I. Mô hình ARIMA
Mô hình ARIMA (AutoRegressive Integrated Moving Average) là một công cụ mạnh mẽ trong phân tích thời gian và dự báo tài chính. Mô hình này kết hợp ba thành phần chính: tự hồi quy (AR), sai phân (I), và trung bình trượt (MA). Trong nghiên cứu này, mô hình ARIMA được sử dụng để phân tích chuỗi thời gian giá đóng cửa của cổ phiếu PGS. Quá trình xây dựng mô hình bao gồm kiểm định nghiệm đơn vị để xác định tính dừng của chuỗi dữ liệu, sau đó xác định bậc (p, d, q) của mô hình. Kết quả cho thấy mô hình ARIMA(5,1,5) là phù hợp nhất để mô tả chuỗi giá đóng cửa của cổ phiếu PGS.
1.1. Kiểm định nghiệm đơn vị
Kiểm định nghiệm đơn vị được thực hiện để xác định tính dừng của chuỗi dữ liệu. Kết quả kiểm định cho thấy chuỗi giá đóng cửa ban đầu không dừng, nhưng sau khi lấy sai phân bậc nhất, chuỗi trở nên dừng. Điều này cho phép áp dụng mô hình ARIMA để phân tích và dự báo.
1.2. Xác định bậc p d q
Bậc của mô hình ARIMA được xác định thông qua việc phân tích hàm tự tương quan (ACF) và hàm tự tương quan riêng (PACF). Kết quả cho thấy mô hình ARIMA(5,1,5) là phù hợp nhất để mô tả chuỗi giá đóng cửa của cổ phiếu PGS.
II. Mô hình GARCH
Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) được sử dụng để mô hình hóa hiện tượng biến động phương sai trong chuỗi thời gian. Trong nghiên cứu này, mô hình GARCH được áp dụng để phân tích rủi ro và biến động giá của cổ phiếu PGS. Kết quả kiểm định ARCH-LM cho thấy sự hiện diện của hiệu ứng ARCH trong phần dư của mô hình ARIMA, điều này chứng tỏ mô hình GARCH là cần thiết để mô hình hóa biến động phương sai.
2.1. Kiểm định ARCH LM
Kiểm định ARCH-LM được thực hiện để xác định sự hiện diện của hiệu ứng ARCH trong phần dư của mô hình ARIMA. Kết quả kiểm định cho thấy có sự hiện diện của hiệu ứng ARCH, điều này chứng tỏ mô hình GARCH là cần thiết để mô hình hóa biến động phương sai.
2.2. Ước lượng mô hình GARCH
Sau khi xác định sự hiện diện của hiệu ứng ARCH, mô hình GARCH(1,1) được ước lượng. Kết quả cho thấy mô hình GARCH(1,1) là phù hợp để mô hình hóa biến động phương sai của chuỗi giá đóng cửa cổ phiếu PGS.
III. Dự báo giá cổ phiếu
Kết hợp mô hình ARIMA và mô hình GARCH, nghiên cứu này xây dựng mô hình ARIMA-GARCH để dự báo giá đóng cửa của cổ phiếu PGS. Kết quả dự báo cho thấy mô hình ARIMA-GARCH có độ chính xác cao trong việc dự báo giá cổ phiếu trong ngắn hạn. Điều này có ý nghĩa quan trọng trong việc hỗ trợ các nhà đầu tư đưa ra quyết định đầu tư hiệu quả trên thị trường chứng khoán.
3.1. Xây dựng mô hình ARIMA GARCH
Mô hình ARIMA-GARCH được xây dựng bằng cách kết hợp mô hình ARIMA(5,1,5) và mô hình GARCH(1,1). Mô hình này được sử dụng để dự báo giá đóng cửa của cổ phiếu PGS trong tương lai.
3.2. Kết quả dự báo
Kết quả dự báo từ mô hình ARIMA-GARCH cho thấy độ chính xác cao trong việc dự báo giá đóng cửa của cổ phiếu PGS. Điều này chứng tỏ mô hình ARIMA-GARCH là công cụ hiệu quả trong dự báo tài chính và hỗ trợ quyết định đầu tư.
