(Tiểu luận) đề tài dự báo giá vàng thế giới từ tháng 9 2023 đến tháng 8 2024

Kết quả kiểm định tính dừng của chuỗi GOLD và dGOLD...6Bảng 2.. Hơn nữa, sự thay đổi của giá vàng có thể đóng vai trò là tlm gương phản ánh tâm lýthị trường rộng hơn và sic khỏe của nền

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

KHOA KINH TẾ QUỐC TẾ

Giảng viên hướng dẫn: TS Đinh Thị Thanh Bình

Nhóm sinh viên thực hiện: Nhóm 1

MỤC LỤC

MỤC LỤC i

DANH MỤC BẢNG ii

DANH MỤC HÌNH ẢNH iii

GIỚI THIÊOU 1

CHƯƠNG 1: KHẢO SÁT DỮ LIỆU 3

1.1 Phương pháp thu thập số liệu, nguồn số liệu 3

1.2 Khảo sát số liệu 3

1.2.1 Phương pháp đồ thị 3

1.2.2 Phân tích tự tương quan và tự tương quan riêng của chuỗi 4

1.2.3 Kiểm tra tính dừng của chuỗi 5

CHƯƠNG 2: LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO 7

2.1 Phương pháp san mũ Holt - Winters 7

2.2 Phương pháp phân tích 7

2.3 Phương pháp ARIMA 9

CHƯƠNG 3: KẾT QUẢ DỰ BÁO 10

3.1 Phương pháp san mũ Holt-Winter 10

3.2 Kết quả dự báo bằng phương pháp phân tích 11

3.3 Kết quả ARIMA 15

3.4 Đánh giá các kết quả dự báo 18

KẾT LUẬN 20

TÀI LIỆU THAM KHẢO 21

DANH MỤC BẢNG

Bảng 1 Kết quả kiểm định tính dừng của chuỗi GOLD và dGOLD 6

Bảng 2 Kết quả dự báo mô hình Holt - WInters 10

Bảng 3 Yếu tố mùa vụ của chuỗi GOLD 11

Bảng 4 Kết quả kiểm định bỏ sót biến 12

Bảng 5 Kết quả kiểm định bỏ sót biến sau khi bổ sung biến log(t) 12

Bảng 6 Kết quả kiểm định phương sai sai số thay đổi 13

Bảng 7 Kết quả kiểm định tự tương quam 13

Bảng 8 Kết quả dự báo bằng phương pháp phân tích khi tách yếu tố mùa vụ 14

Bảng 9 Kết quả dự báo bằng phương pháp phân tích sau khi kết hợp yếu tố mùa vụ 15

Bảng 10 Kết quả ước lượng các mô hình có thể 16

Bảng 11 Kết quả ước lượng mô hình ARIMA(1, 5) 16

Bảng 12 Kết quả dự báo biến lgold 17

Bảng 13 Dự báo giá vàng trên thế giới từ tháng 09/2023 đến tháng 08/2024 bằng 17

Bảng 14 Đánh giá kết quả dự báo của các phương pháp 18

Bảng 15 Kết quả dự báo cuối cùng giá vàng trên thế giới từ tháng 09/2023 đến tháng 08/2024 18

DANH MỤC HÌNH ẢNH

Hình 1 Đồ thị mô tả chuỗi GOLD theo dòng thời gian 3

Hình 2 Đồ thị mô tả chuỗi Gold theo dòng thời gian 4

Hình 3 Giản đồ tự tương quan và tương quan riêng của chuỗi GOLD 4

Hình 4 Giản đồ tự tương quan và tương quan riêng của chuỗi dGOLD 5

Hình 5 Đồ thị chuỗi dữ liệu gold trước và sau dự báo bằng mô hình Holt - Winters 10

Hình 6 Kết quả ước lượng mô hình hàm xu thế 11

Hình 7 Kết quả kiểm định phân phối chuẩn của nhiễu 13

Hình 8 Kết quả ước lượng mô hình sau khi khắc phục khuyết tật 14

Hình 9 Giản đồ tự tương quan và tương quan riêng của chuỗi dlgold 15

Hình 10 Biểu diễn goldarimaf và gold 17

Như vậy, viê kc nắm bắt được sự thay đổi trong diễn biến của giá vàng đang trở nênngày càng quan trọng trong phát triển kinh tế thế giới nói chung và tại nước ta nói riêng.Nhận thly tính clp thiết của vln đề này, nhóm chung em xin được lựa chọn đề tài: “Dự báogiá vàng thế giới từ tháng 09/2023 đến tháng 8/2024” nhằm vận dụng những kiến thic đượctiếp thu từ môn học Dự báo trong kinh tế và kinh doanh để có thể đưa ra những dự báo xácthực về giá trị của kim loại này.

3 Biến cần dự báo và thời gian dự báo

1

Biến cần dự báo trong bài tiểu luận này là biến giá vàng thế giới, tiến hành dự báotrong 12 tháng (từ tháng 09/2023 đến tháng 08/2024).

4 C`u trbc bài ticu luâ O n

Phần nội dung của bài tiểu luận được chia thành 3 phần chính như sau:

Chương 1: Mô tả dữ liệu

Chương 2: Lựa chọn phương pháp dự báo

Chương 3: Kết quả dự báo

2

Tổng hợp các công thức môn Kinh tế…

5

Nhận dạng đề thi Kinh tế lượng

CHƯƠNG 1: KHẢO SÁT DỮ LIỆU 1.1 Phương pháp thu thập số liệu, nguồn số liệu

Dữ liệu s{ dụng trong bài báo cáo là dữ liệu thi clp về giá vàng thế giới theo tháng(đơn vị: USD/ounce) tính từ tháng 1 năm 2013 đến tháng 8 năm 2022, trích xult từ trangweb gold.org (World Gold Council) Việc dự đoán dữ liệu trong tương lai được hỗ trợ bởiphần mềm EVIEWS 8

Chuỗi dữ liệu bao gồm 128 quan sát Nhóm nghiên ciu chọn 3 mô hình dự báo khácnhau cho giá vàng từ tháng 9 năm 2013 đến tháng 8 năm 2024 như sau: phương pháp san

mũ Holt - Winters, phương pháp phân tích và phương pháp ARIMA

1.2 Khảo sát số liệu

1.2.1 Phương pháp đồ thị

Ta có đồ thị theo thời gian của chuỗi Gold như sau:

Hình 1 Đồ thị mô tả chuỗi GOLD theo dòng thời gian

Nguồn: nhóm tác giả tự tổng hợp từ EViews 8Nhận thly đồ thị có dạng hình loa, vậy nên chuỗi có tính xu thế S{ dụng mô hìnhnhân tính sẽ phù hợp hơn mô hình cộng tính

3

14

Tiếp đến, cần kiểm tra yếu tố mùa vụ của chuỗi, nếu chuỗi có yếu tố mùa vụ rõ ràng,chung ta cần tách yếu tố mùa vụ trước khi dự báo Nhóm tiến hành kiểm tra tính mùa vụ củachuỗi dữ liệu bằng đồ thị sau:

Nguồn: nhóm tác giả tự tổng hợp từ EViews 8

Đồ thị xult hiện vạch đỏ và chênh nhau cho thly khoảng cách biên độ tăng trưởnggiữa các khoảng thời gian khá lớn nên chuỗi có tính yếu tố mùa vụ Vì vậy, khi chạy môhình dự báo cho chuỗi số loại này cần tách bỏ yếu tố mùa vụ để có kết quả dự báo chính xáchơn

1.2.2 Phân tích tự tương quan và tự tương quan riêng của chuỗi

Nhóm tiến hành các bước: Chọn GOLD/View/Correlogram/Level, thu được kết quảnhư sau:

Hình 2 Đồ thị mô tả chuỗi Gold theo dòng thời gian

Hình 3 Giản đồ tự tương quan và tương quan riêng của chuỗi GOLD

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8

Từ giản đồ tự tương quan và tương quan riêng phần của chuỗi GOLD, ta có nhận xétsau: chuỗi có hệ số AC cao và giảm dần theo độ trễ nên chuỗi này có yếu tố xu thế mạnh, vàảnh hưởng của xu thế giảm dần theo từng độ trễ Vì vậy, đây là chuỗi không dừng Do đónhóm tiến hành khảo sát thêm giản đồ tự tương quan và tự tương quan riêng của chuỗi sai

phân bậc 1 Kết quả thu được như sau:

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8Nhận xét: hệ số tương quan ở độ trễ đầu khác 0, các hệ số tương quan giảm xuốngbằng 0 ở ngay các độ trễ tiếp theo, nên chuỗi sai phân bậc 1 d(GOLD) là chuỗi dừng

1.2.3 Kiểm tra tính dừng của chuỗi

Nhóm kiểm định tính dừng của chuỗi qua phương pháp kiểm nghiệm đơn vị Unit RootTest của Dickey - Fuller

Xét cặp giả thuyết:

H0: chuỗi có nghiệm đơn vị (chuỗi không dừng, δ=0)

H1: chuỗi không có nghiệm đơn vị (chuỗi dừng, δ khác 0)

Nhóm nghiên ciu tiến hành các bước: chọn GOLD/View/Unit Root Test/Level Kếtquả thu được p-value=0.9016>5% Do đó không có đủ cơ sở bác bỏ H0, như vậy chuỗiGOLD là chuỗi không dừng

Tiếp đến, nhóm nghiên ciu tiến hành kiểm định tính dừng của chuỗi sai phân bậc 1của chuỗi GOLD là d(GOLD) với các bước chọn GOLD/View/Unit Root Test/1st different.Kết quả thu được p-value=0.000<5%

5Hình 4 Giản đồ tự tương quan và tương quan riêng của chuỗi dGOLD

Như vậy, nhóm nghiên ciu kết luận chuỗi dừng ở sai phân bậc 1.

Bảng 1 Kết quả kiểm định tính dừng của chuỗi GOLD và dGOLD

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8

6

CHƯƠNG 2: LỰA CHỌN PHƯƠNG PHÁP DỰ BÁO

2.1 Phương pháp san mũ Holt - Winters

San mũ Holt - Winters là phương pháp mở rộng của phương pháp san mũ Holt đối vớicác dữ liệu có chia yếu tố mùa vụ S, cho phép chung ta dự đoán không chỉ dựa trên xuhướng mà còn tính đến yếu tố mùa vụ

Do chuỗi dữ liệu Gold là chuỗi có yếu tố xu thế và mùa vụ, kết hợp với đồ thị thể hiện

là mô hình nhân tính với 128 quan sát, thời gian dự báo 10 năm, nhóm thực hiện dự báobằng phương pháp san mũ Holt - Winters cho mô hình nhân tính

Mô hình Holt - Winters được ước lượng qua 4 phương trình sau:

- Ước lượng giá trị trung bình hiện tại: ^

- St yếu tố thời vụ; k số thời vụ

- St được tính qua S là chỉ số thời vụ cùng kỳ năm trước t-k

- Si chỉ số thời vụ của giai đoạn cần dự báo; i = t-k+h

- α, β: hệ số san mũ trung bình và san mũ xu thế; 0< α, β <1

- γ: hệ số san mũ thời vụ, 0< γ <1 (α, β, γ được chọn sao cho sai số dự báo (RMSE)

bé nhlt)

Để s{ dụng mô hình Holt - Winters cần thực hiện 3 bước:

Bước 1: Nhận dạng mô hình

Ở bước này, cần xác định chuỗi là theo mô hình nhân tính hay cộng tính

Bước 2: Kiểm tra yếu tố mùa vụ

Kiểm tra xem mô hình có bao gồm yếu tố mùa vụ và xu thế hay không Kết quả nhậnđược từ chương 1 cho thly mô hình có yếu tố mùa vụ

Bước 3: Dự báo chuỗi

7

2.2 Phương pháp phân tích

Phương pháp phân tích hay còn gọi là mô hình phân tích chuỗi thời gian này có thểđược s{ dụng để dự báo trong cả ngắn, trung và dài hạn nhưng chủ yếu là trong ngắn hạn.Phương pháp phân tích được thực hiện dựa trên phương pháp trung bình di động và hàm xuthế, cùng với đó còn có sự kết hợp cộng tính hoặc kết hợp nhân tính với yếu tố mùa vụ Dữliệu được s{ dụng trong bài có các yếu tố xu thế, mùa vụ, số lượng quan sát đủ để nhận biếtbụng và đỉnh của chu kỳ (128 quan sát), là mô hình nhân tính, vì vậy, chuỗi đáp ing các yêucầu để s{ dụng phương pháp phân tích Nhóm nghiên ciu đm s{ dụng phương pháp phântích để dự báo cho bộ số liệu của mình

Phương pháp dự báo được thực hiện qua 4 bước sau đây:

Bước 1: Nhận dạng mô hình

Ở bước này, cần nhận dạng xem mô hình là nhân tính hay cộng tính Ngoài ra, cầnkiểm tra xem mô hình có bao gồm yếu tố mùa vụ và xu thế hay không

Bước 2: Tách và phân tích thành phần chuỗi thời gian

Tách các thành phần nhằm triệt tiêu các thành phần blt quy tắc (I), tách yếu tố mùa vụ(S), yếu tố chu kỳ (C) mờ nhạt, từ đó tạo ra chuỗi mới (GOLDSA) chỉ còn phụ thuộc vàoyếu tố xu thế (T)

Tiếp theo, việc phân tích thành phần chuỗi thời gian nhằm tách riêng các yếu tố đểđánh giá chính xác hơn sự biến động phần nào do yếu tố khác quyết định, từ đó đưa ra cácđánh giá, dự báo về chuỗi trong tương lai thông qua xác định giá trị tương lai của các thànhphần

Bước 3: Ước lượng hàm xu thế, kiểm định khuyết tật mô hình và dự báo

Sau khi thu được chuỗi GOLDSA thực chlt là một hàm xu thế, nhóm tiến hành ướclượng hàm này sau đó thực hiện các kiểm định:

- Kiểm định bỏ sót biến

- Kiểm định phương sai sai số thay đổi

- Kiểm định tự tương quan

- Kiểm định phân phối chuẩn của nhiễu

Sau đó nhóm tiến hành dự báo

Bước 4: Kết hợp yếu tố xu thế T, yếu tố mùa vụ S để đưa ra kết quả dự báo cuối cùng

8

Sau bước 3, nhóm thu được chuỗi GOLDSAF Nhưng do chuỗi này không có yếu tốmùa vụ do đm được phân tách ở bước 2, nên ta cần nhân thêm yếu tố mùa vụ (vì là mô hìnhnhân).

2.3 Phương pháp ARIMA

Mô hình ARIMA (Autoregressive Integrated Moving Average - Tự hồi quy tích hợpTrung bình trượt) được George Box và Gwilym Jenkins (1976) nghiên ciu, áp dụng vàoviệc phân tích và dự báo các chuỗi thời gian

Yt = c + φ + φ Y + φ0 1 t-1 2Yt-2+ + φpYt-p + θ1ut-1 + θ2ut-2 + + θqut-q + ut

Phương pháp Box - Jenkins gồm 6 bước như sau:

Bước 1: Kiểm tra tính dừng

Kiểm tra chuỗi có tính dừng hay không bằng kiểm định nghiệm đơn vị Nếu chuỗikhông dừng, tiến hành x{ lý chuỗi bằng cách dùng sai phân, logarit hoặc sai phân củalogarit

Bước 2: Xác định các mô hình có thể

Phân tích giản đồ tự tương quan để chọn bậc AR(p) và MA(q) tối ưu, từ đó xác địnhcác mô hình có thể có

Bước 3: Ước lượng các mô hình có thể và chọn mô hình tối ưu

Ước lượng các mô hình và từ đó lựa chọn mô hình ARIMA phù hợp nhlt với các tiêuchí có nhiễu trắng, adjusted R2 lớn nhlt, AIC, SBC, HQC, MAPE, MAE nhỏ nhlt trong các

mô hình ước lượng

Bước 4: Dự báo

9

CHƯƠNG 3: KẾT QUẢ DỰ BÁO 3.1 Phương pháp san mũ Holt-Winter

Bước 1: Nhận dạng mô hình

Dựa vào bước khảo sát số liệu bằng phương pháp đồ thị trong chương 1 , mô hình chochuỗi dữ liệu cần dự báo là mô hình nhân tính

Bước 2: Kiểm tra yếu tố mùa vụ

Kết quả nhận được từ chương 1 cho thly mô hình có yếu tố mùa vụ

Bước 3: Dự báo chuỗi

Sau khi thực hiện các thao tác dùng mô hình Holt - Winters trong Eviews 8, nhómnhận được bảng Kết quả dự báo giai đoạn 09/2023 - 08/2024 như sau:

Bảng 2 Kết quả dự báo mô hình Holt - WInters2023

M09 2023M10 2023M11 2023M12 2024M01 2024M02 2024M03 2024M04 2024M05 2024M06 2024M07 2024M08

1893

265 1868.568 1850.935 1918.851 1985.194 1984.499 1980.781 1967.522 1958.280 1953.340 1984.136 1964.547

Nguồn: Nhóm tác giả tự tổng hợp từ phần mềm EViews 8

guồn: Nhóm tác giả tự tổng hợp từ phần mềm EViews 8

10Hình 5 Đồ thị chuỗi dữ liệu gold trước và sau dự báo bằng mô hình

Holt - Winters

3.2 Kết quả dự báo bằng phương pháp phân tích

Bước 1: Nhận dạng số liệu

Như đm phân tích trong Chương 1, mô hình có cả yếu tố mùa vụ và yếu tố xu thế Bêncạnh đó, các giá trị của chuỗi trải rộng ra khi xu thế tăng dần Vì vậy, mô hình nhân tính phùhợp hơn cộng tính

Bước 2: Tách và phân tích thành phần chuỗi thời gian

Mở chuỗi gold → proc → seasonal adjustment → moving average method

Bảng 3 Yếu tố mùa vụ của chuỗi GOLD

Chọn View → stability diagnostics → Ramsey RESET test

Bảng 4 Kết quả kiểm định bỏ sót biến

Chọn View -> Residual diagnostic -> heteroskedasticity -> White

12

Bảng 6 Kết quả kiểm định phương sai sai số thay đổi

Heteroskedasticity test: White

Scaled explaned SS 33.90966 Prob Chi-square(5) 0.0000

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8P-value < 0.05, nên ta kết luận mô hình mắc phương sai sai số thay đổi

Kiểm định tự tương quan

Chọn View -> Residual diagnostics -> serial correlation

Bảng 7 Kết quả kiểm định tự tương quamBreusch - Godfrey Serial Correlation LM Test

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8P-value < 0.05, nên ta kết luận mô hình mắc tự tương quan

Kiểm định phân phối chuẩn của nhiễu

Chọn View -> Residual diagnostics -> Histogram

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8Nhận xét: p-value>0.05, nên ta kết luận nhiễu có phân phối chuẩn

13Hình 7 Kết quả kiểm định phân phối chuẩn của nhiễu

Khắc phục phương sai sai số thay đổi và tự tương quan:

Chọn Estimate -> Robust LS

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8

=> Phương trình ước lượng khi tách yếu tố mùa vụ:

662 1985.794 1995.943 2006.109 2016.292 2026.492 2036.707 2046.939 2057.197 2067.450 2077.728 2088.022

(đơn vị: USD/ounce)Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8Bước 4: Kết hợp yếu tố xu thế T, yếu tố mùa vụ S để đưa ra kết quả dự báo cuối cùng

Dùng câu lệnh: genr goldsaf1 = goldsaf * sr

14Hình 8 Kết quả ước lượng mô hình sau khi khắc phục khuyết tật

Bảng 9 Kết quả dự báo bằng phương pháp phân tích sau khi kết hợp yếu tố mùa vụ

2023

M09 2023M10 2023M11 2023M12 2024M01 2024M02 2024M03 2024M04 2024M05 2024M06 2024M07 2024M081958

359 1938.755 1925.398 2000.544 2026.044 2044.763 2059.607 2067.965 2077.016 2082.193 2109.142 2097.702

(đơn vị: USD/ounce)Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8

3.3 Kết quả ARIMA

Nhóm nghiên ciu thực hiện theo các bước như sau:

Bước 1: Kiểm tra tính dừng

Theo kết quả thu được ở mục 1.2.3 của chương 1, chuỗi gold không dừng Nhóm tiếnhành tạo biến lgold=log(gold) và tạo sai phân bậc 1 của biến lgold là dlgold Nhóm kiểmđịnh tính dừng của chuỗi dlgold thông qua việc s{ dụng kiểm định Unit Root Test với cặpgiả thuyết:

H0: chuỗi không có tính dừng

H1: chuỗi có tính dừng

Kết quả thu được p-value=0.000<5% Do vậy chuỗi dlgold là chuỗi dừng

Bước 2: Phân tích giản đồ tự tương quan để xác định các mô hình có thể có

Ta có giản đồ tự tương quan và tương quan riêng của chuỗi dlgold như sau:

15Hình 9 Giản đồ tự tương quan và tương quan riêng của chuỗi dlgold

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8Theo trực quan, ta chọn được độ trễ cho AR và MA là (p, q) = (1, 1), (1, 5) hoặc (1, 8)

Bước 3: Ước lượng các mô hình có thể và lựa chọn mô hình tối ưu

Nhóm thực hiện ước lượng các mô hình và từ đó lựa chọn mô hình ARIMA phù hợpnhlt với các tiêu chí có nhiễu trắng, adjusted R2 lớn nhlt, AIC, SBC, HQC, MAPE, MAEnhỏ nhlt trong các mô hình ước lượng

Bảng 10 Kết quả ước lượng các mô hình có thể

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8

Từ bảng kết quả trên có thể thly mô hình ARIMA (1, 5) cho kết quả tốt nhlt vì thỏammn nhiều nhlt các tiêu chí trên

Bảng 11 Kết quả ước lượng mô hình ARIMA(1, 5)

Biến Hệ số Sai số chuẩn Thống kê t p-value

C 0.001148 0.004792 0.239672 0.8110AR(1) 0.287514 0.086274 3.332567 0.0011MA(5) 0.231795 0.089665 2.585123 0.0109

Nguồn: Nhóm tác giả tổng hợp từ phần mềm Eviews 8Bước 5: Dự báo

Thực hiện chọn Forecast Ở phần series to forecast chọn lgold

16