Tải bản đầy đủ

tiểu luận dự báo kinh tế dự báo tỷ giá hối đoái VNĐUSD việt nam từ tháng 10 năm 2018 đến tháng 6 năm 2019

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
1.1 Phương pháp dự báo
1.1.1 Mô hình giản đơn mở rộng Naïve
Mô hình giản đơn dự báo cho giai đoạn tới dựa trên giá trị thực tế của giai đoạn
vừa qua.


Công thức mô hình giản đơn:
F(t) = At-1

Nếu chúng ta quan sát thấy khuynh hướng tăng, có thể áp dụng mô hình Naive mở
rộng.


Công thức mô hình giản đơn mở rộng Naive:
F(t) = At-1 + (At-1 – At-2 )

Trong đó:


F(t): là dự báo cho giai đoạn t




A(t-1) là số thực tại thời điểm t-1,



A(t-2) là số thực tại thời điểm t-2,

1.1.2

Dự báo Phương pháp trung bình
Phương pháp trung bình đưa ra dự báo cho giai đoạn tiếp theo dựa

trên cơ sở kết quả trung bình của các kỳ trước đó thay đổi trong một thời
gian nhất định.
- Công thức phương pháp trung bình giản đơn:
F(t) =
Trong đó:


A(t-i) là số thực tại thời điểm t-i,



n: là số giai đoạn quan sát

1


Phương pháp trung bình động đưa ra dự báo cho giai đoạn tiếp
theo dựa trên cơ sở kết quả trung bình của m kỳ trước, m thời kì sau đó
và chính nó
-

Công thức phương pháp trung bình động:
F(t) =

Trong đó:
 t: là thời kì quan sát


 m: là số thời kì quan sát sau thời kì t
Trong trường hợp khi nhu cầu có sự biến động, trong đó thời gian gần nhất
có ảnh hưởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh hưởng càng
nhỏ ta dùng phương pháp trung bình động sẽ thích hợp hơn.

1.1.3 Dự báo Phương pháp san chuỗi/ san mũ
1.1.3.1 Phương pháp san mũ giản đơn
* Phương pháp san mũ giản đơn
Để khắc phục những hạn chế của các phương pháp trên, đối với những
chuỗi không thay đổi hoặc thay đổi chậm theo thời gian, đề xuất sử dụng
phương pháp san bằng hàm mũ giản đơn để dự báo. Đây là phương pháp dễ sử
dụng nhất, nó cần ít số liệu trong quá khứ.
-

Công thức phương pháp san mũ giản đơn:
Ft = Ft-1 + α(At-1 - Ft-1) với 0< α<1
Trong đó:
 Ft - Mức nhu cầu dự báo kỳ t
 Ft-1 - Mức nhu cầu dự báo kỳ t-1
 At-i - Mức nhu cầu thực kỳ t-i
 αt-i - Hệ số san bằng mũ

2


*Phương pháp san mũ kép
Phương pháp san mũ kép chính là việc san mũ đơn 2 lần, trong đó phản ánh
được xu hướng biến động của nhu cầu.
-

Công thức phương pháp san chuỗi kép:
sao cho đạt giá trị nhỏ nhất

1.1.3.2 Phương san mũ Holt
Khi bộ dữ liệu có tính khuynh hướng, phương pháp san mũ đơn và kép sẽ
cho ra sai số rất lớn. Phương pháp đường số mũ Holt có điều chỉnh tính xu hướng.
-

Phương trình đường số Mũ Holt được viết:

+Ước lượng giá trị trung bình hiện tại:
Ft = α At + (1- α)(Ft -1+ Tt-1)
+ Ước lượng độ dốc:
Tt

= β(Ft – Ft-1) + (1-β)Tt-1

+ Dự báo giai đoạn trong tương lai:
Ft+h

= Ft + h.Tt

Trong đó:
 α

= hằng số đường số mũ (0< α <1)

 At

= Giá trị thực tại thời điểm t

 Tt

= Ước lượng khuynh hướng

 β

= Hằng số san mũ cho ước luợng khuynh hướng (0
 h

= Số lượng giai đoạn (quan sát) dự báo.

 Ft+h

= Giá trị dự báo Holt tại thời điểm t+h

3


1.1.3.3 Phương pháp san mũ Winter
Phương pháp này được sử dụng khi dữ liệu có biểu hiện cả khuynh hướng và thời
vụ.
Tuy nhiên, khi sử dụng phương pháp san mũ Winter phải xem xét ảnh hưởng của
các yếu tố:
 Mô hình cộng: ảnh hưởng của yếu tố chu kì và thời vụ không liên quan đến
mức chung của chuỗi.
 Mô hình nhân: yếu tố thời vụ phụ thuộc yếu tố xu thế và yếu tố chu kì.
-

Phương trình của Winter có dạng:
+ Ước lượng giá trị trung bình hiện tại


Mô hình nhân: Ft = α.At/St-p + (1- α) (Ft-1 + Tt-1)



Mô hình cộng: Ft = α(At - St-p) + (1- α) (Ft-1 + Tt-1)

+Ước lượng giá trị xu thế:
Tt = β(Ft – Ft-1) + (1-β)Tt-1
+ Ước lượng giá trị chỉ số xu thế:


Mô hình nhân: St = γAt/Ft + (1-γ) St-p



Mô hình cộng: St = γ(At-Ft )+ (1-γ) St-p

+Dự báo h giai đoạn trong tương lai:


Mô hình nhân: Ft+h = (Ft + hTt) St+h-p



Mô hình nhân: Ft+h = Ft + hTt+ St+h-p

Trong đó:
 St = Ước lượng thời vụ
 γ = Hằng số san mũ ước luợng thời vu(0<γ <1)

4


 h = Số lượng giai đoạn (quan sát) dự báo phía trước.
 P = số lượng giai đoạn (quan sát) trong chu kỳ thời vụ


Lựa chọn mô hình hiệu quả nhất có chỉ số RMSE nhỏ nhất.

1.1.4 Dự báo bằng Phương pháp Phân tích

-

Bước 1: Nhận dạng dữ liệu
Kiểm tra dữ liệu là mô hình nhân hay mô hình cộng bằng quan sát xu thế

biến động của chuỗi
-

Bước 2: Tách yếu tố mùa vụ ra khỏi chuỗi
Hiệu chỉnh yếu tố mùa vụ bằng tỷ số MA
+ Tính giá trị CMA4 nếu số liệu theo quý, và CMA12 nếu số liệu theo

tháng
+ Tính tỷ số các quan sát là tỷ số giữa chuỗi gốc và chuỗi trung bình trượt
Chuỗi tỷ số:
+ Tính tỷ số trung bình cho từng quý/tháng.
+ Hiệu chỉnh chuỗi gốc qua các chỉ số thời vụ: mỗi quý/tháng có một chỉ số
mùa vụ phản ánh tác động của thời vụ. Giá trị chuỗi đã hiệu chỉnh là:


Mô hình nhân:



Mô hình cộng: - SDi
-

Bước 3: Ước lượng hàm xu thế và dự báo

+ Ước lượng hàm xu thế.
+ Kiểm định các vi phạm:
 Kiểm định bỏ sót biến
 Kiểm định tự tương quan
 Kiểm định phương sai sai số thay đổi
 Kiểm định phân phối chuẩn của nhiễu
+ Dự báo trong mẫu
5


- Bước 4: Kết hợp yếu tố xu thế và mùa vụ để đưa ra kết quả dự báo cuối cùng
+ Từ dự báo trong mẫu lấy giá trị cho kết quả phần trăm sai số trung bình
MAPE nhỏ nhất ta tiến hành dự báo ngoài mẫu được YSAF
+ Giá trị chuỗi đã hiệu chỉnh là:
 Mô hình nhân: Yf = . SR
 Mô hình cộng: Yf = +SD
1.1.5

Dự báo bằng mô hình ARIMA

- Bước 1: Kiểm tra tính dừng
Nếu mỗi chuỗi thời gian gọi là dừng thì trung bình, phương sai, (tại các độ
trễ khác nhau) sẽ giữ nguyên không đổi dù cho chúng được xác định tại mọi thời
điểm .
Trung bình: E(Yt)= μ= const
Phương sai: Var(Yt)=const
Để xem một chuỗi thời gian có dừng hay không, ta có thể sử dụng mô hình
tự hồi quy Yt = ρYt-1 + Ut, với giả thiết:

+ Nếu chuỗi thời gian dừng ở bậc không ta có I(d=0).
+ Nếu sai phân bậc 1 của chuỗi dừng ta có I(d=1).
+ Nếu sai phân bậc 2 của chuỗi dừng ta có I(d=2)
Đối với thành phần AR(p), mối quan hệ giữa giá trị hiện tại và quá khứ
được thể hiện qua phương trình sau (2):
Giá trị p được nhận dạng thông qua biểu đồ ACF và PACF. Nếu chuỗi có
dạng AR(p) thì biểu đồ PACF sẽ có các hệ số tương quan riêng phần có ý nghĩa
thống kê từ 1 tới p và các giá trị, sau đó sẽ giảm nhanh về không, đồng thời ACF
có các hệ số tương quan sẽ giảm dần về không.
- Bước 2: Ước lượng các tham số và lựa chọn mô hình của các tham số
6


Sau khi kiểm định tính dừng, ta sẽ xác định bậc của thành phần AR và MA
thông qua biểu đồ tự tương quan (ACF) và biểu đồ tự tương quan riêng phần
(PACF).
+ Nếu chuỗi có dạng AR(p) thì biểu đồ PACF sẽ có các hệ số tương quan
riêng phần có ý nghĩa thống kê từ 1 tới p và các giá trị, sau đó sẽ giảm nhanh về
không, đồng thời ACF có các hệ số tương quan sẽ giảm dần về không.
+ Nếu chuỗi có dạng MA(q) thì biểu đồ ACF sẽ có các hệ số tương quan có
ý nghĩa thống kê từ 1 tới q và các giá trị sau đó sẽ giảm nhanh về không. Còn đối
với PACF, các hệ số tương quan riêng phần sẽ giảm dần về không.
-

Bước 3: Kiểm định mô hình.
+ Kiểm định tính ổn định và khả nghịch
+ Kiểm đinh nhiễu trắng
+Kiểm định chất lượng dự báo
Nếu kiểm định mô hình được lựa chọn không thỏa mãn thì quay lại từ giai

đoạn nhận dạng để lựa chọn mô hình khác hợp lý hơn.
-

Bước 4: Dự báo ngoài mẫu
Dự báo sau khi kiểm định sai số, nếu mô hình là phù hợp, mô hình sẽ được

sử dụng vào việc dự báo. Các tiêu chí được sử dụng để so sánh hiệu quả dự báo là
RMSE, MAE và R2.
1.2

Mô tả số liệu
Bộ số liệu gồm 57 quan sát trong khoảng thời gian từ tháng Một năm 2014

đến tháng Chín năm 2018 nghiên cứu về tỷ giá đồng VND và đồng USD.
Từ bộ số liệu, nhóm thực hiện dự báo cho tỷ giá giữa đồng VND và đồng
USD từ tháng Mười năm 2018 đến tháng Sáu năm 2019 bằng một số phương pháp
khác nhau như dự báo bằng mô hình đơn giản, dự báo bằng phương pháp trung
bình, phương pháp san chuỗi, phương pháp phân tích và phương pháp ARIMA.
- Mô tả số liệu bằng phần mềm Eviews:

7


 Mở chuỗi ty_gia → View → Graph→ Seasonal Graph : Được sơ đồ
như sau:

Hình 1: Mô tả số liệu trên phần mềm Eviews:
Từ hình trên, ta thấy khoảng cách biên độ tỷ giá giữa các khoảng thời gian
khá lớn nên chuỗi số liệu này có tính yếu tố mùa vụ. Vì vậy, khi chạy mô hình để
dự báo cho chuỗi số liệu này nên loại bỏ yếu tố mùa vụ để có kết quả dự báo chính
xác hơn.

CHƯƠNG 2: ỨNG DỤNG MỘT SỐ PHƯƠNG PHÁP VÀ
MÔ HÌNH DỰ BÁO
2.1 Dự báo bằng mô hình giản đơn
 Phương pháp: Lấy kết quả tỷ giá trong giai đoạn trước bằng với kết quả của
giai đoạn hiện tại.
Trong đó:
 F (t): là giá trị tỷ giá dự báo cho thời điểm t
 A (t-1): là giá trị tỷ giá thực tế tại thời điểm t-1
Ví dụ: Tỷ giá dự báo của tháng 2 năm 2014 là tỷ giá thực tế của tháng 1 năm
2014, tỷ giá dự báo của tháng 3 năm 2014 là tỷ giá thực tế của tháng 2 năm
2014….
-Từ đó, ta có bảng kết quả dự báo tỷ gía VND/USD như sau:
Bảng 1: Dự báo tỷ giá VND/USD bằng mô hình giản đơn
8


Thời gian
2014M01
2014M02
2014M03
2014M04
2014M05
2014M06
2014M07
2014M08
2014M09
2014M10
2014M11
2014M12
2015M01
2015M02
2015M03
2015M04
2015M05
2015M06
2015M07
2015M08
2015M09
2015M10
2015M11
2015M12
2016M01
2016M02
2016M03
2016M04
2016M05
2016M06
2016M07
2016M08
2016M09
2016M10
2016M11
2016M12
2017M01
2017M02
2017M03
2017M04
2017M05
2017M06
2017M07

Tỷ giá
21,060.00
21,100.00
21,097.50
21,082.50
21,157.50
21,330.00
21,217.50
21,195.00
21,220.00
21,280.00
21,352.50
21,387.50
21,317.00
21,347.50
21,555.00
21,590.00
21,815.00
21,839.50
21,818.00
22,481.50
22,519.00
22,335.50
22,505.00
22,485.00
22,241.00
22,351.50
22,325.00
22,288.00
22,382.00
22,322.50
22,299.50
22,305.00
22,295.50
22,315.00
22,660.00
22,771.00
22,592.50
22,755.00
22,755.00
22,743.50
22,715.00
22,725.00
22,726.50

Tỷ giá dự báo
21,060.00
21,100.00
21,097.50
21,082.50
21,157.50
21,330.00
21,217.50
21,195.00
21,220.00
21,280.00
21,352.50
21,387.50
21,317.00
21,347.50
21,555.00
21,590.00
21,815.00
21,839.50
21,818.00
22,481.50
22,519.00
22,335.50
22,505.00
22,485.00
22,241.00
22,351.50
22,325.00
22,288.00
22,382.00
22,322.50
22,299.50
22,305.00
22,295.50
22,315.00
22,660.00
22,771.00
22,592.50
22,755.00
22,755.00
22,743.50
22,715.00
22,725.00
9


2017M08
2017M09
2017M10
2017M11
2017M12
2018M01
2018M02
2018M03
2018M04
2018M05
2018M06
2018M07
2018M08
2018M09
2018M10

22,727.50
22,730.00
22,710.00
22,717.50
22,710.00
22,710.00
22,757.00
22,794.00
22,763.50
22,806.00
22,958.50
23,283.00
23,304.00
23,278.70

22,726.50
22,727.50
22,730.00
22,710.00
22,717.50
22,710.00
22,710.00
22,757.00
22,794.00
22,763.50
22,806.00
22,958.50
23,283.00
23,304.00
23,278.70

Nhận xét: Ta thấy dự báo bằng mô hình đơn giản khá nhanh chóng tuy
nhiên nếu dự báo bằng phương pháp này thì sẽ không chịu được sự biến động của
nhu cầu lớn nên chỉ dự báo được với quy mô nhỏ.
2.2 Dự báo bằng phương pháp trung bình
2.2.1 Dự báo bằng phương pháp trung bình đơn giản:
- Phương pháp: Khi dự báo bằng phương pháp trung bình đơn giản (trung
bình trượt), ta tìm ra giá trị trung bình của tất cả các giá trị tỷ giá trong quá khứ và
sau đó dùng giá trị trung bình này làm giá trị dự báo cho giai đoạn tiếp theo.

Trong đó:
 F(t): giá trị tỷ giá dự báo trong thời điểm t
 A(t-i): giá trị tỷ giá thực tế trong thời điểm t-i
 n: số thời điểm quan sát
Ví dụ: Tỷ giá dự báo tháng 3 năm 2014 là trung bình cộng của tỷ giá thực tế
của tháng 1 và tháng 2 năm 2014.
Bảng 2: Dự báo tỷ giá VND/USD bằng phương pháp trung bình trượt
Thời gian
2014M0
1

Tỷ giá
21,060.0

Tỷ giá dự báo

0
10


2014M0
2
2014M0

0

3
2014M0

0

4
2014M0

0

5
2014M0

0

6
2014M0

0

7
2014M0

0

8
2014M0

0

9
2014M1

0

0
2014M11

0

21,100.0

21,060.00

21,097.5

21,080.00

21,082.5

21,085.83

21,157.5

21,085.00

21,330.0

21,099.50

21,217.5

21,137.92

21,195.0

21,149.29

21,220.0

21,155.00

21,280.0

21,162.22

21,352.5

21,174.00

21,387.5

21,190.23

21,317.0

21,206.67

21,347.5

21,215.15

21,555.0

21,224.61

21,590.0

21,246.63

21,815.0

21,268.09

21,839.5

21,300.26

21,818.0

21,330.22

22,481.5

21,355.89

0
2014M1
2
2015M0

0

1
2015M0

0

2
2015M0

0

3
2015M0

0

4
2015M0

0

5
2015M0

0

6
2015M0

0

7
2015M0

0

11


8
2015M0

0

9
2015M1

0

0
2015M11

0

22,519.0

21,412.18

22,335.5

21,464.88

22,505.0

21,504.45

22,485.0

21,547.96

22,241.0

21,587.00

22,351.5

21,613.16

22,325.0

22,328.08

22,288.0

21,666.87

22,382.0

21,689.05

22,322.5

21,712.95

22,299.5

21,733.27

22,305.0

21,751.53

22,295.5

21,768.83

22,315.0

21,784.79

22,660.0

21,800.38

22,771.0

21,824.94

22,592.5

21,851.22

22,755.0

21,871.26

0
2015M1
2
2016M0

0

1
2016M0

0

2
2016M0

0

3
2016M0

0

4
2016M0

0

5
2016M0

0

6
2016M0

0

7
2016M0

0

8
2016M0

0

9
2016M1

0

0
2016M11

0
0

2016M1
2
2017M0

0

1
2017M0

0

2

0
12


2017M0
3
2017M0

0

4
2017M0

0

5
2017M0

0

6
2017M0

0

7
2017M0

0

8
2017M0

0

9
2017M1

0

0
2017M11

0

22,755.0

21,894.51

22,743.5

21,916.58

22,715.0

21,937.25

22,725.0

21,956.22

22,726.5

21,974.52

22,727.5

21,992.01

22,730.0

22,008.73

22,710.0

22,024.76

22,717.5

22,039.65

22,710.0

22,054.07

22,710.0

22,067.74

22,757.0

22,080.85

22,794.0

22,094.37

22,763.5

22,108.09

22,806.0

22,120.69

22,958.5

22,133.62

23,283.0

22,148.90

23,304.0

22,169.52

23,278.7

22,189.78

0
2017M1
2
2018M0

0

1
2018M0

0

2
2018M0

0

3
2018M0

0

4
2018M0

0

5
2018M0

0

6
2018M0

0

7
2018M0

0

8
2018M0

0

13


9
2018M1

0
22,208.88

0
Trong trường hợp dự báo bằng phương pháp trung bình trượt, phương pháp
này cũng khá nhanh chóng, dễ hiểu và san bằng được sự biến động ngẫu nhiên về
thời gian tuy nhiên thì phương pháp này quá phụ thuộc vào số liệu quá khứ nên
chưa đánh giá được sự khác nhau giữa số liệu các thời kỳ khác nhau.
2.2.2

Dự báo bằng phương pháp trung bình động ( Moving Average)
- Phương pháp: Kết quả predict của thời kỳ hiện tại là trung bình cộng của m

thời kỳ trước nó, m thời kỳ sau nó và chính nó.
Ví dụ: Phương pháp trung bình động cho 3 thời kỳ: Tỷ giá dự báo của tháng
2 năm 2014 là trung bình cộng của tỷ giá thực tế của tháng 1, tháng 2 và tháng 3
năm 2014, tương tự tỷ giá dự báo của tháng 3 năm 2014 là trung bình cộng của
tháng 2, tháng 3 và tháng 4 năm 2014…
Bảng 3: Dự báo tỷ giá VND/USD bằng phương pháp trung bình động
Thời gian
2014M01
2014M02
2014M03
2014M04
2014M05
2014M06
2014M07
2014M08
2014M09
2014M10
2014M11
2014M12
2015M01
2015M02
2015M03
2015M04
2015M05
2015M06
2015M07

Tỷ giá
21,060.00
21,100.00
21,097.50
21,082.50
21,157.50
21,330.00
21,217.50
21,195.00
21,220.00
21,280.00
21,352.50
21,387.50
21,317.00
21,347.50
21,555.00
21,590.00
21,815.00
21,839.50
21,818.00

MA(3)

MA(5)

21,085.83
21,093.33
21,112.50
21,190.00
21,235.00
21,247.50
21,210.83
21,231.67
21,284.17
21,340.00
21,352.33
21,350.67
21,406.50
21,497.50
21,653.33
21,748.17
21,824.17
22,046.33

21,099.50
21,153.50
21,177.00
21,196.50
21,224.00
21,248.50
21,253.00
21,287.00
21,311.40
21,336.90
21,391.90
21,439.40
21,524.90
21,629.40
21,723.50
21,908.80
22,094.60
14


2015M08
2015M09
2015M10
2015M11
2015M12
2016M01
2016M02
2016M03
2016M04
2016M05
2016M06
2016M07
2016M08
2016M09
2016M10
2016M11
2016M12
2017M01
2017M02
2017M03
2017M04
2017M05
2017M06
2017M07
2017M08
2017M09
2017M10
2017M11
2017M12
2018M01
2018M02
2018M03
2018M04
2018M05
2018M06
2018M07
2018M08
2018M09

22,481.50
22,519.00
22,335.50
22,505.00
22,485.00
22,241.00
22,351.50
22,325.00
22,288.00
22,382.00
22,322.50
22,299.50
22,305.00
22,295.50
22,315.00
22,660.00
22,771.00
22,592.50
22,755.00
22,755.00
22,743.50
22,715.00
22,725.00
22,726.50
22,727.50
22,730.00
22,710.00
22,717.50
22,710.00
22,710.00
22,757.00
22,794.00
22,763.50
22,806.00
22,958.50
23,283.00
23,304.00
23,278.70

22,272.83
22,445.33
22,453.17
22,441.83
22,410.33
22,359.17
22,305.83
22,321.50
22,331.67
22,330.83
22,334.67
22,309.00
22,300.00
22,305.17
22,423.50
22,582.00
22,674.50
22,706.17
22,700.83
22,751.17
22,737.83
22,727.83
22,722.17
22,726.33
22,728.00
22,722.50
22,719.17
22,712.50
22,712.50
22,725.67
22,753.67
22,771.50
22,787.83
22,842.67
23,015.83
23,181.83
23,288.57

22,198.70
22,331.80
22,465.20
22,417.10
22,383.60
22,381.50
22,338.10
22,317.50
22,333.80
22,323.40
22,319.40
22,320.90
22,307.50
22,375.00
22,469.30
22,526.80
22,618.70
22,706.70
22,723.40
22,712.20
22,738.70
22,733.00
22,727.50
22,724.80
22,723.80
22,722.30
22,719.00
22,715.50
22,720.90
22,737.70
22,746.90
22,766.10
22,815.80
22,921.00
23,023.00
23,126.04

Phương pháp dự báo bằng trung bình động cũng khá dễ hiểu, nhanh chóng,
có tính toán biến động ngẫu nhiên. Hơn nữa, so sánh kết quả giữa MA(3) và
MA(5), ta nhận thấy kết quả dự báo của MA(3) gần hơn so với kết quả thực tế,
15


điều đó cho thấy, khi dự báo bằng phương pháp trung bình động, việc chọn thời kỳ
gần hay xa với thời kỳ dự báo khá quan trọng và thông thường việc chọn thời kỳ
gần sẽ cho kết quả dự báo chính xác hơn.
2.3 Dự báo phương pháp san chuỗi/ san mũ
2.3.1 Phương pháp san mũ giản đơn
- Bước 1: chọn phương pháp san mũ đơn
 Chọn Proc => Exponential smoothing => Simple exponential smoothing =>
Simple. Kết quả như sau:

Ta có: α = 0.995 và RMSE = 162.6561
Dự báo tỷ giá từ tháng 10 năm 2018 đến tháng 6 năm 2019 theo phương
pháp san mũ giản đơn như sau:

-

Bước 2: So sánh tỷ giá gốc và tỷ giá dự báo:
 Ta dùng lệnh line ty_gia ty_giasm, kết quả:

16


2.3.2 Phương pháp san mũ kép
- Bước 1: chọn phương pháp san mũ kép
 Chọn Proc => Exponential smoothing => Simple exponential smoothing =>
Double. Kết quả như sau:

Ta có: α = 0.4460 và RMSE = 146.3946
Dự báo ngoài mẫu được kết quả như sau:

17


-

Bước 2: So sánh tỷ giá gốc và tỷ giá dự báo :
 Ta dùng lệnh line Ty_gia Ty_giasm, kết quả:

2.3.3 Phương pháp san mũ Holt
- Bước 1: chọn phương pháp san mũ Holt
 Chọn Proc => Exponential smoothing => Simple exponential smoothing =>
Holt – winter: No seasonal. Kết quả như sau:

18


Ta có : α = 0.88 β = 0 và RMSE = 131.7077
Dự báo tỷ giá VND/USD từ tháng 10 năm 2018 đến tháng 6 năm 2016 theo
phương pháp san mũ Holt như sau:

- Bước 2: So sánh tỷ giá gốc và tỷ giá dự báo
 Ta dùng lệnh line ty_gia ty_giasm, kết quả:

2.3.4 Phương pháp san mũ winter
- Bước 1: xác định dùng mô hình winter nhân hay cộng:
 Ta dùng câu lệnh line ty_gia, kết quả:

19


Ta thấy tỷ giá VND/USD từ tháng 1 năm 2014 đến tháng 9 năm 2018 có
hình mương nhỏ vì thế ta cần phải dự báo bằng mô hình nhân.
- Bước 2: Ước lượng mô hình:
 Chọn Proc => Exponential smoothing => Simple exponential smoothing =>
Holt – winter- Multiplicative, kết quả:

Ta có: α = 0.99, β = 0, γ = 0
20


RMSE = 120.1898
-

-

Bước 3: Dự báo ngoài mẫu như sau:

Bước 4: so sánh kết quả dự báo và số liệu gốc dung lệnh line ty_gia

ty_giasm.

2.4 Dự báo bằng phương pháp phân tích
- Bước 1: Nhận dạng dữ liệu
 Cách làm: Trên cửa sổ Commmand gõ lệnh Line ty_gia

21


Đồ thị có hình dạng mương nhỏ dần vì vậy mô hình dự báo sẽ là mô hình nhân.
- Bước 2: Tách yếu tố mùa vu
 Cách làm: Mở chuỗi ty_gia → Chọn Proc → Seasonal Adjustment →
Moving Average Methods. Trên cửa sổ hiển thị Adjustment Method chọn
Ratio to moving average – Multiplicative và Factors: sr
Khi đó C, I vẫn tồn tại nhưng không ảnh hưởng đến chuỗi, mô hình hiện tại
ty_giasa = f(T).
- Bước 3: Ước lượng hàm xu thế và dự báo
Bước3.1 Ước lượng ty_giasa theo T
 Trên cửa sổ command gõ lệnh Genr t = @trend(2014M01)
=>Ls ty_giasa c t t^2

Sau khi kiểm định mô hình mắc lỗi tự tương quan và PSSS thay đổi ta khắc
phục bằng cách chạy hồi quy Robust.
 Cách làm: Trên cửa sổ hiển thị chọn Estimate → Method: Robustls –
Robust Least Squares.

22


Bước 3.2 Dự báo trong mẫu chuỗi ty_giasa
 Chọn Forecast trong khoảng thời gian 2014M01 2015M01, được kết quả:

Trung bình tuyệt đối phần trăm sai số Mean Abs. Percent Error = 0.694783< 5%
Bước 3.3 Dự báo ngoài mẫu chuỗi ty_giasa
 Chọn Forecast trong khoảng thời gian 2018M10 2019M06, ta thu được kết quả:

- Bước 4: Kết hợp yếu tố xu thế, yếu tố mùa vụ để đưa ra kết quả dự báo cuối
cùng
23


 Cách làm: Trên cửa sổ Command gõ lệnh Genr ty_giaf = ty_giasaf*sr
Ta thu được kết quả:

2.5 Dự báo bằng mô hình ARIMA
2.5.1 Mô hình ARIMA không loại bỏ yếu tố mùa vụ
- Bước 1: Kiểm tra tính dừng của chuỗi
 Mở chuỗi ty_gia → Chọn view → Unit Root Test → Chọn Level &
Intercept, kết quả:

Ta có P-value = 0.8565 > 0.05 chuỗi không dừng tại level, lần lượt thử tại
tính dừng của chuỗi với sai phân bậc 1 và 2.
 Mở chuỗi ty_gia → Chọn view → Unit Root Test → Chọn 1st different &
Intercept, kết quả:

24


Ta có P-value = 0.0163 < 0.05 thỏa mãn điều kiện chuỗi dừng tại sai phân
bậc

1

-Bước 2: Chọn p và q
 Mở chuỗi ty_gia → Chọn view → Correlogram Specification → Chọn 1st
different & lags to 24, kết quả:

Từ bảng kết quả trên, chọn p=3 & p=15 để chạy mô hình
 Trên cửa sổ command gõ lệnh ls d(ty_gia) c ar(3) ar(15)

 Mô hình trên vượt qua tất cả các kiểm định
- Bước 3: Dự báo trong mẫu
 Chọn Forecast trong khoảng thời gian 2015M01 2016M01, kết quả:

25


×