PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO

P.T.B

KHOA KINH TẾ ptbinh[a-còng]ueh.edu.vn

Bài giảng 3: Các mô hình dự báo giản đơn

Nội dung:

Dự báo thô

Trung bình giản đơn

Trung bình di động đơn/kép

San mũ giản đơn

San mũ Holt/San mũ Winter

Phân tách chuỗi thời gian

Phần mềm ForecastX/Crystal Ball

Phân biệt 3 phương pháp đơn giản:

Các phương pháp dự báo thô: Giả định dữ

liệu gần nhất cung cáp các dự đoán tốt

nhất tương lai.

Các phương pháp bình quân: Dự báo dựa

trên giá trị trung bình của các quan

sát quá khứ (tầm quan trọng như nhau).

Các phương pháp san mũ: Dự báo bằng

cách lấy trung bình giá trị quá khứ của

chuỗi dữ liệu với trọng số giảm dần

(tầm quan trọng giảm dần).

1. Một phương pháp dự báo được chọn dựa

trên phân tích và cảm nhận của người

làm dự báo về bản chất của dữ liệu.

2. Bộ dữ liệu được chia thành 2 phần:

Phần chạy thử và phần kiểm định.

3. Phương pháp dự báo được chọn được sử

dụng để tính các giá trị ước lượng

cho phần chạy thử.

Một chiến lược tốt để đánh giá dự báo

thường gồm các bước sau (Hanke, 2005):

4.Phương pháp được sử dụng

để dự báo phần kiểm định

của dữ liệu, và sai số dự

báo được xác định và dùng

để so sánh/đánh giá.

5.Ra quyết định

Dự báo thô (Naïve forecast)

(hoặc simple random walk!!!)

Thích hợp với các doanh nghiệp

mới thành lập vì có rất ít dữ

liệu.

Giả định giai đoạn gần nhất là

ước lượng tốt nhất cho tương lai:

t1t YY

Ví dụ xem file Table4.1H

100

200

300

400

500

600

700

800

2 4 6 8 10 12 14 16 18 20 22 24 26 28

SALES

Lấy dữ liệu trong giai đoạn 1996 –

2001 là dữ liệu ước lượng, vậy giá

trị dự báo 2002Q1 sẽ là:

Sai số dự báo: e25 = 200, …, e26 = -

250

Kết hợp đồ thị thấy dữ liệu có xu

thế, nên mô hình dự báo thô giản đơn

sẽ dự báo “thấp”.

2425

^

YY 650Y25

^

Để khắc phục nhược điểm của mô

hình dự báo thô giản đơn ta có

thể xem xét thêm xu hướng của

nó như sau:

Trong đó: P là tỷ lệ thay đổi

giữa hai giai đoạn kế nhau 0

P 1.

P bao nhiêu là tốt nhất?

)Y P(Y YY 1-ttt1t