Slide thuyết trình dự báo tỷ giá euro usd

DỰ BÁO TỶ GIÁ EURO/USD Nhóm 5 Phạm Trần Lê Nguyễn Nguyễn Khánh Nguyễn Minh Phúc Ân Quốc Thắng Khang PHẦN NỘI DUNG Đặt vấn đề Dữ liệu nghiên cứu Mục tiêu nghiên cứu Kết quả nghiên cứu Đối tượng và phạm vi So sánh mô hình Phương pháp nghiên cứu Kết luận DỰ BÁO TỶ GIÁ EUR/USD ĐẶT VẤN ĐỀ Trong bối cảnh của nền kinh tế đang trải qua những biến động mạnh mẽ, do ảnh hưởng của nền kinh tế suy thoái và lạm phát tại Mỹ dẫn đến các đợt liên tục tăng lãi suất dẫn đến thị trường ngoại hối trong thời gian gần đây, đặc biệt là tỷ giá hối đoái giữa EURO và USD có nhiều biến động mạnh Tỷ giá EUR/USD đã giảm từ mức 1,14 USD vào đầu tháng 3 năm 2023 xuống còn 1,05 USD vào ngày 20 tháng 3 năm 2024 ĐẶT VẤN ĐỀ Các yếu tố dẫn đến sự biến động: + Chính sách tiền tệ + Sự tăng trưởng kinh tế + Căng thẳng chính trị MỤC TIÊU NGHIÊN CỨU ĐỀ TÀI Mục tiêu chung: Nghiên cứu này nhằm mục đích ứng dụng mô hình ARIMA và mô hình ARCH-GARCH để dự báo tỷ giá EURO/USD từ năm 2018 đến năm 2024, đồng thời phân tích và đánh giá hiệu suất của mô hình trong việc dự báo trong thị trường ngoại hối Mục tiêu chi tiết: - Sử dụng mô hình ARIMA-GARCH để dự báo tỷ giá EURO/USD - Giữa mô hình ARIMA và mô hình GARCH-ARCH, mô hình nào có độ chính xác cao hơn ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Đối tượng nghiên cứu: • Tỷ giá hối đoái giữa đồng EURO và USD Phạm vi nghiên cứu: • Mốc thời gian: 2018 – 2024 • Nguồn dữ liệu: investing.com PHƯƠNG PHÁP NGHIÊN CỨU MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA Chu trình ARCH (ARCH Process): Quá trình tự hồi quy (AR – Autoregressive Process): y t = δ + φ 𝑦 𝑡 −1 + 𝜀𝑡 Y t = ϕ0+ ϕ1 Y t −1 + ϕ2 Y t −2 + …+ϕ p Y t − p + ut Chu trình GARCH (GARCH Process): Quá trình trung bình trượt (MA – Moving Average): yt = δ + ϕ 𝑦 𝑡 − 1+ 𝜀𝑡 Y t = μ + ut + θ1 ut − 1 +θ2 ut −2 +… +θq u t − q Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA ∆ Y t = ϕ 0 + ϕ 1 Y t − 1+ θ0 ut + θ1 ut −1 ) PHƯƠNG PHÁP NGHIÊN CỨU MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA Chu trình ARCH (ARCH Process): Quá trình tự hồi quy (AR – Autoregressive Process): y t = δ + φ 𝑦 𝑡 −1 + 𝜀𝑡 Y t = ϕ0+ ϕ1 Y t −1 + ϕ2 Y t −2 + …+ϕ p Y t − p + ut Chu trình GARCH (GARCH Process): Quá trình trung bình trượt (MA – Moving Average): yt = δ + ϕ 𝑦 𝑡 − 1+ 𝜀𝑡 Y t = μ + ut + θ1 ut − 1 +θ2 ut −2 +… +θq u t − q Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA ∆ Y t = ϕ 0 + ϕ 1 Y t − 1+ θ0 ut + θ1 ut −1 ) MÔ HÌNH ARIMA ∆ 𝐘 𝐭=𝛟𝟎+ 𝛟𝟏 𝐘 𝐭 −𝟏 +𝛉𝟎 𝐮 𝐭+ 𝛉𝟏 𝐮𝐭 −𝟏 ) Trong đó: + : quan sát dừng hiện tại + quan sát dừng quá khứ + các tham số phân tích hồi quy + : sai số dự báo ngẫu nhiên của giai đoạn hiện tại (hay còn gọi là nhiễu trắng) Giá trị trung bình bằng 0 + sai số dự báo quá khứ + : giá trị trung bình của và các hệ số bình quân di động MÔ HÌNH ARCH +…+ Trong đó: +: phương sai có điều kiện của biến thời gian tại thời điểm t + các hệ số + MÔ HÌNH GARCH Trong đó: +: phương sai có điều kiện của biến thời gian tại thời điểm t + hằng số + và : là các h* số của mô hình, với i= 1,2, , q và p là số lượng lags được sử dụng +: là bình phương của sai số tại thời điểm t - i +phương sai có điều kiện của biến thời gian tại thời điểm t – i DỮ LIỆU NGHIÊN CỨU - Giá trị trung bình là 1,124956 tức là cứ 1 đồng EURO thì sẽ đổi được 1,124956 đồng USD - Giá trị thấp nhất của tỷ giá là 0,969 vào ngày 18/09/2022 - Giá trị lớn nhất của tỷ giá vào ngày 28/01/2018 là 1,246 KẾT QUẢ NGHIÊN CỨU DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH ARIMA Ngày PRICE Thực Tế PRICE Dự Báo Chêch lệchch 04/02/2024 1.0782 1.077877 0.0004 11/02/2024 1.0774 1.077988 -0.0005 18/02/2024 1.0818 1.076039 0.0058 25/02/2024 1.0837 1.081749 0.002 03/03/2024 NA 1.082638 KẾT QUẢ NGHIÊN CỨU DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH GARCH Ngày Price Price dự báo Chênh lệchch 04/02/2024 1,0782 1,0793 -0.0011 11/02/2024 1,0774 1,0858 -0.0084 18/02/2024 1,0818 1,0776 0.0042 25/02/2024 1,0837 1,0896 -0.0059 03/03/2024 1,0817 NA SO SÁNH MÔ HÌNH Ngày ARIMA GARCH Giá Thực Tế 04/02/2024 1.0778 1.0793 1.0782 11/02/2024 1.0779 1.0858 1.0774 18/02/2024 1.0760 1.0776 1.0818 25/02/2024 1.0817 1.0896 1.0837 03/03/2024 1.0826 1.0817 1.0937 KẾT LUẬN ƯU ĐIỂM MÔ HÌNH ARIMA NHƯỢC ĐIỂM MÔ HÌNH ARIMA KẾT LUẬN ƯU ĐIỂM MÔ HÌNH GARCH NHƯỢC ĐIỂM MÔ HÌNH GARCH Xử lý tốt với biến động không đồng nhất: GARCH được Phức tạp hơn ARIMA: GARCH có thể phức tạp hơn thiết kế đặc biệt để xử lý các biến động có phương sai ARIMA trong quá trình triển khai và ước lượng, đặc biệt là không đồng nhất, điều này giúp tăng độ chính xác của khi cần tính toán các tham số phức tạp dự báo tỷ giá Cần nhiều dữ liệu: GARCH yêu cầu một lượng dữ liệu lớn Dự báo dài hạn: GARCH thường hiệu quả hơn ARIMA hơn để ước lượng hiệu quả, đặc biệt là khi mô hình phải trong việc dự báo dài hạn, đặc biệt là khi tỷ giá có xu mô hình hóa các biến động dài hạn hướng biến động không ổn định KẾT LUẬN Cung cấp một Đã làm nổi bật Mô hình đã đạt Mặt hạn chế: nền tảng lý phương pháp được mục tiêu Nhạy cảm với xây dựng, xác quan trọng nhất các yếu tố thay thuyết cho việc định, lựa chọn là dự báo Qua sử dụng hai mô mô hình, cung dự báo, ta có thể đổi bất ngờ hình ARIMA cấp một cái nhìn thấy mô hình như chính sách sâu về ứng dụng GARCH là mô tiền tệ, chính VÀ của mô hình này hình tối ưu nhất ARCH/GARCH trong dự báo trị để dự báo DỰ BÁO TỶ GIÁ EUR/USD THANK YOU