(Luận văn) nghiên cứu vai trò của vàng đối với sự biến động việt nam đồng tiếp cận theo hàm copula , kiểm định thị trường hiệu quả

BỘ GIÁO DỤC VÀ ĐÀO TẠO t to TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM ng - - hi ep w n lo ad HUỲNH THỊ THÚY VY ju y th yi pl al n ua NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI va n SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG fu ll TIẾP CẬN THEO HÀM COPULA oi m at nh z z ht vb k jm om l.c gm LUẬN VĂN THẠC SỸ KINH TẾ n a Lu n va y te re TP Hồ Chí Minh - Năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO t to TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM ng - - hi ep w n HUỲNH THỊ THÚY VY lo ad ju y th yi pl NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI ua al n SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG va n TIẾP CẬN THEO HÀM COPULA ll fu oi m nh at Chuyên ngành : Tài – Ngân hàng z z Mã số: 60340201 ht vb jm k LUẬN VĂN THẠC SỸ KINH TẾ om l.c gm n TS VŨ VIỆT QUẢNG a Lu NGƯỜI HƯỚNG DẪN KHOA HỌC n va y te re TP Hồ Chí Minh - Năm 2014 LỜI CAM ĐOAN t to ng Tơi xin cam đoan cơng trình nghiên cứu cá nhân tôi, hi ep hướng dẫn khoa học TS Vũ Việt Quảng w Những nội dung nghiên cứu kết nghiên cứu đề tài trung n lo thực, số liệu phục vụ cho nghiên cứu đáng tin cậy tác giả ad thu thập từ nguồn khác nhau, thích rõ ràng để dễ dàng tra cứu y th ju kiểm chứng yi pl Thành phố Hồ Chí Minh, tháng 11 năm 2014 ua al n Tác giả n va ll fu m oi Huỳnh Thị Thúy Vy at nh z z ht vb k jm om l.c gm n a Lu n va y te re t to ng hi ep w n lo ad ju y th yi pl n ua al n va ll fu oi m at nh z z ht vb k jm om l.c gm n a Lu n va y te re MỤC LỤC t to TRANG PHỤ BÌA ng hi LỜI CAM ĐOAN ep MỤC LỤC w n DANH MỤC CÁC CỤM TỪ VIẾT TẮT lo ad DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ y th ju TĨM TẮT yi pl CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI ua al 1.1 Giới thiệu n va n 1.2 Mục tiêu nghiên cứu fu ll 1.3 Phạm vi nghiên cứu: oi m 1.4 Phương pháp nghiên cứu: nh at 1.5 Điểm luận văn z z ht vb 1.6 Bố cục luận văn k jm CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC gm 2.1 Các nghiên cứu vàng tài sản khác om l.c 2.2 Các nghiên cứu vàng tiền tệ CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 11 a Lu n 3.1 Phương pháp nghiên cứu 11 y te re 3.2.2 Xây dựng kiểm định giả thuyết 16 n 3.2.1 Định nghĩa Copula 12 va 3.2 Mơ hình nghiên cứu 11 3.2.3 Một số dạng hàm Copula với mẫu hình phụ thuộc khác 17 t to 3.2.4 Phương pháp ước lượng 19 ng hi 3.3 Dữ liệu 21 ep CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 22 w n 4.1 Sơ lược biến động giá vàng tỷ giá VND 22 lo ad 4.2 Kết kiểm định 27 y th ju 4.2.1 Kết kiểm định tính dừng 27 yi pl 4.2.2 Kết kiểm định Copula thực nghiệm 28 al n ua 4.2.3 Kết kiểm định mơ hình phân phối biên 32 va n 4.2.4 Kết kiểm định mức độ phù hợp mơ hình biên 34 fu ll 4.2.5 Kết ước lượng phụ thuộc hàm Copula 43 m oi CHƯƠNG 5: KẾT LUẬN 53 at nh 5.1 Kết luận kết nghiên cứu 53 z z ht vb 5.2 Những điểm hạn chế luận văn 53 k jm 5.3 Những gợi ý cho hướng nghiên cứu 54 PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MƠ HÌNH ARMA n va y te re PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT n PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL a Lu PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA om PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN l.c gm TÀI LIỆU THAM KHẢO DANH MỤC CÁC CỤM TỪ VIẾT TẮT t to ng hi ep Chỉ số giá tiêu dùng CPI w n Phương pháp suy luận phân phối biên lo IFMs ad Tối đa hóa likelihood ju y th ML Ngân hàng nhà nước pl al Tỷ giá hối đoái n ua TGHĐ yi NHNN n va ll fu oi m at nh z z ht vb k jm om l.c gm n a Lu n va y te re DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ t to ng Bảng 4.1: Thống kê mô tả cho suất sinh lợi theo tuần vàng tỷ giá 26 hi VND ep Bảng 4.2: Kết kiểm định ADF & KPSS 27 w n lo ad Bảng 4.3: Kết ma trận Copula thực nghiệm 29 ju y th Bảng 4.4: Kết ước lượng mơ hình ARMA phù hợp yi 32 pl 33 n vàng tỷ giá VND ua al Bảng 4.5: Ước lượng mơ hình phân phối biên cho suất sinh lợi va n Bảng 4.6: Kiểm định phù hợp mơ hình phân phối biên vàng 35 ll fu tỷ giá m oi Bảng 4.7: Tổng hợp kết kiểm định phù hợp mơ hình phân phối 41 at nh biên vàng tỷ giá z z Bảng 4.8: Kiểm định phù hợp mơ hình Copula ht vb 50 jm Hình 3.1: Giá vàng tỷ giá VND từ 05/07/2004 – 31/05/2014) k 23 gm vàng tỷ giá hối đoái VND 44 om l.c Hình 3.2: Ước lượng hàm Copula thực nghiệm mật độ phi tham số n a Lu n va y te re TÓM TẮT t to ng Luận văn đánh giá vai trò vàng cơng cụ phịng ngừa rủi ro hi ep kênh trú ẩn an toàn VND, cách sử dụng hàm Copula khác để mô tả phụ thuộc vàng VND giai đoạn thị trường điều kiện w bình thường thị trường có biến động cực độ Sử dụng liệu suất n lo sinh lợi theo tuần vàng tỷ giá hối đoái bao gồm AUD/VND, ad y th GBP/VND, EUR/VND, JPY/VND, USD/VND giao dịch hàng ngày ngân ju hàng Ngoại thương Việt Nam, luận văn cho thấy: yi pl al (1) Khơng tìm thấy phụ thuộc vàng VND điều kiện thị trường n ua bình thường, điều cho thấy vàng không sử dụng công cụ n va phòng ngừa rủi ro biến động VND fu ll (2) Tìm thấy phụ thuộc vàng VND thị trường biến động m oi mạnh, cho thấy vàng hoạt động nơi trú ẩn an toàn VND biến at nh động z z ht vb k jm om l.c gm n a Lu n va y te re CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI t to Giới thiệu ng 1.1 hi ep Tỷ giá hối đoái (TGHĐ) sách kinh tế vĩ mô quan trọng quốc gia Sự biến động tỷ giá hối đoái VND, đặc biệt w n USD/VND thời gian qua cho thấy, tỷ giá vấn đề thời sự, nhạy lo ad cảm Ở Việt Nam, TGHĐ không tác động đến xuất nhập khẩu, cán cân ju y th thương mại, thu hút đầu tư, ảnh hưởng không nhỏ đến niềm tin dân chúng mà yi kênh đầu tư quan trọng nhà đầu tư, nhà quản trị Khi TGHĐ pl biến động theo chiều hướng không thuận, Ngân hàng Nhà nước Việt Nam al ua (NHNN) thực nhiều giải pháp như: nới rộng biên độ +/-5% (3/2009); hạ n biên độ xuống +/- 3% (2/2010), đồng thời với việc điều chỉnh tăng tỷ giá liên va n ngân hàng 3,36% Gần vào ngày 18/8/2010, NHNN điều chỉnh tăng fu ll tỷ giá liên ngân hàng lên 2% (từ 18.544 VND/USD lên 18.932 VND/USD) oi m nh Thêm vào đó, thị trường tài chưa phát triển mạnh mẽ at Việt Nam, năm trở lại đây, thị trường lại chứng kiến giá VND z z lúc cao (tỷ giá VND với đồng ngoại tệ tăng cao) kết hợp với vb ht tăng giá nhanh vàng thu hút ý đặc biệt nhà đầu tư, nhà jm quản trị phương tiện truyền thơng tài Điều cho thấy có khả k gm sử dụng vàng công cụ phòng ngừa biến động tiền tệ l.c kênh trú ẩn an toàn VND biến động Đặc biệt tâm lý nắm giữ n a Lu chiều om vàng an toàn, thị trường có biến động mạnh mà không thuận y trường biến động cực độ (sự phụ thuộc đuôi) Điều quan trọng việc te re thuộc điều kiện thị trường bình thường (phụ thuộc trung bình) thị n hàm Copula Các hàm Copula khác cung cấp thước đo phụ va Để nghiên cứu cấu trúc phụ thuộc vàng VND, luận văn sử dụng 44 Reboredo, J.C., 2013, Is gold a safe haven or a hedge for US t to dollar? Implications for risk management Jounals of Banking & Finance ng 37, 2665 – 2676 hi Reboredo, J.C., Matı´ as, J.M., Garcı´a-Rubio, R., 2012 ep 45 Nonlinearity in forecasting of high-frequency stock returns Computational w n Economics 40 (3), 245–264 lo ad 46 Reboredo, J.C., Rivera-Castro, M.A, 2014 Can gold hedge y th and preserve value when the US dollar depreciates Economic Modelling 39, ju 168-173 yi Rodriguez, J.C., 2007 Measuring financial contagion, a pl 47 Sari, R., Hammoudeh, S., Soytas, U., 2010 Dynamics of oil n 48 ua al copula approach Journal of Empirical Finance 14, 401–423 va n price, precious metal prices, and exchange rate Energy Economics 32, 351– fu ll 362 m Sarma, M.S., Thomas, S., Shah, A., 2003 Selection of oi 49 50 at nh value-at-risk models Journal of Forecasting 22, 337–358 Sjasstad, L., 2008 The price of gold and the exchange rates: z z once again Resources Policy 33 (2), 118–124 vb Sjasstad, L., Scacciavillani, F., 1996 The price of gold and ht 51 jm the exchange rate Journal of International Money and Finance 15, 879–897 k Tully, E., Lucey, B.M., 2007 A power GARCH gm 52 Wang, Y.S., Chueh, Y.L., 2013 Dynamic transmission a Lu 53 om Finance 21, 316–325 l.c examination of the gold market Research in International Business and n effects between the interest rate, the US dollar, and gold and crude oil y Policy 36, 39–48 te re Wang, K.M., Lee, Y.M., 2011 The yen for gold Resources n 54 va prices Economic Modelling 30 (1), 792–798 55 Wang, K.M., Lee, Y.M., Thi, T.B.N., 2011 Time and place t to where gold acts as an inflation hedge: an application of long-run and short- ng run threshold model Economic Modelling 28, 806–819 hi ep 56 Worthington, A.C., Pahlavani, M., 2007 Gold investment as an inflationary hedge: cointegration evidence with allowance for w n endogenous structural breaks Applied Financial Economics Letters 3, 259– lo ad 262 Zakoian, J.M., 1994 Threshold heteroskedastic models y th 57 ju Journal of Economics Dynamics and Control 18, 931–944 yi pl n ua al n va ll fu oi m at nh z z ht vb k jm om l.c gm n a Lu n va y te re t to PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MƠ HÌNH ARMA ng hi ep Series: gold ARIMA(0,0,2) with non-zero mean w n Coefficients: ma1 ma2 intercept 0.0093 0.1547 0.0023 s.e 0.0434 0.0439 0.0009 lo ad ju y th yi sigma^2 estimated as 0.0003214: log likelihood=1345.45 AIC=-2682.9 AICc=-2682.82 BIC=-2665.9 pl n ua al Series: aud n va ARIMA(0,0,0) with non-zero mean fu ll sigma^2 estimated as 0.0005068: log likelihood=1227.75 AIC=-2451.51 AICc=-2451.49 BIC=-2443.01 oi m at nh z Series: jpy ARIMA(1,0,1) with zero mean z k jm om l.c gm sigma^2 estimated as 0.0002181: log likelihood=1445.64 AIC=-2885.28 AICc=-2885.24 BIC=-2872.54 ht vb Coefficients: ar1 ma1 -0.9691 0.9363 s.e 0.0375 0.0557 n a Lu Series: eur ARIMA(0,0,0) with zero mean n va y te re sigma^2 estimated as 0.001707: log likelihood=913.87 AIC=-1825.75 AICc=-1825.74 BIC=-1821.5 t to ng hi Series: gbp ARIMA(0,0,0) with zero mean ep sigma^2 estimated as 0.0002113: log likelihood=1453.85 AIC=-2905.69 AICc=-2905.68 BIC=-2901.44 w n lo ad Series: usd ARIMA(0,0,0) with non-zero mean ju y th yi sigma^2 estimated as 2.04e-05: log likelihood=2058.26 AIC=-4112.52 AICc=-4112.5 BIC=-4104.02 pl ua al n PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN n va ll fu GOLD oi at nh z z ht vb k jm Pr(>|t|) 0.382101 0.995877 0.644167 0.621683 0.004444 0.00000 0.003261 0.174038 0.000001 om n a Lu n va y te re t value 0.874031 -0.005167 0.461881 0.493467 2.844794 13.192090 -2.941987 1.359342 4.926231 l.c Std Error 0.002255 0.397684 0.197231 0.012960 0.045323 0.064544 0.228540 0.412713 0.731728 gm Optimal Parameters -Estimate mu 0.001971 ma1 -0.002055 ma2 0.091097 omega 0.006395 alpha1 0.128936 beta1 0.851470 eta11 -0.672361 lambda 0.561018 shape 3.604663 m * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,2) Distribution : std t to ng hi ep LogLikelihood : 1417.937 Information Criteria -Akaike -5.4504 Bayes -5.3765 Shibata -5.4510 Hannan-Quinn -5.4215 w n lo ad Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.3415 0.5590 Lag[2*(p+q)+(p+q)-1][5] 1.3658 0.9994 Lag[4*(p+q)+(p+q)-1][9] 1.8370 0.9903 d.o.f=2 H0 : No serial correlation ju y th yi pl n ua al va n Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.6529 0.4191 Lag[2*(p+q)+(p+q)-1][5] 1.2268 0.8066 Lag[4*(p+q)+(p+q)-1][9] 2.6236 0.8191 d.o.f=2 ll fu oi m at nh z z k jm AUD/VND n n va y te re Optimal Parameters a Lu * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std om l.c gm Scale P-Value 2.000 0.6812 1.667 0.7174 1.543 0.7462 ht vb Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.1688 0.500 ARCH Lag[5] 1.0527 1.440 ARCH Lag[7] 1.8637 2.315 t to ng hi ep -Estimate mu 0.002278 omega 0.000003 alpha1 0.024193 beta1 0.895066 eta11 0.999670 lambda 2.368974 shape 3.241000 Std Error 0.000574 0.000005 0.011982 0.032452 0.000966 0.416599 0.477959 w n t value 3.96976 0.60973 2.01922 27.58118 1034.73204 5.68646 6.78091 Pr(>|t|) 0.000072 0.542038 0.043464 0.000000 0.000000 0.000000 0.000000 lo ad LogLikelihood : 1410.802 Information Criteria -Akaike -5.4306 Bayes -5.3731 Shibata -5.4309 Hannan-Quinn -5.4080 ju y th yi pl ua al n Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.1986 0.6559 Lag[2*(p+q)+(p+q)-1][2] 0.2005 0.8539 Lag[4*(p+q)+(p+q)-1][5] 0.7978 0.9035 d.o.f=0 H0 : No serial correlation n va ll fu oi m at nh z z Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.01385 0.9063 Lag[2*(p+q)+(p+q)-1][5] 0.03226 0.9998 Lag[4*(p+q)+(p+q)-1][9] 0.05644 1.0000 d.o.f=2 ht vb k jm om l.c gm n a Lu n va Weighted ARCH LM Tests -Statistic Shape Scale P-Value ARCH Lag[3] 0.003491 0.500 2.000 0.9529 ARCH Lag[5] 0.018114 1.440 1.667 0.9988 ARCH Lag[7] 0.034775 2.315 1.543 0.9999 y te re t to GBP/VND ng hi ep w * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std n lo ad y th ju Optimal Parameters -Estimate mu 0.001145 omega 0.000003 alpha1 0.092026 beta1 0.892179 eta11 -0.060204 lambda1 2.043055 shape 5.107190 yi pl n ua al n va t value 2.56274 0.46324 2.31116 21.41993 -0.52291 4.30486 4.30605 Pr(>|t|) 0.010385 0.643192 0.020824 0.000000 0.601038 0.000017 0.000017 ll fu Std Error 0.000447 0.000006 0.039818 0.041652 0.115133 0.474593 1.186049 oi m at nh z z ht vb LogLikelihood : 1556.431 Information Criteria -Akaike -5.9939 Bayes -5.9364 Shibata -5.9943 Hannan-Quinn -5.9714 k jm om l.c gm n a Lu n va Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.03447 0.8527 Lag[2*(p+q)+(p+q)-1][2] 0.43415 0.7253 Lag[4*(p+q)+(p+q)-1][5] 1.25308 0.8002 d.o.f=0 H0 : No serial correlation y te re Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.06769 0.7947 t to Lag[2*(p+q)+(p+q)-1][5] 1.75389 0.6776 Lag[4*(p+q)+(p+q)-1][9] 3.54841 0.6661 d.o.f=2 ng hi ep Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 1.270 0.500 ARCH Lag[5] 2.617 1.440 ARCH Lag[7] 3.642 2.315 w Scale 2.000 1.667 1.543 n lo P-Value 0.2597 0.3503 0.4011 ad ju y th EUR/VND yi * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std pl n ua al n va ll fu oi m Optimal Parameters t value z k jm 0.000000 0.000000 0.000035 0.000000 0.140064 0.021949 0.000000 om l.c gm n a Lu n va y te re Weighted Ljung-Box Test on Standardized Residuals -statistic p-value ht Information Criteria -Akaike -5.6774 Bayes -5.6199 Shibata -5.6778 Hannan-Quinn -5.6549 7.9523 7.9697 4.1374 1004.4108 1.4756 2.2912 9.5362 vb 1474.609 Pr(>|t|) z 0.000135 0.003399 0.011961 0.000906 0.343002 0.061332 0.295858 at LogLikelihood: Std Error nh mu omega alpha1 beta1 eta11 lambda1 shape Estimate 0.001073 0.027090 0.049489 0.909586 0.506118 0.140526 2.821363 t to Lag[1] 0.02072 0.8856 Lag[2*(p+q)+(p+q)-1][2] 0.03644 0.9670 Lag[4*(p+q)+(p+q)-1][5] 0.12568 0.9970 d.o.f=0 H0 : No serial correlation ng hi ep w Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.02700 8.695e-01 Lag[2*(p+q)+(p+q)-1][5] 0.08042 9.988e-01 Lag[4*(p+q)+(p+q)-1][9] 41.61031 2.542e-10 d.o.f=2 n lo ad ju y th yi Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.02430 0.500 ARCH Lag[5] 0.06215 1.440 ARCH Lag[7] 52.59718 2.315 pl n ua al P-Value 8.761e-01 9.933e-01 1.430e-13 n va Scale 2.000 1.667 1.543 ll fu oi m JPY/VND at z z ht vb k jm n n va y te re Pr(>|t|) 0.112027 0.000027 0.000553 0.695309 0.138513 0 0.001035 a Lu t value -1.58915 -4.19815 3.45349 0.39166 1.48135 50.66621 -1124.6 3.2809 om Std Error 0.000535 0.185733 0.20751 0.000041 0.012274 0.018766 0.000889 0.513256 l.c gm Optimal Parameters -Estimate mu -0.000851 ar1 -0.779737 ma1 0.716632 omega 0.000016 alpha1 0.018182 beta1 0.95081 eta11 -0.999934 lambda1 1.68394 nh * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std shape 5.167626 t to LogLikelihood : 1.086629 4.75565 0.000002 1490.675 ng hi ep w Information Criteria -Akaike -5.7318 Bayes -5.6579 Shibata -5.7324 Hannan-5.7028 Quinn Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.2932 0.5882 Lag[2*(p+q)+(p+q)-1][5] 0.7191 1.0000 Lag[4*(p+q)+(p+q)-1][9] 1.7962 0.9915 d.o.f=2 H0 : No serial correlation n lo ad ju y th yi pl n ua al n va ll fu oi m Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.2766 0.5990 Lag[2*(p+q)+(p+q)-1][5] 2.4872 0.5086 Lag[4*(p+q)+(p+q)-1][9] 3.5629 0.6636 d.o.f=2 at nh z z ht vb om l.c n a Lu P-Value 0.3807 0.4743 0.6623 Scale 2.000 1.667 1.543 gm y te re * n va GARCH Model Fit k USD/VND * jm Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.7684 0.500 ARCH Lag[5] 1.9864 1.440 ARCH Lag[7] 2.2604 2.315 Conditional Variance Dynamics - t to GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(1,0,1) Distribution : std Optimal Parameters ng hi ep Estimate 0.00000 0.00000 0.46190 0.70862 0.13147 0.27524 2.10000 w mu omega alpha1 beta1 eta11 lambda1 shape n lo ad ju y th Std Error 0.000000 0.000271 0.034257 0.020085 0.085071 0.029325 0.009840 t value -2.926511 0.000105 13.483312 35.281083 1.545454 9.385756 213.414307 Pr(>|t|) 0.003428 0.999916 0.000000 0.00000 0.122236 0.000000 0.00000 yi 2920.449 pl LogLikelihood n ua al va -11.271 -11.213 -11.271 -11.248 n ll fu oi m InformationCriteria Akaike Bayes Shibata Hannan-Quinn at nh Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.002008 0.9643 Lag[2*(p+q)+(p+q)-1][2] 0.003018 0.9965 Lag[4*(p+q)+(p+q)-1][5] 0.006071 1.0000 d.o.f=0 H0 : No serial correlation z z ht vb om l.c gm n a Lu n va y te re Weighted ARCH LM Tests -Statistic Shape Scale P-Value ARCH Lag[3] 0.001965 0.500 2.000 0.9646 ARCH Lag[5] 0.004730 1.440 1.667 0.9998 k jm Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.001961 0.9647 Lag[2*(p+q)+(p+q)-1][5] 0.005928 1.0000 Lag[4*(p+q)+(p+q)-1][9] 0.009958 1.0000 d.o.f=2 ARCH Lag[7] 0.007060 2.315 1.543 1.0000 PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA t to ng GOLD - AUD hi ep Copula Gaussian Copula Clayon Copula Gumbel Copula SJC $par [1] 0.3759064 $par [1] 0.5302496 $par $par [1] 1.266202 [1] 1.37521 $par2 6.688732 $par2 [1] $par2 [1] $par2 [1] 0.1541761 $se [1] 0.07289528 $se [1] 0.04275466 $se $se2 [1] $se2 [1] 0.073359 Copula t'Student w n $par [1] 0.3502478 lo ad ju y th yi $par2 [1] pl $se [1] 0.04017962 $se2 [1] $se2 [1] 2.327872 $se2 [1] Copula Gaussian Copula t'Student Copula Clayon Copula Gumbel $par [1] 0.2534419 $par [1] 0.2591537 $par [1] 0.3281206 $par $par2 [1] $par2 [1] 11.15781 $par2 [1] $par2 [1] $par2 [1] 0.1455865 $se [1] 0.04024405 $se [1] 0.0431316 $se [1] 0.06575029 $se $se $se2 [1] $se2 [1] 6.819784 $se2 [1] $se2 [1] n ua al $se [1] 0.03657805 [1] 0.07102901 n va ll fu oi m nh at GOLD – GBP z z ht vb Copula SJC jm $par k om l.c gm [1] 1.161674 [1] 1.201454 n a Lu n va [1] 0.037034 [1] 0.06125402 y te re $se2 [1] 0.06533266 t to GOLD – EUR ng hi ep Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.2828916 $par [1] 0.3058083 $par [1] 0.3723042 $par [1] 1.202048 $par [1] 1.219971 $par2 [1] 11.96751 $par2 [1] $par2 [1] $par2 [1] 0.1676532 $se [1] 0.06881035 $se [1] 0.03863826 $se [1] 0.06550155 $se2 $se2 $se2 [1] [1] 0.06835649 Copula Gaussian w n lo ad $se [1] 0.04163662 yi pl $se [1] 0.03858448 ju y th $par2 [1] ua al $se2 [1] [1] 6.727737 n $se2 n va [1] ll fu oi m at nh GOLD – JPY Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.1753314 $par [1] 0.2025347 $par [1] 0.281469 $par [1] 1.107438 $par2 [1] $par2 [1] 7.138541 $par2 [1] $par2 [1] $par2 [1] 0.06069128 $se [1] 0.04218039 $se [1] 0.04605498 $se [1] 0.06924937 $se [1] 0.0332264 $se [1] 0.06268297 $se2 [1] $se2 [1] 2.603366 $se2 [1] $se2 [1] $se2 [1] 0.05673422 z Copula Gaussian z ht vb $par [1] 1.195245 k jm om l.c gm n a Lu n va y te re t to GOLD – USD ng hi ep Copula Copula Copula Copula Gaussian t'Student Clayon Gumbel SJC $par [1] 0.04138814 $par [1] 0.02192112 $par [1] 1.013152 $par [1] 1.004358 $par2 $par2 $par2 $par2 [1] 30 [1] [1] [1] 0.04139941 $se [1] 0.03256699 $se [1] 0.01198072 $se [1] 0.01473622 $se2 $se2 [1] [1] 0.01965045 Copula w $par [1] 0.0497137 n lo ad yi [1] ju y th $par2 pl al $se [1] 0.03510272 $se2 $se2 $se2 [1] [1] NA [1] n ua $se [1] 0.03178018 n va ll fu oi m at nh PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL z z ht vb GOLD-GBP GOLD-EUR GOLD-JPY GOLD-USD $lower $lower $lower $lower $lower [1] 0.234318 [1] 0.08586476 [1] 0.09647677 [1] 0.07072439 [1] 5.16e-19 $upper $upper $upper $upper $upper [1] 0.1151174 [1] 0.09442371 [1] 0.1394584 [1] 0.0351883 [1] 0.01647293 k jm GOLD-AUD om l.c gm n a Lu n va y te re PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT t to ng hi GOLD-AUD GOLD-EUR GOLD-JPY GOLD-USD $p.value.indept est $p.value.indept est $p.value.indept est $p.value.indept est [1] 4.6809e-09 [1] 1.1029e-12 [1] 6.0879e-06 [1] 0.4917402 $family $family $family [1] [1] [1] $par $par $par [1] 0.2025347 [1] ep GOLD-GBP w $p.value.indept est n lo ad [1] ju y th $family yi $family pl [1] $par $par [1] 0.3759064 [1] 0.2599594 [1] 0.3058083 $par2 $par2 $par2 [1] 6.688732 [1] 9.95118 [1] 11.96751 n ua al [1] n va ll fu oi m at nh $par2 z $par2 z [1] ht vb [1] 7.138541 k jm om l.c gm n a Lu n va y te re