Dự báo giá vàng Việt Nam sử dụng mô hình Garch

Chia sẻ: Bautroibinhyen17 Bautroibinhyen17 | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

130
lượt xem 8
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục đích của nghiên cứu này là để dự báo giá vàng Việt Nam. Hai phương pháp được xem xét, đó là Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) và Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Sử dụng tiêu chuẩn Akaike (Akaike's Information Criterion-AIC) để tìm ra mô hình phù hợp, nghiên cứu kết luận rằng GARCH (1,1) là một mô hình thích hợp hơn để dự báo. Phân tích được thực hiện bằng cách sử dụng các phần mềm Stata 12.0.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Dự báo giá vàng Việt Nam sử dụng mô hình Garch

Journal of Science – 2016, Vol. 10 (2), 32 – 39 Part B: Political Sciences, Economics and Law DỰ BÁO GIÁ VÀNG VIỆT NAM SỬ DỤNG MÔ HÌNH GARCH Ngô Văn Toàn1, Nguyễn Phú Quốc2, Nguyễn Hữu Thạch2 1 2 Trường Đại học Hùng Vương Trường Đại học Tài chính Marketing TP.HCM Thông tin chung: Ngày nhận bài: 07/12/2015 Ngày nhận kết quả bình duyệt: 23/12/2015 Ngày chấp nhận đăng: 06/2016 Title: A forecast on Vietnam gold price by GARCH model Từ khóa: Box–Jenkins Autoregressive Integrated Moving Average (ARIMA), Generalized AutoRegressive Conditional Heteroskedasticity (GARCH), volatility, giá vàng Việt Nam Keywords: Box-Jenkins Autoregressive Integrated Moving Average (ARIMA), Generalized Autoregressive Conditional Heteroskedasticity (GARCH), volatility, gold prices of Viet Nam. ABSTRACT The purpose of the current study is to forecast the gold prices of Viet Nam. Two methods are considered, which are Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) and Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Using Akaike's information criterion (AIC) as the goodness of fit measure, the study concludes that GARCH is a more appropriate model. Analysis is carried out by using the Stata 12.0 software. TÓM TẮT Mục đích của nghiên cứu này là để dự báo giá vàng Việt Nam. Hai phương pháp được xem xét, đó là Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) và Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Sử dụng tiêu chuẩn Akaike (Akaike's Information Criterion-AIC) để tìm ra mô hình phù hợp, nghiên cứu kết luận rằng GARCH (1,1) là một mô hình thích hợp hơn để dự báo. Phân tích được thực hiện bằng cách sử dụng các phần mềm Stata 12.0. giá vàng ở Malaysia. Biến động là tình trạng mà phương sai điều kiện thay đổi giữa trạng thái giá trị rất cao và thấp. Về mặt lý thuyết, khi tiếp cận với chuỗi dữ liệu thời gian, điều quan trọng là để dự báo độ biến động của chuỗi dữ liệu hoặc tìm được phương sai thay đổi theo thời gian. 1. GIỚI THIỆU Mục tiêu của phân tích chuỗi thời gian là để dự báo các giá trị tương lai của chuỗi dữ liệu thời gian. Trong trường hợp việc dự báo về giá vàng là hữu ích cho mục đích đầu tư tại Việt Nam. Vàng là một công cụ đầu tư đặc biệt quan trọng ở các nước đang phát triển. Lợi tức từ vàng và dự đoán nó là một chủ đề đã và đang thu hút sự chú ý của các nhà đầu tư và có mật độ nghiên cứu cao gần đây. Mô hình ARCH được giới thiệu bởi Engle vào năm 1982 và tổng quát hóa bởi Bollerslev năm 1986 là mô hình kinh tế để mô tả chuỗi với tính chất phương sai điều kiện thay đổi theo thời gian (Engle, 1982). Các họ mô hình Generalized heteroskedasticity (GARCH) được phát triển để nắm bắt biến động phân nhóm hoặc các giai đoạn Nghiên cứu của Miswan, Ping, & Ahmad (2013) phát triển mô hình Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) để dự báo 32 Journal of Science – 2016, Vol. 10 (2), 32 – 39 Part B: Political Sciences, Economics and Law biến động, và dự đoán sự biến động trong tương lai (Bollerslev, 1986). GARCH và các phái sinh của nó, nghiên cứu sử dụng phương pháp chuỗi thời gian, dựa trên số liệu về tỷ suất lợi tức theo thời gian của giá vàng được cung cấp bởi Sàn giao dịch vàng của Thổ Nhĩ Kỳ thuộc thời kỳ tháng 2 năm 2014 và tháng 6 năm 2014. Box-Jenkins ARIMA là mô hình chuẩn, nghiên cứu này dự báo giá vàng Việt Nam sử dụng mô hình GARCH. Bằng cách sử dụng phần mềm Stata 12.0, các mô hình GARCH được sử dụng để cung cấp một thước đo biến động phân nhóm của giá vàng. Độ phù hợp của quá trình dự báo các mô hình được đo bằng AIC (Akaike's Information Criterion). Ahmad, Pung, Yazir, and Miswan (2014) các tác giả đã trình bày một mô hình kết hợp đã được coi là một cách hiệu quả để cải thiện độ chính xác dự báo. Bài báo đề xuất mô hình kết hợp của ARIMA và GARCH vào trong mô hình và để dự báo giá vàng của Malaysia được sử dụng để trình bày sự phát triển của các mô hình kết hợp. Sự phù hợp của mô hình được đo bằng tiêu chí thông tin Akaike (AIC). 2. CÁC NGHIÊN CỨU LIÊN QUAN Nghiên cứu của Ping, Miswan, & Ahmad (2013) nhằm mục đích là để dự báo giá vàng thỏi của Malaysia. Hai phương pháp được xem xét, đó là Box-Jenkins - ARIMA và mô hình GARCH. Sử dụng tiêu chuẩn thông tin Akaike của (AIC) để chọn mô hình phù phù hợp, nghiên cứu kết luận rằng GARCH là một mô hình thích hợp hơn. Phân tích được thực hiện bằng cách sử dụng các phần mềm E-views. 3. PHƯƠNG PHÁP NGHIÊN CỨU Các phương pháp được sử dụng trong nghiên cứu này là Box-Jenkins ARIMA và GARCH. Dữ liệu sử dụng cho nghiên cứu này là giá vàng Việt Nam được thu thập trong khoảng thời gian từ ngày 03/01/2000 đến ngày 06/11/2015. Chuỗi dữ liệu Vàng được cung cấp bởi Thomson Reuters (http://thomsonreuters.com). Tỷ suất lợi tức hàng ngày của chỉ số Vàng được tính theo công thức sau: Nghiên cứu này (Siti Roslindar et al., 2015) là một phân tích sơ bộ về giá vàng và biến động của nó tập trung vào việc thực hiện các mô hình lai Box-Jenkins cùng với GARCH trong phân tích và dự báo giá vàng. Công thức Box-Cox được sử dụng như là phương pháp chuyển đổi dữ liệu do có tiềm năng tốt trong dữ liệu phân phối chuẩn, tạo sự ổn định phương sai và làm giảm các biến ngẫu nhiên sử dụng dữ liệu 41 năm về giá vàng hàng ngày bắt đầu từ 02 tháng 1 năm 1973. Nghiên cứu này chỉ ra rằng mô hình kết hợp được đề xuất ARIMA -GARCH có thể là một cách tiếp cận mới có tiềm năng trong việc dự báo giá vàng. Phát hiện này chứng tỏ sức mạnh của mô hình GARCH trong việc xử lý biến động giá vàng cũng như khắc phục được những hạn chế phi tuyến tính trong mô hình Box-Jenkins. Với Pt là giá Vàng tại thời điểm đóng cửa của ngày giao dịch thứ t tương ứng và Pt-1 là biến trễ một ngày của Vàng. Box-Jenkins ARIMA Box-Jenkins ARIMA được áp dụng trên dữ liệu chuỗi thời gian đạt tính dừng, chuỗi tính dừng có được bằng cách lấy sai phân một mức độ thích hợp. Điều này dẫn đến một mô hình ARIMA (p, d, q) trong đó p là bậc tự hồi quy, q là thứ tự trung bình trượt và d là thứ bậc của chuỗi dừng. Nghiên cứu của Kocak and Un (2014) đề cập đến các phương pháp khác nhau đang được sử dụng để dự đoán lợi tức vàng và hiệu quả của các phương pháp này được so sánh. Mục đích của nghiên cứu này là để tạo ra một dự đoán lợi tức từ vàng sử dụng các mạng thần kinh nhân tạo và Mô hình ARIMA(p.d,q) có thể viết như sau: p (B)(1  B)d yt    q (B)ut Trong đó: 33 Journal of Science – 2016, Vol. 10 (2), 32 – 39 - p (B)  1  1B  ...p B p là Part B: Political Sciences, Economics and Law Yt  1   2 X t  u t ; ut quá trình tự hồi quy bậc p; - q (B)  1  1B  ...q Bq là N (0, ht ) ht   0  1ht 1   1ut21 quá trình trung Một lợi ích rõ ràng nhất mô hình GARCH mang lại so với mô hình ARCH là ARCH(q) vô tận bằng GARCH (1,1). Nếu ARCH có quá nhiều độ trễ (q lớn) thì có thể sẽ ảnh hưởng đến kết quả ước lượng do giảm đáng kể số bậc tự do trong mô hình. Một chuỗi dữ liệu càng nhiều độ trễ sẽ có nhiều biến bị mất. bình trượt bậc q; - (1  B)d là bậc sai phân bậc thứ d. - B là toán tử lùi của bậc sai phân. - ut là nhiễu trắng. Mô hình GARCH Tiêu chuẩn AIC Mô hình ARCH đặc biệt được xây dựng để lập mô hình và dự báo về phương sai có điều kiện. Mô hình ARCH được Engle giới thiệu vào năm 1982 và mô hình GARCH được giới thiệu bởi Bollerslev vào năm 1986. Những mô hình này được sử dụng rộng rãi trong các mô hình toán kinh tế, đặc biệt là trong phân tích chuỗi thời gian tài chính giống như Bollerslev, Chou, Kroner đã thực hiện vào năm 1992 và Bolleslev, Engle, Nelson đã tiến hành vào năm 1994. Akaike (1974) đề xuất tiêu chuẩn AIC là kỹ thuật dùng để lựa chọn mô hình. AIC dựa trên nền tảng lý thuyết thông tin và là một tiêu chí mà tìm kiếm một mô hình phù hợp Mô hình này được chọn bằng cách giảm thiểu khoảng cách KullbackLeibler giữa mô hình và độ chính xác. Mô hình GARCH (Generalised Autoregressive Conditional Heteroskedasticity) là mô hình tổng quát hóa cao hơn mô hình ARCH. Mô hình GARCH (p,q) có dạng sau đây: - là giá trị tối đa của hàm Likelihood được ước từ mô hình; - k là bậc tư do của mô hình. Yt  1   2 X t  u t ; ut p AIC được xác định bằng công thức sau: AIC( p, q)  2ln  2k Trong đó: Mô hình được chọn là mô hình có giá trị AIC là giá trị thấp nhất. N (0, ht ) Phương pháp chuyển dữ liệu: Box-Cox q ht   0    i ht i    u i 1 2 j t j j 1 Theo Osborne (2010) chuyển đổi dữ liệu bằng Box-Cox tiềm năng tốt nhất khi nào muốn chuẩn hóa dữ liệu hoặc cân bằng phương sai như mong muốn, mà Box-Cox được hình dung như là một loại thuốc chữa bách bệnh cũng đồng thời điều chỉnh chuẩn hóa và giảm đa cộng tuyến. Phương pháp chuyển đổi Box-Cox như sau: Trong đó: p: là bậc của mô hình GARCH. q: là bậc của mô hình ARCH. Phương trình nói lên rằng phương sai ht bây giờ phụ thuộc vào giá trị quá khứ của những cú sốc, đại diện bởi các biến trễ của hạng nhiễu bình phương, và các giá trị quá khứ của bản thân ht đại diện bởi các biến ht i .  yt  1 , for  0  yt*    log ( y ), for  0  e t Dạng đơn giản nhất của mô hình GARCH là GARCH (1,1), được biểu diễn như sau: yt là dữ liệu thực tại thời gian t , yt* là dữ liệu chuyển đổi tại thời gian t và  là giá trị Trong đó: 34 Journal of Science – 2016, Vol. 10 (2), 32 – 39 Part B: Political Sciences, Economics and Law trung bình sai số bình phương của phần dư thấp nhất. Chuyển dữ liệu chỉ áp dụng cho chuỗi dữ liệu dương, Số liệu thu thập từ thị trường vàng, với 4145 kỳ quan sát. Theo xu hướng cho thấy giá vàng Việt Nam có xu hướng tăng ở một khoản thời gian và dao động mạnh. yt  0 . 20 10 0 goldprice 30 40 4. DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU 0 1000 2000 date 3000 4000 Hình 1. Giá vàng Việt Nam từ kỳ quan sát 1 đến 4145 Nguồn: Kết quả phân tích số liệu từ Stata 12.0 Tính xu thế thể hiện trên biểu đồ, điều này cần thiết phải khử tính xu thế để dự liệu có tính dừng. Kỹ thuật khử tính xu thế sử dụng là Box-Cox. Sau khi khử tính xu thế dữ liệu có dạng như sau: 35 Journal of Science – 2016, Vol. 10 (2), 32 – 39 -3 -2 -1 0 1 2 Part B: Political Sciences, Economics and Law 0 1000 2000 date 3000 4000 Hình 2. Tính dừng của dữ liệu sau khi khử tính xu thế Nguồn: Kết quả phân tích số liệu từ Stata 12.0 0.00 -0.05 -0.05 0.00 Partial autocorrelations of D.pd 0.05 0.05 Xác định mô hình, hàm tự hồi quy (ACF) và từ hồi quy từng phần (PACF) thể hiện trên hình vẽ từ dữ liệu sau khi đã khử tính xu thế. 0 10 20 Lag 30 40 0 Bartlett's formula for MA(q) 95% confidence bands 10 20 Lag 30 40 95% Confidence bands [se = 1/sqrt(n)] Hình 3. Hàm tự hồi quy và tự hồi quy riêng phần Nguồn: Kết quả phân tích số liệu từ Stata 12.0 Vì các giá trị đều nằm trong vùng không có ý nghĩa, nên trong bài nghiên cứu sẽ không dùng ARIMA trong phương trình trung bình cho hiệu ứng ARCH, chỉ sử dụng phương trình phương sai. 36