Đề tài: Phân tích báo cáo kết quả kinh doanh tại công ty xây dựng
huong dan-thuc-hanh-eview-trong-du-bao
1. HƯỚNG DẪN THỰC HÀNH
EVIEW TRONG DỰ BÁO
1.Hoàng Thạch Nguyên_TF01
2.Nguyễn Văn Lương_TF02
3.Lê Thiện Hòa_TF02
4.Nguyễn Duy Thái_TF01
5.Vũ Thư Hoàng_TF01
6.Trần Hồng Loan Thảo_TF02
Nhóm thuyết trình:
2. Các phương pháp san bằng mũ
• San bằng mũ đơn giản
• Phương pháp tuyến tính Holt
• Phương pháp Holt-Winter
3. Ví dụ:
• Dữ liệu về số học sinh của Mỹ đã được
tính với mức alpha=0.7 và beta=0.6
Dữ liệu trên file excel: hw.xls
4.
5. San bằng mũ
đơn giản
Holt-winters
2 tham số
không mùa
vụ
Holt-winters
mô hình cộng
3 tham số
Holt-winters
mô hình nhân
3 tham sốLưu ý ?!!
Các bạn có thề ko thêm
alpha,beta để cho máy tự
tính hoặc tính giá trị alpha
beta trên excel và đánh vào
6. Dựa vào biểu đồ ta thấy rằng dữ
liệu không có tính mùa vụ
8. Kết quả của holt-winters 2 tham số
không mùa vụ
9. Kết quả của holt-winters 2 tham số
không mùa vụ
• Dự báo:
• Genr: YDB = (YMU+T)*S
• YMU: Mean
• T: Trend
• S: Chi so mua vu
• Không có chỉ số mùa vụ thì không nhân
10. Mô hình ARIMA-Phương pháp Box-
Jenkins
• Ví dụ: các số liệu về chỉ số giá tiêu dùng
tính theo quý của Việt Nam từ quý I/1991
đến quý IV/1997.
• Sau đó chạy dự báo cho 4 quý vào năm
1998.
• Dữ liệu trên file arima.xls
11. Đưa dữ liệu vào :File/open/Foreign Data
as Workfile… (file excel . csv )
21. -Ta thấy biểu đồ hàm tự tương quan ACF giảm dần một cách
từ từ về 0, chuỗi đã dừng.
-ACF tắt nhanh về 0 sau 3 độ trễ : q=3
-PAC giảm nhanh về 0 sau 1 độ trễ: p=1
hìn
R (1)
AR (1)
22. B4 Chạy mô hình ARIMA (1,0,3)
Y c ar(1) ma(1) ma(2) ma(3)
Nhìn số ar, ma theo correng có mùa vụ
vụ: ARIMA
1)(1,2,2)4
D(Y,2) c ar(1) ma(1) ma(2) ma(3)
D(Z,2) C AR(1) AR(2) MA(1) SAR(4) SMA(4)
R X = D(Y,0,4)
R Z = D(X,0,4)
tạo mùa vụ ở trên
25. Sai số của mô hình ARIMA(1,0,3) là một chuỗi dừng và
nó có phânphối chuẩn. Sai số này là nhiễu trắng.
Từ lược đồ tự tương quan phần dư có p-value >0.1 và
không có thanh nào vượt quá 2 đường biên suy ra
mô hình phù hợp
26. Ta có bảng xác định các tiêu chuẩn đánh giá
sau khi đã thử với một vài mô hình khác nhau :
Mô hình
R-squared
Log
likelihood
Akaike info
criterion
Schwarz
criterion
ARIMA(1,0,3) 0.989405 30.62232 -2.046097 -1.902116
ARIMA(1,0,0) 0.985394 26.28905 -1.799189 -1.703201
ARIMA(0,0,3) 0.732152 -15.5026 1.250186 1.345343