PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO

P.
T.BKHOA 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

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: e
25
= 200, …, e
26
= -
250
Kết hợp đồ thị thấy dữ liệu có xu
thế, nên mô hình dự báo thô giản đơn
sẽ dự báo “thấp”.

24
25
^
Y
Y
650
Y
25
^

1t
^
Y
Y
Nếu dữ liệu mùa và có xu thế thì
cách dự báo như thế sẽ dự báo
“thấp”, vậy: Nếu dữ liệu theo tháng và có xu
thế?
4
)YY( )YY(
Y
Y
4t3t1tt
3t
1t
^
4
)YY(
Y
Y
4tt
3t
1t
^

sử dụng giá trị trung bình của
tất cả các quan sát quá khứ làm
giá trị dự báo cho giai đoạn tiếp
theo. Phù hợp với dữ liệu dừng. 240
250
260
270
280
290
300
310
320
5 10 15 20 25 30
Table4.3 H
Trung bình di động (moving
average forecast)
Quan tâm đến một số cố định các quan sát
gần nhất.
Khi có thêm một quan sát mới, ta có một giá
trị trung bình mới. Y
^
t+1
: giá trị dự báo giai đoạn tiếp theo
Y

tháng để làm trơn các thành phần
trong chuỗi thời gian.
Thường dùng với chuỗi dừng. Trung bình di động kép (double
moving average forecast)
Khi dữ liệu có xu thế tuyến tính thì
ta sử dụng phương pháp bình phương di
động điều chỉnh, được gọi là “trung
bình di động kép”:

k
Y Y Y
Y M
1k-t1-tt
1t
t
k
M M M
M
1k-t1-tt
'
t

nhưng với trọng số giảm dần.
Giá trị dự báo tại bất kỳ thời
điểm nào là giá trị trung bình có
trọng số của tất cả các giá trị
sẵn có trước đó.
Giá trị càng xa hiện tại thì
trọng số càng giảm. Nghĩa là, các
quan sát gần nhất được cho là
chứa đựng thông tin thích hợp
nhất, và có ảnh hưởng lớn hơn các
quan sát quá khứ.