dự báo lợi nhuận công ty cổ phần fpt từ quý 42019 đến quý 1 2022

Ngàynay dự báo đã được sử dụng rất rộng rãi trong mọi lĩnh vực đời sống xã hội với nhiềuloại và phương pháp dự báo khác nhau như lấy ý kiến ban điều hành, phương phápđiều tra người tiêu

LỜI MỞ ĐẦU

Trong thời đại ngày nay, với sự phát triển không ngừng của toàn thế giới, kinh tế đượccoi là trụ cột chính ở mọi quốc gia, quyết định sức mạnh của các cá nhân, tổ chức, hayđất nước Nắm bắt được tầm quan trọng của kinh tế, ngày nay, các doanh nghiệp, quốcgia ngày càng chú trọng hơn cho việc phân tích, đánh giá tình hình kinh tế, và trong

đó thì việc thực hiện dự báo các chỉ số kinh tế cũng được đề cao

Dự báo (forecasting) là quá trình tạo ra các số liệu dự toán về tình hình kinh tế nói

chung và thị trường nói riêng trong tương lai, phục vụ cho việc ra các quyết định củadoanh nghiệp hoặc hoạch định chính sách của chính phủ Dự báo mang tính xác suấtsong đáng tin cậy

Việc sử dụng các số liệu đã biết để dự báo sẽ giúp nhà quản lí rất nhiều trong việchoạch định các kế hoạch sản xuất kinh doanh hiện tại cũng như trong tương lai Ngàynay dự báo đã được sử dụng rất rộng rãi trong mọi lĩnh vực đời sống xã hội với nhiềuloại và phương pháp dự báo khác nhau như lấy ý kiến ban điều hành, phương phápđiều tra người tiêu dùng, phương pháp Delphi,… Trong thống kê người ta dùngnhiều phương pháp khác nhau như phương pháp trung bình giản đơn, phương pháptrung bình dài hạn, phương pháp san mũ,…

Đế làm rõ hơn về phương pháp dự báo trong kinh tế, trong tiểu luận này, nhóm thựchiện sử dụng phần mềm kinh tế lượng Eviews để chạy các mô hình lượng để dự báolợi nhuận của Công ty cổ phần FPT từ quý 4 năm 2019 đến quý 1 năm 2022 dựatrên dữ liệu về lợi nhuận của công ty này từ quý 2 năm 2007 đến quý 3 năm 2019(nguồn số liệu: http://finance.vietstock.vn)

A MÔ TẢ SỐ LIỆU

Nhấn đúp vào chuỗi rev để mở cửa sổ Series: PRO

Trên cửa sổ Series: PRO vào View/ Descriptive Statistics & Tests/ Stats Table ta có bảng mô

tả thống kê như sau:

Một số mô tả thống kê quan trọng:

B DỰ BÁO LỢI NHUẬN CÔNG TY CỔ PHẦN FPT

I.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ

Phương pháp san mũ kép là việc lặp lai 2 lần của san mũ đơn Phương pháp này có thể

dự báo ngoài mẫu

2 Áp dụng

Trên cửa sổ Series: PRO -> chọn Proc -> Exponential Smoothing -> SimpleExponential Smooting, trên cửa sổ Exponential Smoothing mới hiện chọn Double, tathu được kết quả dự báo sau:

Trên cửa sổ Command dùng lệnh line PRO PROD có biểu đồ sau

II.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ HOLT

1 Phương pháp san mũ Holt

Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu thế T bằng cách loại bỏđược yếu tố xu thế T

Ký hiệu:

T

t là ước lượng của phần xu thế ở thời kỳ t

là ước lượng giá trị trung bình hiện tại của Y ở thời kì t

• Chỉ số căn bậc hai của sai số bình phương trung bình RMSE=244729.0

Trên cửa sổ Command dùng lệnh line PRO PROH có biểu đồ sau

III.DỰ BÁO BẰNG PHƯƠNG PHÁP SAN MŨ WINTERS

1 Phương pháp san mũ Winters

Phương pháp san mũ Winters dùng để dự báo các chuỗi có chứa cả yếu tố xu thế vàyếu tố mùa vụ

là ước lượng của phần xu thế ở thời kỳ t

là ước lượng giá trị trung bình hiện tại của Y ở thời kì t

là giá trị dự báo của Y sau h giai đoạn trong tương lai

là yếu tố thời vụ tại thời điểm t (Chỉ số mùa vụ qua các năm là không

là số thời vụ trong một năm

yếu tố thời vụ tại thời điểm t của thời kỳ trước

Đầu tiên chúng ta phải xác định dạng mô hình của chuỗi:

Mô hình nhân: Y t =T.S.C.I

−k

t

Y t

)+(1 − )S (Y −Y

Từ đồ thị của chuỗi PRO, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian.Vậy ta sử dụng mô hình nhân.

Trên cửa sổ Series: PRO -> Proc -> Exponential Smoothing -> Simple ExponentialSmoothing, trên cửa sổ Exponential Smoothing trong phần Smoothing method,chọn Holt-Winters-Muliplicative

Ta thu được kết quả dự báo:

• Hằng số san: = 0.5900, = 0.0000, = 0.0000

• Chỉ số căn bậc hai của sai số bình phương trung bình RMSE=156871.9

• Chỉ số mùa vụ qua các năm không đổi và bằng:

3 4

= 0.952081

= 1.172252

Trên cửa sổ Command dùng lệnh line rev revw có biểu đồ sau

IV.DỰ BÁO BẰNG PHƯƠNG PHÁP ARIMA

1. Mô hình ARIMA (Auto Regression Integrated Moving Average model)

1.1 Mô hình ARIMA

Mô hình ARIMA bậc p, d, q là mô hình với:

AR(p) là mô hình tự tương quan bậc p

Y(d) là chuỗi dừng khi lấy sai phân bậc d

MA(q) là mô hình trung bình trượt bậc q

có phương trình là:

Yd=c+1Y(d)t-1+…+pYdt-p+1ut-1+…+qut-q+ut

1.2 Các bước dự báo bằng mô hình ARIMA

Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo

- Đối với chuỗi thường: Kiểm tra tính dừng của chuỗi gốc và tiến hành dựbáo ARIMA với chuỗi gốc

- Đối với chuỗi có tính mùa vụ: Tách yếu tố mùa vụ khỏi chuỗi gốc; Kiểm tratính dừng của chuỗi tách và iến hành dự báo ARIMA với chuỗi tách

- Đối với chuỗi có tính xu thế: Kiểm tra tính dừng của chuỗi gốc

- Chuỗi dừng (với là phần dư): Kiểm tra tính dừng của chuỗi và tiến hành dựbáo ARIMA với chuỗi

Bước 2: Xác định độ trễ p, q

Bước 3: Kiểm tra các điều kiện giả định của mô hình

- Mô hình khả nghịch và ổn định (nghiệm đơn vị của các mô hình hồi quy phụ <1)

- Nhiễu trắng (nhiễu không tự tương quan)

- Chất lượng dự báo

Bước 4: Dự báo ngoài mẫu

- Đối với chuỗi có yếu tố mùa vụ: Nhân hoặc cộng chuỗi dự báo đã hiệuchỉnh với chỉ số mùa vụ để dự báo chuỗi gốc

- Đối với chuỗi có yếu tố xu thế: Tạo biến là dự báo của chuỗi

2 Áp dụng

2.1 Bước 1: Kiểm tra tính dừng

2.1.1 Kiểm tra tính mùa vụ và tách tính mùa vụ nếu có

Để kiểm tra tính mùa vụ, ta thực hiện:

Trên cửa sổ Series PRO -> View -> Graph -> Graph type -> Basic type -> SeasonalGraph, sau đó ta thu được biểu đồ như sau:

Các vạch đỏ trong hình là giá trị trung bình của từng mùa Nếu các vạch này chênhnhau càng nhiều thì tính mùa vụ càng rõ ràng Trên biểu đồ này ta thấy các vạch đỏ có

sự chênh lệch nhau rõ ràng, vì thế chuỗi giá trị sử dụng có yếu tố mùa vụ

➔ Cần tách yếu tố mùa vụ trước khi dự báo

- Trước tiên, ta xác định chuỗi mô hình dạng gì qua các bước sau: trên cửa sổSeries PRO, chọn View -> Graph -> Graph type -> Basic type -> Line and symbol vàđược kết quả như sau:

Tiến hành tách yếu tố mùa vụ, ta thu được chuỗi PROSA.

2.1.2 Kiểm định tính dừng của chuỗi PROSA

Ta tiến hành các bước sau:

Trên cửa sổ Series: PROSA vào View/ Unit Root Tests/ Standard Unit Root TestTrên cửa sổ Unit Root Test, phần Test for unit root in chọn Level -> OK, ta có đượckết quả sau:

Qua kiểm định ta thấy: P = 0.9360 > 0.05

➔ Không có cơ sở bác bỏ H0

➔ Chuỗi PROSA không dừng

Vì thế ta tiếp tục kiểm định tính dừng của chuỗi PROSA sai phân bậc 1

13

Trên cửa sổ Series: PROSA vào lại View/ Unit Root Tests/ Standard Unit Root TestTrên cửa sổ Unit Root Test, phần Test for unit root in chọn 1 st difference, ta thu đượckết quả sau:

Qua kiểm định ta thấy: P< 0.05

➔ Bác bỏ H0, thừa nhận H1

➔

Chuỗi PROSA dừng ở sai phân bậc 1.

2.2 Bước 2: Tìm độ trễ cho mô hình AR và MA

Trên cửa sổ Series: PROSA vào View/ Correlogram

Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include là 20 tađược kết quả sau:

Ta chọn độ trễ là 1 cho AR và 1 cho MA.

2.3 Bước 3: Ước lượng mô hình và kiểm định khuyết tật

2.3.1 Ước lượng mô hình

Trên cửa sổ Command gõ lệnh LS d(PROSA) c ma(1)

Ta có kết quả hồi quy như sau:

Ta thấy module của các nghiệm đơn vị đều nhỏ hơn 1

 Mô hình có tính khả nghịch và ổn định

2.3.2 Kiểm định phương sai sai số

Để kiểm định phương sai sai số, ta thực hiện các thao tác kiểm định và được kếtquả như sau:

Theo kết quả ta thấy P> 0.05

 Không có cơ sở bác bỏ H0

 Chuỗi PROSA có phương sai sai số

2.3.3 Kiểm định tự tương quan

Để kiểm định tự tương quan, ta thực hiện một số thao tác và thu được kết quả như sau:

15

Theo kết quả ta thấy: P < 0.05

 Chuỗi không mắc tự tương quan.

2.3.4 Kiểm định phân phối chuẩn

Để kiểm định tính phân phối chuẩn của chuỗi, ta thực hiện một số thao tác vàthu được kết quả như sau:

Theo kết quả ta thấy: P=0.578438 > 0.05

 Bác bỏ H0

 Chuỗi phân phối chuẩn

2.4 Bước 4: Dự báo

Dự báo cho chuỗi hiệu chỉnh PROSA

Trên cửa sổ ước lượng chọn Forecast -> trên cửa sổ Forecast, phần ForecastSample chọn mẫu từ 2007Q2 2022Q1 để dự báo toàn mẫu, ta có kết quả sau:

Nhìn vào kết quả dự báo ta thấy: Mean Abs Percent Error = 12.27732 > 5.

Sau đó sử dụng lệnh “line” để xem xét vị trí tương quan của hai đường PROSA vàPROSAF, ừ đó chọn ra đoạn có sai số nhỏ nhất để xem kết quả dự báo có đáng tincậy hay không, ta được kết quả như sau:

Quan sát hình trên, ta nhận thấy ở đoạn từ quý 4 năm 2010 đến quý 4 năm 2011,hai đường PROSA và PROSAF cắt nhau và có chênh lệch nhỏ Do đó, ta sẽ xemchất lượng dự báo của đoạn 2010q4 2011q4 và thu được kết quả như sau:

Theo kết quả thu được ta có:

Mean Abs Percent Error = 4.356387 < 5

 Kết quả dự báo đáng tin cậy, có thể tiến hành dự báo ngoài

mẫu Ta thực hiện dự báo ngoài mẫu bằng các thao tác sau:

Trên cửa sổ Forecast chọn Forecast Sample, chọn mẫu 2019q4 2022q1, ta thu đượcchuỗi PROSAF

Dự báo cho chuỗi gốc

Ta lấy chuỗi PROSAF nhân với chỉ số mùa vụ sr sẽ được chuỗi dự báo

PROFARIMA

Trên cửa sổ Command gõ lệnh genr revfarima= PROFARIMA*sr

Trên cửa sổ Command gõ lệnh line PROFARIMA PRO thu được kết quả:

C Kết luận

Trong bài nghiên cứu, nhóm đã sử dụng 4 mô hình để dự báo cho lợi nhuận công ty

cổ phần FPT từ quý 4/2019 đến quý 1/2022 bao gồm: mô hình san mũ, phương phápsan mũ Holt, phương pháp san mũ Winters, phương pháp Arima cho chuỗi có yếu tốmùa vụ và thu được các kết quả dự báo có phần chênh lệch nhau Trong đó mô hìnhArima có các chỉ tiêu đánh giá độ tin cậy cho thấy đây là kết quả có độ tin cậy lớn

Qua các kết quả dự báo, có thể thấy rằng lợi nhuận của công ty luôn có xu hướng quacác năm, tuy nhiên lại không đồng đều giữa các quý trong năm và thường xuyên có sựtăng giảm rõ rệt giữa các quý, thể hiện rõ sự phụ thuộc của hoạt động công ty vào cácmùa vụ Với kết quả đạt được ở trên, công ty có thể đặt kì vọng tăng trưởng lợi nhuận

ổn định qua các năm Tuy nhiên các mô hình dự báo trên chỉ mang tính tham khảo, đểđạt được sự tăng trưởng cao và ổn định, công ty cần nâng cao chất lượng sản phẩm,dịch vụ hơn nữa, bắt kịp nhu cầu khách hàng và nâng cao sức cạnh tranh trên thịtrường

TÀI LIỆU THAM KHẢO

20180504224208609.htm

https://vietnamfinance.vn/du-bao-la-gi-cac-phuong-phap-du-bao-https://vietstock.vn/