Dự Báo Dòng Tiền Ra Cho Hoạt Động Mua Hàng Bằng Tiền Vay Tín Dụng

Luận văn thạc sĩ khoa học máy tính phân tích dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng, cung cấp giải pháp hiệu quả.

• Tác giả: Nguyễn Phúc Ánh
• Người hướng dẫn: GS. TS Cao Hoàng Trụ
• Trường học: Đại học Quốc gia TP.Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Dự báo dòng tiền ra cho hoạt động mua hàng bằng tiền vay tín dụng
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: TP.Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• LỜI CAM ĐOAN
• MỤC LỤC HÌNH
• MỤC LỤC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu vấn đề
• 1.2. Mục tiêu đề tài
• 1.3. Cấu trúc của luận văn
• 2. CHƯƠNG 2: CÁC CÔNG TRÌNH LIÊN QUAN
• 2.1. Dự báo bằng mô hình toán học
• 2.2. Dự báo bằng phương pháp học máy
• 2.3. Dự báo bằng phương pháp lai
• 3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT
• 3.1. Dữ liệu chuỗi thời gian
• 3.2. Các giải thuật gom cụm
• 3.3. Phương pháp học máy tổ hợp
• 3.4. Các độ đo sự tương tự
• 3.5. Các độ đo đánh giá kết quả dự báo
• 4. CHƯƠNG 4: PHƯƠNG PHÁP ĐỀ XUẤT
• 4.1. Nghiệp vụ chi tiền mua hàng
• 4.2. Công thức tính tiền chi mua hàng
• 4.3. Phương pháp học máy tổ hợp
• 4.4. Kết hợp gom cụm với phương pháp học máy tổ hợp
• 5. CHƯƠNG 5: THÍ NGHIỆM ĐÁNH GIÁ
• 5.1. Tập dữ liệu
• 5.2. Kết quả dự báo dựa trên phương pháp học máy tổ hợp
• 5.3. Kết quả dự báo dựa trên gom cụm và phương pháp học máy tổ hợp
• 5.4. Đánh giá các kết quả thí nghiệm
• 6. CHƯƠNG 6: TỔNG KẾT
• 6.1. Những kết quả đạt được
• 6.2. Đóng góp của đề tài
• 6.3. Hướng phát triển của đề tài

Tóm tắt

I. Tổng Quan về Dự Báo Dòng Tiền Mua Hàng Tín Dụng

Trong bối cảnh kinh tế Việt Nam, người lao động thu nhập thấp gặp khó khăn trong chi tiêu. Các công ty tài chính như X ra đời nhằm hỗ trợ họ thông qua các chương trình vay tín dụng. Mô hình mua hàng trả góp 0% lãi suất giúp cải thiện đời sống. Tuy nhiên, công ty X không có sẵn hàng hóa mà phải ứng tiền trước mua từ nhà cung cấp khi khách hàng đặt hàng. Dòng tiền chi ra này cần được dự báo chính xác. Theo nghiên cứu của Nguyễn Phúc Ánh, việc dự báo dòng tiền này chịu ảnh hưởng lớn bởi nhu cầu khách hàng và thời hạn thanh toán cho nhà cung cấp. Do đó, đây là một thách thức quan trọng cần giải quyết để quản lý dòng tiền hiệu quả.

1.1. Tầm quan trọng của dự báo dòng tiền trong mua hàng

Dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng là rất quan trọng để duy trì sự ổn định tài chính. Nếu không dự báo được chính xác, công ty có thể gặp phải tình trạng thiếu hụt vốn, không đáp ứng được nhu cầu của khách hàng, hoặc phải chịu lãi suất phạt do thanh toán chậm. Quản lý dòng tiền hiệu quả giúp công ty chủ động hơn trong việc chi trả, tránh vay mượn không cần thiết, và tối ưu hóa ngân sách tiền mặt.

1.2. Các yếu tố ảnh hưởng đến dự báo dòng tiền

Nhiều yếu tố ảnh hưởng đến việc dự báo dòng tiền cho hoạt động mua hàng. Các yếu tố chính bao gồm: nhu cầu đặt hàng của khách hàng, thời hạn thanh toán với nhà cung cấp, lãi suất vay, và các điều khoản tín dụng. Phân tích kỹ lưỡng các yếu tố này giúp xây dựng mô hình dự báo chính xác hơn. Theo luận văn thạc sĩ của Nguyễn Phúc Ánh, hai biến số quan trọng là “Tổng tiền chi” và “Tiền chi trả từng nhà cung cấp”.

II. Thách Thức trong Dự Báo Dòng Tiền Mua Hàng Tín Dụng

Việc dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng đối mặt với nhiều thách thức. Dữ liệu lịch sử thường ít và thưa, đặc biệt khi chương trình tín dụng mới triển khai. Nhu cầu khách hàng thay đổi liên tục và khó đoán. Ngoài ra, sự đa dạng của nhà cung cấp và các điều khoản thanh toán khác nhau làm tăng độ phức tạp. Các phương pháp dự báo truyền thống có thể không hiệu quả trong những tình huống này. Theo Nguyễn Phúc Ánh, chưa có công trình nghiên cứu khoa học nào khác nhằm dự báo loại dòng tiền này, cho thấy tính mới mẻ và phức tạp của vấn đề.

2.1. Sự thiếu hụt dữ liệu lịch sử và tính biến động của nhu cầu

Một trong những thách thức lớn nhất là sự thiếu hụt dữ liệu lịch sử, đặc biệt đối với các chương trình tín dụng mới. Dữ liệu ít ỏi gây khó khăn cho việc xây dựng các mô hình dự báo chính xác. Bên cạnh đó, nhu cầu mua hàng của khách hàng thường xuyên biến động, chịu ảnh hưởng bởi nhiều yếu tố như: mùa vụ, chương trình khuyến mãi, và tình hình kinh tế. Điều này đòi hỏi các phương pháp dự báo phải có khả năng thích ứng cao.

2.2. Sự phức tạp trong quản lý nhiều nhà cung cấp và điều khoản

Việc quản lý dòng tiền cho nhiều nhà cung cấp với các điều khoản thanh toán khác nhau tạo ra sự phức tạp. Mỗi nhà cung cấp có thể có những kỳ hạn thanh toán, chiết khấu, và chính sách tín dụng riêng. Do đó, cần có một hệ thống theo dõi và phân tích dòng tiền chi tiết để đảm bảo thanh toán đúng hạn và tối ưu hóa vòng quay tiền mặt. Sự khác biệt về điều khoản thanh toán cũng ảnh hưởng lớn đến việc lập kế hoạch dòng tiền.

2.3. Rủi ro tín dụng và khả năng trả nợ của khách hàng

Một yếu tố quan trọng khác cần xem xét là rủi ro tín dụng và khả năng trả nợ của khách hàng. Nếu khách hàng không trả nợ đúng hạn, công ty có thể gặp khó khăn trong việc thanh toán cho nhà cung cấp. Do đó, cần có một hệ thống đánh giá rủi ro tín dụng hiệu quả để giảm thiểu rủi ro và đảm bảo dòng tiền ổn định.

III. Cách Dự Báo Dòng Tiền Mua Hàng Bằng Tiền Vay Tín Dụng

Có nhiều phương pháp dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng. Một cách tiếp cận là sử dụng dữ liệu chuỗi thời gian và các phương pháp học máy tổ hợp. Theo luận văn của Nguyễn Phúc Ánh, có thể dự báo dựa trên chuỗi dữ liệu “Tổng tiền chi”, hoặc trên nhiều chuỗi dữ liệu “Tiền chi trả từng nhà cung cấp”. Gom cụm các chuỗi dữ liệu của “Tiền chi trả từng nhà cung cấp” tương tự nhau và dự báo theo từng cụm cũng là một phương pháp hiệu quả.

3.1. Phân tích chuỗi thời gian và ứng dụng trong dự báo

Phân tích chuỗi thời gian là một phương pháp phổ biến để dự báo dòng tiền. Phương pháp này sử dụng dữ liệu lịch sử để xác định các xu hướng, mùa vụ, và chu kỳ. Các mô hình chuỗi thời gian như ARIMA, Exponential Smoothing, và Prophet có thể được sử dụng để dự báo dòng tiền trong tương lai. Việc lựa chọn mô hình phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu dự báo.

3.2. Học máy tổ hợp và hiệu quả trong dự báo dòng tiền

Học máy tổ hợp là một phương pháp mạnh mẽ kết hợp nhiều mô hình học máy khác nhau để cải thiện độ chính xác của dự báo. Các thuật toán như Random Forest, Gradient Boosting, và Bagging có thể được sử dụng để xây dựng các mô hình học máy tổ hợp. Theo Nguyễn Phúc Ánh, phương pháp học máy tổ hợp kết hợp với gom cụm cho kết quả dự báo sai số thấp hơn so với các phương pháp khác.

3.3. Kết hợp gom cụm và học máy tổ hợp để tối ưu

Kết hợp gom cụm và học máy tổ hợp là một phương pháp tiên tiến để dự báo dòng tiền. Phương pháp này chia các chuỗi dữ liệu thành các cụm tương tự nhau, sau đó xây dựng một mô hình học máy tổ hợp riêng cho mỗi cụm. Gom cụm giúp giảm độ phức tạp của dữ liệu và cải thiện độ chính xác của dự báo. Giải thuật gom cụm DensityPeaks cho sai số thấp hơn các phương pháp khác.

IV. Ứng Dụng Thực Tế Dự Báo Dòng Tiền Mua Hàng Tín Dụng

Việc dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng có nhiều ứng dụng thực tế. Nó giúp công ty quản lý thanh khoản hiệu quả hơn, đảm bảo khả năng thanh toán cho nhà cung cấp, và tối ưu hóa kế hoạch kinh doanh. Ngoài ra, dự báo chính xác giúp công ty đưa ra các quyết định đầu tư và vay tín dụng thông minh hơn. Dữ liệu từ các công ty tài chính có thể được sử dụng để xây dựng mô hình dự báo và cải thiện hiệu suất hoạt động.

4.1. Quản lý thanh khoản và tối ưu hóa kế hoạch kinh doanh

Dự báo dòng tiền giúp công ty quản lý thanh khoản hiệu quả hơn. Bằng cách biết trước lượng tiền cần chi trả trong tương lai, công ty có thể chuẩn bị ngân sách tiền mặt phù hợp và tránh tình trạng thiếu hụt vốn. Điều này cũng giúp công ty tối ưu hóa kế hoạch kinh doanh, đưa ra các quyết định đầu tư và mở rộng hợp lý.

4.2. Đánh giá rủi ro tín dụng và điều chỉnh chính sách tín dụng

Dự báo dòng tiền giúp công ty đánh giá rủi ro tín dụng và điều chỉnh chính sách tín dụng phù hợp. Bằng cách dự đoán khả năng trả nợ của khách hàng, công ty có thể đưa ra các quyết định cho vay thông minh hơn và giảm thiểu rủi ro mất vốn. Điều này cũng giúp công ty xây dựng một danh mục tín dụng đa dạng và ổn định.

4.3. Cải thiện hiệu suất hoạt động và tăng lợi nhuận

Dự báo dòng tiền giúp công ty cải thiện hiệu suất hoạt động và tăng lợi nhuận. Bằng cách tối ưu hóa vòng quay tiền mặt, công ty có thể giảm chi phí vay tín dụng và tăng khả năng sinh lời. Điều này cũng giúp công ty xây dựng một nền tảng tài chính vững chắc và bền vững.

V. Các Mô Hình Dự Báo Dòng Tiền Mua Hàng Tín Dụng

Để xây dựng mô hình dự báo hiệu quả, cần xem xét các yếu tố như đặc điểm dữ liệu, mục tiêu dự báo, và khả năng tính toán. Các mô hình dự báo có thể dựa trên dữ liệu chuỗi thời gian, các yếu tố kinh tế vĩ mô, hoặc dữ liệu từ các nguồn khác. Việc lựa chọn mô hình phù hợp là rất quan trọng để đạt được độ chính xác cao. Nghiên cứu cho thấy việc sử dụng dữ liệu chuỗi thời gian kết hợp với các thuật toán học máy cho kết quả tốt.

5.1. Mô hình dựa trên chuỗi thời gian đơn biến và đa biến

Mô hình dựa trên chuỗi thời gian đơn biến sử dụng dữ liệu lịch sử của một biến duy nhất để dự báo dòng tiền. Các mô hình như ARIMA và Exponential Smoothing có thể được sử dụng trong trường hợp này. Mô hình dựa trên chuỗi thời gian đa biến sử dụng dữ liệu lịch sử của nhiều biến để dự báo dòng tiền. Các mô hình như VAR và Vector Error Correction Model (VECM) có thể được sử dụng.

5.2. Mô hình dựa trên hồi quy và yếu tố kinh tế vĩ mô

Mô hình dựa trên hồi quy sử dụng các yếu tố kinh tế vĩ mô như GDP, lạm phát, và lãi suất để dự báo dòng tiền. Mô hình này có thể giúp dự đoán các biến động lớn trong dòng tiền do các yếu tố bên ngoài. Các mô hình hồi quy tuyến tính và phi tuyến tính có thể được sử dụng.

5.3. Mô hình dựa trên học máy và trí tuệ nhân tạo

Mô hình dựa trên học máy sử dụng các thuật toán học máy như Random Forest, Gradient Boosting, và Neural Network để dự báo dòng tiền. Mô hình này có thể học các mối quan hệ phức tạp trong dữ liệu và đưa ra các dự đoán chính xác. Các mô hình học máy cũng có thể được sử dụng để phát hiện các bất thường trong dòng tiền.

VI. Kết luận và Hướng Phát Triển cho Dự Báo Dòng Tiền

Dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng là một bài toán phức tạp nhưng quan trọng. Các phương pháp dự báo hiện đại, kết hợp chuỗi thời gian, học máy, và gom cụm, có thể mang lại kết quả tốt. Tuy nhiên, cần tiếp tục nghiên cứu và phát triển các mô hình dự báo mới để nâng cao độ chính xác và khả năng thích ứng. Hướng phát triển có thể tập trung vào việc sử dụng dữ liệu lớn, trí tuệ nhân tạo, và các yếu tố phi tài chính.

6.1. Tóm tắt những kết quả đạt được và đóng góp của nghiên cứu

Nghiên cứu đã chỉ ra tầm quan trọng của việc dự báo dòng tiền cho hoạt động mua hàng bằng tiền vay tín dụng. Các phương pháp dự báo hiện đại như học máy tổ hợp và gom cụm có thể mang lại kết quả tốt hơn so với các phương pháp truyền thống. Nghiên cứu cũng đóng góp vào việc phát triển các mô hình dự báo phù hợp với đặc điểm của dữ liệu Việt Nam.

6.2. Hướng phát triển của đề tài trong tương lai

Trong tương lai, có thể phát triển các mô hình dự báo dựa trên dữ liệu lớn và trí tuệ nhân tạo. Việc sử dụng dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu giao dịch, dữ liệu khách hàng, và dữ liệu kinh tế vĩ mô, có thể cải thiện độ chính xác của dự báo. Ngoài ra, có thể nghiên cứu các yếu tố phi tài chính như tâm lý khách hàng và xu hướng thị trường để nâng cao khả năng dự đoán.

6.3. Kiến nghị và đề xuất cho các doanh nghiệp tài chính

Các doanh nghiệp tài chính nên đầu tư vào việc xây dựng hệ thống dự báo dòng tiền hiệu quả. Việc sử dụng các phương pháp dự báo hiện đại và cập nhật dữ liệu thường xuyên là rất quan trọng. Các doanh nghiệp cũng nên chú trọng đến việc đánh giá rủi ro tín dụng và điều chỉnh chính sách tín dụng phù hợp.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1.1 Giới thiệu vấn đề Trong tình hình kinh tế - xã hội Việt Nam hiện nay, phần đông dân số là tầng lớp người lao động có thu nhập trung bình thấp, việc chi tiêu cho sinh hoạt cuộc sống gặp nhiều khó khăn. Với đồng lương thấp, hàng tháng họ chỉ có thể tiết kiệm được một khoản nhỏ, số tiền nhỏ bé này thường không đủ để mua những vật dụng tiện nghi cần thiết cho gia đình khi mà vật giá mỗi ngày một tăng cao hay những khi đau bệnh xảy ra. Do đó, họ thường phải đi vay mượn, dẫn đến những phát sinh lãi suất không cần thiết. Thấy được những khó khăn đó, với mô hình kinh doanh sáng tạo, công ty tài chính X đã được hình thành ở Việt Nam, cùng những mong muốn đóng góp có ích cho xã hội, đặc biệt là đối với tầng lớp người dân có thu nhập thấp.

Thông qua hình thức cấp tín dụng cho người lao động đang làm việc tại các xí nghiệp nhà máy, công ty X đã giúp cho người lao động có thể mua những vật dụng gia đình cần thiết hay tạm ứng tiền để gửi về quê…, khi mà tiền lương tháng của họ không có sẵn. Công ty còn đem lại những lợi ích khác như mua hàng trả góp 0% lãi suất trong khi giá cả mặt hàng ngang bằng so với thị trường, dịch vụ chăm sóc khách hàng và hậu mãi chu đáo, vận chuyển hàng hóa tiện lợi, kích thích thị trường tiêu dùng, tạo việc làm. Mô hình hoạt động của công ty X đã mang đến nhiều ý nghĩa thiết thực cho người lao động và xã hội. Với hoạt động kinh doanh phức tạp, việc quản lý dòng tiền của công ty X là vấn đề khó khăn được đặt ra.

Để có thể kiểm soát tốt dòng tiền, công ty đang cần một hệ thống có khả năng dự báo trước về điều đó một cách hiệu quả. Dòng tiền ra, vào của công ty bao gồm nhiều danh mục nhỏ khác nhau. Xét trên dòng tiền chi ra có thể chia làm các loại chính sau:  Suppliers – Tiền chi trả nhà cung cấp (NCC) từ việc công ty đặt mua hàng hóa để bán lại cho người lao động.  Topup/Airline – Tiền chi trả cho các nhà mạng, hãng hàng không, nhà xe từ việc công ty mua/đặt vé và bán lại cho khách hàng.

Nguyễn Phúc Ánh 1 Dự báo dòng tiền ra cho hoạt động mua hàng bằng tiền vay tín dụng  CashAdvance – Lượng tiền chuẩn bị sẵn, phục vụ cho hoạt động tạm ứng tiền của khách hàng.  Withdraw/TransferEwallet – Lượng tiền chuẩn bị sẵn, phục vụ cho hoạt động chuyển tiền của khách hàng.  OperatingExpenses – Chi phí cho các hoạt động bên trong công ty như hoạt động quảng cáo, điện….  BankLoanRepayment – Tiền phải trả các khoản vay ngân hàng của công ty.

 Salary – Tiền chi trả lương cho nhân viên. Trong các khoản chi trên, dòng tiền ra từ các hoạt động Topup/Airline, CashAdvance, Withdraw/TransferEwallet hiện tại thưa và chiếm tỉ lệ nhỏ trong tổng dòng tiền ra. Đối với các mục OperatingExpenses, BankLoanRepayment, Salary lượng tiền chi trả cho các hoạt động này hiện tại được công ty kiểm soát tốt vì tính ổn định và có thể biết trước. Cuối cùng, lượng tiền chi cho khoản mục Suppliers là vấn đề chúng tôi cần giải quyết bởi vì dòng tiền ra cho hoạt động này chiếm tỉ lệ lớn, việc dự đoán trước gặp nhiều khó khăn vì chịu ảnh hưởng bởi nhu cầu đặt mua của khách hàng trong tương lai và những kỳ hạn thanh toán khác nhau được đặt ra bởi những NCC áp đặt lên công ty.

Với mô hình hoạt động sáng tạo, công nhân viên (khách hàng) làm việc tại các xí nghiệp nhà máy có ký kết hợp đồng sử dụng chương trình phúc lợi của công ty X, họ được công ty X cấp một khoản tín dụng. Với khoản tín dụng được cấp này, họ chỉ được phép sử dụng để mua các sản phẩm do công ty X cung cấp. Điều đặc biệt trong kinh doanh bán sản phẩm ở công ty là công ty không có sẵn các sản phẩm, mà thông qua các đơn đặt hàng của khách hàng, cùng với chuỗi cung ứng mạnh mẽ của hơn 170 NCC, công ty phải chi tiền trước mua sản phẩm từ NCC và bán lại cho khách hàng theo hình thức trả góp 0% lãi suất. Điều này cho thấy rằng, khi khách hàng đặt mua một lượng lớn trong tương lai, công ty X sẽ phải chi trả một lượng lớn tương ứng cho NCC vào thời điểm đó.

Nếu việc dự báo không được thực hiện sẽ gây ra những ảnh hưởng nghiêm trọng như không đáp ứng nhu cầu hàng hóa cho khách hàng, thiếu hụt vốn, phạt lãi suất ngân hàng do thanh toán chậm…. Nguyễn Phúc Ánh 2 Dự báo dòng tiền ra cho hoạt động mua hàng bằng tiền vay tín dụng Bài toán đặt ra là dự báo số tiền sẽ chi trả cho NCC ở thời điểm tương lai từ hoạt động mua hàng. Lượng tiền chi của công ty X trong hoạt động này phụ thuộc vào lượng hàng hóa mà khách hàng đặt mua trong tương lai và thời gian thanh toán mà NCC yêu cầu công ty phải trả. Việc dự báo dòng tiền ra trên khoản mục Suppliers đóng góp đáng kể trong việc quản lý toàn bộ dòng tiền hoạt động, giúp cho công ty được điều hành tốt hơn, đem lại sự phát triển ổn định.2 Mục tiêu đề tài Nhiều công trình liên quan đến dự báo dòng tiền đã được thực hiện.

Tuy nhiên, với đặc thù đề tài được xuất phát từ miền nghiệp vụ cụ thể của một công ty ở Việt Nam, có mô hình kinh doanh như đã giới thiệu. Cho đến nay chưa có công trình nghiên cứu nào đã thực hiện giải quyết vấn đề tương tự. Mặt khác, đề tài này là một đề tài mang ý nghĩa thực tế, vì nó đóng góp vào hoạt động dự báo dòng tiền của một công ty tài chính ở Việt Nam. Với những lý do trên là động cơ để chúng tôi thực hiện đề tài này.

Mục tiêu của đề tài là dự báo dòng tiền ra cho hoạt động mua hàng của công ty X. Số tiền được dự báo giúp cho công ty luôn chủ động trong việc chi trả, chủ động lượng tiền mặt có sẵn, tránh phải vay mượn ngân hàng những khoản dư thừa, làm phát sinh lãi suất không cần thiết. Từ đó, giúp công ty hoạt động hiệu quả. Các công việc được thực hiện trong đề tài:  Tìm hiểu nghiệp vụ chi tiền mua hàng của công ty.

 Đưa ra giải pháp để dự báo dòng tiền ra cho hoạt động mua hàng.  Thu thập và xử lý dữ liệu.  Xây dựng mô hình dự báo.  Thực nghiệm, cải tiến và đánh giá kết quả.

Khi khảo sát nghiệp vụ ở công ty, chúng tôi thấy rằng các đơn đặt hàng của khách hàng được công ty X xử lý ngay khi có trên hệ thống. Điều này phản ánh thật sự doanh số bán cũng như lượng tiền mà công ty sẽ phải chi trả cho NCC. Do đó, giả định được đặt ra là không có sự tác động của công ty X đến việc xử lý chậm trễ các đơn hàng của khách hàng và chúng tôi chỉ xét trên số tiền đã chi trả cho NCC, tức là Nguyễn Phúc Ánh 3 Dự báo dòng tiền ra cho hoạt động mua hàng bằng tiền vay tín dụng trường hợp khi sản phẩm được công ty đặt mua và đã chi trả tiền cho NCC nhưng chưa chuyển đến khách hàng, vì một lý do nào đó, khách hàng hủy đặt mua sản phẩm này. Sau đó sản phẩm có thể được chuyển về NCC và hoàn tiền lại cho công ty.

Bên cạnh đó, do có nhiều loại NCC khác nhau và chúng tôi đã đưa ra giả định là xem xét tất cả NCC như một loại duy nhất (chi tiết ở mục 4. Mặc dù đề tài này mang tính chất đặc thù riêng, nhưng bản chất nó xuất phát từ những vấn đề về doanh số sản phẩm hay nhu cầu tiêu dùng. Do đó, một số công trình liên quan sau đây cho thấy những phương pháp được dùng để dự báo và có thể tham khảo để giải quyết bài toán.3 Cấu trúc của luận văn Các phần còn lại của luận văn bao gồm: Chương 2 chúng tôi giới thiệu về các công trình liên quan: những công trình dự báo doanh số sản phẩm, dự báo trên dữ liệu chuỗi thời gian với nhiều cách tiếp cận khác nhau như các mô hình toán học, các phương pháp học máy và sự lại ghép giữa các phương pháp. Chương 3 bao gồm các lý thuyết về chuỗi dữ liệu thời gian, các giải thuật gom cụm, các phương pháp học máy tổ hợp, các độ đo sự tương tự và cuối cùng là hai độ đo để đánh giá kết quả dự báo.

Chương 4 chúng tôi đề xuất các mô hình với cách tiếp cận khác nhau để dự báo dòng tiền chi. Chương 5 là phần thí nghiệm và đánh giá kết quả dự báo từ các mô hình. Chương 6 là tổng kết sau khi thực hiện đề tài. Nguyễn Phúc Ánh 4 Dự báo dòng tiền ra cho hoạt động mua hàng bằng tiền vay tín dụng CHƯƠNG 2: CÁC CÔNG TRÌNH LIÊN QUAN Trong lĩnh vực kinh tế tài chính, để các tổ chức sản xuất, siêu thị, nhà máy hoạt động hiệu quả, việc dự báo nhu cầu hay dự báo doanh số bán hàng đóng vai trò quan trọng vào quá trình ra quyết định của nhà quản lý.

Nhiều công trình nghiên cứu với nhiều phương pháp khác nhau đã được thực hiện trên thế giới, Chang et al [5] đã nêu ra những phương pháp truyền thống được dùng trong dự báo doanh số bán hàng như:  Phương pháp định tính (Qualitative method) là phương pháp chuyển đổi dữ liệu từ định tính sang định lượng dựa trên những ý kiến mang tính chủ quan. Những phương pháp như Delphi, Market Research, Historical Analogy….  Phân tích chuỗi dữ liệu thời gian (Time series analysis): là phương pháp dự báo dữ liệu trong tương lai bằng dữ liệu đã xảy ra trong quá khứ. Một số mô hình nổi tiếng: Moving Average, Exponential Smoothing, Box-Jenkins….

 Phân tích nhân-quả: là phương pháp nghiên cứu mối quan hệ nhân quả giữa các mặt hàng được dự đoán. Phương pháp này yêu cầu dữ liệu quá khứ phải có đủ thông tin để phân tích, giải thích mối quan hệ. Những mô hình phổ biến: Regression analysis and Econometric Model…. “Dù những phương pháp truyền thống đã được chứng minh hiệu quả, cho kết quả cao trên dữ liệu có tính mùa và xu hướng, nhưng nó không thích hợp cho những tình huống dữ liệu bất thường.