chapter 1 forecasting

DƯ BAODƯ BAO

Bai giangBai giang

Giang viên: Giang viên: Nguyên Văn PhongNguyên Văn PhongEmail: Email: [email protected] [email protected]

DỰ BÁODỰ BÁO

Dư bao la tiên đoan nhưng hiên tương trong tương lai hay môt sô cac giá tri (ma chung ta không thê đo đươc trong qua trinh điêu tra sô liêu).

Dư bao dưa trên kinh nghiêm, nhưng y kiên đanh gia cua cac chuyên gia hay dưa trên nhưng mô hinh toan hoc và cac quan hê thông kê mô tả xu hương vân đông cua dữ liêu.

Trong dư bao thông thương cac biên dư bao phu thuôc vao môt hay nhiêu biên khac ma ta con goi la cac biên giai thich.

PHÂN LOẠI KIỂU SỐ LIỆUPHÂN LOẠI KIỂU SỐ LIỆU Chuỗi thời gian (Time series): là các số liệu thu

thập tại từng thời điểm nhất định ( Năm, quý, tháng, ...).

Số liệu chéo (Cross-sectional data): là số liệu thu thập tại một thời điểm ở nhiều nơi, địa phương, đơn vị, khác nhau.

PHÂN LOẠI KIỂU SỐ LIỆUPHÂN LOẠI KIỂU SỐ LIỆUVí dụ: Bảng số liệu điều tra về thu nhập khả dụng (CONS), và Doanh số bán lẻ (SALES)

CÁC THÀNH PHẦN CỦA CÁC THÀNH PHẦN CỦA CHUỖI THỜI GIAN CHUỖI THỜI GIAN

Xu thế Xu thế (T)(T)



Chu kỳ (C)Chu kỳ (C)



Mùa (S)Mùa (S)




Mùa (S)Mùa (S)


Ngẫu nhiên (I)Ngẫu nhiên (I)

PHÂN LOAI DƯ BAOPHÂN LOAI DƯ BAO Theo kêt qua dư bao

- Dư bao điêm

- Dư bao khoang

Theo khoang cach dư bao (đối với chuỗi thời gian)- Ngăn han (Từ 3 thang)

- Trung han (Từ 3 tháng đến 2 năm)

- Dai han (Từ 2 năm)

Theo khoang cach dư bao (đối với số liệu chéo)- Giá trị dự báo nội suy

- Giá trị dự báo ngoại suy

PHÂN LOAI DƯ BAOPHÂN LOAI DƯ BAO Theo phương phap dư bao

- Phương phap đinh tinh:

+ Được sử dụng khi dữ liệu không có sẵn, hay không đầy đủ.

+ Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của các chuyên gia.

PHÂN LOAI DƯ BAOPHÂN LOAI DƯ BAO- Phương phap đinh lương (PPĐL):

+ Được sử dụng khi dữ liệu có sẵn.


+ Dựa vào số liệu điều tra và phương pháp thống kê.


PHƯƠNG PHÁP DỰ BÁOĐỊNH LƯỢNG


PHƯƠNG PHÁP DỰ BÁO ĐỊNH LƯỢNG

Mô hình chuỗi thời gian




Mô hình nhân quả





PP Trung bình trượt

PP San bằng hàm mũ

PP Mô hìnhxu thế

PP Dự báoNaive





PP Trung bình trượt

PP San bằng hàm mũ

PP Mô hìnhxu thế PP Hồi quy

PP Dự báoNaive

ĐÁNH GIÁ SAI SỐ DỰ BÁOĐÁNH GIÁ SAI SỐ DỰ BÁO1. Định nghĩa. Với là giá trị quan sát và giá trị dự báo tương ứng với thởi điểm t. thì sai số của dự báo được xác định

Khi đó, ta có

+ Sai số trung bình

tFtY

, 1, (1)t t te Y F t n= − =

1

1(2)

n

tt

ME en =

= ∑


Khi đó, ta có

+ Sai số tuyệt đối trung bình

tFtY

, 1, (1)t t te Y F t n= − =

1

1(3)

n

tt

MAE en =

= ∑


Khi đó, ta có

+ Sai số bình phương trung bình

tFtY

, 1, (1)t t te Y F t n= − =

2

1

1(4)

n

tt

MSE en =

= ∑


Khi đó, ta có

+ Sai số bình phương trung bình gốc

tFtY

, 1, (1)t t te Y F t n= − =

2

1

1(5)

n

tt

RMSE en =

= ∑


Khi đó, ta có

+ Phần trăm sai số

tFtY

, 1, (1)t t te Y F t n= − =

100 (6)t tt

t

Y FPE

Y

−= × ÷


Khi đó, ta có

+ Sai số phần trăm trung bình

tFtY

, 1, (1)t t te Y F t n= − =

1

1(7)

n

tt

MPE PEn =

= ∑


Khi đó, ta có

+ Sai số phần trăm tuyệt đối

tFtY

, 1, (1)t t te Y F t n= − =

1

1(8)

n

tt

MAPE PEn =

= ∑

ĐÁNH GIÁ SAI SỐ DỰ BÁOĐÁNH GIÁ SAI SỐ DỰ BÁO+ Hệ số không ngang bằng Theil U

trong đó

( )

( )

12

1 11

12

11

(9)

n

t tt

n

tt

FPE APEU

APE

−

+ +=

−

+=

−=

∑

∑

11

11

(10)

(11)

t tt

t

t tt

t

F YFPE

Y

Y YAPE

Y

++

++

−=

−=

ĐÁNH GIÁ SAI SỐ DỰ BÁOĐÁNH GIÁ SAI SỐ DỰ BÁOKhi đó U có thể viết lại dưới dạng

21

1 1

1

21

1

1

(12)

nt t

t t

nt t

t t

F Y

YU

Y Y

Y

−+ +

=

−+

=

− ÷ =

− ÷

∑

∑

MỘT SỐ VÍ DỤMỘT SỐ VÍ DỤVí dụ 1.

MỘT SỐ VÍ DỤMỘT SỐ VÍ DỤVí dụ 2. Giả sử chúng ta có 2 mô hinh sau đây

LỰA CHỌN CÁC THAM SỐ DỰ BÁOLỰA CHỌN CÁC THAM SỐ DỰ BÁO Khi tồn tại một số sai số lớn khi đó ta dùng MAE Khi các sai số tương đương nhau ta dùng MSE Khi các giá trị sai số MAE, MSE, RMSE được tính

đồng thời việc lựa chọn sẽ dựa vào công thức có giá trị nhỏ nhất

Khi so sánh các mô hình ta cũng lựa chọn dựa vào những mô hình có sai số bé nhất

Lưu ý: Không so sánh trên những mô hình có dữ liệu đã chuẩn hoá, hay dữ liệu không cùng tần suất.

LỰA CHỌN CÁC THAM SỐ DỰ BÁOLỰA CHỌN CÁC THAM SỐ DỰ BÁO Hệ số Theil U được sử dụng để so sánh các mô hình dự

báo khác so với mô hình dự báo thô (Naive). Cụ thể

Khi đó, ta có một số đánh giá sau

• U càng tiến về 0 thì dự báo càng chính xác.

• Trong thực tế khi U < 0.55 thì mô hình dự báo là tốt.

• U = 1 : Mô hình Naive được sử dụng tốt nhất

• U < 1 : Các mô hình dự báo khác được chọn

• U > 1 : Mô hình Naive được lựa chọn

( )(13)

( )

RMSEU

RMSE= Moâ hình DB

Moâ hình Naive

CÁC PHƯƠNG PHÁP CÁC PHƯƠNG PHÁP DỰ BÁO ĐƠN GIẢNDỰ BÁO ĐƠN GIẢN

Dự báo thô (Naive): Giá trị dự báo bằng với giá trị trước đó

Ưu điểm: Áp dụng cho những quan sát ít thay đổi theo thời gian

Phương pháp bình quân di động (Moving averages)

Ưu điểm: Áp dụng cho những chuỗi có giao động đáng kể.

1 , 1,t tF Y t n+ = =

1 ( 1)1

..., 1,t t t k

t

Y Y YF k n

k− − −

+

+ + += =


Dự báo xu thế (Trend models):

Dự báo nhân quả (Causal models or regression)

, 1,t

t

Y t t n

F a bt

α β ε= + + == +

, 1,t t t

t t

Y X t n

F a bX

α β ε= + + == +


Ví dụ: Ta có số liệu về Doanh số báng (SALES) và thu nhập khả dụng (CONS).

CÁC PHƯƠNG PHÁP CÁC PHƯƠNG PHÁP DỰ BÁO ĐƠN GẢNDỰ BÁO ĐƠN GẢN

Bảng các phương pháp dự báo Bảng các phương pháp dự báo

Bảng các sai số dự báo cho các mô Bảng các sai số dự báo cho các mô hình hình

Bảng tóm tắt các thước đo sai số Bảng tóm tắt các thước đo sai số

Phương pháp đồ thị Phương pháp đồ thị

chapter 1 forecasting

Education