Sử dụng mô hình Box – Jenkins trong dự báo bán hàng tại các doanh nghiệp thương mại nhà nước

Chia sẻ: Liễu Yêu Yêu | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

18
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu "Sử dụng mô hình Box – Jenkins trong dự báo bán hàng tại các doanh nghiệp thương mại nhà nước" lựa chọn mô hình BoxJenkins cho dự báo bán hàng tại doanh nghiệp thương mại nhà nước và chứng minh sự hợp lý của nó. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Sử dụng mô hình Box – Jenkins trong dự báo bán hàng tại các doanh nghiệp thương mại nhà nước

SỬ DỤNG MÔ HÌNH BOX – JENKINS TRONG DỰ BÁO BÁN HÀNG TẠI CÁC DOANH NGHIỆP THƯƠNG MẠI NHÀ NƯỚC TS. Phan Thanh Tùng ThS. Mai Hải An Bộ môn Toán, Đại học Thương mại Tóm tắt Ngày nay dự báo có cơ sở khoa học và thực tiễn đã trở thành một nhu cầu bức thiết ở mọi cấp độ mỗi dịp năm mới, giai đoạn mới hay chu kỳ mới. Tại các doanh nghiệp thương mại (DNTM) dự báo bán hàng (DBBH) được coi là “tư duy” kiến tạo nên thị trường và hiệu quả kinh doanh. Nghiên cứu tình hình thực tế tại các DNTM nhà nước hiện nay nhận thấy, một trong những điểm yếu lớn nhất trong công tác kế hoạch là dự báo và một trong những nguyên nhân cốt lõi của điểm yếu này là hạn chế của việc sử dụng các mô hình dự báo. Trong phạm vi bài viết này các tác giả lựa chọn mô hình Box- Jenkins cho DBBH tại DNTM nhà nước và chứng minh sự hợp lý của nó. Từ khóa: Dự báo bán hàng; Mô hình Box-Jenkins; Doanh nghiệp thương mại nhà nước. 1. Giới thiệu mô hình Box-Jenkins trong dự báo bán hàng Trên cơ sở các nguyên tắc cần phải tuân thủ trong DBBH là liên hệ biện chứng, kế thừa lịch sử, tính đặc thù về bản chất của đối tượng dự báo và tính tương tự của các đối tượng dự báo Bên cạnh phương pháp chuyên gia DBBH với cấp độ và đối tượng dự báo hẹp để làm tăng cơ sở khoa học cho sự thuyết phục có thể sử dụng các mô hình dự báo. Với đặc điểm chuỗi số liệu phản ánh kết quả DBBH có tính lặp theo thời gian thì phương pháp dự báo sử dụng phương pháp Box-Jenkins cho mô hình trung bình trượt đồng liên kết tự hồi quy ARIMA (Autoregressive Intergrated Moving Avera) được xác định là phù hợp. 1.1. Đặc điểm của mô hình Phương pháp phân tích chuỗi thời gian Box-Jenkins với đặc điểm không dựa trên một hay nhiều phương trình mà dựa trên phân tích tính chất ngẫu nhiên của một chuỗi thời gian có thể giải thích bằng hành vi hiện tại Yt, trong quá khứ Yt-1, Yt-2,.., Yt-p,.. các trễ và yếu tố ngẫu nhiên ut – nhiễu trắng. Quá trình ARIMA được xây dựng và tổng hợp từ các quá trình sau: - Quá trình tự hồi quy AR: Quá trình tự hồi quy bậc p - AR(p) có dạng: Yt   0  .1 Yt -1  . 2 Yt -2  ....   p Yt - p  u t Điều kiện để quá trình AR(p) dừng  1  i  1, i  1,2... - Quá trình trung bình trượt MA: Quá trình trung bình trượt MA(q) có dạng: Yt  u t  .1 u t -1   2 u t - 2  ....   q u t -q Điều kiện để quá trình MA(q) dừng  1   i  1, i  1,2... - Quá trình trung bình trượt tự hồi quy ARMA(p,q): 133
Yt    1 Yt -1  . 2 Yt -2  ....   p Yt -p   0 u t  .1 u t -1   2 u t - 2  ....   q u t -q - Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA(p,d,q): Chuỗi được gọi là đồng liên kết bậc d nếu sai phân bậc d, ΔdYt := I(d) là chuỗi dừng. Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA(p,d,q) có dạng: d Yt    1 d Yt -1  . 2 d Yt - 2  ....   p d Yt - p   0 u t  .1 u t -1   2 u t -2  ....   q u t -q 1.2. Quy trình sử dụng mô hình - Bước 1: Định dạng mô hình; Tìm các giá trị d, p và q. - Bước 2: Ước lượng mô hình. - Bước 3: Kiểm định giả thuyết. Chủ yếu kiểm định tính dừng của các phần dư để lựa chọn mô hình phù hợp với số liệu đã có. - Bước 4: Dự báo kết quả. 1.3. Điều kiện áp dụng mô hình Mô hình Box-Jenkins được sử dụng tại các DNTM nếu phân tích đặc điểm chuỗi số liệu theo chuỗi số liệu theo thời gian có cấu trúc gồm bốn thành phần chính: - Thành phần xu thế (Trend component) - T: Đa số chuỗi thời gian thể hiện khuynh hướng tăng hoặc giảm khá rõ ràng theo thời gian; - Yếu tố mùa (Seasonality)- S: Chuỗi thời gian hoặc một phần nào đó của chuỗi được lặp đi lặp lại từ năm này sang năm khác, phần này được gọi là yếu tố mùa hay yếu tố thời vụ. Trong thực tế doanh số bán hàng thường có yếu tố này. Khi loại bỏ sự thay đổi theo mùa được gọi là hiệu chỉnh yếu tố mùa; - Yếu tố có tính chất chu kỳ (Cyclical) - C: Nhiều chuỗi thời gian trong kinh tế và kinh doanh xuất hiện yếu tố chu kỳ và nó bắt đầu từ các chu kỳ kinh doanh; - Thành phần bất quy tắc (Irreegular) - I: Yếu tố này là sự kết hợp của vô số các nhân tố ảnh hưởng đến hành vi của chuỗi, đó là các yếu tố ngẫu nhiên trong mô hình hồi quy. 2. Tình hình sử dụng mô hình trong DBBH tại DNTM nhà nước 2.1. Giới thiệu mẫu nghiên cứu thực tế Công ty siêu thị Hà Nội (Hapromart) là đơn vị thành viên của Hapro ra đời năm 2006 đã đánh dấu một bước tiến mới, góp phần đổi mới và phát triển hệ thống thương mại Thủ đô văn minh, hiện đại. Sau hơn 4 năm hoạt động và phát triển, đến nay tổng số siêu thị và cửa hàng thuộc chuỗi Hapromart đã lên tới trên 50 điểm kinh doanh. Hapromart mang trong mình những đặc điểm nổi bật của một DNTM nhà nước. Với mục đích đánh giá thực trạng sử dụng mô hình DBBH tại các DNTM nhà nước trên cơ sở các số liệu từ nguồn thứ cấp và sơ cấp được phân tích từ kết quả khảo sát được thực hiện năm 2011 đối với đội ngũ lãnh đạo công ty của tác giả và các cộng sự tại 30/48 điểm kinh doanh của hệ thống Hapromart (có 50 phiếu phát ra; thu về: 45 phiếu) về phương pháp DBBH mà công ty đang áp dụng, kết quả dự báo từ phương pháp đó. 2.2. Kết quả nghiên cứu thực tế 134
Phương pháp dự báo bán hàng được Hapromart sử dụng theo ý kiến từ kết quả điều tra: Đối với phương pháp chuyên gia với kết quả khảo sát có tới 94,5% ý kiến lựa chọn, chỉ có 4% cho sự lựa chọn đối với phương pháp chuyên gia và phương pháp kết hợp và nhỏ bé hơn nữa là 1,5% dành cho sự lựa chọn phương pháp sử dụng mô hình dự báo (sự lựa chọn lại dành cho một mô hình có tên gọi rất khái quát đó là mô hình kinh tế lượng). Đối với phương pháp sử dụng các mô hình trong dự báo, kết quả cho thấy còn hoàn toàn xa lạ đối với công ty, khi hỏi về một số mô hình dự báo được sử dụng phổ biến và phù hợp với doanh nghiệp thương mại, ban giám đốc công ty – những người trực tiếp thực hiện dự báo còn khá bất ngờ bởi «chưa bao giờ nghe thấy» hoặc «chưa bao giờ tiếp cận» vì quá cầu kỳ, phức tạp. Nhận định này hoàn toàn thống nhất với thông tin từ ban giám đốc của Tổng công ty về phương pháp dự báo được công ty sử dụng, hết sức đơn giản có thể gọi là phương pháp thống kê kinh nghiệm theo kiểu «áng chừng». Chỉ tiêu doanh số được xác định như sau: Số cửa DS bq DS bq hàng DS của một Số siêu của một Tỉ lệ tăng tiện năm siêu thị thị năm cửa hàng trưởng = x + x ích x kế năm kế tiện ích mong năm hoạch thực hoạch năm thực muốn kế hiện hiện hoạch Điều đó cho thấy, phương pháp DBBH tại Hapromart còn hết sức đơn giản; chưa phù hợp với cơ chế thị trường, còn mang tính chủ quan, áp đặt và chưa ứng dụng mô hình dự báo. Hệ lụy tất yếu của những hạn chế trên là tính tính thiếu thức tế của các chỉ tiêu dự báo… Nhóm nghiên cứu hết sức bất ngờ về những con số đánh giá mức độ sai số trong DBBH tư kết quả điều tra có tới 28% ý kiến lựa chọn sai số trong dự báo ngắn hạn lên tới 5%, 41% ý kiến lựa chọn sai số lên đến 7% và sai số đến trên 10% là gần 31% (trong khi đó ở góc độ lý thuyết sai số trong dự báo ngắn hạn được cho phép là dưới 3%). Theo dõi và so sánh chỉ tiêu dự báo về doanh số của Hapromart trong những năm gần đây càng thấy nhận xét nêu trên có đầy đủ cơ sở thực tế vì sự khác biệt quá lớn giữa doanh thu thực hiện và doanh thu dự báo (xem hình 2.2). 135
Hình 2.2: So sánh doanh số dự báo và doanh số thực hiện tại Hapromart 2500000 2000000 1500000 Doanh số dự báo 1000000 Doanh số thực hiện 500000 0 Năm 2007 Năm 2008 Năm 2009 Năm 2010 Nguồn: [] và tính toán của nhóm nghiên cứu 3. Ứng dụng mô hình DBBH tại Hapromart 3.1. Đặc điểm của chuỗi số liệu theo quý của Hapromart Bảng 3.1: Số liệu về doanh số Y theo quý của Hapro (đơn vị: triệu VNĐ): STT Quý Yt STT Quý Yt 1 2007:1 172581.570 9 2009:1 231049.700 2 2007:2 198879.710 10 2009:2 248903.600 3 2007:3 195592.450 11 2009:3 257305.400 4 2007:4 254763.270 12 2009:4 312967.300 5 2008:1 220611.070 13 2010:1 262154.750 6 2008:2 251394.000 14 2010:2 285031.460 7 2008:3 256524.500 15 2010:3 308279.145 8 2008:4 297568.400 16 2010:4 381113.648 Nguồn: Báo cáo thường niên Hapro 2006 – 2010 và tính toán của nhóm nghiên cứu Bộ số liệu về doanh số Y theo quý của Hapromart cho phép nhận dạng các đặc điểm: Doanh số theo quý có xu thế tăng; Có yếu tố theo mùa; Có yếu tố chu kỳ kinh doanh. Đây là những điều kiện cần có của chuỗi số liệu để áp dụng mô hình Box-Jenkins cho mô hình trung bình trượt đồng liên kết tự hồi quy ARIMA. 3.2. Quy trình dự báo bằng mô hình Box-Jenkins Bước 1: Nhận dạng chuỗi số liệu theo quý của Hapro; Xác định p,d,q * Xác định d: 136
80000 60000 40000 20000 0 -20000 -40000 -60000 -80000 2007 2008 2009 2010 D(Y) Hình 3.1: Đồ thị sai phân bậc nhất của doanh số bán hàng của Hapromart Từ đồ thị sai phân bậc nhất (hình 3.1) ta nhận thấy chuỗi sai phân bậc nhất D(Y) của doanh số bán hàng có tính dừng. ADF Test Statistic -1.796426 1% Critical Value* -2.7760 5% Critical Value -1.9699 10% Critical Value -1.6295 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,2) Method: Least Squares Sample(adjusted): 2007:4 2010:4 Variable Coefficient Std. Error t-Statistic Prob. D(Y(-1)) -1.137297 0.633089 -1.796426 0.0999 D(Y(-1),2) -0.187500 0.363140 -0.516329 0.6158 R-squared 0.652711 Durbin-Watson stat 1.475447 Bảng 3.2: Kết quả kiểm tra tính dừng của chuỗi sai phân bậc nhất D(Y): Ta nhận thấy P_value tương ứng 0,0999 và 0.6158 > α=0.05. Do đó chuỗi D(Y) la chuỗi dừng. Khi đó ta có d = 1. 137
* Xác định p và q: Kiểm tra lược đồ tương quan của D(Y): Hình 3.2: Đồ thị tương quan của chuỗi sai phân D(Y). Từ đồ thị trên ta nhận thấy p=4, q = 0. Dependent Variable: D(Y) Method: Least Squares Included observations: 11 after adjusting endpoints Convergence achieved after 3 iterations Variable Coefficient Std. Error t-Statistic Prob. AR(4) 1.029319 0.128500 8.010239 0.0000 R-squared 0.846783 Mean dependent var 14591.14 Log likelihood -121.7209 Durbin-Watson stat 0.742851 Bảng 3.3: Kết quả kiểm tra tính tự hồi quy bậc 4 của chuỗi sai phân bậc nhất D(Y) Hồi quy mô hình D(Y) theo D(Y(-4)) không có hệ số chặn. Từ bảng kết quả 3.3 ta nhận P-value = 0.000< α=5%. Do đó chuỗi số liệu D(Y) gặp phải AR(4) Kết luận: Chuỗi số liệu doanh số bán theo quý của Hapro từ Quý 1:2007 đến Quý 4:2010 là chuỗi ARIMA(4, 1,0). Bước 2: Xây dựng mô hình dự báo 138
Từ chuỗi số liệu doanh số bán hàng theo quý của Hapro là chuỗi ARIMA(4,1,0).  Ký hiệu: Yt , Y t giá trị và giá trị ước lượng của Y tại thời điểm t và DYt: giá trị sai phân cấp 1 của Y tại thời điểm t. Mô hình đề xuất: DYt = β1+ β2*DYt-4 Kết quả dự báo nhận được: Dependent Variable: DY Method: Least Squares Sample(adjusted): 2008:2 2010:4 Included observations: 11 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 1638.820 5445.751 0.300936 0.7703 DY(-4) 1.014886 0.143054 7.094445 0.0001 R-squared 0.848309 F-statistic 50.33115 Durbin-Watson stat 0.738238 Prob(F-statistic) 0.000057 Bảng 3.4: Kết quả mô hình dự báo Ta có mô hình dự báo: DYt  1638.82  .1.014886 DYt -4  u t Yt  1638.82  Yt 1  1.014886Yt -4  1.014886Yt -5  u t Từ bảng kết quả ta thấy mô hình có sự phù hợp R2 = 0.848309 cao, điều này chứng tỏ mô hình xây dựng là hợp lý, đồng thời thời điểm hiện tại Yt được giải thích đến 84.8309% bởi các thời điểm quá khứ Yt-1 ,Yt-4 ,Yt-5 Bước 3: Kiểm tra tính dừng của các phần dư et * Kiểm tra tính nhiễu trắng của các phần dư et ADF Test Statistic -1.214377 1% Critical Value* -4.3260 5% Critical Value -3.2195 10% Critical Value -2.7557 Augmented Dickey-Fuller Test Equation Dependent Variable: D(ET) Method: Least Squares Included observations: 10 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. ET(-1) -0.354203 0.291675 -1.214377 0.2592 C 704.2021 4508.933 0.156179 0.8798 R-squared 0.155647 Mean dependent var 1225.062 Bảng 3.5: Kết quả hồi quy của các phần dư et của mô hình dự báo 139
Từ bảng kết quả hồi quy (bảng 3.5) trên ta thấy et là nhiễu trắng. Như vậy, mô hình : Yt  1638.82  Yt 1  1.014886Yt -4  1.014886Yt -5  u t có tính phù hợp cao, đảm bảo tính chính xác cao và đáp ứng được đầy đủ các điều kiện của mô hình dự báo. Bước 4: Kết quả dự báo về doanh số bán hàng của Hapro năm 2011 Quý 1:2011 Y1:2011  1638.82  Y4:2010  1.014886 * Y1:2010  1.014886 * Y4:2009 = 1638.82 + 381113.648+1.014886*262154.75 – 1.014886*312967.3 = 331183.5224 (trđ) Quý 2:2011 Y2:2011  1638.82  Y1:2011  1.014886 * Y2:2010  1.014886 * Y1:2010 = 1638.82 + 331183.5224 +1.014886*285031.46 - 1.014886*262154.75=356039.5951 (trđ) Quý 3:2011 Y3:2011  1638.82  Y2:2011  1.014886 * Y3:2010  1.014886 * Y2:2010 =1638.82 + 356039.5951 + 1.014886*308279.145 - 1.014886*285031.4=381272.1651 (trđ) Quý 4:2011 Y4:2011  1638.82  Y3:2011  1.014886 * Y4:2010  1.014886 * Y3:2010 = 1638.82 + 381272.1651 + 1.014886*381113.648- 1.014886*308279.145 =456829.7025 (trđ) Tổng doanh số dự báo của năm 2011 là: 1525324.985 (trđ) Kết luận, so sánh doanh số dự báo từ mô hình Box-Jenkins 1525324.985 (trđ) với kết quả dự báo theo kiểu thống kê kinh nghiệm hiện Hapromart đang sử dụng là 2600.000 (trđ) cho thấy một sự khác biệt rất lớn về giá trị. Đặc biệt khi đặt những con số này bên cạnh kết quả thực hiện doanh số năm 2011 là 1494.898 (trđ) thì khoảng cách về tính chính xác từ kết quả DBBH càng rõ nét (với kết quả của Box-Jenkins sai số DBBH là xấp xỉ 2% nằm trong giới hạn cho phép đối với dự báo ngắn hạn). Lợi ích từ việc sử dụng mô hình Box-Jenkins trong DBBH là rất lớn, song đòi hỏi DNTM nhà nước cần có bộ số liệu chuẩn, sát với kết quả kinh doanh thực tế và nhân lực có khả năng vận hành được mô hình. Tài liệu tham khảo: [1] Mai Hải An, (2016), “Xây dựng các mô hình nghiên cứu thu nhập của các CEO bằng Panel Data”, Tạp chí Công thương: Các kết quả nghiên cứu và Ứng dụng khoa học công nghệ, 2016, số 5. [2] Nguyen Quang Dong, (2006), “ Giáo Trình Kinh Tế Lượng ”, NXB thống kê. [3]s. Damodar N. Gujarati. “Basic Econometrics”, McGRAW-HILL International Edition. 140