ĐẠI HỌC QUỐC GIA TPHCM

TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

BÀI TẬP DỰ
BÁO KINH TẾ
GVHD: TS. PHẠM VĂN CHỮNG

THÀNH VIÊN
1. Nguyễn Như Cẩm Tiên K174020147
2. Nguyễn Huỳnh Lâm K174020185
3. Xa Thị Tú Uyên K174020202
4. Đào Bích Vân K174020203

Thành phố Hồ Chí Minh, ngày 06 tháng 11 năm 2019

DATA Y

DỮ LIỆU NGÀY: DOANH THU QUÁN PIZZA

1. Dự báo thô RSS1=438.124.236

GENR YDB1=Y(-1)
GENR SS1=Y-YDB1
GENR SUMSS1=@SUM(SS1^2)
2. Dự báo xu thế RSS2=1.398.904.533
 GENR YDB2=2*Y(-1)-Y(-2)
GENR SS2=Y-YDB2
GENR SUMSS2=@SUM(SS2^2)
3. Dự báo thô mùa RSS3=457.627.360

GENR YDB3=Y(-7)

GENR SS3=Y-YDB3

GENR SUMSS3=@SUM(SS3^2)
4.Dự báo trượt (k=2) RSS4=109.531.059

GENR YDB4=@MAV(Y,2)
GENR SS4=Y-YDB4
GENR SUMSS4=@SUM(SS4^2)
K=3 RSS5=126.000.000

GENR YDB5=@MAV(Y,3)
GENR SS5=Y-YDB5
GENR SUMSS5=@SUM(SS5^2)
K=4 RSS6=151.000.000

GENR YDB6=@MAV(Y,4)
GENR SS6=Y-YDB6
GENR SUMSS6=@SUM(SS6^2)
K=5 RSS7= 169.000.000

GENR YDB7=@MAV(Y,5)
GENR SS7=Y-YDB7
 GENR SUMSS7=@SUM(SS7^2)
K=6 RSS8= 187.000.000

GENR YDB8=@MAV(Y,6)
GENR SS8=Y-YDB8
GENR SUMSS8=@SUM(SS8^2)
4. Xu thế mùa vụ nhân RSS9=199.000.000
 QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP
Y => CHỌN HOLT-WINTERS MULTIPLICATIVE SEASONAL => NHẬP
YSM1
5. San mũ giản đơn RSS10=251.000.000

QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP

Y => CHỌN SINGLE EXPONENTIAL => NHẬP YSM2
6. San mũ xu thế không mùa vụ RSS11=245.000.000
 QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP
Y => CHỌN HOLT-WINTERS NO SEASONAL => NHẬP YSM3

7. San mũ xu thế mùa vụ RSS12=205.000.000

QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP

Y => CHỌN HOLT-WINTERS ADDITIVE SEASONAL => NHẬP YSM4
GENR PTSS=ABS(Y-YDB4)/Y
GENR PTSSTB=@SUM(PTSS)/90
%SSTB=0,201794
DỮ LIỆU QUÝ : LỢI NHUẬN THUẦN CỦA VNM

1. Dự báo thô RSS1=7.933.221

GENR YDB1=Y(-1)
GENR SS1=Y-YDB1
GENR SUMSS1=@SUM(SS1^2)
2. Dự báo xu thế RSS2=19.436.681
 GENR YDB2=2*Y(-1)-Y(-2)
GENR SS2=Y-YDB2
GENR SUMSS2=@SUM(SS2^2)
3. Dự báo thô mùa RSS3=4.099.440

GENR YDB3=Y(-4)

GENR SS3=Y-YDB3

GENR SUMSS3=@SUM(SS3^2)
4. Dự báo trượt (k=2) RSS4=1.983.305,25

GENR YDB4=@MAV(Y,2)
GENR SS4=Y-YDB4
GENR SUMSS4=@SUM(SS4^2)
K=3 RSS5=3.561.381

GENR YDB5=@MAV(Y,3)
GENR SS5=Y-YDB5
GENR SUMSS5=@SUM(SS5^2)
5. Xu thế mùa vụ nhân
RSS6=1.653.025

QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP

Y => CHỌN HOLT-WINTERS MULTIPLICATIVE SEASONAL => NHẬP
YSM1
6. San mũ giản đơn
RSS7=6.140.248
 QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP
Y => CHỌN SINGLE EXPONENTIAL => NHẬP YSM2
7. San mũ xu thế không mùa vụ RSS8=4.946.445

QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP

Y => CHỌN HOLT-WINTERS NO SEASONAL => NHẬP YSM3
8. San mũ xu thế mùa vụ
RSS9=2.081.021
QUICK => SERIES STATISTIC => EXCEPTIAL SMOOTHING => NHẬP
Y => CHỌN HOLT-WINTERS ADDITIVE SEASONAL => NHẬP YSM4
GENR PTSS=ABS(Y-YSM1)/Y
GENR PTSSTB=@SUM(PTSS)/20
%SSTB=0,093047
 I. HÀM XU THẾ
1. Số liệu quý
LS Y C T
R2 = 46,6% < 70% => LOẠI
MEAN=15%

2. Bậc 2: LS Y C T T^2
R^2=56,5%<70%=>LOẠI
MEAN=13,03%

3. Bậc 3 : LS Y C T T^2 T^3

Loại vì T T^2 T^3 = 0
4.Hàm Log : LS LOG(Y) C T
MEAN=15,3%
5.Biến giả :D1 D2 D3
Genr t=@trend(2014Q1)+1
Data d1 d2 d3
Series d1=@recode(@quarter=1,1,0)
Series d2=@recode(@quarter=2,1,0)
Series d3=@recode(@quarter=3,1,0)

Bậc 1: LS C D1 D2 D3 T (#0)
R^2=75,5%
MEAN=11,3%
6. Bậc 2 : LS Y C D1 D2 D3 T T^2 (#0)
R^2=84,7%
MEAN=8,89%

7.Bậc 3 : LS Y C D1 D2 D3 T T^2 T^3 (#0)

8.LS LOG(Y) C T D1 D2 D3 (#0)
R^2=74,34%
MEAN=10,94%
  Chọn hàm bậc 2 biến giả

2. Số liệu ngày
LS Y C T
R^2=28,5%<70%=>LOẠI

Bậc 2 LS Y C T T^2 (LOẠI vì T T^2 = 0)

Bậc 3 (loại T T^2 T^3 =0)

Log
Biến giả D1 d2 d3 d4 d5 d6
Log
 DỰ BÁO BẰNG PHƯƠNG PHÁP PHÂN TÍCH
Nhập số liệu: Data Y

I. MÔ HÌNH CỘNG TÍNH

1. Tách yếu tố mùa
Proc => Seasonal Adjustment => Moving Average Methods … => Chọn Difference
from moving average - Additive

2. Ước lượng bằng hàm xu thế

Tạo biến thời gian t
Genr t = @trend(2014Q1) +1
 a. Bậc nhất: Ls ysa c t
R2 = 69,59%

Mean Abs. Percent Error =

10,99%
 b. Bậc 2 ls y c t t^2
R2=80,64%

Mean Abs. Percent Error= 8,659790

 c. Bậc 3 ls y c t t^2 t^3
R2 = 80,64%

Mean Abs. Percent Error = 8,657375

 d. Logarit bậc 1 ls log(ysa) c t
R2 = 67,53%

Mean Abs. Percent Error = 11,732

  CHỌN BẬC 3

3. Dự báo Y bằng cách kết hợp yếu tố xu thế và mùa vụ

 Quick => Generate Series => Nhập Yf = Ysaf + sn
 PTSS: genr ptss = @abs(y-yf)/y
Ptss = 0.133
 PTSSTB genr ptsstb = @sum(ptss)/20
PTSSTB = 0.09

II. MÔ HÌNH NHÂN TÍNH

1. Tách yếu tố mùa
Proc => Seasonal Adjustment => Moving Average Methods … => Chọn Ratio to
moving average – Multiplicative
 2. Ước lượng bằng hàm xu thế
Tạo biến thời gian t
Genr t = @trend(2014Q1) +1
a) Bậc nhất ls y c t
R2 = 70, 12%

Mean Abs. Percent Error = 9,8485

 b) Bậc 2 Ls y c t t^2
R2 = 80%

Mean Abs. Percent Error = 7,841338

 c) Bậc 3 Ls y c t t^2 t^3
R2 = 80%

Mean Abs. Percent Error = 7,848484

 d) Logarit ls log(ysa1) c t
R2 = 69.,44%

Mean Abs. Percent Error = 10,77

  CHỌN BẬC 2

3. Dự báo Y bằng cách kết hợp yếu tố xu thế và mùa vụ

Quick => Generate Series => Nhập Yf1 = Ysaf1 + sn1
PHÂN TÍCH CHUỖI THỜI GIAN (bộ số liệu ngày)

Bước 1: Tính trung bình trung tâm (CMA7)

Sử dụng hàm AVERAGE: C5 = AVERAGE(A2:A8)

Bước 2: Tính sự khác biệt

d = Y - CMAt
Vd: D5 = B5 – C5
Bước 3: Tính các chỉ số mùa vụ id (d là thứ 2,3,4,5,6,7 và chủ nhật)
Tạo cột E là thứ: sử dụng hàm WEEKDAY
Vd: E2=(A2,1) với 1 là chủ nhật, 2 là thứ hai, 3 là thứ ba, 4 là thứ 4, 5 là thứ 5, 6 là
thứ sáu, 7 là thứ bảy

Tính id

Dùng hàm AVERAGEIF(vùng điều kiện, điều kiện, vùng tính trung bình)
Vd: F2(i3)= AVERAGEIF($E$5:$E$88,3,$D$5:$D$88)
 Tính itb

Dùng hàm AVERAGE

G2= AVERAGE(F2:F8)

Mô hình cộng tính

Bước 4: Hiệu chỉnh sao cho tổng bằng 0

Sn = id - itb
Vd: H2(S3:thứ 3) = F2(i của thứ 3) - $G$2 (itb)
Bước 5: Tách yếu tố mùa vụ

Ysa = Y – Sn
Dùng hàm IFS
Vd: I2= IFS(E:E=3,B:B-$H$2,E:E=4,B:B-$H$3,E:E=5,B:B-$H$4,E:E=6,B:B-
$H$5,E:E=7,B:B-$H$6,E:E=1,B:B-$H$7,E:E=2,B:B-$H$8)

Bước 6: Dự báo Ysa bằng mô hình xu thế

Copy Y, Ysa, Sn về Eviews
Tạo biến t: genr t=@trend(6/18/2019)+1
 Ước lượng hàm bậc nhất: ls ysa c t
R2= 30.4901%

Mean= 37,65929
 Ước lượng hàm bậc 2: ls ysa c t t^2
R2 = 32,3980%

Mean = 36.09282
 Ước lượng hàm bậc 3: ls ysa c t t^2 t^3
R2 = 32.4258%

Mean = 35.95770
 Ước lượng log: ls log(ysa) c t
R2 = 34.0278%

Mean =33.31726
 Chọn hàm log

Bước 7: Dự báo Y bằng cách kết hợp yếu tố xu thế và yếu tố mùa
Quick => Generate Series => Nhập Yf=Ysaf+sn
Bước 8: Tính ptss và ptsstb
Genr ptss=abs(y-yf)/y

Genr ptsstb=@sum(ptss)/90
Ptsstb = 0.323878
 Mô hình nhân tính

Bước 4: Hiệu chỉnh sao tích bằng 0

Sn1 = id/itb
Vd: J2=F2/$G$2 (Sn1 của thứ 2 = i thứ 2 / i trung bình)
Bước 5: Tách yếu tố mùa vụ

Ysa1 = Y/Sn1
Dùng hàm IFS
G2=IFS(E:E=3,B:B/$H$2,E:E=4,B:B/$H$3,E:E=5,B:B/$H$4,E:E=6,B:B/
$H$5,E:E=7,B:B/$H$6,E:E=1,B:B/$H$7,E:E=2,B:B/$H$8)

Bước 6: Dự báo Ysa1 bằng mô hình xu thế

Copy Y, Ysa1, Sn1 về Eviews
Tạo biến t: genr t=@trend(6/18/2019)+1
 Ước lượng hàm bậc nhất: ls ysa1 c t

R2= 3.1015%

Mean = 130.9903

 Ước lượng hàm bậc hai: ls ysa1 c t t^2

R2= 3.1526%
Mean = 130.5975

 Ước lượng hàm bậc ba: ls ysa1 c t t^2 t^3

R2= 3.2796%
Mean = 131.6505

 Chọn hàm bậc 2

Bước 7: Dự báo Y bằng cách kết hợp yếu tố xu thế và yếu tố mùa
Quick => Generate Series => Nhập Yf1=Ysaf1+sn1
Bước 8: Tính Ptss và Ptsstb
Genr ptss=abs(y-yf1)/y

Genr ptsstb=@sum(ptss)/90
Ptsstb = 1.02114