Khoa học quản lý ứng dụng - Chương 9: Dự báo - Huỳnh Đỗ Bảo Châu

2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 1 CHƯƠNG 9 DỰ BÁO 1 TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HCM KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ KHOA HỌC QUẢN LÝ ỨNG DỤNG GV. ThS. Huỳnh Đỗ Bảo Châu Nội dung chính 1. Các thành phần trong dự báo 2. Phương pháp Chuỗi thời gian 3.Độ chính xác của dự báo 4. Phương pháp Hồi quy 2 GV. Huỳnh Đỗ Bảo Châu Giới thiệu GV. Huỳnh Đỗ Bảo Châu3  Dự báo là dự đoán về những gì sẽ xảy ra trong tương lai  VD: Dự báo thời tiết, dự báo doanh thu, dự báo nhu cầu thị trường, dự báo tỷ lệ tuyển sinh,  Các cách dự báo thông thường được nhà quản lý sử dụng: phán đoán của cá nhân, lấy ý kiến, kinh nghiệm trong quá khứ  Các phương pháp dự báo bằng mô hình toán học được sử dụng như: phân tích chuỗi thời gian, hồi quy, 1. Các thành phần trong dự báo GV. Huỳnh Đỗ Bảo Châu4 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 2 Các thành phần GV. Huỳnh Đỗ Bảo Châu5  Khả năng ứng dụng của các phương pháp dự báo phụ thuộc vào:  Khung thời gian (time frame) của quá trình dự báo.  Sự tồn tại của mô hình (existence of patterns).  Số lượng các biến liên quan (number of variables) đến quá trình dự báo. Khung thời gian (time frame) GV. Huỳnh Đỗ Bảo Châu6  Dự báo ngắn hạn (Short-range forecasts):  Diễn ra gần như ngay lập tức trong tương lai,  Thường liên quan đến hoạt động kinh doanh hằng ngày của công ty.  Dự báo không vượt quá 1-2 tháng trong tương lai.  Dự báo trung hạn (Medium-range forecast):  Từ 1 hoặc 2 tháng đến 1 năm,  Thường liên quan chặt chẽ hơn với lập kế hoạch sản xuất hàng năm, phản ánh các mặt hàng tăng giảm và nhu cầu bảo đảm nguồn lực bổ sung cho năm sắp tới.  Dự báo dài hạn (Long-range forecasts ):  Trong khoảng thời gian từ dài hơn 1 đến 2 năm.  Thường liên quan đến kế hoạch sản phẩm mới cho thị trường thay đổi, xây dựng cơ sở mới, hoặc bảo đảm tài chính dài hạn. Mô hình (patterns) GV. Huỳnh Đỗ Bảo Châu7  Xu hướng (trend) là một chuyển động lâu dài của sản phẩm, đối tượng đang được dự báo.  Vd: Nhu cầu về laptop cho thấy xu hướng tăng lên trong suốt thập kỷ qua, không có bất kỳ chuyển dịch giảm dài nào trên thị trường.  Xu hướng là mô hình đơn giản nhất để phát hiện hành vi nhu cầu.  Xem xét xu hướng thường là điểm khởi đầu cho quá trình dự báo. Mô hình (patterns) GV. Huỳnh Đỗ Bảo Châu8  Chu kỳ (cycle) là sự dịch chuyển nhấp nhô, lên xuống, lặp đi lặp lại trong một khoảng thời gian dài của nhu cầu (khoảng hơn 1 năm)  Vd: Nhu cầu về thiết bị thể thao mùa đông tăng lên mỗi 4 năm, trước và sau khi tổ chức Thế vận hội mùa đông (4 năm 1 lần) 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 3 Mô hình (patterns) GV. Huỳnh Đỗ Bảo Châu9  Mô hình theo mùa (seasonal pattern) là sự dịch chuyển dao động nhu cầu mà xảy ra theo định kỳ (trong ngắn hạn) và lặp đi lặp lại.  Mô hình này thường có liên quan đến thời tiết.  Mô hình theo mùa cũng có thể xảy ra trên cơ sở hàng ngày hoặc hàng tuần  Vd: Nhà hàng thì bận rộn vào buổi trưa, Trung tâm mua sắm thì đông vào cuối tuần, Quần áo ấm bán chạy vào các tháng cuối năm, . Mô hình (patterns) GV. Huỳnh Đỗ Bảo Châu10 Các phương pháp dự báo GV. Huỳnh Đỗ Bảo Châu11  Chuỗi thời gian là một kỹ thuật thống kê sử dụng dữ liệu lịch sử để dự đoán hành vi trong tương lai.  Hồi quy (Regression) là phương pháp thử phát triển một mối quan hệ toán học (trong hình thức của một mô hình hồi quy) giữa các các yếu tố là dự báo và các yếu tố gây ra nó.  Phương pháp định tính sử dụng bản theo dõi quản lý, chuyên môn, và ý kiến để đưa ra dự báo. Các phương pháp dự báo (tt) GV. Huỳnh Đỗ Bảo Châu12  Phương pháp Delphi là kỹ thuật thông tin liên lạc có cấu trúc, có nguồn gốc từ phương pháp dự đoán đối xứng và dự báo tương tác dựa trên bảng trả lời câu hỏi của các chuyên gia.  Phương pháp Delphi được phát triển tại Tổng công ty RAND ngay sau Thế Chiến II để dự báo tác động của một cuộc tấn công hạt nhân giả vào Hoa Kỳ.  Mặc dù phương pháp Delphi đã được sử dụng cho một loạt các ứng dụng, dự báo là một trong những công dụng chính của nó. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 4 2. Phương pháp Chuỗi thời gian GV. Huỳnh Đỗ Bảo Châu13 Giới thiệu GV. Huỳnh Đỗ Bảo Châu14  Phương pháp chuỗi thời gian là kỹ thuật thống kê sử dụng các dữ liệu lịch sử tích lũy trong một khoảng thời gian.  Phương pháp chuỗi thời gian giả định rằng những gì đã xảy ra trong quá khứ sẽ tiếp tục xảy ra trong tương lai.  Phương pháp dự báo chỉ liên quan đến có yếu tố thời gian.  Phương pháp chuỗi thời gian có xu hướng hữu ích nhất cho dự báo ngắn hạn, đôi khi vẫn có thể được sử dụng để dự báo trung dài hạn.  Hai loại phương pháp chuỗi thời gian: làm mịn theo cấp số nhân (exponential smoothing) và trung bình dịch chuyển (moving average). Moving Average (MA) GV. Huỳnh Đỗ Bảo Châu15  Phương pháp dịch chuyển trung bình hiệu quả khi nhu cầu ổn định không có hành vi mẫu rõ rệt.  Sử dụng một số giá trị trong thời gian lịch sử để phát triển kết quả dự báo.  Kết quả tạo ra đường trung bình giản đơn của chuỗi dữ liệu.  Đường trung bình giản đơn đặc biệt hữu ích cho việc dự báo các chỉ tiêu tương đối ổn định và không hiển thị hành vi rõ ràng. Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu16  Công ty có bảng theo dõi lượng đơn đặt hàng trong lịch sử như sau:  Người quản lý muốn dự đoán số lượng đơn đặt hàng đó sẽ xảy ra trong những tháng tới (để dự báo nhu cầu giao hàng). 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 5 Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu17  Lượng đơn hàng của tháng 11:  Dự báo bằng PP trung bình MA (3 tháng):  Dự báo bằng PP trung bình MA (5 tháng): Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu18  Dự báo các tháng trước cho phép so sánh các dự báo với nhu cầu thực tế để xem độ chính xác phương pháp dự báo: Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu19  Trung bình di chuyển thời gian dài phản ứng chậm hơn với những thay đổi nhu cầu gần, và làm ngắn thời gian di chuyển trung bình. Dịch chuyển bình quân gia quyền Weighted Moving Average GV. Huỳnh Đỗ Bảo Châu20  Các phương pháp trung bình dịch chuyển cần được điều chỉnh để phản ánh sát hơn nhiều biến động gần đây trên dữ liệu và các hiệu ứng theo mùa.  Phương pháp điều chỉnh này được gọi là phương pháp di chuyển bình quân gia quyền.  Các trọng số được gán cho các dữ liệu gần đây nhất theo công thức sau đây: 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 6 Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu21  (tt ví dụ trên)  Công ty Cấp muốn tính MA (3 tháng) theo phương pháp WMA: có trọng số 50% cho Tháng Mười, 33% cho các dữ liệ tháng Chín, và 17% cho tháng Tám. ܹܯܣ 3 ൌ෍ ௜ܹܦ௜ ൌ 0.5 ∗ 90 ൅ 0.33 ∗ 110 ൅ 0.17 ∗ 130 ଷ ௜ୀଵ ൌ 103.4 đơn hàng Exponential Smoothing (làm mịn theo cấp số nhân) GV. Huỳnh Đỗ Bảo Châu22  Dự báo theo phương pháp làm mịn theo cấp số nhân là phương pháp trung bình trọng lượng mà các dữ liệu quá khứ gần đây nhất mạnh hơn dữ liệu xa hơn trong quá khứ.  Dự báo sẽ phản ứng mạnh hơn với những thay đổi tức thời trong chuỗi dữ liệu  hữu ích nếu những thay đổi gần đây trong các dữ liệu là kết quả của một sự thay đổi thực tế (một mô hình theo mùa) thay vì chỉ biến động ngẫu nhiên (như mô hình MA)  Hai hình thức làm mịn theo cấp số nhân: làm mịn theo cấp số nhân đơn giản (simple exponential smoothing) và làm mịn theo cấp số nhân có điều chỉnh (adjusted exponential smoothing) (điều chỉnh cho các xu hướng, theo mùa, ). Simple exponential smoothing (làm mịn theo cấp số nhân đơn giản) GV. Huỳnh Đỗ Bảo Châu23  Giá trị hệ số làm mịn  = [0,1]  Nếu  = 0.2 có nghĩa là dự báo cho các giai đoạn tiếp theo dựa trên 20% nhu cầu gần đây và 80% nhu cầu trong quá khứ.  Nếu  = 0 có nghĩa là dự báo không phản ánh nhu cầu gần đây.  Nếu  = 1 có nghĩa là dự báo hoàn toàn dựa vào nhu cầu gần đây.   càng lớn thì kết quả dự báo càng nhạy cảm với biến đổi gần đây. Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu24  Công ty có dữ liệu tiêu thụ máy tính trong 12 tháng qua như bảng sau.  Dự báo nhu cầu các tháng tiếp theo, sử dụng hệ số làm mịn  = 0.3 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 7 Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu25  Do không có số liệu tháng 1, ta có thể lấy số liệu tháng 1 kỳ quá khứ là dữ liệu khởi điểm cho dự báo. (hoặc có thể lấy trung bình 3-4 giai đoạn đầu tiên)  Dự báo tháng 1 là F(1) = 37  Dự báo tháng 2:  Dự báo tháng 3:  Dự báo tháng Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu26  Bảng kết quả dự báo Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu27 Adjusted Exponential Smoothing (làm mịn theo cấp số nhân có điều chỉnh) GV. Huỳnh Đỗ Bảo Châu28  Công thức dự báo điều chỉnh:  Các yếu tố xu hướng được tính tương tự như dự báo làm mịn theo cấp số nhân giản đơn  một mô hình dự báo cho xu hướng:  = [0,1] 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 8 Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu29  (tt ví dụ trên)  Với  = 0.3  Tính dự báo điều chỉnh cho tháng Ba, bắt đầu với việc xác định của các yếu tố xu hướng: Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu30  Bảng kết quả dự báo: Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu31 Đường xu hướng tuyến tính (Linear Trend Line) GV. Huỳnh Đỗ Bảo Châu32  Một đường xu hướng tuyến tính là một mô hình hồi quy tuyến tính có liên quan theo yêu cầu về thời gian. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 9 Đường xu hướng tuyến tính (Linear Trend Line) GV. Huỳnh Đỗ Bảo Châu33  Các thông số của đường xu hướng tuyến tính có thể được tính toán bằng cách sử dụng các công thức bình phương nhỏ nhất cho hồi quy tuyến tính: Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu34  Xem xét dữ liệu nhu cầu máy tính.  Dữ liệu xuất hiện theo một xu hướng tuyến tính ngày càng tăng.  Công ty muốn tính toán đường xu hướng thay thế cho các phương pháp dự báo trước. Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu35  Các thông số cho đường xu hướng tuyến tính:  Phương trình đường xu hướng tuyến tính: Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu36 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 10 Điều chỉnh theo mùa (Seasonal Adjustments) GV. Huỳnh Đỗ Bảo Châu37  Có một số phương pháp để phản ánh theo mùa trong một chuỗi thời gian dự báo.  Phương pháp đơn giản nhất là sử dụng một yếu tố theo mùa, một giá trị S được nhân với dự báo bình thường để có được kết quả dự báo điều chỉnh (+/-) theo mùa. ௜ܵ ൌ ܦ௜ ∑ܦ Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu38  Dữ liệu nhu cầu nông sản trong 3 năm theo từng mùa:  Dự báo nhu cầu từng mùa cho năm thứ 4. Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu39  Yếu tố mùa vụ cho từng mùa là: Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu40  Sử dụng phương pháp đường xu hướng tuyến tính, tìm phương trình xu hướng:  Xu hướng tại năm thứ 4:  Dự báo nhu cầu các mùa năm thứ 4: 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 11 3. Độ chính xác của dự báo GV. Huỳnh Đỗ Bảo Châu41 Lỗi trong dự báo GV. Huỳnh Đỗ Bảo Châu42  Các lỗi dự báo là sự khác biệt giữa dự báo và nhu cầu thực tế.  Các biện pháp xem xét lỗi dự báo:  Độ lệch tuyệt đối (MAD)  Phần trăm độ lệch tuyệt đối (MAPD)  Lỗi tích lũy (E)  Sai số trung bình (ܧത)  Bình phương lỗi (MSE) Độ lệch tuyệt đối (MAD) Mean Absolute Deviation GV. Huỳnh Đỗ Bảo Châu43  MAD là sự khác biệt tuyệt đối trung bình giữa giá trị dự báo và nhu cầu. Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu44  Bảng dự báo theo phương pháp làm mịn giản đơn  = 0.3 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 12 Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu45  Độ lệch tuyệt đối của kết quả dự báo:  Độ lệch tuyệt đối của kết quả dự báo theo các pp khác: Phần trăm độ lệch tuyệt đối Mean absolute percent deviation (MAPD) GV. Huỳnh Đỗ Bảo Châu46  MAPD là sai số tuyệt đối như là một tỷ lệ phần trăm của nhu cầu.  TT ví dụ minh họa slide 44, ta có MAPD theo pp làm mịn giản đơn  = 0.3:  MAPD các pp khác: Lỗi tích lũy (E) Cumulative Error GV. Huỳnh Đỗ Bảo Châu47  Lỗi tích lũy được tính bằng cách tổng hợp các lỗi dự báo, như thể hiện trong công thức sau:  E >=0 và tương đối lớn cho thấy dự báo có giá trị thấp hơn so với nhu cầu thực tế.  E < 0 và càng âm nhiều cho thấy dự báo có giá trị cao hơn so với nhu cầu thực tế. Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu48  (tt bảng số liệu slide 44)  Giá trị lỗi tích lũy:  Giá trị lỗi tích lũy các pp khác:  Giá trị lỗi tích lũy không tính đối với phương pháp đường xu hướng tuyến tính, E của pp này = 0.  Không phải là chỉ số tốt để so sánh các pp dự báo. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 13 Sai số trung bình (ࡱഥ) (average error) GV. Huỳnh Đỗ Bảo Châu49  Tính bằng trung bình tích lũy lỗi trên số lượng khoảng thời gian  TT ví dụ slide 44, sai số trung bình: Trung bình bình phương lỗi Mean squared error (MSE) GV. Huỳnh Đỗ Bảo Châu50  MSE tính bằng mỗi giá trị lỗi từng thời kỳ được bình phương, và sau đó các giá trị được cộng lại và tính trung bình.  TT ví dụ slide 44, Trung bình bình phương lỗi:  MSE càng nhỏ thì kết quả dự báo càng tốt Tóm tắt các hệ số đánh giá dự báo GV. Huỳnh Đỗ Bảo Châu51 ỨNG DỤNG EXCEL DỰ BÁO CHUỖI THỜI GIAN GV. Huỳnh Đỗ Bảo Châu52 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 14 4. Phương pháp Hồi quy Regression Methods GV. Huỳnh Đỗ Bảo Châu53 Giới thiệu GV. Huỳnh Đỗ Bảo Châu54  Hồi quy là kỹ thuật dự báo, đo lường mối quan hệ của một biến với một hoặc nhiều biến số khác.  Ví dụ: có mối quan hệ giữa nhu cầu nhà mới tăng lên khi lãi suất thấp hơn  các sản phẩm xây dựng và dịch vụ xây dựng tăng lên nếu nhà xây mới tăng.  Hình thức đơn giản nhất của hồi quy là hồi quy tuyến tính, đã được sử dụng trong phần trước nhằm phát triển đường xu hướng tuyến tính để dự báo. Hồi quy tuyến tính GV. Huỳnh Đỗ Bảo Châu55  Hồi quy tuyến tính giản đơn có liên quan giữa một biến phụ thuộc (nhu cầu) đến một biến độc lập.  Độ dốc (b) và tung độ gốc (a) được tính bằng các công thức bình phương tối thiểu Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu56  Trung tâm thể theo của trường Đại học muốn xây dựng ngân sách cho năm tới, sử dụng dự báo nhu cầu tham dự bóng đá. Tham dự bóng đá chiếm phần lớn doanh thu, và giám đốc tin rằng quyết định tham gia không liên quan trực tiếp đến số trận thắng của đội bóng.  Người quản lý đã tích lũy tổng số liệu 8 năm qua Với số lượng người mới và sức mạnh của đội, giám đốc tin rằng đội sẽ giành chiến thắng ít nhất bảy trận trong năm tới.  phát triển phương trình hồi quy đơn giản cho các dữ liệu để dự báo nhu cầu tham dự. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 15 Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu57 Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu58  Giá trị độ dốc (b) và tung độ gốc (a)  Phương trình tuyến tính: ݕ ൌ 18.46 ൅ 4.06ݔ Ví dụ minh họa (tt) GV. Huỳnh Đỗ Bảo Châu59  Các điểm dữ liệu với đường hồi quy được trình bày trong hình  Quan sát dòng hồi quy so với các điểm dữ liệu, các dữ liệu sẽ xuất hiện theo một xu hướng tuyến tính đi lên rõ rệt  các dự báo tương đối chính xác.  Giá trị cho MAD cho mô hình dự báo này cho thấy dự báo chính xác. Sự tương quan (Correlation) GV. Huỳnh Đỗ Bảo Châu60  Tương quan là thước đo sức mạnh mối quan hệ giữa các biến độc lập và các biến phụ thuộc.  Công thức cho hệ số tương quan là: ݎ ൌ ݊∑ݔݕ െ ∑ݔ∑ݕ ݊∑ݔଶ െ ∑ݔ ଶ ሾ݊∑ݕଶ െ ሺ∑ݕሻଶሿ  Giá trị r thay đổi giữa ± 1.00 cho thấy mối quan hệ tuyến tính mạnh giữa các biến.  Nếu sự gia tăng các biến độc lập  sự gia tăng tuyến tính tương ứng trong các biến phụ thuộc.  Nếu sự gia tăng các biến phụ thuộc  sự suy giảm tuyến tính trong biến phụ thuộc.  Giá trị r gần bằng 0  có rất ít hoặc không có mối quan hệ tuyến tính giữa các biến. 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 16 Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu61  Xác định hệ số tương quan của phương trình tuyến tính trong bài toán  r gần bằng 1  có mối quan hệ tuyến tính mạnh mẽ giữa số trận thắng và việc có mặt đội nhà. Hệ số xác định (coefficient of determination) GV. Huỳnh Đỗ Bảo Châu62  Là thước đo mối quan hệ giữa các biến trong mô hình phương trình hồi quy tuyến tính. ܥܱܦ ൌ ݎଶ  (tt ví dụ trên) ܥܱܦ ൌ ሺ0.948ሻଶൌ 0.899 ൌ 89.9%  Giá trị này có nghĩa là 89,9% về số lượng độ tham dự có thể được quy cho số trận thắng của đội bóng (với số còn lại 10,1% do các yếu tố khác không giải thích được, chẳng hạn như thời tiết, một sự khởi đầu tốt hay nghèo, công khai, )  Giá trị COD gần bằng 1 (hoặc 100%) sẽ chỉ ra số đội tham dự hoàn toàn phụ thuộc vào chiến thắng.  Tuy nhiên, còn hệ số 10,1% các biến thể là kết quả bị ảnh hưởng bởi các yếu tố khác  có một số lỗi dự báo. Phân tích hồi quy bằng Excel GV. Huỳnh Đỗ Bảo Châu63 Hồi quy đa biến (Multiple regression) GV. Huỳnh Đỗ Bảo Châu64  Hồi quy đa biến liên quan đến hai hoặc nhiều biến độc lập.  Phương trình hồi quy có dạng: 2/12/2017 GV. ThS. Huỳnh Đỗ Bảo Châu 17 Ví dụ minh họa GV. Huỳnh Đỗ Bảo Châu65  (tt ví dụ slide 56)  Yếu tố số đội tham dự còn chịu ảnh hưởng bởi chi phí quảng cáo, thể hiện trong bảng sau  Giải bằng cách sử dụng Excel hoặc các phần mềm hỗ trợ HẾT CHƯƠNG 9 66 GV. Huỳnh Đỗ Bảo Châu