I.

CÁC CÂU HỎI BẮT BUỘC (5 điểm)

Câu 1. Bạn hãy tìm một chuỗi dữ liệu [không có dao động mùa vụ] mà bạn quan tâm (theo tuần,
theo tháng, hoặc theo quý) với ít nhất 52 quan sát, áp dụng mô hình ARIMA phù hợp để dự báo
biến số này cho 4 quan sát tiếp theo trong tương lai [Sử dụng Eviews/SPSS/R/Stata]
Data sử dụng cho câu này là [tigiaUSDvoiVND.sav] được em thu thập trên USD VND
Dữ Liệu Lịch Sử - Investing.com – số liệu về tỉ giá USD theo tuần từ 21/3/2021-13/3/2022.
Việc đầu tiên ta cần xem xét chuỗi dự liệu dự báo có dừng hay chưa, nếu chưa dừng thì sai phân
nó, từ đây ta cũng có hệ số cho phần d. Analyze > Forecasting > Sequence Charts chọn giá trị là
tygia > OK. Ta được đồ thị sau:

Nhìn đồ thị thì chúng ta thì nó có chiều hướng đi lên, tức là không dừng, vì vậy chúng ta
cần sai phân nó. Trong biểu đồ Sequence Charts bạn chon mục Difference bằng 1 chọn OK. Ta
được đồ thị sau:
 Nhìn đồ thị thì ta thấy ngay là dãy số đã dừng: ta đây ta có d = 1
Để xác định hệ số p và q chúng ta dùng đồ thì ACF và PACF để xác định. Analyze >
Forecasting > Autocorreclation. Chọn giá trị là tygia, Difference là 1, ta được 2 đồ thị sau:

Từ đồ thị ACF chỉ có 1 cột cao qua giới hạn thôi vì vậy q = 1
 Từ đồ thị PACF không có cột nào cao qua giới hạn, nên p = 0.
Ta xác định được ARIMA (1, 1, 0)
Sau đó ta chạy dự báo mô hình: Analyze > Forecasting > Create Traditional Models (và
chọn như hình) cùng với chỉnh một số thông số ở tab Statistics, Plots, Options
Ta được kết quả dự báo cho tuần thứ 53, 54, 55, 56 như sau:

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Normalized Number of
Model Predictors squared RMSE BIC Statistics DF Sig. Outliers
Tỷ giá-Model_1 0 .041 57.359 8.253 13.142 17 .727 0

Forecast
Model 53 54 55 56
Tỷ giá-Model_1 Forecast 22858 22854 22850 22845
UCL 22974 23033 23075 23109
LCL 22743 22675 22624 22581
For each model, forecasts start after the last non-missing in the range of the requested
estimation period, and end at the last period for which non-missing values of all the
predictors are available or at the end date of the requested forecast period, whichever
is earlier.
Câu 2. Bạn hãy tìm một chuỗi dữ liệu [có dao động mùa vụ] mà bạn quan tâm (theo tháng hoặc
theo quý) trong ít nhất 6 năm, áp dụng mô hình ARIMA phù hợp để dự báo biến số này cho 4
quan sát tiếp theo trong tương lai [Sử dụng Eviews hoặc SPSS hoặc R]
Data sử dụng cho câu này là file [doanhthu_Vinamilk.sav] đã từng sử dụng trong bài tập
cá nhân lần trước và đã được bổ sung thêm doanh thu 4 quý của năm 2012 và 2017.
Việc đầu tiên ta cần xem xét chuỗi dự liệu dự báo có dừng hay chưa, nếu chưa dừng thì
sai phân nó, từ đây ta cũng có hệ số cho phần d. Analyze > Forecasting > Sequence Charts chọn
giá trị là doanhthu > OK. Ta được đồ thị sau

Nhìn đồ thị thì chúng ta thì nó có chiều hướng đi lên, tức là không dừng, vì vậy chúng ta cần sai
phân nó. Trong biểu đồ Sequence Charts bạn chon mục Difference bằng 1 chọn OK. Ta được đồ
thị sau:
 Nhìn đồ thị thì ta thấy ngay là dãy số đã dừng: ta đây ta có d = 1
Để xác định hệ số p và q chúng ta dùng đồ thì ACF và PACF để xác định. Analyze >
Forecasting > Autocorreclation. Chọn giá trị là doanhthu, Difference là 1, ta được 2 đồ thị sau:

Từ đồ thị ACF có 6 cột cao qua giới hạn. Vì vậy q = 6

Từ đồ thì PACF có 2 cột cao qua giới hạn. Nên p = 2

Ta xác định được ARIMA( 1, 6, 2)
Sau đó ta chạy dự báo mô hình: Analyze > Forecasting > Create Traditional Models. Và chỉnh 1
số thông tin cần thiết ở các tab Statistics, Plot, Options. Và phần Variables chỉnh như hình dưới
Ta được kết quả dự báo doanh thu cho 4 quý trong năm 2018 như sau:
Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Normalized Number of
Model Predictors squared RMSE BIC Statistics DF Sig. Outliers
doanhthu- 0 .766 533.345 13.785 23.577 10 .009 0
Model_1

Forecast
Model Q1 2018 Q2 2018 Q3 2018 Q4 2018
doanhthu-Model_1 Forecast 13239.57 13889.57 14403.89 13893.48
UCL 14246.10 14913.61 15422.46 14912.94
LCL 12233.05 12865.53 13385.32 12874.03
For each model, forecasts start after the last non-missing in the range of the requested
estimation period, and end at the last period for which non-missing values of all the predictors
are available or at the end date of the requested forecast period, whichever is earlier.