ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
NGUYỄN MINH DUY
MỘT SỐ MÔ HÌNH CHUỖI THỜI GIAN
VÀ ỨNG DỤNG
ON SOME TIME SERIES MODELS AND
APPLICATIONS
Chuyên ngành: TOÁN ỨNG DỤNG
Mã ngành: 8460112
LUẬN VĂN THẠC SĨ
TP. HỒ CHÍ MINH, tháng 12 năm 2021
LUẬN VĂN NÀY ĐƯỢC HOÀN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐH QUỐC GIA TP.HCM
Cán bộ hướng dẫn khoa học: TS. NGUYỄN TIẾN DŨNG
Cán bộ chấm Phản biện 1: TS. NGUYỄN BÁ THI
Cán bộ chấm Phản biện 2: PGS.TS. NGUYỄN HUY TUẤN
Luận văn thạc sĩ này được bảo vệ tại Trường Đại học Bách Khoa, Đại học Quốc
gia TP Hồ Chí Minh, ngày 27 tháng 12 năm 2021 (trực tuyến).
Thành phần Hội đồng đánh giá luận văn bao gồm:
1. Chủ tịch: PGS.TS NGUYỄN ĐÌNH HUY
2. Thư ký: TS. ĐẶNG VĂN VINH
3. Phản biện 1: TS. NGUYỄN BÁ THI
4. Phản biện 2: PGS. TS. NGUYỄN HUY TUẤN
5. Ủy viên: TS. CAO THANH TÌNH
Xác nhận của chủ tịch Hội đồng đánh giá luận văn và trưởng Khoa quản lý
chuyên ngành sau khi luận văn đã chỉnh sửa (nếu có).
CHỦ TỊCH HỘI ĐỒNG
TRƯỞNG KHOA
KHOA HỌC ỨNG DỤNG
PGS. TS. NGUYỄN ĐÌNH HUY
PGS. TS. TRƯƠNG TÍCH THIỆN
Đại học Quốc gia TP Hồ Chí Minh
Trường Đại học Bách Khoa
Cộng hòa xã hội chủ nghĩa Việt Nam
Độc lập - Tự do - Hạnh phúc
NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ và tên học viên: NGUYỄN MINH DUY
Ngày, tháng, năm sinh: 06.10.1978
Chuyên ngành: Toán Ứng dụng
MSHV: 1870179
Nơi sinh: TP Hồ Chí Minh
Mã ngành: 8460112
I. TÊN ĐỀ TÀI: MỘT SỐ MÔ HÌNH CHUỖI THỜI GIAN VÀ ỨNG
DỤNG.
NHIỆM VỤ VÀ NỘI DUNG
• Kiến thức cơ sở
• Ứng dụng
II. NGÀY GIAO NHIỆM VỤ: 06/09/2021
III. NGÀY HOÀN THÀNH NHIỆM VỤ: 1/12/2021
IV. CÁN BỘ HƯỚNG DẪN: TS. NGUYỄN TIẾN DŨNG
TP Hồ Chí Minh, ngày 27 tháng 12 năm 2021
CÁN BỘ HƯỚNG DẪN
CHỦ NHIỆM BỘ MÔN ĐÀO TẠO
TS. NGUYỄN TIẾN DŨNG
TS. NGUYỄN TIẾN DŨNG
TRƯỞNG KHOA KHOA HỌC ỨNG DỤNG
PGS. TS. TRƯƠNG TÍCH THIỆN
LỜI CẢM ƠN
Lời cảm ơn đầu tiên tôi xin chân thành gửi tới thầy, TS. Nguyễn Tiến Dũng,
người đã nhiệt tình giảng dạy, định hướng và giúp đỡ tôi trong quá trình học tập
chương trình Cao học Toán ứng dụng, cũng như trong quá trình thực hiện và hoàn
thành luận văn này.
Tôi xin chân thành cảm ơn tất cả các Thầy Cô trong Bộ môn Toán ứng dụng,
Khoa Khoa học ứng dụng, Trường Đại học Bách Khoa - Đại học quốc gia thành
phố Hồ Chí Minh, những người đã truyền thụ kiến thức giúp tôi có một nền tảng
tri thức khoa học để thực hiện luận văn và hoàn tất khóa học.
Tôi xin chân thành cảm ơn tất cả những người bạn ở lớp Cao Học Toán Ứng
Dụng khóa 2018, đã có rất nhiều hổ trợ, giúp đỡ tôi trong quá trình học tập và
thực hiện luận văn.
Tôi cũng xin chân thành cảm ơn tất cả những người thân trong gia đình tôi, đã
luôn đồng hành, động viên, chia sẽ khó khăn và tạo những điều kiện tốt nhất cho
tôi trong học tập và làm việc.
Sau cùng, tôi xin trân trọng tiếp nhận tất cả những đánh giá và góp ý quý báu
của quý Thầy Cô, các bạn bè và đồng nghiệp cũng như tất cả những ai có quan
tâm đến luận văn này, giúp tôi có được cơ hội bổ sung kiến thức để hoàn thiện
những hạn chế và thiếu sót khó tránh khỏi trong quá trình thực hiện luận văn.
TP Hồ Chí Minh, ngày 1/12/2021
Người thực hiện luận văn
Nguyễn Minh Duy
i
TÓM TẮT LUẬN VĂN
Trong khuôn khổ của Luận văn, tác giả đã trình bày về mô hình phương sai có
điều kiện của sai số thay đổi tự hồi quy (ARCH) và một số mô hình mở rộng của
nó (G ARCH,G ARCH-M,TG ARCH). Sau đó, các mô hình này được áp dụng vào
việc định giá quyền chọn của cổ phiếu IBM.
ii
ABSTRACT
Within the framework of the thesis, the author presented the conditional variance model of autoregressive variation error (ARCH) and some of its extended
models (G ARCH, G ARCH-M, TG) ARCH). These models were then applied to
the option pricing of IBM stock.
iii
LỜI CAM ĐOAN
Tôi tên: Nguyễn Minh Duy, MSHV: 1870179, là học viên cao học chuyên ngành
Toán Ứng dụng khóa 2018 - 2020 của trường Đại học Bách Khoa Tp.Hồ Chí Minh.
Xin cam đoan toàn bộ những gì trình bày trong luận văn này là do chính tôi
thực hiện dưới sự hướng dẫn trực tiếp của TS. Nguyễn Tiến Dũng khoa Khoa Học
Ứng Dụng trường Đại Học Bách Khoa - Đại học Quốc gia Tp. Hồ Chí Minh.
Trong toàn bộ luận văn, hầu hết các kết quả nghiên cứu từ các công trình khoa
học của các tác giả khác, khi tôi thu thập, chọn lọc để trình bày, trích dẫn hoặc
tham khảo, tôi đều có ghi rõ địa chỉ để người đọc tham chiếu.
Tôi xin cam đoan về những gì đã nêu trên đây là sự thật và xin chịu toàn bộ
trách nhiệm về những gian dối về tác quyền nếu có trong luận văn này.
TP Hồ Chí Minh, ngày 1/12/2021
Người thực hiện luận văn
Nguyễn Minh Duy
iv
Mục lục
Nhiệm vụ luận văn thạc sĩ
i
Lời cảm ơn
i
TÓM TẮT LUẬN VĂN
iii
Lời cam đoan
iv
Danh mục ký hiệu
viii
Danh mục chữ viết tắt
ix
Lời giới thiệu
1
Chương 1. Kiến thức chuẩn bị
1.1 Không gian xác suất và martingle, . . . . . . . . . . . . . .
1.1.1 Kỳ vọng có điều kiện . . . . . . . . . . . . . . . . .
1.1.2 Martingale . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3 Hiệu martingale . . . . . . . . . . . . . . . . . . . .
1.1.4 Khai triển Doob . . . . . . . . . . . . . . . . . . . .
1.1.5 Luật mạnh số lớn martingale bình phương khả tích
1.2 Chuỗi thời gian . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Quá trình dừng . . . . . . . . . . . . . . . . . . . . .
1.2.2 Quá trình trung bình trượt . . . . . . . . . . . . . .
1.2.3 Các tính chất của hàm tự hiệp phương sai . . . . .
1.2.4 Toán tử trễ . . . . . . . . . . . . . . . . . . . . . . .
1.3 Phương trình sai phân, . . . . . . . . . . . . . . . . . . . .
1.3.1 Sai phân . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Phương trình vi phân . . . . . . . . . . . . . . . . .
1.3.3 Phương trình sai phân tuyến tính cấp 1 . . . . . . .
1.3.4 Phương trình sai phân cấp p . . . . . . . . . . . . .
1.3.5 Mô hình ARMA . . . . . . . . . . . . . . . . . . . .
Chương 2. Ước lượng mô hình ARMA
2.1 Ước lượng Yule-Walker . . . . . . . . . . . . . . . . .
2.2 Ước lượng bình phương cực tiểu cho mô hình AR(p)
2.3 Ước lượng mô hình ARMA(p, q) . . . . . . . . . . . .
2.4 Ước lượng cấp p và q . . . . . . . . . . . . . . . . . . .
2.5 Mô hình hóa một quá trình ngẫu nhiên, . . . . . . .
2.6 Ví dụ: Lập một mô hình GDP thực . . . . . . . . . .
v
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
2
3
4
4
5
6
6
7
8
9
9
9
10
10
11
13
.
.
.
.
.
.
15
15
18
21
24
26
27
Chương 3. Các mô hình biến động
3.1 Giới thiệu . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Tính chất dự báo của các mô hình AR(1) . .
3.1.2 Mô hình ARCH(1), . . . . . . . . . . . . . . .
3.1.3 Các mô hình biến động tổng quát, . . . . . .
3.1.4 Mô hình GARCH(1,1) . . . . . . . . . . . . .
3.2 Kiểm tra hiệp phương sai không đồng nhất . . . . .
3.2.1 Tự tương quan của phần dư bậc hai . . . . .
3.2.2 Phép kiểm định thừa số Lagrange của Engle
3.3 Ước lượng mô hình GARCH(p, q) . . . . . . . . . . .
3.3.1 Ước lượng hợp lý cực đại . . . . . . . . . . .
3.3.2 Phương pháp ước lượng mômen . . . . . . .
3.4 Ví dụ: Chỉ số thị trường Thụy Sĩ (SMI) . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
32
32
32
33
38
40
45
45
46
47
47
48
49
Kết luận
54
Tài liệu tham khảo
56
vi
DANH MỤC KÝ HIỆU
Ký hiệu
→d
→p
corr(X, Y )
γX , γ
ρX , ρ
ACF
αX , α
P ACF
∼
Sgn
det
|| · ||
vec(A)
L
Φ(L)
Θ(L)
Ψ(L)
∆
p
q
ARM A(p, q)
ARIM A
d
Z
R
C
Rn
i
cov(X, Y )
E
V
Ý nghĩa
Hội tụ theo phân phối
Hội tụ theo xác suất
Hệ số tương quan giữa các biến X và Y
Hàm hiệp phương sai của quá trình {Xt }, Hàm hiệp phương sai
Hàm tương quan của quá trình {Xt }, Hàm tương quan
Hàm tự tương quan
Hàm tự tương quan riêng của quá trình {Xt }
Chức năng tự tương quan riêng
Có phân phối
Hàm dấu
Định thức của ma trận
Chuẩn ma trận
Xếp các cột A thành véctơ
Toán tử trễ Lag
Đa thức tự hồi quy
Đa thức trung bình trượt
Biểu diễn nhân quả
Toán tử sai phân, ∆ = 1 - L
Bậc của đa thức hồi quy
Bậc của đa thức trung bình trượt
Quá trình tự hồi quy trung bình trượt bậc (p, q)
Quá trình tự hồi quy tích hợp trung bình trượt bậc (p, d, q)
Bậc tích hợp
Tập hợp số nguyên
Tập hợp số thực
Tập hợp số phức
Tập hợp các véctơ thực n chiều
đơn vị ảo
Hiệp phương sai của X và Y
Kỳ vọng
Phương sai
vii
Ký hiệu
PT XT +h
eT XT +h
P
P
{Xt }
N(0, σ 2 )
P
N(0, )
IID(0, σ 2 )
IID N(0, σ 2 )
Xt
xt
f (λ)
F (λ)
V aR
Ý nghĩa
Giá trị dự báo theo phương pháp bình phương cực tiểu XT +h theo
dữ liệu từ thời điểm 1 tới thời điểm T
Giá trị dự báo theo phương pháp bình phương cực tiểu XT +h theo
dữ liệu quá khứ tới thời điểm T
Xác suất
Quá trình ngẫu nhiên
Quá trình nhiễu trắng với kỳ vọng bằng 0 và phương sai bằng σ 2
Quá trình nhiễu trắng đa biến với giá trị trung bình bằng 0 và ma
P
trận hiệp phương sai bằng
Các biến ngẫu nhiên độc lập và cùng phân phối với kỳ vọng bằng
0 và phương sai bằng σ 2
Các biến ngẫu nhiên độc lập và cùng phân phối chuẩn với kỳ vọng
bằng 0 và phương sai bằng σ 2
Biến ngẫu nhiên phụ thuộc thời gian
Giá trị qua sát của biến ngẫu nhiên
Hàm mật độ
Hàm phân phối
Giá trị rủi ro
viii
DANH MỤC CHỮ VIẾT TẮT
Từ viết tắt
ACF
AR
AIC
Tiếng anh
Autocorrelation function
Autoregressive model
autoregressive moving average
Models
Autoregressive Integrated Moving Average Models
AutoRegressive
Conditional
Heteroskedasticity
Akaike information criterion
BIC
Bayesian information criterion
CPI
GDP
MA
Consumer price index
Exponential
Autoregressive
conditional eteroskedasticity
Autoregressive conditional heteroskedasticity
Gross domestic product
moving average
MSE
Mean Squared Error
ARMA
ARIMA
ARCH
EGARCH
GARCH
MLE
PACF
PACF
RMSE
SACF
TGARCH
IID
Tiếng việt
Hàm tự tương quan
Mô hình tự hồi quy
Mô hình tự hồi quy và trung
bình di động
Mô hình tự hồi quy kết hợp
trung bình trượt
Mô hình ARCH
Tiêu chuẩn thông tin Akaike
Tiêu chí thông tin Bayesian
Chỉ số giá tiêu dùng
Mô hình GARCH dạng mũ
Mô hình ARCH tổng quát
Tổng sản phẩm quốc nội
Quá trình trung bình trượt
Sai số dự báo bình phương
trung bình
Maximum Likelihood EstimaƯớc lượng hợp lí cực đại
tion
Hàm tự tương quan riêng
Partial autocorrelation function
phần
Hàm tự tương quan riêng
Partial autocorrelation function
phần
Root-mean-square error
Lỗi trung bình bình phương
Sample autocorrelation function Hàm tự tương quan mẫu
Threshold Autoregressive con- Mô hình GARCH đồng tích
ditional eteroskedasticity
hợp
Independent Identically DisĐộc lập cùng phân phối
tributed
ix
Toán ứng dụng
Luận văn Thạc sĩ
LỜI GIỚI THIỆU
Chúng ta đang sống trong một thế giới số, tất cả dữ liệu đều được đẩy lên mạng
theo nhiều cách thức khác nhau và đường truyền dữ liệu càng ngày ngày càng được
cải thiện từ đó giúp thu thập và phân tích dự báo tài sản tài chính như: cổ phiếu,
trái phiếu, tỷ giá được thuận lợi hơn rất nhiều, cùng với sự phát triển mạng mẽ
và vượt bậc của thị trường chứng khoán Việt Nam tạo nên sự quan tâm của nhiều
thành phần trong xã hội như các chuyên gia, nhà đầu tư, nhà khoa học. Việc phân
tích và dự báo kinh tế là công việc hết sức quan trọng trong công tác lập kế hoạch
hoạch định chính sách điều hành vĩ mô nền kinh tế cũng như trong lập kế hoạch
kinh doanh. Có rất nhiều mô hình toán học mô tả các hoạt động tài chính như các
mô hình dự báo (mô hình hồi quy, mô hình chuỗi thời gian), các mô hình động học
(phương trình vi phân, phương trình đạo hàm riêng), các mô hình dữ liệu lớn...
Trong luận văn này, tôi mong muốn tìm hiểu sâu hơn một số mô hình chuỗi thời
gian và một số ứng dụng. Đây là một mô hình thường được dùng rất nhiều trong
tài chính. Cụ thể, luận văn bao gồm 3 chương:
• Chương 1: Bao gồm những khái niệm cơ bản như không gian xác suất và
Martingle chuổi thời gian, phương trình sai phân, làm cơ sở cho các chương
sau.
• Chương 2: Trình bày ước lượng mô hình ARMA và ví dụ về mô hình GDP
thực.
• Chương 3: Trình bày các mô hình biến động, bao gồm các mô hình ARCH(1),
mô hình GARCH(1,1), ước lượng mô hình GARCH(p,q) và ví dụ về chỉ số
thị trường Thụy Sĩ(SMI).
Nguyễn Minh Duy
1
Toán ứng dụng
Luận văn Thạc sĩ
Chương 1
Kiến thức chuẩn bị
Những kiến thức cơ bản được trình bày trong chương này gồm: chuỗi thời gian
và toán tử trễ, phương trình sai phân, kỳ vọng có điều kiện và martingle sẽ được
sử dụng vào các chương sau khi nghiên cứu về các mô hình chuỗi thời gian MA,
ARMA, ARIMA, GARCH. . .
1.1
Không gian xác suất và martingle,
Định nghĩa 1.1.1. Quá trình ngẫu nhiên (xem [12]) Xt là một họ các biến ngẫu
nhiên với t ∈ T và được xác định trên một số không gian xác suất cho trước.
Ở đây, T là một tập chỉ mục có thứ tự và thường được dùng để mô tả thời gian.
Một số ví dụ của tập T là T = {1, 2, . . . } hay T = {. . . , −2, −1, 0, 1, 2, . . . } = N cho
trường hợp rời rạc và T = [0, ∞) hay T = (−∞, ∞) cho trường hợp thời gian liên
tục.
Với mỗi t, đại lượng Xt được gọi là quỹ đạo của quá trình ngẫu nhiên.
1.1.1
Kỳ vọng có điều kiện
Khái niệm 1.1.1. Giả sử (Ω, F, P ) là không gian xác suất. Cho ζ ⊂ F là một
σ−trường và X là một biến ngẫu nhiên khả tích. Kỳ vọng có điều kiện của X theo
σ−trường ζ là một biến ngẫu nhiên, ký hiệu là E(X|ζ), thỏa
a. E(X|ζ) là ζ đo được
b.
R
E(X|ζ)dP =
A
R
A
XdP với mọi A ∈ ζ .
Ta định nghĩa E(X|Y ) là kỳ vọng có điều kiện của X theo σ−trường σ(Y ).
Nguyễn Minh Duy
2
Toán ứng dụng
Luận văn Thạc sĩ
Ta có các tính chất sau của kỳ vọng có điều kiện.
Mệnh đề 1.1.1.
a) Nếu c là hằng số thì E(c|ζ) = c.
b) E(aX + bY |ζ) = aE(X|ζ) + bE(Y |ζ).
c) Nếu ζ là σ−trường tầm thường {φ, Ω} thì E(X|ζ) = X .
d) E(E(X|ζ)) = EX .
e) Nếu X độc lập với ζ tức là σ(X) độc lập với ζ thì E(X|ζ) = EX .
f) Nếu Y là ζ−đo được, E|Y | < ∞, E|XY | < ∞ thì E(XY |ζ) = Y E(X|ζ).
g) Nếu ζ1 ⊂ ζ2 thì E(E(X|ζ2 )|ζ1 ) = E(E(X|ζ1 )|ζ2 ) = E(X|ζ1 ).
h) Nếu X ≤ Y (h.c.c) thì E(X|ζ) ≤ E(Y |ζ).
i) |E(X|ζ)| ≤ E(|X||ζ).
j) Bất đẳng thức Jensen: Giả sử φ : R → R lồi và khả tích. Khi đó φ(E(X|ζ)) ≤
E(φ(X)|ζ).
k) Hội tụ đơn điệu Beppo - Levy: Nếu Xn ≥ 0, Xn ↑ X và E|X| < ∞ thì E(Xn |ζ) ↑
E(X|ζ).
l) Bổ đề Fatou: Nếu Xn ≥ 0 thì E(limn→∞ Xn |ζ) ≤ limn→∞ E(Xn |ζ).
m) Định lý hội tụ bị chặn Lebesgue: Giả sử Y là biến ngẫu nhiên khả tích và
|Xn | ≤ Y (h.c.c). Nếu limn→∞ Xn = X thì limn→∞ E(Xn |ζ) = E(X|ζ).
1.1.2
Martingale
Các khái niệm và định lý dưới đây được hiểu là martingale với thời gian rời rạc
(xem [12]).
Định nghĩa 1.1.2. Cho X = (Xt )t≥0 là một quá trình ngẫu nhiên thoả E|Xt | < ∞
với mọi t. Ta gọi
Nguyễn Minh Duy
3
Toán ứng dụng
Luận văn Thạc sĩ
a. Xt là supermartingale nếu E(Xt |Fs ) ≤ Xs với mọi 0 ≤ s ≤ t
b. Xt là submartingale E(Xt |Fs ) ≥ Xs với mọi 0 ≤ s ≤ t
c. Xt là martingale nếu Xt là supermartingale và submartingale; tức là E(Xt |Fs ) =
Xs . Thông thường, ta dùng bộ lọc tự nhiên Ft = σ(Xs )s≤t .
Theo lý thuyết trò chơi, nếu xem Xt là số vốn ở thời điểm t, Ft = σ(Xs )s≤t là
thông tin tích lũy đến thời điểm t thì trò chơi gây thiệt hại nếu nó là supermartingale, trò chơi có lợi nếu nó là submartingale và công bằng nếu nó là martingale.
Các kết quả chính của martingale là các bất đẳng thức và các định lý hội tụ, nhất
là các định lý của Doob.
1.1.3
Hiệu martingale
Cho Ft là một bộ lọc và (Yt ) được gọi là là hiệu martingale nếu E|Yt | < ∞ và
E(Yt+1 |Ft ) = 0
Nhận xét 1.1.1.
• Nếu Xt là martingale thì Yt là hiệu martingale với Y0 = X0 và Yt = ∆Xt =
Xt − Xt−1 . Thật vậy
E(Yt+1 |Ft ) = E(Xt+1 − Xt |Ft ) = E(Xt+1 |Ft ) − Xt = 0.
• Ngược lại, nếu Yt là hiệu martingale thì ta có thể xây dựng martingale Xt như
sau: X0 = Y0 , Xt =
Pt
k=1 Yk
Dễ thấy Xt là Ft -đo được và E|Xt | < ∞. Hơn nữa
E(Xt+1 |Ft ) = E(Yt+1 + Xt |Ft ) = E(Yt+1 |Ft ) + Xt = Xt .
1.1.4
Khai triển Doob
Định lý 1.1.1. Giả sử Xt là submartingale. Khi đó tồn tại martingale Mt và dãy
tăng dự báo được At , nghĩa là 0 = A0 ≤ A1 ≤ · · · ≤ At ≤ . . . , sao cho:
Xt = Mt + At
(1.1)
Khai triển này, còn được gọi là khai triển Doob, là duy nhất.
Nguyễn Minh Duy
4
Toán ứng dụng
Luận văn Thạc sĩ
Trong định lý này, dãy (At ), (Mt ) được xác định bởi
A0 = 0,
At =
t−1
X
(1.2)
[E(Xj+1 |Fj ) − Xj ],
j=0
và
M0 = X0 ,
Mt = X0 +
t−1
X
(1.3)
[Xj+1 − E(Xj+1 |Fj )].
j=0
Bây giờ, ta sẽ đề cập đến martingale bình phương khả tích. Giả sử Mt là martingale bình phương khả tích tức là Mt là một martingale và E|Mt |2 < ∞. Vì Mt là
martingale nên bất đẳng thức Jensen với hàm lồi g(x) = x2 suy ra quá trình Mt2 là
submartingale. Theo khai triển Doob ta có
Mt2 = mt + M̃t
(1.4)
trong đó, mt là martingale và M̃t là dãy tăng dự báo được. Ta gọi M̃t là đặc trưng
bình phương của martingale M và
M̃t =
t−1
X
2
|Fj ) − Mj2 ]
[E(Mj+1
j=0
=
t−1
X
[(∆Mj )2 |Fj−1 )]∆Mj = Mj − Mj−1 .
j=1
Đặc biệt, nếu M0 = 0 thì E(Mk2 ) = E(M̃k ).
Nhận xét 1.1.2. Giả sử (Yt ) là các biến ngẫu nhiên độc lập sao cho E(Yt ) =
Pt
Pt
0, E(Yt2 ) < ∞. Đặt M0 = 0; Mt = k=1 Yk . Khi đó M̃t = E(Mt2 ) = k=1 E|Yk |2 .
1.1.5
Luật mạnh số lớn martingale bình phương khả tích
Định lý 1.1.2. .
a. Giả sử Mt là martingale bình phương khả tích và At là dãy tăng dự báo được
P E[(∆Mi )2 |Fi−1 ]
sao cho A1 ≥ 1, A∞ = ∞. Nếu ∞
< ∞ thì
i=1
A2
i
Mt
= ∞.
t→∞ At
lim
(1.5)
b. Giả sử Mt là martingale bình phương khả tích và M̃∞ = ∞(h.c.c). Khi đó,
Mt
= 0.
t→∞ M̃t
lim
Nguyễn Minh Duy
(1.6)
5
Toán ứng dụng
1.2
Luận văn Thạc sĩ
Chuỗi thời gian
Chuỗi thời gian (xem [20]) là một chuỗi số liệu được thu thập trong một thời kì
hoặc một khoảng thời gian lặp lại như nhau trên cùng một đối tượng, một không
gian, hoặc một địa điểm. Với số liệu chuỗi thời gian, ta thường sử dụng chỉ số t để
chỉ thứ tự của các quan sát. Chuỗi thời gian có thể được thu thập theo đơn vị thời
gian là năm, tháng, ngày, hay chi tiết hơn như giờ, phút . . . .
1.2.1
Quá trình dừng
Định nghĩa 1.2.1. Gọi {Xt } là một quá trình ngẫu nhiên với V (Xt ) < ∞ với mọi
t ∈ Z. Khi đó, hàm tự hiệp phương sai γX (t, s) của {Xt } được định nghĩa bởi hiệp
phương sai của Xt và Xs . Ta có: γX (t, s) = cov(Xt , Xs ) = E [(Xt − EXt )(Xs − EXs )] =
EXt Xs − EXt EXs .
Định nghĩa 1.2.2. Quá trình ngẫu nhiên {Xt } được gọi là dừng khi và chỉ khi với
mọi số nguyên r, s và t, ta có
a. E(Xt ) = µ là hằng số,
b. V (Xt ) < ∞,
c. γX (t, s) = γX (t + r, s + r).
Nhận xét 1.2.1. Các quá trình thoả các tính chất này đôi khi còn được gọi là các
quá trình dừng yếu, dừng theo nghĩa rộng, dừng hiệp phương sai hoặc dừng bậc hai.
Nhận xét 1.2.2. Nếu t = s thì γX (t, s) = γX (t, t) = V (Xt ). Do đó, nếu {Xt } là quá
trình dừng thì γX (t, t) = V (Xt ) là hằng số.
Nhận xét 1.2.3. Nếu {Xt } dừng thì, bằng cách đặt r = −s, hàm tự hiệp phương
sai thoả: γX (t, s) = γX (t − s, 0); nghĩa là, γX (t, s) chỉ phụ thuộc vào t − s. Do đó, với
quá trình dừng, ta có thể xem hàm tự hiệp phương sai là hàm một biến h = t − s.
Vì γX (t, s) = γX (s, t) nên γX (h) = γX (−h) với mọi h ∈ Z. Ngoài ra, ta cũng có định
nghĩa của hàm tự tương quan như sau: ρX (h) =
Nguyễn Minh Duy
γX (h)
,
γX (0)
với mọi ∈ Z.
6
Toán ứng dụng
Luận văn Thạc sĩ
Định nghĩa 1.2.3. Quá trình ngẫu nhiên {Xt } được gọi là dừng ngặt nếu phân
phối đồng thời của (Xt1 , . . . , Xtn ) và (Xt1 +h , . . . , Xtn +h ) là bằng nhau với mọi h ∈ Z
và (t1 , . . . , tn ) ∈ T n , n = 1, 2, . . . .
Ta cũng có một định nghĩa khác tương đương của quá trình dừng ngặt như sau.
Định nghĩa 1.2.4. Quá trình ngẫu nhiên {Xt } được gọi là dừng ngặt nếu với mọi
số nguyên h và n ≥ 1, (X1 , . . . , Xn ) và (X1+h , . . . , Xn+h ) có cùng phân phối.
Nhận xét 1.2.4. Nếu {Xt } là dừng ngặt thì Xt có cùng phân phối với mọi t (chọn
n = 1). Hơn nữa, Xt+h và Xt có phân phối đồng thời không phụ thuộc vào t; nghĩa
là, hiệp phương sai (nếu tồn tại) chỉ phụ thuộc vào h. Do đó, mọi quá trình dừng
ngặt thoả V (Xt ) < ∞ cũng là quá trình dừng. Tuy nhiên, điều ngược lại không
đúng. Ta xét ví dụ sau:
Exp(1),
Xt ∼
N (1, 1),
với t lẻ,
với t chẵn.
Ở đây, Exp(1) là phân phối mũ với kỳ vọng bằng 1, N (1, 1) là phân phối chuẩn với
kỳ vọng bằng 1, phương sai bằng 1, và (Xt )t là các biến ngẫu nhiên độc lập. Ta có
• E(Xt ) = 1,
• γX (0) = 1 và γX (h) = 0 với h 6= 0.
Do đó, {Xt } dừng, nhưng không dừng ngặt vì phân phối của Xt thay đổi tùy
theo t là chẵn hay lẻ.
Nhận xét 1.2.5. Quá trình ngẫu nhiên {Xt } được gọi là quá trình Gauss nếu
mọi phân phối hữu hạn chiều (Xt1 , . . . , Xtn ) với (t1 , . . . , tn ) ∈ T n , n = 1, 2, . . . , đều là
phân phối chuẩn nhiều chiều.
Nhận xét 1.2.6. Dễ thấy quá trình Gauss là dừng ngặt. Hơn nữa, với mọi n, h, t1 , . . . , tn ,
(Xt1 , . . . , Xtn ) và (Xt1 +h , . . . , Xtn +h ) có cùng kỳ vọng và ma trận hiệp phương sai.
1.2.2
Quá trình trung bình trượt
Quá trình trung bình trượt bậc 1, ký hiệu là MA(1), được định nghĩa bởi
Xt = Zt + θZt−1
Nguyễn Minh Duy
7
Toán ứng dụng
Luận văn Thạc sĩ
với Zt ∼ N (0, σ 2 ). Dễ thấy E(Xt ) = E(Zt ) + θE(Zt−1 ) = 0 và
γX (t + h, t) = cov (Xt+h , Xt )
= cov (Zt+h + θZt+h−1 , Zt + θZt−1 )
= E(Zt+h Zt ) + θE(Zt+h Zt−1 ) + θE(Zt+h−1 Zt ) + θ2 E(Zt+h−1 Zi−1 )
Vì E(Zs2 ) = σ 2 và E(Zt Zt+h ) = 0 với mọi h 6= 0 nên
1 + θ2 σ 2 h = 0
γX (h) =
θσ
0
h = ±1 .
2
khác
Do đó, {Xt } là một quá trình dừng với hàm tự tương quan
1
h=0
ρX (h) =
θ
1+θ2
0
1.2.3
h = ±1 .
khác
Các tính chất của hàm tự hiệp phương sai
Định lý 1.2.1. Hàm tự hiệp phương sai của quá trình dừng {Xt } được đặc trưng
bởi các tính chất sau:
a. γX (0) ≥ 0,
b. 0 ≤ |γX (h)| ≤ γX (0),
c. γX (h) = γX (−h),
d.
Pn
i,j=1 ai γX (ti
− tj )aj ≥ 0 với mọi n và với mọi véctơ (a1 , . . . , an )0 và (t1 , . . . , tn ).
Định lý 1.2.2. Hàm tự tương quan của một quá trình ngẫu nhiên dừng {Xt } được
đặc trưng bởi các tính chất sau:
a. ρX (0) = 1,
b. 0 ≤ |ρX (h)| ≤ 1,
c. ρX (h) = ρX (−h),
d.
Pn
i,j=1 ai ρX (ti
− tj )aj ≥ 0 với mọi n và các vectơ (a1 , . . . , an )0 và (t1 , . . . , tn ).
Nguyễn Minh Duy
8
- Xem thêm -