hƯỚng dẪn thỰc hÀnh eview trong dỰ bÁo
TRANSCRIPT
HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO
1.Hoàng Thạch Nguyên_TF01
2.Nguyễn Văn Lương_TF02
3.Lê Thiện Hòa_TF02
4.Nguyễn Duy Thái_TF01
5.Vũ Thư Hoàng_TF01
6.Trần Hồng Loan Thảo_TF02
Nhóm thuyết trình:
Các phương pháp san bằng mũ
• San bằng mũ đơn giản• Phương pháp tuyến tính Holt• Phương pháp Holt-Winter
Ví dụ:
• Dữ liệu về số học sinh của Mỹ đã được tính với mức alpha=0.7 và beta=0.6
Dữ liệu trên file excel: hw.xls
San bằng mũ đơn giản
Holt-winters 2 tham số
không mùa vụ
Holt-winters mô hình cộng
3 tham số
Holt-winters mô hình nhân
3 tham sốLưu ý ?!! Các bạn có thề ko thêm
alpha,beta để cho máy tự tính hoặc tính giá trị alpha
beta trên excel và đánh vào
Kết quả của holt-winters 2 tham số không mùa vụ
• Dự báo:• Genr: YDB = (YMU+T)*S• YMU: Mean• T: Trend• S: Chi so mua vu
• Không có chỉ số mùa vụ thì không nhân
Mô hình ARIMA-Phương pháp Box-Jenkins
• Ví dụ: các số liệu về chỉ số giá tiêu dùng tính theo quý của Việt Nam từ quý I/1991 đến quý IV/1997.
• Sau đó chạy dự báo cho 4 quý vào năm 1998.
• Dữ liệu trên file arima.xls
Nếu có mùa vụ
• Genr: DSY = d(y,0,s)• S: chu kỳ mùa vụ (4: quý, 12: tháng)
• Genr: DSY2 = d(DSY,0,s)
Tiếp tục cho đến khi hết tính mùa vụ
Ở phần test for unit root in -Level: kiểm
định bình thường
-1st difference : sai phân bậc 1-2nd difference : sai phân bậc 2
-Ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cáchtừ từ về 0, chuỗi đã dừng.-ACF tắt nhanh về 0 sau 3 độ trễ : q=3-PAC giảm nhanh về 0 sau 1 độ trễ: p=1
Nếu có mùa vụ thì nhìnĐể tính SAR, SMA
Theo quý: Nhìn dôi ra 1 4 -> SAR (1)1 4 8 -> SAR (2)
Theo tháng:Nhìn dôi ra 1 12 -> SAR (1)1 12 24 -> SAR (2)
B4 Chạy mô hình ARIMA (1,0,3)
Y c ar(1) ma(1) ma(2) ma(3)
Nhìn số ar, ma theo correlogram ở trênKhông có mùa vụ
có mùa vụ: ARIMA (2,2,1)(1,2,2)4
D(Y,2) c ar(1) ma(1) ma(2) ma(3)
D(Z,2) C AR(1) AR(2) MA(1) SAR(4) SMA(4) SMA(8)GENR X = D(Y,0,4)GENR Z = D(X,0,4)
Z: là biến tạo mùa vụ ở trên
Sai số của mô hình ARIMA(1,0,3) là một chuỗi dừng và nó có phânphối chuẩn. Sai số này là nhiễu trắng. Từ lược đồ tự tương quan phần dư có p-value >0.1 và không có thanh nào vượt quá 2 đường biên suy ra mô hình phù hợp
Ta có bảng xác định các tiêu chuẩn đánh giá sau khi đã thử với một vài mô hình khác nhau :
Mô hình R-squared Log likelihood Akaike info
criterion Schwarz criterion
ARIMA(1,0,3) 0.989405 30.62232 -2.046097 -1.902116
ARIMA(1,0,0) 0.985394 26.28905 -1.799189 -1.703201
ARIMA(0,0,3) 0.732152 -15.5026 1.250186 1.345343