Sử dụng các phương pháp dự báo tài chính trong thực tế

Những người dự báo rất gần gũi với các phương pháp chủ quan về các quan điểm quản trị, sự phức hợp của các lực lượng kinh doanh và những mong đợi của khách hàng Các nhà dự báo cũng rất quen thuộc với các phương pháp dự báo định lượng giản đơn như trung bình trượt , phép chiếu thẳng hàng, san bằng số mũ, và các phương pháp thống kê hồi qui phức tạp Mặc dù phương pháp trung bình trượt là gần gũi nhất trong các phương pháp khách quan nhưng qua nghiên cứu thực tiễn thì nó tỏ ra không chính xác bằng phương pháp san bằng mũ Phương pháp luận Box-Jenkins đối với mô hình ARIMA là phương pháp kém gần gũi nhất. Sự phân tích cổ điển là phương pháp ít được nhiều người biết đến.

Nhóm 1 lớp Toán Tài Chính K32

1 Khảo sát về các phương pháp:

Những người dự báo rất gần gũi với các phương pháp chủ

quan về các quan điểm quản trị, sự phức hợp của các lực

lượng kinh doanh và những mong đợi của khách hàng

Các nhà dự báo cũng rất quen thuộc với các phương pháp dự báo định lượng giản đơn như trung bình trượt , phép chiếu

thẳng hàng, san bằng số mũ, và các phương pháp thống kê hồi qui phức tạp

Mặc dù phương pháp trung bình trượt là gần gũi nhất trong các phương pháp khách quan nhưng qua nghiên cứu thực tiễn thì

nó tỏ ra không chính xác bằng phương pháp san bằng mũ

Phương pháp luận Box-Jenkins đối với mô hình ARIMA là

phương pháp kém gần gũi nhất.

Sự phân tích cổ điển là phương pháp ít được nhiều người biết đến

1 Khảo sát về các phương pháp:

1 Khảo sát về các phương pháp:

Ý kiến quản trị là phương pháp được sử dụng rộng rãi nhất, ngoài ra nó còn được sử dụng đồng đều qua các thời kì dự báo.

Các thành phần phức hợp của lực lượng kinh doanh và những mong đợi của khách hàng ít được sử dụng trong dài hạn nhưng được sử dụng nhiều hơn trong ngắn hạn và trung hạn.

Phương pháp san bằng mũ và trung bình trượt được sử dụng nhiều hơn trong ngắn hạn, ít hơn trong trung hạn và rất ít trong dài hạn.

Phương pháp phép chiếu thẳng hàng được sử dụng cho khoảng thời gian ngắn hạn.

Phương pháp Box-Jenkins không được sử dụng nhiều cho các phạm vi dự báo

Phương pháp hồi quy thường được sử dụng nhất trong trung hạn, tiếp theo

là các phạm vi dự báo trong dài hạn.

1 Khảo sát về các phương pháp:

Organizational level

Method Percent of Percent of

Phạm vi của thời gian dự báo: một số phương pháp thể hiện chính xác hơn trong ngắn hạn trong khi một số khác thì lại

trong lĩnh vực dự báo và lĩnh vực bên ngoài kết luận rằng trung bình của các dự báo sử dụng nhiều phương pháp có

độ chính xác cao hơn những phương pháp riêng lẻ.

2 Độ chính xác của mẫu kiểm tra:

Forecasting method Model

Fitting Forecasting horizons

4 Adaptive response rate exponential smoothing

5 Linear moving average

6 Brown’s linear exponential smoothing

7 Holt ‘s linear exp, smoothing

8 Brown’s quadratic

exponential smoothing

9 Linear trend (regression fit)

21.9 19.5 19.5 21.2 22.2 20.2 20.5 20.8 22.5

13.8 13.8 14.4 13.5 17.1 13.2 13.3 13.6 19.0

18.4 16.4 16.6 15.4 20.3 15.8 15.6 15.9 19.8

20.4 18.7 19.0 18.0 23.6 18.4 18.1 18.1 22.3

27.9 27.2 27.3 25.8 34.2 26.5 26.2 26.2 30.8

28.8 28.2 28.1 26.4 36.5 27.7 27.7 28.4 31.3

28.6 27.8 27.9 26.0 37.1 27.3 27.5 29.0 30.6

32.2 30.7 31.3 28.6 44.1 31.2 30.5 36.4 34.8

34.1 32.3 33.3 30.5 49.6 34.7 32.5 43.3 38.0

Forecasting methods Model

Fitting Forecasting horizons

10 Harison’s harmonic smoothing

11 Winter’s linear and seasonal exp Smoothing

26.4

13.8 15.6 14.7

26.3

14.8 16.7 15.0

27.6

15.4 16.8 15.7

27.4

16.2 18.9 16.6

28.0

17.1 18.7 17.1

29.3

18.4 19.5 18.1

32.3

21.3 22.9 21.6

34.2

23.6 24.5 24.3

Forecasting method Model

Fitting Forecasting horizons

17 Adaptive response rate exponential smoothing

18 Linear moving average 19.Brown’s linear exponential smothing

20 Holt’s linear exp smothing 21.Brown’s quadratic

exponential smothing

22 Linear trend ( regression fit )

10.0 8.4 8.5 9.2 9.1 8.5 9.0 8.7 11.4

14.5 12.9 12.8 13.0 15.0 12.9 12.0 12.5 19.6

15.0 13.6 13.4 14.0 15.6 14.3 12.8 14.0 20.4

15.1 13.7 13.8 14.5 16.3 14.6 13.2 14.7 21.1

15.3 13.8 14.0 14.7 16.6 14.9 13.7 15.6 21.1

15.6 14.3 14.3 15.2 17.4 15.9 14.8 17.0 21.9

16.6 15.3 15.6 16.2 18.6 17.1 16.0 18.6 22.8

19.0 17.7 18.1 18.5 22.6 20.3 19.7 23.6 25.3

21.0 19.8 20.2 20.4 26.4 23.5 23.0 28.9 27.4

Bảng trên thể hiện tỉ lệ sai số thuần túy của trung bình (MAPE) đối với nhiều phương pháp dãy số thời gian được nghiên cứu bởi Makridakis và Hibon

Methods Average Of Forecasting Horizons

N (Max) 1-4 1-6 1-8 1-12 1-15 1-18

Nave 1 17.3 19.2 20.7 19.9 20.9 22.3 111Mov Average 17.3 19.1 20.1 18.9 19.7 20.8 111Single Exp 15.5 17.5 18.5 17.8 18.8 20.1 111Arr Exp 16.7 18.4 19.2 18.3 19.3 20.5 111Holt Exp 15.7 18.5 21.1 21.3 23.4 25.1 111Brown Exp 16.5 19.7 22.8 23.6 26.8 30.3 111Quad Exp 18.6 23.1 28.4 31.7 40.4 47.7 110Regression 20 21.4 22.5 22.9 25.4 29.5 111Nave 2 12.3 13.8 14.9 14.9 16.4 17.8 111

ARR = Adaptive Response Rate

Methods Model Fitting 1 2 3

  8 9 10

Average

of all forecasts n(max)Naivei 15.8 11.9 12.4 12.3 11.5 11.8 11.2 11.62 1001mov Average 13.3 11.8 12.3 11.9 11 10.6 10.6 11.28 1001Single EXP 12.9 11.9 12.2 11.9 10.8 10.6 10.6 11.18 1001ARR EXP 18.3 12.8 14 12.4 11.2 10.8 10.8 11.82 1001Holt EXP 10.5 10.9 10.9 11 11.7 11.6 11.8 11.41 1001Brown EXP 12.4 10.8 10.9 10.9 12.1 12.3 12.6 11.68 1001Quad EXP 13.8 11.8 12 12.5 15 15.3 15.7 13.68 1001Regression 15.6 14.2 13.4 12.8 11.2 11 11.1 12.06 1001Naivei 2 11.1 10.4 10.5 10.6 10 10.1 9.9 10.36 1001

Figure 11-1: The post-sample forecasting accuracy of

Box-Jenkins, Nạve 2 and Single Exponential Smoothing.

(a) Makridakis and Hibon study.

Figure 11-1: The post-sample forecasting accuracy of

Box-Jenkins, Nạve 2 and Single Exponential Smoothing.

(b) M-Competition.

Method O/S 2.7 9.1 10.1 16.6 22.1 15.4 14.8 13.8 8.8 13 11.9 Single O/S 2.3 8 12.1 16.6 19.6 9.9 13.8 21 13.6 12.9 11.8 Holt O/S 2.4 9.6 12.1 16.6 24.9 12.3 12.3 18.1 12.4 14 12.8 Dampen O/S 2.7 9.5 13.6 16.4 22.8 12.4 12.6 17.8 13.6 14.2 13.1

Single 1.9 6.1 12.1 16.8 20.6 13 13.9 18.4 11.9 12.4 11.3 Holt 2.5 9.3 9.9 16.8 23.2 15.1 13.3 18.3 10.7 13.3 12.1 Dampen 2.7 7.9 11.4 16.6 21 12.7 13.2 18.9 10.6 11.9 11 Long 5 16.5 14.7 22.1 52 41.4 27.4 12.2 12.6 22.4 20.3

Box-Jenkins 5.2 14.4 13.7 21 25.8 19 20.1 18.1 16.1 16.5 15.4

Forecaster A 2.3 8.4 10.9 18.4 29.5 16.1 13.4 17.7 10.7 13.9 12.5 Forecaster B 2.6 12.5 6.3 15.8 24.9 23.2 15.8 20.1 21.8 22.5 19.4 Forecaster C 1.4 13.5 14.7 21.9 27.8 19.6 21.4 21.3 14.6 16.5 15.1 Forecaster D 3.4 15.1 15.2 22.6 35.7 21 26 21.8 22.9 21.9 19.8 Forecaster E 5.3 10.2 11.5 19 21.9 16.1 15.8 16.8 11.5 14.6 13.5

Comb exp sm 2.6 8 10.6 16.9 24.5 15.1 13.7 17.1 9 12.5 11.4 Comb forec 2 10.3 9.4 17.5 30.3 19.3 15.8 14.7 7.8 14.5 13.1 Average 3 10.8 12.3 18.7 28.3 18.7 17.6 17.7 13.8 16.1 14.6

Table 11-9: MAPE all series (period Oct 1987-Dec 1988)

3.Các yếu tố ảnh hưởng:

a Dự báo hay giải thích?

b Tính chất của chuỗi thời gian

c Loại dữ liệu

d Số lượng và tần số dự báo

3.Các yếu tố ảnh hưởng:

b Tính chất của chuỗi thời gian:

San chuỗi giản dơn Phương pháp tinh vi

Dự báo dài hạn

3.Các yếu tố ảnh hưởng:

d Số lượng và tần số dự báo:

Số lượng và tần số dự báo

Độ đơn giản và tính tự động

4.Dự báo kết hợp:

a Các yếu tố tạo thành:

•Đo lường sai đối tượng:

•Đo lường sai số mô hình

•Kiểu mẫu hoặc quan hệ không ổn định

•Mô hình tối thiểu hóa sai số quá khứ

Thời

kỳ

Giá trị thực

Giá trị dự báo bằng các phương pháp Đơn giản Holt Giảm dần Kết hợp tối ưu

Kết hợp giản đơn

Dự báo trên mô hình phù hợp

Thời kỳ Giá trị thực

Giá trị dự báo bằng các phương pháp

Đơn giản Holt Giảm dần Kết hợp tối ưu Kết hợp giản