Professional Documents
Culture Documents
D Bao Trong Kinh Doanh Business Forecas PDF
D Bao Trong Kinh Doanh Business Forecas PDF
(Business Forecasting)
1
Phùng Thanh Bình
1. Giới thiệu
2. Lịch sử phát triển của dự báo
3. Nhu cầu dự báo
4. Dự báo trong kinh doanh ngày nay
5. Phân lọai dự báo
6. Lựa chọn phương pháp dự báo
7. Phương pháp luận cho chuỗi thời gian & dự báo
8. Nguồn dữ liệu
9. Đo lường độ chính xác dự báo
10. Phần mền dự báo
2
Phùng Thanh Bình
GIỚI THIỆU
3
Phùng Thanh Bình
4
Phùng Thanh Bình
z Phòng nhân sự: dự báo nhu cầu tuyển dụng và những thay đổi
trong công sở
z Chuyên gia tài chính: dự báo ngân lưu
z Quản đốc sản xuất: dự báo nhu cầu nguyên vật liệu và tồn kho
z Giám đốc marketing: Dự báo doanh số để thiết lập ngân sách
cho quảng cáo
* Dự báo doanh số thường là dự báo cơ bản cho các dự báo khác
(ví dụ giữa những năm 1980, 94% sử dụng dự báo doanh số)
5
Phùng Thanh Bình
Jury of executive opinion
Qualitative Sales force composite
Delphi methods
(Subjective) Survey methods
New product forecasting
6
Phùng Thanh Bình
z Dự báo định lượng ngày càng được chấp nhận rộng rãi?
o Các phương pháp định lượng hữu ích hơn trong việc
đưa ra dự đoán về các sự kiện tương lai
o Nhờ sự phát triển của các phần mềm máy tính giúp các
phương pháp định lượng trở nên dễ dàng hơn
o Các phán đoán cá nhân dựa trên kinh nghiệm thực tế
và/hay qua nghiên cứu nên luôn luôn giữ một vai trò
quan trọng trong việc chuẩn bị của bất kỳ dự báo nào
7
Phùng Thanh Bình
8
Phùng Thanh Bình
z Các kết quả dự báo phải làm cho quá trình ra quyết
định dễ dàng hơn
z Không áp dụng một phương pháp cho mọi trường hợp
z Sản phẩm, mục tiêu, ràng buộc khác nhau phải được
xem xét khi chọn phương pháp dự báo thích hợp
z Có thể áp dụng nhiều phương pháp cho cùng một
trường hợp
z Phương pháp được chọn phải dự báo chính xác, kịp
thời, và dễ hiểu
9
Phùng Thanh Bình
NGUỒN DỮ LIỆU
10
Phùng Thanh Bình
11
Phùng Thanh Bình
12
Phùng Thanh Bình
13
Dự báo trong kinh doanh
(Business Forecasting)
1
Phùng Thanh Bình
2
Phùng Thanh Bình
3
Phùng Thanh Bình
4
Phùng Thanh Bình
5
Phùng Thanh Bình
7. Chuẩn bị dự báo
6
Phùng Thanh Bình
7
Phùng Thanh Bình
8
Phùng Thanh Bình
∑ (Y t - Y ) (Y t - k - Y )
rk = t = k +1
n
∑ (Y
t =1
t - Y)2
9
Phùng Thanh Bình
1
o k = 1 => SE(r 1) =
n
k -1
1 + 2 ∑ ri2
o k ≠ 1 => SE(r k ) = i =1
n
10
Phùng Thanh Bình
11
Phùng Thanh Bình
z Một số câu hỏi cần phải xem xét trước khi quyết định
chọn phương pháp dự báo phù hợp nhất cho một vấn
đề cụ thể:
o Tại sao cần dự báo?
o Ai sẽ sử dụng kết quả dự báo?
o Đặc điểm của dữ liệu sẵn có là gì?
o Thời đọan của dự báo là gì?
o Đòi hỏi dữ liệu tối thiểu là bao nhiêu?
o Mức độ chính xác bao nhiêu là vừa?
o Chi phí để dự báo là bao nhiêu?
12
Phùng Thanh Bình
13
Phùng Thanh Bình
14
Phùng Thanh Bình
15
Phùng Thanh Bình
z Mô tả dữ liệu bằng số
o Mô tả độ lớn chung của một biến sử dụng các
thước đo mức độ tập trung: Trung bình, Trung
bị, và mode
• Xem c2t2.xls
o Hai thước đo mức độ phân tán: Phương sai và
Độ lệch chuẩn (nhắc lại bậc tự do)
• Xem c2t3.xls
16
Phùng Thanh Bình
z Chỉ số
o Chỉ số đơn giản không trọng số
Yt
It = ×100
Y0
o Chỉ số gộp không trọng số đơn giản
∑
n
i =1
Y
It = i ,t
∑
n
i =1
Y i ,0
z Chỉ số
o Chỉ số gộp có trọng số (Laspreyres)
∑
n
i =1
P i ,t Qi , 0
It = ×100
∑
n
i =1
P i ,0Qi , 0
17
Phùng Thanh Bình
z Chỉ số
o Chỉ số gộp có trọng số (Paasche)
∑
n
i =1
P i ,t QT
It = ×100
∑
n
i =1
P i , 0QT
18
Phùng Thanh Bình
19
Phùng Thanh Bình
Yt = Y0 e rt
• Ý nghĩa:
R là tỷ lệ tăng trưởng mũ (không đổi cho mỗi
giai đoạn trong suốt thời kỳ nghiên cứu)
Tùy vào t được tính theo tháng, quý hay năm
20
Phùng Thanh Bình
21
Phùng Thanh Bình
22
Phùng Thanh Bình
23
Phùng Thanh Bình
24
Phùng Thanh Bình
z Hệ số tương quan
o Đo lường mức độ quan hệ tuyến tính giữa hai
biến số
r=
1
∑ ZX ZY = ∑ (X - X)(Y − Y)
n -1 ∑ (X − X) ∑ (Y − Y)
2 2
n ∑ XY - (∑ X)(∑ Y)
=
n ∑ X 2 − (∑ X) 2 n ∑ Y 2 − (∑ Y) 2
25
Dự báo trong kinh doanh
(Business Forecasting)
1. Giới thiệu
2. Mô hình dự báo thô
3. Trung bình giản đơn
4. Trung bình di động đơn
5. Trung bình di động kép
6. San mũ giản đơn
7. San mũ Holt
8. San mũ Winter
1
Phùng Thanh Bình
GIỚI THIỆU
2
Phùng Thanh Bình
GIỚI THIỆU
GIỚI THIỆU
3
Phùng Thanh Bình
DỰ BÁO THÔ
z Khi có rất ít dữ liệu gần đây, thì Naïve có thể là một giải
pháp
z Dự báo thô giả định rằng các giai đoạn gần nhất là ước
lượng tốt nhất cho tương lai, mô hình đơn giản là:
∧
Y t +1 = Yt
z Được gọi là dự báo thô cấp 1 (Naïve forecast 1),
100% trọng số được gán cho giá trị gần nhất của
chuỗi thời gian
DỰ BÁO THÔ
4
Phùng Thanh Bình
z Công thức:
∧ 1 t
Y t +1 = ∑ Yi
t i =1
∧
∧ t Y t +1 + Yt +1
Y t +2 =
t +1
5
Phùng Thanh Bình
z Phương pháp trung bình giản đơn phù hợp khi các
nhân tố ảnh hưởng đến đối tượng dự báo có tính ổn
định, và môi trường liên quan đến chuỗi dữ liệu là
không đổi
z Phương pháp trung bình giản đơn sử dụng giá trị
trung bình của tất cả các quan sát quá khứ làm giá
trị dự báo cho giai đoạn tiếp theo
6
Phùng Thanh Bình
z Quan tâm đến một số cố định các quan sát gần nhất
z Khi có thêm một quan sát mới, ta có một giá trị
trung bình mới
∧ Yt + Yt -1 + ... Yt -k +1
Y t +1 =
k
Y^t+1 = giá trị dự báo giai đoạn tiếp theo
Yt = giá trị thực tại thời điểm t
k = hệ số trượt
7
Phùng Thanh Bình
∧ Yt + Yt -1 + ... Yt -k +1
M t = Y t +1 =
k
M t + M t -1 + ... M t - k +1
M 't +1 =
k
8
Phùng Thanh Bình
a t = M t + ( M t − M 't ) = 2M t - M 't
2
bt = ( M t − M 't )
k -1
∧
Yt +p = a t + bt p
z Ví dụ 4.4 (Table 4-5)
9
Phùng Thanh Bình
10
Phùng Thanh Bình
∧ ∧
Yt+1 =αYt + (1-α) Yt
11
Phùng Thanh Bình
∧ ∧
Yt = αYt-1 + (1- α ) Yt-1
∧ ∧
Yt+1 = αYt + (1- α ) Yt
∧
= αYt + (1- α )[αYt-1 + (1- α ) Yt-1]
∧
= αYt + α (1- α )Yt-1 + (1- α )2 Yt-1
...
= αYt + α (1- α )Yt-1 + α (1- α )2 Yt-2 + α (1- α )3 Yt-3 + ...
12
Phùng Thanh Bình
13
Phùng Thanh Bình
SAN MŨ HOLT
SAN MŨ HOLT
z Chuỗi thời gian đã được san mũ hay giá trị ước lượng
hiện hành (Lưu ý: cũng có thể là Y^t, và Tt):
∧ ∧
(a) Y t +1 = αYt + (1 - α )( Y t + Tt )
z Ước lượng xu thế: ∧ ∧
(b) Tt +1 = γ (Yt +1 − Yt ) + (1- γ )Tt )
z Dự báo p giai đoạn trong tương lai:
∧
(c) H t + m = Y t +1 + mTt +1
14
Phùng Thanh Bình
SAN MŨ HOLT
∧
Yt+1 = giá trị san mũ cho giai đoạn t+1
Yt = giá trị thực ở hiện tại (giai đoạn t)
∧
Y t = giá trị san mũ cho giai đoạn t
Tt+1 = ước lượng xu thế
α = hằng số san mũ của mức giá trị hiện tại
γ = hằng số san mũ của ước lượng xu thế
m = số giai đoạn dự báo
Ht+m = giá trị dự báo theo phương pháp Holt ở giai đoạn t+m
SAN MŨ HOLT
15
Phùng Thanh Bình
SAN MŨ WINTER
SAN MŨ WINTER
16
Phùng Thanh Bình
SAN MŨ WINTER
17
Dự báo trong kinh doanh
(Business Forecasting)
1
Phùng Thanh Bình
z Một khi đã thiết lập được mối quan hệ tuyến tính giữa 2
biến, thì thông tin về biến độc lập có thể được sử dụng để
dự báo giá trị của biến phụ thuộc
z Y = f(X) => Y = β0 + β0X + ε
– Y là giá trị cần dự báo
– X có thể là một chuỗi thời gian
– X có thể là t (1, …, n)
2
Phùng Thanh Bình
z Đường thẳng phù hợp nhất với tập hợp các điểm
X-Y là đường tối thiểu hóa tổng các bình phương
khoảng cách từ các điểm đến đường thẳng đó.
Đường thẳng này được gọi là đường hồi quy hay
đường tổng bình phương bé nhất, có dạng như
sau:
Y^ = b0 + b1X
b0 = hệ số cắt (intercept)
b1 = hệ số dốc (slope)
3
Phùng Thanh Bình
4
Phùng Thanh Bình
5
Phùng Thanh Bình
z Hệ số xác định:
∧
ExplainedVariation SSR ∑ (Y − Y)
2
R =
2
= =
Total Variation SST ∑ (Y - Y) 2
=1-
Unexplained Variation
=1-
SSE
=1- ∑ ( Y − Y) 2
Total Variation SST ∑ ( Y - Y) 2
6
Phùng Thanh Bình
7
Phùng Thanh Bình
∑e
2k n =1
2
n
AIC = exp( ) N
N N
⎛k⎞
⎜ ⎟ ∑e 2
n
SIC = N ⎝ N ⎠ n =1
N
8
Phùng Thanh Bình
ε t = ρεt-1 + vt
9
Phùng Thanh Bình
10
Phùng Thanh Bình
11
Phùng Thanh Bình
12
Phùng Thanh Bình
z Y^ = b0 + b1(T)
o T = 1 cho quan sát đầu tiên của chuỗi thời gian
và tăng lên theo thứ tự 1 đơn vị cho quan sát
tiếp theo
z Vẽ đồ thị giữa Yt và T để chọn dạng mô hình hồi
quy thích hợp nhất
z Cũng có thể ta dự báo X^ = c0 + c1(T)
z Y^ = b0 + b1(X)
o Y và X là 2 chuỗi thời gian khác nhau và được
kỳ vọng có quan hệ vớn nhau
z Vẽ đồ thị giữa Yt và Xt để chọn dạng mô hình hồi
quy thích hợp nhất
z Thường phải dựa vào lý thuyết và kinh nghiệm để
xác định mối quan hệ nhân quả
13
Phùng Thanh Bình
z Dự báo điểm
z Hai nguồn không chắc chắn liên quan đến dự báo
điểm từ phương trình hồi quy:
o Do sự phân tán của các điểm dữ liệu so với
đường hồi quy mẫu
o Do sự phân tán của đường hồi quy mẫu so với
đường hồi quy tổng thể
14
Phùng Thanh Bình
Y^ ± tsf
15
Dự báo trong kinh doanh
(Business Forecasting)
1
Phùng Thanh Bình
2
Phùng Thanh Bình
3
Phùng Thanh Bình
∧ ∧
Y = Y + (Y - Y)
∧
Y = b 0 + b1X1 + b 2 X 2 + ... + b k X k
∧ ∧ ∧
∑ (Y - Y) = ∑ (Y - Y) + ∑ (Y - Y)
2 2
4
Phùng Thanh Bình
s y.x's =
∑ (Y - Y) 2
=
SSE
= MSE
n - k -1 n - k -1
5
Phùng Thanh Bình
z Hệ số xác định:
∧
ExplainedVariation SSR ∑ (Y − Y)
2
R =
2
= =
Total Variation SST ∑ (Y - Y) 2
=1- ∑
Unexplained Variation SSE ( Y − Y) 2
=1- =1-
Total Variation SST ∑ ( Y - Y) 2
6
Phùng Thanh Bình
bj -0
t=
sbj
7
Phùng Thanh Bình
8
Phùng Thanh Bình
9
Phùng Thanh Bình
10
Phùng Thanh Bình
BIẾN GIẢ
X2 = 1
slope = β1
β2 { X2 = 0
y = β0 + β1x
} β0
x
11
Phùng Thanh Bình
BIẾN GIẢ
12
Phùng Thanh Bình
z Bước 1: Lựa chọn một tập hợp đầy đủ các biến giải
thích (cân nhắc giữa mức độ chính xác & chi phí)
z Bước 2: Loại bỏ các biến không thích hợp
o Biến không quan trọng
o Tạo ra sai số lớn
o Có quan hệ với các biến khác (đa cộng tuyến)
o Khó đo lường một cách chính xác
z Bước 3: Rút lại danh sách các biến tốt nhất cho mô hình
13
Phùng Thanh Bình
z F test
o Mô hình không giới hạn: SSEUR
o Mô hình giới hạn: SSER
(SSER − SSEUR ) (R 2
UR − R 2R )
F= m F= m
SSEUR 1 - R 2UR
(n - k) (n - k)
Y^ ± tsf
14
Dự báo trong kinh doanh
(Business Forecasting)
1. Giới thiệu
2. Các bước thực hiện
3. Mô hình cộng tính
4. Mô hình nhân tính
1
Phùng Thanh Bình
GIỚI THIỆU
2
Phùng Thanh Bình
GIỚI THIỆU
GIỚI THIỆU
3
Phùng Thanh Bình
4
Phùng Thanh Bình
Yt = Trt + Sn t + Cl t + ε t
5
Phùng Thanh Bình
6
Phùng Thanh Bình
∑ Sn j
A =
j=1
Sn j = Sn j - A
L
Y t' = Y t - Sn tj
o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc
chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)
7
Phùng Thanh Bình
8
Phùng Thanh Bình
1
He so dieu chinh = 1 + +
(t p − t)
2
( t)
∑ t − ∑n
2
n 2
Yt = Trt × Sn t × Cl t × ε t
9
Phùng Thanh Bình
ln(Yt ) = ln(Trt × Sn t × Cl t × ε t )
= ln(Trt ) + ln(Sn t ) + ln(Cl t ) + ln(ε t )
10
Phùng Thanh Bình
z CÁCH 2:
o Bước 1: Loại bỏ dao động ngắn hạn bằng cách tính
MAt và CMAt
• Nếu L lẻ: Chỉ cần tính MAt
• Nếu L chẵn: Tính CMAt
CMAt = Trt×Clt
o Bước 2: Tính Snt×εt
• Snt×εt = Yt ÷ Trt×Clt
z CÁCH 2:
o Bước 3: Loại bỏ εt trong Snt×εt bằng cách tính trung bình
cho mỗi mùa (quý, tháng, …)
o Bước 4: Tính hệ số điều chỉnh A. Tổng những ước
lượng mùa vụ trung bình này phải bằng L. Nếu chưa
thỏa mãn thì cần phải điều chỉnh bằng cách nhân với hệ
số điều chỉnh:
L
A= L Sn j = Sn j × A
∑ Sn
j=1
j
11
Phùng Thanh Bình
z CÁCH 2:
o Bước 5: Tách yếu tố mùa vụ ra khỏi dữ liệu gốc bằng
cách lấy dữ liệu gốc Yt chia cho ước lượng mùa vụ
tương ứng Snjt
Yt' = Yt ÷ Sn tj
o Bước 6: Hồi quy hàm xu thế đối với Y’t (lưu ý việc
chọn dạng hàm hồi quy thích hợp nhất với chuỗi Y’t)
z CÁCH 2:
o Bước 7: Tiến hành dự báo cho Y^t+1
∧
Y t +1 = Yt'+1 × Sn t +1 × Cl t +1
o Bước 8: Đánh giá mô hình
12
Phùng Thanh Bình
z CÁCH 3:
o Bước 1: Tính MAt & CMAt
o Bước 2: CMAT (CMA trend)
CMA = f(TIME)
= a + b(TIME) = CMAT
o Bước 3: Tính hệ số mùa vụ SFt (seasonal factor)
Yt
SFt =
CMA t
z CÁCH 3:
o Bước 4: Tính hệ số chu kỳ CFt
CMA t
CFt =
CMATt
o Bước 5: Tính chỉ số mùa SI (Seasonal index)
n
∑ SF t
j
SI tj = t =1
nj
13
Phùng Thanh Bình
z CÁCH 3:
o Bước 6: Dự báo Y^t+1
∧
Y t +1 = CMATt +1 × SI t +1 × CFt +1
14
Phùng Thanh Bình
15
Phùng Thanh Bình
16
Dự báo trong kinh doanh
(Business Forecasting)
MÔ HÌNH ARIMA
1. Giới thiệu
2. Phương pháp luận của Box-Jenkins
3. Mô hình tự hồi quy
4. Mô hình bình quân di động
5. Mô hình bình quân di động tự hồi quy
6. Chiến lược xây dựng mô hình ARIMA
1
Phùng Thanh Bình
GIỚI THIỆU
2
Phùng Thanh Bình
GIỚI THIỆU
3
Phùng Thanh Bình
4
Phùng Thanh Bình
Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p + ε t
o Yt = biến phản ứng (phụ thuộc) tại thời điểm t
o Yt-1, Yt-2, … = biến phản ứng tại các độ trễ t- 1, t- 2,
o φ0, φ1, φ2 = các hệ số sẽ được ước lượng
o εt = phần sai số tại thời điểm t thể hiện ảnh hưởng của
các biến không được giải thích trong mô hình
Yt = Y
Phùng Thanh Bình
z Ký hiệu: AR(p)
z Phù hợp với các chuỗi thời gian dừng và hệ số φ0 thể hiện
mức cố định của chuỗi dữ liệu (Nếu dữ liệu xoay quanh giá
trị 0 hoặc được thể hiện bằng các độ lệch Yt = Y, thì không
cần hệ số φ0
z Các hệ số tự tương quan giảm từ từ xuống giá trị 0
z Các hệ số tự tương quan riêng sẽ giảm xuống giá trị 0 ngay
sau khi độ trễ p
5
Phùng Thanh Bình
6
Phùng Thanh Bình
z Ký hiệu: MA(q)
z Không nên nhằm lẩn giữa trung bình di động ở đây với
các quy trình tính trung bình di động đã trình bày trước
đây. Ở đây trung bình di động nghĩa là độ lệch Yt – µ là
một kết hợp tuyến tính của sai số hiện hành và sai số quá
khứ
7
Phùng Thanh Bình
Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p
+ ε t − ω1ε t -1 − ω 2 ε t -2 − ... − ω q ε t -q
8
Phùng Thanh Bình
9
Phùng Thanh Bình
10
Phùng Thanh Bình
11
Phùng Thanh Bình
s2 = t =1
= t =1
n-r n−r
o et = Yt – Y^t = phần dư tại thời điểm t
o n = số phần dư
o r = tổng số hệ số ước lượng
12
Phùng Thanh Bình
13
Phùng Thanh Bình
z Bước 4: Dự báo
o Sau khi có một mô hình phù hợp có thể thực hiện
dự báo cho một hoặc một số giai đoạn tương lai
o Khi có thêm nhiều dữ liệu, thì có thể sử dụng
cùng mô hình ARIMA để dự báo
o Nếu mẫu dự liệu thay đổi cần phải ước lượng lại
mô hình hoặc xây dựng một mô hình mới
14
Dự báo trong kinh doanh
(Business Forecasting)
1
Phùng Thanh Bình
z Nên đánh giá cả thông tin định tính và định lượng; và khi
có thể, nên kết hợp để dự báo
z Không nên lẫn lộn giữa dự báo, kế hoạch và mục tiêu. Dự
báo nên là một mãng thông tin khách quan đóng vai trò như
một phần trong quá trình xây dựng kế hoạch và mục tiêu
z Nỗ lực dự báo sẽ thành công nếu như tăng cường trao đổi,
hợp tác, cộng tác giữa những người liên quan
2
Phùng Thanh Bình
3
Phùng Thanh Bình
4
Phùng Thanh Bình
5
Phùng Thanh Bình
6
Phùng Thanh Bình
7
Phùng Thanh Bình
8
Phùng Thanh Bình
9
Phùng Thanh Bình
10
Phùng Thanh Bình
11
Thank you for evaluating AnyBizSoft PDF
Merger! To remove this page, please
register your program!
Go to Purchase Now>>
AnyBizSoft
PDF Merger
Merge multiple PDF files into one
Select page range of PDF to merge
Select specific page(s) to merge
Extract page(s) from different PDF
files and merge into one