Chương 2 : Mô hình làm trơn hàm mũ Holt-Winters
6. Kết luận chương 2
Nội dung của chương này chủ yếu giới thiệu mô hình làm trơn hàm mũ Holt-Winters sử dụng cho chuỗi thời gian có hoặc không có yếu tố mùa vụ. Mô hình dự báo hàm mũ gồm: mô hình làm trơn hàm mũ dạng đơn giản; mô hình làm trơn hàm mũ bậc hai; mô hình làm trơn hàm mũ bậc ba. Trong mô hình làm trơn hàm mũ bậc ba (Holt-Winters) lại được chia thành hai mô hình con gồm: mô hình mùa vụ cộng và mô hình mùa vụ nhân. Tuỳ theo đặc tính của chuỗi thời gian mùa vụ như thế nào mà ta lựa chọn mô hình cho phù hợp.
Bốn bước cụ thể để xây dựng mô hình Holt-Winters là nhận dạng chuỗi, lựa chọn mô hình, kiểm định các tham số ước lượng trong mô hình và dự báo. Để lựa chọn ra được mô hình Holt-Winters tốt nhất ta cần lựa chọn bộ giá trị các hằng số (, , ) phù hợp sao cho giá trị MSE (hay RMSE) của chuỗi dự báo là nhỏ nhất trong các bộ (, , ) thử nghiệm. Một số tiêu chí để đánh giá độ chính xác của dự báo và khoảng sai số của dự báo. Phần cuối trình bầy việc chuyển đổi mô hình làm trơn hàm mũ sang mô hình ARIMA.
Trong chương tiếp theo, qua việc sử dụng phần mềm thống kê EViews, áp dụng mô hình Holt-Winters cho mùa vụ để thực hiện phân tích và dự báo cho chuỗi thời gian theo mùa vụ về chỉ số giá tiêu dùng (CPI) và; chuỗi thời gian theo mùa vụ về tổng giá trị hàng hóa xuất khẩu của Việt nam (VnTradeExp) từ đó so sánh kết quả dự báo được thực hiện bằng mô hình ARIMA cho mùa vụ (SARIMA).