đề tài dự báo giá vàng sjc bán ra thông qua một số mô hình chuỗi thời gian phổ biến

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂNBÀI TẬP LỚNHỌC PHẦN KINH TẾ LƯỢNG 2 tài : Dự báo giá vàng SJC bán rathông qua một số mô hình chuỗi thời gian phổ biếnHọ và tên: Nguyễn Ngọc Thái... Qua đó,

Trang 1

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

BÀI TẬP LỚN

HỌC PHẦN KINH TẾ LƯỢNG 2

tài : Dự báo giá vàng SJC bán ra

thông qua một số mô hình chuỗi thời gian phổ biến

Họ và tên: Nguyễn Ngọc Thái

Trang 3

Mục lục

Trang 4

Lời mở đầu

Giá vàng SJC luôn là một trong những chủ đề quan trọng và hấp dẫn trong lĩnh vực đầu tư và tài chính Vàng đã từ lâu được coi là một tài sản giá trị, mang lại sự ổn định và bảo vệ giá trị trong thời gian dài Vì vậy, việc dự báo giá vàng SJC đóng vai trò quan trọng để giúp nhà đầu tư, người tiêu dùng và các chuyên gia tài chính có cái nhìn tổng quan về xu hướng

giá vàng trong tương lai Qua đó, em quyết định chọn đề tài “Dự báo giá vàng SJC bán ra

thông qua một số mô hình chuỗi thời gian phổ biến”.

Trên thực tế, việc dự báo giá vàng là một nhiệm vụ phức tạp, bởi vì nó bị ảnh hưởng bởi nhiều yếu tố khác nhau như tình hình kinh tế toàn cầu, chính sách tiền tệ, biến động thị trường và các yếu tố địa chính trị Điều này đòi hỏi sự phân tích kỹ lưỡng và sự hiểu biết sâu về các yếu tố này để có thể đưa ra dự báo chính xác về giá vàng SJC.

Trong bài này, ta sẽ khám phá các phương pháp dự báo giá vàng SJC theo chuỗi thời gian thông qua phần mềm Eviews 10, từ các mô hình dự báo giản đơn, Holt-Winter đến mô hình ARIMA

Tuy nhiên, chúng ta phải lưu ý rằng dự báo giá vàng là một hoạt động có tính chất không chắc chắn và có thể bị ảnh hưởng bởi nhiều yếu tố bên ngoài Dù đã có sự tiến bộ đáng kể trong việc dự báo giá vàng, không ai có thể chắc chắn về các dự báo tương lai

Trang 5

Nội dung

1 Mô tả dữ liệu1.1 Nguồn dữ liệu

Chuỗi thời gian được sử dụng trong bài tiểu luận là giá vàng SJC bán ra (đơn vị: triệu đồng/lượng) vào lúc 17h00 từ ngày 11/9/2023 đến ngày 4/11/2023 Dữ liệu giá vàng được lấy từ nguồn https://webgia.com/ Tuy nhiên, tồn tại một số ngày không được nguồn này thống kê lại, gây ra hiện tượng khuyết thiếu dữ liệu Nguyên nhân chủ yếu là do những ngày đó thường rơi vào những dịp nghỉ lễ Do đó, để có thể khiến chuỗi thời gian có tính liên tục thì giải pháp được đề xuất là: Đối với những giá trị khuyết thiếu, ta lấy trung bình của ngày bán trước và sau gần nhất.

Bài tiểu luận này sử dụng phần mềm Eviews 10 để phân tích và dự báo chuỗi thời gian trên Nhìn chung, chuỗi thời gian này có yếu tố xu thế do giá vàng SJC bán ra có xu hướng tăng qua thời gian Tuy nhiên, do mẫu tương đối nhỏ nên chưa thể đánh giá được yếu tố mùa vụ của chuỗi thời gian này.

Trang 6

1.2 Thống kê mô tả

Kết quả dưới đây biểu diễn thống kê mô tả của chuỗi thời gian đang nghiên cứu Ta có thể thấy trong giai đoạn phân tích, giá vàng SJC bán ra đạt giá trị cao nhất là 71,0 triệu đồng/lượng và đạt giá trị thấp nhất 68,55 triệu đồng/lượng Điều này cho thấy giá vàng SJC trong thời kỳ nghiên cứu ít có sự biến động mạnh Bên cạnh đó, giá vàng SJC bán ra trung bình rơi vào khoảng 69,35 triệu đồng/lượng.

2 Phân tích các mô hình dự báo

2.1 Mô hình dự báo giản đơn theo xu thế

2.1.1 Mối quan hệ lin-lin giữa giá vàng SJC bán ra và thời gian

2.1.1.1 Mô hình hồi quy tổng thể

𝑃 = 𝛽1 + 𝛽2𝑇 + 𝑢 Trong đó:

- P: Giá vàng SJC bán ra (đơn vị: triệu đồng/lượng) - T: Biến xu thế thời gian

- u: sai số ngẫu nhiên

2.1.1.2 Quy trình thực hiện

- Bước 1: Tạo biến xu thế thời gian [genr t = 1 + @trend]

Đặt t = 1 + @trend để phục vụ cho việc lấy loga biến xu thế thời gian

- Bước 2: Hồi quy giá vàng bán ra theo thời gian [ls P c t]

2.1.1.3 Kết quả

Trang 7

a) Kết quả hồi quy OLS

Để kiểm định mối quan hệ giữa giá vàng SJC bán ra và thời gian, ta xét cặp giả thuyết: {𝐻0: 𝛽2 = 0

𝐻1: 𝛽2 ≠ 0

Ta thấy P-value = 0.000 < 𝛼 = 0,05 ⇒ Bác bỏ 𝐻0 ⇒ P phụ thuộc vào T ⇒ Giá vàng SJC bán ra phụ thuộc vào thời gian

b) Kết quả RMSE

Ta thu được RMSE = 0.367162

2.1.2 Mối quan hệ lin – log giữa giá vàng SJC bán ra và thời gian

𝑃 = 𝛽1 + 𝛽2𝑙𝑛(𝑇) + 𝑢

Trang 8

Trong đó:

Hồi quy [ls P c log(t)]

2.1.2.3 Kết quả

Để kiểm định mối quan hệ giữa giá vàng SJC bán ra và loga của thời gian, ta xét cặp giả thuyết:

{𝐻𝐻0: 𝛽2 = 0

1: 𝛽2 ≠ 0

Ta thấy P-value = 0.0000 < 𝛼 = 0,05 ⇒ Bác bỏ 𝐻0 ⇒ P phụ thuộc vào loga của T ⇒ Giá vàng SJC bán ra phụ thuộc vào loga của thời gian.

Trang 9

2.1.3 Mối quan hệ log – lin giữa giá vàng SJC bán ra và thời gian

𝑙𝑛(𝑃) = 𝛽1 + 𝛽2𝑇 + 𝑢

Trong đó:

Hồi quy [ls log(P) c t]

2.1.3.3 Kết quả

{𝐻𝐻0: 𝛽2 = 0

1: 𝛽2 ≠ 0

Ta thấy P-value = 0.0000 < 𝛼 = 0,05 ⇒ Bác bỏ 𝐻0 ⇒loga của P phụ thuộc vào T ⇒Loga của giá vàng SJC bán ra phụ thuộc vào thời gian.

Trang 10

2.1.4 Mối quan hệ log – log giữa giá vàng SJC bán ra và thời gian

𝑙𝑛(𝑃) = 𝛽1 + 𝛽2𝑙𝑛(𝑇) + 𝑢 Trong đó:

Trang 11

{𝐻𝐻0: 𝛽2 = 0

1: 𝛽2 ≠ 0

Ta thấy P-value = 0.0000 < 𝛼 = 0,05 ⇒ Bác bỏ 𝐻0 ⇒loga của P phụ thuộc vào loga của T ⇒Loga của giá vàng SJC bán ra phụ thuộc vào loga của thời gian.

c) Kết quả RMSE

2.1.5 Kết luận

Từ 4 dạng mô hình dự báo giản đơn theo xu thế, ta rút ra được bảng sau:

Lin – lin Có ý nghĩa 0.367162

Lin – log Có ý nghĩa 0.533565

Log – lin Có ý nghĩa 0.366679

Log – log Có ý nghĩa 0.531080

Từ kết quả trên, ta thấy cả 4 mô hình dự báo đều có ý nghĩa thống kê với mức ý nghĩa là

5% đồng thời RMSE của mô hình Log-lin là nhỏ nhất nên ta xem xét lựa chọn

2.2.Mô hình dự báo Holt – Winters2.2.1 Quy trình thực hiện chung

Trang 12

- Bước 1: Chọn chuỗi P để mở cửa số [Series]

- Bước 2: Ở cửa số [Series], chọn Proc → Exponential Smoothing → Simple Exponential Smoothing

2.2.2 Kết quả

No Seasonal

Multiplicative

Trang 13

Dựa vào kết quả ta thấy, RMSE của mô hình Holt – Winters dạng cộng là nhỏ nhất Do đó mô hình này sẽ được xem xét để lựa chọn

2.3.Mô hình dự báo ARIMA

2.3.1 Kiểm định nghiệm đơn vị (Unit root test)

Để có thể sử dụng mô hình dự báo ARIMA thì chuỗi thời gian cần phải là chuỗi dừng Do đó, kiểm định nghiệm đơn vị (hay còn gọi là kiểm định Dickey-Fuller (kiểm định DF)) được sử dụng để kiểm tra tính dừng của chuỗi giá vàng SJC bán ra.

Kiểm tra tính dừng của chuỗi gốc P

Trang 14

Có hệ số chặn và xu thế

Ta thấy ở bất kì trường hợp nào của chuỗi gốc (None, Intercept, Intercept and Trend)

thì |𝜏𝑞𝑠| < |𝜏𝛼| với mọi 𝛼 (1%, 5%, 10%), do đó chuỗi thời gian đang xét là chuỗi không dừng Tuy nhiên, khi lấy sai phân bậc 1 của chuỗi P (D(P)), ta thấy |𝜏𝑞𝑠| > |𝜏𝛼| với mọi 𝛼 Qua đó, trong quá trình phân tích mô hình dự báo ARIMA, ta sẽ sử dụng chuỗi sai

phân bậc 1 của P Ngoài ra, ta cũng sẽ xác định hệ số d=1 trong mô hình ARIMA.

2.3.2 Xác định hệ số p, q trong mô hình ARIMA

- Bước 1: Chọn chuỗi P để mở cửa sổ [Series]

- Bước 2: Trong cửa sổ [Series], chọn View → Correlogram- Bước 3: Trong cửa sổ [Correlogram Specification]:

+ [Correlogram of]: Chọn “1st difference” (do ta đã lựa chọn sai phân bậc 1 của

chuổi P để phân tích trong mô hình ARIMA)

2.3.2.2 Kết quả

Từ kết quả ta thấy, tại lag(3) và lag(6) đều có giá trị xấp xỉ so với đường nét đứt nên ta

có thể xem xét ban đầu chọn giá trị p=3, p=6, q=3, q=6 Như vậy, ta đã xác định AR(3),

AR(6), MA(3), MA(6).

2.3.2 3 Hồi quy D(P) với AR(3), AR(6), MA(3), MA(6)

Trang 15

 Kết quả hồi quy

Qua kết quả, ta thấy rằng AR(3) và MA(3) đang không có ý nghĩa thống kê Do đó ta loại bỏ 2 biến này ra và hồi quy lại

Lúc này, ta thấy AR(6) và MA(6) đã có ý nghĩa thống kê nên ta quyết định giữ lại cho mô hình

 Kiểm định tính phù hợp của mô hình

Trang 16

 Mô hình đáp ứng được điều kiện khả nghịch và ổn định của chuỗi Tiếp theo ta đi vào kiểm định chuỗi phần dư.

Trang 17

 Chuỗi phần dư là chuỗi dừng và không có hiện tượng tư tương quan hay phương sai thay đổi.

 Chuỗi phần dư là nhiễu trắng

 Ta kết luận rằng mô hình ARIMA này là tốt  Dự báo

Ban đầu ta loại bỏ hệ số chặn ra vì nó không có ý nghĩa thống kê dựa vào kết quả trên Sau đó ta có kết quả hồi quy và hệ số RMSE:

Trang 18

Ta thấy RMSE = 1.223001 3 Dự báo

3.1 Lựa chọn mô hình dự báo

Kết quả các mô hình đã được lựa chọn:

Trang 19

Có sự chênh lệch nhẹ giữa giá trị từ mô hình và giá trị thực của giá vàng SJC  Dự báo cho giá vàng 1 tuần tiếp theo (đến ngày 11/11/2023)

Trang 21

Kết luận

Như vậy, bài tiểu luận này đã vận dụng được các lý thuyết cơ bản về ba mô hình chuỗi thời gian phổ biến để dự báo giá vàng SJC bán ra trong 5 ngày tiếp theo, cụ thể là mô hình dự báo giản đơn theo xu thế, mô hình dự báo Holt – Winters và mô hình dự báo ARIMA Kết quả cho thấy mô hình Holt-Winter là phù hợp nhất để thực hiện dự báo giá vàng đối với chuỗi dữ liệu đầu vào trên Mặc dù giá trị dự báo có đôi chút sai lệch do giá vàng bị tác động bởi nhiều yếu tố bên ngoài thị trường Tuy nhiên, bài tiểu luận này cũng đã đạt được mục đích ban đầu là hiểu và ứng dụng lý thuyết các mô hình dự báo chuỗi thời gian vào trong thực tế