Ứng dụng mô hình kết hợp ARIMA-GARCH để dự báo chỉ số VN-Index

Bài viết Ứng dụng mô hình kết hợp ARIMA-GARCH để dự báo chỉ số VN-Index giới thiệu với người đọc mô hình kết hợp ARIMA-GARCH hiện đang được sử dụng khá phổ biến bên cạnh các mô hình đơn lẻ là ARIMA và GARCH trong việc dự báo các chuỗi thời gian; đồng thời ứng dụng mô hình này để dự báo chỉ số VN-Index trong thực tiễn thị trường chứng khoán Việt Nam.
Nội dung trích xuất từ tài liệu:
Ứng dụng mô hình kết hợp ARIMA-GARCH để dự báo chỉ số VN-Index 118 Nguyễn Thanh Hương, Bùi Quang Trung ỨNG DỤNG MÔ HÌNH KẾT HỢP ARIMA-GARCH ĐỂ DỰ BÁO CHỈ SỐ VN-INDEX FORECASTING VIETNAM STOCK INDEX USING HYBRID ARIMA-GARCH MODEL Nguyễn Thanh Hương, Bùi Quang Trung Trường Đại học Kinh tế, Đại học Đà Nẵng; nth1183@gmail.com; qtrung8x @gmail.com Tóm tắt - Sự biến động không ngừng của giá chứng khoán theo thời Abstract - Stock investment contains many potential risks gian khiến hoạt động đầu tư chứng khoán luôn tiềm ẩn nhiều rủi ro. because of the volatility of stock price. Therefore, forecasting the Dự đoán, dự báo chỉ số chứng khoán vì thế đã trở thành một trong stock index has become one of the most favorite research topics những chủ đề nhận được sự quan tâm của đông đảo các nhà đầu tư of investors and researchers all over the world. This paper aims và nhà nghiên cứu trong nước và quốc tế. Bài báo này nhằm mục đích to introduce the hybrid ARIMA-GARCH model, which is giới thiệu với người đọc mô hình kết hợp ARIMA-GARCH hiện đang commonly used beside the single ARIMA and GARCH models for được sử dụng khá phổ biến bên cạnh các mô hình đơn lẻ là ARIMA forecasting the time series; and apply it to predict the VN-Index và GARCH trong việc dự báo các chuỗi thời gian; đồng thời ứng dụng in Vietnam’s stock market. The comparison among the three mô hình này để dự báo chỉ số VN-Index trong thực tiễn thị trường models shows that the hybrid ARIMA(1,1,1)-GARCH (1,1) model chứng khoán Việt Nam. Kết quả so sánh giữa 3 mô hình cho thấy mô provides better predictions than the two single models including hình kết hợp ARIMA(1,1,1)-GARCH(1,1) cho kết quả dự báo tốt hơn ARIMA (1,1,1) and GARCH (1,1). hai mô hình đơn lẻ ARIMA(1,1,1) và GARCH(1,1). Từ khóa - mô hình ARIMA; mô hình GARCH; mô hình kết hợp Key words - ARIMA Model; GARCH Model; Hybrid ARIMA- ARIMA-GARCH; dự báo chỉ số chứng khoán; VN-Index GARCH Model; stock index forecasting; VN-Index. 1. Đặt vấn đề quy, d biểu thị số lần chuỗi thời gian được tính sai phân Ra đời vào đầu năm 2000, thị trường chứng khoán Việt cho đến khi có tính dừng và q là bậc trung bình trượt. Mô Nam đã trở thành một trong những kênh đầu tư hấp dẫn đối hình ARIMA(p,d,q) tổng quát sẽ có dạng như sau: với các nhà đầu tư tổ chức và cá nhân. Tuy nhiên, bên cạnh Φp(B) (1-B)d (Yt – μ) = θq(B) εt mức sinh lợi cao, đây cũng là hoạt động luôn tồn tại nhiều Với Φp(B) = 1 - Φ1B - Φ2B2 - … - ΦpBp rủi ro tiềm ẩn, bởi nhà đầu tư không phải lúc nào cũng dự θq(B) = 1 + θ1B + θ2B2 + … + θqBq đoán được chính xác xu hướng biến động của giá cổ phiếu Trong đó: B là hệ số độ trễ theo đó BiYt = Yt-i và trong tương lai. Tại Việt Nam, rủi ro thị trường được phản B εt = εt-I; (1-B)d là sai phân bậc d, μ phản ánh giá trị trung i ánh thông qua sự thay đổi của chỉ số VN-Index, vì vậy, việc bình của Yt và εt là nhiễu trắng ở thời điểm t. nghiên cứu dự báo xu hướng biến động của VN-Index là cực kỳ cần thiết nhằm giúp các nhà đầu tư nhận biết chiều Box-Jenkin (1976) đề xuất sử dụng mô hình ARIMA hướng biến động giá của các cổ phiếu trên thị trường này. để dự báo cho các chuỗi thời gian dừng, gồm 4 bước cơ bản như sau: Trong khuôn khổ bài nghiên cứu, chúng tôi đề xuất sử dụng mô hình kết hợp ARIMA-GARCH để dự báo chỉ số - Bước 1: Nhận dạng mô hình, tìm các giá trị thích hợp VN-Index căn cứ vào chuỗi dữ liệu quá khứ. Đây là mô của p, d, q. Các công cụ chủ yếu để nhận dạng là hàm tự hình kết hợp từ hai mô hình đơn lẻ là mô hình ARIMA và tương quan (ACF), hàm tự tương quan riêng phần (PACF). mô hình GARCH, được sử dụng để phân tích và dự báo - Bước 2: Ước lượng mô hình, ước lượng các thông số chuỗi thời gian. Kết quả dự báo từ mô hình kết hợp của các số hạng tự hồi quy và trung bình trượt trong mô ARIMA-GARCH sẽ được so sánh với kết quả dự báo từ hình bằng phương pháp bình phương bé nhất. hai mô hình đơn lẻ là ARIMA và GARCH để kiểm chứng - Bước 3: Kiểm định mô hình, xem xét liệu các mô hình hiệu quả dự báo của các mô hình này. phù hợp với các dữ liệu hay không bằng cách sử dụng biểu 2. Phương pháp nghiên cứu đồ tương quan của phần dư và các kiểm định Box-Pierce và Ljung-Box. Trong trường hợp có nhiều mô hình phù hợp, 2.1. Giới thiệu mô hình ARIMA, mô hình GARCH và mô cần sử dụng các tiêu chuẩn Akaike’s Information Criterion hình kết hợp ARIMA-GARCH (AIC) và Schwarz’s Information Criterion (SIC) để lựa 2.1.1. Mô hình ARIMA chọn. Mô hình có các tiêu chuẩn AIC và SIC bé nhất sẽ là Trong thống kê và kinh tế lượng, đặc biệt trong phân mô hình phù hợp nhất. tích chuỗi thời gian, mô hình ARIMA thường được sử dụng - Bước 4: Sử dụng mô hình ARIMA phù hợp để dự báo để dự báo các giá trị tương lai của ch ...