Tải bản đầy đủ - 0 (trang)
Chương 3: XÂY DỰNG CHƯƠNG TRÌNH

Chương 3: XÂY DỰNG CHƯƠNG TRÌNH

Tải bản đầy đủ - 0trang

Cú pháp

AVERAGE(number1, [number2], ...)

Cú pháp hàm AVERAGE có các đối số sau đây:

Number1



Bắt buộc. Số thứ nhất, tham chiếu ô, hoặc phạm vi mà bạn muốn tính



trung bình.

Number2, ...



Tùy chọn. Các số, tham chiếu ô hoặc phạm vi bổ sung mà bạn



muốn tính trung bình, tối đa 255.

Chú thích

Đối số có thể là số hoặc tên, phạm vi hoặc tham chiếu ơ có chứa số.

Các giá trị logic và biểu thị số dạng văn bản mà bạn gõ trực tiếp vào danh sách các

đối số sẽ được đếm.

Nếu một đối số tham chiếu ơ hoặc phạm vi có chứa giá trị logic, văn bản hay ơ

trống, thì những giá trị này sẽ bị bỏ qua; tuy nhiên những ơ có giá trị 0 sẽ được tính.

Các đối số là văn bản hay giá trị lỗi không thể chuyển đổi thành số sẽ khiến xảy ra

lỗi.

Hàm Trend

Mô tả

Trả về các giá trị theo xu hướng tuyến tính. Khớp một đường thẳng (dùng phương

pháp bình phương tối thiểu) với các mảng known_y's và known_x's. Trả về các giá trị y

dọc theo đường thẳng của mảng new_x's mà bạn chỉ định.

Cú pháp



TREND(known_y's, [known_x's], [new_x's], [const])

Cú pháp của hàm TREND có các đối số sau đây:

Known_y's



Bắt buộc. Tập hợp các giá trị y bạn đã biết trong quan hệ y = mx + b.



Nếu mảng known_y's nằm trong một cột đơn lẻ, thì mỗi cột của known_x's được

hiểu là một biến số riêng rẽ.

Nếu mảng known_y's nằm trong một hàng đơn lẻ, thì mỗi hàng của known_x's

được hiểu là một biến số riêng rẽ.

Known_x's



Bắt buộc. Là một tập các giá trị x tùy chọn mà có thể bạn đã biết



trong quan hệ y = mx + b.

Known_x's mảng có thể bao gồm một hoặc nhiều tập biến số. Nếu chỉ dùng một

biến số, thì known_y's và known_x's có thể là các chuỗi với bất kỳ hình dạng nào, miễn

là chúng có các kích thước bằng nhau. Nếu dùng nhiều biến số, thì known_y's phải là một

véc-tơ (có nghĩa là một phạm vi với độ cao của một hàng hoặc độ rộng của một cột).

Nếu known_x's được bỏ qua, thì nó được giả định là một mảng {1,2,3,...} có cùng

kích thước như known_y's.

New_x's



Bắt buộc. Là các giá trị x mới mà bạn muốn hàm TREND trả về các giá



trị y tương ứng với nó.

New_x's phải bao gồm một cột (hoặc một hàng) cho mỗi biến độc lập, cũng giống

như known_x's. Vì vậy, nếu known_y's nằm trong một cột đơn, thì known_x's và new_x's

phải có cùng số cột. Nếu known_y's nằm trong một hàng đơn, thì known_x's và new_x's

phải có cùng số hàng.

Nếu new_x's bị bỏ qua, thì nó được giả định là giống như known_x's.



Nếu cả known_x's new_x's bị bỏ qua, thì chúng được giả định là mảng {1,2,3,...}

có cùng kích cỡ như known_y's.

Const



Tùy chọn. Là một giá trị lơ-gic chỉ rõ có bắt buộc hằng số b bằng 0 hay



không.

Nếu const là TRUE hoặc bỏ qua, b sẽ được tính tốn bình thường.

Nếu const là FALSE, b được đặt bằng 0 (không) và các giá trị m sẽ được điều

chỉnh sao cho y = mx.

Hàm Intercept

Mơ tả

Tính tốn điểm mà tại đó một đường thẳng sẽ giao cắt với trục y bằng cách dùng

các giá trị x và giá trị y hiện có. Điểm cắt được dựa vào đường hồi quy phù hợp nhất nối

qua các giá trị x đã biết và giá trị y đã biết. Dùng hàm INTERCEPT khi bạn muốn xác

định giá trị của biến số phụ thuộc khi biến số độc lập là 0 (khơng). Ví dụ, bạn có thể dùng

hàm INTERCEPT để dự đoán điện trở của một kim loại tại 0°C khi các điểm dữ liệu của

bạn được lấy ở nhiệt độ phòng và cao hơn.

Cú pháp

INTERCEPT(known_y's, known_x's)

Cú pháp hàm INTERCEPT có các đối số sau đây:

Known_y's



Bắt buộc. Tập hợp phụ thuộc các quan trắc hoặc dữ liệu.



Known_x's



Bắt buộc. Tập hợp độc lập các quan trắc hoặc dữ liệu.



Chú thích

Các đối số phải là số hoặc tên, mảng hoặc tham chiếu có chứa số.



Nếu một đối số tham chiếu hay mảng có chứa giá trị lơ-gic, văn bản hay ô trống,

những giá trị này sẽ bị bỏ qua; tuy nhiên những ơ có giá trị 0 sẽ được bao gồm.

Nếu known_y's và known_x's có chứa số điểm dữ liệu khác nhau hoặc không chứa

điểm dữ liệu nào, hàm INTERCEPT trả về giá trị lỗi #N/A.

Phương trình cho giao cắt của đường hồi quy, a, là:



trong đó độ dốc, b, được tính tốn là:



và trong đó x và y là các mẫu AVERAGE(known_x's) và AVERAGE(known_y's).

Thuật toán ẩn dưới dùng trong hàm INTERCEPT và SLOPE khác với thuật toán

ẩn dưới dùng trong hàm LINEST. Sự khác nhau giữa các thuật tốn này có thể dẫn đến

các kết quả khác nhau khi dữ liệu chưa được xác định và cộng tuyến. Ví dụ, nếu các điểm

giá trị của đối số known_y's là 0 và các điểm dữ liệu của đối số known_x's là 1:

INTERCEPT và SLOPE trả về lỗi #DIV/0! . Thuật tốn INTERCEPT và SLOPE

được thiết kế để tìm một và chỉ một câu trả lời và trong trường hợp này có nhiều câu trả

lời.

Hàm Slope

Mơ tả

Trả về độ dốc của đường hồi quy tuyến tính thơng qua các điểm dữ liệu trong

known_y's và known_x's. Độ dốc là khoảng cách dọc chia cho khoảng cách ngang giữa

bất kỳ hai điểm nào trên đường đó, là tỉ lệ thay đổi dọc theo đường hồi quy.



Cú pháp

SLOPE(known_y's, known_x's)

Cú pháp hàm SLOPE có các đối số sau đây:

Known_y's



Bắt buộc. Mảng hoặc phạm vi ô gồm các điểm dữ liệu độc lập dạng



Known_x's



Bắt buộc. Bộ điểm dữ liệu độc lập.



số.



Chú thích

Các đối số phải là số hoặc tên, mảng hoặc tham chiếu có chứa số.

Nếu một đối số tham chiếu hay mảng có chứa giá trị lô-gic, văn bản hay ô trống,

những giá trị này sẽ bị bỏ qua; tuy nhiên những ơ có giá trị 0 sẽ được bao gồm.

Nếu known_y's và known_x's trống hoặc có số điểm dữ liệu khác nhau, hàm

SLOPE trả về giá trị lỗi #N/A.

Phương trình cho độ dốc của đường hồi quy là:



trong đó x và y là các trung độ mẫu VERAGE(known_x’s) và

AVERAGE(known_y’s).

Thuật toán cơ bản dùng trong các hàm SLOPE và INTERCEPT khác với thuật

toán cơ bản dùng trong hàm LINEST. Sự khác biệt giữa các thuật tốn này có thể dẫn đến

các kết quả khác nhau khi dữ liệu chưa được xác định và cộng tuyến. Ví dụ, nếu điểm dữ

liệu của đối số known_y's là 0 và điểm dữ liệu của đối số known_x's là 1:



Hàm SLOPE và INTERCEPT trả về lỗi #DIV/0! . Thuật toán của hàm SLOPE và

INTERCEPT được thiết kế để tìm kiếm một và chỉ một câu trả lời và trong trường hợp

này có thể có nhiều câu trả lời.

Hàm LINEST trả về giá trị 0. Thuật toán LINEST được thiết kế để trả về kết quả

hợp lý của dữ liệu cộng tuyến và trong trường hợp này có thể tìm thấy ít nhất một câu trả

lời.

3.3. Xây dựng chương trình



Hình 3.1: Giao diện chính của chương trình

Giao diện này cho người dùng cái nhìn tổng quát về đề tài. Trong chương trình

từ giao diện này ta sẽ thấy chương trình có những giao diện chức năng chính đó là dự báo

theo phương pháp trung bình động và dự báo theo phương pháp hồi quy đơn.



Hình 3.2. Giao diện dự báo theo phương pháp trung bình động

Dự báo theo phương pháp trung bình động với hệ số trượt là 3 và với những số

liệu thực tế về doanh thu từ những năm trước thì ta tính được doanh thu dự báo đạt của

năm 2016 là 1.057 tỷ đồng. Để làm được điều này em đã dùng hàm AVERAGE để tính

giá trị trung bình cho năm tiếp theo.

Cũng theo phương pháp này chúng ta có thể thấy được giá trị sai số dự báo trong

năm 2016 sẽ là 40 do đó giá trị doanh thu dự báo trong năm 2016 là 1057+-40

Bảng 3.1. Giá trị dự báo

Năm



Giá trị doanh thu



Hệ số bình trượt



1.057 tỷ đồng



3



1.057 tỷ đồng



4



2016



1.057 tỷ đồng



5



Hình 3.3: Đồ thị dự báo doanh thu khi hệ số trung bình di động là 5



Hình 3.4. Giao diện dự báo theo phương pháp hồi quy đơn



Theo phương pháp hồi quy đơn thì giá trị doanh thu= Giá * số lượng sản phầm

bán ra, và theo đó ta coi giá là giá trị cố định và số lượng sản phẩm bán ra hàng năm là

thay đổi thì doanh thu chỉ phụ thuộc vào mỗi số lượng sản phẩm bán ra. Doanh thu=

a*sản lượng+b

Qua hình 3.4 ta có thể thấy với phương pháp hồi quy đơn chúng ta sẽ tính ra chỉ số

a=0.00395, b=1039 từ đó ta có thể xác định được kết quả dự báo năm 2016 là 1.086 tỷ

đồng.

Ưu điểm của phương pháp này so với phương pháp bình quân di động đó là đánh

giá được sự tác động của nhân tố sản lượng tác động tới doanh thu như thế nào. Phương

pháp này chỉ cần biết được số lượng sản phầm bán ra là có thể biết được doanh thu của

siêu thị trong năm đó là bao nhiêu

Hạn chế của phương pháp: Phương pháp này chỉ đánh giá sự ảnh hưởng của 1

nhân tố tác động mà khơng thể có cái nhìn tổng thể sự tác động của hai hay nhiều nhân

tố. Do đó sự chính xác sẽ khơng cao.

 Nhận xét đánh giá

Trong 2 phương pháp đã thực hiện là phương pháp trung bình di động có trọng số

và phương pháp hồi quy đơn thì ta có:

Bảng 3.2. : Bảng so sánh sai số

Phương pháp



Sai số



Hồi quy



27



Trung bình di động



40



Từ bảng 3.2 ta có thể thấy được phương pháp hổi quy đơn có sai số thấp hơn do

đó số liệu dự báo chính xác.



KẾT LUẬN

Kết quả đạt được

Qua thời gian nghiên cứu đề tài của em đã đạt được những kết quả như sau:

Xây dựng thành cơng chương trình phân tích tài chính doanh nghiệp

Chương trình có giao diện thân thiện, dễ sử dụng

Cập nhật thông tin một cách nhanh nhất

Tính tốn các chỉ số một cách chính xác và dễ dàng

Dự báo chỉ số với khả năng chính xác rất cao

Hạn chế

Đề tài còn sử dụng ít phương pháp chưa thể sử dụng phương pháp hồi quy tuyến

tính để thấy được cái nhìn đúng nhất về doanh thu dưới sự tác động của nhiều yếu tố

Hướng phát triển

Trong thời gian tới em sẽ vẫn tiếp tục nghiên cứu thê để khắc phục những vấn đề nảy

sinh mà đề tài chưa đáp ứng được thức tế với các định hướng nghiên cứu như sau:

Xây dựng chương trình ứng dụng được phương pháp hồi quy tuyến tính để có thể

có được kết quả dự báo doanh thu một cách chính xác nhất.



TÀI LIỆU THAM KHẢO

[1].Nguyễn Trọng Cơ, Nghiêm Thị Hà, (2000), “ Giáo trình dự báo doanh thu” ,

NXB Tài chính.

[2].Lê Thị Xn, (2006), “ Giáo trình dự báo kinh tế”, NXB Thống kê.

[3].Nguyễn Tấn Bình, (2009), “Giáo trình Microsoft excel”, NXB Thống Kê.



[4].Nguyễn Hải Sản, (2004), “Giáo trình dự báo kinh tế” , NXB Tài chính.

[5] Nguyễn Thế Hưng, (2008), “ Giáo trình dự báo doanh thu”, NXB Thống

Nhất.



ẾT LUẬN



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Chương 3: XÂY DỰNG CHƯƠNG TRÌNH

Tải bản đầy đủ ngay(0 tr)

×