TRƯỜNG ĐẠI HỌC s u PHẠM HÀ NỘI 2
* KHÒA TOÁN
BÙI THANH THẢO
MÔ HÌNH GARCH VÀ ỨNG DỤNG
KHÓA LUẬN TÓT NGHIỆP ĐẠI HỌC
•
•
•
C h u y ên n g à n h : T o á n ử n g d ụ n g
HÀ NỘI - 2015
•
TRƯỜNG ĐẠI HỌC s u PHẠM HÀ NỘI 2
’ KHÒA TOÁN*
BÙI THANH THẢO
MÔ HÌNH GARCH VÀ ỨNG DỤNG
KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC
•
•
•
•
C h u y ên n g à n h : T o á n ứ n g d ụ n g
N g ư ờ i h ư ớ n g d ẫ n k h o a học:
TS. T R À N T R O N G N G U Y Ê N
HÀ NỘI - 2015
LỜI CẢM ƠN
Trước khi trình bày nội dung chính của khóa luận tốt nghiệp, em xin
bày tỏ lòng biết ơn sâu sắc tới Tiến sĩ Trần Trọng Nguyên người đã tận tình
hướng dẫn để em có thể hoàn thành đề tài này.
Em cũng xin bày tỏ lòng biết ơn chân thành tới toàn thể các thầy cô
trong khoa Toán, Trường Đại học Sư phạm Hà Nội 2 đã dạy bảo em tận
tình trong suốt quá trình học tập tại khoa.
Nhân dịp này em cũng xin được gửi lời cảm ơn chân thành tới gia
đình, bạn bè đã luôn bên em, động viên, giúp đỡ em trong suốt quá trình
học tập và thực hiện khóa luận tốt nghiệp.
Hà Nội, ngày 30 thảng 4 năm 2015
Sinh viên
Bùi Thanh Thảo
LỜI CAM ĐOAN
Em xin cam đoan đề tài này là do em thực hiện, đó là kết quả quá
trình nghiên cứu của em dưới sự hướng dẫn của Tiến sĩ Trần Trọng
Nguyên, đề tài này không trùng với các kết quả của tác giả khác.
Hà Nội, ngày 30 thảng 4 năm 2015
Sinh viên
Bùi Thanh Thảo
M Ụ C LỤC
LỜI MỞ Đ À U ...........................................................................................................1
1. Lí do chọn đề tài...................................................................................................1
2. Mục đích nghiên cún...........................................................................................1
3. Đối tượng và phạm vi nghiên cún.....................................................................1
4. Phương pháp và công cụ nghiên c ứ u .............................................................. 2
5. Cấu trúc khóa lu ậ n ............................................................................................. 2
Chương 1: MỘT SỐ KIẾN THỨC LIÊN Q U A N .............................................3
1.1. BIẾN NGẪU NHIÊN VÀ QUY LUẬT PHÂN PHỐI XÁC SUẤT.... 3
1.1.1. Biến ngẫu nhiên một chiều......................................................................... 3
1.1.2. Biến ngẫu nhiên hai chiều...........................................................................3
1.1.3. Biến ngẫu nhiên nhiều chiều......................................................................4
1.2.
CÁC THAM SÓ ĐẶC TRITNG c ủ a b i ế n n g ẫ u n h i ê n ............. 6
1.2.1. Kỳ vọng......................................................................................................... 6
1.2.2. Phương sai và độ lệch tiêu chuẩn.............................................................. 6
1.2.3. Hiệp phương s a i........................................................................................... 7
1.2.4. Hệ số tương q u a n .........................................................................................7
1.3.
MỘT SÓ QUY LUẬT PHÂN PHỐI THƯỜNG G Ặ P.......................... 7
1.3.1. Phân phối chuẩn........................................................................................... 7
1.3.2. Phân phối S tudent........................................................................................ 8
1.3.3. Phân phối m ũ................................................................................................. 8
1.4.
MÔ HÌNH HỒI QUY................................................................................... 8
1.4.1. Mô hình hồi quy tuyến tính........................................................................ 8
1.4.2. Hàm hồi quy tổng th ể.................................................................................. 9
1.4.3. Hàm hồi quy m ẫu.......................................................................................10
1.4.4. Phương pháp ước lượng O L S .................................................................. 11
1.5.
CHUỎI THỜI GIAN.................................................................................. 12
1.5.1. Định nghĩa chuỗi thời gian........................................................................ 12
1.5.2. Tính dừng của chuỗi thời g ia n ..................................................................13
1.5.3. Nhiễu trắng...................................................................................................14
1.6 . HÀM T ự TƯƠNG Q U A N ........................................................................15
1.6 .1. Tự tương quan............................................................................................. 15
1.6.2. Hàm tự tương quan..................................................................................... 16
1.6.3. Hàm tương quan riêng................................................................................16
1.7. MÔ HÌNH A R M A .........................................................................................16
1.7.1. Mô hình tự hồi quy A R ..............................................................................16
1.7.2. Quá trình trung bình trượt M A ................................................................. 16
1.7.3. Quá trình trung bình trượt và tự hồi quy ARM A...................................17
1.8. MÔ HÌNH A R C H ..........................................................................................17
1.8.1. Rủi ro .............................................................................................................17
1.8.2. Mô hình A R CH ...........................................................................................18
Chương 2: MÔ HÌNH GARCH VÀ ỨNG D Ụ N G .......................................... 19
2.1. MÔ HÌNH G A R C H ...................................................................................... 19
2.1.1. Mô h ìn h ........................................................................................................ 19
2.1.2. Dự báo phương s a i..................................................................................... 21
2.2. CÁC DẠNG MÔ HÌNH GARCH K H Á C...............................................23
2.2.1. Mô hình GARCH tích hợp (IGARCH)...................................................23
2.2.2. Mô hình G ARCH-M ..................................................................................24
2.2.3. Mô hình TGARCH..................................................................................... 25
2.2.4. Mô hình GARCH dạng mũ (EGARCH)................................................ 27
2.2.5. Mô hình hợp phần GARCH (COMPONENT ARCH M ODEL)......32
2.3. ỨNG DỤNG MÔ HÌNH GARCH TRONG PHÂN TÍCH RỦI R O ... 34
2.3.1. Số liệu và nguồn gốc số liệ u .................................................................... 34
2.3.2. Kiểm định tính dừng của chuỗi lợi suất..................................................35
2.3.3. Lược đồ tự tương quan của chuỗiLSBBC...............................................38
2.3.4 Kiểm định sự thay đổi trong lợi suấtvà trong sự dao động của cổ
phiếu B B C .............................................................................................................. 39
KẾT LU Ậ N .............................................................................................................41
DANH MỤC TÀI LIỆU THAM KH Ả O ........................................................ 42
LỜI MỞ ĐÀU
1. Lí do chọn đề tài
Trong thị trường tài chính vấn đề quản lí rủi ro luôn đóng vai trò
quan trọng. Đe đo lường rủi 1*0 của các tài sản và danh mục đầu tư, người ta
thường sử dụng phương sai và hiệp phương sai của chúng. Tuy nhiên, do
phương sai của các tài sản và danh mục thường biến động theo thời gian,
nên việc đo lường gặp 1'ất nhiều khó khăn. Trong thực tế người ta thường
sử dụng lóp mô hình GARCH là các mô hình phương sai có điều kiện của
sai số thay đổi để phân tích về độ rủi 1*0 của tài sản. Mô hình này được sử
dụng rộng rãi trong các phân tích kinh tế, đặc biệt là trong phân tích chuỗi
thời gian tài chính, chẳng hạn như các nghiên cứu của Bolleslev, Chou,
Kroner thực hiện vào năm 1992 và Bolleslev, Engle, Nelson năm 1994. Mô
hình GARCH được áp dụng rộng rãi trong các bài toán dự báo kinh tế, tài
chính. Từ đó, giúp các nhà phân tích thị trường có thể xác định được mức
độ rủi ro của việc nắm giữ tài sản, thấy được sự biến động của giá cổ phiếu
trên thị trường chứng khoán để đưa ra được những dự báo cũng như các kết
luận nên đầu tư vào loại cổ phiếu nào thì đem lại lợi nhuận cao và ít rủi ro
nhất. Vì vậy, với lòng yêu thích và mong muốn tìm hiểu sâu về vấn đề này
trong phạm vi của một khóa luận tốt nghiệp, em đã lựa chọn nghiên cún đề
tài: “Mô hình GARCH và úng dụng”.
2. Mục đích nghiên cứu
Nghiên cứu mô hình GARCH, các lớp mô hình GARCH và một số
ứng dụng của nó trong dự báo giá cổ phiếu.
3. Đối tượng và phạm vi nghiên cửu
- Đối tượng nghiên cúoi: Mô hình GARCH.
1
- Phạm vi nghiên cứu: Các lóp mô hình GARCH: IGARCH,
GARCH-M, TGARCH, EGARCH, mô hình hợp phần GARCH và ứng
dụng cụ thể của nó trong bài toán phân tích rủi 1*0 .
4. Phương pháp và công cụ nghiên cứu
- Phương pháp nghiên cứu tổng họp tài liệu.
- Phương pháp nghiên cứu thực nghiệm với dữ liệu thực tế.
- Sử dụng các phần mềm: Eviews 4.0, Excel.
5. Cấu trúc khóa luận
Nội dung của khóa luận bao gồm 2 chương:
- Chương 1. “Một số kiến thức liên quan”.
Chương này trình bày một số khái niệm và kết quả cơ bản được sử dụng
trong chương sau.
-
Chương 2. “Mơ hình GARCH và ứng cỉụrig”.
Chương này trình bày về các lớp mô hình GARCH và thử nghiệm vận
dụng các mô hình này trong phân tích rủi ro.
2
C hư ơng 1
M Ộ T SỐ K IẾ N T H Ứ C L IÊN Q U A N
Mục đích của chương này là trình bày các kiến thức cơ bản về lý thuyết xác
suất, về chuồi thời gian và một số dạng mô hình sẽ được sử dụng ở chương
sau khi nghiên cứu về mô hình GARCH và ứỉĩg dụng của nó.
1.1. BIẾN NGẪU NHIÊN VÀ QUY LUẬT PHÂN PHÓI XÁC SUẤT
1.1.1. Biến ngẫu nhiên một chiều
1.1.1.1.
Định nghĩa biến ngẫu nhiên
Định nghĩa 1.1. Cho (n , F, P) là một không gian xác suất. Neu X
là một ánh xạ đo được từ Q vào M thì X được gọi là một biến ngẫu nhiên
(hoặc một đại lượng ngẫu nhiên).
Nói cách khác: X là một hàm số thực, hữu hạn, xác định trên Q sao
cho với mỗi JCGÌ thì
1.1.1.2.
e Q : X (&>) < xỊ e F.
Hàm phân phối xác suất
Định nghĩa 1.2. Hàm phân phối xác suất của biến ngẫu nhiên X
được ký hiệu và xác định như sau: Fx (x) = pịco: X(cò) < x}, X gM .
Như vậy hàm phân bố xác suất là sự thu hẹp của độ đo xác suất p lên
lớp các khoảng ( - 00,x) của đường thẳng thực E . Đe cho gọn ta sẽ ký hiệu
F(jc) = P ( X < x ) ,x g M .
1.1.2. Biến ngẫu nhiên hai chiều
1.1.2.1.
Định nghĩa
Trong nhiều trường họp chúng ta cần xét các biến ngẫu nhiên nhận
giá trị trong không gian 2 -chiều, tức là xét các điếm ngẫu nhiên trên mặt
phang.
3
Định nghĩa 1.3. Cho không gian xác suất (Q, F, p ) và hai biến
ngẫu nhiên X và Y xác định trên nó. Khi đó hệ V = (X ,Y ) được gọi là một
biến ngẫu nhiên 2-chiều, tức là V là một ánh xạ từ Q vào M2 sao cho với
mỗi coeQ. thì V(có) = (X(có),Y(co)).
1.1.2.2.
Hàm phân phối xác suất
Định nghĩa 1.4. {Hàm phân phối đẳng thời) Hàm phân phối xác suất
đồng thời của một biến ngẫu nhiên 2-chiều V = ( X ,Y ) được định nghĩa
như sau:
=
< x )(y < yỹ\ ,
( - 00 < x,> ’< + 00).
Định nghĩa 1.5. (Các hàm phân phối biên) Neu F(x,y) là hàm phân
phối xác suất đồng thời của biến ngẫu nhiên 2-chiều V = (X ,F ) thì các
hàm:
F(x,+oo) = P (X < x) = F](x);
F(y,+K) = P ( Y < y ) = F2(y)
là các hàm phân phối của các biến ngẫu nhiên thành phần tương ứng X và
Y. Các hàm này gọi là các hàm phân phoi biên của V .
1.1.2.3.
Sự độc lập cửa hai biến ngẫu nhiên
Định nghĩa 1.6. Hai biến ngẫu nhiên X và Y được gọi là độc lập với
nhau nếu:
F ( x , y) = F}(x)F2( y )
(-00 < X, y < +oo).
1.1.3. Biến ngẫu nhiên nhiều chiều
1.1.3.1. Định nghĩa
Định nghĩa 1.7. Cho X ], X 2,...,X n là các biến ngẫu nhiên 1-chiều
được xác định trên không gian xác suất (Q, F, P ) . Nhờ các biến ngẫu
4
nhiên này, với mỗi &>eQ, ta có thể làm phép tương ứng với một điểm
X(cò) = [ X ](cò),X2(cò),...,Xn(cở)) của không gian ơ-cơ-lít H-chiều.
Ánh xạ Q —»IR" lập bởi các biến ngẫu nhiên X j,X 2,...,X n được gọi
là một biến ngẫu nhiên /2-chiều hoặc một véc-tơ ngẫu nhiên n-chiều.
1.1.3.2.
Hàm phân phối xác suất
Đ ịnh nghĩa 1.8 . (Hàm phân phối xác suất đồng thời) Hàm phân
phối xác suất đồng thời của biến ngẫu nhiên n-chiều được định nghĩa như
sau:
F(xv x1,...,xn) = P [ ( X l < x , ) ( X 2 < x 2) . . . ( X „ < x „ ) ]
với (—00 < X < +oo) (i = ì, n ).
Định nghĩa 1.9. (Các hàm phân phổi biên)
• Hàm phân phối biên của một biến
Hàm phân phối xác suất của biến X là
;•(*,.) = /> [(* , < -K o )(x 2 < -Ko)...(x,. < + c» )...(x n < +oo)]
= lim F (x ]9x 2,...,xn) với
• Hàm phân phối biên của một số biến
Hàm phân phối biên của các biến Xị và X j và X k là
F\ịk(xi, x ì,xk)= lim F(xĩ9x2,...,xn).
J
x r —>30
r* i, ị,k
1.1.3.3.
Tính độc lập của nhiều biến ngẫu nhiên
Định nghĩa 1.10. Các biến ngẫu nhiên X Ì9X 7,...,X được gọi là độc
lập nếu tại mọi điểm (x,,x 2,...,x;ỉ) của R 7Ỉ ta đều có:
F ( xì , x 2,..., x„) = F](x])F2(x2)...Fn(xn) .
5
1.2. CÁC THAM SỐ ĐẶC TRƯNG CỦA BIẾN NGẪU NHIÊN
1.2.1. Kỳ vọng
Định nghĩa 1.11. (Kỳ vọng toán của biến ngâu nhiên một chiều)
Trên không gian xác suất (Q, F, p ) cho biến ngẫu nhiên X có hàm phân
phối xác suất F(x). Kỳ vọng toán của X là một số ký hiệu là E(X) và được
định nghĩa như sau:
E (X )= \x d F (x )
Q
với giả thiết là J|x |í/F (x ) tồn tại.
D
Định nghĩa 1.12. (Kỳ vọng toán của hàm hai biến ngẫu nhiên)
Nếu R = ọ ( X , Y) trong đó X và Y là hai biến ngẫu nhiên thì
E(R) = E[ạ>(X,Y)] = ỵ j ỵ < p (x i, y ị ) p ij
i j
khi X và Y là hai biến ngẫu nhiên rời rạc và
+0C + 0 0
E{R) = E \ j p ( X , Y ) \ = J I ọ ( x ,y ) f ( x ,y ) d x d y
—cc
—
00
khi X và Y là hai biến ngẫu nhiên liên tục với hàm mật độ xác suất đồng
thời là
1.2.2. Phương sai và độ lệch tiêu chuấn
Định nghĩa 1.13. Phương sai của biến ngẫu nhiên X được ký hiệu là
v ( x ) (hoặc var(X) - viết tắt từ tiếng Anh: variance) và được định nghĩa
như sau:
- E (X )] P(Xị)
với X rời rạc
V ( X ) = ju2 = ct2( X ) = E [ X - E ( X ) ^ =
' \ [ x - E ( X ) } 2f{ x ) d { x ) với X liên tục
6
Do V(X) có đon vị đo lường là bình phương của đon vị đo lường
của biến ngẫu nhiên X nên trong thực tế để biểu thị độ phân tán của các giá
trị của X quanh E(X) một cách dễ hình dung hơn người ta còn dùng căn bậc
hai của phương sai và gọi tham số này là độ lệch tiêu chuẩn của biến ngẫu
nhiên X với ký hiệu và công thức định nghĩa như sau:
ơ (X ) =J v ( X ) .
1.2.3. Hiệp phương sai
Định nghĩa 1.14. Hiệp phương sai của hai biến ngẫu nhiên X và Y
được ký hiệu là cov(X,Y) và được định nghĩa như sau:
cov(X ,F ) = K iX Y) = e { [ x - E ( x ) ] [ y - £(Ỉ0]}
' H { [ x , - E ( X ) ] [ ) ;.- £ ( F ) ] } ^
i J
~
J J { [jc - E (X ) ][ y - E ( n ]} /(* ,3 0 d M ! y
—
GO—
oc
1.2.4. Hệ số tương quan
Đ ịnh nghĩa 1.15. Hệ số tương quan tuyến tính giữa hai biến ngẫu
nhiên X và Y được ký hiệu và định nghĩa như sau:
,
1.3.
co W(X,Y)
MỘT SỐ QUY LUẬT PHÂN PHÓI THƯỜNG GẶP
Trong phần này chúng tôi sẽ giới thiệu một số quy luật phân phối được sử
dụng trong chương sau.
1.3.1. Phân phối chuẩn
Định nghĩa 1.16. Biến ngẫu nhiên liên tục X được gọi là tuân theo
quy luật phân phối chuẩn với hai tham số là JU và ơ 2 nếu hàm mật độ xác
suất của nó có dạng như sau:
7
1
1
u -//)2
->_2
(-00 < X < +00)
Quy luật này được ký hiệu là N (ju;ơ 2).
1.3.2. Phân phối student
Định nghĩa 1.17. Biến ngẫu nhiên liên tục X được gọi là tuân theo
quy luật phân phối Student với n bậc tự do nếu hàm mật độ xác suất của nó
có dạng:
Quy luật này được ký hiệu là T (n), với n là số bậc tự do của phân
phối.
1.3.3. Phân phối mũ
Định nghĩa 1.18. Biến ngẫu nhiên liên tục X được gọi là có phân
phối mũ tham số Ầ > 0 nếu hàm mật độ xác suất xác định như sau:
Hàm phân bố xác suất
nếu
X >
0
nếu
X <
0
1.4. MÔ HÌNH HỒI QUY
1.4.1. Mô hình hồi quy tuyến tính
Giả sử Y và X là hai biến số thể hiện một tổng thể nào đó, mô hình
hồi quy tuyến tính hai biến thể hiện mối quan hệ phụ thuộc giữa biến Y và
biến X có dạng như sau:
Y = f t + f 3 2x + u
8
( 1. 1)
Mô hình hồi quy tuyến tính hai biến bao gồm các thành phần sau:
• Cức biến so: mô hình hồi quy gồm hai loại biến số:
-
Biến phụ thuộc: là biến số mà ta đang quan tâm đến giá trị của nó,
thường ký hiệu là Y và nằm ở vế trái của phương trình. Biến phụ thuộc còn
được gọi là biến được giải thích (explained variable) hay biến phản ứng.
-
Biến độc lập: là biến số được cho là có tác động đến biến phụ
thuộc, thường ký hiệu là X và nằm ở vế phải của phương trình. Biến độc
lập còn được gọi là biến giải thích (explanatory variable) hay biến điều
khiển (control variable).
• Sai so ngâu nhiên
Sai số ngẫu nhiên, thường được ký hiệu là u, là yếu tố đại diện cho
các yếu tố có tác động đến biến Y, ngoài X. Trong mô hình (1.1) chúng ta
không có các quan sát về nó, vì thế đôi khi u còn được gọi là sai số ngẫu
nhiên không quan sát được. Do đó, để hàm hồi quy có ý nghĩa, cần đưa ra
giả thiết cho thành phần này. Giả thiết được đưa ra là: tại mỗi giá trị của X
thì kỳ vọng của u bằng 0: E[u |x) = 0.
• Các hệ số hồi quy, bao gồm /?, và
, thế hiện mối quan hệ giữa
biến X và Y khi các yếu tố bao hàm trong u là không đổi.
1.4.2. Hàm hồi quy tổng thể
Với giả thiết E { u |x) = 0 , ta có thể biểu diễn lại mô hình hồi quy
( 1 . 1) dưới dạng sau:
E ( Y \ x ) = Pi + P 1X
(1.2)
trong đó E(Y\X) là kỳ vọng của biến Y khi biết giá trị của biến X, hay còn
gọi là kỳ vọng của Y với điều kiện X.
Phương trình (1.2) biếu diễn kỳ vọng của Y với điều kiện X, như một
hàm của biến X và do X và Y thế hiện cho tổng thể nên phương trình (1.2)
9
còn được gọi là hàm hồi quy tổng thể (PRF - population regression
function). Khi đó các hệ số hồi quy /?, và P2 còn được gọi là các tham số
của tổng thể, có ý nghĩa như sau:
• Các hệ số hồi quy:
- /?, được gọi là hệ số chặn, nó chính bằng giá trị trung bình của biến
phụ thuộc Y khi biến độc lập X nhận giá trị bằng 0.
- p 2 được gọi là hệ số góc, thể hiện quan hệ giữa biến độc lập và giá
trị trung bình của biến phụ thuộc: khi biến độc lập X tăng (giảm) một đơn
vị thì giá trị trung bình của biến phụ thuộc Y tăng (giảm) P2 đơn vị.Hệ số
p i có thể nhận giá trị dương, âm hoặc bằng 0 .
1.4.3. Hàm hồi quy mẫu
Giả sử có mẫu ngẫu nhiên kích thước n bao gồm các quan sát của
biến Y và biến X: (Yị, Xi), i= l, 2,
n. Từ mẫu ngẫu nhiên này chúng ta sẽ
xây dựng các ước lượng cho các hệ số hồi quy tổng thể /?, và P2, ký hiệu
là /?ị và P2 tương ứng. Khi đó gọi biểu thức (1.3) dưới đây là hàm hồi quy
mẫu (SRF: sample regression function) cho hàm hồi quy tổng thể (1.2):
Ỷ = f t + f i 2X
(1.3)
hay có thể viết chi tiết cho tùng quan sát như sau:
?, ( i = l , 2 , . . . , n )
(1.3)’
Ký hiệu mũ trên đầu ngụ ý rằng đây là giá trị ước lượng từ mẫu chứ
không phải là giá trị thực của tổng thể. Cụ thể hơn:
/?,, P2 được gọi là các hệ số hồi quy mẫu hay hệ số ước lượng, là
ước lượng của các hệ số tổng thể /?, và Ị32 tương ứng.
Ỹị được tính như trong (1.3)’ là giá trị ước lượng cho giá trị Y khi
x = x f.
10
1.4.4. Phương pháp ước lượng OLS
Phương pháp ước lượng OLS lần đầu tiên được giới thiệu bởi Gauss
vào nhũng năm cuối thế kỷ 18 (Haper (1974-1976)) và được sử dụng rộng
rãi trong nhiều lĩnh vực. Tuy trong phân tích kinh
tế lượng
nóichung và
phân tích hồi quy nói riêng, người ta đã phát triển
thêm các
phương pháp
ước lượng mới, nhung OLS vẫn là một phương pháp thông dụng do các ưu
việt của nó. Ngoài ra, ước lượng thu được từ OLS thường được chọn làm
cơ sở khi đánh giá chất lượng của ước lượng thu được từ các phương pháp
khác.
Để tìm hiểu OLS, xét mô hình hồi quy tổng thể:
Y
—Ị51 + Ị3-, X + li
và ta cần ước lượng các hệ số Px, P2.
Giả sử có mẫu ngẫu nhiên kích thước n {(Y j,
X j) (i= l,
2,n)} thu
được từ tổng thể, khi đó tại mỗi quan sát ta có:
Y^A+AX'+u,
Ký hiệu
(1.4)
, yẩ, là các ước lượng cần tìm của /?ị, p i với thông tin từ
mẫu trên, khi đó ta có thể viết hàm hồi quy mẫu như sau:
Ỷ .-Â + Â X '
O-5)
Gọi sai lệch giữa giá trị thực tế Y j và giá trị ước lượng tương ứng từ
hàm hồi quy mẫu Y là phần dư (residuals), ký hiệu bởi e,:
e ^ Y .-Ỷ .
(1.6)
Chúng ta muốn xác định các giá trị /?,, P2 sao cho sai lệch tổng họp
giữa các giá trị thực tế Yị và giá trị ước lượng tương ứng từ hàm hồi quy
mẫu (1.5) là nhỏ nhất có thể được. Sai lệch này có thể được định nghĩa bởi:
n
(1) Tổng các phần dư
/=1
11
ẹ. I
(2) Tổng các giá trị tuyệt đối của phần dư
(=1
/?
(3) Tổng bình phương các phần dư ^ e f .
(=1
Trong phạm vi khóa luận này chúng ta sẽ sử dụng phần mềm Eviews
để hỗ trợ cho việc xác định các ước lượng OLS.
1.5. CHUỖI THỜI GIAN
1.5.1. Định nghĩa chuỗi thời gian
Chuỗi thời gian là một tập họp các quan sát của một hay nhiều biến
được sắp xếp theo thứ tự thời gian. Chuỗi thời gian có thể có các tần suất
khác nhau, ví dụ như theo năm, quý, tháng, tuần, ngày, giờ, .... Các ví dụ
về chuỗi thời gian phố biến trong kinh tế - tài chính bao gồm: tổng sản
phẩm quốc nội (GDP), chỉ số tiêu dùng (CPI), cung tiền (M2), chỉ số chứng
khoán (VN-index), doanh số bán lẻ,...
Chuỗi thời gian thường được kí hiệu với chỉ số dưới t. Ví dụ, nếu gọi
Y là GDP của Việt Nam trong giai đoạn 2001-2012 thì chuỗi số này được
kí hiệu như sau:
Y' với t = 1, 2, ...,12
trong đó t — 1 với năm 2 0 0 1 , t = 2 với năm 2002 và t = 12 với năm 2 0 1 2 .
Biến trễ s thời kỳ của Yt được ký hiệu là Yt_ hay F ( -s ).
Phân tích số liệu chuỗi thời gian thường phức tạp vì các quan sát
kinh tế hoặc tài chính thường phụ thuộc lẫn nhau theo thời gian. Tức là, giá
trị quan sát được của một biến tại thời điểm bất kỳ nào đó thường phụ
thuộc vào giá trị của chính nó trong quá khứ. Do vậy, bên cạnh những quy
tắc chung của một mô hình kinh tế lượng, các hồi quy áp dụng với chuỗi
thời gian cần phải tính đến đặc điếm này. Ngoài ra, do các chuỗi số liệu
theo thời gian thường tuân theo những quy luật mùa vụ hoặc thể hiện xu
12
hướng dài hạn nhất định nên việc xử lý số liệu là điều cần thiết trước khi
đưa vào các mô hình ước lượng.
Mục tiêu của việc phân tích chuỗi thời gian là phải chỉ ra được các
đặc tính của chuỗi số liệu, xác định được những xu hướng nhất định theo
thời gian và những thành phần có thể dự báo. Tiếp theo, chúng ta có thể
mong muốn thực hiện kiếm định các giả thuyết kinh tế-tài chính, ví dụ như
liệu hai chuỗi cung tiền và lạm phát có quan hệ vói nhau hay không, và nếu
có thì quan hệ như thế nào. Mục tiêu cuối cùng, và có lẽ là quan trọng nhất,
của phân tích chuỗi thời gian đó là dự báo. Tuy nhiên, thật không may,
ngay cả các mô hình chuỗi thời gian hiện đại và phức tạp nhất cũng thường
xuyên đưa ra các dự báo sai.
Một chuỗi thời gian có xu hướng dài hạn không tăng cũng không
giảm thì chuỗi đó được gọi là chuỗi dừng theo giá trị trung bình.
1.5.2. Tính dừng của chuỗi thời gian
Lưu ý rằng một trong những giả thuyết quan trọng của hồi quy cổ
điển là các biến trong mô hình hồi quy phải tuân theo quy luật phân phối
chuẩn. Tuy nhiên, các số liệu trong thực tế, đặc biệt là chuỗi thời gian, lại
hầu như không có được đặc tính này do chúng thường có xu hướng hoặc
biến thiên không có giới hạn quanh giá trị trung bình. Bản chất của sự biến
thiên không có giới hạn này được gọi là tính không dừng (non-stationarity)
của chuỗi số. Do vậy, để áp dụng được kỹ thuật phân tích hồi quy truyền
thống với chuỗi thời gian, chúng ta phải biến đổi các chuỗi thời gian sao
cho chúng có tính dừng.
Tính dừng (stationarity) là một giả định quan trọng trong kỹ thuật
phân tích chuỗi thời gian. Ý tưởng cơ bản của nó là chúng ta chỉ có thế mô
hình hóa chuỗi số nếu nó độc lập với thời gian (có tính dừng), hay các
thuộc tính thống kê của nó là không thay đổi theo thời gian. Do vậy, nói
13
- Xem thêm -