• Call: 0888.032.788
  • E-mail: [email protected]
  • Login
Education Blog
  • Trang chủ
  • Chức năng
    • Hướng dẫn
    • Dịch vụ
    • Lý thuyết
    • Làm thuê
    • Luận văn
    • Mẹo vặt
    • Bài báo
  • Báo giá
  • Liên hệ
No Result
View All Result
Hỗ trợ nghiên cứu định lượng
No Result
View All Result
Home Lý thuyết

Dự báo ARIMA tự động

22/06/2020
in Lý thuyết
0
Dự báo ARIMA tự động
Share on FacebookShare on Twitter

Bài mới !

Lý thuyết Tính cách phù hợp với công việc

Lý thuyết Tính cách phù hợp với công việc

23/02/2023
Tăng trưởng kinh tế theo trường phái Keynesian

Tăng trưởng kinh tế theo trường phái Keynesian

18/02/2023
Lý thuyết mô hình chấp nhận công nghệ (TAM)

Lý thuyết mô hình chấp nhận công nghệ (TAM)

17/02/2023
Tìm hiểu luận văn thạc sĩ tài chính

Tìm hiểu luận văn thạc sĩ tài chính

14/02/2023
Suy nghĩ như một nhà nghiên cứu khoa học

Suy nghĩ như một nhà nghiên cứu khoa học

26/09/2022
[SPSS] Hồi quy đa thức Multinomial Logistic Regression

[SPSS] Hồi quy đa thức Multinomial Logistic Regression

16/09/2022
tìm hiểu về thang đo likert

tìm hiểu về thang đo likert

25/09/2022
Phân biệt biến số với tham số

Phân biệt biến số với tham số

01/06/2022
Lượt xem:2.678

Dự báo ARIMA thực hành ứng dụng, cái mô hình arima này nó quá thông dụng cho các bạn, các bạn có thể chạy dự báo arima trên eviews hay chạy dự báo arima trên spss … cũng có thể chạy trên Stata nhưng phần lớn các phần mềm này điều là phần mêm trả phí, và chỉ dự báo tĩnh, chúng ta cần ở đây là dự báo động, để chúng ta có các nhìn trực quan nhất về dự báo.

Mục lục bài viết

    • Bài mới !
    • Lý thuyết Tính cách phù hợp với công việc
    • Tăng trưởng kinh tế theo trường phái Keynesian
    • Lý thuyết mô hình chấp nhận công nghệ (TAM)
    • Tìm hiểu luận văn thạc sĩ tài chính
    • Suy nghĩ như một nhà nghiên cứu khoa học
    • [SPSS] Hồi quy đa thức Multinomial Logistic Regression
    • tìm hiểu về thang đo likert
    • Phân biệt biến số với tham số
  • Dự báo Arima là gì ?
    • Mô hình Tự  hồi quy Autogresssive (AR – p)
    • Sai phân ( d)
    • Mô hình trung bình trượt ( Moving-Average: MA-q)
  • Thực hành dự báo ARIMA tự động
    • Đề tài:
    • Tìm p q d tự động trong R
    • Tìm lag phù hợp nhất
    • Ước lượng ARIMA trên Grelt
    • Dựa báo ARIMA trên Grelt

Những phần mềm tôi liệt kê ở trên chủ yếu phục vụ cho các bạn học tập thôi, trong thực tế ứng dụng thì chúng ta sẽ sử dụng 2  phần mềm là R và Gretl, trong đó R dùng để lựa chọn p + d + q tự động nhanh nhất, chúng ta không có thời gian để ngồi kiểm tra p + d +  q cho 1000 mã cổ phiếu, lúc này phần mềm R sẽ giúp chúng ta cực kỳ nhanh và chính xác.  Tiếp đến là phần mềm Grelt để dự báo cho ARIMA – đây là phần quan trọng nhất, nhưng các bạn lại khó khăn trong việc dự báo bằng phần mềm EViews + SPSS, Còn Stata  + R vẫn có thể dự báo động được, trong ví dụ sau chúng tôi không sử dụng 2 phần mềm đó, mà chỉ sử dụng Grelt cho dễ dàng và trực quan nhất.

Trong bài viết này ngoài dành riêng cho các bạn nâng cao chúng tôi cũng khái quát sơ qua các định nghĩa của arima và cấu thành nên chúng. Còn về từng công thức tính bằng tay thì  các bạn tự tìm kiếm, mô hình này đơn giản nên có rất nhiều trong sách và trên mạng.

Đọc thêm:   Ước lượng tác động dài hạn hồi quy FMOLS (Fully Modified Ordinary Least)

Dự báo Arima là gì ?

Dự báo ARIMA (ARIMA forecasts) là những kết quả dự báo được tạo ra từ mô hình dãy số thời gian của số bình quân trượt tích hợp tự tương quan (viết tắt từ chữ cái đầu của Autoregressive Integrated Moving Average).

Những mô hình thuộc loại này được thiết lập trên cơ sở nắm bắt tất cả các đặc trưng trong dãy số thời gian của một biến số (như xu thế, tính chất chu kỳ và các yếu tố có tính hệ thống khác) bằng cách gắn giá trị hiện tại của nó với các giá trị trễ của chính nó theo nhiều cách khác nhau.

George Box và Gwilym Jenkins (1976) đã nghiên cứu mô hình ARIMA và tên của họ thường được dùng dể gọi tên các quá trình ARIMA tổng quát, áp dụng vào việc phân tích và dự báo các chuỗi thời gian. Phương pháp Box-Jenkins với bốn bước: nhận dạng mô hình thử nghiệm, ước lượng, kiểm định bằng chẩn đoán, và dự báo.

Trên đây là khái niệm về dự báo arima,các bạn cũng chẳng cần nhớ để làm gì ? Các bạn chỉ cần nhớ dự báo ARIMA là kết hợp 3 mô hình riêng lẻ: p + d + q ( Thực ra chúng ta cần phải tìm các chỉ số này)

Mô hình Tự  hồi quy Autogresssive (AR – p)

Trong thống kê , toán kinh tế và xử lý tín hiệu , một autoregressive ( AR ) mô hình là một đại diện của một loại quá trình ngẫu nhiên ; như vậy, nó được sử dụng để mô tả các quá trình thay đổi thời gian nhất định trong tự nhiên , kinh tế , v.v … Mô hình tự phát chỉ định rằng biến đầu ra phụ thuộc tuyến tính vào các giá trị trước đó của nó và vào một thuật ngữ ngẫu nhiên (thuật ngữ không thể dự đoán được); do đó mô hình ở dạng phương trình sai phân ngẫu nhiên(hoặc quan hệ lặp lại không nên nhầm lẫn với phương trình vi phân). Cùng với mô hình (MA) di chuyển trung bình , đó là một trường hợp đặc biệt và thành phần quan trọng của tổng quát hơn autoregressive chuyển động trung bình (ARMA) và tự hồi quy tích hợp trung bình trượt (ARIMA) mô hình chuỗi thời gian , trong đó có một ngẫu nhiên phức tạp hơn kết cấu; nó cũng là một trường hợp đặc biệt của mô hình tự phát vectơ (VAR), bao gồm một hệ thống gồm nhiều hơn một phương trình khác biệt ngẫu nhiên lồng vào nhau trong hơn một biến ngẫu nhiên đang phát triển.

Đọc thêm:   yếu tố năng suất tổng hợp TFP hiệu quả kỹ thuật TE

Sai phân ( d)

Sai phân là làm cho dữ liệu của chúng ta dừng – ổn định không có xu hướng. ( Vì trong dữ liệu kinh tế, dữ liệu không có xu hướng thì ước lượng sẽ chính xác hơn).

Mô hình trung bình trượt ( Moving-Average: MA-q)

Trong phân tích chuỗi thời gian , mô hình trung bình di chuyển ( mô hình MA ), còn được gọi là quá trình trung bình di chuyển , là một cách tiếp cận phổ biến để mô hình chuỗi thời gian đơn biến . Mô hình trung bình di chuyển xác định rằng biến đầu ra phụ thuộc tuyến tính vào các giá trị hiện tại và quá khứ khác nhau của một thuật ngữ ngẫu nhiên (không hoàn toàn có thể dự đoán được).

Cùng với mô hình tự phát (AR) , mô hình trung bình di động là trường hợp đặc biệt và thành phần chính của các mô hình ARMA và ARIMA tổng quát hơn của chuỗi thời gian , có cấu trúc ngẫu nhiên phức tạp hơn.

Để dự báo mô hình ARIMA chúng ta cần tìm 3 số quan trọng là p + d + q, nó tương đương với AR(p) I(d) MA(q) trong mô hình dự báo Box-Jenkins. Trong khái niệm trên họ đề xuất 4 bước để thực hiện ước lượng và dự báo, nhưng trong bài thực hành này chúng tôi cũng dự báo bằng 4 bước, nhưng nội dung của từng bước là hoàn toàn khác biệt.

Thực hành dự báo ARIMA tự động

Đề tài:

Chúng tôi có một dữ liệu về chỉ số VNINDEX từ 09/12/2019 đến 24/04/2010, chúng ta cần dự báo thêm 10 ngày đến 08/05/2020. Trong dữ liệu này chúng tôi không dùng chỉ số VN-Index và dùng mức tăng trưởng của VN-Index để dự báo, mục đích là để nhìn vào thấy dấu âm hay dương là biết ngay ngày đó chỉ số vn-index tăng hay giảm so với ngày trước đó. Để biết những thông tin này, các bạn nên chạy thống kê mô tả trước khi phân tích dữ liệu bất kỳ, để hiểu rõ hơn về dữ liệu của mình.

Tìm p q d tự động trong R

Trong R có hàm auto.arima() trong gói forecast để tìm ra 3 chỉ số quan trọng đó rất nhanh, chúng ta chạy lệnh trên và có kết quả như sau:

auto.arima(dulieu$DVN)



## Series: dulieu$DVN 
## ARIMA(4,0,3) with zero mean 
## 
## Coefficients:
## Warning in sqrt(diag(x$var.coef)): NaNs produced





##           ar1      ar2     ar3      ar4     ma1     ma2      ma3
##       -0.9159  -0.0062  0.4862  -0.1057  1.1745  0.2718  -0.3855
## s.e.      NaN      NaN     NaN      NaN     NaN     NaN      NaN
## 
## sigma^2 estimated as 0.0001132:  log likelihood=1033.89
## AIC=-2051.78   AICc=-2051.34   BIC=-2021.39

Chúng ta liền có kết quả

  • p=4
  • d=0
  • q=3
Đọc thêm:   Phân biệt biến số với tham số

Kết quả trên thì dữ liệu đã dừng ở bậc gốc ( d=0), chúng ta có 4 lag phù hợp cho mô hình tự hồi quy AR(p) và có 3 lag phù hợp cho mô hình trung bình trượt MA(q).

Tìm lag phù hợp nhất

Như chúng ta đã biết với số lag trên thì chúng ta phải chọn lựa một mô hình arima tốt nhất trong 20 model con đó. Thông thường thì chúng ta sẽ hồi quy 20 lần để lựa chọn mô hình tốt nhất theo chỉ số AIC, Trong R chúng ta dùng một đoạn code ngắn gọn cho vòng lặp,thì chúng ta có kết quả như sau:

Kết quả chọn model:





















##    Model       AIC
## 1    0.0 -2030.421
## 2    0.1 -2042.324
## 3    0.2 -2041.115
## 4    0.3 -2039.614
## 5    1.0 -2043.169
## 6    1.1 -2041.222
## 7    1.2 -2039.234
## 8    1.3 -2039.665
## 9    2.0 -2041.223
## 10   2.1 -2040.581
## 11   2.2 -2061.786
## 12   2.3 -2062.514
## 13   3.0 -2039.223
## 14   3.1 -2038.603
## 15   3.2 -2054.045
## 16   3.3 -2062.161
## 17   4.0 -2038.113
## 18   4.1 -2039.398
## 19   4.2 -2052.046
## 20   4.3 -2050.968

Dựa vào chỉ số AIC nhỏ nhất ta được model thứ 12 với p=2 và q=3, nhưng vậy mô hình chúng ta đi ước lượng và dự báo như sau: AR(2)I(0)MA(3).  Chúng ta có thể dựa báo trên R luôn, nhưng chúng ta sử dụng phần mềm Grelt để ước lượng và dự báo vì tính đơn giản và trực quan của nó.

Ước lượng ARIMA trên Grelt

Chạy dự báo ta được kết quả như sau:

Kết quả cho ước lượng tại lag bằng 1 and 2 mô hình Tự hồi quy đều có ý nghĩa thống kê, và tại lag bằng 1, 2, 3 cũng điều có ý nghĩa thống kê. bây giờ thì chúng ta đi dự báo thôi.

Dựa báo ARIMA trên Grelt

Bây giờ chúng ta dự báo thêm 10 ngày nữa, xem chỉ số VN-index như thế nào?.  ta có kết quả như sau:

Kết quả dự báo 10 ngày tiếp theo từ 09/04 đến 22/04 có 6  ngày tăng và 4 ngày giảm.

Trên đây là chúng tôi thực hiện 4 bước để dự báo kết quả chỉ số VN-index.

Tags: arimadự báohướn dẫnmô hìnhthống kêước lượngý nghĩa

Related Posts

Lý thuyết Tính cách phù hợp với công việc
Lý thuyết

Lý thuyết Tính cách phù hợp với công việc

by tonteo
23/02/2023
Tăng trưởng kinh tế theo trường phái Keynesian
Lý thuyết

Tăng trưởng kinh tế theo trường phái Keynesian

by tonteo
18/02/2023
Lý thuyết mô hình chấp nhận công nghệ (TAM)
Lý thuyết

Lý thuyết mô hình chấp nhận công nghệ (TAM)

by tonteo
17/02/2023
Tìm hiểu luận văn thạc sĩ tài chính
Hướng dẫn

Tìm hiểu luận văn thạc sĩ tài chính

by tonteo
14/02/2023
Suy nghĩ như một nhà nghiên cứu khoa học
Luận văn

Suy nghĩ như một nhà nghiên cứu khoa học

by tonteo
26/09/2022
[SPSS] Hồi quy đa thức Multinomial Logistic Regression
Lý thuyết

[SPSS] Hồi quy đa thức Multinomial Logistic Regression

by tonteo
16/09/2022
tìm hiểu về thang đo likert
Lý thuyết

tìm hiểu về thang đo likert

by tonteo
25/09/2022
Load More

Bài viết mới

Nhận hướng dẫn viết đề cương đầu vào nghiên cứu sinh tiến sĩ

Nhận hướng dẫn viết đề cương đầu vào nghiên cứu sinh tiến sĩ

24/03/2023
Cách viết khảo lượt nghiên cứu tổng quan nghiên cứu trước luận văn thạc sĩ

Cách viết khảo lượt nghiên cứu tổng quan nghiên cứu trước luận văn thạc sĩ

21/03/2023
Nhận làm khảo sát số liệu hiệu chỉnh data Amos-CBSEM Smartpls -PLSSEM

Nhận làm khảo sát số liệu hiệu chỉnh data Amos-CBSEM Smartpls -PLSSEM

11/03/2023
Nhận làm mới luận văn cao học chỉnh sửa đề cương thạc sĩ

Nhận làm mới luận văn cao học chỉnh sửa đề cương thạc sĩ

09/03/2023
Dịch vụ phân tích định lượng xử lý số liệu Stata SPSS Eviews miniTab R

Dịch vụ phân tích định lượng xử lý số liệu Stata SPSS Eviews miniTab R

09/03/2023

Bài phổ biến

  • Phân tích thống kê mô tả

    Phân tích thống kê mô tả

    0 shares
    Share 0 Tweet 0
  • 5 khuyết tật của mô hình hồi quy

    0 shares
    Share 0 Tweet 0
  • lý thuyết nhận thức rủi ro TPR

    0 shares
    Share 0 Tweet 0
  • Hiệu chỉnh data biến tương tác: Modify variable Interaction DID

    0 shares
    Share 0 Tweet 0
  • mô hình tự hồi quy var trên eviews

    0 shares
    Share 0 Tweet 0

Chúng tôi

Hỗ trợ nghiên cứu định lượng

Hỗ trợ nghiên cứu khoa học

Chúng tôi hỗ trợ nghiên cứu định lượng cho các bạn công ty, doanh nghiệp, nghiên cứu viên, nghiên cứu sinh .... về các vấn đề định lượng trong nghiên cứu thị trường hay học thuật; Trong khi nghiên cứu khoa học các bạn gặp bất cứ vấn đề gì về định lượng, đừng ngần ngại hãy liên hệ ngay với chúng tôi, để được tư vấn và hỗ trợ nhanh chóng nhất và hiệu quả cao nhất.

Ngoài ra chúng tôi còn các dịch vụ khác như hỗ trợ tư vấn đề tài nghiên cứu khoa học, hướng dẫn chạy định lượng, cung cấp số liệu sơ cấp thay thứ cấp.

Kèm theo đó chúng tôi còn có dịch vụ hướng dẫn xử lý định lượng online trên các phần mềm thống kê phổ biến: R, Python, SPSS, Eviews, Stata, NCSS ...

© 2018 luanvanhay.org - Hỗ trợ nghiên cứu định lượng chuyên nghiệp LVH.

No Result
View All Result
  • Trang chủ
  • Chức năng
    • Hướng dẫn
    • Dịch vụ
    • Lý thuyết
    • Làm thuê
    • Luận văn
    • Mẹo vặt
    • Bài báo
  • Báo giá
  • Liên hệ

© 2018 luanvanhay.org - Hỗ trợ nghiên cứu định lượng chuyên nghiệp LVH.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In