Slide TimeSeries CN Wide 221123

ĐẠI HỌC KINH TẾ QUỐC DÂN
KHOA TOÁN KINH TẾ

Bộ môn Toán Kinh tế
PHÂN TÍCH VÀ DỰ BÁO

CHUỖI THỜI GIAN TRONG TÀI
CHÍNH
Bùi Dương Hải
www.mfe.neu.edu.vn/buiduonghai
2022
1
Thông tin học phần
• Tiếng Việt: Phân tích và Dự báo Chuỗi Thời gian trong Tài
chính
• Tiếng Anh: Time Series Analysis and Forecast in Finance
• Số tín chỉ: 3
• Giả ng viên: Bù i Dương Hả i
• Liên hệ: haibd@neu.edu.vn
• Website: www.mfe.edu.vn/buiduonghai
• Đá nh giá : 10% chuyên cầ n, 20% kiểm tra, 20% bà i tậ p lớ n, 50%
bà i thi
Time Series - www.mfe.neu.edu.vn/buiduonghai 2
Tài liệu
• [1] Nguyễn Quang Dong, Nguyễn Thị Minh (2018), Giáo trình Kinh tế
lượng, NXB ĐH KTQD.
• [2] Nguyễn Quang Dong, (2010), Phân tích chuỗi thời gian trong Tài
chính, NXB KHKT.
• [3] Brooks C. (2014), Introductory Econometrics for Finance, 3E,
Cambridge.
• [4] Christian Kleiber (2008), Applied Econometrics with R, Springer.

Nguồn dữ liệu
• Phầ n mềm thự c hà nh: Eviews 10, R
• www.mfe.edu.vn/buiduonghai
 NEU – chuyên ngà nh  Phâ n tích chuỗ i thờ i gian
• Tổ ng cụ c Thố ng kê
• https://www.gso.gov.vn/bao-cao-tinh-hinh-kinh-te-xa-hoi-hang-thang/
• Ngâ n hà ng Thế giớ i: https://databank.worldbank.org/home.aspx
• Quỹ Tiền tệ Quố c tế: https://www.imf.org/en/Data
• Cá c trang chứ ng khoá n

Nội dung
• Bà i 1. Biến số theo thờ i gian
• Bà i 2. Phương trình sai phâ n
• Bà i 3. Hồ i quy vớ i chuỗ i thờ i gian
• Bà i 4. Tính xu thế và mù a vụ
• Bà i 5. Tính dừ ng và AR, MA
• Bà i 6. Mô hình ARMA
• Bà i 7. Tích hợ p, ARIMA, SARIMA, đồ ng tích hợ p
• Bà i 8. Mô hình VAR, VECM
• Bà i 9. Mô hình ARCH, GARCH
Đánh giá
• Chuyên cầ n: 10%
• Kiểm tra 20%: Sử dụ ng phầ n mềm
• Bà i tậ p lớ n 20%: Cá nhâ n
• Chọ n 1 biến vĩ mô + 1 biến vi mô (chứ ng khoá n)
• Sử dụ ng cá c kiến thứ c để phâ n tích và dự bá o
• Bà i giấy khô ng quá 12 trang (khô ng kể phụ lụ c)
• Nộ p: Bà i giấy, file dữ liệu, code [R]
• Thi cuố i kỳ: 50%: Tự luậ n trên giấy

Bài 1. BIẾN SỐ THEO THỜI GIAN
• 1.1. Biến số theo thờ i gian
• 1.2. Biến trễ và thay đổ i tương đố i
• Trung bình
• TB có trọ ng số :
• TB nhâ n:
• TB nhâ n có trọ ng số :

1.1. Số liệu theo theo thời gian
• Hai loạ i số liệu theo thờ i gian:
• Thờ i điểm (point of time): biến kho (stock)
• Thờ i kỳ (period): biến luồ ng (flow)
• VD: Giá cổ phiếu, khố i lượ ng giao dịch, lợ i nhuậ n, lã i suấ t
• Quy đổ i
• Số lao độ ng trong mộ t nă m?
• Giá và ng trong 1 ngày?
• Ký hiệu chung:

Tần xuất (Frequency)
Tần xuất Kí hiệu
Nă m (annual) Thấ p
Nử a nă m (semi-annual)
Quý (quarterly)
Thá ng (monthly)
Tuầ n (weakly)
Ngày (daily) Cao
Giờ

Quy đổi tần xuất
• Từ tầ n xuấ t cao  thấ p
• Biến luồ ng: tổ ng, tích
• Biến kho: trung bình
• Ví dụ :
• Lợ i nhuậ n 4 quý: 12, 15, 11, 28  nă m?
• Lã i suấ t 4 quý: 2%, 3%, 1%, 5%  lã i suấ t nă m?
• Số lao độ ng 4 quý: 120, 110, 125, 140  nă m?
• Giá chứ ng khoá n: mở , đó ng, trầ n, sà n, tham chiếu
• Tổ ng khố i lượ ng
Quy đổi tần xuất
• Từ tầ n xuấ t thấ p  cao
• Luồ ng: tổ ng khô ng đổ i
• Kho: trung bình khô ng đổ i
• Tù y theo đặ c tính, hoặ c có bộ trọ ng số
• Ví dụ : Số khá ch trong nă m là 4000; bộ trọ ng số củ a 4 quý là 15%;
25%; 20%; 40%.
• Lã i suấ t nă m là 16%, lã i suấ t cá c quý là bao nhiêu:
• Nếu lã i cá c quý bằ ng nhau
• Nếu lã i cá c quý có trọ ng số 0.1; 0.3; 0.3; 0.3
1.2. Biến trễ và thay đổi tương đối
• Biến trễ (lag) củ a là
• Biến tiến (lead) củ a là
• Sai phâ n (difference):
• Thay đổ i tương đố i 1 kỳ
• Gọ i là tỷ lệ tă ng trưở ng, tỷ suấ t sinh lợ i, lợ i suấ t (growth rate/

return rate / simple return rate)

Thay đổi tương đối
• Thay đổ i tương đố i sau kỳ
• Y2Y quarterly data return rate
• Y2Y monthly data return rate

Log-return rate
• Log-return 1 kỳ (chỉ cho biến dương)
• Ví dụ
Year Simple return Log-return
2017 100
2018 120
2019 136
2020 142
2020 với 2017
Lãi rời rạc và lãi liên tục
• Lã i rờ i rạ c :
• Lã i liên tụ c : :
• Lã i suấ t liên tụ c chính là log-return

Bài 2. PHƯƠNG TRÌNH SAI PHÂN
• 2.1. Phương trình sai phâ n bậ c 1
• 2.2. Phương trình sai phâ n bậ c 2
• 2.3. Phương trình sai phâ n bậ c p
• 2.4. Toá n tử trễ
• 2.5. Toá n tử sai phâ n

2.1. Phương trình sai phân bậc 1
• PT sai phâ n tuyến tính bậ c 1:
• là đạ i lượ ng xá c định hoặ c ngẫ u nhiên
• Suy ra

Nhân tử động
• là “nhân tử động” (dynamic multiplier)
• Tá c độ ng 1 kỳ: ; tá c độ ng 2 kỳ :
• Tổ ng tá c độ ng kì:
• Tổ ng tá c độ ng dà i hạ n:

Phương trình sai phân bậc 1
• Tá c độ ng củ a đến :
 = 0.7  = -0.8
0.8 0.8
0.7 0.6
0.6 0.4
0.5 0.2
0.4 0
0.3 -0.2 1 2 3 4 5 6 7 8 9 10 11 12
0.2 -0.4
0.1 -0.6
0 -0.8
1 2 3 4 5 6 7 8 9 10 11 12 -1
 = 1.2  = -1.2
10 10
8
5
6
4 0
1 2 3 4 5 6 7 8 9 10 11 12
2 -5
0
1 2 3 4 5 6 7 8 9 10 11 12 -10
• PT sai phâ n tuyến tính
• Tác động của đến

• : hộ i tụ , ổ n định
• : phâ n kỳ, bù ng nổ
• : khô ng đổ i (hoặ c đổ i dấ u)
• Nếu : thì tổ ng tá c độ ng dà i hạ n

2.2. Phương trình sai phân bậc 2
• Phương trình:

• Sử dụ ng ma trậ n
• Truy hồ i
• : phầ n tử củ a ma trậ n
• Nhâ n tử độ ng

• Phương trình:
• Phương trình đả o
• Nghiệm củ a phương trình đả o là giá trị riêng củ a ma trậ n F (eigen

value):
• Nghiệm thự c:
• Nghiệm phứ c:

Trường hợp 1: Hai nghiệm thự c
• Nếu : tác động hội tụ
•
Ví dụ : phâ n tích phương trình sai phâ n

TH2: hai nghiệm phức:
• có dạ ng
• Nhâ n tử độ ng: là số thự c
• Module: ,
• : hộ i tụ , giả m dạ ng sin về 0 vớ i tố c độ
• : tá c độ ng dạ ng sin biên độ khô ng đổ i
• : tá c độ ng phâ n tá n dạ ng sin vớ i tố c độ

• Nhâ n tử độ ng vớ i ba trườ ng hợ p
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
-0.2 -0.2 -0.2
-0.4 -0.4 -0.4

• Dù ng vò ng trò n đơn vị để thể hiện
• Nằ m trong vò ng trò n: hộ i tụ dạ ng sin
• Nằ m trên đườ ng trò n: khô ng đổ i dạ ng sin
• Nằ m ngoà i vò ng trò n: khuếch tá n dạ ng sin
• Ví dụ : phâ n tích phương trình

• Tác động ổn định khi
• , và hoặ c
• , và 𝜙2
1
Bùng nổ Bùng nổ
Không hình sin Không hình sin
• Tam giá c ổ n định Ổn định
nghiệm thực
-2 Không hình sin 2
0
𝜙1
𝜙2
2
− 𝜙 1 Ổn định
=
𝜙 2= 4 nghiệm phức
1
𝜙
1
−
dao động hình sin
𝜙1
1
=
-1
𝜙
2
Bùng nổ, dao động hình sin

2.3. Phương trình sai phân bậc p

Phương trình sai phân bậc p
• Phương trình đả o
• Có cá c nghiệm (giá trị riêng)

• Nếu cá c giá trị riêng nằ m trong vò ng trò n đơn vị thì nhâ n tử độ ng
hộ i tụ
• Nhâ n tử độ ng:

2.4. Toán tử trễ (lag operator)
• Toá n tử biến đổ i dãy số gố c thà nh dãy số mớ i
2013 2014 2015 2016 2017 2018 2019 2020

100 120 112 134 145 158 155 175
NA 100 120 112 134 145 158 155

Phương trình sai phân với toán tử trễ
• Nếu đủ lớ n thì
• là mộ t toá n tử
• ổ n định, hộ i tụ
• Phương trình đặ c trưng (characteristic equation)
• Phương trình có hai nghiệm là thì tá c độ ng ổ n định khi 2 nghiệm

phương trình đặ c trưng nằ m ngoài vò ng trò n đơn vị.

• Phương trình đặ c trưng có hai nghiệm đó chính là nghịch đả o củ a
hai giá trị riêng
• Nghiệm phương trình đặ c trưng nằ m ngoài vò ng trò n đơn vị

•  giá trị riêng (nghiệm nghịch đả o) nằ m trong vò ng trò n đơn vị
• Hai điều kiện là tương đương nhau.

Phương trình sai phân bậc p
• Phương trình đặ c trưng
• Tá c độ ng là ổ n định nếu nghiệm phương trình đặ c trưng nằ m

ngoà i vò ng trò n đơn vị
•  nghiệm nghịch đả o (giá trị riêng) nằ m trong vò ng trò n đơn vị.

2.5. Toán tử sai phân (difference)
• Toá n tử chênh lệch giữ a hai giá trị

2013 2014 2015 2016 2017 2018 2019 2020
100 120 112 134 145 158 155 175
• Sai phân bậc hai
• Sai phâ n hai kì:

Ví dụ
2011 90
2012 95
2013 100
2014 120
2015 135
2016 144
2017 150
2018 144
2019 130
2020 117
Sai phân và dạng xu thế

Bài 3. HỒI QUY VỚI CHUỖI THỜI GIAN
• 3.1. Nhắ c lạ i hồ i quy
• 3.2. Chuỗ i thờ i gian
• 3.3. Mô hình độ ng

3.1. Nhắc lại hồi quy
• Mô hình biến
• : sai số ngẫ u nhiên, rấ t quan trọ ng

• Vớ i số liệu chéo, hồ i quy mẫ u
• Ướ c lượ ng OLS trên mẫ u quan sá t

• Tìm min

Các giả thiết OLS với số liệu chéo
• Gt 1. Mẫ u ngẫ u nhiên độ c lậ p
• Gt 2. Trung bình sai số bằ ng 0
• Gt 3. Phương sai sai số khô ng đổ i
• Gt 4. Khô ng có đa cộ ng tuyến hoà n hả o
• Gt 5. Sai số phâ n phố i Chuẩ n
 Cá c UL OLS là Tuyến tính, khô ng chệch, phương sai nhỏ nhấ t

(BLUE)
• ; nhỏ nhấ t
Kiểm định T và F

3.2. Chuỗi thời gian
• Biến ngẫ u nhiên thờ i điểm/kỳ kí hiệu là hay
• Mô hình
• Có thỏ a mã n giả thiết OLS?

Đánh giá mô hình số liệu chuỗi TG
• Hà m hồ i quy phù hợ p?
• Hệ số xá c định
• Ướ c lượ ng cá c hệ số ?
• Hệ số có ý nghĩa thố ng kê?
• Cá c hiện tượ ng
• Dạ ng hà m, thiếu biến độ c lậ p quan trọ ng
• Phương sai sai số thay đổ i
• Đa cộ ng tuyến
• Tự tương quan
• Tự tương quan thuầ n tú y  Khô ng hiệu quả
• Tự tương quan do dạ ng hà m sai  Chệch.
• Kiểm định tự tương quan
• Durbin-Watson cho tự tương quan bậ c 1
• : khô ng có tự tương quan bậ c 1
• hoặ c 4: có tự tương quan bậ c 1.
• Kđ Breusch-Godfrey cho tự tương quan đến bậ c p
• khô ng có tự tương quan
• : có tự tương quan
• Tiêu chuẩ n AIC, SIC, HQ (cà ng nhỏ cà ng tố t)
• Tiêu chuẩ n Maximum likelihood
• Giá trị dự bá o:
• Sai số dự bá o cho m quan sá t;

Bài 4. TÍNH XU THẾ VÀ MÙA VỤ
4.1. Hồi quy
4.1. Tính xu thế
theo biến xu thế
• Mô hình hồ i quy chuỗ i thờ i gian theo biến xu thế
• : thà nh phầ n xu thế

• : chuỗ i loạ i bỏ xu thế (detrended)
• Giá trị dự bá o
• Cò n gọ i là xu thế xá c định (deterministic trend)

Hồi quy theo biến xu thế
• Xu thế tuyến tính:
•
• Sai số dự bá o: chính là chuỗ i loạ i bỏ xu thế (residual = detrended
series)
450 200
400 150
350
100
300
50
250
200 0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
150 -50
100 -100
50
-150
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 -200
Y Linear (Y) detrended(Y) Linear (detrended(Y))

• Hà m linear-log
8 2
7 1
6 0
5 0 5 10 15 20 25 30 35 40 45 50
-1
4 -2
3 -3
2
-4
1
-5
0
0 5 10 15 20 25 30 35 40 45 50 -6
1+1.5ln(t) 1-1.5ln(t)
8 2
7 1
6 0
5 0 5 10 15 20 25 30 35 40 45 50
-1
4 -2
3
-3
2
-4
1
-5
0
0 5 10 15 20 25 30 35 40 45 50 -6
1+0.8ln(t) 1-0.8ln(t)
• Hà m log-linear:
1.8 450
1.6 400
1.4 350
1.2 300
1 250
0.8 200
0.6 150
0.4 100
0.2 50
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
b2 = -0.5 b2 = 0.1
0.7 2.5E+024
0.6
2E+024
0.5
0.4 1.5E+024
0.3 1E+024
0.2
5E+023
0.1
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
b2 = -1.5 b2 = 1.1
• Log-log:
1.2 8
7
1
6
0.8 5
0.6 4
3
0.4
2
0.2 1
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
b2 = -0.5 b2 = 0.5
1.2 1400
1 1200
0.8 1000
800
0.6
600
0.4
400
0.2 200
0 0
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
b2=-1.8 b2 = 1.8
51
4.2 Tính mùa vụ
• Mù a vụ (seasonality) là chu kì lặ p lạ i sau mỗ i nă m
• Số liệu quý có 4 mù a; số liệu thá ng có 12 mù a.
• Ví dụ số liệu quý

Dạng Cộng và Nhân
• Dạ ng cộ ng: Trend Seasonality

• Dạ ng nhâ n: Trend Seasonality

Dạng Cộng và Nhân
• Dù ng biến giả mù a vụ , ví dụ Q1 là m gố c
• Dạ ng cộ ng:
• Dạ ng nhâ n:
• Kết hợ p

4.3. San chuỗi và hiệu chỉnh mùa vụ
• Dù ng trung bình trượ t (moving average)
• Trung bình trượ t có trọ ng số (weighted), ví dụ
• Lưu ý: mấ t đi mộ t số quan sá t đầ u và cuố i

Hiệu chỉnh mùa vụ | Số liệu quý
• Dạ ng cộ ng, tính chênh lệch so vớ i trung bình trượ t (difference from
moving average) 4 hệ số mù a vụ
• Chuỗ i hiệu chỉnh, số liệu nă m , quí
• Dạ ng nhâ n, tính tỉ số so vớ i trung bình trượ t (ratio from moving

average):

Xu thế và Mùa vụ dạng Cộng
• Chuỗ i GDP danh nghĩa VN
• Hệ số mù a vụ :

Xu thế và Mùa vụ dạng Nhân
• Chuỗ i GDP danh nghĩa Việt Nam
• Hệ số mù a vụ :

4.4. Mô hình Holt-Winters
• Mô hình Holt-Winters khô ng mù a vụ
• Dự bá o xu thế tuyến tính, mô hình có hai hệ số
• Bướ c 1: và
• Bướ c :
• Tìm sao cho nhỏ nhất
• Công thức dự báo

Mô hình Holt-Winters có mùa vụ
• Mô hình Holt-Winters có mù a vụ : có ba hệ số
• Dạ ng Cộ ng, tổ ng cá c hệ số mù a vụ bằ ng 0
• Cô ng thứ c dự bá o
• Dạ ng Nhâ n, tích cá c hệ số mù a vụ bằ ng 1
• Cô ng thứ c dự bá o

4.6. Phân tích thành phần
• Yếu tố chu kì (Cyclical):
• Yếu tố xu thế (Trend):
• Yếu tố mù a vụ (Seasonal):
• Yếu tố bấ t quy tắ c (Irregular):
• Mô hình dạ ng Cộ ng (additive)
• Mô hình dạ ng Nhâ n (multiplicative)

Bài 5. TÍNH DỪNG & CHUỖI AR, MA
• Mụ c tiêu: phâ n tích ả nh hưở ng củ a quá trình tự vậ n độ ng, số c quá

khứ và dự bá o cho chuỗ i thờ i gian.
• 5.1. Tính dừ ng
• 5.2. Hà m ACF và PACF
• 5.2. Trung bình trượ t (MA)
• 5.3. Tự hồ i quy (AR)
• 5.4. Tính khả nghịch
• 5.5. Dự bá o chuỗ i dừ ng
5.1. Tính dừng (stationary)
• Quá trình ngẫ u nhiên hay

• Chuỗ i là quan sá t củ a quá trình ngẫ u nhiên
• Hà m mậ t độ tạ i :
• Mô -men bậ c cao
Tính dừng (stationary)
• Chuỗ i dừ ng chặ t (strictly stationary)
• Phâ n phố i xá c suấ t đồ ng thờ i củ a
chỉ phụ thuộ c và o mà khô ng phụ thuộ c và o .

• Dừ ng chặ t yêu cầ u cá c mô -men bậ c cao khô ng thay đổ i theo thờ i gian .
• Nếu chỉ yêu cầ u ở mô -men bậ c 2 (phương sai-hiệp phương sai)  dừ ng
yếu (weakly stationary)

Tính dừng (yếu)
• Dừ ng yếu (weakly stationary): vớ i mọ i
• (1)
• (2)
• (3)
• Vi phạ m ít nhấ t mộ t: khô ng dừ ng (non-stationary)
• Từ (2) và (3) khô ng đổ i

Nhiễu trắng
• Chuỗ i là Nhiễu trắ ng (white noise) nếu
• Nhiễu trắ ng là chuỗ i dừ ng, i.i.d

• Nếu phâ n phố i Chuẩ n (Gauss):
• Khô ng có tương quan vớ i quá khứ
• Tương tự nhiễu trắ ng:

5.2. Hàm ACF và PACF
• Hà m tự tương quan
• Hà m tự tương quan riêng (partial ACF): loạ i bỏ tá c độ ng củ a cá c trễ

khá c
• Nhiễu trắ ng có tạ i mọ i bậ c

Kiểm định tự tương quan | TTQ riêng
• Kiểm định tự tương quan chỉ ở bậc
• : khô ng có tự tương quan ở bậ c
• Vớ i đủ lớ n, nếu thì bá c bỏ
• Kiểm định tự tương quan riêng tương tự
• Sử dụ ng hai đườ ng để kiểm định ở mứ c ý nghĩa 5%.
• Nếuvượ t ra ngoà i  có TTQ ở bậ c
• Nếuvượ t ra ngoà i  có TTQ riêng bậ c

Kiểm định tự tương quan | TTQ riêng
• Kiểm định tự tương quan đến bậ c
• Kiểm định Box - Pierre

• thì bá c bỏ
• Kiểm định Ljung – Box
• thì bá c bỏ

Ví dụ Nhiễu trắng
 R
• Eviews

5.3. Trung bình trượt (MA)
• Chuỗ i trung bình trượ t bậ c 1, , nếu vớ i là nhiễu trắ ng
Suy ra
• Chuỗ i MA(1) là dừ ng
• ;

Trung bình trượt (MA)
• Trung bình trượ t bậ c q: MA(q), vớ i là nhiễu trắ ng
• Chuỗ i là dừ ng
•

Trung bình trượt (MA)
• Trung bình trượ t vô hạ n
• Là chuỗ i dừ ng nếu
• Biểu diễn dạ ng toá n tử trễ

•:
•:

Trung bình trượt
• MA(1)  MA(2)

Sơ đồ Trung bình trượt
• Sơ đồ 𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3
𝑢𝑡 𝑢𝑡 −1 𝑢𝑡 −2 𝑢𝑡 −3
• Sơ đồ
𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3

5.4. Tự hồi quy
• Bước ngẫu nhiên (Random walk)
• Bướ c ngẫ u nhiên khô ng hằ ng số (r.w without drift)
là nhiễu trắ ng
• Là chuỗ i khô ng dừ ng
• Khô ng có quy tắ c nà o về xu thế hay khô ng

Bước ngẫu nhiên không hằng số

Bước ngẫu nhiên có hằng số
• Bướ c ngẫ u nhiên có hằ ng số (r.w with drift), với là nhiễu trắng
: khô ng dừ ng
• Xu thế tă ng nếu giả m nếu

• Gọ i là xu thế ngẫ u nhiên (stochastic trend)
• xấ p xỉ 1 nếu lớ n, nhỏ

Bước ngẫu nhiên có hằng số
• Hằ ng số dương
• Hằ ng số â m

Tự hồi quy bậc 1 - AR(1) không hằng số
• Tự hồ i quy bậ c 1 khô ng hằ ng số :
• Tính dừ ng, phụ thuộ c và o giá trị củ a

AR(1) không hằng số
• : bù ng nổ , khô ng xảy ra trong thự c tế
• : bướ c ngẫ u nhiên, khô ng dừ ng
• : hộ i tụ về dừ ng khi tă ng, khi đó
•
• giả m dầ n về 0

Tự hồi quy bậc 1 – AR(1) có hằng số
• AR(1) có hằ ng số :
• Tương tự chuỗ i khô ng hằ ng số

• thì dừ ng,

AR(1) dừng
𝜙1 >0
𝜙1 <0

Tự hồi quy bậc 2 - AR(2)
• Tự hồ i quy bậ c 2
• Phương trình đả o:
• Phương trình đặ c trưng:
• là chuỗ i dừ ng  Nghiệm phương trình đặ c trưng nằ m ngoà i vò ng
trò n đơn vị  cá c nghiệm nghịch đả o (inversed roots) nằ m trong
vò ng trò n đơn vị.

Tự hồi quy bậc 2 – AR(2)
• Điều kiện dừ ng
• dừ ng thì TB dà i hạ n:
𝜙2
Bùng nổ Bùng nổ
:K
1
Dừng
hô
ng
Nghiệm thực 2
d
-2 𝜙1
ừn
0
g
2
−𝜙 1 Dừng
ng
𝜙 2= 4 Nghiệm phức
dừ
ng
-1
hô
Không dừng
:K
Bùng nổ
Tự hồi quy
• Sơ đồ 𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3
• Sơ đồ 𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3
Tự hồi quy bậc p - AR(p)
• Tự hồ i quy bậ c p
• Phương trình đặ c trưng:

• dừ ng  Cá c nghiệm đặ c trưng nằ m ngoà i vò ng trò n đơn vị  cá c
nghiệm nghịch đả o (inverted roots) nằ m trong vò ng trò n đơn vị.
• là câ n bằ ng dà i hạ n

Tự hồi quy bậc p - AR(p)
• Biểu diễn qua toá n tử trễ
•:
•:

Tính khả nghịch
•:
• AR có thể biểu diễn dướ i dạ ng MA, gọ i là tính khả nghịch

(invertible)
• Ướ c lượ ng dướ i dạ ng
• Thu đượ c

5.5. Dự báo
• Chuỗ i nhiễu trắ ng thuầ n ngẫ u nhiên: khô ng dự bá o
• Dự bá o cho chuỗ i khô ng dừ ng sai số rấ t lớ n
• Thự c hiện dự bá o cho chuỗ i dừ ng
• Dự bá o trong mẫ u: để đá nh giá
•:
• Sai số
• Dự bá o ngoà i mẫ u
•:

Dự báo | MA
• MA(1):
•
• : dự bá o chỉ sau 1 kì
• MA(q):
• : dự bá o chỉ sau kì
Dự báo | AR(1)
• dừ ng:
• Dự bá o tĩnh (static): dù ng giá trị thự c
• Chỉ dự bá o ngoà i mẫ u 1 kì
• Dự bá o độ ng (dynamic): dù ng giá trị dự bá o để tính

Dự báo | AR(p)
• dừ ng:
• Dự bá o tĩnh: chỉ sau 1 kì
• Dự bá o độ ng: vô hạ n
• Kết hợ p tĩnh và độ ng: sử dụ ng số liệu thự c cho đến khi cò n dù ng
đượ c, từ đó trở đi dù ng số liệu dự bá o
• Cá c phầ n mềm ướ c lượ ng phương trình hiệu chỉnh về trung bình

(nếu chuỗ i dừ ng), cầ n quy đổ i

5.6. Mô hình ARMA
• dạng đầy đủ
• Sơ đồ 𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3
Mô hình ARMA
• Nếu phương trình đặ c trưng có cá c nghiệm nằ m ngoà i vò ng trò n
đơn vị  cá c nghiệm nghịch đả o nằ m trong vò ng trò n đơn vị 
chuỗ i dừ ng.
• Dự bá o chuỗ i dừ ng:
• Vớ i : chỉ dự bá o kì
• Vớ i : tĩnh chỉ 1 kì, độ ng dự bá o vô hạ n
• Nhậ n biết bậ c cầ n phâ n tích và cá c kiểm định

Bài 6. KIỂM ĐỊNH TÍNH DỪNG - ARIMA
• Để phâ n tích, dự bá o, xây dự ng mô hình cho chuỗ i
• (1) Chuỗ i dừ ng  mô hình AR-MA và dự bá o
• (2) Chưa dừ ng  đưa về dừ ng  (1)
• 6.1. Dừ ng sai phâ n, dừ ng xu thế
• 6.2. Kiểm định nghiệm đơn vị (Dickey-Fuller)
• 6.3. Kiểm định tự tương quan
• 6.4. Xá c định bậ c ARMA
• 6.5. Mô hình ARIMA
• 6.6. Phương phá p Box – Jenkins
• 6.7. Mô hình có yếu tố mù a vụ
6.1. Dừng sai phân – Dừng xu thế
• là dừ ng sai phâ n (bậ c 1)
• là dừ ng sai phâ n bậ c 2 
• là dừ ng xu thế  , trong đó là dừ ng

• Dừ ng xu thế Dừ ng sai phâ n Khô ng dừ ng

Dừng sai phân – Dừng xu thế
, nhiễu trắ ng Dừ ng
Dừ ng sai phâ n bậ c 1
Dừ ng, Dừ ng xu thế
Khô ng dừ ng, Dừ ng, Tă ng nhanh dầ n
Khô ng dừ ng, Dừ ng, Tă ng chậ m dầ n

6.2. Kiểm định Nghiệm đơn vị
• Kiểm định tính dừ ng củ a chuỗ i
• : khô ng dừ ng, nghiệm đơn vị (unit root)

• : dừ ng, khô ng nghiệm đơn vị
• Kiểm định Dickey-Fuller
• 
• ; Nếu thì bá c bỏ

Kiểm định Nghiệm đơn vị
• Nếu : thêm yếu tố
• Có hệ số chặ n
• Có hệ số chặ n và xu thế
• Nếu có ý nghĩa thố ng kê thì có xu thế

• Nếu khô ng phả i nhiễu trắ ng, có tự tương quan, AR bậ c cao hơn
• Kiểm định Augmented DF (ADF): thêm trễ
• Tiêu chí lự a chọ n bậ c trễ: AIC, BIC, HQ nhỏ , hết tự tương quan,
hệ số củ a trễ có ý nghĩa thố ng kê

Trend + Constant
Trend is
significant { 𝐻 0 : unit root
𝐻 1 : stationary around trend
Trend insig.
Constant
insig.
Const is
significant { 𝐻 0 :unit root
𝐻 1 : stationary around longrun mean
None { 𝐻 0 : unit root

𝐻 1 : stationary around 0

6.3. Xác định bậc AR-MA
Chuỗi
Nhiễu trắ ng
Bướ c ngẫ u nhiên,
nghiệm đơn vị
khô ng nghiệm đơn vị giả m dầ n về 0
khô ng nghiệm đơn vị giả m dầ n về 0

Chuỗi
giả m dầ n về 0
giả m dầ n về 0

• Ướ c lượ ng mô hình theo bậ c đã xá c định
• Kiểm định về mô hình
• Nghiệm nghịch đả o phả i trong vò ng trò n đơn vị
• Hệ số khô ng có ý nghĩa thố ng kê?  bỏ bớ t
• Cò n tự tương quan?  thêm bậ c
• Phầ n dư khô ng nhiễu trắ ng?  thêm bậ c
• Đá nh giá mô hình
• Hệ số xá c định lớ n, Likelihood lớ n
• AIC, BIC, HQ nhỏ , Sai số dự bá o nhỏ
6.4. Mô hình ARIMA
• Tích hợ p (integrate)
•  dừ ng
•  khô ng và dừ ng
•  khô ng, khô ng, dừ ng
•  dừ ng sau khi lấy sai phâ n bậ c
• Chuỗ i đưa về dừ ng sau sai phâ n bậ c , á p dụ ng 
• Phương trình tổ ng quá t

Phương pháp Box-Jenkins
Chuỗ i gố c
Sai phâ n KĐ
Dừ ng? ADF
S
Đ Lượ c đồ
Xá c định bậ c T. quan
Ướ c lượ ng MH OLS / ML
KĐ
MH đá nh
S tố t? giá
Đ
Dự bá o chuỗ i dừ ng  Dự bá o chuỗ i gố c
6.5. Mô hình có mùa vụ
• Chẳ ng hạ n mù a vụ theo quý,

• Chênh lệch theo mù a:
• Sai phân có mùa vụ:
• Sai phân bậc có mùa vụ:
• Trung bình trượt có mùa vụ
•:
•:
•:
6.5. Mô hình có mùa vụ
• Tự hồi quy có mùa vụ

•:
•:
•
• Mô hình
• Tổ ng quá t

Bài 7. Tích hợp – Đồng tích hợp
• 7.1. Hồ i quy cổ điển vớ i chuỗ i thờ i gian
• 7.2. Tích hợ p - đồ ng tích hợ p
• 7.3. Mô hình hiệu chỉnh sai số ECM

7.1. Hồi quy cổ điển với chuỗi thời gian
• Giả thiết 1 phương phá p OLS vớ i chuỗ i thờ i gian: Chuỗ i dừ ng, phụ
thuộ c yếu
• Hai chuỗ i khô ng có quan hệ, cù ng khô ng dừ ng, cù ng xu thế, hồ i quy
có ý nghĩa thố ng kê, cao  Hồ i quy giả mạ o (spurious regression)
Có lý thuyết Không đủ lý thuyết
Có ý nghĩa thống kê
Không ý nghĩa
thống kê
7.2. Tích hợp - đồng tích hợp
• : tích hợ p (integrated) bậ c ,
• Tính chấ t
• Nếu
• thì
• thì hoặ c
• Trườ ng hợ p thì và là đồ ng tích hợ p (cointegrated)

7.2. Tích hợp - đồng tích hợp
• Đồ ng tích hợ p bậ c 1:
• Hồ i quy
• Sai số
• Nếu đủ lí thuyết kinh tế  quan hệ câ n bằ ng dà i hạ n
• Khi hộ i tụ về trạ ng thá i câ n bằ ng thì hộ i tụ về câ n bằ ng

Đồng tích hợp
•a
Có lý thuyết Không đủ lý thuyết
Sai số là dừng Cân bằng dài hạn Hồi quy giả mạo
Sai số không dừng Thiếu biến, hàm sai

7.2. Tích hợp – đồng tích hợp
• Kiểm định Johansen vớ i chuỗ i , có dạ ng chỉ có hệ số chặ n và có xu
thế
• Nếu hoặ c > giá trị tớ i hạ n thì bá c bỏ .

7.3. Mô hình Hiệu chỉnh sai số (ECM)
• Câ n bằ ng dà i hạ n
• Sai lệch khỏ i câ n bằ ng:
• Mấ t câ n bằ ng kì trướ c:
• Mô hình
• Nếu có cơ chế tự hiệu chỉnh sai số thì , hệ số hiệu chỉnh là

Mô hình hiệu chỉnh sai số
• Mở rộ ng cho mố i quan hệ nhiều biến đồ ng tích hợ p
• tích hợ p cù ng bậ c, tổ hợ p tuyến tính củ a chú ng là dừ ng
• Câ n bằ ng dà i hạ n:
• ECM
• Hệ số hiệu chỉnh

Bài 8. Mô hình VAR
• Vector Autoregressive Model: Cá c biến tá c độ ng qua lạ i vớ i nhau,
khô ng cò n biến phụ thuộ c và độ c lậ p riêng biệt; Mô hình khô ng cầ n
lí thuyết kinh tế chi tiết.
• 8.1. Mô hình
• 8.2. Kiểm định nhâ n quả Granger
• 8.3. Phâ n tích tá c độ ng qua lạ i
• 8.4. VECM
• 8.5. SVAR, VARX

8.1. Mô hình
• Mô hình hai biến, trễ 1
• Dạ ng vectơ

8.1. Mô hình
• Sơ đồ mô hình
𝑢1 𝑡 𝑢1 𝑡 − 1 𝑢1 𝑡 − 2 𝑢1 𝑡 − 3
𝑌𝑡 𝑌 𝑡− 1 𝑌 𝑡− 2 𝑌 𝑡− 3
𝑋𝑡 𝑋 𝑡− 1 𝑋 𝑡− 2 𝑋 𝑡− 3
𝑢2 𝑡 𝑢2 𝑡 −1 𝑢2 𝑡 −2 𝑢2 𝑡 −3
8.1. Mô hình
• Mô hình 2 biến trễ 2 kì
• Mô hình biến trễ kì

Ước lượng mô hình VAR
• Giả thiết
• khô ng có tự tương quan
• Ướ c lượ ng hợ p lý tố i đa (ML)
• Ướ c lượ ng bằ ng phương phá p Johansen
• Phương phá p hồ i quy giả m hạ ng

8.2. Kiểm định nhân quả Granger
• Kiểm định đến trễ bậ c
•
•

8.3. Phân tích ảnh hưởng qua lại
• Chứ ng minh đượ c nếu hai chuỗ i dừ ng, VAR
• Chẳ ng hạ n VAR(1)
• Có thể biểu diễn qua dạ ng MA
• Từ đó có hà m phả n ứ ng (impulse response function) củ a vớ i số c

Hàm phản ứng
• Impulse response function (irf)
• là phả n ứ ng củ a (biến kì ) khi có số c xảy ra vớ i (biến kì )
• : phả n ứ ng vớ i số c củ a chính nó
• : phả n ứ ng vớ i số c củ a biến khá c
• Tổ ng quá t VAR

Phân rã phương sai (của sai số dự báo)
• (Forecast Error) Variance decomposition
• : Trung bình bình phương sai số dự bá o biến thứ tính cho kì
• Tá ch thà nh cá c phầ n: do chính nó giả i thích và do cá c biến khá c
giả i thích
• là tỉ lệ (%) MSE củ a biến đượ c giả i thích bở i số c (biến độ ng) củ a ,
tính cho kì

8.4. VECM model
• Vector Error Correction Model
• VAR á p dụ ng cho cá c chuỗ i dừ ng
• Cá c chuỗ i khô ng dừ ng, tích hợ p cù ng bậ c, có đồ ng tích hợ p vớ i nhau: ,
cointegration
• Câ n bằ ng dà i hạ n
• VECM
• Hệ số (tố c độ ) hiệu chỉnh

• Mô hình có thể dù ng để dự bá o
VECM
• Tổ ng quá t đến trễ bậ c p

8.5. SVAR – Structural VAR
• Structure VAR(1)
• Dạ ng rú t gọ n
• Khô ng định dạ ng đượ c Series - www.mfe.neu.edu.vn/buiduonghai

Time 129
SVAR
• Nếu chỉ có cấ u trú c ở mộ t phương trình
• Dạ ng đệ quy
• Ướ c lượ ng đượ c bằ ng OLS
• Có thể tính IRF, FEVD

8.6. VARX (VAR with Exogenous variable)
• Hay VAR vớ i biến ngoạ i sinh hoà n toà n (dừ ng)

• VARX(1,0)
• Tổ ng quá t:
•

Bài 9. MÔ HÌNH ARCH – GARCH
• Đo lườ ng rủ i ro (risk) trong tà i chính bở i sự biến thiên (volatility)
củ a sai số mô hình.
• 9.1. ARCH
• 9.2. GARCH
• 9.3. GARCH-M
• 9.4. T-GARCH
• 9.5. GJR-GARCH
• 9.6. E-GARCH
Mô hình ARCH – GARCH
• Mộ t số vấ n đề trong tà i chính
• Sai số khô ng phâ n phố i Chuẩ n
• Thườ ng đuô i dày (heavy-tailed / leptokurtosis)
• Có dạ ng đi cụ m vớ i nhau (clustering / pooling)
• Tá c độ ng / hiệu ứ ng đò n bẩy (leverage effect)

9.1. Mô hình ARCH
• Chuỗ i dừ ng
• Mô hình:
• […] là “mô hình trung bình”, , AR, MA, ARMA
• […] có thể có biến độ c lậ p khá c:
• Giả thiết khô ng đổ i có thể sai
• thay đổ i (heteroscedasticity)
• Tương quan với sốc quá khứ

Mô hình ARCH
• Hay:
• ARCH(1) xét
• ARCH(q)
• Điều kiện:
Kiểm định ARCH
• Ướ c lượ ng mô hình:  phầ n dư
• Ướ c lượ ng mô hình hồ i quy phụ :
• thì bá c bỏ
• Dù ng mô hình để dự bá o chuỗ i volatility

9.2. GARCH (General ARCH)
•
• GARCH(1,1)
• : phương sai khô ng dừ ng

• : phương sai có nghiệm đơn vị, phương sai tích hợ p, IGARCH:
chưa dừ ng
• : phương sai dừ ng, và phương sai khô ng điều kiện

Ước lượng GARCH
• Ướ c lượ ng thu đượ c
• Kiểm định GARCH

• : khô ng có GARCH

GARCH(p,q)
• Khi : phương sai dừ ng, tính đượ c phương sai khô ng điều kiện
• Từ đó dự bá o cho phương sai (volatility) để đá nh giá rủ i ro.

9.3. GARCH-M
• Phương sai có mặ t trong phương trình trung bình
• GARCH(1,1)-M
• là phầ n bù rủ i ro, : tă ng khi rủ i ro tă ng

• Dạ ng khá c

9.4. TGARCH (Threshold GARCH)
• Khô ng đố i xứ ng khi số c â m và dương
• Cò n gọ i là GJR-GARCH (1993)
• TGARCH(1,1)
• Biến giả : nếu ; nếu
• : có tính bấ t đố i xứ ng theo số c
• : có hiệu ứ ng đò n bẩy (leverage effect)
• TGARCH(p, q)

9.5. EGARCH (Exponential GARCH)
• EGARCH(1,1) dạ ng đố i xứ ng
• EGARCH(p,q) dạ ng đố i xứ ng

EGARCH
• EGARCH(1,1) dạ ng bấ t đố i xứ ng
• Nếu : khô ng đố i xứ ng
• : có hiệu ứ ng đò n bẩy
• EGARCH(p,q)
• Hoặ c dạ ng tương tự

9.6. Các dạng khác
• Asymmetric Power ARCH (AP-ARCH)
• Family GARCH (F-GARCH)
• Component GARCH (C-GARCH)
• Multiplicative Component GARCH (MC-GARCH)
• Realized GARCH (R-GARCH)
• Fractionally Integrated GARCH (FI-GARCH)

Slide TimeSeries CN Wide 221123

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slide TimeSeries CN Wide 221123

Uploaded by

Copyright:

Available Formats

ĐẠI HỌC KINH TẾ QUỐC DÂN

KHOA TOÁN KINH TẾ

PHÂN TÍCH VÀ DỰ BÁO

Time Series - www.mfe.neu.edu.vn/buiduonghai 3

Time Series - www.mfe.neu.edu.vn/buiduonghai 4

Time Series - www.mfe.neu.edu.vn/buiduonghai 6

Time Series - www.mfe.neu.edu.vn/buiduonghai 7

Time Series - www.mfe.neu.edu.vn/buiduonghai 8

Time Series - www.mfe.neu.edu.vn/buiduonghai 9

• Gọ i là tỷ lệ tă ng trưở ng, tỷ suấ t sinh lợ i, lợ i suấ t (growth rate/

Time Series - www.mfe.neu.edu.vn/buiduonghai 12

• Y2Y quarterly data return rate

• Y2Y monthly data return rate

Time Series - www.mfe.neu.edu.vn/buiduonghai 13

• Lã i suấ t liên tụ c chính là log-return

Time Series - www.mfe.neu.edu.vn/buiduonghai 15

Time Series - www.mfe.neu.edu.vn/buiduonghai 16

• là đạ i lượ ng xá c định hoặ c ngẫ u nhiên

Time Series - www.mfe.neu.edu.vn/buiduonghai 17

Time Series - www.mfe.neu.edu.vn/buiduonghai 18

• Tác động của đến

Time Series - www.mfe.neu.edu.vn/buiduonghai 20

Time Series - www.mfe.neu.edu.vn/buiduonghai 21

Time Series - www.mfe.neu.edu.vn/buiduonghai 22

• Nghiệm củ a phương trình đả o là giá trị riêng củ a ma trậ n F (eigen

Time Series - www.mfe.neu.edu.vn/buiduonghai 23

Ví dụ : phâ n tích phương trình sai phâ n

Time Series - www.mfe.neu.edu.vn/buiduonghai 24

Time Series - www.mfe.neu.edu.vn/buiduonghai 25

0.6 0.6 0.6

0.4 0.4 0.4

0.2 0.2 0.2

-0.2 -0.2 -0.2

-0.4 -0.4 -0.4

Time Series - www.mfe.neu.edu.vn/buiduonghai 26

• Ví dụ : phâ n tích phương trình

Time Series - www.mfe.neu.edu.vn/buiduonghai 27

Time Series - www.mfe.neu.edu.vn/buiduonghai 28

Time Series - www.mfe.neu.edu.vn/buiduonghai 29

• Có cá c nghiệm (giá trị riêng)

Time Series - www.mfe.neu.edu.vn/buiduonghai 30

2013 2014 2015 2016 2017 2018 2019 2020

Time Series - www.mfe.neu.edu.vn/buiduonghai 31

• Phương trình đặ c trưng (characteristic equation)

• Phương trình có hai nghiệm là thì tá c độ ng ổ n định khi 2 nghiệm

Time Series - www.mfe.neu.edu.vn/buiduonghai 33

• Nghiệm phương trình đặ c trưng nằ m ngoài vò ng trò n đơn vị

Time Series - www.mfe.neu.edu.vn/buiduonghai 34

• Phương trình đặ c trưng

• Tá c độ ng là ổ n định nếu nghiệm phương trình đặ c trưng nằ m

Time Series - www.mfe.neu.edu.vn/buiduonghai 35

• Toá n tử chênh lệch giữ a hai giá trị

• Sai phân bậc hai

• Sai phâ n hai kì:

Time Series - www.mfe.neu.edu.vn/buiduonghai 38

Time Series - www.mfe.neu.edu.vn/buiduonghai 39

• : sai số ngẫ u nhiên, rấ t quan trọ ng

• Ướ c lượ ng OLS trên mẫ u quan sá t

Time Series - www.mfe.neu.edu.vn/buiduonghai 40

 Cá c UL OLS là Tuyến tính, khô ng chệch, phương sai nhỏ nhấ t

Time Series - www.mfe.neu.edu.vn/buiduonghai 42

• Có thỏ a mã n giả thiết OLS?

Time Series - www.mfe.neu.edu.vn/buiduonghai 43

Time Series - www.mfe.neu.edu.vn/buiduonghai 46