Bài giảng Dự báo trong kinh doanh (Business forecasting): Chương 7 - Phùng Thanh Bình

Chương 7 - Mô hình ARIMA. Những nội dung chính trong chương này gồm có: Phương pháp luận của Box-Jenkins, mô hình tự hồi quy, mô hình bình quân di động, mô hình bình quân di động tự hồi quy, chiến lược xây dựng mô hình ARIMA.
Nội dung trích xuất từ tài liệu:
Bài giảng Dự báo trong kinh doanh (Business forecasting): Chương 7 - Phùng Thanh BìnhDự báo trong kinh doanh(Business Forecasting)Khoa Kinh tế Phát triển1A Hoàng Diệu, Phú NhuậnWebsite: www.fde.ueh.edu.vnPhùng Thanh BìnhMÔ HÌNH ARIMA1.Giới thiệu2.Phương pháp luận của Box-Jenkins3.Mô hình tự hồi quy4.Mô hình bình quân di động5.Mô hình bình quân di động tự hồi quy6.Chiến lược xây dựng mô hình ARIMA1Phùng Thanh BìnhTÀI LIỆU THAM KHẢONguyễn Trọng Hoài (2001): Mô hình hóa và Dựbáo chuỗi thời gian trong kinh doanh & kinh tế,Chương 7 & 8.J.Holton Wilson & Barry Keating, (2007),Business Forecasting With Accompanying ExcelBased ForecastXTM Software, 5th Edition,Chapter 7.John E.Hanke & Dean W.Wichern, (2005),Business Forecasting, 8th Edition, Chapter 9.Phùng Thanh BìnhGIỚI THIỆUPhương pháp BOX-JENKINS sử dụng các mô hìnhARIMA để dự báo một biến bằng cách chỉ xem xétmô hình (pattern) của chuỗi dữ liệu quá khứ đóPhương pháp BOX-JENKINS được phát triển bởi 2nhà thống kê G.E.P Box và G.M. JenkinsARIMA = Autoregressive Integrated MovingAverage2Phùng Thanh BìnhGIỚI THIỆUPhù hợp cho cả chuỗi dừng hay không dừngPhù hợp nhất với dự báo dài hạn hơn là dự báongắn hạnCó nhiều điểm ưu việc hơn các mô hình dự báokhác, ít tốn kém và linh hoạtPhùng Thanh BìnhPHƯƠNG PHÁP LUẬN BOXJENKINSKhác các phương pháp khác ở chổ nó không giảđịnh bất kỳ mô hình cụ thể nào trong chuỗi dữ liệuquá khứ sẽ được dự báoNó sử dụng phương pháp lặp đi lặp lại để nhậndạng một mô hình thỏa mãn nhất từ nhiều mô hìnhMô hình được chọn sẽ được kiểm chứng với dữliệu quá khứ để xem có chính xác hay không3Phùng Thanh BìnhPhùng Thanh BìnhPHƯƠNG PHÁP LUẬN BOXJENKINSLựa lần đầu một mô hình ARIMA dựa trên việcphân tích đồ thị chuỗi thời gian và các hệ số tựtương quan của một số độ trễPhương pháp luận BOX-JENKINS đề cập đến mộtsố các quy trình nhận dạng, làm cho phù hợp, vàkiểm tra các mô hình ARIMA với chuỗi dữ liệuthời gian. Dự báo sẽ suy ra trực tiếp từ mô hìnhphù hợp (fitted model)4Phùng Thanh BìnhMÔ HÌNH TỰ HỒI QUYMô hình tự hồi quy bậc p có dạng như sau:Yt = φ 0 + φ1Yt -1 + φ 2 Yt -2 + ... + φ p Yt -p + ε tooYt-1, Yt-2, … = biến phản ứng tại các độ trễ t 1, t 2- - ,oφ0, φ1, φ2 = các hệ số sẽ được ước lượngoYt = YYt = biến phản ứng (phụ thuộc) tại thời điểm tεt = phần sai số tại thời điểm t thể hiện ảnh hưởng củacác biến không được giải thích trong mô hìnhPhùng Thanh BìnhMÔ HÌNH TỰ HỒI QUYKý hiệu: AR(p)Phù hợp với các chuỗi thời gian dừng và hệ số φ0 thể hiệnmức cố định của chuỗi dữ liệu (Nếu dữ liệu xoay quanh giátrị 0 hoặc được thể hiện bằng các độ lệch Yt = Y thì không,cần hệ số φ0Các hệ số tự tương quan giảm từ từ xuống giá trị 0Các hệ số tự tương quan riêng sẽ giảm xuống giá trị 0 ngaysau khi độ trễ p5