Hãy Thu Thập Dữ Liệu Chuỗi Thời Gian Về Một Chỉ Tiêu Kinh Tế Xã Hội (Số Quan Sát 50 Quan Sát) Thực Tế Của Việt Nam, Từ Đó Áp Dụng Phương Pháp Arima Sarima Bài Tập Lớn Dự Báo.pdf

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂNKHOA KẾ HOẠCH VÀ PHÁT TRIỂN

BÀI TẬP LỚN

DỰ BÁO KINH TẾ - XÃ HỘI

ĐỀ TÀI: Hãy thu thập dữ liệu chuỗi thời gian về một chỉ tiêu kinh

tế/ xã hội (số quan sát >= 50 quan sát) thực tế của Việt Nam, từ đóáp dụng phương pháp ARIMA/SARIMA để dự báo cho 5 thờiđoạn tương lai.

Giảng viên:PGS.TS Lê Huy ĐứcHọ và tên:Doãn Lê Nhật MaiMã sinh viên:11224015

Lớp:Dự báo Kinh tế-xã hội 04

Hà Nội, tháng 11 năm 2023

MỤC LỤC

I Mục đích giải quyết bài tập 2

II Phương pháp nghiên cứu 2

1 Số liệu sử dụng 2

2 Phương pháp nghiên cứu 2

III Dự báo mã VN Index 4

1 Kiểm định tính dừng 5

2 Xây dựng mô hình ARIMA 7

3 Kiểm tra sai số εt 11

4 Dự báo 12

TÀI LIỆU THAM KHẢO 14

1

I.Mục đích giải quyết bài tập

Trong giai đoạn hiện nay, dự báo kinh tế và xã hội là một vấn đề cực kỳquan trọng, đặc biệt đối với Việt Nam - một quốc gia đang phát triển mạnh mẽvới nền kinh tế đa dạng và những thách thức phát triển riêng biệt Dự báo kinhtế và xã hội giúp chúng ta hiểu rõ hơn về xu hướng, mô hình và triển vọngphát triển tương lai của quốc gia Để đảm bảo sự phát triển bền vững và ổnđịnh, các nhà lãnh đạo và nhà quản lý kinh tế cần có cái nhìn rõ ràng về tìnhhình hiện tại và triển vọng tương lai của các ngành kinh tế và các chỉ số xã hộiquan trọng.

Lựa chọn đề tài dự báo kinh tế xã hội áp dụng mô hình ARIMA là dokhả năng của mô hình ARIMA dự báo dữ liệu chu kỳ, như giá của các chỉ sốchứng khoán, giá dầu mỏ, giá nhựa, giá nông sản, Mô hình ARIMA có thểgiúp người dùng dự báo dữ liệu trong tương lai, đưa ra quyết định quan trọng,tránh những việc không mong muốn xảy ra.

Tìm hiểu và dự báo về giá của mã VN Index qua mô hình ARIMA đểxem xét sự tăng trưởng kinh tế của Việt Nam khi VN Index được xem làthước đo cho các công ty niêm yết, được dùng để đánh giá tình hình phát triểncủa các nhóm ngành, rộng hơn đó là nền kinh tế.

II.Phương pháp nghiên cứu1 Số liệu sử dụng

Số liệu phục vụ cho bài tập này được tổng hợp từ trang web:vn.investing.com từ các phiên giao dịch từ ngày 4/12/2022 đến 12/11/2023.Các số liệu được tổng hợp và xử lý trên phần mềm Eviews 12.

2 Phương pháp nghiên cứu

Hai tác giả George Box và Gwilym Jenkins (1976) đã nghiên cứu môhình tự hồi quy tích hợp trung bình trượt (Autoregressive Integrated MovingAverage), viết tắt là ARIMA Tên của họ (Box-Jenkins) được dùng để gọi chocác quá trình ARIMA tổng quát áp dụng vào phân tích và dự báo các chuỗithời gian Mô hình tự tương quan bậc p (viết tắt là AR(p)) là quá trình phụthuộc tuyến tính của các giá trị trễ và sai số ngẫu nhiên được diễn giải nhưsau:

Yt = φ1 Yt-1 + φ2 Yt-2 +… + φp Yt-p + δ + εt (1)

Mô hình trung bình trượt bậc q, viết tắt là MA(q), là quá trình được môtả hoàn toàn bằng phương trình tuyến tính có trọng số của các sai số ngẫunhiên hiện hành và các giá trị trễ của nó Mô hình được viết như sau:

Yt = μ + εt − θ1 εt-1 − θ2 εt-2 − − θq εt-q (2)

Mô hình tự tương quan tích hợp với trung bình trượt có dạng ARIMA(p,d,q) được xây dựng dựa trên hai quá trình (1) và (2) được tích hợp Phươngtrình tổng quát là:

Yt = φ1 Yt-1 + + φp Yt-p + δ + εt − θ1 εt-1 − − θq εt-q (3)Phương pháp Box-Jenkins gồm bốn bước lặp là (i) Nhận dạng mô hìnhthử nghiệm, (ii) Ước lượng, (iii) Kiểm định bằng chẩn đoán và (iv) Dự báo,được trình bày dưới đây:

Bước 1: Nhận dạng mô hình

Nhận dạng mô hình ARIMA (p,d,q) là việc tìm các giá trị thích hợp củap, d và q Với d là bậc sai phân của chuỗi thời gian được khảo sát, p là bậc tựhồi quy và q là bậc trung bình trượt Việc xác định p và q sẽ phụ thuộc vàocác đồ thị SPAC = f(t) và SAC = f(t), với SAC là hàm tự tương quan của mẫu(Sample Autocorrelation) và SPAC là hàm tự tương quan từng phần của mẫu(Sample Partial Autocorrelation).

Việc lựa chọn mô hình AR(p) phụ thuộc vào đồ thị SPAC nếu nó có giátrị cao tại các độ trễ 1, 2, , p và giảm đột ngột sau đó, đồng thời dạng hàmSAC tắt lịm dần.

Tương tự, việc chọn mô hình MA(q) dựa vào đồ thị SAC nếu nó có giátrị cao tại độ trễ 1, 2, , q và giảm mạnh sau q, đồng thời dạng hàm SPAC tắtlịm dần.

Bước 2: Ước lượng các thông số của mô hình ARIMA (p, d, q)

Các tham số của mô hình ARIMA sẽ được ước lượng theo phươngpháp 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 làmlà tiến hành kiểm định xem số hạng sai số εt của mô hình có phải là một nhiễutrắng (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 trịdự báo điểm và khoảng tin cậy của dự báo.

3

III.Dự báo mã VN Index

Thu thập số liệu từ Investing.com về giá của mã VN Index từ4/12/2022 đến 12/11/2023:

STTDate (Ngày)Price(Giá)

STTDate (Ngày)Price(Giá)

1 04/12/2022 1,051.81 27 04/06/2023 1,107.532 11/12/2022 1,052.48 28 11/06/2023 1,115.223 18/12/2022 1,020.34 29 18/06/2023 1,129.384 25/12/2022 1,007.09 30 25/06/2023 1,120.185 01/01/2023 1,051.44 31 02/07/2023 1,138.076 08/01/2023 1,060.17 32 09/07/2023 1,168.407 15/01/2023 1,108.08 33 16/07/2023 1,185.908 22/01/2023 1,117.10 34 23/07/2023 1,207.679 29/01/2023 1,077.15 35 30/07/2023 1,225.9810 05/02/2023 1,055.30 36 06/08/2023 1,232.2111 12/02/2023 1,059.31 37 13/08/2023 1,177.9912 19/02/2023 1,039.56 38 20/08/2023 1,183.3713 26/02/2023 1,024.77 39 27/08/2023 1,224.0514 05/03/2023 1,053.00 40 03/09/2023 1,241.4815 12/03/2023 1,045.14 41 10/09/2023 1,227.3616 19/03/2023 1,046.79 42 17/09/2023 1,193.0517 26/03/2023 1,064.64 43 24/09/2023 1,154.1518 02/04/2023 1,069.71 44 01/10/2023 1,128.5419 09/04/2023 1,052.89 45 08/10/2023 1,154.7320 16/04/2023 1,042.91 46 15/10/2023 1,108.0321 23/04/2023 1,049.12 47 22/10/2023 1,060.62

22 30/04/2023 1,040.31 48 29/10/2023 1,076.7823 07/05/2023 1,066.90 49 05/11/2023 1,101.6824 14/05/2023 1,067.07 50 12/11/2023 1,109.7325 21/05/2023 1,063.76

5

P-value = 0,7624 khá lớn nên chuỗi giá trị không có tính dừng Để cho chuỗidừng ta lấy sai phân bậc 1, tiếp tục kiểm định Unit Root Test trong Eviews, tathu được hình:

Lúc này P-value = 0.0000 < 0.05 nên có thể kết luận rằng chuỗi thời gian nàylà chuỗi dừng Do đó mô hình ARIMA mà ta xây dựng có d = 0.

2 Xây dựng mô hình ARIMA

Xác định bậc của p và q thông qua đồ thị ACF và PACF, ta được đồ thịACF và PACF như sau:

7

Ta có: p = 2; 9 và q = 2; 8; 14.

Do đó ta thiết lập được các mô hình sau: ARIMA(2,0,2) ; ARIMA(2,0,8) ;ARIMA(2,0,14) ; ARIMA(9,0,2) ; ARIMA(9,0,8) ; ARIMA(9,0,14)

Thực hiện hồi quy ARIMA bằng cách giải lệnh:

LS D(PRICE) C AR(2) AR(9) MA(2) MA(8) MA(14)Giải lệnh trên phần mềm Eviews để ước lượng, ta được:

Tiếp tục kiểm định, ta thay đổi phương pháp để ước lượng, ta loại bỏ đượcMA(2) MA(14) AR(2), ta có bảng sau:

9

Ta nhận thấy AR(9) = 0,0083 < 0,1 thỏa mãn; MA(8) = 0,0000 < 0,1 thỏamãn Kiểm tra các quan sát có nằm trong giới hạn không:

Ta thấy các nghiệm MA nằm trên đường tròn đơn vị và các nghiệm AR nằmtrong đường tròn đơn vị nên mô hình ARIMA(9,0,8) này là phù hợp.

3 Kiểm tra sai số εt

Kiểm định chuỗi phần dư E có dừng hay không, ta có:

11

P-value = 0,0001 < 0,1 Do đó, chuỗi E là chuỗi dừng và sai số εt của mô hìnhARIMA(9,0,8) là một nhiễu trắng Đây là một mô hình tốt.

4 Dự báo

Kết quả dự báo thu được như sau:

Đồ thị kết quả dự báo của giá mã VN Index từ 4/12/2022 đến 17/12/2023

Vậy dự báo giá của mã VN Index trong 5 tuần tới là:

- Tuần 19/11/2023: 1073,302- Tuần 26/11/2023: 1074,264- Tuần 03/12/2023: 1074,897- Tuần 10/12/2023: 1075,307- Tuần 17/12/2023: 1074,885

13

TÀI LIỆU THAM KHẢO

[1] Giáo trình Dự báo kinh tế xã hội, ĐH Kinh tế Quốc dân, Hà Nội PGS.TS.Lê Huy Đức (2019)

-[2] VN Lịch sử giá (https://vn.investing.com/indices/vn-historical-data)