BỘ TÀI CHÍNH
TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING
KHOA QUẢN TRỊ KINH DOANH

MƠN HỌC: DỰ BÁO VÀ PHÂN TÍCH DỮ LIỆU
TRONG KINH TẾ VÀ TÀI CHÍNH
ĐỀ TÀI

DỰ BÁO VÀ PHÂN TÍCH DỮ LIỆU
BẰNG PHƯƠNG PHÁP PHÂN TÍCH

 GIẢNG VIÊN HƯỚNG DẪN:
1. NGUYỄN DUY TÂM
2. PHẠM TIẾN DŨNG

 THÀNH VIÊN NHÓM:
1. PHAN CHIẾN THẮNG
2. TRẦN CAO SƠN
3. LÊ NGỌC TÂN
4. LIM THIÊN THUẬN

LỚP: 14DQK
TP. HỒ CHÍ MINH NĂM 2017


MỤC LỤC
CHƯƠNG 1: LỜI MỞ ĐẦU..........................................................................................................................3
1.

Lý do chọn đề tài..............................................................................................................................3

2.

Mục tiêu nghiên cứu.........................................................................................................................3

3.

Phạm vi nghiên cứu.........................................................................................................................3

4.

Ý nghĩa thực tiễn..............................................................................................................................3

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT................................................................................................4
1.

Các thành phần của chuỗi thời gian..............................................................................................4

2.

Đặc điểm...........................................................................................................................................4

2.1.

Thành phần của chuỗi thời gian................................................................................................4

2.2.

Dữ liệu được điều chỉnh yếu tố mùa........................................................................................5

2.2.1.


Tỷ lệ trung bình di động – mơ hình nhân tính.....................................................................5

2.2.2.

Chênh lệch so với trung bình di động – mơ hình cộng tính................................................6

CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU.........................................................................................................7
1.

Dự báo với mơ hình nhân tính........................................................................................................7

2.

Dự báo mơ hình cộng tính.....................................................................................................16

3.

Kiểm định tính mùa vụ..................................................................................................................23

CHƯƠNG 4: TỔNG KẾT.......................................................................................................................29
TÀI LIỆU THAM KHẢO..............................................................................................................................29
DANH MỤC BẢNG VÀ HÌNH.....................................................................................................................29


CHƯƠNG 1: LỜI MỞ ĐẦU
1. Lý do chọn đề tài
Kinh tế ngày càng phát triển thì nhu cầu của người tiêu dùng càng đa
dạng. Chính vì vậy mà các nhà lãnh đạo doanh nghiệp không ngừng đưa
ra nhiều phương pháp để dự báo trước tránh tình trạng cạnh tranh gay

gắt và sự suy sụp của doanh nghiệp. Để dự báo phải dựa vào thống kê của
những năm trước cùng với đó là tình trạng của doanh nghiệp hiện này để
từ đó đưa ra những quyết định đúng đắn.
Trên thực tế dữ liệu nhiều khi không tăng giảm theo thời gian mà còn
biến động theo mùa. Phương pháp phổ biến và hữu ích trong cơng việc dự
báo sự thay đổi, tăng trưởng của một số chỉ số kinh tế - xã h ội… Vì v ậy
cần nghiên cứu để có thể ứng dụng vào thực tiễn.
Dự báo bằng phương pháp phân tích là một phương pháp sẽ được đề cập
trong bài viết này một cách chi tiết và cụ thể, nó đem lại hi ệu quả và s ự
chính xác cao.
2. Mục tiêu nghiên cứu
 Phân biệt được các thành phần của chuỗi thời gian.
 Phân biệt và trình bày được mơ hình cộng tính và mơ hình nhân
tính trong dự báo đặc biệt có yếu tố mùa nổi trội.
 Sử dụng Eviews để thực hiện dự báo bằng các phương pháp phân
tích.
 Sử dụng Excel để thực hiện dự báo bằng các phương pháp phân
tích.
 Sử dụng được kiểm định Kruskal – Wallis để kiểm định yếu tố mùa
bằng phần mềm Eviews.
3. Phạm vi nghiên cứu
 Không gian: Xem xét sự tồn tại của yếu tố mùa vụ thông qua ki ểm
định Kruskal – Wallis.
 Lĩnh vực: ngành dầu khí Việt Nam
4. Ý nghĩa thực tiễn
Mỗi chuỗi thời gian có thể quan sát thông qua bốn thành ph ần c ơ b ản: xu
thế, mùa vụ, chu kỳ và ngẫu nhiên. Cung cấp cho các nhà quản lý đo l ường
cụ thể cho các thành phần mà không định lượng được bởi các ph ương
pháp khác.



CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT
1. Các thành phần của chuỗi thời gian
Các phương pháp phân tích hay cịn gọi là mơ hình phân tích chu ỗi th ời
gian được sử dụng cả trong ngắn hạn và trong dài hạn. Nhưng chỉ chú
trọng vào dự báo ngắn hạn. Phương pháp phân tích chuỗi th ời gian được
thực hiện chủ yếu dựa trên phương pháp trung bình di động và hàm xu
thế cùng với đó có sự kết hợp cộng tính hay kết h ợp nhân tính v ới y ếu t ố
mùa.
2. Đặc điểm
2.1. Thành phần của chuỗi thời gian
 Xu thế (Trend): là thành phần thể hiện sự tăng hoặc giảm ẩn
bên trong của một chuỗi thời gian. Xu thế có th ể được tạo ra do
sự thay đổi dân số liên tục, lạm phát, thay đổi công nghệ, tăng
năng suất. Ký hiêu: Tr hay T.
 Chu kỳ (Cyclical): là một chuỗi những sự dao động gi ống như
hình sóng và sự dao động này sẽ lặp lại sau một th ời gian
thường dài hơn một năm. Ký hiệu: Cl hay C
Trong thực tế, chu kỳ thường khó xác định và thường được xem
như là một phần của yếu tố xu thế tức được gọi là thành ph ần Xu
thế - Chu kỳ nhưng vẫn ký hiệu là Tr hay T
 Mùa (Seasonal): những dao động mùa vụ rất thường được tìm
thấy với dữ liệu theo quý, tháng hoặc thậm chí theo tu ần. N ếu
chỉ có dữ liệu theo năm thì khơng có biến động mùa. Yếu tố
mùa xảy ra do ảnh hưởng của thời tiết, các sự kiện trong năm
liên quan đến lịch như nghỉ hè, nghỉ lễ. Ký hiệu: Sn hay S. Mùa và
chu kỳ đều là quy luật dao động của dữ li ệu đi ểm trong năm thì
chu kỳ là quy luật diễn ra trong khoảng thời gian dài vài năm
đến chục năm với tần suất quan sát là năm và chuỗi th ời gian
phải đủ dài thì mới có thể phát hiện ra quy luật chu kỳ.

 Ngẫu nhiên/bất thường (Irregular): bao gồm những thay đổi
ngẫu nhiên hay khơng dự đốn được. Những sự thay đổi bất
thường là kết quả của vô số những sự kiện mà nếu xét riêng l ẻ
thì khơng quan trọng gì, cịn nếu kết hợp các sự kiện riêng l ẻ đó
lại thì có thể tạo ra một ảnh hưởng lớn. Thành phần bất thường
này xuất hiện do ảnh hưởng của tin đồn, thiên tai, động đất,
khủng bố, nội chiến… Ký hiệu: Ir hay I.
 Trong bốn thành phần trên, phương pháp dự báo phân tích chỉ
để cập thành phần xu thế và mùa vụ vì thành phần chu kỳ thì
cần có một chuỗi dữ liệu ít nhất trên 30 năm, cịn thành ph ần
khác thường thì khơng thể dự báo trước được.
 Có 2 loại mơ hình:


Mơ hình nhân tính: Yt = Trt.Clt.Snt.Irt
Mơ hình cộng tính: Yt = Trt+Clt+Snt+Irt
 Mơ hình nhân tính sẽ phù hợp khi sự biến thiên của chu ỗi th ời gian tăng
dần theo thứ tự của thời gian.
Mơ hình cộng tính có hiệu quả khi chuỗi dữ liệu đang được
phân tích có sự biến thiên xấp xỉ đều nhau suốt độ dài của chuỗi
thời gian.
2.2. Dữ liệu được điều chỉnh yếu tố mùa
 Thành phần xu thế là sự vận động trong một thời gian dài mà có
thể được mơ tả bởi một đường thẳng hay đường cong.
 Nếu xu thế là xấp xỉ tuyến tính, tức là vận động tăng hoặc gi ảm
theo dạng đường thẳng thì thành phần xu thế có thể được thể
hiện bởi phương trình sau:
 Khi dữ liệu có yếu tố mùa, trước tiên cần tách yếu tố mùa ra
khỏi chuỗi dữ liệu, sau đó mới sử dụng chuỗi dữ li ệu được điều
chỉnh yếu tố mùa để thực hiện dự báo xu thế. Sử dụng ph ương

pháp trung bình động là dễ nhất. Với mơ hình nhân tính thì s ử
dụng tỷ lệ trung bình di động cịn với mơ hình cộng tính thì sử
dụng chênh lệch so với trung bình di động.
2.2.1. Tỷ lệ trung bình di động – mơ hình nhân tính
Có 5 bước:
 Bước 1: tính trung bình trung tâm
CMAt = (0,5Yt+6 +…+ Yt +…+ 0,5Yt-6)/12 nếu số liệu theo tháng.
CMAt = (0,5Yt+2 + Yt+1 + Yt + Yt-1 + 0,5Yt-1)/4 nếu số liệu theo q.
 Bước 2: tính tỷ lệ
Trong mơ hình nhân tính, ta có Yt = Trt.Clt.Snt.Irt, nên
 Bước 3: Tính các chỉ số mùa vụ
Ở chuỗi dữ liệu theo tháng, chỉ số mùa im cho tháng m bằng
trung bình của với các quan sát chỉ cho tháng m ( m ỗi năm có
một tháng m).
Ở chuỗi dữ liệu theo quý, chỉ số mùa i q cho quý q bằng trung
bình của với các quan sát chỉ cho quý q ( mỗi năm có một quý q).
 Bước 4: Điều chỉnh các chỉ số mùa để tích của chúng bằng 1.
Nhân tố mùa Sn là tỷ số của chỉ số mùa và trung bình nhân của
các chỉ số:
Sn =
Nếu dữ liệu theo tháng
Sn =
Nếu dữ liệu theo quý
 Bước 5: Xác định chuỗi dữ liệu đã hiệu chỉnh yếu tố mùa bằng
cách
Yt/Snt = Trt.Clt.Irt


2.2.2.










Nếu Clt=1 và Irt =1 thì Yt/Snt =Trt
Chuỗi Yt/Snt để dự đoán thành phần xu thế trong tương lai.
Chênh lệch so với trung bình di động – mơ hình cộng tính
Có 5 bước:
Bước 1: Tính trung bình trung tâm
CMAt = (0,5Yt+6 +…+ Yt +…+ 0,5Yt-6)/12 nếu số liệu theo tháng.
CMAt = (0,5Yt+2 + Yt+1 + Yt + Yt-1 + 0,5Yt-1)/4 nếu số liệu theo quý.
Bước 2: Tính sự khác biệt dt = Yt - CMAt
Bước 3: tính các chỉ số mùa
Ở chuỗi dữ liệu theo tháng, chỉ số mùa im cho tháng m bằng
trung bình của dt với các quan sát chỉ cho tháng m ( m ỗi năm có
một tháng m).
Ở chuỗi dữ liệu theo quý, chỉ số mùa i q cho quý q bằng trung
bình của dt với các quan sát chỉ cho quý q ( mỗi năm có m ột quý
q).
Bước 4: Điều chỉnh các chỉ số mùa để tổng của chúng bằng 0
Snt = it là trung bình của tất cả các chỉ số mùa
Bước 5: Xác định chuỗi dữ liệu đã điều chỉnh yếu tố mùa bằng
cách lấy Yt - Snt
Trong mơ hình cộng tính, ta có Yt = Trt+Clt+Snt+Irt, nên
Yt - Snt = Trt+Clt+Irt
Nếu Clt = 0 và Ir = 0 thì Yt - Snt = Trt



CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU

1. Dự báo với mô hình nhân tính

 Bảng 3.1: Doanh thu của Petrovietnam

(Nguồn: Niên giám thống kê 2013 và 2016)
Hình 1.1: Nhập dữ liệu vào Eviews


Bước 1: Nhận dạng
Chúng ta sẽ vẽ đồ thị của Y theo thời gian để xem chuỗi dữ liệu này có y ếu
tố xu thế, yếu tố mùa… hay khơng?
Hình 1.2: Đồ thị doanh số của quý

Nhận xét: doanh thu của Petrovietnam có xu hướng tăng d ần, có th ể là xu
thế tuyến tính, có yếu tố mùa, doanh thu thường cao ở q 3. Ta th ấy mơ
hình nhân tính sẽ phù hợp hơn so với mơ hình cộng tính.
Bước 2: Tách yếu tố mùa

Hình 1.3: Tách yếu tố mùa


 Tại cửa sổ series của biến Y. Chọn Proc => Seasonal
Adjustment => Moving Average Methods.
Hình 1.4: Lựa chọn phương pháp

 Nhập tên chuỗi dữ liệu được hiệu chỉnh yếu tố mùa trong mục

Adjusted series. Nhập tên biến lưu nhân tố mùa trong mục
Factors (Optional).


 Kết quả sẽ có 2 biến mới được tạo ra. Các Scaling Factors cũng
được liệt kê như hình 1.5. Chúng ta sẽ thấy nhân tố mùa của
từng quý có tích bằng 1.
Hình 1.5: Mơ hình nhân tính

Bảng 3.2: Kết quả dự báo mơ hình nhân tính

Cột SN cho thấy nhân tố mùa. Cột YSA là chuỗi dữ liệu đã được hiệu ch ỉnh
yếu tố mùa. YSA = Y/SN. Chúng ta sẽ sử dụng cột YSA đ ể dự báo xu th ế
trong tương lai. Vì Cl=1 và Ir=1.
Bước 3: Ước lượng hàm xu thế và dự báo


Hình 1.6: Đồ thị ước lượng yếu tố xu thế

 Nhìn đồ thị ta thấy chuỗi dữ liệu đã loại yếu tố mùa có th ể là
hàm tuyến tính, bậc 2 hay là hàm tăng trưởng mũ. Gi ả sử ta
chọn hàm tăng trưởng mũ.
 Tạo biến thứ tự thời gian
t=@trend(2012:4)
 Gõ tiếp lệnh: LS LOG(YSA) C T
Kết quả hồi quy

Hình 1.7: Kết quả ước lượng yếu tố xu thế

t,


gõ

lệnh:

genr


Phương trình hồi quy:

Hình 1.8: Thực hiện dự báo trên Eviews


Hình 1.9: Kết quả dự báo trên Eviews

Hình 1.10: Kiểm định LM của Breusch – Godfrey


Hình 1.11: Kiểm định phương sai thay đổi

Hình 1.12: Kiểm định Jarque – Bera

Bước 4: Kết hợp yếu tố xu thế, yếu tố mùa vụ để đưa ra kết qu ả dự báo
cuối cùng
Gõ lệnh: Genr yf=ysaf*sn cho ta kết quả dự báo như sau:

Hình 1.13: Kết quả dự báo cuối cùng


Hình 1.14: Kết quả dự báo khoảng


Gõ lệnh: Genr lyf=yf – 2*se ( cận dưới)


Genr uyf = yf + 2*se ( cận trên)
Hình 1.15: Đánh giá dự báo bằng đồ thị

2. Dự báo mô hình cộng tính
Bảng 3.3: Sản lượng dầu thơ

(Nguồn: BP Statiscal Review of World Energy, BMI)
Bước 1: Nhận dạng

Hình 1.16: Đồ thị sản lượng


 Sản lượng tăng dần từ năm 2010 đến 2016, biểu đồ trên cho biết
rằng có yếu tố mùa và yếu tố xu thế tuyến tính tăng dần.
Bước 2: Tách yếu tố mùa
Tương tự như mơ hình nhân tính ta có


Hình1.17: Điều chỉnh yếu tố mùa

Hình 1.18: Lựa chọn phương pháp


Hình 1.19: Kết quả ước lượng trên Eviews

Cột Y là dữ liệu gốc. cột Sn là nhân tố mùa và cột YSA là dữ li ệu đã đi ều

chỉnh yếu tố mùa.
Trong mơ hình cộng tính, YSAt=Yt – Snt= Trt + Clt+ Irt
Mà Irt = 0 và Clt = 0, nên YSAt=Trt
Bước 3: Dự báo YSA bằng mơ hình xu thế


Hình 1.20: Đồ thị dự báo

Gõ lệnh: Genr t= @trend(2009:12) để tạo ra biến thứ tự thời gian t
Tiếp đến gõ lệnh: LS YSA C T, ta được phương trình
- 33,896 + 0,365T
(SE) 0,52
0,01
(t-stat) 63,98
33,76
2
R =0,933 F=1139,406 n=84
Hình 1.21: Kết quả ước lượng trên Eviews


 Để lưu lại giá trị dự báo điểm cho chuỗi YSA, bấm nút Forecast.
Khai báo các thông tin tương tự như hình 1.22 sẽ có được giá tr ị d ự
báo điểm ( YSAF) và sai số chuẩn (SE)
Hình 1.22: Dự báo khoảng trên Eviews

Hình 1.23: Đồ thị dự báo khoảng trên Eviews


Bước 4: Kết hợp yếu tố xu thế và yếu tố mùa để đưa ra kết quả dự báo
Kết quả dự báo điểm của sản lượng là: vì Clt=0 và Irt = 0

 Gõ lệnh: Genr yf = ysaf + sn để lưu kể quả dự báo đi ểm của s ản
lượng

Gõ lệnh: Genr lyf=yf – 2*se ( cận dưới)
Genr uyf = yf + 2*se ( cận trên)
Hình 1.24: Kết quả dự báo khoảng trên Eviews


Hình 1.25: Đồ thị dự báo theo mơ hình cộng tính


3. Kiểm định tính mùa vụ
Hình 1.26: Nhu cầu sử dụng dầu thơ theo q

Hình 1.27: Đồ thị nhu cầu theo thời gian


Bước 1: Tính CMA và chuỗi Sn.Ir
 Tính CMA theo quý
Gõ lệnh: Genr cma = (0.5*y(-1)+y(-1)+y+y(1)+0.5*y(2))/4
 Tính chuỗi Snt.Irt nếu là mơ hình cộng tính
Gõ lệnh: Genr snir_add=y –cma
 Tính chuỗi Snt.Irt nếu là mơ hình nhân tính
Gõ lệnh: Genr snir_mul= y/cma
 Tạo biến quarter lưu mã các quý
Gõ lệnh: Genr quarter= @quarter

Hình 1.28: Kết quả tính tốn CMA và chuỗi Sn.Ir