Contents

Phần 1................................................................................................................................. 3
NGHIÊN CỨU CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TỶ SUẤT SINH LỜI TRÊN TỔNG
TÀI SẢN CỦA CÁC CÔNG TY ĐƯỢC NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG
KHOÁN VIỆT NAM..........................................................................................................3
1. Giới thiệu.....................................................................................................................3
2. Dữ liệu và phương pháp nghiên cứu............................................................................3
2.1. Dữ liệu nghiên cứu:...............................................................................................3
2.2. Các giả thuyết nghiên cứu:....................................................................................4
3. Kết quả nghiên cứu......................................................................................................4
3.1. Mô tả thống kê các biến.........................................................................................4
3.2. Ma trận hệ số tương quan:.....................................................................................5
3.3. Kiểm định đa cộng tuyến:......................................................................................5
3.4. Kiểm định tính dừng cho dữ liệu bảng:.................................................................6
3.5. Phân tích hồi quy tuyến tính theo mô hình hồi quy Pool OLS:..............................6
3.6. Phân tích hồi quy tuyến tính theo mô hình hồi quy BEM, FEM, REM.................7
3.6.1. Kết quả hồi quy theo BEM, FEM, REM:........................................................7
3.6.2. Kiểm định hausman test:.................................................................................8
4. Kểm tra các phạm vi giả định OLS khác nhau:...........................................................9
4.1. Kiểm định phương sai hệ số thay đổi:...................................................................9
4.2. Kiểm định hiện tượng tự tương quan:....................................................................9
4.3. Kiểm định Generalized Least Squares (GLS):.....................................................10
5. Kết luận:...................................................................................................................11
PHẦN 2............................................................................................................................ 12
XÂY DỰNG MÔ HÌNH ARIMA THEO TIẾN TRÌNH BOX-JENKIN VÀ SAU ĐÓ
THỰC HIỆN DỰ BÁO VNI INDEX HÀNG TUẦN TRONG 52 TUẦN.......................12
1. Kiểm định tính dừng chuỗi thời gian đơn biến và xác định (d).................................12
2. Xác định độ trễ tối ưu (p, q)......................................................................................13
3. Kiểm tra hiện tượng tự tương quan và phương sai thay đổi của phần dư, tính chất
White noise của phần dư, chuỗi nhiễu trắng của phần dư.................................................15
4.4. Kiểm định chuỗi nhiễu trắng phần dư:................................................................15
Phần 1
NGHIÊN CỨU CÁC YẾU TỐ TÁC ĐỘNG ĐẾN TỶ SUẤT SINH LỜI TRÊN TỔNG TÀI
SẢN CỦA CÁC CÔNG TY ĐƯỢC NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN
VIỆT NAM
Giới thiệu
Ở tất cả các quốc gia trên thế giới, thị trường chứng khoán luôn đóng một vai trò quan
trọng như là một kênh huy động vốn trung hạn và dài hạn cho nền kinh tế của nước đó,
Việt Nam cũng là một trong số đó. Cuộc khủng hoảng kinh tế và tài chính về cơ bản đang
làm dấy lên cuộc tranh cãi về vai trò tương lai của doanh nghiệp sẽ bị tác động như thế
nào bởi các yếu tố ngoài xã hội. Đặc biệt ngày càng có nhiều sự chấp nhận về nhu cầu
phát triển cụ thể các mô hình kinh doanh mới đồng thời tạo ra lợi nhuận tài chính quan
trọng cho tăng trưởng dài hạn một cách tinh tế. Nhưng khi dịch bệnh Covid-19 xảy ra thì
vẫn phải chịu sự tác động tiêu cực của các yếu tố khác nhau. Theo trang tin điện tử của
Đảng bộ TP.HCM thì tác động ban đầu rõ nhất là ngành hàng tiêu dùng nhanh (FMCG)
tăng trưởng chậm chạp. Mặc dù đã đạt thành công rất lớn trong năm 2019, nhưng tăng
trưởng FMCG hai tháng đầu năm 2020 có sự chậm lại ở mức 5.2%. Một số ngành hàng
chủ đạo như sữa và sản phẩm từ sữa, thực phẩm đóng gói, sản phẩm phục vụ cá nhân tiếp
tục có đóng góp to lớn vào mức tăng của thị trường khi có mức tăng lần lượt 8,5%; 10,8%
và 14,5%. Trong khi đó, ngành đồ uống đánh dấu sự suy giảm đáng kể lên tới 6,8%, một
phần là do việc hạn chế đi lại, du lịch, tụ họp bạn bè cũng như nhu cầu tiệc tùng giảm và
ưu tiên bảo vệ sức khỏe trong mùa dịch. Nghiên cứu dưới đây là để tìm hiểu các yếu tố
ảnh hưởng đến khả năng sinh lợi của các công ty được niêm yết trên tất cả các sàn giao
dịch chứng khoán Việt Nam.
Dữ liệu và phương pháp nghiên cứu
Dữ liệu nghiên cứu:
Dữ liệu nghiên cứu được trích dẫn từ cơ sở dữ liệu của Vietstock; thu thập thủ công từ các
dữ liệu của báo cáo tài chính thuộc các công ty niêm yết trên Sở Giao dịch chứng khoán
TP.HCM (HSX), Sở Giao dịch chứng khoán Hà Nội (HNX). Tác giả lựa chọn mẫu gồm
các công ty ngẫu nhiên và các công ty không đủ dữ liệu cho suốt kì nghiên cứu. Theo đó,
nghiên cứu có được bảng dữ liệu Nguyễn Thanh Phong, gồm 51 công ty Việt Nam trong
giai đoạn 2013–2020, tạo thành bảng gồm 408 mẫu.
Mô tả các biến và công thức tính:

Variable Biến Mô tả Công thức Dấu tác động

kỳ vọng
ROA Phụ thuộc Tỷ suất sinh Lãi ròng sau thuế
lợi trên tổng Tổng tài sản
tài sản
 DR Độc lập Tỷ lệ nợ Nợ phảitrả -
Tổngtài sản
SZ Độc lập Quy mô Log(Doanh thu thuần) +/-
doanh
nghiệp
ICP Độc lập Vòng quay Giá vốn hàng bán +
*365
hàng tồn Hàng tồn kho
kho
LOGICP Độc lập Log(ICP)
TANG Độc lập Tỷ lệ tài sản Tài sản cố định -
cố định Tổng tài sản
SQRTTANG Độc lập √ TANG
COVID Giả Ảnh hưởng 0: Năm chưa có Covid +/-
của Covid 1: Năm có covid
19

Bảng 1 – Mô tả và xem xét mức độ tương quan các biến

Các giả thuyết nghiên cứu:
H1: Tỷ lệ nợ và vòng quay hàng kho có mối tương quan dương với tỷ suất sinh lợi trên tài
sản
H2: Quy mô doanh thu có mối tương quan âm hoặc dương với tỷ suất sinh lợi trên tài sản
H3: Tỷ lệ tài sản cố định có mối tương quan âm với tỷ suất sinh lợi trên tài sản
Với các giả thuyết trên tác giả xây dựng mô hình nghiên cứu sau:
ROA = 𝛽0 + 𝛽1 DR + 𝛽2 SZ + 𝛽3 SQRTTANG + 𝛽4 LOGICP +𝛽5 COVID + ɛi,t
Kết quả nghiên cứu
Mô tả thống kê các biến
Variable Obs Mean Std. dev. Min Max
ROA 408 .0598731 .0765902 -.3536363 .4162926
DR 408 .4560142 .2138934 .0391847 1.167835
SZ 407 5.852191 .7478093 3.041393 7.775511
LOGICP 393 3.308244 .7980762 .3014794 5.709535
SQRTTANG 408 .4330207 .1873895 .0193135 .9367609
COVID 408 .125 .331125 0 1
(Nguồn tác giả)
Bảng 2 – Mô tả thống kê các biến
Bảng 2 trình bày thống kê mô tả bao gồm tổng số quan sát, mức độ ý nghĩa, độ lệch chuẩn
cũng như các giá trị nhỏ nhất và lớn nhất của các trong mô hình. Bảng trên cho thấy rằng
mức độ ý nghĩa, các công ty được niêm yết trên sàn chứng khoán với quy mô doanh thu
(SZ) đạt khoản 585.22%. Mức độ sử dụng nợ trên tổng tài sản (DR) mà các công ty sử
dụng cho mục tài trợ bằng nợ ở mức 45.6% nếu tỷ lệ nợ cao quá sẽ làm gia tăng áp lực
thanh toán cho các doanh nghiệp. Về chỉ tiêu tỷ lệ tài sản cố định (TANG) các doanh
nghiệp đạt mức giá trị trung bình tại 43.30%. Vòng quay hàng tồn kho (ICP) ở mức rất
cao là 330.8% tỷ số này càng cao thì càng tốt. Và tỷ suất sinh lợi trên tổng tài sản (ROA)
của các công ty đạt giá trị khoảng 5.99%. Cuối cùng là biến giả COVID đạt mức giá trị
trung bình là 12.5%.
Ma trận hệ số tương quan:
ROA SZ DR LOGICP SQRTTANG COVID
ROA 1.0000
SZ 0.1737 1.0000
DR -0.5489 0.1888 1.0000
LOGICP 0.2841 0.1676 -0.2061 1.0000
SQRTTANG 0.1239 0.0801 -0.2273 0.3619 1.0000
COVID -0.0671 0.0205 0.0031 -0.0175 -0.0196 1.0000
(Nguồn tác giả)
Bảng 3 – Ma trận hệ số tương quan giữa các biến
Bảng mô tả ma trận hệ số tương quan giữa các cặp biến số trong mô hình. Gujarati cho
rằng nếu hệ số tương quan giữa các biến độc lập trong mô hình hồi quy vượt quá 0,8 thì
có khả năng dẫn đến hiện tượng đa cộng tuyến cao trong mô hình ước lượng (Gujarati,
2004). Khi đó, dấu của các hệ số hồi quy trong mô hình có thể bị thay đổi, dẫn đến kết
quả nghiên cứu bị sai lệch. Nhìn chung, hệ số tương quan giữa tất cả các cặp biến độc lập
trong mô hình hồi quy đều có trị tuyệt đối nhỏ hơn 0,8. Và từ kết quả bảng ma trận tương
quan trên cũng dễ dàng thấy các biến độc lập, phụ thuộc có mức độ tương quan dao động
từ -0.01 đến 0.18.
Kiểm định đa cộng tuyến:
Đa cộng tuyến là hiện tƣợng các biến độc lập có mối tƣơng quan rất mạnh với nhau. Khi
hiện tưong đa cộng tuyến xảy ra làm cho các hệ số uớc luợng bị sai lệch, dẫn đến việc
phân tích định lƣợng không còn ý nghĩa cũng như khó có thể lọc được ảnh hưởng của
từng biến độc lập lên biến phụ thuộc. Hai chỉ tiêu giúp phát hiện ra sự tồn tại của đa cộng
tuyến là:
 VIF (variance inflation factor) hay còn gọi là hệ số phóng đại phương sai
 tolerance: độ chấp nhận của biến
Variable VIF tolerance
 LOGICP 1.21 0.823718
SQRTTANG 1.19 0.841133
DR 1.14 0.877671
SZ 1.09 0.915613
COVID 1.00 0.998829

Mean VIF 1.13

(Nguồn tác giả)
Bảng 4 – Hệ số VIF
Thông thường, khi VIF >10 là có sự hiện diện của đa cộng tuyến. Từ bảng kết, có thể thấy
rằng các biến đều có VIF<10 nên kết luận rằng không có sự đa cộng tuyến giữa các biến
độc lập với nhau.
Kiểm định tính dừng cho dữ liệu bảng:
H0: Dữ liệu bảng không có tính dừng
H1: Dữ liệu bảng có tính dừng
Tác giả dùng kiểm định unitroot test cho tất cả các biến để P-value<0.05. Từ kết quả Stata
tổng hợp thành bảng sau:
Variale ROA DZ SZ SQRTTAN LOGICP COVID
G
P-Value 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
(Nguồn tác giả)
Bảng 5 – Kết quả kiểm định Unitroot Test
Từ bảng kết quả dễ dàng nhìn thấy tất cả các biến đều có P-Value đều nhỏ hơn 0.05 nên
chấp nhận giả thuyết H1. Dữ liệu bảng có tính dừng tại bậc 0.
Phân tích hồi quy tuyến tính theo mô hình hồi quy Pool OLS:

Source SS df MS Number of obs = 392

F(4, 387) = 64.72
Model .900227404 4 .225056851 Prob > F = 0.0000
Residual 134.584.284 387 .00347763 R-squared = 0.4008
Adj R-squared = 0.3946
Total 224.607.025 391 .005744425 Root MSE = .05897

ROA Coefficient Std. err. t P>t [95% conf. interval]

DR -.2091765 .0148863 -14.05 0.000 -.2384448 -.1799082
SZ .0274269 .0042305 6.48 0.000 .0191092 .0357445
 SQRTTANG -.0360477 .0181829 -1.98 0.048 -.0717973 -.0002982
LOGICP .0141955 .0041281 3.44 0.001 .0060791 .0223118
COVID -.0157289 .0088341 -1.78 0.076 -.0330979 .0016401
_cons -.0373228 .0260208 -1.43 0.152 -.0884827 .0138371
(Nguồn tác giả)
Bảng 6 – Kết quả hồi quy theo mô hình Pools OLS
Hệ số R2 = 0.7224 điều này cho thấy mô hình có thể giải thích được 40.08% thực tế sự
thay đổi tỷ suất sinh lợi trên tài sản của các công ty niêm yết trên sàn giao dịch chứng
khoán Việt Nam. Kết quả hồi quy bằng phuơng pháp Pool OLS cho thấy các biến độc lập
đều thực sự có ý nghĩa về mặt thống kê vì có p-value < 0.05, chỉ có biến giả COVID
không có ý nghĩa về mặt thống kê p-value=0.07.
Phân tích hồi quy tuyến tính theo mô hình hồi quy BEM, FEM, REM
Kết quả hồi quy theo BEM, FEM, REM:

BEM FEM REM

  ROA ROA ROA

DR -0.219*** -0.169*** -0.218***

(-5.97) (-6.75) (-10.25)

SZ 0.0185 0.0579*** 0.0518***

(1.70) (8.27) (7.97)

SQRTTANG -0.00202 -0.0911*** -0.0669**

(-0.04) (-3.97) (-3.12)

LOGICP 0.0120 -0.00517 0.00543

(1.10) (-1.71) (1.29)

COVID -2.500 -0.0203*** -0.0183**

(-0.86) (-3.38) (-3.06)

_cons 0.328 -0.143*** -0.131***

(0.86) (-3.40) (-3.52)

N 407 407 392

 t statistics in parentheses

*p p<0.001

P-value(F) 0.0000 0.0000 0.0000

(Nguồn tác giả)
Bảng 7 – Kết quả hồi quy theo mô hình BEM, FEM, REM
Kết quả hồi quy của ba mô hình đều cho thấy các biến tỷ lệ nợ, tỷ lệ tài sản cố định, ảnh
hưởng Covid19 biến động ngược chiều với tỷ suất sinh lợi trên tài sản (với các mức ý
nghĩa 1%, 5%, 10%), biến quy mô doanh thu đều biến động cùng chiều với tỷ suất sinh
lợi trên tài sản ở cả ba mô hình, đặc biệt đối với biến vòng quay hàng tồn kho mô hình
BEM và REM thì biến này biến động của cùng chiều, còn với FEM thì biến này biến
động ngược chiều.
Từ bảng trên kết quả hồi quy bằng phuơng pháp Between effect cho thấy các biến tỷ lệ nợ
thực sự có ý nghĩa về mặt thống kê vì có p-value < 0.05, tất cả các biến còn lại không có ý
nghĩa về mặt thống kê p-value>0.05. Nên không thể mô hình hồi quy be.
Kết luận chung: Dựa vào thông tin của hai kiểm FEM và REM, có thể thấy kết quả ước
lượng mô hình FEM và REM có Prob (F_statistic) = 0.0000 < 0.05 nên mô hình FEM và
REM phù hợp hơn Pooled OLS
Kiểm định hausman test:
Việc lựa chọn giữa mô hình FEM hay REM là phụ thuộc vào giả định chúng ta đặt ra về
tương quan có thể có giữa các thành phần nhiễu đặc thù với các biến độc lập. Nếu giả
định và các biến giải thích không tương quan với nhau thì mô hình REM là phù hợp hơn
và ngược lại nếu chúng có tương quan với nhau thì mô hình FEM hiệu quả hơn. Tác giả
dùng kiểm định Hausman test để kiểm tra sự phù hợp giữa 2 mô hình FEM và REM đây
thực chất là kiểm định liệu rằng mô hình có tuơng quan với các biến giải thích không.
Giả thuyết:
H0: Mô hình không có tính hệ thống
H1: Mô hình có tính hệ thống.

  ----------Coefficient---------      
(b) (B) (b-B) sqrt(diag(V_b - V_B))

fe re Difference Std. err.

DR -.2056499 -.2182559 .012606 .0151695

SZ .0730838 .0517936 .0212901 .0052313
SQRTTAN -.0764048 -.0668713 -.0095335 .0119608
 G
LOGICP -.0025089 .0054269 -.0079357 .0020526
COVID -.0205542 -.0182684 -.0022859 .
b = Consistent under H0 and Ha; obtained from xtreg.
B = Inconsistent under Ha, efficient under H0; obtained from xtreg.

chi2(5) = (b-B)'[(V_b-V_B) ^ (-1)] (b-B)

= 19.52
Prob > chi2 = 0.0015
(V_b-V_B is not positive definite)
(Nguồn tác giả)
Bảng 8 – Kết quả kiểm định Hansman để lựa chọn FEM và REM
Qua chạy kiểm định Hausman test bằng stata: Tác giả thu được kết quả p-value<0.05
(0.0015) khá nhỏ nên bác bỏ giả thuyết H0 và chấp nhận H1 hay là các εi có tương quan
với các biến độc lập (có tính hệ thống). Như vậy mô hình FEM là phù hợp với nghiên cứu
này.
Kểm tra các phạm vi giả định OLS khác nhau:
Kiểm định phương sai hệ số thay đổi:
Dựa vào các bước hồi quy trên, mô hình FEM là mô hình phù hợp. Nghiên cứu tiến hành
kiểm định Modified Wald để kiểm tra hiện tượng phuơng sai sai số thay đổi trong mô
hình FEM. Sử dụng lệnh xttest3 trong Stata để kiểm định.
Giả thuyết:
H0: Mô hình nghiên cứu có phương sai hệ số thay đổi
H1: Mô hình nghiên cứu không có phương sai hệ số thay đổi
Kết quả kiểm định phương sai hệ thay đổi:
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
chi2 (51) = 5328.53
Prob>chi2 = 0.0000

Từ kết quả trên có P-value <0.05 nên chấp nhận giả thuyết H0 mô hình nghiên cứu có
phương sai hệ số thay đổi.
Kiểm định hiện tượng tự tương quan:
Tiến hành kiểm định Wooldridge để kiểm tra hiện tượng tự tương quan trong mô hình
bằng câu lệnh xtserial.
Với giả thuyết
H0: Mô hình không có tự tương quan
H1: Mô hình không có tự tương quan
Wooldridge test for autocorrelation in panel data
F (1, 50) = 10.833
Prob > F = 0.0018

Từ kết quả bảng trên có P-vlue<0.05 nên bác bỏ giả thuyết H0 mô hình có tự tương quan.
Kiểm định Generalized Least Squares (GLS):
Vì mô hình nghiên cứu có hiện tượng phương sai hệ thay đổi và hiên tượng tự tương quan
nên tác giả sử dụng phương pháp bình phương bé nhất tổng khả thi (GLS) để phân tích.
GLS
ROA
DR -0.154***
(-12.67)
SZ 0.0285***
(7.89)
SQRTTANG -0.0332**
(-2.84)
LOGICP 0.00473*
(2.51)
COVID -0.00431
(-1.17)
_cons -0.0456*
(-2.32)
N 407
R-sq

*, **, *** tương ứng với mức ý nghĩa 10%, 5%, 1%

(Nguồn tác giả)
Bảng 9 – Kết quả hồi quy theo phương pháp GLS
Sau khi chạy hồi quy GLS cho kết quả tỷ lệ nợ tương quan âm với ROA với mức ý nghĩa
1%, quy mô doanh thu tương quan dương với ROA với mức ý nghĩa 1%, tỷ lệ tài sản cố
định tương quan âm với ROA với mức ý nghĩa 5%, vòng quay hàng tồn kho tương quan
dương với mức ý nghĩa 10%, ảnh hưởng của Covid19 tương quan ngược chiều với mức ý
nghĩa 10%.
Kết luận:
Với biến phụ thụ là ROA sau khi sử dụng phương bé nhất tổng khả thi để khắc phục hiện
tượng tự tương quan và hiện tượng phương sai thay đổi, mô hình có ý nghĩa 1% do P-
value = 0.000 nên kết quả mô hình là phù hợp nhất và có thể sử dụng là:
ROA= -.0455548 - .1540453 DR -.0331837 SZ -.0331837 SQRTTANG + .0047342
LOGICP -.0043109 COVID + ɛi,t
So với sự kỳ vọng tương quan lúc đầu giữa biến phụ thuộc với các biến độc lâp thì có sự
khắc biệt nhiều về mức độ tương quan, cụ thể là các biến DR, SZ, SQRTTANG, COVID
biến động ngược với biến phụ thuộc, và biến động mạnh nhất đối với biến DR. Chỉ có
biến LOGICP là biến động cùng chiều với ROA
PHẦN 2
XÂY DỰNG MÔ HÌNH ARIMA THEO TIẾN TRÌNH BOX-JENKIN VÀ SAU ĐÓ THỰC
HIỆN DỰ BÁO VNI INDEX HÀNG TUẦN TRONG 52 TUẦN

Kiểm định tính dừng chuỗi thời gian đơn biến và xác định (d)

Hình 1-Đồ thị giá VNI index

Null Hypothesis: PRICE has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.025078  0.2755

Test critical1% level -3.565430
 values:
5% level -2.919952
10% level -2.597905

Bảng 1-Kiểm định Dickey-Fuller bậc 0

Tác giả quan sát biểu đồ dữ liệu của giá VNI index ta dễ dàng thấy được giá của cổ phiếu
biến động theo xu hướng nên dữ liệu không có biến động ngẫu nhiên hoặc một cách chính
xác hơn sử dụng kiểm định Dickey – Fuller bậc 0 cho thấy P-value > 0.05 (P-value =
0.2755) điều này chứng tỏ chuỗi không có tính dừng.

Null Hypothesis: D(PRICE) has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -6.862643  0.0000

Test critical
values: 1% level -3.568308
5% level -2.921175
10% level -2.598551

Bảng 2-Kiểm định Dickey-Fuller bậc 1

Sau đó tác giả tiến hành sử dụng kiểm định Dickey – Fuller bậc 1 để P-value < 0.05 cho
thấy chuỗi thời gian đã dừng ở bậc 1 (d=1)
Xác định độ trễ tối ưu (p, q)
 Hình 2 - Đồ thị của hàm tự tương quan và tự tương quan riêng của chuỗi
Để định dạng cho mô hình chúng ta sử dụng đồ thị tự tương quan và tự tương quan riêng
phần của chuỗi R. Theo đồ thị ở hình 2, tại k=1 ACF và PACF đạt giá trị đầu tiên là
0.006. Do đó p có thể nhận giá trị tại 2 9 và q có thể nhận giá trị tại 2. Các mô hình
ARIMA có thể có là ARIMA (2,1,2); ARIMA (9,1,2)
Trước tiên ta dùng kiểm định LB để chọn ra các mô hình có p-value bé hơn 0.05. Bây giờ
cần lựa chọn mô hình tốt nhất để sử dụng cho công tác dự báo, chúng ta sử dụng tiêu
chuẩn kiểm định Chi bình phương R2 càng lớn thì mô hình càng hiệu quả; tiêu chuẩn AIC,
SBIC càng nhỏ thì mô hình càng tốt và số biến có ý nghĩa với mô hình. Theo kết quả từ
eview cho bởi bảng 3 ta thấy mô hình ARIMA (2,1,2) là mô hình phù hợp với R nhất.
ARIMA(2,1,2) ARIMA(9,1,2)
Số biến có ý nghĩa 2 1
 Adjusted R-squared 0.139368 0.078908
AIC 9.075612 8.496916
SBIC 9.191438 8.418292

Bảng 3 – Kết quả thông số kiểm định

Kiểm tra hiện tượng tự tương quan và phương sai thay đổi của phần dư, tính chất White
noise của phần dư, chuỗi nhiễu trắng của phần dư.
Kiểm định chuỗi nhiễu trắng phần dư:

Hình 3-Bảng kiểm định chuỗi nhiễu trắng của phần dư

Dùng Correlogram Q-statistics để kiểm chuỗi nhiễu trắng của phần dư với giả thuyết
H0: Phần dư là chuỗi nhiễu trắng.
H1: Phần dư không là chuỗi nhiễu trắng
Và từ kết quả hình trên dễ dàng thấy được tất cả P-value đều lớn hơn 0.05 nêm chấp nhận
giả thuyết H0, phần dư của chuỗi thời gian là nhiễu trắng.
+Kiểm định tính tự tương quan của mô hình:
Breusch-Godfrey Serial Correlation LM Test:
 F-statistic 0.562940     Prob. F(1,45) 0.4570
Obs*R-squared 0.000000     Prob. Chi-Square(1) 1.0000

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 12/17/22 Time: 16:13
Sample: 4 52
Included observations: 49
Presample missing value lagged residuals set to zero.

Coefficie
Variable nt Std. Error t-Statistic Prob.  

C -0.107613 1.637071 -0.065735 0.9479

AR(2) -0.016266 0.132386 -0.122865 0.9028
MA(2) -0.003452 0.067877 -0.050853 0.9597
RESID(-1) 0.115185 0.153520 0.750292 0.4570

Bảng 4-Kiểm định tự tương quan bậc 1 của mô hình hồi quy
Dùng Serial Corelation LM Test để kiểm định tính tự quan bâc 1của mô hình với giả
thuyết
H0: Mô hình không có tự tương quan bậc 1
H1: Mô hình có tự tương quan bậc 1
Từ kết quả eview P-value = 0.9479 > 0.05 nên chấp nhận giả thuyết H0, mô hình hồi quy
không có tự tương quan bậc 1.
+Kiểm định phương sai hệ số thay đổi của phần dư:

Heteroskedasticity Test: ARCH

F-statistic 0.334622     Prob. F(1,46) 0.5658

Obs*R-squared 0.346649     Prob. Chi-Square(1) 0.5560

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/17/22 Time: 16:38
Sample (adjusted): 5 52
Included observations: 48 after adjustments
 Variable Coefficient Std. Error t-Statistic Prob.  

C 422.7128 233.8660 1.807500 0.0772

RESID^2(-1) 0.084922 0.146806 0.578465 0.5658

Bảng 5-Kiểm định phương sai hệ số thay đổi của phần dư

Tác giả dùng phương pháp Test ARCH để kiểm định phương sai hệ số thay đổi của phần
dư với giả thuyết
H0: Mô hình không có phương sai hệ số thay đổi của phần dư
H1: Mô hình có phương sai hệ số thay đổi của phần dư
Từ kết quả bảng 5 mô hình có P-value=0.0772 > 0.05 nên chấp nhận giả thuyết H0, kết
luận mô hình không có phương sai hệ số thay đổi của phần dư.
Thực hiện dự báo (forecast) cho VNI index theo 02 phương pháp Static và Dynamic.
Sử dụng mô hình vừa xây dựng để dự báo 8 tuần cuối cung và khoảng tin cậy cho bằng
phần mềm Eview với độ tin cậy 95%. Tác giả dễ dàng quan sát được giá dưới các bảng
dưới (với đường màu xanh là giá thị trường và màu đỏ là giá mà eview dự báo). Với cả
hai phương pháp đều cho kết quả dự báo gần so với giá thị trường trong ngắn hạn.
+Phương pháp Static:
 Hình 4-Đồ thị dự báo bằng phương pháp Static

Giá thị trường Giá dự báo

04/02/2018 1.003,94 1.038,893
11/02/2018 1.059,73 1.089,722
18/02/2018 1.102,85 1.095,896
25/02/2018 1.211,21 1.111,451
04/03/2018 1.123,41 1.117,428
11/03/2018 1.150,19 NA
18/03/2018 1.153,59 NA
25/03/2018 1.174,46 NA
Bảng 6 – Bảng so sánh giá bằng phương pháp Static
+Phương pháp Dynamic:
 Hình 5- Đồ thị dự báo bằng phương pháp Dynamic

Giá thị trường Giá dự báo

04/02/2018 1.003,94 1.054,105
11/02/2018 1.059,73 1.071,724
18/02/2018 1.102,85 1.081,940
25/02/2018 1.211,21 1.105,469
04/03/2018 1.123,41 1.117,428
11/03/2018 1.150,19 NA
18/03/2018 1.153,59 NA
25/03/2018 1.174,46 NA
Bảng 7 – Bảng so sánh giá bằng phương pháp Dynamic

Kết luận:
Kết quả dự báo cho thấy giá trị dự báo xấp xỉ với giá trị thực tế và khoản tin cậy 95%
cũng chứa giá trị thực tế. Điều này chứng tỏ độ tin cậy của mô hình dự báo là khá cao.
Trong một vài phiên giao dịch do tác động của các yếu tố ngoại lai lớn như tâm lý nhà
đầu tư, tác động của các thị trường chứng khoán khác, thông tin về sự thay đổi chính
sách...sẽ làm cho sai số dự báo tăng cao hơn. Do đó kết quả của mô hình vẫn chỉ mang
tính chất tham khảo nhiều hơn. Tuy nhiên có thể nói mô hình ARIεA là một mô hình tốt
để dự báo trong ngắn hạn.