NỘI DUNG ÔN THI MÔN KINH TẾ LƯỢNG TÀI CHÍNH

Chương 2: Tổng quan về mô hình hồi quy tuyến tính cổ điển

- Khác biệt giữ a mô hình hồ i quy (regression) vớ i mố i tương quan (correlation) 4
- Ý nghĩa củ a hệ số α^ và β^ 16
- Ý nghĩa mứ c độ chính xác củ a hệ số chặ n đượ c ướ c lượ ng 17
- Tổ ng thể là gì? Mẫu nghiên cứ u là gì? 18
- DGP và hàm phâ n phố i tổ ng thể (PRF) 19,20
- Mô hình tuyến tính và mô hình phi tuyến 21
- “Estimator” và “Estimate” khác nhau như thế nà o? 23
- Nhữ ng giả định nền tả ng củ a mô hình hồ i quy tuyến tính đơn giả n – CLRM (A1 => A5) 24
- Định đề Gauss-Markov => BLUE 26
- Tính nhấ t quá n, khô ng thiên lệch (unbiased) và tính hiệu quả (efficiency) củ a Estimator là
gì? 27,28
- Bả n chấ t sự chính xá c củ a ướ c lượ ng Estimator? 29
(Thầ y cho cô ng thứ c nên khô ng cầ n thuộ c cô ng thứ c)
- Cô ng thứ c củ a hệ số ướ c lượ ng khô ng chệch củ a σ 32
- Mộ t và i lưu ý đố i vớ i Standard Error Estimators 34
- Các khái niệm củ a kiểm định giả thuyết (hypothesis testing) 38
- Kiểm định 1 bên 39
- Phâ n phố i xác suấ t củ a các hệ số ướ c lượ ng từ phương phá p bình phương bé nhấ t 41
- Bà i tậ p về phầ n kiểm định giả thiết: Phương phá p tiếp cậ n theo ý nghĩa thố ng kê 42
- Xác định vù ng bác bỏ 44,45,46
(Nếu có cầ n tra bả ng thầ y sẽ cho bả ng slide 47)
- Rú t ra kết luậ n 48
- Bà i tậ p về kiểm định thố ng kê theo phương phá p tiếp cậ n khoả n tin cậ y 52,53
- Bà i tậ p về kiểm định thố ng kê theo phương phá p tiếp cậ n khoả n tin cậ y so vớ i t-stat 54
 Thự c hà nh lại ví dụ slide 55, 57
- Kiểm định các giả thiết khá c 58
- Thay đổ i mứ c ý nghĩa thố ng kê củ a kiểm định 59
- Hiểu như thế nà o là sai lầm loại I? Loạ i II? 62,63
 Xem slide 64, 65
- Kiểm định sử dụ ng t-ratio cho ta biết điều gì? 66

Chương : mô hình hồi quy tuyến tính đa biến và các loại phân phối
- Hã y trình bà y cá c giả định phương trình hồ i quy đa biến theo phương phá p bình phương bé
nhấ t dướ i dạ ng ma trậ n và cho biết chỗ nà o cầ n A1 , A2 , A3 , A4 , A5 , A6 . A7 cầ n khi nà o ? 5
=> 9 , 11 , 12
- Chứ ng minh Estimator BLUE ? ( A1 , … , A6 ) 13,14
- Tính toá n sai số chuẩ n ( Standard Erros ) cho mô hình MLR 15
- Kiểm định đồ ng thờ i nhiều giả thuyết F-test 18
( Lý thuyết + Bài tậ p )
 - F-test : phương trình hồ i quy rang buộ c và khô ng rang buộ c 19,20
- Tính toá n F-test 21
- Phâ n phố i 22
- Xác định số rà ng buộ c trong F-test 23
- Nhữ ng trườ ng hợ p rang buộ c khô ng thể sử dụ ng F hoặ c t-test 24
 xem ví dụ về F-test slide 26,27
- Lý thuyết về giớ i hạ n trung tâm và phâ n phố i Chi – Square ( Bỏ đặc tính ) 31
- Phâ n phố i Students ( Định Nghĩa ) ( Bỏ đặ c tính ) 33
- Phâ n phố i F ( Định Nghĩa ) ( Bỏ đặ c tính ) 35
- Data mining / Snooping / Fishing / Dredging 51
- Chỉ tiêu thố ng kê đo lườ ng mứ c độ phù hợ p củ a mô hình ( R2 là gì ? Thô ng đạ t ý nghĩa R2) 52
- TSS , ESS , RSS là gì ? Định nghĩa R2 53,54
 Bà i tậ p : Chụ p kết quả Eviews thự c tế , dự a và o bả ng kết quả , tính bằ ng tay TSS , RSS ,
ESS, R2=…  ý nghĩa R2là gì ?
- R = O là gì ? R2= 1 là gì ? 55
2

- Các vấ n đề vớ i R2 56
- Adjust R2
 Bà i tậ p : kết quả Eviews thự c tế . Thô ng đạ t ý nghĩa adjust R2, tính adjust R2 bằ ng tay , F-
stat bằ ng tay ( như slide 60 )

Chương 4 : Thực hành hồi quy với dữ liệu bảng ( Panel Data )
- Thế nà o là dữ liệu bả ng ? 2,5,6
- Sự khác biệt giữa hồi quy dữ liệu bảng bằng phương pháp Pooled OLS , Fixed Effects
và Random Effects
- Ưu điểm củ a sử dụ ng kỹ thuậ t phâ n tích dữ liệu bả ng 8
- Nhượ c điểm củ a mô hình hồ i quy bằ ng phương phá p Pooled OLS 7
- Trườ ng hợ p nà o dù ng FE , nà o dù ng RE
- Slide 9 , 10 , 11
- Phương phá p chuyển đổ i nộ i tạ i 12,13
- Phương phá p ướ c lượ ng “ ở giữ a” 14
- Phương phá p ướ c lượ ng vớ i biến sai phâ n bậc 1 15
- Mô hình hồ i quy hiệu ứ ng cố định theo thờ i gian FE 16->19
 Ví dụ minh họ a slide 17 : đọ c hiểu
- Mô hình hồ i quy dữ liệu bả ng vớ i hiệu ứ ng cố định RE 42->45
 Tạ i sao kết quả kiểm định lại là Pooled tố t hợ n ? FE tố t hơn hay RE tố t hơn ?
 Lự a chọ n giữ a Pooled , FE , RE về mặ t lý thuyết thì cách là m như thế nò a ?
 Khắc phụ c hiện tượ ng nộ i sinh bằ ng phương phá p 2SLS
- Nhữ ng giả định nà o cầ n GMM 100

Chương 7: Mô hình hồi quy với biến phụ thuộc bị giới hạn
- Cho mố t số ví dụ cho cá c mô hình trong tài chính sử dụ ng cá c biến phụ thuộ c bị giớ i hạ n 2,3
 Tạ i sao trong mộ t số trườ ng hợ p ( cho ví dụ cụ thể trong lĩnh vự c tài chính ) phả i sử
dụ ng phương phá p hồ i quy vớ i biến phụ thuộ c giớ i hạ n ( Logit và Probit ) thay vì sử
dụ ng OLS ? ( slide 9 )
  Thô ng đạ t kết quả từ phương phá p hồ i quy Logit và Probit ( thầ y chụ p kq ) ( LMS file
cuố i ) ( Slide 26)
- Diễn giải kết quả hệ số hồ i quy đố i vớ i mô hình Logit ( chỉ phương trình ) 30
Pi = 1/ { 1+ e^ [- ( …)]}

Phần 2 : Phân tích chuỗi thời gian

Chương 1 : Lập mô hình và dự báo với chuỗi thời gian đơn biến
- Hiểu thế nà o là tiến trình MA ? ( viết phương trình ) ( 3 dò ng đầu ) 48
- Thế nà o là tiến trình AR ? ( Viết phương trình ) ( 2 dò ng đầu ) 54
- Định đề phâ n rã Wold ( 3 dấ u chấm đầ u ) 56
 khô ng có tính toá n AR , MA
- Tiến trình ARMA ( 2 dò ng cuố i ) 68
- Tiến trình ARIMA khá c gì so vớ i ARMA  cho ví dụ 86
- Dự bá o trong pham vi mẫu ( In – Sample Forecast ) so vớ i dự bá o ngoà i phạm vi mẫ u ( Out –
Of – Sample Forecast ) 100
- Dự bá o như thế nà o ? 101
- Là m sao chú ng ta có thể kiểm định kết quả n dự bá o có tố t hay khô ng ? 109,110
 Thuộ c MSE , MAE , MAPE
 Theil ‘s U Statistics khô ng cầ n nhớ
- Nhữ ng nhâ n tố nà o thự c sự có ả nh hưở ng đến chấ t lương củ a mô hình dự bá o 112
- Các hạ n chế củ a cô ng tá c dự bá o 113

Chương 2: Hệ phương trình hồi quy đa biến

- Mô hình VAR 38,39
 Mô hình VAR có thể mở rộ ng đến k lags viết như thế nà o? 40
- Ưu điểm, nhượ c điểm củ a mô hình VAR 41,42
- Lự a chọ n độ trễ tố i ưu cho mô hình VAR -> Dù ng Information Criteria (khô ng cầ n nhớ cô ng
thứ c) 45
- Mô hình VAR bao gồ m biến cù ng thờ i kỳ 46
- VAR cấ u trú c so vớ i VAR tiêu chuẩ n 47
Thế nà o là vấ n đề unidentified? Overidentified? …identified?

GHI CHÚ :

Thứ tự slide là màu xanh dương in đậm ở cuối gạch đầu dòng.