5. Khái quát về nội dung và phạm vi nghiên cứu
2.2.1. Xây dựng mô hình ARIMA cho chuỗi VNINDEX
Nguồn số liệu đƣợc lấy từ trang web cophieu68.vn. Một trang web tin cậy chuyên cung cấp số liệu về thị trƣờng chứng khoán Việt Nam.
Dữ liệu dc lấy là giá đóng của của mỗi phiên giao dịch VNINDEX từ ngày 02/01/2013 đến ngày 20/04/1015 bao gồm 567 số liệu.
Trong Eviews vẽ đồ thị của chuỗi VNINDEX bằng lệnh: View -> Graph -> Line and simbol:
Hình 1: Đồ thị chuỗi VNINDEX
40
Tiến hành kiểm nghiệm đơn vị cho chuỗi VNINDEX: Trong Eviews từ chuỗi VNINDEX chọn View -> Unit root test trong mục test stype
chọn kiểu kiểm nghiệm ADF ta có kết quả cho bởi hình 2:
Hình 2: Kiểm định ADF cho chuỗi VNINDEX
Theo kiểm định ADF ta thấy qs 2, 409436 tại cả 3 mức ý nghĩa ∝= 1%, 5%, 10%. Vậy chuỗi VNINDEX chƣa dừng.
Để khắc phục tính dừng ta lấy sai phân bậc nhất bằng cách gõ: genr
dVNINDEX = d(VNINDEX) và tiến hành kiểm định ADF nhƣ với chuỗi
gốc , kết quả thể hiện trong hình 3:
Hình 3: Kiểm định ADF cho chuỗi DVNINDEX
Theo kiểm định ADF ta thấy qs 23.00151 tại cả 3 mức ý nghĩa ∝= 1%, 5%, 10%. Vậy chuỗi DVNINDEX là chuỗi dừng.
41
Tiếp đó thực hiện tính toán các hệ số tự tƣơng quan và tự tƣơng quan riêng của chuỗi sai phân và quan sát các biểu đồ tự tƣơng quan, tự tƣơng quan riêng. Thực hiện trong Eviews nhƣ sau: View -> correlogram và
chọn 30 thời kỳ trễ. Ta đƣợc nhƣ hình 4:
Hình 4: Đồ thị của hàm ACF và PACF của chuỗi DVNINDEX
Theo đồ thị ở hình 4, tại độ trễ k=3 AC và PAC đạt cực đại sau đó giảm mạnh xuống và đồ thị có xu hƣớng nằm gọn trong hai đƣờng giới hạn. Do đó p và q có thể nhận các giá trị là 3. Mô hình ARIMA có thể có là ARIMA (3,1,3)
42 2.2.2. Ƣớc lƣợng các tham số của mô hình
Trong phần mềm Eviews các bƣớc thực hiện ƣớc lƣợng tham số của mô hình ARIMA nhƣ sau:
=>Trên thanh menu chọnQuick -> Estimate Equation.
=>Nhập các thông số cần ƣớc lƣợng vào mục Equation Speccification.
Hình 5: Các thông số cho mô hình ARIMA(3,1,3)
=>Chọn phƣơng pháp bình phƣơng tối thiểu ta thu đƣợc kết quả ƣớc lƣợng nhƣ sau:
43
Hình 6: Kết quả ƣớc lƣợng các thông số của mô hình. Từ kết quả này cho ta một số thông tin nhƣ sau:
=> Mô hình ARMA(3,3) có dạng nhƣ sau:
3 3
0,766126 0,820957
t t t
VNINDEX VNINDEX u
=>Thống kê Durbin-Watson DW=1,939138 ≈ 2 cho thấy sai số của ƣớc lƣợng là không tƣơng quan.
2.2.3. Kiểm tra sự phù hợp của mô hình
Ta tiến hành kiểm tra sự phù hợp của mô hình thông qua việc kiểm định tính ngẫu nhiên của sai số ƣớc lƣợng đƣợc. Để làm việc này trên phần mềm Eviews ta thực hiện lần lƣợt các bƣớc sau:
=>Từ màn hình kết quả ƣớc lƣợng, chọn View ->Residual test -> Correlogram -> Q-Statistics.
=>Phân tích biểu đồ tự tƣơng quan và tự tƣơng quan riêng của sai số ƣớc lƣợng đƣợc. Kết quả cho thấytất cả các hệ số tự tƣơng quan mẫu đều
44
nằm trong hai đƣờng giới hạn. Điều này chúng tỏ sai số của ƣớc lƣợng là hoàn toàn ngẫu nhiên. Do vậy mô hình này là phù hợp.
Hình 7: Biểu đồ ACF và PACF cho sai số ƣớc lƣợng.
2.2.4. Dự báo giá
Mở rộng bộ dữ liệu: Proc -> Structure/Resize Current Page Chọn Dated – regular frequency: Start date: 1; End date: 572 Trong mô hình
ƣớclƣợng chọn: Forecast -> Forecast name: vnindef ; S.E (optional): se. Ta có biểu đồ sau:
45
Hình 8: Biểu đồ dự báo Kết quả dự báo:
Hình 9: Kết quả dự báo Giá trị thực tế là:
46
Hình 10: Kết quả thực tế
Từ kết quả dự báo và kết quả thực tế ta có bảng so sánh sau:
Ngày Giá trị thực tế Giá trị dự báo Sai số(%) 21/04/2015 562.2 564.9867 0.4957 22/04/2015 562.5 564.9765 0.4403 23/04/2015 561.2 564.5403 0.5952 24/04/2015 565.8 564.5505 0.2208 27/04/2015 562.4 564.5583 0.2069
47 KẾT LUẬN
Mô hình ARIMA có rất nhiều ứng dụng trong thực tế, đặc biệt là trong vấn đề dự báo. Dự báo đƣợc một số chỉ tiêu kinh tế vĩ mô, chỉ số thị trƣờng, giá cả tạo cơ sở cho các nhà hoạch định chính sách đƣa ra chính sách, định hƣớng phát triển, chiến lƣợc phát triển công ty. Mô hình ARIMA tỏ ra dự báo trong ngắn hạn khá hiệu quả. Nó thƣờng đƣợc sử dụng dự báo chỉ số giá tiêu dùng theo tháng, giá của một số mặt hàng xuất khẩu: giá cà phê, sản lƣợng xuất khẩu của một số mặt hàng xuất khẩu. Bên cạnh những ƣu điểm của mô hình thì nó cũng có nhƣợc điểm nhất định nhƣ: khi chuỗi thời gian phi tuyến thì mô hình ARIMA không dự báo đƣợc. Trong bài luận văn này, em đã đã làm đƣợc những việc nhƣ sau: trình bày lý thuyết các lớp mô hình ARIMA,lý thuyết về phƣơng pháp phân tích chuỗi thời gian Box-Jenkins; ứng dụng của mô hình ARIMA dựa trên phƣơng pháp Box-Jenkins, cùng với sự hỗ trợ của phần mềm Eviews để dự báo chỉ số VNINDEX.
Với lƣợng kiến thức còn hạn chế và khoảng thời gian có hạn những vấn đề em trình bày trên đây mới chỉ là những kiến thức cũng nhƣ những kết quả dự báo bƣớc đầu. Rõ ràng rằng các kết quả dự báo đã trình bày vẫn chƣa đƣa ra đƣợc những kết quả thực sự đáng tin cậy để phục vụ,áp dụng thực tiễn. Trong tƣơng lai, em sẽ tiếp tục nghiên cứu bài toán dự báo bằng phƣơng pháp chuỗi thời gian để có thể tìm ra phƣơng pháp dự báo tốt hơn và có thể áp dụng đƣợc.
48
DANH MỤC TÀI LIỆU THAM KHẢO
Sách giáo trình:
[1]Phạm Thế Anh (2013), Kinh tế lƣợng ứng dụng phân tích chuỗi thời gian, Nxb Lao động.
[2]Nguyễn Quang Dong (2014), Giáo trình Kinh tế lƣợng, Nxb Đại học Kinh tế quốc dân.
[3] Nguyễn Minh Dũng(2014), Dự báo giá chứng khoán bằng phƣơng pháp chuỗi thời gian, luận văn Thạc sĩ Toán học, Trƣờng Đại học Khoa học tự nhiên.
[4]Trần Trọng Nguyên (2013), Giáo trình lý thuyết xác suất, Nxb Đại học Kinh tế quốc dân.
Trang web: