LOGO

CHƯƠNG 4

MÔ HÌNH SAN MŨ
 Nội dung

1. Phương pháp trung bình trượt

2. San mũ bất biến
3. San mũ xu thế tuyến tính Brown
4. San mũ xu thế tuyến tính Holt
5. San mũ bậc cao
6. Ưu nhược điểm của phương pháp
1. Phương pháp dự báo trung bình

(1) Phương pháp trung bình giản đơn

Gọi Yt là giá trị của đối tượng dự báo tại các thời điểm t,
khi đó giá trị dự báo thời kỳ (t+1) được xác định như sau:

Khi một quan sát mới được đưa thêm vào thì giá trị dự
báo cho giai đoạn tiếp theo là:
1. Phương pháp dự báo trung bình

Tuần Lượng nhiên Tuần Lượng nhiên Tuần Lượng nhiên

(t) liệu (Yt) (t) liệu (Yt) (t) liệu (Yt)

1 275 11 302 21 310

2 291 12 287 22 299
3 307 13 290 23 285
4 281 14 311 24 250
5 295 15 277 25 260
6 268 16 245 26 245
7 252 17 282 27 271
8 279 18 277 28 282
9 264 19 298 29 302
10 288 20 303 30 285
1. Phương pháp dự báo trung bình

(2) Phương pháp trung bình trượt giản đơn

Phương pháp này điều chỉnh sự ảnh hưởng của các
giá trị quan sát trong quá khứ khi coi giá trị trung bình
như là giá trị dự báo và xem xét cần bao nhiêu quan sát
trong quá khứ để tính giá trị dự báo.
n
_
1
Yˆt 1  Y t   Yt
m t n m1
1. Phương pháp dự báo trung bình

t Yt et t Yt et
1 275 --- --- 16 245 293,4 -48,4
2 291 --- --- 17 282 282 0,0
3 307 --- --- 18 277 281 -4,0
4 281 --- --- 19 298 278,4 19,6
5 295 --- --- 20 303 275,8 27,2
6 268 289,8 -21,8 21 310 281 29,0
7 252 288,4 -36,4 22 299 294 5,0
8 279 280,6 -1,6 23 285 297,4 -12,4
9 264 275 -11 24 250 299 -49,0
10 288 271,6 16,4 25 260 289,4 -29,4
11 302 270,2 31,8 26 245 280,8 -35,8
12 287 277 10 27 271 267,8 3,2
13 290 284 6 28 282 262,2 19,8
14 311 286,2 24,8 29 302 261,6 40,4
15 277 295,6 -18,6 30 285 272 13,0
1. Phương pháp dự báo trung bình

(3) Phương pháp trung bình trượt kép

Phương pháp trung bình trượt kép được sử dụng nhằm
dự báo cho chuỗi thời gian có chứa yếu tố xu thế.
Ŷt  p  a t  b t p
at = MA(m)t – [MA(m)t-MA(m)’t ] = 2MA(m)t - MA(k)’t

bt 
2
m -1

MA(m)t  MA m t
'

Yt  Yt 1  Yt  2  ....  Yt (m1)
MA(m) t  Ŷt 1 
m
MA(m)t  MA(m)t 1  ....  MA(m)t (m 1)
MA(m) t 
'

m
1. Phương pháp dự báo trung bình

t Yt MA (3) MA'(3) at bt DB(p=1) et

(1) (2) (3) (4) (5) (6) (7) (8) (9)
1 654 --- --- … … … … …
2 658 --- --- … … … … …
3 665 659 --- … … … … …
4 672 665 --- … … … … …
5 673 670 665 675 5
6 671 672 669 675 3 680 -9.00 81
7 693 679 674 684 5 678 15.00 225
8 694 686 679 693 7 689 5.00 25
9 701 696 687 705 9 700 1.00 1
10 703 699 694 704 5 714 -11.00 121
11 702 702 699 705 3 709 -7.00 49
12 710 705 702 708 3 708 2.00 4
13 712 708 705 711 3 711 1.00 1
14 711 711 708 714 3 714 -3.00 9
15 728 717 712 722 5 717 11.00 121
16 ... …. … … … 727 … 63,7
2. San mũ bất biến

 Nguyên tắc:
- Trọng số của các quan sát trong chuỗi thời gian càng
giảm đi khi nó càng cách xa hiện tại
- Sai số dự báo ở hiện tại et phải được tính đến trong
những dự báo kế tiếp
 
Yˆt 1  Yˆt  αe t  Yˆt  α Yt  Yˆt  α Yt  1  α Yˆt

Yt 1  α Yt  α1  α Yt 1  α1  α  Yt  2  1  α  Yt  2

ˆ 2 3 ˆ

t 1
Yˆt 1  α  1  α  Yt i  1  α  Yˆ1
i t

i 0
2. San mũ bất biến

 Ý nghĩa của hệ số san α

- α được sử dụng để điều chỉnh trọng số của các quan sát
trong chuỗi thời gian, α lớn hay nhỏ đều có ảnh hưởng
đến kết quả của dự báo
- Khiα  0 , i tăng lên thì α(1-α)i giảm chậm về quá khứ,
thích hợp với chuỗi có tính ổn định cao
- Khi α  1 , i tăng lên thì α(1-α) i giảm nhanh về quá khứ,
thích hợp với chuỗi có biến động mạnh ở khoảng thời
gian gần hiện tại
2
α
m 1
2. San mũ bất biến

 Ý nghĩa của phương pháp

- Có thể dự báo cho các chuỗi thời gian không thể xu
thế hoặc không có giao động mùa vụ
- Có thể dự báo cho các chuỗi thời gian có tính chất
dừng theo nghĩa kỳ vọng toán
2. San mũ bất biến

Năm t Yt
α =0,1 α =0,5 α =0,9
2001 1 16833 16833 16833 16833
2002 2 16863 16833 16833 16833
2003 3 17700 16836 16848 16860
2004 4 20051 16922,4 17274 17616
2005 5 18519 17235,26 18662,50 19807,50
2006 6 16800 17363,63 18590,75 18647,85
2007 7 15920 17307,27 17695,38 16984,79
2008 8 14904 17168,54 16807,69 16026,48
2009 9 16360 16942,09 15855,84 15016,25
2010 10 15014 16883,88 16107,92 16225,62
2011 11 15185 16696,89 15560,96 15135,16
2012 12 16739 16545,70 15372,98 15180,02
2013 13 16705 16565,03 16055,99 16583,10
2014 14 17392 16579,03 16380,5 16692,81
2015 15 18746 16660,33 16886,25 17322,08
Dự báo năm 2016 16868,89 17816,12 18603,61
Sai số trung bình ( ME) 23,92 131,08 131,15
Sai số tuyệt đối trung bình (MAE) 1114.504 1075.509 1002.521
% Sai số tuyệt đối trung bình (MAPE) 6,57 6,32 5,83
Sai số bình phương trung bình (MSE) 2049526 1786875 1489475
3. San mũ xu thế tuyến tính Brown

 Phương pháp này áp dụng với chuỗi thời gian

có xu thế tuyến tính (bậc 1) và không có yếu tố
thời vụ
Yt-i = a - bi + Ut-i
Trong đó: a là giá trị cơ sở
b là giá trị xu thế
3. San mũ xu thế tuyến tính Brown

 Ước lượng các tham số theo nguyên tắc cực tiểu hóa
tổng bình phương các sai lệch giao động theo quy
luật số mũ
t 1 t 1
Z  α  1  α  U 2t i  α  1  α  Yt i  a  bi 
i i 2
MIN
i 0 i 0

Z t 1
 2 α  1  α  Yt i  a  bi   0
i

a i 0

Z t 1
 2 αi  1  α  Yt i  a  bi   0
i

b i 0
 3. San mũ xu thế tuyến tính Brown
t 1 t 1 t 1
α  1  α  Yt i  aα  1  α   bα  1  α  i
i i i

i 0 i 0 i 0
(1)
t 1 t 1 t 1
α  1  α  Yt i  aα  1  α   bα  1  α  i 2
i i i

i 0 i 0 i 0
t 1
limα  1  α   1
i
t 1
S1t  α  1  α  Yt i
i t 
i 0
t 1
1 α
limα  1  α  i 
i 0 i

t 1 t 
i 0 α
S  α  1  α  S
2 i 1
t
i 0
t i t 1
limα  1  α  i
i 2

1  α 2  α 
t 
i 0 α2
1 α
a b  S1t â t  2 S1t  S2t
α
(1)
1 α
a
1  α 2  α 
b 
S 2t
 S1
b̂ t 
α

S1t  S2t 
α α2 α
t
1 α
3. San mũ xu thế tuyến tính Brown

 Quy trình thực hiện

Bước 1: Ước lượng xu thế ban đầu (Yt = a + bt) trên cơ
sở chuỗi số liệu bằng phương pháp điểm chọn hoặc
phương pháp OLS để xác định giá trị a0, b0
Bước 2: Lựa chọn tham số α và điều kiện ban đầu
- α tối ưu là đảm bảo tiêu chuẩn cực tiểu tổng bình
phương các sai số dự báo (0 < α < 1)
1 α
- Điều kiện ban đầu: S0  a 0 
1
b0
α
21  α 
S0  a 0 
2
b0
α
3. San mũ xu thế tuyến tính Brown
Bước 3: Lập bảng tính để tính các giá trị trung bình mũ và
các giá trị tham số at và bt tại các thời điểm t.
Skt  αS kt 1  1  α Skt 1 â t  2 S1t  S2t

S0t  Yt b̂ t 
α
1 α

S1t  S2t 
Bước 4: Lập hàm dự báo
Yˆt l  aˆt  bˆt l
Bước 5: Đánh giá mô hình và xác định khoảng dự báo

 
2
Su α 2 22
Δ  t β/ 2 (n) 3
1  4 (1  α)  5 (1  α)  2 α ( 4  3 α) l  2 α l
n  2 ( 2  α)
*
Khoảng dự báo: Ŷn l  Δ  Y  Ŷn l  Δ
3. San mũ xu thế tuyến tính Brown
Yt = 136,8 + 6,2 t  = 0,28
Tháng Yt at bt
1 143 127,057 111,114 143 6,2 --- ---
2 152 134,041 117,534 150,548 6,41952 149,2 7,84
3 161 141,59 124,269 158,91 6,73563 156,968 16,257
4 139 140,865 128,916 152,813 4,64663 165,645 709,979
5 137 139,782 131,959 147,606 3,04259 157,46 418,596
6 174 149,363 136,832 161,895 4,87332 150,649 545,276
7 142 147,302 139,763 154,84 2,9315 166,768 613,458
8 141 145,537 141,38 149,694 1,61663 157,771 281,276
9 162 150,147 143,835 156,459 2,45466 151,311 114,258
10 180 158,506 147,943 169,069 4,10785 158,913 444,644
11 164 160,044 151,331 168,757 3,38841 173,177 84,2094
12 171 163,112 154,63 171,594 3,2986 172,146 1,31226
13 206 175,12 160,367 189,874 5,73743 174,892 967,68
14 193 180,127 165,9 194,354 5,53271 195,611 6,81875
15 207 187,651 171,99 203,312 6,09041 199,886 50,6034
16 218 196,149 178,755 213,543 6,76444 209,403 73,9133
17 229 205,347 186,201 224,494 7,44592 220,308 75,5577
18 225 210,85 193,102 228,598 6,90184 231,94 48,1607
19 204 208,932 197,535 220,329 4,43229 235,499 992,214
20 227 213,991 202,142 225,84 4,60778 224,762 5,01046
21 223 216,514 206,166 226,861 4,0239 230,447 55,4636
22 242 223,65 211,062 236,238 4,89535 230,885 123,551
23 239 227,948 215,79 240,106 4,72811 241,133 4,5503
24 266 238,602 222,177 255,03 6,3875 244,834 448,002
Tổng 6088,6
4. San mũ xu thế tuyến tính Holt

 Phương pháp này không chỉ ước lượng giá trị hiện thời
của chuỗi mà còn ước lượng thành phần xu thế.
Hệ số san α được sử dụng nhằm làm trơn chuỗi thời
gian và hệ số san β được sử dụng để ước lượng xu thế
(0<α, β <1)
 Mô hình dự báo: ^
Y t  p  Lt  pTt
Trong đó: Lt là ước lượng san mũ của chuỗi giá trị Yt
Tt là ước lượng xu thế
4. San mũ xu thế tuyến tính Holt
 Quy trình thực hiện
Bước 1: Xác định các giá trị ban đầu
L1 = Y1 và T1 = Y2 - Y1
Bước 2: Tính các giá trị san mũ
Lt = αYt + (1- α)(Lt-1+Tt-1)
Bước 3: Tính các giá trị ước lượng xu thế
Tt = β(Lt-Lt-1) + (1- β)Tt-1
Bước 4: Lập hàm dự báo
^
Y t  p  Lt  pTt
Bước 5: Đánh giá mô hình
4. San mũ xu thế tuyến tính Holt
α = 0,5 và β = 0,09
Tháng Yt Lt Tt
1 143 143 9
2 152 152 9 152 0
3 161 161 9 161 0
4 139 154,500 7,605 170 961
5 137 149,553 6,475 162,11 630,26
6 174 165,014 7,284 156,03 323,00
7 142 157,149 5,921 172,30 917,96
8 141 152,035 4,927 163,07 487,07
9 162 159,481 5,154 156,96 25,38
10 180 172,318 5,846 164,64 236,07
11 164 171,082 5,208 178,16 200,60
12 171 173,645 4,970 176,29 27,98
13 206 192,308 6,203 178,62 749,93
14 193 195,755 5,955 198,51 30,36
15 207 204,355 6,193 201,71 27,99
16 218 214,274 6,528 210,55 55,54
17 229 224,901 6,897 220,80 67,21
18 225 228,399 6,591 231,80 46,21
19 204 219,495 5,196 234,99 960,37
20 227 225,846 5,300 224,69 5,33
21 223 227,073 4,934 231,15 66,36
22 242 237,003 5,383 232,01 99,86
23 239 240,693 5,231 242,39 11,47
24 266 255,962 6,134 245,92 403,02
Tổng 6332,99
4. San mũ xu thế tuyến tính Holt
5. San mũ bậc cao

 Phương pháp này áp dụng với chuỗi thời Gian

có xu thế dạng đa thức bậc ≥ 2
ˆ
Yt  a0  a1 t  a2 t 2

â 0t  3S1t  3S2t  S3t

â1t 
α
2(1  α) 2

( 6  5α)St  2 ( 5  4 α)St  (4  3α)St
1 2 3

2
α
â 2t  ( St  2 St  St )
1 2 3

(1  α) 2
5. San mũ bậc cao

S S
t
k
t
k 1
 (1   ) S k
t 1

1 α (1   )( 2   )
S  a0 
1
a1  a2
2
0 2
α
21  α  (1   )(3  2 )
S  a0 
2
a1  a2
0
α  2

31  α  3 (1   )( 4  3 )
S0  a 0 
3
a1  a2
α 2 2

â 2 t 2
Mô hình dự báo: Ŷt l  â 0 t  â1t l  l
2
 5. San mũ bậc cao
Yt = 3,982 – 0,112 t + 0,016 t2 α = 0,21
t Yt
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
1 3,61 4,439 5,327 6,407 3,742 -0,128 0,013 --- ---
2 3,58 4,259 5,103 6,133 3,600 -0,119 0,013 3,621 0,002
3 3,98 4,200 4,913 5,877 3,737 -0,048 0,018 3,488 0,242
4 4,14 4,188 4,761 5,643 3,922 0,022 0,022 3,698 0,195
5 4,02 4,152 4,633 5,431 3,988 0,052 0,022 3,955 0,004
6 4,05 4,131 4,528 5,241 4,050 0,074 0,022 4,051 0,000
7 4,22 4,150 4,448 5,075 4,178 0,106 0,023 4,136 0,007
8 4,05 4,129 4,381 4,929 4,171 0,100 0,021 4,296 0,061
9 4,23 4,150 4,333 4,804 4,256 0,115 0,020 4,282 0,003
10 4,25 4,171 4,299 4,698 4,314 0,120 0,019 4,381 0,017
11 4,37 4,213 4,281 4,610 4,406 0,130 0,018 4,444 0,005
12 4,53 4,279 4,280 4,541 4,538 0,147 0,018 4,546 0,000
13 5,41 4,517 4,330 4,497 5,057 0,250 0,025 4,694 0,513
14 5,37 4,696 4,407 4,478 5,345 0,281 0,025 5,319 0,003
15 5,58 4,882 4,507 4,484 5,609 0,299 0,025 5,639 0,003
16 6,43 5,207 4,654 4,519 6,179 0,385 0,030 5,921 0,259
17 7,15 5,615 4,855 4,590 6,868 0,482 0,035 6,578 0,327
18 7,23 5,954 5,086 4,694 7,298 0,501 0,034 7,368 0,019
19 8,13 6,411 5,364 4,835 7,975 0,571 0,037 7,815 0,099
20 8,06 6,757 5,657 5,008 8,309 0,548 0,032 8,564 0,254
21 8,27 7,075 5,955 5,206 8,567 0,509 0,026 8,873 0,363
22 9,089 2,377
6. Ưu nhược điểm của phương pháp

 Ưu điểm
-Có thể dễ dàng được chương trình hoá
-Nhu cầu lưu trữ thấp
-Hệ thống dự báo có thể được điều chỉnh thông qua
một tham số san duy nhất
-Các bước tiến hành dự báo rõ ràng đơn giản rất dễ
dàng áp dụng.
6. Ưu nhược điểm của phương pháp

 Nhược điểm
-Phương pháp san mũ chưa tính đến các nhân tố ảnh
hưởng tới biến dự báo, mà chỉ quan tâm tới yếu tố
thời gian.
-Tham số  không được xác định một cách khách
quan mà ít nhiều thông qua trực giác chủ quan.
-Phải tuân thủ chặt chẽ giả thiết về tính ổn định theo
thời gian của các quá trình kinh tế xã hội.