MỤC LỤC Chuyên đề thực tập tốt nghiệp SV Mai Huy Phương MỤC LỤC LỜI MỞ ĐẦU 1 PHẦN A LÝ THUYẾT 3 CHƯƠNG I TỔNG QUAN VỀ CHỨNG KHOÁN VÀ THỊ TRƯỜNG CHỨNG KHOÁN 3 I/ NHỮNG VẤN ĐỀ CƠ BẢN VỀ CHỨNG KHOÁN 3 1[.]
TỔNG QUAN VỀ CHỨNG KHOÁN VÀ THỊ TRƯỜNG CHỨNG KHOÁN
Khái niệm
Theo Điều 6, Luật Chứng khoán 2006: Chứng khoán là bằng chứng xác nhận quyền và lợi ích hợp pháp của người sở hữu đối với tài sản hoặc phần vốn của tổ chức phát hành Chứng khoán được thể hiện dưới hình thức chứng chỉ, bút toán ghi sổ hoặc dữ liệu điện tử, bao gồm các loại sau đây:
Cổ phiếu, trái phiếu, chứng chỉ quỹ
Quyền mua cổ phần, chứng quyền, quyền chọn mua, quyền chọn bán,hợp đồng tương lai, nhóm chứng khoán hoặc chỉ số chứng khoán.
Đặc điểm chứng khoán
Tất cả các loại chứng khoán đều bao gồm các đặc điểm chung như sau:
Tính thanh khoản: đó là khả năng chuyển đổi nhanh sang tiền mặt
Tính rủi ro: sai biệt giữa thu nhập thực tế và mức sinh lợi kỳ vọng +) Rủi ro hệ thống: rủi ro thị trường như: lạm phát, lãi suất, tỷ giá… +) Rủi ro phi hệ thống: rủi ro trong bản thân chính doanh nghiệp
Tính sinh lợi: cổ tức và lãi vốn
Phân loại chứng khoán
Chứng chỉ quỹ đầu tư
II/ TỔNG QUAN VỀ THỊ TRƯỜNG CHỨNG KHOÁN
Khái niệm thị trường chứng khoán
Theo Điều 6, Luật Chứng khoán 2006: Chứng khoán là bằng chứng xác nhận quyền và lợi ích hợp pháp của người sở hữu đối với tài sản hoặc phần vốn của tổ chức phát hành Chứng khoán được thể hiện dưới hình thức chứng chỉ, bút toán ghi sổ hoặc dữ liệu điện tử, bao gồm các loại sau đây:
Cổ phiếu, trái phiếu, chứng chỉ quỹ
Quyền mua cổ phần, chứng quyền, quyền chọn mua, quyền chọn bán, hợp đồng tương lai, nhóm chứng khoán hoặc chỉ số chứng khoán.
Tất cả các loại chứng khoán đều bao gồm các đặc điểm chung như sau:
Tính thanh khoản: đó là khả năng chuyển đổi nhanh sang tiền mặt
Tính rủi ro: sai biệt giữa thu nhập thực tế và mức sinh lợi kỳ vọng +) Rủi ro hệ thống: rủi ro thị trường như: lạm phát, lãi suất, tỷ giá… +) Rủi ro phi hệ thống: rủi ro trong bản thân chính doanh nghiệp
Tính sinh lợi: cổ tức và lãi vốn
Chứng chỉ quỹ đầu tư
II/ TỔNG QUAN VỀ THỊ TRƯỜNG CHỨNG KHOÁN
1 Khái niệm thị trường chứng khoán Để thực hiện quá trình sản xuất, chúng ta cần phải có các yếu tố: lao động, vốn, đất đai, khoa học kỹ thuật Trong đó vốn ngày càng đóng một vai trò quan trọng, nhưng để có một lượng vốn lớn thì không một cá nhân nào có thể đảm nhiệm được Trong khi đó những người có cơ hội đầu tư sinh lãi thì thiếu vốn còn những người có vốn thì lại ít có cơ hội đầu tư Thực tế đó đòi hỏi cần phải có những tổ chức trung gian nối liền giữa người thừa vốn và những người thiếu vốn Hệ thống ngân hàng ra đời đã đáp ứng được phần nào yêu cầu đó Tuy nhiên, để thu hút được các nguồn tiền nhàn rỗi trong xã hội và biến nó trở thành nguồn vốn kinh doanh, để đầu tư vào trong quá sản xuất thì thị trường chứng khoán đã ra đời Thị trường chứng khoán đó là nơi giao dịch các loại chứng khoán theo các mục đích khác nhau của các chủ thể tham gia vào thị trường chứng khoán.
Vai trò của thị trường chứng khoán trong phát triển kinh tế
Thực tế từ phát triển kinh tế ở các quốc gia trên thế giới đều đã cho thấy được vai trò quan trọng của thị trường chứng khoán trong việc phát triển nền kinh tế
Thứ nhất , thị trường chứng khoán với việc tạo ra các công cụ có tính thanh khoản cao, có thể tích tụ, tập trung và phân phối vốn, chuyển thời hạn của vốn phù hợp với yêu cầu phát triển kinh tế.
Yếu tố thông tin là yếu tố cạnh tranh trên thị trường sẽ đảm bảo cho việc phân phối vốn một cách hiệu quả Trên thị trường chứng khoán, tất cả cỏc thụng tin được cập nhật và sẽ được chuyển tải tới tất cả cỏc nhà đầu tư để họ có thể phân tích và định giá cho các chứng khoán.
Thị trường chứng khoán đã tạo ra sự cạnh tranh có hiệu quả trên thị trường tài chính Việc huy động vốn trên thị trường chứng khoán có thể làm tăng vốn tự có của các công ty và giúp họ tránh các khoản vay có chi phí cao cũng như sự kiểm soát chặt chẽ của các ngân hàng thương mại Thị trường chứng khoán cũng làm tăng tính cạnh tranh của các công ty niêm yết Sự tồn tại của thị trường chứng khoán cũng là một kênh để thu hút nguồn vốn đầu tư nước ngoài Đây là yếu tố đảm bảo cho sự phân bổ có hiệu quả các nguồn lực trong một quốc gia cũng như trong phạm vi quốc tế.
Thứ hai , thị trường chứng khoán góp phần thực hiện tái phân phối công bằng hơn, giải tỏa sự tập trung quyền lực kinh tế của các tập đoàn, tăng cường sự giám sát của xã hội đối với quá trình phân phối Từ đó, tạo ra sự cạnh tranh cụng bằng hơn để thỳc đẩy phỏt triển kinh tế, tạo ra hiệu quả, tiến tới xây dựng một xã hội công bằng và dân chủ.
Thứ ba , thị trường chứng khoán tạo điều kiện cho việc tách biệt giữa sở hữu và quản lý doanh nghiệp Khi quy mô của doanh nghiệp tăng lên thì nhu cầu về quản lý chuyên trách cũng tăng theo Thị trường chứng khoán tạo điều kiện cho tiết kiệm vốn và chất xám thúc đẩy quá trình cổ phần hoá doanh nghiệp nhà nưíc, giảm tiêu cực trong quản lý, tạo điều kiện kết hợp hài hoà lợi ích của chủ sở hữu, nhà quản lý và những người làm công.
Thứ tư , hiệu quả của quốc tế hoá thị trường chứng khoán Việc mở cửa thị trường chứng khoán làm tăng tính lỏng và cạnh tranh trên thị trường quốc tế, cho phép các công ty có thể huy động nguồn vốn rẻ hơn, tăng cường đầu tư từ bờn ngoài, đồng thời tăng khả năng cạnh tranh quốc tế và mở rộng cơ hội kinh doanh cho các công ty trong nước Hàn Quốc, Singapore, Thái Lan, Malaysia là những minh chứng điển hình về việc tận dụng các cơ hội do thị trờng chứng khoán mang lại Tuy nhiờn, chỳng ta cũng cần phải xem xét đến các tác động tiêu cực có thể xảy ra như: việc tăng cung tiền quá mức, áp lực của lạm phát, vấn đề chảy máu vốn…
Thứ năm , thị trường chứng khoán cũng tạo điều kiện để tái cấu trúc nền kinh tế.
Ngoài những tác động tích cực trên, thị trường chứng khoán cũng có những tác động tiêu cực nhất định như hiện tượng đầu cơ, hiện tượng xung đột quyền lực, bong bóng giá,…làm giảm thiệt hại cho quyền lợi của các cổ đông thiểu số, việc mua bán nội gián, thao túng thị trường làm nản lòng các nhà đầu tư tác động tiêu cực tới tiết kiệm và đầu tư Nhiệm vụ của các nhà quản lý thị trường là giảm thiểu các tiêu cực của thị trường nhằm bảo vệ quyền lợi của các nhà đầu tư và đảm bảo tính hiệu quả của thị trường.
Như vậy, vai trò của thị trường chứng khoán được thể hiện ở rất nhiều khía cạnh khác nhau Song để vai trò đó thật sự phát huy được hiệu quả thì phụ thuộc đáng kể vào cỏc chủ thể tham gia vào thị trường và sự quản lý, điều tiết của nhà nước.
Phân loại thị trường chứng khoán
Phân loại theo cơ chế luân chuyển vốn
Là nơi phỏt hành lần đầu chứng khoỏn ra công chúng, tạo vốn cho tổ chức phát hành thông qua việc bán chứng khoán cho các nhà đầu tư Tại đây, có sự chu chuyển tài chính trực tiếp đưa các khoản tiền nhàn rỗi tạm thời trong dân chúng vào quá trình đầu tư, từ nguồn vốn ngắn hạn sang nguồn vốn dài hạn Nó tạo điều kiện cung cấp cho nền kinh tế nguồn vốn có thời gian sử dụng đáp ứng đợc thời gian cần thiết của các khoản đầu t Thị trường sơ cấp cú chức năng là huy động vốn cho đầu tư, làm tăng thêm vốn đầu tư cho nền kinh tế Có hai phương pháp phát hành chứng khoán trên thị trường này là: phát hành riêng lẻ và phát hành công chúng.
Là nơi diễn ra các giao dịch chứng khoán đã được phát hành trên thị trường sơ cấp Thị trường thứ cấp tạo điều kiện cho thị trường sơ cấp phỏt triển, tăng tiềm năng huy động vốn của các tổ chức phát hành chứng khoán. Trên thị trường chứng khoán vừa có giao dịch của thị trường sơ cấp, vừa có giao dịch của thị trường thứ cấp.
Phân loại theo hình thức tổ chức giao dịch
Là nơi mà việc giao dịch, trao đổi, mua bán chứng khoán được thực hiện thông qua sở giao dịch chứng khoán (hay còn gọi là sàn giao dịch).
4) Thị trường phi tập trung
Hay còn gọi là thị trường OTC, thị trường này diễn ra ở bất kỳ nơi nào miễn là nơi đó diễn ra các hoạt động mua bán, trao đổi chứng khoán Hiện nay, thị trường này đã có nơi giao dịch cụ thể, cũng giao dịch tập trung qua sàn giao dịch (ở Việt Nam là sàn giao dịch các cổ phiếu chưa niêm yết - UPCOM)
Phân loại theo hàng hóa của thị trường
5) Thị trường trái phiếu( bond market)
Là thị trường phát hành trái phiếu mới và mua đi bán lại trái phiếu cũ.
6) Thị trường cổ phiếu( the stock market)
Là thị trường phát hành cổ phiếu mới và mua đi bán lại cổ phiếu cũ Hoạt động của thị trường này gồm cả hai lĩnh vực đầu tư chứng khoỏn và kinh doanh chứng khoán.
Là thị trường mà việc mua bán chứng khoán theo giá thoả thuận khi ký hợp đồng nhưng thanh toán và giao chứng khoán sau ngày ký hợp đồng một khoảng thời gian quy định Chức năng của thị trờng này là huy động và làm tăng nguồn vốn.
8) Thị trường giao dịch kỳ hạn
Thị trường mua và bán chứng khoán theo giá thoả thuận theo hợp đồng nhưng thanh toán và giao nhận chứng khoán sau ngày ký kết hợp đồng một khoảng thời gian nhất định thường là 30 hoặc 60 ngày.
9) Thị trường giao dịch tương lai
Gièng như là thị trường giao dịch chứng khoán kỳ hạn nhưng khác ở chỗ: Các hợp đồng mua bán đã được tiêu chuẩn hoá nội dung và điều kiện thực hiện hợp đồng và phải cú tiền đặt cọc thông qua quy chế ký quỹ để đảm bảo hợp đồng.
Các chủ thể tham gia vào thị trường chứng khoán
Cơ quan quản lý và vận hành thị trường
Gồm cơ quan quản lý nhà nước và sở giao dịch chứng khoán Các cơ quan quản lý nhà nước có nhiệm vụ tổ chức và quản lý hoạt động của thị trường chứng khoỏn Cũn sở giao dịch chứng khoỏn có vai trò vận hành thị trường chứng khoán thông qua bộ máy gồm nhiều bộ phận khác nhau, có nhiệm vụ ban hành và giám sát việc thực hiện những quy định điều chỉnh giao dịch chứng khoán, phát hành chứng khoán…
Các tổ chức phát hành
Là các tổ chức thực hiện huy động thông qua thị trường chứng khoán, cung cấp hàng hoá cho thị trường chứng khoán Các tổ chức phát hành là: Chính phủ, chính quyền địa phương (phát hành trái phiếu chính phủ và trái phiếu công trình) và các công ty (phát hành cổ phiếu và trái phiếu công ty…)
Là những người có vốn nhàn rỗi và có nhu cầu mua bán, trao đổi chứng khoán trên thị trường chứng khoán nhằm kiếm lời Các nhà đầu tư quyết định tham gia đầu tư vào chứng khoán nhằm một số mục đích: Nhằm hưởng lợi tức, hưởng lãi suất, hưởng chênh lệch giá chứng khoán trên thị trường chứng khoỏn và nắm quyền quản lý kiểm soỏt tổ chức phỏt hành Các nhà đầu t gồm: Nhà đầu t cá nhân và nhà đầu t có tổ chức.
Các định chế trung gian
Là các công ty chứng khoán, các công ty quản lý quỹ và các ngân hàng thương mại, các tổ chức này thực hiện các chức năng trung gian cho các giao dịch chứng khoán trên thị trường chứng khoán. a Các công ty chứng khoán: Các công ty họat động trong lĩnh vực chứng khoỏn với cỏc nghiệp vụ cơ bản: nghiệp vụ bảo lãnh phát hành, nghiệp vụ mụi giới, tư vấn và lưu ký chứng khoỏn. b Các công ty quản lý quỹ: Là các công ty thay mặt cho nhà đầu tư thực hiện quản lý một hay nhiều quỹ đầu tư. c Các ngân hàng thương mại: Khi được phép các ngân hàng thương mại có thể cung cấp các dịch vụ bảo quản chứng khoán, thu hồi vốn, làm đại lý phát hành chứng khoán.
Ngoài ra, để thị trường chứng khoán hoạt động đồng bộ còn có sự tham gia của các tổ chức khác như: tổ chức lưu ký và thanh toán bù trừ, hiệp hội các nhà kinh doanh chứng khoán, các công ty đánh giá hệ số tín nhiệm.
NHỮNG LÝ THUYẾT PHỤ TRỢ CHO QUÁ TRÌNH DỰ BÁO GIÁ CỔ PHIẾU
Quá trình giá cổ phiếu
Trong thực tế giá cổ phiếu phụ thuộc rất nhiều yếu tố cả vi mô (yếu tố thuộc công ty niêm yết) và vĩ mô, cả diễn biến thị trường trong quá khứ, hiện tại và tương lai Nhiều yếu tố trong số này mang bản chất ngẫu nhiên Bởi vậy ta có thể coi giá cổ phiếu là quá trình ngẫu nhiên với động thái tuân theo các quy luật nhất định.
Trước hết ta sẽ phân tích một số đặc điểm của quá trình giá cổ phiếu.
Ký hiệu St làgiá cổ phiếu tại thời điểm t Ta sẽ xem {St} như một quá trình ngẫu nhiên trong không gian xác suất (, P, F) với F là tập các thông tin các nhà đầu tư trên thị trường có thể tiếp cận Cho {F t } là bộ lọc tại thời điểm t ứng với {St} {F t } có thể coi là tập thông tin về quá trình diễn biến của St đến thời điểm t Ta sẽ giả thiết quá trình giá {St} tương thích với bộ lọc {F t }
Đặc điểm giá cổ phiếu
Qua theo dõi và phân tích diễn biến giá cổ phiếu ta có thể thấy giá cổ phiếu có một số đặc điểm cơ bản sau:
Giá cổ phiếu tại bất kỳ thời điểm nào đều dương và hữu hạn.
Xét về dài hạn, giá cổ phiếu có xu thế tăng do có sự tăng trưởng về cổ tức và thu nhập của công ty phát hành.
Trong khoảng thời gian ngắn với điều kiện hoạt động bình thường của thị trường, giá cổ phiếu thay đổi tương đối nhỏ.
Nếu xét trong khoảng thời gian dài mức độ dao động của giá sẽ lớn hơn so với khoảng thời gian ngắn.
Quỹ đạo giá cổ phiếu
Xét quá trình giá cổ phiếu {St} Với mỗi ta xét hàm St() theo thời gian t Đồ thị của hàm này trên hệ trục tọa độ [Giá, Thời gian] gọi là một
“quỹ đạo giá” Như vậy một quỹ đạo giá cổ phiếu là một “biểu hiện thực tế”,
“hiện thực hóa” (Realization) của quá trình {St} ứng với sự kiện (biến cố) ngẫu nhiên Do {St} là quá trình ngẫu nhiên nên sẽ có vô số quỹ đạo giá.
Về mặt trực quan hình học, mỗi quỹ đạo giá là một đường gấp khúc (hoặc đường cong) liên tục (do St là hữu hạn với mọi t).
Quỹ đạo giá thực tế
Xét t là thời điểm hiện tại (hoặc quá khứ), khi đó ta đã biết tập thông tin{F t } và chuỗi giá {Sn} với n t Cập nhật giá tại từng thời điểm và biểu diễn chuỗi giá {Sn}, n t trên hệ trục tọa độ [Giá, Thời gian] ta được một quỹ đạo giá cụ thể (quỹ đạo giá thực tế, quỹ đạo thực nghiệm, quỹ đạo quá khứ) tính
St t+t t+t tới thời điểm khảo sát t
Một số đặc điểm quỹ đạo giá cổ phiếu
Từ các đặc điểm của giá cổ phiếu ta suy ra đặc điểm của quỹ đạo giá Ký hiệu
St, St+t : giá cổ phiếu tại thời điểm t, t+t và biến động giá trong khoảng thời gian [t, t+t] là: St = St+t – St
Quỹ đạo giá không cắt trục hoành.
Với mọi t, nếu t nhỏ thì nhỏ
Tại thời điểm t bất kì, ký hiệu S tb t là mức giá giá trung bình của cổ phiếu khi đó S tb t > S0 với S0 là mức giá đầu kỳ.
Khoảng cách giữa 2 quỹ đạo giá sẽ tăng theo t.
CÁC PHƯƠNG PHÁP PHÂN TÍCH CỔ PHIẾU
Có hai phương pháp phân tích cổ phiếu thường được sử dụng: phương pháp phân tích cơ bản (Fundamental Analysis) và phương pháp phân tích kỹ thuật (Technical Analysis) với cách tiếp cận đối tượng(giá cổ phiếu) khác nhau.
Phân tích cơ bản tìm hiểu, phát hiện quy luật diễn biến của giá cổ phiếu thông qua việc tìm hiểu, phát hiện mối quan hệ giữa một số yếu tố đặc trưng cho hoạt động của công ty niêm yết chi phối luồng thu nhập tương lai (thu nhập kỳ vọng) của cổ phiếu Các yếu tố trên thường được đo lường bởi một nhóm các chỉ tiêu (chỉ số tài chính) cơ bản và được công bố định kỳ trong báo cáo tài chính của công ty niêm yết, vì vậy phương pháp có tên gọi “phân tích cơ bản” Trên cơ sở định dạng đúng mối quan hệ giữa các chỉ tiêu cơ bản của công ty với giá cổ phiếu sẽ xác định được mức giá “chuẩn”, mức giá hợp lý phù hợp với quy
Chỉ tiêu cơ bản của công ty Thu nhập của cổ phiếu Giá cổ phiếu luật
Phân tích kỹ thuật coi giá cổ phiếu và quá trình diễn biến là đối tượng nghiên cứu một cách độc lập Ở cấp độ thấp, phân tích kỹ thuật sử dụng hai chỉ tiêu: giá và khối lượng giao dịch trong quá khứ của cổ phiếu là nguồn thông tin sử dụng trong phân tích thống kê nhằm phát hiện quy luật diễn biến của giá cổ phiếu và dự đoán xu thế ngắn hạn để khuyến cáo cho nhà đầu tư
Các phương pháp thống kê chính thường sử dụng: phương pháp trung bình trượt, phương pháp thống kê mô tả nhằm vẽ biểu đồ và định dạng đường giá cổ phiếu (Charts) cùng các đặc trưng, các tín hiệu (Signals) hướng dẫn nhà đầu tư điều chỉnh vị thế đối với cổ phiếu Ở mức độ cao hơn (được sử dụng trong thời gian gần đây), phân tích kỹ thuật xét giá giá cổ phiếu và quá trình diễn biến là quá trình ngẫu nhiên Sử dụng công cụ Giải tích ngẫu nhiên,
Kinh tế lượng để phân tích, kiểm chứng và ước lượng quá trình giá Phương pháp phân tích kỹ thuật không quan tâm tới các yếu tố cơ bản phía sau giá cổ phiếu, chỉ quan tâm tới bản thân giá cổ phiếu và sử dụng các phương pháp phân tích mang tính “kỹ thuật” nên được gọi là “phân tích kỹ thuật”.
CHUỖI THỜI GIAN
1 Chuỗi thời gian là gì
Ta có thể hiểu ngắn gọn: Chuỗi thời gian là một biến số và các giá trị của nó được quan sát theo một trình tự thời gian nào đó Ví dụ ta có một chuỗi thời gian Y, vậy thì Yt sẽ là giá trị quan sát của chuỗi ở thời kỳ(hoặc thời điểm) t
Phân tích chuỗi thời gian sẽ là quá trình nghiên cứu hành vi, khuôn mẫu trong quá khứ của một biến số nào đấy và từ đấy sử dụng những thông tin này để dự báo những thay đổi trong tương lai.
2 Thành phần của chuỗi thời gian.
Theo các phương pháp truyền thống, nói chung chuỗi thời gian gồm các thành phần sau đây:
+ Thành phần xu thế (Trend component) – T
+ Yếu tố mùa vụ (Seasonality) – S
+ Yếu tố có tính chất chu kỳ (Cyclical) – C
+ Thành phần bất quy tắc (Irregular) – I
Gọi Yt là giá trị của chuỗi tại thời điểm t, người ta có thể có các mô hình sau:
Mô hình cộng: Yt = Tt + St + Ct + It
Mô hình nhân: Yt = Tt St Ct It
Mô hình nhân thường được nhiều người dùng hơn Tuy vậy cũng có nhiều chuỗi dùng mô hình cộng để tách riêng từng nhân tố Mô hình cộng được sử dụng nếu như ảnh hưởng của yếu tố chu kỳ và yếu tố thời vụ không liên quan đến mức chung của chuỗi Trong trường hợp yếu tố thời vụ phụ thuộc yếu tố xu thế và yếu tố chu kỳ thì nên dùng mô hình nhân.
3 Chuỗi thời gian dừng và không dừng.
Khái niệm: Chuỗi Yt được gọi là dừng nếu kỳ vọng, phương sai và hiệp phương sai không đổi theo thời gian.
Về mặt toán học, chuỗi Yt được gọi là dừng nếu:
k = Cov(Yt,Yt-k) = E[(Yt - )(Yt-k - )] t Điều kiện thứ 3 ở trên có nghĩa là hệ số tương quan giữa Yt và Yt-k chỉ phụ thuộc vào độ dài (k) về thời gian giữa t và (t+k), không phụ thuộc vào thời điểm t Nếu một chuỗi thời gian mà không thỏa mãn đồng thời cả 3 điều kiện ở trên thì đấy là một chuỗi thời gian không dừng.
Khái niệm về nhiễu trắng(White noise)
Xét phương trình: Yt = ut
Trong đó: ut là yếu tố ngẫu nhiên trong mô hình hồi quy cổ điển Nghĩa là: ut có trung bình bằng 0, phương sai không đổi và hiệp phương sai bằng 0. Khi đó ut được gọi là nhiễu trắng (White noise).
Khái niệm về bước ngẫu nhiên(Random walk)
Trong đó : ut là nhiễu trắng thì Yt được gọi là bước ngẫu nhiên
Nếu đưa thêm vào mô hình bước ngẫu nhiên một hằng số thì Yt được gọi là bước ngẫu nhiên có bụi (random walk with driff):
4 Kiểm định tính dừng của chuỗi thời gian.
Ta có một số cách để kiểm định tính dừng của một chuỗi Nhưng trong khuôn khổ bài báo cáo này, tác giả xin được phép trình bày phương pháp kiểm định tính dừng bằng kiểm định nghiệm đơn vị (unit root test).
Xét mô hình sau đây:
Yt = Yt-1 + ut ( ut - nhiễu trắng) (*)
Nếu như =1, khi đó Yt là một bước ngẫu nhiên như đã nói ở trên, do vậy Yt là một chuỗi không dừng Do đó để kiểm định tính dừng của chuỗi ta sẽ đi kiểm định cặp giả thiết: H0 : =1 và H1 : 1
Yt = Yt – Yt-1 = (-1)Yt-1 + ut
Bây giờ giả thiết H0 ở trên sẽ tương đương với giả thiết H0: =0 Để kiểm định tính dừng trong cả 2 trường hợp này đều không dùng được tiêu chuẩn T (Student –Test) ngay cả trong trường hợp mẫu lớn Dickey – Fuller đã đưa ra tiêu chuẩn để kiểm định như sau:
Ta đi ước lượng mô hình (*), thu được giá trị = ρ / se ( ρ ) có phân bố DF.
Nếu như: |τ= ρ /se( ρ )| > |τ α | thì bác bỏ Ho, trong trường hợp này chuỗi là chuỗi dừng.
MỘT SỐ PHƯƠNG PHÁP DỰ BÁO GIÁ CỔ PHIẾU
Giả thiết của mô hình
Cho S0 là giá cổ phiếu tại thời điểm t = 0 (thời điểm đầu chu kỳ khảo sát) Chu kỳ khảo sát [0,T] được chia thành n khoảng thời gian với độ dài t khá nhỏ Ta có minh họa bằng hình như sau:
Ký hiệu S1, S2,…, Sn là giá cổ phiếu tại các thời điểm t, 2t,…, nt.
Giả thiết về quy luật diễn biến giá cổ phiếu (động thái giá):
Tại các thời điểm tiếp theo có hai khả năng có thể xảy ra đối với giá cổ phiếu:
Với xác suất p (p > 0), giá sẽ tăng theo hệ số u (u > 1)
Với xác suất (1- p), giá sẽ giảm theo hệ số d (0 < d < 1) và diễn biến xảy ra tại các thời điểm độc lập với nhau
Ta sẽ gọi quy luật trên là “quy luật nhị phân” với xác suất p.
Các lớp mô hình cây nhị phân
Với n =1,2, ta có mô hình cây nhị phân của giá cổ phiếu n – giai đoạn tương ứng.
2.1 Mô hình cây nhị phân một giai đoạn
Với giá cổ phiếu đầu chu kỳ là S0 ta có:
Ta có minh họa động thái giá :
Hình1 : Động thái giá đối với mô hình cây một giai đoạn
2.2 Mô hình cây nhị phân hai giai đoạn
Với giá cổ phiếu đầu chu kỳ là S0 ta có:
Theo quy luật nhị phân ta có:
Suy ra động thái giá cổ phiếu theo mô hình cây nhị phân hai giai đoạn:
Ta sẽ minh họa động thái giá bằng hình vẽ như sau:
Hình 2: Động thái giá đối với mô hình cây hai giai đoạn
Với mô hình cây nhị phân hai giai đoạn, giá cổ phiếu có 4 quỹ đạo tương ứng với 4 nhánh của đồ thị “cây” trên hình 2.
2.3 Mô hình cây nhị phân n giai đoạn
Một cách tổng quát ta có mô hình cây nhị phân n giai đoạn đối với giá cổ phiếu sau:
Phân phối xác suất của Sn có dạng:
Mức giá (u i d (n-i) S0) ứng với trường hợp: trong n giai đoạn, giá cổ phiếu có i giai đoạn tăng và (n-i) giai đoạn giảm.
Có thể xem phân phối xác suất của Sn tương ứng với n phép thửBernoulli với hai kết cục: giá tăng, giá giảm do đó thuộc lớp phân bố nhị thứcB(n, p) với các giá trị có thể có là u i d (n-i) S0 (i = 0n).
Ước lượng các tham số của mô hình
Mô hình có 3 tham số: u,d và p Để có thể mô phỏng quỹ đạo giá ta cần ước lượng các tham số này.
3.1 Ước lượng đơn giản từ số liệu giá cổ phiếu trên thị trường
Ta có thể ước lượng các tham số u, d và p của mô hình cây nhị phân theo cách đơn giản sau:
Thu thập số liệu về giá đóng cửa mỗi phiên giao dịch của cổ phiếu trong một chu kỳ (thường lấy số liệu của một năm gần nhất).
Chọn ngẫu nhiên một số chu kỳ con trong chu kỳ trên.
Tính số phiên giao dịch giá tăng và tính tỷ lệ số phiên này so với tổng số phiên trong chu kỳ con Ước lượng p (xác suất giá cổ phiếu tăng sau mỗi phiên) bằng trung bình các tỷ lệ trên.
Tính tỷ lệ tăng, giảm giá trung bình ứng với các chu kỳ con: gu, gd và ước lượng: u = (1+gu), d = (1 – gd) (3.4)
3.2 Ước lượng từ các tham số của lợi suất cổ phiếu
Nếu ước lượng được lợi suất kỳ vọng () và phương sai ( 2 ) của cổ phiếu ta có thể sử dụng hai tham số này để ước lượng các tham số của mô hình cây nhị phân.
(3.6) Để ý rằng ta có ba ẩn số u, d và p trong khi đó chỉ có hai phương trình vì vậy để giải ta có thể cho một trong 3 ẩn số giá trị bất kỳ miễn là thỏa mãn điều kiện: u > 1, 1 > d > 0, 1> p > 0.
Cox – Ross – Rubinstein đưa ra các lời giải xấp xỉ sau: o , d= 1/u và ( r là lãi suất phi rủi ro) o ,d = 1/u và
MÔ HÌNH PHỤC HỒI TRUNG BÌNH
1.1 Dạng liên tục của mô hình
Xét quá trình loga giá cổ phiếu {Xt} Nếu động thái của quá trình được mô tả bởi phương trình vi phân ngẫu nhiên: với , và là các hằng số thì quá trình loga giá gọi là “quá trình phục hồi trung bình” :mức (giá trị) cân bằng, : độ dao động và : tốc độ phục hồi của quá trình
1.2 Dạng rời rạc của mô hình
Ta có dạng rời rạc của mô hình sẽ là:
Hoặc: trong đó v t NID( 0, σ v 2 ) và
1.3 Các dạng mở rộng của quá trình
2 Kiểm định và ước lượng các tham số của mô hình phục hồi trung bình
2.1 Kiểm định mô hình Để kiểm chứng quá trình {LnXt} có theo mô hình phục hồi trung bình ta thực hiện:
Lập mô hình kinh tế lượng:
Ước lượng và kiểm định giả thuyết: H0: = 0; H1: < 0
Dùng kiểm định Dickey-Fuller (Kiểm định “Nghiệm đơn vị”) để kiểm định cặp giả thiết trên.
Nếu chấp nhận H 0 thì {X t } là bước ngẫu nhiên do đó {X t } không phải là quá trình phục hồi trung bình Nếu bác bỏ H 0 thì {X t } là quá trình phục hồi trung bình
Chú ý: Nếu loga giá cổ phiếu {Xt} tuân theo mô hình phục hồi trung bình thì bản thân quá trình giá {St} sẽ là quá trình dừng AR(1) theo cách gọi trong kinh tế lượng
2.2 Ước lượng các tham số của quá trình
Sau khi ước lượng mô hình kinh tế lượng (3.7) tương ứng với mô hình phục hồi trung bình, ta có thể tính các ước lượng:
Mô hình ARIMA
1 Quá trình tự hồi quy (AR – Autoregressive Process)
Quá trình tự hồi quy bậc 1:
Quá trình tự hồi quy bậc p:
( trong đó ut là nhiễu trắng) Điều kiện để quá trình AR(p) hội tụ là : -1 < φ i < 1 ( i=1,2…p)
2 Quá trình trung bình trượt (MA – Moving Average)
Quá trình MA(q) là quá trình có dạng:
(trong đó u là nhiễu trắng) Điều kiện để chuỗi MA(q) là chuỗi dừng là : -1< θ i < 1 (i=1,2,…q)
3 Quá trình trung bình trượt và tự hồi quy ARMA (AutoRegressive and Moving Average)
Cơ chế để sản sinh ra Y không chỉ là riêng AR hoặc MA mà có thể còn là sự kết hợp cả hai yếu tố này Khi kết hợp cả hai yếu tố chúng ta có quá trình gọi là quá trình trung bình trượt và tự hồi quy.
Yt là quá trình ARMA(1,1) nếu Y có thể biểu diễn dưới dạng:
Tổng quát, Yt là quá trình ARMA(p,q) nếu Yt có thể biểu diễn dưới dạng:
4 Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA (Auto Regressive Intergrated Moving Average)
Nếu chuỗi Yt đồng liên kết bậc d, áp dụng mô hình ARMA(p,q) cho chuỗi sai phân bậc d thì chúng ta có quá trình ARIMA(p,d,q) trong đó p là bậc tự hồi quy, d là số lần lấy sai phân chuỗi Yt để được một chuỗi dừng, q là bậc trung bình trượt (p và q là bậc tương ứng của chuỗi dừng)
AR(p) là trường hợp đặc biệt của ARIMA(p,d,q), khi d=0 và q=0
MA(q) là trường hợp đặc biệt cảu ARIMA(p,d,q) khi d=0 và p=0 ARIMA(1,1,1) – nghĩa là chuỗi Yt có sai phân bậc 1 là chuỗi dừng Chuỗi sai phân dừng này có thể biểu diễn dưới dạng ARMA(1,1) ΔY t =φ 0 +φ 1 Y t −1 + θ 0 u t +θ 1 u t−1 ( ut - nhiễu trắng)
5 Phương pháp Box - Jenkins Để có thể sử dụng phương pháp Box – Jenkins, trước hết chúng ta phải làm dừng chuỗi, tiếp đó phải tìm được các giá trị p, q.
Phương pháp Box – Jenkins bao gồm các bước sau đây:
Bước 1: Định dạng mô hình Tìm ra được các giá trị d, p, q
Bước 2: Ước lượng mô hình
Bước 3: Kiểm định giả thiết Ở bước này cần chọn ra một mô hình phù hợp nhất với các số liệu hiện có Kiểm định đơn giản nhất là kiểm định tính dừng của các phần tử Nếu phần dư có tính dừng thì mô hình chấp nhận được Như vậy quá trình BJ là một quá trình lặp cho đến khi nào tìm được mô hình thỏa đáng
Bước 4: Dự báo - Một trong các lý do để mô hình ARIMA được ưa chuộng là những dự báo bằng mô hình này, đặc biệt là dự báo trong ngắn hạn, tỏ ra thực tế hơn so với các mô hình kinh tế lượng truyền thống.
5.1 Định dạng Định dạng mô hình tức là chúng ta phải tìm ra các giá trị p, d và q Công việc này rất khó khăn cả về lý thuyết lẫn thực hành. Để tìm được d, chúng ta phải dùng kiểm định JB, kiểm định nghiệm đơn vị DF hoặc ADF Từ chuỗi dừng nhận được, ta phải tìm các giá trị p và q, hay nói cách khác đi chúng ta phải định dạng mô hình ARIMA Có rất nhiều phương pháp để tìm được p và q Không có phương pháp nào có ưu thế tuyệt đối Người ta dùng nhiều phương pháp để so sánh chọn ra các giá trị p và q thích hợp Quá trình tìm ra p và q là một “nghệ thuật” đòi hỏi phải có những kinh nghiệm nhất định.
Lược đồ tương quan và tự tương quan riêng
Trên lược đồ này vẽ ACF và PACF theo độ dài của trễ Đồng thời cũng vẽ đường phân giải chỉ khoảng tin cậy 95% được tính bằng ±(1,96/√ n ) cho hệ số tự tương quan(ACF) và hệ số tự tương quan riêng(PACF) Dựa trên lược đồ này ta có thể biết được các hệ số tự tương quan(hoặc các hệ số tự tương quan riêng) nào khác không Từ đó có thể đưa ra các đoán nhận về p và q của các quá trình AR(p) và MA(q).
kk đo mức độ kết hợp giữa Yt và Yt-k sau khi đã loại bỏ ảnh hưởng của
Yt-1,… Yt-k+1 ,do đó nếu kk = 0 với k > p và i (i=1,2…) giảm theo hàm mũ hoặc theo hình sin thì ta có quá trình AR(p)
Nếu k (k=1,2…) giảm dần theo hàm mũ hoặc theo hình sin với k=0(k> q), thì ta có quá trình MA(q)
Các quá trình có bậc cao hơn cần phải thử và kết hợp với các phương trình định dạng khác, sau đó là kiểm định.
Có nhiều tiêu chuẩn để lựa chọn một mô hình thích hợp Hẩu hết các tiêu chuẩn này đều xuất phát từ lược đồ tương quan Nghĩa là giả thiết rằng d là đã biết, vấn đề là lựa chọn p và q thích hợp.
Khi đó p1 và q1 là các giá trị thích hợp của p và q.
Schwarz(1978) đưa ra một tiêu chuẩn tương tự:
Trong hai tiêu chuẩn trên thì các tập P và Q đều chưa biết Hannan chỉ ra rằng nếu p0 và q0 là các giá trị đúng thì p1p0 , q1q0.
Sau khi định dạng mô hình, ta biết được d - bậc của sai phân đối với chuỗi xuất phát để thu được một chuỗi dừng Đối với chuỗi dừng này ta cũng đã biết các giá trị p và q Do đó ta dùng phương pháp bình phương nhỏ nhất (OLS) để ước lượng mô hình ARIMA này.
5.3 Kiểm định tính thích hợp của mô hình
Bằng cách nào chúng ta biết được mô hình đã lựa chọn thích hợp với các số liệu thực tế Nếu như mô hình là thích hợp thì các yếu tố ngẫu nhiên phải là nhiễu trắng Do đó để xem mô hình có phù hợp hay không thì chúng ta phải kiểm định tính dừng của các phần dư Kết quả ước lượng mô hình ARIMA cho ta phần dư Dùng kiểm định Dickey-Fuller để kiểm định xem et có phải là nhiễu trắng hay không?
Nếu như et không phải là nhiễu trắng thì phải định dạng lại mô hình và quá trình đó cứ được tiếp tục cho đến khi nào được một mô hình thích hợp Như vậy đúng như đã nói ở trên, phương pháp Box – Jenkins là phương pháp lặp.
Sau khi đã ước lượng được một mô hình tốt, ta sẽ sử dụng mô hình này để dự báo Giả sử rằng ta có mô hình ARIMA(1,1,0), tức là ta đã có mô hình sau đây; ΔY t =^θ+ ^α ΔY t −1 +e t , t= 1,2…n dự báo cho thời kí tiếp theo: ΔY n+1 f =^θ+ ^α ΔY n ở đây ta kì vọng en+1 = 0
Tương tự ta cũng dự báo được các giá trị của Y trong các thời kỳ kế tiếp Theo như cách này sai số sẽ tăng lên khi ta dự báo cho quá xa Đặc biệt trong mô hình tổng quát, nếu q khá lớn thì ta chỉ dự báo được một vài thời kì tiếp theo.
MÔ HÌNH ARCH/GARCH
Năm 1982 Engle đã đề xuất mô hình ARCH (là từ viết tắt của Autoregressive Conditional Heterescedastic Model) Đây là mô hình đầu tiên đưa ra cơ sở lý thuyết để mô hình hóa rủi ro Tư tưởng cơ bản của mô hình này là :
Các cú sốc (hay các “news”) ut của một loại tài sản không tương quan chuỗi, nhưng phụ thuộc.
Sự phụ thuộc của ut có thể được mô tả bằng hàm bậc 2 của các giá trị trễ
Mô hình ARCH(m) có dạng: r t = μ t +u t , u t = σ t ε t , σ t 2 = α 0 +α 1 u t−1 2 +α 2 u t−2 2 + +α m u t−m 2 (4.1)
+ ε t là biến ngẫu nhiên độc lập có cùng phân bố (i.d.d) và E( ε t )=0, Var( ε t)=1
Từ phương trình (4.1) ở trên thì ta có thể thấy nếu các cú sốc trong quá khứ lớn thì có thể sẽ dẫn đến phương sai có điều kiện đối với ut lớn Điều này có nghĩa rằng, theo mô hình ARCH, các cú sốc lớn có xu hướng do cú sốc lớn trong quá khứ gây ra Đặc điểm này giống như tính chất bầy đàn của độ rủi ro
Năm 1986, Bollerslev đã mở rộng mô hình ARCH, và đặt tên là mô hình ARCH tổng quát(GARCH).
Mô hình có dạng như sau: r t = μ t +u t , u t = σ t ε t , σ t 2 =α 0 +α 1 u t 2 −1 +α 2 u t 2 −2 + +α m u t 2 −m + β 1 σ t 2 −1 + β 2 σ t 2 −2 + +β s σ t−s 2 (4.2) Hay σ t
+ ε t là các biến ngẫu nhiên độc lập, cùng phân bố (i.d.d)
Nếu m > s thì i = 0 với i >s Nếu m < s thì αi = 0 với i > m.
Các điều kiện trên đảm bảo cho phương sai không điều kiện và phương sai có điều kiện luôn dương.
Phương trình (4.2) được gọi là mô hình ARCH tổng quát, ký hiệu là GARCH(m,s) Trong đó, có m là độ dài của trễ đối với u t 2 , s là độ dài của trễ ứng với σ t 2
Trong trường hợp khi s=0 thì mô hình GARCH(m,0) sẽ trở thành mô hình ARCH(m).
Chúng ta đặt η t =u t 2 − σ t 2 , từ đó σ t 2 =u t 2 − η t ; σ t−1 2 =u t 2 −1 −η t−1 ,…
Phương trình (4.2) được viết lại: σ t 2 =u t 2 − η t =α 0 + ∑ i=1 m α i u t−i 2 + ∑ j=1 s β j ( u t 2 −1 −η t − j ) u t 2 =α 0 + ∑ i=1 max (m ,s )
Tuy vậy t nói chung không phải là biến độc lập, cùng phân bố. Phương trình (1) ở trên có dạng ARMA đối với u t 2 Như vậy GARCH có thể coi như là một dạng ARMA đối với u t 2
Phương sai không điều kiện được rút ra từ mô hình là: σ 2 không điều kiện
1−( ∑ i=1 m α i + ∑ j=1 s β j ) với các giả thiết đã nêu ở trên thì σ 2 không điều kiện >0
Điểm mạnh, yếu của mô hình GARCH
Từ phương trình σ t 2 thì ta có thể thấy: u t−1 2 hoặc σ t 2 −1 hoặc đồng thời cả u t−1 2 và σ t−1 2 lớn sẽ dẫn đến σ t 2 lớn Điều này có nghĩa là u t−1 2 lớn có xu hướng dẫn đến u t 2 lớn, hành vi này chính là hành vi bầy đàn trong các chuỗi tài chính theo thời gian.
Người ta đã chỉ ra được rằng hệ số nhọn của u trong mô hình > 3, do vậy hàm mật độ của u thoải hơn hàm mật độ trong phân bố chuẩn, dẫn đến dự báo khó chính xác hơn.
Dự báo phương sai từ mô hình GARCH Để đơn giản ta xét mô hình GARCH(1,1)
Dự bão tĩnh được thực hiện như sau: Giả sử ta đã dự báo phương sai có điều kiện đến thời kì h, ta dự báo tiếp cho thời kỳ (h+1) σ h+1 2 =α 0 + α 1 u h 2 + β 1 σ 2 h
Trong đó: u h , σ h 2 đã biết ở thời kỳ h Đặt σ h 2 (1) = σ h+1 2 σ h 2 (2) = α 0 + α 1 u 2 h+ 1 + β 1 σ h 2 ( 1 )
Tương tự ta cũng có: σ h 2 (3) = α 0 + α 1 u 2 h+2 + β 1 σ h 2 (2) ; …
Với dự báo tĩnh, ta chỉ có thể dự báo đến thời kì (n+1).
Dự báo động có lợi thế là dự báo cho thời kỳ ngoài mẫu dài hơn Dự báo này được thực hiện như sau: σ h+1 2 =α 0 + α 1 u h 2 + β 1 σ 2 h
Mặt khác do u t = σ t ε t , nên ta có thể viết lại phương trình trên như sau: σ h+1 2 =α 0 +α 1 σ h 2 ε h 2 + β 1 σ h 2 σ h+1 2 =α 0 +( α 1 + β 1 )σ h 2 + α 1 σ h 2 ( ε h 2 −1)
Giá trị ban đầu của σ 2 , Bollerslev(1986) đề nghị lấy là giá trị trung bình bình phương phần dư của phương trình trung bình Theo Tsay, giá trị ban đầu của σ t 2 có thể lấy là 0 hoặc giá trị của phương sai không điều kiện Phần mềm Eviews lấy giá trị ban đầu của phương sai theo công thức san mũ sau đây:
Trong đó e là phần dư từ phương trình trung bình và σ
Dự báo phương sai có điều kiện sẽ hội tụ đến phương sai không điều kiện khi độ dài dự báo tăng lên.
Xét phương trình phương sai được viết dưới dạng: u t 2 =α 0 + ∑ i=1 max (m ,s )
Nếu u t 2 có nghiệm đơn vị, tức là ∑ i =1 max (m ,s)
=1, thì mô hình được gọi là mô hình GARCH tích hợp hay IGARCH.
Mô hình GARCH-M mô tả lợi suất của một loại cổ phiếu phụ thuộc và chính độ rủi ro của nó.
Mô hình GARCH-M(m,s) có dạng : r t = μ t + cσ t 2 +u t , u t = σ t ε t , σ t 2 =α 0 +α 1 u t 2 −1 +α 2 u t 2 −2 + +α m u t 2 −m + β 1 σ t 2 −1 + β 2 σ t 2 −2 + +β s σ t−s 2
Trong đó: c là hằng số và được gọi là phần bù rủi ro Nếu c > 0 thì khi độ rủi ro tăng thì lợi suất cũng sẽ tăng theo.
Một dạng khác của phần bù rủi ro là: σ 0 2 = u 0 2 = λ σ 2 +( 1− λ) ∑ j=0 n −1 λ n− j−1 e n− 2 j r t =μ t +cσ t +u t , hoặc r t = μ t + c ln ( σ t 2 )+u t
Mô hình GARCH không đối xứng
Các mô hình ARCH/GARCH mô tả trên chưa tính đến sự bất đối xứng trong động thái của độ dao động Các mô hình bất đối xứng lần lượt được đề xuất nhằm đưa vào mô hình các tác động bất đối xứng này, chẳng hạn như trong trường hợp khi mà trên thị trường chứng khoán người ta thấy độ dao động thường tăng lên mạnh hơn khi giá đi xuống so với khi giá đi lên Hoặc khi sự thay đổi của giá đạt đến một ngưỡng nào đó thì động thái của độ dao động cũng thay đổi Đó là các mô hình dạng EGARCH của Nelson(1991) hay TGARCH của Rabemananjara và Zakoian (1993) và rất nhiều mô hình khác.
Mô hình TGARCH(1,1) có dạng: σ t 2 =α 0 +α 1 u t−1 2 +γu t−1 2 d t−1 + β 1 σ t−1 2 ,
Trong đó: dt là biến giả, dt=1 nếu ut0.
Dạng tổng quát của mô hình TGARCH(m,s) σ t 2 =α 0 + ∑ i=1 m
, Với: + dt-i =1 nếu ut-i 0.
+ αj,j, và j là các tham số k0hông âm, thỏa mãn các giả thiết của mô hình GARCH.
Trong mô hình TGARCH, những tin tức tốt( ut > 0) và những tin tức xấu ( ut 0 thì hiệu ứng đòn bẩy tồn tại, nếu γ < 0 thì có ảnh hưởng của các tin tức là bất đối xứng.
Mô hình EGARCH(1,1) được định dạng: ln( σ t 2 ) = α 0 + β ln ( σ t−1
Mô hình EGARCH(m,s): ln( σ t 2 ) = α 0 +∑ i=1 s β i ln(σ t−i 2 )+∑ j=1 m
(α j |u t− j σ t− j |+γ j u t− j σ t− j ) Trong các mô hình GARCH ở phía trước, luôn đòi hỏi điều kiện các hệ số của phương trình phương sai đều không âm Mô hình EGARCH đã khắc phục được điều này, phương trình phương sai có dạng mũ do vậy không đòi hỏi điều kiện các hệ số không âm mà vẫn luôn đảm bảo rằng phương sai luôn dương Mô hình EGARCH cũng phân biệt được ảnh hưởng của các cú sốc âm và cú sốc dương Chúng ta có thể kiểm định hiệu ứng đòn bẩy bằng cặp giả thiết:
Kiểm định giả thiết về ảnh hưởng bất đối xứng bằng cặp giả thiết:
Mô hình hợp phần GARCH(Component ARCH Model) r t = μ t +u t u t = σ t ε t
Mô hình Component có dạng: σ t 2 − q t =α ( u t 2 −1 −ω )+ β ( σ t 2 −1 −ω ) , (*) q t =ω+ ρ( q t−1 −ω )+φ(u t 2 −1 −σ t−1 2 ) , (**)
Phương trình (**) mô tả thành phần dài hạn qt, qt sẽ hội tụ đến với tốc độ Nếu nằm giữa 0,99 và 1 thì qt hội tụ đến rất chậm Phương trình(*) mô tả mức chênh lệch nhất thời, σ t 2 − q t Thành phần này sẽ hội tụ đến 0 với tốc độ(α+) Phương trình (*)được gọi là phưong trình tức thời, phương trình (**)được gọi là phương trình vĩnh cửu hay thành phần dài hạn.
Phương trình hợp phần GARCH bất đối xứng là mô hình kết hợp giữa mô hình hợp phần GARCH với mô hình bất đối xứng TGARCH.
Mô hình có dạng: r t =μ t +u t q t =ω+ ρ( q t−1 −ω )+φ(u t−1 2 −σ t−1 2 ) σ t 2 −q t = α ( u t 2 −1 −q t−1 )+γ (u t− 2 1 − q t −1 )d t −1 + β ( σ t 2 −1 −q t −1 ) , Trong đó, d là biến giả dt-1 = 0 nếu ut-1 > 0, dt-1 = 1 nếu ut-1 < 0
Nếu > 0 thì có ảnh hưởng đòn bẩy nhất thời đối với phương sai có điều kiện.
2 Quy trình ước lượng và dự báo
Bước 1: Kiểm định tính dừng của chuỗi lợi suất cổ phiếu
Bước 2: Ước lượng mô hình ARMA thích hợp cho chuỗi lợi suất cổ phiếu dựa vào lược đồ tương quan Từ đó thu được phần dư ut và ut 2
Bước 3: Xác định bậc m,s của mô hình GARCH
Thực chất của việc xác định m, s là ta đi tìm mô hình ARMA cho bình phương phần dư ut 2 vừa thu được ở bước 2 (ACF cho ta giá trị của m, PACF sẽ cho ta giá trị của s).
Bước 4: kiểm tra các điều kiện về hệ số của mô hình GARCH
Bước 5: dự báo phương sai cho các thời kỳ tiếp theo từ mô hình thu được. Một điều đặc biệt thú vị thu được từ các kết quả thực nghiệm là mô hình GARCH(1,1) - tuy chỉ có ba tham số cần ước lượng nhưng lại thường tỏ ra khả năng vượt trội của mình so với các mô hình ARCH/GARCH với các bước trễ m, s lớn trong việc mô tả động thái của phương sai có điều kiện.
Dự báo lợi suất của cổ phiếu từ mô hình GARCH
DỰ BÁO GIÁ CỔ PHIẾU BẰNG PHẦM MỀM METASTOCK
Lý thuyết Dow là cơ sở đầu tiên cho mọi nghiên cứu kĩ thuật trên thị trường Cơ sở để xây dựng cũng như đối tượng nghiên cứu của lý thuyết chính là những biến động của bản thân thị trường và không hề dựa trên cùng cơ sở của Phân tích cơ bản là các thống kê trong hoạt động kinh doanh của doanh nghiệp Trong những ghi chép của người đầu tiên đề ra lý thuyết này, ông Charles H Dow, có rất nhiều điều chứng tỏ rằng tác giả không hề nghĩ lý thuyết của mình sẽ trở thành một công cụ dùng cho dự báo thị trường chứng khoán hay thậm chí nó đã trở thành một hướng dẫn chung cho các nhà đầu tư. Những ghi chép ấy chỉ nói lên rằng ông muốn lý thuyết của mình thành một thước đo biến động chung của thị trường Dow thành lập công ty “Dịch vụ thông tin tài chính Dow-Jones và được mọi người biết đến với việc tìm ra chỉ số bình quân thị trường chứng khoán Những nguyên lý căn bản của học thuyết (ngày nay được đặt theo tên ông) đã được ông phác thảo ra trong một bài nghiên cứu mà ông viết cho “Tạp Chí Phố Wall” Sau khi Dow chết, năm
1902, người kế tục ông làm biên tập cho tờ nhật báo, William P Hamilton, đã tiếp tục việc nghiên cứu lý thuyết này, sau 27 năm nghiến cứu và viết các bài báo, ông đã tổ chức và câu trúc lại thành Lý thuyết Dow như ngày nay.
Có thể tóm tắt Lý thuyết Dow qua 9 nguyên lý quan trọng như sau:
1) Chỉ số bình quân thị trường phản ánh tất cả
2) Ba xu thế của thị trường
Thuật ngữ thị trường nhằm chỉ giá chứng khoán nói chung, dao động của thị trường tạo thành các xu thế giá, trong đó quan trọng nhất là các xu thế cấp 1 (xu thế chính hay xu thế cơ bản)
xu thế cấp 1 (xu thế chính) giống như thủy triều ở đại dương Đây là xu thế giá chứng khoán dài hạn thường có thể kéo dài từ vài tháng đến vài năm.
xu thế cấp 2 (xu thế trung gian) giống như các đợt sóng Hiện tượng này xảy ra khi giá chứng khoán đi lệch ra khỏi xu thế chính của nó trong một khoảng thời gian ngắn Sự chệch hướng này sẽ mất đi khi có sự điều chỉnh đưa giá chứng khoán trở về với xu thế chính.
Xu thế cấp 3 (các dao động ngắn hạn) giống như những gợn sóng Đây là các dao động hằng ngày của giá chứng khoán.
3) Thị trường con bò tót – Bull Market (thị trường tăng giá)
4) Thị trường con gấu – Bear Market (thị trường giảm giá)
5).Hai đường chỉ số bình quân của thị trường phải cùng xác nhận xu thế của thị trường Đây là câu hỏi thường xuyên đặt ra nhất và cũng khó giải thích nhất đối với hệ thống các nguyên lý của lý thuyết Dow
6) Khối lượng giao dịch đi kèm với xu thế thị trường.
7) Đường ngang có thể thay thế cho các xu thế cấp 2 Đường ngang theo định nghĩa của Lý thuyết Dow là những chuyển động ngang có tính chất trung gian của thị trường phản ánh thời kỳ mà giá biến động rất ít Do vậy một mức giá dao động vượt ra ngoài mức dao động của mô hình đường ngang đang xuất hiện trên thị trường sẽ là một dấu hiệu rõ ràng cho một thị trường lên hoặc xuống giá tùy thuộc vào hướng của dao động vượt ra ngoài.
8) Chỉ sử dụng giá đóng cửa để nghiên cứu.
9) Một xu thế cần được giả định rằng vẫn đang tiếp tục cho đến khi dấu hiệu thực sự về sự đảo chiều của xu thế đó được xác định.
2 Lý thuyết sóng ELLIOT VÀ dãy FIBONACCI
2.1 Dãy FIBONACCI Đây là dãy số do nhà toán học người Ý Leonardo Fibonacci (1175 –
1250) phát minh ra Bắt đầu là số 0 và 1, sau đó những số tiếp theo được tạo ra bằng cách cộng 2 số phía trước Dãy số có dạng như sau :
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144… Điều kỳ diệu và đáng nói hơn cả đó là: cứ lấy số lớn chia cho số nhỏ hơn 1 bậc, ví dụ 89/55 = 1.618; lấy số nhỏ chia cho số lớn hơn 1 bậc, ví dụ 21/34=0.618; lấy số nhỏ hơn chia cho số lớn hơn 2 bậc, ví dụ 13/34=0,382.
Tất cả các con số thuộc dãy Fibonacci và các con số như 0,618 và 0.382, trong đó đặc biệt phải kể đến đó là con số được mệnh danh là “tỷ lệ vàng”(hay tỷ lệ thần thánh) 1,618 – đây là con số xuất hiện rất nhiều trong tự nhiên, trong cơ thể con người, trong vũ trụ, trong kiến trúc, xây dựng… Quan trọng hơn đối với chúng ta, những nhà đầu tư kinh doanh chứng khoán, những con số đầy ma lực trên cũng xuất hiện ngay trong thị trường tài chính, nhất là những biến động về giá cả.
2.2 Lý thuyết về sóng ELLIOT
Nguyên tắc sóng Elliot là một trong những công cụ phân tích kỹ thuật mà một số nhà kinh doanh chứng khoán dùng để phân tích những xu hướng giá trong thị trường tài chính Cha đẻ của nguyên tắc này là Ralph Nelson Elliot (1871-1948) Theo ông Elliott, sự thay đổi của giá cả sẽ tạo ra những cơn sóng, như hình vẽ Trong đó một cơn sóng cơ bản sẽ có 5 cơn sóng “chủ” và 3 cơn sóng điều chỉnh Trong 5 con sóng chủ thì sóng số 1, 3 và số 5 gọi là sóng “chủ và động”, và sóng 2, 4 gọi là sóng “chủ và điều chỉnh” 3 con sóng điểu chỉnh được gọi là sóng A, B, C.
Hình 3: Hình ảnh minh họa sóng Elliot
Trong mỗi một con sóng như vậy lại có những con sóng nhỏ và cũng tuân theo quy luật của lý thuyết Elliot Một đợt sóng chủ hoàn chỉnh sẽ có 89 sóng và đợt sóng điều chỉnh hoàn chỉnh sẽ có 55 sóng Tùy theo thời gian, độ lớn của sóng sẽ được phân theo thứ tự sau:
Grant Supercycle: sóng kéo dài nhiều thập kỷ, đôi khi cả thế kỷ
Supercycle: kéo dài từ vài năm đến vài thập kỷ
Cycle: kéo dài từ 1 đến vài năm
Primary: kéo dài từ vài tháng đến vài năm
Intermediate: kéo dài từ vài tuần đến vài tháng
Minor: kéo dài trong vài tuần
Minute: Kéo dài trong vài ngày
Minuette: Kéo dài trong vài giờ
Subminutte: Kéo dài trong vài phút.
Bây giờ ta sẽ đi phân tích một dãy sóng 5-3 điển hình trong thị trường tăng giá bull-market.
Hình 4: Một dãy sóng 5-3 điển hình
+) Sóng chủ số 1 : Đợt sóng đầu tiên này là có điểm xuất phát từ thị truờng con gấu (suy thoái), do đó sóng 1 ít khi được nhận biết ngay từ đầu. Lúc này thông tin cơ bản về các công ty niêm uớc vẫn đang là thông tin tiêu cực Chiều hướng của thị trường trước khi sóng 1 xảy ra chủ yếu vẫn là thị truờng suy thoái Những nhà phân tích cơ bản vẫn đang tiếp tục điều chỉnh thu nhập kỳ vọng thấp xuống so với dự kiến Khối lương giao dịch có tăng chút ít theo chiều hướng giá tăng Tuy vậy việc tăng này là không đáng kể.
Do đó nhiều nhà phân tích kỹ thuật không nhận ra sự có mặt của đợt sóng số
+) Sóng chủ số 2: Sóng chủ 2 sẽ điều chỉnh sóng 1, nhưng điểm thấp nhất của sóng 2 không bao giờ vượt qua điểm xuất phát đầu tiên của sóng 1. Tin tức dành cho thị trường vẫn chưa khả quan Thị trường đi xuống ở cuối sóng 2 để thực hiện việc “kiểm tra” độ thấp của thị trường Những người theo phái “con gấu” vẫn đang tin rằng thị trường con gấu vẫn đang ngự trị Khối lượng giao dịch sẽ ít hơn đợt sóng 1 Giá sẽ được điều chỉnh giảm và thuờng nằm trong khoảng 0.382 đến 0.618 của mức cao nhất của sóng 1.
+) Sóng chủ số 3 : Thông thường đây là sóng lớn nhất và mạnh mẽ nhất của xu hướng lên giá Ngay đầu sóng 3, thị trường vẫn còn nhận những thông tin tiêu cực vì vậy có nhiều nhà kinh doanh không kịp chuẩn bị để mua vào Khi sóng 3 đang ở lưng chừng, thị trường bắt đầu nhận những thông tin cơ bản tích cực và những nhà phân tích cơ bản bắt đầu điều chỉnh thu nhập kỳ vọng Mặc dù có những đợt điều chỉnh nho nhỏ trong lòng của sóng 3, giá của sóng 3 tăng lên với tốc độ khá nhanh Điểm cao nhất của sóng 3 thường cao hơn điểm cao nhất của sóng 1 với tỷ lệ 1,618:1
DỰ BÁO VỚI MÔ HÌNH CÂY NHỊ PHÂN
Ta tiến hành dự báo giá cho cổ phiếu SAM với chuỗi số liệu là giá đóng cửa của cổ phiếu SAM được lấy từ ngày 5/1/2009 đến ngày 4/11/2009 (bao gồm 209 phiên quan sát).
Quá trình ước lượng các tham số của mô hình như sau:
Trường hợp 1 : Ước lượng đơn giản từ quá trình thống kê giá cổ phiếu qua từng phiên.
Ta chọn ngẫu nhiên 4 chu kỳ con như sau:
+ Toàn bộ (gồm 209 phiên) Ở mỗi chu kỳ ta sẽ thống kê được số phiên tăng, giảm Từ đó suy ra tỷ lệ phiên tăng giá, tỷ lệ phiên giảm giá, và tỷ lệ tăng giá trung bình, tỷ lệ giảm giá trung bình của mỗi chu kỳ.
+ tỷ lệ phiên tăng giá = (số phiên tăng giá)/ tổng số phiên của chu kỳ + tỷ lệ tăng giá = (phiên sau – phiên trước) / phiên trước
+ tỷ lệ giảm giá = |phiên sau – phiên trước| / phiên trước
Sau khi tính toán ta thu được bảng thống kê như sau:
Bảng 1: Kết quả thống kê tỷ lệ phiên tăng/giảm của CP SAM
Mẫu tỷ lệ phiên tăng giá tỷ lệ tăng giá TB tỷ lệ giảm giá TB
Từ đó ta ước lượng các tham số:
Dựa vào công thức: ¯ r SAM =npLn( u d )+ nLn( d )
Ta sẽ thu được bảng dự báo được giá CP SAM như sau: (giá thời điểm gốc dự báo là 34.4 – giá ngày 4/11/2009)
Bảng 2 : Kết quả dự báo giá CP SAM bằng mô hình cây (TH1)
Số phiên dự báo R dự báo P_dự báo Chênh lệch
Trường hợp 2: Ta ước lượng các tham số của mô hình cây nhị phân thông qua các tham số của chính lợi suất cổ phiếu.
Ta đi tìm các tham số cho lợi suất cổ phiếu SAM cũng với chính mẫu quan sát gồm 209 phiên như ở trên, với công thức tính lợi suất rt+1 = (Pt+1 – Pt)/Pt
Sử dụng phần mềm Eviews 4.0 cho ta thống kê mô tả cho chuỗi lợi suất SAM như sau:
Từ đó ta có các tham số của lợi suất CP SAM:
Dựa vào công thức xấp xỉ của Cox-Ross-Rubinstein ta sẽ có kết quả các tham số của mô hình như sau:
Series: LS_SAM Sample 2 209 Observations 208
Mean 0.004937Median 0.003924Maximum 0.049834Minimum -0.050000Std Dev 0.033916Skewness -0.076136Kurtosis 1.684068Jarque-Bera 15.20883Probability 0.000498
Với các tham số u, d, p được tính toán như trên ta có kết quả ước lượng cho 6 phiên giao dịch tiếp theo như sau:
Bảng 3: Kết quả dự báo giá CP SAM bằng mô hình cây (TH2)
Số phiên dự báo P_thực tế P_dự báo Chênh lệch
Theo như kết quả ở trên, ta thấy cả 2 cách ước lượng đều cho ta những dự báo khá sát nhau Nó cho kết quả khá tốt trong những phiên dự báo cực kì ngắn hạn (1 hoặc 2 phiên tiếp theo đó) Ví dụ như vào thời điểm ngày 6/11/2009 theo như dự báo thì giá của CP SAM theo cả 2 cách ước lượng sẽ là 34.55 và 34.4 Thực tế giá đóng cửa CP SAM ngày hôm đấy là 34.5, chênh lệch giữa dự báo và thực tế là 0.15% và 0.29%, cho thấy đây là một dự báo tốt Tuy nhiên, vào những phiên dự báo càng xa thì sai số đã bắt đầu tăng dần và cho thấy kết quả dự báo k còn tốt và đáng tin cậy nữa Điều này có thể được lý giải bằng những nguyên nhân sau:
+) Thứ nhất, cách ước lượng tham số của mô hình chưa thực sự là tốt Bởi vì để ước lượng được chuẩn xác các tham số này trong thực hành là một điều rất khó.
+) Thứ hai, các khả năng có thể xảy ra đối với giá của một CP ngày hôm sau so với ngày hôm nay không chỉ có thể là tăng giá hoặc giảm giá, mà còn có khả năng đứng giá Do vậy mô hình cây nhị phân với 2 khả năng tăng và giảm cũng chưa phản ánh được hết các tình huống có thể xảy ra.
+) Thứ ba, theo quan điểm cá nhân, tôi cho rằng mô hình cây không thích hợp để dự báo cho một giai đoạn mà đang thị trường lên xuống thất thường do các nguồn thông tin từ bên ngoài làm “nhiễu” thị trường Nó thích hợp hơn khi dự báo trong một giai đoạn thị trường ổn định và không có nhiều biến động +) Một điều quan trọng nữa đó là giả thiết về thị trường Thị trường CK nước ta chưa thực sự là thị trường hiệu quả.
DỰ BÁO VỚI MÔ HÌNH PHỤC HỒI TRUNG BÌNH
1 Kiểm định mô hình Để chứng minh quá trình {Xt } (Xt - loga giá cổ phiếu SAM) có tuân theo mô hình phục hồi trung bình ta đi hồi quy mô hình kinh tế lượng sau:
Với chuỗi số liệu là chuỗi ln_sam (với ln_sam =ln(sam)) với 112 quan sát được lấy từ ngày 1/6/2009 đến ngày 4/11/2009 Uớc lượng và dùng kiềm định nghiệm đơn vị cho ta kết quả thống kê DF như sau:
Bảng 4: Thống kê DF cho chuỗi ln_sam
ADF Test Statistic -2.913238 1% Critical Value* -3.4900
Ta thấy | = -2.913238| > |0.05 = -2.8877| Như vậy, chuỗi ln_sam là chuỗi dừng tại mức ý nghĩa 5% Do vậy chuỗi ln_sam là một quá trình phục hồi trung bình.
2 Ước lượng các tham số của mô hình Để ước lượng được chính xác các tham số của mô hình phục hồi trung bình, ta sẽ thêm thành phần MA(1) vào phương trình hồi quy (*) ở trên để mô hình được định dạng đúng hơn.
Bảng 5 : Kết quả ước lượng mô hình phục hồi trung bình
Included observations: 111 after adjusting endpoints
Variable Coefficient Std Error t-Statistic Prob
R-squared 0.108958 Mean dependent var 0.001632 Adjusted R-squared 0.092457 S.D dependent var 0.033222 S.E of regression 0.031649 Akaike info criterion -4.041545 Sum squared resid 0.108181 Schwarz criterion -3.968314
Durbin-Watson stat 1.964514 Prob(F-statistic) 0.001970
Từ kết quả ước lượng ta có:
+ Giá trị cân bằng: X SAM =- 0.349484/-0.099628 = 3.5078
+ tốc độ phục hồi: SAM = - ln(1-0.099628) = 0.1049
+ Bán thời gian H = ln(2)/-ln(1-099628) = 6.6047
Suy ra mức giá cân bằng của cổ phiếu SAM trong giai đoạn này là : e 3.5078 = 33.3774
Ta thấy cổ phiếu SAM trong giai đoạn này có tốc độ phục hồi khá nhanh bằng 0.105, điều này cũng được thể hiện khá rõ qua hệ số bán thời gian
Hsam =6.605, tức là trung bình mất khoảng 6 đến 7 phiên giao dịch là giá CP
SAM sẽ thay đổi một nửa mức chênh lệch so với giá cân bằng Ngoài ra tốc độ phục hồi có thể được coi là khá nhanh của SAM còn được thể hiện qua độ dao động trung bình sau mỗi phiên là khá lớn, khoảng 3,33%.
Ngày cuối cùng của chuỗi số liệu là ngày 4/11/2009, giá đóng cửa của SAM là 34.4, cao hơn so với giá cân bằng là 1.022, như vậy giá SAM có xu hướng đi về giá cân bằng Dự đoán, sau khoảng 6 đến 7 phiên nữa, giá CP SAM sẽ di chuyển được một đoạn bằng một nửa mức chênh lệch này, tức là mức giá đóng cửa rơi vào khoảng 33.8(nghìn).
+ Sau 6 phiên tức là ngày 12/11/2009: mức giá đóng cửa của SAM là 33.4 + Nếu sau 7 phiên tức là ngày 13/11/2009 thì mức giá đóng cửa của SAM là 34.
Như vậy theo đúng thực tế, nếu tính trung bình ra thì sau khoảng 6.7 phiên, giá của SAM cũng khoảng (34+33.4)/2=33.7, rất sát với mức giá dự đoán là 33.8 Từ đó cho thấy ước lượng và dự báo theo mô hình phục hồi trung bình cho giá cổ phiếu SAM trong giai đoạn này là khá đáng tin cậy và chuẩn xác.
DỰ BÁO VỚI MÔ HÌNH ARIMA
Số liệu được dùng để xây dựng mô hình ARIMA là chuỗi giá đóng cửa của cổ phiếu SAM từ ngày 5/5/2008 – 4/11/2009 (bao gồm 381 quan sát)
Ta có đồ thị chuỗi giá của cổ phiếu SAM:
Hình 12: Đồ thị chuỗi giá SAM từ ngày 5/5/2008 đến 4/11/2009
Dễ thấy chuỗi giá này không dừng, để chắc chắn hơn cho điều này ta dùng kiểm định nghiệm đơn vị để kiểm tra tính dừng của chuỗi.
Bảng 6: Thống kê DF cho chuỗi giá SAM (từ ngày 5/5/2008 đến 4/11/2009)
ADF Test Statistic -1.117178 1% Critical Value* -3.4496
Từ bảng giá trị thống kê DF ở trên ta thấy : | | < giá trị tuyệt đối của α tại cả
3 mức ý nghĩa Do vậy chuỗi giá SAM là không dừng.
Bây giờ, ta sẽ đi kiểm định tính dừng của chuỗi sai phân bậc nhất giá CP SAM Đặt d_sam(t) = sam(t) - sam(t-1)
Ta có đồ thị chuỗi sai phân bậc nhất của SAM như sau:
Hình 13 : Đồ thị chuỗi sai phân bậc nhất của SAM
Bằng cảm quan, ta có thể nhận thấy chuỗi sai phân trên là chuỗi dừng và có thể có trung bình bằng 0
Bảng 7: Kiểm định chuỗi dừng cho chuỗi sai phân bậc nhất của SAM
ADF Test Statistic -12.98550 1% Critical Value* -2.5710
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Included observations: 379 after adjusting endpoints
Variable Coefficient Std Error t-Statistic Prob D_SAM(-1) -0.616109 0.047446 -12.98550 0.0000 R-squared 0.308480 Mean dependent var 0.001583 Adjusted R-squared 0.308480 S.D dependent var 0.956984 S.E of regression 0.795805 Akaike info criterion 2.383711 Sum squared resid 239.3898 Schwarz criterion 2.394100 Log likelihood -450.7132 Durbin-Watson stat 1.945170
| = -12.98550 | > giá trị tuyệt đối của α ở cả 3 mức ý nghĩa, chứng tỏ chuỗi d_sam là chuỗi dừng.
Ta xem xét lược đồ tương quan của chuỗi d_sam:
Hình 14 : Lược đồ tương quan của chuỗi d_sam
Từ lược đồ tương quan này thì mô hình ARMA được xác định cho chuỗi sai phân bậc nhất giá CP SAM có thể có p=1 và p=4.
Do vậy ta sẽ lần lượt đi ước lượng các mô hình sau:
Bảng 8 : Kết quả ước lượng mô hình ARMA(1,0) cho chuỗi d_sam
Included observations: 379 after adjusting endpoints
Variable Coefficient Std Error t-Statistic Prob
R-squared 0.147624 Mean dependent var 0.000264 Adjusted R-squared 0.147624 S.D dependent var 0.861968 S.E of regression 0.795805 Akaike info criterion 2.383711
Sum squared resid 239.3898 Schwarz criterion 2.394100
Log likelihood -450.7132 Durbin-Watson stat 1.945170
Bảng 9: Kết quả ước lượng mô hình ARMA(4,0) cho chuỗi d_sam
Included observations: 376 after adjusting endpoints
Variable Coefficient Std Error t-Statistic Prob
S.E of regression 0.790300 Akaike info criterion 2.372497
Sum squared resid 233.5908 Schwarz criterion 2.393399
Log likelihood -444.0294 Durbin-Watson stat 1.960570
Từ kết quả ước lượng ở trên ta thấy cả 2 mô hình đều tỏ ra khá tốt và không có khuyết tật, nhưng để lựa chọn được mô hình tốt nhất trong 2 mô hình này thì ta phải dựa vào tiêu chuẩn Akaike và Schwarz Theo như lý thuyết, ở mô hình nào có 2 chỉ số này nhỏ hơn so với mô hình kia thì đấy sẽ là mô hình tốt hơn
Như vậy mô hình 2 sẽ là mô hình được lựa chọn để dự báo.
Bước tiếp theo là ta sẽ đi kiểm định tính thích hợp của mô hình 2 bằng cách ta sẽ đi kiểm định xem phần dư của mô hình có phải là nhiễu trắng hay không? Nếu đúng là nhiễu trắng thì mô hình là mô hình thích hợp.
Bảng 10: Kiểm định tính dừng của phần dư et
ADF Test Statistic -18.49809 1% Critical Value* -2.5711
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Included observations: 375 after adjusting endpoints
Variable Coefficient Std Error t-Statistic Prob
S.E of regression 0.789402 Akaike info criterion 2.367582
Sum squared resid 233.0604 Schwarz criterion 2.378054
Log likelihood -442.9216 Durbin-Watson stat 1.992433
Từ kết quả ước lượng và thống kế DF cho ta thấy rằng phần dư et của mô hình 2 là nhiễu trắng Từ đó ta có thể khẳng định chắc chắn tính thích hợp của mô hình.
Và ta có kết quả sau đây được suy ra: sam t – sam t-1 = 0.3746(sam t-1 -sam t-2 )+0.1402(sam t-4 – sam t-5 )
Hay: samt = 1.3746 samt-1 -03746samt-2 + 0.1402(samt-4 – samt-5)
Từ đó ta có thể dự báo giá đóng cửa CP SAM cho 7 phiên tiếp theo như sau:
Bảng 11: Kết quả dự báo giá CP SAM theo mô hình ARIMA
Ngày P_thực tế P_dự báo
Ta thấy phương pháp ARIMA có rất nhiều ưu điểm vượt trội, bởi vì nó có thể dùng để dự báo trong khi bản thân không cẩn phải có các biến giải thích khác Nhưng nó lại chỉ thích hợp cho những dự báo trong khoảng thời gian rất ngắn (thường là 1 hoặc 2 chu kỳ tiếp theo), bởi vì nếu dự báo cho những chu kỳ quá xa ngoài mẫu thì sai số của mô hình sẽ tăng lên, lúc đó độ chính xác của dự báo không còn cao nữa Đơn cử như ở mô hình dựa báo ở trên, nếu ta chỉ dự báo cho 1 đến 2 phiên tiếp theo ngoài mẫu thì kết quả thu được là có thể chấp nhận được Đặc biệt là ở phiên ngày 6/11/2009, giá dự báo là 34.50789 trùng khớp với giá thực tế là 34.5 Nhưng dự báo đến phiên thứ 3 đó là ngày 9/11/2009 thì nó đã bắt đầu không được chính xác cho lắm.
Như vậy, một kinh nghiệm được rút ra khi dự báo bằng mô hình
ARIMA đó là: ta chỉ nên dự báo cho những khoảng thời gian ngắn 1 – 2 chu kì tiếp theo ngoài mẫu Nếu muốn tiếp tục dự báo cho những chu kỳ tiếp theo thì qua mỗi một ngày ta phải update thêm số liệu vào mẫu quan sát và đi ước lượng một mô hình mới rồi sau đó dùng mô hình vừa ước lượng được để dự báo Nhưng cũng có một số chuyên gia, họ không cần phải ngay lập tức ước lượng lại mô hình bởi vì cách này rất mất công sức và thời gian Họ biết cách điều chỉnh các hệ số của mô hình sao cho phù hợp, và vẫn thu được các ước lượng dự báo tốt Để làm được việc này đòi hỏi phải là một người am hiểu và phải có nhiều kinh nghiệm.
DỰ BÁO BẰNG MÔ HÌNH GARCH
Số liệu dùng để ước lượng mô hình GARCH trong trường hợp này cũng vẫn là chuỗi giá đóng cửa của CP SAM từ ngày 5/5/2008 – 4/11/2009 (bao gồm 381 quan sát).
Quá trình ước lượng mô hình như sau:
Bước 1: Kiểm định tính dừng của chuỗi lợi suất CP SAM (đặt ls_sam = Ln ( sam sam(−1))
Bảng 12: Thống kê DF cho chuỗi ls_sam (5/5/2008 – 4/11/2009)
ADF Test Statistic -12.76631 1% Critical Value* -3.4496
5% Critical Value -2.8694 10% Critical Value -2.5709 Thống kê DF cho ta | = -1276631| > |α | ở các 3 mức ý nghĩa 1%, 5% và 10% Do vậy chuỗi ls_sam là chuỗi dừng.
Bước 2: Ước lượng mô hình ARMA cho chuỗi ls_sam
Ta có lược đồ tương quan của chuỗi ls_sam:
Hình 15: Lược đồ tương quan của chuỗi ls_sam(5/5/2008 – 4/11/2009)
Từ lược đồ tương quan trên ta có thể xác định mô hình ARMA cho chuỗi ls_sam là ARMA(1,0) Ta đi ước lượng mô hình ARMA(1,0) cho chuỗi ls_sam (phụ lục 5) và thu được phần dư et từ mô hình Sau đây là hình ảnh lược đồ tưong quan cho chuỗi phần dư et 2 thu được từ mô hình ước lượng ARMA(1,0) cho chuỗi ls_sam:
Hình 16: Lược đồ tương quan chuỗi phần dư bình phương et 2
Dựa vào hình ảnh lược đồ tương quan và các giá trị ACF và PACF trên
Hình 16 thì ta sẽ xác định được bậc của mô hình ARCH và GARCH cho chuỗi ls_sam trong trường hợp này có thể bằng 2.
Ta sẽ đi ước lượng mô hình GARCH(2,2) và thu được kết quả như sau:
Bảng 13: Kết quả ước lượng mô hình GARCH(2,2) cho chuỗi ls_sam
Included observations: 379 after adjusting endpoints
Coefficient Std Error z-Statistic Prob
R-squared 0.140262 Mean dependent var 7.68E-06 Adjusted R-squared 0.126395 S.D dependent var 0.033401 S.E of regression 0.031219 Akaike info criterion -4.235019 Sum squared resid 0.362564 Schwarz criterion -4.162294 Log likelihood 809.5361 F-statistic 10.11501 Durbin-Watson stat 2.032106 Prob(F-statistic) 0.000000
Dễ thấy các hệ số của ARCH(1) và GARCH(1) không khác 0 có ý nghĩa thống kê Do vậy ta sẽ đi ước lượng mô hình sau đây:
Bảng 14: Kết quả ước lượng mô hình GARCH(1,1) cho chuỗi ls_sam
Included observations: 379 after adjusting endpoints
Coefficient Std Error z-Statistic Prob
R-squared 0.139949 Mean dependent var 7.68E-06 Adjusted R-squared 0.130751 S.D dependent var 0.033401 S.E of regression 0.031141 Akaike info criterion -4.232490 Sum squared resid 0.362696 Schwarz criterion -4.180543 Log likelihood 807.0568 F-statistic 15.21453 Durbin-Watson stat 2.023817 Prob(F-statistic) 0.000000
Với mức ý nghĩa α chọn bằng 8% thì các hệ số của mô hình đều khác 0 có ý nghĩa thống kê Hơn nữa, các hệ số C, GARCH(1) và ARCH(1) đều lớn hơn 0, thỏa mãn điều kiện đề ra của mô hình GARCH.
Do vậy mô hình GARCH được chấp nhận trong trường hợp này là mô hình GARCH(1,1) (ở đây ta chỉ xét mô hình GARCH thông thường, bởi vì các ước lượng mô hình dạng TGARCH, EGARCH và GARCH-M đều không có ý nghĩa trong trường hợp này Kết quả ước lượng các mô hình này xin xem trong phần phụ lục 6, 7, 8 ở cuối bài)
Ta có các phương trình ước lượng rút ra từ mô hình như sau: r_samt = - 0.003697 + 0.469029r_samt-1 + ut ; ut = tεt (εt là biến i.d.d) σ t 2 =7.60E-06+ 0.054677ut 2 + 0.942967 σ t−1 2
Kết hợp 2 phương trình đầu ta được phương trình: r_sam t = - 0.003697 + 0.469029r_sam t-1 + t ε t (với εt là biến i.d.d) Và đây chính là phương trình mà ta sẽ dùng để dự báo lợi suất của cổ phiếu SAM Quá trình dự báo được tiến hành như sau:
+ Sử dụng phần mềm Eviews để dự báo phương sai cho các thời kỳ tiếp theo(từ ngày 5/11/2009) bằng phương pháp động ta có kết quả như sau:
Bảng 15: Kết quả dự báo phương sai theo phương pháp động từ ngày
Ngày Psai_d ( 2 ) Độ dao động -
Do phương trình dự báo có chứa εt là thành phần ngẫu nhiên, vì vậy cho nên ta không thể có một giá ước lượng trị nhất định nào cho εt cả Để ước lượng được ε ta có thể sử dụng phương pháp mô phỏng một dãy các giá trị ngẫu nhiên của ε ở thời kì t rồi lấy cộng lại lấy giá trị trung bình.
Về phương diện thực hành ta làm như sau:
Sử dụng chức năng Random Number Generation có sẵn trong Excel , ta tạo ra một dãy gồm n số ngẫu nhiên tùy thích có phân phối chuẩn N(0,1) (ở bài báo cáo này mỗi thời kỳ dự báo tôi sử dụng 500 quan sát được tạo ra một cách ngẫu nhiên) , rồi sau đó cộng lại lấy trung bình Ta có thể tạm coi đấy là giá trị εt (kết quả sẽ trình bày rõ ở phần phụ lục 9)
Cuối cùng, ta có kết quả dự báo như sau:
Bảng 16: Kết quả dự báo giá CP SAM theo mô hình GARCH(1,1)
Ngày du bao εt P_du bao P_thực tế
Ta có thể thấy một điều là các kết quả dự báo giá CP SAM cho ra từ mô hình GARCH không mấy chuẩn xác so với giá đóng cửa thực tế Có lẽ một trong những nguyên nhân lớn dẫn đến sự thiếu chính xác này chính là sự có mặt của yếu tố ngẫu nhiên εt Chính yếu tố này đã gây nên sai số cho các ước lượng dự báo ở các thời kỳ Cộng thêm vào đó, một nguyên nhân nữa được bắt nguồn từ chính phương pháp dự báo phương sai Do phương pháp dự báo là phương pháp động nên các dự báo cho thời kỳ này lại được dùng để dự báo cho thời kỳ sau Do vậy sai số sẽ càng gia tăng nhiều hơn, khi dự báo cho những chu kỳ càng xa ngoài mẫu Tất yếu, một kết hợp của 2 yếu tố được dự báo không chính xác này sẽ cho ta một kết quả không chính xác
Chính bởi vì một trong những nguyên nhân trên mà mô hình GARCH chỉ sử dụng để dự báo độ dao động , chứ rất ít khi được sử dụng để dự báo cho lợi suất tài sản Nhưng dù sao, xét trên một phương diện nào đó, chính mô hình GARCH đã cho chúng ta thấy được một cái nhìn mới về mối quan hệ giữa lợi suất của tài sản và chính độ rủi ro của nó.
SỬ DỤNG PHẦM MỀM METASTOCK ĐỂ DỰ BÁO
Phần mềm Metastock Professional 10.1 sẽ cho ta hình ảnh đồ thị chuỗi giá và khối lượng giao dịch của CP SAM từ ngày 29/9/2008 đến ngày 4/11/2009 như sau:
Hình 17: Chuỗi giá và khối lượng giao dịch của CP SAM (29/9/2008 đến
Hình 18: Các chỉ báo kĩ thuật cho cổ phiếu SAM :
Tín hiệu bán xuất hiện ở các chỉ báo RSI, MACD và Stochastic vào ngày 22 & 23/10/2009
Hình 19: Đường xu thế được vẽ cho giá CP SAM
Từ đồ thị các Hình 18 và Hình 19 ở trên có thể cho ta những nhận xét như sau:
+) Xu hướng giảm giá đã chính thức bắt đầu xuất hiện Từ những phiên cuối tháng 10/2009, và cho tới phiên ngày 3/11/2009 và 4/11/2009 thì mức giá đã xuyên thủng và xuống hẳn dưới đường xu thế tăng giá vốn dĩ đã rất chắc chắn suốt hơn 3 tháng nay (Hình 19) Điều đó chứng tỏ rằng, xu hướng ban đầu đã không còn nữa và giá CP SAM sẽ có khả năng thiết một xu hướng mới, “thị trường con gấu“ có thể sẽ bắt đầu xuất hiện Điều này cũng được thể hiện khá rõ qua thông khối lượng giao dịch trong những ngày gần đây cũng như các chỉ báo kỹ thuật đối với cổ phiếu SAM trong Hình 18.
+) Xu hướng giảm giá được bắt đầu khi có sự chốt lời của một loạt các nhà đầu tư trên thị trường Sau khi đã xuất hiện tín hiệu bán ra ở các chỉ báo ,MACD và Stochastic Oscillator vào ngày 22 và 23/10/2009 Thời điểm này dường như là đã là đỉnh của cuộc lên giá, nhận biết được điều này hàng loạt các nhà đầu tư ồ ạt bán ra, làm cho khối lượng giao dịch CP SAM tăng vọt so với những ngày trước đó Và rồi điều tất yếu sẽ xảy ra sau một loạt những hành động như vậy của thị trường đó là sự tụt giá của cổ phiếu SAM.
+) Một điều cần phải nói đến ở đây đó là : Sau khi xu hướng giảm giá đã được thiết lập và củng cố trong một khoảng thời gian ngắn thì có 2 phương án có thể xảy ra:
Liệu đây có phải chỉ là một giai đoạn điều chỉnh giảm trong một thời gian ngắn để rồi tiếp tục đi lên của CP SAM hay không?
Hay đây sẽ là một xu hướng giảm giá thực sự của CP SAM ?
Dường như câu trả lời ở đây có vẻ như không được làm các nhà đầu tư thích thú cho lắm khi mà tất cả các chỉ báo kỹ thuật và những dấu hiệu tiêu cực đến từ đường giá đều cho thấy, đây sẽ là một xu hướng giảm giá sâu của cổ phiếu SAM
+) Thứ nhất, như đã phân tích ở trên thì đường giá đã phá vỡ và đi xuống hẳn bên dưới đường xu thế trong vài phiên trở lại đây
+) Thứ hai, các chỉ báo như:
chỉ báo sức mạnh tương đối RSI(14) đã đi xuống dưới đường 50, điều này chứng tỏ rằng nếu tính trung bình 14 phiên thì tỷ lệ các phiên tăng giá đang có xu hướng giảm nhanh và đang nhỏ hơn so với tỷ lệ các phiên giảm giá và nó đang dần có xu hướng tiến về đường overbought(đường quá bán)
Chỉ báo MACD cũng cho ra những tín hiệu tương tự khi mà đường MACD đã cắt đường tín hiệu EMA(9) của nó từ trên xuống và đang tiến sát và chạm vào vạch 0 với tốc độ rất nhanh Điều này cho thấy rằng, giá trung bình của CP SAM trong 12 phiên gần đây đang có xu hướng giảm mạnh và nhỏ hơn hẳn trung bình giá của 26 phiên gần nhất, và đường MACD đang cách ở dưới đường tín hiệu của nó một khoảng cách khá xa Chứng tỏ rằng trong thời gian sắp tới, giá cổ phiếu sẽ còn có khả năng giảm nhiều hơn nữa
Chỉ báo về dòng tiền MFI cũng đã tiến xuống dưới đường 50 và cho tín hiệu giống như đường RSI.
Thêm nữa, ta không thấy xuất hiện sự phân kỳ ở các đường RSI, MFI, và MACD, điều đó càng khẳng định chắc chắn rằng xu thế hiện tại sẽ tiếp tục được củng cố và gia tăng.
Hầu như tất cả các chỉ báo đều xác định một xu hướng giảm giá rõ rệt trong dài hạn của CP SAM Nhưng vào thời điểm này, chỉ báo ngắn hạn Stochastic dường như lại cho ra một tín hiệu mua khi có sự giao cắt của đường %K và đường %D vào ngày 4/11/2009.
Hình 20: Đồ thị sự giao cắt của đường %K và %D
Như vậy có thể sẽ có một sự tăng giá trong ngắn hạn của cp SAM và nó chắc chắn sẽ rơi vào đợt sóng điều chỉnh tăng trước khi tiếp tục giảm sâu hơn nữa Và điều này cũng là dễ hiểu khi mà sau một chuỗi thời gian dài cổ phiếu SAM chỉ biết đến 2 cụm từ giảm giá.
Dựa vào lý thuyết sóng Elliot, và công cụ Fibonacci Retracements ta sẽ dự báo các ngưỡng kháng cự và hỗ trợ cho khoảng thời gian sắp tới Nối 2 điểm giá cao nhất vào 23/10/2009 và điểm giá thấp nhất vào ngày 2/7/2009 ta sẽ có các mức truy hồi ứng với các mức tỷ lệ như sau:
Hình 21: Dự báo với Fibonacci Retracements
Như vậy một kịch bản có thể được tạo ra dựa trên lý thuyết sóng Elliot là: sau khi đường giá rơi xuống chạm vào mức tỷ lệ 50% (lúc này đây chính là sóng A trong mô hình sóng 5-3 điển hình như đã nói ở trên) khi đó sẽ xuất hiện một đợt sóng điều chỉnh tăng(nhưng nhỏ) B với đỉnh sóng ứng với mức tỷ lệ 38.2% (tương đương mức giá xấp xỉ 36 nghìn) rồi sau đó sẽ tiếp tục giảm xuống dưới qua mức sóng A và chạm đường 61.8% (tương đương mức giá 32nghìn) và đây chính là sóng C trong mô hình sóng 5-3 Như vậy là kết
C thúc một chu kỳ sóng 5-3 điển hình, và tiếp theo sóng C thì sẽ là một chu kỳ mới tiếp diễn
Thực tế cho thấy kịch bản được nói ở phía trên là khá chính xác khi mà: +) Kết thúc ngày 4/11/2009: Pclose(SAM) = 34.4 nghìn đồng (sóng A) và ngay ngày hôm sau 5/11/2009 mức giá đóng của cổ phiếu SAM là 35.5 nghìn đồng (sóng B) rồi lập tức quay đầu giảm giá, vượt qua cả mức giá ngày 4/11/2009 là 34.4 nghìn đồng và xuống hẳn mức 31.8 nghìn đồng vào ngày 11/11/2009 (sóng C) Như vậy là một con sóng 5-3 điển hình sẽ kết thúc khi hết sóng C, và tiếp theo đó sẽ lại là một chu kỳ mới, với những con sóng mới.
Hình 22: Kết quả dự báo giá CP SAM bằng Fibonacci Retracements
Có thể nói cả năm phương pháp đã nêu đều được xếp vào trường phái
“phân tích kỹ thuật“, tuy vậy nhưng mỗi phương pháp đều có cho mình những ưu và nhược điểm riêng so với những phương pháp khác
Đối với mô hình ARIMA, và mô hình GARCH để đạt được độ chính xác cao trong kết quả dự báo thì ta chỉ nên dự báo cho những khoảng thời gian cực ngắn, thường là 1 đến 2 hoặc cùng lắm là cho 3 chu kỳ tiếp theo ngoài mẫu Bởi nếu ta dự báo cho những chu kỳ quá xa thì sai số của mô hình sẽ tăng lên rất nhiều Muốn dự báo cho những chu kỳ xa thì ta nên update thêm số liệu thực vào mẫu quan sát và từ đó đi ước lượng lại mô hình ban đầu rồi mới dùng mô hình mới ước lượng đó để tiếp tục dự báo.
Với mô hình cây nhị phân thì việc ước lượng được chính xác các tham số của mô hình là một việc rất khó làm trong thực tế Nhưng nếu có thể ước lượng được các tham số đó một cách chính xác thì mô hình sẽ là rất có giá trị.
Với mô hình phục hồi trung bình thì mô hình chỉ tỏ ra đúng và có ý nghĩa trong những khoảng thời gian nhất định, chứ không phải là lúc nào cũng có thể sử dụng được Và mô hình cũng chỉ cho phép ta “có thể“ dự đoán được xu hướng tiếp theo của mức giá một cách tương đối.