Chuyên Đề Tốt Nghiệp: Ứng Dụng Mô Hình ARIMA-GARCH Dự Báo Chỉ Số VN-Index Trong Ngắn Hạn

Chuyên đề tốt nghiệp ứng dụng mô hình ARIMA-GARCH dự báo chỉ số VN-Index ngắn hạn, phân tích hiệu quả và độ chính xác trong dự đoán thị trường chứng khoán.

• Tác giả: Nguyễn Minh Đức
• Người hướng dẫn: GS. Nguyễn Quang Đông
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Ứng Dụng Mô Hình ARIMA-GARCH Dự Báo Chỉ Số VN-Index Ngắn Hạn
• Loại tài liệu: chuyên đề tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN CƠ SỞ LÝ LUẬN
• 1.1. Lý luận về chứng khoán và thị trường chứng khoán
• 1.2. Lý luận cơ bản về chỉ số chứng khoán
• 2. CHƯƠNG 2: DIỄN BIẾN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM VÀ CHỈ SỐ VN-INDEX
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH ARIMA, GARCH ĐỂ DỰ BÁO CHỈ SỐ VN-INDEX TRONG NGẮN HẠN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình ARIMA và GARCH trong dự báo tài chính

Mô hình ARIMA và mô hình GARCH là hai công cụ quan trọng trong phân tích chuỗi thời gian và dự báo thị trường. Mô hình ARIMA (Autoregressive Integrated Moving Average) được sử dụng để dự báo các chuỗi thời gian dựa trên các giá trị quá khứ và hiện tại. Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) giúp mô hình hóa và dự báo biến động thị trường, đặc biệt là trong các thị trường có độ biến động cao như thị trường chứng khoán. Sự kết hợp của hai mô hình này tạo thành mô hình ARIMA-GARCH, một phương pháp mạnh mẽ để dự báo chỉ số VN-Index trong ngắn hạn.

1.1. Ứng dụng mô hình ARIMA

Mô hình ARIMA được áp dụng để phân tích và dự báo chỉ số VN-Index dựa trên dữ liệu lịch sử. Quá trình này bao gồm việc kiểm định tính dừng của chuỗi dữ liệu, xác định các tham số p, d, q của mô hình, và ước lượng mô hình. Kết quả từ mô hình ARIMA giúp nhà đầu tư dự đoán xu hướng biến động của chỉ số VN-Index trong tương lai gần, từ đó đưa ra các quyết định đầu tư hợp lý.

1.2. Ứng dụng mô hình GARCH

Mô hình GARCH được sử dụng để mô hình hóa biến động thị trường của chỉ số VN-Index. Mô hình này giúp nhận diện và dự báo các giai đoạn biến động mạnh trong thị trường, điều mà mô hình ARIMA không thể làm được. Bằng cách kết hợp mô hình GARCH, nhà đầu tư có thể đánh giá rủi ro và điều chỉnh chiến lược đầu tư để tối ưu hóa lợi nhuận.

II. Phân tích và dự báo chỉ số VN Index

Chỉ số VN-Index là một chỉ báo quan trọng phản ánh tình hình thị trường chứng khoán Việt Nam. Việc áp dụng mô hình ARIMA-GARCH để dự báo chỉ số VN-Index trong ngắn hạn mang lại nhiều lợi ích thiết thực. Mô hình này không chỉ giúp dự đoán giá trị tương lai của chỉ số mà còn cung cấp thông tin về biến động thị trường, giúp nhà đầu tư đưa ra quyết định đầu tư chính xác hơn.

2.1. Dữ liệu và phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu lịch sử của chỉ số VN-Index từ năm 2018 đến 2022. Phương pháp phân tích chuỗi thời gian được áp dụng để kiểm định tính dừng của chuỗi dữ liệu và xác định các tham số của mô hình ARIMA. Sau đó, mô hình GARCH được sử dụng để mô hình hóa biến động thị trường và dự báo chỉ số VN-Index trong tuần đầu tiên của năm 2023.

2.2. Kết quả dự báo và đánh giá

Kết quả dự báo từ mô hình ARIMA-GARCH cho thấy độ chính xác cao trong việc dự đoán chỉ số VN-Index. So sánh với các phương pháp phân tích kỹ thuật khác như MA, MACD, và RSI, mô hình ARIMA-GARCH mang lại kết quả dự báo ổn định và đáng tin cậy hơn. Điều này khẳng định giá trị thực tiễn của mô hình trong việc hỗ trợ quyết định đầu tư trên thị trường chứng khoán Việt Nam.

III. Ý nghĩa và ứng dụng thực tiễn

Việc áp dụng mô hình ARIMA-GARCH trong dự báo chỉ số VN-Index không chỉ mang lại lợi ích cho các nhà đầu tư cá nhân mà còn hỗ trợ các tổ chức tài chính trong việc hoạch định chiến lược đầu tư. Mô hình này cung cấp cái nhìn tổng quan về xu hướng biến động của thị trường chứng khoán, giúp giảm thiểu rủi ro và tối ưu hóa lợi nhuận.

3.1. Ứng dụng trong đầu tư

Mô hình ARIMA-GARCH là công cụ hữu ích giúp nhà đầu tư dự đoán xu hướng biến động của chỉ số VN-Index trong ngắn hạn. Kết quả dự báo từ mô hình giúp nhà đầu tư đưa ra quyết định mua bán chứng khoán kịp thời, tối ưu hóa lợi nhuận và giảm thiểu rủi ro.

3.2. Ứng dụng trong quản lý rủi ro

Bằng cách mô hình hóa biến động thị trường, mô hình GARCH giúp các tổ chức tài chính đánh giá và quản lý rủi ro hiệu quả hơn. Điều này đặc biệt quan trọng trong bối cảnh thị trường chứng khoán Việt Nam có độ biến động cao, giúp các nhà quản lý đưa ra các quyết định đầu tư an toàn và bền vững.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán Việt Nam chính thức được thành lập vào ngày 11/07/1998 theo Quyết định số 48/CP của Chính phủ và đi vào vận hành phiên giao dịch đầu tiên vào ngày 28/07/2000. Đây là kênh huy động vốn trung và dài hạn quan trọng cho nền kinh tế, đồng thời là môi trường đầu tư giúp các tổ chức và cá nhân tìm kiếm lợi nhuận thông qua cổ tức hoặc kinh doanh chênh lệch giá. Để đưa ra các quyết định giao dịch hợp lý, nhà đầu tư thường tiếp cận thị trường qua phân tích cơ bản, phân tích kỹ thuật hoặc phân tích chuỗi thời gian (time series) trong kinh tế lượng tài chính. Phân tích chuỗi thời gian cho phép khai thác các đặc tính thống kê lịch sử để mô hình hóa và dự báo các biến số tài chính trong tương lai.

Trước đặc thù biến động phức tạp của chỉ số chứng khoán, đề tài tập trung giải quyết bài toán dự báo ngắn hạn chỉ số VN-Index thông qua việc kết hợp mô hình tự hồi quy tích hợp trung bình trượt (ARIMA) và mô hình phương sai thay đổi có điều kiện tổng quát (GARCH), kết hợp đối chiếu với các chỉ báo kỹ thuật.

Nhiệm vụ và mục tiêu nghiên cứu được xác định cụ thể như sau:

1. Mục tiêu chung: Dự báo giá trị trung bình của chỉ số VN-Index trong ngắn hạn (theo tuần), xác định xu hướng biến động nhằm hỗ trợ nhà đầu tư cá nhân và tổ chức hoạch định chiến lược giao dịch.
2. Mục tiêu cụ thể:
   • Trình bày hệ thống lý thuyết cơ bản về phân tích chuỗi thời gian và các mô hình dự báo kinh tế lượng.
   • Phân tích bối cảnh và diễn biến của thị trường chứng khoán Việt Nam cùng chỉ số VN-Index qua các giai đoạn, trọng tâm là giai đoạn 2018 – 2022.
   • Thực hiện ước lượng, kiểm định và dự báo chỉ số VN-Index trong tuần đầu tiên của năm 2023 bằng mô hình ARIMA-GARCH.
   • Đánh giá độ chính xác của kết quả dự báo thực nghiệm.
   • Đối chiếu, so sánh kết quả dự báo định lượng với một số chỉ báo phân tích kỹ thuật thông dụng.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Chuỗi thời gian giá đóng cửa theo ngày của chỉ số VN-Index.
• Phạm vi thời gian và không gian: Dữ liệu lịch sử giao dịch tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) thu thập từ ngày 01/01/2018 đến ngày 30/12/2022; giai đoạn dự báo thực nghiệm là tuần giao dịch đầu năm 2023 (bắt đầu từ phiên 03/01/2023).

---

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng nền tảng nghiên cứu dựa trên sự kết hợp giữa lý thuyết thị trường tài chính, kinh tế lượng chuỗi thời gian và công cụ phân tích kỹ thuật:

• Khung lý thuyết về chứng khoán và chỉ số giá: Khái quát hóa các công cụ tài chính gồm cổ phiếu, trái phiếu, chứng chỉ quỹ, công cụ phái sinh và các thuộc tính về thanh khoản, rủi ro (hệ thống, phi hệ thống), tính sinh lời. Trình bày 5 phương pháp tính chỉ số chứng khoán: Paasche, Laspeyres, bình quân giản đơn, bình quân nhân giản đơn và phương pháp chọn rổ đại diện. Trong đó, chỉ số VN-Index được xác định theo phương pháp tính bình quân gia quyền Paasche với thời điểm gốc là ngày 28/07/2000.
• Lý thuyết chuỗi thời gian và mô hình định lượng:
  • Tính dừng (Stationarity): Chuỗi thời gian $Y_t$ được coi là dừng (theo Engle và Granger, 1987) khi kỳ vọng, phương sai và hiệp phương sai không thay đổi theo thời gian: $E(Y_t) = \mu$, $Var(Y_t) = \sigma^2$, $Cov(Y_t, Y_{t-k}) = \gamma_k$.
  • Mô hình ARIMA(p,d,q): Kết hợp giữa quá trình tự hồi quy bậc $p$ (AR) và trung bình trượt bậc $q$ (MA) trên chuỗi đã lấy sai phân bậc $d$ để đạt tính dừng.
  • Mô hình ARCH(m) và GARCH(p,q): Do Robert F. Engle (1982) và Tim Bollerslev (1986) phát triển nhằm mô hình hóa hiện tượng phương sai của sai số thay đổi có điều kiện (volatility clustering) thường gặp trong chuỗi tài chính. Khóa luận nhấn mạnh tính chất tương đương thực nghiệm $ARCH(\infty) = GARCH(1,1)$.
• Chỉ báo phân tích kỹ thuật:
  • Đường trung bình động (MA): Bao gồm trung bình động đơn giản (SMA), trung bình động lũy thừa (EMA) và trung bình động tỷ trọng tuyến tính (WMA).
  • Chỉ báo biến động phân kỳ/hội tụ trung bình (MACD): Do Gerald Appel phát triển năm 1979, xác định bằng chênh lệch giữa EMA(12) và EMA(26), kết hợp đường tín hiệu EMA(9).
  • Chỉ số sức mạnh tương đối (RSI): Do J. Welles Wilder Jr. đề xuất năm 1978, vận hành trong biên độ từ 0 đến 100 với các mốc chuẩn 30 (quá bán), 50 (trung tính) và 70 (quá mua).

Phương pháp nghiên cứu:

• Phương pháp định tính: Tổng hợp tài liệu học thuật, nghiên cứu tiền bối về ứng dụng ARIMA-GARCH tại Việt Nam và quốc tế; thu thập dữ liệu thứ cấp từ các nguồn thông tin tài chính (cafef.vn, vietstock.vn).
• Phương pháp định lượng:
  1. Thống kê mô tả dữ liệu mẫu (Mean, Median, Standard Deviation, Sample Variance).
  2. Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) để xác định tính dừng và bậc tích hợp $d$.
  3. Nhận diện bậc $p, q$ thông qua biểu đồ hàm tự tương quan (ACF) và hàm tự tương quan riêng (PACF).
  4. Ước lượng tham số mô hình ARIMA bằng phương pháp bình phương bé nhất (OLS).
  5. Kiểm định hiệu ứng ARCH trong phần dư bằng kiểm định ARCH-LM.
  6. Ước lượng phương trình phương sai có điều kiện GARCH(1,1) bằng phương pháp hợp lý cực đại (MLE) và kiểm định lại phần dư chuẩn hóa.
  7. Dự báo ngoài mẫu (out-of-sample) và tính toán sai số so với dữ liệu thực tế.
• Công cụ xử lý dữ liệu: Microsoft Excel, EViews 10 và phần mềm R.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan cơ sở lý luận

Chương 1 hệ thống hóa cơ sở lý luận về thị trường chứng khoán, chỉ số thị trường và các mô hình dự báo định lượng:

• Làm rõ bản chất của các loại tài sản tài chính (cổ phiếu, trái phiếu, chứng chỉ quỹ, hợp đồng phái sinh) và 5 chức năng cơ bản của thị trường chứng khoán: huy động vốn, tạo môi trường đầu tư, cung cấp thanh khoản, đánh giá hoạt động doanh nghiệp và làm kênh hỗ trợ thực thi chính sách kinh tế vĩ mô.
• Giới thiệu quy trình xây dựng chỉ số giá chứng khoán, nguyên lý chỉ số bình quân gia quyền Paasche áp dụng cho VN-Index tại sàn HOSE.
• Trình bày công thức toán học và điều kiện nghiệm của chuỗi dừng, cấu trúc phương trình ARIMA(p,d,q), mô hình ARCH(m) và GARCH(p,q).
• Phân tích cơ chế hoạt động, ưu điểm và hạn chế của các công cụ phân tích kỹ thuật: các dạng đường trung bình SMA, EMA, WMA; tín hiệu giao cắt và phân kỳ của MACD; các vùng quá mua/quá bán của chỉ báo động lượng RSI.

Chương 2: Diễn biến thị trường chứng khoán Việt Nam và chỉ số VN-Index

Chương 2 tái hiện bức tranh toàn cảnh về thị trường chứng khoán Việt Nam qua các cột mốc lịch sử:

• Giai đoạn 2000 – 2008: Từ quy mô ban đầu khi mới thành lập, thị trường bùng nổ mạnh mẽ trong các năm 2006 – 2007 (chỉ số VN-Index tăng từ khoảng 100 điểm đầu năm 2006 lên sát mốc 1.200 điểm vào tháng 3/2007), sau đó sụt giảm mạnh do tác động của cuộc khủng hoảng tài chính toàn cầu năm 2008.
• Giai đoạn 2009 – 2014: Thị trường ghi nhận sự hồi phục ấn tượng trong năm 2009 với mức tăng 58% (từ 312,5 lên 494,7 điểm, chạm đáy 234,66 điểm ngày 24/3 và lập đỉnh 633,2 điểm ngày 23/10). Các năm 2010 – 2011 tiếp tục đối mặt với áp lực lạm phát, tái cơ cấu tập đoàn Vinashin và khủng hoảng nợ công châu Âu (VN-Index kết thúc năm 2011 ở mức 351,6 điểm, giảm 27,46%). Năm 2012 biến động vì sự kiện ngân hàng ACB; năm 2013 phục hồi tăng 22,2% nhờ gói cứu trợ 30.000 tỷ đồng và sự ra đời của VAMC. Năm 2014 chịu tác động từ sự kiện Biển Đông và biến động giá dầu thế giới (GAS giảm 30,4%, PVD giảm 27,8%).
• Giai đoạn 2015 – 2017: Năm 2015 khởi đầu ở 545,6 điểm với biến động giằng co; năm 2016 tăng 14,82% lên 664,87 điểm với sự mở rộng của sàn UPCoM (thêm 118 doanh nghiệp); năm 2017 tăng trưởng 43%, đưa quy mô vốn hóa lên gần 3.360 nghìn tỷ đồng, đạt 74,6% GDP.
• Giai đoạn nghiên cứu trọng tâm 2018 – 2022:
  • 2018: Thị trường đứng đầu khu vực Đông Nam Á về quy mô huy động vốn và được đưa vào danh sách theo dõi nâng hạng của FTSE.
  • 2019: Kinh tế vĩ mô ổn định, GDP quý III tăng 7,31%, lạm phát duy trì thấp (CPI 11 tháng tăng 2,75%), xuất siêu 9,1 tỷ USD.
  • 2020: Dưới cú sốc ban đầu của đại dịch Covid-19, VN-Index giảm 33,51% trong 2 tháng, sau đó phục hồi mạnh mẽ nhờ kiểm soát dịch bệnh và dòng tiền từ nhà đầu tư mới (nhà đầu tư F0).
  • 2021: Thiết lập đỉnh lịch sử phiên 25/11 và chốt ngày 28/12 tại 1.494,39 điểm (tăng 35,4% so với cuối năm 2020), mức vốn hóa đạt 7.729 nghìn tỷ đồng (tương đương 122,8% GDP năm 2020).
  • 2022: Thị trường điều chỉnh giảm 34% cả năm, từ mức đỉnh 1.525,58 điểm xuống 1.007,09 điểm vào phiên cuối năm.

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

Chương 3 trình bày toàn bộ quá trình thực nghiệm kinh tế lượng trên mẫu quan sát 1.250 phiên giao dịch (2018 – 2022):

Chỉ số thống kê mô tả	Giá trị ghi nhận
Số lượng quan sát ($N$)	1.250
Giá trị trung bình (Mean)	1.086,609 điểm
Trung vị (Median)	1.005,83 điểm
Độ lệch chuẩn (Standard Deviation)	198,x
Phương sai mẫu (Sample Variance)	39.326,2

• Kiểm định tính dừng chuỗi gốc: Kiểm định ADF cho chuỗi giá đóng cửa VN-Index gốc cho giá trị thống kê $t = -1,258674$ với $p\text{-value} = 0,6505$ ($> 0,05$), cho thấy chuỗi gốc không dừng.
• Kiểm định tính dừng chuỗi sai phân bậc 1: Sau khi lấy sai phân bậc nhất $D(\text{CLOSE})$, thống kê kiểm định ADF đạt $t = -32,11101$ ($p\text{-value} = 0,0000$), nhỏ hơn nhiều so với giá trị tới hạn ở mức 1% ($-2,566978$ đến $-3,568048$ tùy dạng phương trình có hằng số/xu thế). Do hệ số chặn và xu thế không có ý nghĩa thống kê, tác giả chọn mô hình không có hệ số chặn và không có xu thế (None), xác định bậc tích hợp $d = 1$.
• Nhận diện và ước lượng mô hình ARIMA: Phân tích đồ thị ACF và PACF của chuỗi sai phân bậc 1 chỉ ra các bước trễ ý nghĩa ở bậc 5, từ đó xây dựng mô hình ARIMA(5,1,5). Kết quả ước lượng cho thấy hệ số hồi quy đạt ý nghĩa thống kê ($p\text{-value} = 0,0000$). Biểu đồ ACF/PACF của phần dư $u_t$ nằm gọn trong khoảng tin cậy 95%.
• Kiểm định hiệu ứng ARCH: Kiểm định ARCH-LM trên phần dư của mô hình ARIMA(5,1,5) cho giá trị thống kê kiểm định là $61,0864$ với $p\text{-value} = 0,0000$. Giả thuyết $H_0$ (phần dư không có hiện tượng phương sai thay đổi) bị bác bỏ, khẳng định sự tồn tại của hiệu ứng ARCH.
• Ước lượng mô hình kết hợp ARIMA(5,1,5) - GARCH(1,1): Mô hình GARCH(1,1) được ước lượng bằng phương pháp MLE. Phương trình phương sai có điều kiện giải thích biến động của phần dư: $$\sigma_t^2 = 125,435941 + \alpha u_{t-1}^2 + \beta \sigma_{t-1}^2$$ Thực hiện kiểm định lại ARCH-LM cho mô hình kết hợp thu được $F\text{-statistic} = 0,5579$ ($p\text{-value} = 0,5579$) và $\text{Obs*R-squared} = 0,343386$ ($p\text{-value} = 0,5579$). Giá trị $p\text{-value} > 0,05$ chứng minh mô hình GARCH(1,1) đã triệt tiêu hoàn toàn hiện tượng phương sai thay đổi.
• Thực nghiệm dự báo và đối chiếu kỹ thuật:
  • Dự báo ngoài mẫu cho phiên giao dịch đầu năm 03/01/2023 đạt mức $1.043,0918$ điểm.
  • Phân tích chỉ báo EMA(5) cho giá trị dự báo $1.043,363$ điểm.
  • Chỉ báo MACD đạt mức $2,220969$ ngày 03/01/2023.
  • Các chỉ báo EMA, MACD và RSI đồng thuận chỉ ra xu hướng tăng điểm trong những phiên đầu năm 2023, tương thích với kết quả từ mô hình định lượng ARIMA(5,1,5) - GARCH(1,1).

---

Kết quả và đóng góp

1. Kết quả nghiên cứu thực nghiệm:
   • Xác định chuỗi giá đóng cửa VN-Index là chuỗi tích hợp bậc 1, $I(1)$.
   • Mô hình hóa thành công cấu trúc trung bình bằng ARIMA(5,1,5) và cấu trúc phương sai biến động bằng GARCH(1,1).
   • Mô hình ARIMA(5,1,5) - GARCH(1,1) loại bỏ triệt để hiện tượng tự tương quan và phương sai sai số thay đổi có điều kiện.
   • Kết quả dự báo ngoài mẫu trong các ngày giao dịch đầu năm 2023 đạt mức sai số dưới 2% so với dữ liệu thực tế, bám sát xu hướng vận động của thị trường.

Bước thực nghiệm	Mô hình / Kiểm định	Thống kê kiểm định / Hệ số	Ý nghĩa thống kê ($p\text{-value}$)	Kết luận kiểm định
Kiểm định nghiệm đơn vị chuỗi gốc	ADF Test	$t = -1,258674$	$p = 0,6505$	Chấp nhận $H_0$ (Chuỗi không dừng)
Kiểm định nghiệm đơn vị sai phân bậc 1	ADF Test (None)	$t = -32,11101$	$p = 0,0000$	Bác bỏ $H_0$ (Chuỗi dừng ở $d=1$)
Ước lượng cấu trúc tự hồi quy	ARIMA(5,1,5)	$\text{Hệ số } AR/MA$	$p = 0,0000$	Các tham số đạt ý nghĩa thống kê
Kiểm định phương sai phần dư ARIMA	ARCH-LM Test	$\text{Statistic} = 61,0864$	$p = 0,0000$	Tồn tại hiệu ứng ARCH
Kiểm định phần dư chuẩn hóa GARCH	ARCH-LM Test	$\text{Obs*R-squared} = 0,343386$	$p = 0,5579$	Khắc phục hoàn toàn hiệu ứng ARCH

2. Kiến nghị đề xuất:

   • Đối với nhà đầu tư: Khuyến nghị không nên sử dụng đơn lẻ mô hình chuỗi thời gian nội sinh mà cần kết hợp đồng thời với phân tích kỹ thuật (EMA, MACD, RSI) và phân tích cơ bản nhằm giảm thiểu sai lệch trước các biến động bất ngờ.
   • Đối với cơ quan quản lý: Đề xuất cơ quan quản lý nhà nước duy trì điều hành chính sách kinh tế vĩ mô ổn định, học hỏi kinh nghiệm điều tiết từ các thị trường phát triển (Mỹ, Nhật Bản) để hạn chế các cú sốc quá lớn đối với thị trường chứng khoán.

3. Đóng góp của đề tài:

   • Cung cấp một quy trình thực nghiệm kinh tế lượng chuẩn hóa từ khâu kiểm định nghiệm đơn vị, nhận diện bậc mô hình, chẩn đoán phần dư ARCH đến hiệu chỉnh bằng mô hình GARCH trên thị trường chứng khoán Việt Nam giai đoạn có độ biến động cao (2018 – 2022).
   • Thiết lập sự kết nối và kiểm chứng chéo giữa mô hình chuỗi thời gian định lượng và các công cụ phân tích kỹ thuật thực hành.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:
  • Mô hình chỉ sử dụng dữ liệu trễ trong quá khứ của chính chỉ số VN-Index (mô hình nội sinh thuần túy), chưa tích hợp các biến số ngoại sinh quan trọng như lãi suất điều hành, tỷ giá, lạm phát, dòng vốn ngoại hoặc yếu tố tâm lý thị trường.
  • Giả định nền tảng của mô hình là quy luật quá khứ sẽ lặp lại trong tương lai, do đó mô hình chỉ cho kết quả dự báo tin cậy trong khoảng thời gian rất ngắn (vài phiên đến một tuần), độ chính xác suy giảm rõ rệt khi mở rộng khung thời gian dự báo dài hạn.
• Hướng nghiên cứu tiếp:
  • Mở rộng ước lượng với các biến thể phi đối xứng của GARCH như EGARCH, TGARCH nhằm đo lường hiệu ứng bất đối xứng (leverage effect) giữa thông tin tốt và thông tin xấu.
  • Ứng dụng mô hình ARIMAX có bổ sung các biến số kinh tế vĩ mô ngoại sinh.
  • Áp dụng quy trình mô hình hóa cho từng nhóm ngành hoặc các cổ phiếu riêng lẻ trên thị trường.

---

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

• Sinh viên, học viên ngành Toán kinh tế, Kinh tế lượng và Tài chính - Ngân hàng: Làm tài liệu tham khảo thực hành quy trình phân tích chuỗi thời gian, cách thức thao tác và đọc kết quả kiểm định ADF, đồ thị ACF/PACF, kiểm định ARCH-LM và ước lượng mô hình GARCH trên các phần mềm chuyên dụng như EViews và R.
• Nhà đầu tư cá nhân và chuyên viên phân tích tài chính: Tham khảo phương pháp kết hợp giữa mô hình định lượng kinh tế lượng và các chỉ báo kỹ thuật thực chiến (MA, MACD, RSI) để xây dựng kịch bản giao dịch ngắn hạn.

---

Câu hỏi thường gặp

1. Bộ dữ liệu được sử dụng trong khóa luận có quy mô và khung thời gian như thế nào?
Nghiên cứu sử dụng chuỗi dữ liệu giá đóng cửa theo ngày của chỉ số VN-Index thu thập từ ngày 01/01/2018 đến ngày 30/12/2022 (từ nguồn vietstock.vn và cafef.vn) với tổng quy mô mẫu là 1.250 phiên quan sát (sau khi hiệu chỉnh trong mô hình hồi quy còn 1.149 quan sát).

2. Vì sao tác giả phải mở rộng từ mô hình ARIMA(5,1,5) sang mô hình ARIMA(5,1,5) - GARCH(1,1)?
Khi kiểm định phần dư của mô hình ARIMA(5,1,5) bằng phương pháp ARCH-LM, giá trị thống kê kiểm định đạt $61,0864$ với $p\text{-value} = 0,0000$, bác bỏ giả thuyết phương sai sai số thuần nhất. Do phần dư tồn tại hiện tượng phương sai thay đổi có điều kiện (hiệu ứng ARCH), tác giả bắt buộc phải kết hợp mô hình GARCH(1,1) để mô hình hóa biến động phương sai sai số.

3. Kết quả kiểm định tính dừng (ADF) của chuỗi VN-Index thể hiện điều gì?
Chuỗi gốc VN-Index không dừng ở mức ý nghĩa 5% ($t = -1,258674$, $p = 0,6505$). Tuy nhiên, sau khi lấy sai phân bậc 1, chuỗi $D(\text{CLOSE})$ đạt tính dừng hoàn toàn ở mức ý nghĩa 1% ($t = -32,11101$, $p = 0,0000$), chứng minh chuỗi dữ liệu là quá trình tích hợp bậc 1, ký hiệu $I(1)$.

4. Mức độ chính xác của mô hình ARIMA-GARCH khi dự báo thực nghiệm đạt bao nhiêu?
Kết quả dự báo ngoài mẫu cho các phiên giao dịch đầu năm 2023 (phiên 03/01/2023 dự báo đạt $1.043,0918$ điểm) có nét tương đồng cao với diễn biến thực tế, sai số dự báo ghi nhận ở mức dưới 2%.

5. Kết quả từ các chỉ báo kỹ thuật (EMA, MACD, RSI) có tương thích với mô hình ARIMA-GARCH không?
Cả ba chỉ báo phân tích kỹ thuật gồm EMA(5) ($1.043,363$ điểm), MACD ($2,220969$) và RSI đều đưa ra tín hiệu dự báo thị trường tiếp tục duy trì xu hướng tăng điểm trong những ngày đầu năm 2023, hoàn toàn đồng thuận với xu thế tăng được tính toán từ mô hình định lượng ARIMA(5,1,5) - GARCH(1,1).

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Minh Đức đã vận dụng thành công mô hình kết hợp ARIMA(5,1,5) - GARCH(1,1) để mô hình hóa và dự báo biến động ngắn hạn của chỉ số VN-Index dựa trên chuỗi dữ liệu giai đoạn 2018 – 2022. Nghiên cứu thực nghiệm chứng minh mô hình đã xử lý triệt để hiện tượng không dừng và phương sai sai số thay đổi, đem lại kết quả dự báo ngoài mẫu với độ chính xác cao (sai số dưới 2%). Kết quả định lượng được củng cố khi đạt sự đồng thuận với các công cụ phân tích kỹ thuật phổ biến như EMA, MACD và RSI, đóng góp một tài liệu tham khảo có giá trị học thuật và thực tiễn cho lĩnh vực kinh tế lượng tài chính tại Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TONG QUAN CƠ SỞ LÝ LUẬN 1. Lý luận về chứng khoán và thị trường chứng khoán 1. Chứng khoán Khái niệm Chứng khoán là một tài sản tài chính trong đó xác định số vốn đầu tư của nhà đầu tư về quyền sở hữu cổ phan trong một công ty phát hành cổ phiếu, hoặc quyền nhận thanh khoản đối với việc nắm giữ trái phiếu của chính phủ hay công ty phát hành trái phiếu, hoặc các quyền hợp pháp về thu nhập và tài sản trong một thời hạn nào đó. Một số chứng khoán dién hình như: - Cổ phiếu: hay còn được gọi là vốn cổ phan, là một loại chứng khoán thể hiện quyền sở hữu một phan (it hoặc nhiều) giá trị của công ty đã phát hành cổ phiếu đó.

Các đơn vị cô phiếu thì được gọi là cổ phan, thứ mà cho phép chủ sở hữu được hưởng một phần tài sản và lợi nhuận của công ty tương đương với số lượng cổ phiếu mà họ nắm giữ. - Trái phiếu: là một công cụ đem lại thu nhập có định, được đại diện bởi một khoản cho vay của nhà đầu tư đối với người đi vay (thường là công ty hoặc chính phủ). Một trái phiếu có thé hiểu là một khoản tiền cho vay giữa người cho vay và người vay mà ở đó có các điều khoản chỉ tiết về khoản vay và phương thức thanh toán. Chủ sở hữu trái phiếu là chủ nợ của bên phát hành trái phiếu.

Điều khoản của trái phiếu ghi rõ ngày đáo hạn, tức là ngày tiền gốc phải trả cho chủ sở hữu trái phiếu và phải kèm theo các khoản tiền lãi thanh toán cố định mà người đi vay phải trả - Chứng chỉ quỹ là loại chứng khoán xác nhận quyền sở hữu của nhà đầu tư đối với một phần vốn góp trong các quỹ đầu tư như quỹ đầu tư trái phiếu, quỹ đầu tư cô phiếu hoặc quỹ đầu tư hỗn hợp. - Các công cụ phái sinh là một dạng hợp đồng đặc biệt, trong đó xác nhận quyền và nghĩa vụ pháp lý của người tham gia hợp đồng đối với một giao dịch cụ thể nào đó trong tương lai. Các đặc điểm của chứng khoán Tính thanh khoản Tính thanh khoản của chứng khoán thường được hiểu là sự nhanh chóng của một loại chứng khoán trong việc mua hoặc bán mà không anh hưởng đáng ké đến giá cổ phiếu. Các cô phiếu có tính thanh khoản thấp có thé khó bán và có thé khiến nha đầu tư lỗ nặng khi mà họ không thé bán cổ phiếu đó trong trường hợp mà họ muốn.

Khả 9 năng này cao hay thấp phụ thuộc vào khoảng thời gian và chi phí cần thiết cho việc chuyên đổi và rủi ro của việc giảm giá trị của tài sản đó do chuyên đổi. Chứng khoán có tính thanh khoản cao hơn với những tài khoản khác, thé hiện qua khả năng chuyên nhượng cao trên thị trường. Các chứng khoán khác nhau có khả năng chuyên nhượng là khác nhau. - Mực độ rủi ro Một chứng khoán thường có những rủi ro là người sở hữu có thể không thu hồi đủ số tiền đã đầu tư vào chứng khoán đó.

Có thể chia rủi ro thành hai loại cơ bản, bao gồm: rủi ro hệ thống và rủi ro phi hệ thống. Rủi ro hệ thống hay rủi ro thị trường là loại rủi ro tác động tới toàn bộ hoặc hầu hết các tài sản. Loại rủi ro này chịu tác động của các điều kiện kinh tế chung như: lạm phát, sự thay đôi ty giá hồi đoái, lãi suat,.