Tải bản đầy đủ (.docx) (19 trang)

tiểu luận dự báo kinh tế dự báo doanh thu thuần của công ty tập đoàn KIDO từ quý 4 năm 2019 đến quý 4 năm 2020 – sử dụng mô hình ARIMA

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (378.11 KB, 19 trang )

LỜI MỞ ĐẦU
Xã hội ngày càng phát triển, kinh tế ngày càng chiếm vai trò quan trọng và trở
thành một trong những mối quan tâm hàng đầu của các quốc gia trên thế giới. Bên cạnh
các công việc tìm hiểu, phân tích, đánh giá thị trường, dự báo kinh tế cũng là một chỉ tiêu
vô cùng quan trọng đối với các doanh nghiệp nói riêng và nền kinh tế quốc gia nói chung.
Trong nền kinh tế thị trường, công tác dự báo là vô cùng quan trọng bởi lẽ nó cung cấp
các thông tin cần thiết nhằm phát hiện và bố trí sử dụng các nguồn lực trong tương lai
một cách có căn cứ thực tế. Với những thông tin mà dự báo đưa ra cho phép các nhà
hoạch định chính sách có những quyết định về đầu tư, các quyết định về sản xuất, về tiết
kiệm và tiêu dùng, các chính sách tài chính, chính sách kinh tế vĩ vô. Dự báo không chỉ
tạo cơ sở khoa học cho việc hoạch định chính sách, cho việc xây dựng chiến lược phát
triển, cho các quy hoạch tổng thể mà còn cho phép xem xét khả năng thực hiện kế hoạch
và hiệu chỉnh kế hoạch.
Ngày nay dự báo đã được sử dụng rất rộng rãi trong mọi lĩnh vực đời sống xã hội
với nhiều loại và phương pháp dự báo khác nhau như lấy ý kiến ban điều hành, phương
pháp điều tra người tiêu dùng, phương pháp Delphi,… Trong thống kê người ta dùng
nhiều phương pháp khác nhau như phương pháp trung bình giản đơn, phương pháp trung
bình dài hạn, phương pháp san mũ,…
Để làm rõ hơn về phương pháp dự báo trong kinh tế, trong tiểu luận này, nhóm thực hiện
sử dụng phần mềm kinh tế lượng Eviews để chạy các mô hình lượng để dự báo doanh thu
thuần của Công ty cổ phần Tập đoàn KIDO trong thời gian tới (từ quý 4 năm 2019 đến
quý 4 năm 2020) dựa trên dữ liệu doanh thu thu thập được từ quý 4 năm 2005 đến quý 3
năm 2019.


PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu Dự báo bằng mô hình ARIMA
Tổng quan về mô hình
Mô hình ARIMA bậc p, d, q là mô hình với:
AR(p) là mô hình tự tương quan bậc p
Y(d) là chuỗi dừng khi lấy sai phân bậc d


MA(q) là mô hình trung bình trượt bậc q
có phương trình là:
Mô tả số liệu
Số liệu được sử dụng là doanh thu thuần của KIDO từ quý 4 – 2005 đến quý 3 - 2019
(đơn vị: triệu VND), được nhóm tổng hợp từ trang http://finance.vietstock.vn.
Nhấn đúp vào chuỗi dtt để mở cửa sổ Series: dtt
Trên cửa sổ Series: dtt vào View/ Descriptive Statistics & Tests/ Stats Table,ta có
bảng mô tả thống kê như sau:
Một số mô tả thống kê quan trọng:


Số quan sát (Observations): 56



Giá trị trung bình (Mean): 899004.1



Giá trị lớn nhất (Maximum): 2130962.0



Giá trị nhỏ nhất (Minimum): 164798.0



Độ lệch chuẩn (Std. Dev.): 603942.8



Trên cửa sổ command dùng lệnh: Line dtt
Ta thu được biểu đồ sau:

Từ đồ thị của chuỗi dtt, ta thấy chuỗi có xu hướng tăng dần dốc lên theo thời gian.
Vậy ta sử dụng mô hình nhân.
2.1 Quy trình dự báo
Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo
 Đối với chuỗi thường: kiểm tra tính dừng của chuỗi gốc và tiến hành dự báo
ARIMA với chuỗi gốc.
 Đối với chuỗi có tính mùa vụ: tách yếu tố mùa vụ khỏi chuỗi gốc, sau đó kiểm tra
tính dừng của chuỗi tách và tiến hành dự báo ARIMA với chuỗi tách.


 Đối với chuỗi có tính xu thế: kiểm tra tính dừng của chuỗi gốc (với là phần dư),
sau đó kiểm tra tính dừng của chuỗi và tiến hành dự báo ARIMA với chuỗi .
Bước 2: Xác định độ trễ p, q.
Bước 3: Kiểm tra các điều kiện giả định của mô hình:
 Mô hình khả nghịch và ổn định (nghiệm đơn vị của các mô hình hồi quy phụ < 1).
 Nhiễu trắng (nhiễu không tự tương quan).
 Chất lượng dự báo.
Bước 4: Dự báo ngoài mẫu
 Đối với chuỗi có yếu tố mùa vụ: Nhân hoặc cộng chuỗi dự báo đã hiệu chỉnh với
chỉ số mùa vụ để dự báo chuỗi gốc.
Đối với chuỗi có yếu tố xu thế:Tạo biến là dự báo của chuỗi .
KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH
Bước 1: Kiểm tra tính mùa vụ và tách yếu tố mùa vụ nếu có
Trên cửa sổ Series: DTT vào View/ Graph


Trên cửa sổ Graph Options chọn Seasonal Graph, ta thu được biểu đồ


Nhận thấy các vạch đỏ trong hình chênh lệch nhau nhiều => tính mùa vụ rõ ràng.
Chứng tỏ chuỗi giá trị sử dụng có yếu tố mùa vụ.
Ta tiến hành tách yếu tố mùa vụ cho chuỗi gốc như sau:
Trên cửa sổ series DTT chọn : Proc => seasonal Adjustment => Moving Average
Methods


Trên cửa sổ Seasonal Adjustment trong phần Adjustment methods chọn Ratio to moving
average-Multiplicative
Chuỗi đã tách yếu tố mùa vụ là dttsa, chỉ số mùa vụ là s.

Ta có kết quả chỉ số mùa vụ như sau:


Chuỗi đã tách yếu tố mùa vụ là dttsa.
Kiểm định tính dừng của chuỗi
Cặp giả thuyết:
Trên cửa sổ Series: DTTSA vào View/ Unit Root Tests


Trên cửa sổ Unit Root Test, phần Test for unit root in chọn Level

Ta thu được kết quả sau:


Theo kết quả kiểm định ta thấy:

 Không có cơ sở bác bỏ H0 => Chuỗi dttsa không dừng.
Tiếp theo, ta kiểm định tính dừng đối với sai phân bậc 1 của chuỗi.



Trên cửa sổ Series: DTTSA vào lại View/ Unit Root Tests. Trên cửa sổ Unit Root
Test, phần Test for unit root in chọn 1st difference

Ta thu được kết quả sau:


Theo kết quả kiểm định, ta có :

 Bác bỏ H0 , chấp nhận H1 => chuỗi dttsa dừng ở sai phân bậc 1.
Bước 2: Tìm độ trễ cho mô hình AR và MA
Trên cửa sổ Series: DTTSA vào View/ Correlogram
Trên cửa sổ Correlogram Specification chọn độ trễ phần Lags to include là 18

Ta có kết quả:


Từ giản đồ tương quan trên, ta chọn độ trễ cho AR là 4, 6 và MA là 4, 6.
Bước 3: Ước lượng mô hình và kiểm định khuyết tật.
Ước lượng mô hình
Trên cửa sổ Command gõ lệnh LS d(dttsa) c ar(4) ma(6)
Ta có kết quả hồi quy như sau:

Kiểm định nhiễu trắng
Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Correlogram – Qstatistics
Trên cửa sổ Lag Specification chọn độ trễ 12.


P-value tại các độ trễ đều lớn hơn mức ý nghĩa α = 5% nên mô hình không có tự tương

quan của nhiễu.
Bước 4: Dự báo cho chuỗi hiệu chỉnh dttsa
Trên cửa sổ ước lượng chọn Forecast.
Trên cửa sổ Forecast, phần Forecast Sample chọn mẫu từ 2019Q1- 2019Q3, ta thu
được kết quả:


Nhìn vào kết quả dự báo trong mẫu ta thấy
Mean Abs. Percent Error = 9.837992 < 10
Tức là sai số dự báo < 10%  Có thể sử dụng mô hình này để dự báo ngoài mẫu.
Ta tiến hành dự báo cho chuỗi ngoài mẫu.
Mở lại cửa sổ Forecast. Trong phần Forecast sample chọn mẫu 2019Q4 2020Q4. Ta
thu được chuỗi dự báo dttsaf.


Dự báo cho chuỗi gốc :
Trong phần mô tả ta đã xác định được chuỗi thuộc mô hình cộng
Ta lấy chuỗi dttsaf nhân với chỉ số mùa vụ s sẽ được chuỗi dự báo dttf


Trên cửa sổ Command gõ lệnh :genr dttf=dttsaf*s
Trên cửa sổ Command gõ lệnh line dttf dtt thu được kết quả sau:


1. KẾT LUẬN
Bài nghiên cứu sử dụng mô hình ARIMA để dự báo doanh thu thuần Công ty Cổ phần
Tập đoàn KIDO từ quý IV năm 2019 đến quý IV năm 2020. Từ kết quả dự báo, doanh
thu thuần tăng rồi giảm nhẹ. Tuy nhiên, trong giai đoạn hiện nay nền kinh tế có nhiều
biến động có thể tác động đến kết quả dự báo, do đó việc dự báo doanh thu thuần trong
tương lai sẽ tồn tại những sai số nhất định. Dù vậy thì kết quả nghiên cứu này cũng phần

nào cung cấp cho các nhà lãnh đạo của công ty có những giải pháp đúng đắn để điều
chỉnh các chính sách tăng doanh thu phù hợp với mục tiêu tăng trưởng kinh tế.

Từ đây, nhóm nghiên cứu đề xuất một số giải pháp nhằm tăng doanh thu thuần cho Công
ty CPTĐ KIDO như sau:
Một là, xây dựng chiến lược kế hoạch kinh doanh đúng đắn và phù hợp với tình hình của
doanh nghiệp. Khi có chiến lược và kế hoạch kinh doanh phù hợp cho phép doanh nghiệp
tận dụng tối đa các nguồn lực cho sản xuất kinh doanh, như vậy sẽ làm tăng hiệu quả hoạt
động của doanh nghiệp, góp phần làm tăng lợi nhuận.
Hai là, xây dựng triển khai các kế hoạch và các chính sách marketing, đẩy mạnh nghiên
cứu khai thác thị trường tìm hiểu nhu cầu khách hàng. Việc triển khai và thực hiện các kế


hoạch, chính sách marketing : chính sách sản phẩm, chính sách giá cả, chính sách giao
tiếp khuyeesch trương, chính sách phân phối,… cùng với việc đẩy mạnh nghiên cứu khai
thác thị trường tìm hiểu khác hàng cho phép đáp ứng tốt nhu cầu của người tiêu dùng,
tăng hiệu quả hoạt động của doanh nghiệp.
Ba là, tổ chức tốt quá trình kinh doanh sản phẩm hàng hóa và dịch vụ công ty. Việc tổ
chức tốt quá trình kinh doanh sản phẩm hàng hóa và dịch vụ đòi hỏi công ty phải thực
hiện tốt ở tất cả các khâu: nguồn cung ứng đầu vào, cho đến đầu ra, dự trữ hàng hóa, tiêu
thụ, tổ chức thanh toán,…
Bốn là, lựa chọn cơ cấu mặt hàng kinh doanh hợp lý. Cơ cấu mặt hàng kinh doanh của
doanh nghiệp có ảnh hướng tới tình hình tiêu thụ hàng hóa và dịch vụ của doanh nghiệp.
Vì vậy, để có thể tăng lợi nhuận của công ty cần lựa chọn cho mình một cơ cấu mặt hàng
kinh doanh phù hợp về cả số lượng, tỷ trọng hàng trong cơ cấu và làm sao để cơ cấu đó
phát huy được những thế mạnh của mình thu hút khách hàng.

TÀI LIỆU THAM KHẢO



1. Giáo trình Kinh tế lượng, Nguyễn Quang Dong, Nguyễn Thị Minh, 2015,
NXB Đại học Kinh tế Quốc dân.
2. CÁC MÔ HÌNH DỰ BÁO THEO PHƯƠNG PHÁP BOX – JENKINS
https://maths.uel.edu.vn/Resources/Docs/SubDomain/maths/TaiLieuHocTap/ToanUn
gDung/cc_m_hnh_d_bo_theo_phng_php_box__jenkins.html?
fbclid=IwAR0PXT6DIg7Sh26yL_pYqHAVSeGnXj6b02RQmzqdxQnQxjb_jTCvl_8
tYmA

3. Số liệu được sử dụng là doanh thu thuần của KIDO từ quý 4 – 2005 đến quý 3 2019

(đơn

vị:

triệu

http://finance.vietstock.vn.

VND),

được

nhóm

tổng

hợp

từ


trang



Xem Thêm

×