Đối với nhữngmô hình cô điển, các bién trễ được sử dụng theo một cách không có hệ thong, nén chuakhai thác được nhiều tính chất động của chuỗi dữ liệu.. Tập môhình GARCH xem xét các dữ l
Trang 1MAC QUOC AN
HIEU QUA CUA MO HINH GARCH TRONG VIEC DUBAO MUC ĐỘ BIEN THIEN CUA THỊ TRƯỜNG
CHUNG KHOAN VIET NAM
Chuyén nganh: Quan tri kinh doanh
TP.HO CHI MINH, tháng 08 năm 2013
Trang 2CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠITRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUOC GIA TP HO CHÍ MINH
Cán bộ hướng dẫn khoa hoc: ecceceeecceceececcececuscecesccetcuctenceseueeneues
Khoá luận thạc sĩ được bảo vệ/nhận xét tại HỘI ĐÔNG CHAM BẢO VE KHOA
LUẬN THAC SI TRƯƠNG ĐẠI HOC BACH KHOA, ngày tháng năm
Thành phần hội đồng đánh giá khoá luận thạc sĩ gồm:1 Chủ tịch:
2 Thu ky: 3 Ủy vién:
CHU TICH HOI DONG CAN BO HUONG DAN
Trang 3NHIỆM VỤ KHOÁ LUẬN THẠC SĨ
Họ và tên học viên: Mạc Quốc An Giới tính: NamNgày, tháng, năm sinh: 07/01/1982 Noi sinh: TP Hồ Chi Minh
Chuyên ngành: Quản trị kinh doanh MSHV: 10170733
Khoá (Năm trúng tuyển): 20101- TEN DE TÀI: HIỆU QUA CUA MÔ HÌNH GARCH TRONG VIỆC DỰ BAO MỨC ĐỘ
BIEN THIÊN CUA THỊ TRUONG CHUNG KHOAN VIỆT NAM
2- NHIEM VU KHOA LUAN1 Phân chia tập danh mục cua các công ty chứng khoán trên san HOSE theo mô hình
ba nhân t6 Fama French.2 Kiểm định mức độ biến thiên của thị trường chứng khoán Việt Nam bang tập mô
hình GARCH, khả năng dự báo của tập mô hình.3 Cung cấp thông tin dé chon tập danh mục dau tư, quản trị rủi ro
3- NGÀY GIAO NHIỆM VỤ: 29/04/20134- NGÀY HOÀN THÀNH NHIỆM VỤ: 16/08/20135- HO VÀ TEN CÁN BỘ HUONG DAN: TS Dương Nhu HùngNội dung va đề cương Khoá luận thạc si đã được Hội Đồng Chuyên Ngành thông qua
CÁN BỘ HUỚNG DẪN KHOA QL CHUYÊN NGÀNH
(Họ tên và chữ ký) (Họ tên và chữ ký)
Trang 4Lời đầu tiên, tôi xin cảm ơn các thây, cô trong khoa Quản Lý CôngNghiệp đã trang bi cho tôi những kiến thức nên bố ích trong những
học kỳ vừa qua.
Tôi xin bày tỏ lòng biết ơn sâu sắc tới thay Duong Nhu Hùng, đã tậntình chỉ dẫn, giúp đỡ tôi vượt qua những lúc khó khăn trong suốt thời
gian làm khóa luận, giúp tôi hoàn thành bài khóa luận này.
Tôi cũng xin cảm ơn gia đình, bạn bè , đồng nghiệp đã chia sẻ, đónggóp ý kiến giúp tôi hoàn thành tốt hơn bài khoá luận này.
Tháng 08 năm 2013
Người thực hiện khoá luận
Mạc Quốc An
Trang 5NHẬN XÉT CUA GIÁO VIÊN HƯỚNG DAN
Trang 6TÓM TẮT
Bài nghiên cứu này đánh giá hiệu quả của tập mô hình GARCH trong việc dự báomức độ biến thiên của thị trường chứng khoán Việt Nam, đại diện là các công tyđược niêm yết trên sàn chứng khoán Tp.Hồ Chí Minh (HOSE) Dữ liệu được phântập theo mô hình ba nhân tô Fama French Tính biến động sẽ được kiếm chứngbang tập mô hình GARCH: GARCH(1,1), TGARCH(1,1), EGARCH(1,1) Dé xácđịnh hiệu quả của tính biến động, ta so sánh giữa các mô hình băng chỉ tiêu AIC,SIC, sai số bình phương trung bình (RMSE) Kết quả cho thấy mô hìnhGARCH(1,1) cho chất lượng dự báo tốt hơn so với các mô hình GARCH khôngtuyến tính TGARCH(1,1) và EGARCH(1,1) Qua đó làm cơ sở cho các nha đầu tưcó thê dự báo mức độ rủi ro của danh mục trong tương lai.
Trang 7monthly stock return of HOCHIMINH stock exchange (HOSE) We apply factor Fama French model to create the portfolios, which are constructed by size(ME) and the ratio of book value to market value (BE/ME) The volatility ismodeled by GARCH family models which are GARCH(I,I), TGARCH(,1),EGARCH(1,1) In order to determine the performance of forecasting volatility, wecompare the models by AIC, SBC creations and Root Mean Squared Error(RMSE) We find out the GARCH(1,1) model performs better than anothermodels On the basis of an estimated volatility, investors can forecast theuncertainty of their future financial portfolio.
Trang 8there-Từ viết tắt:CK: chứng khoánEW: equal weight, trọng số cân băngSSL: suất sinh lợi
TTCK: Thị trường chứng khoán.
VN: Việt Nam
VNI: VN indexVW: value weight, trọng số giá trị theo quy mô công ty
Danh sách bảng biéu: TrangBảng 3.1: Số mã CK của từng tập danh mục theo từng năm - 24Bang 3.2: Tập danh mục khảo Sat - <1 ng 1 kg 25Bang 3.3: Thông số thống kê của tập danh mục dữ liệu - - 27Bảng 3.4: Kiểm tra tính dừng của chuỗi dữ liệu 2 2555552 55+s+csc5228Bảng 4.1: Kết quả sau khi kiểm tra ảnh hưởng phương sai thay đổi 30Bảng 4.2: Kết quả các tiêu chí AIC, SBC, RMSE cho tập danh mục ứng với tập mô10672) 40s0 35-36
Bang 4.3: Mô hình được chọn ứng với từng danh mục -« «<< «2 37-38
Danh sách hình vẽ:Hình 2.1: Ví dụ phương sai không đổi và thay đối -5- 525555552 6Hình 2.2: Các mẫu hình giả thiết của phan dư bình phương ước lượng 8
Hình 2.3: Các giai đoạn của chuỗi thời gian 5 555s+c+x+e+eveeeeeeree 13Hình 3.1: Quy trình thực hiện dự báo chung S995 1e 18
Trang 9Hình 3.4: Số lượng mã CK cho từng tập danh mục . - 2 +s+s+e: 24
Trang 10MỤC LỤC
CHƯƠNG 1: TONG QUAN - GIỚI THIEU DE ÁN - 5c c5cccccccceerrrrrerrkee |1.1 Giới thiệu để tài - G1111 ST H11 T1 ng ng ng |1⁄22 Mục tiêu để tài c1 TT 11T TT TT TH nung 3I.3 Pham vi nghiÊn CỨU - << << 1 9000 0 nọ ke 4
14 Phương pháp thực hiỆn - - << G 110g ke 41.5 Ý nghĩa thực tiễn của dé tài - 5c c6 tt S1 3 15121111 1111111 1111111111 rk 5CHƯƠNG 2: CƠ SỞ LY THUY ẾTT c6 ctcxcrterkttrrrrrrrtrrrrrrrierrrrrrrrrrked 62.1 Các phương pháp xác định ảnh hưởng phương sai thay đối 62.1.1 Giới thiệu phương sai thay đối (heteroskedasticity) 5-5cccccsc 62.1.2 Hậu quả của phương sai thay đổi - + 25252552 SE SE2EEEEErEcrrrrrees 72.1.3 Các biện pháp phát hiện - - - -G G0000 nà 7
Trang 113.1.2 Phân tập danh mục theo mồ hình 3 nhân tố Fama French 5s: 203.2 Dữ lIỆU (Gv 22
3.3 Phân tích dữ lIỆU - - ĂG G0019 9900 vn 263.3.1 Kiểm định thống kê - ¿2E S2 SE SE SEEE9 9E 5212151 111 1211111511111 26
3.3.2 Phân tích tính dừng của chuỗi dữ liệu ¿ 22 2 2525222 +s+e+ezxzxrxeeesee 28
CHUONG 4: KET QU Ả - G1911 1 5 519191 1 1E 911819 91111151111 11111 rrrei 294.1 Kiểm định ảnh hưởng của phương sai thay đồi - - 2 5255 5scc+csczcszeccee 294.2 Đánh giá tính hiệu quả của tập mô hình GARCH cho từng tập danh mục 31CHUONG 5: KET LUẬN G- G6 S9 519191 1E E9 919151 511181511113 111111 rrrei 39TÀI LIEU THAM KHẢO G- G3 11t 5193191 1E 91119191 111191111 1111211 ng ng: 40510880890 2 ố 43
Phụ lục 1: Danh sách các công ty trên sàn chứng khoán TP.HCM được chọn 43Phụ lục 2: Phân chia tập danh mục theo mồ hình 3 nhân mm 45Phụ lục 3: suất sinh lợi theo từng tháng của các tập danh mục -+- 46Phụ lục 4: các thông số thống kê của tập danh mục dữ liệu - - 2 555552 50Phu lục 5: Kiếm định ảnh hưởng của phương sai thay đối - - 2 25555552 51Phu luc 6: Danh gia chat lượng của tap mô hình GARCH đối với từng tập danh mục
1
Trang 12Khoá luận tốt nghiệp GVHD: TS Dương Như Hùng
CHƯƠNG 1: TONG QUAN - GIỚI THIEU DE ÁN
1.1Giới thiệu đề tàiThị trường chứng khoán (TTCK) ở Việt Nam trong những năm gan đây đã trải qua rấtnhiều giai đoạn phát triển, với những biến động và điều chỉnh mạnh mẽ Đặc biệt giaiđoạn năm 2006, được xem là giai đoạn phát triển đột pha, với mức tăng trưởng hon60% chỉ trong vòng 06 tháng Năm 2007 là thời gian đầu tiên ghi nhận sự bùng phátcủa chỉ số VN-Index (VNI), trùng với chu ky lãi suất được kéo giảm về vùng 9% Vàonăm 2009, lãi suất huy động và cho vay giảm đáng kể, tạo nên chu kỳ phục hồi thịtrường cổ phiếu kéo dài trong 08 tháng Qua đó ta cũng thay được một quy luật là mỗikhi lãi suất hạ thì chứng khoán lại tăng Trong năm 2012, lãi suất hạ lần đầu tiên vàotháng 03/2012, lúc đó chỉ số VNI phục hồi khoảng 30% so với đáy, còn chỉ số HNXphục hồi khoảng 40% Vào thời điểm tháng 06/2012, Ngân hang Nhà nước làm một cúsốc với lãi suất huy động giảm 2%, nhưng TTCK vẫn phản ứng rất chậm Nhìn chungta thấy hoạt động của TTCK thường có xu hướng lên rất nhanh, hoặc giảm mạnh vàsau đó đi vào thời ky điều chỉnh Qua đó ta thay hoạt động tài chính ở Việt Nam chứađựng nhiều yếu tố rủi ro Do đó các nhà đầu tư, nha lập kế hoạch kinh doanh cần nhiềuthông tin dự báo chính xác dé hạn chế rủi ro trong đầu tư
Dự báo là tập hợp các công cụ giúp ta có thé phán đoán các sự kiện có thé xảy ra trongtương lai Đối với mô hình dự báo chuỗi thời gian, dựa vào xu hướng vận động trongquá khứ và hiện tại, từ đó ta sẽ tiến hành những dự báo cho tương lai Đối với nhữngmô hình cô điển, các bién trễ được sử dụng theo một cách không có hệ thong, nén chuakhai thác được nhiều tính chất động của chuỗi dữ liệu Van dé quan trong trong dự báochuỗi thời gian là thiết lập mô hình hiệu quả để dự báo tốt nhất xu hướng vận động củachuỗi thời gian Mô hình ARIMA là một phương pháp phổ biến dùng để phân tíchchuôi thời gian có độ nhạy cao, nó mô hình hóa gân như tât cả các dao động của chuỗi
HV: Mạc Quốc Ân 1
Trang 13thời gian ban dau, có tong trọng số các nhiễu ngẫu nhiên hiện hành và nhiễu ngẫunhiên có độ trễ, nên kết quả dự báo chính xác hơn nhiều so với các mô hình truyềnthống trước đây Mặt khác, các mô hình kinh tế lượng cô điển và ARIMA đều giả địnhlà phương sai của sai số là không đổi theo thời gian Đối với các chuỗi dữ liệu vẻ tàichính nói chung, hay chứng khoán nói riêng déu chịu ảnh hưởng bởi nhưng tin tức tốtvà xấu, nên có xu hướng dao động cao vào một số giai đoạn theo sau một số giai đoạnít bién động Nhóm các mô hình GARCH khắc phục được nhược điểm này Tập môhình GARCH xem xét các dữ liệu vói phương sai của nó phụ thuộc vào các giá triphương sai trong quá khứ, để từ đó ước lượng mức độ rủi ro trong một giai đoạn nhấtđịnh nào đó.
Từ khi những mô hình GARCH được xuất bản, đã có rất nhiều nghiên cứu về tính daođộng của thị trường chứng khoán ứng dụng tập mô hình này Hầu hết các nhà nghiêncứu đều đồng ý rằng, tính dao động đều có thể dự báo được ở nhiều thị trường chứng
khoán Mỗi mô hình sẽ dự báo độ dao động theo những cách khác nhau nhưng trong
đó mô hình GARCH được sử dụng phổ biến nhất, do loại bỏ được độ nhọn của tập dữ
liệu một cách hiệu quả (Theo Gockan, 2000) Bên cạnh độ nhọn, chuỗi dữ liệu còn có
thé bị ảnh hưởng bởi độ nghiêng rất nghiêm trọng, mô hình GARCH tuyến tính sẽkhông hiệu quả, khi đó tập mô hình GARCH không tuyến tính (EGARCH, TGARCH)sẽ được áp dung (Theo Chong, Ahmad and Abdullah, 1999).
Qua những ưu điểm của tập mô hình GARCH được phân tích ở trên, đồng thời nhữngdụng của GARCH đối với TTCK Việt Nam vẫn còn hạn chế, dé hiểu rõ hơn tính biénđộng của thị trường chứng khoán và các mô hình có khả năng dự báo mức độ dao độngcủa chuỗi thời gian, người viết đã chọn đề tài: “Hiệu quả của mô hình GARCH trongviệc dự báo mức độ biến thiên của thị trường chứng khoán Việt Nam” Đây là tậpmô hình dự báo rủi ro xác định thông qua một tiếp cận ước lượng các hệ số theo cácthành phần của phương sai theo thời gian và các độ trễ của nó dựa trên phương pháp
HV: Mạc Quốc An 2
Trang 14Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
maximum likelihood Qua đó chúng tôi có thé dự báo rủi ro các chuỗi thời gian kinh tếvà tài chính, từ đó cung cấp thông tin cho các quyết định dau tư, kinh doanh hay quảntri ruil ro.
1.2Muc tiéu dé tai
Mục tiêu của dé tài là:
e Hiện ở Việt Nam chưa thay nghiên cứu nao đánh giá hiệu quả của mô hìnhGARCH băng cách phân tập danh mục theo mô hình 3 nhân tố Fama French Bàiviết kiểm định lại việc phân tập danh mục theo đặc điểm của mô hình 3 nhân tôFama French, từ đó sẽ áp dụng mô hình GARCH vào việc dự báo mức độ biếnthiên của tập danh mục.
e Phan tích TTCK VN (trên sàn Hose), dựa vào mô hình Fama French 3 nhân tố,theo quy mô công ty (ME) và tỷ số BE/ME để chia tập dữ liệu thu được thành 6loại danh mục theo trọng số cân bằng (Equal weight, EW): S/H_EW, S/M_EW,S/L_EW, B/H_EW, B/M_EW, B/L_EW Mặt khác, dé xem xét sự ảnh hưởng củaquy mô công ty (ME) lên suất sinh lợi, chúng tôi áp dụng trọng số giá trị (valueweight, VW) dé tao ra 6 tap danh muc: S/H_VW, S/M_VW, S/L_VW, B/H_VW,B/M_VW, B/L_VW Từ đó chúng tôi có 12 tập danh mục cua các nhóm nay dùngdé dự báo tính dao động của thị trường chứng khoán
e Phân tích chuỗi dữ liệu của 12 tập danh mục trên
e Du báo mức độ biến thiên dựa vào tập mô hình GARCH
HV: Mạc Quốc An 3
Trang 15e Đánh giá chất lượng giữa các mô hình thông qua các tiêu chí: RMSE (RootMean Square Error), AIC, SBC Nên chon mô hình nao có tiêu chí có giá trinhỏ hơn so với các mô hình khác.
e Cung cap những thông tin dự báo tương đối chính xác với những mức độ tincậy khác nhau, làm cơ sơ để chọn tập danh mục đầu tư, quản tri rủi ro tài chínhmột cách hiệu quả.
1.3Phạm vi nghiên cứu
Nguôn dữ liệu lay từ trang WEB của các công ty chứng khoán (http://cafef.vn/,http://cophieu68.com/) Số liệu được lây từ tháng 12/2005 đến tháng 06/2013) Dựatrên báo cáo thường niên của sở giao dịch chứng khoán TP.HCM(sàn Hose), chúng tôibiết được số công ty niêm yết trong từng năm, và số công ty hiện tại trên sàn là 308.Do dữ liệu được yêu câu là phải hiện diện trên sàn it nhất 2 năm, năm tài chính bat đầutừ tháng | và kết thúc tháng 12, chúng tôi chọn ra 281 công ty dé phân tích trong vòng6 năm (2006-2012) Sau đó, chúng tôi phân chia tập danh mục theo mô hình FamaFrench 3 nhân tô, môi năm sẽ cân băng tập danh mục lại | lân.
Tập mô hình nghiên cứu bao gồm: GARCH, TGARCH, EGARCH
Trang 16Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
e Phan tích dữ liệu: những đặc tính của chuỗi dữ liệu
e Kiểm nghiệm tính dừng của chuỗi dữ liệu: sử dụng giản đồ tự tương quan(thong ké t, thong ké Q) va kiém dinh nghiém don vi (thong ké tau (t) cua Dickey-Fuller) Nếu chuỗi không dừng thi sẽ tiến hành những biện pháp khử dé chuỗi có tínhdừng.
e Kiém định ảnh hưởng ARCH
e Phan tích chất lượng giữa các mô hình đối với tập dữ liệu ở trên
e Xép hạng và đánh giá từng loại mô hình ứng với từng chuỗi dữ liệu ở trên
e Duara những nhận định, đánh giá, cung cấp thông tin cho quản trị rủi ro, cáchchọn tập danh mục đầu tư
1.5Y nghĩa thực tiễn của dé tài
Giá trị thực tiễn của dé tài là mô hình hóa được sự bién động của một số mã ngànhchứng khoán được phân loại danh mục theo mô hình Fama French 3 nhân tô Xác địnhđược mô hình ứng với tập danh mục nào có chất lượng dự báo tốt, ưu khuyết điểm giữacác mô hình Từ đó cho chúng tôi biết mô hình nào sẽ có chất lượng dự báo tốt nhất đôivới tính chat của từng tập danh mục Qua đó sẽ giúp các nhà dau tư, nhà quản lý có thểdự báo và nhận dạng các yếu t6 rủi ro trong tương lai của một số mã ngành chứngkhoán một cách khác chính xác, từ đó sẽ có những kế hoạch kinh doanh, lựa chọn tậpdanh mục đâu tư, quản trỊ rủi ro một cách thích hợp
HV: Mạc Quốc An °
Trang 17CHUONG 2: CƠ SỞ LÝ THUYET
Chương 2 sẽ trình bày các lý thuyết làm cơ sở cho việc nghiên cứu đề tài Các lý thuyếtbao gôm: ảnh hưởng của phương sai thay đối, tập mô hình ARCH, các tiêu chí để đánhgiá chất lượng của việc dự báo
2.1Các phương pháp xác định ảnh hưởng phương sai thay doi2.1.1 Giới thiệu phương sai thay đổi (heteroskedasticity)
Trong mô hình hồi quy tuyến tính cô điển, các yếu tố nhiễu u; xuất hiện trong hàm hồiquy tong thé có phương sai không đổi (homoscedasticity): var,)=ơ? Đối vớiphương sai thay đổi, phương sai của các yếu tô nhiễu thay đối theo thứ tự của biến
quan sát (heteroskedasticity): var(u,) = ơ7
0 x, X, X,
0 X X, X, x 0 x & & “
Dit liệu với phương sai không đôi Dit liệu với phương sai thay đôi tăng — Dữ liệu với phương sai thay đôi giảm
Hình 2.1: Ví dụ phương sai không đổi và thay đổi (Nguồn: Asteriou, D., 2007)
HV: Mạc Quốc An 6
Trang 18Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
2.1.2 Hậu quả của phương sai thay đối (Gujarati, 2004)e Nếu tiếp tục sử dụng các thủ tục kiểm định thông thường, mặc dù có phương saithay đối, những kết luận hay suy diễn thông kê có thé dẫn ta tới sai lầm
e Các ước lượng OLS (Ordinary Least Square) không còn BLUE (best linearunbiased estimator) va sẽ không hiệu qua, các du báo sẽ không hiệu qua.
e Phuong sai và đông phương sai ước lượng của các hệ sô sẽ chệch và không nhatquán, do đó các kiểm định giả thuyết (t và F) sẽ không còn hiệu lực
2.1.3 Các biện pháp phát hiện (Gujarati, 2004)Phan lớn các trường hợp liên quan đến điều tra kinh tế lượng, để nhận biết phương saithay đổi có lẽ là van đề vẻ trực giác, khả năng dự đoán qua rèn luyện, kinh nghiệmthực nghiêm có trước hay suy đoán tuyệt đối
HV: Mạc Quốc An 7
Trang 19HV: Mac Quốc An 8
Trang 20Khoá luận tốt nghiệp GVHD: TS Dương Như Hùng
Các bước kiêm dinh:
e Bước 1: chạy mô hình hồi quy, từ đó ta có phan dư của phương trình hôi quy
e Bước 2: chạy mô hình hồi quy phụ của phân dư
e Bước 3: kiểm định giả thiết
2.2 Tập mô hình GARCH
2.2.1 Mô hình ARCHMô hình ARCH(q) sẽ có dạng như sau
Ÿ, = £B, + B,X, +H, 2.1
u, ~ N(0,h,) “
` 2h,=7a + Yue; (2.2)
j=l
HV: Mac Quốc An 9
Trang 21Phương trình (2.1) gọi là phương trình ước lượng giá trỊ trung bình, phương trình (2.2)gọI là phương trình ước lượng giá tri phương sai.
Mô hình ARCH (autoregressive conditional heteroskedasticity) do Engle phát triểnnăm 1982 Mô hình này cho rằng phương sai của các số hạng nhiễu tại thời điểm t phụthuộc vào các số hạng nhiễu bình phương ở các giai đoạn trước Engle cho rang tốtnhất chúng ta nên mô hình hóa đông thời giá trị trung bình và phương sai của chuỗi dữliệu khi nghi ngờ rang gid trị phương sai thay đối theo thời gian
2.2.2 Mô hình GARCHMô hình GARCH (p.q) có dạng:
Phương trình (2.5) là phương trình phương sai của mô hình GARCH (1,1).
Theo Engle (1995), hạn chế của mô hình ARCH là nó có vẻ giỗng mô hình trung bìnhdi động hơn mô hình tự hôi quy Y tuong do Bollerslev, T (1986, Journal of
HV: Mac Quốc An 10
Trang 22Khoá luận tốt nghiệp GVHD: TS Dương Như Hùng
Econometrics) dé xuất: đưa thêm các biến trễ của phương sai có điều kiện vào phươngtrình phương sai theo dạng tự hôi quy, với tên gọi GARCH (Generalised ARCH).2.2.3 Mô hình TGARCH
Phương sai trong mô hình TGARCH(p,q) được thể hiện như sau:
Nêu hệ sô vu, có ý nghĩa thông kê, thì các tin tức tot và tin tức xâu sẽ có ảnh hưởng
khác nhau lên phương sai Nêu v,>0, thì chúng ta có thé nói răng có sự bat can xứng
trong tác động giữa tin tức tot và tin tức xâu Ngược lại, nêu v, =0, thí tac động của tin
tức có tính chât cần xứng
Hạn chế lớn nhất của mô hình ARCH, GARCH là chúng được giả định có tính chat đốixứng, có nghĩa là các mô hình chỉ quan tâm đến giá trị tuyệt đối của các cú sốc chứkhông quan tâm đến dau của chúng Tuy nhiên, cú sốc âm (tin tức xấu) thường có tácđộng mạnh và dai dang hơn cú sốc dương (tin tức tốt) vì nó làm cho các nhà dau tư bịtê liệt, trở nên bi quan chán nan, chờ doi một cách thu động từ tin tức thị trường.
Mô hình TGARCH được phát triển bởi Zakoian (1990), và Glosten, Jaganathan,Runkle (1993) Mục đích: xem xét tính bất cân xứng giữa các cú sốc âm và cú sốcdương.
HV: Mạc Quốc Ần 11
Trang 232.2.4 Mô hình EGARCHHam log phương sai EGARCH(p,q) được thé hiện như sau:
Pp q
logh, =y7, + Sổ, logh,_, + > 8(Z,_;)
i=l j=l (2.7)
g(Z,) = 7Z, + a(|Z,|- E(Z,|))Do Nelson (1991) dé xuất Ham log của phương sai trong mô hình EGARCH thay đổitheo thoi gian.
2.3 Các tiêu chí lựa chon mô hình
2.3.1 Các tiêu chí đánh giáSai số dự báo là thước đo tìm hiểu giá tri dự báo sân với gia tri thực tế bao nhiêu Nếumột mô hình được đánh giá tốt thì sai số dự báo phải tương đối nhỏ
Dựa theo thương pháp luận của dự báo chuỗi thời gian: dự báo các giai đoạn quá khứ
được gọi là hậu nghiệm (ante-post), dự bao các giai đoạn tương lai gọi là tiên nghiệm(ex-post).
e Dé liệu từ thời đoạn bat dau (Yggo=Y+s) đến thời điểm kết thúc (Y enp=Yo9).Yenp có thé là quan sát hiện tại
e Dữ liệu mẫu phân tích Y¡, , Y, là những quan sát mà chúng ta sẽ xây dungmô hình dự báo.
HV: Mạc Quốc An 12
Trang 24Khoá luận tốt nghiệp GVHD: TS Dương Như Hùng
e Tuong ứng với những giai đoạn ước lượng, ta có những giá tri dự báo Nhữnggiá trị dự báo này được tìm trong mô hình hay trong mẫu dữ liệu mà ta tiễn hành dựbáo Từ giá tri thực và giá tri dự báo thì ta sẽ có sai sô dự báo e:.
Dự bao hậu| Dự báo tiênnghiệm nghiệm
= | J
Giai doan du baoGiai doan du bao
Hình 2.3: Các giai đoạn của chuỗi thời gian (Nguồn: Nguyễn Trọng Hoài, 2009)
Sai số bình phương trung bình: RMSE (Root Mean Squared Error)
(2.8)
e,, sai sô dự báo trong giai đoạn t, n: sô quan sát của biên dự báo đã được ước lượng
Trang 25Tiêu chuẩn AIC (Akaike Information creation)
Chọn lựa tiêu chí đánh gia:
e Các tiêu chí đánh giá độ chính xác của dự báo thường gôm 7 tiêu chí: Sai sốtrung bình ME (Mean Error), sai số phân trăm trung bình MPE (Mean PercentageError), sai số tuyệt đôi trung bình MAE (Mean Absolute Error), sai số phân trăm tuyệtđối MAPE (Mean Absolute Percentage Error), sai số bình phương trung bình MSE(Mean Squared Error), căn bậc hai của sai số bình phương trung bình RMSE (RootMean Squared Error), hệ số không ngang băng Theil's U Một dự báo được đánh giátốt khi sai số của dự báo tương đôi nhỏ Trong đó ME và MPE ít được sử dụng vì cácsai sô lớn có 214 tri dương có thê bị triệt tiêu bởi các sai số lớn có giá tri âm Do đó mộtmô hình xâu có thể có ME và MPE băng không MAE là một thước đo được dùng khiđánh giá sai số dự báo có cùng đơn vị tính đôi với dữ liệu gốc MAPE thì đánh giá mứcđộ chính xác của dự báo với giá tri thực té, được sử dụng đối với những chuỗi dữ liệucó giá trị thực té lớn MSE nêu bật lên những sai số có giá trị lớn Hệ số Theil’s U dùngdé so sánh RMSE của mô hình dự báo với mô hình dự báo siản đơn RMSE cho dự báo
HV: Mạc Quốc An 14
Trang 26Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
khá chính xác do loại bỏ sự ảnh hưởng dấu của sai số dự báo, nêu bật lên những sai sốcó giá tri lớn Mặt khác, RMSE tương tự như khái niệm độ lệch chuẩn thông thườngtrong thông kê Vì những ưu điểm trên, nên trong dự báo thường chọn giá trị thước đoRMSE để dự báo mức độ chính xác của một mô hình nhất định
e Trong các phan mêm kinh tê lượng ứng dung, thường đưa ra các tiêu chí chọnlựa như: AIC, BIC, SBC, HQC, FPE Theo Asteriou (2007), chúng ta nên chọn các m6hình với các tiêu chí có giá tri nhỏ nhật Các tiêu chí có thé cho các kết quả trai ngượcnhau, dẫn đến những kết luận khác nhau Theo Ruppert (2004), SBC (Schwarz’sBayesian Criterion) cũng được gọi là BIC (Bayesian Information Criterion) Ca 2 tiêuchi AIC va BIC déu hướng đến việc chon giá tri likelihood lớn Theo Acquah (2010),BIC sẽ cho đánh giá tốt hơn đôi với những mẫu dữ liệu lớn hơn Còn đối với nhữngmẫu dữ liệu nhỏ, mức nhiễu lớn thì AIC đánh giá tốt hơn BIC HỌC thì tiêu chí đánh
giá cũng tương tự như BIC Theo Nguyễn (2009), AIC va SBC là hai tiêu chí thườngđược sử dụng phân tích chuỗi thời gian như: ARIMA, GARCH Do đó chúng tôi chọn
lựa 2 tiêu chí mà các phân mêm kinh tế lượng thường hỗ trợ là: AIC và SBC
e Từ những phân tích trên chúng tôi chon các tiêu chí RMSE, AIC, SBC dé đánh214 kha năng dự báo của tập mô hình GARCH.
2.3.2 Tổng hợp nghiên cứu về các tiêu chí đánh giá
Theo Chong (1999), dánh giá chât lượng của tập mô hình GARCH vào thị trườngchứng khoán Malaysia Dữ liệu bao gồm các chỉ số tông hop, tài chính được lay theongày từ 01/01/1989 đến 31/12/1990 Tập dữ liệu có giá trị trung bình và phương saitương đối nhỏ, giá trị độ nhọn cao, giá trị độ nghiêng thì gôm cả âm và dương Tập môhình GARCH ước lượng sử dụng phương pháp maximum likelihood Từ phân dư saukhi lay hồi quy, tác giả tính nhân tử Lagrange và thông kê Q, cho thay nhiễu gan vớinhiễu trắng Tập mô hình gồm: stationary GARCH, unconstrained GARCH, non-
HV: Mạc Quốc An 15
Trang 27negative GARCH, GARCH-M, exponential GARCH, integrated GARCH Su dụng cácchỉ tiêu sau dé đánh giá chất lượng mô hình: MSE, Log L, SBC, AIC Trong đó môhình EGARCH có chất lượng đánh giá tốt hơn mô hình GARCH đối với những chuỗidữ liệu có ràng buộc như là chuỗi dừng Ngoài ra, mô hình integrated GARCH có chatlượng đánh giá kém.
Theo Gokcan (2000), dự báo tính biến động của 7 thị trường chứng khoán của cácnước: Argentina, Brazil, Colombia, Malaysia, Mexico, Philipines, Taiwan Tac gia sửdụng mô hình GARCH(1,1) tuyến tính và mô hình EGARCH(1,1) không tuyến tinh déđánh giá độ dao động Dữ liệu được lay theo tháng, từ tháng 2/1988 đến tháng 12/1996.Mô hình GARCH (1,1) có kết quả tốt hơn so với mô hình EGARCH dựa theo chỉ tiêuMSE, mặc dù chuỗi dữ liệu có phân bố nghiêng Mô hình GARCH thường không đápứng được với những chuỗi dữ liệu có phân bố nghiêng, khi đó ước lượng sẽ bị lệch Dođó người ta thường sử dụng các mô hình GARCH không tuyến tính như (QGARCH,EGARCH) Sau khi kiểm định Q, ngoài trừ Bazil và Philippines, dữ liệu các nước cònlại đều có hiện tượng tự tương quan ở mức ý nghĩa 5% Độ nghiêng của dữ liệu âm.Mô hình hồi quy ARMA(1,1) được chon là mô hình tốt nhất Mô hình GARCH (1,1)có kết quả tốt hơn so với mô hình EGARCH dựa theo chỉ tiêu MSE, AIC, mặc dùchuỗi dữ liệu có phân bố nghiêng
Theo Memillian, David G and Speight, Alan E H (2004), so sánh chất lượng dựbáo giữa phương pháp san mũ, trung bình trượt và tập mô hình GARCH Tap mồ hìnhGARCH là: GARCH, TGARCH, component GRACH Dựa vào chỉ tiêu ME, MAE,RMSE đánh giá chất lượng mô hình với tập dữ liệu Dữ liệu nghiên cứu gồm 17 tậpdanh mục, dựa vào tỉ giá hỗi đoái của 17 nước so với đồng đôla Mỹ, dữ liệu theo ngày.Bollerslev (1998) va Andersen (1999) cho thay sự không hiệu qua cua mo hìnhGARCH trong việc dự đoán tính chính xác của biến động David đã chứng minh rằngngược lai rằng, dự báo bằng tập mô hình GARCH cho chất lượng kém là do không
Trang 28Khoá luận tốt nghiệp GVHD: TS Dương Như Hùng
nhận biết được chính xác tính chất dao động, do có một số nhiễu độc lập gây ra Davidđưa ra một số biện pháp dé loại bỏ nhiễu, được xem như 1a “dao động tích hợp” Tậpmô hình GARCH cho chất lượng đánh giá tốt hơn phương pháp san mũ và trung bình
trượt.
Qua đó chúng ta có cơ sở đê đánh giá chat lượng của các mô hình thông qua các tiêuchí: RMSE, MSE, MAE.
HV: Mạc Quốc An 17
Trang 29CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU VÀ
DỮ LIỆUChương này dé cập đến phương pháp nghiên cứu và cách thu thập dữ liệu, phân tích dữliệu trước khi tiến hành kiểm tra hiệu quả mức độ biến thiên của tập mô hình GARCH
3.1 Phương pháp nghiên cứu
3.1.1 Quy trình nghiên cứuPhương pháp nghiên cứu dự báo được thực hiện theo mô hình dự báo chung
1 Xác định mục tiêu dự báo
v
2 Xac dinh du bao cai gi
v3 Xác định yéu tố thời gian dự báo
v8 Trinh bay kết quả dự báo
Ỷ9 Theo đõi kết quả dự báo
Hình 3.1: Quy trình thực hiện dự báo chung (Nguồn: Nguyễn Trọng Hoài, 2009)
HV: Mạc Quốc Ân 18
Trang 30Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
Mục tiêu dự báo: hiệu quả của tập mô hình GARCH trong việc dự báo tính biên độngcủa thị trường chứng khoán Việt Nam.
Xác định dự báo cái gi: dự báo tính biến động của suất sinh lợi (SSL).Xác định yếu tô thời gian dự báo: dữ liệu được lay theo ngày từ cuối năm 2005 đếntháng 6 năm 2013, đối với các công ty trên sở giao dịch chứng khoán Hồ Chí Minh(HOSE).
Xem xét phan tích dữ liệu:e Di liệu được lấy theo ngày, từ đó tính SSL theo ngày Sau đó tính SSL theo
tháng.
e Phan tập dữ liệu thu được theo mô hình 3 nhân tố
e Ap dụng các phương pháp kiểm định thống kê đối với dữ liệu có được
Lựa chọn mồ hình: chọn tập mô hình GARCH(1,1), T@ARCH(1,1), EGARCH(1,1)Đánh giá mo hình: dựa vào các tiêu chi AIC, SBC, RMSE.
Chuẩn bị dự báo, trình bày kết quả dự báo: theo phương pháp của mô hìnhGARCH.
Theo dõi kết quả dự báo: kiểm nghiệm lại kết quả sẽ xảy ra trong tương lai
HV: Mạc Quốc An 19
Trang 313.1.2 Phân tập danh mục theo mô hình 3 nhân t6 Fama FrenchMô hình Fama French 3 nhân to:
E(R,)= R, + 8,LE(R„)— R, ]+ s,E(SMB) + h,E(HML) (3.1)
VỚI:
e R;: ty suất sinh lợi của chứng khoán thứ i
e Rm: ty suất sinh lợi của thị trường
e Rf: lãi suất phi rủi ro
e SMB: tỷ suất sinh lợi bình quân của danh mục có vốn hóa thị trường nhỏ trừ ditỷ suất sinh lợi của danh mục có vôn hóa thị trường lớn Gia tri vôn hóa thị trường= giá môi cô phiêu x sô lượng cô phiêu.
e HMIL: chênh lệch tỷ suât sinh lợi của các cô phiêu “gia tri” so với các cô phiêutăng trưởng
e £.,8,,h,: các biến phan ánh độ nhạy các nhân tô.Phân chia danh mục dau tư: danh mục cô phiếu được xây dựng dựa trên quy môcông ty và tỷ sô BE/ME Danh mục dựa theo các công ty trên sàn HOSE từ năm 2006-2012
e Quy mô công ty: được tính bằng cách lay giá trị trung bình từng tháng nhânvới số lượng cô phiếu phát hành từng tháng Sau đó ta tính quy mô trung bình chotừng cô phiếu, quy mô trung bình cho tập danh mục Dựa theo giá trị trung vị vốnhóa thi trường (median ME) cua san HOSE theo thang 6 năm t, ta được quy môtrung bình của tập danh mục Nếu cổ phiêu có quy mô nhỏ hơn quy mô trung bình
HV: Mạc Quốc An 20
Trang 32Khoa luận tốt nghiệp GVHD: TS Dương Như Hùng
của tập danh mục thì thuộc nhóm “S”, ngược lại thì thuộc nhóm “B” (Theo FamaFrench 1992).
se Tý số BE/ME: được tính băng cách lây vốn chủ sở hữu chia quy mô công ty.Những cổ phiêu nào có BE/ME trung bình cho 12 tháng thuộc nhóm 30% caonhất thì thuộc nhóm “H”, 30% thấp nhất thì thuộc nhóm “L”, còn lại thuộc nhóm“M” Ty số BE/ME (thang 6, năm t) = BE(cuối năm tài chính, năm t-1)/ME(tháng 12, năm t-1) (Theo Fama French 1992).
e Dwa vào giá trị giao nhau của các điểm phân lớp ME, tỷ số BE/ME, ta có 2x 3 = 6 tập danh mục dau tư theo 2 yếu tô phân loại của quy mô và 3 yếu tô phânloại của tỷ số BE/ME Sáu danh mục đó ký hiệu S/L, S/M, S/H, B/L, B/M, B/H.Ví dụ: B/H là danh mục của những cô phiếu có quy mô lớn và tỷ số BE/ME cao
Quy mô
>A