Slide thuyết trình dự báo tỷ giá euro usd

Đặt vấn đềMục tiêu nghiên cứu Đối tượng và phạm vi Kết quả nghiên cứu So sánh mô hình Kết luận PHẦN NỘI DUNG Phương pháp nghiên cứu Dữ liệu nghiên cứu... ĐẶT VẤN ĐỀTrong bối cảnh c

DỰ BÁO TỶ GIÁ EURO/USD

Nhóm 5

Phạm Trần

Phúc Ân

Lê Nguyễn Quốc Thắng Nguyễn Khánh Nguyễn Minh Khang

Đặt vấn đề

Mục tiêu nghiên cứu

Đối tượng và phạm vi

Kết quả nghiên cứu

So sánh mô hình Kết luận

PHẦN NỘI DUNG

Phương pháp nghiên cứu

Dữ liệu nghiên cứu

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

DỰ BÁO TỶ GIÁ EUR/USD

Các yếu tố dẫn đến sự biến động:

+ Chính sách tiền tệ + Sự tăng trưởng kinh tế + Căng thẳng chính trị

ĐẶT VẤN ĐỀ

ĐĂT

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

MỤC TIÊU NGHIÊN CỨU ĐỀ TÀI

ĐĂT

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

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Y t= ϕ0+ ϕ1Y t −1+ ϕ2Y t −2+ …+ϕ p Y t − p + ut

Y t = μ+ ut + θ1 ut − 1+ θ2 ut −2+ … +θq ut − q

Quá trình tự hồi quy (AR – Autoregressive Process):

Quá trình trung bình trượt (MA – Moving Average):

Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA

∆ Y t = ϕ0 + ϕ1 Y t − 1+ θ0 ut + θ1 ut − 1 )

Chu trình ARCH (ARCH Process):

Chu trình GARCH (GARCH Process):

PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Y t= ϕ0+ ϕ1Y t −1+ ϕ2Y t −2+ …+ϕ p Y t − p + ut

Y t = μ+ ut + θ1 ut − 1+ θ2 ut −2+ … +θq ut − q

Quá trình tự hồi quy (AR – Autoregressive Process):

Quá trình trung bình trượt (MA – Moving Average):

Quá trình trung bình trượt, đồng liên kết, tự hồi quy ARIMA

∆ Y t = ϕ0 + ϕ1 Y t − 1+ θ0 ut + θ1 ut − 1 )

Chu trình ARCH (ARCH Process):

Chu trình GARCH (GARCH Process):

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 ARIMA

ĐĂT

∆ 𝐘 𝐭= 𝛟𝟎+ 𝛟𝟏 𝐘 𝐭 −𝟏 + 𝛉𝟎 𝐮 𝐭+ 𝛉𝟏 𝐮𝐭 −𝟏)

Trong đó:

+: phương sai có điều kiện của biến thời gian tại thời điểm t + các hệ số

+

MÔ HÌNH ARCH

ĐĂT

+…+

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.

MÔ HÌNH GARCH

ĐĂT

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

Ngày PRICE Thực Tế PRICE Dự Báo Chêch l ch ệch 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

DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH ARIMA

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

SO SÁNH MÔ HÌNH

Ngày ARIMA GARCH Giá Thực Tế

KẾT LUẬN

ƯU ĐIỂM MÔ HÌNH ARIMA NHƯỢC ĐIỂM MÔ

HÌNH ARIMA

KẾT LUẬN

ƯU ĐIỂM MÔ HÌNH GARCH NHƯỢC ĐIỂM MÔ

HÌNH GARCH

ARIMA trong quá trình triển khai và ước lượng, đặc biệt là khi cần tính toán các tham số phức tạp

hơn để ước lượng hiệu quả, đặc biệt là khi mô hình phải

mô hình hóa các biến động dài hạn

thiết kế đặc biệt để xử lý các biến động có phương sai

không đồng nhất, điều này giúp tăng độ chính xác của

dự báo tỷ giá

trong việc dự báo dài hạn, đặc biệt là khi tỷ giá có xu

hướng biến động không ổn định

KẾT LUẬN

Cung cấp một

nền tảng lý

thuyết cho việc

sử dụng hai mô

hình ARIMA

VÀ ARCH/GARCH

Đã làm nổi bật phương pháp xây dựng, xác định, lựa chọn

mô hình, cung cấp một cái nhìn sâu về ứng dụng của mô hình này trong dự báo

Mô hình đã đạt được mục tiêu quan trọng nhất

là dự báo Qua dự báo, ta có thể thấy mô hình GARCH là mô hình tối ưu nhất

để dự báo

Mặt hạn chế: Nhạy cảm với các yếu tố thay đổi bất ngờ như chính sách tiền tệ, chính

trị

THANK YOU

DỰ BÁO TỶ GIÁ EUR/USD