Đơn vị: PCE
Quý Dự báo năm 2018
I 369.646
II 631.166
III 1.439.041
IV 880.012
(Nguồn: Kết quảxửlý từExecl, 2019)
2.2.4.1.4. Đánh giá và lựa chọn phương pháp dự báo
Kết quả từ ba phương pháp trên, chúng ta có thể so sánh MAD, MAPE và RMSE được trình bày ở Bảng 2.22.
Bảng 2.22: So sánh MAD, MAPE và RMSE giữa 3 phương pháp dự báo
Phương pháp dự báo MAD MAPE RMSE
Simple exponential smoothing 266.054 52 340.912
Holt’s model 271.756 50 343.055
Winter’s model 15.218 3 19.789
(Nguồn: Kết quảxửlý từExcel, 2019)
Cả ba phương pháp đều có chỉ số MAD, RMSE khá cao. Tuy nhiên phương pháp dự báo Winter’s model có trị số MAD, MAPE và RMSE thấp hơn hẳn so với các phương pháp SES và Holt’s. Vì có 2 yếu tố tác động vào là yếu tố xu hướng và mùa vụ nên càng làm cho phương pháp dự báo này chính xác hơn so với các dự báo còn lại nên được chọn để dự báo cho giai đoạn tiếp theo.
2.2.4.1.5. Kiểm tra độ chính xác của phương pháp bằng Holtdout Period
Theo phương pháp Holtdout Period, số liệu của năm 2018 được sử dụng để kiểm tra độ chính xác của mơ hình được chọn. Kết quả hàng dệt kim dự báo cho năm 2018 được thể hiện trong Bảng 2.23.
Bảng 2.23: Kết quả dự báo năm 2018 bằng các phương pháp SES, Holt’s và Winter’s
Đơn vị: PCE
Quý Nhu cầunăm 2018 Dựbáo SES Dự báo Holt’s Dự báo Winter’s
I 353.196 706.489 921.111 369.646
II 605.524 706.489 962.240 631.166
III 1.596.074 706.489 1.003.370 1.439.041
IV 1.064.449 706.489 1.044.499 880.012
(Nguồn: Kết quả xử lý bằng Excel, 2019)
Biểu đồ2.9: Kết quả dự báo thực tế bằng các phương pháp SES, Holt’s và Winter’s trong năm 2018
Thông qua biểu đồ ta nhận thấy số liệu dự báo khá tốt, lượng sai lệch khơng lớn, thích hợp cho cơng tác dự báo của công ty.
2.2.4.1.6. Kết quả dự báo hàng dệt kim bằng phương pháp hệ số điều chỉnh (Winter’s Model) cho năm 2019.
Sau khi lựa chọn được phương pháp dự báo Winter’s model, tơi sử dụng tồn bộ dữ liệu 2015 – 2018 để dự báo lượng hàng dệt kim của công ty cho năm 2019 bằng phần mềm Eview 8. Kết quả dự báo lượng hàng dệt kim trong năm 2019 được thể hiện ở Bảng 2.24.