Phân tích độ dao động lợi suất cổ phiếu VNM bằng mô hình GARCH

Phân tích độ dao động lợi suất cổ phiếu VNM bằng mô hình GARCH. Chuyên đề thực tập ứng dụng, nghiên cứu biến động cổ phiếu Vinamilk hiệu quả.

Chuyên ngành

Toán Kinh Tế

Người đăng

Ẩn danh

Thể loại

Chuyên đề thực tập chuyên ngành

2022

49
4
0

Phí lưu trữ

30 Point

Mục lục chi tiết

MỤC LỤC

DANH MỤC BẢNG BIỂU

DANH MỤC CÁC HÌNH

MỞ ĐẦU

1. Lý do chọn đề tài

2. Mục tiêu nghiên cứu

3. Đối tượng và phạm vi nghiên cứu

4. Kết cấu chuyên đề

1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ SỬ DỤNG MÔ HÌNH GARCH PHÂN TÍCH ĐỘ DAO ĐỘNG CỦA LỢI SUẤT CỔ PHIẾU

1.1. Độ dao động của lợi suất

1.2. Một số phương pháp ước lượng độ dao động của lợi suất

1.3. Mô hình Garch đo độ dao động của lợi suất

1.3.1. Mô hình Arch

1.3.2. Mô hình Garch

1.3.3. Mô hình TGarch

1.3.4. Mô hình EGarch

1.4. Các ứng dụng của mô hình Garch trong dự báo độ dao động

2. CHƯƠNG 2: DIỄN BIẾN GIÁ CỔ PHIẾU CÔNG TY CỔ PHẦN SỮA VIỆT NAM GIAI ĐOẠN 2012 — 2021

2.1. Khái quát quá trình hình thành và phát triển của Công ty cổ phần Sữa Việt Nam

2.2. Sơ lược về diễn biến giá và lợi suất cổ phiếu VNM giai đoạn 2012 — 2021

2.2.1. Lịch sử niêm yết giá cổ phiếu VN

2.2.2. Giá cổ phiếu VNM qua thống kê mô tả

3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH GARCH PHÂN TÍCH ĐỘ DAO ĐỘNG LỢI SUẤT CỔ PHIẾU VNM

3.1. Kiểm định Dicky — Fuller về tính dừng của chuỗi lợi suất

3.2. Lược đồ tương quan và mô hình ARMA(p,q) của chuỗi lợi suất R

3.3. Mô hình Garch phân tích độ dao động của chuỗi lợi suất Rị

3.4. Dự báo độ dao động của lợi suất cổ phiếu

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Phân Tích Biến Động Giá Cổ Phiếu VNM GARCH

Trong bối cảnh hội nhập kinh tế quốc tế sâu rộng, thị trường chứng khoán đóng vai trò then chốt trong việc tạo lập và phân bổ vốn. Diễn biến giá cổ phiếu luôn tiềm ẩn rủi ro, đòi hỏi nhà đầu tư phải trang bị các phương pháp quản trị rủi ro hiệu quả. Phân tích và dự báo, đặc biệt sử dụng các mô hình định lượng, là yếu tố then chốt. Các mô hình ARCHGARCH nổi lên như những công cụ mạnh mẽ để dự báo rủi ro thông qua phương sai và độ lệch chuẩn. Mô hình GARCH, được Tim Bollerslev phát triển, đã trở thành lựa chọn phổ biến. Vinamilk, với mã chứng khoán VNM, là một trong những doanh nghiệp hàng đầu Việt Nam. Việc phân tích biến động giá cổ phiếu VNM bằng mô hình GARCH giúp nhà đầu tư đưa ra quyết định sáng suốt hơn. Cần hiểu rõ về Volatility và các yếu tố ảnh hưởng đến nó. Các công cụ và phần mềm phân tích GARCH có thể hỗ trợ quá trình này. Điều này cho thấy tầm quan trọng của việc ứng dụng kinh tế lượngtài chính định lượng trong phân tích thị trường.

1.1. Tầm quan trọng của phân tích biến động trong đầu tư chứng khoán

Phân tích biến động giá cổ phiếu là yếu tố sống còn trong đầu tư. Nó không chỉ giúp đo lường mức độ rủi ro mà còn cung cấp thông tin quan trọng để định giá tài sản, đặc biệt là các công cụ phái sinh. Theo Fisher Black và Myron Scholes, độ dao động là một trong những tham số quan trọng nhất trong định giá quyền chọn. Tuy nhiên, độ dao động lại là yếu tố duy nhất không thể quan sát trực tiếp được. Do đó, dự báo độ dao động trở thành một bài toán then chốt. Các phương pháp truyền thống dựa vào dữ liệu quá khứ thường không đủ tin cậy. Các mô hình ARCHGARCH ra đời đã giải quyết vấn đề này bằng cách mô hình hóa phương sai có điều kiện. Phân tích biến động giá cổ phiếu hỗ trợ các nhà đầu tư dự đoán tốt hơn và đưa ra các quyết định đầu tư sáng suốt.

1.2. Giới thiệu về cổ phiếu VNM và Vinamilk

Cổ phiếu VNM là đại diện cho Công ty Cổ phần Sữa Việt Nam - Vinamilk, một trong những doanh nghiệp hàng đầu Việt Nam. Vinamilk không chỉ là công ty dinh dưỡng hàng đầu mà còn là thương hiệu quốc gia trong ngành sữa toàn cầu. Công ty đã lọt vào top 40 công ty sữa hàng đầu thế giới. Vinamilk có tầm nhìn “Trở thành biểu tượng niềm tin hàng đầu Việt Nam về sản phẩm dinh dưỡng và sức khỏe” và sứ mệnh “Cam kết mang đến cho cộng đồng nguồn dinh dưỡng và chất lượng cao cấp hàng đầu”. Vinamilk đã trải qua nhiều giai đoạn phát triển, từ thời kỳ bao cấp đến giai đoạn cổ phần hóa. Vinamilk liên tục mở rộng thị trường, đa dạng hóa sản phẩm và nâng cao chất lượng. Các dự án M&A và đầu tư mới giúp Vinamilk tiếp tục phát triển ở thị trường trong và ngoài nước.

II. Thách Thức Phân Tích Rủi Ro Cổ Phiếu VNM Volatility

Thị trường chứng khoán luôn biến động, gây ra khó khăn cho việc dự đoán giá cổ phiếu VNM. Rủi ro là một phần không thể thiếu, và việc đánh giá đúng mức độ rủi ro là quan trọng. Theo tài liệu gốc, tỷ suất sinh lợi của cổ phiếu vượt trội so với các kênh đầu tư khác, nhưng cũng tiềm ẩn nhiều rủi ro. Mô hình ARCHGARCH có những hạn chế nhất định. Các mô hình này giả định rằng tác động của cú sốc âm và dương là như nhau, trong khi thực tế có sự khác biệt. Các ràng buộc của mô hình ARCH cũng khá chặt chẽ. Do đó, cần phải lựa chọn mô hình phù hợp và đánh giá hiệu quả của nó. Việc đánh giá hiệu quả mô hình GARCH một cách chính xác là thách thức lớn. Cần phải sử dụng các kiểm định thống kê và các tiêu chí đánh giá phù hợp. Hơn nữa, biến động giá cổ phiếu VNM có thể bị ảnh hưởng bởi nhiều yếu tố khác nhau, bao gồm yếu tố kinh tế vĩ mô, yếu tố ngành và yếu tố nội tại của doanh nghiệp.

2.1. Các yếu tố ảnh hưởng đến biến động giá cổ phiếu VNM

Nhiều yếu tố ảnh hưởng đến biến động giá cổ phiếu VNM. Các yếu tố kinh tế vĩ mô như lạm phát, lãi suất, tăng trưởng GDP có thể tác động đến tâm lý nhà đầu tư và giá cổ phiếu. Yếu tố ngành như cạnh tranh, chính sách của nhà nước, thay đổi về nhu cầu tiêu dùng cũng có thể ảnh hưởng. Các yếu tố nội tại của doanh nghiệp như kết quả kinh doanh, chiến lược phát triển, quản trị doanh nghiệp cũng đóng vai trò quan trọng. Ngoài ra, các yếu tố tâm lý thị trường, tin đồn, sự kiện bất ngờ cũng có thể gây ra biến động ngắn hạn. Cần phải xem xét tất cả các yếu tố này để có cái nhìn toàn diện về biến động giá cổ phiếu VNM.

2.2. Hạn chế của các phương pháp phân tích truyền thống

Các phương pháp phân tích truyền thống như phân tích cơ bản VNMphân tích kỹ thuật VNM có những hạn chế nhất định. Phân tích cơ bản tập trung vào đánh giá giá trị nội tại của doanh nghiệp, nhưng khó dự đoán được biến động ngắn hạn. Phân tích kỹ thuật dựa vào lịch sử giá và khối lượng giao dịch, nhưng không giải thích được nguyên nhân của biến động. Cả hai phương pháp này đều không thể mô hình hóa được tính phi tuyến và tính thời gian của độ dao động. Do đó, cần phải sử dụng các mô hình định lượng như ARCHGARCH để bổ sung cho các phương pháp truyền thống.

III. Áp Dụng Mô Hình GARCH Phân Tích Cổ Phiếu VNM Hướng Dẫn

Mô hình GARCH là một công cụ mạnh mẽ để phân tích biến động cổ phiếu VNM. Mô hình này cho phép mô hình hóa phương sai có điều kiện thay đổi theo thời gian. Để áp dụng mô hình GARCH, cần thu thập dữ liệu giá cổ phiếu VNM trong quá khứ. Dữ liệu này có thể được lấy từ các trang web tài chính hoặc các nhà cung cấp dữ liệu. Sau đó, cần phải ước lượng các tham số của mô hình GARCH. Việc ước lượng có thể được thực hiện bằng các phần mềm thống kê như R, Stata, Eviews. Cần kiểm tra tính dừng của chuỗi thời gian và thực hiện các kiểm định thống kê để đánh giá tính phù hợp của mô hình. Sau khi ước lượng, có thể sử dụng mô hình để dự báo biến động cổ phiếu VNM trong tương lai. Cần nhớ rằng, mô hình GARCH chỉ là một công cụ hỗ trợ, và kết quả dự báo cần được xem xét cẩn thận.

3.1. Các bước thực hiện phân tích GARCH cho cổ phiếu VNM

Quá trình phân tích GARCH bao gồm thu thập dữ liệu giá cổ phiếu VNM, tính toán lợi suất, kiểm tra tính dừng của chuỗi lợi suất. Tiếp theo là xác định bậc của mô hình GARCH và ước lượng các tham số. Sau khi ước lượng, cần thực hiện các kiểm định chẩn đoán để đảm bảo tính phù hợp của mô hình. Cuối cùng, có thể sử dụng mô hình để dự báo độ dao động trong tương lai. Việc lựa chọn phần mềm phù hợp, ví dụ như sử dụng phần mềm phân tích GARCH, là rất quan trọng. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo tính chính xác của kết quả.

3.2. Giải thích các tham số của mô hình GARCH

Các tham số của mô hình GARCH bao gồm alpha, beta, omega. Alpha thể hiện mức độ ảnh hưởng của thông tin mới đến độ dao động. Beta thể hiện mức độ ảnh hưởng của độ dao động trong quá khứ đến độ dao động hiện tại. Omega là hằng số, thể hiện mức độ dao động cơ bản. Cần phải hiểu rõ ý nghĩa của các tham số này để có thể diễn giải kết quả phân tích một cách chính xác. Các hệ số này cho thấy mức độ tác động của thông tin quá khứ và phương sai có điều kiện trong quá khứ đến phương sai có điều kiện hiện tại.

3.3. Ước lượng và lựa chọn mô hình ARCH GARCH phù hợp cho VNM

Việc ước lượng mô hình đòi hỏi kiến thức về kinh tế lượng và sử dụng thành thạo các phần mềm thống kê. Cần phải so sánh các mô hình khác nhau, ví dụ như ARCH(1) và GARCH(1,1), dựa trên các tiêu chí AIC, BIC và HQIC. Mô hình có giá trị các tiêu chí này thấp nhất thường được coi là phù hợp nhất. Theo tài liệu gốc, mô hình GARCH(1,1) thường được sử dụng rộng rãi trong thực tế do tính đơn giản và hiệu quả. Ngoài ra, cần phải xem xét các mô hình TGARCH và EGARCH để nắm bắt ảnh hưởng bất đối xứng của tin tốt và tin xấu.

IV. Ứng Dụng Thực Tiễn Dự Báo Biến Động Cổ Phiếu VNM

Sau khi ước lượng mô hình GARCH, có thể sử dụng nó để dự báo biến động cổ phiếu VNM. Việc dự báo giúp nhà đầu tư đưa ra quyết định đầu tư thông minh hơn. Theo tài liệu gốc, mô hình GARCH có thể được sử dụng để dự báo độ dao động trong tương lai. Việc dự báo có thể được thực hiện bằng phương pháp trung bình trượt hoặc phương pháp Monte Carlo. Cần phải đánh giá độ chính xác của kết quả dự báo bằng cách so sánh với dữ liệu thực tế. Việc dự báo biến động cổ phiếu VNM có thể giúp nhà đầu tư quản lý rủi ro và tối ưu hóa lợi nhuận. Quan trọng là các nhà đầu tư cần thường xuyên cập nhật mô hình khi có dữ liệu mới.

4.1. Phương pháp dự báo độ dao động dựa trên mô hình GARCH

Có nhiều phương pháp để dự báo độ biến động dựa trên mô hình GARCH. Theo tài liệu gốc, có thể sử dụng phương pháp trung bình trượt để dự báo độ biến động trong tương lai. Phương pháp này dựa trên việc tính trung bình của các giá trị độ biến động trong quá khứ. Ngoài ra, có thể sử dụng phương pháp Monte Carlo để mô phỏng các kịch bản khác nhau và dự báo độ biến động. Phương pháp này đòi hỏi kiến thức về lập trình và mô phỏng. Tuy nhiên, cần phải nhớ rằng kết quả dự báo luôn có sai số, và cần phải sử dụng kết hợp với các thông tin khác.

4.2. Đánh giá độ chính xác của dự báo

Việc đánh giá độ chính xác của dự báo là rất quan trọng. Có thể sử dụng các chỉ số như RMSE, MAE để đo lường sai số giữa dự báo và thực tế. Cần phải so sánh kết quả dự báo của mô hình GARCH với các phương pháp dự báo khác để đánh giá tính hiệu quả. Nếu độ chính xác của dự báo không cao, cần phải xem xét lại mô hình và các giả định. Theo tài liệu gốc, cần thường xuyên cập nhật mô hình với dữ liệu mới để cải thiện độ chính xác của dự báo.

4.3. Ứng dụng trong quản trị rủi ro và ra quyết định đầu tư VNM

Kết quả dự báo độ biến động từ mô hình GARCH có thể được sử dụng để quản trị rủi ro. Các nhà đầu tư có thể sử dụng độ biến động dự báo để tính toán giá trị chịu rủi ro (VaR) và thực hiện các biện pháp phòng ngừa rủi ro. Chẳng hạn, có thể sử dụng các công cụ phái sinh như quyền chọn để bảo vệ danh mục đầu tư. Việc quản trị rủi ro giúp các nhà đầu tư giảm thiểu thiệt hại khi thị trường biến động. Ngoài ra, kết quả dự báo cũng có thể được sử dụng để ra quyết định đầu tư. Các nhà đầu tư có thể sử dụng thông tin về độ biến động để đánh giá mức độ rủi ro của cổ phiếu và đưa ra quyết định mua, bán hoặc nắm giữ cổ phiếu VNM.

V. Kết Luận Hướng Nghiên Cứu Phân Tích Biến Động VNM

Phân tích biến động cổ phiếu VNM bằng mô hình GARCH là một công cụ hữu ích cho nhà đầu tư. Mô hình này cho phép mô hình hóa phương sai có điều kiện và dự báo độ dao động trong tương lai. Tuy nhiên, cần phải nhớ rằng mô hình GARCH chỉ là một công cụ hỗ trợ, và cần phải sử dụng kết hợp với các thông tin khác. Trong tương lai, có thể nghiên cứu thêm các yếu tố ảnh hưởng đến biến động cổ phiếu VNM và phát triển các mô hình dự báo phức tạp hơn. Cần liên tục cập nhật dữ liệu và điều chỉnh mô hình để đạt được kết quả tốt nhất. Nghiên cứu sâu hơn về ứng dụng GARCH trong chứng khoán tại Việt Nam.

5.1. Tóm tắt kết quả và ý nghĩa

Nghiên cứu đã chỉ ra rằng mô hình GARCH(1,1) phù hợp để phân tích biến động cổ phiếu VNM. Kết quả cho thấy có sự tác động qua lại giữa thông tin quá khứ và phương sai có điều kiện. Tuy nhiên, cần lưu ý rằng kết quả này chỉ mang tính chất tham khảo và cần được xem xét trong bối cảnh cụ thể. Ý nghĩa của nghiên cứu là cung cấp cho nhà đầu tư một công cụ để đánh giá rủi ro và đưa ra quyết định đầu tư thông minh hơn.

5.2. Hướng nghiên cứu tiếp theo về phân tích biến động cổ phiếu

Hướng nghiên cứu tiếp theo có thể tập trung vào việc kết hợp mô hình GARCH với các mô hình khác để cải thiện độ chính xác của dự báo. Ví dụ, có thể kết hợp GARCH với mô hình mạng nơ-ron nhân tạo hoặc mô hình học máy. Ngoài ra, có thể nghiên cứu thêm các yếu tố ảnh hưởng đến biến động cổ phiếu VNM, ví dụ như yếu tố tâm lý thị trường, yếu tố vĩ mô. Nghiên cứu về phân tích chuỗi thời gian cũng rất quan trọng. Việc ứng dụng các mô hình phức tạp hơn, có thể giúp ích cho dự đoán. Đồng thời, so sánh hiệu quả các mô hình khác nhau.

11/09/2025
Chuyên đề thực tập ứng dụng mô hình garch phân tích độ dao động của lợi suất cổ phiếu công ty cổ phần sữa việt nam mã chứng khoán vnm

Trích đoạn nội dung tài liệu

CHƯƠNG 1 CƠ SỞ LÝ THUYET VE SỬ DỤNG MÔ HÌNH GARCH PHAN TÍCH ĐỘ DAO ĐỘNG CUA LỢI SUÁT CO PHIẾU Độ dao động (Volatility) của lợi suất tài sản tài chính đã trở thành một chủ dé có tam quan trọng đặc biệt đối với những ai quan tâm đến thị trường tài chính nói chung và thị trường chứng khoán nói riêng. Thuật ngữ này được hiểu một cách đơn giản như một thước đo độ rủi ro trên thị trường tài chính. Khi độ dao động cao có nghĩa là thị trường ân chứa nhiều rủi ro. Sự tồn tại của độ dao động không được dự báo sẽ dẫn đến các chứng khoán không được định giá một cách đúng đắn và thị trường tài chính sẽ không thực hiện tốt các chức năng của nó.

Một mô hình về độ dao động là thực sự cần thiết cho việc quản lí một danh mục đầu tư có chứa các quyền chọn, đánh giá đúng về độ dao động là chìa khoá quyết định cho việc xây dựng các chiến lược phòng ngừa rủi ro. Dự báo được độ dao động của lợi suất tài sản tài chính cũng như của thị trường tài chính nói chung và đối mặt với nó sẽ giúp cho việc quản lý một danh mục đầu tư đạt được hiệu quả. Có rất nhiều lí do khác dẫn đến việc chúng ta cần mô hình hoá và dự báo độ dao động. Chăng hạn, ta cần phân tích sự rủi ro của việc nắm giữ một tài sản tài chính.

Hoặc là chúng ta có thể thu được các khoảng tin cậy chính xác hơn hay các ước lượng hiệu quả hơn, nếu như ta mô hình hoá được phương sai của phần sai số, hiện tượng phương sai yêu tố ngẫu nhiên thay đổi được nghiên cứu và nắm bắt một cách đúng đắn. Tuy nhiên, một trong những ý nghĩa quan trọng nhất của việc mô hình hoá và dự báo độ dao động là giúp cho việc định giá các hợp đồng quyền chọn. Lý thuyết định giá quyền chọn hiện đại của Fisher Black và Myron R. Scholes đưa ra năm 1973 ghi nhận vai trò trung tâm của độ dao động trong việc định giá thoả đáng giá trị quyền chọn hay bat ky công cụ phái sinh nào có các đặc tính của quyền chọn.

Mặc dù độ dao động của lợi suất của tài sản cơ sở chỉ là một trong 5 tham số trong công thức định giá quyền chọn cơ bản của Black - Scholes nhưng nó có tầm quan trọng đặc biệt vì nó là đại lượng duy nhất không quan sát trực tiếp được. Giá chứng khoán, giá thực hiện, thời gian đáo hạn của quyền chọn và tỷ lệ lãi suất phi rủi ro đều có thé biết hoặc thu được nhờ quan sát trên thị trường. Ta có thé tính được dé dàng độ dao động trong các thời kỳ gần đây dựa trên số liệu Bùi Xuân Hiếu — Msv: 11181727 — Lớp Toán kinh tế 60 8 Chuyên đề tốt nghiệp — Chuyên ngành Toán kinh tế quá khứ nhưng giá trị được định giá vào ngày hôm nay của quyền chọn phụ thuộc vào độ dao động trong tương lai, trong toàn bộ thời gian còn lại cho đến thời điểm đáo hạn của quyền chọn. Như vậy dự báo về độ dao động có thé được xem là một van đề thiết yếu và sông còn của kinh doanh chứng khoán nói riêng và các hoạt động trên thị trường tài chính nói chung.

D6 dao động của lợi suất 1. Độ dao động Kí hiệu: E(!1,)=E,,) trong đó J, là tập thông tin về chuỗi 1, tại thời điểm t, khi đó độ dao động của lợi suất 7, tai thời điểm t có thé được định nghĩa là Ø, = E_,((, — 4°) =Var_,(r) Pe- PtTl trong đó r; = với P: là giá của chứng khoán hoặc giá tri của chỉ sô tại PịT—+ thời điểm t, =E. Xét một cách tông quát độ dao động mô tả mức độ mà giá một chứng khoán hoặc chỉ số thay đôi trong khoảng thời gian cụ thể. Có một số đặc tính của độ dao động mà ta có thể thường gặp ở chuỗi lợi suất của các tài sản.

Các đặc tính này giữ vai trò quan trọng trong việc xây dựng các mô hình về độ dao động: + D6 dao động có thé cao ở những thời kỳ nhất định và thấp ở các thời kỳ khác. - D6 dao động biến đổi theo thời gian theo kiểu liên tục, nghĩa là thường ít gặp các bước nhảy. - _ Độ dao động không phân kỳ tới vô cùng, nó thường biến đôi trong những miền nhất định, nói cách khác độ dao động thường là quá trình dừng. - D6 dao động thường có phản ứng khác nhau với sự tăng mạnh và giảm mạnh của giá chứng khoán hay chỉ số.

Các nghiên cứu lý thuyết và thực nghiệm về giá chứng khoán từ những năm 1950 đã đưa ra khái niệm "thị trường hiệu quả" và mô hình "bước ngẫu nhiên". Mô hình bước ngẫu nhiên của giá chứng khoán là mô hình mô tả quá trình giá chứng khoán trong đó sự biến động (dịch chuyên) của giá chứng khoán là không dự báo được - hoàn toàn ngẫu nhiên. Chuỗi số liệu mà người ta quan tâm là chuỗi lợi suất của tai sản. Trong thị trường hiệu quả sự vận động của lợi suất tài sản có thé được mô ta bằng quá trình dưới đây: Bùi Xuân Hiếu — Msv: 11181727 — Lớp Toán kinh tế 60 9 Chuyên đề tốt nghiệp — Chuyên ngành Toán kinh tế Pt~ Pt-a Tạ — () Pe-1 trong đó P, là giá của chứng khoán tại thời điểm t.

Trong mô hình Black - Scholes với thời gian liên tục, giá chứng khoán tại thời điểm t sẽ là quá trình ngẫu nhiên thoả mãn: dS, pT HƠI + ode (2) t trong đó dz là một quá trình chuyển động Brown, p là lợi suất trung bình vàø là độ lệch chuẩn của lợi suất. Giá tri O° chính là độ dao động của quá trình lợi suất chứng khoán 1, Như vậy lợi nhuận gộp trong khoảng thời gian T có trung bình là uT và độ lệch chuẩn ø/T. Do đó, một yêu cầu đặt ra là cần phải ước lượng và dự báo độ dao động G dé sử dụng cho mô hình định giá quyền chọn Black- Scholes. Trong thực tế, các băng chứng thực nghiệm chỉ ra rằng động thái của lợi suất các tài sản được mô tả bằng các mô hình phức tạp hơn so với (2).

Một số điểm chung của các mô hình đó là: - Phân phối của lợi suất và phân bố của lợi nhuận có sự thay đổi theo thời gian. - Có sự tương quan chuỗi của e,. - Độ dao động o thay đồi theo thời gian, được mô tả bang nhiều mô hình như lớp mô hình ARCH, lớp mô hình GARCH và mô hình quá trình ngẫu nhiên phục hồi trung bình (độ dao động có xu hướng trở lại trạng thái trung bình trong dài hạn). Một số phương pháp wéc lượng độ dao động của lợi suất ¢ Sử dụng độ dao động trong qua khứ Phương pháp này tính toán độ dao động của lợi suất dựa vào thông tin về lợi suất trong quá khứ đã quan sát được của chuỗi số liệu.

Tuy nhiên kết quả mà ta tính được từ thông tin trong quá khứ có thé sai khác rất nhiều so với những gì sẽ xảy ra trong tương lai. Do đó mà người ta thường phải tìm kiếm các phương pháp khác nhau nhằm dự báo một cách tốt nhất cho độ dao động trong tương lai. ¢ Sử dụng lớp mô hình ARCH, GARCH Bùi Xuân Hiếu — Msv: 11181727 — Lớp Toán kinh tế 60 10 Chuyên đề tốt nghiệp — Chuyên ngành Toán kinh tế Đặc điểm của các họ mô hình này là chúng mô tả độ dao động của chuỗi số liệu dưới dạng mô hình phương sai có điều kiện thay đổi mặc dù phương sai không điều kiện vẫn là hằng số. Họ mô hình này xuất phát từ sự không đồng đều của phương sai yếu tố ngẫu nhiên và mô tả phương sai theo một quá trình phụ thuộc vào chính nó và yêu tô ngẫu nhiên trong các thời kỳ trước.

Họ mô hình này phù hợp cho việc mô tả độ dao động. Mô hình Garch ước lượng độ dao động của lợi suất 1. Mô hình Arch Engel (1982) đã đưa ra lý thuyết về lớp mô hình ARCH (Autoregressive Conditional Heteroskedasticity) sau đó được tổng quát hóa thành mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) bởi Bollerslev (1986) va Taylor (1986). Các mô hình nay được sử dụng một cach đặc biệt rộng rãi trong phân tích chuỗi thời gian về lợi suất tài chính.

Mô hình ARCH của Engel cung cấp cơ sở nền tảng cho việc mô hình hoá độ dao động Ø ;. Xuất phát từ sự mô tả chuỗi lợi suất như là một quá trình ARMA(p,q) =H, +U, Pp q Ht = Pot » Pitti + >. O;Ut—1 i=1 i=1 trong đó p va q là các số nguyên không âm. Các mô hình ARCH cho rằng u, là không có tương quan chuỗi nhưng phụ thuộc, và sự phụ thuộc của u, có thể được mô tả bằng một hàm bậc 2 của các giá trị trễ của nó.

Mô hình ARCH (m) có dạng như sau: — 2_—_ 2 2 u,=G£, Oo, =0,+0,u,+.+0, 02 „+ trong đó e, là chuỗi các biến ngẫu nhiên độc lập và có phân phối đồng nhất (iid) với trung bình bang 0 và phương sai bằng 1, a, >0, ø,>0 với ¡>0 và 3” a, <1. i=l Các hệ số @, phải thoả mãn một số điều kiện trên dé đảm bảo phương sai không điều kiện của u, là hữu hạn và dương. Mô hình ARCH cho rang những sự biến động lớn có thé dẫn đến những biến động lớn trong tương lai. Đây là một đặc điểm thường gặp trong các chuỗi thời gian tài chính và như vậy mô hình ARCH có thể giúp ta nắm bắt được thuộc tính này.

Bùi Xuân Hiếu — Msv: 11181727 — Lớp Toán kinh tế 60 11 Chuyên đề tốt nghiệp — Chuyên ngành Toán kinh tế Tuy nhiên, khi sử dụng mô hình ARCH người ta nhận thấy nó có một số điểm yêu như sau: - Mô hình giả thiết rằng các cú sốc âm và dương có tác động như nhau đến độ dao động bởi vì nó phụ thuộc vào bình phương của các sốc ở thời kỳ trước. Trong thực hành người ta thấy rằng giá cả của một tài sản tài chính phản ứng khác nhau đôi với cú sôc âm và cú sôc dương. - Các rang buộc đôi với mô hình ARCH là kha chặt. Chang hạn, đôi với mô hình ARCH(1), để momen bậc 4 là hữu hạn thì đj phải nằm trong khoảng [0.

3Ì Các ràng buộc này sẽ trở nên phức tạp hơn với các mô hình ARCH bậc cao. - Mô hình ARCH không cho chúng ta bat kỳ dấu hiệu nao dé biết về nguồn gốc sự biến động của chuỗi thời gian tài chính.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ