Bài giảng Khoa học quản lý ứng dụng: Chương 9 - ThS. Huỳnh Đỗ Bảo Châu

Chia sẻ: đinh Thị Tú Oanh | Ngày: | Loại File: PDF | Số trang:17

0
5
lượt xem
1
download

Bài giảng Khoa học quản lý ứng dụng: Chương 9 - ThS. Huỳnh Đỗ Bảo Châu

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Khoa học quản lý ứng dụng: Chương 9 trình bày về Dự báo. Nội dung cụ thể của chương này gồm có: Các thành phần trong dự báo, phương pháp Chuỗi thời gian, độ chính xác của dự báo, phương pháp Hồi quy. Mời các bạn cùng tham khảo!

Chủ đề:
Lưu

Nội dung Text: Bài giảng Khoa học quản lý ứng dụng: Chương 9 - ThS. Huỳnh Đỗ Bảo Châu

2/12/2017<br /> <br /> Nội dung chính<br /> <br /> TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP<br /> .HCM<br /> KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ<br /> <br /> KHOA HỌC QUẢN LÝ ỨNG DỤNG<br /> <br /> 1. Các<br /> <br /> thành phần trong dự báo<br /> 2. Phương pháp Chuỗi thời gian<br /> 3. Độ chính xác của dự báo<br /> 4. Phương pháp Hồi quy<br /> <br /> CHƯƠNG 9<br /> DỰ BÁO<br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> 1<br /> <br /> 2<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Giới thiệu<br /> Dự báo là dự đoán về những gì sẽ xảy ra trong tương lai<br /> <br /> <br /> <br /> <br /> <br /> VD: Dự báo thời tiết, dự báo doanh thu, dự báo nhu cầu thị<br /> trường, dự báo tỷ lệ tuyển sinh, …<br /> <br /> Các cách dự báo thông thường được nhà quản lý sử<br /> dụng: phán đoán của cá nhân, lấy ý kiến, kinh nghiệm<br /> trong quá khứ<br /> Các phương pháp dự báo bằng mô hình toán học được<br /> sử dụng như: phân tích chuỗi thời gian, hồi quy, …<br /> <br /> <br /> <br /> <br /> <br /> 3<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 1. Các thành phần trong dự báo<br /> <br /> 4<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 1<br /> <br /> 2/12/2017<br /> <br /> Khung thời gian (time frame)<br /> <br /> Các thành phần<br /> Khả năng ứng dụng của các phương pháp dự báo<br /> phụ thuộc vào:<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Khung thời gian (time frame) của quá trình dự báo.<br /> Sự tồn tại của mô hình (existence of patterns).<br /> Số lượng các biến liên quan (number of variables) đến<br /> quá trình dự báo.<br /> <br /> Dự báo ngắn hạn (Short-range forecasts):<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Dự báo trung hạn (Medium-range forecast):<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Mô hình (patterns)<br /> <br /> <br /> <br /> 6<br /> <br /> <br /> <br /> Vd: Nhu cầu về laptop cho thấy xu hướng tăng lên trong<br /> suốt thập kỷ qua, không có bất kỳ chuyển dịch giảm dài<br /> nào trên thị trường.<br /> <br /> 7<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Chu kỳ (cycle) là sự dịch chuyển nhấp nhô, lên xuống,<br /> lặp đi lặp lại trong một khoảng thời gian dài của nhu<br /> cầu (khoảng hơn 1 năm)<br /> <br /> <br /> <br /> <br /> <br /> Xu hướng là mô hình đơn giản nhất để phát hiện hành<br /> vi nhu cầu.<br /> Xem xét xu hướng thường là điểm khởi đầu cho quá<br /> trình dự báo.<br /> <br /> <br /> <br /> Trong khoảng thời gian từ dài hơn 1 đến 2 năm.<br /> Thường liên quan đến kế hoạch sản phẩm mới cho thị trường thay<br /> đổi, xây dựng cơ sở mới, hoặc bảo đảm tài chính dài hạn.<br /> <br /> Mô hình (patterns)<br /> <br /> Xu hướng (trend) là một chuyển động lâu dài của sản<br /> phẩm, đối tượng đang được dự báo.<br /> <br /> <br /> <br /> Từ 1 hoặc 2 tháng đến 1 năm,<br /> Thường liên quan chặt chẽ hơn với lập kế hoạch sản xuất hàng năm,<br /> phản ánh các mặt hàng tăng giảm và nhu cầu bảo đảm nguồn lực bổ<br /> sung cho năm sắp tới.<br /> <br /> Dự báo dài hạn (Long-range forecasts ):<br /> <br /> <br /> <br /> 5<br /> <br /> Diễn ra gần như ngay lập tức trong tương lai,<br /> Thường liên quan đến hoạt động kinh doanh hằng ngày của công ty.<br /> Dự báo không vượt quá 1-2 tháng trong tương lai.<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 8<br /> <br /> Vd: Nhu cầu về thiết bị thể thao mùa đông tăng lên mỗi 4<br /> năm, trước và sau khi tổ chức Thế vận hội mùa đông (4<br /> năm 1 lần)<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 2<br /> <br /> 2/12/2017<br /> <br /> Mô hình (patterns)<br /> <br /> Mô hình (patterns)<br /> <br /> Mô hình theo mùa (seasonal pattern) là sự dịch<br /> chuyển dao động nhu cầu mà xảy ra theo định kỳ<br /> (trong ngắn hạn) và lặp đi lặp lại.<br /> Mô hình này thường có liên quan đến thời tiết.<br /> Mô hình theo mùa cũng có thể xảy ra trên cơ sở hàng<br /> ngày hoặc hàng tuần<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Vd: Nhà hàng thì bận rộn vào buổi trưa, Trung tâm mua<br /> sắm thì đông vào cuối tuần, Quần áo ấm bán chạy vào các<br /> tháng cuối năm, ….<br /> <br /> 9<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Các phương pháp dự báo<br /> <br /> <br /> <br /> <br /> <br /> Chuỗi thời gian là một kỹ thuật thống kê sử dụng dữ<br /> liệu lịch sử để dự đoán hành vi trong tương lai.<br /> Hồi quy (Regression) là phương pháp thử phát triển<br /> một mối quan hệ toán học (trong hình thức của một<br /> mô hình hồi quy) giữa các các yếu tố là dự báo và các<br /> yếu tố gây ra nó.<br /> Phương pháp định tính sử dụng bản theo dõi quản lý,<br /> chuyên môn, và ý kiến để đưa ra dự báo.<br /> <br /> 11<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 10<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Các phương pháp dự báo (tt)<br /> <br /> <br /> Phương pháp Delphi là kỹ thuật thông tin liên lạc có<br /> cấu trúc, có nguồn gốc từ phương pháp dự đoán đối<br /> xứng và dự báo tương tác dựa trên bảng trả lời câu hỏi<br /> của các chuyên gia.<br /> <br /> <br /> <br /> <br /> 12<br /> <br /> Phương pháp Delphi được phát triển tại Tổng công ty RAND<br /> ngay sau Thế Chiến II để dự báo tác động của một cuộc tấn<br /> công hạt nhân giả vào Hoa Kỳ.<br /> Mặc dù phương pháp Delphi đã được sử dụng cho một loạt<br /> các ứng dụng, dự báo là một trong những công dụng chính<br /> của nó.<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 3<br /> <br /> 2/12/2017<br /> <br /> Giới thiệu<br /> <br /> <br /> <br /> <br /> 2. Phương pháp Chuỗi thời gian<br /> <br /> <br /> <br /> <br /> <br /> 13<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 14<br /> <br /> Moving Average (MA)<br /> <br /> <br /> <br /> <br /> <br /> <br /> <br /> Phương pháp dịch chuyển trung bình hiệu quả khi nhu cầu ổn<br /> định không có hành vi mẫu rõ rệt.<br /> Sử dụng một số giá trị trong thời gian lịch sử để phát triển kết<br /> quả dự báo.<br /> Kết quả tạo ra đường trung bình giản đơn của chuỗi dữ liệu.<br /> Đường trung bình giản đơn đặc biệt hữu ích cho việc dự báo các<br /> chỉ tiêu tương đối ổn định và không hiển thị hành vi rõ ràng.<br /> 15<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Ví dụ minh họa<br /> <br /> <br /> <br /> <br /> Phương pháp chuỗi thời gian là kỹ thuật thống kê sử dụng<br /> các dữ liệu lịch sử tích lũy trong một khoảng thời gian.<br /> Phương pháp chuỗi thời gian giả định rằng những gì đã xảy<br /> ra trong quá khứ sẽ tiếp tục xảy ra trong tương lai.<br /> Phương pháp dự báo chỉ liên quan đến có yếu tố thời gian.<br /> Phương pháp chuỗi thời gian có xu hướng hữu ích nhất cho<br /> dự báo ngắn hạn, đôi khi vẫn có thể được sử dụng để dự<br /> báo trung dài hạn.<br /> Hai loại phương pháp chuỗi thời gian: làm mịn theo cấp số<br /> nhân (exponential smoothing) và trung bình dịch chuyển<br /> (moving average).<br /> <br /> Công ty có bảng theo<br /> dõi lượng đơn đặt<br /> hàng trong lịch sử<br /> như sau:<br /> Người quản lý muốn<br /> dự đoán số lượng<br /> đơn đặt hàng đó sẽ<br /> xảy ra trong những<br /> tháng tới (để dự báo<br /> nhu cầu giao hàng).<br /> <br /> 16<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 4<br /> <br /> 2/12/2017<br /> <br /> Ví dụ minh họa (tt)<br /> <br /> <br /> Ví dụ minh họa (tt)<br /> <br /> Lượng đơn hàng của tháng 11:<br /> <br /> <br /> <br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 18<br /> <br /> Trung bình di chuyển thời gian dài phản ứng chậm hơn<br /> với những thay đổi nhu cầu gần, và làm ngắn thời gian<br /> di chuyển trung bình.<br /> <br /> <br /> <br /> <br /> <br /> <br /> 19<br /> <br /> GV. ThS. Huỳnh Đỗ Bảo Châu<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Dịch chuyển bình quân gia quyền<br /> Weighted Moving Average<br /> <br /> Ví dụ minh họa (tt)<br /> <br /> <br /> Dự báo các tháng trước cho phép so sánh các dự báo<br /> với nhu cầu thực tế để xem độ chính xác phương pháp<br /> dự báo:<br /> <br /> Dự báo bằng PP trung bình MA (5 tháng):<br /> <br /> 17<br /> <br /> <br /> <br /> Dự báo bằng PP trung bình MA (3 tháng):<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> Các phương pháp trung bình dịch chuyển cần được điều<br /> chỉnh để phản ánh sát hơn nhiều biến động gần đây trên<br /> dữ liệu và các hiệu ứng theo mùa.<br /> Phương pháp điều chỉnh này được gọi là phương pháp di<br /> chuyển bình quân gia quyền.<br /> Các trọng số được gán cho các dữ liệu gần đây nhất theo<br /> công thức sau đây:<br /> <br /> 20<br /> <br /> GV. Huỳnh Đỗ Bảo Châu<br /> <br /> 5<br /> <br />

CÓ THỂ BẠN MUỐN DOWNLOAD

Đồng bộ tài khoản