Chuyên Đề Thực Tập: Ứng Dụng Mô Hình ARIMA-GARCH Trong Dự Báo Giá Đóng Cửa Cổ Phiếu PGS

• Tác giả: Lê Duy Anh
• Người hướng dẫn: ThS. Hoàng Bích Phương
• Trường học: Đại học Kinh tế Quốc dân
• Chuyên ngành: Toán Kinh tế
• Đề tài: Ứng Dụng Mô Hình Kết Hợp ARIMA-GARCH Trong Việc Dự Báo Giá Đóng Cửa Của Cổ Phiếu PGS
• Loại tài liệu: chuyên đề thực tập
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ CHỨNG KHOÁN VÀ THỊ TRƯỜNG CHỨNG KHOÁN
• 1.1. Cơ sở lý thuyết về chứng khoán và thị trường chứng khoán
• 1.2. Các đặc điểm cơ bản của chứng khoán
• 1.3. Thị trường chứng khoán
• 1.3.1. Sự hình thành và bản chất của thị trường chứng khoán
• 1.3.2. Các chủ thể tham gia thị trường chứng khoán
• 1.3.2.1. Chủ thể phát hành
• 1.3.2.2. Chủ thể đầu tư
• 1.3.2.3. Các tổ chức cung ứng dịch vụ trên thị trường chứng khoán
• 1.3.2.4. Cơ quan quản lý giám sát thị trường
• 2. CHƯƠNG 2: THỰC TRẠNG VỀ NGÀNH KHÍ ĐỐT VÀ TÌNH HÌNH KINH DOANH CÔNG TY KINH DOANH KHÍ MIỀN NAM
• 2.1. Tổng quan ngành khí đốt
• 2.2. Khái niệm về khí đốt
• 2.3. Nhu cầu khí đốt trên thế giới
• 2.4. Sự ra đời và phát triển của ngành khí đốt Việt Nam
• 2.5. Giới thiệu về công ty Kinh doanh Khí hóa lỏng miền Nam
• 2.6. Tình hình kinh doanh của công ty
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH KẾT HỢP ARIMA-GARCH TRONG PHÂN TÍCH VÀ DỰ BÁO GIÁ ĐÓNG CỬA CỦA CỔ PHIẾU PGS TRONG GIAI ĐOẠN NGHIÊN CỨU
• 3.1. Dữ liệu nghiên cứu
• 3.2. Xây dựng mô hình ARIMA
• 3.2.1. Kiểm định nghiệm đơn vị
• 3.2.2. Xác định bậc (p,q) của mô hình
• 3.2.3. Ước lượng mô hình và kiểm định
• 3.3. Xây dựng mô hình GARCH
• 3.3.1. Kiểm định tính ARCH của phần dư mô hình ARIMA
• 3.3.2. Ước lượng và kiểm định mô hình GARCH
• 3.4. Xây dựng mô hình ARIMA-GARCH
• 3.5. Dự báo từ mô hình
• 3.6. Kết luận và khuyến nghị
• TÀI LIỆU THAM KHẢO

Tóm tắt

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.