VPI đã xây dựng mô hình dự báo giá xăng dầu bằng cách sử dụng mô hình mạng nơ ron nhân tạo (Artificial Neural Network - ANN) và thuật toán học có giám sát (Supervised Learning) trong học máy (Machine Learning) nhằm phân tích, tính toán dữ liệu lớn (Big data), xác định tín hiệu tốt nhất để đưa ra dự báo xu hướng có độ tin cậy cao nhất.
Theo thông tin từ VPI, mô hình dự báo này đã xác định mức trích lập và chi sử dụng Quỹ bình ổn giá xăng dầu có độ chính xác trung bình đạt trên 75% trong 20 kỳ điều chỉnh gần nhất.
Cơ sở dữ liệu đầu vào của mô hình bao gồm dữ liệu cố định (ít biến động), được cập nhật theo quy định của Nhà nước như: Thuế nhập khẩu xăng dầu, thuế tiêu thụ đặc biệt, chi phí kinh doanh/lợi nhuận định mức, thuế bảo vệ môi trường… và các dữ liệu biến động được cập nhật liên tục và dự báo cho các ngày/kỳ tiếp theo (như giá xăng dầu thế giới theo ngày, số dư Quỹ bình ổn cuối kỳ tiếp theo, tỷ giá…).
Sau đó, dữ liệu sẽ được xử lý, phân tích, dự báo dựa trên mô hình ANN phù hợp gồm: tính toán các lớp ẩn, số lượng nơ ron trên một lớp ẩn, số lượng các nơ ron đầu ra và hàm kích hoạt (activation function). Kết quả dự báo sẽ được trình bày dựa trên công cụ quản lý dữ liệu Power BI giúp người dùng tương tác với dữ liệu trực quan cũng như tra cứu các thông tin giá dễ dàng và thuận tiện.
Khách hàng sẽ nhận được báo cáo dự báo mức trích lập và chi sử dụng Quỹ bình ổn giá xăng dầu cũng như giá cơ sở các mặt hàng xăng dầu trước kỳ điều chỉnh 4 ngày và cập nhật liên tục đến kỳ điều chỉnh.
Có thể thấy rằng, mô hình dự báo giá xăng dầu của VPI sẽ cung cấp các thông tin hỗ trợ các doanh nghiệp cung ứng, nhập khẩu, tiêu thụ xăng dầu trong việc quản lý, ra quyết định, nâng cao hiệu quả kinh doanh, đảm bảo vận hành hoạt động ổn định trước những thay đổi lớn của giá xăng dầu. Đối với các đơn vị kinh doanh xăng dầu, dự báo này sẽ là cơ sở quan trọng trong việc mua/bán, kiểm soát hàng tồn kho…
