Link tải luận văn miễn phí cho ae Kết nối
Giới thiệu tóm tắt những khái niệm chủ yếu liên quan đến chuỗi thời gian và các bước tiến hành phân tích và dự báo chuỗi thời gian; đồng thời giới thiệu một số mô hình chuỗi thời gian đơn giản và một số kiểm định thống kê sử dụng cho phân tích, dự báo dữ liệu chuỗi thời gian. Trình bày một cách có hệ thống mô hình làm trơn hàm mũ đơn, mô hình làm trơn hàm mũ bậc hai, mô hình làm trơn hàm mũ bậc ba (Holt - Winters) và quy trình ứng dụng mô hình Holt - Winters theo mùa vụ để dự báo một số chỉ số kinh tế vĩ mô quan trọng phản ứng mức độ tăng trưởng kinh tế Việt Nam
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2006
Mở đầu
Vấn đề dự báo phát triển kinh tế - xã hội luôn là vấn đề quan tâm của
mọi quốc gia, nhất là đối với nước ta đang trong quá trình xây dựng nền kinh
tế thị trường trong bối cảnh toàn cầu hoá kinh tế phát triển ngày càng sâu,
rộng và cạnh tranh gay gắt. Trong nền kinh tế thị trường chức năng quản lý
nhà nước về kinh tế chủ yếu được thực hiện thông qua công cụ chính sách
phát triển kinh tế - xã hội. Kinh nghiệm của các nước có nền kinh tế thị
trường cho thấy để công cụ chính sách phát huy được hiệu quả điều rất quan
trong là phải thực hiện tốt công tác phân tích và dự báo phát triển kinh tế - xã
hội.
Với sự bùng nổ về thông tin và dữ liệu về kinh tế - xã hội, để dự báo
chính xác và kịp thời tình hình biến động của kinh tế - xã hội Việt Nam và thế
giới phục vụ công tác chỉ đạo, điều hành về kinh tế của Chính phủ thì việc
ứng dụng các phương tiện kỹ thuật và công nghệ của CNTT nhằm phát hiện
tri thức mới từ dữ liệu kinh tế - xã hội hiện tại và quá khứ là cách tiếp cận
đang được các nhà nghiên cứu và ứng dụng Việt Nam hết sức quan tâm. Luận
văn này nằm trong hướng nghiên cứu ứng dụng đó.
Như đã biết các dữ liệu phát triển kinh tế - xã hội là phụ thuộc thời
gian, được thu thập định kỳ theo tháng, quý, năm và có tính mùa vụ rất rõ.
Hiện đã có nhiều phương pháp dự báo kinh tế - xã hội khác nhau, mỗi phương
pháp thường phù hợp với một số vấn đề dự báo kinh tế - xã hội nhất định
trong một nền kinh tế cụ thể, bởi vậy việc nghiên cứu xác định phương pháp
dự báo hiệu quả, phù hợp với thực tiễn phát triển kinh tế - xã hội Việt nam là
vấn đề đòi hỏi phải được quan tâm nghiên cứu ứng dụng.
Trong phân tích và dự báo dữ liệu chuỗi thời gian về kinh tế - xã hội,
hiện có bốn mô hình đang được đặc biệt quan tâm, đó là mô hình hồi quy
chuỗi thời gian, mô hình tích hợp trung bình trượt tự hồi quy ARIMA, mô
hình tự hồi quy véc tơ VAR và mô hình làm trơn hàm mũ Holt-Winters. Cùng
với mô hình ARIMA, mô hình Holt-Winters cũng đang được xem là rất thích
hợp cho dự báo ngắn hạn một số vấn đề về kinh tế - xã hội từ dữ liệu chuỗi
thời gian có tính mùa vụ.
Luận văn ”Dự báo chuỗi dữ liệu phụ thuộc thời gian theo mùa vụ bằng
mô hình Holt-Winters” sẽ tập trung khảo cứu và ứng dụng mô hình làm trơn
hàm mũ Holt-Winters để dự báo biến động về chỉ số giá tiêu dùng và giá cả
một số mặt hàng theo tháng, tổng giá trị xuất khẩu của Việt nam theo tháng
trên những số liệu chính thống do Tổng cục Thống kê thu thập. Việc dự báo
những nội dung trên đã được thực hiện bằng việc ứng dụng mô hình ARIMA
đã được trình bầy trong một luận văn cao học, khoa CNTT - Đại học Công
nghệ thực hiện, trong luận văn này sẽ tập trung nghiên cứu làm rõ sự giống và
khác nhau của hai mô hình này, so sánh kết quả dự báo bằng việc ứng dụng cả
hai mô hình trên cùng tập dữ liệu thử nghiệm.
Luận văn gồm 3 chương nội dung, không kể phần mở đầu, phần kết
luận, phần phụ lục và tài liệu tham khảo.
Chương 1: Chuỗi thời gian và Phân tích chuỗi thời gian, sẽ giới thiệu
một cách tóm tắt những khái niệm chủ yếu liên quan đến chuỗi thời gian và
các bước tiến hành phân tích và dự báo chuỗi thời gian, giới thiệu một số mô
hình chuỗi thời gian đơn giản và một số kiểm định thống kê sử dụng cho phân
tích, dự báo dữ liệu chuỗi thời gian. Chi tiết của những khái niệm này có thể
được tham khảo trong phần phụ lục.
Chương 2: Mô hình làm trơn hàm mũ Holt-Winters. Nội dung chính
của chương là trình bày một cách có hệ thống mô hình làm trơn hàm mũ đơn,
mô hình làm trơn hàm mũ bậc hai và mô hình làm trơn hàm mũ bậc ba (Holt
Winters) để dự báo dữ liệu chuỗi thời gian có tính chất xu thế và tính chất
mùa vụ. Việc lựa chọn mô hình làm trơn hàm mũ nào phụ thuộc vào tính chất
dữ liệu chuỗi thời gian cụ thể.
Chương 3: Ứng dụng mô hình Holt-Winters. Chương này tập trung
trình bày qui trình ứng dụng mô hình Holt-Winters theo mùa vụ để dự báo
một số chỉ số kinh tế vĩ mô quan trọng phản ánh mức độ tăng trưởng kinh tế
Việt nam như dự báo chỉ số giá tiêu dùng theo tháng (CPI), tổng giá trị hàng
hóa xuất khẩu của Việt nam theo tháng. Dữ liệu được sử dụng để dự báo là số
liệu thực tế của nền kinh tế do Tổng cục Thống kê công bố. Các kết quả dự
báo theo mô hình Holt-Winters sẽ được so sánh với các kết quả dự báo theo
mô hình ARIMA.
Phần kết luận: Tổng kết những công việc đã thực hiện và kết quả đạt
được trong luận văn này, đồng thời đề xuất một số hướng nghiên cứu tiếp
theo.
Phụ lục: Gồm hai phần, Phần 1 của phụ lục sẽ giới thiệu chi tiết hơn
một số khái niệm quan trọng liên quan đến chuỗi thời gian và phân tích, dự
báo dữ liệu chuỗi thời gian, Phần 2 của phụ lục sẽ giới thiệu mô hình ARIMA
cho mùa vụ.
Chương 1:
Chuỗi thời gian và phân tích dự báo chuỗi thời
gian
Phân tích, dự báo chuỗi thời gian có thể được chia làm hai loại: Phân
tích, dự báo theo mức thời gian và phân tích mối liên hệ nguyên nhân - kết
quả. Phương pháp dự báo theo mức thời gian liên quan đến việc dự báo các
giá trị tương lai của yếu tố được nghiên cứu dựa trên sự tương quan với các
quan sát trong quá khứ và hiện tại. Trong khi đó phân tích mối liên hệ nhân
quả liên quan đến việc xác định các nhân tố khác ảnh hưởng đến yếu tố muốn
dự báo, như dùng phương pháp phân tích hồi qui bội xem xét GDP phụ thuộc
vào lượng đầu tư trong nước, lượng đầu tư nước ngoài, dân số…
Luận văn này chỉ tập trung vào phân tích, dự báo theo mức thời gian
dựa trên giả định cơ bản là các yếu tố ảnh hưởng đến biến động của hiện
tượng trong quá khứ và hiện tại sẽ còn tiếp tục tồn tại trong tương lai.
Chương này sẽ trình bày sơ lược một số vấn đề chủ yếu liên quan đến
chuỗi thời gian bao gồm khái niệm, dự báo cho chuỗi thời gian và các đại
lượng đặc trưng của nó, tiếp đó trình bày về các mô hình chuỗi thời gian đơn
giản, đưa ra một số phương pháp kiểm định thống kê cho mô hình chuỗi thời
gian. Chi tiết xin tham khảo ở phần Phụ lục.
1. Chuỗi thời gian và dự báo chuỗi thời gian
1.1. Định nghĩa chuỗi thời gian
Chuỗi dữ liệu phụ thuộc thời gian được chia làm hai loại:
- Chuỗi dữ liệu phụ thuộc thời gian được quan sát, đo đạc trong khoảng
thời gian rời rạc: Các quan sát được thực hiện tại các thời điểm tách
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Giới thiệu tóm tắt những khái niệm chủ yếu liên quan đến chuỗi thời gian và các bước tiến hành phân tích và dự báo chuỗi thời gian; đồng thời giới thiệu một số mô hình chuỗi thời gian đơn giản và một số kiểm định thống kê sử dụng cho phân tích, dự báo dữ liệu chuỗi thời gian. Trình bày một cách có hệ thống mô hình làm trơn hàm mũ đơn, mô hình làm trơn hàm mũ bậc hai, mô hình làm trơn hàm mũ bậc ba (Holt - Winters) và quy trình ứng dụng mô hình Holt - Winters theo mùa vụ để dự báo một số chỉ số kinh tế vĩ mô quan trọng phản ứng mức độ tăng trưởng kinh tế Việt Nam
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2006
Mở đầu
Vấn đề dự báo phát triển kinh tế - xã hội luôn là vấn đề quan tâm của
mọi quốc gia, nhất là đối với nước ta đang trong quá trình xây dựng nền kinh
tế thị trường trong bối cảnh toàn cầu hoá kinh tế phát triển ngày càng sâu,
rộng và cạnh tranh gay gắt. Trong nền kinh tế thị trường chức năng quản lý
nhà nước về kinh tế chủ yếu được thực hiện thông qua công cụ chính sách
phát triển kinh tế - xã hội. Kinh nghiệm của các nước có nền kinh tế thị
trường cho thấy để công cụ chính sách phát huy được hiệu quả điều rất quan
trong là phải thực hiện tốt công tác phân tích và dự báo phát triển kinh tế - xã
hội.
Với sự bùng nổ về thông tin và dữ liệu về kinh tế - xã hội, để dự báo
chính xác và kịp thời tình hình biến động của kinh tế - xã hội Việt Nam và thế
giới phục vụ công tác chỉ đạo, điều hành về kinh tế của Chính phủ thì việc
ứng dụng các phương tiện kỹ thuật và công nghệ của CNTT nhằm phát hiện
tri thức mới từ dữ liệu kinh tế - xã hội hiện tại và quá khứ là cách tiếp cận
đang được các nhà nghiên cứu và ứng dụng Việt Nam hết sức quan tâm. Luận
văn này nằm trong hướng nghiên cứu ứng dụng đó.
Như đã biết các dữ liệu phát triển kinh tế - xã hội là phụ thuộc thời
gian, được thu thập định kỳ theo tháng, quý, năm và có tính mùa vụ rất rõ.
Hiện đã có nhiều phương pháp dự báo kinh tế - xã hội khác nhau, mỗi phương
pháp thường phù hợp với một số vấn đề dự báo kinh tế - xã hội nhất định
trong một nền kinh tế cụ thể, bởi vậy việc nghiên cứu xác định phương pháp
dự báo hiệu quả, phù hợp với thực tiễn phát triển kinh tế - xã hội Việt nam là
vấn đề đòi hỏi phải được quan tâm nghiên cứu ứng dụng.
Trong phân tích và dự báo dữ liệu chuỗi thời gian về kinh tế - xã hội,
hiện có bốn mô hình đang được đặc biệt quan tâm, đó là mô hình hồi quy
chuỗi thời gian, mô hình tích hợp trung bình trượt tự hồi quy ARIMA, mô
hình tự hồi quy véc tơ VAR và mô hình làm trơn hàm mũ Holt-Winters. Cùng
với mô hình ARIMA, mô hình Holt-Winters cũng đang được xem là rất thích
hợp cho dự báo ngắn hạn một số vấn đề về kinh tế - xã hội từ dữ liệu chuỗi
thời gian có tính mùa vụ.
Luận văn ”Dự báo chuỗi dữ liệu phụ thuộc thời gian theo mùa vụ bằng
mô hình Holt-Winters” sẽ tập trung khảo cứu và ứng dụng mô hình làm trơn
hàm mũ Holt-Winters để dự báo biến động về chỉ số giá tiêu dùng và giá cả
một số mặt hàng theo tháng, tổng giá trị xuất khẩu của Việt nam theo tháng
trên những số liệu chính thống do Tổng cục Thống kê thu thập. Việc dự báo
những nội dung trên đã được thực hiện bằng việc ứng dụng mô hình ARIMA
đã được trình bầy trong một luận văn cao học, khoa CNTT - Đại học Công
nghệ thực hiện, trong luận văn này sẽ tập trung nghiên cứu làm rõ sự giống và
khác nhau của hai mô hình này, so sánh kết quả dự báo bằng việc ứng dụng cả
hai mô hình trên cùng tập dữ liệu thử nghiệm.
Luận văn gồm 3 chương nội dung, không kể phần mở đầu, phần kết
luận, phần phụ lục và tài liệu tham khảo.
Chương 1: Chuỗi thời gian và Phân tích chuỗi thời gian, sẽ giới thiệu
một cách tóm tắt những khái niệm chủ yếu liên quan đến chuỗi thời gian và
các bước tiến hành phân tích và dự báo chuỗi thời gian, giới thiệu một số mô
hình chuỗi thời gian đơn giản và một số kiểm định thống kê sử dụng cho phân
tích, dự báo dữ liệu chuỗi thời gian. Chi tiết của những khái niệm này có thể
được tham khảo trong phần phụ lục.
Chương 2: Mô hình làm trơn hàm mũ Holt-Winters. Nội dung chính
của chương là trình bày một cách có hệ thống mô hình làm trơn hàm mũ đơn,
mô hình làm trơn hàm mũ bậc hai và mô hình làm trơn hàm mũ bậc ba (Holt
Winters) để dự báo dữ liệu chuỗi thời gian có tính chất xu thế và tính chất
mùa vụ. Việc lựa chọn mô hình làm trơn hàm mũ nào phụ thuộc vào tính chất
dữ liệu chuỗi thời gian cụ thể.
Chương 3: Ứng dụng mô hình Holt-Winters. Chương này tập trung
trình bày qui trình ứng dụng mô hình Holt-Winters theo mùa vụ để dự báo
một số chỉ số kinh tế vĩ mô quan trọng phản ánh mức độ tăng trưởng kinh tế
Việt nam như dự báo chỉ số giá tiêu dùng theo tháng (CPI), tổng giá trị hàng
hóa xuất khẩu của Việt nam theo tháng. Dữ liệu được sử dụng để dự báo là số
liệu thực tế của nền kinh tế do Tổng cục Thống kê công bố. Các kết quả dự
báo theo mô hình Holt-Winters sẽ được so sánh với các kết quả dự báo theo
mô hình ARIMA.
Phần kết luận: Tổng kết những công việc đã thực hiện và kết quả đạt
được trong luận văn này, đồng thời đề xuất một số hướng nghiên cứu tiếp
theo.
Phụ lục: Gồm hai phần, Phần 1 của phụ lục sẽ giới thiệu chi tiết hơn
một số khái niệm quan trọng liên quan đến chuỗi thời gian và phân tích, dự
báo dữ liệu chuỗi thời gian, Phần 2 của phụ lục sẽ giới thiệu mô hình ARIMA
cho mùa vụ.
Chương 1:
Chuỗi thời gian và phân tích dự báo chuỗi thời
gian
Phân tích, dự báo chuỗi thời gian có thể được chia làm hai loại: Phân
tích, dự báo theo mức thời gian và phân tích mối liên hệ nguyên nhân - kết
quả. Phương pháp dự báo theo mức thời gian liên quan đến việc dự báo các
giá trị tương lai của yếu tố được nghiên cứu dựa trên sự tương quan với các
quan sát trong quá khứ và hiện tại. Trong khi đó phân tích mối liên hệ nhân
quả liên quan đến việc xác định các nhân tố khác ảnh hưởng đến yếu tố muốn
dự báo, như dùng phương pháp phân tích hồi qui bội xem xét GDP phụ thuộc
vào lượng đầu tư trong nước, lượng đầu tư nước ngoài, dân số…
Luận văn này chỉ tập trung vào phân tích, dự báo theo mức thời gian
dựa trên giả định cơ bản là các yếu tố ảnh hưởng đến biến động của hiện
tượng trong quá khứ và hiện tại sẽ còn tiếp tục tồn tại trong tương lai.
Chương này sẽ trình bày sơ lược một số vấn đề chủ yếu liên quan đến
chuỗi thời gian bao gồm khái niệm, dự báo cho chuỗi thời gian và các đại
lượng đặc trưng của nó, tiếp đó trình bày về các mô hình chuỗi thời gian đơn
giản, đưa ra một số phương pháp kiểm định thống kê cho mô hình chuỗi thời
gian. Chi tiết xin tham khảo ở phần Phụ lục.
1. Chuỗi thời gian và dự báo chuỗi thời gian
1.1. Định nghĩa chuỗi thời gian
Chuỗi dữ liệu phụ thuộc thời gian được chia làm hai loại:
- Chuỗi dữ liệu phụ thuộc thời gian được quan sát, đo đạc trong khoảng
thời gian rời rạc: Các quan sát được thực hiện tại các thời điểm tách
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links
Tags: phương pháp dự báo theo mùa hỗn hợp bài tập, phương pháp dự báo mô phỏng trong chuooixcung ứng, bài tập dự báo bằng phương pháp chuỗi thời gian bằng excel, giải bài tập phân tích chuỗi thời gian, PHÂN TÍCH & DỰ BÁO DỮ LIỆU CHUỖI THỜI Gian, dữ liệuchuỗi thời gian trong kinh tế bài tập, số liệu chuỗi thời gian và dự báo trên chuỗi thời gian, bài tập mô hình arima, bài tập mô hình holt, mô hình holt, phân tích phương pahsp chuỗi thời gianbài báo khoa học về kinh tế, nhận biết chuỗi dữ liệu có yếu tố mùa vụ