CHƯƠNG 1: TỔNG QUAN VỀ CÁC MÔ HÌNH DỰ BÁO VÀ KINH NGHIỆM DỰ BÁO SỐ THU NGÂN SÁCH CỦA MỘT SỐ QUỐC GIA 1. Định nghĩa dự báo: 1. Dự báo: Dự báo hàm ý dự đoán điều gì đó cho tương lai. Dự báo có thể là bất kỳ một phát biểu nào về tương lai và phát biểu đó có thể hoặc không dựa trên một hoặc một số căn cứ khoa học nào đó.
Chính vì vậy, kết quả dự báo có thể chính xác hoặc không chính xác. Để tránh những dự báo thiếu căn cứ, người làm dự báo cần được trang bị các phương pháp khoa học và có hệ thống. Dự báo được hiểu là việc ước lượng một sự kiện hoặc một điều kiện nào đó trong tương lai vốn nằm ngoài khả năng kiểm soát của tổ chức nhằm cung cấp cơ sở cho việc ra quyết định. Dự báo tốt có thể giúp tổ chức hình dung ra tương lai của mình sẽ như thế nào để hoạch định hướng đi phù hợp [1].
Các tổ chức đang hoạt động trong một thế giới liên tục thay đổi nhưng các quyết định phải được thực hiện ngay hôm nay và ảnh hưởng sống còn đến tương lai của tổ chức, nên dự báo dĩ nhiên luôn luôn cần thiết nếu thực sự tổ chức muốn tồn tại và phát triển bền vững. Người ta thường nhấn mạnh rằng một phương pháp tiếp cận hiệu quả đối với dự báo là phần quan trọng trong hoạch định. Khi các nhà quản trị lên kế hoạch, trong hiện tại họ xác định hướng tương lai cho các hoạt động mà họ sẽ thực hiện. Bước đầu tiên trong hoạch định là dự báo hay là ước lượng nhu cầu tương lai cho sản phẩm hoặc dịch vụ và các nguồn lực cần thiết để sản xuất sản phẩm hoặc dịch vụ đó.
Như vậy, 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. Khi tiến hành dự báo ta căn cứ vào việc thu thập xử lý số liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện tượng trong tương lai nhờ [1] PGS. Nguyễn Trọng Hoài, Dự báo và phân tích dữ liệu trong kinh tế và tài chính, NXB Thống kê 2009 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 2 vào một số mô hình toán học. Dự báo có thể là một dự đoán chủ quan hoặc trực giác về tương lai.
Nhưng để cho dự báo được chính xác hơn, người ta cố loại trừ những tính chủ quan của người dự báo. Phân loại phương pháp dự báo: Phương pháp dự báo gồm có hai phương pháp là: Phương pháp định tính và phương pháp định lượng. Các phương pháp dự báo được biểu diễn ở Hình 1.1 Các phương pháp dự báo - Tổng hợp lực lượng Phương bán hàng. pháp định - Ý kiến ban quản trị.
tính - Khảo sát/hoặc kiểm chứng thị trường. - Phương pháp Delphi Phương - Mô hình chuỗi thời gian pháp dự + Dự báo thô báo + Hồi quy hàm xu thế + San mũ Phương + Phân tích chuỗi thời pháp định gian lượng + ARIMA - Mô hình nhân quả + Hồi quy dữ liệu chéo Hình 1.1 + Hồi quy chuỗi thời gian 1. Phương pháp luận của dự báo định lượng: 1. Phương pháp luận của dự báo chuỗi thời gian: - Dữ liệu chuỗi thời gian là các dữ liệu mà các biến quan sát được thu thập theo thời gian, chẳng hạn như GDP, CPI, việc làm, thất nghiệp, cung tiền, lãi suất, chỉ số giá chứng khoán, suất sinh lợi của một cổ phiếu, giá dầu, giá vàng, doanh số,…Các dữ liệu thời gian có thể được thu thập theo một tần suất quan sát nhất định tùy đặc điểm của từng đối tượng nghiên cứu, ví dụ theo ngày (chứng khoán, [2]Trung tâm Thông tin và Dự báo Kinh tế - xã hội Quốc gia, Bộ Kế hoạch và Đầu tư, Nâng cao chất lượng công tác dự báo và cảnh báo, năm 2008 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 3 lãi suất, tỷ giá hối đoái), theo tuần (lương tuần, cung tiền), theo tháng (tỷ lệ thất nghiệp, tỷ lệ lạm phát, sản lượng công nghiệp, doanh số), theo quý (GDP, doanh số), theo năm (ngân sách Chính phủ, tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, giá trị xuất khẩu).
- Dự báo các giai đoạn quá khứ được gọi là dự báo hậu nghiệm và dự báo các giai đoạn tương lai được gọi là dự báo tiền nghiệm. Để hiểu rõ hơn về các loại dự báo này trong quy trình dự báo, chúng ta phân tích sơ đồ ở Hình 1. Các giai đoạn của dự báo Dữ liệu quá khứ Y76 Y99 Yt Y76 Y92 Mẫu -∞ ∞ Ŷ70 Ŷ75 Ŷ76 Ŷ92 Ŷ99 Ŷ100 Ŷ∞ Dự báo lùi Dự báo trong mẫu Dự báo Dự báo tiền nghiệm hậu nghiệm Giai đoạn dự báo lùi Giai đoạn dự báo (Nguồn: Dự báo và phân tích dữ liệu trong kinh tế và tài chính, NXB Thống kê 2009)[6] Hình 1.2 + Dữ liệu lịch sử được cung cấp từ thời đoạn Ybeg (Y76) tới Yend (Y99). Chúng ta định nghĩa Ybeg là thời đoạn bắt đầu của chuỗi thời gian.
Yend là thời đoạn mới nhất của chuỗi thời gian thu thập. Đối với chúng ta Yend có thể là quan sát hiện tại. + Dữ liệu mẫu phân tích, Y1,….Yn, là những quan sát mà chúng ta sử dụng để xây dựng mô hình dự báo. Giữa Ybeg và Y1 không nhất thiết trùng khớp lẫn nhau.
LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 4 + Tương ứng với giai đoạn ước lượng Y1,….Yn những giá trị dự báo Ŷ1,…. Ŷn Những giá trị dự báo này được tìm trong mô hình hay trong mẫu dữ liệu khi tiến hành dự báo. Từ những giá trị thực tế và những giá trị dự báo chúng ta có thể xác định sai số dự báo e1,….en (với en = Yn - Ŷ n) cho mô hình (trong giai đoạn ước lượng), từ độ chính xác của mô hình có thể xác định. Tất cả những giá trị vượt ra ngoài Yn phải là giá trị dự báo.
Trong khuôn khổ của đường thời gian, những giá trị dự báo sẽ nằm trong giai đoạn ước lượng. Tất cả những giá trị dự báo hình thành trong giai đoạn dự báo được gọi là dự báo ngoài phạm vi mẫu bởi vì nó xuất hiện sau khi chấm dứt giai đoạn ước lượng. + Toàn bộ giai đoạn dự báo sẽ được phân chia thành hai bộ phận phân biệt là dự báo hậu nghiệm và dự báo tiền nghiệm. ++ Giai đoạn dự báo hậu nghiệm là thời gian từ quan sát đầu tiên sau khi chấm dứt giai đoạn mẫu Ŷ n+1 tới quan sát mới nhất Ŷ N.
Đặc trưng quan trọng trong giai đoạn này là các nhà nghiên cứu đã có giá trị thực tế của đối tượng dự báo Yt. Giai đoạn hậu nghiệm sẽ cung cấp cho nhà nghiên cứu cơ hội đánh giá mức độ chính xác của mô hình dự báo trong giai đoạn này bằng cách sử dụng chênh lệch giữa giá trị thực tế và giá trị dự báo hậu nghiệm. Nếu như độ chính xác của mô hình không thỏa mãn thì lúc đó nhà nghiên cứu sẽ lựa chọn hai giải pháp: tìm kiếm một mô hình thay thế với độ chính xác cao hơn hoặc mở rộng giai đoạn mẫu bao gồm cả những quan sát trong giai đoạn hậu nghiệm đang xét. Nếu nhà nghiên cứu mở rộng giai đoạn ước lượng tới hiện tại thì dự báo trong phạm vi mẫu sẽ hình thành từ Ŷ 1…… Ŷ N.
Những quan sát giai đoạn mẫu và giá trị dự báo đã mở rộng trong giai đoạn hậu nghiệm được minh họa bằng đường không liên tục trong hình vẽ. Chú ý rằng lúc này giai đoạn dự báo không bao gồm giá trị dự báo hậu nghiệm. ++ Giai đoạn dự báo tiền nghiệm là giai đoạn không có giá trị thực tế về đối tượng dự báo (hay bất kỳ những biến số ảnh hưởng khác). Đây chính là dự báo cho LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 5 tương lai.
Chúng ta ký hiệu những dự báo tiền nghiệm là Ŷ N+1……. Bởi vì trong giai đoạn này không có giá trị thực tế của đối tượng dự báo do đó sẽ không xác định được độ chính xác của những dự báo tiền nghiệm. Phía dưới đường thời gian chúng ta mô tả một giai đoạn phía trước Ybeg mà dữ liệu mô tả hầu như không có. Chúng ta có thể dự báo lùi cho những thời đoạn trước Ybeg.
Chúng ta có thể sử dụng những dự báo lùi nhằm đạt những giá trị bổ sung cho thời đoạn lịch sử trong quá trình phân tích. Sơ đồ biểu diễn phương pháp luận dự báo theo chuỗi thời gian thể hiện ở Hình 1. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 6 Phương pháp luận của dự báo chuỗi thời gian Mục tiêu Biến cần Thời gian Thu nhập dự báo dự báo dự báo số liệu Khảo sát số liệu Lựa chọn mô hình dự báo Hình 1.3 (Nguồn: Dự báo và phân tích dữ liệu trong Dự báo các giai kinh tế và tài chính, đoạn quá khứ NXB Thống kê 2009)[6] Đánh giá Không tốt Tốt Khảo sát Dự báo các giai đoạn lại dạng dữ tương lai và sử dụng cho liệu việc ra quyết định Kiểm tra độ chính Tốt xác của các dự báo Đánh giá Không tốt Khảo sát dạng dữ liệu bằng các dữ liệu cập nhật LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 Trước hết người làm dự báo phải xác định được mục tiêu dự báo, từ đó xác định được biến cần dự báo. Sau đó người dự báo cần xác định được thời gian dự báo rồi tiến hành thu thập, khảo sát số liệu.
Từ các số liệu thu thập được ta tiến hành lựa chọn mô hình dự báo phù hợp với dạng dữ liệu để tiến hành dự báo biến dự báo ở các giai đoạn quá khứ. Từ các giá trị dự báo ở giai đoạn quá khứ ta tiến hành so sánh với các kết quả thực tế của biến dự báo để đánh giá việc lựa chọn mô hình dự báo có phù hợp hay không. Có hai trường hợp xảy ra: Trường hợp 1, nếu kết quả đánh giá tốt ta tiến hành dự báo các giai đoạn tương lai và sử dụng cho việc ra quyết định. Trường hợp 2, nếu kết quả đánh giá không tốt ta phải tiến hành khảo sát lại dữ liệu và quay lại bước lựa chọn mô hình dự báo.
Trong giai đoạn tương lai ta tiếp tục kiểm tra độ chính xác của các dự báo từ mô hình khi đã có các dữ liệu thực tế thu thập được. Nếu kết quả tốt ta vẫn dùng mô hình này cho việc ra quyết định. Nếu kết quả không tốt ta khảo sát lại dạng dữ liệu bằng các dữ liệu cập nhật và quay về bước khảo sát số liệu.