PHẦN II. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 2: PHÂN TÍCH VÀ ĐÁNH GIÁ HOẠT ĐỘNG DỰ BÁO XUẤT KHẨU
2.1. Giới thiệu tổng quan về Công ty Cổ phần Dệt may Phú Hòa An
2.2.4.1. Kết quả dự báo hàng dệt kim xuất khẩu của công ty giai đoạn 2015 – 2018
bằng mũ giản đơn –Simple exponential smoothing(SES)
Dt(Demand): nhu cầu thực tế tại thời kì t α: hệ số điều chỉnh của Lt
0 200,000 400,000 600,000 800,000 1,000,000 1,200,000 1,400,000 1,600,000 1,800,000
Quý I Quý II Quý III Quý IV
Năm 2015 Năm 2016 Năm 2017 Năm 2018
Trường Đại học Kinh tế Huế
Lt= αDt+(1-α)Lt-1: mức nhu cầu tại thời kì t (với t t≥1)
Ft = Lt-1: nhu cầu dự báo tại thời điểm t được cho bằng mức nhu cầu của kì trước.
Et= Ft- Dt= Lt-1- Dt: độ lệch dự báo nhu cầu.
At= Abs(Et): độ lệch tuyệt đối dự báo nhu cầu tại thời kì t MSEt= : Sai số bình phương trung bình tại thời kì t MADt= ∑ At: Độ lệch tuyệt đối trung bình tại thời kì t
MAPEt=∑ : Phần trăm sai số tuyệt đối trung bình tại thời kì t TSt=∑ : Tín hiệu theo dõi thời kì t
L0=Average(Dt): mức nhu cầu tại thời kì 0 được tính bằng trung bình nhu cầu thực tế của tất cả các thời kì đã có.
Lt(Level): mức nhu cầu tại thời kì t Ft(Forecast): dự báo tại thời kì t Ft+1: dự báo tại thời kì t +1 (với t t≥1) Et(Error): Độ lệch dự báo nhu cầu thời kì t
At(Absolute): Độ lệch tuyệt đối dự báo nhu cầu tại thời kì t Với At= trị tuyệt đối của Et(At=│Et│)
TSt: Tín hiệu theo dõi tại thời kì t
MSEt(Mean Squared Error): Sai số bình phương trung bình tại thời kì t MADt(Mean Absolute Deviation): Độ lệch tuyệt đối trung bình tại thời kì t MAPEt(Mean Average Percent Error): Phần trăm sai số tuyệt đối trung bình tại thời kì t.
Trường Đại học Kinh tế Huế
SVTH: Nguyễn Văn Hùng 68 Bảng 2.14: Kết quảdự báo và đánh giá hàng dệt kim của công ty bằng phương pháp san bằng mũ giản đơn (SES)
Period, t
Demand, Dt Level, Lt
Forecast, Ft
Error, Et
Absolute, At
MSEt MADt %Error MAPEt TSt
0 679.357
Q1/2015 1 247.344 623.195 653.870 406.526 406.526 165.262.982.150 406.526 164 164 1,00
Q2/2015 2 385.927 592.350 601.021 215.094 215.094 105.764.245.286 310.810 56 110 2,00
Q3/2015 3 1.008.731 646.480 573.059 - 435.672 435.672 133.779.544.536 352.431 43 88 0,53
Q4/2015 4 614.518 642.325 629.696 15.178 15.178 100.392.253.665 268.118 2 66 0,75
Q1/2016 5 287.672 596.220 627.723 340.051 340.051 103.440.756.932 282.504 118 77 1,92
Q2/2016 6 513.067 585.410 583.516 70.449 70.449 87.027.819.024 247.162 14 66 2,47
Q3/2016 7 1.110.024 653.610 574.358 - 535.666 535.666 115.586.417.861 288.377 48 64 0,26
Q4/2016 8 688.223 658.110 643.995 - 44.228 44.228 101.382.634.297 257.858 6 57 0,12
Q1/2017 9 319.371 614.074 649.744 330.373 330.373 102.245.288.838 265.915 103 62 1,36
Q2/2017 10 590.524 611.012 606.796 16.272 16.272 92.047.237.040 240.951 3 56 1,57
Q3/2017 11 1.285.667 698.717 604.680 - 680.987 680.987 125.837.732.007 280.954 53 56 -1,08
Q4/2017 12 795.366 711.282 693.209 - 102.157 102.157 116.220.930.480 266.054 13 52 -1,52
Q1/2018 13 706.489
Q2/2018 14 706.489
Q3/2018 15 706.489
Q4/2018 16 706.489
(Nguồn: Tổng hợp kết quảtừexcel, 2019)
Trường Đại học Kinh tế Huế
Giải L0với L0= Average(Dt): L0=679.357
Với∝ = (n: độ dài chuỗi thời gian) nên ta có=0,13 ta dự đoán nhu cầu Lt theo công thức:
Lt=Dt+(1-) Lt-1
Sau khi thực hiện các phép tính theo phương pháp SES vào trong bảng Excel, ta đã tìm được mức nhu cầu (Lt) cũng như tìm được các dự báo nhu cầu (Ft) tại 12 thời kì. Từ đây, ta tìm được độ lệch tuyệt đối dự báo nhu cầu(At) và tiến hành dự báo nhu cầu các thời kì 13,14,15,16.
Theo phương pháp SES thì các dự báo nhu cầu của các kì t+n sẽ chính bằng mức nhu cầu ở kì cuối cùng t, tức là: F13=F14=F15=F16=L12= 706.489 tương ứng với Quý I(F13); Quý II(F14); Quý III(F15) và Quý IV(F16) của năm 2018 được thể hiện ở Bảng 2.15.
Bảng 2.15: Kết quảdựbáo hàng dệt kim năm 2018 bằng phương pháp san mũ giản đơn (SES)
Đơn vị: PCE
Quý Dự báo năm 2018
I 706.489
II 706.489
III 706.489
IV 706.489
(Nguồn: Kết quảxửlý từExcel, 2019)
Dựa vào kết quả đã tính, ta nhận thấy giá trị rằng TSt nằm trong khoảng -1.52 tới 2.47 là khá nhỏ. Ngoài ra, MAD12= 266.054 và MAPE12= 52% rất lớn, chứng tỏ dự báo nhu cầu này có độ chính xác khá thấp.
Phương pháp SES không phù hợp với bài toán bởi vì từ độ lệch tuyệt đối dự báo nhu cầu có xu hướng tăng dần theo từng thời kì, ta có thể khẳng định rằng, dự báo
Trường Đại học Kinh tế Huế
nhu cầu bị ảnh hưởng, phụ thuộc bởi xu hướng hoặc nhân tố mùa vụ, hoặc bởi cả hai yếu tố này.
2.2.4.1.2. Kết quả dự báo hàng dệt kim theo mô hìnhđiều chỉnh theo xu hướng (Holt’s Model)
Lt: nhu cầu bao gồm yếu tố mùa vụ tại thời kì t α: hệ số điều chỉnh của Lt
Tt: xu hướng nhu cầu tại thời kì t
: hệ số điều chỉnh của Tt Dt: nhu cầu thực tế tại thời kì t Ft= Lt-1: dự báo nhu cầu tại thời kì t
Et= Ft-Dt= Lt-1- Dt: sai số dự báo tại thời kì t
At= Abs(Et): độ lệch tuyệt đối dự báo nhu cầu tại thời kì t MSEt= Et : Sai số bình phương trung bình tại thời kì t MADt= ∑ At: Độ lệch tuyệt đối trung bình tại thời kì t
MAPEt=∑ : Phần trăm sai số tuyệt dối trung bình tại thời kì t TSt=∑ : Tín hiệu theo dõi thời kì t
Trường Đại học Kinh tế Huế
SVTH: Nguyễn Văn Hùng 71 Bảng 2.16: Kết quảdựbáo hàng dệt kim của công ty theo mô hìnhHolt’s Model
Period, t
Demand, Dt
Level, Lt
Trend, Tt
Forecast, Ft
Error, Et
Absolute, At
MSEt MADt %Error MAPEt TSt
0 392.021 40.284
1 247.344 378.666 34.920 432.305 184.961 184.961 34.210.571.521 184.961 75 75 1
2 385.927 397.568 34.118 413.586 27.659 27.659 17.487.808.099 106.310 7 41 2,00
3 1.008.731 590.554 50.620 439.683 -569.048 569.048 119.597.001.045 260.556 56 46 -1,37
4 614.518 650.847 49.437 655.327 40.809 40.809 90.114.103.840 205.619 7 36 -1,53
5 287.672 595.604 37.684 692.930 405.258 405.258 104.938.033.547 245.547 141 57 0,37
6 513.067 594.062 34.784 613.089 100.022 100.022 89.115.773.690 221.293 19 51 0,86
7 1.110.024 758.804 49.027 618.867 -491.157 491.157 110.847.164.896 259.845 44 50 -1,16
8 688.223 785.023 45.486 810.330 122.107 122.107 98.855.023.964 242.628 18 46 -0,74
9 319.371 687.969 30.956 820.405 501.034 501.034 115.763.917.771 271.340 157 58 1,19
10 590.524 664.558 27.606 706.061 115.537 115.537 105.522.415.556 255.759 20 54 1,71
11 1.285.667 842.872 44.585 700.161 -585.506 585.506 127.094.647.374 285.736 46 54 -0,52
12 795.366 867.095 41.129 914.543 119.177 119.177 117.687.028.981 271.856 15 50 -0,11
13 921.111
14 962.240
15 1.003.370
16 1.044.499
(Nguồn:Kết quảxửlý từexcel, 2019)
Trường Đại học Kinh tế Huế
Bảng 2.17: Kết quảchạy mô hình hồi quy Holt’s Model Mô hình Level (L0) Trend (T0)
Holt’s 392.021 40.284
(Nguồn: Kết quảxửlý từExcel, 2019) Từ kết quả chạy mô hình hồi quy ta có L0 và T0: L0=392.021; T0=40.284 Với=0,29; =0,1 ta dự đoán nhu cầu Ltvà xu hướng Tttheo công thức:
Lt=Dt+(1 -)(Lt-1+Tt-1) Tt=(Lt– Lt-1)+(1-)Tt-1 Ft+1= Lt+pTt
Từ các số liệu tìm được, dựa vào mô hình điều chỉnh xu hướng (Holt’s Model) để tiến hành dự báo lượng hàng dệt kim các Quý I(F13); Quý II(F14); Quý III(F15) và Quý IV(F16) của năm 2018 được thể hiện ở Bảng 2.18.
Bảng 2.18: Kết quảdựbáo hàng dệt kim của năm 2018 bằng mô hình Holt’s Model Đơn vị: PCE
Quý Dự báo năm 2018
I 921.111
II 962.240
III 1.003.370
IV 1.044.499
(Nguồn: Kết quảxửlý từExcel, 2019) 2.2.4.1.3. Kết quả dự báo hàng dệt kim bằng phương pháp hệ số điều chỉnh (Winter’s Model).
Ước tính mức độ với α là hệ số điều chỉnh mức độ Lt=1 =α (Dt+1/St+1) + (1-α)(Lt+Tt)
Ước tính xu thế với β là hệ số điều chỉnh xu thế Tt+1= β(Lt+1– Lt) + (1 –β) Tt
Trường Đại học Kinh tế Huế
Ước tính mùa vụ với γ là hệ số điều chỉnh mùa vụ, p=4 St+p+1= γ(Dt+1/Lt+1) + (1-γ)St+1
Dự báo nhu cầu thời kì t+1: Ft+1= (Lt+ Tt)St+1
Độ lệch giữa nhu cầu dự báo và nhu cầu thực tế: Et= Ft- Dt Độ lệch: At= |Et|
Sai số bình phương trung bình: MSEt= Et Độ lệch tuyệt đối trung bình: MADt= ∑ At
Phần trăm sai số tuyệt dối trung bình: MAPEt=∑ Tín hiệu theo dõi: TSt=∑
Với p là số thời kì tiếp theo cần dự báo: Ft+p=(Lt+ p.Tt).St+p
Trường Đại học Kinh tế Huế
SVTH: Nguyễn Văn Hùng 74 Bảng 2.19: Kết quảdựbáo hàng dệt kim của công ty theo mô hình Winter’sModel
Period, t
Demand, Dt
Level, Lt
Trend, Tt
Seasonal Factor, St
Forecast Ft
Error Et
Absolute At
MSEt MADt %Error MAPEt TSt
0 502.689 22.141
1 247.344 524.873 22.180 0,47 246.670 -674 674 454.141 674 0 0 -1
2 385.927 545.484 20.768 0,78 426.701 40.774 40.774 831.491.831 20.724 11 5 1,93
3 1.008.731 566.758 21.223 1,73 979.617 -29.114 29.114 836.863.081 23.521 3 5 0,47
4 614.518 588.240 21.456 1,03 605.620 -8.898 8.898 647.442.062 19.865 1 4 0,11
5 287.672 609.766 21.520 0,47 286.564 -1.108 1.108 518.198.984 16.114 0 3 0,06
6 513.067 632.099 22.251 0,78 491.945 -21.122 21.122 506.188.167 16.948 4 3 -1,19
7 1.110.024 653.963 21.903 1,73 1.132.352 22.328 22.328 505.094.816 17.717 2 3 0,12
8 688.223 675.633 21.693 1,03 696.241 8.018 8.018 449.994.573 16.504 1 3 0,62
9 319.371 696.790 21.211 0,47 327.764 8.393 8.393 407.822.006 15.603 3 3 1,19
10 590.524 719.185 22.276 0,78 559.753 -30.771 30.771 461.728.103 17.120 5 3 -0,71
11 1.285.667 741.510 22.320 1,73 1.282.852 -2.815 2.815 420.473.418 15.820 0 3 -0,95
12 795.366 764.081 22.546 1,03 786.769 -8.597 8.597 391.592.502 15.218 1 3 -1,55
13 0,47 369.646
14 0,78 631.166
15 1,73 1.439.041
16 1,03 880.012
(Nguồn: Tổng hợp kết quảtừexcel, 2019)
Trường Đại học Kinh tế Huế
Bảng 2.20: Kết quảchạy mô hình hồi quy Winter’sModel Mô hình Level (L0) Trend (T0)
Winter’s 502.689 22.141
(Nguồn: Kết quảxửlý từExcel, 2019) Từ kết quả chạy mô hình hồi quy ta có L0=502.689; T0= 22.141
Với=0,03;=0,9 và γ=0,01 ta dự đoán nhu cầu Ltvà xu hướng Tttheo công thức:
Ước tính mức độ với α là hệ số điều chỉnh mức độ Lt=1 = α (Dt+1/St+1) + (1-α) (Lt+Tt)
Ước tính xu thế với β là hệ số điều chỉnh xu thế Tt+1= β (Lt+1– Lt) + (1 –β) Tt
Ước tính mùa vụ với γ là hệ số điều chỉnh mùa vụ, p=4 St+p+1= γ (Dt+1/Lt+1) + (1-γ) St+1
Dự báo nhu cầu thời kì t+1 Ft+1= (Lt+ p.Tt) St+1
Từ các số liệu tìm được, dựa vào mô hình Winter’s để tiến hành dự báo lượng hàng dệt kim các Quý I, II, III và IV của năm 2018 được thể hiện ở Bảng 2.21.
Bảng 2.21: Kết quảdựbáo hàng dệt kim năm 2018 bằng mô hình Winter’s Model Đơn vị: PCE
Quý Dự báo năm 2018
I 369.646
II 631.166
III 1.439.041
IV 880.012
(Nguồn: Kết quảxửlý từExecl, 2019)
Trường Đại học Kinh tế Huế
2.2.4.1.4. Đánh giá và lựa chọn phương pháp dự báo
Kết quả từ ba phương pháp trên, chúng ta có thể so sánh MAD, MAPE và RMSE được trình bày ở Bảng 2.22.
Bảng 2.22: So sánh MAD, MAPE và RMSE giữa 3 phương pháp dự báo
Phương pháp dự báo MAD MAPE RMSE
Simple exponential smoothing 266.054 52 340.912
Holt’s model 271.756 50 343.055
Winter’s model 15.218 3 19.789
(Nguồn: Kết quảxửlý từExcel, 2019) Cả ba phương pháp đều có chỉ số MAD, RMSE khá cao. Tuy nhiên phương pháp dự báo Winter’s model có trị số MAD, MAPE và RMSE thấp hơn hẳn so với các phương pháp SES và Holt’s. Vì có 2 yếu tố tác động vào là yếu tố xu hướng và mùa vụ nên càng làm cho phương pháp dự báo này chính xác hơn so với các dự báo còn lại nên được chọn để dự báo cho giai đoạn tiếp theo.
2.2.4.1.5. Kiểm tra độ chính xác của phương pháp bằng Holtdout Period
Theo phương pháp Holtdout Period, số liệu của năm 2018 được sử dụng để kiểm tra độ chính xác của mô hình được chọn. Kết quả hàng dệt kim dự báo cho năm 2018 được thể hiện trong Bảng 2.23.
Bảng 2.23: Kết quả dự báo năm 2018 bằng các phương pháp SES, Holt’s và Winter’s Đơn vị: PCE Quý Nhu cầunăm 2018 Dựbáo SES Dự báo Holt’s Dự báo Winter’s
I 353.196 706.489 921.111 369.646
II 605.524 706.489 962.240 631.166
III 1.596.074 706.489 1.003.370 1.439.041
IV 1.064.449 706.489 1.044.499 880.012
(Nguồn: Kết quả xử lý bằng Excel, 2019)
Trường Đại học Kinh tế Huế
Biểu đồ2.9: Kết quả dự báo thực tế bằng các phương pháp SES, Holt’s và Winter’s trong năm 2018
Thông qua biểu đồ ta nhận thấy số liệu dự báo khá tốt, lượng sai lệch không lớn, thích hợp cho công tác dự báo của công ty.
2.2.4.1.6. Kết quả dự báo hàng dệt kim bằng phương pháp hệ số điều chỉnh (Winter’s Model) cho năm 2019.
Sau khi lựa chọn được phương pháp dự báo Winter’s model, tôi sử dụng toàn bộ dữ liệu 2015 – 2018 để dự báo lượng hàng dệt kim của công ty cho năm 2019 bằng phần mềm Eview 8. Kết quả dự báo lượng hàng dệt kim trong năm 2019 được thể hiện ở Bảng 2.24.
Bảng 2.24: Kết quả dự báo hàng dệt kim của công ty năm 2019
Đơn vị: PCE
Quý Dự báo năm 2019
I 439.182
II 747.767
III 1.757.615
IV 1.092.760
(Nguồn:Kết quả xử lý bằng phần mềm Eview) 0
200,000 400,000 600,000 800,000 1,000,000 1,200,000 1,400,000 1,600,000 1,800,000
I II III IV
Nhu cầu Dự báo SES Dự báo Holt’s Dự báo Winter’s
Trường Đại học Kinh tế Huế
Thông qua việc so sánh các giá trị MAD, MAPE và RMSE của ba phương pháp được đề xuất, mô hình dự báo winter’s model đã được lựa chọn. Sau khi kiểm tra độ chính xác bằng phương pháp Holdout Period, tôi đã đưa ra được kết quả dự báo lượng hàng dệt kim của bốn quý trong năm 2019. Kết quả dự báo quý I năm 2019 có 439.182 pce, quý II có 7474.767 pce, quý 3 có 1.757615 pce và quý 4 có 1.092.760 pce. Nhìn chung, kết quả dự báo này phù hợp với xu hướng phát triển của dữ liệu trong giai đoạn khảo sát từ năm 2015 đến năm 2019.
200,000 400,000 600,000 800,000 1,000,000 1,200,000 1,400,000 1,600,000 1,800,000
I II III IV I II III IV I II III IV I II III IV I II III IV
2015 2016 2017 2018 2019
NHUCAU DUBAO2019
D U B A O H A N G D ET K I M N A M 2 0 1 9
Biểu đồ2.10: Dự báo hàng dệt kim bằng mô hình winter’s model
(Nguồn: Kết quảxửlý bằng phần mềm Eview) Bảng 2.25: Dự báo cơ cấu mặt hàng dệt kim của công ty giai đoạn 2018 - 2019
Đơn vị: PCE
Dệt thoi Năm 2018 Năm 2019
So sánh 2019/2018
+/- %
Quý I 353.196 439.182 85.986 24,35
Quý II 605.524 747.767 142.243 23,5
Quý III 1.596.074 1.757.615 161.541 10,12
Quý IV 1.064.449 1.092.760 28.311 2,66
Tổng 3.619.243 4.037.324 418.081 11,55
Trường Đại học Kinh tế Huế
(Nguồn: Kết quả xửlý bằng phần mềm Eview) Qua bảng 2.25 ta thấy dự báo lượng hàng dệt kim trong năm 2019 tăng trưởng cao so với năm 2018. Cụ thể tổng hàng dệt kim công ty năm 2019 tăng so năm 2018 là 11,55% tương ứng tăng 418.081 pce. Quý I năm 2019 tăng 24,35% so với năm 2018 tương ứng tăng 85.986 pce, quý II tăng 23,5% so với năm 2018 tương ứng tăng 142.243 pce, quý III tăng 10,12% so với năm 2018 tương ứng tăng 161.541 pce và quý IV tăng 2,66 % so với năm 2018 tương ứng tăng 28.311 pce.
2.2.4.2. Kết quảdựbáo hàng dệt thoi xuất khẩu của Công ty Cổphần Dệt