BAI TAP LON
MÔN: Dự báo kinh tế- xã hội
ĐÈ TÀI: “Hãy vận dụng các phương pháp dự báo đã học, thu thập dữ liệu để dự báo giá cô phiếu chứng khoán của một mã cô phiếu niêm yết
trên thi trường (cụ thể mã HAH)”
Họ và tên SV : Vũ Dức Hạnh Lớp tín chỉ : Dự báo 1(221)_ 03 Lớp chuyên ngành : KTIPT 62C Ma SV : 11201386
Trang 2Muc luc
1 Kiếm định tính dừng (225cc crttệcrhtrerrr ren
Tài liệu tham khảo
Phụ lục
Trang 3I Mục đích giải quyết bài tập
Sau một khoảng thời gian các hoạt động kinh tế bị trì trệ do ảnh hưởng của đại
dịch COVID thì nên kinh tế nước ta hiện nay đã có những dấu hiệu phục hồi và phat
triển trở lại, các thị trường tài chính cũng vậy Đặc biệt là thị trường chứng khoán, cụ thể ngay trong tháng 3 vừa qua đã có 271000 tài khoản chứng khoán mới được mở, cao nhất từ trước đến nay Như vậy ta thấy được sự quan tâm cũng như một dòng tiền lớn mới sắp được đô vào thị trường này
Trong bối cảnh này em cũng đã có những quan tâm, bắt đầu dành thời gian để tìm hiểu về thị trường Qua quá trình này, em nhận ra tiềm năng phát triển của mã cô phiều HAH của CTPT vận tải và xếp dỡ Hải An trong thời gian tới Qua bài tập này
em muốn minh co thé van dụng được những kiến thức đã học qua môn dự báo kinh
tế- xã hội để có thê dự đoán giá của mã cô phiều này trong một vài phiên giao dịch sắp tới, một phần cũng để có thể kiếm chứng xem suy nghĩ về tiêm năng phát triển của mã cô phiếu này trong tương lai có thực sự là có cơ sở hay không
Il Phương pháp nghiên cứu
1 Số liệu sử dụng
Số liệu phục vụ cho bài tập này được tổng hợp từ trang web: cophieu68.vn từ tất
cả các phiên giao dịch từ này 4/1/2022 đến 13/4/2022 Các số liệu được tông hợp và xử lý
trên phần mềm SPSS 26 và Eviews 10
2 Phương pháp nghiên cứu
Hai tác giả George Box & Gwilym Jenkins (1976) đã nghiên cứu mô hình tự hồi quy tích hợp trung bình truot (Autoregressive Integrated Moving Average), viét tat la ARIMA Tên của họ (Box-Jenkins) được dùng đề gọi cho các quá trình ARIMA tổng quát áp dụng vào phân tích và dự báo các chuỗi thời gian Mô hình tự tương quan bậc p (viết tắt là AR(p)) là quá trình phụ thuộc tuyến tính của các giá trị trễ và sai số ngẫu nhiên được diễn giải như sau:
Yt=ol Yt-1 + g2 Yt-2 + + øp Ytp + ỗ + et (l)
Mô hình trung bình trượt bậc q, viết tắt la MA(q), la quá | trỉnh được mô tả hoàn toàn bằng phương trình tuyến tính có trọng số của các sai số ngẫu nhiên hiện hành và các
giá trị trễ của nó Mô hình được viết như sau:
Yt= + et— ÔL et-I — 82 et-2 — — 0q et-q (2)
Trang 4Mô hình tự tương quan tích hợp với trung bình truot co dang ARIMA (p,d,q), được xây dựng dựa trên hai quá trình (1) và (2) được tích hợp Phương trình tổng quát là:
Yt=ol Yt-1 + 4 op Yt-p+6+ et— 61 et-1 — — 0q et-q (3)
Phương pháp Box-Jenkins gồm bốn bước lặp là (¡) Nhận dạng mô hình thử
nghiệm, (ii) Ước lượng, (1i) Kiêm định bằng chẩn đoán va (iv) Dy bao, được trình bay
dưới đây:
Bước ]: Nhận dạng mô hình
Nhận dạng mô hình ARIMA (p,d,q) là việc tìm các giá trị thích hợp của p, d và q Với d là bậc sai phân của chuỗi thời gian được khảo sát, p là bậc tự hồi quy và q là bậc
trung bình trượt Việc xác định p và q sẽ phụ thuộc vào các dé thi SPAC = f(t) va SAC =
f(t), voi SAC la ham ty tuong quan cia mau (Sample Autocorrelation) va SPAC la ham ty twong quan timg phan cla mau (Sample Partial Autocorrelation)
Việc lựa chọn mô hình AR(p) phụ thuộc vào đồ thị SPAC nếu nó có giá trị cao tại
các độ trễ l, 2 p và giảm đột ngột sau đó, đồng thoi dang ham SAC tat lim dan
Tương tự, việc chọn mô hình MA(q) dựa vào đồ thị SAC nếu nó có giá trị cao tại độ trễ l, 2 , q và giảm mạnh sau q, đồng thời dạng hàm SPAC tat lim dan
Bước 2: Ước lượng các thông số của mô hình ARIMA (p, đ, q)
Các tham số của mô hình ARIMA sẽ được ước lượng theo phương pháp bình phương nhỏ nhất
Bước 3: Kiểm tra chẩn đoán mô hình
Sau khi xác định các tham số của quá trình ARIMA, điều cần phải làm là tiễn hành
kiêm định xem số hạng sai số et của mô hình có phải là một nhiễu trắng (white noise) hay
không Đây là yêu cầu của một mô hình tốt (Wang & Lim, 2005)
Bước 4: Dự báo Dựa trên phương trình của mô hình ARIMA, tiến hành xác định giá trị dự báo điểm và khoảng tin cậy của dự báo
III Dự báo mã cỗ phiếu HAH
Bảng 1 Số liệu về giá đóng cửa của mã cô phiếu HAH từ đầu năm từ ngày 4/1/2022 đến ngày 13/4/2022 ( Ðvt 100đ)
Trang 5
Ngay GIA STT NGAY GIA
Trang 6
28/2/202
1 4/1/2022 67.9 35 2 82.5 2 5/1/2022 67.5 36 | 1/3/2022 82 3 6/1/2022 66.5 37 | 2/3/2022 82.8 4 7/1/2022 69 38 | 3/3/2022 88.5 5 10/1/2022 67 39 | 4/3/2022 90.3 6 11/1/2022 66.2 40 | 7/8/2022 92.5 7 12/1/2022 64.5 41 | 8/3/2022 87 8 13/1/2022 64.4 42 | 9/3/2022 93
10/3/202 9 14/1/2022 64.4 43 2 94 10 | 17/1/2022 62.6 44 | 11/3/2022 | 93.9
14/3/202 ll 18/1/2022 59 45 2 89.9
15/3/202 12 | 19/1/2022 60.7 46 2 90.9
16/3/2202 13 | 20/1/2022 61.4 47 2 92.8
17/3/2202 14 | 21/1/2022 64 48 2 92.5
18/3/2202 15 | 24/1/2022 60.1 49 2 95.8
21/3/202 16 | 25/1/2022 60.3 50 2 92.1
22/3/202 17 | 26/1/2022 60.3 31 2 94.5
23/3/202 18 | 27/1/2022 60.1 52 2 96.9
24/3/202 19 | 28/1/2022 63 53 2 100.7
25/3/202 20 7/2/2022 67.4 54 2 100.7
28/3/202 21 8/2/2022 67.9 55 2 103
29/3/202 22 9/2/2022 69 56 2 102
30/3/202 23 | 10/2/2022 79.3 37 2 99.2
31/3/2202 24 | 11/2/2022 71 58 2 96.8 25 | 14/2/2022 73.2 59 | 1/4/2022 97.6 26 | 15/2/2022 72.3 60 | 4/4/2022 99.5
Trang 7
27 | 16/2/2022 72.5 61 | 5⁄4/2022 100.9 28 | 17/2/2022 77.3 62 | 6/4/2022 97.8 29 | 18/2/2022 80.9 63 | 7/4/2022 9] 30 | 21/2/2022 80 64 | 8/3/2022 91.1
13/3/202 32 | 23/2/2022 78.8 66 2 95.7
33 | 24/2/2022 76.5 34 | 25/2/2022 78
Sau khi nhập dữ liệu vào phần mềm eview 10, mở dữ liệu 'GIA' chọn
view/graph ta thu duoc hinh | GIA
100 _ 90 80 | 70 _|
60 |
50 TI 01 05 10 15 20 25 30 35 40 45 50 55 60 65
Hình 1: Biến động giá đóng của mã cô phiêu HAH từ đầu năm 2022 đến 13/4/2022
Ta thấy giá đóng cửa có xu hướng tăng, như vậy có thể suy đoán chuỗi giá đóng cửa của mã HAH là không dừng
Kiểm tra bằng kiểm định Unit Root Test trong eview, thu được:
Trang 8Null Hypothesis: GIA has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)
*MacKinnon (1996) one-sided p-values Augmented Dickey-Fuller Test Equation Dependent Variable: D(GIA)
Method: Least Squares Date: 04/14/22 Time: 13:39 Sample (adjusted): 0002 0066
Included observations: 65 after adjustments
Adjusted R-
squared -0.009866 S.D dependent var 2.561586 Hình 2: kiểm định
S.E ofregression 2.574191 criterion 4.759233
Sum squared resid 417.4668 Schwarz criterion 4.826138 P- value= 0,5426
tri Log likelihood - 152.675 | criter 4.785631 không có tính
Dé cho chudi ding ta lay sai phan bac
1, tiếp tục thực hiện kiểm định Unit Root Test trong eview ta thu duoc hình 3:
Trang 9Null Hypothesis: D(GIA) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)
*MacKinnon (1996) one-sided p-values Augmented Dickey-Fuller Test Equation Dependent Variable: D(GIA,2) Method: Least Squares Date: 04/14/22 Time: 13:52 Sample (adjusted): 0003 0066
Included observations: 64 after adjustments
Hình 3: kiểm định Unit Root Test cho chuỗi sai phân bậc 1 Lúc này p- value =0 nên sai phân bạc I của chuỗi giá là chuỗi dừng.
Trang 102 Xây dựng và dự báo mé hinh ARIMA Mô hình có dạng ARIMA (p,d,q)
Hình 4:Đồ thị ACF
Hình 4 cho thấy đồ thị tự tương quan riêng của chuỗi giá đóng cửa cho thấy không
tồn tại hệ số khác 0 Như vậy q=0
Trang 11Như vậy mô hình ARIMA phủ hợp là ARIMA(,1,0)
Sử dụng phần mềm SPSS để ước lượng các hệ số của các mô hình ARIMA(0.1.0) như đã nhận dạng ở trên Chọn Analyze/Forecasting/Create Models Sau đó đưa biến FDI sang 6 Independent Variables, 6 6 method chon ARIMA va click vao Criteria Sau đó tiếp tục 1, 1, I theo hàng tương ứng với giá trị p, d, q roi chon Continue
Tiếp tục click vào các thẻ Statistics, Plots và các ô tương ứng như Hình 6:
Trang 12-——— ———————— Picts for Comparing Models
| Stationary R square | Magimum absolute percentage error
© Rsquare [| Marimum absolute error
—) Root mean square error © Nomaiizes BIC
(| Mean absolute percentage eror | Residyal autocorrelation functon (ACF) ("| Mean absolute eror 1) Residual partial autocorrelation fuxction (PAC=)
(OK J Leow nen, xem ae, i
Hình 6:Đặt điều kiện cho mô hình ARIMA
Tiếp tục click vào các thẻ Save, Options và các ô tương ứng như Hình 7 rồi nhân Ok :
@® XML files are only compatible with SPSS ap;
PMML File:
® PMML feos are compatinie with PMML-come
spss
© First cese oftsr erd erio đ throt in
Vartabies: - @ Firsl gese afat 0í 8 CÍ 9501714015 Đ91i0đ E04 g š096ili04 dai
Lower Confidence Limits _ | MA 7 (Unper Confidence Limits Residuals - ] fi fi
Trang 13Két quả dự báo thu được như sau:
wor Observed
UCL LCL 100.00 } ——~ Forecast
Hinh 9: Két qua du bao
Như vậy dự báo giá đóng của của mã cô phiếu HAH trong một vài phiên giao dịch
Trang 14Qua đây ta cũng có thê thấy trong thời gian sắp tới mã cô phiếu HAH có thê sẽ tiếp tục tăng, đây cũng có thể xem là một lựa chọn dành cho các nhà đầu tư muốn đa dạng hóa danh mục cô phiêu của mình
Tài liệu tham khảo
1 Lê Huy Đức(2019) Giáo trình dự báo kinh tế xã hội, Đh Kinh tế Quốc dân, Hà
Phụ lục 3: Hình 2: kiểm định Unit Root Test
Phụ lục 4: kiểm định Unit Root Test cho chuỗi sai phân bậc 1
Phụ lục 5: Hình 4:Đồ thị ACF Phụ lục 6: Hình 5: Đồ thị PACF
Phụ lục 7: Hình 6:Đặt điều kiện cho mô hình ARIMA Phụ lục §: Hình 7: Đặt điều kiện cho mô hình ARIMA
Phụ lục 9: Hình §: Kết quả dự báo bằng đồ thi Phụ lục 10: Hình 9: Kết quả dự báo