tiểu luận dự báo kinh tế dự báo doanh thu của công ty cổ phần bibica việt nam đến quý 3 năm 2020

PHẦN 1: KHẢO SÁT DỮ LIỆU 1.1 Phương pháp thu thập số liệu, nguồn số liệu Số liệu thu thập doanh thu thueo quý Công ty cổ phần Bibica (đơn vị tính: triệu đồng), thuộc dạng số liệu chuỗi thời gian từ quý năm 2003 đến quý năm 2019 Nguồn liệu thứ cấp lấy từ nguồn xác minh có tính xác cao, cụ thể từ báo cáo tài Công ty cổ phần Bibica công bố trang website thức Cơng ty chứng khốn Vietstock: https://finance.vietstock.vn/BBC/taichinh.htm 1.2 Khảo sát liệu Nhấn đúp chuột vào chuỗi rev để mở cửa sổ Series: Rev Trên cửa sổ Series: Rev vào View/ Descriptive Statistics & Tests/ Stats Table: Đồ thị phân phân phối chuỗi liệu Hình 1.1 Đồ thị phân phối mẫu liệu 12 Series: REV Sample 2003Q1 2019Q3 10 Observations 64 Mean 200.5089 Median 175.0745 Maximum 565.5310 Minimum 48.07100 Std Dev 125.9977 Skewness 1.007711 Kurtosis 3.599242 Jarque-Bera 11.78938 Probability 0.002754 50 100 150 200 250 300 350 400 450 500 550 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview ➢ Giải thích số: Số quan sát (Observations): 67 Giá trị trung bình (Mean) : 204.838,7 Giá trị lớn (Max) : 565.531 Giá trị nhỏ (Min) : 48.071 Độ lệch chuẩn (Std Dev) : 125.682,8 1.2.1 Phương pháp vẽ đồ thị theo thời gian Trong cửa sổ Command, gõ lệnh: line rev Ta có đồ thị sau: Hình 1.2 Đồ thị theo thời gian chuỗi rev Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Qua đồ thị ta thấy mơ hình rõ ràng có yếu tố xu T mùa vụ S Yếu tố mùa vụ năm sau lặp lặp lại với cường độ cao so với quý năm trước từ ta kết luận chuỗi rev mơ hình nhân tính 1.2.2 Phương tích giản đồ tự tương quan – tự tương quan riêng phần Trên cửa sổ Series: rev vào View/ Correlogram Ta có kết quả: Hình 1.3 GIản đồ tự tương quan chuỗi rev Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Chuỗi có ACF khác có ý nghĩa thống kê giảm dần Đồng thời quan sát thuộc mùa vụ có ACF xấp xỉ Từ giản đồ tự tương quan, ta rút kết luận: chuỗi rev có tính xu hướng T mùa vụ S 1.2.3 Kiểm định nghiệm đơn vị Cặp giả thuyết: Trên cửa sổ Series: rev vào View/ Unit Root Tests/ Standard Unit Root Test Trên cửa sổ Unit Root Test, phần Test for Unit root in chọn Level Hình 1.4 Kiểm định tính dừng chuỗi rev Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Theo kết kiểm định ta thấy P-value (Prob.) = 0.9229 > α = 0.05 => Khơng có sở bác bỏ H0 => Chuỗi rev khơng dừng Vậy ta kiểm định tính dừng chuỗi rev sai phân bậc Trên cửa sổ Series: rev vào lại View/ Unit Root Tests/ Standard Unit Root Test st Trên cửa sổ Unit Root Test, phần Test for unit root in chọn difference Hình 1.5 Kiểm định tính dừng chuỗi sai phân bậc Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Theo kết kiểm định ta thấy: P-value (Prob.) = 0.0004 < α = 0.05 => Bác bỏ H0, chấp nhận H1 => Chuỗi rev dừng sai phân bậc Kết luận: rev chuỗi thời gian có tính xu mùa vụ, chuỗi kết hợp bậc PHẦN 2: CÁC PHƯƠNG PHÁP DỰ BÁO 2.1 Dự báo phương pháp san mũ 2.1.1 Tổng quan phương pháp Định nghĩa: San mũ việc loại bỏ thành phần bất quy tắc I để nhìn thấy quy luật vận động chuỗi rõ ràng Đặc điểm: Sử dụng số san 2.1.1.1 Dự báo phương pháp san mũ đơn • Giá trị dự báo thời điểm giá trị trung bình có trọng số tất giá trị sẵn có trước • ịờđểệạọốủả = 1 = + (1 − ) ……… Tổng quát = + (1 − ) −1 Trong đó: giá trị san thời điểm t - số san < < Chuỗi dự báo san mũ đơn sau dung để dự báo sử dụng công thức: ̂̂ +ℎ = Trong đó, n quan sát cuối chuỗi thời gian ban đầu (dự báo cho giai đoạn sử dụng giá trị san cuối chuỗi) Cách chọn số san: Chọn cho chênh lệch chuỗi gố chuỗi san (dự báo) nhỏ nhất, hay số RMSE nhỏ 2.1.1.2 Dự báo phương pháp san mũ kép • ũặạầủ ũđơ Tổng quát : =( ) =+(1− ) −1 • Tương tự san mũ đơn, số san phương pháp san mũ kép xác định cho RMSE nhỏ • Để dự báo cho giá trị tương lai chuỗi: ̂̂ +ℎ = = + + 2ℎ Với : 1=2 2=1− − ( − ) 2.1.1.3 San mũ Holt • Sử dụng chuỗi thời gian có yếu tố xu ( khơng có yếu tố mùa vụ) • Mở rộng phương pháp san mũ giản đơn: đưa them nhân tố xu T (yếu tố thời gian) vào phương trình san mũ • Yếu tố xu mơ hình hóa • Có phương trình số san sử dụng mơ hình holt - Ước lượng giá trị trung bình (giá trị san): = - Ước lượng xu ( độ dốc): − = ( - + (1 − )( −1 −1)+(1− ) + −1) −1 Dự báo h giai đoạn tương lai: Trong đó, ̂̂ +ℎ = +ℎ giá trị san thời điểm t 2.1.1.4 Dự báo phương pháp san mũ Winters • San mũ Winter phương pháp mở rộng san mũ Holt sử dụng với liệu có chứa yếu tố mùa vụ S • Trong mơ hình nhân: yếu tố mùa vụ năm sau lặp lại với cường độ cao thấp so với mùa năm trước • Trong mơ hình cộng: yếu tố mùa vụ năm khác lặp lặp lại cách đặn • Mơ hình Winters sử dụng phương trình số san - Ước lượng giá trị trung bình Mơ hình nhân: = +(1− )( + ) −1 −1 − Mô hình cộng: - = ( − − ) + (1 − )( −1 + −1) Ước lượng giá trị xu (độ dốc) =(− ( giá trị số mùa) Mơ hình nhân: Mơ hình cộng: - = + (1 − ) +ℎ =( + (1 − ) −1 - Ước lượng yếu tố mùa vụ − = ( − ) + (1 − ) Dự đoán h giai đoạn tương lai Mơ hình nhân: ̂ Mơ hình cộng: ̂ −1) +ℎ − =(+ℎ )× +ℎ )+ 2.1.2 Ứng dụng phương pháp san mũ vào dự báo doanh thu Công ty cổ phần Bibica 2.1.2.1 San mũ đơn Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing: Bước 2: Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Single Chuỗi san kép chuỗi revsm Bước 3: Sử dụng lệnh genr mapesm = @mean(@abs(rev-revsm)/rev) để tính số MAPE mơ hình Kết dự báo: - Hệ số α: 0.2060 - Giá trị san thời điểm t: 269.0736 - Tổng bình phương phần dư: 456381.6 - RMSE: 84.44502 - MAPE = 0.288780 Ta viết mơ hình san mũ đơn : = 0.206 + 0.794 −1 Hình 2.1 Đồ thị theo thời gian chuỗi rev chuối san mũ đơn revsm 10 600 500 400 300 200 100 03 04 05 06 07 08 09 10 REV 11 12 13 14 15 16 17 18 19 REVSM Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 2.1.2.2 Dự báo phương pháp san mũ kép Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing: Bước 2: Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn double Chuỗi san kép chuỗi revd Bước 3: Sử dụng lệnh genr maped = @mean(@abs(rev-revd)/rev) để tính số MAPE mơ hình Kết dự báo: - Hệ số α: 0.001 - Tổng bình phương phần dư: 352897.3 - RMSE: 74.25645 - MAPE : 0.248529 Các hệ số: β1 = 352.1672, β2 = 5.059019 Ta viết mơ hình dự báo sau: ̂̂ +ℎ = 352.1672 + 5.059019ℎ Hình 2.2 Đồ thị theo thời gian chuỗi Rev chuỗi san mũ kép Revd 11 600 500 400 300 200 100 03 04 05 06 07 08 09 10 11 REV 12 13 14 15 16 17 18 19 REVD Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 2.1.2.3 Dự báo phương pháp san mũ Holt Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing: Bước 2: Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Holt – Winters – No seasonal Chuỗi san kép chuỗi revh Bước 3: Sử dụng lệnh genr mapeh= @mean(@abs(rev-revh)/rev) để tính số MAPE mơ hình Kết dự báo: v - Hệ số α: 0.0000, β=0.0000 - Tổng bình phương phần dư: 366951.6 - RMSE: 75.72067 - - MAPE : 0.324849 Các hệ số: Ln = 350.7008, Tn = 4.535219 Ta viết mơ hình dự báo sau: ̂̂ +ℎ = 350.7008 + 4.535219ℎ Hình 2.3 Đồ thị theo thời gian chuỗi Rev chuỗi san mũ Holt Revh 12 600 500 400 300 200 100 03 04 05 06 07 08 09 10 11 12 REV 13 14 15 16 17 18 19 REVH Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 2.1.2.4 Dự báo phương pháp san mũ Winters Nhận xét: Dựa vào dạng đồ thị, ta thấy chuỗi liệu có tính xu tính mùa vụ tương đối rõ ràng, áp dụng mơ hình nhân tính để phân tích dự báo Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential Smoothing: Bước 2: Trên cửa sổ Exponential Smoothing, phần Smoothing method, chọn Holt – Winters – Multiplicative Chuỗi san kép chuỗi revhw Bước 3: Sử dụng lệnh genr mapehw= @mean(@abs(rev-revhw)/rev) để tính số MAPE mơ hình Kết dự báo: - Hệ số α: 0.3001; β=0.0000; γ=0.7602 - Tổng bình phương phần dư: 34724.19 - RMSE: 23.29304 - - MAPE : 0.112025 Các hệ số: Ln = 357.7895, Tn = 4.852279 Chỉ số mùa vụ qua năm không đổi bằng: 26 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview B3: Thêm yếu tố mùa vụ vào chuỗi dự báo revsaf lệnh: Genr revf = revsaf * sfm Vẽ chuỗi dự báo chuỗi gốc đồ thị lệnh: line rev revf Hình 2.22 Đồ thị theo thời gian chuỗi gốc rev chuỗi dự báo revf Nguồn: Nhóm tác giả tự phân tích phần mềm Eview - Tính MAPE lệnh genr mape = @mean(@abs(rev - revf)/rev) Ta MAPE = 0.10216 - Tính RMSE lệnh genr rmse = @sqrt(@mean (rev - revf)^2) 27 Ta RMSE = 1.691364 2.3 Dự báo mô hình ARIMA 2.3.1 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: Y(d) = c + Φ1Y(d)t-1 + … + ΦpY(d)t-p + θ1ut-1 + … + θqut-q + ut 2.3.2 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 • 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 ̂̂ ̂̂ +β2t + et (với et phần dư), sau kiểm tra tính dừng chuỗi e t tiến hành dự báo ARIMA với chuỗi et Đối với chuỗi có tính xu thế: kiểm tra tính dừng chuỗi gốc Yt = β1 Bước 2: Xác định độ trễ p, q Bước 3: Kiểm tra điều kiện giả định mô hình: • Mơ hình khả nghịch ổn định (nghiệm đơn vị mơ hình hồi quy phụ < 1) • Nhiễu trắng (nhiễu khơng tự tương quan) • Chất lượng dự báo • Đốớỗếốụặộỗựđ ệỉớỉốụđểựỗố 28 ̂̂ ̂̂ Đối với chuỗi có yếu tố xu thế: Tạo biến Yf = β1 + β2t + ef dự báo chuỗi Yt 2.3.3 Áp dụng Kiểm tra tính mùa vụ tách yếu tố mùa vụ: Ta xác định chuỗi thuộc dạng mơ hình nhân (như kết luận phần trên) tách yếu tố mùa vụ ta thu chuỗi revsa seasonal factor: sfm Dạng 1: Dự báo ARIMA cho chuỗi revsa hiệu chỉnh mùa vụ Kiểm định tính dừng chuỗi revsa H : Chuỗi không dừng Cặp giả thuyết: { H1: Chuỗi dừng 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 Theo kết kiểm định ta thấy P-value (Prob.) = 0,9478 > α = 0,05  Khơng có sở bác bỏ H0 Chuỗi revsa không 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 st Test Trên cửa sổ Unit Root Test, phần Test for unit root in chọn difference Hình 2.23 Kết kiểm định tính dừng chuỗi revsa sai phân bậc Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Theo kết kiểm định ta thấy: P-value (Prob.) = 0,0000 < α = 0,05 29  Bác bỏ H0, chấp nhận H1  Chuỗi revsa dừng sai phân bậc Tìm độ trễ cho mơ hình AR MA cho chuỗi revsa Trên cửa sổ Series: REVSA vào View/ Correlogram Số bậc trễ (lags) thông thường sấp sỉ bậc hai số quan sát = sqrt(67) 9 Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include Ta có kết Hình 2.24 Giản đồ tự tương quan chuỗi revsa Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Đồ thị ACF có dạng xương cá nên MA = Chọn PACF = 2, Lần lượt thực hồi quy mơ hình ARIMA(2,1,0), (3,1,0), (7,1,0) cho chuỗi revsal a Gõ lệnh ls d(revsa) c ar(2) Thực kiểm định với nhiễu: nhiễu phân phối chuẩn (p – value > 0.5), có tự tương quan, PSSS thay đổi Tiến hành dự báo mẫu: mape = 15.5606 Hình 2.25 Kết dự báo mẫu 30 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Ta thực tiếp dự báo ngồi mẫu Hình 2.26 Kết dự báo ngồi mẫu Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Kết hợp yếu tố mùa vụ sfm vào chuỗi dự báo hiệu chỉnh mùa vụ revsaf để dự báo chuỗi gốc rev, ta gõ lệnh: genr revf_ar2=revsaf_ar2*sfm Vẽ chuỗi liệu gốc chuỗi dự báo đồ thị, ta được: Hình 2.27 Đồ thị theo thời gian chuỗi gốc rev chuỗi dự báo revf_ar2 31 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview genr mape=@mean(@abs(rev-revf_ar2)/rev) ta mape= 0.1556064988896205 b Với MH: ls d(revsa) c ar(3)=> biến khơng có ý nghĩa thống kê c Với MH: ls d(revsa) c ar(7) => biến khơng có ý nghĩa thống kê Dạng 2: Lấy logarit chuỗi revsa dự báo ARIMA Gõ lệnh genr revsal=log(revsa) Tạo biến revsal để kiểm định tính dừng tìm độ trễ p, q Thực kiểm định Unit root test: revsal chuỗi kết hợp bậc => d = Hình 2.28 Giản đồ tự tương quan chuỗi revsal 32 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Từ giản đồ ACF PACF, ta chọn p = 1, Lần lượt thực hồi quy mơ hình ARIMA(1,1,0), (2,1,0), (3,1,0) cho chuỗi revsal a Gõ lệnh ls d(log(revsa)) c ar(1) Kiểm định cho phần dự: nhiễu phân phối chuẩn (p – value = 0.4938), có tự tương quan, PSSS khơng đổi (p – value = 0.5680 >0.5) Dự báo mẫu: mape = 20.0537 33 Hình 2.29 Kết dự báo mẫu Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Dự báo mẫu cho revsa sample 2003q1 2020q3 Hình 2.30 Kết dự báo ngồi mẫu Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Kết hợp yếu tố mùa vụ sfm vào chuỗi dự báo hiệu chỉnh mùa vụ revsaf để dự báo chuỗi gốc rev, ta gõ lệnh genr revlf_ar1=revsaf*sfm Vẽ chuỗi liệu gốc chuỗi dự báo đồ thị, ta được: 34 Hình 2.31 Đồ thị theo thời gian chuỗi gốc rev chuỗi dự báo revf_ar1 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview genr mape=@mean(@abs(rev-revlf_ar1)/rev) Mape= 0.2005 b Với MH: ls d(log(revsa)) c ar(2) Nhiễu phân phối chuẩn (0.8189), có tự tương quan, PSSS khơng đổi (0.6366) Dự báo mẫu: mape = 19.4361 Hình 2.32 Kết dự báo mẫu Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Dự báo mẫu cho revsa 35 Hình 2.33 Kết dự báo ngồi mẫu Nguồn: Nhóm tác giả tự phân tích phần mềm Eview Kết hợp yếu tố mùa vụ sfm vào chuỗi dự báo hiệu chỉnh mùa vụ revsaf để dự báo chuỗi gốc rev, ta gõ lệnh: genr revlf_ar2=revsaf*sfm Vẽ chuỗi liệu gốc chuỗi dự báo đồ thị, ta được: Hình 2.34 Đồ thị theo thời gian chuỗi gốc rev chuỗi dự báo revlf_ar2 genr mape=@mean(@abs(rev-revlf_ar2)/rev) mape= 0.1943 c Với MH: ls d(log(revsa)) c ar(3) =>biến khơng có ý nghĩa thống kê 36 PHẦN 3: TỔNG KẾT Chọn chuỗi rev revd revf revf1 revf_ar2 revh revhw revlf_ar1 revlf_ar2 revsa: click chuột phải chọn Open/ as Group Chọn số liệu kết phương pháp dự báo, ta có bảng số liệu sau: Bảng 3.1 Kết phương pháp dự báo Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 10 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: Hình 3.1 Hướng dẫn so sánh mơ hình dự báo Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 10 Ta có kết so sánh sau: Bảng 3.2 Kết so sánh mơ hình dự báo 37 Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 10 Hình 3.2 Đồ thị theo thời gian chuỗi gốc rev chuỗi dự báo Nguồn: Nhóm tác giả tự phân tích phần mềm Eview 10 Dựa vào kết dự báo ta thấy phương pháp phân tích (chuỗi revf) phương pháp san mũ Winters (chuỗi revhw) 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 san mũ Winters TÀI LIỆU THAM KHẢO PGS.Ts Nguyễn Quang Dong & PGS.Ts Nguyễn Thị Minh, 2013 , Giáo trình Kinh Tế Lượng, NXB Đại học Kinh tế Quốc dân, Hà Nội PHỤ LỤC Doanh thu Cơng ty cổ phần Bibica Đơn vị tính: triệu đồng t 2003Q1 2003Q2 2003Q3 2003Q4 2004Q1 2004Q2 2004Q3 2004Q4 2005Q1 2005Q2 2005Q3 2005Q4 2006Q1 2006Q2 2006Q3 2006Q4 2007Q1 2007Q2 2007Q3 2007Q4 2008Q1 2008Q2 2008Q3 2008Q4 2009Q1 2009Q2 2009Q3 2009Q4 2010Q1 2010Q2 2010Q3 2010Q4 2011Q1 2011Q2 rev 64982 60,000 55531 80551 61830 48071 58469 75636 70301 50043 70274 94745 83754 62248 88183 107146 93598 72363 126453 161730 131404 100303 146135 166577 121330 117121 162040 227506 143592 122081 217372 303945 210109 176076 t 2011Q3 2011Q4 2012Q1 2012Q2 2012Q3 2012Q4 2013Q1 2013Q2 2013Q3 2013Q4 2014Q1 2014Q2 2014Q3 2014Q4 2015Q1 2015Q2 2015Q3 2015Q4 2016Q1 2016Q2 2016Q3 2016Q4 2017Q1 2017Q2 2017Q3 2017Q4 2018Q1 2018Q2 2018Q3 2018Q4 2019Q1 2019Q2 2019Q3 rev 259550 354633 194474 173838 253047 308294 216662 158503 282259 395363 226703 204487 284740 410784 250815 174073 280877 463445 245748 176416 329634 541223 233721 209602 338681 507889 295940 209146 354994 565531 296626 209181 385813 ... 2019Q2 2019Q3 rev 259550 35 4 633 194474 1 738 38 2 530 47 30 8294 216662 1585 03 282259 39 536 3 2267 03 204487 284740 410784 250815 1740 73 280877 4 634 45 245748 176416 32 9 634 5412 23 233 721 209602 33 8681 507889... 7 030 1 500 43 70274 94745 837 54 62248 881 83 107146 935 98 7 236 3 1264 53 161 730 131 404 10 030 3 146 135 166577 12 133 0 117121 162040 227506 1 435 92 122081 21 737 2 30 3945 210109 176076 t 2011Q3 2011Q4 2012Q1... NXB Đại học Kinh tế Quốc dân, Hà Nội PHỤ LỤC Doanh thu Công ty cổ phần Bibica Đơn vị tính: triệu đồng t 2003Q1 2003Q2 2003Q3 2003Q4 2004Q1 2004Q2 2004Q3 2004Q4 2005Q1 2005Q2 2005Q3 2005Q4 2006Q1