Đang tải... (xem toàn văn)
NỘI DUNG Giới thiệu Mô hình ARCH Kiểm định ảnh hưởng ARCH Mô hình GARCH Mô hình GARCH-M Mô hình TGARCH Mô hình hóa các nhân tố ảnh hưởng phương trình phương sai
PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO P. T.B KHOA KINH TẾ ptbinh[a-còng]ueh.edu.vn Bài giảng 3: Các mô hình dự báo giản đơn Nội dung: Dự báo thô Trung bình giản đơn Trung bình di động đơn/kép San mũ giản đơn San mũ Holt/San mũ Winter Phân tách chuỗi thời gian Phần mềm ForecastX/Crystal Ball Phân biệt 3 phương pháp đơn giản: Các phương pháp dự báo thô: Giả định dữ liệu gần nhất cung cáp các dự đoán tốt nhất tương lai. Các phương pháp bình quân: Dự báo dựa trên giá trị trung bình của các quan sát quá khứ (tầm quan trọng như nhau). Các phương pháp san mũ: Dự báo bằng cách lấy trung bình giá trị quá khứ của chuỗi dữ liệu với trọng số giảm dần (tầm quan trọng giảm dần). [...]... khi người ta có thể sử dụng tỷ lệ thay đổi thay cho số thay đổi tuyệt đối: ^ Yt Y t 1 Yt Yt 1 Dự báo thô cho dữ liệu mùa (không xu thế): ^ Yt 1 Yt 3 Nếu dữ liệu mùa và có xu thế thì cách dự báo như thế sẽ dự báo “thấp”, vậy: ^ Yt Yt 1 ^ Yt 1 (Yt Yt 1 ) (Yt 4 3 Yt (Yt 3 Yt 4 3 Yt 4) 4) Nếu dữ liệu theo tháng và có xu thế? Table4.1 H c1t3&f6 Trung bình giản đơn (simple average forecast) Công thức: t Yt... thế và mùa vụ Trong khi MA chỉ dựa vào các quan sát gần nhất để dự báo, thì san mũ dựa vào tất cả các quan sát trước đó để dự báo nhưng với trọng số giảm dần Giá trị dự báo tại bất kỳ thời điểm nào là giá trị trung bình có trọng số của tất cả các giá trị sẵn có trước đó Giá trị càng xa hiện tại thì trọng số càng giảm Nghĩa là, các quan sát gần nhất được cho là chứa đựng thông tin thích hợp nhất, và. .. MA (k ) giá trị dự báo giai đoạn tiếp theo giá trị thực tại thời điểm t hệ số trượt Công thức trên Eviews: @MOVAV(Yt,k) 320 310 300 290 280 270 260 250 240 5 10 GALLONS 15 20 25 @MOVAV(GALLONS,4) 30 Table4.3 H Chọn hệ số trượt bao nhiêu tùy vào độ dài của chu kỳ hay bản chất của dữ liệu Để so sánh và chọn mô hình tốt, nên dựa vào các tiêu chí thống kê (RMSE) Thường dùng đối với dữ liệu quý hoặc tháng... 1 1 Phương pháp trung bình giản đơn phù hợp khi các nhân tố ảnh hưởng đến đối tượng dự báo có tính ổn định, và môi trường liên quan đến chuỗi dữ liệu là không thay đổi Phương pháp trung bình giản đơn sử dụng giá trị trung bình của tất cả các quan sát quá khứ làm giá trị dự báo cho giai đoạn tiếp theo Phù hợp với dữ liệu dừng 320 310 300 290 280 270 260 250 240 5 10 15 20 25 30 Table4.3 H Trung bình... quá khứ không còn tác động đến giá trị san mũ phụ thuộc vào Chọn giá trị là vấn đề quan trọng nhất của phương pháp san mũ: Nếu các dự đoán ổn định và biến đổi ngẫu nhiên ít, thì chọn nhỏ, ngược lại nên chọn lớn Một cách phổ biến để ước lượng là dựa vào một quy trình lặp đi lặp lại sao cho tối thiểu hóa MSE (hoặc RMSE) Có thể sử dụng phân tích độ nhạy để xác định hệ số san mũ tối ưu Quy trình thực... trị san mũ đầu tiên Y1 cho chuỗi giá trị san mũ (giá trị dự báo) Lấy giá trị Y1: Gán cho Y1 trọng số quá lớn, nhưng ảnh hưởng này sẽ giảm khi t tăng Lấy giá trị trung bình của một số quan sát đầu tiên Cũng có thể chọn giá trị đầu tiên tối ưu bằng phân tích độ nhạy (cho cố định) San mũ Holt (san mũ kép) Khi chuỗi thời gian có yếu tố xu thế (và không có yếu tố mùa vụ) Là một mở rộng của phương pháp... forecast) Khi dữ liệu có xu thế tuyến tính thì ta sử dụng phương pháp bình phương di động điều chỉnh, được gọi là “trung bình di động kép”: Mt ' Mt Yt 1 Mt Yt Yt -1 Yt -k 1 k M t -1 M t - k k 1 at bt Yt Mt (M t 2 (M t k -1 p ' t ' t M ) 2Mt - M ' t M ) a t bt p Table4.4 H MSE = 133 MSE = 63.7 San mũ giản đơn (simple exponential smoothing forecast) Giống trung bình di động, được sử dụng khi dữ liệu không... Holt (san mũ kép) Khi chuỗi thời gian có yếu tố xu thế (và không có yếu tố mùa vụ) Là một mở rộng của phương pháp san mũ giản đơn bằng việc đưa thêm một thừa số xu thế vào phương trình san mũ để điều chỉnh yếu tố xu thế 3 phương trình và 2 hằng số san mũ được sử dụng trong mô hình Holt như sau: . pháp dự báo được chọn dựa trên phân tích và cảm nhận của người làm dự báo về bản chất của dữ liệu. 2. Bộ dữ liệu được chia thành 2 phần: Phần chạy thử và phần kiểm định. 3. Phương pháp dự báo. Dự báo thô cho dữ liệu mùa (không xu thế): 1t t t 1t ^ Y Y Y Y 3t 1t ^ Y Y Nếu dữ liệu mùa và có xu thế thì cách dự báo như thế sẽ dự báo “thấp”, vậy: Nếu dữ liệu theo tháng và. PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO P. T.B KHOA KINH TẾ ptbinh[a-còng]ueh.edu.vn Bài giảng 3: Các mô hình dự báo giản đơn Nội dung: Dự báo thô Trung bình giản