biz forecasting lecture3

1

Dự báo trong kinh doanh(Business Forecasting)

Khoa Kinh tế Phát triển1A Hoàng Diệu, Phú Nhuận

Website: www.fde.ueh.edu.vn

Phùng Thanh Bình

1. Giới thiệu2. Mô hình dự báo thô3. Trung bình giản đơn4. Trung bình di động đơn5. Trung bình di động kép6. San mũ giản đơn7. San mũ Holt8. San mũ Winter

TRUNG BÌNH DI ĐỘNG & CÁC PHƯƠNG PHÁP SAN MŨ

2

Phùng Thanh Bình

Nguyễn Trọng Hoài (2001): Mô hình hóa và Dựbáo chuỗi thời gian trong kinh doanh & kinh tế, Chương 4.J.Holton Wilson & Barry Keating, (2007), Business Forecasting With Accompanying Excel-Based ForecastXTM Software, 5th Edition, Chapter 3.John E.Hanke & Dean W.Wichern, (2005), Business Forecasting, 8th Edition, Chapter 4.

TÀI LIỆU THAM KHẢO

Phùng Thanh Bình

GIỚI THIỆU

3

Phùng Thanh Bình

GIỚI THIỆU

Một chiến lược tốt để đánh giá các phương pháp dựbáo gồm các bước sau:1. Một phương pháp dự báo được chọn dựa trên

phân tích và cảm nhận của người làm dự báo vềbản chất của dữ liệu

2. Bộ dữ liệu được chia thành 2 phần - phần đầu vàphần kiểm định

3. Phương pháp dự báo được chọn nhằm tìm ra cácgiá trị phù hợp cho phần đầu của dữ liệu

Phùng Thanh Bình

GIỚI THIỆU

Một chiến lược tốt để đánh giá các phương pháp dựbáo gồm các bước sau:

4. Phương pháp được sử dụng dự báo phần kiểmđịnh của dữ liệu, và sai số dự báo được xác địnhvà đánh giá

5. Ra quyết định

4

Phùng Thanh Bình

DỰ BÁO THÔ

Khi có rất ít dữ liệu gần đây, thì Naïve có thể là một giảiphápDự báo thô giả định rằng các giai đoạn gần nhất là ướclượng tốt nhất cho tương lai, mô hình đơn giản là:

Được gọi là dự báo thô cấp 1 (Naïve forecast 1), 100% trọng số được gán cho giá trị gần nhất củachuỗi thời gian

t1t YY =+

∧

Phùng Thanh Bình

DỰ BÁO THÔ

Bên cạnh xem xét quan sát gần nhất, ta có thểxem xét thêm xu hướng của nó, đây là mô hìnhdự báo thô cấp 2:

Xem ví dụ ở Table 1.3 (Holton, p30)

)Y P(Y YY 1-ttt1t −+=+

∧

5

Phùng Thanh Bình

Phùng Thanh Bình

TRUNG BÌNH GIẢN ĐƠN

Công thức:

∑=

+

∧

=t

1ii1t Y

t1 Y

1tY Yt Y 1t1t

2t++

= ++

∧

+

∧

6

Phùng Thanh Bình

Phương pháp trung bình giản đơn phù hợp khi cácnhân tố ảnh hưởng đến đối tượng dự báo có tính ổnđịnh, và môi trường liên quan đến chuỗi dữ liệu làkhông đổiPhương pháp trung bình giản đơn sử dụng giá trịtrung bình của tất cả các quan sát quá khứ làm giátrị dự báo cho giai đoạn tiếp theo

TRUNG BÌNH GIẢN ĐƠN

Phùng Thanh Bình

7

Phùng Thanh Bình

Quan tâm đến một số cố định các quan sát gần nhấtKhi có thêm một quan sát mới, ta có một giá trịtrung bình mới

Y^t+1 = giá trị dự báo giai đoạn tiếp theo

Yt = giá trị thực tại thời điểm tk = hệ số trượt

TRUNG BÌNH DI ĐỘNG ĐƠN

kY ... Y Y Y 1k-t1-tt

1t+

+

∧ ++=

Phùng Thanh Bình

Ví dụ 4.3 (Table 4-30


8

Phùng Thanh Bình

Chọn hệ số trượt bao nhiêu tùy vào độ dài của chukỳ hay bản chất của dữ liệuĐể so sánh và chọn mô hình tốt, nên dựa vào cáctiêu chí thống kê (RMSE)Thường dùng đối với dữ liệu quý hoặc tháng để làmtrơn các thành phần trong chuỗi thời gianThường dùng với chuỗi dừng


Phùng Thanh Bình

Một cách dự báo chuỗi thời gian có xu thế tuyếntính là dùng phương pháp bình phương di động kép

TRUNG BÌNH DI ĐỘNG KÉP

kY ... Y Y Y M 1k-t1-tt

1tt+

+

∧ ++==

kM ... M M M 1k-t1-tt'

1t+

+++

=

9

Phùng Thanh Bình

Ví dụ 4.4 (Table 4-5)

TRUNG BÌNH DI ĐỘNG KÉP

)M M(1-k

2 b 'ttt −=

'tt

'tttt M - 2M )M M( M a =−+=

pb a Y ttpt +=+

∧

Phùng Thanh Bình

10

Phùng Thanh Bình

Phùng Thanh Bình

Giống trung bình di động, được sử dụng khi dữ liệukhông có yếu tố xu thế và mùa vụGiá trị dự báo tại bấy kỳ thời điểm nào là giá trị trungbình có trọng số của tất cả các giá trị sẵn có trước đóGiá trị càng xa hiện tại thì trọng số càng giảm (kháctrung bình di động cho rằng các trọng số bằng nhau). Các quan sát gần nhất chứa đưng thông tin thích hợpnhất, và có ảnh hưởng lớn hơn các quan sát quá khứKhi có ít dữ liệu quá khứ và không có yếu tố xu thế vàmùa vụ

SAN MŨ GIẢN ĐƠN

11

Phùng Thanh Bình

Quan sát gần nhất có trọng số α (0< α<1), quan sát kếtiếp là α(1- α), quan sát tiếp theo nữa là α(1- α)2, …α được gọi là hằng số mũMô hình san mũ giản đơn có thể được viết như sau:


tt1t Y)-(1 Y Y∧

+

∧

+= αα

Phùng Thanh Bình

Phương trình này có thể được viết lại như sau:


tt

ttt

ttt

tt1t

e Y

)Y - Y( Y

Y - Y Y

Y)-(1 Y Y

α

α

αα

αα

+=

+=

+=

+=

∧

∧∧

∧∧

∧+

∧

12

Phùng Thanh Bình


... Y)-(1 Y)-(1 )Y-(1 Y ...

Y)-(1 )Y-(1 Y

]Y)-(1 Y)[-(1 Y

Y)-(1 Y Y

Y)-(1 Y Y

3-t3

2-t2

1-tt

1-t2

1-tt

1-t1-tt

tt1t

1-t1-tt

++++=

++=

++=

+=

+=

∧

∧

∧+

∧

∧∧

ααααααα

αααα

αααα

αα

αα

Phùng Thanh Bình

Chọn giá trị α là vấn đề quan trọng nhất củaphương pháp nàyo Nếu các dự đoán ổn định và biến đổi ngẫu nhiên

ít, thì chọn α nhỏ, ngược lại nên chọn α lớno Một cách phổ biến để ước lượng α là dựa vào

một quy trình lặp đi lặp lại sao cho tối thiểu hóaMSE (hoặc RMSE)

Ví dụ 4.5 (H, Table 4-7)


13

Phùng Thanh Bình

Phùng Thanh Bình

14

Phùng Thanh Bình

Khi chuỗi thời gian có yếu tố xu thế (và không cóyếu tố mùa vụ)Là một mở rộng của phương pháp san mũ giản đơnbằng việc đưa thêm một thừa số tăng trưởng(growth factor) hay thừa số xu thế (trend factor) vàphương trình san mũ để điều chỉnh yếu tố xu thế3 phương trình và 2 hằng số san mũ được sử dụngtrong mô hình Holt

SAN MŨ HOLT

Phùng Thanh Bình

Chuỗi thời gian đã được san mũ hay giá trị ước lượnghiện hành (Lưu ý: cũng có thể là Y^

t, và Tt):(a)Ước lượng xu thế: (b)Dự báo p giai đoạn trong tương lai:

(c)

SAN MŨ HOLT

))T-(1 )Y Y( T tt1t1t γγ +−=∧

+

∧

+

1t1tmt mT Y H ++

∧

+ +=

)T Y)(-(1 Y Y ttt1t ++=∧

+

∧

αα

15

Phùng Thanh Bình

= giá trị san mũ cho giai đoạn t+1Yt = giá trị thực ở hiện tại (giai đoạn t)

= giá trị san mũ cho giai đoạn tTt+1 = ước lượng xu thếα = hằng số san mũ của mức giá trị hiện tạiγ = hằng số san mũ của ước lượng xu thếm = số giai đoạn dự báoHt+m = giá trị dự báo theo phương pháp Holt ở giai đoạn t+m

SAN MŨ HOLT

1tY +

∧

tY∧

Phùng Thanh Bình

α và γ có thể được chọn theo chủ quan hoặc tối thiểuhóa sai số dự báo như MSEo Khi có thay đổi lớn trong giá trị các thành phần thì

sử dụng trọng số lớn, và ngược lạiChọn giá trị ban đầu cho Y^:o Lấy quan sát thứ nhất, và xu thế bằng 0 o Trung bình của 5 hoặc 6 quan sát đầu tiên và xu thế

là hệ số gốc của đường xu thế của các quan sát nàyVí dụ 4.9 (H, Table 4- 8)

SAN MŨ HOLT

16

Phùng Thanh Bình

Chuỗi thời gian đã được san mũ:

(a)

Ước lượng xu thế:

(b)

Ước lượng mùa vụ:

(c)

Dự báo m giai đoạn trong tương lai:

(d)

SAN MŨ WINTER

)T Y)(-(1 SY Y 1-t1-t

s-t

tt ++=

∧∧

αα

))T-(1 )Y Y( T 1-t1-ttt γγ +−=∧∧

))S-(1 Y

Y S s-t

t

tt ββ += ∧

ps-tttmt S)mT Y( W +

∧

+ +=

Phùng Thanh Bình

Y^t = giá trị san mũ mới

Tt = ước lượng xu thếSt = ước lượng mùa vụα = hằng số san mũ của mức giá trị hiện tạiγ = hằng số san mũ của ước lượng xu thếβ = hằng số san mũ của ước lượng mùa vụm = số giai đoạn dự báos = độ dài mùa vụWt+m = giá trị dự báo theo phương pháp Winter ở giai đoạn t+m

SAN MŨ WINTER

17

Phùng Thanh Bình

α, γ, và β có thể được chọn theo chủ quan hoặc tối thiểuhóa sai số dự báo như MSEChọn giá trị ban đầu cho Y^:o Lấy quan sát thứ nhất, xu thế bằng 0, và chỉ số mùa vụ

bằng 1 o Hồi qui Y = f(t), hằng số sẽ là ước lượng ban đầu của

giá trị san mũ, hệ số dốc là ước lượng ban đầu cho xuthế. Giá trị ban đầu của thành phần mùa vụ từ các hệ sốhồi qui của các biến giả

Ví dụ 4.10 (H, Table 4- 9)

SAN MŨ WINTER

Phùng Thanh Bình

biz forecasting lecture3

Education