Dự đoán xu hướng ngắn hạn bằng phân tích xu hướng: Dừng dự đoán và bắt đầu dự báo với phần mềm Minitab

Là một Giám đốc Tài chính, ông Joshua Zable chia sẻ luôn gặp phải thử thách trong việc cân bằng các quyết định ngắn hạn và dài hạn. Việc hiểu rõ triển vọng ngắn hạn giúp ông có thể điều chỉnh các khoản đầu tư dài hạn mà không làm ảnh hưởng đến kết quả trong ngắn hạn. Tuy nhiên, quá nhiều giám đốc điều hành vẫn đoán định xu hướng ngắn hạn dựa trên cảm tính hoặc kinh nghiệm, trong khi thực tế có một phương pháp đơn giản – phân tích xu hướng – giúp chúng ta có cái nhìn thống kê về xu hướng ngắn hạn. Dưới đây là cách mà phần mềm thống kê Minitab có thể giúp bạn thực hiện dự báo ngắn hạn chính xác trong vài phút (hoặc ít hơn!).

Phân tích xu hướng: Phương pháp dự báo ngắn hạn của bạn

Để rõ ràng, có nhiều phương pháp thống kê mạnh mẽ có thể được sử dụng để dự báo. Tuy nhiên, phân tích xu hướng lại được ưa chuộng trong ngắn hạn nhờ vào sự đơn giản và khả năng thiết lập và chạy mô hình nhanh chóng. Các phương pháp khác như ARIMA hay các phương pháp học máy (machine learning) mặc dù rất mạnh mẽ nhưng lại mất nhiều thời gian thiết lập và chạy hơn.

Xem xu hướng và xác định xu hướng trước khi dự báo 

Phân tích xu hướng tuy đơn giản nhưng giống như hầu hết các phương pháp thống kê khác, nó đòi hỏi một số suy nghĩ. Trong trường hợp này, hình dạng hoặc độ dốc của xu hướng sẽ rất quan trọng đối với phân tích của bạn. Việc lập biểu đồ dữ liệu của bạn sẽ cung cấp cho bạn một gợi ý trực quan về việc nên sử dụng mô hình Phân tích xu hướng nào. Tuy nhiên, đôi khi, các hình dạng có thể trông giống nhau, vì vậy, việc hiểu sâu hơn về các tình huống điển hình được mô tả bởi các mô hình này sẽ giúp bạn quyết định. Nếu bạn vẫn chưa tự tin, bạn có thể chạy từng mô hình trên tập dữ liệu của mình và đo độ phù hợp của mô hình bằng các biện pháp chính xác như MAPE, MAD và MSD . Đo độ phù hợp của mọi mô hình có thể cần mẫn, nhưng cũng có thể tốn thời gian. 

Để hình dung xu hướng của bạn, hãy sử dụng Phần mềm chính hãng Minitab và đi đến Trình tạo Biểu đồ phổ biến của chúng tôi và chọn biểu đồ chuỗi thời gian hoặc đi đến Menu Thống kê/ Chuỗi thời gian/ Biểu đồ Chuỗi thời gian và biểu đồ dữ liệu của bạn. Khi bạn đã có biểu đồ, mô hình của bạn có thể sẽ giống với một trong những loại mô hình phổ biến nhất: Tuyến tính, Bậc hai, Tăng trưởng theo cấp số nhân và Đường cong chữ S/Pearl-Reed Logistic.    

Dưới đây là các mẫu biểu đồ chuỗi thời gian về các loại xu hướng liên quan đến các loại mô hình khác nhau.

Hiểu về Mô hình tuyến tính: Mô hình tuyến tính là các đường thẳng (đối với những ai có kiến thức toán học, chúng được biểu diễn bằng phương trình Y = a + bX). Trong thực tế, các mô hình tuyến tính đại diện cho các xu hướng có tỷ lệ cố định hoặc không đổi. Trong sản xuất, điều này có thể là một tỷ lệ sản xuất đơn giản (ví dụ, máy móc sản xuất bao nhiêu sản phẩm mỗi giờ), tỷ lệ tiêu thụ năng lượng hoặc chi phí (giả sử không có tiết kiệm chi phí khi mở rộng quy mô). Trong dự báo doanh thu, mô hình tuyến tính được sử dụng khi có một tỷ lệ tăng trưởng tương tự được kỳ vọng.

Mô hình bậc 2: Nụ cười hay nét mặt buồn?

Khác với các mô hình tuyến tính, mô hình bậc 2 phản ánh tỷ lệ thay đổi không cố định. Mô hình bậc 2 có thể phản ánh một xu hướng tăng tốc hoặc giảm tốc, và do đó có thể bị nhầm với mô hình tăng trưởng theo cấp số nhân (đó là lý do tại sao việc hiểu rõ dữ liệu của bạn là rất quan trọng!). Một ví dụ phổ biến về mô hình bậc 2 trong sản xuất có thể là mô hình hóa sản lượng theo chức năng của lao động. Đến một điểm nào đó, việc tăng thêm quá nhiều công nhân hoặc tăng số giờ làm việc sẽ dẫn đến lợi nhuận giảm dần. Một ví dụ phổ biến khác là mô hình hóa giá cả và lợi nhuận. Trong khi việc tăng giá sẽ làm tăng lợi nhuận, thì theo thời gian, một mức giá cao hơn có thể làm giảm nhu cầu, từ đó làm chậm lại sự tăng trưởng lợi nhuận.

Tăng trưởng theo cấp số nhân

Dù bạn đang lên cao hay trải qua sự suy giảm theo cấp số nhân, mô hình này có nghĩa là tỷ lệ thay đổi không chỉ tăng tốc hay giảm tốc (như mô hình bậc 2), mà tỷ lệ thay đổi còn nhanh hơn so với mô hình bậc 2. Mô hình này có thể được sử dụng trong nhiều lĩnh vực khác nhau. Trong tài chính, nó có thể được sử dụng để mô hình hóa lãi suất kép, trong khi trong khoa học, nó có thể mô hình hóa sự lây lan của một đại dịch hoặc sự phát triển của vi khuẩn trong thí nghiệm. Tăng trưởng theo cấp số nhân cũng có thể được thấy trong việc ra mắt sản phẩm mới hoặc thuốc mới, khi mức độ chấp nhận và nhận thức tăng nhanh chóng.

Phân biệt giữa mô hình bậc 2 và tăng trưởng theo cấp số nhân có lẽ là khó khăn nhất, vì vậy việc hiểu rõ bối cảnh xung quanh dữ liệu là vô cùng quan trọng. Như tôi đã nói trước đó, khi không chắc chắn, bạn có thể so sánh mô hình bậc 2 và mô hình tăng trưởng theo cấp số nhân bằng cách đo độ khớp sử dụng các chỉ số độ chính xác như MAPE, MAD và MSD.

Đường cong S-Curve/Pearl-Reed Logistic

S-curve, hay còn gọi là đường cong Pearl-Reed Logistic, lần đầu tiên được Raymond Pearl và Lowell J. Reed, hai nhà sinh học người Mỹ, chính thức hóa vào năm 1920. Họ giới thiệu hàm logistic này để mô tả sự phát triển dân số dưới các điều kiện hạn chế như tài nguyên có giới hạn. Cơ bản, khi tài nguyên trở nên khan hiếm, sự phát triển dân số sẽ chậm lại và đạt đến mức ổn định. Ngoài lĩnh vực sinh học, S-curve thường được liên kết với sự chấp nhận sản phẩm hoặc công nghệ. Nó cũng có thể đại diện cho việc đào tạo (khi đã đào tạo xong, kỹ năng sẽ ổn định) hoặc thậm chí là lòng trung thành của khách hàng. Tổng thể, nó phản ánh một kịch bản có không gian để phát triển, nhưng cuối cùng sẽ đạt đến sự bão hòa, và cho mục đích dự báo, thường được sử dụng khi người dự báo nhận ra rằng sự bão hòa đã bắt đầu xảy ra.

Tìm hiểu thêm về Minitab

Bây giờ bạn đã sẵn sàng để dự báo! Hướng dẫn nhanh với Minitab

Khi bạn đã xác định được loại mô hình, việc dự báo trở nên dễ dàng. Sử dụng cùng bộ dữ liệu mà bạn đã sử dụng để vẽ xu hướng, vào menu Stat/Time Series/Trend Analysis. Một hộp thoại sẽ xuất hiện yêu cầu bạn chọn Biến nào bạn muốn dự báo.

Sau khi chọn biến, chỉ cần chọn loại mô hình và kiểm tra tạo dự báo. Trong ví dụ này, tôi muốn tạo thêm 5 điểm dữ liệu, vì vậy tôi đã nhập "5" vào số lượng dự báo.

Đọc kết quả của bạn…

Kết quả của bạn bây giờ sẽ cung cấp cho bạn một phương trình dự báo, các biện pháp chính xác, các điểm dữ liệu dự báo và một biểu đồ. Voila! Nhiệm vụ dự báo đã hoàn thành.

Phương trình xu hướng phù hợp

Các biện pháp chính xác

Dự báo

…Và hãy để Minitab AI trao cho bạn sự tự tin để giải thích chúng

Nhiều người trong chúng ta chịu trách nhiệm dự báo không nhất thiết phải là chuyên gia thống kê. Mặc dù bạn đã thành thạo nghệ thuật dự báo ngắn hạn, nhưng việc cung cấp thêm bối cảnh xung quanh nó sẽ giúp bạn tự tin hơn vào dự đoán của mình. Sử dụng Minitab AI để tạo bản tóm tắt bằng ngôn ngữ tự nhiên, bạn có thể nhanh chóng hiểu được tất cả thông tin tuyệt vời mà Minitab cung cấp. Trong ví dụ của chúng tôi, nội dung do AI tạo ra giải thích rằng tập dữ liệu đủ lớn để đưa ra dự đoán chính xác và mô hình được tạo ra là đáng tin cậy.

Minitab AI

Tóm tắt phân tích thống kê

Mục đích

Phân tích này nhằm mục đích đánh giá xu hướng của S_Curve_Values ​​trong một khoảng thời gian cụ thể bằng cách sử dụng Mô hình xu hướng S-Curve. Phân tích này cung cấp thông tin chi tiết về hành vi trong tương lai của dữ liệu dựa trên phương trình xu hướng được điều chỉnh.

Những phát hiện chính

1. Phương trình xu hướng phù hợp : Mô hình dự đoán S_Curve_Values ​​bằng phương trình ( Yt = \frac{10^4}{10.0320 + 4601.91 \times (0.663545^t)} ), biểu thị xu hướng giảm dần theo thời gian.
2. Giá trị dự báo : Dự báo cho năm giai đoạn tiếp theo (31 đến 35) cho thấy các giá trị tăng dần từ 995,441 đến 996,547, cho thấy sự ổn định trong S_Curve_Values.
3. Biện pháp độ chính xác : Mô hình thể hiện độ chính xác tốt với Sai số phần trăm tuyệt đối trung bình (MAPE) là 1,9285, Độ lệch tuyệt đối trung bình (MAD) là 2,5353 và Độ lệch bình phương trung bình (MSD) là 11,4483, cho thấy dự đoán đáng tin cậy.
4. Tính đầy đủ của dữ liệu : Phân tích sử dụng một tập dữ liệu đầy đủ không có giá trị bị thiếu (NMissing = 0), đảm bảo tính chắc chắn của phân tích xu hướng.
5. Độ dài dữ liệu: Phân tích dựa trên tập dữ liệu gồm 30 khoảng thời gian, cung cấp nền tảng vững chắc cho việc đánh giá xu hướng.

Hướng dẫn sử dụng Minitab

Ngoài ra, nếu có nhu cầu tư vấn cụ thể, vui lòng liên hệ ngay với JYW Soft để được nhận báo giá và tư vấn về sản phẩm kỹ hơn:

Hotline: 024 6682 0511

Email: sale@jywsoft.com

Website: https://jywsoft.com/

Add: Tầng 4, Tòa nhà N01-T4, Khu Đoàn Ngoại Giao, P. Xuân Tảo, Q. Bắc Từ Liêm, TP. Hà Nội