56
mẽ, rất phù hợp cho việc nội suy dữ liệu bằng phương pháp Univershal Kriging. Duy chỉ có chuỗi dữ liệu “CapitalLeaseObligations” chỉ có tính xu hướng trong khoảng thời gian ngắn. Cụ thể là tính tương quan xu hướng trong vòng 7 lags đầu tiên trong tổng số 60 lags được quan sát. Thực nghiệm nội suy cũng cho thấy việc áp dụng mô hình Univershall Kriging vào chuỗi dữ liệu này cho kết quả khá khác biệt so với mô hình gốc ban đầu. Tuy nhiên, nếu sử dụng mô hình Ordinary Kriging và ngầm thừa nhận việc xuất hiện xu hướng trong một thời gian đủ ngắn lại cho kết quả khả quan hơn trước rất nhiều.
Sử dụng các hàm ước lượng để phân rã thành phần xu hướng, thành phần chu kì ra khỏi chuỗi dữ liệu không có tính dừng. Sử dụng hàm kiểm thử ADF để xác định tính dừng phần dư
Bảng 4.1 Bảng phân rã thành phần các chuỗi thuộc bảng cân đối kế toán
Chuỗi Hàm xu hướng Hàm chu kì
StockholdersEquity 1 + 𝑓(𝑥) + 𝑓(𝑥)2+𝑓(𝑥)3 None TotalCapitalization 1 + 𝑓(𝑥) + 𝑓(𝑥)2+𝑓(𝑥)3 None
CommonStockEquity 1 + 𝑓(𝑥) + 𝑓(𝑥)2+𝑓(𝑥)3 None
CapitalLeaseObligations None None
NetTangibleAssets 1 + 𝑓(𝑥) + 𝑓(𝑥)2 None WorkingCapital 1 + 𝑓(𝑥) + 𝑓(𝑥)2+ 𝑓(𝑥)3 None InvestedCapital 1 + 𝑓(𝑥) + 𝑓(𝑥)2+ 𝑓(𝑥)3 None TotalDebt 1 + 𝑓(𝑥) + 𝑓(𝑥)2+ 𝑓(𝑥)3 None ShareIssued 1 + 𝑓(𝑥) + 𝑓(𝑥)2 None OrdinarySharesNumber 1 + 𝑓(𝑥) + 𝑓(𝑥)2 None
Tính dừng và trực quan phần dư của các chuỗi có tính xu hướng được mô phỏng trong hình dưới.
57
Hình 4.15 Phân rã các thành phần không có tính dừng ra khỏi các chuỗi bảng cân đối kế toán-1
58
Sau quá trình xác định tính dừng các chuỗi có trong bảng và quá trình bóc tách các thành phần xu hướng và mùa (seasonal) ra khỏi các chuỗi không có tính dừng (non-stationary), ta tiến hành nội suy dữ liệu. Đối với các chuỗi này, tôi sử dụng phương pháp Univershal Kriging. Đối với các chuỗi có tính dừng (yếu), sử dụng phương pháp Ordinary Kriging.
Hình 4.17 Phân rã các thành phần không có tính dừng các chuỗi thuộc bảng cân đối kế toán-2
Hình 4.16 Biểu đồ ACF cho phần dư các chuỗi không có tính dừng trong bảng cân đối kế toán-2
59
Nghiên cứu sử dụng 3 loại mô hình variogram phổ biến để ước lượng mô hình, gồm “gaussian”, “spherical”, “exponential”. Việc xác định loại mô hình variogram sẽ dựa theo nguyên tắc mô hình nào cho giá trị RMSE thấp nhất sẽ được chọn. Nếu mô hình variogram được chọn không cho kết quả khớp nhất với chuỗi ban đầu, mô hình variogram sẽ được chọn lại theo nguyên tắc trên sau khi đã lược bỏ mô hình xấu ra khỏi hàng ước lượng.
Kết quả nội suy dữ liệu các chuỗi thuộc bảng cân đối kế toán được trình bày trong phần phụ lục, gồm bảng Bảng 0.1, Hình 0.1 và Hình 0.2
Từ kết quả thu được, ta rút ra nhận xét: Mặc dù các mô hình variogram ước lượng không phải là mô hình fit nhất với dữ liệu, nhưng đã cho kết quả khá tốt.
b. Bảng tài chính
Tương tự, ta thực hiện xác định tính dừng của các chuỗi thuộc bảng tài chính thông qua các biểu đồ ACF