Tài liệu Phân tích dự báo giá và rủi ro thị trường cổ phiếu niêm yết việt nam

  • Số trang: 126 |
  • Loại file: PDF |
  • Lượt xem: 194 |
  • Lượt tải: 0
sakura

Đã đăng 11429 tài liệu

Mô tả:

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH LÊ TUẤN BÁCH PHAÂN TÍCH DÖÏ BAÙO GIAÙ & RUÛI RO THÒ TRÖÔØNG COÅ PHIEÁU NIEÂM YEÁT VIEÄT NAM CHUYÊN NGÀNH: KINH TẾ TÀI CHÍNH - NGÂN HÀNG Mà SỐ: 603112 LUAÄN VAÊN THAÏC SÓ NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS PHAN THỊ BÍCH NGUYỆT Thành phố Hồ Chí Minh - năm 2010 LỜI CAM ĐOAN Y@Z Tôi xin cam đoan rằng đây là công trình nghiên cứu của tôi, có sự hỗ trợ từ Cô hướng dẫn là PGS. TS Phan Thị Bích Nguyệt. Các nội dung nghiên cứu và kết quả trong đề tài này là trung thực và chưa từng được ai công bố trong bất cứ công trình nào. Những số liệu trong các bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá được chính tác giả thu thập từ các nguồn khác nhau có ghi trong phần tài liệu tham khảo. Ngoài ra, trong luận văn còn sử dụng một số nhận xét, đánh giá cũng như số liệu của các tác giả khác, cơ quan tổ chức khác, và đều có chú thích nguồn gốc sau mỗi trích dẫn để dễ tra cứu, kiểm chứng. Nếu phát hiện có bất kỳ sự gian lận nào tôi xin hoàn toàn chịu trách nhiệm trước Hội đồng, cũng như kết quả luận văn của mình. TP.HCM, ngày tháng năm 2010 Tác giả Lê Tuấn Bách LỜI CẢM ƠN Y@Z Trước tiên, tôi xin chân thành cảm ơn Cô Phan Thị Bích Nguyệt đã tận tình chỉ bảo, góp ý và động viên tôi trong suốt quá trình thực hiện luận văn tốt nghiệp này. Nhân đây, tôi cũng xin gửi lời cảm ơn đến Quý Thầy Cô, những người đã tận tình truyền đạt kiến thức cho tôi trong thời gian học cao học vừa qua. Những lời cảm ơn sau cùng con xin cảm ơn cha mẹ, cảm ơn anh em và bạn bè đã hết lòng quan tâm và tạo điều kiện tốt nhất để tôi hoàn thành được luận văn tốt nghiệp này. Lê Tuấn Bách MỤC LỤC TÓM LƯỢC Y@Z DANH MỤC CÁC BẢNG BIỂU  U DANH MỤC CÁC ĐỒ THỊ  DANH MỤC KÝ HIỆU VIẾT TẮT  PHẦN MỞ ĐẦU .......................................................................................... 1  U CHƯƠNG 1 ................................................................................................ 4  TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG VÀ MÔ HÌNH ARIMA, ARCH/GARCH ........................................................................................... 4  KẾT LUẬN CHƯƠNG 1 ............................................................................ 19  CHƯƠNG 2 ................................................................................................ 21  TỔNG QUAN THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM & TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH ........................................................................................... 21  KẾT LUẬN CHƯƠNG 2 ............................................................................ 37  CHƯƠNG 3 ................................................................................................ 39  PHÂN TÍCH DỰ BÁO GIÁ VÀ RỦI RO THÔNG QUA MÔ HÌNH ARIMA, ARCH/GARCH CHO THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT TẠI VIỆT NAM.................................................................................. 39  KẾT LUẬN CHƯƠNG 3 ............................................................................ 53  KẾT LUẬN ................................................................................................ 57  MỤC LỤC CHI TIẾT Y@Z DANH MỤC CÁC BẢNG BIỂU U DANH MỤC CÁC ĐỒ THỊ DANH MỤC KÝ HIỆU VIẾT TẮT PHẦN MỞ ĐẦU U 1. 2. 3. 4. 5. 6. SỰ CẦN THIẾT CỦA ĐỀ TÀI ........................................................................1 MỤC TIÊU NGHIÊN CỨU ..............................................................................1 ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU ........................................................1 PHƯƠNG PHÁP NGHIÊN CỨU .....................................................................2 NHỮNG ĐIỂM MỚI CỦA ĐỀ TÀI .................................................................2 KẾT CẤU ĐỀ TÀI ............................................................................................2 CHƯƠNG 1 U U U ................................................................................................................. 4 TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG VÀ MÔ HÌNH ARIMA, ARCH/GARCH ............................................................................................................... 4 1.1 KHÁI NIỆM CHỈ SỐ GIÁ, TỶ SUẤT SINH LỢI, RỦI RO THỊ TRƯỜNG ...5 1.1.1 Chỉ số giá ......................................................................................................5 1.1.2 Suất sinh lời của thị trường ..........................................................................5 1.1.3 Rủi ro của thị trường cổ phiếu ......................................................................5 1.2 TÍNH DỪNG CỦA CHUỖI THỜI GIAN ........................................................6 1.2.1 Chuỗi thời gian dừng ....................................................................................6 1.2.2 Một số quá trình ngẫu nhiên đơn giản (phụ lục 1.1) ....................................8 1.2.3 Kiểm định tính dừng ......................................................................................8 1.2.3.1Dựa trên lược đồ tương quan (Correlogram) ............................................8 1.2.3.2Kiểm định nghiệm đơn vị (Unit Root Test) ..............................................9 1.3 MÔ HÌNH ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) ...10 1.3.1 Quá trình tự hồi quy (Autoregressive Process – AR) .................................10 1.3.2 Quá trình trung bình trượt (Moving Average – MA) ..................................11 1.3.3 Quá trình tự hồi quy và trung bình trượt (ARMA) ......................................12 1.3.4 Quá trình trung bình trượt kết hợp tự hồi quy (ARIMA) ............................12 1.3.5 Quy trình lựa chọn mô hình ARIMA(p,d,q) ................................................13 1.4 MÔ HÌNH ARCH/GARCH ............................................................................14 1.4.1 Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) .............14 1.4.2 Mô hình GARCH .........................................................................................14 1.4.3 Mô hình GARCH-M ....................................................................................15 1.4.4 Mô hình TGARCH .......................................................................................16 1.5 KINH NGHIỆM SỬ DỤNG MÔ HÌNH ARIMA, ARCH/GARCH TRÊN THẾ GIỚI TRONG LĨNH VỰC CHỨNG KHOÁN .................................................17 1.5.1 Ứng dụng mô hình ARIMA..........................................................................17 1.5.2 Ứng dụng mô hình ARCH/GARCH .............................................................18 KẾT LUẬN CHƯƠNG 1 ................................................................................................ 19 CHƯƠNG 2 ................................................................................................................. 21 TỔNG QUAN THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM & TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH ...................... 21 2.1 TỔNG QUAN VỀ THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM .......21 2.1.1.1 Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (Hsx) ...................22 2.1.1.2 Sở Giao dịch Chứng khoán Hà Nội (Hnx) ..............................................23 2.2 TÌNH HÌNH THỰC TẾ ỨNG DỤNG MÔ HÌNH ARIMA, ARCH/GARCH 34 KẾT LUẬN CHƯƠNG 2 ................................................................................................ 37 CHƯƠNG 3 ................................................................................................................. 39 PHÂN TÍCH DỰ BÁO GIÁ VÀ RỦI RO THÔNG QUA MÔ HÌNH ARIMA, ARCH/GARCH CHO THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT TẠI VIỆT NAM... 39 3.1 KHÁI QUÁT DIỄN BIẾN CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM GIAI ĐOẠN HIỆN NAY .......................................................................39 3.2 ỨNG DỤNG MÔ HÌNH ARIMA DỰ BÁO CHỈ SỐ VN-INDEX, HAINDEX .......................................................................................................................40 3.2.1 Ứng dụng mô hình ARIMA dự báo cho Vn-Index (phụ lục 3.1) ...................40 3.2.2 Ứng dụng mô hình ARIMA dự báo cho Hn-Index (phụ lục 3.2) ...................43 3.3 ỨNG DỤNG MÔ HÌNH ARIMA VÀ ARCH/GARCH PHÂN TÍCH DỰ BÁO RỦI RO .............................................................................................................45 3.3.1 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro cho sàn niêm yết Tp. Hồ Chí Minh ...............................................................................45 3.3.1.1Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Vn-Index (phụ lục 3.3)........................................................................................................45 3.3.1.2Sử dụng mô hình ARCH/GARCH để phân tích dự báo rủi ro của VnIndex 46 3.3.2 Ứng dụng mô hình ARIMA và ARCH/GARCH phân tích dự báo rủi ro cho sàn niêm yết Hà Nội ...............................................................................................48 3.3.2.1Ứng dụng mô hình ARIMA dự báo suất sinh lời cho chỉ số Hn-Index (phụ lục 3.6)........................................................................................................48 3.3.2.2Sử dụng mô hình ARCH/GARCH để dự báo phân tích rủi ro của chỉ số Hn-Index .............................................................................................................49 3.4 MỘT SỐ VẤN ĐỀ LƯU Ý VÀ CÁC HƯỚNG MỞ RỘNG ỨNG DỤNG MÔ HÌNH ........................................................................................................................50 KẾT LUẬN CHƯƠNG 3 ................................................................................................ 53 KẾT LUẬN ................................................................................................................. 57 DANH MỤC CÁC PHỤ LỤC Y@Z PHỤ LỤC A: NHẬN ĐỊNH XU HƯỚNG CỦA THỊ TRƯỜNG CỔ PHIẾU NIÊM YẾT VIỆT NAM HIỆN NAY PHỤ LỤC A.1: THỐNG KÊ 10 CỔ PHIẾU CÓ SỐ LƯỢNG NIẾM YẾT MỚI NHIỀU NHẤT PHỤ LỤC A.2: BẢNG CÂU HỎI PHỤ LỤC A.3: THỐNG KÊ MÔ TẢ TÂM LÝ CỦA NHÀ ĐẦU TƯ VÀ ĐÁNH GIÁ CỦA HỌ VỀ CÁC RỦI RO ẢNH HƯỞNG ĐẾN XU HƯỚNG THỊ TRƯỜNG SẮP TỚI PHỤ LỤC 1.1: MỘT SỐ QUÁ TRÌNH NGẪU NHIÊN ĐƠN GIẢN PHỤ LỤC 1.2: KIỂM ĐỊNH ẢNH HƯỞNG CỦA ARCH PHỤ LỤC 2.1: TỶ SUẤT SINH LỢI Ở THỊ TRƯỜNG PHÁT TRIỂN PHỤ LỤC 2.2: TỶ SUẤT SINH LỢI Ở THỊ TRƯỜNG MỚI NỔI PHỤ LỤC 3.1: DỰ BÁO CHO VN-INDEX PHỤ LỤC 3.2: DỰ BÁO CHO HN-INDEX PHỤ LỤC 3.3: DỰ BÁO CHO PHỤ LỤC 3.4. DỰ BÁO RỦI RO CHO VN-INDEX PHỤ LỤC 3.5. PHÂN TÍCH RỦI RO VN-INDEX PHỤ LỤC 3.6. DỰ BÁO CHO PHỤ LỤC 3.7. PHÂN TÍCH RỦI RO HN-INDEX DANH MỤC CÁC BẢNG BIỂU Y@Z Bảng 2.1 – Bảng tỷ lệ % mức vốn hóa thị trường so với GDP Bảng 3.1 – So sánh các chỉ tiêu đánh giá mô hình dự báo Vn-Index Bảng 3.2 – So sánh các chỉ tiêu đánh giá mô hình dự báo Hn-Index Bảng 3.3 – So sánh các chỉ tiêu lựa chọn mô hình dự báo DANH MỤC CÁC ĐỒ THỊ Y@Z Đồ thị 1.1 – Giá vàng 01/2004 đến 05/2009 – Chuỗi có xu thế tăng không dừng Đồ thị 1.2 – Suất sinh lợi cổ phiếu SAM giai đoạn từ 28/07/2000 đến 26/03/2009 – Chuỗi dừng Đồ thị 1.3 – Minh họa nhiễu trắng Đồ thị 1.4 – Minh họa bước ngẫu nhiên Đồ thị 1.5 – Minh họa giản đồ tương quan của một chuỗi dừng Đồ thị 1.6 – Minh họa giản đồ tương quan của mô hình ARMA(1,2) Đồ thị 2.1 – Số lượng các công ty niêm yết tại sàn Hsx qua các năm Đồ thị 2.2 – Số lượng các công ty niêm yết tại sàn Hnx qua các năm Đồ thị 2.3 – Tỷ suất sinh lợi (%) các thị trường đã phát triển từ 2000-2009 Đồ thị 2.4 – Tỷ suất sinh lợi (%) các thị trường mới nổi từ 2000-2009 Đồ thị 2.5 – Phân tán của tỷ suất sinh lợi – độ lệch chuẩn các thị trường Đồ thị 2.6 – Diễn biến 10 năm thị trường cổ phiếu niêm yết Việt Nam Đồ thị 3.1 – Diễn biến thị trường giai đoạn từ 11/11/2009 đến 11/11/2010 Đồ thị 3.2 – Giản đồ tương quan của Vn-Index Đồ thị 3.3 – Giản đồ tương quan sai phân bậc một của Vn-Index Đồ thị 3.4 – Giản đồ tương quan của Hn-Index Đồ thị 3.5 – Giản đồ tương quan sai phân bậc một của Hn-Index Đồ thị 3.6 – Giản đồ tương quan của Đồ thị 3.7 – Biểu diễn phần dư của mô hình GARCH(1,1) và GARCH(0,1) Đồ thị 3.8 – Giản đồ tương quan của Đồ thị 3.9 – Biểu diễn phần dư của mô hình GARCH(0,1), GARCH(0,2) và GARCH(1,1) Đồ thị 3.10 – Chỉ số Vn-Index và Vn-Index dự báo Đồ thị 3.11 – Chỉ số Hn-Index và Hn-Index dự báo Đồ thị A.1 – Số lượng công ty niêm niêm yết mới tính tới ngày 08/10/2010 Đồ thị A.2 – Chênh lệch mua bán cổ phiếu của nhà đầu tư nước ngoài Đồ thị A.3 – Tình hình giao dịch của thị trường gần đây Đồ thị A.4 – Lạm phát Việt Nam DANH MỤC KÝ HIỆU VIẾT TẮT Y@Z ♦ UBCKNN : Ủy ban Chứng khoán Nhà nước ♦ HOSE : Sở Giao dịch Chứng khoán TP. Hồ Chí Minh ♦ SGDCK : Sở Giao dịch Chứng khoán ♦ HASTC : Trung tâm Giao dịch Chứng khoán Hà Nội ♦ TTGDCK : Trung tâm Giao dịch Chứng khoán ♦ CP : Cổ phiếu ♦ Tp. : Thành phố ♦ IMF : Quỹ tiền tệ quốc tế ♦ FED : Cục dự trữ liên bang Mỹ ♦ NHNN : Ngân hàng Nhà nướ nướcc PHẦN MỞ ĐẦU Y@Z 1. SỰ CẦN THIẾT CỦA ĐỀ TÀI Thị trường cổ phiếu niêm yết Việt Nam kỷ niệm 10 năm phát triển trong một không khí ảm đạm. Mới hôm nào thị trường cổ phiếu niêm yết Việt Nam là một trong những thị trường có tốc độ tăng trưởng nhất nhì trên thế giới thì lúc này Việt Nam lại nằm trong top danh sách các thị trường sụt giảm mạnh nhất thế giới. Đây là điểm hấp dẫn sinh lời cao của thị trường chứng khoán Việt Nam và cũng đầy thách thức cho bất kì nhà đầu tư nào không chuyên lẫn dày dặn kinh nghiệm. Mọi quy luật, mọi phân tích kỹ thuật và các lý thuyết phân tích đầu tư tiên tiến của thế giới đều có nguy cơ bị phá vỡ hoặc bóp mép trong một môi trường nhiều biến động và thiếu chuyên nghiệp như thị trường chứng khoán Việt Nam. “Thật rủi ro!” hay “không hiểu nổi!” dường như là câu cửa miệng của các nhà đầu tư dành cho thị trường chứng khoán Việt Nam. Các nhà làm chính sách, tổ chức tư vấn và nhà đầu tư luôn cố gắng dự báo rủi ro của thị trường nhưng các nhân tố tác động vào thị trường Việt Nam rất đa dạng và biến đổi khó lường. Vì thế mà các mô hình hồi quy cổ điển thường dùng để phân tích dự báo chuỗi dữ liệu cổ phiếu Việt Nam không thể nhận diện hết được các yếu tố rủi ro và các kết quả dự báo thường sai so với thực tế. Tìm ra một công cụ phân tích dự báo tốt hơn đã và đang là nhu cầu bức thiết cho các nhà làm chính sách và đặc biệt là công chúng đầu tư. Đây chính là cơ sở cho đề tài “Phân tích dự báo giá & rủi ro của thị trường cổ phiếu niêm yết Việt Nam” được thực hiện. 2. MỤC TIÊU NGHIÊN CỨU Mục tiêu nghiên cứu của luận văn là: ƒ Ứng dụng mô hình ARIMA, ARCH/GARCH dự báo phân tích rủi ro của thị trường cổ phiếu niêm yết Việt Nam giai đoạn hiện nay; ƒ Đánh giá ứng dụng của mô hình ARIMA, ARCH/GARCH và các hướng gợi mở để phát triển công cụ phân tích dự báo hiệu quả này vào thực tế. 3. ĐỐI TƯỢNG, PHẠM VI NGHIÊN CỨU Đối tượng nghiên cứu của luận văn là thị trường cổ phiếu niêm yết Việt Nam, đặc biệt giai đoạn từ đầu năm đến nay. 1 Sở dĩ tôi giới hạn giai đoạn nghiên cứu đối với thị trường cổ phiếu niêm yết Việt Nam là nhằm hướng đề tài được cập nhật phản ánh tình hình hiện tại của thị trường từ đó có khả năng ứng dụng cao vào thực tế. 4. PHƯƠNG PHÁP NGHIÊN CỨU Với sự hỗ trợ của phần mềm kỹ thuật Eviews, Mô hình kinh tế lượng ARIMA và ARCH/GARCH được sử dụng để xử lý dữ liệu chỉ số của thị trường cổ phiếu niêm yết, từ đó tìm ra mô hình dự báo phù hợp cho thị trường Việt Nam đồng thời phân tích một số đặc điểm rủi ro của thị trường. 5. NHỮNG ĐIỂM MỚI CỦA ĐỀ TÀI Tuy còn nhiều hạn chế nhưng đề tài cũng có những điểm mới sau: ƒ Mặc dù mô hình ARIMA và ARCH/GARCH đã được ứng dụng và giới thiệu đến cộng đồng nghiên cứu học thuật Việt Nam nhưng rất hiếm đề tài liên quan đến chứng khoán được trình bày một cách hệ thống và cập nhật. Luận văn với mong muốn mô hình dự báo phân tích thị trường cổ phiếu niêm yết Việt Nam tìm được trong giai đoạn hiện nay có thể được dùng như là một công cụ tham khảo tại các công ty tài chính. ƒ Đưa ra một số lưu ý về ứng dụng mô hình ARIMA, ARCH/GARCH và các hướng mở rộng cách ứng dụng mô hình mà trước kia trong các đề tài khác không đề cập. 6. KẾT CẤU ĐỀ TÀI Luận văn được trình bày thành ba phần: ƒ Phần 1: Tổng quan về chuỗi dữ liệu dừng, mô hình ARIMA, ARCH/GARCH Phần này giới thiệu tổng quát về chuỗi dữ liệu dừng và lý thuyết mô hình ARIMA, ARCH/GARCH cũng như kinh nghiệm ứng dụng mô hình ARIMA, ARCH/GARCH trên thế giới. ƒ Phần 2: Tổng quan về thị trường cổ phiếu niêm yết Việt Nam & Tình hình thực tế ứng dụng mô hình ARIMA, ARCH/GARCH Thị trường cổ phiếu niêm yết Việt Nam như thế nào, diễn biến hành vi của thị trường qua 10 năm lịch sử hình thành phát triển thị trường và tình hình ứng dụng 2 mô hình dự báo phân tích rủi ro ARIMA, ARCH/GARCH tại Việt Nam sẽ cho thấy nhu cầu cần thiết có một công cụ phân tích dự báo dựa trên mô tả được hành vi thị trường. Đó là mô hình ARIMA, ARCH/GARCH. ƒ Phần 3: Ứng dụng mô hình ARIMA, ARCH/GARCH phân tích dự báo giá & rủi ro của thị trường cổ phiếu niêm yết Việt Nam. Giống như tựa đề của phần 3, tác giả sẽ lần lượt sử dụng mô hình ARIMA, ARCH/GARCH phân tích dự báo giá & rủi ro cho thị trường cổ phiếu niêm yết Việt Nam giai đoạn hiện nay thông qua hai chỉ số chứng khoán Vn-Index và HnIndex. Cuối cùng là một số vấn đề lưu ý và các hướng mở rộng ứng dụng. 3 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH CHƯƠNG 1 TỔNG QUAN VỀ CHUỖI DỮ LIỆU DỪNG VÀ MÔ HÌNH ARIMA, ARCH/GARCH Y@Z Trước hết, chúng ta ôn lại các khái niệm cơ bản bao gồm chỉ số giá chứng khoán, tỷ suất sinh lời và rủi ro thị trường. Đây là cái yếu tố đầu vào cũng như đối tượng cho mô hình phân tích dự báo sẽ được trình bày ở phần sau. Dữ liệu chỉ số giá, tỷ suất sinh lời và rủi ro thị trường là các chuỗi dữ liệu theo thời gian. Điểm chung của ba chuỗi dữ liệu này là đều thể hiện tâm lý của nhà đầu tư thông qua diễn biến hành vi và hướng đi của dữ liệu. Trong công tác phân tích dự báo có hai trường phái. Thứ nhất, trường phái cổ điển dựa vào các mô hình kinh tế lý thuyết đã được xây dựng nên bởi các học giả, từ đó ta thu thập dữ liệu thực tế xây dựng nên các mô hình theo đúng lý thuyết rồi dự báo theo nó. Thứ hai, trường phái hiện đại tập trung cải tiến công tác dự báo và tin dùng vào mô hình phân tích dự báo chuỗi thời gian. Phân tích chuỗi thời gian sẽ nghiên cứu hành vi, khuôn mẫu trong quá khứ của một biến số và sử dụng thông tin này để dự đoán những thay đổi trong tương lai. Trong bài nghiên cứu này, tôi đi theo hướng của trường phái thứ hai tức là mô phỏng dữ liệu trong quá khứ rồi lấy đó làm cơ sở để dự phóng cho tương lai mà không quan tâm đến việc phân tách các nhân tố tác động đến chuỗi dữ liệu. Tuy nhiên, dù theo trường phái nào thì dữ liệu chuỗi thời gian đầu vào cho mô hình dự báo phải là chuỗi dừng. Chuỗi dừng sẽ cho thấy những kết quả dự báo phản ánh đặc điểm trong quá khứ hay những gì diễn ra ở quá khứ sẽ xảy ra ở hiện tại và tương lai theo đúng như kịch bản quá khứ của nó. Nhưng làm thế nào để xác định được một chuỗi thời gian là dừng? Chúng ta sẽ lần lượt kiểm định chuỗi thời gian bằng phương pháp giản đồ tương quan và phương pháp kiểm định đơn vị. Sau khi xác định được chuỗi thời gian là chuỗi dừng, ta bắt đầu dự báo và phân tích chuỗi thời gian theo tính ngẫu nhiên của nó dựa vào những thông tin của bản thân chuỗi dữ liệu trong quá khứ. Phương pháp ARIMA và mô hình ARCH/GARCH sẽ lần lượt được giới thiệu một cách cơ bản cách thức ứng dụng trong việc phân tích và dự báo một chuỗi thời gian. 4 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH Ngoài ra kinh niệm ứng dụng mô hình ARIMA, ARCH/GARCH trên thế giới cho thấy mô hình đã và đang phát triển ngày càng sâu trong công tác phân tích dự báo chuỗi dữ liệu tài chính, đặc biệt là thị trường chứng khoán. 1.1 KHÁI NIỆM CHỈ SỐ GIÁ, TỶ SUẤT SINH LỢI, RỦI RO THỊ TRƯỜNG 1.1.1 Chỉ số giá Chỉ số giá cổ phiếu là thông tin thể hiện giá chứng khoán bình quân hiện tại so với giá bình quân thời kỳ gốc đã chọn. Việt Nam có hai chỉ số chứng khoán cơ bản là VnIndex và Hn-Index. Cả hai chỉ số giá chứng khoán đều được tính theo phương pháp bình quân gia quyền. Công thức tính như sau: Trong đó: P1i: Giá hiện hành của cổ phiếu i Q1i: Khối lượng đang lưu hành của cổ phiếu i P0i: Giá của cổ phiếu i thời kì gốc Q0i: Khối lượng của cổ phiếu i tại thời kì gốc Chỉ số giá cổ phiếu được coi là phong vũ biểu thể hiện tình hình hoạt động của thị trường chứng khoán. Đây cũng là căn cứ để đánh giá hoạt động của nền kinh tế. 1.1.2 Suất sinh lời của thị trường Suất sinh lời của thị trường là thông tin làm căn cứ để đánh giá mức độ hấp dẫn khi đầu tư vào thị trường. Cũng giống như suất sinh lời của một cổ phiếu, suất sinh lời của thị trường được tính toán dựa vào chuỗi dữ liệu chỉ số giá. Công thức tính tỷ suất sinh lời của thị trường: Tỷ suất sinh lời tính theo nguyên tắc lãi kép với số ghép lãi vô hạn vì hoạt động đầu tư và tái đầu tư diễn ra liên tục nên sẽ là ít chính xác hơn nếu tính toán sinh lợi theo nguyên tắc số kỳ ghép lãi rời rạc. 1.1.3 Rủi ro của thị trường cổ phiếu Theo Harry Markowitz1.1, rủi ro cổ phiếu được đo lường bởi phương sai hoặc độ lệch chuẩn của chuỗi dữ liệu tỷ suất sinh lời cổ phiếu. Phương sai (σ2) = E((Ri – E(Ri)2) 5 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH Độ lệch chuẩn (σ) = Hai chỉ số Hn-Index và Vn-Index được ngầm định đại diện cho thị trường cổ phiếu niêm yết Việt Nam nên rủi ro thị trường cổ phiếu Việt Nam sẽ được đo lường bởi phương sai hay độ lệch chuẩn của chuỗi dữ liệu tỷ suất sinh lời thị trường cổ phiếu. Lưu ý, với công thức tính trên, rủi ro của cổ phiếu không phân biệt đâu là rủi ro hệ thống hay rủi ro phi hệ thống. Điều này không ảnh hưởng đến mục tiêu của đề tài vì nghiên cứu đi theo hướng phân tích dự báo giá và rủi ro cho thị trường cổ phiếu niêm yết Việt Nam thông qua mô phỏng và phân tích biến động của chuỗi dữ liệu giá và suất sinh lợi của thị trường mà không chú trọng phân tách các nhân tố tác động tạo ra tính biến động đó. 1.2 TÍNH DỪNG CỦA CHUỖI THỜI GIAN 1.2.1 Chuỗi thời gian dừng Khái niệm tính dừng rất quan trọng trong phân tích chuỗi thời gian. Một chuỗi thời gian dừng có đặc điểm sau: ƒ Dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn, ƒ Dữ liệu có giá trị phương sai xác định không thay đổi theo thời gian, ƒ Dữ liệu có một giản đồ tương quan với các hệ số tự tương quan sẽ giảm dần khi độ trễ tăng lên. Trước hết, chúng ta giải thích khái niệm độ trễ. Yt-k là chuỗi thời gian Yt có k độ trễ nghĩa là phải mất k thời gian mới có đủ dữ liệu chuỗi thời gian Yt. Khi sử dụng chuỗi thời gian có độ trễ, ta sẽ bị mất biến quan sát. Độ trễ càng tăng, số biến quan sát bị mất càng nhiều. Vấn đề này sẽ tác động đáng kể trong việc cân nhắc lựa chọn mô hình. Quay trở lại đặc điểm của một chuỗi thời gian được xem là dừng, diễn đạt theo ngôn ngữ thống kê như sau: ƒ E(Yt) là một hằng số cho tất cả các thời điểm t E(Yt) = µ ƒ Var(Yt) là một hằng số cho tất cả các thời điểm t Var(Yt) = E(Yt - µ)2 = σ2 ƒ Cov(Yt,Yt-k) là một hằng số cho tất cả các thời điểm t và k khác 0 nghĩa là hiệp phương sai giữa Yt và Yt-k chỉ phụ thuộc vào độ dài của (k) về thời gian giữa t và tk, không phụ thuộc vào thời điểm t. Chẳng hạn, Cov(Y12,Y7) = Cov(Y13,Y8)= 6 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH Cov(Y28,Y23)... Ta nên nhớ Cov(Yt,Yt-6) không đổi nhưng Cov(Yt,Yt-6) có thể khác với Cov(Yt,Yt-5). Cov(Yt,Yt-k) = γk= E[(Yt - µ)(Yt-k - µ] Giả sử khi ta di chuyển lùi giá trị gốc của Y từ Yt sang Yt-k. Nếu Yt là một chuỗi dừng thì giá trị trung bình, phương sai, và hiệp phương sai của Yt-k phải bằng trung bình, phương sai và các hiệp phương sai của Yt. Tóm lại, một chuỗi thời gian dừng nếu trung bình, phương sai của nó không đổi theo thời gian và hiệp phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách và độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính. Nhìn một cách trực quan ta hãy xem đồ hình của một chuỗi thời gian như thế nào là dừng. 2,000,000 1,800,000 1,600,000 1,400,000 1,200,000 1,000,000 800,000 600,000 2004 2005 2006 2007 2008 2009 Đồ thị 1.1 – Giá vàng từ 01/2004 đến 05/2009 – Chuỗi có xu thế tăng không dừng .08 .06 .04 .02 .00 -.02 -.04 -.06 -.08 -.10 2001 2003 2004 2005 2006 2007 2008 Đồ thị 1.2 – Suất sinh lợi cổ phiếu SAM giai đoạn từ 28/07/2000 đến 26/03/2009 – Chuỗi dừng 7 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH Đồ thị 1.2 thể hiện một chuỗi dừng vì dữ liệu có xu hướng hội tụ xoay quanh một giá trị nhất định trong khi đồ thị 1.1 biểu thị xu thế tăng với trung bình tăng theo thời gian. Một chuỗi dữ liệu dừng luôn có xu hướng trở về giá trị trung bình và những dao động xung quanh giá trị trung bình sẽ là như nhau. Ta cũng có thể suy ngược lại, một chuỗi thời gian không dừng theo cách ta đã định nghĩa về chuỗi dừng ở trên sẽ có giá trị trung bình thay đổi theo thời gian, giá trị phương sai thay đổi theo thời gian hoặc cả hai. Tại sao chuỗi thời gian dừng lại quan trọng? Gujarati1.2 (2003) cho rằng nếu một chuỗi thời gian không dừng, chúng ta chỉ có thể nghiên cứu hành vi của nó trong thời gian đang xem xét. Mỗi một chuỗi dữ liệu theo thời gian sẽ mang một tình tiết nhất định và chỉ thể hiện những hành vi cụ thể trong khoảng thời gian đó. Kết quả là, chúng ta không thể khái quát hóa cho các giai đoạn khác nghĩa là không thể lấy đặc điểm của chuỗi thời gian giai đoạn này làm đặc điểm của một chuỗi thời gian giai đoạn khác. Đối với mục đích dự báo, các chuỗi thời gian không dừng như vậy có thể sẽ không có giá trị thực tiễn. Vì như chúng ta đã biết, trong dự báo chuỗi thời gian, chúng ta ngầm định xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các giai đoạn trong tương lai. Thế nhưng, nếu bản thân dữ liệu luôn thay đổi thì chúng ta không thể dự báo được điều gì cho tương lai. Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị cho việc dự báo, và thường được gọi là hiện tượng “hồi quy giả mạo”. Do vậy, điều kiện cơ bản nhất cho việc dự báo một chuỗi thời gian là nó phải có tính dừng. 1.2.2 Một số quá trình ngẫu nhiên đơn giản (phụ lục 1.1) 1.2.3 Kiểm định tính dừng 1.2.3.1 Dựa trên lược đồ tương quan (Correlogram) Một cách kiểm định đơn giản tính dừng là dùng hàm tự tương quan (ACFAutocorrelation Function). ACF với độ trễ k, ký hiệu bằng ρk, được xác định như sau: ACF k ρ Cov( , Do cả hiệp phương sai và phương sai được tính bằng cùng một đơn vị đo, nên ρ là một đại lượng không có đơn vị đo, là trung tính, là số. Nó nằm trong khoảng từ -1 đến 8 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH +1 giống như bất kỳ một hệ số tương quan nào. Nếu chúng ta vẽ đồ thị ρ theo k, thì đồ thị chúng ta có được sẽ là biểu đồ tương quan tổng thể. Barlett đã chỉ ra rằng, nếu chuỗi là ngẫu nhiên và dừng thì các hệ số tương quan ρ sẽ có phân phối xấp xỉ chuẩn với kỳ vọng toán bằng không và phương sai là 1/n với n khá lớn. Một chuỗi thời gian dừng khi hệ số tự tương quan giảm bằng 0 rất nhanh thường sau 2 đến 3 độ trễ. Các hệ số tương quan ρ (k≥2) phản ánh mức độ kết hợp tuyến tính của Yt và Yt-k. Tuy nhiên, mức độ kết hợp giữa hai biến còn có thể do một số biến khác gây ra. Trong trường hợp này, các biến Yt-1, Yt-2 ..., Yt-k+1 ảnh hưởng đến mức độ kết hợp của Yt và Yt-k. Do đó để đo mức độ kết hợp riêng rẽ giữa Yt và Yt-k, người ta xây dựng một số tương quan khác gọi là hệ số tương quan riêng phần của Yt và Yt-k, ký hiệu là ρ PACF k ρ ρ –∑ ρ ρ ∑ ρ ρ Trong phân tích hồi quy bội, nếu biến phụ thuộc được hồi quy theo các biến giải thích X2 và X3 thì điều mà chúng ta quan tâm là muốn biết X2 ảnh hưởng lên Y như thế nào khi đã loại trừ ảnh hưởng của X3 lên Y. Điều này có nghĩa hồi quy Y theo X3, lưu phần dư, rồi hồi quy phần dư theo X2. Hệ số tương quan riêng phần (PACF-Partial Correlation Function) cũng có ý nghĩa tương tự. PACF đo lường mối quan hệ giữa hai biến khi tất cả những biến không liên quan được giữ không đổi. Đồ thị 1.5 – Minh họa giản đồ tương quan của một chuỗi dừng 1.2.3.2 Kiểm định nghiệm đơn vị (Unit Root Test) Một tiêu chuẩn khác để kiểm định tính dừng là kiểm định nghiệm đơn vị (unit root test). Kiểm định đơn vị là một kiểm định được sử dụng khá phổ biến trong nghiên cứu khoa học thay vì sử dụng giản đồ tương quan vì loại kiểm định này có tính học thuật và chuyên nghiệp cao hơn. Giả sử ta có phương trình tự hồi quy như sau: 9 Chương 1 – Tổng quan về chuỗi dữ liệu dừng và mô hình ARIMA, ARCH/GARCH Yt = ρYt-1 + Ut (-1≤ ρ≤1) (1.3) Trong đó Ut là nhiễu trắng. Nếu như ρ = 1, khi đó Yt là một bước ngẫu nhiên và Yt là một chuỗi không dừng. Do đó để kiểm định tính dừng của Yt ta sẽ kiểm định giả thiết : H0 : ρ = 1(Yt là chuỗi không dừng) H1 : ρ < 1(Yt là chuỗi dừng) Phương trình 1.3 tương đương với phương trình sau đây : Yt – Yt-1 = ρYt-1 – Yt-1 + Ut = (ρ-1)Yt-1 + Ut ΔYt = δYt-1 + Ut Như vậy các giải thiết ở trên có thể được viết lại như sau : H0 : δ = 0 (Yt là chuỗi không dừng) H1 : δ < 0 (Yt là chuỗi dừng) Dickey1.3 và Fuller1.4 cho rằng giá trị t của hệ số Yt-1 sẽ không theo phân phối student mà thay vào đó là phân phối xác xuất τ (tau statistic). Kiểm định thống kê τ còn được gọi là kiểm định Dickey – Fuller (DF). Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng DF. Nếu | | > | | thì bác bỏ giả thiết H0, nghĩa là Yt là một chuỗi dừng. Tiêu chuẩn DF được áp dụng cho các mô hình sau : ΔYt = δYt-1 + Ut ΔYt = β1 + δYt-1 + Ut ΔYt = β1 + β2t + δYt-1 + Ut (1.4) Nếu Ut tự tương quan có nghĩa là ΔYt phụ thuộc cả các ΔYt-i trong quá khứ như ΔYt-1, ΔYt-2 ...thì cải biên mô hình (1.4) như sau : ΔYt = β1 + β2t + δYt-1 + ∑ ΔY + εt (1.5) Kiểm định DF như phương trình 1.5 được gọi là kiểm định DF mở rộng (ADFAugmented Dickey – Fuller Test). 1.3 MÔ HÌNH ARIMA (Autoregressive Integrated Moving Average) 1.3.1 Quá trình tự hồi quy (Autoregressive Process – AR) Như đã trình bày trong cơ chế tự hồi quy bậc nhất, biến phụ thuộc được hồi quy theo các biến trễ của nó. Quá trình tự hồi quy bậc nhất AR (1) được biểu diễn như sau: Yt = φYt-1 + Ut, Ut là nhiễu trắng 10
- Xem thêm -