CHƯƠNG 1:CƠ SỞ LÝ THUYẾT 1.Khái quát thị trường chứng khoán: 1.Chứng khoán: -Chứng khoán là một giá trị tài chính đại diện bằng lãi suất có thể thỏa thuận và có thể thay thế. Nói chung, chứng khoán gồm hai loại là chứng khoán cổ phần (equity securities) và chứng khoán nợ (debt securities). Ngoài ra còn có loại chứng khoán lai giữa hai loại trên. Ở các nền kinh tế phát triển, loại chứng khoán nợ là thứ có tỷ trọng giao dịch áp đảo trên các thị trường chứng khoán.
Còn ở những nền kinh tế kém phát triển, nơi mà thị trường chứng khoán mới được thành lập, thì loại chứng khoán cổ phần lại chiếm tỷ trọng giao dịch lớn hơn. Điều này giải thích tại sao ở Việt Nam cuối thập niên 1990 và đầu thập niên 2000, thị trường chứng khoán được nhiều người hiểu là nơi trao đổi các cổ phiếu. -Công ty hay tổ chức phát hành chứng khoán được gọi là đối tượng phát hành. -Chứng khoán có thể được chứng nhận bằng một tờ chứng chỉ (certificate), bằng một bút toán ghi sổ (book-entry) hoặc dữ liệu điện tử.Thị trường chứng khoán: -Thị trường chứng khoán: là một thị trường mà ở nơi đó người ta mua bán, chuyển nhượng, trao đổi chứng khoán nhằm mục đích kiếm lời.
Tuy nhiên, đó có thể là TTCK tập trung hoặc phi tập trung. -Tính tập trung ở đây là muốn nói đến việc các giao dịch được tổ chức tập trung theo một địa điểm vật chất.Hình thái điển hình của TTCK tập trung là Sở giao dịch chứng khoán ( Stock exchange). Tại Sở giao dịch chứng khoán (SGDCK), các giao dịch được tập trung tại một địa điểm; các lệnh được chuyển tới sàn giao dịch và tham gia vào quá trình ghép lệnh để hình thành nên giá giao dịch. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 -TTCK phi tập trung còn gọi là thị trường OTC (over the counter).
Trên thị trường OTC, các giao dịch được tiến hành qua mạng lưới các công ty chứng khoán phân tán trên khắp quốc gia và được nối với nhau bằng mạng điện tử. Giá trên thị trường này được hình thành theo phương thức thoả thuận.Mô hình hàm hồi quy tổng thể: 2.Mô hình: Yi 0 1 X 1 2 X 2 . k X k i Các hệ số gọi là hệ số hồi quy riêng X 1 , X 2 , X 3 ,. X k :các biến giải thích của mô hình Yt =Biến độc lập : biến ngẫu nhiên và tuân theo quy luật phân phối chuẩn 2.Các giả định OLS cho mô hình hồi qui tuyến tính đơn được giải thích trong mô hình hồi qui bội: các giả định này liên quan đến thành phần nhiễu ngẫu nhiên ( i ) -Giá trị kỳ vọng của i bằng không -Không có tương quan chuỗi (không có tự tương quan) -Phương sai đồng nhất => var ( i ) = 2 -Nhiễu ngẫu nhiên không có tương quan với các X -Không nhận dạng sai mô hình 2.Giả định bổ sung của OLS cho mô hình hồi qui bội Các biến hồi qui này không có hiện tượng đa cộng tuyến hoàn hảo.Tức là, không tồn tại tập hợp các hệ số thỏa mãn biểu thức sau với mọi i: 1 1 X 1i 2 X 2i .Hàm hồi quy mẫu Yi 0 1 X 1 2 X 2 .
k X k e LUAN VAN CHAT LUONG download : add luanvanchat@agmail.Mô hình ARIMA: Phương pháp Box-Jenkins 3.Tính dừng: -Yếu tố xu thế được tách ra khỏi dữ liệu bằng cách lấy sai phân bậc 1 hay bậc 2 tùy vào dữ liệu và sau đó nhận dạng một số mô hình dự định. Mô hình có thể trình bày theo dạng AR, MA hay ARIMA. Phương pháp nhận dạng thường thực hiện qua nghiên cứu chiều hướng biến đổi hàm tương quan tự động ACF hay hàm tương quan tự động từng phần PACF -Đầu tiên chuyển dữ liệu thành chuỗi dừng -Một quá trình ngẫu nhiên Yt nếu như trung bình và phương sai của một quá trình không thay đổi theo thời gian và giá trị đồng phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thởi gian giữ hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính -Cụ thể: Trung bình: E( Yt ) = = const Phương sai: Var( Yt )= 2 = const Đồng phương sai: Covar( Yt , Yt k )= k -Tính dừng của chuỗi thời gian có thể nhận biết dựa trên đồ thị của chuỗi thời gian, đồ thị của hàm tự tương quan mẫu hay kiểm định Dickey-Fuller -Dựa trên đồ thị Y= f(t), một cách trực quan chuỗi Yt có tính dừng nếu như đồ thị cho thấy trung bình và phương sai của quá trình Yt không đổi theo thời gian. -Dựa vào hàm tự tương quan mẫu ACF.
Nếu ACF = f(t) giảm nhanh và tắt dần về 0 thì chuỗi có tính dừng -Kiểm định Dick-Fuller (kiểm định đơn vị) nhằm xác định xem chuỗi thời gian có phải ngẫu nhiên (Random Walk, nghĩa là Yt = 1* Yt 1 + t ) hay không. Nếu chuỗi là bước LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 9 ngẫu nhiên thì không có tính dừng. Tuy nhiên nếu chuỗi không có tính dừng chưa chắc là bước ngẫu nhiên -Để biến đổi chuỗi không dừng thành chuỗi “dừng”, thông thường nếu lấy sai phân một lần hoặc hai lần thì sẽ được chuỗi có tính dừng Chuỗi gốc: Yt Chuỗi sai phân bậc một: Wt Yt Yt 1 Chuỗi sai phân bậc hai: Vt Wt Wt 1 3.Mô hình ARIMA Theo Box-Jenkins một quá trình ngẫu nhiên có tính dừng để có thể biểu diễn bằng mô hình Tự hồi quy kết hợp Trung bình trượt ARIMA 3.Mô hình tự hồi quy bậc p – AR(p) Trong mô hình tự hồi quy quá trình phụ thuộc vào tổng có trọng số của các giá trị quá khứ và số hạng ngẫu nhiên hiện hành theo độ trễ. Yt 1Yt 1 2Yt 2 .Mô hình trung bình trượt bậc q – MA(q) Trong mô hình trung bình trượt, quá trình được mô tả hoàn toàn bằng tổng các giá trị quá khứ và số hạng ngẫu nhiên hiện hành theo độ trễ Yt 1 t 1 2 t 2 .Mô hình tự hồi quy kết hợp trung bình trượt – ARIMA(p,d,q) 3.Nhận dạng mô hình LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 10 -Nhận dạng mô hình ARIMA(p,d,q) là tìm các giá trị thích hợp của p, d, q.
Với d là sai phân của chuỗi thời gian khảo sát, p là bậc tự hồi quy và q là bậc trung bình trượt.q sẽ phụ thuộc vào đồ thị PACF = f(t) -Với ACF là hệ số tự tương quan và PACF là hệ số tự hồi quy từng phần mẫu; nghĩa là tự tương quan giữa Yt và Yt-p sau khi đã loại bỏ các tác động của Y trung gian. Chọn mô hình AR(p) nếu đồ thị PACF có giá trị cao tại độ trễ 1,2,…,p và giảm nhiều sau p và dạng hàm ACF giảm dần. -Chọn mô hình MA(q) nếu đồ thị ACF có giá trị cao tại các độ trễ 1,2,…,q và giảm nhiều sau q và dạng hàm PACF giảm dần Tóm lại: Loại mô hình Dạng đồ thị ACF=f(t) Dạng đồ thị PACF=f(t) AR(p) Giảm dần Có đỉnh ở p MA(q) Có đỉnh ở q Giảm dần ARIMA(p,d,q) Giảm dần Giảm dần 3.Ước lượng các thông số của mô hình ARIMA(p,d,q) -Các thông số và của mô hình ARIMA sẽ được xác định theo phương pháp bình quân tối thiểu (OLS – Ordinary Least Square) sao cho: ^ (Yt Yt ) 2 Min ^ (Yt Yt ) 3.Kiểm tra chẩn đoán mô hình -Sau khi xác định p,q,d và các j , j. ; nghĩa là đã xác định phương trình cho mô hình ARIMA, điều cần phải làm là tiến hành kiểm định xem số hạng t của mô hình có phải là một nhiễu trắng (nhiễu ngẫu nhiên thuần túy) hay không.
Đây là yếu cầu của mô hình tốt. -Về mặt lý thuyết, t được tạo ra bởi quá trình nhiễu trắng nếu: LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 11 t ~ N (0, 2 ) sao cho E ( t ) 0 t Cov( t , t k ) 0 -Việc kiểm định nhiễu trắng dựa vào đồ thị ACF của chuỗi t 3.Dự báo: -Dựa trên phương trình của mô hình ARIMA, tiến hành xác định giá trị dự báo điểm và khoảng tin cậy của dự báo ^ -Dự báo điểm: Yt ^ ^ -Khoảng tin cậy: Yt k ( t ) Y Yt k ( t ) 4.Mô hình ARCH: 4.1 Lý thuyết mô hình ARCH -Mô hình ARCH do Engle phát triển năm 1982 mô hình này cho rằng phương sai của hạng nhiễu tại thời điểm t phụ thuộc vào các hạng nhiễu bình phương ở các giai đoạn trước. Engle cho rằng tốt nhất chúng ta nên mô hình hoá đồng thời giá trị trung bình và phương sai chuỗi số liệu khi nghi ngờ rằng giá trị phương sai thay đổi theo thời gian. Mô hình đơn giản như sau: Yt = B1 + B2Xt + ut (1.1) -Trong đó Xt là một vecto k x 1 các biến giải thích và B2 là một vecto k x 1 các hệ số.
Thông thường ut được giả định có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi là. Giả định này được viết như sau: ut ~ N (0, ) (1.2) -Ý tưởng cùa Engle bắt đầu từ sự thật ông cho phép phương sai của các hạng nhiễu phụ thuộc vào các giá trị quá khứ, hay phương sai thay đổi theo thời gian. Một cách để mô hình hoá ý tưởng này là cho phương sai phụ thuộc vào các biến trễ của các hạng nhiễu bình phương. Điều này có thể được minh hoạ như sau: LUAN VAN CHAT LUONG download : add luanvanchat@agmail.3) -Phương trình (1.3) được gọi là qui trình ARCH (1) và ý tưởng này cũng tương tự như ý tưởng mô hình ARIMA.
- Mô hình ARCH (1) - Mô hình ARCH (1) sẽ mô hình hoá đồng thời giá trị trung bình và phương của một chuỗi thời gian như cách được xác định sau đây: Yt = B1 + B2Xt + ut (1.5) -Ở đây phương trình (1.4) được gọi là phương trình ước lượng giá trị trung bình và phương trình (1.5) được gọi là phương trình ước lượng phương sai. Để đơn giản cho việc thể hiện công thức của phương trình phương sai ta thể hiện ký hiệu ht thay cho. Mô hình ARCH (1) cho rằng khi có một cú sốc lớn ở giai đoạn t-1 thì giá trị ut cũng sẽ lớn hơn. Nghĩa là khi lớn/ nhỏ thì phương sai của ut cũng sẽ lớn/ nhỏ.