Bài giảng phân tích chuỗi thời gian trong tài chính chương 2 mô hình chuỗi thời gian đơn biến

TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT KHOA TOÁN KINH TẾ Chương 2: MƠ HÌNH CHUỖI THỜI GIAN ĐƠN BIẾN (12 tiết) Thành phố Hồ Chí Minh, Ngày 25 tháng 11 năm 2020 / 45 2.1 Kinh tế lượng chuỗi thời gian Các mơ hình kinh tế lượng chủ yếu nghiên cứu mối quan hệ nhân quả, tức X thay đổi dẫn đến Y thay đổi, biểu diễn dạng mơ hình Y = f (X ) +  / 45 2.1 Kinh tế lượng chuỗi thời gian Các mơ hình kinh tế lượng chủ yếu nghiên cứu mối quan hệ nhân quả, tức X thay đổi dẫn đến Y thay đổi, biểu diễn dạng mơ hình Y = f (X ) +  Dữ liệu nghiên cứu mơn dự báo đề cập đến mối quan hệ nhân quả, mà tập trung khai thác thông tin khứ chứa đựng liệu / 45 2.1 Kinh tế lượng chuỗi thời gian Các mơ hình kinh tế lượng chủ yếu nghiên cứu mối quan hệ nhân quả, tức X thay đổi dẫn đến Y thay đổi, biểu diễn dạng mơ hình Y = f (X ) +  Dữ liệu nghiên cứu môn dự báo đề cập đến mối quan hệ nhân quả, mà tập trung khai thác thông tin khứ chứa đựng liệu Các mơ hình dự báo nhằm mục đích mơ hình hóa cấu trúc, tìm hiểu vận động kinh tế hay kiểm đinh giả thuyết, cho sai số giá trị dự báo giá trị thực tế bé tốt / 45 2.1 Kinh tế lượng chuỗi thời gian Các mơ hình kinh tế lượng chủ yếu nghiên cứu mối quan hệ nhân quả, tức X thay đổi dẫn đến Y thay đổi, biểu diễn dạng mơ hình Y = f (X ) +  Dữ liệu nghiên cứu mơn dự báo đề cập đến mối quan hệ nhân quả, mà tập trung khai thác thông tin khứ chứa đựng liệu Các mô hình dự báo nhằm mục đích mơ hình hóa cấu trúc, tìm hiểu vận động kinh tế hay kiểm đinh giả thuyết, cho sai số giá trị dự báo giá trị thực tế bé tốt Các mơ hình dự báo chuỗi thời gian thường thực cách khai thác tối đa mối quan hệ nội trạng thái động vốn tồn qua thời gian áp dụng cho biến số / 45 2.2 Giới thiệu tổng quan mơ hình ARIMA Một số thuật ngữ mơ hình ARIMA AR Autogressive: Tự hồi quy I Integrated: Sai phân MA Moving Average: Trung bình trượt / 45 2.2 Giới thiệu tổng quan mơ hình ARIMA Một số thuật ngữ mơ hình ARIMA AR Autogressive: Tự hồi quy I Integrated: Sai phân MA Moving Average: Trung bình trượt Một chuỗi thời gian dừng Dữ liệu dao động xung quanh giá trị trung bình dài hạn Dữ liệu có giá trị phương sai xác định không thay đổi theo thời gian Dữ liệu có giản đồ tự tương quan với hệ số tự tương quan giảm dần độ trễ tăng lên / 45 2.2 Giới thiệu tổng quan mơ hình ARIMA Biểu diễn đặc điểm chuỗi thời gian Yt dừng E (Yt ) số cho tất thời điểm t E (Yt ) = µ / 45 2.2 Giới thiệu tổng quan mơ hình ARIMA Biểu diễn đặc điểm chuỗi thời gian Yt dừng E (Yt ) số cho tất thời điểm t E (Yt ) = µ Var (Yt ) số cho tất thời điểm t Var (Yt ) = E (Yt − µ)2 = σ / 45 2.2 Giới thiệu tổng quan mơ hình ARIMA Biểu diễn đặc điểm chuỗi thời gian Yt dừng E (Yt ) số cho tất thời điểm t E (Yt ) = µ Var (Yt ) số cho tất thời điểm t Var (Yt ) = E (Yt − µ)2 = σ Cov (Yt , Yt−k ) số cho tất thời điểm t k khác Giá trị hiệp phương sai hai giai đoạn phụ thuộc vào khoảng cách hai giai đoạn Cov (Yt , Yt−k ) = E [(Yt − µt )(Yt−k − µt−k )] = γk γk hiệp phương sai với độ trễ k / 45