3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1.5. Thứ tự thực hiện mô hình
Thứ nhất, tính toán chuỗi TSSL liên tục của chỉ số VN-Index theo ngày từ chuỗi chỉ số
VN-Index hàng ngày tại thời điểm đóng cửa.
Thứ hai, kiểm định tính dừng của chuỗi TSSL theo ngày của VN-Index bằng kiểm định
nghiệm đơn vị của Dickey-Fuller.
Thứ ba, kiểm định hiện tượng phương sai có điều kiện của chuỗi TSSL thay đổi theo
thời gian bằng kiểm tra hiệu ứng ARCH, cách thức như sau:
- Mô hình hóa chuỗi TSSL theo một trong các dạng mô hình AR, MA hay ARMA gồm các bước: (i) Nhận dạng mô hình nhằm xác định bậc tự hồi quy p hoặc trung bình trượt q hoặc cả hai. Cách thức xác định dựa vào lược đồ của hàm tự tương quan (ACF) và hàm tự tương quan riêng phần. (ii) Ước lượng mô hình theo dạng tổng quát ARMA(p,q): Rt = c + α1Rt-1 +…+ αpRt-p + εt + β1εt-1 +…+βqεt-q. (iii) Kiểm tra mô
33
hình có thích hợp hay không bằng cách kiểm định nhiễu trắng đối với phần dư của mô hình.
- Sau khi kiểm định mô hình phù hợp, tiến hành kiểm tra hiệu ứng ARCH đối với chuỗi phần dư của mô hình.
Thứ tư, thiết lập và ước lượng các mô hình tự hồi quy trung bình trượt có phương sai của
sai số được mô tả bởi các mô hình phương sai của sai số thay đổi có điều kiện tự hồi quy tương ứng với các phân phối xác suất được giả định: chuẩn, student’s-t, GED.
Thứ năm, xác định các giá trị dự báo kỳ vọng có điều kiện E(Rt|It-1) và phương sai có điều kiện ht của Rt từ các mô hình ARMA-GARCH đã được ước lượng.
Thứ sáu, xác định VAR theo các giả định phân phối cho trước:
VARt+1|t = F(α)ht+1|t
Với F(α) là mức phân vị tương ứng (thứ 95 hoặc 99) của các phân phối được giả định; ht+1|t là dự báo độ lệch chuẩn có điều kiện tại thời điểm t+1 với các thông tin cho trước trong thời điểm t.
Thứ bảy, kiểm định độ phù hợp đối với mô hình VAR bằng kiểm định hậu mẫu
(Backtesting) trên cơ sở một số quan sát không đưa vào mô hình ước lượng dựa trên chuẩn kiểm định của Ủy ban Basel II và Kupiec (1995).