(Tiểu luận) đề tài dự báo tỷ giá hối đoái giai đoạn 2023q3 – 2025 q3tại việt nam

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ QUỐC TẾ -oOo - TIỂU LUẬN TÀI CHÍNH QUỐC TẾ ĐỀ TÀI: DỰ BÁO TỶ GIÁ HỐI ĐOÁI GIAI ĐOẠN 2023Q3 – 2025Q3 TẠI VIỆT NAM Lớp tín chỉ: KTE418(HK1-2324)1.2 Giảng viên hướng dẫn: TS Đinh Thị Thanh Bình Nhóm sinh viên thực hiện: Nhóm STT Họ tên Mã sinh viên Tiến độ Nguyễn Lê Hương Trà 2111410125 100% Nguyễn Thị Minh Trang 2111410128 100% Nguyễn Thị Trang 2111410129 100% Hà Nội, tháng năm 2023 MỤC LỤC DANH MỤC BẢNG LỜI MỞ ĐẦU CHƯƠNG 1: KHẢO SÁT DỮ LIỆU 1.1 Phương pháp thu thập số liệu, nguồn số liệu 1.2 Mô tả thống kê liệu Thực thống kê mô tả cho chuỗi (sau gọi REER), nhóm bảng mô tả số thống kê quan trọng sau: Bảng Mô tả thống kê chuỗi liệu REER Chỉ số Số quan sát Giá trị trung bình Trung vị Giá trị lớn Giá trị nhỏ Độ lệch chuẩn Giá trị 94 122.0716 118.6485 160.9224 88.27144 22.00947 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Qua bảng mơ tả thống kê, nhóm có nhìn tổng qt liệu: • Bộ liệu gồm 94 quan sát • Giá trị trung bình trung vị chuỗi khoảng thời gian 122.0716 118.6485 • Độ lệch chuẩn có giá trị khơng cao (xấp xỉ 18% giá trị trung bình) Điều thể giá trị chuỗi liệu có độ phân tán thấp xung quanh giá trị trung bình Chênh lệch giá trị lớn giá trị nhỏ cao (160.9224 88.27144) 1.3 Khảo sát số liệu 1.3.1 Phương pháp đồ thị Nhóm có đồ thị theo thời gian chuỗi REER sau: Hình 1: Đồ thị mơ tả chuỗi giá trị biến động tỷ giá (REER) Việt Nam Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Từ đồ thị thấy chuỗi REER có xu hướng tăng dần qua năm Nhìn chung, chuỗi có xu hướng tăng mạnh dần năm phía sau Riêng từ khoảng 2000 đến 2004, REER có xu hướng giảm nhẹ, khoảng 2008 – 2009 tăng vọt từ 2010 trở giữ xu hướng tăng dần ổn định Có thể nhận xét, đồ thị REER có dạng cộng tính, có yếu tố xu (tăng dần)  Khảo sát yếu tố mùa vụ liệu Nhóm tiến hành vẽ đồ thị theo mùa (Seasonal Graph) thực kiểm định Kruskal – Wallis để kiểm tra tính mùa vụ chuỗi liệu Đầu tiên, nhóm vẽ đồ thị theo mùa cho chuỗi REER: Hình 2: Đồ thị theo mùa chuỗi REER Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Các đường màu đỏ nằm ngang giá trị trung bình theo quý năm chuỗi Do vạch đỏ xuất chênh lệch chúng khơng đáng kể Vì nhận định chuỗi REER có tính mùa vụ khơng cần loại tính mùa vụ khỏi chuỗi Tiếp theo, nhóm tiến hành kiểm định Kruskal – Wallis với giả thuyết sau: H0: Chuỗi liệu khơng có yếu tố mùa vụ H1: Chuỗi liệu có yếu tố mùa vụ Kết thu sau: Bảng 2: Kết kiểm định Kruskal - Wallis Phương pháp Kruskal – Wallis df Giá trị 85.93438 p_value 0.0000 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Ta thấy p_value = 0.0000 < 0.05 => bác bỏ giả thuyết H0 ⇨ Chuỗi liệu có yếu tố mùa vụ Từ ba phương pháp (khảo sát đồ thị, sử dụng biểu đồ Seasonal Graph kiểm định Kruskal – Wallis), nhóm đưa kết luận mơ hình dự báo cho chuỗi liệu REER mơ hình cộng tính có yếu tố xu mùa vụ 1.3.2 Phân tích tự tương quan tự tương quan riêng chuỗi Thơng qua phần mềm Eviews 12, nhóm có giản đồ tự tương quan tự tương quan riêng chuỗi REER sau: Hình 3: Giản đồ tự tương quan tự tương quan riêng chuỗi REER Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Dựa vào giản đồ tự tương quan (ACF), ta thấy hệ số tự tương quan độ trễ lớn có ý nghĩa thống kê Điều cho thấy chuỗi REER có yếu tố xu mạnh có khả khơng có tính dừng 1.3.3 Kiểm định tính dừng chuỗi Để kiểm tra tính dừng chuỗi liệu nhằm đảm bảo mơ hình khơng có tượng hồi quy giả mạo, nhóm sử dụng kiểm định bước ngẫu nhiên (hay gọi kiểm định nghiệm đơn vị Augmented Dickey Document continues below Discover more from: Dự báo kinh tế kinh… KTEE418 Trường Đại học… 8 documents Go to course TỰ LUẬN LÝ THUYẾT - Ơn tự luận cuối kì Dự báo kinh tế và… None Đề ôn CK - Đề ơn cuối kì Dự báo kinh tế và… None Dự báo - Dự báo 50 Dự báo kinh tế và… None Dự báo - Vở ghi 20 Dự báo kinh tế và… None 28-sts - geurae nada Dự báo kinh tế và… None Luyện tập chương Dự báo kinh tế và… None – Fuller (ADF) Nhóm kiểm định tính dừng cho chuỗi REER, sai phân bậc chuỗi REER với cặp giả thuyết sau: H0: Chuỗi liệu khơng có tính dừng H1: Chuỗi liệu có tính dừng Kết kiểm định ADF sau: Bảng 3: Kết kiểm định ADF chuỗi REER, sai phân bậc Tên chuỗi Chuỗi gốc (REER) Chuỗi sai phân bậc Ký hiệu chuỗi REER d(REER) Thống kê t -0.239526 -6.880234 p_value 0.9284 0.0000 Kết luận Chấp nhận H0 Bác bỏ H0 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Kết cho thấy chuỗi REER chuỗi khơng dừng, có chuỗi sai phân bậc liệu ban đầu chuỗi có tính dừng Kết luận: Khảo sát liệu cho thấy chuỗi liệu REER chuỗi có yếu tố xu mạnh mùa vụ, cường độ mạnh dần có sai phân bậc chuỗi dừng Vì mơ hình dự báo chuỗi REER mơ hình cộng tính có yếu tố xu mùa vụ CHƯƠNG 2: LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO 2.1 Dự báo thô hiệu chỉnh kết hợp xu mùa vụ Khi chuỗi liệu cần dự báo có yếu tố xu yếu tố mùa vụ dự báo thơ hiệu chỉnh kết hợp yếu tố xu mùa vụ sau: =+(-) Với s số mùa vụ năm (dữ liệu theo quý s = 4, liệu theo tháng s = 12) 2.2 Phương pháp san mũ Holt – Winter (Khác ac, MH cộng tính) 2.3 Phương pháp phân tích 2.4 Phương pháp ARIMA Mơ hình ARIMA loại mơ hình sử dụng phổ biến kinh tế lượng George Box Gwilym Jenkins (1976) nghiên cứu mơ hình ARIMA (Autoregressive Integrated Moving Average Tự hồi quy 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 Mơ hình ARIMA (p, d, q) tạo thành thành phần AR (thành phần tự hồi quy); I (tính dừng chuỗi thời gian) MA (thành phần trung bình trượt): • Thành phần d mơ hình nhận dạng thơng qua kiểm định tính dừng chuỗi thời gian Ta sử dụng đồ thị Yt theo thời gian kiểm định nghiệm đơn vị (Unit Root Test) Nếu chuỗi thời gian dừng bậc d = 0, sai phân bậc chuỗi dừng d = 1, • Thành phần p q trình tự hồi quy - AR trung bình trượt - MA xác định thông qua biểu đồ tự tương quan ACF biểu đồ tự tương quan riêng phần PACF Với chuỗi thời gian có yếu tố mùa vụ, cần tách yếu tố mùa vụ trước tiến hành dự báo ARIMA Cách dự báo gọi dự báo mơ hình SARIMA hay ARIMA điều chỉnh yếu tố mùa vụ Sau tham số mơ hình tổng qt xây dựng, người ta kiểm tra mức độ xác phù hợp mơ hình với liệu lập Ta xem xét phần sai số có phải ngẫu nhiên túy khơng, số AIC, SBC HQ có phải tối ưu khơng Nếu có mơ hình thỏa mãn, khơng ta phải thực lại bước Ở bước cuối cùng, mô hình phù hợp với liệu tìm được, ta thực dự báo thời điểm Cụ thể, quy trình dự báo mơ hình ARIMA tóm tắt qua bước sau: Bước 1: Kiểm tra tính dừng chuỗi cần dự báo Nếu chuỗi không dừng cần biến đổi thành chuỗi dừng (lấy log, lấy sai phân chuỗi, ) Bước 2: Tìm p, q mơ hình giản đồ tương quan tương quan riêng phần ACF PACF Bước 3: Ước lượng mơ hình với p, q vừa tìm Bước 4: Kiểm tra mơ hình điều kiện giả định mơ hình: Độ trễ cao có ý nghĩa thống kê hay không, nhiễu trắng, chất lượng dự báo (MAPE Proc => Exponential Smoothing => Simple Exponential Smoothing => HoltWinters – Additive Bảng 4: Các giá trị ước lượng phương pháp san mũ Winters Tổng bình phương phần dư (SSR) Căn bậc hai trung bình bình phương sai số (RMSE) Lt Tt �� 2022Q3 2022Q4 2023Q1 1.0000 0.0000 0.0000 768.2482 2.858820 151.4142 0.595458 -0.027186 0.300286 -0.230002 2023Q2 -0.043097 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Các phương trình san mũ Winter cho mơ hình cộng: Bảng 5: Kết dự báo phương pháp san mũ Winter cho mơ hình cộng tính giai đoạn 2023Q3 – 2025Q2 Quý 2023Q3 2023Q4 2024Q1 2024Q2 2024Q3 2024Q4 2025Q1 2025Q2 Giá trị dự báo 151.982520096195 152.9054492343549 152.9706189626591 153.7529816734328 154.3643510336459 155.2872801718058 155.35244990011 156.1348126108837 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Sau dự báo, nhóm sử dụng lệnh line nhằm so sánh biểu đồ chuỗi REER chuỗi dự báo: Hình 5: So sánh giá trị dự báo giá trị thực tế tỷ giá hối đối Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 Thực dự báo phương pháp san mũ Winters với sai số % trung bình tuyệt đối MAPE , số tốt chứng minh độ xác dự báo Từ đồ thị thấy đường REERSM khơng chênh lệch nhiều so với đường REER, hàm ý tin cậy vào giá trị dự báo 3.3 Phương pháp phân tích Nhóm tác giả dự báo phương pháp phân tích phần mềm Eview 12 bao gồm bước sau: Bước 1: Nhận dạng liệu Qua phần khảo sát liệu Chương 1, nhóm đưa kết luận mơ hình dự báo cho chuỗi liệu REER mơ hình cộng tính có yếu tố xu mùa vụ Bước 2: Tách yếu tố mùa vụ S Tại cửa sổ graph (hình vẽ) – proc- seasonal adjustment- moving average methods-( chọn ratio moving average)- reersa Bảng: Chỉ số mùa vụ Scaling Factors dự báo phương pháp phân tích Qu ý Hệ số mùa vụ -0.213644 -0.085843 -0.045904 -.345391 Bước 3: Tạo biến xu để đc ước lượng mơ hình i) Tạo biến xu Genr t= @trend(1999Q4) ii) Chạy mơ hình Ước lượng chuỗi hiệu chỉnh xu t kiểm định mơ hình ước lượng Sau thử nhiều hàm xu khác reer, nhóm tìm hàm xu tốt mơ hình chạy ước lượng lệnh: ls reer c t t^2 t^3 t^4 Reer= Nhóm chạy thu phương trình hồi quy sau: Reer= Bảng 3.5 Kiểm định phù hợp hàm xu Các hệ số hồi quy Bỏ sót biến Tự tương quan với nhiễu lags=2 Phương sai sai số thay đổi p-value Mức ý nghĩa 0.3509 Lớn Nhỏ 0.2770 Lớn Kết luận Có ý nghĩa thống kê Khơng có bỏ sót biến Có tự tương quan Khơng có phương sai sai số thay đổi Phân phối chuẩn nhiễu 0.115372 Lớn Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eviews 12 iii) Khắc phục tự tương quan Thực lệnh Estimate- Robust LS Từ đó, mơ hình dự báo cuối đưa là: Reer= iv) Dự báo cho chuỗi hiệu chỉnh theo xu Dựa vào đồ thị kết dự báo chuỗi hiệu chỉnh theo xu thế, ta thấy sai số % trung bình tuyệt đối MAPE mơ hình 3.15% Bước 4: Kết hợp yếu tố mùa vụ để đưa kết dự báo cuối Sử dụng câu lệnh Eview genr reerf1=reerf + sd Thu bảng giá trị dự báo tổng giá trị nhập theo tháng Việt Nam cho 10 tháng cuối năm 2023 sau: Quý-Năm 3-2023 4-2023 1-2-24 2-2024 3-2024 4-2024 1-2025 Giá trị tỷ giá 150.2312 150.3552 149.4921 149.2800 148.9451 148.9274 147.9265 2-2025 3-2025 147.5804 146.1157 3.4 Phương pháp ARIMA Nhóm tiến hành sử dụng chuỗi tách yếu tố mùa vụ Reersa mô hình phân tích để thực bước sau: Bước 1: Xét tính dừng chuỗi Kiểm định tính dừng chuỗi tách yếu tố mùa vụ kiểm định nghiệm đơn vị (Unit Root Test – Dickey-Fuller) với cặp giả thiết: H0 - chuỗi có nghiệm đơn vị (chuỗi khơng dừng) H1 - chuỗi khơng có nghiệm đơn vị (chuỗi dừng) Kết kiểm định cho bảng: Bảng 3.8 Bảng kiểm định tính dừng chuỗi reersa Kiểm định Augmented Dickey-Fuller Thống kê t P-value -0.218951 0.9311 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eview 12 Ta thấy p-value = 0.9311 > α = 0.05 nên chưa thể bác bỏ H0, chuỗi reersa chưa phải chuỗi dừng Thực kiểm định Unit Root Test lần với sai phân bậc chuỗi reersa, ta thu bảng kết quả: Bảng 3.9 Bảng kiểm định tính dừng chuỗi dreersa Kiểm định Augmented Dickey-Fuller Thống kê t P-value -6.959405 0.0000 Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eview 12 Ta thấy p-value = 0.0000 < α = 0.05 nên bác bỏ H0, sai phân bậc chuỗi dreersa chuỗi dừng Bước 2: Xác định bậc p, q mơ hình ARIMA với AR(p) MA(q) Lựa chọn bậc mơ hình AR(p) MA(q) giản đồ tự tương quan riêng phần (PACF) tự tương quan (ACF) Mở chuỗi reersa – View – Correlogram- 1st difference với lags=8, ta giản đồ sau: Bảng 3.10 Giản đồ tương quan tương quan riêng phần dreer Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm Eview 12 Nhìn vào giản đồ, tự tương quan tự tương quan riêng phần, ta lựa chọn p=2, p=4; q=1 Nhóm tiến hành ước lượng mơ hình ARIMA tương ứng: ARIMA(2,1,1); ARIMA(4,1,1) Xét mơ hình ARIMA(2,1,1) Sử dụng lệnh ls d(reersa) c ar(1) ar(2) ma(1) cho kết sau: Bảng…: Kết ước lượng mơ hình ARIMA(2,1,1) Biến Hệ số góc Độ lệch chuẩn Thống kê t p-value c 0.550239 0.377698 1.456823 0.1487 AR (1) -0.038305 0.213106 -0.179746 0.8578 AR (2) -0.094330 0.144854 -0.651206 0.5166 MA(1) 0.564893 0.199915 2.825674 0.0058 SIGMASQ 6.375537 1.006008 6.337460 0.0000 R2 = 22.75% AIC = 4.802392 R2 hiệu chỉnh = 19.24% SBC=4.938553 p-value (thống kê F) = 0.000128 HQC = 4.857370 Nguồn: Nhóm tác giả tự tổng hợp qua phần mềm Eviews 12 Bảng kết cho thấy hệ số khơng có ý nghĩa thống kê Tiếp tục chọn lệnh Forecast bảng kết hồi quy, ta có: Hình…: Dự báo Kết cho thấy số MAPE mơ hình 8.517444% MAE=9.186549 Nhóm sử dụng số để so sánh tính hiệu so với mơ hình khác Xét mơ hình ARIMA(4,1,1) Tương tự, Sử dụng lệnh ls d(reersa) c ar(1) ar(2) ar(3) ar(4) ma(1) cho kết sau: Bảng…: Kết ước lượng mô hình ARIMA(2,1,1) Biến Hệ số góc Độ lệch chuẩn Thống kê t p-value c 0.558908 0.326272 1.713015 0.0903 AR (1) 0.290206 0.650537 0.446103 0.6566 AR (2) -0.274393 0.353668 -0.775850 0.4400 AR(3) 0.123751 0.268864 0.460273 0.6465 AR(4) -0.169801 0.183844 -0.923616 0.3583 MA(1) 0.232605 0.650629 0.357507 07216 SIGMASQ 6.266093 0.982331 6.378799 0.0000 R2 = 24.08% AIC = 4.88878 R2 hiệu chỉnh = 18.78% SBC=5.019504 p-value (thống kê F) = 0.000128 HQC = 4.905847 Nguồn: Nhóm tác giả tự tổng hợp qua phần mềm Eviews 12 Bảng kết cho thấy hệ số khơng có ý nghĩa thống kê Tiếp tục chọn lệnh Forecast bảng kết hồi quy, ta có: Có thể thấy, so sánh mơ hình ARIMA, giá trị R^2 ARIMA(4,1,1) lớn R^2 mơ hình ARIMA(2,1,1) giá trị hiệu chỉnh lại nhỏ Khơng thế, hệ số mơ hình khơng mang ý nghĩa thống kê, nhiên, với mục đích dự báo, nhóm sử dụng sai số phần trăm tuyệt đối MAPE để so sánh với mơ hình khác Nhận thấy mơ hình ARIMA(4,1,1) có MAPE nhỏ so với mơ hình ARIMA(2,1,1) (7,79