Bài giảng Dự báo: Tổng quan về dự báo - ThS. Nguyễn Văn Phong

Bài giảng Dự báo: Tổng quan về dự báo cung cấp cho người học một số khái niệm về dự báo, phân loại dự báo, sai số dự báo. Đây là một tài liệu hữu ích dành cho các bạn sinh viên đang theo học các ngành Kinh tế và những ai quan tâm dùng làm tài liệu học tập và nghiên cứu.

TỔNG QUAN VỀ DỰ BÁO

Nguyễn Văn Phong

UFM - 2015

Nội dung

1 Một số khái niệm

2 Phân loại

3 Sai số dự báo

Khái niệm về dự báo

Dự báo là tiên đoán những hiện tượng trong tương lai hay một số các giá trị (mà chúng ta không thể đo được trong quá trình điều tra)

Dự báo dựa trên kinh nghiệm, những ý kiến đánh giá của các chuyên gia hay dựa trên những mô hình toán và các quan hệ thống kê mô tả xu hướng vận động của dữ liệu

Phân loại dự báo

Theo kết quả dự báo

Dự báo điểm: Kết quả được thể hiện bằng một giá trị duy nhất

Dự báo khoảng: Kết quả được thể hiện trong một khoảng với một độ tin cậy cho trước

Theo quy mô

Vi mô

Vĩ mô

Phân loại dự báo

Theo khoảng cách (kỳ) dự báo

Ngắn hạn

Trung hạn

Dài hạn

Theo phương pháp dự báo

Phương pháp định tính

Phương pháp Delphi

Phương pháp định lượng

Phương pháp định tính - Delphi

Phương pháp định tính

Được sử dụng khi dữ liệu không có sẵn, hay không đầy đủ

Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của các chuyên gia

Phương pháp Delphi

Dựa vào kinh nghiệm, các ý kiến, sự hiểu biết của các chuyên gia

Thiết lâp một quá trình trao đổi thông tin nhóm các chuyên gia để giải quyết một vấn đề phức tạp

Được tiến hành qua nhiều bước

Phương pháp định lượng

Được sử dụng khi dữ liệu có sẵn

Dựa vào dữ liệu điều tra và các phương pháp thống kê

Sai số dự báo

Định nghĩa

thời điểm t Khi đó, sai số dự báo được xác định bởi

Sai số trung bình

T

T

X

t=1

Sai số dự báo

Sai số tuyệt đối trung bình

T

Sai số bình phương trung bình

T

Căn bậc hai sai số bình phương trung bình

Sai số dự báo

Phần trăm sai số

Yt



Sai số phần trăm trung bình

T

Sai số phần trăm tuyệt đối

T

t=1|PEt| (8)

Hệ số Theil’s U

U =

s

t=1 (APEt+1)2 (9) Trong đó

Hay

Một vài chú ý

MAE, MAPE, MSE, RMSE, Theil’s U : Dùng để so sánh các mô hình dự báo khác nhau trên cùng một chuỗi dữ liệu

Không so sánh hai mô hình không cùng tần suất hay mô hình có dữ liệu đã chuẩn hoá

Nếu các chuỗi khác nhau về đơn vị đo lường (triệu,

%), thời gian (ngày, tháng, năm), loại dữ liệu gốc

và dữ liệu được chuyển hoá Khi đó, ta chỉ dùng MAPE và Thail’s U

U càng tiến về 0 thì dự báo càng chính xác (0.55)

Cụ thể, Nếu U = 1: Mô hình Naive được sử dụng; Nếu U < 1: Mô hình F được sử dụng; Nếu U > 1:

Mô hình Naive được sử dụng

Ví dụ 1

t



Y t −F t

Y t



Y t −F t

Y t

4 127 143.50 −16.50 16.50 272.25 −12.99 12.99

7 119 138.25 −19.25 19.25 370.56 −16.18 16.18

Ví dụ 2

Mô hình 1:

Có MAE = 1.25 và MSE = 4.125

Ví dụ 2

Mô hình 2:

Có MAE = 1.5 và MSE = 2.5

Ví dụ 2

Mơ hình 1:

Có MAE = 1.25 MSE = 4.125

Ví