TỔNG QUAN VỀ DỰ BÁO
Nguyễn Văn Phong
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
1 / 14
UFM - 2015
Nội dung
1 Một số khái niệm
2 Phân loại
3 Sai số dự báo
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
1 / 14
Khái niệm về dự báo
Dự báo là tiên đoán những hiện tượng trong tương lai hay một số các giá trị (mà chúng ta không thể đo được trong quá trình điều tra)
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
2 / 14
Dự báo dựa trên kinh nghiệm, những ý kiến đánh giá của các chuyên gia hay dựa trên những mô hình toán và các quan hệ thống kê mô tả xu hướng vận động của dữ liệu
Phân loại dự báo
Theo kết quả dự báo
Dự báo điểm: Kết quả được thể hiện bằng một giá trị duy nhất. Dự báo khoảng: Kết quả được thể hiện trong một khoảng với một độ tin cậy cho trước.
Theo quy mô Vi mô Vĩ mô
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
3 / 14
Phân loại dự báo
Theo khoảng cách (kỳ) dự báo
Ngắn hạn Trung hạn Dài hạn
Theo phương pháp dự báo
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
4 / 14
Phương pháp định tính Phương pháp Delphi Phương pháp định lượng
Phương pháp định tính - Delphi
Phương pháp định tính
Được sử dụng khi dữ liệu không có sẵn, hay không đầy đủ. Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của các chuyên gia Phương pháp Delphi
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
5 / 14
Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của các chuyên gia Thiết lâp một quá trình trao đổi thông tin nhóm các chuyên gia để giải quyết một vấn đề phức tạp. Được tiến hành qua nhiều bước
Phương pháp định lượng
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
6 / 14
Được sử dụng khi dữ liệu có sẵn. Dựa vào dữ liệu điều tra và các phương pháp thống kê.
Sai số dự báo
Định nghĩa Giả sử Yt là giá trị thực tế, Ft là giá trị dự báo ứng với thời điểm t. Khi đó, sai số dự báo được xác định bởi
t = 1, 2, . . . , T . (1) et = Yt − Ft,
Sai số trung bình
T (cid:88)
t=1
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
7 / 14
ME = (2) et 1 T
Sai số dự báo
Sai số tuyệt đối trung bình
t=1
(cid:88)T MAE = (3) |et| 1 T
Sai số bình phương trung bình
t=1
(cid:88)T MSE = (4) e2 t 1 T
Căn bậc hai sai số bình phương trung bình
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
8 / 14
√ RMSE = MSE (5)
Sai số dự báo
Phần trăm sai số
(cid:19) PE = × 100 (6) (cid:18)Yt − Ft Yt
Sai số phần trăm trung bình
t=1
(cid:88)T MPE = (7) PEt 1 T
Sai số phần trăm tuyệt đối
t=1
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
9 / 14
(cid:88)T MAPE = (8) |PEt| 1 T
Hệ số Theil’s U
t=1 (FPEt+1 − APEt+1)2 t=1 (APEt+1)2
(cid:115)(cid:80)T −1 U = (9) (cid:80)T −1
Trong đó
FPE = ; APE = (10) Ft+1 − Yt Yt Yt+1 − Yt Yt
Hay
(11) U = RMSEF RMSENaive
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
10 / 14
Trong đó, RMSENaive: Là RMSE của phương pháp Naive
Một vài chú ý
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
11 / 14
MAE, MAPE, MSE, RMSE, Theil’s U : Dùng để so sánh các mô hình dự báo khác nhau trên cùng một chuỗi dữ liệu. Không so sánh hai mô hình không cùng tần suất hay mô hình có dữ liệu đã chuẩn hoá Nếu các chuỗi khác nhau về đơn vị đo lường (triệu, %), thời gian (ngày, tháng, năm), loại dữ liệu gốc và dữ liệu được chuyển hoá. Khi đó, ta chỉ dùng MAPE và Thail’s U. U càng tiến về 0 thì dự báo càng chính xác (0.55). Cụ thể, Nếu U = 1: Mô hình Naive được sử dụng; Nếu U < 1: Mô hình F được sử dụng; Nếu U > 1: Mô hình Naive được sử dụng.
Ví dụ 1
t
et
Ft
e2 t
(cid:16) Yt −Ft Yt
(cid:17) (cid:12) (cid:12) (cid:12)
(cid:12) (cid:12) (cid:12)
8.61 1.92
7.52
1 2 3 4 5 6 7 8 Tổng
Yt 138 150.25 −12.25 136 139.50 −3.5 152 157.25 −5.25 127 143.50 −16.50 13.00 151 138.00 130 127.50 2.50 119 138.25 −19.25 11.50 153 141.50 −29.75
150.06 −8.88 −2.57 12.25 −3.45 27.56 272.25 −12.99 169.00 6.25 370.56 −16.18 132.25 1140.19 −26.06
Yt −Ft Yt 8.88 2.57 3.45 12.99 8.61 1.92 16.18 7.52 62.12
|et| 12.25 3.5 5.25 16.50 13.00 2.50 19.25 11.50 83.75 MPE MAPE 142.52 −3.3% 7.8%
ME MAE MSE 10.47 37.2
U 0.55
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
12 / 14
Ví dụ 2
Mô hình 1:
Ft |et|
t 1 2 3 4 Tổng (et)2 et Yt 15 15.5 −0.5 0.5 0.25 0.0 0.00 0.0 20 20.0 0.5 0.25 0.5 19 18.5 23 27.0 −4.0 4.0 16.00 −4.0 5.0 16.50
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
13 / 14
Có MAE = 1.25 và MSE = 4.125
Ví dụ 2
Mô hình 2:
et 1.0 2.0
t 1 2 3 4 Tổng |et| (et)2 Ft Yt 1.0 1.0 15 14.0 4.0 20 18.0 2.0 4.0 19 21.0 −2.0 2.0 1.0 23 24.0 −1.0 1.0 6.0 10.0 0.0
Nguyễn Văn Phong (BMT - TK)
Forecasting
UFM - 2015
14 / 14
Có MAE = 1.5 và MSE = 2.5
