Thông tin tài liệu
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM - - HUỲNH THỊ THÚY VY NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG TIẾP CẬN THEO HÀM COPULA LUẬN VĂN THẠC SỸ KINH TẾ TP Hồ Chí Minh - Năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM - - HUỲNH THỊ THÚY VY NGHIÊN CỨU VAI TRÒ CỦA VÀNG ĐỐI VỚI SỰ BIẾN ĐỘNG VIỆT NAM ĐỒNG TIẾP CẬN THEO HÀM COPULA Chuyên ngành : Tài – Ngân hàng Mã số: 60340201 LUẬN VĂN THẠC SỸ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC TS VŨ VIỆT QUẢNG TP Hồ Chí Minh - Năm 2014 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu cá nhân tôi, hướng dẫn khoa học TS Vũ Việt Quảng Những nội dung nghiên cứu kết nghiên cứu đề tài trung thực, số liệu phục vụ cho nghiên cứu đáng tin cậy tác giả thu thập từ nguồn khác nhau, thích rõ ràng để dễ dàng tra cứu kiểm chứng Thành phố Hồ Chí Minh, tháng 11 năm 2014 Tác giả Huỳnh Thị Thúy Vy MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC CỤM TỪ VIẾT TẮT DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ TĨM TẮT CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI 1.1 Giới thiệu 1.2 Mục tiêu nghiên cứu 1.3 Phạm vi nghiên cứu: 1.4 Phương pháp nghiên cứu: 1.5 Điểm luận văn 1.6 Bố cục luận văn CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 2.1 Các nghiên cứu vàng tài sản khác 2.2 Các nghiên cứu vàng tiền tệ CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 11 3.1 Phương pháp nghiên cứu 11 3.2 Mơ hình nghiên cứu 11 3.2.1 Định nghĩa Copula 12 3.2.2 Xây dựng kiểm định giả thuyết 16 3.2.3 Một số dạng hàm Copula với mẫu hình phụ thuộc khác 17 3.2.4 Phương pháp ước lượng 19 3.3 Dữ liệu 21 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 22 4.1 Sơ lược biến động giá vàng tỷ giá VND 22 4.2 Kết kiểm định 27 4.2.1 Kết kiểm định tính dừng 27 4.2.2 Kết kiểm định Copula thực nghiệm 28 4.2.3 Kết kiểm định mơ hình phân phối biên 32 4.2.4 Kết kiểm định mức độ phù hợp mơ hình biên 34 4.2.5 Kết ước lượng phụ thuộc hàm Copula 43 CHƯƠNG 5: KẾT LUẬN 53 5.1 Kết luận kết nghiên cứu 53 5.2 Những điểm hạn chế luận văn 53 5.3 Những gợi ý cho hướng nghiên cứu 54 TÀI LIỆU THAM KHẢO PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MƠ HÌNH ARMA PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT DANH MỤC CÁC CỤM TỪ VIẾT TẮT CPI Chỉ số giá tiêu dùng IFMs Phương pháp suy luận phân phối biên ML Tối đa hóa likelihood NHNN Ngân hàng nhà nước TGHĐ Tỷ giá hối đối DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ Bảng 4.1: Thống kê mô tả cho suất sinh lợi theo tuần vàng tỷ giá VND 26 Bảng 4.2: Kết kiểm định ADF & KPSS 27 Bảng 4.3: Kết ma trận Copula thực nghiệm 29 Bảng 4.4: Kết ước lượng mơ hình ARMA phù hợp 32 Bảng 4.5: Ước lượng mơ hình phân phối biên cho suất sinh lợi vàng tỷ giá VND Bảng 4.6: Kiểm định phù hợp mơ hình phân phối biên vàng tỷ giá Bảng 4.7: Tổng hợp kết kiểm định phù hợp mơ hình phân phối biên vàng tỷ giá 33 35 41 Bảng 4.8: Kiểm định phù hợp mơ hình Copula 50 Hình 3.1: Giá vàng tỷ giá VND từ 05/07/2004 – 31/05/2014) 23 Hình 3.2: Ước lượng hàm Copula thực nghiệm mật độ phi tham số vàng tỷ giá hối đoái VND 44 TÓM TẮT Luận văn đánh giá vai trị vàng cơng cụ phịng ngừa rủi ro kênh trú ẩn an toàn VND, cách sử dụng hàm Copula khác để mô tả phụ thuộc vàng VND giai đoạn thị trường điều kiện bình thường thị trường có biến động cực độ Sử dụng liệu suất sinh lợi theo tuần vàng tỷ giá hối đoái bao gồm AUD/VND, GBP/VND, EUR/VND, JPY/VND, USD/VND giao dịch hàng ngày ngân hàng Ngoại thương Việt Nam, luận văn cho thấy: (1) Khơng tìm thấy phụ thuộc vàng VND điều kiện thị trường bình thường, điều cho thấy vàng không sử dụng công cụ phòng ngừa rủi ro biến động VND (2) Tìm thấy phụ thuộc vàng VND thị trường biến động mạnh, cho thấy vàng hoạt động nơi trú ẩn an toàn VND biến động CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI 1.1 Giới thiệu Tỷ giá hối đoái (TGHĐ) sách kinh tế vĩ mô quan trọng quốc gia Sự biến động tỷ giá hối đoái VND, đặc biệt USD/VND thời gian qua cho thấy, tỷ giá vấn đề thời sự, nhạy cảm Ở Việt Nam, TGHĐ không tác động đến xuất nhập khẩu, cán cân thương mại, thu hút đầu tư, ảnh hưởng không nhỏ đến niềm tin dân chúng mà kênh đầu tư quan trọng nhà đầu tư, nhà quản trị Khi TGHĐ biến động theo chiều hướng không thuận, Ngân hàng Nhà nước Việt Nam (NHNN) thực nhiều giải pháp như: nới rộng biên độ +/-5% (3/2009); hạ biên độ xuống +/- 3% (2/2010), đồng thời với việc điều chỉnh tăng tỷ giá liên ngân hàng 3,36% Gần vào ngày 18/8/2010, NHNN điều chỉnh tăng tỷ giá liên ngân hàng lên 2% (từ 18.544 VND/USD lên 18.932 VND/USD) Thêm vào đó, thị trường tài chưa phát triển mạnh mẽ Việt Nam, năm trở lại đây, thị trường lại chứng kiến giá VND lúc cao (tỷ giá VND với đồng ngoại tệ tăng cao) kết hợp với tăng giá nhanh vàng thu hút ý đặc biệt nhà đầu tư, nhà quản trị phương tiện truyền thơng tài Điều cho thấy có khả sử dụng vàng cơng cụ phịng ngừa biến động tiền tệ kênh trú ẩn an toàn VND biến động Đặc biệt tâm lý nắm giữ vàng an tồn, thị trường có biến động mạnh mà không thuận chiều Để nghiên cứu cấu trúc phụ thuộc vàng VND, luận văn sử dụng hàm Copula Các hàm Copula khác cung cấp thước đo phụ thuộc điều kiện thị trường bình thường (phụ thuộc trung bình) thị trường biến động cực độ (sự phụ thuộc đuôi) Điều quan trọng việc 44 Reboredo, J.C., 2013, Is gold a safe haven or a hedge for US dollar? Implications for risk management Jounals of Banking & Finance 37, 2665 – 2676 45 Reboredo, J.C., Matı´ as, J.M., Garcı´a-Rubio, R., 2012 Nonlinearity in forecasting of high-frequency stock returns Computational Economics 40 (3), 245–264 46 Reboredo, J.C., Rivera-Castro, M.A, 2014 Can gold hedge and preserve value when the US dollar depreciates Economic Modelling 39, 168-173 47 Rodriguez, J.C., 2007 Measuring financial contagion, a copula approach Journal of Empirical Finance 14, 401–423 48 Sari, R., Hammoudeh, S., Soytas, U., 2010 Dynamics of oil price, precious metal prices, and exchange rate Energy Economics 32, 351– 362 49 Sarma, M.S., Thomas, S., Shah, A., 2003 Selection of value-at-risk models Journal of Forecasting 22, 337–358 50 Sjasstad, L., 2008 The price of gold and the exchange rates: once again Resources Policy 33 (2), 118–124 51 Sjasstad, L., Scacciavillani, F., 1996 The price of gold and the exchange rate Journal of International Money and Finance 15, 879–897 52 Tully, E., Lucey, B.M., 2007 A power GARCH examination of the gold market Research in International Business and Finance 21, 316–325 53 Wang, Y.S., Chueh, Y.L., 2013 Dynamic transmission effects between the interest rate, the US dollar, and gold and crude oil prices Economic Modelling 30 (1), 792–798 54 Wang, K.M., Lee, Y.M., 2011 The yen for gold Resources Policy 36, 39–48 55 Wang, K.M., Lee, Y.M., Thi, T.B.N., 2011 Time and place where gold acts as an inflation hedge: an application of long-run and shortrun threshold model Economic Modelling 28, 806–819 56 Worthington, A.C., Pahlavani, M., 2007 Gold investment as an inflationary hedge: cointegration evidence with allowance for endogenous structural breaks Applied Financial Economics Letters 3, 259– 262 57 Zakoian, J.M., 1994 Threshold heteroskedastic models Journal of Economics Dynamics and Control 18, 931–944 PHỤ LỤC 1: KẾT QUẢ KIỂM ĐỊNH ĐỘ TRỄ MƠ HÌNH ARMA Series: gold ARIMA(0,0,2) with non-zero mean Coefficients: ma1 ma2 intercept 0.0093 0.1547 0.0023 s.e 0.0434 0.0439 0.0009 sigma^2 estimated as 0.0003214: log likelihood=1345.45 AIC=-2682.9 AICc=-2682.82 BIC=-2665.9 Series: aud ARIMA(0,0,0) with non-zero mean sigma^2 estimated as 0.0005068: log likelihood=1227.75 AIC=-2451.51 AICc=-2451.49 BIC=-2443.01 Series: jpy ARIMA(1,0,1) with zero mean Coefficients: ar1 ma1 -0.9691 0.9363 s.e 0.0375 0.0557 sigma^2 estimated as 0.0002181: log likelihood=1445.64 AIC=-2885.28 AICc=-2885.24 BIC=-2872.54 Series: eur ARIMA(0,0,0) with zero mean sigma^2 estimated as 0.001707: log likelihood=913.87 AIC=-1825.75 AICc=-1825.74 BIC=-1821.5 Series: gbp ARIMA(0,0,0) with zero mean sigma^2 estimated as 0.0002113: log likelihood=1453.85 AIC=-2905.69 AICc=-2905.68 BIC=-2901.44 Series: usd ARIMA(0,0,0) with non-zero mean sigma^2 estimated as 2.04e-05: log likelihood=2058.26 AIC=-4112.52 AICc=-4112.5 BIC=-4104.02 PHỤ LỤC 2: KẾT QUẢ KIỂM ĐỊNH MƠ HÌNH BIÊN GOLD * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,2) Distribution : std Optimal Parameters -Estimate mu 0.001971 ma1 -0.002055 ma2 0.091097 omega 0.006395 alpha1 0.128936 beta1 0.851470 eta11 -0.672361 lambda 0.561018 shape 3.604663 Std Error 0.002255 0.397684 0.197231 0.012960 0.045323 0.064544 0.228540 0.412713 0.731728 t value 0.874031 -0.005167 0.461881 0.493467 2.844794 13.192090 -2.941987 1.359342 4.926231 Pr(>|t|) 0.382101 0.995877 0.644167 0.621683 0.004444 0.00000 0.003261 0.174038 0.000001 LogLikelihood : 1417.937 Information Criteria -Akaike -5.4504 Bayes -5.3765 Shibata -5.4510 Hannan-Quinn -5.4215 Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.3415 0.5590 Lag[2*(p+q)+(p+q)-1][5] 1.3658 0.9994 Lag[4*(p+q)+(p+q)-1][9] 1.8370 0.9903 d.o.f=2 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.6529 0.4191 Lag[2*(p+q)+(p+q)-1][5] 1.2268 0.8066 Lag[4*(p+q)+(p+q)-1][9] 2.6236 0.8191 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.1688 0.500 ARCH Lag[5] 1.0527 1.440 ARCH Lag[7] 1.8637 2.315 Scale P-Value 2.000 0.6812 1.667 0.7174 1.543 0.7462 AUD/VND * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std Optimal Parameters -Estimate mu 0.002278 omega 0.000003 alpha1 0.024193 beta1 0.895066 eta11 0.999670 lambda 2.368974 shape 3.241000 Std Error 0.000574 0.000005 0.011982 0.032452 0.000966 0.416599 0.477959 t value 3.96976 0.60973 2.01922 27.58118 1034.73204 5.68646 6.78091 LogLikelihood : 1410.802 Information Criteria -Akaike -5.4306 Bayes -5.3731 Shibata -5.4309 Hannan-Quinn -5.4080 Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.1986 0.6559 Lag[2*(p+q)+(p+q)-1][2] 0.2005 0.8539 Lag[4*(p+q)+(p+q)-1][5] 0.7978 0.9035 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.01385 0.9063 Lag[2*(p+q)+(p+q)-1][5] 0.03226 0.9998 Lag[4*(p+q)+(p+q)-1][9] 0.05644 1.0000 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape Scale P-Value ARCH Lag[3] 0.003491 0.500 2.000 0.9529 ARCH Lag[5] 0.018114 1.440 1.667 0.9988 ARCH Lag[7] 0.034775 2.315 1.543 0.9999 Pr(>|t|) 0.000072 0.542038 0.043464 0.000000 0.000000 0.000000 0.000000 GBP/VND * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std Optimal Parameters -Estimate mu 0.001145 omega 0.000003 alpha1 0.092026 beta1 0.892179 eta11 -0.060204 lambda1 2.043055 shape 5.107190 Std Error 0.000447 0.000006 0.039818 0.041652 0.115133 0.474593 1.186049 t value 2.56274 0.46324 2.31116 21.41993 -0.52291 4.30486 4.30605 LogLikelihood : 1556.431 Information Criteria -Akaike -5.9939 Bayes -5.9364 Shibata -5.9943 Hannan-Quinn -5.9714 Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.03447 0.8527 Lag[2*(p+q)+(p+q)-1][2] 0.43415 0.7253 Lag[4*(p+q)+(p+q)-1][5] 1.25308 0.8002 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.06769 0.7947 Pr(>|t|) 0.010385 0.643192 0.020824 0.000000 0.601038 0.000017 0.000017 Lag[2*(p+q)+(p+q)-1][5] 1.75389 0.6776 Lag[4*(p+q)+(p+q)-1][9] 3.54841 0.6661 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 1.270 0.500 ARCH Lag[5] 2.617 1.440 ARCH Lag[7] 3.642 2.315 Scale 2.000 1.667 1.543 P-Value 0.2597 0.3503 0.4011 EUR/VND * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std Optimal Parameters -mu omega alpha1 beta1 eta11 lambda1 shape LogLikelihood: Estimate 0.001073 0.027090 0.049489 0.909586 0.506118 0.140526 2.821363 Std Error 0.000135 0.003399 0.011961 0.000906 0.343002 0.061332 0.295858 1474.609 Information Criteria -Akaike -5.6774 Bayes -5.6199 Shibata -5.6778 Hannan-Quinn -5.6549 Weighted Ljung-Box Test on Standardized Residuals -statistic p-value t value 7.9523 7.9697 4.1374 1004.4108 1.4756 2.2912 9.5362 Pr(>|t|) 0.000000 0.000000 0.000035 0.000000 0.140064 0.021949 0.000000 Lag[1] 0.02072 0.8856 Lag[2*(p+q)+(p+q)-1][2] 0.03644 0.9670 Lag[4*(p+q)+(p+q)-1][5] 0.12568 0.9970 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.02700 8.695e-01 Lag[2*(p+q)+(p+q)-1][5] 0.08042 9.988e-01 Lag[4*(p+q)+(p+q)-1][9] 41.61031 2.542e-10 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.02430 0.500 ARCH Lag[5] 0.06215 1.440 ARCH Lag[7] 52.59718 2.315 Scale 2.000 1.667 1.543 P-Value 8.761e-01 9.933e-01 1.430e-13 JPY/VND * GARCH Model Fit * Conditional Variance Dynamics GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(0,0,0) Distribution : std Optimal Parameters -Estimate mu -0.000851 ar1 -0.779737 ma1 0.716632 omega 0.000016 alpha1 0.018182 beta1 0.95081 eta11 -0.999934 lambda1 1.68394 Std Error 0.000535 0.185733 0.20751 0.000041 0.012274 0.018766 0.000889 0.513256 t value -1.58915 -4.19815 3.45349 0.39166 1.48135 50.66621 -1124.6 3.2809 Pr(>|t|) 0.112027 0.000027 0.000553 0.695309 0.138513 0 0.001035 shape 5.167626 LogLikelihood : 1.086629 4.75565 0.000002 1490.675 Information Criteria -Akaike -5.7318 Bayes -5.6579 Shibata -5.7324 Hannan-5.7028 Quinn Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.2932 0.5882 Lag[2*(p+q)+(p+q)-1][5] 0.7191 1.0000 Lag[4*(p+q)+(p+q)-1][9] 1.7962 0.9915 d.o.f=2 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.2766 0.5990 Lag[2*(p+q)+(p+q)-1][5] 2.4872 0.5086 Lag[4*(p+q)+(p+q)-1][9] 3.5629 0.6636 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape ARCH Lag[3] 0.7684 0.500 ARCH Lag[5] 1.9864 1.440 ARCH Lag[7] 2.2604 2.315 USD/VND * GARCH Model Fit * Conditional Variance Dynamics - Scale 2.000 1.667 1.543 P-Value 0.3807 0.4743 0.6623 GARCH Model : fGARCH(1,1) fGARCH Sub-Model : APARCH Mean Model : ARFIMA(1,0,1) Distribution : std Optimal Parameters mu omega alpha1 beta1 eta11 lambda1 shape Estimate 0.00000 0.00000 0.46190 0.70862 0.13147 0.27524 2.10000 LogLikelihood 2920.449 InformationCriteria Akaike Bayes Shibata Hannan-Quinn Std Error 0.000000 0.000271 0.034257 0.020085 0.085071 0.029325 0.009840 t value -2.926511 0.000105 13.483312 35.281083 1.545454 9.385756 213.414307 -11.271 -11.213 -11.271 -11.248 Weighted Ljung-Box Test on Standardized Residuals -statistic p-value Lag[1] 0.002008 0.9643 Lag[2*(p+q)+(p+q)-1][2] 0.003018 0.9965 Lag[4*(p+q)+(p+q)-1][5] 0.006071 1.0000 d.o.f=0 H0 : No serial correlation Weighted Ljung-Box Test on Standardized Squared Residuals -statistic p-value Lag[1] 0.001961 0.9647 Lag[2*(p+q)+(p+q)-1][5] 0.005928 1.0000 Lag[4*(p+q)+(p+q)-1][9] 0.009958 1.0000 d.o.f=2 Weighted ARCH LM Tests -Statistic Shape Scale P-Value ARCH Lag[3] 0.001965 0.500 2.000 0.9646 ARCH Lag[5] 0.004730 1.440 1.667 0.9998 Pr(>|t|) 0.003428 0.999916 0.000000 0.00000 0.122236 0.000000 0.00000 ARCH Lag[7] 0.007060 2.315 1.543 1.0000 PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH THAM SỐ HÀM COPULA GOLD - AUD Copula Gaussian Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.3502478 $par [1] 0.3759064 $par [1] 0.5302496 $par $par [1] 1.266202 [1] 1.37521 $par2 [1] $par2 6.688732 $par2 [1] $par2 [1] $par2 [1] 0.1541761 $se [1] 0.03657805 $se [1] 0.04017962 $se [1] 0.07289528 $se [1] 0.04275466 $se $se2 [1] $se2 [1] 2.327872 $se2 [1] $se2 [1] $se2 [1] 0.073359 Copula Gaussian Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.2534419 $par [1] 0.2591537 $par [1] 0.3281206 $par $par $par2 [1] $par2 [1] 11.15781 $par2 [1] $par2 [1] $par2 [1] 0.1455865 $se [1] 0.04024405 $se [1] 0.0431316 $se [1] 0.06575029 $se $se $se2 [1] $se2 [1] 6.819784 $se2 [1] $se2 [1] [1] 0.07102901 GOLD – GBP [1] 1.161674 [1] 1.201454 [1] 0.037034 [1] 0.06125402 $se2 [1] 0.06533266 GOLD – EUR Copula Gaussian Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.2828916 $par [1] 0.3058083 $par [1] 0.3723042 $par [1] 1.202048 $par [1] 1.219971 $par2 [1] $par2 [1] 11.96751 $par2 [1] $par2 [1] $par2 [1] 0.1676532 $se [1] 0.03858448 $se [1] 0.04163662 $se [1] 0.06881035 $se [1] 0.03863826 $se [1] 0.06550155 $se2 $se2 $se2 $se2 $se2 [1] [1] 6.727737 [1] [1] [1] 0.06835649 Copula Gaussian Copula t'Student Copula Clayon Copula Gumbel Copula SJC $par [1] 0.1753314 $par [1] 0.2025347 $par [1] 0.281469 $par [1] 1.107438 $par [1] 1.195245 $par2 [1] $par2 [1] 7.138541 $par2 [1] $par2 [1] $par2 [1] 0.06069128 $se [1] 0.04218039 $se [1] 0.04605498 $se [1] 0.06924937 $se [1] 0.0332264 $se [1] 0.06268297 $se2 [1] $se2 [1] 2.603366 $se2 [1] $se2 [1] $se2 [1] 0.05673422 GOLD – JPY GOLD – USD Copula Copula Copula Copula Copula Gaussian t'Student Clayon Gumbel SJC $par [1] 0.0497137 $par [1] 0.04138814 $par [1] 0.02192112 $par [1] 1.013152 $par [1] 1.004358 $par2 $par2 $par2 $par2 $par2 [1] [1] 30 [1] [1] [1] 0.04139941 $se [1] 0.03178018 $se [1] 0.03510272 $se [1] 0.03256699 $se [1] 0.01198072 $se [1] 0.01473622 $se2 $se2 $se2 $se2 $se2 [1] [1] NA [1] [1] [1] 0.01965045 PHỤ LỤC 4: KẾT QUẢ KIỂM ĐỊNH GIÁ TRỊ λU, λL GOLD-AUD GOLD-GBP GOLD-EUR GOLD-JPY GOLD-USD $lower $lower $lower $lower $lower [1] 0.234318 [1] 0.08586476 [1] 0.09647677 [1] 0.07072439 [1] 5.16e-19 $upper $upper $upper $upper $upper [1] 0.1151174 [1] 0.09442371 [1] 0.1394584 [1] 0.0351883 [1] 0.01647293 PHỤ LỤC 5: KẾT QUẢ KIỂM ĐỊNH HÀM COPULA TỐT NHẤT GOLD-AUD GOLD-GBP GOLD-EUR GOLD-JPY GOLD-USD $p.value.indept est $p.value.indept est $p.value.indept est $p.value.indept est $p.value.indept est [1] [1] 4.6809e-09 [1] 1.1029e-12 [1] 6.0879e-06 [1] 0.4917402 $family $family $family $family $family [1] [1] [1] [1] [1] $par $par $par $par $par [1] 0.3759064 [1] 0.2599594 [1] 0.3058083 [1] 0.2025347 [1] $par2 $par2 $par2 $par2 $par2 [1] 6.688732 [1] 9.95118 [1] 11.96751 [1] 7.138541 [1] ... [ 1,] 13 [ 2,] 12 [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 2,] 10 5 31 GOLD – USD [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] 11 10 4... 11 [ 7,] 8 [ 8,] 3 10 [ 9,] 10 10 [1 0,] 3 6 1 11 GOLD – GPB [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 1,] 15 11 3 3 30 GOLD – EUR [ 1,] [ 1,] 14 [ 2,] 10 [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] ... [ 1,] [ 2,] [ 3,] [ 4,] [ 5,] [ 6,] [ 7,] [ 8,] [ 9,] [1 0,] [ 1,] 19 11 3 [ 2,] 8 [ 3,] 13 2 [ 4,] 7 2 [ 5,] 10 4 [ 6,] 3 5 11 [ 7,] 4 8 [ 8,] 10 [ 9,] 3 6 [1 0,] 3 9 12 [ 2,] 8 3 [ 3,] 9 [ 4,] 7 7 [ 5,] 2 8 6 [ 6,]
Ngày đăng: 17/09/2020, 20:09
Xem thêm:
