tiểu luận dự báo kinh tế dự báo doanh thu thuần của công ty cổ phần FPT từ quý IV – 2019 đến quý IV – 2021

Kiểm định tính dừng của chuỗi Cặp giả thuyết: {H0 : Chuỗi không dừng H1: Chuỗi dừng  Mô hình cộng: Trên cửa sổ Series: REVSA vào View/ Unit Root Test, trong cửa sổ Unit Root Test phần T

Trang 1

CHƯƠNG 1 KHẢO SÁT DỮ LIỆU

1.1 Mô tả số liệu

Số liệu được sử dụng là doanh thu thuần (đơn vị: triệu VND) của Công ty cổphần FPT (HOSE: FPT) từ quý I năm 2007 đến quý III năm 2019 gồm 51 quan sát,

đã được mở rộng đến quý IV năm 2021 nhằm mục đích dự báo doanh thu cho 9 quý

từ quý IV năm 2019 đến quý IV năm 2021, được nhóm tổng hợp từ Cổng thông tintrực tuyến đầu ngành về tài chính và chứng khoán http://finance.vietstock.vn Sốliệu được tổng hợp theo quý trên Excel và được xử lý trên phần mềm Eviews

Nhấn đúp vào chuỗi rev để mở cửa sổ Series: REV Trên cửa sổ Series: Rev vào View/ Descriptive Statistics & Tests/ Stats Table, ta thu được một số mô tả thống kê quan trọng như sau:

Trên cửa sổ Series: REV, vào View/Graph, trong cửa sổ Graph Options phần Specific chọn Lines & Symbol Ta có kết quả khảo sát đồ thị như hình 1.

Trang 2

Hình 1 Doanh thu Công ty cổ phần FPT giai đoạn 2007 – 2019

Rev 16,000,000

Nguồn: Nhóm tác giả thực hiện trên Eviews Hình 1 cho thấy doanh thu của công ty

có sự dao động với cường độ không đồng đều, không mang tính tăng dần hay giảm

dần Vì thế, để đạt được mô hình dựbáo tốt nhất, nhóm sẽ tiến hành ước lượng bằng cả mô hình cộng và mô hình nhân.Tiếp đến, tiến hành kiểm tra tính mùa vụ của chuỗi doanh thu thông qua

Seasonal Graph Vẫn trên cửa sổ Series: REV, vào View/Graph, trong cửa sổ Graph Options phần Specific chọn Seasonal Graph thu được đồ thị như hình 2.

Hình 2 Seasonal Graph của doanh thu FPT giai đoạn 2007 – 2019

Nguồn: Nhóm tác giả thực hiện trên Eviews Hình 2 cho thấy khoảng cách biên độ

doanh thu giữa các khoảng thời gian khá rõ ràng nên chuỗi số liệu này có yếu tố

mùa vụ Vì vậy, nhóm tiến hành tách yếu tốmùa vụ ra khỏi chuỗi bằng phương pháp trung bình động (Moving averagemethods) để có kết quả dự báo chính xác hơn

Trang 3

 Mô hình cộng: Trên cửa sổ Series: REV, vào Proc/ Seasonal Adjustment/

Moving Average Methods.Trên cửa sổ Seasonal Adjustment trong phần Adjustment method chọn Diference from moving average - Additive Chuỗi đã tách yếu tố mùa

vụ là revsa, chỉ số mùa vụ là sa Ta có kết quả chỉ số mùa vụ từng quý như sau:

Moving Average Methods.Trên cửa sổ Seasonal Adjustment trong phần Adjustment method chọn Ratio to moving average - Multiplicative Chuỗi đã tách yếu tố mùa vụ

là revsm, chỉ số mùa vụ là sm Ta có kết quả chỉ số mùa vụ từng quý như sau:

1.2.2 Kiểm định tính dừng của chuỗi

Cặp giả thuyết: {H0 : Chuỗi không dừng

H1: Chuỗi dừng

 Mô hình cộng: Trên cửa sổ Series: REVSA vào View/ Unit Root Test, trong

cửa sổ Unit Root Test phần Test for unit root in chọn Level Theo kết quả kiểm định,

P-value (Prob.) = 0,0234 < α = 0,05 Bác bỏ giả thuyết H o Chuỗi revsa là chuỗi dừng.

 Mô hình nhân: Trên cửa sổ Series: REVSM vào View/ Unit Root Test, trong

cửa sổ Unit Root Test phần Test for unit root in chọn Level Theo kết quả kiểm định,

P-value (Prob.) = 0,0236 < α = 0,05 Bác bỏ giả thuyết H o Chuỗi revsm là chuỗi dừng.

6

Trang 4

1.2.3 Phân tích giản đồ tự tương quan – tự tương quan riêng phần

 Mô hình cộng: Trên cửa sổ Series: REVSA vào View/ Correlogram Trên cửa sổ Correlogram Specification, phần Corelogram of chọn Level, thu được bảng

kết quả như hình 3

Hình 3 Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsa

Nguồn: Nhóm tác giả thực hiện trên Eviews Hình 3 cho thấy vạch bậc 1, 2, 3

của ACF và vạch bậc 1 của PACF trượt khỏiđường biên nên chọn độ trễ là 1 cho AR, độ trễ 1, 2 và 3 cho MA

 Mô hình nhân: Trên cửa sổ Series: REVSM vào View/ Correlogram Trên cửa sổ Correlogram Specification, phần Corelogram of chọn Level, thu được bảng

kết quả như hình 4

Hình 4 Giản đồ tự tương quan và tự tương quan riêng phần của chuỗi revsm

Nguồn: Nhóm tác giả thực hiện trên Eviews

Trang 5

Hình 4 cho thấy vạch bậc 1, 2, 3 của ACF và vạch bậc 1 của PACF trượt khỏiđường biên Ta chọn độ trễ là 1 cho AR, độ trễ 1, 2 và 3 cho MA.

1.3 Lựa chọn phương pháp dự báo

Trong bài tiểu luận này, nhóm dùng phần mềm Eviews để dự báo chuỗi rev

(chuỗi số liệu doanh thu thuần của FPT) từ quý IV năm 2019 đến quý IV năm 2021(2019Q4 – 2021Q4) bằng nhiều phương pháp khác nhau

1.3.1 Các mô hình dự báo giản đơn

1.3.1.1 Dự báo bằng phương pháp san mũ

San mũ là việc loại bỏ các yếu tố ngẫu nhiên để nhìn thấy bản chất của chuỗigiúp việc dự báo trở nên dễ dàng hơn

Phương pháp san mũ đơn loại bỏ yếu tố ngẫu nhiên và dự báo giá trị mẫu(predict) nhưng không thể giúp dự báo ngoài mẫu (forecast)

Phương pháp san mũ kép là việc lặp lại 2 lần của san mũ đơn Phương phápnày có thể dự báo ngoài mẫu

Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential

Smoothing Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn

Double Chuỗi san kép Smoothed series là chuỗi revd Chọn OK thu được:

 Hằng số san kép: = 0,1600.

 Chỉ số căn bậc hai của sai số bình phương trung bình là RMSE = 2156495

Trên cửa sổ Command gõ lệnh line rev revd thu được hình 5.

Hình 5 Đồ thị phân phối của chuỗi rev và chuỗi revd

Trang 6

1.3.1.2 Dự báo bằng phương pháp san mũ Winters

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

Y nh : giá trị dự báo của Y sau h giai đoạn trong tương lai

k : số thời vụ trong một năm

Đầu tiên phải xác định dạng mô hình của chuỗi:

Trên cửa sổ Series: REV, vào Proc/ Exponential Smoothing/ Simple Exponential

Smoothing Trên cửa sổ Exponential Smoothing, trong phần Smoothing method, chọn

9

Trang 7

Holt-Winters – Additive Chuỗi san Winters mô hình cộng Smoothed series là chuỗi

revaw Chọn OK ta thu được kết quả dự báo sau:

 Hằng số san: = 0,6000; = 0,0000; = 0,0000.

 Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 1717311

 Chỉ số mùa vụ qua các năm không đổi: S1 = -990777,3

S2 = -627279,8

S3 = -40945,08

S4 = 1659002

Trên cửa sổ Command gõ lệnh line rev revaw thu được hình 6.

Hình 6 Đồ thị phân phối của chuỗi rev và revaw

Smoothed series là chuỗi revmw Chọn OK ta thu được kết quả dự báo sau:

 Hằng số san: = 0,6000; = 0,0000; = 0,0000

 Chỉ số căn bậc hai của sai số bình phương trung bình RMSE = 1736259

 Chỉ số mùa vụ qua các năm không đổi: S1 = 0,890976

Trang 8

Trên cửa sổ Command gõ lệnh line rev revmw thu được hình 7.

Hình 7 Đồ thị phân phối của chuỗi rev và revmw

1.3.2 Dự báo bằng phương pháp phân tích

Bước 1: Xác định dạng chuỗi (đã trình bày ở phần 1.2.1 )

Bước 2: Tách yếu tố mùa vụ (đã trình bày ở phần 1.2.1)

 Mô hình nhân

Bước 3: Ước lượng hàm xu thế

Tạo xu thế T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo biến xu thế t Tiếp tục gõ lệnh ls revsm c 1/t để ước lượng revsm theo biến 1/t.

Bảng 1 Kết quả ước lượng mô hình xu thế của chuỗi revsm

Trang 9

Theo kết quả ước lượng thấy P-value = 0,0178 < α = 0,05 Mô hình có ý nghĩathống kê tại mức ý nghĩa α = 0,05.

 Kiểm định bỏ sót biến:

Cặp giả thuyết: {H0 : Mô hình không bỏ sót biến

Trên cửa sổ ước lượng Equation vào View/ Stability Diagnostics/ Ramsey RESET Test Theo kết quả kiểm định thấy P-value (Probability) = 0,4206 > α = 0,05 Mô hình không bỏ sót biến tại mức ý nghĩa α = 0,05.

 Kiểm định phân phối chuẩn của nhiễu:

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Histogram – Normality Test Theo kết quả kiểm định thấy P-value (Probability) = 0,529728 >

α = 0,05 Mô hình có nhiễu phân phối chuẩn tại mức ý nghĩa α = 0,05

 Kiểm định phương sai sai số thay đổi:

Cặp giả thuyết: {H0 : Phương sai sai số không đổi

H1: Phương sai sai số thay đổi

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Heteroskedasticity Tests Trên cửa sổ Heteroskedasticity Tests chọn White Theo kết

quả kiểm định thấy P-value (Probability) = 0,2995 > α = 0,05 Mô hình không cóphương sai sai số thay đổi tại mức ý nghĩa α = 0,05

 Kiểm định tự tương quan:

H0: Mô hình không có tự tương quan

Cặp giả thuyết: { H 1 : Mô hình có tự tương quan

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Serial Correlation LM test Trên cửa sổ Lag Specification, phần Lags to include chọn 2.

Theo kết quả kiểm định thấy P-value (Probability) = 0,0000 < α = 0,05 Mô hìnhmắc khuyết tật tự tương quan bậc 2 tại mức ý nghĩa α = 0,05

Trên cửa sổ ước lượng Equation chọn Estimate Trên cửa sổ Equation Estimation, trong phần Method chọn ROBUSTLS - Robust Least Squares.

H 1 : Mô hình bỏ sót biến

Trang 10

Bảng 2 Kết quả ước lượng mô hình xu thế chuỗi revsm sau khi dùng hồi quy Robust

Bước 4: Dự báo chuỗi gốc

Trên cửa sổ ước lượng Equation, chọn Forecast Trên cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2015q3 2016q3 Theo kết quả dự báo trong mẫu ta thấy: sai số dự báo Mean Abs Percent Error = 4,202229 < 5, tức là có thể sử dụng

mô hình này để dự báo ngoài mẫu

Mở lại cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2019q4

2021q4, thu được chuỗi dự báo revsmf.

Lấy chuỗi revsmf nhân với chỉ số mùa vụ sm sẽ được chuỗi dự báo revmf: trên

cửa sổ Command gõ lệnh genr revmf=revsmf *sm Tiếp tục gõ lệnh line revmf rev

thu được đồ thị như hình 8

Hình 8 Đồ thị phân phối của chuỗi rev và revmf

Bước 3: Ước lượng hàm xu thế

Tạo xu thế T: Trên cửa sổ Command gõ lệnh genr t=@trend(2006Q4) để tạo biến xu thế t Tiếp tục gõ lệnh ls revsa c t t^2 để ước lượng revsa theo biến t và t 2

Trang 11

Bảng 3 Kết quả ước lượng mô hình xu thế của chuỗi revsa

 Kiểm định giả thuyết thống kê về hệ số hồi quy:

Cặp giả thuyết: { H0: β j = 0

H1: βj ≠ 0Với mức ý nghĩa α cho trước, nếu P-value < α thì bác bỏ H0

Theo kết quả ước lượng, với α = 0,05 ta thấy:

t 0.0000 < 0,05 Có ý nghĩa thống kê

t2 0.0000 < 0,05 Có ý nghĩa thống kêKết luận: Mô hình có ý nghĩa thống kê tại mức ý nghĩa α = 0,05

 Kiểm định bỏ sót biến:

Cặp giả thuyết: {H0 : Mô hình không bỏ sót biến

Trên cửa sổ ước lượng Equation vào View/ Stability Diagnostics/ Ramsey RESET Test Theo kết quả kiểm định thấy P-value (Probability) = 0,6374 > α = 0,05 Mô hình không bỏ sót biến tại mức ý nghĩa α = 0,05.

Cặp giả thuyết: {H0 : Nhiễu phân phối chuẩn

H1: Nhiễu không phân phối chuẩn

Cặp giả thuyết: {H0 : Phương sai sai số không đổi

H1: Phương sai sai số thay đổi

14

H 1 : Mô hình bỏ sót biến

Trang 12

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Heteroskedasticity Tests Trên cửa sổ Heteroskedasticity Tests chọn White Theo kết

quả kiểm định thấy P-value (Probability) = 0,5742 > α = 0,05 Mô hình không cóphương sai sai số thay đổi tại mức ý nghĩa α = 0,05

 Kiểm định tự tương quan:

H0: Mô hình không có tự tương quan

Cặp giả thuyết: { H 1 : Mô hình có tự tương quan

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Serial Correlation LM test Trên cửa sổ Lag Specification, phần Lags to include chọn 2.

Theo kết quả kiểm định thấy P-value (Probability) = 0,0476 < α = 0,05 Mô hìnhmắc khuyết tật tự tương quan bậc 2 tại mức ý nghĩa α = 0,05

Trên cửa sổ ước lượng Equation chọn Estimate Trên cửa sổ Equation Estimation, trong phần Method chọn ROBUSTLS - Robust Least Squares.

Bảng 4 Kết quả ước lượng mô hình xu thế chuỗi revsa sau khi dùng hồi quy Robust

Bước 4: Dự báo chuỗi gốc

Trên cửa sổ ước lượng Equation, chọn Forecast Trên cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2007q1 2007q4 Theo kết quả dự báo trong mẫu ta thấy: sai số dự báo Mean Abs Percent Error = 5,472222 > 5 Mô hình không tốt để

dự báo ngoài mẫu

1.3.3 Dự báo bằng mô hình ARIMA

1.3.3.1 Tổng quan về mô hình

Mô hình ARIMA bậc p, d, q là mô hình với: AR(p) là mô hình tự tương quanbậc p; Y(d) là chuỗi dừng khi lấy sai phân bậc d; MA(q) là mô hình trung bình trượtbậc q, có phương trình là:

Y(d) = c + Φ 1 Y(d) t-1 + … + Φ p Y(d) t-p + θ 1 u t-1 + … + θ q u t-q + u t

Trang 13

1.3.3.2 Các bước tiến hành

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

 Chuỗi thường: kiểm tra tính dừng của chuỗi gốc và tiến hành dự báo ARIMAvới chuỗi gốc

 Chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau đó kiểm tra tính dừng của chuỗi tách và tiến hành dự báo ARIMA với chuỗi tách

 Chuỗi có tính xu thế: kiểm tra tính dừng của chuỗi gốc Y t = β̂1 +β̂2 t + e t (với e t là phần dư), sau đó kiểm tra tính dừng của chuỗi e t và tiến hành

dự báo ARIMA

với chuỗi et

Bước 2: Xác định độ trễ p, q.

Bước 3: Ước lượng mô hình và 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 phụnhỏ hơn 1)

 Nhiễu trắng (nhiễu không tự tương quan)

 Chất lượng dự báo

Bước 4: Dự báo ngoài mẫu

 Chuỗi có yếu tố mùa vụ: Nhân hoặc cộng chuỗi dự báo đã hiệu chỉnh với chỉ

số mùa vụ để dự báo chuỗi gốc

Bước 1: Kiểm tra chuỗi dừng (đã trình bày ở phần 2.2)

Bước 2: Xác định độ trễ p, q (đã trình bày ở phần 2.3)

 Mô hình cộng:

Ước lượng mô hình: trên cửa sổ Command gõ lệnh ls revsa c ar(1) ma(1) thu

được kết quả hồi quy như ở bảng 5

16

Trang 14

Bảng 5 Kết quả ước lượng mô hình ARIMA (1,1,1) – mô hình cộng

MA(1) có P-value = 0,1948 > α = 0,05, độ trễ không có ý nghĩa thống kê

Tiếp tục gõ lệnh ls revsa c ar(1) ma(2) thu được kết quả hồi quy như ở bảng

6 Bảng 6 Kết quả ước lượng mô hình ARIMA (1,1,2) – mô hình cộng

Inverted MA Roots -0,00 + 0,70i -0,00 - 0,70i

Nguồn: Nhóm tác giả thực hiện trên Eviews Từ bảng 6, thấy AR(1) có P-value =

0,0008 < α = 0,05, MA(2) có P-value = 0,0031 < α = 0,05, độ trễ có ý nghĩa thống

kê Tiếp đến, hai chỉ số Inverted AR Roots và Inverted MA Roots đều nằm trong

khoảng (-1; 1) Mô hình ổn định và khả nghịch

 Kiểm định nhiễu trắng

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Correlation

Q-Statistics Trên cửa sổ Lag Specification chọn độ trễ 12 thu được kết quả kiểm định như ở bảng 7.

Bảng 7 Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mô hình ARIMA

Trang 15

Tất cả các giá trị P-value của các độ trễ đều lớn hơn mức ý nghĩa α = 0,05 Môhình vượt qua kiểm định nhiễu trắng (không có tự tương quan ở 12 độ trễ liên tiếp).

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Heteroskedasticity Tests Trên cửa sổ Heteroskedasticity Tests chọn ARCH Theo kết quả kiểm định thấy P-value (Probability) = 0,9511 > α = 0,05 Mô hình không

có phương sai sai số thay đổi tại mức ý nghĩa α = 0,05

Dự báo cho chuỗi hiệu chỉnh revsa: trên cửa sổ ước lượng chọn Forecast Trên

cửa sổ Forecast, phần Forecast Sample chọn mẫu 2012q2 2013q2 Theo kết quả dự báo trong mẫu ta thấy: sai số dự báo Mean Abs Percent Error = 5,204879 > 5.

Tiếp tục gõ lệnh ls revsa c ar(1) ma(3) trên cửa sổ Command thu được kết quả

hồi quy như ở bảng 8

Bảng 8 Kết quả ước lượng mô hình ARIMA (1,1,3) – mô hình cộng

Từ bảng 8, thấy MA(3) có P-value = 0,4008 > α = 0,05, độ trễ không có ý nghĩa

thống kê

Do MAPE của mô hình lớn hơn 5 (đã trình bày ở bước 3) nên mô hình không

đủ tốt để dự báo ngoài mẫu

Ước lượng mô hình: trên cửa sổ Command gõ lệnh ls revsm c ar(1) ma(1) thu

được kết quả hồi quy như ở bảng 9

Trang 16

Bảng 9 Kết quả ước lượng mô hình ARIMA (1,1,1) – mô hình nhân

MA(1) có P-value = 0,1801 > α = 0,05, độ trễ không có ý nghĩa thống kê

Tiếp tục gõ lệnh ls revsa c ar(1) ma(2) thu được kết quả hồi quy như ở bảng

10 Bảng 10 Kết quả ước lượng mô hình ARIMA (1,1,2) – mô hình nhân

Inverted MA Roots -0,00 + 0,60i -0,00 - 0,60i

Nguồn: Nhóm tác giả thực hiện trên Eviews Từ bảng 10, thấy AR(1) có P-value =

0,0002 < α = 0,05, MA(2) có P-value = 0,0333 < α = 0,05, độ trễ có ý nghĩa thống

kê Tiếp đến, hai chỉ số Inverted AR Roots và Inverted MA Roots đều nằm trong

khoảng (-1; 1) Mô hình ổn định và khả nghịch

 Kiểm định nhiễu trắng

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Correlation

– Q-Statistics Trên cửa sổ Lag Specification chọn độ trễ 12 thu được kết quả sau:

Bảng 11 Kết quả kiểm định tự tương quan ở 12 độ trễ liên tiếp của mô hình

ARIMA (1,1,2) – mô hình nhân

Trang 17

Tất cả các giá trị P-value của các độ trễ đều lớn hơn mức ý nghĩa α = 0,05 Môhình vượt qua kiểm định nhiễu trắng (không có tự tương quan ở 12 độ trễ liên tiếp).

Trên cửa sổ ước lượng Equation vào View/ Residual Diagnostics/ Heteroskedasticity Tests Trên cửa sổ Heteroskedasticity Tests chọn ARCH Theo kết quả kiểm định thấy P-value (Probability) = 0,7444 > α = 0,05 Mô hình không

có phương sai sai số thay đổi tại mức ý nghĩa α = 0,05

Dự báo cho chuỗi hiệu chỉnh revsm: Trên cửa sổ ước lượng chọn Forecast Trên cửa sổ Forecast, phần Forecast Sample chọn mẫu 2012q2 2013q2 Theo kết quả dự báo trong mẫu ta thấy: sai số dự báo Mean Abs Percent Error = 4,274124 <

5, tức là có thể sử dụng mô hình này để dự báo ngoài mẫu

Tiếp tục gõ lệnh ls revsa c ar(1) ma(3) trên cửa sổ Command thu được kết quả

hồi quy như ở bảng 12

Bảng 12 Kết quả ước lượng mô hình ARIMA (1,1,3) – mô hình nhân

Từ bảng 12, thấy MA(3) có P-value = 0,6662 > α = 0,05, độ trễ không có ý

nghĩa thống kê

Mở lại cửa sổ Forecast, trong phần Forecast sample chọn mẫu 2019q4

2021q4, thu được chuỗi dự báo revsmfa.

Lấy chuỗi revsmfa nhân với chỉ số mùa vụ sm sẽ được chuỗi dự báo revmfa:

trên cửa sổ Command gõ lệnh genr revmfa=revsmfa * sm Tiếp tục gõ lệnh line revmfa rev thu được hình 8.

Định dạng
Số trang	34
Dung lượng	2,33 MB