Ứng Dụng Mô Hình ARIMA Dự Báo Chỉ Số VN-Index Trong Ngắn Hạn

Mô hình ARIMA (Autoregressive Integrated Moving Average) là một trong những phương pháp phổ biến trong… 86 trang · Trường Đại Học Kinh Tế Quốc Dân · 2021.

• Tác giả: Nguyen Thi Thu Hang
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Ứng Dụng Mô Hình ARIMA Dự Báo Chỉ Số VN-Index Trong Ngắn Hạn
• Loại tài liệu: Chuyên đề thực tập
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 0.1. Mục tiêu nghiên cứu
• 0.2. Lý do chọn đề tài
• 0.3. Đối tượng nghiên cứu và Phạm vi nghiên cứu
• 0.4. Phương pháp nghiên cứu
• 0.5. Kết cấu đề tài
• 1. CHƯƠNG 1: MỘT SỐ VẤN ĐỀ LÝ THUYẾT
• 1.1. Sơ lược về chứng khoán và thị trường chứng khoán
• 1.1.1. Chứng khoán
• 1.1.2. Đặc điểm
• 1.2. Thị trường Chứng khoán
• 1.2.1. Khái niệm
• 1.2.2. Chức năng
• 1.2.3. Cơ cấu
• 1.3. Chỉ số thị trường chứng khoán
• 1.3.1. Khái niệm
• 1.3.2. Cách xây dựng
• 1.3.3. Giới thiệu về TTCK Việt Nam - VN-Index
• 1.3.3.1. Khái niệm chỉ số chứng khoán VN-Index
• 1.3.3.2. Cách tính chỉ số VN-Index
• 1.3.3.3. Ý nghĩa của chỉ số VN-Index
• 2. CHƯƠNG 2: CHỈ SỐ CHỨNG KHOÁN VN-INDEX VÀ DIỄN BIẾN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM GIAI ĐOẠN 2010-2021
• 2.1. Các yếu tố kinh tế vĩ mô ảnh hưởng đến TTCK
• 2.2. Diễn biến chỉ số VN-Index giai đoạn 2000-2021
• 2.2.1. Giai đoạn từ khi thành lập đến năm 2008
• 2.2.2. Giai đoạn từ 2009 đến 2014
• 2.2.3. Diễn biến thị trường chứng khoán Việt Nam và chỉ số VN-Index trong giai đoạn nghiên cứu (2015-2021)
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH ARIMA DỰ BÁO CHỈ SỐ VN-INDEX TRONG NGẮN HẠN
• 3.1. Giới thiệu mẫu quan sát
• 3.2. Kiểm định tính dừng
• 3.3. Xác định mô hình ARIMA (p,d,Q)
• 3.4. Ước lượng mô hình ARIMA (p,d,Q)
• 3.5. Kiểm định tự tương quan phần dư các mô hình ARIMA (p,d,Q)
• 3.6. So sánh dự báo với mô hình ARCH-GARCH
• PHỤ LỤC
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về ứng dụng mô hình ARIMA trong dự báo VN Index

Mô hình ARIMA (Autoregressive Integrated Moving Average) là một trong những phương pháp phổ biến trong phân tích chuỗi thời gian. Ứng dụng mô hình này trong dự báo chỉ số VN-Index giúp các nhà đầu tư có cái nhìn rõ ràng hơn về xu hướng biến động của thị trường chứng khoán. Việc dự báo chính xác chỉ số VN-Index không chỉ hỗ trợ trong việc ra quyết định đầu tư mà còn giúp các nhà hoạch định chính sách có những chiến lược phù hợp để phát triển thị trường.

1.1. Khái niệm mô hình ARIMA và ứng dụng trong tài chính

Mô hình ARIMA là một công cụ mạnh mẽ trong phân tích chuỗi thời gian, cho phép dự đoán các giá trị tương lai dựa trên các giá trị quá khứ. Ứng dụng của mô hình này trong dự báo tài chính, đặc biệt là chỉ số VN-Index, giúp các nhà đầu tư nắm bắt được xu hướng và biến động của thị trường.

1.2. Lợi ích của việc dự báo chỉ số VN Index bằng ARIMA

Dự báo chỉ số VN-Index bằng mô hình ARIMA mang lại nhiều lợi ích cho nhà đầu tư. Nó giúp nhận diện các xu hướng tăng giảm, từ đó đưa ra quyết định đầu tư hợp lý. Hơn nữa, việc sử dụng mô hình này còn giúp giảm thiểu rủi ro trong đầu tư chứng khoán.

II. Thách thức trong việc dự báo chỉ số VN Index

Dự báo chỉ số VN-Index không phải là một nhiệm vụ dễ dàng. Thị trường chứng khoán thường xuyên biến động và chịu ảnh hưởng bởi nhiều yếu tố bên ngoài như chính trị, kinh tế và tâm lý nhà đầu tư. Những thách thức này đòi hỏi các nhà phân tích phải có những phương pháp và công cụ phù hợp để đưa ra dự báo chính xác.

2.1. Các yếu tố ảnh hưởng đến chỉ số VN Index

Chỉ số VN-Index chịu ảnh hưởng từ nhiều yếu tố như tình hình kinh tế vĩ mô, chính sách của chính phủ, và tâm lý nhà đầu tư. Những yếu tố này có thể gây ra sự biến động lớn trong ngắn hạn, làm cho việc dự báo trở nên khó khăn.

2.2. Khó khăn trong việc thu thập dữ liệu lịch sử

Việc thu thập dữ liệu lịch sử chính xác và đầy đủ là một thách thức lớn trong việc áp dụng mô hình ARIMA. Dữ liệu không đầy đủ hoặc không chính xác có thể dẫn đến những dự báo sai lệch, ảnh hưởng đến quyết định đầu tư.

III. Phương pháp xác định mô hình ARIMA cho VN Index

Để áp dụng mô hình ARIMA vào dự báo chỉ số VN-Index, cần thực hiện các bước như kiểm định tính dừng của chuỗi dữ liệu, xác định các tham số p, d, q và ước lượng mô hình. Những bước này rất quan trọng để đảm bảo tính chính xác của dự báo.

3.1. Kiểm định tính dừng của chuỗi dữ liệu

Kiểm định tính dừng là bước đầu tiên trong việc áp dụng mô hình ARIMA. Nếu chuỗi dữ liệu không dừng, cần thực hiện các phép biến đổi để đạt được tính dừng, từ đó mới có thể áp dụng mô hình ARIMA một cách hiệu quả.

3.2. Xác định tham số p d q trong mô hình ARIMA

Việc xác định các tham số p, d, q là rất quan trọng trong mô hình ARIMA. Tham số p đại diện cho số lượng độ trễ của biến phụ thuộc, d là số lần khác biệt cần thiết để làm cho chuỗi dữ liệu dừng, và q là số lượng độ trễ của sai số. Sử dụng các tiêu chí như AIC và BIC để lựa chọn mô hình tốt nhất.

IV. Kết quả dự báo chỉ số VN Index bằng mô hình ARIMA

Kết quả dự báo từ mô hình ARIMA cho chỉ số VN-Index cho thấy khả năng dự đoán chính xác trong ngắn hạn. Các mô hình được ước lượng cho thấy sự phù hợp với dữ liệu thực tế, giúp các nhà đầu tư có cái nhìn rõ ràng hơn về xu hướng thị trường.

4.1. So sánh kết quả dự báo với dữ liệu thực tế

Kết quả dự báo từ mô hình ARIMA thường được so sánh với dữ liệu thực tế để đánh giá độ chính xác. Sự khác biệt giữa dự báo và thực tế có thể chỉ ra những yếu tố chưa được xem xét trong mô hình.

4.2. Ứng dụng kết quả dự báo trong đầu tư

Kết quả dự báo từ mô hình ARIMA có thể được sử dụng để đưa ra quyết định đầu tư. Các nhà đầu tư có thể dựa vào những dự báo này để xác định thời điểm mua vào hoặc bán ra cổ phiếu, từ đó tối ưu hóa lợi nhuận.

V. Kết luận và triển vọng tương lai của mô hình ARIMA trong dự báo VN Index

Mô hình ARIMA đã chứng minh được tính hiệu quả trong việc dự báo chỉ số VN-Index trong ngắn hạn. Tuy nhiên, để nâng cao độ chính xác, cần tiếp tục nghiên cứu và cải tiến mô hình, kết hợp với các phương pháp khác để có cái nhìn toàn diện hơn về thị trường.

5.1. Tương lai của mô hình ARIMA trong dự báo tài chính

Mô hình ARIMA có tiềm năng lớn trong việc dự báo tài chính, đặc biệt là trong bối cảnh thị trường chứng khoán ngày càng phát triển. Việc kết hợp với các mô hình khác như GARCH có thể giúp cải thiện độ chính xác của dự báo.

5.2. Khuyến nghị cho các nhà đầu tư

Các nhà đầu tư nên xem xét sử dụng mô hình ARIMA như một công cụ hỗ trợ trong việc ra quyết định đầu tư. Tuy nhiên, cần kết hợp với các phân tích khác để có cái nhìn toàn diện hơn về thị trường.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán là một bộ phận của nền kinh tế thị trường hiện đại, giữ vai trò huy động các nguồn vốn nhàn rỗi trong xã hội để tài trợ cho doanh nghiệp và các dự án phát triển kinh tế. Đối với nhà đầu tư, đây là kênh sinh lời nhưng cũng đi kèm mức độ rủi ro cao do giá cổ phiếu liên tục biến động dưới tác động của nhiều yếu tố kinh tế, chính trị và tâm lý thị trường. Tại Việt Nam, kể từ khi thành lập vào năm 2000, thị trường chứng khoán đã có sự gia tăng về quy mô vốn hóa (tăng từ mức tương đương 30% GDP năm 2015 lên 90% GDP vào năm 2021, số doanh nghiệp có vốn hóa trên 1 tỷ USD tăng từ 10 lên gần 50 doanh nghiệp) và số lượng tài khoản giao dịch cá nhân. Sự biến động của chỉ số VN-Index đại diện cho rủi ro hệ thống của sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE), do đó việc phân tích và dự báo chuỗi chỉ số này có ý nghĩa thiết thực đối với việc ra quyết định của các chủ thể tham gia thị trường.

Mục tiêu nghiên cứu của đề tài được tác giả xác định cụ thể qua 3 nội dung:

1. Nghiên cứu chiều hướng vận động của chỉ số VN-Index trong ngắn hạn.
2. Xác định nguyên nhân cơ bản giải thích cho sự biến động bất thường của chỉ số VN-Index trong giai đoạn nghiên cứu.
3. Dự báo chỉ số chứng khoán VN-Index, từ đó suy ra kết quả dự báo cho chỉ số VN-Index trong các phiên giao dịch tiếp theo.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Chuỗi dữ liệu thời gian của chỉ số chứng khoán VN-Index.
• Phạm vi thời gian: Số liệu chuỗi thời gian đóng cửa theo ngày giao dịch từ ngày 05/01/2015 đến ngày 07/10/2021, bao gồm tổng cộng 1.688 phiên quan sát.
• Phạm vi không gian và nguồn dữ liệu: Dữ liệu chỉ số VN-Index niêm yết trên sàn HOSE được thu thập từ website cophieu68.com. Công cụ xử lý và tính toán định lượng là phần mềm Eviews 10.

Cơ sở lý thuyết và phương pháp

Đề tài sử dụng khung lý thuyết kinh tế lượng chuỗi thời gian, kết hợp giữa phương pháp phân tích định tính và định lượng để xây dựng mô hình dự báo.

Thành phần phương pháp	Nội dung và công cụ cụ thể trong nghiên cứu
Khung lý thuyết	- Lý thuyết về thị trường chứng khoán và chỉ số giá cổ phiếu (phương pháp Paasche). - Lý thuyết chuỗi thời gian (các thành phần: xu hướng, mùa vụ, chu kỳ, ngẫu nhiên; tính dừng, nhiễu trắng, bước ngẫu nhiên). - Các quá trình tự hồi quy AR(p), trung bình trượt MA(q), ARMA(p,q) và ARIMA(p,d,q). - Quy trình mô hình hóa Box-Jenkins (1976).
Phương pháp định tính	Tổng hợp tài liệu, phân tích bối cảnh kinh tế vĩ mô (chính sách tiền tệ, cung tiền, tỷ giá hối đoái, giá vàng) và lược sử biến động của thị trường chứng khoán Việt Nam qua các giai đoạn từ 2000 đến 2021.
Phương pháp định lượng	- Phân tích thống kê mô tả chuỗi dữ liệu gốc (trung bình, giá trị cực đại, giá trị cực tiểu). - Kiểm định tính dừng: Lược đồ tự tương quan ACF, lược đồ tự tương quan riêng phần PACF, kiểm định nghiệm đơn vị Dickey-Fuller mở rộng (ADF test). - Lấy sai phân bậc $d$ để đưa chuỗi về trạng thái dừng $I(d)$. - Ước lượng các tham số mô hình ARIMA bằng phương pháp bình phương nhỏ nhất hoặc phi tuyến trên Eviews 10. - Lựa chọn mô hình tối ưu dựa trên các tiêu chí thông tin: AIC (Akaike Info Criterion), SIC (Schwarz Info Criterion), HQIC (Hannan-Quinn Criterion) và Log-likelihood. - Chẩn đoán phần dư: Kiểm định tự tương quan phần dư (lược đồ ACF/PACF phần dư, kiểm định Ljung-Box, kiểm định Breusch-Godfrey LM test) và phân phối phần dư. - Dự báo điểm trong mẫu, dự báo ngoài mẫu và so sánh với mô hình ARCH/GARCH (GARCH(1,1)).
Tiêu chí đánh giá sai số	Sai số trung bình (ME), Sai số tuyệt đối trung bình (MAE), Sai số phần trăm trung bình (MPE), Sai số phần trăm tuyệt đối trung bình (MAPE), Sai số bình phương trung bình (MSE) và Hệ số bất bình đẳng Theil (RMSE, Tỷ lệ chệch Bias Proportion).

Nội dung chính theo từng chương

Chương 1: Một số vấn đề lý thuyết

Chương 1 hệ thống hóa cơ sở lý luận về chứng khoán, thị trường chứng khoán, phương pháp tính chỉ số giá và các mô hình toán học ứng dụng trong dự báo chuỗi thời gian:

• Thị trường chứng khoán và chỉ số: Trình bày các đặc điểm cốt lõi của chứng khoán (tính thanh khoản, tính sinh lời, tính rủi ro), cơ cấu thị trường sơ cấp - thứ cấp, và 5 phương pháp tính chỉ số giá chứng khoán trên thế giới (Paasche, Laspeyres, Fisher, bình quân giản đơn, bình quân nhân giản đơn). Tác giả phân tích công thức tính VN-Index theo phương pháp Paasche so sánh giá trị vốn hóa hiện hành ($CMV$) với giá trị vốn hóa cơ sở ($BMV$): $$VN\text{-}Index = \frac{\sum_{i=1}^n P_{1i} Q_{1i}}{\sum_{i=1}^n P_{0i} Q_{0i}} \times 100$$ kèm theo công thức điều chỉnh hệ số chia $D_1$ khi có sự thay đổi vốn niêm yết hoặc thêm/bớt cổ phiếu.
• Lý thuyết chuỗi thời gian và tính dừng: Chuỗi thời gian gồm 4 thành phần (xu hướng, mùa vụ, chu kỳ, ngẫu nhiên). Tính dừng yếu được xác định khi trung bình $E(y_t) = \mu$, phương sai $\text{Var}(y_t) = \sigma^2$ và hiệp phương sai $\text{Cov}(y_t, y_{t-k}) = \gamma_k$ không đổi theo thời gian. Nếu chuỗi không dừng, các kiểm định $t, F$ sẽ mất hiệu lực và dẫn đến hiện tượng hồi quy giả mạo.
• Mô hình ARIMA và quy trình Box-Jenkins: Mô tả cấu trúc toán học của các quá trình tự hồi quy $AR(p)$, trung bình trượt $MA(q)$, kết hợp $ARMA(p,q)$ và $ARIMA(p,d,q)$. Quy trình Box-Jenkins gồm 4 bước: (1) Nhận dạng mô hình (xác định bậc tích hợp $d$, bậc $p, q$ qua lược đồ ACF/PACF và các tiêu chí AIC, SIC, HQIC); (2) Ước lượng hệ số; (3) Kiểm tra chẩn đoán phần dư (đảm bảo phần dư là nhiễu trắng); (4) Thực hiện dự báo ngắn hạn.
• Tổng quan nghiên cứu: Tổng thuật 7 nghiên cứu trong nước (Trung & cs 2010, Gương 2012, Dũng 2012, Tài 2012, Thi 2009, Giám & cs 2012, Bách 2010) và 5 nghiên cứu quốc tế (Radha 2004, Natalia & cs 2005, Tatyana 2010, Pawan 2002, Ravindran & cs 2007) về ứng dụng ARIMA và ARCH/GARCH trong dự báo tài chính.

Chương 2: Chỉ số chứng khoán VN-Index và diễn biến thị trường chứng khoán Việt Nam giai đoạn 2010-2021

Chương 2 phân tích các kênh tác động kinh tế vĩ mô và phân kỳ diễn biến lịch sử của chỉ số VN-Index từ khi hình thành đến năm 2021:

• Tác động vĩ mô: Phân tích tác động cùng chiều của cung tiền và chính sách tiền tệ mở rộng tới thanh khoản thị trường; các cách tiếp cận lý thuyết về mối quan hệ giữa tỷ giá hối đoái và giá chứng khoán (Dornbusch & Fisher 1980, mô hình cân bằng danh mục của Branson 1983, mô hình tài sản của Gavin 1989); và vai trò của giá vàng như một kênh phòng ngừa rủi ro biến động nghịch chiều với thị trường chứng khoán.
• Diễn biến giai đoạn 2000-2008: Khởi đầu năm 2000 với 2 mã REE và SAM; cơn sốt năm 2001 đưa VN-Index lên 571,04 điểm (25/06/2001) trước khi giảm về 130 điểm; sự bùng nổ năm 2006-2007 khi Việt Nam gia nhập WTO và tổ chức APEC, đưa chỉ số lập đỉnh 1.170 điểm năm 2007; sự sụt giảm sâu trong năm 2008 do ảnh hưởng của khủng hoảng tài chính toàn cầu.
• Diễn biến giai đoạn 2009-2014: Năm 2009 hồi phục từ đáy 234,66 điểm (24/03) lên 633,2 điểm (23/10) nhờ gói kích cầu; năm 2010 suy giảm về 484,7 điểm do thắt chặt tiền tệ, khủng hoảng nợ công châu Âu, tái cơ cấu Vinashin và hiện tượng đội lái cổ phiếu; năm 2011 giảm 27,46% về 351,6 điểm (các công ty chứng khoán lỗ lũy kế, xử lý thao túng giá tại DVD); năm 2012 tăng lên 488,1 điểm trong 5 tháng đầu năm (lãi suất hạ từ 14% xuống 9%, mở giao dịch buổi chiều từ 05/03, ra mắt VN30 từ 06/02) rồi sụt giảm cuối năm do sự kiện Bầu Kiên (ACB) ngày 20/08 và xử lý bán khống; năm 2013 hồi phục lên 504,6 điểm (gói hỗ trợ 30.000 tỷ đồng, thành lập VAMC, 37 công ty hủy niêm yết, hợp nhất MBS - VIT, bổ sung lệnh ATC, MTL, MOK, MAK); năm 2014 biến động mạnh do căng thẳng Biển Đông tháng 5 khiến VN-Index giảm 12,4% về 508,5 điểm, sau đó cổ phiếu GAS dẫn dắt phục hồi lên 644 điểm vào tháng 9.
• Giai đoạn nghiên cứu 2015-2021: Thị trường tăng trưởng vượt bậc với sự tham gia của lớp nhà đầu tư cá nhân mới ("F0"). Số tài khoản mở mới năm 2020 tăng gấp đôi và nửa đầu năm 2021 vượt tổng số của năm 2019 và 2020 cộng lại (riêng 2 tháng đầu năm 2021 mở mới hơn 143.000 tài khoản). Lãi suất tiền gửi 1 năm giảm khoảng 1,5% từ đầu năm 2020 thúc đẩy dòng tiền chuyển dịch vào chứng khoán. Quý 1/2021, VN-Index tăng 7,93%, GDP tăng 4,48%, kim ngạch xuất nhập khẩu đạt 152,65 tỷ USD; tuy nhiên thị trường đối mặt với tình trạng nghẽn lệnh trên HOSE (cần 3-4 tháng để FPT xử lý), khối ngoại bán ròng hơn 14.000 tỷ đồng trong quý 1/2021, áp lực căng margin tại các công ty chứng khoán và xác suất giảm điểm trong quý 2 đạt 60% trong giai đoạn 2011-2020.

Chương 3: Ứng dụng mô hình ARIMA vào dự báo chỉ số VN-Index trong ngắn hạn

Chương 3 trình bày các bước thực nghiệm định lượng trên chuỗi dữ liệu 1.688 phiên giao dịch của VN-Index từ 05/01/2015 đến 07/10/2021:

• Thống kê mô tả và kiểm định tính dừng: Chỉ số VN-Index có giá trị trung bình là 860,46 điểm (hoặc 860,00), dao động trong khoảng từ giá trị thấp nhất 521,88 điểm đến giá trị cao nhất 1.420,27 điểm. Đồ thị chuỗi gốc thể hiện xu thế tăng rõ rệt; lược đồ ACF, PACF và kết quả kiểm định nghiệm đơn vị (ADF test) xác nhận chuỗi giá gốc là chuỗi không dừng, có chứa nghiệm đơn vị.
• Xác định bậc sai phân: Tiến hành lấy sai phân bậc 1 ($d=1$) của chuỗi (chuỗi sai phân hoặc sai phân logarit DLPRICE) để triệt tiêu xu thế, đưa chuỗi về trạng thái dừng $I(1)$.
• Ước lượng các mô hình ứng viên: Dựa trên cấu trúc hàm ACF và PACF của chuỗi sai phân, tác giả thiết lập và ước lượng các cấu trúc mô hình ARIMA$(p, 1, q)$ bao gồm:
  • $\text{ARIMA}(0,1,1)$, $\text{ARIMA}(0,1,2)$
  • $\text{ARIMA}(1,1,0)$, $\text{ARIMA}(1,1,1)$, $\text{ARIMA}(1,1,2)$
  • $\text{ARIMA}(2,1,0)$, $\text{ARIMA}(2,1,1)$, $\text{ARIMA}(2,1,2)$
• Lựa chọn mô hình và kiểm định chẩn đoán: So sánh các tiêu chí thống kê AIC, SIC và kiểm định tự tương quan phần dư của các mô hình ước lượng. Kết quả lựa chọn mô hình $\text{ARIMA}(1,1,2)$ là mô hình phù hợp nhất để biểu diễn chuỗi dữ liệu. Kiểm định chẩn đoán cho thấy phần dư của mô hình $\text{ARIMA}(1,1,2)$ không còn tự tương quan (phù hợp tính chất nhiễu trắng) và tuân theo phân phối xác suất kiểm định.
• Dự báo và so sánh mô hình: Thực hiện dự báo trong mẫu và dự báo điểm ngoài mẫu cho các phiên tiếp theo (thể hiện qua Bảng 3.1 và Hình 3.22). Đồng thời, tác giả ước lượng mô hình phương sai có điều kiện $\text{GARCH}(1,1)$ (Bảng 3.2, Bảng 3.3, Hình 3.23) để so sánh kết quả dự báo giữa phương pháp chuỗi thời gian tuyến tính ARIMA và mô hình biến động phương sai ARCH-GARCH.

Kết quả và đóng góp

• Kết quả thực nghiệm: Phân tích định lượng trên mẫu quan sát gồm 1.688 phiên giao dịch (từ 05/01/2015 đến 07/10/2021) xác định chuỗi chỉ số VN-Index là chuỗi tích hợp bậc 1, $I(1)$. Trong 8 mô hình cấu trúc $\text{ARIMA}(p, 1, q)$ được thử nghiệm, mô hình $\text{ARIMA}(1,1,2)$ thỏa mãn tốt nhất các tiêu chí lựa chọn thông tin và kiểm định chẩn đoán tự tương quan phần dư.
• Kết quả dự báo: Mô hình đưa ra các giá trị dự báo ngắn hạn sát với diễn biến thực tế của chỉ số VN-Index trong mẫu và cung cấp bảng dự báo điểm ngoài mẫu (Bảng 3.1), đồng thời được đối chiếu với kết quả ước lượng từ mô hình $\text{GARCH}(1,1)$.
• Đóng góp của đề tài: Tác giả hệ thống hóa có hệ thống phương pháp luận Box-Jenkins trong kinh tế lượng chuỗi thời gian áp dụng trực tiếp vào dữ liệu thị trường chứng khoán Việt Nam giai đoạn 2015-2021; cung cấp một bức tranh toàn diện về các giai đoạn lịch sử của thị trường chứng khoán gắn với các biến cố chính sách tiền tệ, vĩ mô và sự kiện quản lý.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về phạm vi mô hình: Mô hình ARIMA là mô hình chuỗi thời gian đơn biến tuyến tính, dựa hoàn toàn vào dữ liệu giá trị trễ quá khứ và sai số ngẫu nhiên của chính chuỗi số liệu mà không trực tiếp đưa các biến số ngoại sinh (lãi suất, tỷ giá, dòng tiền khối ngoại, các cú sốc thông tin vĩ mô) vào phương trình hồi quy.
• Đặc tính dự báo: Dự báo bằng mô hình ARIMA chỉ đạt độ chuẩn xác trong ngắn hạn (các phiên giao dịch kế tiếp); khoảng cách dự báo càng kéo dài thì sai số dự báo càng tăng. Ngoài ra, chuỗi dữ liệu tài chính thường xuất hiện hiện tượng phương sai sai số thay đổi (hiệu ứng ARCH), đòi hỏi việc kết hợp mô hình hóa phi tuyến.
• Hướng mở rộng: Mở rộng nghiên cứu bằng việc kết hợp các cấu trúc mô hình lai ghép như ARMA-GARCH, EGARCH hoặc mở rộng sang các mô hình tự hồi quy vector (VAR) nhằm kiểm soát đồng thời các yếu tố vĩ mô tác động lên chỉ số chứng khoán.

Giá trị tham khảo

• Đối tượng tham khảo: Tài liệu là nguồn tư liệu học thuật phù hợp cho sinh viên, học viên chuyên ngành Toán Kinh tế, Kinh tế lượng, Tài chính - Ngân hàng và các nhà phân tích dữ liệu thị trường tài chính.
• Nội dung tham khảo hữu ích:
  1. Hướng dẫn chi tiết từng bước thực hành quy trình mô hình hóa chuỗi thời gian Box-Jenkins trên phần mềm Eviews 10 (từ kiểm định nghiệm đơn vị ADF, lập lược đồ ACF/PACF, chọn bậc mô hình đến chẩn đoán phần dư).
  2. Bảng tổng hợp các dạng lý thuyết chuẩn của ACF và PACF ứng với các mô hình $AR(p)$, $MA(q)$ và $ARMA(p,q)$ phục vụ việc nhận dạng mô hình.
  3. Tư liệu tổng kết lịch sử và các nguyên nhân kinh tế - chính sách dẫn đến các chu kỳ thăng trầm của thị trường chứng khoán Việt Nam giai đoạn 2000-2021.

Câu hỏi thường gặp

1. Đề tài sử dụng mẫu dữ liệu chuỗi thời gian VN-Index trong khoảng thời gian nào và có các tham số thống kê mô tả cơ bản ra sao?
Dữ liệu chuỗi thời gian VN-Index được thu thập theo ngày giao dịch từ 05/01/2015 đến 07/10/2021 từ website cophieu68.com, gồm 1.688 quan sát. Trong giai đoạn này, chỉ số có giá trị trung bình là 860,46 điểm (hoặc 860,00), giá trị thấp nhất là 521,88 điểm và giá trị cao nhất là 1.420,27 điểm.

2. Chuỗi dữ liệu VN-Index gốc có tính dừng hay không và tác giả đã xử lý như thế nào?
Chuỗi giá trị gốc của VN-Index không dừng (có xu thế tăng và kiểm định nghiệm đơn vị ADF xác nhận có nghiệm đơn vị). Tác giả đã tiến hành lấy sai phân bậc 1 ($d=1$) để chuyển chuỗi dữ liệu về trạng thái dừng, ký hiệu là chuỗi tích hợp bậc 1, $I(1)$.

3. Những mô hình ARIMA cụ thể nào đã được tác giả đưa vào thử nghiệm và mô hình nào được lựa chọn là tối ưu?
Tác giả đã ước lượng 8 mô hình ứng viên gồm: $\text{ARIMA}(0,1,1)$, $\text{ARIMA}(0,1,2)$, $\text{ARIMA}(1,1,0)$, $\text{ARIMA}(1,1,1)$, $\text{ARIMA}(1,1,2)$, $\text{ARIMA}(2,1,0)$, $\text{ARIMA}(2,1,1)$ và $\text{ARIMA}(2,1,2)$. Dựa trên các tiêu chí AIC, SIC và kết quả kiểm định tự tương quan phần dư, mô hình $\text{ARIMA}(1,1,2)$ được lựa chọn là mô hình tối ưu.

4. Trong Chương 2, tác giả phân tích những yếu tố kinh tế vĩ mô nào có ảnh hưởng đến thị trường chứng khoán Việt Nam?
Tác giả phân tích 3 nhóm yếu tố vĩ mô chính: (1) Cung tiền và chính sách tiền tệ (chính sách nới lỏng/thắt chặt tác động trực tiếp đến thanh khoản và mặt bằng lãi suất); (2) Tỷ giá hối đoái (phân tích qua 3 hướng tiếp cận lý thuyết của Dornbusch & Fisher, Branson, Gavin); và (3) Giá vàng (được xem là tài sản trú ẩn và phòng ngừa rủi ro có xu hướng biến động ngược chiều với chứng khoán).

5. Ngoài mô hình ARIMA, tác giả còn sử dụng mô hình nào khác để đối chiếu kết quả dự báo trong Chương 3?
Tác giả đã mở rộng ước lượng và so sánh kết quả dự báo của mô hình ARIMA với mô hình phương sai có điều kiện $\text{GARCH}(1,1)$ (thuộc nhóm mô hình ARCH-GARCH) để đánh giá độ chính xác và đặc tính biến động của phần dư chuỗi tỷ suất sinh lợi.

Kết luận

Chuyên đề tốt nghiệp đã thực hiện quy trình mô hình hóa chuỗi thời gian theo phương pháp Box-Jenkins trên tập dữ liệu 1.688 phiên giao dịch của chỉ số VN-Index giai đoạn 2015-2021. Kết quả kiểm định thực nghiệm xác định chuỗi số liệu dừng ở sai phân bậc 1 và lựa chọn được mô hình tối ưu $\text{ARIMA}(1,1,2)$ đáp ứng đầy đủ các tiêu chuẩn chẩn đoán phần dư không có tự tương quan. Nghiên cứu đồng thời cung cấp bức tranh phân tích kinh tế lượng và bối cảnh vĩ mô toàn diện về các giai đoạn biến động của thị trường chứng khoán Việt Nam, đóng vai trò là tài liệu tham khảo có giá trị học thuật và thực tiễn cho công tác phân tích, dự báo tài chính ngắn hạn.

Trích đoạn nội dung tài liệu

Chương 1: Một số van đề lý thuyết Chương 2: Chỉ số chứng khoán VN-Index và diễn biến thị trường chứng khoán của Việt Nam giai đoạn 2010-2021 Chương 3: Ứng dụng mô hình ARIMA vào dự báo chỉ số VN-Index trong ngăn hạn. 11181530 - NGUYEN THỊ THU HANG 3 Chuyên dé thực tập chuyên ngành Toán Kinh tế CHUONG 1: MOT SO VAN ĐÈ LY THUYET 1. Sơ lược về chứng khoán và thị trường chứng khoán 1. Chứng khoán s* Khái niệm: là bằng chứng xác nhận quyền lợi và lợi ích hợp pháp của người sở hữu đối với tài sản hoặc phan vốn của tổ chức phát hành.

Chứng khoán được thê hiện dưới hình thức chứng chỉ, bút toán ghi số hoặc dữ liệu điện tử bao gồm các loại sau đây: - __ Cổ phiếu, trái phiếu, chứng chỉ quỹ - - Quyền mua cô phan, chứng quyền, quyền chọn mua, quyền chọn bán, hợp đồng tương lai, nhóm chứng khoán hoặc chỉ số chứng khoán. - Hop đồng góp vốn đầu tư - Các loại chứng khoán khác do Bộ Tài Chính quy định - Hay nói cách khác, chứng khoán là một loại hàng hóa đặc biệt và là công cụ dé huy động vốn trung và dai hạn. Nó đại diện cho một giá trị tài chính, nhằm xác nhận quan hệ vay nợ giữa người nắm giữ nó với chủ thé phát hành ra nó và có khả năng chuyền đôi, chuyển nhượng. s* Đặc điểm - Tinh thanh khoản (tính lỏng) của một chứng khoán: Là khả năng chuyển đổi giữa chứng khoán đó sang tiền mặt.

Tính long của chứng khoán thé hiện qua việc chứng khoán đó được mua bán, trao đôi trên thị trường. - _ Tính sinh lời: Thể hiện ở thu nhập của nhà dau tư, được sinh ra từ việc gia tăng giá chứng khoán trên thị trường, hay các khoản tiền lãi được trả hàng năm. - Tinh rủi ro: Đây là đặc trưng cơ ban cua chứng khoán.Trong quá trình trao đổi, mua đi bán lại, giá của chứng khoán bị giảm hoặc mat hoàn toàn ta gọi là rủi ro. Thị trường Chứng khoán s* Khái niệm: - La nơi mua bán, giao dịch các loại giấy tờ có giá , các chứng khoán, được thực hiện một cách có tô chức trong một hệ thống luật chặt chẽ.

Việc mua bán này được tiến hành bởi các nhà môi giới nhân danh khách hàng và có thé diễn ra trên thị trường tập trung hoặc phi tập trung. Đây là một bộ phận quan trọng của thị trường vốn, nhăm mục đích huy động những nguồn vốn tiết kiệm nhỏ trong xã hội tập trung thành nguồn vốn lớn tài trợ cho doanh nghiệp, các tô chức kinh tế và Chính phủ đề phát triển sản xuất, 11181530 - NGUYEN THỊ THU HANG 4 Chuyên dé thực tập chuyên ngành Toán Kinh tế tăng trưởng kinh tế hay cho các dự án đầu tư. s* Chức năng: - Huy động vốn đầu tư cho nền kinh tế: Khi các NDT mua chứng khoán do các công ty niêm yết phát hành, số tiền nhàn rỗi của họ được đưa vào hoạt động sản xuất kinh doanh và qua đó góp phần phát triển xã hội. Thông qua TTCK, Chính phủ và chính quyền ở các địa phương cũng huy động được các nguồn vốn cho mục đích sử dụng và đầu tư phát triển hạ tầng kinh tế, phục vụ các nhu cầu chung của xã hội.

- _ Cung cấp môi trường đầu tư cho công chúng: TTCK cung cấp cho công chúng một môi trường đầu tư lành mạnh với các cơ hội lựa chọn phong phú. Các loại chứng khoán trên thị trường rất khác nhau vì tính chất, thời hạn và độ rủi ro, cho phép các NĐT có thé lựa chọn loại hàng hoá phù hợp với khả năng, mục tiêu và sở thích của mình. - Tao tính thanh khoản cho các chứng khoán: Nhờ có TTCK các NDT có thé chuyén đổi các chứng khoán họ sở hữu thành tiền mặt hoặc các loại chứng khoán khác khi họ muốn. Khả năng thanh khoản là một trong những đặc tính hấp dẫn của chứng khoán đối với người đầu tư.

Đây là yếu tố cho thấy tính linh hoạt, an toàn của von đầu tư TTCK hoạt động càng năng động và có hiệu quả thì tính thanh khoản của các chứng khoán giao dịch trên thi trường càng cao. - Đánh giá hoạt động của doanh nghiệp: Thông qua TTCK, hoạt động của các doanh nghiệp được phản ánh một cách tong hợp và chính xác, giúp cho việc đánh giá và so sánh hoạt động của doanh nghiệp được nhanh chóng và thuận tiện, từ đó cũng tạo ra một môi trường cạnh tranh lành mạnh. - Tao môi trường giúp Chính phủ thực hiện các chính sách kinh tế vĩ mô: Các chỉ số của TTCK phản ánh động thái của nền kinh tế một cách nhạy bén và chính xác. Giá các chứng khoán tăng lên cho thấy đầu tư đang mở rộng, nền kinh tăng trưởng, ngược lại giá chứng khoán giảm sẽ cho thấy các dấu hiệu tiêu cực của nền kinh tế.

Vì thế, TTCK được gọi là phong vũ biểu của nền kinh tế và là một công cụ quan trọng giúp Chính phủ thực hiện các chính sách kinh tế vĩ mô. Thông qua TTCK, Chính phủ có thê mua và bán trái phiếu Chính phủ để tạo ra nguồn thu bù đắp thâm hụt ngân sách và quản lý lạm phát. Ngoài ra, Chính phủ cũng có thể sử dụng một số chính sách, biện pháp tác động vào TTCK nhằm định hướng đầu tư đảm bảo cho sự phát triển cân đối của nền kinh tế, s* Cơ cầu Xét về sự lưu thông của chứng khoán trên thị trường, TTCK có hai loại: 11181530 - NGUYEN THỊ THU HANG 5 Chuyên dé thực tập chuyên ngành Toán Kinh tế - Thị trường sơ cấp: Là thị trường mua bán các chứng khoán mới phát hành. Trên thị trường này, vốn từ nhà đầu tư sẽ được chuyên sang nhà phát hành thông qua việc nhà đầu tư mua các chứng khoán mới phát hành.

- Thị trường thứ cấp: Là nơi giao dịch các chứng khoán đã được phát hành trên thị trường sơ cấp. Thị trường thứ cấp đảm bảo tính thanh khoản cho các chứng khoán đã phát hành. Thị trường thứ cấp là nơi trao đối, mua bán các chứng khoán đã được phát hành. Nhà đầu tư mua đi bán lại chứng khoán nhằm vào một trong các mục đích: cất giữ tài sản tài chính, nhận một khoản thu nhập có định hàng năm, hưởng chênh lệch giá.

Như vậy, thị trường thứ cấp sẽ không cung cấp dịch vốn cho các doanh nghiệp, thì nó có lợi gi? Không có thị trường thứ cấp, thì sẽ không có thị trường sơ cấp. Nếu chứng khoán phát hành ra mà không lưu chuyền được trên thị trường thứ cấp, thì nhà đầu tư cũng không quan tâm đến việc mua, nắm giữ chứng khoán phát hành (nhất là cô phiếu, một loại chứng khoán vô thời hạn). Cô phiếu của một tô chức niêm yết trên TTCK khi được mua bán nhiều tức là phản ánh lòng tin của nhà đầu tư vào tô chức đó; do đó khi tổ chức niêm yết muốn tăng vốn, họ có thể tiếp tục phát hành cô phiếu hoặc trái phiếu đợt mới. Vì vậy, thông thường, khi thị trường đang lên (chỉ số giá cô phiếu dang ở xu hướng tăng), thì các công ty dé dàng phát hành với khối lượng lớn.

Khi thị trường đang xuống, thì các công ty rất khó phát hành chứng khoán. Ngược lại, nếu tổ chức phát hành các cô phiếu có chất lượng cao ở thị trường sơ cấp thì việc mua bán trên thị trường thứ cấp mới sôi động, nếu phát hành cổ phiếu không có chất lượng thì cỗ phiếu đó không thé giao dịch được trên thị trường thứ cấp. Chỉ số thị trường chứng khoán s* Khái niệm: Khi nói đến TTCK thì không thể không nhắc đến chỉ số chứng khoán là một giá trị thống kê phản ánh tình hình phát triển của thị trường và tình hình hoạt động của công ty trên thị trường. Bat kì một TTCK nào cũng có một chỉ số chứng khoán riêng của nó.

Đó có thé là chỉ số cho tất cả các CP trên thị trường của một quốc gia, như chỉ số giá Hangseng của Hồng Kong, chỉ số giá CP tổng hợp của Hàn Quéc(KOSPI) hoặc có thé là chỉ số cho từng ngành, như chỉ số giá CP ngành công nghiệp của Mỹ(DJIA) s* Cách xây dựng Muốn xây dựng một chỉ số chứng khoán, cần giải quyết ba vấn đề: Thứ nhất, lựa chọn phương pháp. Hiện nay có năm phương pháp dé tính chỉ 11181530 - NGUYEN THỊ THU HANG 6 Chuyên dé thực tập chuyên ngành Toán Kinh tế số giá chứng khoán: - Phương pháp Passcher: Đây là phương pháp tính chỉ số giá CP thông dụng nhất. Chỉ số tính bằng phương pháp này là chỉ số giá bình quân gia quyền giá trị với quyền số là số lượng chứng khoán niêm yết thời kì tính toán. Các chỉ số KOSPI (Hàn Quốc), S&P500(Mỹ), FT-SE 100 (Anh), TOPIX (Nhật), CAC (Pháp), VNIndex của nước ta đều áp dụng phương pháp này - Phuong pháp Laspeyres: Chỉ số giá bình quân Laspeyres là chỉ số giá bình quân gia quyền giá trị, lấy quyên số là số CP niêm yết thời kì gốc.

Chỉ một số ít nước áp dụng phương pháp này, chăng hạn chỉ số FAZ, DAX của Đức. - Chi số giá bình quân Fisher: là chỉ số giá bình quân nhân giữa chỉ số gi Passcher và chỉ số giá Laspeyres. Về mặt lý luận có phương pháp này, nhưng trên thực tế nó không được áp dụng ở bất kì một quốc gia nào - Phuong pháp số bình quân giản đơn: lấy tổng thị giá của chứng khoán chia cho số chứng khoán tham gia tính toán. Các chỉ số Dow Jon của Mỹ, Nikkei 225 của Nhật; MBI của Y áp dụng phương pháp này - Phuong pháp bình quân nhân giản don: chỉ nên dùng khi độ lệch chuẩn khá cao.

Các chỉ số Value line ( Mỹ), T-30 ( Anh) áp dụng phương pháp này. Thứ hai, chọn r6 đại diện. R6 đại diện phải tiêu biểu, đại diện được cho tổng thé vì tính chất các CP thường xuyên thay đổi, nên trong quá trình tính toán cũng cần thường xuyên thay những CP không còn tiêu biểu nữa bằng CP tiêu biểu hơn. Ba tiêu thức quan trọng để xác định sự tiêu biéu của CP dé chọn vào rô đại diện là số lượng CP niêm yết, giá trị niêm yết và tỷ lệ giao dịch CP đó trên thị trường.

Thứ ba, loại trừ ảnh hưởng của các yếu tố thay đổi về khối lượng và giá tri trong quá trình tính toán chỉ số giá chứng khoán, mục đích là dé đảm bao tính liên tục của chỉ số và làm cho chỉ số thực sự phản ánh đúng sự biến động của nó. Giới thiệu về TTCK Việt Nam- VN-Index 1. Khái niệm chỉ số chứng khoán VN-Index VN-Index là chỉ số chứng khoán trên sàn giao dịch chứng khoán TP.