THỊ TRƯỜNG TÀI CHÍNH ■■■ ỨNG DỤNG MỖ HÌNH ARCH, GARCH PHÂN TÍCH Độ BIẾN ĐỘNG CỦA HỢP ĐÓNG TƯƠNG LAI VN30F1M TRÊN THỊ TRƯỜNG CHỨNG KHOÁN PHÁI SINH VIỆT NAM □ ThS Nguyễn Thị Hiên, TS Đặng Thị Minh Nguyệ[.]
THỊ TRƯỜNG TÀI CHÍNH ỨNG DỤNG MỖ HÌNH ARCH, GARCH PHÂN TÍCH Độ BIẾN ĐỘNG CỦA HỢP ĐĨNG TƯƠNG LAI VN30F1M TRÊN THỊ TRƯỜNG CHỨNG KHOÁN PHÁI SINH VIỆT NAM □ ThS Nguyễn Thị Hiên, TS Đặng Thị Minh Nguyệt, Trần Thị Lan, Khuất Thị Vy, Trần Thị Linh * Tóm tắt: Sự biến động số giá cổ phiếu, số giá chứng khốn phái sinh ln nhà đẩu tư đặc biệt quan tâm, đóng vai trị quan trọng việc định giá chứng khoán quản trị rủi ro Nghiên cứu tập trung phân tích biến động tỷ suất sinh lợi số hợp tưong lai VN30F1M thị trường chứng khoán (TTCK) phái sinh Việt Nam với số liệu giá đóng cửa hàng ngày giai đoạn từ tháng 8/2017 đến tháng 9/2021 ứng dụng mô hinh ARIMA, mơ hình ARCH mơ hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity - phương sai sai số thay đổi có điều kiện tự hồi quy tổng quát) để phân tích, kết thu mơ hinh ARCH (3) cú sốc khứ có ảnh hưởng nhiểu đến biến động tỷ suất sinh lợi VN30F1M Hơn nữa, mơ hình GARCH (2,1) ưu việt để đưa dự báo cho phương sai sai số có điều kiện tỷ suất sinh lợi Đổng thời, mị hình TGARCH (Threshold GARCH) (2,1) cung cấp chứng cho thấy cú sốc dương (tích cực) có tác động đến biến động tỷ suất sinh lợi lớn cú sốc âm (tiêu cực) Các phát qua nghiên cứu giúp cho nhà đẩu tư chứng khốn nắm thơng tin quan trọng việc quản trị rủi ro, dự báo biến động hợp tương lai VN30F1M thời gian ngắn hạn để đưa định đẩu tư đắn Từkhóa: Chứng khốn phái sinh,VN30F1M, ARIMA, ARCH, GARCH APPLICATION OF ARCH, GARCH MODELS TO ANALYZE THE VOLATILITY OF PRICE OF THE VN30F1M FUTURE CONTRACT ON THE VIETNAM DERIVATIVE STOCK MARKET Abstract: The volatility of stock price indexes and derivatives price indexes always get a special interest of investors, because it plays an important role in stock pricing and risk management The study focuses on analyzing the volatility of the return rate ofthe VN30F1M future index on the Vietnam derivatives stockmarket with the dailyclosing pricedata setfortheperiod August 201/-September 2021 By using ARIMA, ARCH and GARCH models to analyze, the reasearch results obtained from the ARCH (3) model and show that past shocks have a great influence on the volatility of return rate ofVN30F1M Furthermore, the GARCH (2,1) model is superior for forecasting the conditional variance of returns At the same time, theTGARCH (2,1) model provides evidences that positive shocks have a larger impact on volatility of return than negative shocks Research findings help securities investors gain important information in risk management, forecast movements of VN30F1M Futures in a short time to make right investment decisions Keywords: Derivatives, VN30F1M, ARIMA, ARCH, GARCH * Trường Đại học Thương mại SỐ 13 I THÁNG 7/2022 I TẠP CHÍ NGÂN HÀNG Q ■■■ ■■■ thị trường tài Đặt vân đề Chứng khốn phái sinh cơng cụ tài mà giá trị chúng phụ thuộc vào giá tài sản sở Tài sản sở chứng khốn phái sinh hàng hóa nơng sản, vàng, dầu, hay cơng cụ tài cổ phiếu, trái phiếu, Hợp đồng tương lai loại chứng khốn phái sinh quan trọng, khơng thể thiếu TTCK, thị trường tài giới Trong thị trường tài chính, hợp đồng tương lai hợp đồng người để mua hay bán lượng hàng hóa hay cơng cụ tài mức giá định ấn định sẵn vào thời điểm định tương lai Sự đời TTCK phái sinh xu tất yếu không TTCK Việt Nam mà cịn xu hướng phát triên thị trường tài giới Trong đó, xuất sản phẩm hợp đồng tương lai so VN30 đánh dấu bước phát triên cho TTCK Việt Nam liên tục ghi nhận sổ lượng đông đảo nhà đầu tư quan tâm, tham gia thị trường Các nhà đầu tư với số vốn ban đầu nhỏ nhiều so với đầu tư trực tiếp vào tài sản sở, mà khả sinh lời từ họp đồng tương lai đem lại lớn Với Việt Nam, TTCK giai đoạn đầu phát triển với biến động tương đối mạnh nhu cầu sử dụng chứng khốn phái sinh để phịng ngừa rủi ro cần thiết Tuy nhiên, giá tài sản sở không ngừng biến động, dẫn tới rủi ro, rủi ro thể qua độ biến động tỷ suất sinh lời số giá hợp đồng tương lai, đặc biệt sản phẩm họp đồng đáo hạn Q TẠP CHÍ NGÂN HÀNG I số 13 I THÁNG 7/2022 thời gian ngắn VN30F1M Chính vậy, cần thiết phải đo lường độ biến thiên rui ro tỷ suất sinh lời số giá họp đồng tương lai Tổng quan tình hình nghiên cứu 2.1 Các nghiên cứu ngồi nước Rama Cont Thomas Khokhol (2011) xây dựng mơ hình giá thích họp cho chí số quyền chọn biến động chứng khốn phái sinh Nhóm tác giả đề xuất lập mơ hình động lực chung cùa số tập họp tỷ lệ hoán đổi phương sai chuyển tiếp viết số Nghiên cứu cho thấy rằng, mơ hình đồng thời phù họp với giá tùy chọn châu Ầu s&p 500 tùy chọn số biến động VIX (chỉ số biến động CBOE) Sohail Chand, Shahid Kamal Imran All (2012) sử dụng mơ hình ARCH, GARCH phân tích biến động giá cổ phiếu MCB (Muslim Commercial Bank) Nghiên cứu xác định ước tính thành phần trung bình phương sai giá cổ phiếu đóng cửa hàng ngày cách sử dụng mơ hình ARIMA, GARCH Nhóm tác giả xây dựng mơ hình ARIMA khác để ước lượng cho tỷ suất sinh lợi trung bình, dựa kết thu tiêu chí AIC (Akaike Information Criterion) SIC (Shwarz Information Criterion) họ chọn mơ hình ước lượng phù hợp nhất, ngồi kết cịn thu mơ hình GARCH (1,1) mơ hình dự báo tốt Madhusudan Karmakar (2005) tiến hành nghiên cứu biến động TTCK Ẩn Độ Nghiên cứu mơ hình GARCH (1,1) cung cấp dự báo biến động thị trường tốt sử dụng mô hình GARCH (1,1) đưa dự báo độ biến động cho 50 mã cổ phiếu giao dịch sàn chứng khoán Zhiyuan Pan, Yudong Wang, Li Liu, Qing Wang (2019) nghiên cứu cải thiện dự đoán độ biến động định giá quyền chọn sừ dụng thơng tin VIX Nghiên cứu phát triển mơ hình GARCH giải thích lan tỏa thơng tin hai thị trường Mơ hình sử dụng nhằm phát tính hữu ích số VIX để cải thiện hiệu suất cùa dự báo biến động định giá quyền chọn Bài viết nhận thấy đáng kê VIX việc dự đoán biến động cổ phiếu mẫu ngồi mầu Thơng tin VIX giúp giảm thiều lồi định giá quyền chọn 2.2 Các nghiên cứu nước Trần Quang Huy (2015) ứng dụng mơ hình ARIMA - GARCH dự báo tỷ suất sinh lợi danh mục đầu tư hiệu Nghiên cứu chọn mơ hình ARIMA(2,1,2) làm mơ hình đế dự báo giá trị trung bình cho tỷ suất sinh lời Đối với giá trị đánh giá, kết dự đốn hậu nghiệm mơ hình gần với giá trị thực tế Tác giả sư dụng mơ hình ARIMA (2,1,2) để dự đốn khoảng tin cậy lợi nhuận danh mục đầu tư tuần tới Các phát cuối cho thấy mơ hình ARIMA nắm bắt tốt xu hướng biến động trở lại suốt thời gian dự báo, với giá trị dự báo sát với thực tế Phạm Chí Khoa (2017) lựa chọn chọn mơ hình ARIMA (4,1) để ước tính giá trị trung bình tỷ suất sinh lời mơ hình GARCH (1,1) đe ước tính phương sai sai số điều kiện dựa tiêu chuẩn SIC, AIC Nghiên cứu dựa dừ liệu thu thập giai đoạn từ năm 2006 đến năm 2016 Kết cho thấy, tỷ suất sinh lời khứ có tác động đáng kể đến tỷ suất sinh lời Tuy nhiên, tương tự nghiên cứu trước, tác giả chưa tác động rủi ro, thông tin tốt xấu đến khả sinh lời số VN-Index Phạm Thị Nga (2020) nghiên cứu họp đồng tương lai so VN30 họp đồng tương lai khơng loại chứng khốn cho phép nhà đầu tư thu lợi nhuận, mà chúng cịn cơng cụ tài cho phép nhà sản xuất kinh doanh sản phẩm công nghiệp bảo vệ giá nguồn tài nguyên hàng hóa Đe bảo vệ giá mặt hàng đầu ra, tránh tình trạng mùa giá, người sản xuất, vật nuôi ngành nông nghiệp tham gia đầu vào, bình ổn giá thành sản phẩm Phạm Trọng Nghĩa (2021) sử dụng mơ hình GARCH/EGARCH (Exponential GARCH) để phân tích giải vấn đề liên quan đến tự tương quan chuồi, cụ liệu phương sai hạng nhiễu có thay đổi dựa giá trị khứ thay đổi theo thời gian hay khơng Từ trả lời cho câu hởi: Việc hình thành thị trường kỳ hạn số VN30 có ảnh hường đến biến động số khơng? Đây tác động tích cực, cho thấy việc thị trường phái sinh áp dụng số VN30 làm gia tăng mức độ biến động số sở VN30 Các nghiên cứu cho thấy vấn đề rủi ro TTCK sở TTCK phái sinh nhiều nhà khoa học quan tâm phân tích dựa mơ hình ARCH mơ hình GARCH có hiệu Tuy nhiên, chưa có nghiên cứu biên động lỷ suàt sinh lợi cùa Số hợp đồng tương lai VN30F1M TTCK phái sinh Việt Nam với số liệu giá đóng cửa hàng ngày giai đoạn từ tháng 8/2017 đến tháng 9/2021 Và đặc biệt nghiên cứu sử dụng mơ hình: ARIMA, ARCH GARCH để phân tích biến động tỷ suất sinh lợi VN30F1M Mơ hình liệu nghiên cứu 3.1 Mơ hình nghiên cứu Biến động số VN-Index ước tính dựa tỷ suất sinh lợi rtvới: ■■■ THỊ TRƯỜNG TÀI CHÍNH Trong đó: Pt, PtI giá đóng cửa VN-Index tương ứng thời diêm t, t-1 Giá trị trung bình tỷ suất sinh lợi rt là: Pt = E(rt/Ft-i)ỉ rt = |it + ut (2) Rủi ro phương sai có điều kiện tỷ suất sinh lợi r: ơt2 = VarCrt/Ft-i) (3) Trong F ! tập họp thơng tin có thời diêm t-1 - Mơ hình ARIMA Để ước lượng cho tỷ suất sinh lợi trung bình, nghiên cứu kiểm tra tính dừng chuỗi rt để xác định d sử dụng mơ hình ARIMA (p, d, q): Ad Pt = ộo + Z ộịAd Hj.-L + É 0iUi-i (4) Trong ut đặc trưng cú sốc tỷ suất sinh lợi loại tài sản thời diêm t; p, q số nguyên không âm xác định dựa lược đồ tương quan chuỗi Sau xác định p, d, q ta ước lượng mơ hình trung bình ARIMA (p, d, q) bàng phương pháp bình phương nhỏ (OLS), cần chọn mơ hình ước lượng phù họp Từ (1), (2) (3) ta có: oị = Varfrt/Ft-i) = VarCut/Ft-i) Mơ hình ARCH cho phương sai cua sai số thời điểm t phụ thuộc vào sai số bình phương giai đoạn trước - Mơ hình ARCH (p) có dạng: rt = (tt + ut,ut = ơtEt,ơ2 = Yo + Yiut-1 + Y2Ut-2 + - + YpUt-p V*-}) Trong ơt2 đại diện cho mức độ biến động rt, yo>O;y.^O;j = l, ’,p; Giả thiết Et ~ IID đại lượng ngẫu nhiên độc lập, phân phối; E(et) = 0; Var(8t) = 1; ut~N(0;ơt2) phân phối Student Trước ước lượng mơ hình ARCH phương pháp ước lượng họp lý cực đại, ta cần xác định bậc mơ hình ARCH dựa lược đồ tương quan e, Nhược diêm mơ hình ARCH (p) sử dụng nhiều độ trễ, gây khó khăn cho việc dự báo nên mơ hình GARCH (p, q) mở rộng thay phù họp - Mơ hình GARCH (p, q) có dạng: rt = Ht + ut; ut = ơt £t, ơt2 = a0 + + ••• +aput-p + piUt2_! + - + Pput2_p số 13 i THÁNG 7/2022 i TẠP CHÍ NGÂN HÀNG (6) (gj) THỊ TRƯỜNG TÀI CHÍNH Trong a0 > 0; a., p > 0; Ẹ (a + Pị) < • Nếu p > q p = với i > q Neu p < q a = với i>PĐể đánh giá tác động rủi ro lên tỷ suất sinh lợi trung bình nghiên cứu sử dụng mơ hình GARCH (p, q)-M (GARCH in Mean) - Mơ hình GARCH (p, q)-M có dạng: rt = Ht + cơt2 + ut, ut = ơt Et, ơt2 = (7) a0 + ttiÉut-i + Piáơt2-i i=l VN30FlMt: giá đóng cửa họp đồng tương lai VN30F1M thời điểm t VN30F1M : giá đóng cửa họp đồng tương lai VN30F1M thời điểm t-1 Hình 1: Sự biên động chuỗi RVN30F1M giai đoạn 2017 - 2021 04 RVN30F1M i=l Một dạng khác G ARCH (p, q)-M: r = pt+cơt+ut, c hang so Neu c > độ rủi ro tăng, tỷ suất sinh lợi tăng Ngồi nghiên cứu cịn sử dụng mơ hình TGARCH (p, q) để đo lường biến động bất cân xứng - Mơ hình TGARCH (p,q) có dạng: ơt2 = a0 + ỵ (ai + Yị dt-i)ut-i + ẳ “ J Au 00 -.02 ■04 -.06 ơt2_j (8) 3.2 Dữ liệu nghiên cứu Nghiên cứu sử dụng liệu thứ cấp gồm giá mã hợp đồng tương lai VN30F1M để đại diện cho họp đòng tương lai số VN30 TTCK phái sinh Việt Nam với chuỗi dừ liệu giai đoạn từ tháng 8/2017 đến tháng 9/2021 lấy từ nguồn: https://datapro.vn/ Nghiên cứu sử dụng phần mềm Eviews 10 để phân tích Kết nghiên cứu * Thống kê mô tả chuỗi tỷ suất sinh lọi số VN30F1M Ta ký hiệu tỷ suất sinh lợi cùa VN30F1M RVN30F1M tính theo cơng thức: / VN30FlMt \ log \VN30FlMt_J Trong đó: TẠP CHÍ NGÂN HÀNG I sỗ 13 I THÁNG 7/2022 IV 2017 Trong dt-i = r u,t-i < 0,7 dt-i = U ’ >V 0, ự, t-i y., p tham số không âm, thỏa mãn giả thiết mơ hình GARCH Trong mơ hình TGARCH tin tức tốt (ut > 0), tin tức xấu (ut < 0) có ảnh hường khác đến phương sai có điều kiện Những tin tức tốt có ảnh hường a., tin tức xấu có ảnh hưởng + ri) Nếu Ki#), ảnh hường tin tức bất cân xứng RVN30FlMt 02 III p Q RVN30FlM(: tỷ suất sinh lợi chuồi VN30F1M thời diêm t I II III 2018 IV I II III 2019 IV I II III 2020 IV I II III 2021 Nguồn: Kết q phân tích số liệu tác giả Qua Hình ta thấy, chuỗi tỷ suất sinh lợi theo ngày VN30F1M dao động với biên độ lớn xung quanh giá trị trung binh Không biến động dường kéo dài qua giai đoạn định, khoảng thời gian biến động cao thấp có xu hướng nối tiếp nhau, tức có biến động theo cụm biến động tự tương quan với Trên dừ liệu thu thập ta tính phương sai cùa suất sinh lợi 0,00005 Nhưng phương sai theo cách tính đơn giản khơng bàn đến dao động theo cụm, đơn phương sai khơng có điều kiện, khơng tinh đén yéu tố lịch sử đa qua tỷ suất sinh lợi Do đó, ta cần sử dụng thước đo có tính đến khía cạnh lịch sử phương sai thay đổi có điều kiện theo chế tự hồi quy, cụ thể ta sử dụng mơ hình ARCH, GARCH để đánh giá độ biến động tỷ suất sinh lợi chuồi VN30F1M theo thời gian Bảng chi giá trị trung bình chuồi tỷ suất sinh lợi 0,029% (dương), điều cho thấy trung bình giá VN30F1M tăng khoảng thời gian quan sát * Kết mơ hình ARCH Bước 1: Xác định bậc - Kiểm định tính dùng THỊ TRƯỜNG TẰI CHÍNH Bảng 1: Thống kê mơ tả chuỗi tỷ suất sinh lợi - Lựa chọn mơ hình ARIMA (p,d,q) ưóc lượng cho giá trị trung bình chuỗi VN30F1M theo ngày Giá trị trung bình Giá trị lớn Giá trị nhỏ Độ lệch chuẩn Sô quan sát 0.00029 0.0294 -0.0506 0.0071 1022 Nguồn: Kết phân tích số liệu cùa tác giá Bảng 2: Kết kiểm định tính dừng chuỗi tỷ suất sinh lợi (AĐF Intercept) Thống kê t Kiểu kiểm định Chuỗi kiểm định p_value Intercept/ kiểm định Augemented trend Dickey Fuller Intercept RVN30F1M, Intercept Sai phân cấp RVN30F1Mt Bảng 3: Kết ước lượng mơ hình ARIA/1A Sơ biến có ý nghĩa Kết luận Chuỗi khơng 0.9174 dừng -0.3334 -21.1704 0.0000 Dựa vào lược đồ Hình ta xác định bậc q mơ hình MA (Moving Average) là: 1, 2, 7; bậc p mơ hình AR (Autoregressive) là: 1, 2, Kết hợp cặp p, q ta mô hình ARIMA sau: Chuỗi dừng AIC SIC ARIMA (1,1,1) 8.3385 8.3578 ARIMA (1,1,2) 8.3307 8.3500 ARIMA (1,1,7) 8.3446 8.3639 ARIMA (2,1,2) - - ARIMA (2,1,1) 8.3317 8.3510 ARIMA (2,1,7) 8.3432 8.3625 ARIMA (7,1,7) 8.3599 8.3791 ARIMA (7,1,1) 8.3488 8.3681 ARIMA (7,1,2) 8.3418 8.3611 Nguồn: Kết phân tích số liệu tác giả Hình 2: ước lượng cho giá trị trung bình chuỗi Date: 01 /18/22 Time: 23:07 Sample: 17/8/2017 - 17/9/2021 Included observations: 1022 Autocorrelation Partial Correlation 1 ■ 1 1 1 1 1 1 1 1 '1 1 1 I 1 1 : 1 1 1 1 'í 1 1 21 • 1 T 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 'ì 1 1 1 1 1 1 1 1 1 AC PAC -0.146 -0.146 0.149 0.130 -0.027 0.01 ■4 -0.01 -0.034 0.014 0.01 s -0.01 -0.002 0.071 0.068 -0.037 -0.019 0.003 -0.024 1O -0.055 -0.051 1 -0.034 -0.044 12 -0.028 -0.027 -0.01 -0.008 14 0.056 0.056 I -0.038 -0.020 16 -0.007 -0.031 -0.01 -0.000 18 -0.005 0.004 19 -0.006 -0.007 20 0.006 0.012 21 0.01 0.01 22 0.053 0.059 23 -0.006 0.004 24 0.065 0.056 25 -0.032 -0.015 26 -0.022 -0.046 27 0.027 0.021 28 0.039 0.052 29 0.034 0.035 30 0.030 0.032 31 0.009 0.005 32 -0.044 -0.038 33 0.017 0.016 34 0.008 0.029 35 0.025 0.022 36 0.006 -0.002 Q-Stat Prob 21.755 44 463 45 217 45.343 45 551 45.687 50.916 52.318 52 325 55 453 56.675 57 484 57 603 60 827 62 364 62.414 62 538 62 568 62.603 62.746 63.121 66.057 66.089 70 459 71 559 72 048 72.826 74 399 75.610 76 564 76.654 78 666 78 959 79.026 79.697 79.739 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 o ooo 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Nguôn: Kết phân tích số liệu cùa tác già Từ Bảng ta thấy, ngồi mơ hình ARIMA (2,1,2) khơng có biến ý nghĩa, mơ hình cịn lại có số biến ý nghĩa Như vậy, bước đầu ta loại bỏ mơ hình ARIMA (2,1,2) Trong các mơ hình cịn lại, mơ hình ARIMA (1,1,2) có AIC SIC nhỏ nhất, mơ hình ARIMA (1,1,2) tốt Vậy chọn mơ hình ARIMA (1,1,2) Kiểm định hiệu ứng ARCH mơ hình ARIMA (1,1,2) Bảng 4: Kết kiểm định hiệu ứng ARCH mơ hình ARIMA (1,1,2) HeteroskedasticitỵTest: ARCH Nguồn: Kêt phân tích số liệu tác giả Để áp dụng phương pháp hồi quy bình phương nhỏ (OLS)cho phương trình trung bình chuồi tỷ suất sinh lợi ta cần kiểm tra tính dừng chuồi Sử dụng phương pháp kiểm định ADF Intercept, thu kết chuỗi tỷ suất sinh lợi chuỗi dừng Sau lấy sai phân cấp 1, kết cho thấy chuỗi tỷ suất sinh lợi chuỗi dừng với mức ý nghĩa 1% (Bảng 2) F-statistic Obs*R-squared 92.2489 84.7570 Prob F(1,1019) 0.0000 Prob Chi-Square(l) 0.0000 Nguồn: Kết phân tích số liệu cùa tác già Bảng cho thấy, thống kê F X2 có giá trị thực nghiệm lớn, p value nhỏ nên nói với mức ý nghĩa % mơ hình có hiệu ứng ARCH tức có phương sai sai số thay đồi theo thời gian SỐ 13 I THÁNG 7/2022 I TẠP CHÍ NGÂN HÀNG THỊ TRƯỜNG TÀI CHÍNH Bước 2: Ước lượng mơ hình ARCH (3) phương pháp ước lượng hợp lý tối đa - Xác định bậc mơ hình ARCH Hình 3: Lược đồ tương quan et2 thu từ mơ hình ARIMA (1,1,2) Bảng 6: Kết ước lượng ARCH(3) Dependent Variable: D(PRICE) Date: 01/18/22 Time: 23:47 Sample: 17/8/2017 - 17/9/2021 Included observations: 1022 Autocorrelation Cofficient AC Partial Correlation ■fca ■fe ■p f □ ■i ■B ■E T s ■ I' ■■ ' ■ 1O p 'P ị ■p ■b ■ ■ ( ']■ 14 15 IS 17 IB ị < 19 20 21 ■ tel ■i=l Ẽ 'p ■to 'S 'Ị=3 ■t> b b ■f d' 11 12 ■p I ■ •I' 22 23 24 25 26 'E 'h ' ' 4' •b 'Ĩ' 27 28 29 30 ị> Ị ■í 'I' 31 32 'b Ị 'í' ■t> 33 / 35 •I' ị 36 0.288 0.190 0.184 0.127 0.142 0.144 0.170 0.164 o 148 0.103 0.074 0.053 0.030 0.123 0.076 0.071 0.026 0.009 0.003 0.081 0.061 -O 002 0.025 0.075 0.030 o 027 0.036 0.006 077 0.045 0.038 0.049 0.050 013 -0.010 0.002 PAC 0.288 0.116 0.113 0.038 0.073 0.066 0.092 0.067 0.047 -0.004 -0.013 -0.022 -0.032 0.087 -0.006 0.009 -0.045 -0.024 -0.020 0.084 0.015 -0.054 -0.004 0.067 -0.004 0.007 0.016 -0.035 0.067 -0.004 0.011 0.014 0.031 -0.046 -0.047 -0.009 Q-Stat Prob 85.068 121.93 156.54 173.16 193.80 215 21 244.91 272.83 295.52 306.39 312.10 314 97 315 90 331.48 337 48 342.74 343 46 343 54 343.55 350 33 354.18 354.18 354 83 360.80 361 72 362 47 363 86 363 90 370 17 372 35 373.91 376 47 379 14 379.32 379 42 379.43 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Nguồn: Kết phân tích số liệu cùa tác già Dựa vào lược đồ Hình ta thấy sau độ trễ hệ số tương quan riêng giảm mạnh từ giá trị cực đại 0,288 xuống cịn 0,038 gần 0, đó, ta xác định bậc mơ hình ARCH Đe tăng thêm độ tin cậy ta kiểm định ARCH (4) thu Bảng xác định mơ hình ARCH có bậc 3, hệ số ứng với độ trề mơ hình ARCH (4) có p_value = 0,2271 khơng có ý nghĩa thống kê Bảng 5: Kết quà kiểm định ảnh hưởng ARCH (4) Heteroskedasticity Test: ARCH F-statistic 30.65757 Obs*R-squared 109.9280 Prob F(4,1013) 0.0000 Coefficient 184.058 0.0000 RESID(-1)A2 0.1333 0.0000 RESID(-2)A2 0.0444 0.0947 RESID(-3)A2 0.0444 0.0245 Nguồn: Kết phân tích số liệu tác giã Theo kết Bảng cho thấy, hệ số ước lượng dưcmg có ý nghĩa thống kê Ta thu phương trình hồi quy ước lượng cho ỏỉ sỉ = 184,058 + 0,13336^ + 0,0444e2_2 + 0,0444e2-3 (9) Phương trình (9) cho thấy, phương sai tỷ suất sinh lợi RVN30F1M thời điếm t phụ thuộc vào cú sốc thời điểm trước Trong đó, thấy cú sốc gần với thời điểm nghiên cứu có tác động nhiều lên biến động tỷ suất sinh lợi số VN30F1M Tuy nhiên, mơ hình ARCH (3) sử dụng nhiều độ trễ, gây khó khăn cho việc dự báo nên mơ hình mở rộng GARCH (p,q) mơ hình ARCH mơ hình phù hợp để thay cho mơ hình ARCH bậc cao * Kết mơ hình GARCH (p, q) Kiêm định hiệu ứng ARCH với mô hình GARCH (1,1); GARCH (1,2); GARCH (2,1); GARCH (2,2) cho thấy có mơ hình GARCH (2,1) phù hợp mơ hình cịn lại đêu có hệ số góc khơng có ý nghĩa thống kê Prob Chi-Square(4) 0.0000 Dependent Variable: RESIDA2 Variable c P- value Bảng 7: Kết ước lượng GARCH (2,1) Dependent Variable: D(PRICE) Cofficient P- value c 761.75 0.0000 RESID(-1)A2 0.1333 0.0000 GARCH(-I) 0.5333 0.0000 GARCH(-2) -0.3226 0.0000 p_value c 130.05 0.0000 RESIDA2(-1) 0.2370 0.0000 RESIDA2(-2) 0.0842 0.0089 RESIDA2(-3) 0.1035 0.0013 RESIDA2(-4) 0.0380 0.2271 Nguồn: Kết qua phân tích số liệu cùa tác giã Theo kết hồi quy GARCH (2,1) (Bảng 7) ta có: ơ"? = 761,75 + 0,1333e2_1+ O,5333ơ2-1 - 0,3226ơ2_2 (10) Nguồn: Kết phân tích số liệu tác giả Q TẠP CHÍ NGÂN HÀNG I số 13 I THÁNG 7/2022 Ta CÓ Pũ +P1 + /?2 = 0,344< thỏa mãn điều kiện THỊ TRƯỜNG TÀI CHÍNH mơ hình, /?1 = 0,5333 cho thấy biến động thị trường lâu dài, tỷ suất sinh lợi thời điểm t chịu tác động lớn biến động tỷ suất sinh lợi thời điểm t-1 lên tới 53,333% fit = -0,3226 cho thấy biến động thị trường lâu dài, tỷ suất sinh lợi thời điểm t chịu tác động ngược chiều biến động tỷ suất sinh lợi thời điểm t-2 32,26% Kết mơ hình cho thấy cú sốc thời điểm t-1 có ảnh hưởng lớn mức 13,33% đến biến động tỷ suất sinh lợi họp đồng tương lai VN30F1M * Ket ước lượng cho mơ hình mở rộng GARCH Kết GARCH (2,1)-M Bảng 8: Kết ước lượng mơ hình Garch(2,1 )-M Coefficient t-Statistic Prob @SQRT(GARCH) -0.059 -0.808 0.4192 c 1.190 1.675 0.0939 AR(1) -0.068 -2.003 0.0452 MA(2) 0.120 3.764 0.0002 Variable Variance equation c 3.557674 5.456194 0.0000 RESID(-1)A2 0.198532 9.114507 0.0000 GARCH(-l) 0.190650 2.479336 0.0132 GARCHÍ-2) 0.618304 8.574559 0.0000 Nguồn: Kết q phàn tích sơ liệu cùa tác giả Bảng hệ số ứng với phương sai hàm trung bình có p=0,4192 khơng có ý nghĩa thống kê Vậy dựa mơ hình GARCH (2,1)-M ta khơng thể nói độ rủi ro có ảnh hưởng đến tỷ suất sinh lợi chuồi RVN30F1M Kết mơ hình TGARCH (2,1) Bảng 9: Kết ước iượng mơ hình TGARCH (2,1) Dependent Variable: D(PRICE) Method: ML ARCH Prob Variable Coefficient c AR(1) MA(2) 0.673 -0.068 0.112 0.0576 0.0850 0.0011 c 1.503 0.0000 RESID(-1)A2 0.088 0.0000 RESID(-1)A2*(RESID(-1)