Luận văn: Dự báo lạm phát kinh tế bằng mạng nơ-ron nhân tạo

Luận văn thạc sĩ nghiên cứu nghiên cứu mạng nơ ron nhân tạo và ứng dụng vào dự báo lạm phát, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực .

Chuyên ngành

Công nghệ thông tin

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ kỹ thuật

2016

60
0
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT

DANH MỤC HÌNH VẼ

DANH MỤC BẢNG BIỂU

PHẦN MỞ ĐẦU

1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO

1.1. Khái niệm về dự báo

1.2. Dự báo kinh tế

1.2.1. Phân loại dự báo kinh tế

1.2.2. Mô hình bài toán dự báo kinh tế

1.3. Một số mô hình dự báo

1.4. CÁC PHƯƠNG PHÁP SỬ DỤNG TRONG DỰ BÁO KINH TẾ

1.4.1. Dự báo kinh tế sử dụng mô hình kinh tế lượng

1.4.1.1. Mô hình hồi quy
1.4.1.2. Mô hình chuỗi thời gian

1.4.2. Dự báo kinh tế bằng cách tiếp cận mô hình học máy

1.4.2.1. Mô hình dự báo dựa trên học máy
1.4.2.2. K-láng giềng gần nhất (K-NN)

1.5. PHƯƠNG PHÁP ĐÁNH GIÁ DỰ BÁO

2. CHƯƠNG 2: ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM PHÁT KINH TẾ

2.1. MẠNG NƠ RON NHÂN TẠO

2.1.1. Định nghĩa mạng Nơron nhân tạo (Artificial Neural Network - ANN):

2.1.2. Các tính chất của mạng Nơron

2.1.3. Cấu trúc mạng nơ – ron

2.1.3.1. Đơn vị xử lý perceptron
2.1.3.2. Tiến trình học của mạng nơ ron
2.1.3.3. Mạng nơ ron nhiều lớp:
2.1.3.4. Phƣơng pháp học trên mạng nơ ron
2.1.3.5. Học tham số:
2.1.3.6. Học giám sát với thuật toán lan truyền ngƣợc
2.1.3.7. Thuật toán lan truyền ngƣợc

2.2. LẠM PHÁT KINH TẾ

2.2.1. Khái niệm lạm phát

2.2.2. Phân loại lạm phát

2.2.3. Các phƣơng pháp tính lạm phát

2.3. ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM PHÁT

2.3.1. Các nghiên cứu liên quan

2.3.2. Phân tích các nhân tố ảnh hƣởng

2.3.3. Xây dựng mô hình mạng nơ ron dự báo lạm phát

2.4. KẾT LUẬN CHƯƠNG 2

3. CHƯƠNG 3: PHÁT TRIỂN ỨNG DỤNG MẠNG NƠ RON TRONG DỰ BÁO LẠM PHÁT KINH TẾ

3.1. PHÂN TÍCH KIẾN TRÚC TỔNG QUÁT CỦA HỆ THỐNG

3.1.1. Yêu cầu của hệ thống

3.1.2. Các chức năng cơ bản của hệ thống

3.2. GIẢI PHÁP CÔNG NGHỆ VÀ NGÔN NGỮ LẬP TRÌNH

3.2.1. Hệ quản trị CSDL Microsoft SQL Server 2012

3.2.1.1. Kiến trúc của Microsoft

3.2.2. Ngôn ngữ lập trình C#

3.3. KẾT QUẢ THỬ NGHIỆM

3.3.1. Nguồn dữ liệu sử dụng

3.3.2. Dữ liệu dùng cho thử nghiệm:

3.3.3. Kết quả thử nghiệm

3.4. MỘT SỐ GIAO DIỆN CỦA HỆ THỐNG

3.5. KẾT LUẬN CHƯƠNG 3

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về dự báo lạm phát và mạng nơ ron nhân tạo

Lạm phát là một hiện tượng kinh tế vĩ mô có ảnh hưởng sâu rộng đến đời sống kinh tế - xã hội. Dự báo lạm phát có ý nghĩa quan trọng đối với nhà hoạch định chính sách và nhà kinh doanh. Công nghệ thông tin phát triển, đặc biệt là mạng nơ-ron nhân tạo, mở ra phương pháp mới để dự báo lạm phát hiệu quả hơn. Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) là mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của hệ nơ-ron sinh học. Mạng này học, nhớ lại và khái quát hóa từ dữ liệu bằng cách điều chỉnh trọng số liên kết giữa các nơ-ron. Theo Trần Thị Hà (2016), mạng nơ-ron "làm việc như một thể thống nhất để giải quyết bài toán dự báo giá".

1.1. Lịch sử hình thành và phát triển của dự báo lạm phát

Dự báo đã hình thành từ đầu những năm 60 của thế kỷ 20. Khoa học dự báo với tư cách là một ngành khoa học độc lập có hệ thống lý luận, phương pháp luận và phương pháp hệ riêng nhằm nâng cao tính hiệu quả của dự báo. Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được.

1.2. Khái niệm và phân loại lạm phát trong kinh tế học

Lạm phát được định nghĩa là sự gia tăng liên tục trong mức giá chung. Điều này không nhất thiết có nghĩa giá cả của mọi hàng hóa và dịch vụ đồng thời phải tăng lên theo cùng một tỷ lệ, mà chỉ cần mức giá trung bình tăng lên. Lạm phát vẫn có thể xảy ra khi giá của một số hàng hóa giảm, nhưng giá cả của các hàng hóa và dịch vụ khác tăng đủ mạnh.

1.3. Ưu điểm của dự báo bằng mạng nơ ron so với phương pháp truyền thống

Mạng nơ-ron nhân tạo có khả năng to lớn trong lĩnh vực nhận dạng và điều khiển các đối tượng phi tuyến, là hệ xử lý song song, do đó có tốc độ tính toán rất cao giúp nâng cao hiệu quả tính toán, là hệ học và thích nghi, mạng được luyện từ các số liệu quá khứ, có khả năng tự chỉnh khi số liệu đầu vào bị mất, rất phù hợp với các hệ thống học máy.

II. Thách thức dự báo lạm phát chính xác và ổn định hiện nay

Dự báo lạm phát gặp nhiều thách thức do sự phức tạp và biến động của các yếu tố kinh tế vĩ mô. Các mô hình truyền thống đôi khi không đủ khả năng nắm bắt được các mối quan hệ phi tuyến tính và các yếu tố bất ngờ. Theo Trần Thị Hà (2016), "Nếu lạm phát có thể dự đoán được thì sẽ không còn gây nên gánh nặng lớn đối với nền kinh tế bởi người ta có thể đưa ra các giải pháp phù hợp với nó, ngược lại nếu không thể dự báo được thì sẽ dẫn đến những đầu tư sai lầm và phân phối thu nhập một cách ngẫu nhiên làm mất cân bằng của nền kinh tế.".

2.1. Các yếu tố kinh tế vĩ mô ảnh hưởng đến dự báo lạm phát

Các yếu tố như chính sách tiền tệ, tỷ giá hối đoái, GDP, chỉ số giá tiêu dùng (CPI), chỉ số sản xuất công nghiệp (IIP), thất nghiệp, tỷ lệ lãi suất đều có thể ảnh hưởng đến dự báo lạm phát.

2.2. Hạn chế của mô hình ARIMA và GARCH trong dự báo lạm phát

Mô hình ARIMA và GARCH có những hạn chế nhất định. Trong dài hạn lạm phát (tại Canada) được dự báo bằng mô hình ANN cho kết quả tốt hơn so với mô hình VAR và ARIMA

2.3. Sự cần thiết của mô hình dự báo lạm phát linh hoạt và thích ứng

Một mô hình dự báo lạm phát hiệu quả cần có khả năng linh hoạt và thích ứng với sự thay đổi của môi trường kinh tế. Cần có chính sách để kiểm soát lạm phát sát với lạm phát mục tiêu, nhằm giúp ổn định kinh tế vĩ mô và phát triển nền kinh tế.

III. Cách xây dựng mô hình mạng nơ ron dự báo lạm phát hiệu quả

Xây dựng mô hình mạng nơ-ron dự báo lạm phát đòi hỏi quy trình chặt chẽ từ thu thập dữ liệu, tiền xử lý, lựa chọn kiến trúc mạng, huấn luyện và kiểm định. Theo Trần Thị Hà (2016), thuật toán lan truyền ngược là dạng tổng quát của thuật toán trung bình bình phương tối thiểu (Least Means Square-LMS). Thuật toán này thuộc dạng thuật toán xấp xỉ để tìm các điểm mà tại đó hiệu năng của mạng là tối ưu.

3.1. Thu thập và tiền xử lý dữ liệu kinh tế vĩ mô cho mô hình

Dữ liệu quá khứ, dữ liệu hiện tại, dữ liệu kinh tế vĩ mô cần được thu thập và tiền xử lý kỹ lưỡng. Các nhân tố liên quan tới dự báo lạm phát bao gồm chỉ số giá vàng, chỉ số giá đô, chỉ số hàng hóa nhập khẩu, chỉ số hàng hóa xuất khẩu.

3.2. Lựa chọn kiến trúc mạng nơ ron phù hợp RNN LSTM GRU

Các kiến trúc mạng nơ-ron như RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit) có thể được sử dụng. Trong luận văn đề xuất các nhân tố liên quan tới dự báo lạm phát bao gồm các nhân tố sau: - Gold price index: chỉ số giá vàng - USD price index: chỉ số giá đô - Import price index: chỉ số hàng hóa nhập khẩu - Export price index: chỉ số hàng hóa xuất khẩu

3.3. Huấn luyện và tối ưu hóa mô hình mạng nơ ron để tăng độ chính xác

Quá trình huấn luyện và tối ưu hóa mô hình cần được thực hiện để đạt được độ chính xác cao nhất.Trọng số của mạng sẽ hội tụ dần tới các giá trị sao cho với mỗi vector đầu vào x từ tập huấn luyện, mạng sẽ cho ra vector đầu ra y như mong muốn.

IV. So sánh các mô hình dự báo lạm phát bằng mạng nơ ron và các phương pháp

So sánh hiệu quả dự báo của mô hình mạng nơ-ron với các phương pháp truyền thống như ARIMA, GARCH, và các mô hình kinh tế lượng khác là cần thiết để đánh giá ưu điểm và nhược điểm của từng phương pháp. Cần xác định các lỗi khi so sánh giữa giá trị thực và kết quả cho ra bởi mô hình

4.1. Đánh giá độ chính xác và sai số của các mô hình dự báo

Cần sử dụng các chỉ số đánh giá như RMSE, MAE, MAPE để so sánh độ chính xác của các mô hình. Mean absolute percentage error: MAPE= 󰇛 ) (1-6)

4.2. Ưu điểm và nhược điểm của mạng nơ ron so với mô hình kinh tế lượng

Mạng nơ-ron có khả năng xử lý dữ liệu phi tuyến tốt hơn mô hình kinh tế lượng, nhưng có thể đòi hỏi nhiều dữ liệu hơn để huấn luyện. Zhang và cộng sự (1998) khẳng định mô hình ANN chỉ dự báo tốt cho trường hợp phi tuyến còn đối với những mối quan hệ tuyến tính, mô hình ANN dự báo không tốt bằng mô hình hồi quy tuyến tính.

4.3. Trường hợp nào nên sử dụng mạng nơ ron và ARIMA GARCH

Mạng nơ-ron phù hợp với các bài toán dự báo phức tạp, phi tuyến, trong khi ARIMA/GARCH có thể hiệu quả hơn với các chuỗi thời gian có tính tuyến tính cao.

V. Ứng dụng thực tế của dự báo lạm phát bằng mạng nơ ron nâng cao

Dự báo lạm phát chính xác giúp các nhà hoạch định chính sách đưa ra quyết định phù hợp để ổn định kinh tế vĩ mô, hỗ trợ doanh nghiệp trong việc lập kế hoạch sản xuất kinh doanh và quản lý rủi ro. Nhận thức được tầm quan trọng của công tác dự báo, đặc biệt là dự báo lạm phát. Tác giả đã thực hiện đề tài “Nghiên cứu mạng nơ ron nhân tạo và ứng dụng vào dự báo lạm phát” cho luận văn tốt nghiệp của mình.

5.1. Vai trò của dự báo lạm phát trong điều hành chính sách tiền tệ

Dự báo lạm phát giúp ngân hàng trung ương điều chỉnh lãi suất và các công cụ chính sách khác để kiểm soát lạm phát.Nếu lạm phát cao hơn lạm phát mục tiêu sẽ gây ra những tác động tiêu cực như: chi phí sản xuất của doanh nghiệp, chi phí sử dụng vốn phải tăng lên, sức mua của người tiêu dùng sẻ giảm.

5.2. Ứng dụng trong quản lý rủi ro và lập kế hoạch kinh doanh cho doanh nghiệp

Doanh nghiệp có thể sử dụng dự báo lạm phát để điều chỉnh giá cả, quản lý chi phí và đưa ra quyết định đầu tư phù hợp.Bởi thế, những nhà đầu tư muốn có một công cụ, phương pháp đánh giá sự phát triển kinh tế của một quốc gia, một vùng hoặc một nhóm ngành có thể có những quyết định dựa trên những diễn biến kinh tế mới nhất.

5.3. Ứng dụng dự báo lạm phát trong quyết định đầu tư cá nhân và tổ chức

Nhà đầu tư có thể sử dụng dự báo lạm phát để đưa ra quyết định đầu tư vào các tài sản có khả năng chống lại lạm phát. Lạm phát còn gây thiệt hại cho Ngân hàng Nhà nước bằng việc bào mòn giá trị thực của những khoản công phí.

VI. Triển vọng và hướng nghiên cứu tương lai của dự báo lạm phát

Sự phát triển của các kỹ thuật học máy mới và dữ liệu lớn mở ra nhiều cơ hội để cải thiện độ chính xác và hiệu quả của dự báo lạm phát. Cần tiếp tục nghiên cứu và phát triển các mô hình dự báo lạm phát tiên tiến hơn để đáp ứng nhu cầu ngày càng cao của xã hội.

6.1. Tích hợp dữ liệu lớn và kỹ thuật học sâu vào mô hình dự báo

Sử dụng các kỹ thuật học sâu như mạng nơ-ron tích chập (CNN) và mạng nơ-ron biến áp (Transformer) để khai thác thông tin từ dữ liệu lớn.

6.2. Xây dựng mô hình dự báo lạm phát kết hợp nhiều phương pháp

Kết hợp mạng nơ-ron với các mô hình kinh tế lượng truyền thống để tận dụng ưu điểm của cả hai phương pháp. Nghiên cứu của Zhang (2003); Khashei & Bijari (2011) còn kết luận thêm mô hình lai tạo (hybrid model) giữa ANN và ARIMA cho ra kết quả dự báo tốt hơn khi sử dụng những mô hình này đơn lẻ.

6.3. Nghiên cứu các yếu tố phi kinh tế ảnh hưởng đến lạm phát

Nghiên cứu các yếu tố chính trị, xã hội, và tâm lý có thể ảnh hưởng đến lạm phát để đưa vào mô hình dự báo.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

29/09/2025
Luận văn thạc sĩ nghiên cứu mạng nơ ron nhân tạo và ứng dụng vào dự báo lạm phát

Trích đoạn nội dung tài liệu

Phần mở đầu Chƣơng 1: Tổng quan về dự báo Chƣơng 2: Ứng dụng mạng nơ ron trong dự báo lạm phát kinh tế Chƣơng 3: Xây dựng ứng dụng dự báo lạm phát sử dụng mô hình mạng nơ ron Kết luận và hƣớng phát triển 10 download by : skknchat@gmail.com CHƢƠNG 1: TỔNG QUAN VỀ DỰ BÁO Trong chƣơng này trình bày các khái niệm cơ bản về dự báo, phân loại dự báo trong kỳ ngắn hạn, dài hạn và tầm quan trọng của dự báo trong phát triển kinh tế của quốc gia. Trong chƣơng 1 này cũng giới thiệu một số các phƣơng pháp sử dụng trong dự báo nhƣ mô hình kinh tế lƣợng, mô hình Time Series,.các phƣơng pháp đánh giá và thử nghiệm trong các bài toán dự báo.1 Khái niệm về dự báo Dự báo đã hình thành từ đầu những năm 60 của thế kỉ 20. Khoa học dự báo với tƣ cách là một ngành khoa học độc lập có hệ thống lí luận, phƣơng pháp luận và phƣơng pháp hệ riêng nhằm nâng cao tính hiệu quả của dự báo. Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tƣơng lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập đƣợc.

Khi tiến hành dự báo cần căn cứ vào việc thu thập, xử lý số liệu trong quá khứ và hiện tại để xác định xu hƣớng vận động của các hiện tƣợng trong tƣơng lai nhờ vào một số mô hình toán học (Định lƣợng). Tuy nhiên dự báo cũng có thể là một dự đoán chủ quan hoặc trực giác về tƣơng lai (Định tính) và để dự báo định tính đƣợc chính xác hơn, ngƣời ta cố loại trừ những tính chủ quan của ngƣời dự báo[1]. Tiên đoán đƣợc coi là một hình thức phản ánh vƣợt trƣớc về thời gian hiện thực khách quan, đó là kết quả nhận thức chủ quan của con ngƣời dựa trên cơ sở nhận thức quy luật khách quan trong sự vận động và phát triển của sự vật và hiện tƣợng. Tiên đoán gồm 03 loại khác nhau: tiên đoán có căn cứ khoa học, tiên đoán không khoa học và tiên đoán dựa trên kinh nghiệm.

11 download by : skknchat@gmail.com Do nó chỉ là một tuyên bố về tƣơng lai, bất cứ điều gì đều có thể dự báo ví dụ tỷ lệ lạm phát giá tiêu dùng, thời tiết ngày mai hoặc của tháng tiếp theo, mức tăng trung bình của mực nƣớc biển vào cuối thiên niên kỷ thứ ba, dân số của trái đất vào 10 năm tới hay giá trị của chỉ số Dow Jones tại bắt đầu năm 2010. Các kết quả dự báo đƣợc coi là hữu ích trong việc xem xét để ra quyết định với sai số có thể chấp nhận đƣợc.2 Dự báo kinh tế Tƣơng lai của kinh tế, sẽ đƣợc quyết định bởi hành vi của con ngƣời trong tƣơng lai. Nó có thể đƣa ra những gợi ý cho việc ra quyết định trong tƣơng lai của các nhà kinh tế, các nhà đầu tƣ, hay Chính phủ của quốc gia. Dự báo kinh tế ngày càng đƣợc Chính phủ các nƣớc coi trọng và coi nhƣ là một lĩnh vực giúp cho sự phát triển của nền kinh tế đất nƣớc.

Nhờ có dự báo, nhiều những hoạt động kinh tế tránh đƣợc rủi ro đánh kể. Ví dụ, dự báo năm 1987 hoạt động kinh tế tại Hoa Kỳ khi các nhà phân tích tiên đoán chính xác rằng giá trị trao đổi của đồng USD sẽ giảm mạnh trong năm, chi tiêu tiêu dùng sẽ chậm lại, và rằng lãi suất sẽ tăng vừa phải. Dựa vào những tiên đoán đó, mà Chính phủ có thể vận hành hoặc điều tiết nền kinh tế theo một chiều hƣớng tốt hơn [9].2 [Dự báo kinh tế] Dự báo kinh tế là quá trình dự đoán trước về một sự kiện xảy ra đối với nền kinh tế có thể là toàn bộ hoặc một phần. Dự báo kinh tế thường sử dụng dựa trên khoa học hoặc kinh nghiệm.

Dự báo kinh tế có thể đƣợc thực hiện rất chi tiết hoặc có thể là rất chung chung. Trong mọi trƣờng hợp, dự báo giúp con ngƣời mô tả các hành vi tƣơng lai dự kiến của tất cả hoặc một phần của nền kinh tế và giúp hình thành cơ sở của quy hoạch. Dự báo kinh tế xuất phát từ mô hình - thƣờng là của nền kinh tế quốc gia hay của toàn bộ thế giới, nhƣng đôi khi các bộ phận của nền kinh tế: đặc biệt là lĩnh vực công nghiệp, các khu vực trên thế giới, hoặc thậm chí các sản phẩm đơn lẻ hoặc các công ty, phƣơng pháp tiếp cận cơ bản để dự báo chỉ đơn giản là suy luận quá khứ; 12 download by : skknchat@gmail.com Lúc này, mô hình phức tạp thƣờng hơn dựa trên phân tích đƣợc dữ liệu từ quá khứ và sử dụng chúng trong dự báo. Vì thế, khi suy luận cần đòi hỏi kiến thức về lịch sử kinh tế và các nguyên tắc kinh tế, mặc dù, thậm chí sau đó, dự báo là do không có nghĩa là một con số chính xác, tuy nhiên, nó có thể là căn cứ đƣa ra những quyết định lớn về kinh tế để giảm thiểu những thiệt hại xảy ra với toàn bộ hoặc một phần của nền kinh tế, thậm chí đối với các doanh nghiệp[9].

Nhiều nhà kinh tế cho rằng những thay đổi trong cung tiền xác định tỷ lệ tăng trƣởng của hoạt động kinh doanh nói chung. Những ngƣời khác đóng vai trò trung tâm để đầu tƣ vào cơ sở mới nhà ở, nhà máy công nghiệp, đƣờng cao tốc, và vv. Tại Hoa Kỳ, nơi mà ngƣời tiêu dùng chiếm một phần lớn trong hoạt động kinh tế, một số nhà kinh tế cho rằng quyết định của ngƣời tiêu dùng để đầu tƣ hoặc lƣu cung cấp các manh mối chính cho các sự kiện tƣơng lai của toàn bộ nền kinh tế. Đối với doanh nghiệp sản xuất kinh doanh, họ cần đƣợc biết hoặc tiên nghiệm đƣợc những sự kiện sắp xảy ra đối với nền kinh tế vĩ mô, từ đó họ có thể có những hoạt động phù hợp nhằm thúc đẩy hoặc phòng ngừa những rủi ro xảy ra.

Thiệt hại của doanh nghiệp cũng chính là thiệt hại của nền kinh tế, nó làm suy giảm GDP của một đất nƣớc. Bởi thế, những nhà đầu tƣ muốn có một công cụ, phƣơng pháp đánh giá sự phát triển kinh tế của một quốc gia, một vùng hoặc một nhóm ngành có thể có những quyết định dựa trên những diễn biến kinh tế mới nhất [7],[10].1 Phân loại dự báo kinh tế Tùy theo mục đích, hình thức mà dự báo kinh tế đƣợc phân loại khác nhau [9], [10]. - Theo quy mô: dự báo kinh tế có thể phân loại thành dự báo vĩ mô và dự báo vi mô. + Dự báo vĩ mô đƣợc xem nhƣ dự báo có liên quan đối với toàn bộ nền kinh tế.

Nó đƣợc đo bằng chỉ số của sản xuất công nghiệp, thu nhập quốc dân hoặc chi 13 download by : skknchat@gmail. Ví dụ: dự báo lạm phát, dự báo xu hƣớng xuất nhập khẩu, dự báo GNI quốc gia,. + Dự báo vi mô thƣờng tập trung trong doanh nghiệp, ví dụ dự báo xu hƣớng của ngƣời tiêu dùng trong tháng tới để các doanh nghiệp có thể dễ dàng nắm bắt đƣợc nhu cầu và thị hƣớng của ngƣời tiêu dùng để cung cấp dịch vụ thích hợp. - Theo thời hạn: dự báo đƣợc phân loại thành dự báo ngắn hạn hoặc dự báo dài hạn.

+ Dự báo ngắn hạn: trong một dự báo ngắn hạn, mô hình theo mùa đƣợc xem là quan trọng nhất. Nó có thể bao gồm một khoảng thời gian ba tháng, sáu tháng hoặc một năm. Nó có chu kỳ theo mùa vụ. + Dự báo dài hạn: hữu ích trong việc lập kế hoạch.

Nó cung cấp thông tin cho các quyết định chiến lƣợc quan trọng. Nó giúp tiết kiệm lãng phí về vật liệu, nhân lực, thời gian và năng lực.2 Mô hình bài toán dự báo kinh tế Dự báo là một trong những yếu tố cần thiết để lập kế hoạch, cho dù dự báo vi mô, hoặc vĩ mô. Mô hình một bài toán dự báo đƣợc mô tả nhƣ hình dƣới đây [9]. 14 download by : skknchat@gmail.1: Mô hình một bài toán dự báo Mô hình dự báo trong hình trên bao gồm 2 pha: - Xây dựng mô hình (model building): + Dữ liệu quá khứ: chi phí cho thu thập dữ liệu thƣờng đƣợc coi là "đắt".

Dữ liệu phải đảm bảo độ tin cậy mới có thể tạo ra một kết quả và chứng minh độ chính xác của mô hình đã xây dựng. Mỗi một mô hình dự báo cần thiết có sự đánh giá của con ngƣời. + Đặc tả mô hình: đây là quá trình xác định các biến sử dụng trong khi xây dựng mô hình. + Ƣớc lƣợng mô hình: ƣớc lƣợng các hệ số của mô hình.

+ Kiểm tra sự phù hợp của mô hình: kiểm tra sự phù hợp của mô hình và dữ liệu nhập vào. - Dự báo: + Dữ liệu kiểm tra: là dữ liệu cần quan sát kết quả. 15 download by : skknchat@gmail.com + Dự báo: sinh ra dự báo dựa trên mô hình đã xây dựng ở pha 1 và dữ liệu cần sinh ra dự báo. + Tính ổn định: mô hình đƣa ra kết quả có sai số nhiều so với chuyên gia dự báo hay không? 1.3 Một số mô hình dự báo Có một số các mô hình dự báo nhƣ sau: - Mô hình dự báo cơ bản: Mô hình dự báo cơ bản bao gồm: một số yếu tố đầu vào (dữ liệu) và giả định mô hình.

Một dự báo đƣợc tạo ra một số biến. Trong ví dụ của dự báo bán hàng, đầu vào có thể là số lƣợng ngƣời bán hàng, các giả định có thể bao gồm năng suất và số giờ làm việc, dự báo là kỳ vọng số doanh thu dự kiến cho các yếu tố đầu vào và giả định. Với mỗi dự báo, quan trọng là để quản lý quá trình thông qua sự so sánh của các biến liên quan để dự báo và sau đó làm việc trở lại thông qua các mô hình để giải thích lý do. Dữ liệu Mô hình Dự báo đầu vào dự báo Giả thiết Hình 1.2: Mô hình dự báo cơ bản - Mô hình dự báo nhân quả: Mô hình dự báo nhân quả sử dụng một số đầu vào cụ thể để dự báo một số đối tƣợng khác.

Ví dụ, có thể xây dựng một mô hình nhân quả để dự báo doanh thu (sản lƣợng) dựa trên số lƣợng ngƣời bán hàng (một đầu vào). Đây là loại mô hình đƣợc thể hiện trong sơ đồ trên. 16 download by : skknchat@gmail.com Giá trị thực tế Quản lý lặp Phản hồi Độ lệch Dữ liệu Mô hình Kết quả đầu vào dự báo dự báo Giả thiết Hình 1.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ