 535 42 8 587 631 8 667 639 9 7678 146 8716 036 1 033 2909 12 04 936 9 12120502 1 536 649 1 733 971 20 636 88 2675 245 39 868 54 542 040 1 7010951... Error t-Statistic Prob C T T^2 T ^3 15 830 24 -52955 .46 132 44 .91 - 148 .7 933 1 641 82.0 2 931 2.69 139 8.158 18. 746 74 9. 641 880 -1.806571 9 .4 731 13 -7. 937 025 0.0000 0.07 74 0.0000 0.0000 R-squared Adjusted