tiểu luận dự báo kinh tế dự báo chỉ số VN index bằng mô hình ARIMA trong tháng 122019

I 1.1 TỔNG QUAN Lời nói đầu Thị trường chứng khoán yếu tố kinh tế thị trường đại Nó có chức huy động vốn cho kinh tế cung cấp cho công chúng môi trường đầu tư lành mạnh, ngồi cịn phản ánh tình trạng kinh tế Đồng thời, kênh đầu tư hấp dẫn, mức sinh lợi mà thị trường chứng khoán mang lại lớn Tuy nhiên, thị trường tồn rủi ro tiềm ẩn nhà đầu tư dự đốn xác xu hướng giá cổ phiếu tương lai Vì vậy, bối cảnh kinh tế xã hội nói chung thị trường chứng khốn nói riêng ln vận động khơng ngừng, tốn tài ngày trở nên quan trọng nhiều người quan tâm Việc dự báo xác xu hướng thị trường giúp đề chiến lược đắn nhằm phục vụ cho công việc kinh doanh cá nhân hay tổ chức Xét đến thị trường chứng khoán nước ta, 2019 năm thứ 23 thị trường chứng khốn Việt Nam hình thành phát triển Trong suốt thời gian hoạt động đó, thị trường chứng khốn phát huy tốt vai trị mình, góp phần to lớn thúc đẩy kinh tế Thị trường chứng khoán nước ta gần có nh ững biến đ ộng mạnh Năm 2018, thị trường chứng khoán Việt Nam đánh giá biến động mạnh mẽ hàng đầu giới, năm có mức biến động mạnh kể từ năm 2009 đến Bước sang năm 2019, đánh giá gặp nhiều khó khăn thách thức, nhiên theo số liệu Tổng Cục Thống Kê cho thấy, qua tháng đầu năm 2019, thị trường chứng khốn có nhiều đóng góp cho việc huy động vốn cho kinh tế Tuy nhiên, với yếu tố bất lợi từ căng thẳng chiến tranh thương mại Mỹ- Trung, với bối cảnh kinh tế Việt Nam có tốc độ tăng trưởng mạnh 10 năm qua, thị trường chứng khoán có nhiều biến động Trước tình hình đó, việc nghiên cứu biến động thị trường chứng khoán nước ta thời gian tới cần thiết Tại thị trường Việt Nam, xu hướng biến động thị trường phản ánh rõ nét thông qua số chứng khốn VN-Index Vì vậy, thơng qua việc dự báo làm tăng giảm số VN-Index, ta nhận biết chiều hướng biến động giá cổ phiếu thị trường Nghiên cứu chuổi thời gian để dự báo phương pháp hữu hiệu, sử dụng nhiều lĩnh vực kinh tế, xã hội nhiều nước giới Trong đó, mơ hình ARIMA cho đáng tin cậy Xuất phát từ lý nêu trên, nhóm tác giả lựa chọn đề tài: “Dự báo số VN-Index mơ hình ARIMA tháng 12/2019” 1.2 Các nghiên cứu thực Năm Tác phẩm xuất Nội dung Nguyễn Ứng dụng mơ hình 2015 Dự báo giá cổ phiếu mã chứng khoán Thanh Phú ARIMA vào dự báo VCB giá chứng khoán Kết cho thấy, chệnh lệch giá dự báo thực tế 0.27% Như vậy, sử dụng mơ hình ARIMA đ ể dự báo giá chứng khốn có mức độ tin cậy cao Bùi Quang Ứng dụng mơ hình 2010 Dự báo giá cổ phiếu VN-Index Trung, Kết dự báo cho thấy giá trị xấp xỉ với giá trị ARIMA đ ể Nguyễn NV-Index Quang Minh Nhi, Lê Văn Hiếu, Nguyễn Hồ Diệu Uyên dự báo thực tế với sai số báo 0.1506% khoảng tin cậy 95% chứa giá trị thị tế Đi ều cho thấy mức đ ộ tin cậy mơ hình dự báo cao Dương Ngân Dự báo biến động 2018 Dự báo số Vn-Index 10 ngày Hà chỉsốVN-Index Kết dự báo cho thấy, sai số dự báo thông qua khối lượng bình qn mơ hình 0.68%, giao dịch ròng giá kết dự báo gần xác biến trị giao dịch rịng động số VN-Index nhà đầu tư nước II PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Dữ liệu nghiên cứu Dữ liệu sử dụng nghiên cứu giá đóng cửa hàng ngày VN INDEX thời gian từ ngày 03/01/2017 đến 06/12/2019 Dữ liệu thu thập từ trang webside CafeF – Kênh thông tin kinh tế - tài Việt Nam (http://s.cafef.vn/Lich-sugiao-dich-VNINDEX-1.chn) Để xác định xem chuỗi số liệu nghiên cứu có yếu tố thời vụ hay không chuỗi số liệu nghiên cứu cần sử dụng mơ hình cộng hay mơ hình nhân để thực tách riêng nhân tố mùa vụ, ta thực sau Mô tả chuỗi dự liệu thu lệnh Line VNINDEX Hình 1: Giá đóng cửa theo ngày VNINDEX từ 03/01/2017 đến 06/12/2019 Từ đồ thị, ta thấy chuỗi số liệu cần dự báo có biên độ tương đối ổn định Từ đó, kết luận sử dụng mơ hình cộng tính phù hợp so với mơ hình nhân tính Tiếp đến, tiến hành kiểm tra tính mùa vụ chuỗi số liệu Ta nhận thấy, chuỗi giá cần dự báo vẽ đồ thị mùa vụ (seasonal graph) chứng tỏ chuỗi khơng có tính mùa vụ Để xem chi tiết mơ tả liệu, ta thực thao tác sau: Trên cửa số Series: VNINDEX chọn View/ Descriptive Statistics & Tests/ Stats Table, ta có số mơ tả thống kê sau: • Số quan sát (Obserations) : 731 • Giá trị trung bình (Mean) : 918.6823 • Giá trị trung vị (Median) : 957.97 • Giá trị lớn (Maximum) : 1204.33 • Giá trị nhỏ (Minimum) : 672.01 • Độ lệch chuẩn (Std.Dev.) : 121.42 Tất 731 quan sát liệu nhóm tác giả sử dụng vào việc thiết lập mơ hình dự báo 2.2 Phương pháp nghiên cứu 2.2.1 Giới thiệu phương pháp chuỗi thời gian Phương pháp định lượng sử dụng liệu khứ theo thời gian, dựa liệu lịch sử để phát chiều hướng vận động đối tượng phù hợp với mơ hình tốn học đồng thời sử dụng mơ hình làm mơ hình ước lượng Tiếp cận định lượng dựa giả định giá trị tương lai biến số dự báo phụ thuộc vào xu vận động đối tượng khứ, biến số dự báo giữ nguyên chiều hướng phát triển khứ, phương pháp chuỗi thời gian dựa việc phân tích chuỗi quan sát biến theo thời gian Với chuỗi số liệu theo thời gian thơng thường, thành phần có mặt bao gồm: • Thành phần xu (Trend): Tt • Thành phần chu kỳ dài hạn (Cyclical): Ct • Thành phần mùa vụ (Seasonal): St • Thành phần ngẫu nhiên (Erratic): Et Cụ thể hơn, mơ hình cộng tính nhân tính để dự báo cho biến Yt viết dạng: • Yt = Tt + Ct + St + Et • Yt = Tt * Ct * St * Et Nhìn chung, hàm xu thế, số thời vụ xác định mô hình cịn nhân tố biến động bất thường thường khơng thể dự báo được, vậy, mơ hình lại hai nhân tố biến động xu hướng biến động thời vụ 2.2.2 Mơ hình ARIMA Mơ hình tích hợp trung bình trượt tự hồi quy (mơ hình ARIMA – Auto Regressive Integrated Moving Average) tích hợp từ trình: Tự hồi quy (AR) số liệu kinh tế - xã hội, trung bình trượt (MA) phần sai số số liệu (hay phần nhiễu ngẫu nhiên) q trình tích hợp hay sai phân (I) nhằm biến đổi chuỗi không dừng thành chuỗi dừng trước thực thao tác phân tích dự báo khác Bản chất mơ hình ARIMA dự báo giá trị tương lai biến số (biểu thị theo chuỗi thời gian) dựa giá trị khứ sai số ngẫu nhiên Tuy nhiên, mơ hình ARIMA thích hợp cho việc phân tích, dự báo liệu chuỗi thời gian có tính dừng Chuỗi dừng Một chuỗi liệu coi dừng có đồng thời đặc điểm sau: • Dữ liệu dao động xung quanh giỏ tr c nh E (Yt) = ã D liệu có giá trị phương sai khơng đổi theo thời gian Var (Yt) = • " Hiệp phương sai hai thời đoạn t k phụ thuộc vào độ trễ thời gian hai thời đoạn không phụ thuộc vào thời điểm t Cov (Yt, Yt+k) = Cov (Ys, Ys + k) = $ với k Hậu chuỗi không dừng Trong mô hình hổi quy cổ điển, giả định sai số ngẫu nhiên có kì vọng khơng ( E(ut) = 0), phương sai không đổi nhiễu không tương quan với Với liệu chuỗi khơng dừng giả thiết bị vi phạm khiến cho ước lượng dự báo khơng cịn hiệu quả, điển hình tượng hồi quy giả mạo Nghĩa mơ hình tồn biến độc lập có xu với biến phụ thuộc, ước lượng mơ hình ta thu hệ số có ý nghĩa thống kê hệ số xác định R cao, nhiên điều xuất phát từ việc biến độc lập biến phụ thuộc xu khơng phải chúng có quan hệ chặt chẽ với Trong thực tế, đặc biệt chuỗi kinh tế - tài phần lớn khơng dừng III KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH 3.1 Quy trình dự báo Nhóm nghiên cứu chọn dự báo mơ hình với quy trình thực sau: - Bước 1: Kiểm tra tính dừng Để xem chuỗi thời gian có dừng hay khơng, ta sử dụng mơ hình tự hồi quy Yt = ρYt-1 + Ut, với giả thiết: ': ρ = 1, Yt chuỗi không dừng =: ρ < 1, Yt chuỗi dừng + Nếu chuỗi thời gian dừng bậc khơng ta có I(d=0) + Nếu sai phân bậc chuỗi dừng ta có I(d=1) + Nếu sai phân bậc chuỗi dừng ta có I(d=2) - Bước 2: Xác định bậc p, q mơ hình ARIMA Sau kiểm định tính dừng, ta xác định bậc thành phần AR MA thông qua giản đồ tự tương quan (ACF) giản đồ tương quan riêng (PACF) + Mô hình tự hồi quy bậc p, kí hiệu AR(p) viết sau: E @= ∅' + CF= ∅ C @DC + @ Giá trị p xác định thông qua giản đồ tương quan riêng PACF + Mơ hình trung bình trượt bậc q, kí hiệu MA(q) viết là: J @= ' + IF= C @DI + @ Giá trị q nhận dạng thông qua giản đồ tương quan riêng PACF - Bước 3: Kiếm định điều kiện giả định mơ hình + Kiểm định tính ổn định khả nghịch + Kiểm đinh nhiễu trắng + Kiểm định chất lượng dự báo Nếu kiểm định mơ hình lựa chọn khơng thỏa mãn quay lại từ giai đoạn nhận dạng để lựa chọn mơ hình khác hợp lý - Bước 4: Dự báo ngồi mẫu Mơ hình phù hợp vượt qua tất kiểm định trên, sau mơ hình sử dụng vào việc dự báo 3.2 Kết nghiên cứu 3.2.1 Kiểm định tính dừng Chuỗi số liệu sử dụng mơ hình ARIMA giả định chuỗi dừng, để dự báo cho chuỗi “VNINDEX” mơ hình ta cần phải xem xét tính dừng chuỗi liệu nghiên cứu Trước tiên, dựa vào việc quan sát đồ thị chuỗi số liệu, sau tiến hành kiểm tra tính chất thông qua kiểm định phổ biến: kiểm định nghiệm đơn vị (unit root test) Mở chuỗi VNINDEX → View → Unit Root Test → Chọn Level & Intercept Ta thu bảng kết sau: Hình 3.1 Kiểm định tính dừng chuỗi level Tại mức ý nghĩa 5%, ta thấy P-value = 0.2757 > 5% → Chuỗi khơng dừng level, thử tiếp tính dừng chuỗi với sai phân bậc cách chọn 1st difference & Intercept Hình 3.2 Kiểm định tính dừng chuỗi với sai phân bậc Theo kết từ bảng 3.2, ta thấy Prob = 0.0000, chứng tỏ chuỗi VNINDEX dừng sai phân bậc với mức ý nghĩa α=1% 3.2.2 Xác định mơ hình Sau kiểm định chuỗi VNINDEX dừng sai phân bậc 1, bắt đầu xác định mô hình thơng qua thao tác lập mơ hình Correlogram, Mở chuỗi VNINDEX → View → Ch ọn 1st difference & Lags to include 35, ta bảng kết sau: Hình 3.3 Lược đồ tương quan biến VNINDEX Từ kết hình 3.3, dựa vào giản đồ PACF để xác định p, ta thấy, p độ trễ có ý nghĩa thống kê Dựa vào giản đồ ACF để xác định q, ta thấy q độ trễ 1, 3, 4, 34 có ý nghĩa thống kê Lựa chọn mơ hình với p=1; q=1, q=3, q=4 q=34 Ta có kết ước lượng mơ hình “ls d(VNINDEX) c ma(1) ma(3) ma(4) ma(34) ar(1) ar(3)” sau: Variable Coefficient Std Error t-Statistic Prob C 0.400380 0.421449 0.950008 0.3424 AR(1) -0.716595 0.135665 -5.282088 0.0000 MA(1) 0.632787 0.139897 4.523241 0.0000 MA(4) 0.159343 0.036823 4.327298 0.0000 MA(34) -0.063754 0.029626 -2.151982 0.0317 MA(3) 0.162145 0.040926 3.961925 0.0001 Bảng 3.4 Kết ước lượng mơ hình ARIMA cho chuỗi VNINDEX Từ kết trên, ta thấy hai biến độc lập AR(1), MA(1), MA(3) MA(4) có ý nghĩa thống kê mức ý nghĩa α=1% MA(34) có ý nghĩa thống kê mức ý nghĩa α=5% AR(3) Do kết luận mơ hình có ý nghĩa thống kê 3.2.3 Kiểm định điều kiện giả định mơ hình • Kiểm định tính ổn định khả nghịch Với ều kiện nghiệm mơ hình phụ phải đáp ứng u cầu nằm khoảng từ đến có nghĩa mơ hình ổn định Các nghiệm mơ hình là: −0.68 ± 0.43 −0.22 ± 0.14 nằm đường tròn đơn vị Như vậy, mơ hình thoả mãn tính khả nghịch ổn định mơ hình • Kiểm định nhiễu trắng Giả thiết mơ hình ARIMA yếu tố ngẫu nhiên ut – phần không giải thích biến phụ thuộc Yt, với thơng tin biết khứ Yt-1, Yt-2 ut-1, ut-2 , , - khơng thể giải thích (đầy đủ hay phần) dự báo từ thông tin khứ Nói cách khác, ut phải nhiễu trắng Do đó, cần phải kiểm định giả thiết “ut nhiễu trắng” Tại cửa sổ ước lượng: View → Residual Diagnostics → Serial Correlation → Correlogram - Q-statistics (kiểm tra với 12 bậc trễ liên tiếp), ta đư ợc bảng kết Correlogram of Residuals Hình 3.5 Kết kiểm định nhiễu trắng Từ kết bảng 3.5, ta nhận thấy khơng có tự tương quan 12 độ trễ liên tiếp, ut nhiễu trắng Như vậy, mơ hình thích hợp sử dụng để dự báo • Kiểm định chất lượng dự báo Để thực khảo sát kiểm định chất lượng mẫu, nhóm nghiên cứu thực dự báo cho đoạn ngẫu nhiên mẫu Cắt đoạn: 6/28/2019 7/12/2019 Hình 3.6 Kết kiểm định chất lượng mẫu Từ kết hình 3.6, thấy đoạn mẫu chọn ngẫu nhiên (06/28/2019 – 7/12/2019) có sai số dự báo nhỏ 5% - Mean Abs Percent Error= 3.0610 Như vậy, mơ hình có chất lượng dự báo tốt Kết luận: Mơ hình thích hợp sử dụng để dự báo 3.2.4 Dự báo ngồi mẫu Nhóm nghiên cứu lựa chọn dự báo số giá đóng cửa VNINDEX giai đoạn 13 ngày cuối năm 2019 (từ tháng 12/7/2019 đến tháng 12/20/2019) Vì vậy, nhóm tác giả tiến hành mở rộng mẫu Range thành từ 01/03/2019 đến 12/20/2019 Sau đó, nhóm tác giả chạy lại mơ hình ARIMA “ls d(VNINDEX) c ma(1) ma(3) ma(4) ma(34) ar(1)” Tiến hành dự báo giá mẫu lệnh Forecast, ta thu kết sau: Hình 3.7 Dự báo ngồi mẫu Ngày VNINDEXF Ngày VNINDEXF 12/09/2019 964.7185 12/16/2019 967.2098 12/10/2019 966.1406 12/17/2019 967.1174 12/11/2019 965.3845 12/18/2019 967.9444 12/12/2019 966.4068 12/19/2019 967.0134 12/13/2019 966.4665 12/20/2019 967.8668 Bảng 3.8 Dự báo giá VNINDEX đến ngày 12/20/2019 Sau thu kết dự báo chuỗi VNINDEX, ta chuỗi dự báo có tên VNINDEXF, thực vẽ hai chuỗi đồ thị line, ta hình sau: Hình 3.9 Đồ thị giá VNINDEX giá dự báo VNINDEXF KẾT LUẬN Nghiên cứu khả ứng dụng mơ hình ARIMA vào việc dự báo số giá VNINDEX mục đích tìm mơ hình tốt cho việc dự báo số giá VNINDEX Việt Nam Kết nghiên cứu cho thấy, mơ hình ARIMA cho kết dự báo số giá VNINDEX tốt việc ứng dụng mơ hình ARIMA thực số nghiên cứu giới Có thể thấy, mơ hình dự báo sở tác động khối lượng giao dịch giá trị giao dịch nhà đầu tư nước ngồi có khả đưa dự báo gần xác biến động số VNINDEX Tuy nhiên, số thị trường chịu ảnh hưởng nhiều nhân tố khác yếu tố từ phía thị trường tiền tệ, thị trường bất động sản yếu tố khác tâm lý nhà đầu tư… Hơn nữa, mơ hình dự báo đưa xem xét chuỗi thời gian biến động khứ, nguyên nhân gây sai lệch giá trị dự báo mơ hình VAR Cũng bắt nguồn từ nguyên nhân giá chứng khoán khứ, chuỗi giá chứng khoán thị trường Việt Nam đánh giá chưa phản ánh đầy đủ thơng tin tác động tới giá Kết luận Kết dự báo cho thấy giá trị dự báo xấp xỉ với giá trị thực tế khoản tin cậy 95% chứa giá trị thực tế Điều chứng tỏ độ tin cậy mơ hình dự báo cao Trong vài phiên giao dịch tác động yếu tố ngoại lai lớn tâm lý nhà đầu tư, tác động thị trường chứng khốn khác, thơng tin thay đổi sách làm cho sai số dự báo tăng cao Do kết mơ hình mang tính chất tham khảo nhiều Tuy nhiên nói mơ hình ARIMA mơ hình tốt để dự báo ngắn hạn TÀI LIỆU THAM KHẢO - Đại học Kinh Tế Huế, Ứng dụng mơ hình ARIMA, ARCH GARCH để dự báo số VNIndex ngắn hạn https://www.slideshare.net/BeriDang/ng-dng-m-hnharima-arch-v-garch-d-bo-ch-s-vnindex-trong-ngn-hn - Dương Ngân Hà , 18/07/2018, “Dự báo biến động số VN-Index thơng qua khối lượng giao dịch rịng giá trị giao dịch ròng nhà đầu tư nước ngoài” http://210.245.26.173:6788/tapchi/09.2018/system/archivedate/B%C3%A0i%20c%E1 %BB%A7a%20ThS.D%C6%B0%C6%A1ng%20Ng%C3%A2n%20H%C3%A0.pdf - GS.TS Nguyễn Quang Dong, TS Nguyễn Thị Minh, khoa Toán kinh tế, Đại học Kinh tế Quốc dân, 2013, Giáo trình Kinh tế lượng - Ứng dụng mơ hình Arima đ ể dự báo VN-Index http://luanvan.net.vn/luan-van/ungdung-mo-hinh-arima-de-du-bao-vn-index-7220/ - Webside CafeF – Kênh thông tin kinh tế - tài Việt Nam http://s.cafef.vn/Lichsu-giao-dich-VNINDEX-1.chn ... sai số báo 0.1506% khoảng tin cậy 95% chứa giá trị thị tế Đi ều cho thấy mức đ ộ tin cậy mơ hình dự báo cao Dương Ngân Dự báo biến động 2018 Dự báo số Vn- Index 10 ngày Hà chỉs? ?VN- Index Kết dự báo. .. 3.8 Dự báo giá VNINDEX đến ngày 12/20/2019 Sau thu kết dự báo chuỗi VNINDEX, ta chuỗi dự báo có tên VNINDEXF, thực vẽ hai chuỗi đồ thị line, ta hình sau: Hình 3.9 Đồ thị giá VNINDEX giá dự báo VNINDEXF... báo VNINDEXF KẾT LUẬN Nghiên cứu khả ứng dụng mơ hình ARIMA vào việc dự báo số giá VNINDEX mục đích tìm mơ hình tốt cho việc dự báo số giá VNINDEX Việt Nam Kết nghiên cứu cho thấy, mơ hình ARIMA