Bài giảng Dự báo kinh doanh - Chương 7

Chương 7 Dự báo với phương pháp Box-Jenkins thuộc Bài giảng Dự báo kinh doanh nhằm giới thiệu về tự tương quan, ví dụ minh họa tự tương quan, tự tương quan từng phần. Bài giảng được trình bày khoa học, súc tích giúp các bạn sinh viên tiếp thu bài học nhanh.
Nội dung trích xuất từ tài liệu:
Bài giảng Dự báo kinh doanh - Chương 7 CHƯƠNG CHƯƠNG 7DỰ BÁO VỚI PHƯƠNG PHÁP PHƯƠNG BOX- BOX-JENKINS (ARIMA) 1 GIỚI THIỆU Khi xem xét dữ liệu dưới dạng dãy số thời gian, hai câu hỏi quan trọng nhất dư cần được trả lời là: được • 1. Dữ liệu có thể hiện một kiểu chuyển vận nào không? • 2. Kiểu chuyển vận này có thể khai thác để dự báo được không? được Phương Phương pháp hồi quy đưa ra mối liên hệ giữa biến phụ thuộc và các biến giải đưa thích (biến độc lập). Trong thực tế, nhiều trường hợp chúng ta không biết trước các biến giải trư trư thích. Phương pháp ARIMA (Autoregressive Integrated Moving Average) Phương được được áp dụng để dự báo. Phương pháp ARIMA do hai ông G.B.E.Box và G.M. Jenkins đưa ra nên Phương đưa phương pháp này còn được gọi là Box-Jenkins. phương được Box- Phương Phương pháp ARIMA dựa trên các mô hình Trung bình động và tự hồi quy để tạo ra các dự báo trên cơ sở tổng hợp các kiểu chuyển vận trong quá khứ cơ của dữ liệu. Phương Phương pháp này lần lượt thử các mô hình khác nhau cho đến khi tìm được lư được mô hình phù hợp. 2 TỰ TƯƠNG QUAN TƯƠNG (AUTOCORRELATION)Để xác định được việc chọn lựa đúng mô hình trong nhóm các mô đượchình ARIMA (AR, MA, ARMA, ARIMA), ta cần sử dụng haicông cụ: tự tương quan (Autocorrelations) và Tự tương quan từng tương tươngphần (Partial Autocorrelations).Tự tương quan (Autocorrelation) tươngTự tương quan là hiện tượng trong đó sự liên hệ giữa các giá trị tương tư(các quan sát khác nhau) trong cùng một biến là không ngẫu nhiên.Hệ số tương quan dao động trong khoảng [-1;1]. tương [-Nếu hệ số càng gần bằng +1, hai biến đó có độ tương quan dương tương dươngcàng lớn (positive correlations), và ngược lại. ngư 3 VÍ DỤ MINH HỌA TỰ TƯƠNG QUAN TƯƠNG O V riginal alue ne ime Lag O T wo ime Lags T T Giaù trò goác reã 01 QS T reã 02 QS T 12 - - 123 12 - 134 123 12 13 134 123 15 13 134 14 15 13 176 14 15 187 176 14 183 187 176 214 183 187Töông quan giöõa coät 1 vaø coät 2 laø: + 0.867 4Töông quan giöõa coät 1 vaø coät 3 laø: + 0.89 TỰ TƯƠNG QUAN TỪNG PHẦN TƯƠNG (PARTIAL AUTOCORRELATION) Tự tương quan từng phần: đo lường độ liên hệ giữa quan sát Yt và tương lư Yt-k khi giữ tác động của các quan sát khác cố định. Cách tính các hệ số tự tương quan và tự tương quan từng phần được tương tương được ForecastX sẽ thực hiện nhanh chóng (tham khảo hướng dẫn thực hành). hư Để xác định mô hình đúng trong nhóm các mô hình ARIMA, chúng ta phải chiếu các hệ số tự tương quan và tự tương quan từng phần lên biều tương tương đồ tương quan. tương Theo đó, tùy theo cách chuyển vận của các hệ số thuộc hai hàm này, ta chọn mô hình được kỳ vọng là phù hợp để tiến hành thử nghiệm. được Biểu đồ sẽ có các dạng phồ biến sa ...