BÀI 6 DỰ BÁO

Để dự báo có thể xây dựng mô hình cấu trúc bao gồm các mô hình một phương trình và mô hình nhiều phương trình. Dự báo bằng các mô hình cấu trúc thường được gọi là dự báo nhân quả, bởi vì mô hình đưa ra cách diễn giải biến dự báo căn cứ vào các biến khác. Ví dụ, chúng ta dự báo cổ tức mà công ty có thể trả căn cứ vào yếu tố mang lại cổ tức, đó là thu nhập của công ty. ...
Nội dung trích xuất từ tài liệu:
BÀI 6 DỰ BÁOK inh tÕ lîng n©ng cao Bµi 6 Dù b¸o1. Ph¬ng ph¸p x©y dùng dù b¸o §Ó dù b¸o cã thÓ x©y dùng m« h×nh cÊu tróc bao gåmc ¸c m« h×nh mét ph¬ng tr×nh vµ m« h×nh nhiÒu ph¬ngtr×nh. Dù b¸o b»ng c¸c m« h×nh cÊu tróc thêng ®îc gäi lµdù b¸o nh©n qu¶, bëi v× m« h×nh ®a ra c¸ch diÔn gi¶ibiÕn dù b¸o c¨n cø vµo c¸c biÕn kh¸c. VÝ dô, chóng ta dùb¸o cæ tøc mµ c«ng ty cã thÓ tr¶ c¨n cø vµo yÕu tè mangl¹i cæ tøc, ®ã lµ thu nhËp cña c«ng ty. Nhîc ®iÓm cña c¸c m« h×nh cÊu tróc lµ tríc hÕtph¶i dù b¸o gÝa trÞ cña biÕn gi¶i thÝch, do ®ã sai sè sÏt¨ng nhanh khi dù b¸o qu¸ xa. MÆt kh¸c sù thay ®æi cñabiÕn phô thuéc cã khi kh«ng ph¶i do c¸c biÕn gi¶i thÝchg©y ra ( ch¼ng h¹n do thay ®æi chÝnh s¸ch). Ph¬ng ph¸p ph©n tÝch ( cßn gäi lµ ph¬ng ph¸pARIMA) kh«ng dùa trªn m« h×nh cÊu tróc mµ dùa trªnph©n tÝch tÝnh ngÉu nhiªn cña mét chuçi thêi gian.Chuçi thêi gian cã thÓ gi¶i thÝch b»ng hµnh vi ë hiÖnt¹i, qu¸ khø, c¸c trÔ vµ c¸c yÕu tè ngÉu nhiªn. M« h×nhARIMA kh«ng xuÊt ph¸t tõ bÊt kú lý thuyÕt kinh tÕ nµo.NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néiBµi 5: dù b¸o2. M« h×nh AR, MA vµ ARIMA M« h×nh tù håi quy (AR) vµ m« h×nh trung b×nh trît(MA) lµ nh÷ng m« h×nh cã thÓ m« t¶ chuçi sè dõng: lµc huçi kh«ng cã xu thÕ. PhÇn lín c¸c chuçi sè trong kinhtÕ ®Òu cã xu thÕ. Song trong phÇn lín c¸c trêng hîp, cãthÓ chuyÓn ®æi chóng thµnh chuçi dõng b»ng c¸ch lÊysai ph©n. VÝ dô nÕu Yt lµ ln(GNP) . Chuçi nµy cã xu thÕkh¸ râ, nhng Yt (thay ®æi cña ln(GNP)) - tèc ®é t¨ngtrëng l¹i lµ h»ng sè. Tèc ®é t¨ng trëng dao ®éng xungquanh mét con sè x¸c ®Þnh. §«i khi chuçi sè vÉn cßn cãxu thÕ sau khi ®· lÊy sai ph©n 1 lÇn. Gi¶ sö, lÊy sai ph©nc ña ln(P), trong ®ã P: lµ gi¸, lµ møc l¹m ph¸t. Nhng nÕul¹m ph¸t mµ cã xu thÕ t¨ng, chóng ta sÏ ph¶i lÊy saiph©n cña l¹m ph¸t, vµ ®ã sÏ lµ sai ph©n cÊp 2 cña ln(P)®Ó biÕn nã thµnh chuçi dõng. Nãi chung, chóng ta cã thÓlÊy sai ph©n cña mét chuçi d lÇn ®Ó chuyÓn nã thµnhmét chuçi dõng. Gi¶ sö chuçi thêi gian chóng ta quan t©m lµ Yt . Sai ph©n cÊp 1 lµ: Yt = Yt - Yt-1 Sai ph©n cÊp 2 lµ: 2Yt = Yt - Yt-1 = Yt - Yt-1 – (Yt-1 - Yt-2) = Yt - 2Yt-1 + Yt-2 Nh ®· tr×nh bµy ë bµi tríc, nÕu mét chuçi cña métbiÕn trë thµnh dõng sau khi lÊy sai ph©n cÊp 1 sÏ ®îcgäi lµ liªn kÕt bËc 1, ký hiÖu I(1). T¬ng tù, nÕu nhc huçi trë thµnh dõng sau khi ®îc lÊy sai ph©n cÊp 2 th×lµ chuçi I(2). Cßn chuçi cña biÕn dõng lµ chuçi I (0), ®ã lµc huçi dõng (sai ph©n cÊp 0). Mét khi chuçi thêi gian lµdõng th× chóng ta cã thÓ lËp m« h×nh tù håi quy vµ m«h×nh trung b×nh trît.NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néiK inh tÕ lîng n©ng cao2.1. Qu¸ tr×nh tù håi quy ( Autoregresive process- AR): Gi¶ sö ta cã mét biÕn ®· thùc hiÖn sai ph©n ®Ó trëthµnh chuçi dõng, ®îc gäi lµ chuçi dõng Yt . M« h×nh tùhåi quy gi¶i thÝch gi¸ trÞ hiÖn t¹i cña biÕn th«ng quatrung b×nh cã träng sè cña c¸c gi¸ trÞ trong qu¸ khøc éng víi sai sè ngÉu nhiªn. Chuçi AR(p) cã d¹ng: t =  + 1t-1 + 2t-2 + . . . + pt-p + ut §iÒu kiÖn ®Ó AR(p) dõng lµ -1 i  1 i.2.2. Qu¸ tr×nh trung b×nh trît ( Moving Average- MA). M« h×nh trung b×nh trît gi¶i thÝch biÕn t lµ sètrung b×nh cña biÕn cè sèc hiÖn t¹i vµ qu¸ khø. VÝ dômét chuçi MA(1): t =  + ut + ut-1Mét chuçi trung b×nh trît bËc q - MA(q) cã d¹ng: t =  + ut + 1ut-1 + . . . + qut-q §iÒu kiÖn ®Ó Yt dõng lµ -1  i  1.NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néiBµi 5: dù b¸o2.3. Qu¸ tr×nh trung b×nh trît vµ tù håi quy( Autoregressiv and Moving Average). NÕu c¬ chÕ sinh ra Yt bao gåm c¶ AR vµ MA th× ta cãqu¸ tr×nh trung b×nh trît tù håi quy. Yt lµ qu¸ tr×nhARMA(1,1) nÕu cã thÓ biÓu diÔn díi d¹ng: Yt =  + 1Yt-1 + ut + ut-1Víi ut lµ nhiÔu tr¾ng. Tæng qu¸t, qu¸ tr×nh ARMA(p,q) cã d¹ng Yt =  + 1Yt-1 + . . . + pYt-p + ut + 1ut-1 + . . . + qut-q2.4. Qu¸ tr×nh trung b×nh trît, ®ång liªn kÕt, tù håi quyARIMA( Autoregressiv, Integrated Moving Average). NÕu chuçi lµ liªn kÕt bËc d, ¸p dông m« h×nhARMA(p,q) cho chuçi sai ph©n bËc d cña nã th× ta thu®îc qu¸ tr×nh ARIMA. Nh vËy trong m« h×nh nµy ta®a vµo ®ång thêi c¶ 3 yÕu tè: phÇn tö tù håi quy, bËcliªn kÕt cña chuçi vµ phÇn tö trung b×nh trît. M« h×nhviÕt t¾t lµ ARIMA (p, d, q), trong ®ã:p = møc trÔ dµi nhÊt cña biÕn ARd = cÊp sai ph©n cña biÕn ®Ó trë thµnh chuçi dõngq = møc trÔ dµi nhÊt cña c¸c phÇn tö trung b×nh trît Nh vËy, m« h×nh AR(1) lµ ARIMA(1,0,0). M« h×nhbíc ngÉu nhiªn lµ ARIMA(0,1,0). M« h×nh MA(1) lµARIMA(0,0,1). Cßn m« h×nh ARIMA(1,1,1) cã d¹ng: t =  + t-1 + ut + ut-1NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néiK inh tÕ lîng n©ng cao Khi chóng ta ®· chän m« h×nh ARIMA, tríc hÕt cÇnx¸c ®Þnh p, d vµ q. Sau ®ã, m« h×nh cã thÓ íc lîngb»ng ph¬ng ph¸p hîp lý tèi ®a. §èi víi m« h×nh AR th×c hØ lµ íc lîng b×nh ph¬ng nhá nhÊt. ViÖc chän p, d vµq (c¸c chØ sè x¸c ®Þnh m« h×nh) ®ßi hái ph¶i cã kinhnghiÖm vµ biÕt ®¸nh gi¸. Tuy nhiªn, m« h×nh ARIMAthêng h÷u dông cho viÖc dù b¸o c¸c biÕn sè tµi chÝnhkhi thÞ trêng hoÆc nÒn kinh tÕ kh«ng t¹o ®îc chuçi sèkinh tÕ tèt.3. Ph¬ng ph¸p BOX - JENKINS (BJ) Ph¬ng ph¸p BJ tríc hÕt lµm dõng chuçi thêi gian®Ó t×m ra c¸c gi¸ trÞ p vµ q. Nã bao gåm c¸c bíc sau:Bíc 1. §Þnh d¹ng m« h×nh, tøc lµ t×m ra c¸c gi¸ trÞ p, dvµ q.Bíc 2. ¦íc lîng m« h×nh.Bíc 3. KiÓm ®Þnh m« h×nh. ë bíc nµy cÇn chän ®îc mét m« h×nh phï hîpnhÊt víi c¸c sè liÖu hiÖn cã. §¬n gi¶n nhÊt lµ kiÓm ®ÞnhtÝnh dõng cña c¸c phÇn d. Nh vËy ph¬ng ph¸p BJ lµmét qu¸ tr×nh lÆp cho ®Õn khi t×m ®îc m« h×nh thÝchhîp.Bíc 4. Dù b¸o. Mét trong c¸c lý do ...