TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA KINH TẾ QUỐC TẾ
---------***--------

TIỂU LUẬN HỌC PHẦN
DỰ BÁO KINH TẾ
ĐỀ TÀI: DỰ BÁO DOANH THU CỦA CÔNG TY CỔ PHẦN
BIBICA VIỆT NAM ĐẾN QUÝ 3 NĂM 2020
Danh sách thành viên
Vũ Đình Hoan
Bùi Thị Thu Hương
Hồ Thị Diệu Linh
Hồng Thị Minh

Mã số sinh viên
1614420034
1614420135
1614410099
1614410115

Nhóm sinh viên thực hiện: Nhóm 3
Lớp: KTE418.2
Giảng viên hướng dẫn: ThS. Nguyễn Thuý Quỳnh

Hà Nội, ngày 10 tháng 12 năm 2019

LUAN VAN CHAT LUONG download : add


BẢNG ĐÁNH GIÁ CÁ NHÂN
Người được

đánh giá

Vũ Đình
Hoan

Bùi Thị
Thu Hương

Hồ Thị
Diệu Linh

Hồng Thị
Minh

10

10

10

10

10

Người đánh giá

Vũ Đình Hoan
Bùi Thị Thu
Hương


10

Hồ Thị Diệu
Linh

10

10

Hoàng Thị
Minh

10

10

10

Điểm TB cá
nhân

10

10

10

10

10


LUAN VAN CHAT LUONG download : add


MỤC LỤC
LỜI MỞ ĐẦU ................................................................................................................. 1
KHẢO SÁT DỮ LIỆU .................................................................................. 3
1.1 Phương pháp thu thập số liệu, nguồn số liệu ...................................................... 3
1.2 Khảo sát dữ liệu ..................................................................................................... 3
1.2.1 Phương pháp vẽ đồ thị theo thời gian .............................................................. 4
1.2.2 Phương tích giản đồ tự tương quan – tự tương quan riêng phần .................... 4
1.2.3 Kiểm định nghiệm đơn vị.................................................................................. 5
CÁC PHƯƠNG PHÁP DỰ BÁO ................................................................. 7
2.1 Dự báo bằng phương pháp san mũ ...................................................................... 7
2.1.1 Tổng quan về phương pháp .............................................................................. 7
2.1.2 Ứng dụng các phương pháp san mũ vào dự báo doanh thu của Công ty cổ
phần Bibica................................................................................................................ 9
2.2 Dự báo bằng phương pháp phân tích ................................................................. 13
2.2.1 Tổng quan về phương pháp ............................................................................ 13
2.2.2 Áp dụng phương pháp phân tích vào dự báo doanh thu Cơng ty cổ phần
Bibica ....................................................................................................................... 15
2.3 Dự báo bằng mơ hình ARIMA ............................................................................ 27
2.3.1 Tổng quan về mơ hình .................................................................................... 27
2.3.2 Các bước tiến hành ........................................................................................ 27
2.3.3 Áp dụng ........................................................................................................... 28
TỔNG KẾT .................................................................................................. 36
TÀI LIỆU THAM KHẢO ...............................................................................................
PHỤ LỤC ..........................................................................................................................

LUAN VAN CHAT LUONG download : add



DANH MỤC HÌNH
Hình 1.1. Đồ thị phân phối của mẫu dữ liệu .................................................................... 3
Hình 1.2. Đồ thị theo thời gian chuỗi rev ........................................................................ 4
Hình 1.3. GIản đồ tự tương quan chuỗi rev ..................................................................... 5
Hình 1.4. Kiểm định tính dừng của chuỗi rev .................................................................. 6
Hình 1.5. Kiểm định tính dừng của chuỗi sai phân bậc 1 ................................................ 6
Hình 2.1. Đồ thị theo thời gian của chuỗi rev và chuối san mũ đơn revsm .................... 9
Hình 2.2. Đồ thị theo thời gian của chuỗi Rev và chuỗi san mũ kép Revd ................... 10
Hình 2.3. . Đồ thị theo thời gian của chuỗi Rev và chuỗi san mũ Holt Revh ................ 11
Hình 2.4 Đồ thị theo thời gian của chuỗi rev và chuỗi san mũ Winters Revhw ............ 13
Hình 2.5. Đồ thị chuỗi đã hiệu chỉnh mùa vụ revsa ....................................................... 16
Hình 2.6. Kết quả phân tích bằng mơ hình tuyến tính ................................................... 16
Hình 2.7. Kết quả kiểm định bỏ sót biến ....................................................................... 17
Hình 2.8. Kết quả kiểm định phân phối chuẩn............................................................... 17
Hình 2.9. Kết quả kiểm định phương sai sai số thay đổi ............................................... 18
Hình 2.10. Kết quả kiểm định tự tương quan................................................................. 19
Hình 2.11. Kết quả dự báo trong mẫu ............................................................................ 19
Hình 2.12. Kết quả dự báo ngồi mẫu ........................................................................... 20
Hình 2.13. Đồ thị theo thời gian chuỗi gốc rev và chuỗi dự báo revf1.......................... 21
Hình 2.14. Kết quả ước lượng mơ hình bậc 2 ................................................................ 22
Hình 2.15. Kết quả ước lượng mơ hình bậc 3 ................................................................ 22
Hình 2.16. Kết quả ước lượng mơ hình chứa biến giả ................................................... 23
Hình 2.17. Kết quả kiểm định phân phối chuẩn của nhiễu ............................................ 23
Hình 2.18. Kết quả kiểm định phương sai sai số thay đổi ............................................. 24
Hình 2.19. Kết quả kiểm định tự tương quan................................................................. 24
Hình 2.20. Kết quả Dự báo trong mẫu ........................................................................... 25
Hình 2.21. Kết quả dự báo ngồi mẫu ........................................................................... 25
Hình 2.22. Đồ thị theo thời gian của chuỗi gốc rev và chuỗi dự báo revf ..................... 26


LUAN VAN CHAT LUONG download : add


Hình 2.23. Kết quả kiểm định tính dừng của chuỗi revsa sai phân bậc 1 ...................... 28
Hình 2.24. Giản đồ tự tương quan của chuỗi revsa........................................................ 29
Hình 2.25. Kết quả dự báo trong mẫu ............................................................................ 29
Hình 2.26. Kết quả dự báo ngồi mẫu ........................................................................... 30
Hình 2.27. Đồ thị theo thời gian của chuỗi gốc rev và chuỗi dự báo revf_ar2 .............. 30
Hình 2.28. Giản đồ tự tương quan chuỗi revsal ............................................................. 31
Hình 2.29. Kết quả dự báo trong mẫu ............................................................................ 33
Hình 2.30. Kết quả dự báo ngồi mẫu ........................................................................... 33
Hình 2.31. Đồ thị theo thời gian của chuỗi gốc rev và chuỗi dự báo revf_ar1 .............. 34
Hình 2.32. Kết quả dự báo trong mẫu ............................................................................ 34
Hình 2.33. Kết quả dự báo ngồi mẫu ........................................................................... 35
Hình 2.34. Đồ thị theo thời gian của chuỗi gốc rev và chuỗi dự báo revlf_ar2 ............. 35
Hình 3.1. Hướng dẫn so sánh các mơ hình dự báo ........................................................ 36
Hình 3.2. Đồ thị theo thời gian của chuỗi gốc rev và các chuỗi dự báo ........................ 37

LUAN VAN CHAT LUONG download : add


DANH MỤC BẢNG
Bảng 2.1. Bảng chỉ số mùa vụ san mũ Winters ............................................................. 13
Bảng 2.2. Bảng kết quả chỉ số mùa vụ được tách bằng phương pháp phân tích ........... 15
Bảng 3.1. Kết quả của các phương pháp dự báo ............................................................ 36
Bảng 3.2. Kết quả so sánh các mơ hình dự báo ............................................................. 36

LUAN VAN CHAT LUONG download : add



1

LỜI MỞ ĐẦU
Ngày nay, với sự phát triển không ngừng của thế giới, kinh tế là một lĩnh vực có
tầm quan trọng rất lớn đối với các quốc gia nói chung, các doanh nghiệp nói riêng. Hiểu
được sự quan trọng và cấp thiết ấy, bên cạnh việc tìm hiểu, phân tích, đánh giá thị trường,
thì việc dự báo các chỉ số kinh tế cũng là một tiêu chí được quan tâm đối với các doanh
nghiệp.
Để hiểu được tại sao phải dự báo kinh tế, trước hết cần phải hiểu được dự báo là
gì? Dự báo là quá trình tạo ra các số liệu dự tốn về tình hình kinh tế, xã hội, tự nhiên,…
trong tương lai. Dự báo dựa trên căn cứ khoa học, mang tính xác suất song đáng tin cậy.
Dự báo có căn cứ khoa học bắt nguồn từ quan điểm triết học Mác về mối liên hệ
phổ biến và sự phát triển của xã hội cũng như về khả năng nhận thức thế giới của con
người. Giữa các sự vật và hiện tượng ln ln có sự tác động lẫn nhau, dựa vào nhau
và chuyển hoá cho nhau, vì thế sự vận động và phát triển của sự vật trong khơng gian và
thời gian khơng phải hồn toàn là hỗn loạn mà tuân theo những quy luật nhất định. Qua
những hoạt động thực tiễn, con người có thể nhận thức được các quy luật vận động của
thiên nhiên, của xã hội và trên cơ sở đó tiến hành các dự đốn của mình. Các yếu tố trong
mỗi hoạt động sản xuất kinh doanh ln có mối liên hệ mật thiết với nhau. Xác định tính
chất mạnh mẽ của mối liên hệ giữa các yếu tố và sử dụng các số liệu đã biết để dự báo
sẽ giúp nhà quản lí rất nhiều trong việc hoạch định các kế hoạch sản xuất kinh doanh
hiện tại cũng như trong tương lai.
Ngày nay dự báo đã được sử dụng rất rộng rãi trong mọi lĩnh vực đời sống xã hội
với nhiều loại và phương pháp dự báo khác nhau như phương pháp điều tra, thực nghiệm,
ngoại suy, phân tích đầu vào đầu ra,…Trong đó phương pháp kinh tế lượng dự báo giá
trị tương lai của biến số kinh tế bằng cách khảo sát các biến số được coi là có liên hệ
nhân quả với chúng. Mơ hình kinh tế lượng gắn các biến số kinh tế lại với nhau bằng
những phương trình có thể ước lượng được về mặt thống kê, sau đó dùng chúng làm cơ


LUAN VAN CHAT LUONG download : add


2

sở để dự báo. Khi sử dụng phương pháp kinh tế lượng, người ta phải phân tích để xác
định xem những biến số độc lập nào tác động trực tiếp tới biến số phụ thuộc cần dự báo.
Để làm rõ hơn phương pháp dự báo trong kinh tế, trong tiểu luận được nhóm thực
hiện này, có sử dụng phần mềm kinh tế lượng Eviews để chạy các mơ hình lượng nhằm
mục đích dự báo doanh thu Cơng ty Cổ phần BIBICA đến quý 3 năm 2020 dựa trên dữ
liệu doanh thu từ quý 1 năm 2003 đến quý 3 năm 2019.
Nhóm chúng em xin chân thành cảm ơn ThS. Nguyễn Thúy Quỳnh đã ln tận
tình hướng dẫn, quan tâm và giúp đỡ chúng em hoàn thành bài tiểu luận theo đúng quy
định và tiến độ. Bài báo cáo của nhóm cịn nhiều thiếu sót và hạn chế, chúng em rất
mong sẽ nhận được những lời nhận xét và góp ý của cô.

LUAN VAN CHAT LUONG download : add


3

PHẦN 1: KHẢO SÁT DỮ LIỆU
1.1 Phương pháp thu thập số liệu, nguồn số liệu
Số liệu đã thu thập là doanh thu thueo quý của Công ty cổ phần Bibica (đơn vị
tính: triệu đồng), thuộc dạng số liệu chuỗi thời gian từ quý 1 năm 2003 đến quý 3 năm
2019. Nguồn dữ liệu thứ cấp được lấy từ nguồn xác minh có tính chính xác cao, cụ thể
là từ báo cáo tài chính của chính Cơng ty cổ phần Bibica cơng bố trên trang website
chính thức của Cơng ty chứng khoán Vietstock: />1.2 Khảo sát dữ liệu
Nhấn đúp chuột vào chuỗi rev để mở cửa sổ Series: Rev.
Trên cửa sổ Series: Rev vào View/ Descriptive Statistics & Tests/ Stats Table:

Đồ thị phân phân phối của chuỗi dữ liệu
Hình 1.1. Đồ thị phân phối của mẫu dữ liệu
12

Series: REV
Sample 2003Q1 2019Q3
10

Observations 64

8

6

4

2

Mean

200.5089

Median

175.0745

Maximum

565.5310


Minimum

48.07100

Std. Dev.

125.9977

Skewness

1.007711

Kurtosis

3.599242

Jarque-Bera

11.78938

Probability

0.002754

0
50

100

150


200

250

300

350

400

450

500

550

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
➢ Giải thích các chỉ số:
Số quan sát (Observations): 67
Giá trị trung bình (Mean)

: 204.838,7

Giá trị lớn nhất (Max)

: 565.531

Giá trị nhỏ nhất (Min)


: 48.071

Độ lệch chuẩn (Std. Dev) : 125.682,8

LUAN VAN CHAT LUONG download : add


4

1.2.1 Phương pháp vẽ đồ thị theo thời gian
Trong cửa sổ Command, gõ lệnh: line rev
Ta có đồ thị sau:
Hình 1.2. Đồ thị theo thời gian chuỗi rev

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Qua đồ thị trên ta thấy mơ hình rõ ràng có yếu tố xu thế T và mùa vụ S. Yếu tố mùa vụ
ở năm sau được lặp đi lặp lại nhưng với cường độ cao hơn so với từng quý trong năm
trước. từ đó ta kết luận chuỗi rev là mơ hình nhân tính.
1.2.2 Phương tích giản đồ tự tương quan – tự tương quan riêng phần
Trên cửa sổ Series: rev vào View/ Correlogram
Ta có kết quả:

LUAN VAN CHAT LUONG download : add


5

Hình 1.3. GIản đồ tự tương quan chuỗi rev

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8

Chuỗi có ACF khác 0 có ý nghĩa thống kê và giảm dần về 0. Đồng thời quan sát thuộc
cùng một mùa vụ có ACF xấp xỉ nhau. Từ giản đồ tự tương quan, ta cũng rút ra được
kết luận: chuỗi rev có tính xu hướng T và mùa vụ S.
1.2.3 Kiểm định nghiệm đơn vị
Cặp giả thuyết:
Trên cửa sổ Series: rev vào View/ Unit Root Tests/ Standard Unit Root Test
Trên cửa sổ Unit Root Test, phần Test for Unit root in chọn Level

LUAN VAN CHAT LUONG download : add


6

Hình 1.4. Kiểm định tính dừng của chuỗi rev

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy
P-value (Prob.) = 0.9229 > α = 0.05
=> Khơng có cơ sở bác bỏ H0 => Chuỗi rev khơng dừng
Vậy ta kiểm định tính dừng của chuỗi rev sai phân bậc 1
Trên cửa sổ Series: rev vào lại View/ Unit Root Tests/ Standard Unit Root Test
Trên cửa sổ Unit Root Test, phần Test for unit root in chọn 1st difference
Hình 1.5. Kiểm định tính dừng của chuỗi sai phân bậc 1

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy:
P-value (Prob.) = 0.0004 < α = 0.05
=> Bác bỏ H0, chấp nhận H1 => Chuỗi rev dừng ở sai phân bậc 1
Kết luận: rev là chuỗi thời gian có tính xu thế và mùa vụ, là chuỗi kết hợp bậc 1.


LUAN VAN CHAT LUONG download : add


7

PHẦN 2: CÁC PHƯƠNG PHÁP DỰ BÁO
2.1 Dự báo bằng phương pháp san mũ
2.1.1 Tổng quan về phương pháp
Định nghĩa: San mũ là việc loại bỏ các thành phần bất quy tắc I để nhìn thấy quy luật
vận động của chuỗi rõ ràng hơn
Đặc điểm: Sử dụng các hằng số san
2.1.1.1 Dự báo bằng phương pháp san mũ đơn
•

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 nó

•

Giá trị càng xa thời điểm hiện tại thì trọng số của nó càng giảm.
𝑌1𝑆𝐸 = 𝑌1
𝑌2𝑆𝐸 = 𝛼𝑌2 + (1 − 𝛼)𝑌1𝑆𝐸
………

Tổng quát

𝑆𝐸
𝑌𝑡𝑆𝐸 = 𝛼𝑌𝑡 + (1 − 𝛼)𝑌𝑡−1

Trong đó:

-

𝑌𝑡𝑆𝐸 là giá trị san tại thời điểm t

-

𝛼 là hằng số san và 0 < 𝛼 < 1

Chuỗi dự báo bằng san mũ đơn sau đó có thể được dung để dự báo sử dụng cơng thức:
𝑌̂𝑛+ℎ = 𝑌𝑛𝑆𝐸
Trong đó, n là quan sát cuối cùng của chuỗi thời gian ban đầu (dự báo bằng nhau cho
các giai đoạn tiếp theo sử dụng giá trị san cuối cùng của chuỗi)
Cách chọn hằng số san: Chọn 𝛼 sao cho chênh lệch giữa chuỗi gố và chuỗi san (dự báo)
là nhỏ nhất, hay chỉ số RMSE là nhỏ nhất.
2.1.1.2 Dự báo bằng phương pháp san mũ kép
•

San mũ kép ( double exponential smoothing): là lặp lại lần 2 của san mũ đơn
Tổng quát

•

𝐷𝐸
: 𝑌𝑡𝐷𝐸 = (𝑌 𝑆𝐸 )𝑡𝑆𝐸 = 𝛼𝑌𝑡𝑆𝐸 + (1 − 𝛼)𝑌𝑡−1

Tương tự như san mũ đơn, hằng số san của phương pháp san mũ kép được xác
định sao cho RMSE là nhỏ nhất.

LUAN VAN CHAT LUONG download : add



8
•

Để dự báo cho các giá trị tiếp theo trong tương lai của chuỗi:
𝐷𝐸
𝑌̂𝑛+ℎ = 𝑌𝑛+𝐻
= 𝛽1 + 𝛽2 ℎ

Với :
𝛽1 = 2𝑌𝑛𝑆𝐸 − 𝑌𝑛𝐷𝐸
𝛼
𝛽2 =
(𝑌𝑛𝑆𝐸 − 𝑌𝑛𝐷𝐸 )
1−𝛼
2.1.1.3 San mũ Holt
•

Sử dụng khi chuỗi thời gian có yếu tố xu thế ( và khơng có yếu tố mùa vụ)

•

Mở rộng của phương pháp san mũ giản đơn: đưa them một nhân tố xu thế. T (yếu
tố thời gian) vào phương trình san mũ

•

Yếu tố xu thế được mơ hình hóa

•


Có 3 phương trình và 2 hằng số san được sử dụng trong mơ hình holt

-

Ước lượng giá trị trung bình hiện tại (giá trị san):
𝐿𝑡 = 𝛼𝑌1 + (1 − 𝛼)(𝐼𝑡−1 + 𝑇𝑡−1 )

-

Ước lượng xu thế ( độ dốc):
𝑇𝑡 = 𝛽 (𝐿𝑡 − 𝐿𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1

-

Dự báo h giai đoạn trong tương lai:
𝑌̂𝑛+ℎ = 𝐿𝑛 + ℎ𝑇𝑛

Trong đó, 𝐿𝑡 là giá trị san tại thời điểm t
2.1.1.4 Dự báo bằng phương pháp san mũ Winters
•

San mũ Winter là phương pháp mở rộng của san mũ Holt được sử dụng với các
dữ liệu có chứa yếu tố mùa vụ S

•

Trong mơ hình nhân: yếu tố mùa vụ ở năm sau được lặp lại với cường độ cao hơn
hoặc thấp hơn so với từng mùa ở năm trước


•

Trong mơ hình cộng: yếu tố mùa vụ ở các năm khác nhau được lặp đi lặp lại một
cách đều đặn.

•

Mơ hình Winters sử dụng 4 phương trình và 3 hằng số san

-

Ước lượng giá trị trung bình hiện tại
Mơ hình nhân: 𝐿𝑡 = 𝛼

𝑌𝑡
𝑆𝑡−𝑠

+ (1 − 𝛼 )(𝐿𝑡−1 + 𝑇𝑡−1 )

LUAN VAN CHAT LUONG download : add


9

Mơ hình cộng: 𝐿𝑡 = 𝛼 (𝑌𝑡 − 𝑆𝑡−𝑠 ) + (1 − 𝛼)(𝐿𝑡−1 + 𝑇𝑡−1 )
Ước lượng giá trị xu thế (độ dốc)

-

𝑇𝑡 = 𝛽 (𝐿𝑡 − 𝐿𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1

Ước lượng yếu tố mùa vụ ( giá trị chỉ số mùa)

-

Mơ hình nhân: 𝑆𝑡 = 𝛾

𝑌𝑡
𝐿𝑡

+ (1 − 𝛾)𝑆𝑡−𝑠

Mơ hình cộng: 𝑆𝑡 = 𝛾(𝑌𝑡 − 𝐿𝑡 ) + (1 − 𝛾)𝑆𝑡−𝑠
Dự đoán h giai đoạn trong tương lai

-

Mơ hình nhân: 𝑌̂𝑛+ℎ = (𝐿𝑛 + ℎ𝑇𝑛 ) × 𝑆𝑖
Mơ hình cộng: 𝑌̂𝑛+ℎ = (𝐿𝑛 + ℎ𝑇𝑛 ) + 𝑆𝑖
2.1.2 Ứng dụng các phương pháp san mũ vào dự báo doanh thu của Công ty cổ phần
Bibica
2.1.2.1 San mũ đơn
Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing:
Bước 2: Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
Single. Chuỗi san kép là chuỗi revsm.
Bước 3: Sử dụng lệnh genr mapesm = @mean(@abs(rev-revsm)/rev) để tính chỉ
số MAPE của mơ hình
Kết quả dự báo:
-


Hệ số α: 0.2060

-

Giá trị san tại thời điểm t: 269.0736

-

Tổng bình phương phần dư: 456381.6

-

RMSE: 84.44502

-

MAPE = 0.288780

𝑆𝐸
Ta viết được mô hình san mũ đơn : 𝑌𝑡𝑆𝐸 = 0.206𝑌𝑡 + 0.794𝑌𝑡−1

Hình 2.1. Đồ thị theo thời gian của chuỗi rev và chuối san mũ đơn revsm

LUAN VAN CHAT LUONG download : add


10
600

500


400

300

200

100

0
03

04

05

06

07

08

09

10

11

12


REV

13

14

15

16

17

18

19

REVSM

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
2.1.2.2 Dự báo bằng phương pháp san mũ kép
Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing:
Bước 2: Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
double. Chuỗi san kép là chuỗi revd.
Bước 3: Sử dụng lệnh genr maped = @mean(@abs(rev-revd)/rev) để tính chỉ số
MAPE của mơ hình
Kết quả dự báo:
-

Hệ số α: 0.001


-

Tổng bình phương phần dư: 352897.3

-

RMSE: 74.25645

-

MAPE : 0.248529

-

Các hệ số: β1 = 352.1672, β2 = 5.059019

Ta viết được mơ hình dự báo như sau:
𝑌̂𝑛+ℎ = 352.1672 + 5.059019ℎ.
Hình 2.2. Đồ thị theo thời gian của chuỗi Rev và chuỗi san mũ kép Revd

LUAN VAN CHAT LUONG download : add


11
600

500

400


300

200

100

0
03

04

05

06

07

08

09

10

11

REV

12


13

14

15

16

17

18

19

REVD

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
2.1.2.3 Dự báo bằng phương pháp san mũ Holt
Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing:
Bước 2: Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
Holt – Winters – No seasonal . Chuỗi san kép là chuỗi revh
Bước 3: Sử dụng lệnh genr mapeh= @mean(@abs(rev-revh)/rev) để tính chỉ số
MAPE của mơ hình
Kết quả dự báo: v
-

Hệ số α: 0.0000, β=0.0000

-


Tổng bình phương phần dư: 366951.6

-

RMSE: 75.72067

-

MAPE : 0.324849

-

Các hệ số: Ln = 350.7008, Tn = 4.535219

-

Ta viết được mơ hình dự báo như sau:
𝑌̂𝑛+ℎ = 350.7008 + 4.535219ℎ
Hình 2.3. . Đồ thị theo thời gian của chuỗi Rev và chuỗi san mũ Holt Revh

LUAN VAN CHAT LUONG download : add


12
600

500

400


300

200

100

0
03

04

05

06

07

08

09

10

REV

11

12


13

14

15

16

17

18

19

REVH

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
2.1.2.4 Dự báo bằng phương pháp san mũ Winters
Nhận xét: Dựa vào dạng đồ thị, ta có thể thấy chuỗi dữ liệu có tính xu thế và tính mùa
vụ tương đối rõ ràng, có thể áp dụng các mơ hình nhân tính để phân tích và dự báo.
Bước 1: Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing:
Bước 2: Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
Holt – Winters – Multiplicative. Chuỗi san kép là chuỗi revhw
Bước 3: Sử dụng lệnh genr mapehw= @mean(@abs(rev-revhw)/rev) để tính chỉ số
MAPE của mơ hình
Kết quả dự báo:
-

Hệ số α: 0.3001; β=0.0000; γ=0.7602


-

Tổng bình phương phần dư: 34724.19

-

RMSE: 23.29304

-

MAPE : 0.112025

-

Các hệ số: Ln = 357.7895, Tn = 4.852279

-

Chỉ số mùa vụ qua các năm không đổi và bằng:

LUAN VAN CHAT LUONG download : add


13

Bảng 2.1. Bảng chỉ số mùa vụ san mũ Winters
S1

0.815862


S2

0.603047

S3

1.010949

S4

1.570143
Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
-

Ta viết được mơ hình dự báo như sau:

𝑌̂𝑛+ℎ = (357.7895 + 4.852279ℎ)*Si
Hình 2.4 Đồ thị theo thời gian của chuỗi rev và chuỗi san mũ Winters Revhw
600

500

400

300

200

100


0
03

04

05

06

07

08

09

10

REV

11

12

13

14

15


16

17

18

19

REVHW

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
2.2 Dự báo bằng phương pháp phân tích
2.2.1 Tổng quan về phương pháp
Quy trình gồm 4 bước:
Bước 1: Nhận dạng dữ liệu.
Xác định chuỗi thuộc mơ hình nhân hay mơ hình cộng.
Bước 2: Tách yếu tố mùa vụ S ra khỏi chuỗi ban đầu
- Tách yếu tố mùa vụ bằng phương pháp trung bình trượt trung tâm có trọng số
- Hiệu chỉnh mùa vụ để triệt tiêu I, tách được S và làm yếu tố C mờ nhạt hơn
=> Chuỗi hiệu chỉnh chủ yếu phụ thuộc vào T và C

LUAN VAN CHAT LUONG download : add


14

Để thuận tiện, ta giả định khơng có yếu tố chu kì trong chuỗi thời gian tức là C=1 (đối
với mơ hình nhân) và C=0 (đối với mơ hình cộng). Lúc này chuỗi hiệu chỉnh chủ yếu
phụ thuộc vào T
Cụ thể như sau:

* Đối với mơ hình nhân:
B1: Làm trơn số liệu bằng trung bình trượt có trọng số s điểm (s là số thời vụ trong năm)
(CMA)
Yt* =

𝑠
2

𝑠
2

𝑠
2

𝑠
2

0.5 𝑌(𝑡− )+𝑌(𝑡− +1)+⋯+𝑌𝑡+⋯+𝑌(𝑡+ −1)+0.5 𝑌(𝑡+ )
𝑠

B2: Tính tỷ số thời vụ cho mỗi thời điểm: Yt/Yt*
B3: Tìm trung bình tỷ số thời vụ cho từng mùa vụ Mi (quý, năm)
B4: Tính chỉ số thời vụ chung Scaling Factor
SFi = 𝑠

𝑀𝑖

√𝑀1.𝑀2…𝑀𝑠

Tích các chỉ số thời vụ trong một năm phải bằng 1

B5: Hiệu chỉnh Yt để được ADYt (giá trị đã hiệu chỉnh thời vụ)
ADYt = Yt/SFi
* Đối với mơ hình cộng
B1: Làm trơn số liệu bằng trung bình trượt có trọng số s điểm (s là số thời vụ trong năm)
(CMA)
Yt* =

𝑠
2

𝑠
2

𝑠
2

𝑠
2

0.5 𝑌(𝑡− )+𝑌(𝑡− +1)+⋯+𝑌𝑡+⋯+𝑌(𝑡+ −1)+0.5 𝑌(𝑡+ )
𝑠

B2: Tính chênh lệch thời vụ cho mỗi thời điểm: Yt -Yt*
B3: Tìm trung bình chênh lệch thời vụ cho từng mùa vụ Mi (quý, năm)
B4: Tính chỉ số thời vụ chung Scaling Factor
SFi = Mi-

𝑀1+𝑀2+⋯+𝑀𝑠
𝑠


Tổng các chỉ số thời vụ trong một năm phải bằng 0
B5: Hiệu chỉnh Yt để được ADYt (giá trị đã hiệu chỉnh thời vụ)
ADYt = Yt - SFi
Bước 3: Ước lượng hàm xu thế t và dự báo

LUAN VAN CHAT LUONG download : add


15

B1: Tạo xu thế t
B2: Ước lượng chuỗi đã hiệu chỉnh theo xu thế t
B3: Kiểm định mơ hình ước lượng
Mơ hình phải vượt qua các kiểm định của mơ hình hồi quy thơng thường nếu khơng phải
xây dựng mơ hình ước lượng khác
Bước 4: Kết hợp yếu tố mùa vụ để đưa ra kết quả dự báo cuối cùng
Nhân hoặc cộng chuỗi hiệu chỉnh với chỉ số mùa vụ để dự báo chuỗi gốc
Đối với mơ hình nhân: Yf = ADYn+h * SFi
Đối với mơ hình cộng: Yf = ADYn+h +SFi
2.2.2 Áp dụng phương pháp phân tích vào dự báo doanh thu Công ty cổ phần Bibica
Bước 1: Xác định dạng chuỗi
Ta đã xác định được chuỗi thuộc dạng mơ hình nhân (như đã kết luận ở phần 2.1.3)
Bước 2: Tách yếu tố mùa vụ
Bấm chọn chuỗi rev, chọn Proc, vào Seasonal Adjustment, chọn Moving Average
Methods
Trên cửa sổ Seasonal Adjustment trong phần Adjustment methods chọn Ratio to moving
average - Multiplicative
Chuỗi đã tách yếu tố mùa vụ là revsa, chỉ số mùa vụ là sfm
Ta có kết quả chỉ số mùa vụ như sau:
Bảng 2.2. Bảng kết quả chỉ số mùa vụ được tách bằng phương pháp phân tích

Chỉ số mùa vụ
1

0.929969

2

0.713172

3

1.049103

4

1.437206

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Kết quả thu được ở phần Scaling Factors là chỉ số mùa vụ sfm qua từng quý.
Bước 3: Ước lượng chuỗi revsa theo hàm xu thế
Vẽ đồ thị của chuỗi đã hiệu chỉnh revsa để xác định dạng hàm xu thế ta được:

LUAN VAN CHAT LUONG download : add


16

Hình 2.5. Đồ thị chuỗi đã hiệu chỉnh mùa vụ revsa

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8

Lần lượt thử dự báo với dạng mơ hình khác nhau:
Dạng 1: Tuyến tính
Ước lượng revsa theo biến t
Trên cửa sổ Command:
• Gõ lệnh genr t=@trend(2002Q4) để tạo biến xu thế t
• Gõ lệnh ls revsa c t để ước lượng chuỗi đã hiệu chỉnh theo biến xu thế t
Hình 2.6. Kết quả phân tích bằng mơ hình tuyến tính

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Ta có mơ hình hồi quy: revsa
̂ = 32.58336 + 4.861582t + ut
Kiểm định giả thuyết thống kê về hệ số hồi quy

LUAN VAN CHAT LUONG download : add


17

Cặp giả thuyết:

{

H0 : βj = 0
H1 : βj ≠ 0

Với mức ý nghĩa α cho trước, nếu P-value < α thì bác bỏ H0
Theo kết quả ước lượng, với α = 5% ta thấy:
Hệ số chặn của t có P-value (Prob.) = 0,0000 < α = 0,05
 Bác bỏ H0, chấp nhận H1
 Hệ số hồi quy của t có ý nghĩa thống kê

 Mơ hình có ý nghĩa thống kê tại mức ý nghĩa α = 0,05
(vì mơ hình chỉ có biến độc lập duy nhất t)
Kiểm định bỏ sót biến
Cặp giả thuyết: {

H0 : Mơ hình khơng bỏ sót biến
H1 : Mơ hình thiếu biến

Trên cửa sổ ước lượng vào Stability Diagnostics/ Ramsey RESET Test
Ta có kết quả:
Hình 2.7. Kết quả kiểm định bỏ sót biến

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy P-value (Probability) = 0.3758> α = 0,05
 Chưa có cơ sở bác bỏ Ho
 Mơ hình khơng bị bỏ sót biến
Kiểm định phân phối chuẩn của nhiễu.
Cặp giả thuyết:

{

H0 : Nhiễu phân phối chuẩn
H1 : Nhiễu không phân phối chuẩn

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Histogram Normality Test
Hình 2.8. Kết quả kiểm định phân phối chuẩn

LUAN VAN CHAT LUONG download : add



18

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy:
P-value (Probability) = 0.767792> α = 0,05
 Khơng có cơ sở bác bỏ H0  Nhiễu phân phối chuẩn.
Kiểm định phương sai sai số thay đổi
Cặp giả thuyết:

{

H0 : Phương sai sai số không đổi
H1 : Phương sai sai số thay đổi

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Heteroskedasticity Test.
Trên cửa sổ Heteroskedasticity Test chọn White.
Ta có kết quả:
Hình 2.9. Kết quả kiểm định phương sai sai số thay đổi

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy:
P-value (Prob.F(2,64)) = 0,0066 < α = 0,05
 Bác bỏ Ho, chấp nhận H1
 Mô hình có phương sai sai số thay đổi.

LUAN VAN CHAT LUONG download : add


19


Kiểm định tự tương quan
{

Cặp giả thuyết:

H0 : Mơ hình khơng có tự tương quan
H1 : Mơ hình có tự tương quan

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Serial Correlation LM
test
Ta có kết quả sau :
Hình 2.10. Kết quả kiểm định tự tương quan

Nguồn: Nhóm tác giả tự phân tích bằng phần mềm Eview 8
Theo kết quả kiểm định ta thấy
P-value (Prob.F(1,24)) = 0,0684 > α = 0,05
 Khơng có cơ sở bác bỏ Ho, chấp nhận H1
 Mơ hình khơng có tự tương quan tại mức ý nghĩa α = 0,05.
Bước 4: Dự báo chuỗi gốc
Trên cửa sổ ước lượng, ta chọn Forecast.
Trên cửa sổ Forecast, trong phần Forecast Sample chọn mẫu từ 2006Q1 2008Q4
Ta có kết quả sau:
Hình 2.11. Kết quả dự báo trong mẫu

LUAN VAN CHAT LUONG download : add