2.4. CÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU 1. Các phương pháp định tính
2.4.2 Các phương pháp định lượng
2.4.2.2 Dự báo theo dãy số thời gian
Nhu cầu thị trường luôn biến động theo thời gian và thông những điều kiện nhất định nó thường biến động theo một xu hướng nào đó. Để phát hiện được xu hướng phát triển của nhu cầu ta cần thu thập các số liệu trong quá khứ để có được một dãy số thời gian. Thời gian ở đây thường là tháng, quý hoặc năm, tức là xem xét biến động của nhu cầu qua từng thời kỳ một.
Khi đã có dãy số thời gian ta có thể xác định được xu hướng phát triển của nhu cầu. Từ đó ta có thể dự báo cho các thời kỳ trong tương lai.
Các biến động của nhu cầu theo thời gian có thể xảy ra mấy trường hợp sau:
1. Có khuynh hướng tăng (giảm) rõ rệt trong suốt thời gian nghiên cứu (ký hiệu là T - Trend)
2. Biến đổi theo mùa (S - Seasonality) 3. Biến đổi có chu kỳ (C - Cycles)
4. Biến đổi ngẫu nhiên (R - Random Variations)
Trong khi dự báo các biến đổi ngẫu nhiên thường bị loại ra khỏi các mô hình dự báo hoặc là được xem xét đồng thời với các biến đổi theo mùa, theo khuynh hướng và chu kỳ.
Hình bên dưới cho ta hình ảnh của các loại biến đổi nói trên.
Sau đây là các phương pháp dự báo theo dãy số thời gian 2.4.2.2.1 Phương pháp bình quân di động
Phương pháp này thường dùng khi các số liệu trong dãy số biến động không lớn lắm. Các số bình quân di động được tính từ các số liệu của dãy số thời gian có khoảng cách đều nhau.
Chẳng hạn có dãy số thời gian tính theo tháng bao gồm các số liệu y1, y2 y3… Nếu tính số bình quân di động theo từng nhóm 3 tháng ta có:
yI = 𝑦1+𝑦2+𝑦3 3
yII = 𝑦2+𝑦3+𝑦4 3
Mục đích của việc lấy bình quân di động là để san bằng những biến động bất thường trong dãy số thời gian. Sau đó dựa vào số liệu bình quân di động ta sẽ dự báo được nhu cầu trong thời kỳ kế tiếp.
Ví dụ 2-1
Một doanh nghiệp có số liệu bán sản phẩm A như trong bảng 2-1. Hãy tính số bình quân di động theo từng nhóm 3 tháng một.
2.4.2.2.2 Phương pháp bình quân di động có trọng số
Những số liệu mới xuất hiện trong các thời kỳ cuối có giá trị lớn hơn những số liệu xuất hiện đã lâu. Để xét đến vấn đề này ta sử dụng các trong số để nhấn mạnh giá trị của các số liệu gần nhất, vừa xảy ra.
Việc chọn các trọng số phụ thuộc vào kinh nghiệm và sự nhạy cảm của người dự bảo.
Tính toán theo công thức:
Ví dụ 2-2
Tính cho ví dụ 2-1 với trọng số tháng kể trước là 3, cách 2 tháng là 2, cách 3 tháng là 1.
Tính theo nhóm 3 tháng một.
Nhận thấy rằng trong số của tháng gần nhất lấy càng lớn thì xu hướng của các biến động càng dễ thấy rõ hơn.
Cả hai phương pháp bình quân di động giản đơn và có trọng số đều có ưu điểm là san bằng được các biến động ngẫu nhiên trong dãy số. Mặc dù vậy chúng đều có các nhược điểm sau:
- Cũng do việc san bằng các biến động ngẫu nhiên nên đã làm giảm độ nhạy cảm đối với những thay đổi thực đã được phản ảnh trong dãy số.
- Sổ bình quân di động chưa cho ta tu hướng phát triển của dãy số một cách tốt nhất. Nó chỉ thể hiện sự vận động trong quá chứ chứ chưa thể láo dài sự vận động đó trong tương lai nhất là đối với tương lai xa,
- Việc tính số bình quân di động đòi hỏi một nguồn số liệu dồi dào trong quá khứ.
2.4.2.2.3 Phương pháp san bằng số mũ.
a. Nội dung phương pháp
Phương pháp này rất tiện dụng nhất là khi dùng máy tính. Đây cũng là kỹ thuật tính số bình quân di động nhưng không đòi hỏi phải có nhiều số liệu quá khứ. Công thức tính nhu cầu tương lại như sau:
Ví dụ 2-3
Một đại lý bán ôtô dự báo trong tháng hai có nhu cầu là 142 xe Toyota. Nhưng thực tế trong tháng hai đã bán với 153 chiếc. Hãy dự báo nhu cầu tháng ba với hệ số san bằng số mũ là 0,2. Nhu cầu tháng ba là:
Hệ số α, có thể thay đổi để xét đến trong số lớn hơn của những số liệu ở các thời gian gần hơn. Lúc này công thức dự báo sẽ là:
(2-2)
Qua (2-2) nhận thấy khi a tăng thì tầm quan trọng số liệu quá khứ càng xa càng nhỏ dần.
Quan sát bảng 2-3 ta cũng nhận rõ điều đó.
Khi α = 0,5 thì các thời kỳ 3, 4 vẫn còn tác động, nhưng thời kỳ 5 tác động không còn đáng kể nữa. Ngược lại khi α = 0,1 thì các thời kỳ 4, 5 vẫn còn tác động, thậm chí thời kỳ 6 cũng vẫn còn tác động, tức là lúc này ta phải xét đến nhiều số liệu trong quá khứ hơn.
b. Lựa chọn hệ số α
Hệ số α ảnh hưởng trực tiếp đến kết quả dự báo. Để chọn ở ta dựa vào độ lệch tuyệt đối bình quân MAD (Mean Absolute Deviation)
MAD càng nhỏ thì trị số α càng hợp lý vì nó cho kết quả dự báo càng ít sai lệch.
Ví dụ 2-4
Cảng A, đã bốc dỡ gạo trong 8 quý qua. Cảng đã thực hiện trong quý đầu tiên là 180 tấn, nhưng con số dự báo ứng với quý này là 175 tấn. Hãy chọn một trong hai giá trị α là 0,1 và 0,5 để xem giá trị thích hợp hơn.
Ta con tính độ lệch tuyệt đối AD (Absolute Deviation) và độ lệch tuyệt đối bình quân MAD theo từng hệ số α. Hệ số nào cho MAD bé hơn sẽ được chọn (bảng 2-4)
Vậy α = 0,1 cho kết quả dự báo chính xác hơn so với α = 0,5 Do đó ta dùng α = 0,1 để dự báo cho quý 9 (tiếp theo):
178,22 + 0,1 (182 - 178,22) = 176 tấn,
c. Phương pháp san bằng số mũ có điều chỉnh xu hướng
Phương pháp san bằng số mũ giản đơn không thể hiện rõ xu hướng biến động. Do đó cần phải sử dụng thêm kỹ thuật điều chỉnh xu hướng. Cách làm như sau: đầu tiên tiến hành dự báo theo phương pháp san bằng số mũ giản đơn sau đó sẽ thêm vào một lượng điều chỉnh (âm hoặc dương).
Tính toán theo công thức:
Để xác định phương trình xu hướng dùng khi điều chỉnh ta sử dụng hệ số san bằng số mũ β. Ý nghĩa và cách sử dụng hệ số này cũng giống như hệ số α
Tt được tính như sau:
Trong đó:
Tt: Lượng điều chỉnh theo xu hướng trong thời kỳ t Tt-1: Lượng điều chỉnh theo xu hướng trong thời kỳ t-1 β: Hệ số san bằng xu hướng mà ta lựa chọn
Ft: Lượng dự báo nhu cầu ở thời kỳ t bằng phương pháp san bằng số mũ giản đơn Ft-1: Lượng dự báo nhu cầu trong thời kỳ t-1
Để tính toán FITt ta tiến hành theo các bước sau:
Bước 1: Tính dự báo nhu cầu theo phương pháp san bằng số mũ giản đơn F ở thời kỳ t.
Bước 2: Tính xu hướng (về mặt lượng) bằng cách sử dụng công thức (2-5).
Để tiến hành bước 2 cho lần tính toán đầu tiên, giá trị xu hướng ban đầu phải được xác định và đưa vào công thức. Giá trị này có thể được đề xuất bằng phán đoán hoặc bằng những số liệu đã quan sát được trong thời gian qua. Sau đó sử dụng số liệu này để tính Tt Bước 3: Tính toán dự báo nhu cầu theo phương pháp san bong số mũ có điều chỉnh xu hướng theo công thức (2-4).
Ví dụ 2-5
Một xí nghiệp sản xuất xi măng sử dụng phương pháp san bằng số mũ có điều chỉnh theo xu hướng để dự báo nhu cầu về những thiết bị kiểm soát ô nhiễm. Các nhu cầu được thể hiện theo xu hướng qua các tháng như sau:
Hệ số san bằng giả định là α= 0,2; β = 0,4. Đồng thời giả định dự báo nhu cầu trong tháng 1 là 11 đơn vị.
Bước 1: Dự báo nhu cầu tháng 2:
F2 = 11 +0,2(12-11)= 11,2 đơn vị
Bước 2: Tính lượng điều chỉnh xu hướng. Giả định lượng điều chỉnh xu hướng ban đầu là 0, tức là T1 = 0.
Ta có: T2 =T1 + β(F2 - F1) = 0 + 0,4 (11,2 – 11) = 0,08
Bước 3: Lượng dự báo nhu cầu có xét đến điều chỉnh theo xu hướng:
FIT2 = F2 +T2 =11,2+0,08 = 11,28 đơn vị Tương tự ta tính cho FIT3:
Bước 1:
F3 = F2 +α(A2-F2)= 11,2+0,2 (17 - 11,2) = 12,36 Bước 2:
T3 = T2 +β(F3-F2)= 0,08 +0,4 (12,36 - 11,2) = 0,54 Bước 3:
FIT3 = F3 + T3 = 12,36 + 0,54 = 12,9
Bằng cách tương tự ta tính được tất cả các FITt và lập được bảng 2-6.
Rõ ràng độ chính xác của phương pháp FIT phụ thuộc vào việc chọn hệ số 3 và giá trị giả định T.
Phương pháp san bằng số mũ giản đơn gọi là phương pháp san bằng số mũ bậc 1. Còn phương pháp san bằng số mũ điều chỉnh theo xu hướng gọi là phương pháp san bằng số mũ bậc 2. Đây là phương pháp chính xác hơn cả trong các phương pháp san bằng số mũ.
Có thể thấy rõ điều này qua hình 2-4.