Các mô hình phân tích biến động và dự báo chuỗi lợi suất của các cổ phiếu dha

Các mô hình phân tích biến động và dự báo chuỗi lợi suất của các cổ phiếu dha, bbt, hap, bpc Sự cần thiết sử dụng các mô hình phân tích sự biến động của chuỗi lợi suất và dự báo lợi suất. Nhà đầu tư tham gia thị trường chứng khoán với mục đích là để sinh lời vốn của mình bỏ ra đầu tư. Nếu lợi suất của Chứng khoán càng cao thì khả năng sinh lời càng lớn và ngược lại. Bởi vậy nếu chúng ta phân tích đúng sự biến động của lợi suất và dự báo đúng lợi suất của Chứng khoán trong tương lai thì chúng ta sẽ có thể đầu tư hợp lý để đạt được lợi nhuận cao nhất. 1. Chuỗi lợi suất của các cổ phiếu Lợi suất của các cổ phiếu được xác định theo công thức         = − )1( ln ti it it S S R t >1 ( ni , ,2,1 =∀ ) Trong đó Rit : Lợi suất của cổ phiếu i từ thời điểm t-1 đến thời điểm t Sit : Giá của cổ phiếu i tại thời điểm t Si (t-1) : Giá của cổ phiếu tại thời điểm t-1. Bảng thống kê mô tả đặc trưng của lợi suất các cổ phiếu RDHA RBBT RHAP RBPC RVNINDEX Mean 0.000920 0.000223 0.000559 1.45E-05 0.001108 Median 0.000000 0.000000 0.000000 0.000000 6.40E-05 Maximum 0.048790 0.048790 0.067441 0.048790 0.066561 Minimum -0.267315 -0.454313 -0.572519 -0.069844 -0.076557 Std. Dev. 0.021097 0.022759 0.029186 0.018037 0.016276 Skewness -3.387898 -6.925605 -8.902876 0.039116 -0.428114 Kurtosis 46.62036 141.7011 158.5163 5.118059 8.297503 Jarque-Bera 48229.03 923727.8 1376216. 204.3995 1616.213 Probability 0.000000 0.000000 0.000000 0.000000 0.000000 Sum 0.546544 0.254234 0.753772 0.015873 1.493126 Sum Sq. Dev. 0.263947 0.590511 1.147401 0.354950 0.356556 Observations 594 1141 1348 1092 1347 Lợi suất của chứng khoán là biến ngẫu nhiên, tăng hoặc giảm theo thời gian tại mỗi thời điểm tương ứng nhận một giá trị cụ thể do đó nó cũng là một chuỗi ngẫu nhiên. Khi phân tích một yếu tố ngẫu nhiên theo giả thiết của mô hình hồi quy cổ điển (OLS) các yếu tố ngẫu nhiên phải có kỳ vọng bằng không, phương sai không đổi, và chúng không tương quan với nhau. Nếu ta ước lượng mô hình với chuỗi thời gian trong đó biến độc lập không dừng thì các giả thiết của OLS bị vi phạm. Mặt khác khi hồi quy hai biến độc lập không dừng, ước lượng mô hình sẽ thu được hệ số có ý nghĩa thống kê cao và R 2 cao, do đó hiện tượng hồi quy giả mạo có thể xảy ra. Vì vậy trước khi phân tích và quản lý danh mục các cổ phiếu ta kiểm định tính dừng của các cổ phiếu. 2. Kiểm định tính dừng của chuỗi lợi suất các cổ phiếu 2.1 Cổ phiếu DHA Biểu đồ chuỗi lợi suất của cổ phiếu DHA -.28 -.24 -.20 -.16 -.12 -.08 -.04 .00 .04 .08 100 200 300 400 500 RDHA Qua biểu đồ của chuỗi RDHA ta thấy lợi suất ở các thời kỳ khác nhau dao động tương đối đều xung quanh mức 0, chuỗi RDHA không có xu thế do độ dao động ở nhiều thời kỳ rất lớn, nhưng cũng có khi hầu như không biến động. Nhận thấy chuỗi lợi suất rất có thể là chuỗi dừng, sau đây bằng kiểm định nghiệm đơn vị ta sẽ kiểm định lại giả thiết này. 2.1.1 Kiểm định nghiệm đơn vị đối với chuỗi RDHA ADF Test Statistic -23.18112 1% Critical Value* -2.5691 5% Critical Value -1.9400 10% Critical Value -1.6159 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RDHA) Method: Least Squares Date: 04/22/07 Time: 23:59 Sample(adjusted): 3 595 Included observations: 593 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. RDHA(-1) -0.952556 0.041092 -23.18112 0.0000 R-squared 0.475810 Mean dependent var 4.73E-05 Adjusted R-squared 0.475810 S.D. dependent var 0.029158 S.E. of regression 0.021111 Akaike info criterion -4.876402 Sum squared resid 0.263828 Schwarz criterion -4.869007 Log likelihood 1446.853 Durbin-Watson stat 1.996385 Ta thấy theo kiểm định ADF chuỗi RDHA là chuỗi dừng. 2.1.2 Mô hình ARIMA đối với chuỗi RDHA Dựa vào lược đồ tương quan ACF và PACF theo độ dài của trễ và với khoảng tin cậy 95% cho hệ số tương quan riêng. Từ lược đồ ta thấy có sự thay đổi trong lợi suất trung bình giữa các phiên giao dịch của cổ phiếu với sự thay đổi của các phiên trước đó. Ta thấy δ 12 , δ 33 , δ 36 , là khác không do đó ta có thể có các quá trình AR(12), AR(33) và AR(36): Ước lượng mô hình có hệ số chặn ta thấy hệ số chặn có thể bỏ đi do Pvalue của kiểm định T đối với hệ số chặn bằng 0.2005 > 0.05. Ta ước lượng mô hình không có hệ số chặn. Dependent Variable: RDHA Method: Least Squares Date: 04/22/07 Time: 22:23 Sample(adjusted): 38 595 Included observations: 558 after adjusting endpoints Convergence achieved after 2 iterations Variable Coefficient Std. Error t-Statistic Prob. AR(12) 0.149543 0.041633 3.591955 0.0004 AR(33) 0.121223 0.042863 2.828132 0.0049 AR(36) -0.158727 0.042726 -3.714968 0.0002 R-squared 0.058703 Mean dependent var 0.001256 Adjusted R-squared 0.055311 S.D. dependent var 0.021372 S.E. of regression 0.020772 Akaike info criterion -4.905034 Sum squared resid 0.239475 Schwarz criterion -4.881785 Log likelihood 1371.505 Durbin-Watson stat 1.928695 Ta kiểm định tính dừng của phần dư E 1 của mô hình này ta có kết quả sau: ADF Test Statistic -22.83152 1% Critical Value* -2.5694 5% Critical Value -1.9400 10% Critical Value -1.6159 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E1) Method: Least Squares Date: 04/22/07 Time: 22:27 Sample(adjusted): 39 595 Included observations: 557 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. E1(-1) -0.968035 0.042399 -22.83152 0.0000 R-squared 0.483883 Mean dependent var 5.20E-05 Adjusted R-squared 0.483883 S.D. dependent var 0.028822 S.E. of regression 0.020706 Akaike info criterion -4.915003 Sum squared resid 0.238376 Schwarz criterion -4.907243 Log likelihood 1369.828 Durbin-Watson stat 1.993933 Phần dư là nhiễu trắng vậy chuỗi RDHA là quá trình ARIMA(p,0,0) với p=12; 33; 36. Có thể sử dụng các tiêu chuẩn Akaike, Schwarz, R 2 , để lựa chọn mô hình tốt nhất. Vậy mô hình ARIMA của chuỗi RDHA là: RDHA= 0.149543*RDHA -12 + 0.121223 *RDHA -33 -0.158727*RDHA -36 +àt Trên cơ sở kiểm định tính dừng của lợi suất cổ phiếu DHA, các cổ phiếu còn lại và chỉ số VNINDEX được kiểm định tương tự trong các phần tiếp theo. Bây giờ ta sẽ xem xét mức dao động của lợi suất trong các phiên có phụ thuộc vào lợi suất của nó trong quá khứ hay không, bằng cách thực hiện các mô hình kinh tế lượng ARCH, GARCH, TGARCH , M-GARCH , COMPNETNT ta sẽ có câu trả lời. 3. Kiểm định sự thay đổi trong lợi suất và dao động của lợi suất trong các cổ phiếu 3.1 Cổ phiếu DHA 3.1.1 Mô hình GARCH(1,1) Mô hình: điều kiện: 2 2 2 0 1 1 0 max( , ) 1 0 , 0 ( ) 1 t t t t t t m s t i t i j t j i j i j m s i i i r u u u µ σ ε σ α α β σ α α β α β − − = = = = + = = + + > > + < ∑ ∑ ∑ Ước lượng mô hình ta thu được kết quả : Dependent Variable: RDHA Method: ML - ARCH (Marquardt) Date: 04/22/07 Time: 16:48 Sample(adjusted): 38 595 Included observations: 558 after adjusting endpoints Convergence achieved after 40 iterations Variance backcast: ON Coefficient Std. Error z-Statistic Prob. AR(12) 0.129660 0.023075 5.619096 0.0000 AR(33) 0.125507 0.016145 7.773793 0.0000 AR(36) 0.031057 0.023117 1.343470 0.1791 Variance Equation C 6.75E-05 6.14E-06 10.99810 0.0000 ARCH(1) 0.138745 0.095326 11.94580 0.0000 GARCH(1) 0.198906 0.034532 5.760065 0.0000 R-squared 0.024146 Mean dependent var 0.001256 Adjusted R-squared 0.015307 S.D. dependent var 0.021372 S.E. of regression 0.021208 Akaike info criterion -5.312544 Sum squared resid 0.248267 Schwarz criterion -5.266046 Log likelihood 1488.200 Durbin-Watson stat 1.914374 Ta có: 12 33 36 0.12966 0.125507 0.031057 DHA DHA DHA DHA R R R R − − − = + + 2 2 2 1 1 6.75 05 0.138745 0.198906 DHA t DHA E u σ σ − − = − + + Ta thấy lợi suất trung bình của cổ phiếu trong mỗi phiên chịu ảnh hưởng của lợi suất của các phiên trước nó và sự thay đổi của các yếu tố ngẫu nhiên. (Do hệ số của ARCH và GARCH thực sự khác 0 ). Các hệ số ước lượng đều dương nên sự thay đổi của trong giá cổ phiếu DHA càng lớn thì sự dao động càng lớn nghĩa là khi giá cổ phiếu tăng hay giảm với mức độ lớn thì xu hướng này còn kéo dài cho đến khi có tác động làm thay đổi xu thế này. 3.1.2 Kiểm định xem có tồn tại mô hình I-GARCH ? Kiểm định cặp giả thiết: Ho : c(5) + c(6) =1 H1 : c(5) + c(6) # 1 Ta thu được kết quả: Null Hypothesis: C(5)+C(6)=1 F-statistic 17.46746 Probability 0.000034 Chi-square 17.46746 Probability 0.000029 Do giá trị p-value của cả 2 kiểm đinh F và khi bình phương đều < 0.05 nên bác bỏ giả thiết Ho, hay không tồn tại mô hình I- GARCH. 3.1.3 Mô hình GARCH – M Mô hình nghiên cứu sự phụ thuộc của lợi suất các cổ phiếu vào độ rủi ro của nó * Mô hình 1: Lợi suất phụ thuộc vào độ lệch chuẩn. Dependent Variable: RDHA Method: ML - ARCH (Marquardt) Date: 04/22/07 Time: 21:01 Sample(adjusted): 38 595 Included observations: 558 after adjusting endpoints Convergence achieved after 56 iterations Variance backcast: ON Coefficient Std. Error z-Statistic Prob. SQR(GARCH) 0.133331 0.019895 6.701855 0.0000 AR(12) 0.098047 0.022285 4.399799 0.0000 AR(33) 0.102364 0.017582 5.822027 0.0000 AR(36) 0.023045 0.024236 0.950847 0.3417 Variance Equation C 0.000131 8.34E-06 15.75182 0.0000 ARCH(1) 0.278199 0.108076 11.82687 0.0000 R-squared 0.024802 Mean dependent var 0.001256 Adjusted R-squared 0.015969 S.D. dependent var 0.021372 S.E. of regression 0.021200 Akaike info criterion -5.252335 Sum squared resid 0.248100 Schwarz criterion -5.205837 Log likelihood 1471.401 Durbin-Watson stat 1.837437 Theo mô hình ta có: 12 33 36 2 2 DHA-1 0.098047 0.102364 0.023045 0.133331 0.000131 0.278199u DHA DHA DHA DHA DHA DHA R R R R σ σ − − − = + + + = + * Mô hình 2 : Lợi suất phụ thuộc vào phương sai Dependent Variable: RDHA Method: ML - ARCH (Marquardt) Date: 04/22/07 Time: 21:08 Sample(adjusted): 38 595 Included observations: 558 after adjusting endpoints Convergence achieved after 64 iterations Variance backcast: ON Coefficient Std. Error z-Statistic Prob. GARCH 0.928947 0.311480 6.192850 0.0000 AR(12) 0.112276 0.022257 5.044456 0.0000 AR(33) 0.100814 0.016836 5.987969 0.0000 AR(36) 0.018500 0.022897 0.807945 0.4191 Variance Equation C 0.000131 8.48E-06 15.43381 0.0000 ARCH(1) 0.306641 0.107755 12.12600 0.0000 R-squared -0.058478 Mean dependent var 0.001256 Adjusted R-squared -0.068066 S.D. dependent var 0.021372 S.E. of regression 0.022087 Akaike info criterion -5.241765 Sum squared resid 0.269287 Schwarz criterion -5.195266 Log likelihood 1468.452 Durbin-Watson stat 1.522674 2 12 33 36 2 2 1 0.112276 0.100814 0.0185 0.928947 0.000131 0.306641 DHA DHA DHA DHA DHA DHA t R R R R u σ σ − − − − = + + + = + Dựa vào 2 mô hình ước lượng ta thấy hệ số của phương sai và độ lệch chuẩn đều dương do đó có thể kết luận lợi suất của cổ phiếu DHA có liên hệ tỷ lệ thuận với rủi ro của nó tức là rủi ro càng cao thì lợi suất kỳ vọng cũng càng lớn. Ta thấy giá trị p-value của SQR(GARCH) và GARCH ở 2 mô hình đều < 0.05, như vậy lợi suất của cổ phiếu DHA phụ thuộc vào độ rủi ro của cổ phiếu này. 3.1.4 Mô hình T- GARCH Mô hình có dạng: 0 : 0 1: 0 t t t t t t t t t r u u u d u µ σ ε = + = ≥  =  <  ε t ~ IID 0 : 0 1: 0 t t t u d u ≥  =  <  2 2 2 2 0 1 1 1 1t t t t t u u d σ α α γ βσ − − − − = + + + Dependent Variable: RDHA Method: ML - ARCH (Marquardt) Date: 04/23/07 Time: 22:55 Sample(adjusted): 38 595 Included observations: 558 after adjusting endpoints Convergence achieved after 96 iterations Variance backcast: ON Coefficient Std. Error z-Statistic Prob. AR(12) 0.124735 0.029458 4.234354 0.0000 AR(33) 0.128487 0.020653 6.221363 0.0000 AR(36) 0.033316 0.024759 1.345580 0.1784 Variance Equation C 3.94E-05 3.41E-06 11.56948 0.0000 ARCH(1) 0.469150 0.084383 5.559765 0.0000 (RESID<0)*ARCH(1) 0.070504 0.117036 5.729040 0.0000 GARCH(1) 0.428829 0.026609 16.11568 0.0000 R-squared 0.022970 Mean dependent var 0.001256 Adjusted R-squared 0.012331 S.D. dependent var 0.021372 S.E. of regression 0.021240 Akaike info criterion -5.329958 Sum squared resid 0.248566 Schwarz criterion -5.275710 Log likelihood 1494.058 Durbin-Watson stat 1.913474 Ta có : 2 2 2 2 1 1 1 1 3.94 05 0.46915 0.070504 0.428829 DHA t t t DHA E u u d σ σ − − − − = − + + + Tổng ảnh hưởng của các yếu tố ngẫu nhiên đến rủi ro của cổ phiếu bằng: 0.46915 + 0.070504 Ta thấy giá trị p-value của biến (RESID<0)*ARCH(1) bằng 0 < 0.05 nên có thể kết luận rằng có ảnh hưởng của các cú sốc âm lên giá cổ phiếu có biểu hiện của hiệu ứng đòn bẩy đối với giá cổ phiếu. Dựa vào các mô hình ARCH ,GARCH ta có thể xác định được xu thế biến động từ đó có thể dự báo được sự thay đổi của mỗi cổ phiếu trong tương lai. Các cổ phiếu còn lại BBT, HAP, BPC , cũng được tiến hành phân tích tương tự. 3.2 Cổ phiếu BBT: Biểu đồ chuỗi lợi suất của cổ phiếu BBT: Cũng giống như chuỗi RDHA , ta thấy chuỗi RBBT ở các thời kỳ khác nhau cũng dao động đều xung quanh mức 0, và chuỗi không có xu thế. 3.2.1 Kiểm định nghiệm đơn vị đối với chuỗi RBBT ADF Test Statistic -32.33537 1% Critical Value* -2.5675 5% Critical Value -1.9396 10% Critical Value -1.6158 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RBBT) Method: Least Squares Date: 04/23/07 Time: 01:04 Sample(adjusted): 3 1142 Included observations: 1140 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. RBBT(-1) -0.956953 0.029595 -32.33537 0.0000 R-squared 0.478617 Mean dependent var -1.60E-05 Adjusted R-squared 0.478617 S.D. dependent var 0.031497 S.E. of regression 0.022743 Akaike info criterion -4.728243 Sum squared resid 0.589140 Schwarz criterion -4.723823 Log likelihood 2696.099 Durbin-Watson stat 1.998116 Theo kiểm định ADF chuỗi là dừng. 3.2.2 Mô hình ARIMA đối với chuỗi RBBT .1 .0 -.1 -.2 -.3 -.4 -.5 BBT 12501000500 750250 Dựa vào lược đồ tương quan ta thấy δ 6 khác 0, do đó ta có quá trình AR(6). Ước lượng mô hình này không có hệ số chặn ( do giả thiết có hệ số chặn bị bác bỏ Pvalue > 0.05). Ta có bảng sau: Dependent Variable: RBBT Method: Least Squares Date: 04/23/07 Time: 01:29 Sample(adjusted): 8 1142 Included observations: 1135 after adjusting endpoints Convergence achieved after 2 iterations Variable Coefficient Std. Error t-Statistic Prob. AR(6) 0.093803 0.029651 3.163605 0.0016 R-squared 0.008676 Mean dependent var 0.000194 Adjusted R-squared 0.008676 S.D. dependent var 0.022766 S.E. of regression 0.022667 Akaike info criterion -4.734930 Sum squared resid 0.582643 Schwarz criterion -4.730494 Log likelihood 2688.073 Durbin-Watson stat 1.936211 Kiểm định tính dừng của phần dư E 2 của mô hình này ta có : ADF Test Statistic -32.59095 1% Critical Value* -3.4389 5% Critical Value -2.8645 10% Critical Value -2.5684 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E2) Method: Least Squares Date: 04/24/07 Time: 08:57 Sample(adjusted): 9 1142 Included observations: 1134 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. E2(-1) -0.968172 0.029707 -32.59095 0.0000 C 0.000179 0.000673 0.265889 0.7904 R-squared 0.484087 Mean dependent var 2.08E-06 Adjusted R-squared 0.483632 S.D. dependent var 0.031555 S.E. of regression 0.022675 Akaike info criterion -4.733368 Sum squared resid 0.582011 Schwarz criterion -4.724491 Log likelihood 2685.820 F-statistic 1062.170 Durbin-Watson stat 1.998429 Prob(F-statistic) 0.000000 Ta thấy phần dư là nhiễu trắng do đó chuỗi RBBT là quá trình ARIMA(6,0,0) Mô hình ARIMA đối với chuỗi là: RBBT= 0.093803*RBBT- 6 + àt 3.2.3 Ước lượng mô hình ARCH(1) [...]... -.34i -.24 Kết quả ước lượng ta thấy tổng hệ số của ARCH(1) và GARCH(1) 0.05, như vậy lợi suất của cổ phiếu HAP không phụ thuộc vào độ rủi ro của cổ phiếu này 3.3.6 Mô hình. .. 0.0000 0.0000 Dựa vào 2 mô hình ước lượng ta thấy hệ số của phương sai và độ lệch chuẩn đều dương do đó có thể kết luận lợi suất của cổ phiếu BPC có liên hệ tỷ lệ thuận với rủi ro của nó tức là rủi ro càng cao thì lợi suất kỳ vọng cũng càng lớn Ta thấy giá trị p-value của SQR(GARCH) và GARCH ở 2 mô hình đều > 0.05 , như vậy lợi suất của cổ phiếu BPC không phụ thuộc vào độ rủi ro của cổ phiếu này 3.5... trắng nên mô hình là tốt ,chuỗi RHAP là mô hình ARIMA(1,0,0) Mô hình ARIMA của chuỗi : RHAP =0.142052* RHAP-1 + àt Ta xem xét mức dao động của lợi suất trong các phiên có phụ thuộc vào sự thay đổi của lợi suất trong quá khứ hay không Sau đây ta sẽ sử dụng các mô hình ARCH, GARCH , T- GARCH ,GARCH-M ,COMPONENT GARCH để xem xét giả thiết này 3.3.3 Mô hình ARCH Kiểm định sự thay đổi trong lợi suất và trong... trắng nên mô hình là tốt ,chuỗi RBPC là mô hình ARIMA(p,0,0) , với p = 1,3,4 Mô hình ARIMA của chuỗi : RB PC= 0.135549*RBPC-1+0.064813*RBPC-3+ 0.090651*RBPC Ta xem mức dao động trong lợi suất trong các phiên có phụ thuộc vào sự thay đổi của lợi suất trong quá khứ hay không Sau đây ta sẽ sử dụng các mô hình ARCH, GARCH , T- GARCH ,GARCH-M ,COMPONENT GARCH để xem xét giả thiết này 3.4.3 Mô hình ARCH... -.06 -.42i -.06+.42i -.39 Ta thấy lợi suất trung bình của cổ phiếu BPC phụ thuộc vào lợi suất trung bình của nó tại các phiên khá Rủi ro của cổ phiếu BPC chịu ảnh hưởng của các yếu tố ngẫu nhiên, hệ số của ARCH là dương và khác 0 Nhưng ta chỉ nhận biết được ảnh hưởng dương đến phương sai mặc dù trên thực tế có cả những cú sốc âm dương 3.4.4 Mô hình GARCH Ước lượng mô hình GARCH(1,1) ta thu được kết... Ta có mô hình : -.67 RBBT = 0.087715 * RBBT-6 + 0.088672* σ 2 BBT = 0.000421 + 0.240734* ε σ 2 BBT 2 BBT-1 Dựa vào 2 mô hình ước lượng ta thấy hệ số của phương sai và độ lệch chuẩn đều dương do đó có thể kết luận lợi suất của cổ phiếu BBT có liên hệ tỷ lệ thuận với rủi ro của nó tức là rủi ro càng cao thì lợi suất kỳ vọng cũng càng lớn Ta thấy giá trị p-value của SQR(GARCH) và GARCH ở 2 mô hình đều... thấy lợi suất trung bình của cổ phiếu BBT phụ thuộc vào lợi suất trung bình của nó tại các phiên khác Rủi ro của cổ phiếu BBT chịu ảnh hưởng của các yếu tố ngẫu nhiên, hệ số của ARCH là dương thực sự Nhưng ta chỉ nhận biết được ảnh hưởng dương đến phương sai mặc dù trên thực tế có cả những cú sốc âm dương Ta có mô hình : RBBT = 0.087652 *RBBT-1 σ 2 BBT = 0.000421 + 0.241600* ε 2 BBT 3.2.4 Mô hình. .. Durbin-Watson stat 2.217698 25 Ta thấy lợi suất trung bình của cổ phiếu HAP phụ thuộc vào lợi suất trung bình của nó tại các phiên khác Rủi ro của cổ phiếu HAP chịu ảnh hưởng của các yếu tố ngẫu nhiê, hệ số của ARCH là dương thực sự Nhưng ta chỉ nhận biết được ảnh hưởng dương đến phương sai mặc dù trên thực tế có cả những cú sốc âm dương 3.3.4 Mô hình GARCH(1,1) Ước lượng mô hình GARCH(1,1) ta thu được kết... Chi-square 71.59468 Probability Probability 0.000000 0.000000 Do giá trị p-value của cả 2 kiểm đinh F và khi bình phương đều < 0.05 , nên bác bỏ giả thiết Ho, hay không tồn tại mô hình I-GARCH 3.2.6 Mô hình GARCH – M Mô hình nghiên cứu sự phụ thuộc lợi suất của cổ phiếu vào độ rủi ro của nó *Mô hình 1: Lợi suất phụ thuộc vào độ lệch chuẩn Dependent Variable: RBBT Method: ML - ARCH (Marquardt) Date: 04/24/06 . Các mô hình phân tích biến động và dự báo chuỗi lợi suất của các cổ phiếu dha, bbt, hap, bpc Sự cần thiết sử dụng các mô hình phân tích sự biến động của. khi phân tích và quản lý danh mục các cổ phiếu ta kiểm định tính dừng của các cổ phiếu. 2. Kiểm định tính dừng của chuỗi lợi suất các cổ phiếu 2.1 Cổ phiếu