dự báo lợi nhuận công ty cổ phần fpt từ quý 42019 đến quý 1 2022

LỜI MỞ ĐẦU Trong thời đại ngày nay, với phát triển khơng ngừng tồn giới, kinh tế coi trụ cột quốc gia, định sức mạnh cá nhân, tổ chức, hay đất nước Nắm bắt tầm quan trọng kinh tế, ngày nay, doanh nghiệp, quốc gia ngày trọng cho việc phân tích, đánh giá tình hình kinh tế, việc thực dự báo số kinh tế đề cao Dự báo (forecasting) trình tạo số liệu dự tốn tình hình kinh tế nói chung thị trường nói riêng tương lai, phục vụ cho việc định doanh nghiệp hoạch định sách phủ Dự báo mang tính xác suất song đáng tin cậy Việc sử dụng số liệu biết để dự báo giúp nhà quản lí nhiều việc hoạch định kế hoạch sản xuất kinh doanh tương lai Ngày dự báo sử dụng rộng rãi lĩnh vực đời sống xã hội với nhiều loại phương pháp dự báo khác lấy ý kiến ban điều hành, phương pháp điều tra người tiêu dùng, phương pháp Delphi,… Trong thống kê người ta dùng nhiều phương pháp khác phương pháp trung bình giản đơn, phương pháp trung bình dài hạn, phương pháp san mũ,… Đế làm rõ phương pháp dự báo kinh tế, tiểu luận này, nhóm thực sử dụng phần mềm kinh tế lượng Eviews để chạy mô hình lượng để dự báo lợi nhuận Cơng ty cổ phần FPT từ quý năm 2019 đến quý năm 2022 dựa liệu lợi nhuận công ty từ quý năm 2007 đến quý năm 2019 (nguồn số liệu: http://finance.vietstock.vn) A MÔ TẢ SỐ LIỆU Nhấn đúp vào chuỗi rev để mở cửa sổ Series: PRO Trên cửa sổ Series: PRO vào View/ Descriptive Statistics & Tests/ Stats Table ta có bảng mô tả thống kê sau: Một số mô tả thống kê quan trọng: • Số quan sát (Observations): 50 • Giá trị trung bình (Mean): 1565700 • Giá trị lớn (Maximum): 2850422 • Giá trị nhỏ (Minimum): 480384 • Độ lệch chuẩn (Std Dev.): 619979.4 Trên cửa sổ Series: REV vào View/ Graph, ta có biểu đồ mô tả số liệu: B DỰ BÁO LỢI NHUẬN CÔNG TY CỔ PHẦN FPT I.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ 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) khơng thể giúp dự báo ngồi mẫu (forecast) Phương pháp san mũ kép việc lặp lai lần san mũ đơn Phương pháp dự báo ngồi mẫu Áp dụng Trên cửa sổ Series: PRO -> chọn Proc -> Exponential Smoothing -> Simple Exponential Smooting, cửa sổ Exponential Smoothing chọn Double, ta thu kết dự báo sau: • • Hằng số san kép: = 0.0840 Chỉ số bậc hai sai số bình phương trung bình RMSE=246942.2 Trên cửa sổ Command dùng lệnh line PRO PROD có biểu đồ sau II.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ HOLT Phương pháp san mũ Holt Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu T cách loại bỏ yếu tố xu T Ký hiệu: T ước lượng phần xu thời kỳ t t ước lượng giá trị trung bình Y thời kì t Yt Y n+h giá trị dự báo Y sau h giai đoạn tương lai Ta có Y t = Y + (1 − )(Y t −1 +T ) t −1 t T = (Y t −Y t −1 ) + (1− )T t t −1 Y n+h = Y n + hT n Với , số san cho RMSE Áp dụng Trên cửa sổ Series: PRO -> Proc/ Exponential Smoothing/ Simple Exponential Smoothing Trên cửa sổ Exponential Smoothing ->Smoothing method, chọn Holt-Winters-No seasonal Ta thu kết dự báo sau: • Hằng số san : = 0.2200; = 0.0100 Chỉ số bậc hai sai số bình phương trung bình RMSE=244729.0 Trên cửa sổ Command dùng lệnh line PRO PROH có biểu đồ sau • III.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ WINTERS Phương pháp san mũ Winters Phương pháp san mũ Winters dùng để dự báo chuỗi có chứa yếu tố xu yếu tố mùa vụ Ký hiệu: T ước lượng phần xu thời kỳ t t ước lượng giá trị trung bình Y thời kì t Yt Y n+h St 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 St −k yếu tố thời vụ thời điểm t thời kỳ trước Đầu tiên phải xác định dạng mơ hình chuỗi: Mơ hình nhân: Yt = T.S.C.I Mơ hình cộng: Yt = T + S + C + I Từ đó, ta có giá trị ước lượng trung bình là: Mơ hình nhân: Y t = Y t S t −k + (1 − )(Y t −1 +T t −1 ) Mơ hình cộng: Y t = (Yt − St −k ) + (1− )(Y t −1 + Tt Ước lượng giá trị −1 ) xu T là: −Y t −1 ) + (1 − )T T= (Y t t −1 t Ước lượng giá trị số mùa vụ là: Mơ hình nhân: St = Y t + (1 − )S Yt t −k Mơ hình cộng: St = (Y −Y )+(1 − )S t t −1 t −k Như vậy, ta có dự báo h giai đoạn tương lai Mô hình nhân: Yn+h = (Y n + hTn )Si Mơ hình cộng: Yn+h = (Yn + hTn )Si (với Si số mùa vụ năm cần dự báo) Áp dụng Từ đồ thị chuỗi PRO, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian Vậy ta sử dụng mơ hình nhân Trên cửa sổ Series: PRO -> Proc -> Exponential Smoothing -> Simple Exponential Smoothing, cửa sổ Exponential Smoothing phần Smoothing method, chọn Holt-Winters-Muliplicative Ta thu kết dự báo: • Hằng số san: = 0.5900, = 0.0000, = 0.0000 • Chỉ số bậc hai sai số bình phương trung bình RMSE=156871.9 Chỉ số mùa vụ qua năm khơng đổi bằng: • S = 0.905516 S = 0.952081 S = 0.970151 S = 1.172252 Trên cửa sổ Command dùng lệnh line rev revw có biểu đồ sau 10 IV.DỰ BÁO BẰNG PHƯƠNG PHÁP ARIMA Mơ hình ARIMA (Auto Regression Integrated Moving Average model) 1.1 Mơ hình ARIMA 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: Yd=c+1Y(d)t-1+…+pYdt-p+1ut-1+…+qut-q+ut 1.2 Các bước dự báo mơ hình ARIMA 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; Kiểm tra tính dừng chuỗi tách iến hành dự báo ARIMA với chuỗi tách Đối với chuỗi có tính xu thế: Kiểm tra tính dừng chuỗi gốc Chuỗi dừng (với phần dư): 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 1) - Mơ hình khả nghịch ổn định (nghiệm đơn vị mơ hình hồi quy phụ < Nhiễu trắng (nhiễu không tự tương quan) Chất lượng dự báo Bước 4: Dự báo ngồi 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 Áp dụng 2.1 Bước 1: Kiểm tra tính dừng 2.1.1 Kiểm tra tính mùa vụ tách tính mùa vụ có 11 Để kiểm tra tính mùa vụ, ta thực hiện: Trên cửa sổ Series PRO -> View -> Graph -> Graph type -> Basic type -> Seasonal Graph, sau ta thu biểu đồ sau: Các vạch đỏ hình giá trị trung bình mùa Nếu vạch chênh nhiều tính mùa vụ rõ ràng Trên biểu đồ ta thấy vạch đỏ có chênh lệch rõ ràng, chuỗi giá trị sử dụng có yếu tố mùa vụ ➔ Cần tách yếu tố mùa vụ trước dự báo Trước tiên, ta xác định chuỗi mơ hình dạng qua bước sau: cửa sổ Series PRO, chọn View -> Graph -> Graph type -> Basic type -> Line and symbol kết sau: 12 Tiến hành tách yếu tố mùa vụ, ta thu chuỗi PROSA 2.1.2 Kiểm định tính dừng chuỗi PROSA Ta tiến hành bước sau: Trên cửa sổ Series: PROSA vào View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn Level -> OK, ta có kết sau: Qua kiểm định ta thấy: P = 0.9360 > 0.05 Khơng có sở bác bỏ H0 ➔ ➔ Chuỗi PROSA khơng dừng Vì ta tiếp tục kiểm định tính dừng chuỗi PROSA sai phân bậc 13 Trên cửa sổ Series: PROSA vào lại View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn st difference, ta thu kết sau: Qua kiểm định ta thấy: P< 0.05 ➔ Bác bỏ H0, thừa nhận H1 ➔ Chuỗi PROSA dừng sai phân bậc 2.2 Bước 2: Tìm độ trễ cho mơ hình AR MA Trên cửa sổ Series: PROSA vào View/ Correlogram Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include 20 ta kết sau: 14 Ta chọn độ trễ cho AR cho MA 2.3 Bước 3: Ước lượng mơ hình kiểm định khuyết tật 2.3.1 Ước lượng mơ hình Trên cửa sổ Command gõ lệnh LS d(PROSA) c ma(1) Ta có kết hồi quy sau: Ta thấy module nghiệm đơn vị nhỏ  Mơ hình có tính khả nghịch ổn định 2.3.2 Kiểm định phương sai sai số Để kiểm định phương sai sai số, ta thực thao tác kiểm định kết sau: Theo kết ta thấy P> 0.05  Khơng có sở bác bỏ H0  Chuỗi PROSA có phương sai sai số 2.3.3 Kiểm định tự tương quan Để kiểm định tự tương quan, ta thực số thao tác thu kết sau: 15 Theo kết ta thấy: P < 0.05  Khơng có sở bác bỏ H0  Chuỗi không mắc tự tương quan 2.3.4 Kiểm định phân phối chuẩn Để kiểm định tính phân phối chuẩn chuỗi, ta thực số thao tác thu kết sau: Theo kết ta thấy: P=0.578438 > 0.05 Bác bỏ H0  Chuỗi phân phối chuẩn 2.4 Bước 4: Dự báo  Dự báo cho chuỗi hiệu chỉnh PROSA Trên cửa sổ ước lượng chọn Forecast -> cửa sổ Forecast, phần Forecast Sample chọn mẫu từ 2007Q2 2022Q1 để dự báo toàn mẫu, ta có kết sau: 16 Nhìn vào kết dự báo ta thấy: Mean Abs Percent Error = 12.27732 > Sau sử dụng lệnh “line” để xem xét vị trí tương quan hai đường PROSA PROSAF, chọn đoạn có sai số nhỏ để xem kết dự báo có đáng tin cậy hay không, ta kết sau: Quan sát hình trên, ta nhận thấy đoạn từ quý năm 2010 đến quý năm 2011, hai đường PROSA PROSAF cắt có chênh lệch nhỏ Do đó, ta xem chất lượng dự báo đoạn 2010q4 2011q4 thu kết sau: 17 Theo kết thu ta có: Mean Abs Percent Error = 4.356387 <  Kết dự báo đáng tin cậy, tiến hành dự báo ngồi mẫu Ta thực dự báo mẫu thao tác sau: Trên cửa sổ Forecast chọn Forecast Sample, chọn mẫu 2019q4 2022q1, ta thu chuỗi PROSAF Dự báo cho chuỗi gốc Ta lấy chuỗi PROSAF nhân với số mùa vụ sr chuỗi dự báo PROFARIMA Trên cửa sổ Command gõ lệnh genr revfarima= PROFARIMA*sr Trên cửa sổ Command gõ lệnh line PROFARIMA PRO thu kết quả: 18 19 C Kết luận Trong nghiên cứu, nhóm sử dụng mơ hình để dự báo cho lợi nhuận công ty cổ phần FPT từ q 4/2019 đến q 1/2022 bao gồm: mơ hình san mũ, phương pháp san mũ Holt, phương pháp san mũ Winters, phương pháp Arima cho chuỗi có yếu tố mùa vụ thu kết dự báo có phần chênh lệch Trong mơ hình Arima có tiêu đánh giá độ tin cậy cho thấy kết có độ tin cậy lớn Qua kết dự báo, thấy lợi nhuận cơng ty ln có xu hướng qua năm, nhiên lại không đồng quý năm thường xuyên có tăng giảm rõ rệt quý, thể rõ phụ thuộc hoạt động công ty vào mùa vụ Với kết đạt trên, cơng ty đặt kì vọng tăng trưởng lợi nhuận ổn định qua năm Tuy nhiên mơ hình dự báo mang tính tham khảo, để đạt tăng trưởng cao ổn định, công ty cần nâng cao chất lượng sản phẩm, dịch vụ nữa, bắt kịp nhu cầu khách hàng nâng cao sức cạnh tranh thị trường 20 TÀI LIỆU THAM KHẢO https://vietnamfinance.vn/du-bao-la-gi-cac-phuong-phap-du-bao20180504224208609.htm https://vietstock.vn/ 21 22 ... quả: 18 19 C Kết luận Trong nghiên cứu, nhóm sử dụng mơ hình để dự báo cho lợi nhuận công ty cổ phần FPT từ quý 4/2 019 đến quý 1/ 2022 bao gồm: mô hình san mũ, phương pháp san mũ Holt, phương pháp... trên, ta nhận thấy đoạn từ quý năm 2 010 đến quý năm 2 011 , hai đường PROSA PROSAF cắt có chênh lệch nhỏ Do đó, ta xem chất lượng dự báo đoạn 2 010 q4 2 011 q4 thu kết sau: 17 Theo kết thu ta có: Mean... Yd=c+1Y(d)t -1+ …+pYdt-p+1ut -1+ …+qut-q+ut 1. 2 Các bước dự báo mơ hình ARIMA 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