Tổng quan luận án

Phân tích chuỗi thời gian truyền thống thường dựa trên các giả định về tính độc lập và cùng phân bố (IID) của các quan sát hoặc xem xét các mô hình tuyến tính với hệ số hằng số như tự hồi quy (AR), trung bình trượt (MA), tự hồi quy trung bình trượt (ARMA) và vector tự hồi quy (VAR). Tuy nhiên, các chuỗi dữ liệu thực nghiệm trong kinh tế và tài chính thường bộc lộ tính phi tuyến, phương sai sai số thay đổi theo thời gian, sự hiện diện của các cú sốc đột ngột (bước nhảy ngẫu nhiên) và các tham số vận động có yếu tố ngẫu nhiên. Luận án lựa chọn giải quyết khoảng trống nghiên cứu về việc xây dựng các công cụ phân tích thống kê, mô phỏng và điều khiển tối ưu cho các lớp chuỗi thời gian phi tuyến mở rộng—bao gồm chuỗi tự hồi quy với hệ số ngẫu nhiên không âm, chuỗi thời gian liên tục có hệ số trượt ngẫu nhiên, chuỗi thời gian có bước nhảy và các mô hình dự báo cấu trúc phi tham số.

Mục tiêu nghiên cứu của luận án được xác định cụ thể qua các nhiệm vụ sau:

  1. Xây dựng mô hình chuỗi tự hồi quy cấp 1 với hệ số hồi quy chứa thành phần ngẫu nhiên không âm (RCA(1)), thiết lập điều kiện dừng, xây dựng phương pháp ước lượng tham số và kiểm chứng qua mô phỏng cũng như dữ liệu thực tế.
  2. Thiết lập bài toán ước lượng thời điểm dừng tối ưu cho quá trình ngẫu nhiên liên tục có hệ số trượt ngẫu nhiên (nhận giá trị rời rạc hoặc tuân theo xích Markov hai trạng thái), xác định đường bao dừng tối ưu phục vụ quyết định mua và bán tài sản.
  3. Ứng dụng phương pháp mô phỏng Monte-Carlo để tính toán giá quyền chọn mua và quyền chọn bán kiểu Châu Âu cho chuỗi thời gian liên tục chịu tác động của bước nhảy ngẫu nhiên.
  4. Mở rộng mô hình hồi quy Barro bằng phương trình vi phân và khảo sát toàn bộ các thời kỳ con nhằm phân tích, dự báo trạng thái hội tụ thu nhập bình quân đầu người tại Việt Nam, so sánh với mô hình xích Markov.
  5. Nghiên cứu phương pháp xấp xỉ ngẫu nhiên dựa trên lập trình Gen (GP) và giải thuật tiến hóa (EA) để tự động sinh hàm dự báo, so sánh hiệu quả dự báo chỉ số giá tiêu dùng (CPI) tại Việt Nam với mô hình vector tự hồi quy (VAR).

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các mô hình chuỗi thời gian ngẫu nhiên rời rạc và liên tục (RCA(1), chuyển động Brown hình học với hệ số trượt ngẫu nhiên, quá trình khuếch tán nhảy Poisson, mô hình tăng trưởng kinh tế Barro mở rộng, mô hình VAR và mô hình lập trình Gen).
  • Phạm vi không gian và dữ liệu thực nghiệm: Thị trường vàng tự do tại Hà Nội; dữ liệu kinh tế vĩ mô về thu nhập bình quân đầu người của các vùng kinh tế tại Việt Nam; dữ liệu chỉ số giá tiêu dùng (CPI) và lạm phát tại Việt Nam; kết hợp hệ thống dữ liệu mô phỏng số trên máy tính.
  • Phạm vi thời gian dữ liệu thực tế: Chuỗi lợi suất giá vàng Hà Nội thu thập từ ngày 23/08/2011 đến ngày 23/08/2012 cùng chuỗi số liệu thống kê kinh tế xã hội Việt Nam theo các mốc điều tra trong giai đoạn nghiên cứu.

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng thuật các hướng tiếp cận chính trong lý thuyết quá trình ngẫu nhiên, kinh tế lượng tài chính và kinh tế phát triển:

  • Về lớp mô hình tự hồi quy có hệ số ngẫu nhiên (RCA) và mô hình biến động phương sai: Tác giả điểm lại các công trình nghiên cứu về chuỗi tự hồi quy cấp 1 với hệ số chịu tác động của biến ngẫu nhiên chuẩn (trích dẫn [5], [6]). Luận án chỉ ra rằng dù các mô hình ARCH, GARCH, EGARCH, TGARCH được sử dụng rộng rãi để mô hình hóa phương sai thay đổi nhưng quy trình ước lượng phức tạp hơn so với mô hình RCA.
  • Về lý thuyết lọc và điều khiển tối ưu quá trình ngẫu nhiên: Luận án kế thừa lý thuyết lọc phi tuyến của Liptser và Shiryaev [12] về xác định xác suất hậu nghiệm cho quá trình quan sát được; công trình của các tác giả trong [10] về bài toán thời điểm dừng cực tiểu hóa khoảng cách bình phương với cực đại của chuyển động Brown; công trình năm 2008 của Albert Shiryaev, Zuoquan Xu và Xun Yu Zhou [11] về bài toán bán tài sản tối ưu trên chuyển động Brown hình học với hệ số trượt hằng số $a$ và chỉ số $\alpha = (a - r)/\sigma^2$.
  • Về mô hình hội quy hội tụ kinh tế: Luận án điểm lại mô hình hội quy Barro kinh điển (trích dẫn [20]) sử dụng phương pháp tự hồi quy để kiểm định sự hội tụ giữa các nền kinh tế hoặc tiểu vùng kinh tế.

Khoảng trống học thuật luận án tập trung giải quyết:

  • Xây dựng mô hình RCA(1) trong trường hợp thành phần ngẫu nhiên của hệ số là biến ngẫu nhiên không âm (trị tuyệt đối của phân phối chuẩn), giải quyết bài toán ước lượng khi phân bố của nhiễu hệ số bị chặt cụt.
  • Mở rộng bài toán thời điểm dừng tối ưu của Shiryaev, Xu và Zhou khi hệ số trượt không còn là hằng số mà là biến ngẫu nhiên rời rạc nhận hai giá trị hoặc quá trình Markov hai trạng thái không quan sát trực tiếp được.
  • Giải quyết bài toán tính toán giải tích phức tạp và tốc độ hội tụ chậm của chuỗi kỳ vọng giá quyền chọn có bước nhảy bằng giải thuật mô phỏng Monte-Carlo.
  • Khắc phục hạn chế của mô hình Barro kinh điển bằng cách chuyển sang mô hình Barro mở rộng dạng vi phân có xét đến các thời kỳ con, đồng thời đưa lập trình Gen vào dự báo chuỗi thời gian khi không thể xác định trước dạng hàm giải tích.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án sử dụng các hệ thống lý thuyết và phương pháp nghiên cứu định lượng sau:

  • Khung lý thuyết và khái niệm: Lý thuyết xác suất trên không gian xác suất đầy đủ $(\Omega, \mathcal{F}, P)$; giải tích ngẫu nhiên Itô và phương trình vi phân ngẫu nhiên; định lý biến đổi độ đo Girsanov; đạo hàm Radon-Nikodym; công thức Dynkin; lý thuyết bài toán biên tự do và bao dừng tối ưu; lý thuyết lọc ngẫu nhiên cực đại xác suất hậu nghiệm; lý thuyết hội tụ kinh tế học tân cổ điển của Barro; nguyên lý tiến hóa sinh học trong thuật toán lập trình Gen (GP).
  • Phương pháp phân tích giải tích và suy diễn thống kê: Chứng minh các bổ đề và định lý toán học bằng bất đẳng thức Minkowski, bổ đề Borel-Cantelli, luật mạnh số lớn và định lý Egorov; thiết lập hàm mật độ có điều kiện, xây dựng hàm hợp lý cực đại (MLE) và chứng minh tính vững, tính chuẩn tiệm cận của ước lượng.
  • Phương pháp số và mô phỏng: Kỹ thuật mô phỏng Monte-Carlo mô phỏng quỹ đạo ngẫu nhiên và định giá phái sinh; phương pháp rời rạc hóa đoạn thời gian $[0, T]$ với bước nhảy $h = T/n$ để giải số phương trình tích phân xác định đường bao dừng tối ưu $b(t)$; giải thuật tiến hóa tự động sinh các hàm xấp xỉ chuỗi thời gian $\hat{S}_n(x)$.
  • Nguồn dữ liệu: Dữ liệu mô phỏng từ các phân phối xác suất trên máy tính; dữ liệu thị trường thực tế về chuỗi lợi suất giá vàng tự do Hà Nội (2011–2012); dữ liệu thống kê kinh tế vĩ mô của Việt Nam về thu nhập bình quân đầu người theo vùng và chỉ số giá tiêu dùng CPI.

Nội dung chính theo từng chương

Chương 1. Chuỗi tự hồi quy cấp 1 với hệ số hồi quy có chứa thành phần ngẫu nhiên không âm

Chương 1 thiết lập mô hình chuỗi thời gian tự hồi quy cấp 1 có dạng: $$Y_t = (\varphi + |b_t|) Y_{t-1} + e_t$$ trong đó ${(b_t, e_t)}_{t \in \mathbb{Z}}$ là các vector ngẫu nhiên độc lập trên $(\Omega, \mathcal{F}, P)$ thỏa mãn $E[b_t] = 0$, $E[e_t] = 0$, $Var(b_t) = \sigma_b^2$, $Var(e_t) = \sigma_e^2$ và $Cov(b_t, e_t) = 0$. Giả thiết thành phần ngẫu nhiên $|b_t|$ không âm phản ánh các tác động chính sách một chiều (như chính sách kích cầu).

Về điều kiện dừng, tác giả chứng minh rằng nếu $E \ln^+ |e_0| < \infty$ và $E \ln |\varphi + |b_0|| < 0$ thì nghiệm của mô hình biểu diễn dưới dạng chuỗi: $$Y_k = \sum_{i=0}^\infty e_{k-i} \prod_{j=0}^{i-1} (\varphi + |b_{k-j}|)$$ hội tụ tuyệt đối hầu chắc chắn và ${Y_k; k \in \mathbb{Z}}$ là nghiệm dừng duy nhất.

Hàm mật độ có điều kiện $f_{Y_k|Y_{k-1}}(x)$ được thiết lập qua hàm phân phối chuẩn tích lũy $\Phi(x)$: $$f_{Y_k|Y_{k-1}}(x) = \sqrt{\frac{2}{\pi(\sigma_b^2 Y_{k-1}^2 + \sigma_e^2)}} \exp\left{-\frac{(x - \varphi Y_{k-1})^2}{2(\sigma_b^2 Y_{k-1}^2 + \sigma_e^2)}\right} \Phi\left(\frac{Y_{k-1}\sigma_b(x - \varphi Y_{k-1})}{\sigma_e\sqrt{\sigma_b^2 Y_{k-1}^2 + \sigma_e^2}}\right)$$

Tác giả sử dụng phương pháp hợp lý cực đại để ước lượng vector tham số $u_0 = (\varphi, \sigma_b^2, \sigma_e^2)^T$, chứng minh tính vững thông qua định lý Egorov và chứng minh tính chuẩn tiệm cận: $$\sqrt{n}(\hat{\theta}_n - \theta) \xrightarrow{D} \mathcal{N}\left(0, G^{-1}AG^{-1}\right)$$

Nghiên cứu mô phỏng được thực hiện với các giá trị $\varphi$ khác nhau (như $\varphi = -0.04$, $\varphi = -0.9359 \times 10^{-4}$, $\varphi = 0.4$, v.v.), minh chứng rõ ranh giới giữa tính dừng và không dừng (phân cụm hoặc tiến ra vô hạn). Ứng dụng trên chuỗi lợi suất giá vàng Hà Nội từ 23/08/2011 đến 23/08/2012 cho kết quả ước lượng: $$\hat{\theta} = (\hat{\varphi}, \hat{\sigma}_b^2, \hat{\sigma}e^2) = (0.0004; 0.0001; 0.0049)$$ Mô hình dự báo thu được là $r_t = (0.0004 + |b_t|)r{t-1} + e_t$ với $Var(b_t) = 0.0001$ và $Var(e_t) = 0.0049$.

Chương 2. Ước lượng thời điểm dừng tối ưu cho quá trình ngẫu nhiên với hệ số trượt ngẫu nhiên

Chương 2 mở rộng bài toán dừng tối ưu cho quá trình giá liên tục $dX_t = a_t X_t dt + \sigma X_t dW_t$ ($t \ge 0$), trong đó hệ số trượt $a_t$ là biến ngẫu nhiên rời rạc nhận một trong hai giá trị ${a_l, a_h}$ với $a_l < r < a_h$ ($r$ là lãi suất) hoặc là xích Markov hai trạng thái. Xác suất tiên nghiệm ban đầu được cho bởi $P(a = a_h) = \pi_0$ và $P(a = a_l) = 1 - \pi_0$.

Hệ phương trình lọc cho quá trình giá $X_t$ và quá trình xác suất hậu nghiệm $\pi_t = P(a = a_h | \mathcal{F}_t^X)$ được thiết lập: $$\frac{dX_t}{X_t} = (a_l + \pi_t(a_h - a_l))dt + \sigma d\bar{W}_t$$ $$d\pi_t = \omega \pi_t (1 - \pi_t) d\bar{W}_t$$ với $\omega = \frac{a_h - a_l}{\sigma}$ và $\bar{W}_t$ là chuyển động Brown đổi độ đo.

Thông qua định lý Girsanov, tác giả chuyển sang độ đo $P^$ và đưa về bài toán dừng phụ cho quá trình $Y_u$: $$V(t, y) = \sup_{0 \le \tau \le T-t} E^\left[e^{(a_l - r)\tau}(1 + Y_\tau)\right]$$ với $dY_u = (a_h - a_l)Y_u du + \omega Y_u d\tilde{W}_u$.

Miền tiếp tục $C$ và miền dừng $D$ được xác định qua đường bao $b(t)$: $$C = {(t, y): y > b(t)}, \quad D = {(t, y): y \le b(t)}$$ Đường bao dừng tối ưu $b(t)$ thỏa mãn phương trình tích phân dẫn xuất từ công thức Dynkin: $$1 + b(t) = e^{(a_l - r)(T-t)} + b(t) \int_0^{T-t} e^{(a_l - r)u} \left[(a_h - r) \Phi(d_1) + (a_l - r) \Phi(d_2)\right] du$$ trong đó $d_1 = \frac{1}{\omega\sqrt{u}}\left[\ln\frac{b(t+u)}{b(t)} - \left(\frac{\omega^2}{2} + \sigma\omega\right)u\right]$ và $d_2 = d_1 + \omega\sqrt{u}$.

Kết quả mô phỏng số và phân tích thực nghiệm chỉ ra:

  • Thời điểm tối ưu để mua là khi giá đang lên và vừa qua đáy; thời điểm tối ưu để bán là khi giá đang xuống và vừa qua đỉnh.
  • Phân phối thực nghiệm của thời điểm dừng tối ưu $\tau^$ phụ thuộc chặt chẽ vào xác suất tiên nghiệm $\pi_0$: khi $\pi_0 = 0.9$ thì hầu chắc chắn $\tau^ = T = 1$; khi $\pi_0 = 0.1$ thì hầu chắc chắn $\tau^* = 0$.

Chương 3. Phương pháp Monte - Carlo trong mô hình giá quyền chọn áp dụng cho quá trình có bước nhẩy ngẫu nhiên

Chương 3 khảo sát mô hình định giá chứng khoán phái sinh khi chuỗi thời gian giá tài sản cơ sở chịu tác động của thành phần bước nhảy ngẫu nhiên dạng Poisson (mô hình Merton jump-diffusion) trong môi trường rủi ro trung tính.

Kỳ vọng giải tích của giá quyền chọn mua kiểu Châu Âu có bước nhảy được biểu diễn qua công thức chuỗi: $$C(S_0, T) = \sum_{k=0}^\infty p_k(\lambda T) E\left[C^{(BS)}\left(S_0 \tilde{S}_k e^{-\lambda \bar{\gamma} T}, T; K, \sigma^2, r\right)\right]$$ trong đó $p_k(\lambda T) = \frac{(\lambda T)^k}{k!} e^{-\lambda T}$, $\tilde{S}k = \prod{i=1}^k Q_i$, và $C^{(BS)}$ là hàm định giá Black-Scholes tiêu chuẩn.

Do chuỗi giải tích trên hội tụ rất chậm và việc tính toán giải tích kỳ vọng $E[\tilde{S}_k]$ gặp trở ngại lớn, tác giả xây dựng giải thuật mô phỏng Monte-Carlo để xấp xỉ quỹ đạo ngẫu nhiên và tính toán giá của cả quyền chọn mua (Call Option) và quyền chọn bán (Put Option) kiểu Châu Âu. Luận án ghi nhận rằng việc mở rộng sang quyền chọn kiểu Mỹ phức tạp hơn do thời điểm thực thi hợp đồng không định trước, bản chất là bài toán dừng tối ưu khi có bước nhảy.

Chương 4. Dự báo trạng thái hội tụ của thu nhập bình quân đầu người của Việt Nam

Chương 4 nghiên cứu xu thế hội tụ kinh tế giữa các vùng tại Việt Nam bằng cách phát triển các mô hình hồi quy Barro mở rộng (Mô hình 1 và Mô hình 2 mở rộng). Khác với mô hình Barro kinh điển, mô hình mở rộng tiếp cận bài toán dưới dạng phương trình vi phân và phân tích trên tất cả các khoảng thời gian con trong toàn bộ kỳ nghiên cứu.

Tác giả thiết lập các chứng minh toán học so sánh phương sai sai số và độ chính xác dự báo giữa mô hình Barro mở rộng với mô hình kinh điển, đồng thời đặt đối sánh với mô hình xích Markov (rời rạc và liên tục). Kết quả thực nghiệm trên chuỗi số liệu thu nhập bình quân đầu người của các địa phương và vùng kinh tế tại Việt Nam khẳng định mô hình Barro mở rộng phản ánh sát thực hơn động thái hội tụ thu nhập theo thời gian.

Chương 5. So sánh mô hình vector tự hồi qui và các mô hình được tạo ra bởi lập trình Gen trong dự báo chỉ số giá tiêu dùng của Việt Nam

Chương 5 giới thiệu phương pháp xấp xỉ ngẫu nhiên ứng dụng giải thuật lập trình Gen (Genetic Programming - GP) và giải thuật tiến hóa (EA) trong dự báo chuỗi thời gian, so sánh với mô hình kinh tế lượng tham số truyền thống là vector tự hồi quy (VAR).

Nguyên lý giải thuật GP: Giả sử cần dự báo chuỗi $S(t)$ từ vector biến trễ hoặc biến độc lập $x$. Quá trình khởi tạo ngẫu nhiên một quần thể các hàm $\hat{S}_0(x)$, sau đó áp dụng các toán tử tiến hóa (lai ghép, đột biến, chọn lọc) qua từng thế hệ để tạo ra chuỗi hàm $\hat{S}_1(x), \dots, \hat{S}_n(x)$ thỏa mãn điều kiện tối ưu hàm mục tiêu: $$|\hat{S}_1(x) - S(t)| \le |\hat{S}_0(x) - S(t)|$$ Máy tính tự động tìm kiếm cấu trúc hàm dự báo tối ưu mà không cần áp đặt cấu trúc tuyến tính định sẵn.

Ứng dụng thực nghiệm được thực hiện trên chuỗi dữ liệu chỉ số giá tiêu dùng (CPI) và lạm phát tại Việt Nam. Kết quả so sánh giữa mô hình VAR và các mô hình sinh bởi GP chứng minh phương pháp GP có khả năng nắm bắt tốt các biến động phi tuyến phức tạp của chuỗi CPI.

Kết quả và những đóng góp mới

Các đóng góp mới về mặt lý luận và học thuật:

  • Đề xuất và khảo sát hoàn chỉnh lớp mô hình chuỗi thời gian tự hồi quy cấp 1 với hệ số chứa thành phần ngẫu nhiên không âm (RCA(1)); thiết lập điều kiện dừng cần và đủ; xây dựng hàm mật độ có điều kiện và chứng minh tính vững, tính chuẩn tiệm cận của ước lượng hợp lý cực đại (MLE).
  • Giải quyết bài toán xác định thời điểm dừng tối ưu cho quá trình ngẫu nhiên liên tục có hệ số trượt ngẫu nhiên nhận 2 giá trị hoặc xích Markov 2 trạng thái; xác lập phương trình tích phân phi tuyến cho đường bao dừng tối ưu $b(t)$ qua công thức Dynkin.
  • Xây dựng mô hình Barro mở rộng trên cơ sở phương trình vi phân và khảo sát các thời kỳ con, chứng minh bằng toán học độ chính xác vượt trội so với mô hình Barro kinh điển.
  • Đề xuất quy trình xấp xỉ ngẫu nhiên bằng lập trình Gen (GP) để tự động sinh cấu trúc hàm dự báo cho chuỗi thời gian kinh tế phi tuyến.

Các đóng góp về mặt thực tiễn và ứng dụng:

  • Cung cấp cơ sở định lượng cho các quyết định giao dịch tài chính: chỉ ra quy luật bán tối ưu khi giá vừa qua đỉnh và mua tối ưu khi giá vừa qua đáy; làm rõ tác động của xác suất tiên nghiệm $\pi_0$ tới thời điểm dừng $\tau^*$.
  • Đề xuất giải thuật Monte-Carlo khả thi để định giá quyền chọn có bước nhảy, khắc phục nhược điểm hội tụ chậm của các công thức giải tích.
  • Ứng dụng thành công các mô hình đề xuất vào dữ liệu thực tiễn tại Việt Nam: mô hình hóa chuỗi lợi suất giá vàng Hà Nội, dự báo hội tụ thu nhập bình quân đầu người giữa các vùng kinh tế và dự báo chỉ số lạm phát/CPI.

Hạn chế và hướng nghiên cứu tiếp

Văn bản luận án nêu rõ các giới hạn và định hướng mở rộng:

  • Đối với bài toán định giá quyền chọn kiểu Mỹ khi quá trình cơ sở có bước nhảy ngẫu nhiên: do thời điểm thực thi hợp đồng mang tính linh hoạt, bài toán trở thành bài toán xác định thời điểm dừng tối ưu dưới tác động của bước nhảy ngẫu nhiên với cường độ và biên độ xác định; tác giả xác định đây là bài toán phức tạp và dành cho các công trình nghiên cứu tiếp theo.
  • Về mặt thực nghiệm, các ứng dụng dữ liệu thực tế trong luận án tập trung vào các chuỗi cụ thể (giá vàng Hà Nội giai đoạn 2011–2012, CPI và thu nhập bình quân đầu người Việt Nam); các nghiên cứu sau có thể mở rộng kiểm định trên các chuỗi tài sản tài chính phái sinh phức tạp hơn.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao đối với:

  • Nghiên cứu sinh, học viên cao học và giảng viên chuyên ngành Lý thuyết xác suất, Thống kê toán, Toán tài chính và Kinh tế lượng: tham khảo phương pháp luận chứng minh giải tích ngẫu nhiên, kỹ thuật biến đổi độ đo Girsanov, phương trình Dynkin và quy trình ước lượng MLE trong Chương 1 và Chương 2.
  • Các nhà đầu tư tài chính và chuyên viên phân tích định lượng (quants): ứng dụng khung lý thuyết thời điểm dừng tối ưu trong điều khiển danh mục đầu tư và giải thuật Monte-Carlo định giá quyền chọn có bước nhảy trong Chương 2 và Chương 3.
  • Các cơ quan hoạch định chính sách kinh tế vĩ mô: tham khảo phương pháp dự báo hội tụ thu nhập vùng (Chương 4) và mô hình lập trình Gen dự báo lạm phát/CPI (Chương 5).

Câu hỏi thường gặp

1. Điều kiện để chuỗi tự hồi quy cấp 1 với hệ số chứa thành phần ngẫu nhiên không âm $Y_t = (\varphi + |b_t|)Y_{t-1} + e_t$ đạt tính dừng là gì?
Theo Định lý 1.1 và các bổ đề trong Chương 1, với giả thiết $E \ln^+ |e_0| < \infty$ và $E \ln^+ |\varphi + |b_0|| < \infty$, điều kiện để chuỗi nghiệm $Y_k = \sum_{i=0}^\infty e_{k-i} \prod_{j=0}^{i-1} (\varphi + |b_{k-j}|)$ hội tụ tuyệt đối hầu chắc chắn và là nghiệm dừng duy nhất là: $$E \ln |\varphi + |b_0|| < 0$$

2. Quy luật ra quyết định mua và bán tối ưu trong bài toán hệ số trượt ngẫu nhiên ở Chương 2 được phát biểu như thế nào?
Kết quả giải tích và mô phỏng ở Chương 2 chỉ ra rằng thời điểm tối ưu để mua tài sản là khi giá đang lên và vừa qua đáy; thời điểm tối ưu để bán tài sản là khi giá đang xuống và vừa qua đỉnh. Đồng thời, nếu xác suất tiên nghiệm $\pi_0 = P(a = a_h)$ gần 1 (ví dụ $\pi_0 = 0.9$), thời điểm dừng tối ưu hầu chắc chắn đạt tại cuối kỳ $\tau^* = T$; ngược lại nếu $\pi_0$ gần 0 (ví dụ $\pi_0 = 0.1$), thời điểm dừng tối ưu hầu chắc chắn là ngay thời điểm ban đầu $\tau^* = 0$.

3. Vì sao luận án đề xuất phương pháp Monte-Carlo thay vì tính toán giải tích trực tiếp để định giá quyền chọn mua có bước nhảy ở Chương 3?
Trong điều kiện có bước nhảy ngẫu nhiên, công thức giá quyền chọn mua giải tích có dạng chuỗi vô hạn $C(S_0, T) = \sum_{k=0}^\infty p_k(\lambda T) E[C^{(BS)}(\dots)]$. Chuỗi này có tốc độ hội tụ rất chậm và việc tính toán kỳ vọng giải tích $E[\tilde{S}_k]$ rất khó khăn, do đó phương pháp mô phỏng Monte-Carlo là giải pháp số hiệu quả để xấp xỉ giá trị quyền chọn.

4. Mô hình Barro mở rộng ở Chương 4 có điểm gì cải tiến so với mô hình Barro kinh điển?
Mô hình Barro mở rộng tiếp cận sự hội tụ thu nhập dưới góc độ phương trình vi phân và phân tích trên tất cả các khoảng thời gian con trong toàn bộ kỳ nghiên cứu, thay vì chỉ xét một phương trình sai phân đơn lẻ, giúp nâng cao độ chính xác dự báo trạng thái hội tụ giữa các vùng kinh tế.

5. Lập trình Gen (GP) ở Chương 5 hoạt động theo cơ chế nào để dự báo chỉ số giá tiêu dùng (CPI)?
Lập trình Gen hoạt động theo nguyên lý xấp xỉ ngẫu nhiên và giải thuật tiến hóa: khởi tạo ngẫu nhiên một quần thể các biểu thức hàm dự báo $\hat{S}_0(x)$ dựa trên biến trễ, sau đó áp dụng các toán tử lai ghép, đột biến để sinh ra các thế hệ hàm tiếp theo $\hat{S}_n(x)$ có sai số chuẩn nhỏ dần so với chuỗi quan sát $S(t)$, cho phép máy tính tự động tìm cấu trúc hàm xấp xỉ tối ưu mà không cần giả định dạng mô hình toán học trước.

Kết luận

Luận án tiến sĩ của tác giả Phạm Văn Khánh đã giải quyết có hệ thống các bài toán phân tích thống kê, mô phỏng và dự báo cho các lớp chuỗi thời gian mở rộng từ rời rạc đến liên tục. Công trình đã đóng góp các kết quả lý thuyết chặt chẽ về điều kiện dừng của chuỗi RCA(1), phương trình biên dừng tối ưu cho quá trình có hệ số trượt ngẫu nhiên và mô hình Barro dạng vi phân mở rộng. Đồng thời, luận án đã ứng dụng hiệu quả các kỹ thuật số hiện đại như mô phỏng Monte-Carlo và lập trình Gen vào các bài toán thực tiễn của Việt Nam về thị trường vàng, hội tụ thu nhập vùng và dự báo lạm phát.