Hình 3.5: Microsoft .NET Framework 3.2.3 Ngơn ngữ lập trình C#
Ngơn ngữ C# khá đơn giản với khoảng 80 từ khĩa và khoảng hơn mƣời kiểu dữ liệu xây dựng sẵn. Tuy nhiên, ngơn ngữ C# cĩ ý nghĩa cao khi nĩ thực thi những khái niệm lập trình hiện đại. C# bao gồm tất cả những hỗ trợ cho cấu trúc, thành phần, lập trình hƣớng đối tƣợng. Những tính chất đĩ hiện diện trong ngơn ngữ lập
47
trình hiện đại và ngơn ngữ C# hơi tụ đủ những điều kiện nhƣ vậy, hơn nữa nĩ đƣợc xây dựng trên nền tảng của hai ngơn ngữ mạnh nhất là C++ và java.
3.3 Kết quả thử nghiệm3.3.1 Nguồn dữ liệu sử dụng 3.3.1 Nguồn dữ liệu sử dụng
Dữ liệu dùng cho thử nghiệm đƣợc lấy từ 02 nguồn. Ngân hàng dữ liệu thế giới và tổng cục thống kê Việt Nam
- Ngân hàng dữ liệu thế giới (Data world bank) tại Ngân hàng Thế giới, tập đồn phát triển dữ liệu làm cơng tác thống kê và dữ liệu và duy trì một số cơ sở dữ liệu ở tầm vĩ mơ, thế giới và khu vực, biên soạn và phổ biến các dữ liệu để đảm bảo rằng ngƣời sử dụng tất cả các dữ liệu cĩ thể tin tƣởng vào chất lƣợng và tính tồn
vẹn của dữ liệu sản xuất. Nhiều dữ liệu xuất phát từ hệ thống thống kê của các nƣớc thành viên, và chất lƣợng của dữ liệu tồn cầu phụ thuộc vào hệ thống quốc gia thực hiện. Ngân hàng Thế giới hoạt động để giúp các nƣớc đang phát triển nâng cao năng lực, hiệu quả và hiệu quả của hệ thống thống kê quốc gia. Nếu khơng cĩ dữ liệu quốc gia tốt hơn và tồn diện hơn, nĩ sẽ khĩ khăn để phát triển các chính sách hiệu quả, giám sát việc thực hiện chiến lƣợc xĩa đĩi giảm nghèo, hoặc theo dõi tiến trình thực hiện mục tiêu tồn cầu.
48
Hình 3.6: Ngân hàng dữ liệu thế giới
Việc sử dụng dữ liệu của Data world bank đƣợc thực hiện miễn phí bằng cách lựa chọn quốc gia hoặc các chỉ số và tiến hành download tài liệu file excel
hoặc file .pdf để thực hiện phân tích.
-Tổng cục thống kê Việt Nam
Hiện nay, Tổng cục Thống kê là cơ quan trực thuộc Bộ Kế hoạch và Đầu tƣ thực hiện chức năng tham mƣu, giúp Bộ trƣởng Bộ Kế hoạch và Đầu tƣ quản lý nhà nƣớc về thống kê; tổ chức các hoạt động thống kê và cung cấp thơng tin thống kê kinh tế - xã hội cho các cơ quan, tổ chức, cá nhân trong nƣớc và quốc tế theo quy định của pháp luật. Tổng cục Thống kê đƣợc tổ chức theo hệ thống dọc từ Trung ƣơng đến địa phƣơng theo đơn vị hành chính. Những thơng tin thống kê do Tổng cục Thống kê cơng bố, cung cấp là nguồn thơng tin chính thống, cĩ tính pháp lý, đƣợc các cấp, các ngành, các tổ chức, cá nhân trong nƣớc và quốc tế tin cậy, sử dụng.
49
Hình 3.7: Tổng cục thống kê Việt Nam 3.3.2 Dữ liệu dùng cho thử nghiệm:
Với 04 yếu tố ảnh hƣởng, luận văn thực hiện thử nghiệm dự báo kết quả lạm phát với các quốc gia sau:
- Mỹ
- Canada
- Việt Nam (sử dụng 02 dữ liệu của Cục thống kê và Ban dự báo kinh tế của Bộ kế hoạch và đầu tƣ) chi tiết về dữ liệu thử nghiệm đƣợc thể hiện ở bảng sau:
Bảng 3.1: Mơ tả dữ liệu thử nghiệm Tên quốc STT gia 1 Mỹ 2 Canada 3 Việt Nam 50 download by : skknchat@gmail.com
Trong bảng dữ liệu thử nghiệm trên, đối với Mỹ và Canada, bộ dữ liệu thử nghiệm đƣợc lấy theo năm, số mẫu thử nghiệm 40 (từ năm 1970 đến năm 2010),
khoảng thời gian dự báo là 5 năm (từ năm 2010 đến năm 2015). Đối với Việt Nam, bộ dữ liệu đƣợc lấy theo tháng, số mẫu dùng để huấn luyện là 215 mẫu (tƣơng đƣơng 215 tháng) từ tháng 1/1997 đến tháng 12/2013, khoảng thời gian dự báo là các tháng của năm 2014.
Bảng 3.2 dƣới đây là bộ dữ liệu thử nghiệm của Việt Nam, với 4 chỉ số đầu
vào là: chỉ số giá vàng, chỉ số giá đơ la, chỉ số xuất khẩu, chỉ số nhập khẩu, bộ dữ liệu mơ tả thử nghiệm theo tháng.
Bảng 3.2: Bộ dữ liệu thử nghiệm
Dữ liệu của Việt Nam đƣợc thực hiện 12 tháng/ năm. Quá trình thử nghiệm thực hiện trong kỳ ngắn hạn cho 2 đến 3 tháng tiếp theo.
3.3.3 Kết quả thử nghiệm
Luận văn thực hiện đánh giá kết quả dựa trên lỗi sai số giữa kết quả dự báo đƣợc đƣa ra bởi phƣơng pháp của luận văn và kết quả thực trên DWB hoặc GSO (Lỗi tỉ lệ trung bình).
Bảng 3.2 dƣới đây mơ tả kết quả thử nghiệm của phƣơng pháp.
51
Bảng 3.3: Kết quả thử nghiệm
STT
1 2 3
Đối với Việt Nam, sử dụng 215 mẫu để huấn luyện, cịn với Mỹ và Canada số mẫu huấn luyện là 40. Số mẫu huấn luyện càng nhiều sẽ cho kết quả dự báo
càng khả quan.
Quốc gia cĩ tỉ lệ lỗi trung bình thấp hơn thì tình hình phát triển kinh tế ổn định hơn, ít biến động hơn.
Với bảng số liệu trên, Mỹ và Canada bộ dữ liệu huấn luyện là theo năm nên ta cĩ thể so sánh đƣợc tỉ lệ lỗi trung bình của Mỹ và Canada, cho kết quả là Canada cĩ tỉ lệ lỗi trung bình nhỏ hơn Mỹ.
Trong luận văn khơng so sánh đƣợc tỉ lệ lỗi trung bình của Mỹ và Canada với Việt Nam do khơng cùng bộ dữ liệu thử nghiệm và số mẫu huấn luyện.
Tuy nhiên, tỉ lệ lỗi trung bình của Việt Nam cao là do nền kinh tế của Việt Nam cĩ nhiều biến động (đây là nhận định riêng của tác giả khi thực hiện với bộ dữ liệu thử nghiệm).
52
3.4 Một số giao diện của hệ thống
Hình 3.8: Giao diện đăng nhập
Hình 3.9: Giao diện đăng ký
53
Hình 3.10: Giao diện quản lý huấn luyện
54
Hình 3.11: Giao diện tạo mới dữ liệu
Hình 3.12: Giao diện chỉnh sửa dữ liệu
55
Hình 3.13: Giao diện dự báo lạm phát
3.5 Kết luận chƣơng 3
Trong chƣơng này, luận văn đã trình bày quá trình xây dựng, cài đặt hệ thống và thử nghiệm kết quả trên hệ thống. Đồng thời chƣơng này cũng đánh giá lỗi tỉ lệ hay cịn gọi là sai số chênh lệch giữa kết quả dự báo và kết quả thực. Các giao diện của hệ thống và mơ tả hệ thống cũng đã đƣợc thực hiện tại chƣơng này.
56
KẾT LUẬN
Trong khuơn khổ thực hiện đề tài của luân văn, tác giả đã học đƣợc cách tìm hiểu một vấn đề thực tế trong cuộc sống và sử dụng một mơ hình tính tốn, cụ thể là mạng nơ ron để ứng dụng giải quyết vấn đề đĩ. Kết quả thử nghiệm cho thấy rằng, sai số của dự báo lạm phát đƣợc tính theo phƣơng pháp của luận văn và thực tế cĩ độ chênh lệch chấp nhận đƣợc. Tuy vậy, bài tốn dự báo lạm phát mà luận văn tiếp cận cịn rất nhiều những vấn đề cần phải mở ra, ví dụ tác động khác của các nhân tố: chính trị, xã hội, ảnh hƣởng của quốc tế,…các yếu tố về tâm lý và tƣ duy cũng chƣa đƣợc đề cập tới. Trong tƣơng lai, nếu cĩ cơ hội tiếp tục tiếp cận với bài tốn này, học viên sẽ mơ rộng và phát triển dự báo với nhiều tham số hơn, và hiệu chỉnh mạng nơ ron cho phù hợp với bài tốn.
57
TÀI LIỆU THAM KHẢO
[1]. Ramu Ramanathan, Nhập mơn kinh tế lƣợng với các ứng dụng, tài liệu giảng dạy đại học Fulbright.
[2]. Khalid Alkhatib, Hassan Najadat, Ismail Hmeidi, Mohammed K. Ali Shatnawi: Stock Price Prediction Using K-Nearest Neighbor (kNN) Algorithm, International Journal of Business, Humanities and Technology, Vol. 3 No. 3, March 2013.
[3]. Wen-Hua Cui, Jie-Sheng Wang and Chen-Xu Ning: Time Series
Prediction
Method of Bank Cash Flow and Simulation Comparison, Algorithms 2014.
[4]. Vincenzo Bianco, Oronzio Manca, Sergio Nardini: Electricity
consumption forecasting in Italyusing linear regression models, Article
Energy, July 2009
[5]. Gurudeo Anand Tularam1, Tareq Saeed1,2,: Oil-Price Forecasting Based on Various , Univariate Time-Series Models, American Journal of Operations Research, 2016.
[6]. Michael P. Clements and David F. Hendry: An Overview of Economic Forecasting.
[7]. Mehmet Yasin Ozsaglam: Data Mining Techniques For Sales Forecastings, International Journal of Technical Research and Applications e-ISSN: 2320-8163
[8]. Lingling Li, Minghui Wang, Fenfen Zhu, and Chengshan Wang: Wind Power Forecasting Based on Time Series and Neural Network, Huangshan, P. R. China, 26-28, Dec. 2009
[9]. Pituk Bunnoon: Mid-Term Load Forecasting Based on Neural Network Algorithm: a Comparison of Models, International Journal of Computer and Electrical Engineering, Vol. 3, No. 4, August 2011
[10].Charles F. Roos: Survey of Economic Forecasting Techniques: A Survey Article, Econometrica, Volume 23, Issue 4 (Oct., 1955).
[11].Frank Ackerman Elizabeth A. Stanton: Climate Economics: The State of the Art, November 2011
[12].Tetyana Kuzhda: Retail Sales Forecasting With Application The Multiple Regression, Accessed May 2012
59