Link tải luận văn miễn phí cho ae Kết nối
NỘI DUNG TRÌNH BÀY Chương 1: Tổng quan về dự báo trên chuỗi thời gian 1 Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu 2 Chương 3: Kết quả nghiên cứu 3 Chương 4: Tổng hợp 4
* Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.1.Giới thiệu: Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn. Phương pháp này là một trong những phương pháp lâu đời nhất trong lịch sử 1.2.Mục tiêu nghiên cứu: Phân biệt được các thành phần của chuỗi thời gian Phân biệt và trình bày được các mô hình cộng tính và mô hình nhân tính trong dự báo đặc biệt có yếu tố mùa nổi trội Sử dụng Eviews và Excel để thực hiện dự báo bằng phương pháp phân tích Sử dụng được kiểm định Kruskal-Wallis để kiểm định yếu tố mùa bằng phần mềm Eviews.
* Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.3.Phƣơng pháp và phạm vi nghiên cứu: * Dựa trên nền tảng của các phương pháp trung bình di động và dự báo theo hàm xu thế, kết hợp cộng tính hay kết hợp nhân tính với yếu tố mùa vụ theo mô hình san mũ W inters. Xem xét sự tồn tại của yếu tố mùa vụ thông qua kiểm định Kruskal-Wallis. 1.4.Lý do chọn đề tài: * Trên thực tế dữ liệu nhiều khi không tăng giảm theo thời gian mà còn biến động theo mùa. Phương pháp phổ biến và hữu ích trong việc dự báo sự thay đổi, tăng trưởng của một số chỉ số kinh tế - xã hội… Vì vậy cần nghiên cứu để có thể ứng dụng vào thực tiễn. 1.5. Ý nghĩa thực tiễn : * Một chuỗi thời gian có thể quan sát thông qua bốn thành phần cơ bản : mùa vụ, xu thế, chu kỳ và ngẫu nhiên. Cung cấp cho các nhà quản lí những đo lường cụ thể cho các thành phần mà không định lượng được bởi các phương pháp khác.
* Chƣơng 2: Cơ sở lý thuyết và mô hình nghiên cứu 3 2 1 Cơ sở lý thuyết: Công cụ: Mô hình nghiên cứu: •Dự báo trên •Phần mềm Mô hình hóa Yt theo các thành phần chuỗi thời gian Eview Trt, Clt, Snt, It : •Mối liên quan •Phần mềm •Mô hình cộng tính : Xem chuỗi thời của bốn thành Excel gian như tổng các thành phần phần chuỗi thời Yt= Trt + Clt +Snt +It gian với dữ liệu •Mô hình nhân tính : Xem chuỗi thời gốc. gian như tích các thành phần Yt = Trt× Clt×Snt × It
*Chƣơng 3: Kết quả nghiên cứu 1. Tình huống 1 •Dự báo nhu cầu sd dầu 3th cuối 2008 của một cty dầu khí Nhận xét • Quá trình tăng giảm nhu cầu dầu của công ty có dấu hiệu lặp lại, từ đó suy ra mô hình cộng tính tốt hơn mô hình nhân tính.
* 2. Lý thuyết ứng dụng: Mô hình nhân tính 3. Giải quyết tình huống * Xét Clt = 0 và Irt = 0, vì Sau khi điều chỉnh yếu tố mùa: vậy chuỗi dữ liệu bây giờ chỉ còn Trt hay YSAt = Trt * Sử dụng mô hình xu thế để đoán nhu cầu dầu tương lai của công ty. * Cộng doanh số theo mùa và xu thế để có kết quả cuối cùng.
* * Tách yếu tố xu thế: *Dự báo YSA (nhu cầu dầu đã loại yếu tố mùa) bằng mô hình xu thế: • Trước tiên ta tạo biến T bằng lệnh sau: genr t=@trend(1995:12) • YSA = -38.1193322338 + 1.38102867353*t
*Đồ thị dự báo kết quả *Kết quả ước lượng của hàm YSA trên eview theo biến T *
* * Bảng các chỉ số so sánh: Bảng MAE MAPE MAE RMSE U 8.212820 16.65345 8.212820 10.04968 0.050540 Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được. * Kết hợp yếu tố xu thế và yếu tố mùa để đoán nhu cầu dầu trong tương lai ta có được hàm sau: Y^t = YSAt^ + Sn=t + Snt (do Clt = 0 va Irt = 0)
*Chƣơng 3: Kết quả nghiên cứu *Sử dụng Eview gõ lệnh genr yf=ysaf+sn Nhu cầu sử dụng dầu 3 tháng cuối 2008. YF và DEMAND bám nhau nên mô hình cộng tính được áp dụng khá tốt.
* Chƣơng 3: Kết quả nghiên cứu Tình huống 2: Dự báo doanh Thực hiện các thao tác trên thu 4 quý tiếp theo của một phần mềm Eview ta được bảng kết quả sau
mô hình công ty máy tính MT nhân tính) RMS MAE MAP U E E MSE 5.371 4.429 3.399 28.85 0.019 240 091 182 021 428
*Chƣơng 3: Kết quả nghiên cứu 4. Kiểm định Kruskal-Wallis Tính CMA và chuỗi Sn.Ir Genr cma=(0.5*y(-1)+y+y(1)+0.5*y(2)/4) (Công thức tính CMA theo quý) Genr snir_mul=y/cma (Công thức tính chuỗi Sn,Ir theo mô hình nhân tính) Genr snir_add=y-cma (nếu là mô hình cộng tính) Genr quarter=@quarter (Tạo biến quarter lưu mã các quý)
* Chƣơng 3: Kết quả nghiên cứu Thực hiện kiểm định trên mô hình nhân tính Prob của thống kê Kruskal-Wallis bằng 0.0410 nhỏ hơn 0.1 nên độ tin cậy là 90% có yếu tố mùa tồn tại trong chuỗi dữ liệu.
Dự báo bằng phương pháp phân tích Nhược điểm •Chỉ có chuỗi dữ Ưu điểm liệu ổn định mới Ra đời sớm •Dự báo được đưa ra dự báo ngắn hạn và dài đáng tin cậy hạn. •Khi độ dài dự Dựa trên PP TB di động •Có tính phân báo càng tăng thì tích cụ thể. Hiểu pp này kém chính và giải thích dễ Nền tảng của dự báo theo MH xu thế xác hơn. dàng hơn các •Không thể đưa kết quả dự báo đầy đủ những yếu tố bên ngoài •Có thể diễn đạt Vẩn còn được sử dụng phổ có tác động trực tiếp excel biến cho đến ngày nay
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:
NỘI DUNG TRÌNH BÀY Chương 1: Tổng quan về dự báo trên chuỗi thời gian 1 Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu 2 Chương 3: Kết quả nghiên cứu 3 Chương 4: Tổng hợp 4
* Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.1.Giới thiệu: Giới thiệu kỹ thuật dự báo dựa trên phân tích các thành phần chuỗi thời gian chú trọng vào các dự báo ngắn hạn. Phương pháp này là một trong những phương pháp lâu đời nhất trong lịch sử 1.2.Mục tiêu nghiên cứu: Phân biệt được các thành phần của chuỗi thời gian Phân biệt và trình bày được các mô hình cộng tính và mô hình nhân tính trong dự báo đặc biệt có yếu tố mùa nổi trội Sử dụng Eviews và Excel để thực hiện dự báo bằng phương pháp phân tích Sử dụng được kiểm định Kruskal-Wallis để kiểm định yếu tố mùa bằng phần mềm Eviews.
* Chƣơng 1: Tổng quan về dự báo trên chuỗi thời gian 1.3.Phƣơng pháp và phạm vi nghiên cứu: * Dựa trên nền tảng của các phương pháp trung bình di động và dự báo theo hàm xu thế, kết hợp cộng tính hay kết hợp nhân tính với yếu tố mùa vụ theo mô hình san mũ W inters. Xem xét sự tồn tại của yếu tố mùa vụ thông qua kiểm định Kruskal-Wallis. 1.4.Lý do chọn đề tài: * Trên thực tế dữ liệu nhiều khi không tăng giảm theo thời gian mà còn biến động theo mùa. Phương pháp phổ biến và hữu ích trong việc dự báo sự thay đổi, tăng trưởng của một số chỉ số kinh tế - xã hội… Vì vậy cần nghiên cứu để có thể ứng dụng vào thực tiễn. 1.5. Ý nghĩa thực tiễn : * Một chuỗi thời gian có thể quan sát thông qua bốn thành phần cơ bản : mùa vụ, xu thế, chu kỳ và ngẫu nhiên. Cung cấp cho các nhà quản lí những đo lường cụ thể cho các thành phần mà không định lượng được bởi các phương pháp khác.
* Chƣơng 2: Cơ sở lý thuyết và mô hình nghiên cứu 3 2 1 Cơ sở lý thuyết: Công cụ: Mô hình nghiên cứu: •Dự báo trên •Phần mềm Mô hình hóa Yt theo các thành phần chuỗi thời gian Eview Trt, Clt, Snt, It : •Mối liên quan •Phần mềm •Mô hình cộng tính : Xem chuỗi thời của bốn thành Excel gian như tổng các thành phần phần chuỗi thời Yt= Trt + Clt +Snt +It gian với dữ liệu •Mô hình nhân tính : Xem chuỗi thời gốc. gian như tích các thành phần Yt = Trt× Clt×Snt × It
*Chƣơng 3: Kết quả nghiên cứu 1. Tình huống 1 •Dự báo nhu cầu sd dầu 3th cuối 2008 của một cty dầu khí Nhận xét • Quá trình tăng giảm nhu cầu dầu của công ty có dấu hiệu lặp lại, từ đó suy ra mô hình cộng tính tốt hơn mô hình nhân tính.
* 2. Lý thuyết ứng dụng: Mô hình nhân tính 3. Giải quyết tình huống * Xét Clt = 0 và Irt = 0, vì Sau khi điều chỉnh yếu tố mùa: vậy chuỗi dữ liệu bây giờ chỉ còn Trt hay YSAt = Trt * Sử dụng mô hình xu thế để đoán nhu cầu dầu tương lai của công ty. * Cộng doanh số theo mùa và xu thế để có kết quả cuối cùng.
* * Tách yếu tố xu thế: *Dự báo YSA (nhu cầu dầu đã loại yếu tố mùa) bằng mô hình xu thế: • Trước tiên ta tạo biến T bằng lệnh sau: genr t=@trend(1995:12) • YSA = -38.1193322338 + 1.38102867353*t
*Đồ thị dự báo kết quả *Kết quả ước lượng của hàm YSA trên eview theo biến T *
* * Bảng các chỉ số so sánh: Bảng MAE MAPE MAE RMSE U 8.212820 16.65345 8.212820 10.04968 0.050540 Nhu Cầu sử dụng dầu 3th cuối năm của công ty với độ chính xác 95% với sai số MAPE = 16.65, tương đối theil’s U = 0.05 có thể chấp nhận được. * Kết hợp yếu tố xu thế và yếu tố mùa để đoán nhu cầu dầu trong tương lai ta có được hàm sau: Y^t = YSAt^ + Sn=t + Snt (do Clt = 0 va Irt = 0)
*Chƣơng 3: Kết quả nghiên cứu *Sử dụng Eview gõ lệnh genr yf=ysaf+sn Nhu cầu sử dụng dầu 3 tháng cuối 2008. YF và DEMAND bám nhau nên mô hình cộng tính được áp dụng khá tốt.
* Chƣơng 3: Kết quả nghiên cứu Tình huống 2: Dự báo doanh Thực hiện các thao tác trên thu 4 quý tiếp theo của một phần mềm Eview ta được bảng kết quả sau
mô hình công ty máy tính MT nhân tính) RMS MAE MAP U E E MSE 5.371 4.429 3.399 28.85 0.019 240 091 182 021 428*Chƣơng 3: Kết quả nghiên cứu 4. Kiểm định Kruskal-Wallis Tính CMA và chuỗi Sn.Ir Genr cma=(0.5*y(-1)+y+y(1)+0.5*y(2)/4) (Công thức tính CMA theo quý) Genr snir_mul=y/cma (Công thức tính chuỗi Sn,Ir theo mô hình nhân tính) Genr snir_add=y-cma (nếu là mô hình cộng tính) Genr quarter=@quarter (Tạo biến quarter lưu mã các quý)
* Chƣơng 3: Kết quả nghiên cứu Thực hiện kiểm định trên mô hình nhân tính Prob của thống kê Kruskal-Wallis bằng 0.0410 nhỏ hơn 0.1 nên độ tin cậy là 90% có yếu tố mùa tồn tại trong chuỗi dữ liệu.
Dự báo bằng phương pháp phân tích Nhược điểm •Chỉ có chuỗi dữ Ưu điểm liệu ổn định mới Ra đời sớm •Dự báo được đưa ra dự báo ngắn hạn và dài đáng tin cậy hạn. •Khi độ dài dự Dựa trên PP TB di động •Có tính phân báo càng tăng thì tích cụ thể. Hiểu pp này kém chính và giải thích dễ Nền tảng của dự báo theo MH xu thế xác hơn. dàng hơn các •Không thể đưa kết quả dự báo đầy đủ những yếu tố bên ngoài •Có thể diễn đạt Vẩn còn được sử dụng phổ có tác động trực tiếp excel biến cho đến ngày nay
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