MÔ HÌNH T H I QUY VECTOR VAR - MÔ HÌNH VETOR HI U CH NH Ự Ồ Ệ Ỉ
SAI S VECM Ố
I- T H I QUY VECTO (VAR) Ự Ồ
Nh chúng ta bi t, m i quan h gi a các bi n s kinh t ư ế ế ố ệ ữ ố ế không đ n thu n ch ơ ầ ỉ
i thích) nh h ng lên bi n ph thu c mà theo m t chi u, bi n đ c l p (bi n gi ế ộ ậ ề ế ộ ả ả ưở ụ ế ộ
trong nhi u tr ng h p nó còn có nh h ng ng i. Do đó mà ta ph i xét ề ườ ả ợ ưở c l ượ ạ ả
nh h ng qua l i gi a các bi n này cùng m t lúc. Chính vì th mô hình kinh t ả ưở ạ ữ ế ế ộ ế
ng mà ta ph i xét đ n không ph i là mô hình m t ph ng trình mà là mô hình l ượ ế ả ả ộ ươ
ng trình. nhi u ph ề ươ
Tuy nhiên, đ c l ng đ c các mô hình này ta ph i đ m b o r ng các ể ướ ượ ượ ả ả ả ằ
ph ng trình trong h đ c đ nh d ng, m t s bi n đ ươ ệ ượ ộ ố ế ạ ị ượ ế c coi là n i sinh (bi n ộ
mà giá tr đ c xác đ nh b i mô hình, là bi n ng u nhiên) và m t s bi n khác ị ượ ộ ố ế ế ẫ ở ị
đ c coi là ngo i sinh hay đã xác đ nh tr ượ ạ ị ướ ễ c (ngo i sinh c ng v i n i sinh tr ). ớ ộ ạ ộ
Vi c đ nh d ng này th ng đ c th c hi n b ng cách gi thi t r ng m t s ệ ạ ị ườ ượ ự ệ ằ ả ế ằ ộ ố
c xác đ nh tr c ch có m t trong m t s ph ng trình. Quy t đ nh này bi n đ ế ượ ị ướ ộ ố ươ ặ ỉ ế ị
th ườ ế ng mang tính ch quan và đã b Chrishtopher Sims ch trích. Theo Sims, n u ủ ị ỉ
i m i quan h đ ng th i gi a m t s bi n thì các bi n này ph i đ c xét t n t ồ ạ ộ ố ế ệ ồ ả ượ ữ ế ố ờ
t c các bi n xét đ n đ u là bi n n i sinh. D a trên có vai trò nh nhau, t c là t ư ứ ấ ả ự ế ế ề ế ộ
tinh th n đó mà Sims đã xây d ng mô hình vector t h i quy Var. ự ầ ự ồ
1. Khái ni mệ
Mô hình Var v c u trúc g m nhi u ph ng trình (mô hình h ph ng trình) và ề ấ ề ồ ươ ệ ươ
1 và Y2. Mô hình Var t ng quát đ i v i Y
1 và Y2 có
có các tr c a các bi n s . Var là mô hình đ ng c a m t s bi n th i gian. ộ ố ế ế ố ễ ủ ủ ộ ờ
Ta xét hai chu i th i gian Y ỗ ờ ố ớ ổ
d ng sau đây: ạ
Trong mô hình trên, m i ph ỗ ươ ế ng trình đ u ch a p tr c a m i bi n. V i hai bi n ễ ủ ứ ề ế ỗ ớ
mô hình có 22p h s góc và 2 h s ch n. V y trong tr ệ ố ặ ệ ố ậ ườ ế ng h p t ng quát n u ợ ổ
2p h s góc và k h s ch n, khi k càng l n thì s ệ ố ặ
mô hình có k bi n thì s có k ế ẽ ệ ố ớ ố
c l ng càng tăng. h s ph i ệ ố ả ướ ượ
2. M t s v n đ trong xây d ng mô hình Var: ộ ố ấ ề ự
Bên c nh nh ng u đi m n i tr i c a mô hình Var : không c n xác đ nh bi n nào ổ ộ ủ ữ ư ể ế ầ ạ ị
là bi n n i sinh và bi n nào là bi n ngo i sinh hay là ta có th s d ng ph ể ử ụ ế ế ế ạ ộ ươ ng
pháp OLS cho t ng ph ng trình riêng r thì mô hình Var còn v ừ ươ ẽ ướ ng ph i m t s ả ộ ố
h n ch : ạ ế
- Do tr ng tâm mô hình đ c đ t vào d báo nên Var ít phù h p cho phân tích ọ ượ ự ặ ợ
chính sách.
- Và khi xét đ n mô hình Var ta còn ph i xét đ n tính d ng c a các bi n trong
ừ ủ ế ế ế ả
ng mô hình Var là t mô hình. Yêu c u đ t ra khi ta ầ ặ c l ướ ượ ấ ả ả t c các bi n ph i ế
ng h p các bi n này ch a d ng thì ta ph i l y sai phân d ng, n u trong tr ế ừ ườ ư ừ ả ấ ế ợ
đ đ m b o chu i d ng. Càng khó khăn h n n a n u m t h n h p ch a các ể ả ơ ữ ế ỗ ừ ộ ỗ ứ ả ợ
ổ ữ ệ bi n có tính d ng và các bi n không có tính d ng thì vi c bi n đ i d li u ừ ừ ế ế ệ ế
không ph i là vi c d dàng. ệ ễ ả
- Khó khăn trong vi c l a ch n kho ng tr thích h p. Gi
ệ ự ễ ả ọ ợ ả ử ạ s mô hình Var b n
đang xét có ba bi n và m i bi n s có 8 tr đ a vào t ng ph ng trình. Nh ế ẽ ễ ư ừ ế ỗ ươ ư
2.8+3=75. Và n u taế
xem xét trên thì s h s mà b n ph i c l ng là 3 ở ố ệ ố ả ướ ượ ạ
tăng s bi n và s tr đ a vào m i ph ố ễ ư ố ế ỗ ươ ng trình thì s h s mà ta ph i ố ệ ố ả ướ c
ng s khá l n. Ngoài ra, khó khăn trong vi c l a ch n kho ng tr còn l ượ ệ ự ẽ ả ớ ọ ễ
đ c th hi n ch n u ta tăng đ dài c a tr s làm cho b c t ượ ể ệ ở ỗ ế ễ ẽ ậ ự ủ ộ ả do gi m,
do v y mà nh h ng đ n ch t l ng các ng. ậ ả ưở ấ ượ ế c l ướ ượ
3. Ph ng pháp ng mô hình Var: ươ c l ướ ượ
- Xét tính d ng c a các bi n trong mô hình. N u ch a d ng thì s d ng k ử ụ ừ ư ủ ừ ế ế ỹ
thu t l y sai phân đ đ a v các chu i d ng. ể ư ề ỗ ừ ậ ấ
- L a ch n kho ng tr phù h p. ả
ự ễ ọ ợ
- Xem xét m c đ phù h p c a mô hình ch y ra (b ng vi c ki m đ nh tính ứ ủ ệ ể ằ ạ ộ ợ ị
d ng c a ph n d . N u ph n d c a mô hình d ng thì mô hình nh n đ ừ ư ủ ủ ư ừ ế ậ ầ ầ ượ c
phù h p v i chu i th i gian và ng ỗ ợ ớ ờ c l i ượ ạ
- So sánh các mô hình phù h p và l a ch n mô hình phù h p nh t.
ự ấ ợ ợ ọ
Ví d ta ch y mô hình Var cho chu i s li u v tiêu dùng (CS) và thu nh p sau ỗ ố ệ ụ ề ạ ậ
thu (Y) trong th i kỳ quý I/1974 – IV/1984 c a Anh. ( File d li u đính kèm) ữ ệ ủ ế ờ
Tr c tiên ta ki m đ nh tính d ng đ i v i 2 chu i d li u CS và Y ta th y: ướ ỗ ữ ệ ố ớ ừ ể ấ ị
ớ Theo ki m đ nh Dickey-Fuller thì chu i CS là chu i d ng (giá tr |t| = 5,599 l n ỗ ừ ể ỗ ị ị
c 3 m c ý nghĩa 1%, 3% và 5%) h n các giá tr th ng kê t ơ ị ố ng ng ươ ứ ở ả ứ
Ch y t ng t ng t đ i v i chu i y ạ ươ ươ ự ố ớ ỗ
Chu i y là chu i không d ng. Và khi l y sai phân cho chu i này thì ta nh n đ ấ ậ ượ c ừ ỗ ỗ ỗ
m t chu i d ng. ỗ ừ ộ
Khi đã có hai chu i d ng CS và d(Y) ta ti n hành ch y c l ng theo mô hình ỗ ừ ạ ướ ượ ế
Var, v i tr 1-2,4 (l u ý cách vi t tr trong mô hình Var ph i theo kho ng, t c là ớ ễ ư ế ễ ứ ả ả
khi nh p tr vào ô, b n ph i nh p t ng ng là 1 2 4 4) ậ ươ ứ ễ ậ ạ ả
Sau khi đã ng đ c l ướ ượ ượ ố c mô hình ta s xem xét tính phù h p c a mô hình đ i ợ ủ ẽ
v i chu i d li u b ng cách ki m đ nh tính d ng c a các ph n d . N u ph n d ớ ầ ư ế ỗ ữ ệ ầ ư ừ ủ ể ằ ị
i. d ng thì mô hình nh n đ ừ ậ ượ c là phù h p và ng ợ c l ượ ạ
Ki m đ nh tính d ng ph n d c a CS ta th y ph n d này d ng. T ng t ư ủ ừ ư ừ ể ấ ầ ầ ị ươ ự ố đ i
c k t qu ph n d này d ng. V y mô hình ta v i ph n d c a d(y) ta cũng đ ớ ư ủ ầ ượ ế ư ừ ả ầ ậ
ch y ra là hoàn toàn phù h p v i chu i d li u. ỗ ữ ệ ạ ợ ớ
II- MÔ HÌNH VECTOR HI U CH NH SAI S VECM: Ệ Ố Ỉ
Tr ướ c khi đi vào mô hình vector hi u ch nh sai s , ta s xem qua m t s khái ỉ ộ ố ệ ẽ ố
ni m liên quan nh h i quy gi ư ồ ệ ả ạ m o, đ ng liên k t và mô hình hi u ch nh sai s . ố ế ệ ồ ỉ
m o: 1. H i quy gi ồ ả ạ
Khi h i quy v i các chu i th i gian, có th k t qu h i quy là gi m o do các ể ế ả ồ ồ ớ ỗ ờ ả ạ
chu i này có cùng xu th . Đi u này th ng x y ra trong kinh t c l . ề ế ỗ ườ ả ế Ướ ượ ủ ng c a
các h s h i quy không ph i ch ch u nh h ệ ố ồ ị ả ả ỉ ưở ế ng c a bi n đ c l p đ n bi n ộ ậ ủ ế ế
ph thu c mà còn bao hàm xu th . ế ụ ộ
Xét ví d đ i v i chu i tiêu dùng và thu nh p sau thu c a Costa Rica trong ụ ố ớ ế ủ ậ ỗ
2=0.98449 khá cao, các t
kho ng th i gian 1963-1992 ta th y k t qu h i quy ấ ế ả ồ ả ờ
K t qu h i quy d ả ồ ế ườ ng nh r t đ p vì R ư ấ ẹ ỷ ố ớ s |t| khá l n.
ch có d=0.36169 khá nh . Tuy nhiên khi ki m đ nh tính d ng c a hai chu i d ỗ ữ ừ ủ ể ỏ ị ỉ
li u này ta th y c hai đ u không d ng. Do v y k t qu h i quy là gi m o. ậ ế ấ ả ả ồ ừ ệ ề ả ạ
Nh v y vi c h i quy các chu i không d ng có th d n đ n h i quy gi ư ậ ể ẫ ừ ệ ế ồ ỗ ồ ả ạ m o.
Khi đó thì các tiêu chu n t và F là không s d ng đ c. Theo Granger và Newbold ử ụ ẩ ượ
thì R2>d là d u hi u h i quy gi m o. (k t lu n hoàn toàn phù h p v i k t qu ệ ấ ồ ả ạ ớ ế ế ậ ợ ả
ng trên) c l ướ ượ ở
Đ kh c ph c h i quy gi m o, ng i ta đ a thêm bi n xu th vào mô hình. Tuy ụ ồ ể ắ ả ạ ườ ư ế ế
nhiên vi c đ a bi n xu th vào mô hình ch ch p nh n đ c n u bi n này là phi ệ ư ỉ ấ ậ ượ ế ế ế ế
ng u nhiên. ẫ
2. Đ ng liên k t: ồ ế
Nh trên ta đã đ c p t ề ậ ớ ư i, vi c h i quy các chu i th i gian không d ng th ỗ ừ ệ ồ ờ ườ ng
(1987) cho r ngằ
m o. Tuy nhiên, Engle và Granger d n đ n k t qu h i quy gi ẫ ả ồ ế ế ả ạ
ỗ n u k t h p tuy n tính c a các chu i th i gian không d ng có th là m t chu i ờ ế ế ợ ủ ừ ế ể ỗ ộ
d ng và các chu i th i gian không d ng đó đ ờ ừ ừ ỗ ượ ế ợ c cho là đ ng liên k t. K t h p ế ồ
tuy n tính d ng đ c g i là ph ng trình đ ng liên k t và có th đ c gi i thích ừ ế ượ ọ ươ ể ượ ế ồ ả
nh m i quan h cân b ng dài h n gi a các bi n. Nói cách khác, n u ph n d ữ ư ố ệ ế ế ạ ầ ằ ư
trong mô hình h i qui gi a các chu i th i gian không d ng là m t chu i d ng, thì ờ ỗ ừ ữ ừ ồ ỗ ộ
ế k t qu h i qui là th c và th hiên m i quan h cân b ng dài h n gi a các bi n ế ả ồ ự ữ ể ệ ằ ạ ố
trong mô hình. Và n u nh mô hình là đ ng liên k t thì s không x y ra tr ư ế ế ẽ ả ồ ườ ng
h p h i quy gi ồ ợ ả ạ m o, và khi đó các ki m đ nh d a trên tiêu chu n t và F v n có ý ự ể ẩ ẫ ị
nghĩa. Có nhi u ph ng pháp ki m đ nh m i quan h đ ng liên k t: ki m đ nh ề ươ ệ ồ ể ế ể ố ị ị
ng pháp Var c a Johasen. Engle- Granger, ki m đ nh CRDW…và theo ph ị ể ươ ủ
3. M i quan h nhân qu Granger ố ệ ả
gi a hai chu i th i ờ
Đ ki m đ nh li u có t n t i m i quan h nhân qu Granger ể ể ồ ạ ệ ị ệ ả ố ữ ỗ
gian Y và X. Đ ki m đ nh trên Eview, ta xây d ng hai ph ng trình sau: ể ể ự ị ươ
Yt = α0 + α1Yt-1 + … + αlYt-l + β1Xt-1 + … + βlXt-l + εt (2.14)
Xt = α0 + α1Xt-1 + … + αlXt-l + β1Yt-1 + … + βlYt-l + εt (2.15)
Đ xem các bi n tr c a X có gi i thích cho Y (X tác đ ng nhân qu Granger lên ễ ủ ể ế ả ả ộ
Y) và các bi n tr c a Y có gi i thích cho X (Y tác đ ng nhân qu Granger lên X) ễ ủ ế ả ả ộ
hay không ta ki m đ nh gi thi t sau đây cho m i ph ng trình: ể ị ả ế ỗ ươ
H0: β1 = β2 = … = βl = 0 (2.16)
Đ ki m đ nh gi thi t đ ng th i này, ta s d ng th ng kê F c a ki m đ nh ể ể ị ả ế ồ ử ụ ủ ể ờ ố ị
Wald và cách quy t đ nh nh sau: N u giá tr th ng kê F tính toán l n h n giá tr ế ị ị ố ư ế ớ ơ ị
0 và ng
th ng kê F phê phán m t m c ý nghĩa xác đ nh ta bác b gi thi t H ố ở ộ ỏ ả ứ ị ế cượ
l ạ i. Có b n kh năng nh sau: ả ư ố
- Nhân qu Granger m t chi u t ề ừ ả ộ ộ X sang Y n u các bi n tr c a X có tác đ ng ễ ủ ế ế
lên Y, nh ng các bi n tr c a Y không có tác đ ng lên X. ễ ủ ư ế ộ
- Nhân qu Granger m t chi u t ề ừ ả ộ ộ Y sang X n u các bi n tr c a Y có tác đ ng ễ ủ ế ế
lên X, nh ng các bi n tr c a X không có tác đ ng lên Y. ễ ủ ư ế ộ
ộ - Nhân qu Granger hai chi u gi a X và Y n u các bi n tr c a X có tác đ ng ễ ủ ữ ề ế ế ả
lên Y và các bi n tr c a Y có tác đ ng lên X. ễ ủ ế ộ
- Không có quan h nhân qu Granger gi a X và Y n u các bi n tr c a X ữ ệ ế ế ả ễ ủ
không có tác đ ng lên Y và các bi n tr c a Y không có tác đ ng lên X. ễ ủ ế ộ ộ
4. Mô hình vector hi u ch nh sai s VECM ệ ố ỉ
Khi h i quy mô hình v i các bi n là chu i th i gian thì yêu c u đ t ra là các ế ầ ặ ồ ớ ỗ ờ
ng h p chu i ch a d ng thì ta ph i l y sai phân chu i này ph i d ng. Trong tr ả ừ ỗ ườ ư ừ ả ấ ợ ỗ
c chu i d ng. Tuy nhiên, khi mà ta h i quy các giá c a chúng cho đ n khi có đ ủ ế ượ ỗ ừ ồ
tr sau khi đã l y sai phân có th s b sót nh ng thông tin dài h n trong m i quan ể ẽ ỏ ữ ạ ấ ố ị
1 và Y2 ta có:
h gi a các bi n. Chính vì th khi h i quy nh ng mô hình đã l y sai phân ph i có ệ ữ ữ ế ế ấ ả ồ
thêm ph n d E. Ví d đ i v i mô hình hai bi n Y ụ ố ớ ầ ư ế
1 vào m c thay đ i c a Y
chính là ph n m t cân b ng. Mô hình S h ng ố ạ ầ ấ ằ c l ướ ượ ộ ng s ph thu c ự ụ
2 và m c m t cân b ng ấ
c a m c thay đ i c a Y ủ ổ ủ ứ ổ ủ ứ ứ ằ ở ờ th i
kỳ tr c. Mô hình trên đ ướ ượ ọ c g i là mô hình hi u ch nh sai s ECM ệ ố ỉ
Mô hình VECM là m t d ng c a mô hình Var t ng quát, đ c s d ng trong ộ ạ ủ ổ ượ ử ụ
tr ườ ế ng h p chu i d li u là không d ng và ch a đ ng m i quan h đ ng k t ỗ ữ ệ ệ ồ ừ ứ ự ợ ố
h p.ợ
Mô hình VECM t ng quát: ổ
∆Xt = ΠXt−1 + Γ1∆Xt−1 + · · · + Γp−1∆Xt−p+1 + Ut .
Xét ví d ch y chu i d li u c a mã ch ng khoán VNM (công ty Vinamilk) t ỗ ữ ệ ủ ụ ạ ứ ừ
19/01/2006 đ n 20/01/2011 d a trên giá đóng c a, giá m c a, giá cao nh t và giá ở ử ự ử ế ấ
th p nh t. T đó ta xem xét m i quan h gi a các lo i giá này trong mô hình và ệ ữ ừ ạ ấ ấ ố
c d báo giá. Và đ c bi t m t v n đ không th b qua khi ch y mô đ a ra đ ư ượ ự ặ ệ ộ ấ ể ỏ ề ạ
hình này là xem xét tác đ ng c a các cú shock c a bi n này lên bi n khác. (File ủ ủ ế ế ộ
d li u kèm theo) ữ ệ
Tr c tiên đ i v i chu i d li u này, ta s l y logarit c a chúng đ chu i d ướ ỗ ữ ệ ố ớ ẽ ấ ỗ ữ ủ ể
ỗ li u n đ nh h n. Đ thu n ti n thì trong các phân ti p theo khi nói đ n các chu i ệ ổ ể ệ ế ế ậ ơ ị
giá thì b n hi u là các chu i này sau khi đã đ c l y logarit. ể ạ ỗ ượ ấ
Cũng nh c l ư ướ ượ ệ ng b t kì m t mô hình v i d li u là chu i th i gian, vi c ớ ữ ệ ấ ộ ỗ ờ
tr c tiên ta s ki m đ nh tính d ng đ i v i các chu i d li u này (chu i giá m ướ ỗ ữ ệ ố ớ ẽ ể ừ ỗ ị ở
ừ c a, đóng c a, cao nh t và th p nh t). K t qu là các chu i này đ u không d ng ế ử ử ề ả ấ ấ ấ ỗ
i I(0) mà c 4 chu i này s d ng t i I(1). t ạ ẽ ừ ả ỗ ạ
i các giá tr 1, 2. Ta s xem xét mô hình này v i kho ng tr 1-2, t c là tr t ớ ễ ạ ứ ẽ ễ ả ị
Sau khi nh n đ c các chu i d ng, ta ti n hành ki m đ nh m i quan h nhân qu ậ ượ ỗ ừ ế ể ệ ố ị ả
Granger đ xem xét m i quan h gi a các bi n trong mô hình. ệ ữ ể ế ố
t c các giá tr th ng kê F tính toán đ u l n h n các giá tr th ng kê F Ta th y, t ấ ấ ả ề ớ ị ố ị ố ơ
0 (gi
phê phán t ng ng m c ý nghĩa 5%. Do đó mà ta bác b gi thi t H thi ươ ứ ở ứ ỏ ả ế ả ế t
bên ph n Null Hypothesis). Hay nói cách khác là t ầ ấ ả ố t c các bi n này đ u có m i ế ề
i l n nhau. quan h qua l ệ ạ ẫ
Ti p theo ta s xem xét tính đ ng liên k t gi a các bi n trong mô hình. L u ý là ế ữ ư ế ẽ ế ồ
riêng ph n ki m đ nh tính đ ng liên k t thì ta s ki m đ nh d a trên các chu i giá ẽ ể ự ể ế ầ ỗ ồ ị ị
ch a l y sai phân. ư ấ
K t qu là có 3 m i quan h đ ng liên k t gi a các bi n. ệ ồ ữ ế ế ế ả ố
ỗ Sau khi đã ti n hành các ki m đ nh liên quan thì ta nh n th y đây là các chu i ể ế ậ ấ ị
ẽ ử ụ không d ng và có m i quan h đ ng liên k t, do đó ph n ti p theo ta s s d ng ệ ồ ừ ế ế ầ ố
mô hình VECM đ ng. c l ể ướ ượ
Cách ch y mô hình cũng t ng t nh mô hình Var trên, tuy nhiên đ i v i mô ạ ươ ự ố ớ ư
hình VECM bi n xu h ng và ch n đ ế ướ ặ ượ ọ c m c đ nh s n và chúng ta s l a ch n ặ ị ẽ ự ẵ
1 trong 5 tr ng h p d i: ườ ợ ướ
Sau khi c l ướ ượ ng ta có k t qu sau: ế ả
Trong đó các Eq là các ph ng trình đ ng k t h p. K t qu ng mô hình ươ ế ợ c l ả ướ ượ ế ồ
có th đ c vi ể ượ t l ế ạ i nh sau: ư
Sau khi đã ng mô hình thì ta ti p t c ki m đ nh s phù h p c a mô hình c l ướ ượ ế ụ ủ ự ể ợ ị
ng t b ng cách ki m đ nh ph n d t ằ ư ươ ể ầ ị ự nh mô hình Var. Ho c đ n gi n h n ta có ặ ư ả ơ ơ
th xem các đ th ph n d c a d i đây đ xem xét tính d ng. ồ ị ầ ư ủ ướ ể ừ ể
So sánh các mô hình khi thay đ i tr đ l a ch n mô hình phù h p nh t. ổ ễ ể ự ấ ợ ọ
Ở đây ta còn có th xem xét s tác đ ng c a bi n nay lên bi n kia khi có m t s thay ủ ộ ự ự ể ế ế ộ
đ i, m t cú s c x y ra. Ta s d ng hàm ph n ng đ y: ổ ố ả ử ụ ả ứ ẩ ộ
Có th hi u là s phán ng c a giá đóng c a trong hi n t o l n t ng lai khi có ệ ạ ẫ ươ ể ể ủ ự ứ ử
b t kì m t s thay đ i, m t cú s c nào trong giá cao nh t, th p nh t và giá m ấ ộ ự ấ ấ ấ ộ ổ ố ở
c a. ử
Ngoài ra ta còn có th s d ng mô hình trên đ d báo giá ch ng khoán. Tuy ể ử ụ ể ự ứ
nhiên c n ph i qua m t s các ki m đ nh khác n a nên không đ ộ ố ữ ể ầ ả ị ượ ề ậ ế c đ c p đ n
đây. ở
Nh v y chúng ta có nhi u ph ư ậ ề ươ ộ ng pháp d báo khác nhau. Không có m t ự
ph ng pháp nào l i phù h p trong m i tr ng pháp ươ ạ ọ ườ ợ ng h p. Vi c l a ch n ph ệ ự ọ ợ ươ
i s d ng mà còn đòi h i ph i có nào không ch tùy thu c vào kh năng c a ng ộ ủ ả ỉ ườ ử ụ ả ỏ
nh ng kinh nghi m nh t đ nh. ấ ị ữ ệ
Tài li u tham kh o: ệ ả
Modeling and Forecasting a Firm’s Financial Statements with a VAR – VECM
Model- Bernardus F. N. Van Doornik, Otavio R. De Medeiros, Gustavo R. De
Oliveira
A Vector Error Correction Model (VECM) of Stockmarket Returns - Nagaratnam J
Sreedharan
Kinh t ng nâng cao-Ph m Trí Cao l ế ượ ạ
H ng d n s d ng Eview 5.1-Phùng Thanh Bình ẫ ử ụ ướ
