Dự báo trong kinh doanh (Business Forecasting) - Phân tích thành tố

GIỚI THIỆU - Rất khó xử lý yếu tố chu kỳ của một chuỗi thời gian vì các chu kỳ có thể được xác định từ dữ liệu lịch sử cả về độ dài (năm) và độ lớn - Để đơn giản người ta thường giả định chu kỳ là một phần của yếu tố xu thế - Thường chỉ xét 3 yếu tố Trt, Snt, và It

pdf16 trang | Chia sẻ: thanhlam12 | Ngày: 05/01/2019 | Lượt xem: 188 | Lượt tải: 0download
Bạn đang xem nội dung tài liệu Dự báo trong kinh doanh (Business Forecasting) - Phân tích thành tố, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
1Dự báo trong kinh doanh (Business Forecasting) Khoa Kinh tế Phát triển 1A Hoàng Diệu, Phú Nhuận Website: www.fde.ueh.edu.vn Phùng Thanh Bình 1. Giới thiệu 2. Các bước thực hiện 3. Mô hình cộng tính 4. Mô hình nhân tính PHÂN TÍCH THÀNH TỐ 2Phùng Thanh Bình z Nguyễn Trọng Hoài (2001): Mô hình hóa và Dự báo chuỗi thời gian trong kinh doanh & kinh tế, Chương 5. z J.Holton Wilson & Barry Keating, (2007), Business Forecasting With Accompanying Excel- Based ForecastXTM Software, 5th Edition, Chapter 6. z John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 5. TÀI LIỆU THAM KHẢO Phùng Thanh Bình GIỚI THIỆU z Thành phần của một chuỗi thời gian: o Xu thế (Trt) o Chu kỳ (Clt) o Mùa vụ (Snt) o Ngẫu nhiên (It) 3Phùng Thanh Bình GIỚI THIỆU z Mô hình hóa Yt theo các thành phần Trt, Clt, Snt, và It: o Mô hình cộng tính: Xem chuỗi thời gian như tổng của các thành phần z Yt = Trt + Clt + Snt + It o Mô hình nhân tính: Xem chuỗi thời gian như tích của các thành phần • Yt = Trt × Clt × Snt × It Phùng Thanh Bình GIỚI THIỆU z Rất khó xử lý yếu tố chu kỳ của một chuỗi thời gian vì các chu kỳ có thể được xác định từ dữ liệu lịch sử cả về độ dài (năm) và độ lớn z Để đơn giản người ta thường giả định chu kỳ là một phần của yếu tố xu thế z Thường chỉ xét 3 yếu tố Trt, Snt, và It 4Phùng Thanh Bình CÁC BƯỚC THỰC HIỆN z Khảo sát dữ liệu và nhận dạng mô hình thích hợp z Xác định L (khoảng trượt, ví dụ L = 4 nếu dữ liệu theo quý) z Lọai bỏ dao động ngắn hạn để nhận dạng xu thế dài hạn z So sánh giá trị thực Yt với giá trị đã lọai bỏ yếu tố mùa vụ (CMAt) Phùng Thanh Bình CÁC BƯỚC THỰC HIỆN z Tìm chỉ số mùa vụ z Xác định yếu tố xu thế z Xây dựng hàm dự báo xu thế z Đo lường yếu tố chu kỳ (nếu có) z Tiến hành dự báo từ các thành tố 5Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Nhận dạng mô hình cộng tính o Cường độ của sự di chuyển có tính mùa vụ không đổi theo thời gian (xem đồ thị) z Giả sử ta có mô hình cộng tính như sau: ttttt εClSnTrY +++= Phùng Thanh Bình 6Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Các bước thực hiện o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MAt và CMAt • Nếu L lẻ: Chỉ cần tính MAt • Nếu L chẵn: Tính CMAt CMAt = Trt + Clt o Bước 2: Tính Snt + εt • Snt + εt = Yt – Trt - Clt Phùng Thanh Bình 7Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Các bước thực hiện o Bước 3: Loại bỏ εt trong Snt + εt bằng cách tính trung bình cho mỗi mùa (quý, tháng, ) o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước lượng mùa vụ trung bình này phải bằng 0. Nếu chưa thỏa mãn thì cần phải điều chỉnh để chúng bằng 0. L Sn A L 1j j∑ == A - Sn Sn jj = Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Các bước thực hiện o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng cách lấy dữ liệu gốc Yt trừ đi ước lượng mùa vụ tương ứng Snjt o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t) j tt ' t Sn -Y Y = 8Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Các bước thực hiện o Bước 7: Tiến hành dự báo cho Y^t+1 o Bước 8: Đánh giá mô hình 1t1t ' 1t1t Cl Sn Y Y ++++ ∧ ++= Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Đánh giá mô hình o Thứ nhất: Tất cả các kiểm định thống kê của mô hình hồi quy Y’t phải được thỏa mãn o Thứ hai: Đồ thị của Yt phải gần với Y’t o Thứ ba: Tính chỉ số Theil U o Ngoài ra, có thể so sánh với các mô hình dự báo khác thông qua các tiêu chí thống kê đ lường độ chính xác dự báo 9Phùng Thanh Bình MÔ HÌNH CỘNG TÍNH z Khoảng tin cậy o Sử dụng sai số của mô hình hồi quy Y’t để xác định khoảng tin cậy cho εt chinh)dieuso(HeStYˆ eα/2t ×± ( ) ( )∑ ∑− −++= n t t tt n 11 chinh dieu so He 2 2 2 p Phùng Thanh Bình MÔ HÌNH NHÂN TÍNH z Nhận dạng mô hình cộng tính o Cường độ của sự di chuyển có tính mùa vụ tăng/giảm theo thời gian (xem đồ thị) z Giả sử ta có mô hình nhân tính như sau: ttttt εClSnTrY ×××= 10 Phùng Thanh Bình Phùng Thanh Bình z CÁCH 1: Chuyển sang dạng mô hình cộng tính và thực hiện như các bước vừa trình bày )ln( )ln(Cl )ln(Sn )ln(Tr )εClSnln(Tr )ln(Y tttt tttt ε+++= ×××= t MÔ HÌNH NHÂN TÍNH 11 Phùng Thanh Bình MÔ HÌNH NHÂN TÍNH z CÁCH 2: o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính MAt và CMAt • Nếu L lẻ: Chỉ cần tính MAt • Nếu L chẵn: Tính CMAt CMAt = Trt×Clt o Bước 2: Tính Snt×εt • Snt×εt = Yt ÷ Trt×Clt Phùng Thanh Bình z CÁCH 2: o Bước 3: Loại bỏ εt trong Snt×εt bằng cách tính trung bình cho mỗi mùa (quý, tháng, ) o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước lượng mùa vụ trung bình này phải bằng L. Nếu chưa thỏa mãn thì cần phải điều chỉnh bằng cách nhân với hệ số điều chỉnh: ∑ = = L 1j jSn L A A Sn Sn jj ×= MÔ HÌNH NHÂN TÍNH 12 Phùng Thanh Bình z CÁCH 2: o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng cách lấy dữ liệu gốc Yt chia cho ước lượng mùa vụ tương ứng Snjt o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t) j tt ' t Sn Y Y ÷= MÔ HÌNH NHÂN TÍNH Phùng Thanh Bình z CÁCH 2: o Bước 7: Tiến hành dự báo cho Y^t+1 o Bước 8: Đánh giá mô hình 1t1t ' 1t1t Cl Sn Y Y ++++ ∧ ××= MÔ HÌNH NHÂN TÍNH 13 Phùng Thanh Bình MÔ HÌNH NHÂN TÍNH z CÁCH 3: o Bước 1: Tính MAt & CMAt o Bước 2: CMAT (CMA trend) CMA = f(TIME) = a + b(TIME) = CMAT o Bước 3: Tính hệ số mùa vụ SFt (seasonal factor) t t t CMA Y SF = Phùng Thanh Bình MÔ HÌNH NHÂN TÍNH z CÁCH 3: o Bước 4: Tính hệ số chu kỳ CFt o Bước 5: Tính chỉ số mùa SI (Seasonal index) t t t CMAT CMA CF = j n 1t j t j t n SF SI ∑ == 14 Phùng Thanh Bình MÔ HÌNH NHÂN TÍNH z CÁCH 3: o Bước 6: Dự báo Y^t+1 1t1t1t1t CF SI CMAT Y ++++ ∧ ××= Phùng Thanh Bình 15 Phùng Thanh Bình Phùng Thanh Bình 16 Phùng Thanh Bình