Bài giảng Phân tích dữ liệu và dự báo - Bài giảng 1: Giới thiệu tổng quan

PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO P.T.B KHOA KINH TẾ ptbinh[a-còng]ueh.edu.vn Bài giảng 1: Giới thiệu tổng quan Nội dung: Giới thiệu Phân loại dự báo Phương pháp luận của dự báo Quy trình thực hiện dự báo Các tiêu chí đánh giá dự báo Các vấn đề khác Giới thiệu: Dự báo là gì? Tại sao phải dự báo? Ai cần dự báo?  Doanh nghiệp  Các cơ quan chính phủ, NGOs, nhà nghiên cứu chính sách Ai chịu trách nhiệm dự báo? Jain, C.L., 2006, All U.S. Industries Ai cần dự báo? Klassen, 2001, Canada Ai cần dự báo? Klassen, 2001, Canada Ai chịu trách nhiệm dự báo? Ai chịu trách nhiệm dự báo? Klassen, 2001, Canada Phân loại: Dựa vào kết quả dự báo: điểm, khoảng Dựa vào phạm vi dự báo: vi mô, vĩ mô Dựa vào phương pháp dự báo:  Định tính  Định lượng Jain, C.L., 2006, the U.S. Phương pháp định tính:  Dựa vào kinh nghiệm và phán đoán của những chuyên viên, những người quản lý và những chuyên gia.  Khi dữ liệu lịch sử không sẵn có hay có nhưng không đầy đủ, hoặc không đáng tin cậy, hoặc những đối tượng dự báo bị ảnh hưởng bởi những nhân tố không thể lượng hoá được.  Ưu điểm của dự báo định tính: • Không đòi hỏi kiến thức về các mô hình toán hoặc kinh tế lượng. • Được chấp nhận rộng rãi nên ở nhiều nơi và lĩnh vực vẫn sử dụng khá phổ biến.  Nhược điểm của dự báo định tính: • Kết quả dự báo định tính phụ thuộc vào ý kiến chủ quan nên có thể bị sai lệch, thiếu chính xác và ổn định qua thời gian. • Không có phương pháp hệ thống để đánh giá và cải thiện mức độ chính xác, và đòi hỏi người tham gia phải mất nhiều thời gian để tích lũy kinh nghiệm về một lĩnh vực nhất định. Tổng hợp lực lượng bán hàng • Thực hiện bởi các nhân viên bán hàng • Sử dụng các đánh giá chủ quan về điều mà họ mong đợi khách hàng sẽ mua trong tương lai • Dự báo một biến tổng hợp (ví dụ doanh số) từ những sản phẩm riêng lẻ • Ưu điểm: Hiểu rõ hành vi khách hàng • Nhược điểm: Sai lệch có chủ ý Ý kiến ban quản trị:  Kết hợp ý kiến chủ quan của trưởng các bộ phận và những người quản lý vì họ am hiểu rõ về tình hình kinh doanh và mục tiêu của doanh nghiệp.  Quy trình: Người làm dự báo lựa chọn những chuyên gia ở nhiều lĩnh vực chuyên môn khác nhau để thu thập ý kiến thông qua các cuộc phỏng vấn riêng hoặc thông qua họp mặt và thảo luận. Phương pháp Delphi:  Từ 1950s (by RAND corporation)  Khách quan hơn  Phạm vi áp dụng rộng: chính sách, giáo dục, công nghệ, quan sự, British Food Journal, Vol.115, No.3, 2013 British Food Journal, Vol.115 No.3, 2013 pp. 448-459 Phương pháp định lượng:  Dựa trên dữ liệu quá khứ để phát hiện xu hướng vận động của đối tượng.  Giả định: giá trị tương lai của biến số dự báo phụ thuộc vào xu hướng vận động trong quá khứ.  Chia thành 2 phân nhóm: • Chuỗi thời gian (univariate) • Kinh tế lượng (multivariate/cross-section)  Ưu điểm: • Kết quả dự báo hoàn toàn khách quan • Có phương pháp đo lường độ chính xác dự báo • Ít tốn thời gian để tìm ra kết quả dự báo • Có thể dự báo điểm hay dự báo khoảng  Nhược điểm: • Chỉ dự báo tốt trong ngắn và trung hạn • Không thể mô hình hóa đầy đủ những yếu tố bên ngoài có tác động đến kết quả dự báo. Lựa chọn phương pháp dự báo?  Đối tượng/mục tiêu cần dự báo cần dự báo  Độ dài dự báo  Tính sẵn có của dữ liệu  Bản chất dữ liệu  Năng lực của tổ chức, Rice,G.,1997, the U.S. Nada R. Sanders and Karl B. Manrodt 1994 Nada R. Sanders and Karl B. Manrodt 1994 Nada R. Sanders and Karl B. Manrodt 1994 Phương pháp luận của dự báo: “Một điểm khác biệt quan trọng nữa giữa các phương pháp định lượng với các phương pháp định tính là ở phương pháp luận của chúng. Hầu như không có một phương pháp luận cụ thể nào cho tất cả các phương pháp định tính vì mỗi phương pháp khác nhau có thể có cách thực hiện khác nhau. Ngược lại, nhờ có phương pháp luận rõ ràng nên các phương pháp định lượng trở nên đáng tin cậy hơn và ngày càng được sử dụng phổ biến hơn” Mục tiêu dự báo Biến cần dự báo Thời gian dự báo Thu thập số liệu Khảo sát số liệu Lựa chọn mô hình dự báo Dự báo các giai đoạn quá khứ Đánh giá Dự báo các giai đoạn tương lai và sử dụng cho việc ra quyết định Kiểm tra độ chính xác của các dự báo Khảo sát dạng dữ liệu bằng các dữ liệu cập nhật Đánh giá Khảo sát lại dạng dữ liệu không Tốt Tốt Không Hanke, 2004 và nhóm tác giả Mô hình chuỗi thời gian Mô hình chuỗi thời gian Mục tiêu dự báo Lý thuyết kinh tế, kinh nghiệm, các nghiên cứu khác Thiết lập mô hình Ước lượng mô hình Kiểm định giả thiết Thu thập dữ liệu Diễn dịch kết quả Dự báo Dự báo Thiết lập lại mô hình Mô hình kinh tế lượng Q u y t rì n h d ự b á o (c h ủ y ế u đ ố i v ớ i c á c m ô h ìn h c h u ỗ i th ờ i g ia n ) 1. Xác định các mục tiêu dự báo 2. Xác định dự báo cái gì 3. Xác định yếu tố thời gian dự báo 4. Xem xét/phân tích dữ liệu 5. Lựa chọn mô hình 6. Đánh giá mô hình 8. Trình bày kết quả dự báo 7. Chuẩn bị dự báo 9. Theo dõi kết quả dự báo Nói rõ các mục tiêu, kể cả dự báo sẽ được sử dụng như thế nào trong việc ra quyết định Các mục tiêu và ứng dụng của dự báo nên được thảo luận giữa những cá nhân liên quan trong việc chuẩn bị dự báo và những người sẽ sử dụng các kết quả 1. Xác định rõ các mục tiêu 2. Xác định dự báo cái gì Dự báo doanh số: doanh số đơn vị hay bằng tiền; tổng doanh số, doanh số theo sản phẩm, hay doanh số theo vùng; doanh số nội địa hay xuất khẩu, hay cả hai Dự báo số bệnh nhân: số đăng ký khám, xuất viện, số ngày nằm viện Độ dài và giai đoạn của dự báo: năm, quý, tuần, hay ngày Mức độ khẩn cấp của dự báo: ảnh hưởng đến việc chọn phương pháp dự báo 3. Nhận dạng các khía cạnh thời gian Klassen, 2001, Canada Số lượng và loại số liệu sẵn có: nội bộ hay bên ngoài; số liệu có ở dạng mong muốn hay không; giá trị hay đơn vị, Có thể có quá nhiều hoặc quá ít dữ liệu Có thể thiếu giá trị cần phải ước tính Có thể phải chuyển đổi đơn vị tính Có thể cần được xử lý trước Có thể thích hợp nhưng chỉ trong một vài giai đoạn lịch sử nhất định 4. Thu thập và xử lý số liệu Bản chất (pattern) số liệu Số lượng số liệu quá khứ sẵn có Độ dài dự báo Chọn mô hình phù hợp với dữ liệu đã được thu thập sao cho tối thiểu hóa “sai số” dự báo Mô hình đơn giản hay phức tạp? Ý kiến đánh giá, nhận xét rất cần thiết Cơ sở lý thuyết? 5. Lựa chọn mô hình Rice,G.,1997, the U.S. Kiểm định các mô hình trên chuỗi số liệu ta muốn dự báo Phân biệt độ phù hợp và độ chính xác  Độ phù hợp: so với giá trị quá khứ  Độ chính xác: so với giá trị dự báo Nếu mô hình được chọn trong bước 6 không đạt độ chính xác chấp nhận được, quay lại bước 5 với một mô hình khác 6. Đánh giá mô hình Nếu có thể thì nên sử dụng hơn một phương pháp dự báo Khi có nhiều phương pháp sử dụng thông tin khác nhau, thì việc kết hợp chúng lại sẽ cho kết quả tốt hơn so với chỉ dùng một phương pháp 7. Chuẩn bị dự báo Klassen, 2001, Canada Cả dạng viết và thuyết trình Trình bày kết quả dự báo cho những ai dựa vào đó để ra quyết định Cần phải có sự giao tiếp thảo luận giữa những người có liên quan 8. Trình bày kết quả dự báo So sánh mức độ chính xác của giá trị dự báo và giá trị thực tế trong giai đọan dự báo Người làm dự báo cần rút ra các bài học từ việc so sánh này Tìm ra nguyên nhân của sự khác biệt 9. Theo dõi kết quả dự báo Gọi Yt = giá trị thực tại giai đoạn t Y^t = giá trị dự báo tại giai đoạn t n = số giai đoạn Sai số dự báo: et = Yt – Y ^ t Nếu một mô hình được đánh giá là tốt thì sai số dự báo phải tương đối nhỏ Các phương pháp đánh giá: (i) Phương pháp thống kê; (ii) Phương pháp đồ thị Đo lường độ chính xác dự báo Phương pháp đồ thị:  Nếu et dao động ngẫu nhiên theo thời gian thì ta có mô hình dự báo tốt (xoay quanh trục 0)  Vẽ giá trị thực và giá trị dự báo lên cùng hệ trục, nếu 2 giá trị này càng gần nhau thì mô hình dự báo càng chính xác (đặt biệt ở giai đoạn gần hiện tại nhất)  Quan sát bước ngoặt: mô hình dự báo tốt là mô hình dự báo đúng những bước ngoặt theo mẫu dữ liệu thực Đo lường độ chính xác dự báo Đo lường độ chính xác dự báo Klassen, 2001, Canada Đo lường độ chính xác dự báo International Journal of Forecasting 22 (2006) 443 – 473 International Journal of Forecasting 29 (2013) 510–522 Fildes, R., 1994, UK Watson, 1996, Scotland Fildes, R., 1994, UK Fildes, R., 1994, UK Fildes, R., 1994, UK Arora and Smyth, 1990, Int. Journal of Forecasting International Journal of Forecasting 23 (2007) 237 – 248 International Journal of Forecasting 22 (2006) 443 – 473