Đăng ký Đăng nhập
Trang chủ Kinh doanh - Tiếp thị Quản trị kinh doanh Bài giảng Thống kê ứng dụng trong kinh doanh: Chương 14 - ThS. Nguyễn Tiến Dũng...

Tài liệu Bài giảng Thống kê ứng dụng trong kinh doanh: Chương 14 - ThS. Nguyễn Tiến Dũng

.PDF
30
539
57

Mô tả:

CHƯƠNG 14 DỰ BÁO DỰA TRÊN DỮ LIỆU CHUỖI THỜI GIAN Ths. Nguyễn Tiến Dũng Viện Kinh tế và Quản lý, Trường ĐH Bách khoa Hà Nội Email: [email protected] MỤC TIÊU CỦA CHƯƠNG ● Sau khi học xong chương này, người học sẽ ● Phát biểu được chuỗi thời gian là gì ● Phân biệt được các khái niệm và các cách tiếp cận trong dự báo ● Thực hiện được các phương pháp dự báo dựa trên chuỗi thời gian: lượng tăng giảm tuyệt đối, tốc độ phát triển bình quân ● Thực hiện được một số phương pháp dự báo theo mô hình nhân © Nguyễn Tiến Dũng Thống kê ứng dụng 2 CÁC NỘI DUNG CHÍNH 14.1 Chuỗi thời gian 14.2 Các phương pháp dự báo dựa trên chuỗi thời gian 14.3 Dự báo bằng mô hình nhân © Nguyễn Tiến Dũng Thống kê ứng dụng 3 14.1 CHUỖI THỜI GIAN ● 14.1.1 Khái niệm ● 14.1.2 Các đại lượng mô tả chuỗi thời gian © Nguyễn Tiến Dũng Thống kê ứng dụng 4 14.1.1 Khái niệm ● Time-series data ● Chuỗi các giá trị của một chỉ tiêu NC (đại lượng) được sắp xếp theo thứ tự thời gian ● Y = {Y1, Y2, Y3, ... Yn} ● Chuỗi số thời kỳ: ● DL thu thập trong kỳ ● Có tính cộng: cộng các thời kỳ khác nhau với nhau được ● TD ● Chuỗi số thời điểm ● DL thu thập tại một thời điểm ● Không cộng lại với nhau để đưa ra con số tích luỹ được ● TD © Nguyễn Tiến Dũng Thống kê ứng dụng 5 Phân biệt DL thời kỳ và DL thời điểm ● DL thời kỳ: có tính cộng ● Lượng bán, Doanh thu ● Chi phí SXKD, Lợi nhuận = Doanh thu – Chi phí ● GDP, thu nhập ● Chi tiêu sinh hoạt © Nguyễn Tiến Dũng ● DL thời điểm: không có tính cộng ● Số lao động của một ● ● ● ● ● doanh nghiệp Giá bán Tài sản, vốn chủ sở hữu, nợ phải trả CPI – Chỉ số giá tiêu dùng Điểm TB học tập của từng học kỳ (GPA học kỳ) Mức độ hài lòng của khách hàng – khảo sát theo quý. Thống kê ứng dụng 6 14.1.2 Các đại lượng mô tả chuỗi thời gian ● 14.1.2.1 Giá trị TB ● Chuỗi thời kỳ 1 n Y   Yi n i 1 ● Chuỗi thời điểm ● Nếu khoảng cách giữa các thời điểm bằng 1 Y  (0,5Y1  Y2  Y3  ...  Yn 1  0,5Yn ) nhau n 1 n ● Nếu khoảng cách giữa các thời điểm không bằng nhau, nhưng thời gian NC là liên tục © Nguyễn Tiến Dũng Y  Y t i i i 1 n t i i 1 Thống kê ứng dụng 7 14.1.2.2 Lượng tăng giảm tuyệt đối (so sánh tuyệt đối) ● Lượng tăng giảm tuyệt đối liên hoàn ● Lượng tăng giảm tuyệt đối định gốc  i  Yi  Yi 1 (i=2,n )  i  Yi  Y1 (i=2,n ) n n   i i 2 ● Lượng tăng giảm tuyệt đối TB 1 n i      i n 1 n  1 i 2 © Nguyễn Tiến Dũng Thống kê ứng dụng 8 14.1.2.3 Tốc độ phát triển Yi ti  Yi 1 ● Tốc độ phát triển liên hoàn ● Tốc độ phát triển định gốc Yi Ti  Y1 n Yn Tn    ti Y1 i  2 ● Liên hệ giữa tốc độ phát triển liên hoàn và tốc độ n t  n 1  ti  n 1 Tn phát triển định gốc i 2 ● Tốc độ phát triển TB © Nguyễn Tiến Dũng Thống kê ứng dụng 9 14.1.2.4 Tốc độ tăng trưởng ● Tốc độ tăng trưởng liên hoàn ● Tốc độ tăng trưởng định gốc ● Tốc độ tăng trưởng TB © Nguyễn Tiến Dũng Thống kê ứng dụng Yi  Yi 1 ai   ti  1 Yi 1 Yi  Y1  i Ai    Ti  1 Y1 Y1 a  t 1 10 14.2 DỰ BÁO DỰA TRÊN CHUỖI THỜI GIAN ● Hoạch định tốt  Thành công cao ● Dự báo  hoạch định (lập kế hoạch) ● Các cách tiếp cận trong DB ● Cách tiếp cận định tính: phỏng vấn sâu, thảo luận nhóm đối với chuyên gia và khách hàng ● Cách tiếp cận định lượng: ● Sử dụng X để dự báo Y: PT tương quan và hồi quy ● Sử dụng các GT quá khứ của Y để dự báo các GT tương lai của Y ● Các điều kiện và giả định để DB định lượng ● Có sẵn DL quá khứ ● Có thể lượng hoá DL quá khứ ● Các quy luật quá khứ sẽ tiếp diễn trong tương lai © Nguyễn Tiến Dũng Thống kê ứng dụng 11 14.2.1 Một số vấn đề liên quan đến dự báo ● 14.2.1.1 Thời đoạn DB ● Là tần suất thời gian mà DL phục vụ dự báo được thu thập, như ngày, tuần, tháng, quý, năm. ● 14.2.1.2 Tầm xa DB ● DB tức thì: dưới 1 tháng ● DB ngắn hạn: từ 1 đến 3 tháng ● DB trung hạn: từ 3 tháng đến hơn 1 năm. ● DB dài hạn: từ 2 năm trở lên © Nguyễn Tiến Dũng Thống kê ứng dụng 12 14.2.1.3 Các chỉ tiêu đánh giá mức độ phù hợp của mô hình dự báo ● Sai số tuyệt đối TB – MAE (Mean Absolute Error) F  {F1 ; F2 ;..., Fn } n MAE  | e i Y  {Y1 ; Y2 ;..., Yn } ei  Yi - Fi | i 1 n ● Sai số phần trăm tuyệt đối TB – MAPE (Mean Absolute Percent Error) n MPAE  © Nguyễn Tiến Dũng | e i | /Yi i 1 n Thống kê ứng dụng 13 ● Sai số bình phương TB – MSE (Mean Square Error) và Căn bậc hai của sai số bình phương TB n MSE  e n 2 i i 1 n RMSE  M SE  2 e i i 1 n ● Chỉ số U RMSE cuûa moâ hình döï baùo ñang söû duï ng U RMSE cuûa moâ hình döï baùo ngaây thô (naive) © Nguyễn Tiến Dũng Thống kê ứng dụng 14 14.2.2 Các phương pháp DB đơn giản ● 14.2.2.1 Dự báo dựa vào lượng tăng trưởng tuyệt đối TB ● 14.2.2.2 Dự báo dựa vào tốc độ phát triển TB ● 14.2.2.3 Dự báo bằng phương pháp TB trượt (moving average) © Nguyễn Tiến Dũng Thống kê ứng dụng 15 14.2.2.1 Dự báo dựa vào lượng tăng trưởng tuyệt đối TB ● L: tầm xa dự báo (L = 1,2,3, ...) ● Ft+L: giá trị dự báo ở thời gian t+L Fn  L  Yn   . L ● 𝛿: lượng tăng trưởng tuyệt đối TB ● TD t 1 2 3 4 Y 100 118 121 ? - 18 3 delta 1   (18  3)  10,5 2 F4  F31  Y3  1.  121  10,5  131,5 © Nguyễn Tiến Dũng Thống kê ứng dụng 16 14.2.2.2 Dự báo dựa vào tốc độ phát triển trung bình t 1 2 3 4 Y 100 118 121 ? - 118/100 = 1,18 121/118 = 1,025 Tốc độ PT liên hoàn Fn  L  Yn .( t ) L t  Y3 / Y1  121 / 100  1,1  (1,18).(1, 025)  1, 099 F4  F31  Y3 .t  121  1,1  133,1 © Nguyễn Tiến Dũng Thống kê ứng dụng 17 14.2.2.3 Dự báo bằng phương pháp trung bình trượt (Moving Average Method) ● Phạm vi áp dụng và ý nghĩa: ● Chuỗi số liệu có thành phần xu hướng (tăng/giảm tuyến tính) và có thành phần bất thường (nhiễu loạn) ● Số điểm lấy TB: ● m = 2k+1 hoặc m = 2k ● Nếu m lẻ, không phải trung tâm hoá ● Nếu m chẵn, phải trung tâm hoá ● Chọn m bằng bao nhiêu? ● Dãy số có mức độ biến động ít, chọn m nhỏ (TD, m=3) ● Dãy số có mức độ biến động nhiều, chọn m lớn hơn (m = 5, 7 ...) ● Phương pháp “Trial-and-error”: thử các giá trị m khác nhau, phương pháp nào có MSE nhỏ nhất thì chọn. ● m càng lớn, đường dự báo càng trơn © Nguyễn Tiến Dũng Thống kê ứng dụng 18 14.2.2.4 Mô hình ngoại suy xu thế ● Sử dụng các mô hình hồi quy tuyến tính đơn biến và đa biến để dự báo © Nguyễn Tiến Dũng Thống kê ứng dụng Yˆ  b0  b1 X 19 14.3 DỰ BÁO BẰNG MÔ HÌNH NHÂN ● Mô hình nhân (Multiplication Model) ● Chuỗi số liệu theo thời gian: Y = {Y1, Y2, ..., Yn} ● Các thành phần có thể có mặt: ● TP xu thế (Trend) Ti ● TP chu kỳ dài hạn (Cyclical) Ci ● TP mùa vụ (Seasonal) Si ● TP bất thường (Erratic) Ei ● Mô hình nhân: Yi=Ti.Ci.Si.Ei ● Quy trình dự báo theo mô hình nhân ● Nhận diện các thành phần của chuỗi ● Tách riêng các thành phần ● Lắp ghép chúng lại để có giá trị dự báo mong muốn © Nguyễn Tiến Dũng Thống kê ứng dụng 20
- Xem thêm -

Tài liệu liên quan