Follow us on...
Follow us on Facebook
Kết quả 1 đến 2 của 2
  1. #1
    A.v.a.t.a.r ˬ dễ..thương Ngocvuxxl's Avatar
    Ngày tham gia
    Jan 2007
    Đang ở
    http://ngocvuxxl.com
    Bài viết
    879
    Thanks
    429
    Thanked 1,849 Times in 440 Posts

    Bộ tài liệu môn Phân tích dữ liệu và dự báo


    PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO
    (DATA ANALYSIS AND FORECASTING)
    *****

    GIỚI THIỆU

    Sự phát triển của nền kinh tế Việt Nam đặt trong bối cảnh đầy biến động của nền kinh tế thế giới đã thúc đẩy các nhà hoạch định chính sách kinh tế và quản trị kinh doanh phải quan tâm nhiều hơn đến việc dự báo ở nhiều lĩnh vực khác nhau. Đặc biệt với sự phát triển của thị trường chứng khoán Việt Nam kèm theo sự biến động của nhiều chỉ số kinh tế trong và ngoài nước đã và đang thúc đẩy dự báo trở thành một hoạt động quan trọng trong hầu hết các lĩnh vực kinh tế học, tài chính, và quản trị. Nhu cầu dự báo ở Việt Nam đang có xu hướng gia tăng bởi vì dự báo tốt có thể hỗ trợ đáng kể đến nhiều quyết định hàng ngày của các cơ quan quản lý nhà nước và doanh nghiệp. Chính vì thế, các nhà nghiên cứu, nhà hoạch định chính sách và nhà quản trị tương lai cần được trang bị một nền tảng cơ bản về các phương pháp dự báo định lượng. Ngoài ra, đối với sinh viên thuộc các chuyên ngành kinh tế và tài chính thì môn phân tích dữ liệu và dự báo có ý nghĩa thiết thực trong việc cung cấp các kỹ thuật phân tích hết sức cần thiết để thực hiện nghiên cứu khoa học và làm luận văn tốt nghiệp.

    Mục tiêu chính của môn học này là nhằm giới thiệu cho sinh viên dưới dạng ‘hướng dẫn thực hành’ trên hai phần mềm chính – Eviews và Stata – các mô hình đơn biến (univariate) và đa biến (multivariate). Nhóm mô hình dự báo đơn biến được (được chúng tôi) chia thành hai phân nhóm: giản đơn và nâng cao. Phân nhóm giản đơn sẽ tập trung vào các mô hình san mũ Holt, san mũ Holt-Winters, và mô hình ARIMA (Autoregressive Integrated Moving Average) để dự báo các chỉ số đơn lẻ như doanh số, tồn kho, giá cả hàng hóa, và các chỉ báo kinh tế vĩ mô như GDP, CPI, lãi suất, cung tiền, v.v. Phân nhóm nâng cao bao gồm các mô hình ARCH (Autoregressive Conditional Heteroskedasticity), ARCH-M (ARCH in the Mean), GARCH (Generalized ARCH), GARCH-M, và TGARCH (Threshold GARCH) để dự báo các chuỗi thời gian có tính dao động cao như giá dầu, giá vàng, tỷ giá, và giá chứng khoán. Nhóm mô hình đa biến chủ yếu tập trung vào các mô hình nhân quả Granger (Granger Causality) để dự báo mối quan hệ giữa các chỉ báo kinh tế nhằm mục đích kiểm định giả thiết kinh tế cho việc phân tích chính sách. Do môn kinh tế lượng căn bản (giai đoạn đại cương) đã trang bị cho sinh viên các mô hình hồi quy (chủ yếu cho dữ liệu chéo) để dự báo hệ số co giãn nên môn phân tích dữ liệu và dự báo sẽ không đề cập lại một cách chi tiết vấn đề này mà chỉ ôn tập lại để ứng dụng vào việc dự báo.

    MỤC TIÊU

    Sau khi học xong môn phân tích dữ liệu và dự báo, chúng tôi kỳ vọng sinh viên có thể:

    1. Thực hiện các kỹ thuật phân tích thống kê mô tả với các loại dữ liệu khác nhau;
    2. Nhận biết được chuỗi dừng (stationarity) và không dừng (nonstationarity) thông qua phân tích giản đồ tự tương quan (autocorrelogram) cũng như các kiểm định nghiệm đơn vị (unit root tests);
    3. Nhận diện, đánh giá và lựa chọn mô hình dự báo tốt cho một chuỗi dữ liệu thời gian (time series) sẵn có;
    4. Thực hiện được các mô hình dự báo đơn biến theo phương pháp san mũ Holt, san mũ Holt-Winters, và Box-Jenkins;
    5. Thực hiện được các mô hình dự báo theo phương pháp ARCH, GARCH, TGARCH;
    6. Hiểu được ý tưởng về phân tích nhân quả thông qua các mô hình nhân quả Granger giản đơn, mô hình hiệu chỉnh sai số ECM (Error Correction Model, đối với đơn phương trình) và VECM (Vector ECM, đối với một hệ các ECMs), mô hình ARDL (Autoregressive Distributed Lag) của Pesasan, và/hoặc mô hình nhân quả Granger mở rộng của Toda-Yamamoto;
    7. Biết được ý nghĩa và các phương pháp kiểm định đồng liên kết;
    8. Hệ thống lại kiến thức kinh tế lượng căn bản để phục vụ cho việc dự báo và nghiên cứu hàn lâm;
    9. Sử dụng thành thạo phần mềm Eviews, Stata, ForecastX, Crystal Ball.



    TÀI LIỆU MÔN HỌC

    Dưới đây là tài liệu được biên soạn dành cho sinh viên các chuyên ngành của Khoa Kinh Tế khóa 37. Tuy nhiên, các tài liệu này có thể cũng hữu ích đối với sinh viên thuộc các các chuyên ngành khác, đặc biệt là Tài Chính và Ngân Hàng, và học viên cao học đang trong quá trình làm luận văn tốt nghiệp. Lưu ý rằng, tài liệu này chỉ có giá trị tham khảo để hiểu rõ khái niệm hoặc mô hình, nên người đọc không nên rút trích cho bài nghiên cứu của mình.

    0. Đề cương mô học: (download)
    1. Bài giảng 1: Giới thiệu tổng quan (download)
    2. Bài giảng 2: Xây dựng cơ sở dữ liệu và phân tích dữ liệu (download)

    Tài liệu đọc thêm:

    (2.1) Hướng dẫn sử dụng Eviews (download)
    (2.2) Ôn tập thống kê căn bản (download)
    (2.3) Giải thích bậc tự do (download)
    (2.4) Hướng dẫn DO-file trên Stata
    3. Bài giảng 3: Các mô hình dự báo giản đơn (download)
    4. Bài giảng 4: Dự báo bằng phân tích hồi quy (download)

    Tài liệu đọc thêm:

    (4.1) Ôn tập kinh tế lượng căn bản (download)
    (4.2) Dự báo bằng phân tích hồi quy (download)
    5. Bài giảng 5: Mô hình ARIMA (download)
    6. Bài giảng 6: Mô hình ARCH/GARCH (download)
    7. Bài giảng 6: Các mô hình ECM, VECM, và nhân quả Granger

    Tài liệu đọc thêm:

    (7.1) Unit root tests, cointegration, ECM, VECM, and causality models (download)
    (7.2) Energy consumption and economic growth in Vietnam: Threshold cointegration and
    causality analysis (download)
    (7.3) Stock prices and macroeconomic variablesin Vietnam (download1) (download2)
    (download3) (download4) (đã xin phép tác giả của luận văn và các bài báo)


    Lần sửa cuối ngày 17-04-2014 lúc 03:12 PM.

  2. Có 2 mém đã nhấn thanks bài viết này vì quá cảm kích :">

    huymilan (12-05-2015),Sennyk (17-04-2014)

  3. #2
    Thành Viên Đã Kích Hoạt
    Ngày tham gia
    May 2015
    Bài viết
    1
    Thanks
    0
    Thanked 0 Times in 0 Posts
    Hi,
    Chương 6 không có file bài giảng về ECM, VECM hả bạn.

    Trân trọng cảm ơn!
    Trích dẫn Gửi bởi Ngocvuxxl Xem bài viết
    PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO
    (DATA ANALYSIS AND FORECASTING)
    *****

    GIỚI THIỆU

    Sự phát triển của nền kinh tế Việt Nam đặt trong bối cảnh đầy biến động của nền kinh tế thế giới đã thúc đẩy các nhà hoạch định chính sách kinh tế và quản trị kinh doanh phải quan tâm nhiều hơn đến việc dự báo ở nhiều lĩnh vực khác nhau. Đặc biệt với sự phát triển của thị trường chứng khoán Việt Nam kèm theo sự biến động của nhiều chỉ số kinh tế trong và ngoài nước đã và đang thúc đẩy dự báo trở thành một hoạt động quan trọng trong hầu hết các lĩnh vực kinh tế học, tài chính, và quản trị. Nhu cầu dự báo ở Việt Nam đang có xu hướng gia tăng bởi vì dự báo tốt có thể hỗ trợ đáng kể đến nhiều quyết định hàng ngày của các cơ quan quản lý nhà nước và doanh nghiệp. Chính vì thế, các nhà nghiên cứu, nhà hoạch định chính sách và nhà quản trị tương lai cần được trang bị một nền tảng cơ bản về các phương pháp dự báo định lượng. Ngoài ra, đối với sinh viên thuộc các chuyên ngành kinh tế và tài chính thì môn phân tích dữ liệu và dự báo có ý nghĩa thiết thực trong việc cung cấp các kỹ thuật phân tích hết sức cần thiết để thực hiện nghiên cứu khoa học và làm luận văn tốt nghiệp.

    Mục tiêu chính của môn học này là nhằm giới thiệu cho sinh viên dưới dạng ‘hướng dẫn thực hành’ trên hai phần mềm chính – Eviews và Stata – các mô hình đơn biến (univariate) và đa biến (multivariate). Nhóm mô hình dự báo đơn biến được (được chúng tôi) chia thành hai phân nhóm: giản đơn và nâng cao. Phân nhóm giản đơn sẽ tập trung vào các mô hình san mũ Holt, san mũ Holt-Winters, và mô hình ARIMA (Autoregressive Integrated Moving Average) để dự báo các chỉ số đơn lẻ như doanh số, tồn kho, giá cả hàng hóa, và các chỉ báo kinh tế vĩ mô như GDP, CPI, lãi suất, cung tiền, v.v. Phân nhóm nâng cao bao gồm các mô hình ARCH (Autoregressive Conditional Heteroskedasticity), ARCH-M (ARCH in the Mean), GARCH (Generalized ARCH), GARCH-M, và TGARCH (Threshold GARCH) để dự báo các chuỗi thời gian có tính dao động cao như giá dầu, giá vàng, tỷ giá, và giá chứng khoán. Nhóm mô hình đa biến chủ yếu tập trung vào các mô hình nhân quả Granger (Granger Causality) để dự báo mối quan hệ giữa các chỉ báo kinh tế nhằm mục đích kiểm định giả thiết kinh tế cho việc phân tích chính sách. Do môn kinh tế lượng căn bản (giai đoạn đại cương) đã trang bị cho sinh viên các mô hình hồi quy (chủ yếu cho dữ liệu chéo) để dự báo hệ số co giãn nên môn phân tích dữ liệu và dự báo sẽ không đề cập lại một cách chi tiết vấn đề này mà chỉ ôn tập lại để ứng dụng vào việc dự báo.

    MỤC TIÊU

    Sau khi học xong môn phân tích dữ liệu và dự báo, chúng tôi kỳ vọng sinh viên có thể:

    1. Thực hiện các kỹ thuật phân tích thống kê mô tả với các loại dữ liệu khác nhau;
    2. Nhận biết được chuỗi dừng (stationarity) và không dừng (nonstationarity) thông qua phân tích giản đồ tự tương quan (autocorrelogram) cũng như các kiểm định nghiệm đơn vị (unit root tests);
    3. Nhận diện, đánh giá và lựa chọn mô hình dự báo tốt cho một chuỗi dữ liệu thời gian (time series) sẵn có;
    4. Thực hiện được các mô hình dự báo đơn biến theo phương pháp san mũ Holt, san mũ Holt-Winters, và Box-Jenkins;
    5. Thực hiện được các mô hình dự báo theo phương pháp ARCH, GARCH, TGARCH;
    6. Hiểu được ý tưởng về phân tích nhân quả thông qua các mô hình nhân quả Granger giản đơn, mô hình hiệu chỉnh sai số ECM (Error Correction Model, đối với đơn phương trình) và VECM (Vector ECM, đối với một hệ các ECMs), mô hình ARDL (Autoregressive Distributed Lag) của Pesasan, và/hoặc mô hình nhân quả Granger mở rộng của Toda-Yamamoto;
    7. Biết được ý nghĩa và các phương pháp kiểm định đồng liên kết;
    8. Hệ thống lại kiến thức kinh tế lượng căn bản để phục vụ cho việc dự báo và nghiên cứu hàn lâm;
    9. Sử dụng thành thạo phần mềm Eviews, Stata, ForecastX, Crystal Ball.



    TÀI LIỆU MÔN HỌC

    Dưới đây là tài liệu được biên soạn dành cho sinh viên các chuyên ngành của Khoa Kinh Tế khóa 37. Tuy nhiên, các tài liệu này có thể cũng hữu ích đối với sinh viên thuộc các các chuyên ngành khác, đặc biệt là Tài Chính và Ngân Hàng, và học viên cao học đang trong quá trình làm luận văn tốt nghiệp. Lưu ý rằng, tài liệu này chỉ có giá trị tham khảo để hiểu rõ khái niệm hoặc mô hình, nên người đọc không nên rút trích cho bài nghiên cứu của mình.

    0. Đề cương mô học: (download)
    1. Bài giảng 1: Giới thiệu tổng quan (download)
    2. Bài giảng 2: Xây dựng cơ sở dữ liệu và phân tích dữ liệu (download)
    Tài liệu đọc thêm:

    (2.1) Hướng dẫn sử dụng Eviews (download)
    (2.2) Ôn tập thống kê căn bản (download)
    (2.3) Giải thích bậc tự do (download)
    (2.4) Hướng dẫn DO-file trên Stata
    3. Bài giảng 3: Các mô hình dự báo giản đơn (download)
    4. Bài giảng 4: Dự báo bằng phân tích hồi quy (download)
    Tài liệu đọc thêm:

    (4.1) Ôn tập kinh tế lượng căn bản (download)
    (4.2) Dự báo bằng phân tích hồi quy (download)
    5. Bài giảng 5: Mô hình ARIMA (download)
    6. Bài giảng 6: Mô hình ARCH/GARCH (download)
    7. Bài giảng 6: Các mô hình ECM, VECM, và nhân quả Granger
    Tài liệu đọc thêm:

    (7.1) Unit root tests, cointegration, ECM, VECM, and causality models (download)
    (7.2) Energy consumption and economic growth in Vietnam: Threshold cointegration and
    causality analysis (download)
    (7.3) Stock prices and macroeconomic variablesin Vietnam (download1) (download2)
    (download3) (download4) (đã xin phép tác giả của luận văn và các bài báo)



 

 

Từ khóa:

bài giảng môn phân tích dữ liệu và dự báo

http:forum.ueh.edu.vnbaiviet74393-Bo-tai-lieu-mon-Phan-tich-du-lieu-va-du-bao.ueh

de thi trac nghiem mon phan tich du lieu

tài liệu môn phân tích dữ liệu

môn phân tích crystal

phan tich du bao kinh doanh

mon hoc phan tich dư lieu

anything

phân tích dư liệu và dữ báo kinh tế

bộ môn phân tích dữ liệu

bài 1 môn phân tích dữ liệu

ôn thi phân tích định lượng và dự báo

tai liệu Dự báo kinh tế và phân tích dữ liệu

hướng dẫn mô hình vecm mon ki thuat lop 4

tài liệu ôn thi phân tích dữ liệu

cách đọc biểu đồ crystal ball

phuong phap toda yamamoto

mô hình holt winter và ứng dụng

trắc nghiệm các mô hình dự báo đơn giản

môn phân tích dữ liệu