Binh p t 2013 lecture 3 simple forecast methods 9557
-
Upload
independent -
Category
Documents
-
view
1 -
download
0
Transcript of Binh p t 2013 lecture 3 simple forecast methods 9557
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
^