Chương 1

Dẫn nhập

1.1 Giới thiệu

1.1.1 Định nghĩa
1. Kinh tế lượng là môn khoa học phân tích dữ liệu kinh tế thông qua sử dụng
các phương pháp thống kê và mô hình kinh tế lượng.

2. Kinh tế lượng tài chính là môn khoa học sử dụng các phương pháp thống kê
để giải quyết các vấn đề trong tài chính (định giá tài sản, đo lường TSSL,
kiểm định sự liên quan giữa các biến số tài chính, dự báo, hỗ trợ đưa ra quyết
định tài chính...)

1.1.2 Mục tiêu

Các mục tiêu đặc trưng của phân tích kinh tế lượng bao gồm:

1. Ước lượng mối quan hệ giữa các biến kinh tế.

2. Kiểm định các lý thuyết và giả thuyết kinh tế.

3. Dự báo các biến kinh tế.

4. Đánh giá và tư vấn chính sách của chính phủ và doanh nghiệp.

1.2 Thiết lập mô hình kinh tế lượng

Để thiết lập một mô hình kinh tế lượng, chúng ta cần trải qua quy trình gồm 5
bước như sau:

1. Tổng hợp lý thuyết kinh tế có liên quan đến vấn đề nghiên cứu.

2. Xây dựng mô hình lý thuyết có thể kiểm định được.

3. Thu thập dữ liệu

4. Kiểm định mô hình

1
Review Kinh tế lượng cho tài chính

• Nếu kết quả kiểm định không có ý nghĩa thống kê → Quay trở lại bước
2.
• Nếu kết quả kiểm định có ý nghĩa thống kê, chuyển sang bước 5.

5. Thông đạt kết quả từ mô hình, thống nhất và phù hợp với các lý thuyết tài
chính liên quan.

1.3 Các vấn đề về dữ liệu

1.3.1 Đặc điểm
Tần suất của dữ liệu (Frequency of Data)

Tần số quan sát của dữ liệu tài chính cao hơn rất nhiều so với dữ liệu kinh tế vĩ
mô (được cập nhật với tần số cao nhất mỗi 1s).

Chất lượng của dữ liệu (Quality of Data)

1. Đối với dữ liệu vĩ mô:

Có thể được ước tính với một sai số đo lường (measurement error) nhất
định.
Thường được chuẩn hóa (điều chỉnh) (normalization/data revision) cho
phù hợp với các giai đoạn lịch sử khác nhau.

2. Đối với dữ liệu tài chính:

Hấu hết ghi nhận lại dữ liệu thực (real-time data) về các giao dịch thực
sự diễn ra, do đó không tồn tại sai sót đo lường trên lý thuyết.
Dữ liệu có đặc tính thay đổi rất ngẫu nhiên, do đó tồn tại rất nhiều nhiễu
(noise/outlier) và nhà phân tích sẽ gặp khó khăn trong việc xác định một xu
hướng cụ thể.

1.3.2 Phân loại dữ liệu

Dữ liệu chuỗi thời gian (Time-series Data)

• Dữ liệu chuỗi thời gian là những dữ liệu được thu thập trong một khoảng
thời gian cho một hay nhiều biến.

• Dữ liệu chuỗi thời gian đi kèm với tần suất cụ thể (frequency) của các quan
sát có trong cơ sở dữ liệu (E.x: daily, weekly, monthly, annually...).
Ví dụ về dữ liệu chuỗi thời gian: Thống kê các chỉ tiêu vĩ mô (GDP, GDP
per capita, inflation...) của Việt Nam, giai đoạn 2000 - 2020...

Nguyễn Công Hiếu - 31191024381 2 K45 Tài chính - UEH

Review Kinh tế lượng cho tài chính

• Các câu hỏi nghiên cứu thường gặp: Sự thay đổi chỉ số chứng khoán khi các
biến vĩ mô thay đổi; Giá chứng khoán của một công ty cụ thể thay đổi thế
nào sau các quyết định kinh doanh; Mối quan hệ giữa tỷ giá hối đoái và lãi
suất...

Dữ liệu chéo (Cross-sectional Data)

• Dữ liệu chéo là dữ liệu bao gồm một hay nhiều biến khác nhau được thu thập
tại một thời điểm nhất định.
Ví dụ về dữ liệu chéo: Thống kê các chỉ tiêu vĩ mô của các nước Đông
Nam Á năm 2020...

Dữ liệu bảng (Panel Data)

• Dữ liệu bảng là sự kết hợp giữa dữ liệu chuỗi thời gian và dữ liệu chéo
Ví dụ về dữ liệu bảng: Thống kê các chỉ tiêu vĩ mô của 11 nước Đông
Nam Á giai đoạn 2010 - 2020. (Khi đó, n = 1, 2, ..., 11, t = 2010, 2011, ..., 2020)

Dữ liệu định tính và dữ liệu định lượng

1. Dữ liệu định lượng (quantilative):là những dữ liệu ghi nhận giá trị số và có
ý nghĩa (tỷ giá hối đoái, giá cả, số lượng cổ phiếu, GDP, lạm phát, lợi nhuận
sau thuế...).

2. Dữ liệu định tính (quantitative): là những dữ liệu được mã hóa bởi các giá trị
số (giới tính, ngày tháng trong năm, các biến TRUE/FALSE điển hình...).

Dữ liệu rời rạc và dữ liệu liên tục

1. Dữ liệu rời rạc (discrete data): chỉ các loại dữ liệu chỉ có thể nhận được một
vài giá trị nhất định và không liên tục.

2. Dữ liệu liên tục (continuous data): có thể nhận bất kỳ giá trị nào trong một
tập xác định số từ trước.

Cardinal, Ordinal, Nominal Numbers

1. Cardinal number (tạm dịch: số định lượng): những con số có giá trị tương ứng
với giá trị thực tế của nó. (ví dụ: 100,000 VND lớn hơn 50,000 VND đúng hai
lần, đây là các cardinal number).

2. Ordinal number (tạm dịch: số định vị): những con số có ý nghĩa tượng trưng
nhằm diễn giải cho vị trí và/hoặc thứ hạng trong nhóm. (Ví dụ: anh A về thứ
6 trong cuộc đua xe F1 - có nghĩa rằng anh ta về chậm hơn đúng 5 người,

Nguyễn Công Hiếu - 31191024381 3 K45 Tài chính - UEH

Review Kinh tế lượng cho tài chính

nhưng không thể xác định được anh ta về chậm hơn họ bao lâu một cách
chính xác).

3. Norminal number (số địn danh): những con số không có ý nghĩa về mặt tính
toán và xếp hạng (ví dụ: số báo danh, mã số sinh viên, số căn cước...)

1.4 Một số vấn đề cần lưu ý khi đọc và trích dẫn các
bài báo nghiên cứu
Chất lượng của một nghiên cứu phụ thuộc vào những trích dẫn được đưa ra trong
nội dung. Vì vậy, các nhà nghiên cứu cần phải lưu ý:

1. Bài báo nghiên cứu có liên quan đến lĩnh vực, câu hỏi nghiên cứu được đặt
ra hay không.

2. Nghiên cứu được trích dẫn đã được công bố chính thức, hay đang trong giai
đoạn hoàn tất để đăng (fotrhcoming), hay chỉ là các working papers?

3. Nếu là working papers thì cần tìm hiểu kỹ về tác giả, nội dung của papers
được tham khảo từ nguồn nào, dữ liệu có đáng tin hay không?

4. Tính cập nhật của nghiên cứu được trích dẫn: được chính thức xuất bản vào
năm nào?

5. Bài nghiên cứu sử dụng phân tích định lượng để phát triển một mô hình lý
thuyết hay đơn thuần áp dụng những mô hình trước đó với mẫu dữ liệu quan
sát mới?

6. Kỹ thuật phân tích định lượng có phổ biến, được công nhận, áp dụng rộng
rãi hay không?

7. Kết quả nghiên cứu có được thông đạt chính xác? Phương pháp nghiên cứu
có thực sự khả thi hay không?

Nguyễn Công Hiếu - 31191024381 4 K45 Tài chính - UEH