TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA KINH TẾ QUỐC TẾ

BÀI TIỂU LUẬN GIỮA KỲ
HỌC PHẦN DỰ BÁO KINH TẾ
ĐỀ TÀI:
DỰ BÁO DOANH THU THUẦN CỦA CÔNG TY
CỔ PHẦN FPT TỪ QUÝ IV – 2019 ĐẾN QUÝ IV - 2021

Giảng viên hướng dẫn: ThS. Nguyễn Thúy Quỳnh
Lớp tín chỉ: KTE418(1-1920).2_LT
Nhóm sinh viên thực hiện:
Hoàng Vân Anh

-

1714410012

Đồng Thị Thanh Hương

-

1714410107

Vũ Thị Phương Thảo

-

1714410213

Nguyễn Anh Thư

-

1714410219

Hà Nội, 12/2019

LUAN VAN CHAT LUONG download : add


ĐÁNH GIÁ THÀNH VIÊN
Người đánh giá
Vân Anh

Hương

Thảo

Thư

10

10

10

10

10


Người được đánh giá
Hoàng Vân Anh
Đồng Thị Thanh Hương

10

Vũ Thị Phương Thảo

10

10

Nguyễn Anh Thư

10

10

10
10

LUAN VAN CHAT LUONG download : add


MỤC LỤC
A. MỞ ĐẦU ........................................................................................................... 1
B. NỘI DUNG ........................................................................................................ 4
CHƯƠNG 1. KHẢO SÁT DỮ LIỆU .................................................................... 4
1.1. Mô tả số liệu ................................................................................................. 4
1.2. Khảo sát dữ liệu ............................................................................................ 4

1.2.1. Phương pháp đồ thị ................................................................................ 4
1.2.2. Kiểm định tính dừng của chuỗi .............................................................. 6
1.2.3. Phân tích giản đồ tự tương quan – tự tương quan riêng phần .................. 7
1.3. Lựa chọn phương pháp dự báo ...................................................................... 8
1.3.1. Các mơ hình dự báo giản đơn ................................................................. 8
1.3.2. Dự báo bằng phương pháp phân tích .................................................... 11
1.3.3. Dự báo bằng mơ hình ARIMA ............................................................. 15
CHƯƠNG 2. KẾT QUẢ DỰ BÁO...................................................................... 22
C. KẾT LUẬN ..................................................................................................... 23
D. DANH MỤC TÀI LIỆU THAM KHẢO........................................................ 25
E. PHỤ LỤC ........................................................................................................ 26

LUAN VAN CHAT LUONG download : add


DANH MỤC BẢNG
Bảng 1. Kết quả ước lượng mơ hình xu thế của chuỗi revsm ................................. 11
Bảng 2. Kết quả ước lượng mơ hình xu thế chuỗi revsm sau khi dùng hồi quy Robust
.............................................................................................................................. 13
Bảng 3. Kết quả ước lượng mơ hình xu thế của chuỗi revsa ................................... 14
Bảng 4. Kết quả ước lượng mơ hình xu thế chuỗi revsa sau khi dùng hồi quy Robust
.............................................................................................................................. 15
Bảng 5. Kết quả ước lượng mơ hình ARIMA (1,1,1) – mơ hình cộng .................... 17
Bảng 6. Kết quả ước lượng mơ hình ARIMA (1,1,2) – mơ hình cộng .................... 17
Bảng 7. Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mơ hình ARIMA
(1,1,2) – mơ hình cộng........................................................................................... 17
Bảng 8. Kết quả ước lượng mơ hình ARIMA (1,1,3) – mơ hình cộng .................... 18
Bảng 9. Kết quả ước lượng mơ hình ARIMA (1,1,1) – mơ hình nhân .................... 19
Bảng 10. Kết quả ước lượng mơ hình ARIMA (1,1,2) – mơ hình nhân .................. 19
Bảng 11. Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mơ hình ARIMA

(1,1,2) – mơ hình nhân........................................................................................... 19
Bảng 12. Kết quả ước lượng mơ hình ARIMA (1,1,3) – mơ hình nhân .................. 20
Bảng 13. Kết quả dự báo doanh thu Công ty cổ phần FPT 2019Q4 – 2021Q4 ....... 22

LUAN VAN CHAT LUONG download : add


DANH MỤC HÌNH
Hình 1. Doanh thu Cơng ty cổ phần FPT giai đoạn 2007 – 2019.............................. 5
Hình 2. Seasonal Graph của doanh thu FPT giai đoạn 2007 – 2019 ......................... 5
Hình 3. Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsa ........... 7
Hình 4. Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsm ......... 7
Hình 5. Đồ thị phân phối của chuỗi rev và chuỗi revd ............................................. 8
Hình 6. Đồ thị phân phối của chuỗi rev và revaw .................................................. 10
Hình 7. Đồ thị phân phối của chuỗi rev và revmw ................................................. 11
Hình 8. Đồ thị phân phối của chuỗi rev và revmf ................................................... 13
Hình 9. Đồ thị phân phối của chuỗi rev và chuỗi revmfa ....................................... 21

LUAN VAN CHAT LUONG download : add


A. 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 và 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, việc dự báo các chỉ số tài chính cũng là một tiêu chí được quan
tâm đối với các doanh nghiệp, và doanh thu là một trong những chỉ số đó. Doanh thu
phản ánh khả năng kinh doanh hàng hóa và dịch vụ của doanh nghiệp, căn cứ vào
doanh thu, nội bộ cơng ty có thể xác định được tình hình tài chính và trạng thái của
doanh nghiệp trong một thời kì nhất định. Đối với các cá nhân và tổ chức ngoài doanh

nghiệp, doanh thu là phương tiện giúp nhà đầu tư tính tốn lợi nhuận của doanh
nghiệp để từ đó đưa ra quyết định đầu tư. Tuy nhiên, nếu các nhà đầu tư cũng như
ban quản trị của công ty chỉ dựa vào con số thực tế về doanh thu trong báo cáo để
đưa ra quyết định thì sẽ là một bước đi chậm trễ trong thời buổi nền kinh tế biến động
không ngừng như ngày nay. Do đó, rất cần thiết phải có bước dự báo doanh thu của
doanh nghiệp để thúc đẩy q trình đưa ra chính sách cho hoạt động sản xuất, dịch
vụ và đầu tư của các thực thể kinh tế trong nền kinh tế.
Nhờ có sự phát triển vượt bậc của khoa học – công nghệ, đặc biệt là ứng dụng
mạnh mẽ của trí tuệ nhân tạo, việc dự báo các chỉ số nói chung và doanh thu doanh
nghiệp nói riêng trở nên dễ dàng hơn bao giờ hết. Với sự giúp sức của các phần mềm
kinh tế, nhiều cơng trình nghiên cứu về doanh thu của các doanh nghiệp lớn, vừa và
nhỏ đã được thực hiện trong nhiều thập kỉ nay. Công tác dự báo doanh thu từ đó cũng
trở thành một bước khơng thể thiếu trong q trình thiết lập chính sách của cả doanh
nghiệp nhà nước lẫn doanh nghiệp tư nhân. Trong thực tế, một vài nghiên cứu đã
được thực hiện để dự báo doanh thu của doanh nghiệp theo nhiều phương pháp khác
nhau: phương pháp san mũ, phương pháp phân tích, mơ hình VAR, mơ hình
ARIMA,…
Mingzhao Wang cùng các cộng sự (2015) đã sử dụng dữ liệu thu thập từ tháng
01/2011 đến tháng 12/2012 và mơ hình ARIMA để dự báo doanh thu từ tháng 1 đến
tháng 6 năm 2013 của ngành viễn thông của một tỉnh tại Trung Quốc, kết quả cho
thấy mơ hình đưa ra dự báo phù hợp. Tuy nhiên, nghiên cứu xây dựng mơ hình chỉ
dựa trên dữ liệu của 24 tháng nên vẫn chưa đề cập đến yếu tố mùa vụ.
1

LUAN VAN CHAT LUONG download : add


Dự báo doanh thu thuế cho năm 2017 tại Pakistan của Dalia cùng các cộng sự
(2018) đã sử dụng dữ liệu từ tháng 07/1985 đến tháng 12/2016 với ba mô hình AR,
ARIMA và VAR. Trong đó, các tác giả kết luận, trong các mơ hình sử dụng thì mơ

hình ARIMA cho kết quả dự báo tốt hơn cả cho tổng doanh thu thuế.
Nhóm sinh viên trường Đại học Thương mại (2010) đã sử dụng dữ liệu năm từ
2001 đến 2009 để đưa ra bài nghiên cứu dự báo doanh thu của công ty LG
ELECTRONICS giai đoạn 2010 – 2012 bằng phương pháp bình qn di động.
Bên cạnh đó, một bài nghiên cứu khác của trường Đại học Nông nghiệp (2014)
sử dụng số liệu theo quý trong giai đoạn 2008 – 2012 để dự báo doanh thu cho doanh
nghiệp ngành thép Việt Nam. Ba cơng ty được chọn có diễn biến doanh thu qua các
kỳ khác nhau. Công ty cổ phần Hoa Sen có doanh thu tăng trưởng mạnh, Cơng ty cổ
phần Liên hữu Á Châu có doanh thu biến động theo mùa vụ và doanh thu của Công
ty cổ phần Thép Việt – Ý tăng trưởng đều. Điều này tạo ra sự khác biệt giữa các
doanh nghiệp khi lựa chọn phương pháp dự báo phù hợp.
Kế thừa thành quả của các nghiên cứu trước, nhóm tác giả thực hiện đề tài “Dự
báo doanh thu thuần của Công ty cổ phần FPT từ quý IV – 2019 đến quý IV –
2021”. Công ty cổ phần FPT luôn được biết đến là công ty dịch vụ công nghệ thông
tin lớn nhất tại Việt Nam. Với thế mạnh về công nghệ và lực lượng tri thức đông đảo,
nhiều năm qua FPT đã tạo lập những giá trị đóng góp vào sự phát triển của nền kinh
tế và giải quyết bài toán bức xúc của xã hội thông qua việc nghiên cứu và triển khai
các giải pháp công nghệ để nâng cao năng suất lao động, sức cạnh tranh của doanh
nghiệp, tổ chức, lĩnh vực kinh tế. Ngoài ra, FPT cũng thường xuyên nằm trong top
doanh nghiệp đóng góp lớn cho ngân sách nhà nước trong nhiều năm qua. Năm 2016,
FPT nộp ngân sách 5.638 tỷ đồng, tạo việc làm cho 28.397 người, góp phần giảm tỷ
lệ thất nghiệp, mang lại sự ổn định cho xã hội. Để có thể đạt được những thành tựu
như vậy, FPT hẳn đã và đang sở hữu một nền tảng vững chắc được xây dựng dựa trên
các chính sách phát triển được hoạch định cụ thể, rõ ràng thơng qua các q trình tìm
hiểu, phân tích, đánh giá thị trường, đặc biệt là việc dự báo các chỉ số kinh tế.
Chính vì vậy, nhóm tác giả đã sử dụng phần mềm kinh tế lượng Eviews để dự
báo doanh thu của Công ty cổ phần FPT trong 9 quý (từ quý IV năm 2019 quý IV
năm 2021) dựa trên dữ liệu doanh thu từ quý I năm 2007 đến quý III năm 2019, nhằm
2


LUAN VAN CHAT LUONG download : add


giúp mọi người có thể nhận định, đưa ra đánh giá nhất định về tình hình phát triển
trong tương lai của FPT thông qua các số liệu được dự báo. Kết quả dự báo sẽ giúp
tạo cơ sở, cung cấp thông tin cho không chỉ các nhà điều hành, nhà quản lý doanh
nghiệp mà còn cho các nhà hoạch định chính sách, các nhà kinh doanh khác trong
tiến trình ra quyết định phương án sản xuất kinh doanh. Bên cạnh đó, nghiên cứu cịn
là nguồn tài liệu bổ sung cho lĩnh vực nghiên cứu về dự báo doanh thu cho ngành
dịch vụ công nghệ thông tin tại Việt Nam.
Chúng em xin cảm ơn ThS. Nguyễn Thúy Quỳnh đã tận tình chỉ bảo, hướng dẫn
trong suốt quá trình học tập và thực hiện bài tiểu luận này. Tuy nhiên, do thời gian
nghiên cứu và kiến thức còn hạn chế nên chắc chắn bài tiểu luận vẫn cịn những thiếu
sót nhất định, chúng em rất mong nhận được sự góp ý từ cơ để bài viết được hồn
thiện hơn, từ đó rút ra kinh nghiệm cho những bài viết tiếp theo.
Chúng em xin chân thành cảm ơn!

3

LUAN VAN CHAT LUONG download : add


B. NỘI DUNG
CHƯƠNG 1. KHẢO SÁT DỮ LIỆU
1.1. Mô tả số liệu
Số liệu được sử dụng là doanh thu thuần (đơn vị: triệu VND) của Công ty cổ
phần FPT (HOSE: FPT) từ quý I năm 2007 đến quý III năm 2019 gồm 51 quan sát,
đã được mở rộng đến quý IV năm 2021 nhằm mục đích dự báo doanh thu cho 9 quý
từ quý IV năm 2019 đến quý IV năm 2021, được nhóm tổng hợp từ Cổng thơng tin
trực tuyến đầu ngành về tài chính và chứng khốn . Số liệu

được tổng hợp theo quý trên Excel và được xử lý trên phần mềm Eviews.
Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV. Trên cửa sổ Series: Rev vào
View/ Descriptive Statistics & Tests/ Stats Table, ta thu được một số mô tả thống kê
quan trọng như sau:


Số quan sát (Observations): 51



Giá trị trung bình (Mean): 9557033



Giá trị lớn nhất (Maximum): 15333191



Giá trị nhỏ nhất (Minimum): 4750769



Độ lệch chuẩn (Std. Dev): 2511382

1.2. Khảo sát dữ liệu
1.2.1. Phương pháp đồ thị
Để xác định chuỗi số liệu nghiên cứu có yếu tố thời vụ hay không cũng như
chuỗi số liệu được nghiên cứu cần sử dụng mơ hình cộng hay mơ hình nhân để thực
hiện tách riêng nhân tố mùa vụ, ta thực hiện như sau:
Trên cửa sổ Series: REV, vào View/Graph, trong cửa sổ Graph Options phần

Specific chọn Lines & Symbol. Ta có kết quả khảo sát đồ thị như hình 1.

4

LUAN VAN CHAT LUONG download : add


Hình 1. Doanh thu Cơng ty cổ phần FPT giai đoạn 2007 – 2019
Rev
16,000,000

14,000,000

12,000,000

10,000,000

8,000,000

6,000,000

4,000,000
07

08

09

10


11

12

13

14

15

16

17

18

19

Nguồn: Nhóm tác giả thực hiện trên Eviews
Hình 1 cho thấy doanh thu của cơng ty có sự dao động với cường độ không
đồng đều, không mang tính tăng dần hay giảm dần. Vì thế, để đạt được mơ hình dự
báo tốt nhất, nhóm sẽ tiến hành ước lượng bằng cả mơ hình cộng và mơ hình nhân.
Tiếp đến, tiến hành kiểm tra tính mùa vụ của chuỗi doanh thu thông qua
Seasonal Graph. Vẫn trên cửa sổ Series: REV, vào View/Graph, trong cửa sổ Graph
Options phần Specific chọn Seasonal Graph thu được đồ thị như hình 2.
Hình 2. Seasonal Graph của doanh thu FPT giai đoạn 2007 – 2019
Rev by Season
16,000,000

14,000,000


12,000,000

10,000,000

8,000,000

6,000,000

4,000,000
Q1

Q2

Q3

Q4

Means by Season

Nguồn: Nhóm tác giả thực hiện trên Eviews
Hình 2 cho thấy khoảng cách biên độ doanh thu giữa các khoảng thời gian khá
rõ ràng nên chuỗi số liệu này có yếu tố mùa vụ. Vì vậy, nhóm tiến hành tách yếu tố
mùa vụ ra khỏi chuỗi bằng phương pháp trung bình động (Moving average methods)
để có kết quả dự báo chính xác hơn.
5

LUAN VAN CHAT LUONG download : add



 Mơ hình cộng: Trên cửa sổ Series: REV, vào Proc/ Seasonal Adjustment/
Moving Average Methods.Trên cửa sổ Seasonal Adjustment trong phần Adjustment
method chọn Diference from moving average - Additive. Chuỗi đã tách yếu tố mùa
vụ là revsa, chỉ số mùa vụ là sa. Ta có kết quả chỉ số mùa vụ từng q như sau:
Scaling Factors:

1

-968526,7

2

-617756,3

3

-41135,37

4

1627418

 Mơ hình nhân: Trên cửa sổ Series: REV, vào Proc/ Seasonal Adjustment/
Moving Average Methods.Trên cửa sổ Seasonal Adjustment trong phần Adjustment
method chọn Ratio to moving average - Multiplicative. Chuỗi đã tách yếu tố mùa vụ
là revsm, chỉ số mùa vụ là sm. Ta có kết quả chỉ số mùa vụ từng quý như sau:
Scaling Factors:

1


0,898598

2

0,945066

3

0,998938

4

1,178783

1.2.2. Kiểm định tính dừng của chuỗi
Cặp giả thuyết: {

H0 : Chuỗi khơng dừng
H1 : Chuỗi dừng

 Mơ hình cộng: Trên cửa sổ Series: REVSA vào View/ Unit Root Test, trong
cửa sổ Unit Root Test phần Test for unit root in chọn Level. Theo kết quả kiểm định,
P-value (Prob.) = 0,0234 < α = 0,05. Bác bỏ giả thuyết Ho. Chuỗi revsa là chuỗi
dừng.
 Mơ hình nhân: Trên cửa sổ Series: REVSM vào View/ Unit Root Test, trong
cửa sổ Unit Root Test phần Test for unit root in chọn Level. Theo kết quả kiểm định,
P-value (Prob.) = 0,0236 < α = 0,05. Bác bỏ giả thuyết Ho. Chuỗi revsm là chuỗi
dừng.

6


LUAN VAN CHAT LUONG download : add


1.2.3. Phân tích giản đồ tự tương quan – tự tương quan riêng phần
 Mơ hình cộng: Trên cửa sổ Series: REVSA vào View/ Correlogram. Trên cửa
sổ Correlogram Specification, phần Corelogram of chọn Level, thu được bảng kết
quả như hình 3.
Hình 3. Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsa

Nguồn: Nhóm tác giả thực hiện trên Eviews
Hình 3 cho thấy vạch bậc 1, 2, 3 của ACF và vạch bậc 1 của PACF trượt khỏi
đường biên nên chọn độ trễ là 1 cho AR, độ trễ 1, 2 và 3 cho MA.
 Mơ hình nhân: Trên cửa sổ Series: REVSM vào View/ Correlogram. Trên cửa
sổ Correlogram Specification, phần Corelogram of chọn Level, thu được bảng kết
quả như hình 4.
Hình 4. Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsm

Nguồn: Nhóm tác giả thực hiện trên Eviews
7

LUAN VAN CHAT LUONG download : add


Hình 4 cho thấy vạch bậc 1, 2, 3 của ACF và vạch bậc 1 của PACF trượt khỏi
đường biên. Ta chọn độ trễ là 1 cho AR, độ trễ 1, 2 và 3 cho MA.
1.3. Lựa chọn phương pháp dự báo
Trong bài tiểu luận này, nhóm dùng phần mềm Eviews để dự báo chuỗi rev
(chuỗi số liệu doanh thu thuần của FPT) từ quý IV năm 2019 đến quý IV năm 2021
(2019Q4 – 2021Q4) bằng nhiều phương pháp khác nhau.

1.3.1. Các mơ hình dự báo giản đơn
1.3.1.1. Dự báo bằng phương pháp san mũ
San mũ là việc loại bỏ các yếu tố ngẫu nhiên để nhìn thấy bản chất của chuỗi
giúp việc dự báo trở nên dễ dàng hơn.
Phương pháp san mũ đơn loại bỏ yếu tố ngẫu nhiên và dự báo giá trị mẫu
(predict) nhưng không thể giúp dự báo ngoài mẫu (forecast).
Phương pháp san mũ kép là việc lặp lại 2 lần của san mũ đơn. Phương pháp này
có thể dự báo ngồi mẫu.
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
Double. Chuỗi san kép Smoothed series là chuỗi revd. Chọn OK thu được:


Hằng số san kép: 𝛼 = 0,1600.



Chỉ số căn bậc hai của sai số bình phương trung bình là RMSE = 2156495.
Trên cửa sổ Command gõ lệnh line rev revd thu được hình 5.
Hình 5. Đồ thị phân phối của chuỗi rev và chuỗi revd

16,000,000
14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
07


08

09

10

11

12

13
Rev

14

15

16

17

18

19

20

21


REVD

Nguồn: Nhóm tác giả thực hiện trên Eviews
8

LUAN VAN CHAT LUONG download : add


1.3.1.2. Dự báo bằng phương pháp san mũ Winters
Phương pháp san mũ Winters dùng để dự báo các chuỗi có chứa cả yếu tố xu
thế và yếu tố mùa vụ.
Ký hiệu :
Tt : ước lượng của phần xu thế ở thời kỳ t


Y t : ước lượng giá trị trung bình hiện tại của Y ở thời kì t


Y n  h : giá trị dự báo của Y sau h giai đoạn trong tương lai

St : yếu tố thời vụ tại thời điểm t (chỉ số mùa vụ qua các năm là không đổi)

k : số thời vụ trong một năm
St  k : yếu tố thời vụ tại thời điểm t của thời kỳ trước

Đầu tiên phải xác định dạng mơ hình của chuỗi:


Mơ hình nhân: Yt  T .S .C.I




Mơ hình cộng: Yt  T  S  C  I
Từ đó, ta có giá trị ước lượng trung bình hiện tại là:



Yt
 (1   )(Y t 1  Tt 1 )
St k



Mơ hình nhân: Y t  



Mơ hình cộng: Y t   (Yt  St  k )  (1   )(Y t 1  Tt 1 )





Ước lượng giá trị xu thế T là:





Tt   (Yt  Y t 1 )  (1   )Tt 1


Ước lượng giá trị chỉ số mùa vụ là:


Mơ hình nhân: St  

Yt


 (1   ) St  k

Yt





Mơ hình cộng: St   (Yt  Yt 1 )  (1   ) St k
Như vậy, ta có dự báo h giai đoạn trong tương lai là



̂
̂
Mơ hình nhân: 𝑌
𝑛+ℎ = (𝑌𝑛 + ℎ𝑇𝑛 )𝑆𝑡



̂

̂
Mơ hình cộng: 𝑌
𝑛+ℎ = (𝑌𝑛 + ℎ𝑇𝑛 ) + 𝑆𝑡

 Mơ hình cộng
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
9

LUAN VAN CHAT LUONG download : add


Holt-Winters – Additive. Chuỗi san Winters mơ hình cộng Smoothed series là chuỗi
revaw. Chọn OK ta thu được kết quả dự báo sau:


Hằng số san: 𝛼 = 0,6000; 𝛽 = 0,0000; 𝛾 = 0,0000.



Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 1717311.



Chỉ số mùa vụ qua các năm không đổi:

S1

=


-990777,3

S2

=

-627279,8

S3

=

-40945,08

S4 =
1659002
Trên cửa sổ Command gõ lệnh line rev revaw thu được hình 6.
Hình 6. Đồ thị phân phối của chuỗi rev và revaw
16,000,000

14,000,000

12,000,000

10,000,000

8,000,000

6,000,000


4,000,000
07

08

09

10

11

12

13
Rev

14

15

16

17

18

19

20


21

REVAW

Nguồn: Nhóm tác giả thực hiện trên Eviews
 Mơ hình nhân
Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential
Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn
Holt-Winters – Multiplicative. Chuỗi san Winters mơ hình nhân Smoothed series là
chuỗi revmw. Chọn OK ta thu được kết quả dự báo sau:


Hằng số san: 𝛼 = 0,6000; 𝛽 = 0,0000; 𝛾 = 0,0000



Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 1736259.



Chỉ số mùa vụ qua các năm không đổi:

S1

=

0,890976

S2


=

0,937119

S3

=

0,993386

S4

=

1,178519

10

LUAN VAN CHAT LUONG download : add


Trên cửa sổ Command gõ lệnh line rev revmw thu được hình 7.
Hình 7. Đồ thị phân phối của chuỗi rev và revmw
16,000,000

14,000,000

12,000,000

10,000,000


8,000,000

6,000,000

4,000,000
07

08

09

10

11

12

13

14

Rev

15

16

17


18

19

20

21

REVMW

Nguồn: Nhóm tác giả thực hiện trên Eviews
1.3.2. Dự báo bằng phương pháp phân tích
Bước 1: Xác định dạng chuỗi (đã trình bày ở phần 1.2.1 )
Bước 2: Tách yếu tố mùa vụ (đã trình bày ở phần 1.2.1)
 Mơ hình nhân
Bước 3: Ước lượng hàm xu thế
Tạo xu thế T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo
biến xu thế t. Tiếp tục gõ lệnh ls revsm c 1/t để ước lượng revsm theo biến 1/t.
Bảng 1. Kết quả ước lượng mơ hình xu thế của chuỗi revsm
Biến

Hệ số

Sai số chuẩn

Thống kê t

P-value

c


9961214

352402

28,26663

0,0000

t

-4839021

1973911

-2,451489

0,0178

Prob(F-statistic)

0,0000
Nguồn: Nhóm tác giả thực hiện trên Eviews



Kiểm định giả thuyết thống kê về hệ số hồi quy:
Cặp giả thuyết: {

H0 : βj = 0

H1 : βj ≠ 0

Với mức ý nghĩa α cho trước, nếu P-value < α thì bác bỏ H0.
11

LUAN VAN CHAT LUONG download : add


Theo kết quả ước lượng thấy P-value = 0,0178 < α = 0,05. Mơ hình có ý nghĩa
thống kê tại mức ý nghĩa α = 0,05.


Kiểm định bỏ sót biến:
Cặp giả thuyết: {

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

Trên cửa sổ ước lượng Equation vào View/ Stability Diagnostics/ Ramsey
RESET Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,4206 > α = 0,05.
Mơ hình khơng bỏ sót biến tại mức ý nghĩa α = 0,05.


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 Equation vào View/ Residual Diagnostics/ Histogram –

Normality Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,529728 >
α = 0,05. Mơ hình có nhiễu phân phối chuẩn tại mức ý nghĩa α = 0,05.


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 Equation vào View/ Residual Diagnostics/
Heteroskedasticity Tests. Trên cửa sổ Heteroskedasticity Tests chọn White. Theo kết
quả kiểm định thấy P-value (Probability) = 0,2995 > α = 0,05. Mơ hình khơng có
phương sai sai số thay đổi tại mức ý nghĩa α = 0,05.


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 Equation vào View/ Residual Diagnostics/ Serial
Correlation LM test. Trên cửa sổ Lag Specification, phần Lags to include chọn 2.
Theo kết quả kiểm định thấy P-value (Probability) = 0,0000 < α = 0,05. Mơ hình mắc
khuyết tật tự tương quan bậc 2 tại mức ý nghĩa α = 0,05.
Trên cửa sổ ước lượng Equation chọn Estimate. Trên cửa sổ Equation
Estimation, trong phần Method chọn ROBUSTLS - Robust Least Squares.

12


LUAN VAN CHAT LUONG download : add


Bảng 2. Kết quả ước lượng mơ hình xu thế chuỗi revsm sau khi dùng hồi quy Robust
Biến

Hệ số

Sai số chuẩn

Thống kê z

P-value

c

9930214

346733,8

28,63930

0,0000

1/t

-4838860

1942162


-2,491481

0,0127

Nguồn: Nhóm tác giả thực hiện trên Eviews
Bước 4: Dự báo chuỗi gốc
Trên cửa sổ ước lượng Equation, chọn Forecast. Trên cửa sổ Forecast, trong
phần Forecast sample chọn mẫu 2015q3 2016q3. Theo kết quả dự báo trong mẫu ta
thấy: sai số dự báo Mean Abs. Percent Error = 4,202229 < 5, tức là có thể sử dụng
mơ hình này để dự báo ngoài mẫu.
Mở lại cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2019q4 2021q4,
thu được chuỗi dự báo revsmf.
Lấy chuỗi revsmf nhân với chỉ số mùa vụ sm sẽ được chuỗi dự báo revmf: trên
cửa sổ Command gõ lệnh genr revmf=revsmf *sm. Tiếp tục gõ lệnh line revmf rev
thu được đồ thị như hình 8.
Hình 8. Đồ thị phân phối của chuỗi rev và revmf
16,000,000

14,000,000

12,000,000

10,000,000

8,000,000

6,000,000

4,000,000

07

08

09

10

11

12

13

14

REVMF

15

16

17

18

19

20


21

Rev

Nguồn: Nhóm tác giả thực hiện trên Eviews
 Mơ hình cộng
Bước 3: Ước lượng hàm xu thế
Tạo xu thế T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo
biến xu thế t. Tiếp tục gõ lệnh ls revsa c t t^2 để ước lượng revsa theo biến t và t2.
13

LUAN VAN CHAT LUONG download : add


Bảng 3. Kết quả ước lượng mơ hình xu thế của chuỗi revsa
Biến

Hệ số

Sai số chuẩn

Thống kê t

P-value

c

5927557

725661


8,168493

0,0000

t

419429,7

64379,53

6,514954

0,0000

t2

-8114,771

1200,239

-6,760961

0,0000

Prob(F-statistic)

0,0000
Nguồn: Nhóm tác giả thực hiện trên Eviews




Kiểm định giả thuyết thống kê về hệ số hồi quy:
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 = 0,05 ta thấy:
Biến

P-value

Kết luận

t

0.0000 < 0,05

Có ý nghĩa thống kê

t2

0.0000 < 0,05

Có ý nghĩa thống kê

Kết luận: Mơ hình có ý nghĩa thống kê tại mức ý nghĩa α = 0,05.



Kiểm định bỏ sót biến:
Cặp giả thuyết: {

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

Trên cửa sổ ước lượng Equation vào View/ Stability Diagnostics/ Ramsey
RESET Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,6374 > α = 0,05.
Mơ hình khơng bỏ sót biến tại mức ý nghĩa α = 0,05.


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 Equation vào View/ Residual Diagnostics/ Histogram –
Normality Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,212355 >
α = 0,05. Mơ hình có nhiễu phân phối chuẩn tại mức ý nghĩa α = 0,05.


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
14


LUAN VAN CHAT LUONG download : add


Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/
Heteroskedasticity Tests. Trên cửa sổ Heteroskedasticity Tests chọn White. Theo kết
quả kiểm định thấy P-value (Probability) = 0,5742 > α = 0,05. Mơ hình khơng có
phương sai sai số thay đổi tại mức ý nghĩa α = 0,05.


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 Equation vào View/ Residual Diagnostics/ Serial
Correlation LM test. Trên cửa sổ Lag Specification, phần Lags to include chọn 2.
Theo kết quả kiểm định thấy P-value (Probability) = 0,0476 < α = 0,05. Mơ hình mắc
khuyết tật tự tương quan bậc 2 tại mức ý nghĩa α = 0,05.
Trên cửa sổ ước lượng Equation chọn Estimate. Trên cửa sổ Equation
Estimation, trong phần Method chọn ROBUSTLS - Robust Least Squares.
Bảng 4. Kết quả ước lượng mơ hình xu thế chuỗi revsa sau khi dùng hồi quy Robust
Biến

Hệ số

Sai số chuẩn

Thống kê z


P-value

c

5996648

740667,8

8,096272

0,0000

t

400046,2

65710,91

6,087973

0,0000

t2

-7731,445

1225,060

-6,311073


0,0000

Nguồn: nhóm tác giả thực hiện trên Eviews
Bước 4: Dự báo chuỗi gốc
Trên cửa sổ ước lượng Equation, chọn Forecast. Trên cửa sổ Forecast, trong
phần Forecast sample chọn mẫu 2007q1 2007q4. Theo kết quả dự báo trong mẫu ta
thấy: sai số dự báo Mean Abs. Percent Error = 5,472222 > 5. Mơ hình khơng tốt để
dự báo ngồi mẫu.
1.3.3. Dự báo bằng mơ hình ARIMA
1.3.3.1. Tổng quan về mơ hình
Mơ hình ARIMA bậc p, d, q là mơ hình với: AR(p) là mơ hình tự tương quan
bậc p; Y(d) là chuỗi dừng khi lấy sai phân bậc d; MA(q) là mơ hình trung bình trượt
bậc q, có phương trình là:
Y(d) = c + Φ1 Y(d)t-1 + … + Φp Y(d)t-p + θ1 ut-1 + … + θq ut-q + ut

15

LUAN VAN CHAT LUONG download : add


1.3.3.2. Các bước tiến hành
Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo


Chuỗi thường: kiểm tra tính dừng của chuỗi gốc và tiến hành dự báo ARIMA

với chuỗi gốc.


Chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau đó kiểm tra tính


dừng của chuỗi tách và tiến hành dự báo ARIMA với chuỗi tách.


Chuỗi có tính xu thế: kiểm tra tính dừng của chuỗi gốc Yt = β̂ 1 +β̂ 2 t + et (với

et là phần dư), sau đó kiểm tra tính dừng của chuỗi et và tiến hành dự báo ARIMA
với chuỗi et .
Bước 2: Xác định độ trễ p, q.
Bước 3: Ước lượng mơ hình và kiểm tra các điều kiện giả định của mơ hình


Mơ hình khả nghịch và ổn định (nghiệm đơn vị của các mơ hình hồi quy phụ

nhỏ hơn 1).


Nhiễu trắng (nhiễu không tự tương quan).



Chất lượng dự báo.
Bước 4: Dự báo ngồi mẫu



Chuỗi có yếu tố mùa vụ: Nhân hoặc cộng chuỗi dự báo đã hiệu chỉnh với chỉ

số mùa vụ để dự báo chuỗi gốc.



Chuỗi có yếu tố xu thế: Tạo biến Yf = β̂ 1 + β̂ 2 t + ef là dự báo của chuỗi Yt .

1.3.3.3. Áp dụng
Bước 1: Kiểm tra chuỗi dừng (đã trình bày ở phần 2.2)
Bước 2: Xác định độ trễ p, q (đã trình bày ở phần 2.3)
 Mơ hình cộng:
Bước 3: Ước lượng mơ hình và kiểm tra các điều kiện giả định của mơ hình
Ước lượng mơ hình: trên cửa sổ Command gõ lệnh ls revsa c ar(1) ma(1) thu
được kết quả hồi quy như ở bảng 5.

16

LUAN VAN CHAT LUONG download : add


Bảng 5. Kết quả ước lượng mơ hình ARIMA (1,1,1) – mơ hình cộng
Biến

Hệ số

Sai số chuẩn

Thống kê t

P-value

c

9217558


992748,4

9,284888

0,0000

AR(1)

0,816771

0,129894

6,288002

0,0000

MA(1)

-0,270763

0,205881

-1,315143

0,1948

Nguồn: Nhóm tác giả thực hiện trên Eviews
MA(1) có P-value = 0,1948 > α = 0,05, độ trễ khơng có ý nghĩa thống kê.
Tiếp tục gõ lệnh ls revsa c ar(1) ma(2) thu được kết quả hồi quy như ở bảng 6.

Bảng 6. Kết quả ước lượng mơ hình ARIMA (1,1,2) – mơ hình cộng
Biến

Hệ số

Sai số chuẩn

Thống kê t

P-value

c

9477018

658842,2

14,38435

0,0000

AR(1)

0,476057

0,133167

3,574895

0,0008


MA(2)

0,495701

0,159060

3,116435

0,0031

Inverted AR Roots

0,48

Inverted MA Roots -0,00 + 0,70i

-0,00 - 0,70i
Nguồn: Nhóm tác giả thực hiện trên Eviews

Từ bảng 6, thấy AR(1) có P-value = 0,0008 < α = 0,05, MA(2) có P-value =
0,0031 < α = 0,05, độ trễ có ý nghĩa thống kê. Tiếp đến, hai chỉ số Inverted AR Roots
và Inverted MA Roots đều nằm trong khoảng (-1; 1). Mơ hình ổn định và khả nghịch.


Kiểm định nhiễu trắng
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Correlation

Q-Statistics. Trên cửa sổ Lag Specification chọn độ trễ 12 thu được kết quả kiểm định
như ở bảng 7.

Bảng 7. Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mơ hình ARIMA
(1,1,2) – mơ hình cộng
Độ trễ
3
4
5
6
7

P-value
Độ trễ
P-value
0,117
8
0,588
0,225
9
0,586
0,394
10
0,456
0,386
11
0,518
0,519
12
0,571
Nguồn: Nhóm tác giả thực hiện trên Eviews
17


LUAN VAN CHAT LUONG download : add


Tất cả các giá trị P-value của các độ trễ đều lớn hơn mức ý nghĩa α = 0,05. Mơ
hình vượt qua kiểm định nhiễu trắng (khơng có tự tương quan ở 12 độ trễ liên tiếp).


Kiểm định phân phối chuẩn của nhiễu:
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Histogram –

Normality Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,730349 >
α = 0,05. Mơ hình có nhiễu phân phối chuẩn tại mức ý nghĩa α = 0,05.


Kiểm định phương sai sai số thay đổi:
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/

Heteroskedasticity Tests. Trên cửa sổ Heteroskedasticity Tests chọn ARCH. Theo kết
quả kiểm định thấy P-value (Probability) = 0,9511 > α = 0,05. Mô hình khơng có
phương sai sai số thay đổi tại mức ý nghĩa α = 0,05.
Dự báo cho chuỗi hiệu chỉnh revsa: trên cửa sổ ước lượng chọn Forecast. Trên
cửa sổ Forecast, phần Forecast Sample chọn mẫu 2012q2 2013q2. Theo kết quả dự
báo trong mẫu ta thấy: sai số dự báo Mean Abs. Percent Error = 5,204879 > 5.
Tiếp tục gõ lệnh ls revsa c ar(1) ma(3) trên cửa sổ Command thu được kết quả
hồi quy như ở bảng 8.
Bảng 8. Kết quả ước lượng mơ hình ARIMA (1,1,3) – mơ hình cộng
Biến

Hệ số


Sai số chuẩn

Thống kê t

P-value

c

9390641

754977,1

12,43831

0,0000

AR(1)

0,623320

0,119155

5,231188

0,0000

MA(3)

0,141750


0,167198

0,847797

0,4008

Nguồn: Nhóm tác giả thực hiện trên Eviews
Từ bảng 8, thấy MA(3) có P-value = 0,4008 > α = 0,05, độ trễ khơng có ý nghĩa
thống kê.
Bước 4: Dự báo ngoài mẫu
Do MAPE của mơ hình lớn hơn 5 (đã trình bày ở bước 3) nên mơ hình khơng
đủ tốt để dự báo ngồi mẫu.
 Mơ hình nhân:
Bước 3: Ước lượng mơ hình và kiểm tra các điều kiện giả định của mơ hình
Ước lượng mơ hình: trên cửa sổ Command gõ lệnh ls revsm c ar(1) ma(1) thu
được kết quả hồi quy như ở bảng 9.
18

LUAN VAN CHAT LUONG download : add


Bảng 9. Kết quả ước lượng mơ hình ARIMA (1,1,1) – mơ hình nhân
Biến

Hệ số

Sai số chuẩn

Thống kê t


P-value

c

9116797

1053202

8,656264

0,0000

AR(1)

0,827619

0,116460

7,106466

0,0000

MA(1)

-0,279180

0,205165

-1,360762


0,1801

Nguồn: Nhóm tác giả thực hiện trên Eviews
MA(1) có P-value = 0,1801 > α = 0,05, độ trễ khơng có ý nghĩa thống kê.
Tiếp tục gõ lệnh ls revsa c ar(1) ma(2) thu được kết quả hồi quy như ở bảng 10.
Bảng 10. Kết quả ước lượng mơ hình ARIMA (1,1,2) – mơ hình nhân
Biến

Hệ số

Sai số chuẩn

Thống kê t

P-value

c

9381776

733669

12,78748

0,0000

AR(1)

0,536365


0,134465

3,988882

0,0002

MA(2)

0,359370

0,163916

2,192405

0,0333

Inverted AR Roots

0,54

Inverted MA Roots

-0,00 + 0,60i

-0,00 - 0,60i
Nguồn: Nhóm tác giả thực hiện trên Eviews

Từ bảng 10, thấy AR(1) có P-value = 0,0002 < α = 0,05, MA(2) có P-value =
0,0333 < α = 0,05, độ trễ có ý nghĩa thống kê. Tiếp đến, hai chỉ số Inverted AR Roots
và Inverted MA Roots đều nằm trong khoảng (-1; 1). Mơ hình ổn định và khả nghịch.



Kiểm định nhiễu trắng
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Correlation

– Q-Statistics. Trên cửa sổ Lag Specification chọn độ trễ 12 thu được kết quả sau:
Bảng 11. Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mơ hình
ARIMA (1,1,2) – mơ hình nhân
Độ trễ

Độ trễ

P-value

P-value

3

0,286

8

0,892

4

0,530

9


0,888

5

0,736

10

0,715

6

0,729

11

0,772

7

0,840

12

0,780

Nguồn: Nhóm tác giả thực hiện trên Eviews
19

LUAN VAN CHAT LUONG download : add



Tất cả các giá trị P-value của các độ trễ đều lớn hơn mức ý nghĩa α = 0,05. Mơ
hình vượt qua kiểm định nhiễu trắng (khơng có tự tương quan ở 12 độ trễ liên tiếp).


Kiểm định phân phối chuẩn của nhiễu:
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Histogram –

Normality Test. Theo kết quả kiểm định thấy P-value (Probability) = 0,290601 >
α = 0,05. Mơ hình có nhiễu phân phối chuẩn tại mức ý nghĩa α = 0,05.


Kiểm định phương sai sai số thay đổi:
Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/

Heteroskedasticity Tests. Trên cửa sổ Heteroskedasticity Tests chọn ARCH. Theo kết
quả kiểm định thấy P-value (Probability) = 0,7444 > α = 0,05. Mô hình khơng có
phương sai sai số thay đổi tại mức ý nghĩa α = 0,05.
Dự báo cho chuỗi hiệu chỉnh revsm: Trên cửa sổ ước lượng chọn Forecast. Trên
cửa sổ Forecast, phần Forecast Sample chọn mẫu 2012q2 2013q2. Theo kết quả dự
báo trong mẫu ta thấy: sai số dự báo Mean Abs. Percent Error = 4,274124 < 5, tức là
có thể sử dụng mơ hình này để dự báo ngồi mẫu.
Tiếp tục gõ lệnh ls revsa c ar(1) ma(3) trên cửa sổ Command thu được kết quả
hồi quy như ở bảng 12.
Bảng 12. Kết quả ước lượng mơ hình ARIMA (1,1,3) – mơ hình nhân
Biến

Hệ số


Sai số chuẩn

Thống kê t

P-value

c

9321980

763555,8

12,20864

0,0000

AR(1)

0,644169

0,118181

5,450696

0,0000

MA(3)

0,076865


0,177081

0,434067

0,6662

Nguồn: Nhóm tác giả thực hiện trên Eviews
Từ bảng 12, thấy MA(3) có P-value = 0,6662 > α = 0,05, độ trễ khơng có ý
nghĩa thống kê.
Bước 4: Dự báo ngồi mẫu
Mở lại cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2019q4 2021q4,
thu được chuỗi dự báo revsmfa.
Lấy chuỗi revsmfa nhân với chỉ số mùa vụ sm sẽ được chuỗi dự báo revmfa:
trên cửa sổ Command gõ lệnh genr revmfa=revsmfa * sm. Tiếp tục gõ lệnh line
revmfa rev thu được hình 8.
20

LUAN VAN CHAT LUONG download : add