DỰ BÁO TỶ GIÁ EURO/USD

Nhóm 5

Phạm Trần Phúc Lê Nguyễn Quốc Nguyễn Khánh Nguyễn Minh

Ân Thắng Khang
 PHẦN NỘI DUNG

Đặt vấn đề Dữ liệu nghiên cứu

Mục tiêu nghiên cứu Kết quả nghiên cứu

Đối tượng và phạm vi So sánh mô hình

Phương pháp nghiên cứu Kết luận

 DỰ BÁO TỶ GIÁ EUR/USD

ĐẶT VẤN ĐỀ

Trong bối cảnh của nền kinh tế đang trải qua những
biến động mạnh mẽ, do ảnh hưởng của nền kinh tế suy
thoái và lạm phát tại Mỹ dẫn đến các đợt liên tục tăng
lãi suất dẫn đến thị trường ngoại hối trong thời gian
gần đây, đặc biệt là tỷ giá hối đoái giữa EURO và USD
có nhiều biến động mạnh. Tỷ giá EUR/USD đã giảm
từ mức 1,14 USD vào đầu tháng 3 năm 2023 xuống
còn 1,05 USD vào ngày 20 tháng 3 năm 2024.
ĐẶT VẤN ĐỀ

Các yếu tố dẫn đến sự biến

động:

+ Chính sách tiền tệ

+ Sự tăng trưởng kinh tế

+ Căng thẳng chính trị

MỤC TIÊU NGHIÊN CỨU ĐỀ TÀI

Mục tiêu chung: Nghiên cứu này nhằm mục đích ứng dụng mô hình ARIMA và mô
hình ARCH-GARCH để dự báo tỷ giá EURO/USD từ năm 2018 đến năm 2024, đồng
thời phân tích và đánh giá hiệu suất của mô hình trong việc dự báo trong thị trường
ngoại hối.
Mục tiêu chi tiết:
- Sử dụng mô hình ARIMA-GARCH để dự báo tỷ giá EURO/USD
- Giữa mô hình ARIMA và mô hình GARCH-ARCH, mô hình nào có độ chính xác
cao hơn
ĐỐI TƯỢNG VÀ PHẠM VI
NGHIÊN CỨU

Đối tượng nghiên cứu:

• Tỷ giá hối đoái giữa đồng EURO và USD

Phạm vi nghiên cứu:

• Mốc thời gian: 2018 – 2024

• Nguồn dữ liệu: investing.com

 PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Quá trình tự hồi quy (AR – Autoregressive Process):

Chu trình ARCH (ARCH Process):
Y t = ϕ 0 +ϕ 1 Y t − 1+ ϕ 2 Y t − 2+ …+ ϕ p Y t − p + u
y t = δ + φ 𝑦 𝑡 −1 + 𝜀 𝑡
Quá trình trung bình trượt (MA – Moving Average):

Chu trình GARCH (GARCH Process): Y t = μ +ut +θ1 ut −1 +θ 2 u t −2 + …+θ q ut −

y t = δ + ϕ 𝑦 𝑡 − 1+ 𝜀 𝑡 Quá trình trung bình trượt, đồng liên kết, tự hồi
quy ARIMA

∆ Y t = ϕ 0 + ϕ1 Y t − 1 + θ0 u t +θ 1 u t − 1 )
 PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Quá trình tự hồi quy (AR – Autoregressive Process):

Chu trình ARCH (ARCH Process):
Y t = ϕ 0 +ϕ 1 Y t − 1+ ϕ 2 Y t − 2+ …+ ϕ p Y t − p + u
y t = δ + φ 𝑦 𝑡 −1 + 𝜀 𝑡
Quá trình trung bình trượt (MA – Moving Average):

Chu trình GARCH (GARCH Process): Y t = μ +ut +θ1 ut −1 +θ 2 u t −2 + …+θ q ut −

y t = δ + ϕ 𝑦 𝑡 − 1+ 𝜀 𝑡 Quá trình trung bình trượt, đồng liên kết, tự hồi
quy ARIMA

∆ Y t = ϕ 0 + ϕ1 Y t − 1 + θ0 u t +θ 1 u t − 1 )
 MÔ HÌNH ARIMA
∆ 𝐘 𝐭 = 𝛟𝟎 + 𝛟𝟏 𝐘 𝐭 − 𝟏+ 𝛉𝟎 𝐮 𝐭 + 𝛉𝟏 𝐮𝐭 −𝟏 )

Trong đó:
+ : quan sát dừng hiện tại.
+ quan sát dừng quá khứ
+ các tham số phân tích hồi quy
+ : sai số dự báo ngẫu nhiên của giai đoạn hiện tại (hay còn gọi là nhiễu trắng). Giá trị
trung bình bằng 0.

+ sai số dự báo quá khứ

+ : giá trị trung bình của và các hệ số bình quân di động.

 MÔ HÌNH ARCH
+…+

Trong đó:
+: phương sai có điều kiện của biến thời gian tại thời điểm t
+ các hệ số
+
 MÔ HÌNH GARCH

Trong đó:
+: phương sai có điều kiện của biến thời gian tại thời điểm t.
+ hằng số
+ và : là các hệ số của mô hình, với i= 1,2,..., q và p là số lượng lags được sử
dụng
+: là bình phương của sai số tại thời điểm t - i

+phương sai có điều kiện của biến thời gian tại thời điểm t – i.
DỮ LIỆU NGHIÊN CỨU
- Giá trị trung bình là 1,124956 tức
là cứ 1 đồng EURO thì sẽ đổi
được 1,124956 đồng USD
- Giá trị thấp nhất của tỷ giá là
0,969 vào ngày 18/09/2022
- Giá trị lớn nhất của tỷ giá vào
ngày 28/01/2018 là 1,246
KẾT QUẢ NGHIÊN CỨU
DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH ARIMA

Ngày PRICE Thực Tế PRICE Dự Báo Chêch lệch

04/02/2024 1.0782 1.077877 0.0004

11/02/2024 1.0774 1.077988 -0.0005

18/02/2024 1.0818 1.076039 0.0058

25/02/2024 1.0837 1.081749 0.002

03/03/2024 NA 1.082638 .....

KẾT QUẢ NGHIÊN CỨU
DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH GARCH

Ngày Price Price dự báo Chênh lệch

04/02/2024 1,0782 1,0793 -0.0011

11/02/2024 1,0774 1,0858 -0.0084

18/02/2024 1,0818 1,0776 0.0042

25/02/2024 1,0837 1,0896 -0.0059

03/03/2024 NA 1,0817 .....

SO SÁNH MÔ HÌNH

Ngày ARIMA GARCH Giá Thực Tế

04/02/2024 1.0778 1.0793 1.0782

11/02/2024 1.0779 1.0858 1.0774

18/02/2024 1.0760 1.0776 1.0818

25/02/2024 1.0817 1.0896 1.0837

03/03/2024 1.0826 1.0817 1.0937

 KẾT LUẬN

ƯU ĐIỂM MÔ HÌNH ARIMA NHƯỢC ĐIỂM MÔ HÌNH

ARIMA
 KẾT LUẬN
ƯU ĐIỂM MÔ HÌNH GARCH
Xử lý tốt với biến động không đồng nhất: GARCH được
thiết kế đặc biệt để xử lý các biến động có phương sai
không đồng nhất, điều này giúp tăng độ chính xác của
dự báo tỷ giá.
Dự báo dài hạn: GARCH thường hiệu quả hơn ARIMA
trong việc dự báo dài hạn, đặc biệt là khi tỷ giá có xu
hướng biến động không ổn định.
NHƯỢC ĐIỂM MÔ HÌNH
GARCH
Phức tạp hơn ARIMA: GARCH có thể phức tạp hơn
ARIMA trong quá trình triển khai và ước lượng, đặc biệt là
khi cần tính toán các tham số phức tạp.
Cần nhiều dữ liệu: GARCH yêu cầu một lượng dữ liệu lớn
hơn để ước lượng hiệu quả, đặc biệt là khi mô hình phải
mô hình hóa các biến động dài hạn.
 KẾT LUẬN

Đã làm nổi bật Mô hình đã đạt Mặt hạn chế:

Cung cấp một
phương pháp được mục tiêu Nhạy cảm với
nền tảng lý
xây dựng, xác quan trọng nhất các yếu tố thay
thuyết cho việc
định, lựa chọn là dự báo. Qua
sử dụng hai mô đổi bất ngờ
dự báo, ta có thể
hình ARIMA mô hình, cung như chính sách
thấy mô hình
VÀ cấp một cái nhìn tiền tệ, chính
GARCH là mô
ARCH/GARCH sâu về ứng dụng trị
hình tối ưu nhất
của mô hình này
để dự báo
trong dự báo
DỰ BÁO TỶ GIÁ EUR/USD

THANK
YOU