(Luận văn) ứng dụng mô hình arima vào dự báo giá chứng khoán

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM KHOA KẾ TỐN – TÀI CHÍNH – NGÂN HÀNG KHĨA LUẬN TỐT NGHIỆP lu ỨNG DỤNG MƠ HÌNH ARIMA VÀO DỰ BÁO GIÁ CHỨNG KHỐN an n va ie gh tn to Ngành : TÀI CHÍNH NGÂN HÀNG p : d oa nl w Chuyên ngành : TÀI CHÍNH DOANH NGHIỆP lu : Ths Nguyễn Linh Nhâm : 11DTDN5 : Nguyễn Thanh Phú : 1154020741 ll u nf va an Giảng viên hướng dẫn Lớp: Sinh viên thực MSSV oi m z at nh z m co l gm @ an Lu TP HỒ CHÍ MINH, 2015 n va ac th si i LỜI CAM ĐOAN Tôi xin cam đoan báo cáo thực tập Các số liệu kết nghiên cứu nêu báo cáo hoàn toàn trung thực, thu thập tìm hiểu từ trình tự chạy mơ hình, báo cáo thu từ thực tập Cơng ty cổ phần chứng khốn VNDirect – CN TP HCM, số liệu khác tác giả cho phép sử dụng chưa cơng bố cơng trình nghiên cứu khác Tơi hồn tồn chịu trách nhiệm trước nhà trường lời cam đoan TP Hồ Chí Minh, ngày 08 tháng 08 năm 2015 Sinh viên thực lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si ii LỜI CẢM ƠN Em xin cám ơn Ban giám hiệu, tồn thể thầy giáo Trường Đại học Cơng Nghệ TP.HCM, người giảng dạy tận tình, quan tâm giúp đỡ em suốt năm học, giúp em trang bị kiến thức cần thiết vững bước đường đời Đặc biệt em xin chân thành cảm ơn cô, ThS Nguyễn Linh Nhâm, người tận tình hướng dẫn giúp đỡ em trình thực khóa luận Em muốn cảm ơn bạn Nguyễn Công Thành sinh viên HUTECH hỗ trợ hướng dẫn em bước thực mơ hình ARIMA Và em xin gửi lời cảm ơn chân thành đến Ban Giám đốc Công ty cổ phần Chứng lu khoán VNDIRECT – chi nhánh TP.HCM anh chị Phịng Mơi giới 10 tạo an điều kiện cho em làm việc, hỗ trợ chia sẻ kinh nghiệp thực tế quý báu giúp n va em hồn thành khóa luận tn to Em xin chúc quý thầy cô sức khỏe để hồn thành tốt cơng việc giảng dạy gh Chúc anh chị Công ty cổ phần Chứng khốn VNDIRECT sức khỏe, thành cơng p ie cơng việc Chúc công ty ngày thành công phát triển w TP Hồ Chí Minh, ngày 08 tháng 08 năm 2015 d oa nl Sinh viên thực nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si iii MỤC LỤC LỜI MỞ ĐẦU Lý chọn đề tài Mục tiêu nghiên cứu Đối tượng nghiên cứu Phạm vi nghiên cứu Phương pháp nghiên cứu Kết cấu khóa luận CHƯƠNG 1: CƠ SỞ LÝ LUẬN CHUNG lu an 1.1 Một số thuật ngữ chứng khoán n va 1.1.1 Chứng khoán thị trường chứng khoán to gh tn 1.1.2 Giá chứng khoán p ie 1.1.3 Một số thuật ngữ khác dùng w 1.1.4 Phân tích phân tích kỹ thuật oa nl 1.2 Giới thiệu mơ hình ARIMA 12 d 1.2.1 Chuỗi thời gian thành phần chuỗi thời gian 12 lu nf va an 1.2.2 Các thành phần chuỗi thời gian 12 1.2.3 Chuỗi thời gian tĩnh 13 lm ul 1.2.4 Mơ hình kết hợp tự hồi quy trung bình di động (ARIMA(p,d,q)) 13 z at nh oi CHƯƠNG 2: PHƯƠNG PHÁP PHÂN TÍCH, DỰ BÁO GIÁ CƠNG TY CHỨNG KHỐN VNDIRECT ĐANG SỬ DỤNG TRONG BÁO CÁO PHÂN TÍCH z NHANH 15 @ l gm 2.1 Phân tích 15 co 2.1.1 Ứng dụng phân tích 15 m 2.1.2 Phân tích báo cáo phân tích nhanh VND 15 an Lu 2.2 Phân tích kỹ thuật 22 va n 2.3 Đánh giá hoạt động phân tích VND 25 ac th si iv CHƯƠNG 3: SỬ DỤNG CHƯƠNG TRÌNH EVIEWS ĐỂ ỨNG DỤNG MƠ HÌNH ARIMA VÀO DỰ BÁO GIÁ CHỨNG KHOÁN 26 3.1 Số liệu dùng cho kiểm định 26 3.2 Chọn tham biến 26 3.3 Dữ liệu 26 3.3.1 Nguồn liệu 26 3.3.2 Các bước kiểm định ứng dụng mơ hình ARIMA 28 Xác định tham số p, d, q ARIMA 28 Hình 10: Đồ thị Correlogram 28 lu an CHƯƠNG 4: NHẬN XÉT TÍNH ỨNG DỤNG CỦA MƠ HÌNH SAU KHI THỰC n va NGHIỆM 34 tn to 4.1 Đánh giá sơ việc ứng dụng mơ hình 34 ie gh 4.2 Những thành công khóa luận 34 p 4.2.1 Đối với sinh viên 34 oa nl w 4.2.2 Đối với doanh nghiệp 35 d 4.3 Những vấn đề đặt sau thực khóa luận 35 lu nf va an 4.4 Hướng nghiên cứu 36 KẾT LUẬN 37 z at nh oi lm ul z m co l gm @ an Lu n va ac th si v DANH MỤC CÁC TỪ VIẾT TẮT Chi nhánh CTCP Công ty cổ phần VND Cơng ty cổ phần chứng khốn VNDirect HOSE (HSX) Sở giao dịch chứng khốn Thành phố Hồ chí minh HNX Sở giao dịch chứng khoán Hà Nội TP HCM Thành phố Hồ Chí Minh UBCK NN Ủy ban chứng khốn nhà nước KTTCNH Kế tốn – Tài – Ngân hàng VCSH Vốn chủ sở hữu lu CN an n va gh tn to Autoregressive Integrated Moving Average – Tự hồi qui tích hợp Trung bình trượt Ngân hàng Thương mại cổ phần Ngoại thương Việt nam ARIMA p ie VCB nl w Ví dụ d oa Vd nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si vi DANH MỤC CÁC BẢNG, BIỂU ĐỒ, HÌNH ẢNH Hình 1: Biểu đồ biến động giao dịch cổ phiếu VCB 16 Hình 2: Tổng quan VCB 17 Hình 3: Ngành nghề kinh doanh VCB 18 Hình 4: Cơ cấu cổ đông VCB 18 Hình 5: Các thơng tin tình hình kinh doanh VCB 20 Hình 6: Các thơng tin tình hình kinh doanh VCB (tiếp theo) 21 Hình 7: Định giá cổ phiếu VCB 22 Hình 8: Phân tích kỹ thuật VNINDEX 23 Hình 9: Dữ liệu đầu vào phần mềm Eviews 27 lu Hình 10: Biểu đồ Correlogram 28 an Hình 11: Biểu đồ Correlogram sau lấy sai phân 29 n va Hình 12: Kết thu từ thực trình thử lựa chọn mơ hình phù to tn hợp 30 gh Hình 13: Mơ hình tối ưu 31 p ie Hình 14: Kết sau chạy mơ hình tối ưu 32 w Hình 15: Cửa sổ chọn cách dự báo Eviews 33 d oa nl Hình 16: Kết dự báo 33 nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si LỜI MỞ ĐẦU Lý chọn đề tài Lý lý luận: Thị trường chứng khoán Việt Nam đời từ năm đầu kỷ 21 nhanh chóng trở thành kênh đầu tư hấp dẫn, từ nhà đầu tư cá nhân nhỏ lẻ, nhà đầu tư chuyên nghiệp, tổ chức với nhiều phong cách đầu tư khác Họ mong muốn lợi nhuận, mức sinh lời cao dĩ nhiên kèm việc rủi ro tiềm ẩn khơng Do đó, việc dự báo xác giá tổ chức phân tích chứng khốn ln đặt lên hàng đầu, từ phân tích kỹ thuật đến phân tích nhà đầu tư có sách lược phong cách đầu tư phù hợp Nhưng liệu với kinh tế với số liệu không minh bạch, hành lang pháp lý lu nhiều sơ hở để thao túng giá cổ phiếu xảy hàng phút bảng điện tử an sau 15 năm hoạt động, nhà đầu tư cịn tin vào báo cáo đơn định n va tính khơng? Liệu tài định lượng áp dụng vào hoạt động phân tn to tích giá thị trường chứng khốn Việt Nam khơng? gh Lý thực tiễn: Qua trình thực tập CTCP CK VNDIRECT để thực báo p ie cáo tốt nghiệp “Đánh giá hiệu hoạt động môi giới CTCP CK VNDIRECT” w Cùng với nhu cầu hoạt động phân tích quan sát hoạt động phân oa nl tích qua tham khảo báo cáo phân tích VND, thân em muốn d phát triển báo cáo thực tập để tìm hiểu, áp dụng mơ hình định lượng đặt vào việc lu an phân tích giá chứng khốn Đó lý khiến em định thực đề Mục tiêu nghiên cứu Mục tiêu sinh viên: z at nh oi - lm ul khoán Việt Nam” nf va tài: “Ứng dụng mơ hình ARIMA vào hoạt động phân tích giá thị trường chứng + Tìm hiểu mơ hình ARIMA xem xét tính hiệu mơ hình z + Ứng dụng kiến thức học thực tế làm việc vào phân tích dự báo số gm @ giá chứng khoán m co VND nói riêng l + Hiểu rõ hoạt động phân tích cơng ty chứng khốn nói chung an Lu - Mục tiêu doanh nghiệp: Khóa luận trở thành tài liệu tư vấn cho hoạt động phân tích, nhận định vấn đề thiếu sót nhằm cải thiện nâng cao n va chất lượng hoạt động phân tích ac th si Đối tượng nghiên cứu Đối tượng nghiên cứu khóa luận ứng dụng mơ hình ARIMA vào báo cáo phân tích chứng khốn VND Phạm vi nghiên cứu Khóa luận giới hạn phạm vi nghiên cứu hoạt động phân tích VND dựa số liệu lịch sử VCB thời gian từ 01/01/2013 – 01/01/2015 Phương pháp nghiên cứu Thu thập, thống kê, tổng hợp so sánh thông tin từ Internet, website VND, báo cáo phân tích VND, sở nghiên cứu từ cơng ty Nghiên cứu định tính: Quan sát, tham khảo báo cáo, ý kiến số khách hàng lu để đưa nhận định xu hướng giá chứng khoán an Nghiên cứu định lượng: Sử dụng mơ hình ARIMA, để dự báo giá chứng khốn n va Kết cấu khóa luận tn to Khóa luận gồm nội dung chính: gh Chương 1: Cơ sở lý luận chung p ie Giới thiệu mơ hình ARIMA số cơng cụ thực để phân tích w Chương 2: Hoạt động phân tích CTCP Chứng khốn VNDIRECT qua Báo cáo oa nl phân tích cơng ty d Đánh giá hoạt động phân tích VND việc phân tích Báo cáo phân tích an lu cổ phiếu phát hành lm ul chứng khoán Việt Nam nf va Chương 3: Xây dựng mơ hình ARIMA để dự báo giá chứng khốn thị trường Trình bày thực nghiệm mơ hình ARIMA cho liệu công ty z at nh oi chọn Thực bước song song với trình thi hành chương trình với phần mềm Eviews z Chương 4: Nhận xét tính ứng dụng mơ hình sau thực nghiệm m co l gm @ Kết luận an Lu n va ac th si CHƯƠNG 1: CƠ SỞ LÝ LUẬN CHUNG 1.1 Một số thuật ngữ chứng khoán 1.1.1 Chứng khoán thị trường chứng khoán - Theo Điều Luật chứng khoán số 70/2006/QH11 ngày 29 tháng năm 2006 Quốc hội thì: “Chứng khốn chứng xác nhận quyền lợi ích hợp pháp người sở hữu tài sản phần vốn tổ chức phát hành Chứng khoán thể hình thức chứng chỉ, bút tốn ghi sổ liệu điện tử, bao gồm loại sau đây: a) Cổ phiếu, trái phiếu, chứng quỹ; b) Quyền mua cổ phần, chứng quyền, quyền chọn mua, quyền chọn bán, hợp đồng lu tương lai, nhóm chứng khoán số chứng khoán; an c) Hợp đồng góp vốn đầu tư; n va d) Các loại chứng khốn khác Bộ Tài quy định.” tn to - Thị trường chứng khoán (Securities Market) nơi trao đổi chứng khoán Thị gh trường chứng khoán giúp người thiếu vốn huy động vốn người có vốn p ie chuyển vốn thành vốn đầu tư Vì thế, thị trường chứng khốn cịn gọi w thị trường vốn oa nl - Ở kinh tế phát triển, loại chứng khốn nợ thứ có tỷ trọng giao dịch áp đảo d thị trường chứng khốn Cịn kinh tế nơi mà thị trường chứng lu an khốn thành lập loại chứng khốn cổ phần lại chiếm tỷ trọng giao dịch nf va lớn Tại phạm vi viết này, hiểu chứng khoán chứng phiếu công ty z at nh oi 1.1.2 Giá chứng khoán lm ul khoán cổ phần (cổ phiếu) thị trường chứng khoán thị trường giao dịch cổ - Mệnh giá: Là số tiền ghi tờ cổ phiếu phát hành Hiện nay, theo quy định z Việt Nam cổ phiếu giao dịch thị trường chứng khốn tập trung có mệnh gm @ giá 10.000 đồng giao dịch tập trung m co l - Thị giá: Là giá thị trường loại chứng khoán mua-bán thị trường cổ phiếu VCB vào thời điểm ngày 02/07/2015 51.500 đồng an Lu Ví dụ: Mệnh giá cổ phiếu VCB 10.000 đồng, giá thị trường n va ac th si - Giá niêm yết: Là mức giá cổ phiếu thực phiên giao dịch niêm yết thị trường chứng khốn hình thành dựa quan hệ cung – cầu thị trường - Giá khớp lệnh: Là mức giá xác định từ kết khớp lệnh Trung tâm giao dịch chứng khoán, thỏa mãn tối đa nhu cầu người mua người bán chứng khốn - Giá đóng cửa: Là giá thực lần giao dịch cuối ngày giao dịch - Giá mở cửa: Là giá thực lần khớp lệnh ngày giao dịch - Giá tham chiếu: Là mức giá làm sở việc tính giới hạn dao động giá chứng khoán phiên giao dịch Tại thị trường chứng khốn Việt Nam giá tham chiếu lu ngày giao dịch giá đóng cửa ngày giao dịch liền trước an - Biên độ dao động giá: Là giới hạn giá chứng khốn biến đổi tối đa ngày n va giao dịch tn to - Giá trần: Là giá cao mà loại chứng khốn thực ngày gh giao dịch p ie Giá trần = Giá tham chiếu x (1 + Biên độ dao động giá) oa nl giao dịch w - Giá sàn: Là giá thấp mà loại chứng khốn thực ngày d Giá sàn = Giá tham chiếu x (1 – Biên độ dao động giá) lu an 1.1.3 Một số thuật ngữ khác dùng nf va - Báo cáo phân tích nhanh báo cáo phân tích cung cấp ngắn gọn đầy đủ lm ul thơng tin tình hình doanh nghiệp Báo cáo lập khách hàng yêu cầu, phải phát hành 24-48 tiếng z at nh oi - Chi phí dự phịng phần tiền để dự phòng cho rủi ro kinh doanh (Tại khóa luận phần tiền Ngân hàng dùng để tự phịng cho việc phân loại nợ mình) z - Thu nhập từ lãi phần tiền vượt vốn thu lại từ hoạt động cho vay @ gm - Chỉ số NIM Thu nhập từ lãi biên %(NIM_Net interest margin) = (Thu nhập cho vay l đầu tư CK - Chi trả lãi tiền gửi nợ khác)/ tổng tài sản có sinh lời bình quân((cuối m co kỳ + đầu kỳ)/2) Tỷ lệ thu nhập lãi cận biên tính cách chia phần thu nhập từ an Lu lãi cho thu nhập tài sản bình quân Theo đánh giá S&P tỷ lệ NIM 3% xem thấp NIM lớn 5% xem cao NIM có xu va n hướng cao ngân hàng bán lẻ quy mô nhỏ, ngân hàng thẻ tín dụng tổ ac th si chức cho vay NIM ngân hàng bán buôn, ngân hàng đa quốc gia hay tổ chức cho vay cầm cố Tỷ lệ NIM tăng cho thấy dấu hiệu quản trị tốt tài sản Nợ - Có NIM có xu hướng thấp bị thu hẹp cho thấy lợi nhuận ngân hàng bị co hẹp lại - Nợ xấu hay nợ khó địi khoản nợ chuẩn, hạn bị nghi ngờ khả trả nợ lẫn khả thu hồi vốn chủ nợ, điều thường xảy nợ tuyên bố phá sản tẩu tán tài sản Nợ xấu gồm khoản nợ hạn trả lãi và/hoặc gốc thường ba tháng vào khả trả nợ khách hàng để hạch tốn khoản vay vào nhóm thích hợp Tỷ lệ nợ xấu số nợ xấu tổng dư nợ ngân hàng Chỉ số 3% bình thường, lớn lu 3% xem cao an - Chỉ số PE số phân tích quan trọng định đầu tư n va chứng khoán nhà đầu tư Thu nhập từ cổ phiếu có ảnh hưởng định đến giá tn to thị trường cổ phiếu Hệ số P/E đo lường mối quan hệ giá thị trường gh (Market Price - P) thu nhập cổ phiếu (Earning Per Share - EPS) p ie tính sau: P/E = P/EPS w Trong giá thị trường P cổ phiếu cổ phiếu mua bán oa nl thời điểm tại; thu nhập cổ phiếu EPS phần lợi nhuận rịng sau thuế mà d cơng ty chia cho cổ đơng thường năm tài gần lu an P/E cho thấy giá cổ phiếu cao thu nhập từ cổ phiếu lần, hay nf va nhà đầu tư phải trả giá cho đồng thu nhập P/E tính cho cổ báo chí z at nh oi lm ul phiếu tính trung bình cho tất cổ phiếu hệ số thường cơng bố Nếu hệ số P/E cao điều có nghĩa người đầu tư dự kiến tốc độ tăng cổ tức cao tương lai; cổ phiếu có rủi ro thấp nên người đầu tư thoả mãn với tỷ suất vốn hoá z thị trường thấp; dự đốn cơng ty có tốc độ tăng trưởng trung bình trả cổ tức cao @ gm - Chỉ số PB tỷ lệ sử dụng để so sánh giá cổ phiếu so với giá trị ghi sổ l cổ phiếu Tỷ lệ tính tốn cách lấy giá đóng cửa cổ m co phiếu chia cho giá trị ghi sổ quý gần cổ phiếu Đối với nhà đầu tư, an Lu P/B cơng cụ giúp họ tìm kiếm cổ phiếu có giá thấp mà phần lớn thị trường bỏ qua Nếu doanh nghiệp bán cổ phần với mức giá thấp giá trị ghi sổ va n (tức có tỷ lệ P/B nhỏ 1), có hai trường hợp xảy ra: thị ac th si trường nghĩ giá trị tài sản công ty bị thổi phồng mức, thu nhập tài sản công ty thấp Nếu điều kiện xảy ra, nhà đầu tư nên tránh xa cổ phiếu giá trị tài sản cơng ty nhanh chóng thị trường điều chỉnh giá trị thật Còn điều thứ hai đúng, có khả lãnh đạo công ty điều kiện kinh doanh đem lại triển vọng kinh doanh cho công ty, tạo dòng thu nhập dương tăng lợi nhuận cho cổ đông Ngược lại, công ty có giá thị trường cổ phiếu cao giá trị ghi sổ thường dấu hiệu cho thấy công ty làm ăn tốt, thu nhập tài sản cao Chỉ số P/B thực có ích nhà đầu tư xem xét doanh nghiệp có mức độ tập lu trung vốn cao cơng ty tài chính, giá trị tài sản cơng ty tương an đối lớn Vì cơng tác kế toán phải tuân thủ tiêu chuẩn ngặt nghèo, nên giá trị ghi n va sổ tài sản hồn tồn khơng tính tới tài sản vơ thương hiệu, nhãn hiệu, tn to uy tín, sáng chế tài sản trí tuệ khác công ty tạo Giá trị ghi sổ không p lớn ie gh có ý nghĩa nhiều với cơng ty dịch vụ giá trị tài sản hữu hình họ khơng w 1.1.4 Phân tích phân tích kỹ thuật oa nl Phân tích chứng khốn nhu cầu khơng thể thiếu đầu tư chứng khốn Tùy theo d khả trình độ, thời gian nhu cầu sử dụng, có nhiều cách tiếp lu an cận nghiên cứu, phân tích định đầu tư khác chứng nf va khoán riêng lẻ danh mục đầu tư lm ul Cổ phiếu loại chứng khoán chủ yếu cần phân tích phục vụ đầu tư Đến người ta tổng kết lại có hai phương pháp phân tích sử dụng z at nh oi cách phổ biến hầu hết thị trường chứng khốn (TTCK) giới, phân tích phân tích kỹ thuật Trong đó, phân tích thực chất z phân tích tình hình tài doanh nghiệp phát hành chứng khoán Hiệu hoạt @ gm động kinh doanh tình hình tài doanh nghiệp có ảnh hưởng lớn đến giá l cổ phiếu niêm yết giao dịch thị trường Khác với phân tích bản, m co phân tích kỹ thuật dựa vào diễn biến giá chứng khoán khối lượng giao an Lu dịch khứ để dự đoán xu biến đổi giá chứng khốn tương lai Việc phân tích kỹ thuật thực dựa sở ứng dụng rộng rãi đồ thị va n cơng thức tốn học, mơ hình tốn kinh tế để xác định xu thị trường ac th si loại chứng khốn, từ xác định thời điểm mua bán chứng khoán phù hợp với mục tiêu nhà đầu tư Tuy nhiên, khơng người mơ hồ nhầm lẫn vai trò ứng dụng thực tiễn hai phương pháp Phần sau làm rõ chất hai phương pháp 1.3.1 Phân tích (FA - Fundamental Analysis) Là phương pháp phân tích cổ phiếu dựa vào nhân tố mang tính chất tảng có tác động dẫn tới thay đổi giá cổ phiếu nhằm giá trị nội (intrinsic value) cổ phiếu thị trường Kim nam nhà đầu tư theo trường phái phân tích đo lường giá trị lu thực công ty với tiêu tài như: Tăng trưởng doanh thu, lợi nhuận, an rủi ro mà cơng ty gặp phải, dịng tiền… Sự chênh lệch giá trị thị n va trường so với giá trị thực công ty hội để đầu tư dấu hiệu cho tn to việc bán chốt lời cổ phiếu gh Phân tích dựa vào giả định sau: p ie - Mối quan hệ giá trị yếu tố tài đo lường w - Mối quan hệ ổn định khoảng thời gian đủ dài oa nl - Các sai lệch mối quan hệ điều chỉnh lại vào thời điểm thích hợp d Giá trị mục tiêu phân tích Một số nhà phân tích thường lu an sử dụng phương pháp chiết khấu dòng tiền để xác định giá trị cơng ty Trong nf va đó, số khác lại sử dụng tỷ số giá thu nhập (P/E)… lm ul Các nhân tố cần nghiên cứu bao gồm: - Phân tích thơng tin cơng ty z at nh oi - Phân tích báo cáo tài cơng ty - Phân tích hoạt động kinh doanh công ty z - Phân tích ngành mà cơng ty hoạt động @ gm - Phân tích điều kiện kinh tế vĩ mơ ảnh hưởng chung đến giá cổ phiếu l Sau nghiên cứu, nhà phân tích có nhiệm vụ phải dự đoán cho m co tiêu quan trọng thu nhập kỳ vọng, giá trị sổ sách cổ phiếu, giá phiếu thị trường an Lu trị hợp lý cổ phiếu, đánh giá quan trọng khuyến nghị mua/bán cổ n va Cụ thể, nhân tố cần trọng phân tích cổ phiếu là: ac th si - Hoạt động kinh doanh công ty - Mục tiêu nhiệm vụ công ty - Khả lợi nhuận (hiện ước đoán) - Nhu cầu sản phẩm dịch vụ công ty - Sức ép cạnh tranh sách giá - Kết SXKD theo thời gian - Kết SXKD so với công ty tương tự với thị trường - Vị ngành - Chất lượng quản lý Ở góc độ tổng qt, phân tích sử dụng theo phương pháp lu phân tích từ nhân tố vĩ mơ đến nhân tố vi mơ có ảnh hưởng đến cổ phiếu (thường gọi an phương pháp top-down) gồm cấp độ sau: n va 1/ Phân tích điều kiện kinh tế vĩ mô tn to 2/ Phân tích thị trường tài – chứng khốn gh 3/ Phân tích ngành mà cơng ty hoạt động p ie 4/ Phân tích cơng ty w 5/ Phân tích cổ phiếu oa nl Trong thực tế, tùy vào mục tiêu khả phân tích mà nhà phân tích sử d dụng năm mức độ phân tích nêu Ví dụ, phân tích cơng ty, ta lu an sử dụng phương pháp phân tích phi tài chính, đánh giá máy quản lý nf va doanh nghiệp, nguồn nhân lực, khả phát triển sản phẩm mới, thị trường thị lm ul phần, khả cạnh tranh… Cũng phân tích cơng ty, nhà phân tích cịn sử dụng cách tiếp cận thường gọi phương pháp SWOT, với việc xác định z at nh oi đánh giá tập trung khía cạnh sau cơng ty - Điểm mạnh (Strenghts) l gm - Thách thức (Threats) @ - Cơ hội (Opportunities) z - Điểm yếu (Weaks) 1/ Cổ phiếu hàng đầu (blue-chips) n va 2/ Cổ phiếu tăng trưởng ổn định an Lu loại dựa tính chất thu nhập mà mang lại là: m co Một cách phân tích nhanh cổ phiếu, nhà đầu tư phân loại cổ phiếu thành ac th si 3/ Cổ phiếu tăng trưởng bùng nổ 4/ Cổ phiếu phòng vệ 5/ Cổ phiếu chu kỳ 6/ Cổ phiếu thời vụ Hoạt động phân tích cốt lõi khó khăn phân tích cổ phiếu Bản chất phương pháp phân tích việc định giá cổ phiếu nhằm dự đoán giá trị nội cổ phiếu Với mục tiêu này, thơng thường có phương pháp định giá cổ phiếu là: 1/ Phương pháp định giá dựa luồng cổ tức 2/ Phương pháp định giá dựa luồng tiền lu 3/ Phương pháp định giá dựa hệ số P/E an 4/ Phương pháp dựa hệ số tài n va 5/ Phương pháp định giá dựa tài sản rịng Theo Edward Magee “phân tích kỹ thuật môn khoa học ghi gh tn to 1.3.2 Phân tích kỹ thuật (TA – Technical Analysis) p ie nhận lại, thường dạng đồ thị, hoạt động giao dịch diễn khứ w gây lên thay đổi giá, khối lượng giao dịch… chứng khoán oa nl hay với chung toàn thị trường sau dựa “bức tranh khứ để suy d luận xu xảy tương lai” lu an Còn theo Steven B Achelis, tác giả sách “Technical Analysis from A nf va to Z” “Phân tích kỹ thuật việc nghiên cứu giá, với công cụ biểu đồ, lm ul nhằm nâng cao hiệu hoạt động đầu tư…” Xét cho định nghĩa phân tích kỹ thuật cần đơn giản vậy, cụ z at nh oi thể chất công cụ ta không bàn đến phạm vi khóa luận Phương pháp phân tích kỹ thuật xây dựng dựa giả định: z - Thị trường ln có tính xu hướng: Khi thị trường vào xu hướng @ l bị phá hủy, chuyển hẳn sang xu hướng gm (đi lên, xuống, hay ngang) tiếp tục xu hướng nó, xu hướng m co - Giá phản ánh tất cả: Đây nguyên tắc quan trọng Các nhà phân tích kỹ an Lu thuật tin rằng, yếu tố kinh tế, trị, tâm lý… phản ánh giá thị trường Khơng có bât thường cổ phiếu công ty n va giao dịch thấp hay cao so với giá trị sổ sách cổ phiếu ac th si 10 - Lịch sử lặp lại: Khi cổ phiếu vận động nào, vận động đó, có khả cao lặp lại giá cổ phiếu hội tụ yếu tố để rơi vào vùng vận động giá Ở phân tích kỹ thuật, giá khối lượng giao dịch biến số chính, qua nghiên cứu diễn biến lịch sử mà nhà phân tích kỹ thuật đưa dự báo cho tương lai Một mạnh lớn phân tích kỹ thuật ứng dụng phương thức giao dịch vào với khoản thời gian giao dịch Khơng có phần giao dịch chứng khoán hay chứng khoán phái sinh mà phân tích kỹ thuật khơng ứng dụng Một nhà phân tích kỹ thuật sử dụng đồ thị thị trường lu tùy thích, điều khơng thể người sử dụng phân tích an Điều với thị trường, người áp dụng phân tích phải xử lý n va khối lượng liệu khổng lồ, nói lên người phân tích tn to chuyên vào hay nhóm nhỏ chứng khốn định Những ưu gh phân tích kỹ thuật khơng thể bỏ qua p ie Để thực phân tích kỹ thuật, nhà đầu tư phải dựa vào hình ảnh đồ thị, w trục tung biểu thị giá cổ phiếu trục hoành biểu thị đường thời gian, với nhiều dạng oa nl đồ thị đường thẳng (line chart), đồ thị dạng vạch (bar chart), đồ thị hình nến d (candlestick chart) Thơng qua đó, nhà phân tích kỹ thuật sử dụng báo phân lu an tích kỹ thuật thơng dụng đường xu thế, kênh xu thế, mức hỗ trợ, mức kháng cự, nf va điểm đột phá, đường trung bình động, số sức mạnh tương đối, dải Bollinger… lm ul Các phương pháp cơng cụ phân tích kỹ thuật phát triển trở nên thịnh hành từ đầu kỷ trước với bật lý thuyết Dow (của ông Charles Dow) với z at nh oi ý tưởng phân tích đăng tải lần đầu tạp chí Wall Street Journal Lý thuyết Dow coi tảng cho phương pháp phân tích kỹ thuật với gm @ Một số báo kỹ thuật thông dụng z báo quan trọng l - RSI (Relative Strength Index) số sức mạnh tương đối, dùng để nhận biết trạng an Lu tăng trở lại 70 mua giá có xu hướng giảm m co thái mua bán thị trường Dưới 50 bán, giá nhanh chóng - DMI (Directional movement index) số xu hướng thị trường, dùng để nhận biết va n tín hiệu mua bán Bao gồm cặp +DI (hướng vấn động tích cực) –DI (hướng ac th si 11 vận động tiêu cực), +DI cắt nằm –DI tín hiệu mua ngược lại +DI cắt nằm tín hiệu bán Kết hợp với số ADX (chỉ số xu hướng trung bình) cho biết mức hỗ trợ xu hướng, ADX tăng cho biết thị trường tiếp tục trì xu hướng ngược lại Vd phân tích VnIndex VND, đường +DI màu xanh cắt đường +DI màu đỏ cho thấy tín hiệu mua, nhiên ADX lại hướng xuống đồng thời khoản thị trường giảm nên khả xu hướng mua không tồn lâu - SMA đường trung bình đơn giản, tính cách lấy tổng giá đóng cửa thị trường chia cho số khoảng thời gian Vd SMA (20) 20 ngày Bằng việc so sánh đường SMA khác khoảng thời gian cho ta biết xu hướng giá, lu đường SMA ngắn hạn cắt phía đường SMA dài hạn giá có xu hướng an tăng ngược lại Tuy nhiên SMA trung bình giá q khứ nên có độ trễ n va - Bollinger Band: dải băng Bollinger sử dụng để đo bất ổn thị trường, tn to công cụ cho biết thị trường yên lặng hay sôi động, thị trường ổn định bải gh băng thu hẹp, thị trường biến động lớn dải băng mở rộng Từ cho thấy p ie xu hướng thị trường dựa xu hướng dải băng w - Hỗ trợ kháng cự, đường xu thế, kênh cơng cụ hỗ trợ cho phân tích xu an lu - Ưu: d Phân tích bản: oa nl hướng thị trường lm ul - Nhược: nf va + Phù hợp cho việc định đầu tư dài hạn ( lựa chọn công ty tốt để đầu tư) + Tốn nhiều thời gian công sức (do phải tiếp cận xử lí nhiều thơng tin tài chính) z at nh oi + Kết phân tích hạn chế ( phụ thuộc độ xác báo cáo tài chính) + Mang tính chủ quan người phân tích, bỏ qua tâm lí nhà đầu tư m co an Lu + Xác định thời điểm đâu tư thích hợp l + Phân tích khơng phụ thuộc báo cáo tài gm + Dự báo giá ngắn, trung,dài hạn @ - Ưu: z Phân tích kĩ thuật: + Cho phép phát xu chuyển dịch giá sang mức giá cân n va - Nhược: ac th si 12 + Mang nặng tính chủ quan người phân tích + Dự đốn bị chậm phát xu giá chuyển động mạnh 1.2 Giới thiệu mơ hình ARIMA Mơ hình dự báo ARIMA phương pháp dự báo yếu tố nghiên cứu cách độc lập (dự báo theo chuỗi thời gian) Bằng thuật toán sử dụng độ trễ đưa mơ hình dự báo thích hợp George Box Gwilym Jenkins (1976) nghiên cứu mơ hình ARIMA (Autoregressive Integrated Moving Average – Tự hồi qui tích hợp Trung bình trượt), tên họ thường dùng để gọi tên trình ARIMA tổng quát, áp dụng vào việc phân tích dự báo chuỗi thời gian Phương pháp Box-Jenkins với bốn lu bước: nhận dạng mơ hình thử nghiệm, ước lượng, kiểm dịnh chẩn đoán, dự an báo n va Với cách xây dựng tương đối dễ độ tin cậy cao, mơ hình ARIMA sử dụng tn to phổ biến dự báo ngắn hạn, có nhiều cơng trình nghiên cứu áp dụng gh mơ hình vào tài Khóa luận khơng sâu vào việc xây dựng hồn thiện mơ p ie hình mà tiến hành ứng dụng mơ hình ARIMA vào dự báo giá chứng khốn oa nl hình w nhận xét tính ứng dụng mơ hình Dưới số thuật ngữ mô d 1.2.1 Chuỗi thời gian thành phần chuỗi thời gian lu an Trong toán dự báo, kiểu liệu thường gặp liệu chuỗi thời gian, tức nf va liệu thu nhập, lưu trữ quan sát theo tăng dần thời gian lm ul Trong chuỗi thời gian thường giá trị thời điểm khác có mối tương quan với Sự tương quan đánh giá hệ số tự tương quan z at nh oi Định nghĩa: Tự tương quan tương quan biến với theo độ trễ thời gian khác z Để biểu diễn tự tương quan biến theo nhiều độ trễ khác cách trực gm @ quan, ta dùng hàm tự tương quan m an Lu 1.2.2 Các thành phần chuỗi thời gian co độ trễ khác l Định nghĩa: Hàm tự tương quan đồ thị biểu diễn hệ số tự tương quan theo - Thành phần xu hướng (trend) thành phần thể tăng hay giảm giá trị n va chuỗi thời gian giai đoạn dài hạn ac th si 13 - Thành phần chu kỳ (cyclical) chuỗi biến đổi dạng sóng quanh xu hướng - Trong thực tế thành phần khó xác định người ta thường xem phần thành phần xu hướng - Thành phần bất quy tắc (irregular) thành phần thể biến đổi ngẫu nhiên khơng thể đốn chuỗi thời gian - Thành phần mùa (Seasonal) thành phần thể biến đổi lặp lặp lại thời điểm cố định theo năm chuỗi thời gian Đối với chuỗi thời gian có thành phần mùa giá trị thời điểm cố định theo năm có tương quan lớn với 1.2.3 Chuỗi thời gian tĩnh lu - Trong trình quan sát chuỗi thời gian, ta nhận thấy có chuỗi thời gian an mà trung bình phương sai khơng phụ thuộc vào thời gian Những chuỗi thời n va gian gọi chuỗi thời gian có tính chất tĩnh (stationary) hay gọi chuỗi thời tn to gian tĩnh gh 1.2.4 Mơ hình kết hợp tự hồi quy trung bình di động (ARIMA(p,d,q)) p ie - Mơ hình ARIMA (p,d,q) mơ hình trung bình trượt, đồng liên kết, tự hồi quy Mơ w hình sử dụng liệu số liệu khứ biến cần giải thích để dự báo oa nl cho biến Cơng thức tổng qt mơ hình: d Dd (Yt) = Ф + [ α1Dd(Yt-1) +…+ αpDd(Yt-p) ] + [ β1Ut-1 +…+ βqUt-q ] + Ut an lu Trong đó: lm ul Dd sai phân bậc d nf va Ф giá trị trung bình trình z at nh oi α1,…,αp ; β1,…,βq hệ số ước lượng, điều kiện : -1< α1,…,αp ; β1,…,βq d = nf va Xác định p, q cách so sánh tiêu chí “R-squared, R-Squared Adjusted, Log lm ul Likelihood, Akaike info Criterion, Schwarz Criterion, Sau trình thử kiểm định, ta có kết bảng sau: z at nh oi z m co l gm @ an Lu n va ac th si 30 Hình 12: Kết thu từ thực trình thử lựa chọn mơ hình phù hợp lu an n va Như sau xét tiêu chí, ta lựa chọn mơ hình có p, q với kết tối ưu tn to AR(1, 3, 4) MA (1, 2, 3, 4, 5, 6) gh 3.3.2.2 Ước lượng kiểm định với mơ hình ARIMA p ie Xây dựng mơ hình ARIMA w Chọn Quick/Estimate Equation… sau nhập “D(Close) c ar(1) ar(3) ar(4) ma(1) d oa nl ma(2) ma(3) ma(4) ma(5) ma(6)” nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si 31 Click OK, ta có kết Hình 13: Mơ hình tối ưu lu an n va p ie gh tn to oa nl w d Chọn “View/Residual tests/Correlogram – Q – Statistic nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si 32 Hình 14: Kết sau chạy mơ hình tối ưu lu an n va p ie gh tn to w Như sai số mơ hình ARIMA chuỗi dừng có phân phối chuẩn, sai d 3.3.2.3 Dự báo oa nl số nhiễu trắng lu nf va an Tại cửa sổ Equation ấn nút Forecast z at nh oi lm ul z m co l gm @ an Lu n va ac th si 33 Hình 15: Cửa sổ chọn cách dự báo Eviews lu an n va gh tn to p ie Hình 16: Kết dự báo d oa nl w nf va an lu lm ul z at nh oi Qua thực nghiệm dự báo cho số liệu trung bình tuần tiếp theo, so sánh với số liệu thực tế, ta thấy kết đưa xác với thực tế mã chứng khoán VCB Giá dự báo 26409 Chênh lệch(%) 0,27 z Giá thực tế 26480 m co l gm @ an Lu n va ac th si 34 CHƯƠNG 4: NHẬN XÉT TÍNH ỨNG DỤNG CỦA MƠ HÌNH SAU KHI THỰC NGHIỆM 4.1 Đánh giá sơ việc ứng dụng mơ hình Trong đa số trường hợp mơ hình ARIMA cho kết dự báo ngắn hạn đáng tin cậy phương pháp dự báo Tuy nhiên giới hạn của ARIMA là: - Số quan sát cần cho dự báo phải lớn - Chỉ dùng để dự báo ngắn hạn - Khơng thể đưa yếu tố thay đổi có ảnh hưởng đến biến số cần dự báo thời kỳ cần dự báo vào mơ hình - Do thực tế ta không quan sát ACF PACF lý thuyết mà dựa vào lu liệu mẫu chúng, giá trị ACF PACF ước lượng khơng phù hợp xác an với giá trị lý thuyết Cái mà ta tìm kiếm để nhận dạng mơ hình giống n va ACF PACF lý thuyết với liệu mẫu để từ chúng cho ta tn to hướng việc xây dựng mô hình ARIMA Và lý việc gh lập mơ hình ARIMA cần phải có nhiều kỹ mà tất nhiên kỹ có p ie thơng qua thực hành Vì vậy, xây dựng mơ hình ARIMA theo phương pháp Box- w Jenkins có tính chất nghệ thuật khoa học, kỹ thuật khối lượng tính oa nl tốn lớn nên địi hỏi phải có phần mềm kinh tế lượng chuyên dùng d - Các tham số ước lượng từ mơ hình kinh tế lượng phụ thuộc vào sách áp lu an dụng thời gian mơ hình ước lượng thay đổi có thay đổi lm ul thay đổi sách nf va sách Hay ngắn gọn tham số ước lượng không cố định xuất Ví dụ, tháng 10 năm 1979, Hệ thống Dự trữ Liên bang (Fed) thay đổi z at nh oi sách tiền tệ mạnh mẽ Thay cho việc nhằm vào kiểm soát mức lãi suất, Fed công bố từ trở giám sát tốc độ gia tăng mức cung tiền Với thay đổi z dứt khốt vậy, mơ hình kinh tế lượng ước lượng từ liệu khứ m co l 4.2.1 Đối với sinh viên gm 4.2 Những thành cơng khóa luận @ có giá trị dự báo thời kỳ an Lu - Khóa luận giúp tìm hiểu hoạt động phân tích VND, ứng dụng kiến thức học để có bước đánh giá hoạt động phân tích VND sơ khai n va ac th si 35 - Hiểu rõ hoạt động phân tích VND, chứng khốn Việt Nam nói chung, riêng hoạt động nội cơng ty VND nói riêng - Bước đầu tìm hiểu sử dụng mơ hình ARIMA, thu kết thực tế mang tính tin cậy xác thực cao 4.2.2 Đối với doanh nghiệp Dù cho báo cáo khóa luận sơ khai Tuy nhiên, với mục tiêu đồng hành NĐT, đồng thời phát triển thị trường chứng khoán kéo theo gia tăng rủi ro thị trường, yêu cầu hoạt động phân tích ngày phát triển, hỗ trợ tối đa cho NĐT Nên khóa luận đề hướng cho việc phân tích VND, tạo tiền đề cho chuyên gia VND nghiên cứu sâu kỹ mơ lu hình để áp dụng vào thực tế Bằng việc sử dụng mơ hình, doanh nghiệp từ an đề mức chốt lời, cắt lỗ hợp lý trình đầu tư, phát hành n va báo cáo cập nhật nhanh Điều thiết thực trình đầu tư khách tn to hàng, doanh nghiệp nói chung Qua đó, khóa luận hy vọng đóng góp phần gh nhỏ vào phát triển hoạt động phân tích VND p ie 4.3 Những vấn đề đặt sau thực khóa luận w Trong q trình phân tích chạy mơ hình, tác giả nhận việc ứng dụng mơ hình oa nl ARIMA có số hạn chế sau: d - Số liệu dự báo cần phải lớn tính tốn tổng hợp từ nguồn đáng tin cậy, lu an việc kết dự báo cho giá chứng khoán thời điểm điều không tưởng, ta nf va có mức đốn cho thời kỳ, dựa vào mức giá để tham lm ul chiếu cho định đầu tư dùng kim nam để đầu tư - Trong q trình thực khóa luận, tác giả ứng dụng mơ hình thực nghiệm z at nh oi số khoảng thời gian khác (tháng, quý, năm…) kết thu sai số khác lớn khoảng thời gian lựa chọn Điều chứng tỏ z ARIMA phát huy tối ưu định đầu tư ngắn hạn, tính @ gm ứng dụng cao, khoảng thời gian dài hạn bộc lộ hạn chế l - Mơ hình ARIMA dựa vào lý thuyết A, tức để số liệu nói Nhưng thực tế, m co điều khơng khả thi, đặc biệt có thay đổi sách Nhà nước an Lu hay biến động kinh tế giới Những thay đổi làm thay đổi mạnh kết dự báo Chính thế, định tham gia vào TTCK khơng riêng VN, va n cần có tảng chắn kiến thức, chuẩn bị ac th si 36 mặt tâm lý để chấp nhận rủi ro Nếu áp dụng mơ hình vào dự báo giá chứng khốn khơng thành công 4.4 Hướng nghiên cứu Nghiên cứu thực nghiệm ứng dụng ARIMA kết hợp với phương pháp khác nhằm hạn chế bớt yếu điểm ARIMA, đặc biệt điều kiện có nhiều biến động kinh tế Trong đó, điển hình mơ hình ARCH (mơ hình phương sai có điều kiện thay đổi tự hồi quy) Trong mơ hình ARIMA, phần dư Ut (nhiễu trắng) giả định đáp ứng đầy đủ giả thuyết mơ hình hồi quy tuyến tính cổ điển, tức có kỳ vọng khơng, phương sai không đổi hiệp phương sai không Tuy nhiên thực tế lu phần dư khơng phải số mà thay đổi theo thời gian dự báo an Mơ hình ARCH mơ hình phương sai có điều kiện thay đổi tự hồi quy, mơ hình n va ước lượng giá trị trung bình ước lượng phương sai phương sai (có điều tn to kiện) thay đổi gh Qua trình thực nghiệm thu kết phân tích, đánh giá p ie non nớt em mơ hình ARIMA, em hi vọng mơ hình chuyên w gia nghiên cứu phát triển tiếp tục Trong trường hợp có điều kiện để sâu oa nl mô hình tương lai, em tiếp tục phát triển mơ hình để đóng góp d vào thành cơng chung trường nói riêng, TTCK VN nói chung nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si 37 KẾT LUẬN Sự hình thành phát triển thị trường chứng khốn nhu cầu tất yếu kinh tế phát triển, nhiên lịch sử đời phát triển TTCK Việt Nam so với TTCK giới non trẻ Trải qua biến động khủng hoảng kinh tế giới 2008, TTCK Việt Nam chịu nhiều ảnh hưởng, nhiên gần có phục hồi Năm 2013 2014 thời kỳ tương đối ổn định TTCK Việt Nam, ổn định kinh tế vĩ mơ hàng loạt sách quản lý, tái cấu trúc đem lại khởi sắc cho TTCK Và với tảng đó, qua năm 2015, TTCK có bước chuyển động tích cực hơn, ngày khẳng định vai trị kinh tế lu Với mục tiêu đồng hành NĐT, đồng thời phát triển thị trường chứng an khoán kéo theo gia tăng rủi ro thị trường, yêu cầu hoạt động phân tích n va ngày phải phát triển, hỗ trợ tối đa cho NĐT VNDirect đã, tiếp tục đẩy tn to mạnh hoạt động phân tích để đóng góp vào tài vững mạnh gh Tuy có nhiều cố gắng nhiên khóa luận cịn nhiều thiếu sót, em mong nhận p ie đóng góp ý kiến, hướng dẫn Thầy Cơ Anh Chị CTCP Chứng d oa nl w khốn VNDirect để khóa luận hồn thiện nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si PHỤ LỤC Chuỗi thời gian thành phần chuỗi thời gian Chuỗi thời gian Trong toán dự báo, kiểu liệu thường gặp liệu chuỗi thời gian, tức liệu thu nhập, lưu trữ quan sát theo tăng dần thời gian Ví dụ, số lượng thí sinh dự thi đại học vào Trường Đại Học Bách Khoa thành phố Hồ Chí Minh lưu trữ theo năm, hay số lượng hàng hóa bán siêu thị lưu trữ theo quý liệu chuỗi thời gian Ta ký kiệu chuỗi thời gian {Xt} với t số tự nhiên Xt biến ngẫu nhiên rút từ phân bố xác suất Các chuỗi thời gian thường biểu lu diễn đồ thị với trục hồnh biến thời gian Hình ví dụ chuỗi an thời gian, số hành khách đặt chổ hàng tháng hãng Pan Am n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul Hình Số khách hàng đặt chỗ hàng tháng hãng Pan Am z gm @ Trong chuỗi thời gian thường giá trị thời điểm khác có mối tương quan với Sự tương quan đánh giá hệ số tự tương quan l m độ trễ thời gian khác [1] co Định nghĩa: Tự tương quan tương quan biến với theo an Lu Ta tính số tự tương quan biến Xt với độ trễ k theo công thức n va ac th si k  E[( X t   )( X t  k   )] (2.1.1) Var ( X t )Var ( X t  k ) Với *  k hệ số tự tương quan X độ trễ k *  trung bình Xt Nếu  k khác khơng Xt Xt+k có tương quan với Để biểu diễn tự tương quan biến theo nhiều độ trễ khác cách trực quan, ta dùng hàm tự tương quan Định nghĩa: Hàm tự tương quan đồ thị biểu diễn hệ số tự tương quan theo lu an độ trễ khác [1] n va Hình ví dụ hàm tự tương quan p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z Hình Hàm tự tương quan gm @ Trong thực tế ta tính hệ số tự tương quan lấy mẫu dùng thống kê để m Cơng thức tính hệ số tự tương quan lấy mẫu: co l ước lượng hệ số tự tương quan đám đông (population ) an Lu n va ac th si  rk  T k t 1 ( X t  X )( X t  k  X )  T ( X  X ) t t 1 (2.1.2) Với * rk hệ số tự tương quan lấy mẫu độ trễ k * X trung bình mẫu X t * T số phần tử mẫu lu Để kiểm tra xem hệ số tự tương quan độ trễ k chuỗi thời gian có khác khơng an hay khơng, ta dùng phép thử t n va t k 1 p ie gh tn to rk  2 ri (2.1.3) i 1 d oa nl w n ri hệ số tự tương quan mẫu độ trễ i * n kích cỡ mẫu z at nh oi Nếu lm ul * k độ trễ nf va * an lu Với :  k = t có phân phối student với n -1 bậc tự Đối với mẫu có kích thước lớn, với mức ý nghĩa 5%, hệ số tự tương quan mẫu nằm khoảng z l nghĩa 5% gm @ 2 / n ta kết luận hệ số tự tương quan đám đông không với mức ý co Việc đánh giá hệ số tự tương quan có ý nghĩa quan trọng việc phân m tích chuỗi thời gian Hàm tự tương quan liệu giúp ta xác định thành an Lu phần chuỗi thời gian từ lựa chọn mơ hình dự báo hợp lý việc n va đánh giá tính đầy đủ mơ hình ac th si Các thành phần chuỗi thời gian Trong thực tế, quan sát chuỗi thời gian ta nhận thấy bốn thành phần ảnh hưởng lên giá trị chuỗi thời gian xu hướng (trend), chu kỳ (cyclical), mùa (seasonal), bất quy tắc (irregular) Thành phần xu hướng (trend) Là thành phần thể tăng hay giảm giá trị chuỗi thời gian giai đoạn dài hạn [1] Ta xác định chuỗi thời gian có chứa thành phần xu hướng hay không việc kiểm tra hàm tự tương quan Nếu chuỗi thời gian có thành phần xu hướng có hệ số tự tương quan lớn độ trễ lu giảm dần độ trễ tăng lên Hình minh họa chuỗi thời gian an có thành phần xu hướng Ở dù mức tăng nhiệt độ toàn cầu có biến đổi theo n va năm nhìn chung mức tăng nhiệt độ trung bình có xung hướng tăng theo thời tn to gian Hệ số tự tương quan lớn độ trễ giảm dần theo tăng p ie gh độ trễ d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si Hình Độ tăng nhiệt độ trung bình hàng năm từ 1856 đến 2005 lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi Thành phần chu kỳ (cyclical) lm ul Hình Hàm tự tương quan chuỗi tăng nhiệt độ trung bình hàng năm từ 1856 đến 2005 Là chuỗi biến đổi dạng sóng quanh xu hướng [1] Trong thực tế thành phần z khó xác định người ta thường xem phần thành phần xu hướng gm @ Thành phần bất quy tắc (irregular) m Thành phần mùa (Seasonal) co gian [1] l Là thành phần thể biến đổi ngẫu nhiên khơng thể đốn chuỗi thời an Lu Là thành phần thể biến đổi lặp lặp lại thời điểm cố định theo n va năm chuỗi thời gian [1] Đối với chuỗi thời gian có thành phần mùa giá trị ac th si thời điểm cố định theo năm có tương quan lớn với Ví dụ chuỗi thời gian ghi nhận theo q có tính chất mùa hệ số tự tương quan độ trễ khác khơng cách có ý nghĩa Hình đồ thị chuỗi thời gian có tính mùa lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul Hình Chuỗi thời gian có tính mùa z Việc xác định chuỗi thời gian có thành phần xu hướng hay thành phần mùa gm @ không quan trong tốn dự đốn chuỗi thời gian Nó giúp ta lựa chọn m Chuỗi thời gian tĩnh co l mơ hình dự đốn phù hợp hay giúp cải tiến mơ hình có xác an Lu Trong trình qua sát chuỗi thời gian, ta hận thấy có chuỗi thời n va gian mà trung bình phương sai khơng phụ thuộc vào thời gian Những chuỗi ac th si thời gian gọi chuỗi thời gian có tính chất tĩnh (stationary) hay gọi chuỗi thời gian tĩnh Định nghĩa : Một chuỗi thời gian {Xt} có tính chất tĩnh hay gọi chuỗi thời gian tĩnh thỏa mãn hai tính chất sau (1) E ( X t )   , t (2) Cov( X t , X t  k )   k , t Một chuỗi thời gian khơng thỏa hai tính chất (1) (2) gọi chuỗi thời gian không tĩnh (nonstationary) Việc biểu diễn chuỗi thời gian không tĩnh mơ hình lu đại số đơn giản khơng dễ thực tế ta thường gặp chuỗi thời gian an khơng tĩnh, ta cần biến đổi chuỗi thời gian không tĩnh thành chuỗi tĩnh n va Một phương pháp thường dùng phương pháp lấy hiệu (differencing) p ie gh tn to d oa nl w nf va an lu chuỗi thời gian tĩnh z at nh oi lm ul (a) z co l gm @ m (b) chuỗi thời gian khơng tĩnh Hình (a) Chuỗi thời gian tĩnh, (b) chuỗi thời gian không tĩnh Đối với chuỗi thời gian khơng tĩnh {Xt}, ta áp dụng tốn tử lấy hiệu ∆ lên Xt để an Lu n va chuỗi thời gian ∆Xt với: ac th si ∆Xt = Xt – Xt-1 Nếu ∆Xt chuỗi tĩnh ta xây dựng mơ hình mơ tả ∆Xt từ suy Xt Nếu ∆Xt chuỗi khơng tĩnh, ta tiếp tục áp dụng tốn tử ∆ cho chuỗi ∆Xt Mơ hình ARIMA Mơ hình ARIMA (p,d,q) mơ hình trung bình trượt, đồng liên kết, tự hồi quy Mơ hình sử dụng liệu số liệu khứ biến cần giải thích để dự báo cho biến Cơng thức tổng qt mơ hình: Dd (Yt) = Ф + [ α1Dd(Yt-1) +…+ αpDd(Yt-p) ] + [ β1Ut-1 +…+ βqUt-q ] + Ut Trong đó: Ф giá trị trung bình trình lu Dd sai phân bậc d an α1,…,αp ; β1,…,βq hệ số ước lượng, điều kiện : -1< α1,…,αp ; β1,…,βq set.seed(1) w > y plot(y,ylim=c(35,45),type ="l") lm ul Hình kết mơ Ở ta thấy hệ số tự tương quan độ trễ lớn z at nh oi không mức ý nghĩa 5% z m co l gm @ an Lu n va ac th si lu an n va p ie gh tn to d oa nl w lu MA(2) an Hình Hình ảnh mơ hình nf va yt  40   t  0.7 t 1  0.28 t  lm ul 2.2 Mơ hình tự hồi quy bậc p, AR(p) Mơ hình tự hồi quy bậc p mơ hình có dạng z at nh oi yt    1 yt 1    p yt  p   t Với (3.2.1) z số t sai số, biểu diễn thành phần khơng thể dự đốn từ mơ hình thời điểm t i trọng số ước lượng thể ảnh hưởng giá trị yt-i lên yt an Lu Từ (3.2.1) ta có: m co l gm @  n va ac th si E ( yt )      1  2    p   k )  Cov( yt , yt k ) p   i Cov( yt i , yt k )  Cov( t , yt k ) i 1  ,   i  k  i    i 1 0 , p k 0 k 0 Suy lu  k ) p  k        k  i )   0 i 1 i k  1, 2,3, an (3.2.2) n va tn to Phương trình (3.2.2) phương trình Yule-Walker cho hàm ACF mơ hình gh AR(p) p ie Theo phương trình (3.2.2) ta thấy hàm tương quan mơ hình AR(p) không giảm w sau độ trễ p mơ hình MA(q), ta cần quan sát dấu hiệu khác cung cấp oa nl nhiều thông tin bậc mơ hình AR, hàm tự tương quan riêng phần d Hàm tự tương quan riêng phần lu an Hàm tự tương quan riêng phần độ trễ k tương quan yt yt-k sau nf va hiệu chỉnh ảnh hưởng giá trị yt-1, yt-2, , yt-k+1 [1] Trong mơ hình AR(p), lm ul hàm tự tương quan riêng phần độ trễ k > p Xét hệ phương trình Yule-Walker cho hàm tự tương quan mơ hình AR(k) với bậc k m co l Viết lại hệ phương trình với dạng ma trận ta gm @ i 1 j  1, 2,3, , k z   j    ik   j  i ), z at nh oi k cố định an Lu n va ac th si   1        2         k  1       3)      (k  2)   k  3   k  1)  1k      k  2  2 k    k  3  3k                                Hay                 k )    kk    Pk  k  p k Với lu an   n va 1        2  Pk         k  1       (k  2)   k  3 p ie gh tn to     3)   k  1)    k  2    k  3   d oa nl w   ,     an lu                 p k             k )   nf va z at nh oi lm ul z l gm @ 1k     2k  3k     k             kk  co Cho k, k=1,2,3, hệ số kk gọi hệ số tự tương quan riêng phần mơ hình m độ trễ k Đối với mơ hình AR(p) dễ thấy kk = với k > p Do ta nói PACF an Lu mơ hình AR(p) khơng sau độ trễ p Đây dấu hiệu quan trọng để nhận n va biết bậc mơ hình tự hồi quy ac th si Trong thực tế hệ số tự tương quan riêng phần mẫu khơng khơng sau độ trễ p sai biệt lấy mẫu Tuy nhiên, ta kết luận hệ số tự tương quan riêng phần không mức ý nghĩa 5% nằm khoảng 2 / N , với N kích thước mẫu Ta dùng R để mơ mơ hình AR(2) sau: yt   0.4 yt 1  0.5 yt    t > set.seed(1) > f y pacf(y) p ie > acf(y) nl w Hình thể hàm tự tương quan hàm tự tương quan riêng phần chuỗi thời d oa gian sinh mơ hình Ở ta thấy hàm tự tương quan mơ hình nf va an độ trễ lớn hai lu AR(2) giảm dần khơng, cịn hệ số tự tương quan riêng phần khơng với z at nh oi lm ul z m co l gm @ an Lu n va ac th si lu an n va p ie gh tn to nl w d oa yt   0.4 yt 1  0.5 yt    t Hình ACF PACF mơ hình 2.3 Mơ hình kết hợp tự hồi quy trung bình di động, ARMA(p,q) an lu nf va Mơ hình ARMA(p,q) kết hợp hai mơ hình AR(p) MA(q), biểu diễn sau lm ul p q i 1 i 1 Hay z gm @  ( B) yt     t z at nh oi yt     i yt i   t  i t i l Ý nghĩa ký hiệu giống mơ hình AR(p) MA(q) m co Mơ hình ARMA(p,q) có chứa đựng mơ hình AR(p) MA(q) nên hàm tự tương quan hàm tự tương quan riêng phần vừa thể hành vi mơ hình AR(p) an Lu MA(q) Tức hàm tự tương quan riêng phần hàm tự tương quan giảm dần n va không ac th si Ta dùng R mơ mơ hình ARMA(1,1) sau yt  16  0.6 yt 1   t  0.8 t 1 > set.seed(1) > y acf(y) lu > pacf(y) an n va Hình hình ảnh hàm tự tương quan tự tương quan riêng phần chuỗi thời to tn gian sinh mơ hình Ta thấy hàm tự tương quan hàm tự tương quan p ie gh riêng phần giảm dần không d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si lu an n va p ie gh tn to d oa nl w lu an Hình Hàm tự tương quan tự tương quan riêng phần mơ hình nf va yt  16  0.6 yt 1   t  0.8 t 1 lm ul 2.4 Mơ hình tự hồi quy kết hợp với trung bình di động, ARMA(p,d,q) Mơ hình ARMA(p,q) làm việc tốt với liệu tĩnh, tức thành phần xu z at nh oi hướng (trend) Nhưng thực tế liệu thường có xu hướng lên hay xuống đó, đặc biệt với chuỗi thời gian kinh tế z Đối với chuỗi thời gian có xu hướng tuyến tính ta cần chuyển thành tuyến tính @ gm áp dụng mơ hình ARMA Một cách chuyển chuỗi thời gian l có xu hướng chuỗi thời gian tĩnh phương pháp lấy hiệu nói chương m co Do người ta đưa thêm hệ số d vào mô hình ARMA(p,q) để tạo thành mơ hình an Lu ARMA(p,d,q), với d số lần lấy hiệu để chuỗi thời gian trở thành chuỗi tĩnh Khi d khơng mơ hình ARMA(p,d,q) trở thành mơ hình ARMA(p,q) Mơ hình n va ARMA làm việc tốt với liệu tĩnh lẫn liệu có xu hướng tuyến tính ac th si Dạng tốn học mơ hình ARMA(p,d,q)  ( B )(1  B ) d yt     t Ý nghĩa ký hiệu giống mơ hình AR(p) MA(q) 2.5 Mơ hình ARMA có tính mùa Mơ hình ARMA làm việc tốt với liệu có xu hướng tuyến tính chưa xử lý tốt chuỗi thời gian có tính mùa, tức chuỗi thời gian có thành phần thể biến đổi lặp lặp lại thời điểm cố định theo năm Do người ta đưa vào bốn hệ số P,D,Q,s vào mơ hình ARMA(p,d,q) để tạo thành mơ hình ARMA(p,d,q) x (P,D,Q)s Ở s thời điểm mà thành phần mùa lặp lại, liệu quan sát theo tháng s = 12, liệu quan sát theo quý s lu = Mơ hình ARMA cho liệu có tính mùa đơi cịn gọi mơ hình SARMA an * ( B s ) ( B )(1  B ) d (1  B s ) D yt    * ( B s )( B ) t n va Dạng tốn học mơ hình ARMA(p,d,q) x (P,D,Q)s gh tn to Với p ie * ( B s )   1* B s  2* B s   P* B Ps , oa nl w * ( Bs )   1* Bs  2* B2 s   Q* BQs d Việc xác định thông số P, D, Q tương tự việc xác định hệ số p, d, q thông an lu thường khác chỗ dấu hiệu hàm tự tương quan hàm tự tương quan nf va riêng phần khác thể theo độ trễ bội s lm ul 2.6 Các bước xây dựng mơ hình ARMA Trong việc dự đốn chuỗi thời gian dựa mơ hình ARMA, cơng việc chủ yếu z at nh oi người dự báo xác định bậc mơ hình Cơng việc thực thơng qua thủ tục lặp Ban đầu mơ hình dự tuyển xây dựng, kiểm tra z xem mơ hình có mơ tả đầy đủ chuỗi thời gian khơng, mơ hình khơng đầy đủ @ gm tạo mơ hình cải tiến mơ hình cũ Quá trình lặp lặp lại m co l tìm mơ hình đầy đủ Hình 10 minh họa cho trình xây dựng mơ hình an Lu n va ac th si lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul Hình 10 Các bước xây dựng mơ hình ARMA Bước 1: Xác định mơ hình dự tuyển z @ Để xác định mơ hình ban đầu ta trước hết cần quan sát hình ảnh hàm tự tương quan l gm chuỗi thời gian để xem chuỗi thời gian có phải chuỗi tĩnh hay khơng R có hai hàm plot() acf() giúp ta việc Nếu chuỗi thời gian có xu hướng hay có co m tình mùa ta cần thực việc lấy hiệu để đưa chuỗi thời gian dạng tĩnh Xem xét an Lu hành vi hàm tự tương quan hàm tự tương quan riêng phần chuỗi thời gian n hệ số vượt va tĩnh để xác định thông số p, q (và P, Q chuỗi có tính mùa).Trong thực tế ac th si Bước 2: Ước lượng mơ hình Sau xác định bậc mơ hình, ta tiến hành ước lượng thông số Trong thực tế công việc thực tự động gói phần mềm máy tính.Trong R ta có hàm ARMA() nhận thơng số chuỗi thời gian bậc mơ hình để ước lượng mơ hình Bước 3: Kiểm tra mơ hình Trước mơ hình sử dụng để dự đốn, cần phải kiểm tra tính đầy đủ Một mơ hình đầy đủ thặng dư (residuals) ngẫu nhiên Một cách kiểm tra tình ngẫu nhiên chuỗi thặng dư quan sát hàm tự tương quan Nếu hệ số tự tương quan mẫu chuỗi thặng dư nằm khoảng lu 2 / N (N kích thước chuỗi thặng dư) chuỗi thặng dư ngẫu nhiên an Một phương pháp kiểm tra tồn thể xem mơ hình có đầy đủ hay khơng dùng n va phép thử Ljung-Box Q Phép thử xem xét kích cỡ chuỗi thặng dư theo to tn nhóm ie gh Phép thử Q là: m rk (e) k 1 n  k p Qm  n(n  2) d oa nl w Với an lu rk (e) hệ số tự tương quan thặng dư độ trễ k m tổng số độ trễ kiểm tra z at nh oi lm ul k độ trễ nf va n kích thước chuỗi thặng dư Phép thử thống kê Q có phân phối xấp xỉ phân phối  với m-r bậc tự do, với r z tổng số tham số ước lượng mơ hình Nếu p giá trị (p-value) Q nhỏ 0.05 @ gm mơ hình xem khơng đầy đủ [1] Ta quan sát hàm tự tương quan hàm tự m Bước : Dùng mơ hình để đưa dự báo co l tương quan riêng phần chuỗi thặng dư để cải tiến mơ hình an Lu Sau xác định mơ hình đầy đủ ta tiến hành dự báo Công việc thực tự động máy tính Trong R ta dùng hàm predict() để sinh n va giá trị dự đốn ac th si Tiêu chuẩn lựa chọn mơ hình Trong thực tế có nhiều mơ hình mô tả đầy đủ cho chuỗi liệu Nếu mơ hình có số tham số ước lượng ta chọn mơ hình có sai số bình phương bé Nhưng mơ hình có số tham số ước lượng khác ta dùng tiêu chuẩn AIC hay BIC để lựa chọn [1] AIC  ln ˆ  r n ln n BIC  ln ˆ  r n Với lu ln = logarit tự nhiên an n va ˆ = tổng bình phương sai số chia cho tổng số quan sát tn to n = Tổng số quan sát (của chuỗi thặng dư) p ie gh r = tổng số tham số ước lượng mơ hình ARMA d oa nl w Mơ hình lựa chọn mơ hình có AIC, BIC bé nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si Các kết thu trình chạy mơ hình 3.1 Dữ liệu Dữ liệu từ Vietstock Dữ liệu từ ngày: 01/01/2013 đến ngày: 31/12/2014 Ngày Giá lu an n va 02/01/2013 27,800 03/01/2013 28,500 04/01/2013 29,200 07/01/2013 30,000 08/01/2013 31,500 09/01/2013 31,700 11/01/2013 32,100 14/01/2013 ie 31,900 tn 32,500 gh to 10/01/2013 p 15/01/2013 32,100 oa nl 31,500 d 17/01/2013 w 16/01/2013 32,000 lu 31,600 21/01/2013 31,100 22/01/2013 30,600 23/01/2013 30,400 24/01/2013 31,000 25/01/2013 32,500 28/01/2013 32,800 29/01/2013 34,000 30/01/2013 34,300 31/01/2013 34,000 01/02/2013 34,300 04/02/2013 33,700 05/02/2013 33,700 nf va an 18/01/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 08/02/2013 34,500 18/02/2013 34,300 19/02/2013 33,900 20/02/2013 34,100 21/02/2013 32,000 22/02/2013 32,700 25/02/2013 33,500 26/02/2013 30,900 27/02/2013 30,900 28/02/2013 32,300 01/03/2013 32,400 04/03/2013 32,100 05/03/2013 31,600 to 34,500 ie n va 07/02/2013 gh an 34,500 tn lu 06/02/2013 p 06/03/2013 32,200 oa nl 32,300 d 08/03/2013 w 07/03/2013 32,200 lu 32,200 12/03/2013 32,300 13/03/2013 32,500 14/03/2013 32,000 15/03/2013 32,900 18/03/2013 32,600 19/03/2013 32,100 20/03/2013 32,300 21/03/2013 32,200 22/03/2013 31,800 25/03/2013 32,000 26/03/2013 31,800 27/03/2013 32,300 nf va an 11/03/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 01/04/2013 32,000 02/04/2013 32,200 03/04/2013 32,000 04/04/2013 31,700 05/04/2013 31,100 08/04/2013 31,500 09/04/2013 31,200 10/04/2013 29,100 11/04/2013 29,500 12/04/2013 28,700 15/04/2013 27,300 16/04/2013 28,000 17/04/2013 28,200 to 32,000 ie n va 29/03/2013 gh an 32,000 tn lu 28/03/2013 p 18/04/2013 26,700 oa nl 27,000 d 23/04/2013 w 22/04/2013 27,300 lu 26,600 25/04/2013 27,400 26/04/2013 27,400 02/05/2013 27,200 03/05/2013 27,200 06/05/2013 28,000 07/05/2013 27,900 08/05/2013 28,100 09/05/2013 27,800 10/05/2013 27,500 13/05/2013 27,800 14/05/2013 27,200 15/05/2013 27,900 nf va an 24/04/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 20/05/2013 29,400 21/05/2013 29,500 22/05/2013 29,500 23/05/2013 28,600 24/05/2013 28,500 27/05/2013 29,500 28/05/2013 29,700 29/05/2013 29,600 30/05/2013 30,700 31/05/2013 30,900 03/06/2013 31,000 04/06/2013 30,200 05/06/2013 30,600 to 28,600 ie n va 17/05/2013 gh an 29,400 tn lu 16/05/2013 p 06/06/2013 32,000 oa nl 31,700 d 10/06/2013 w 07/06/2013 31,300 lu 31,300 12/06/2013 30,500 13/06/2013 30,900 14/06/2013 30,600 17/06/2013 30,600 18/06/2013 31,000 19/06/2013 31,000 20/06/2013 30,900 21/06/2013 30,800 24/06/2013 29,500 25/06/2013 27,700 26/06/2013 27,000 27/06/2013 27,600 nf va an 11/06/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 02/07/2013 27,800 03/07/2013 27,400 04/07/2013 27,400 05/07/2013 27,500 08/07/2013 27,600 09/07/2013 27,600 10/07/2013 27,300 11/07/2013 27,500 12/07/2013 27,800 15/07/2013 27,800 16/07/2013 27,700 17/07/2013 27,700 18/07/2013 27,600 to 27,400 ie n va 01/07/2013 gh an 28,000 tn lu 28/06/2013 p 19/07/2013 27,900 oa nl 28,300 d 23/07/2013 w 22/07/2013 28,000 lu 27,600 25/07/2013 27,500 26/07/2013 27,500 29/07/2013 27,000 30/07/2013 27,200 31/07/2013 26,800 01/08/2013 26,700 02/08/2013 27,000 05/08/2013 27,100 06/08/2013 27,400 07/08/2013 27,100 08/08/2013 26,900 09/08/2013 26,900 nf va an 24/07/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 14/08/2013 26,700 15/08/2013 27,000 16/08/2013 27,000 19/08/2013 26,900 20/08/2013 26,700 21/08/2013 26,800 22/08/2013 26,100 23/08/2013 25,200 26/08/2013 25,200 27/08/2013 25,100 28/08/2013 24,600 29/08/2013 23,300 30/08/2013 24,700 to 26,600 ie n va 13/08/2013 gh an 26,800 tn lu 12/08/2013 p 03/09/2013 23,600 oa nl 24,100 d 05/09/2013 w 04/09/2013 23,700 lu 24,500 09/09/2013 23,700 10/09/2013 23,900 11/09/2013 24,300 12/09/2013 24,300 13/09/2013 24,500 16/09/2013 25,200 17/09/2013 25,800 18/09/2013 25,200 19/09/2013 25,200 20/09/2013 25,500 23/09/2013 25,300 24/09/2013 25,500 nf va an 06/09/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 27/09/2013 25,800 30/09/2013 26,900 01/10/2013 27,700 02/10/2013 27,900 03/10/2013 27,700 04/10/2013 28,100 07/10/2013 28,400 08/10/2013 29,000 09/10/2013 28,600 10/10/2013 28,400 11/10/2013 28,800 14/10/2013 28,800 15/10/2013 28,900 to 25,600 ie n va 26/09/2013 gh an 25,600 tn lu 25/09/2013 p 16/10/2013 29,500 oa nl 29,700 d 18/10/2013 w 17/10/2013 29,800 lu 29,600 22/10/2013 29,400 23/10/2013 30,100 24/10/2013 29,900 25/10/2013 30,000 28/10/2013 29,500 29/10/2013 29,600 30/10/2013 29,400 31/10/2013 29,500 01/11/2013 29,400 04/11/2013 28,900 05/11/2013 29,400 06/11/2013 29,700 nf va an 21/10/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 11/11/2013 30,000 12/11/2013 29,700 13/11/2013 29,500 14/11/2013 29,600 15/11/2013 29,700 18/11/2013 29,800 19/11/2013 29,100 20/11/2013 29,300 21/11/2013 28,900 22/11/2013 28,900 25/11/2013 28,900 26/11/2013 28,600 27/11/2013 28,300 to 29,800 ie n va 08/11/2013 gh an 29,800 tn lu 07/11/2013 p 28/11/2013 28,500 oa nl 28,400 d 02/12/2013 w 29/11/2013 28,300 lu 28,400 04/12/2013 28,100 05/12/2013 27,500 06/12/2013 27,900 09/12/2013 28,000 10/12/2013 27,800 11/12/2013 27,300 12/12/2013 27,000 13/12/2013 26,700 16/12/2013 26,500 17/12/2013 26,800 18/12/2013 26,900 19/12/2013 27,200 nf va an 03/12/2013 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 24/12/2013 26,900 25/12/2013 26,800 26/12/2013 27,000 27/12/2013 26,800 30/12/2013 26,400 31/12/2013 26,800 02/01/2014 26,700 03/01/2014 27,200 06/01/2014 27,100 07/01/2014 27,700 08/01/2014 28,100 09/01/2014 28,300 10/01/2014 27,800 to 27,100 ie n va 23/12/2013 gh an 26,800 tn lu 20/12/2013 p 13/01/2014 27,700 oa nl 27,700 d 15/01/2014 w 14/01/2014 27,500 lu 27,700 17/01/2014 28,400 20/01/2014 29,200 21/01/2014 29,600 22/01/2014 29,200 23/01/2014 29,300 24/01/2014 28,900 27/01/2014 28,500 06/02/2014 27,900 07/02/2014 27,800 10/02/2014 28,300 11/02/2014 28,300 12/02/2014 29,000 nf va an 16/01/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 17/02/2014 28,800 18/02/2014 29,000 19/02/2014 29,100 20/02/2014 29,100 21/02/2014 29,000 24/02/2014 29,100 25/02/2014 29,400 26/02/2014 30,300 27/02/2014 30,500 28/02/2014 30,600 03/03/2014 29,800 04/03/2014 29,800 05/03/2014 30,000 to 29,000 ie n va 14/02/2014 gh an 28,900 tn lu 13/02/2014 p 06/03/2014 29,900 oa nl 30,800 d 10/03/2014 w 07/03/2014 30,000 lu 31,100 12/03/2014 30,600 13/03/2014 31,200 14/03/2014 31,300 17/03/2014 30,800 18/03/2014 30,500 19/03/2014 30,900 20/03/2014 30,700 21/03/2014 31,100 24/03/2014 31,800 25/03/2014 31,700 26/03/2014 30,400 27/03/2014 30,400 nf va an 11/03/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 01/04/2014 31,100 02/04/2014 31,200 03/04/2014 31,300 04/04/2014 31,300 07/04/2014 31,400 08/04/2014 31,500 10/04/2014 31,200 11/04/2014 31,000 14/04/2014 30,700 15/04/2014 30,000 16/04/2014 29,400 17/04/2014 29,400 18/04/2014 28,900 to 30,800 ie n va 31/03/2014 gh an 30,800 tn lu 28/03/2014 p 21/04/2014 29,000 oa nl 29,000 d 23/04/2014 w 22/04/2014 28,500 lu 29,000 25/04/2014 29,000 28/04/2014 28,500 29/04/2014 28,800 05/05/2014 27,100 06/05/2014 26,500 07/05/2014 26,700 08/05/2014 24,900 09/05/2014 25,400 12/05/2014 23,800 13/05/2014 24,300 14/05/2014 26,000 15/05/2014 25,900 nf va an 24/04/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 20/05/2014 27,300 21/05/2014 27,200 22/05/2014 27,000 23/05/2014 26,300 26/05/2014 27,300 27/05/2014 28,500 28/05/2014 28,900 29/05/2014 28,600 30/05/2014 29,000 02/06/2014 29,000 03/06/2014 28,900 04/06/2014 28,500 05/06/2014 27,900 to 27,400 ie n va 19/05/2014 gh an 27,000 tn lu 16/05/2014 p 06/06/2014 28,800 oa nl 28,600 d 10/06/2014 w 09/06/2014 28,800 lu 29,100 12/06/2014 29,800 13/06/2014 30,100 16/06/2014 29,900 17/06/2014 30,000 18/06/2014 26,000 19/06/2014 25,600 20/06/2014 24,900 23/06/2014 26,200 24/06/2014 26,000 25/06/2014 26,300 26/06/2014 26,400 27/06/2014 26,300 nf va an 11/06/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 02/07/2014 25,900 03/07/2014 25,900 04/07/2014 26,100 07/07/2014 26,300 08/07/2014 26,200 09/07/2014 25,900 10/07/2014 25,700 11/07/2014 25,700 14/07/2014 25,700 15/07/2014 25,800 16/07/2014 26,100 17/07/2014 25,900 18/07/2014 26,200 to 26,000 ie n va 01/07/2014 gh an 26,200 tn lu 30/06/2014 p 21/07/2014 25,800 oa nl 25,900 d 23/07/2014 w 22/07/2014 26,200 lu 26,000 25/07/2014 25,800 28/07/2014 25,600 29/07/2014 25,800 30/07/2014 25,600 31/07/2014 25,600 01/08/2014 25,800 04/08/2014 25,900 05/08/2014 26,200 06/08/2014 26,000 07/08/2014 26,000 08/08/2014 25,900 11/08/2014 25,700 nf va an 24/07/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 14/08/2014 25,900 15/08/2014 25,700 18/08/2014 25,800 19/08/2014 25,800 20/08/2014 26,500 21/08/2014 27,200 22/08/2014 27,200 25/08/2014 27,400 26/08/2014 27,900 27/08/2014 27,600 28/08/2014 27,500 29/08/2014 28,000 03/09/2014 28,300 to 26,000 ie n va 13/08/2014 gh an 25,800 tn lu 12/08/2014 p 04/09/2014 29,300 oa nl 29,300 d 08/09/2014 w 05/09/2014 28,800 lu 28,600 10/09/2014 28,600 11/09/2014 28,500 12/09/2014 28,500 15/09/2014 27,800 16/09/2014 27,400 17/09/2014 27,200 18/09/2014 27,300 19/09/2014 26,300 22/09/2014 26,800 23/09/2014 26,800 24/09/2014 26,700 25/09/2014 26,500 nf va an 09/09/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 30/09/2014 26,100 01/10/2014 26,400 02/10/2014 27,400 03/10/2014 27,500 06/10/2014 27,200 07/10/2014 27,200 08/10/2014 27,000 09/10/2014 27,200 10/10/2014 27,000 13/10/2014 27,000 14/10/2014 26,700 15/10/2014 26,900 16/10/2014 26,700 to 26,200 ie n va 29/09/2014 gh an 26,400 tn lu 26/09/2014 p 17/10/2014 26,600 oa nl 26,700 d 21/10/2014 w 20/10/2014 26,400 lu 26,700 23/10/2014 26,500 24/10/2014 26,500 27/10/2014 26,000 28/10/2014 26,500 29/10/2014 26,300 30/10/2014 26,700 31/10/2014 27,700 03/11/2014 28,200 04/11/2014 27,500 05/11/2014 27,400 06/11/2014 27,200 07/11/2014 27,200 nf va an 22/10/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 12/11/2014 27,300 13/11/2014 27,300 14/11/2014 27,500 17/11/2014 27,300 18/11/2014 27,000 19/11/2014 26,600 20/11/2014 27,200 21/11/2014 27,500 24/11/2014 27,400 25/11/2014 27,600 26/11/2014 27,000 27/11/2014 27,300 28/11/2014 27,700 to 27,200 ie n va 11/11/2014 gh an 27,300 tn lu 10/11/2014 p 01/12/2014 28,100 oa nl 28,700 d 03/12/2014 w 02/12/2014 28,200 lu 29,300 05/12/2014 30,300 08/12/2014 31,400 09/12/2014 31,600 10/12/2014 30,000 11/12/2014 29,700 12/12/2014 31,000 15/12/2014 30,400 16/12/2014 30,600 17/12/2014 30,300 18/12/2014 30,400 19/12/2014 28,300 22/12/2014 29,800 nf va an 04/12/2014 z at nh oi lm ul z m co l gm @ an Lu n va ac th si Ngày Giá 23/12/2014 30,600 24/12/2014 30,200 25/12/2014 29,900 26/12/2014 30,800 29/12/2014 31,700 30/12/2014 32,000 31/12/2014 31,900 Dữ liệu qua xử lý lu an n va p ie gh tn to Giá 29,4 32,04 31,38 32,14 31,38 32,14 34 34,34 32,64 31,86 32,24 32,42 32,02 32,1 31,5 28,52 27,16 27,44 27,82 28,5 29,12 30,38 31,16 30,78 30,64 27,54 27,54 27,6 27,78 27,58 26,96 27,02 26,84 d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va Tuần 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 ac th si lu an n va p ie gh tn to 26 24,28 23,96 24,82 25,34 26,32 28,22 28,7 29,6 29,82 29,32 29,8 29,54 28,92 28,38 27,86 26,86 26,98 26,76 27,8 28,82 28,48 28,7 29 29,98 29,9 31 30,8 31,02 31,14 31,16 29,24 28,9 26,8 25,08 27,18 27,92 28,66 29,02 28,32 25,96 26,06 26,04 25,84 26,02 25,68 25,98 25,86 26,2 27,52 d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 ac th si 84 85 86 87 88 89 90 28,74 28,4 27 26,52 26,92 27,08 26,66 3.2 Kiểm định tính dừng Null Hypothesis: D_C has a unit root Exogenous: Constant, Linear Trend Lag Length: (Automatic - based on AIC, maxlag=11) lu an Prob.* -6.055469 -4.092547 -3.474363 -3.164499 0.0000 *MacKinnon (1996) one-sided p-values n va Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic tn to p ie gh Augmented Dickey-Fuller Test Equation Dependent Variable: D(D_C) Method: Least Squares Date: 07/23/15 Time: 17:21 Sample (adjusted): 75 Included observations: 71 after adjustments Std Error t-Statistic Prob d 0.217781 0.181943 0.120856 317.4962 7.504781 -6.055469 1.103510 2.352285 -0.431504 1.686132 0.0000 0.2738 0.0217 0.6675 0.0965 -1.318766 0.200776 0.284288 -137.0009 12.65405 nf va an lu Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -26.43662 1945.011 17.15262 17.31196 17.21598 1.988224 z at nh oi 0.616328 0.593075 1240.736 1.02E+08 -603.9179 26.50548 0.000000 lm ul R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient oa D_C(-1) D(D_C(-1)) D(D_C(-2)) C @TREND("1") nl w Variable z gm @ 3.3 Các q trình kiểm nghiệm để xác định mơ hình phù hợp co l t-Statistic Prob n Std Error va Coefficient an Lu Variable m Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:04 Sample (adjusted): 90 Included observations: 88 after adjustments Convergence achieved after iterations ac th si C AR(1) -0.072476 0.245915 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.065765 0.054901 0.936377 75.40502 -118.0702 6.053894 0.015876 0.132511 0.099947 -0.546944 2.460466 0.5858 0.0159 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.061136 0.963191 2.728869 2.785172 2.751552 1.856945 Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:08 Sample (adjusted): 90 Included observations: 87 after adjustments Convergence achieved after 13 iterations MA Backcast: lu an n va Coefficient Std Error t-Statistic Prob C AR(1) AR(2) MA(1) -0.061013 -0.414210 0.142585 0.757303 0.136792 0.265363 0.134114 0.238943 -0.446031 -1.560915 1.063159 3.169387 0.6567 0.1223 0.2908 0.0021 gh tn to Variable p ie R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.054253 0.966595 2.726103 2.839478 2.771755 1.982200 d oa nl w 0.116811 0.084889 0.924659 70.96450 -114.5855 3.659216 0.015661 lu nf va an Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:08 Sample (adjusted): 90 Included observations: 88 after adjustments Convergence achieved after 10 iterations MA Backcast: z at nh oi lm ul Coefficient Std Error t-Statistic Prob C AR(1) MA(1) MA(2) -0.053584 -0.550846 0.900020 0.187293 0.131697 0.235542 0.257678 0.135640 -0.406876 -2.338637 3.492811 1.380803 0.6851 0.0217 0.0008 0.1710 -0.061136 0.963191 2.714744 2.827350 2.760110 1.998135 m co l an Lu n va Dependent Variable: D(CLOSE) Method: Least Squares Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat gm 0.119800 0.088365 0.919651 71.04364 -115.4487 3.810962 0.012967 @ R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) z Variable ac th si Date: 08/12/15 Time: 13:08 Sample (adjusted): 90 Included observations: 86 after adjustments Convergence achieved after 18 iterations MA Backcast: Variable Coefficient Std Error t-Statistic Prob C AR(1) AR(3) MA(1) MA(2) -0.045125 0.872990 -0.107312 -0.631577 -0.352794 0.022814 0.093915 0.086217 0.117997 0.117905 -1.977936 9.295510 -1.244677 -5.352473 -2.992192 0.0513 0.0000 0.2168 0.0000 0.0037 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.196876 0.157215 0.888838 63.99261 -109.3188 4.964037 0.001249 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.063721 0.968198 2.658576 2.801271 2.716004 2.002210 lu an n va Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:09 Sample (adjusted): 90 Included observations: 86 after adjustments Convergence achieved after 30 iterations MA Backcast: ie gh tn to p Variable Std Error t-Statistic Prob -0.086527 0.012955 -0.628453 0.291647 0.059402 0.767745 0.123859 0.154375 0.115605 0.156558 0.120182 0.089210 -0.698596 0.083916 -5.436206 1.862866 0.494269 8.606037 0.4868 0.9333 0.0000 0.0662 0.6225 0.0000 d oa an lu 0.230291 0.182184 0.875572 61.33010 -107.4914 4.787081 0.000704 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.063721 0.968198 2.639335 2.810569 2.708249 1.876017 nf va z at nh oi z Prob C AR(1) AR(3) MA(1) MA(2) -0.116978 -0.060174 -0.701944 0.413520 0.156317 0.143179 0.125270 0.100706 0.169732 0.083262 -0.817003 -0.480358 -6.970256 2.436314 1.877407 0.4164 0.6323 0.0000 0.0171 0.0642 n t-Statistic va Std Error an Lu Coefficient m Variable co l gm @ Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:09 Sample (adjusted): 90 Included observations: 86 after adjustments Convergence achieved after 29 iterations MA Backcast: lm ul R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) nl C AR(1) AR(3) MA(1) MA(2) MA(3) w Coefficient ac th si MA(3) MA(4) 0.935782 0.192995 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.251070 0.194189 0.869122 59.67443 -106.3146 4.413976 0.000673 0.068067 0.133386 13.74797 1.446894 0.0000 0.1519 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.063721 0.968198 2.635224 2.834997 2.715623 1.973873 Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:09 Sample (adjusted): 90 Included observations: 86 after adjustments Convergence achieved after 22 iterations MA Backcast: Coefficient Std Error t-Statistic Prob C AR(1) AR(3) MA(1) MA(2) MA(3) MA(4) MA(5) -0.046956 0.557292 -0.046735 -0.332684 -0.234578 -0.041542 -0.172475 -0.218452 0.019324 0.355420 0.218740 0.342264 0.133761 0.262322 0.155995 0.158034 -2.429903 1.567979 -0.213653 -0.972010 -1.753710 -0.158361 -1.105648 -1.382309 0.0174 0.1209 0.8314 0.3341 0.0834 0.8746 0.2723 0.1708 lu Variable an n va p ie gh tn to 0.213073 0.142451 0.896589 62.70204 -108.4427 3.017106 0.007377 d oa nl w R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat -0.063721 0.968198 2.707970 2.936282 2.799855 1.987453 an lu nf va Dependent Variable: D(CLOSE) Method: Least Squares Date: 08/12/15 Time: 13:09 Sample (adjusted): 90 Included observations: 86 after adjustments Convergence achieved after 27 iterations MA Backcast: -1 z at nh oi lm ul Coefficient Std Error t-Statistic Prob C AR(1) AR(3) MA(1) MA(2) MA(3) MA(4) MA(5) MA(6) -0.064458 -0.052824 -0.538510 0.322656 -0.117231 0.559372 -0.035136 -0.399531 -0.361491 0.057798 0.120023 0.111843 0.138045 0.100723 0.126972 0.122722 0.099525 0.128821 -1.115227 -0.440119 -4.814888 2.337322 -1.163897 4.405484 -0.286308 -4.014369 -2.806150 0.2682 0.6611 0.0000 0.0220 0.2481 0.0000 0.7754 0.0001 0.0063 m an Lu n va -0.063721 0.968198 2.600384 2.857235 co l Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion gm 0.309584 0.237853 0.845247 55.01206 @ R-squared Adjusted R-squared S.E of regression Sum squared resid z Variable ac th si Log likelihood F-statistic Prob(F-statistic) -102.8165 4.315875 0.000250 Hannan-Quinn criter Durbin-Watson stat 2.703755 1.906688 lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si Tài liệu tham khảo * Văn hành nhà nước - Luật chứng khốn số 70/2006/QH11 ngày 29 tháng năm 2006 Quốc hội * Sách - Damodar N Gujarati, Chương trình giảng dạy kinh tế Fullbright Niên khóa 20112013 – Kinh tế lượng sở 3rd ed – Chương 22: Kinh tế lượng chuỗi thời gian II: Dự báo với mô hình ARIMA VAR - G P E Box & G M Jenkins (1978), Time Series Analysis: Forecasting and Control (Phân tích chuỗi thời gian: Dự báo Kiểm sốt), tái bản, Holden Day, San Francisco - Robert Lucas (1976), “Econometric Policy Evaluation: A Critique” (Đánh giá sách lu lược kinh tế lượng: phê bình), tài liệu Hội nghị Carnegie-rochester, Đường an cong Phillips, North-Holland, Amsterdam n va * Các trang web to tn www.vndirect.com.vn ie gh www.vietstock.vn p www.cafef.vn www.vi.wikipedia.org w oa nl * Các tài liệu gốc đơn vị thực tập d - Cẩm nang nghiệp vụ môi giới dành cho nhân viên VNDirect nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si