LOGO

Chuỗi thời gian

1 VAI TRÒ QUAN TRỌNG CỦA DỰ BÁO
TRONG KINH TẾ

PHƯƠNG PHÁP PHÂN TÍCH, DỰ BÁO

2 CHUỖI THỜI GIAN
Vai trò quan trọng của dự báo
trong kinh tế
Quyết định hôm nay ảnh hưởng đến tương lai

Dự báo giúp người ra quyết định đưa ra các

phán đoán tốt nhất

Nếu không có dự báo?

 Nếu không có khoa học dự báo thì những dự
định tương lai của con người vạch ra sẽ không
có sự thuyết phục đáng kể.

 Hiện nay, khoa học dự báo đang là môn học của

một số trường đại học trên thế giới và trở thành
môt trong những tác nghiệp quan trọng ở các
đơn vị kinh doanh cũng như các bộ phận hoạch
định chiến lược.
 Phân loại dự báo

Phương pháp định tính

Phương pháp định lượng

 Phương pháp định tính

 Phương pháp định tính thường phụ thuộc rất

nhiều vào kinh nghiệm của một hay nhiều
chuyên gia trong lĩnh vực liên quan.
 Phương pháp này thường được áp dụng, kết
quả dự báo sẽ được các chuyên gia trong lĩnh
vực liên quan nhận xét, đánh giá và đưa ra
kết luận cuối cùng.
 Phương pháp định lượng
 Phương pháp định lượng sử dụng những dữ
liệu quá khứ theo thời gian
 Dựa trên dữ liệu lịch sử để phát hiện chiều
hướng vận động của đối tượng phù hợp với mô
hình toán học nào đó và đồng thời sử dụng mô
hình này để ước lượng.
 Tiếp cận định lượng dựa trên giả định rằng giá
trị tương lai của biến số dự báo sẽ phụ thuộc
vào xu thế vận động của đối tượng trong quá
khứ.
 Phương pháp dự báo theo chuỗi thời gian là
một phương pháp định lượng.
 Ví dụ
 Những dữ liệu quan sát liên tục cho một hiện tượng (vật
lý, kinh tế ...) trong một khoảng thời gian sẽ tạo nên một
chuỗi thời gian.
 Doanh số của công ty trong 20 năm gần đây
 Nhiệt độ ghi nhận tại một trạm quan trắc khí tượng
 Công suất điện năng tiêu thụ trong một nhà máy
Đó là các ví dụ điển hình cho một chuỗi thời gian. Phân
tích chuỗi thời gian có mục đích nhận dang và tập hợp
lại các yếu tố, những biến đổi theo thời gian mà nó có
ảnh hưởng đến giá trị của biến quan sát.
 Phương pháp phân tích, dự báo
chuỗi thời gian

 Là phương pháp định lượng

 Phương pháp chuỗi thời gian 1 chiều dựa trên

việc phân tích chuỗi quan sát của một biến duy
nhất theo biến số độc lập là thời gian

 Triết lý cơ bản “ Hãy để dữ liệu tự nói”

 Nội dung

TỔNG QUAN VỀ CHUỖI THỜI GIAN

1
NỘI
DUNG MỘT SỐ MÔ HÌNH CHUỖI THỜI GIAN
2

ÁP DỤNG MÔ HÌNH ARIMA DỰ BÁO

3
GIÁ GẠO
I-TỔNG QUAN VỀ CHUỖI THỜI
GIAN

1 Các khái niệm cơ bản về chuỗi thời gian

2 Chuỗi thời gian dừng

3 Phương pháp kiểm định chuỗi thời gian và

biến đổi đưa về chuỗi thời gian dừng

4 Một số mô hình đơn giản cho chuỗi thời gian

 Chuỗi thời gian

 Chuỗi thời gian là một tập các quan sát được đo theo thời gian.

 Phân loại chuỗi thời gian:

o Chuỗi rời rạc: Nếu tập quan sát là rời rạc.

o Chuỗi liên tục: Nếu tập quan sát là liên tục.
 Có thể nói phần lớn dữ liệu phụ thuộc thời gian phản ánh các hoạt động
của đời sống kinh tế - xã hội thường được đo tại các mốc thời gian cách
đều nhau nên chúng ta chỉ quan tâm đến chuỗi thời gian rời rạc ở đó các
quan sát được đo trong các khoảng thời gian như nhau với hoạt động và
phương pháp đo cố định.
 Như vậy, về mặt toán học: chuỗi thời gian là một tập giá trị các quan sát
của biến ngẫu nhiên  zt  đo được trong các khoảng thời gian như nhau

(hàng năm, quý, tháng, tuần, ngày,…) và được xếp theo thứ tự thời gian
Ví dụ: - Chuỗi giá trị tổng sản phẩm quốc nội (GDP) được đo từng quý
- Chuỗi giá trị đo lượng mưa hàng năm
- Chuỗi giá trị chỉ số chứng khoán theo ngày
- Chuỗi giá trị đo chỉ số giá tiêu dùng của Việt Nam theo từng tháng trong năm
 Đặc điểm chuỗi thời gian

 Tính thời đoạn

 Tính mùa vụ

 Tính dừng

 Tính xu thế

 Tính chu kì
 Tính thời đoạn: Tập dữ liệu được đo ở các thời điểm khác nhau. Đơn vị
phân tích là thời đoạn: hàng ngày, hàng tuần, hàng tháng, hàng năm…

 Tính mùa vụ: Thể hiện hành vi có tính chu kì của chuỗi thời gian trên cơ
sở năm lịch. Chuỗi thể hiện tính mùa vụ thông thường có xu hướng được
nhắc lại ở những khoảng thời gian theo mùa đều đặn. Những nhân tố ảnh
hưởng đến hiện tượng này như: thị hiếu khách hàng, mùa vụ, thời tiết…

Ví dụ: Chỉ số giá tiêu dùng của Việt Nam thường tăng cao vào những tháng
trước và trong tết, và giảm vào tháng ngay sau tết. Vậy chỉ số giá tiêu dùng
có tính mùa vụ.
 Tính dừng: Là chuỗi mà dữ liệu của nó được biến thiên quanh giá trị trung
bình hay ở một mức không đổi nào đó.

 Tính xu thế: Tính xu thế thể hiện sự dịch chuyển dữ liệu hoặc chiều tăng
hoặc giảm của dữ liệu trong giai đoạn dài

 Tính chu kì: Chuỗi dữ liệu thể hiện dưới dạng đồ thị hàm tuần hoàn (chẳng
hạn các hàm lượng giác: sin, cosin,…)
Chuỗi thời gian dừng
 2 câu hỏi quan trọng

(1) Bằng cách nào chúng ta xác định được một

chuỗi thời gian là dừng

(2) Nếu chúng ta xác định được một chuỗi thời

gian không dừng, thì có cách nào để có thể làm
cho chúng trở nên dừng
Hàm tự tương quan ACF
Hàm tự tương quan riêng PACF
 (1) Bằng cách nào chúng ta xác định
được một chuỗi thời gian là dừng

 Tương quan đồ là gì?

 Nhìn vào tương quan đồ có thể biết được điều

gì?
Toán tử lùi và Toán tử sai phân
(2) Nếu chúng ta xác định được một chuỗi thời
gian không dừng, thì có cách nào để có thể làm
cho chúng trở nên dừng :

+ Phương pháp sai phân

+ Phương pháp hàm biến đổi

 MỘT SỐ MÔ HÌNH CHUỖI THỜI GIAN
ĐƠN GIẢN

Quá trình nhiễu trắng

Mô hình du động ngẫu nhiên

Mô hình du động ngẫu nhiên có nhiễu

Quá trình nhiễu trắng
II-MỘT SỐ MÔ HÌNH CHUỖI THỜI
GIAN

1 Các mô hình dừng tuyến tính

2 Mô hình không dừng tuyến tính

3 Mô hình mùa vụ
 Các mô hình dừng tuyến tính

 Quá trình tự hồi quy AR(p)

 Quá trình trung bình trượt MA(q)

 Quá trình tự hồi quy trung bình trượt ARMA

Quá trình tự hồi quy AR(1)
Quá trình tự hồi quy AR(p)
Quá trình tự hồi quy AR(p)
Quá trình trung bình trượt MA(q)
Quá trình tự hồi quy trung bình trượt
ARMA(p,q)
 Tương quan đồ cho biết p, q

 Giá trị p là bậc tự hồi qui được xác định dựa trên
tự tương quan riêng PACF và là các hệ số tự
hồi quy;
 Giá trị q là bậc trung bình trượt được xác định
dựa trên tự tương quan ACF và là các hệ số
trung bình trượt.
Đặc trưng ACF và PACF trong các
mô hình tham số

ctt_ha78
 Mô hình không dừng tuyến tính

 Mô hình tự hồi quy tích hợp trung bình trượt

ARIMA(p,d,q) được tích hợp từ 3 quá trình:

+ Tự hồi quy AR(p)

+ Trung bình trượt MA(q)
+ Quá trình tích hợp hay sai phân I(d)
Mô hình tự hồi quy tích hợp trung
bình trượt ARIMA(p,d,q)
III-ÁP DỤNG MÔ HÌNH ARIMA DỰ
BÁO GIÁ GẠO(1/1990-12/1999)

1 Bước 1: Nhận dạng mô hình

2 Bước 2: Ước lượng mô hình

3 Bước 3: Kiểm định phần dư

4 Bước 4: Dự báo
 Bước 1: Nhận dạng mô hình

 Vẽ đồ thị chuỗi quan sát

 Phân tích tương quan đồ

Vẽ đồ thị chuỗi quan sát
Phân tích tương quan đồ của chuỗi
Sai phân bậc 1
 Bước 2: Ước lượng mô hình

 Mô hình ARIMA đối với chuỗi được xác định

như sau:
 Phân tích ACF của chuỗi khi sai phân bậc 1 ta nhận
được q =1
 Phân tích PACF của chuỗi khi sai phân bậc 1 ta nhận
được p =1
 Sai phân bậc 1 cho chuỗi dừng : d=1

->Ước lượng mô hình ARIMA(1,1,1)

 Bước 3: Kiểm định phần dư

 Kiểm định ACF và PACF của phần dư.

 Phần dư là nhiễu trắng?

Bước 3: Kiểm định phần dư
Kiểm định tính phân phối chuẩn của
sai số
Bước 4: Dự báo