Ứng dụng các mô hình toán kinh tế trong dự báo giá cổ phiếu ngành thép trên thị trường chứng khoán TP Hồ Chí Minh

Do đó,việc dự báo chính xác sự biến động giá của cổ phiếu để có một sách lược đầu tưhợp lý đang là nhu cầu cần thiết với các nhà đầu tư và cũng là kênh thu hút sựquan tâm của các nhà kin

LỜI NÓI ĐẦU

Đầu năm 2000 thị trường chứng khoán Việt Nam ra đời, đã trở thành một kờnhđầu tư hấp dẫn không chỉ đối với các tổ chức đầu tư chuyên nghiệp mà với cả cácnhà đầu tư cá nhân nghiệp dư nhỏ lẻ Tuy nhiên, mức sinh lời càng cao thì rủi rocàng lớn Bất kể nhà đầu tư nào khi tham gia vào thị trường cũng mong tìm kiếmđược mức lợi nhuận tối đa, mức rủi ro thấp nhất Song không phải ai cũng đưa rađược mức dự đoán chính xác xu hướng của giá cổ phiếu trong tương lai Do đó,việc dự báo chính xác sự biến động giá của cổ phiếu để có một sách lược đầu tưhợp lý đang là nhu cầu cần thiết với các nhà đầu tư và cũng là kênh thu hút sựquan tâm của các nhà kinh tế lượng tài chính trong và ngoài nước

Nhưng trước hết với một số lượng lớn các ngành nghề tham gia niêm yết trên sànchứng khoán thì việc đưa ra quyết định chọn cổ phiếu để thực hiện đầu tư cũng làmột vấn đề khó khăn Theo quan điểm của cá nhân và sau một thời gian theo dõimức biến động của các cổ phiếu, em chọn cổ phiếu của ngành thộp vỡ nhữngnguyên nhân sau:

 Ngành sản xuất thép là ngành vật liệu cơ bản, là ngành không thể thiếu đốivới các nền kinh tế đang phát triển như Việt Nam

 Các cổ phiếu ngành thép có thanh khoản khá tốt, có mức lợi nhuận khá, vàhiện đang giao dịch ở mức giá hợp lý thích hợp cho thời điềm mua vào

 Kinh tế thế giới đã qua thời kỳ khủng hoảng (2008-2009) nên cầu và giá cảvật liệu cơ bản như thép, dầu mỏ…sẽ tăng dần trong những năm tới

Xuất phát từ những ý tưởng trên, cùng với lượng kiến thức đã được tích lũy trong 3 năm,

em chọn đề tài “Ứng dụng các mô hình toán kinh tế trong dự báo giá cổ phiếu ngành thộp trờn thị trường chứng khoán TP Hồ Chí Minh” để làm chuyên đề thực tập tốt

nghiệp Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo thì bài viết gồmnhững phần chính sau:

PHẦN A: LÝ THUYẾT

 Chương I: Tổng quan về ngành thép và các cổ phiếu ngành thộp trờn thị trường chứng khoán Tp HCM

Chương này giúp nắm rõ về tình hình hoạt động kinh doanh của ngành thép và các cổphiếu ngành thép hiện nay

 Chương 2: Cơ sở lý thuyết áp dụng dự báo giá cổ phiếu ngành thép

Trong chương này sẽ trang bị cho ta những lý thuyết nền tảng để dự báo xu hướng giá cổphiếu trong ngắn hạn như: ARIMA, mô hình cây nhị phõn…

PHẦN B: THỰC HÀNH

 Chương 3: Sử dụng một số mô hình dự báo giá cổ phiếu ngành thộp trờn sàn HOSE

Đây là chương trọng tâm của chuyên đề, trong đó là áp dụng thực tế của các mô hình để

dự báo giá cổ phiếu ngành thép

Cuối cùng, tôi xin chân thành cám ơn sự giúp đỡ của toàn thể Quý Công ty CPCKVndirect, Ban Giỏm Đốc, cùng toàn thể các anh chị trong phòng Thông tin thị trường đãtạo điều kiện và giúp đỡ tôi rất nhiều trong suốt quá trình thực tập tại công ty

Đặc biệt hơn, tôi xin được gửi lời cám ơn chân thành nhất đến Thầy giáo Hoàng ĐìnhTuấn - người đã tận tình chỉ bảo, hướng dẫn và giỳp tụi hoàn thành bài chuyên đề thựctập tốt nghiệp này Từ đáy lòng, cũng xin được cám ơn tất cả các thầy cô giáo trong KhoaToán Kinh Tế, Trường ĐH Kinh tế quốc dân đã dạy dỗ và giỳp tụi trau dồi kiến thứctrong những năm học vừa qua

CHƯƠNG 1: TỔNG QUAN VỀ NGÀNH THẫP VÀ CÁC CỔ PHIẾU NGÀNH THẫP TRấN THỊ TRƯỜNG CHỨNG KHOÁN TPHCM

1.1 Tổng quan về ngành thép Việt Nam

1.1.1 Thực trạng chung của ngành

Đầu những năm 60 ngành thép Việt Nam bắt đầu được xây dựng; với khu liên hợpgang thép Thỏi Nguyờn cho ra những mẻ gang đầu tiên Từ đó đến nay, sau nhiềunăm đổi mới và tăng trưởng, ngành thép Việt Nam đã đạt được những thành tựuđáng kể Đó là sự gia tăng về số lượng các công ty thộp trờn thị trường, là sản

lượng vượt chỉ tiêu: luyện thép lò điện đạt 500 ngàn tấn/năm, công suất cỏn thộpđạt 2,6 triệu tấn/năm… Và là sự đa dạng về các sản phẩm thép: sản phẩm thộp thụ(phôi và thỏi), thộp cỏn dài (thộp trũn, thộp thanh, thộp hỡnh nhỏ và vừa), sảnphẩm gia công sau cán (ống hàn, tôn mạ các loại)…

Tuy nhiên, ngành thép Việt Nam vẫn trong tình trạng kém phát triển so với khuvực và thế giới Năng lực sản xuất phụi thộp quỏ nhỏ bé, chưa sử dụng có hiệu quảnguồn quặng sắt sẵn có trong nước để sản xuất phụi nờn phụ thuộc chủ yếu vàophụi thộp nhập khẩu Hiệu quả sản xuất chưa cao, còn dựa vào sự bảo hộ của nhànước

Bên cạnh đó cơ cấu mặt hàng mất cân đối, mới chỉ tập trung sản xuất các sảnphẩm dài phục vụ chủ yếu cho xây dựng thông thường, chưa sản xuất được cácsản phẩm dẹt cỏn núng, cỏn nguội Đõy chính là hiện trạng mà ngành đang phảiđối mặt, cỏn thộp thỡ dư thừa trong khi đó những dự án thuộc lĩnh vực luyện phôilại thiếu hụt

Song ngành thép là ngành công nghiệp nặng cơ sở của mỗi quốc gia nên được sự

ưu đãi về thuế và các chính sách khác của chính phủ nên hoạt động của ngành ítchịu rủi ro do biến cố thị trường

Tốc độ tăng trưởng của ngành ổn định khoảng 15%/năm, cao hơn tốc độ tăngtrưởng GDP 7.49%/năm

Và hiện nay các dự án đầu tư của ngành nhận được sự hỗ trợ từ nước ngoài nênngành có cơ hội trao đổi khoa học công nghệ, giúp tăng hoạt động hiệu quả củangành mà lại tiết kiệm được chi phí

Năm 2010, tình hình sản xuất và tiêu thụ thép tiếp tục tăng so với năm 2009, trong

đó sản xuất tăng 19% và tiêu thụ tăng 18%, ước tính nhu cầu thép cho năm 2015 là

16 triệu tấn, năm 2020 là 21 triệu tấn và năm 2025 khoảng 24-25 triệu tấn

1.1.2 Vai trò của ngành

Là một trong những ngành xương sống của nền kinh tế bởi nó cung cấp đầu vàocho các ngành xây dựng, sản xuất máy móc công nghiệp, đóng tàu và công nghiệpquốc phòng Sản phẩm chính của ngành là thép xây dựng và thép công nghiệp.Nếu thép xây dựng có mối quan hệ và phụ thuộc vào các ngành xây dưng, bấtđộng sản thỡ thộp công nghiệp lại có sự tương quan đến tốc độ phát triển ngànhcông nghiệp.

Các sản phẩm từ thộp thỡ đa dạng, phong phú về thể loại, kích cỡ đáp ứng đượcnhu cầu tiêu dùng trong nước

1.2 Các nhân tố ảnh hưởng tới hoạt động của ngành

1.2.3 Áp lực cạnh tranh

Hiện tượng cấp giấy phép đầu tư tràn lan vào ngành làm tăng số lượng các doanhnghiệp tham gia trên thị trường, kể cả các doanh nghiệp hiệu quả sản xuất thấp.Các doanh nghiệp trong nước phải đối mặt với áp lực giá rẻ từ Trung Quốc

Thời gian tới các mặt hàng thép của ASEAN sẽ được nhập khẩu với thuế suất 0%

là một trong những đối thủ tiềm ẩn của công ty

1.3 Giới thiệu các cổ phiếu ngành thộp trờn sàn chứng khoán HCM

1.3.1 Xu hướng biến động giá của cổ phiếu ngành thép

Hình 1: Biểu đồ chỉ số giá cổ phiếu thép và Vnindex

Năm 2010 là một năm đầy biến động với cổ phiếu ngành thép Mặc dù trong nămnày, tình hình sản xuất và tiêu thụ thép tăng so với năm 2009; đó là ngành khôngchỉ đáp ứng nhu cầu phát triển kinh tế của đất nước mà còn xuất khẩu và trở thànhđiểm hấp dẫn các nhà đầu tư trong và ngoài nước

Song, cũng như xu hướng biến động của thị trường chứng khoán nên năm 2010 cổphiếu ngành thép giảm mạnh (30%), cao hơn tốc độ giảm chung của thị trường vànằm trong nhóm cổ phiếu có mức độ mất giá lớn nhất trong năm Nguyên nhânchính là do hiệu quả kinh doanh không tốt từ quý 2 đến quý 4 và là chu kì giảmgiá sau khi tăng mạnh quý 1 và nhiều doanh nghiệp đẩy mạnh hàng tồn kho giaiđoạn này

Bước sang quý 1-2011 ngành thép nhận được khá nhiều thông tin tích cực là ảnhhưởng từ NHNN tăng tỷ giá và nền kinh tế thế giới tiếp tục tăng trưởng nờn giỏthộp trong nước tăng Đặc biệt, nhu cầu tái thiết của Nhật Bản sau trận động đất sẽđẩy giỏ thộp trờn thị trường thế giới tăng Đây cũng là cơ sở để giá cổ phiếu théptăng, do vậy triển vọng trong ngắn hạn với cổ phiếu ngành thộp khỏ hấp dẫn.

1.3.2 Các chỉ số của cổ phiếu thộp trờn sàn HOSE

Mã cp ROA(%) ROE(%) Doanh thu

Bảng 1: Kết quả hoạt động của cổ phiếu ngành thộp trờn sàn HOSE

Kết quả kinh doanh của ngành thộp trờn sàn tp HCM năm 2010 và đầu năm 2011rất khả quan Chỉ số ROE của ngành thép khá cao, các doanh nghiệp lớn nhưHPG, PHT, POM đều có tỷ suất lợi nhuận biờn trờn 20% và không chênh lệchnhau quá nhiều Điều này cho thấy với các doanh nghiệp có quy mô và doanh thuthì ROE có xu hướng gần nhau

Cổ phiếu VIS có tỷ suất lợi nhuận giảm so với năm 2009 do nguyên nhân cổ phiếunày mới tăng vốn và giỏ thộp giảm.

Hầu hết các doanh nghiệp bị suy giảm lợi nhuận trong năm 2010, song vào cuốinăm 2010 và quý 1 năm 2011 khi giỏ thộp trờn thị trường quốc tế tăng thì lợinhuận ngắn hạn có khuynh hướng tăng Riêng HLA do công ty mới tăng vốn để

mở rộng cơ sở sản xuất nên tỷ suất ROE thấp

Chỉ tiêu P/E của doanh nghiệp ngành thộp khỏ thấp, cho thấy hiện cổ phiếu ngànhthép đang được định giá thấp

Vậy với kết quả kinh doanh tương đối khá và đang có đà tăng trưởng như hiệnnay, cộng thêm định giá thấp cổ phiếu ngành như hiện nay nhà đầu tư nên xem xétđưa một số cổ phiếu ngành thép vào danh mục và mua vào khi thị trường phục hồi

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT ÁP DỤNG DỰ BÁO GIÁ CỔ PHIẾU

NGÀNH THẫP

2.1 Quá trình ARIMA

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

 Quá trình tự hồi quy bậc 1:

Y t=φ0+φ1Y t−1

 Quá trình tự hồi quy bậc p:

Yt= φ0+ φ1Yt−1+ φ2Yt−2+ φ3Yt−3+ +φpYt− p+ ut

(trong đó ut là nhiễu trắng)

Điều kiện để quá trình AR(p) hội tụ là : -1 < φ i < 1 ( i=1,2…p)

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

Quá trình MA(q) là quá trình có dạng:

Yt= ut+ θ1ut−1+ θ2ut−2+ +θqut−q

(trong đó u là nhiễu trắng)

Điều kiện để chuỗi MA(q) là chuỗi dừng là : -1< θ i < 1 (i=1,2,…q)

2.1.3 Quá trình trung bình trượt và tự hồi quy ARMA (AutoRegressive and Moving Average)

Cơ chế để sản sinh ra Y không chỉ là riêng AR hoặc MA mà có thể còn là sự kết hợp cảhai yếu tố này Khi kết hợp cả hai yếu tố chúng ta có quá trình gọi là quá trình trung bìnhtrượt và tự hồi quy

Yt là quá trình ARMA(1,1) nếu Y có thể biểu diễn dưới dạng:

Y t=φ0+φ1Y t−1+θ0u t+θ1u t−1 (u - nhiễu trắng)

Tổng quát, Yt là quá trình ARMA(p,q) nếu Yt có thể biểu diễn dưới dạng:

Yt= φ0+ φ1Yt−1+ φ2Yt−2+ +φpYt− p+ θ0ut+ θ1ut−1+ θ2ut−2+ +θqut−q

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

Regressive Intergrated Moving Average)

Nếu chuỗi Yt đồng liên kết bậc d, áp dụng mô hình ARMA(p,q) cho chuỗi sai phân bậc dthỡ chỳng ta có quá trình ARIMA(p,d,q); trong đó p là bậc tự hồi quy, d là số lần lấy saiphân chuỗi Yt để được một chuỗi dừng, q là bậc trung bình trượt (p và q là bậc tương ứngcủa chuỗi dừng)

 AR(p) là trường hợp đặc biệt của ARIMA(p,d,q) khi d=0 và q=0

 MA(q) là trường hợp đặc biệt cảu ARIMA(p,d,q) khi d=0 và p=0

ARIMA(1,1,1) – nghĩa là chuỗi Yt có sai phân bậc 1 là chuỗi dừng Chuỗi sai phân dừngnày có thể biểu diễn dưới dạng ARMA(1,1)

ΔYY t=φ0+φ1Y t−1+θ0u t+θ1u t−1 ( u

t - nhiễu trắng)

2.1.5 Phương pháp Box - Jenkins

Để có thể sử dụng phương pháp Box – Jenkins, trước hết chúng ta phải làm dừng chuỗi,

tiếp đó phải tìm được các giá trị p, q.

Phương pháp Box – Jenkins bao gồm các bước sau đây:

Bước 1: Định dạng mô hình Tìm ra được các giá trị d, p, q

Bước 2: Ước lượng mô hình

Bước 3: Kiểm định giả thiết Ở bước này cần chọn ra một mô hình phù hợp nhất với các sốliệu hiện có Kiểm định đơn giản nhất là kiểm định tính dừng của các phần tử Nếu phần dư

có tính dừng thì mô hình chấp nhận được Như vậy quá trình BJ là một quá trình lặp cho đếnkhi nào tìm được mô hình thỏa đáng

Bước 4: Dự báo - Một trong các lý do để mô hình ARIMA được ưa chuộng là những dựbáo bằng mô hình này, đặc biệt là dự báo trong ngắn hạn, tỏ ra thực tế hơn so với các môhình kinh tế lượng truyền thống

 Lược đồ tương quan và tự tương quan riêng

Trên lược đồ này vẽ ACF và PACF theo độ dài của trễ Đồng thời cũng vẽ đường phângiải chỉ khoảng tin cậy 95% được tính bằng ±(1,96/ √ n ) cho hệ số tự tương quan(ACF)

và hệ số tự tương quan riờng(PACF) Dựa trên lược đồ này ta có thể biết được các hệ số

tự tương quan(hoặc các hệ số tự tương quan riêng) nào khỏc khụng Từ đó có thể đưa racỏc đoỏn nhận về p và q của các quá trình AR(p) và MA(q)

 kk đo mức độ kết hợp giữa Yt và Yt-k sau khi đã loại bỏ ảnh hưởng của Yt-1,… Y

t-k+1 , do đó nếu kk = 0 với k > p và i (i=1, 2…) giảm theo hàm mũ hoặc theo hình sin thì

 Tiêu chuẩn Akaike, Schwarz

Có nhiều tiêu chuẩn để lựa chọn một mô hình thích hợp Hẩu hết các tiêu chuẩn này đềuxuất phát từ lược đồ tương quan Nghĩa là giả thiết rằng d là đã biết, vấn đề là lựa chọn p

và q thích hợp

Akaike(1974) đã đề xuất:

AIC(p,q) = ln( σ^2 ) + 2(p+q)/n

AIC(p1,q1) = min AIC(p,q), p P, q  Q

Khi đó p1 và q1 là các giá trị thích hợp của p và q

Schwarz(1978) đưa ra một tiêu chuẩn tương tự:

BIC(p,q) = ln( σ^2 ) + (p+q)ln(n)/n

Trong hai tiêu chuẩn trờn thỡ cỏc tập P và Q đều chưa biết Hannan chỉ ra rằng nếu p0 và

q0 là các giá trị đỳng thỡ p1p0 , q1q0

2.1.5.2 Ước lượng mô hình

Sau khi định dạng mô hình, ta biết được d - bậc của sai phân đối với chuỗi xuất phát đểthu được một chuỗi dừng Đối với chuỗi dừng này ta cũng đã biết các giá trị p và q Do

đó ta dùng phương pháp bình phương nhỏ nhất (OLS) để ước lượng mô hình ARIMAnày

2.1.5.3 Kiểm định tính thích hợp của mô hình

Bằng cách nào chúng ta biết được mô hình đã lựa chọn thích hợp với các số liệu thực tế.Nếu như mô hình là thích hợp thỡ cỏc yếu tố ngẫu nhiên phải là nhiễu trắng Do đó để

xem mô hình có phù hợp hay không thì chúng ta phải kiểm định tính dừng của các phần

dư Kết quả ước lượng mô hình ARIMA cho ta phần dư Dùng kiểm định Dickey-Fuller

để kiểm định xem et có phải là nhiễu trắng hay không?

Nếu như et không phải là nhiễu trắng thì phải định dạng lại mô hình và quá trình đó cứ đượctiếp tục cho đến khi nào được một mô hình thích hợp Như vậy đúng như đã nói ở trên,phương pháp Box – Jenkins là phương pháp lặp

Tương tự ta cũng dự báo được các giá trị của Y trong các thời kỳ kế tiếp Theo như cáchnày sai số sẽ tăng lên khi ta dự báo cho quá xa Đặc biệt trong mô hình tổng quát, nếu qkhá lớn thì ta chỉ dự báo được một vài thời kì tiếp theo

2.2 Mô hình ARCH/ GARCH

2.2.1 Mô hình ARCH

Năm 1982 Engle đã đề xuất mô hình ARCH (là từ viết tắt của Autoregressive ConditionalHeterescedastic Model) Đây là mô hình đầu tiên đưa ra cơ sở lý thuyết để mô hình hóarủi ro Tư tưởng cơ bản của mô hình này là :

 Các cú sốc (hay các “news”) ut của một loại tài sản không tương quan chuỗi, nhưngphụ thuộc

 Sự phụ thuộc của ut có thể được mô tả bằng hàm bậc 2 của các giá trị trễ

+ ε t là biến ngẫu nhiên độc lập cú cựng phân bố (i.d.d) và E( ε t )=0, Var( ε t)=1

Từ phương trình (2.1) ở trên thì ta có thể thấy nếu các cú sốc trong quá khứ lớn thì có thể

sẽ dẫn đến phương sai có điều kiện đối với ut lớn Điều này có nghĩa rằng, theo mô hìnhARCH, các cú sốc lớn có xu hướng do cú sốc lớn trong quá khứ gây ra Đặc điểm nàygiống như tính chất bầy đàn của độ rủi ro

Các điều kiện trên đảm bảo cho phương sai không điều kiện và phương sai có điều kiệnluôn dương.

Phương trình (2.2) được gọi là mô hình ARCH tổng quát, ký hiệu là GARCH(m, s)

Trong đó, có m là độ dài của trễ đối với u t2 , s là độ dài của trễ ứng với σ t2

Trong trường hợp khi s = 0 thì mô hình GARCH(m, 0) sẽ trở thành mô hình ARCH(m)

2

−σ t2 ) = E(( σ t ε t)2 - σ t

2)= 0, Cov(t, t-j)= 0 với j >1

Tuy vậy t nói chung không phải là biến độc lập, cùng phân bố Phương trình (1) ở trên

có dạng ARMA đối với u t2 Như vậy GARCH có thể coi như là một dạng ARMA đối

với u t2

Phương sai không điều kiện được rút ra từ mô hình là:

σ2 không điều kiện

với các giả thiết đó nờu ở trên thì σ2 không điều kiện >0

 Điểm mạnh, yếu của mô hình GARCH

Từ phương trình σ t2 thì ta có thể thấy: u t−12 hoặc σ t−12 hoặc đồng thời cả u t−12 và

σ t−12 lớn sẽ dẫn đến σ t2 lớn Điều này có nghĩa là u t−12 lớn có xu hướng dẫn đến

u t2 lớn, hành vi này chính là hành vi bầy đàn trong các chuỗi tài chính theo thời gian.Người ta đã chỉ ra được rằng hệ số nhọn của u trong mô hình > 3, do vậy hàm mật độ của

u thoải hơn hàm mật độ trong phân bố chuẩn, dẫn đến dự báo khó chính xác hơn

 Dự báo phương sai từ mô hình GARCH

Để đơn giản ta xét mô hình GARCH(1, 1)

Dự báo tĩnh được thực hiện như sau: Giả sử ta đã dự báo phương sai có điều kiện đếnthời kì h, ta dự báo tiếp cho thời kỳ (h+1)

Dự báo động có lợi thế là dự báo cho thời kỳ ngoài mẫu dài hơn Dự báo này được thựchiện như sau:

Giá trị ban đầu của σ2 , Bollerslev(1986) đề nghị lấy là giá trị trung bình bình phương

phần dư của phương trình trung bình Theo Tsay, giá trị ban đầu của σ t2 có thể lấy là 0hoặc giá trị của phương sai không điều kiện Phần mềm Eviews lấy giá trị ban đầu củaphương sai theo công thức san mũ sau:

λ n− j−1 e n− j2

=1, thì mô hình được gọi là mô hình

GARCH tích hợp hay IGARCH.

 Mô hình GARCH không đối xứng

Các mô hình ARCH/GARCH mô tả trên chưa tính đến sự bất đối xứng trong động tháicủa độ dao động Các mô hình bất đối xứng lần lượt được đề xuất nhằm đưa vào mô hìnhcác tác động bất đối xứng này, chẳng hạn như trong trường hợp khi mà trên thị trườngchứng khoán người ta thấy độ dao động thường tăng lên mạnh hơn khi giá đi xuống sovới khi giá đi lên Hoặc khi sự thay đổi của giá đạt đến một ngưỡng nào đó thì động tháicủa độ dao động cũng thay đổi Đó là các mô hình dạng EGARCH của Nelson(1991) hayTGARCH của Rabemananjara và Zakoian (1993) và rất nhiều mô hình khác

Mô hình TGARCH(1, 1) có dạng:

σ t2=α0+α1u t−12 +γuu t−12 d t−1+β1σ t−12 ,

Trong đó: dt là biến giả, dt=1 nếu ut<0 và dt=0 nếu ut>0

Dạng tổng quát của mô hình TGARCH(m, s)

+ αj,j, và j là các tham số khụng õm, thỏa mãn các giả thiết của mô hình GARCH.Trong mô hình TGARCH, những tin tức tốt ( ut > 0) và những tin tức xấu ( ut <0) có ảnhhưởng khác nhau đến phương sai có điều kiện Những tin tức tốt có ảnh hưởng là αj,trong khi đó các tin tức xấu có ảnh hưởng là (α j+γu j ) Nếu γu > 0 thì hiệu ứng đòn

bẩy tồn tại, nếu γu < 0 thì có ảnh hưởng của các tin tức là bất đối xứng

Ho : γu = 0 và H1: γu > 0

Kiểm định giả thiết về ảnh hưởng bất đối xứng bằng cặp giả thiết:

Phương trình hợp phần GARCH bất đối xứng là mô hình kết hợp giữa mô hình hợp phầnGARCH với mô hình bất đối xứng TGARCH

Mô hình có dạng:

r t=μ t+u t

q t=ω+ ρ(q t−1−ω)+φ(u t−12 −σ t−12 )

σ t2−q t=α (u t−12 −q t−1)+γu (u t−12 −q t−1)d t−1+β (σ t−12 −q t−1),

Trong đó, d là biến giả dt-1 = 0 nếu ut-1 > 0, dt-1 = 1 nếu ut-1 < 0

Nếu  > 0 thì có ảnh hưởng đòn bẩy nhất thời đối với phương sai có điều kiện

2.2.3 Quy trình ước lượng và dự báo

Bước 1: Kiểm định tính dừng của chuỗi lợi suất cổ phiếu

Bước 2: Ước lượng mô hình ARMA thích hợp cho chuỗi lợi suất cổ phiếu dựa vào lược

đồ tương quan Từ đó thu được phần dư ut và ut2

Bước 3: Xác định bậc m, s của mô hình GARCH

Thực chất của việc xác định m, s là ta đi tìm mô hình ARMA cho bình phương phần dư

ut2 vừa thu được ở bước 2 (ACF cho ta giá trị của m, PACF sẽ cho ta giá trị của s)

Bước 4: Kiểm tra các điều kiện về hệ số của mô hình GARCH

Bước 5: Dự báo phương sai cho các thời kỳ tiếp theo từ mô hình thu được

Một điều đặc biệt thú vị thu được từ các kết quả thực nghiệm là mô hình GARCH(1,1) tuy chỉ có ba tham số cần ước lượng nhưng lại thường tỏ ra khả năng vượt trội của mình

-so với các mô hình ARCH/GARCH với các bước trễ m, s lớn trong việc mô tả động tháicủa phương sai có điều kiện

 Dự báo lợi suất của cổ phiếu từ mô hình GARCH

2.3.1 Dạng rời rạc của mô hình GBM về giá cổ phiếu

Nếu quá trình giá cổ phiếu {St} trong khoảng thời gian [t, t + ∆t] có ΔYS t=S t−S t+ ΔYt thoả

mãn phương trình:

∆St = μ St ∆t + σ St t √ ΔYt

Với: t, ∆t > 0 và t  N(0,1)

Khi đó quá trình {St} gọi là quá trình GBM

a) Kỳ vọng và phương sai giá cổ phiếu

Nếu {St} tuân theo mô hình GBM, với giá ban đầu của cổ phiếu tại t = 0 là So thì:

+ Giá kỳ vọng tại thời điểm t:

E(St) = So eμ t

+ Phương sai của giá tại thời điểm t:

Var(St) = S02e 2 μt(e σ2t−1)

b) Mô phỏng quỹ đạo giá cổ phiếu

Nếu biết được các tham số μ, σ của quá trình giá cổ phiếu ta có thể tiến hành mô phỏngquỹ đạo giá theo phương pháp sau:

+ Cho So là giá trị ban đầu của cổ phiếu, chọn ∆t là một số dương khá nhỏ

+ Mô phỏng dãy gồm k giá trị: 1, 2, … k với   N(0,1)

+ Tính quỹ đạo mô phỏng:

Sk

t+∆t = So Exp(μ ∆t + σ k √ ΔYt ) ; k = 1,k2.3.2 Dạng liên tục của mô hình GBM về giá cổ phiếu

Chuỗi {St} tuân theo mô hình GBM, phương trình vi phân ngẫu nhiên có dạng:

Nếu quá trình giá {St} tuân theo mô hình GBM khi đó quá trình loga của giá

X t=Ln(S t) là quá trình Itụ:

dXt = (μ -

σ2

2 )dt + σdWtVới điều kiện ban đầu Xto = Xo, khi đó nghiệm của phương trình:

Xt = Xo + (μ -

σ2

2 )(t – to) + (Wt – Wto)Dạng rời rạc của quá trình giỏ cú dạng:

2.3.3.1 Kiểm định và ước lượng các tham số của mô hình

a) Kiểm định mô hình

- Xét quá trình loga giá {Xt}: Xt = Ln(St)

- Lập mô hình hồi quy đơn:

Nếu bác bỏ Ho  {St} không là quá trình GBM.

b) Ước lượng các tham số của mô hình

Ta ước lượng μ và σ của chuỗi giá {St}

Do {Xt} là bước ngẫu nhiên nên mô hình kinh tế lượng của chuỗi :

Do đó ta chỉ cần ước lượng σ hay σ2

+ Ước lượng độ dao động trực tiếp từ số liệu quan sát

Thu thập số liệu chuỗi giá {So, S1, … Sn} Độ dài kỳ quan sát là T (theo năm)

Với r : Trung bình mẫu của rt.

Ước lượng độ dao động σ theo:

2.4 Mô hình cây nhị phân

Mô hình cây nhị phân (Binomial Tree Model) được coi là mô hình đơn giản nhất mô

tả động thái giá cổ phiếu Mô hình được đề xuất bởi các tác giả Cox – Ross – Rubinstein(năm 1979) do vậy còn được gọi là mô hình CRR

2.4.1 Giả thiết của mô hình

Trong mô hình cây nhị phân, chúng ta mô hình giá chứng khoán trong thời gian rời

rạc, giả sử rằng tại mỗi bước thời gian, giá chứng khoán sẽ thay đổi thành một trong haigiá trị có thể: Giả sử ta khởi đầu với một giá chứng khoán ban đầu dương So tại thời điểm

t = 0 ( thời điểm đầu chu kỳ khảo sát) và có 2 số dương d, u với 0 < d < u sao cho tại thờiđiểm kế tiếp giá chứng khoán sẽ là dS0 hoặc uS0 Đặc biệt lấy d và u sao cho thoả

mãn 0 < d < 1 < u:

Với xác suất p ( p> 0 ), giá chứng khoán tăng từ S0 tới uS0 ( giá tăng theo hệ số u)

Với xác suất 1 – p, giá chứng khoán giảm từ So xuống dS0 ( giá giảm theo hệ số d)

uS0

dS0 S0

2.4.2 Mô hình cây nhị phân

2.4.2.1 Mô hình cây nhị phân một giai đoạn

Với giá cổ phiếu ban đầu chu kỳ là So, ta có động thái giá cổ phiếu theo mô hình CRRmột giai đoạn:

' 0

Từ hình 1 nhận thấy giá cổ phiếu có 2 quỹ đạo giá

2.4.2.2 Mô hình cây nhị phân hai giai đoạn

Ta có:

' 0

2.4.2.3 Mô hình cây nhị phân n giai đoạn

Phân phối xác suất của Sn có dạng:

P (Sn = ui dn-i So) = C i n p i(1− p)n−iVới: i = 0,n

Mô hình CRR n giai đoạn cho thấy quá trình giá cổ phiếu gồm 2n quỹ đạo

2.4.3 Ước lượng các tham số của mô hình

2.4.3.1.Ước lượng đơn giản từ số liệu giá cổ phiếu trên thị trường

Trước tiên, ta thu thập số liệu về giá cổ phiếu trong một chu kỳ Và chọn ngẫu nhiên một

số chu kỳ con trong chu kỳ quan sát

Tính số phiên giao dịch tăng giá và tính tỷ lệ số phiên này so với tổng số phiên trong chu

kỳ con Ước lượng p (xác suất giá cổ phiếu tăng sau mỗi phiên) bằng trung bình các tỷ lệtrên

Tính tỷ lệ tăng và giảm giá trung bình ứng với các chu kỳ con: gu, gd sau đó ước lượng:

u = 1 + gu

d = 1- gd

2.4.3.2 Ước lượng từ các tham số của lợi suất cổ phiếu

Ta tiến hành phân tích lợi suất như sau:

Nếu tại thời điểm đầu kỳ mua cổ phiếu với giá So, cuối thời kỳ nếu giá cổ phiếu là

S n=u i d n−i S0 khi đó lợi suất đầu tư:

C n i p i(1− p) n−i

Do vậy phân phối xác suất của rt:

r t = ¿ { Ln(u) ¿¿¿¿ xac suat p xac suat 1-p

Khi đó:

Var(r t)=p(1− p )[Ln(u d) ]2

σ√1n

CHƯƠNG 3: SỬ DỤNG MỘT SỐ MÔ HÌNH DỰ BÁO GIÁ CỔ PHIẾU

NGÀNH THẫP TRấN SÀN HOSE

3.1 Giới thiệu về các công ty được dự báo

3.1.1 Công ty cổ phần Hữu Liên Á Châu (HLA)

Bảng 2 : Thông tin về cp HLA

Số Cp đang lưu hành 34,459,293 Đòn bẩy tài chính 4.79

HLA đang trên đà tăng trưởng mạnh và đã vượt chỉ tiêu năm 2009 đề ra Quy mô tài sảncủa HLA tăng trưởng khá nhanh trong giai đoạn 2005-2009 và tổng nợ tăng mạnh, đặcbiệt là nợ ngắn hạn trong khi chi phí tài chính không tăng đáng kể

Lợi nhuận biên biến động khá lớn qua các năm, sang năm 2009 nền kinh tế phục hồi giúpkết quả kinh doanh khả quan trở lại Năm 2010 công ty mở rộng quy mô sản xuất kinhdoanh nên chỉ số ROE không cao

Với giá trị nội tại là 38000 đồng và biên độ an toàn 25% cổ phiếu HLA đang nằm trongvùng xem xét để mua vào.

3.1.2 Công ty cổ phần tập đoàn Hũa Phỏt (HPG)

Bảng 3 : Thông tin về cp HPG

Số Cp đang lưu hành 317,849,760 Đòn bẩy tài chính 2.45

HPG hiện giữ vị trí thứ 4 cả nước với 8.5% thị phần thép xây dựng, là nhà sản xuất phânphối hàng đầu về nội thất văn phòng, đồng thời là nhà sản xuất và phân phối ống thépđứng thứ 2 tại Việt Nam

Với quy mô lớn và lợi thế lịch sử kinh doanh nên năm vừa qua công ty đạt mức doanhthu và lợi nhuận cao, vượt kế hoạch năm 2009 đề ra Lợi nhuận tăng liên tiếp trong 4 nămtrở lại đây từ 966,522,000,000 đồng năm 2007 tới 2,458,688,000,000 đồng năm 2010

3.1.3 Công ty cổ phần đầu tư thương mại SMC

Là một trong những doanh nghiệp luôn đảm bảo ổn định liên tục qua các năm, mặc dùhoạt động đặc thù lại phụ thuộc lớn vào biến động thị trường

Doanh thu và lợi nhuận của công ty 3 năm gần đây tăng trưởng mạnh nhờ giá cả và sảnlượng tiêu thụ tốt Năm 2009, doanh thu đạt 5,263 tỷ đồng và sang năm 2010 đạt 6,587

tỷ đồng

Nợ chiếm tỷ lệ cao trong cơ cấu vốn nhưng chủ yếu là các khoản phải trả người bán Cơcấu các khoản phải thu trên tổng tài sản cao, đây là đặc điểm chung của các doanh nghiệpthương mại

3.2 Dự báo

3.2.1 Dự báo với mô hình ARIMA

Số liệu được dùng để xây dựng mô hình ARIMA là chuỗi giá đóng cửa của 3 cổ phiếu từngày 4/1/2010 – 23/3/2011 (bao gồm 301 quan sát)

3.2.1.1 Mô hình ARIMA áp dụng cho cổ phiếu HLA

Bảng 4: Thống kê DF của chuỗi HLA

ADF Test Statistic -2.810754 1% Critical Value* -3.9922

5% Critical Value -3.426310% Critical Value -3.1360

Từ bảng thống kê DF ta thấy: ||  |α| ở cả 3 mức ý nghĩa Do vậy chuỗi giá HLAkhông dừng

Đối với chuỗi giá cp HLA theo thời gian có tồn tại tính mùa vụ sẽ không có tính dừng.Điều này mô tả tương đối chính xác với thực tế của cổ phiếu ngành thép, đó là vào mùacao điểm về xây dựng ( bắt đầu từ tháng 2, 3, 4) cả giá và sản lượng tiêu thụ tăng mạnh;nhưng vào những tháng cuối năm ngành xây dựng hoạt động chậm do ảnh hưởng củamưa bão nên mức tiêu thụ thép thấp Đây là nguyên nhân dẫn tới “súng” HLA

Tính mùa vụ nhận diện dựa vào đồ thị ACF và PACF Nếu sau m giá trị hàm tự tươngquan lại có giá trị cao, đó là dấu hiệu của tính mùa vụ

Hình 4: Lược đồ tương quan của chuỗi giá HLA

Vì vậy, để khử tính mùa vụ cách đơn giản nhất là lấy sai phân Đặt D_HLA(t) = HLA(t-1) Ta có đồ thị của chuỗi sai phân D_HLA:

HLA(t)-Hình 5: Đồ thị chuỗi sai phân bậc nhất của HLA

Bảng 5: Kiểm định tính dừng cho chuỗi sai phân bậc nhất của HLA

ADF Test Statistic -14.39987 1% Critical Value* -2.5725

5% Critical Value -1.9406 10% Critical Value -1.6162

*MacKinnon critical values for rejection of hypothesis of a unit root

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(D_HLA)

Method: Least Squares

Date: 04/24/11 Time: 16:17

Sample(adjusted): 3 301

Included observations: 299 after adjusting endpoints

Variable Coefficient Std Error t-Statistic Prob

D_HLA(-1) -0.815170 0.056610 -14.39987 0.0000

R-squared 0.410296 Mean dependent var -0.003679

Adjusted R-squared 0.410296 S.D dependent var 0.620851

S.E of regression 0.476765 Akaike info criterion 1.359753

Sum squared resid 67.73688 Schwarz criterion 1.372129

Log likelihood -202.2831 Durbin-Watson stat 1.986725

|| = 14.39987  |α| ở cả ba mức ý nghĩa α chứng tỏ chuỗi D_HLA là chuỗi dừng

Ta xem xét lược đồ tương quan của chuỗi D_HLA:

Hình 6: Lược đồ tương quan, tương quan riêng của D_HLA

Từ lược đồ tương quan, tại k=1 thì SAC và PAC đạt cực đại 0.176 và sau đó giảm mạnhxuống Do đó p, q có thể nhận giá trị 1 Nên ta ước lượng mô hình ARIMA(1, 1, 0),ARIMA(1, 1, 1) vàARIMA(0, 1, 1)

Mô hình 1:

Bảng 6 : Kết quả ước lượng mô hình ARIMA(1, 1, 0) cho chuỗi D_HLA

Dependent Variable: D_HLA

Method: Least Squares

Date: 04/24/11 Time: 16:32

Sample(adjusted): 3 301

Included observations: 299 after adjusting endpoints

Variable Coefficient Std Error t-Statistic Prob D_HLA(-1) 0.184830 0.056610 3.265001 0.0012R-squared 0.023497 Mean dependent var -0.051505Adjusted R-squared 0.023497 S.D dependent var 0.482467S.E of regression 0.476765 Akaike info criterion 1.359753

Sum squared resid 67.73688 Schwarz criterion 1.372129

Log likelihood -202.2831 Durbin-Watson stat 1.986725

Mô hình 2:

Bảng 7: Kết quả ước lượng mô hình ARIMA(1, 1, 1) cho chuỗi D_HLA

Dependent Variable: D_HLA

Method: Least Squares

Date: 04/24/11 Time: 16:42

Sample(adjusted): 3 301

Included observations: 299 after adjusting endpoints

Convergence achieved after 9 iterations

Sum squared resid 67.68814 Schwarz criterion 1.390475

Log likelihood -202.1755 Durbin-Watson stat 1.996005

Mô hình 3:

Bảng 8: Kết quả ước lượng mô hình ARIMA(0, 1, 1) cho chuỗi D_HLA

Dependent Variable: D_HLA

Method: Least Squares

Date: 04/24/11 Time: 16:44

Sample(adjusted): 2 301

Included observations: 300 after adjusting endpoints

Convergence achieved after 5 iterations

Backcast: 1

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.024407 Mean dependent var -0.048333

Adjusted R-squared 0.024407 S.D dependent var 0.484782

S.E of regression 0.478830 Akaike info criterion 1.368385

Sum squared resid 68.55414 Schwarz criterion 1.380731

Log likelihood -204.2578 Durbin-Watson stat 1.982080

Bây giờ cần lựa chọn mô hình tốt nhất để dự báo, sử dụng tiêu chuẩn Akaike và Schwarz

Bảng 9 : Kiểm định tính dừng của et

ADF Test Statistic -17.12663 1% Critical Value* -2.5725

5% Critical Value -1.9406 10% Critical Value -1.6162

*MacKinnon critical values for rejection of hypothesis of a unit root

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(E)

Method: Least Squares

Date: 04/24/11 Time: 17:01

Sample(adjusted): 4 301

Included observations: 298 after adjusting endpoints

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.496884 Mean dependent var 1.11E-05

Adjusted R-squared 0.496884 S.D dependent var 0.673137

S.E of regression 0.477460 Akaike info criterion 1.362678

Sum squared resid 67.70657 Schwarz criterion 1.375085

Log likelihood -202.0391 Durbin-Watson stat 1.972237

Từ kết quả ước lượng cho thấy chuỗi phần dư et là nhiễu trắng Vậy ta thu được kết quảsau:

HLA t - HLA t-1 = 0.184830* (HLA t-1 - HLA t-2 ) Hay HLA t = 1.184830*HLA t-1 -0.184830* HLA t-2

Từ đó ta có thể dự báo giá cp HLA cho 10 phiên tiếp theo

Bảng 10 : Kết quả dự báo giá cp HLA theo mô hình ARIMA

3.2.1.2 Mô hình ARIMA áp dụng cho cổ phiếu HPG

Hình 7: Đồ thị chuỗi HPG

Dùng kiểm định nghiệm đơn vị để kiểm tra tính dừng của chuỗi giá HPG

Bảng 11: Thống kê DF của chuỗi HPG

ADF Test Statistic -2.697997 1% Critical Value* -3.9922

5% Critical Value -3.4263 10% Critical Value -3.1360

Từ bảng thống kê DF ta thấy: ||  |α| ở cả 3 mức ý nghĩa Do vậy chuỗi giá HPGkhông dừng Nên kiểm định tính dừng của chuỗi sai phân HPG

Bảng 12: Kiểm định tính dừng cho chuỗi sai phân bậc nhất của HPG

ADF Test Statistic -15.70581 1% Critical Value* -2.5725

5% Critical Value -1.9406 10% Critical Value -1.6162