6. Tổng quan tài liệu
2.3.3.Kiểm tra chuẩn đoán mô hình
- Sau khi xác định xác định phương trình cho mô hình ARMA, điều cần phải làm là tiến hành kiểm định xem số hạng ε của mô hình có phải là một nhiễu trắng (nhiễu ngẫu nhiên thuần túy) hay không. Ta tiến hành kiểm định theo phương pháp LM, đây là yêu cầu của mô hình tốt.
+ Giả thiết: H0: ρ =ρ = ρ = … . = ρ = 0(không có tự tương quan) H1: Có ít nhất một hệ số ≠ 0 (có tự thương quan)
+ Quy trình kiểm định LM như sau:
Bước 1: Ước lượng các phương trình ARMA(p,q) đã xác định và lưu lại phần dư.
37
Bước 2: Ước lượng mô hình hồi quy của phần dư với số độ trễ p của phần dư (thường được xác định dựa vào xem xét PAC trong giản đồ tương quan của phần dư). Đề tài chọn độ trễ cho các mô hình từ 1-4.
Bước 3: Tính thống kê LM = (n - p)R2 từ phương trình hồi quy ở bước 2. Thống kê LM này sẽ theo phân phối chuẩn Chi bình phương với số bậc tự do là p. Nếu (n-p)R2 < Chi bình phương tra bảng ở mức ý nghĩa được chọn, ta chấp nhận H0 và kết luận rằng mô hình không có tự tương quan.
- Nếu tồn tại nhiều hơn một mô hình đúng, mô hình nào có tiêu chuẩn AIC (Akaike Information Criterion) nhỏ nhất sẽ được lựa chọn. Nhằm xem việc thêm biến giải thích vào trong mô hình chúng ta sẽ xem xét tiêu chuẩn ACI được tính như sau:
AIC = lnσ + 2p + qT
Với biểu thức đã cho, AIC chịu sự nghiêm ngặt hơn so với hệ số xác định khi thêm biến vào trong mô hình. Trong khi so sánh hai hay nhiều mô hình, mô hình nào có AIC nhỏ sẽ được chọn.
Đối với chuỗi dữ liệu chứng khoán thường có xu hướng giao động cao vào một số giai đoạn theo sau một số giai đoạn tương đối ít biến động. Với giả định phương sai không thay đổi theo thời gian không còn phù hợp. Do đó, đề tài sử dụng mô hình GARCH để đo lường mức độ biến động của chỉ số Vnindex.
- Kiểm định mô hình ACRH/GACRH: + Kiểm định ảnh hưởng ARCH:
Trước khi ước lượng các mô hình ARCH(p)/ GARCH(p,q), điều quan trọng là chúng ta cần kiểm tra xem có tồn tại các ảnh hưởng ACH hay không để biết các mô hình cần ước lượng theo phương pháp ước lượng ARCH- GARCH thay vì theo phương pháp ước lượng OLS. Kiểm định ảnh hưởng
38 của ARCH theo quy trình như sau:
Bước 1: Ước lượng phương trình trung bình theo phương pháp OLS Y = X β+ε
Bước 2: Ước lượng phương trình hồi quy phụ sau đây: h = γ +γ e +γ e +⋯+ γ e + u Bước 3: Xác định giả thiết H0 như sau:
H0: = =…..=
H1: 0 ≠ 0 hoặc 1 ≠0 hoặc 2 ≠ 0 hoặc q ≠ 0.
Từ kết quả hồi quy phụ, ta tính Raux2*T, với T là số quan sát của chuỗi dữ liệu đang được xem xét. Thống kê này sẽ theo phân phối Chi bình phương với số bậc tự do là độ trễ q. Nếu giá trị thống kê bình phương tính toán lớn hơn giá trị thống kê tra bảng thì chúng ta bác bỏ giả thiết H0 và ngược lại. Nếu bác bỏ H0 thì ta có thể kết luận rằng chuỗi dữ liệu đang xem xét có ảnh hưởng ARCH.
Trên eview, ta thực hiện ước lượng mô hình dự báo ARMA(p,q) sau đó vào View/Residual Tests/ Heteroskedasticity Tests…. Ở lựa chọn Number of lag ta xác định độ trễ q của ARCH sao cho các hệ số trong mô hình có ý nghĩa thống kê.
+ Ước lượng mô hình ARCH:
Trường hợp, nếu có sự ảnh hưởng ARCH, chúng ta sử dụng phương pháp ước lượng ARCH thay vì phương pháp OLS. Vào Quick/Estimate
39
Equation….Sẽ xuất hiện hộp thoại Equation Estimate, ở lựa chọn Equation specification ước lượng mô hình ARMA(p,q), sau đó chọn hệ số q của ARCH. Lưu ý rằng, nếu ta chọn độ trễ q không thích hợp thì trong kết quả kiểm định ARCH sẽ có nhiều hệ số không có ý nghĩa thống kê. Đồng thời, nếu sử dụng quá nhiều độ trễ (q) không phải luôn là giải pháp tối ưu. Vì vậy, với độ trễ (q) càng lớn người ta thường sử dụng mô hình GARCH(p,q) để thay thế mô hình ARCH.
+ Ước lượng mô hình GARCH:
Để ước lượng mô hình GARCH ta vào Quick/Estimate Equation, ở lựa chọn Equation specification ta ước lượng mô hình ARMA(p,q) đã chọn, rồi chọn phương pháp ước lượng ARCH – Autogressive Conditional Heteroskedasticity. Ở hộp thoại này, chúng ta nhập bậc của q và p vào các ô ARCH và GARCH.
Để ước lượng mô hình GARCH-M, ta chọn các lựa chọn tương tự như ước lượng mô hình GARCH đã trình bày ở trên, và bổ sung thêm ở phần ARCH-M và chọn Variance, ta sẽ có kết quả ước lượng.
Để ước lượng mô hình TGARCH, ta cũng chọn các lựa chọn tương tự như ước lượng mô hình GARCH đã trình bày ở trên, phần ARCH-M chọn None, ô Threshold Order số độ trễ của biến giả dt.
40
- Kiểm định tính ổn định cấu trúc của mô hình:
Đề tài sử dụng kiểm định Chow để xem liệu có sự thay đổi về mặt cấu trúc của mô hình hồi quy (đối với hồi quy chuỗi thời gian) giữa các giai đoạn khác nhau khi dữ liệu chuỗi thời gian tài chính giao động trong biên độ hay không. Sau khi ta hồi quy mô hình dự báo đã chọn và thực hiện kiểm định như sau View/Stability Tests/Chow Breakpoint Test … và nhập mốc thời gian vào hộp thoại sẽ cho ra kết quả. (adsbygoogle = window.adsbygoogle || []).push({});
Với giả thiết:
- H0: Không có sự thay đổi về cấu trúc nào trong 2 thời kỳ. - H1: Có sự thay đổi về cấu trúc nào trong 2 thời kỳ.
Nếu có sự khác biệt giữa 2 thời kỳ, đề tài sẽ thực hiện dự báo theo 2 hướng, một hướng dự báo mô hình ban đầu và dự báo mô hình kể từ điểm gãy
41
cuối cùng. Để so sánh và đưa ra nhận định mô hình nào là mô hình phù hợp nhất để dự báo chỉ số VnIndex.