Đề tài Ứng dụng mô hình ARIMA trong dự báo chỉ số VN - Index

khung pháp lí chứng khoán, tăng cường mạnh tay xử lí các trường hợp vi phạm, điển hình có thể kể đến vụ việc DVD tuyên bố phá sản với giá cổ phiếu chỉ còn 3500 đồng, sau vụ thao túng giá của Lê Văn Dũng. Chính điều này càng làm gia tăng thêm sự e dè và thận trọng cho các nhà đầu tư. 2.2.2. Giai đoạn năm 2012: Thị trường tăng giảm ở các thời đoạn khác nhau TTCK năm 2012 hoàn toàn đi ngược lại so với năm 2011. Những tháng đầu năm có sự phục hồi nhẹ, sau đó là đi ngang rồi xuống dốc đến hết năm, 5 tháng đầu năm được xem là thị trường “con bò tót” và 7 tháng cuối năm được ví là thị trường “con gấu”. Chỉ trong khoảng 4 tháng, VN-Index đã tăng hơn 40% so với đầu năm, cụ thể là từ khoảng 340 điểm lên đến hơn 470 điểm và duy trì cho đến hết tháng 5. Tuy nhiên từ tháng 6 trở đi, thị trường sụt giảm liên tục. Đỉnh điểm là vào tháng 8/2012 giảm khoảng 11.8% so với những phiên đạt đỉnh vào tháng 5.  Lí giải cho sự tăng trưởng ngắn hạn vào những tháng đầu năm 2012 Động thái nới lỏng CSTT của NHNN, lãi suất cho vay giảm từ 14% xuống còn 9%/năm đã cung cấp một lượng vốn đáng kể cho TTCK, tạo lò xo đẩy thị trường leo dốc đi lên. Hơn nữa, tính minh bạch của thị trường được củng cố khi Thủ tướng Chính phủ ký ban hành ba văn bản thúc đẩy hoạt động và tăng cường quản lí TTCK ở Việt Nam. Trư ờng Đạ i họ c K inh tế H uế 44 TTCK Việt Nam mở thêm các phiên giao dịch vào buổi chiều từ ngày 5/3, tăng cường tính thanh khoản cho thị trường, thúc đẩy VN-Index đi lên. Hơn nữa, sự ra đời của chỉ số chứng khoán VN30 và HNX30 từ ngày 6/2 đã giúp nhà đầu tư nhìn nhận đúng đắn hơn về thị trường, khi mà VN-Index chịu tác động chủ yếu của 4 mã lớn là BVH, MSN, VIC và VNM.  Lí giải cho sự sụt giảm trong 7 tháng cuối năm của toàn thị trường: Sự kiện Bầu Kiên (với vai trò là Chủ tịch HĐQT của NHTMCP Á Châu) bị bắt vào ngày 20/8 được xem là “ngày thứ ba đen tối” của TTCK Việt Nam. Sự kiện này làm cho cổ phiếu ngành ngân hàng giảm điểm mạnh. Bên cạnh đó còn phải kể đến sự kiện ông Đặng Văn Thành từ nhiệm vị trí Chủ tịch NHTMCP Sacombank,... Những đại gia trong lĩnh vực ngân hàng này đã làm hoang mang tâm lí nhà đầu tư, từ đó càng làm cho chỉ số chứng khoán toàn thị trường sụt giảm. Trong giai đoạn này, Chính phủ cũng mạnh tay xử lí tình trạng bán khống, lần đầu tiên các vụ bán khống đã được phát hiện và bị xử phạt đích đáng. Điển hình là Chính phủ đã phạt hành chính 150 triệu đồng đối với công ty chứng khoán Đại Nam, thu hồi chứng chỉ hành nghề của hai nhân viên công ty chứng khoán HSC. Cộng với hiệu ứng lan tỏa từ vụ Bầu Kiên làm cho VN-Index giảm điểm liên tục. Năm 2012 cũng chứng kiến hàng loạt công ty chứng khoán rút lui khỏi thị trường do không thể tạo ra lợi nhuận, điều này đã làm cho thị trường sụt giảm đáng kể như thời điểm năm 2011. Cuối năm 2012, đề án tái cấu trúc TTCK và doanh nghiệp bảo hiểm chính thức được phê duyệt, nghiên cứu thành lập Sở GDCK Việt Nam, dồn hết cổ phiếu trên HNX sang HOSE, sàn Hà Nội sẽ giao dịch chủ yếu các sản phẩm phái sinh, Upcom. 2.2.3. Giai đoạn năm 2013: Thị trường phục hồi và tăng điểm nhẹ Năm 2013 là mốc hồi phục thực sự của TTCK từ cơn khủng khoảng vào năm 2008. Chỉ số VN-Index liên tục vượt mốc 500 điểm trong các tháng. Theo thống kê Trư ờng Đạ i ọ c K inh tế H uế 45 Hình 2.7: Diễn biến VN-Index năm 2013 Nguồn: Xử lý bằng Eviews 6.0 của Ủy ban chứng khoán Nhà nước, VN-Index đã tăng 22,2 %. Năm này cũng chứng kiến sự gia tăng dòng vốn nước ngoài lên đến 54%, tương đương 3,8 tỷ USD.  Lí giải cho sự phục hồi của TTCK vào năm 2013: Tiếp tục đà tái cấu trúc TTCK vào năm 2012, năm 2013 đánh dấu một năm tái cấu trúc mạnh mẽ, số lượng doanh nghiệp hủy niêm yết cao kỷ lục, lên tới 37 công ty hủy niêm yết, đây là những doanh nghiệp có kết quả kinh doanh tồi tệ, không đảm bảo điều kiện niêm yết. Điều này đã giúp loại bỏ đáng kể những doanh nghiệp xấu, doanh nghiệp kém trên thực tế, khôi phục đà tăng trưởng cho toàn thị trường. Lần đầu tiên năm 2013 cũng là năm chứng kiến sự hợp nhất của nhiều công ty chứng khoán, điển hình là vụ hợp nhất MBS và VIT thành MB. Thị trường tiếp tục được minh bạch hóa, việc chậm niêm yết cổ phiếu lên sàn sau IPO (Initial Pubic Offering – chào bán chứng khoán lần đầu tiên ra công chúng) đã được xử lí triệt để. Bên cạnh đó, hoạt động giao dịch chứng khoán cũng được triển khai nhiều lệnh mới như ATC, MTL, MOK, MAK,... trên sàn HNX; sàn HOSE cũng kéo dài thời gian giao dịch thêm 45 phút. Qua đây có thể thấy cơ chế giao dịch đã được tái cấu trúc mạnh mẽ và rõ nét. Năm 2013 cũng là năm bộ chỉ số chứng khoán được hoàn thiện theo Top 30, 70, 100 và bộ chỉ số phân ngành của hai Sở giao dịch cũng được thành lập, giúp tăng tính chuyên môn hóa, tạo thuận lợi cho nhà đầu tư trong việc đánh giá và phân tích thị trường, góp phần tăng cường tính hiệu quả cho các nhà đầu tư. 2.2.4. Giai đoạn năm 2014 cho đến nay: Thị trường tiếp tục đà tăng điểm Thị trường chứng khoán Việt Nam năm 2014 có diễn biến rất khả quan xét về các phương diện tốc độ tăng chỉ số, mức độ ổn định, khối lượng giao dịch và phản Trư ờng Đạ i họ c K inh tế H uế 46 Hình 2.8: Diễn biến VN-Index 2014 – nay Nguồn: Xử lý bằng Eviews 6.0 ánh khá rõ nét những chuyển biến tích cực trong nền kinh tế. Thị trường phát triển theo chiều hướng tăng trưởng, mặc dù xen kẽ những khoảng điều chỉnh giảm. Chỉ số VN-Index đã lập đỉnh tại mức điểm 640,75 (ngày 3/9) sau gần 6 năm đạt được. Tính đến ngày 08/12/2014, chỉ số VN-Index đạt 571,68 điểm, tăng 13,3% so với cuối năm 2013; tổng giá trị giao dịch toàn thị trường đạt 1.164 nghìn tỷ đồng, tăng 90% so với năm 2013; giá trị giao dịch bình quân mỗi phiên đạt 5.448 tỷ đồng. Một số lí giải cho đà tăng điểm của TTCK năm 2014: Thứ nhất, huy động vốn qua TTCK tiếp tục duy trì ở mức cao, tính đến ngày 08/12/2014, toàn bộ thị trường đã có 1.240 loại chứng khoán niêm yết, trong đó bao gồm 671 doanh nghiệp niêm yết, 1 chứng chỉ quỹ đóng niêm yết, 1 chứng chỉ quỹ ETF (Exchange Traded Fund – Hoán đổi danh mục chứng khoán cơ cấu lấy chứng chỉ quỹ) và 567 trái phiếu niêm yết. Tổng giá trị niêm yết cổ phiếu, chứng chỉ quỹ là 425 nghìn tỷ đồng, tăng 19% so với năm 2013; trong đó giá trị niêm yết trên SGDCK TP. Hồ Chí Minh chiếm 78,19%. Mức vốn hóa thị trường tính đến ngày 8/12/2014 đạt khoảng 1.156 nghìn tỷ đồng, tăng 21,77% so với năm 2013. Tổng giá trị huy động vốn qua TTCK năm 2014 ước đạt 237 nghìn tỷ đồng, tăng 6% so với cùng kỳ năm 2013. Điều này đã chứng tỏ kết quả hoạt động khả quan của các doanh nghiệp niêm yết cũng như kì vọng vào một sự khởi sắc lâu dài và bền vững trên TTCK của các nhà đầu tư. Năm 2014 các sản phẩm mới bước đầu được triển khai, bên cạnh việc triển khai sản phẩm ETF, cơ quan quản lý cũng đang tích cực nghiên cứu để có thể sớm triển khai thí điểm quỹ hưu trí tự nguyện, quỹ hưu trí bổ sung. Bên cạnh đó, “Đề án về xây dựng và phát triển TTCK phái sinh” cũng được TTCP phê duyệt, kết hợp với Trư ờ g Đạ i họ Kin h ế Hu ế 47 việc Bộ Tài chính đã hoàn thiện dự thảo Nghị định về chứng khoán phái sinh và TTCK phái sinh để trình Chính phủ trong tháng 12/2014. Đây là bước tiến quan trọng trong việc tạo ra hành lang pháp lý cho việc triển khai các sản phẩm mới, tạo ra công cụ phòng ngừa rủi ro cho nhà đầu tư, tăng sức hấp dẫn cũng như góp phần đưa thị trường chứng khoán Việt Nam phát triển ở một tầm cao mới. Năm 2014 cũng là năm tiến hành tái cấu trúc các tổ chức kinh doanh chứng khoán đạt kết quả tốt, dựa trên các chỉ tiêu an toàn tài chính để tiến hành rà soát, đánh giá phân loại công ty chứng khoán (CTCK), trên cơ sở đó tiến hành xử lý theo hướng hợp nhất, sáp nhập, giải thể CTCK. Tính đến tháng 09/2014 đã có 20 CTCK chấm dứt và đình chỉ hoạt động, giải thể, hợp nhất, giảm số CTCK thua lỗ từ 60% xuống còn dưới 20%. Ngoài ra, UBCK cũng đã thực hiện đánh giá, xếp loại các CTCK dựa trên quy chế CAMEL. Theo đó, đã phân loại các CTCK thành các nhóm A, B, C, D, E để từ đó có phương án theo dõi, xử lý đối với từng nhóm và tiến hành kiểm tra đối với các CTCK nằm trong nhóm D, E để tiếp tục tái cấu trúc trong thời gian tới, giúp tăng cường tính minh bạch và hiệu quả cho thị trường. Bên cạnh đó, trong năm 2014 còn diễn ra việc đẩy mạnh quá trình cổ phần hóa, thoái vốn nhà nước gắn với niêm yết, đồng thời cho phép cơ chế DNNN được thoái vốn dưới mệnh giá và giá trị sổ sách đã tạo sự linh hoạt trong việc cải cách sắp xếp DNNN, góp phần hỗ trợ công tác huy động vốn, nâng cao sức cạnh tranh, tạo sự minh bạch cho doanh nghiệp, cũng từ đó tăng cường tính minh bạch cho toàn thị trường. Những tháng đầu năm 2015 đánh dấu bước tăng trưởng vượt trội và bền vững của thị trường, tuy có đan xen những khoảng giảm điểm nhưng những phiên tăng điểm liên tiếp nhau cũng đã tạo đà phát triển liên tục, kéo chỉ số VN-Index từ mức 545,6 điểm vào đầu năm đã có lúc tăng lên đến hơn 600 điểm, tức tăng gần 10%.Trư ờng Đạ i họ c K inh tế H uế 48  Lí giải cho xu hướng tăng điểm đầu năm 2015: Các biến số kinh tế vĩ mô giai đoạn đầu năm 2015 diễn biến thuận lợi, nền kinh tế được dự báo là tăng trưởng tốt. Trong nước, CPI giảm do ảnh hưởng của giá dầu và giá hàng hóa thế giới giảm; sản xuất trong nước tiếp tục phục hồi tốt; tiêu dùng tăng mạnh trở lại, cao hơn nhiều so với mức tăng cùng kỳ các năm trước kể từ năm 2011 và mức tăng bình quân tháng; niềm tin tiêu dùng và kinh doanh tiếp tục được duy trì và củng cố vững chắc; thị trường tiền tệ, ngân hàng ổn định. Bên cạnh đó, các chỉ số vĩ mô như sản xuất phục hồi tích cực, lạm phát thấp, lãi suất đồng USD tiếp tục duy trì ở mức thấp kỷ lục, niềm tin kinh doanh và tiêu dùng dần phục hồi là dấu hiệu cho thấy nền kinh tế đang có những chuyển biến tích cực, đặc biệt là hai mục tiêu: ổn định kinh tế vĩ mô và phục hồi đà tăng trưởng; thâm hụt ngân sách sẽ được bù đắp bởi sự phục hồi của khu vực kinh tế trong nước; thêm vào đó định hạng tín nhiệm của Việt Nam sẽ tăng tạo điều kiện cho việc vay vốn từ nước ngoài dễ dàng hơn. Tóm lại nền kinh tế ổn định và có nhiều khởi sắc đã tạo đà tăng trưởng cho chỉ số VN-Index trong những tháng đầu năm 2015. Thông tư 36 có hiệu lực vào 1/2/2015 đặt ra các quy định liên quan trực tiếp đến sở hữu, đầu tư cổ phiếu sẽ có tác động khá lớn và làm phân hóa dòng tiền trên TTCK; hoạt động mua bán và phát hành thêm của các ETF vào đầu năm cũng góp phần đa dạng hóa và tăng thanh khoản cho thị trường. Bên cạnh đó các doanh nghiệp công bố kết quả hoạt động kinh doanh đầu năm 2015 với nhiều dấu hiệu chuyển biến tích cực đã góp phần củng cố niềm tin cho nhà đầu tư vào thị trường. Kết luận chương 2 Chương 2 đã cung cấp một cái nhìn tổng quan về TTCK Việt Nam, chỉ ra diễn biến xu hướng chung của chỉ số VN-Index trong giai đoạn từ năm 2009 cho đến nay, đồng thời cũng nêu lên một số lí do giải thích cho từng xu hướng biến động qua mỗi giai đoạn của nó. Chương 3 sẽ đi sâu phân tích chuỗi chỉ số VN-Index và chuỗi tỷ suất sinh lợi của nó, từ đó làm căn cứ cho công tác dự báo trong ngắn hạn. Trư ờng Đạ i họ c K inh tế H uế 49 CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH ARIMA TRONG DỰ BÁO CHỈ SỐ VN-INDEX VÀ TỶ SUẤT SINH LỢI CỦA THỊ TRƯỜNG 3.1. Kết quả nghiên cứu 3.1.1. Dữ liệu nghiên cứu Dữ liệu nghiên cứu là chỉ số chứng khoán VN-Index được thu thập từ trang web cophieu68.com, số liệu được thu thập theo từng ngày giao dịch từ 04/01/2010 đến 31/03/2015, bao gồm 1301 quan sát, tức có 1301 ngày giao dịch trong khoảng thời gian này. Sau đó chuỗi dữ liệu này sẽ được chuyển về chuỗi tỷ suất sinh lợi để phục vụ mục đích nghiên cứu. Chỉ số chứng khoán VN-Index trong giai đoạn nghiên cứu dao động quanh giá trị trung bình 484.6480 điểm. Đây chính là giá trị của chỉ số vào những thời điểm thị trường đi ngang và có xu hướng ổn định. Giá trị thấp nhất là 336.7 điểm (06/01/2012), đây là thời điểm mà thị trường lao dốc và chạm đáy. Giá trị cao nhất là 640.8 điểm (03/09/2014), phản ánh những thời điểm mà thị trường phục hồi và tăng trưởng. Những thống kê này cho thấy kết quả hoàn toàn phù hợp với những nhận định về diễn biến thị trường ở chương 2. 3.1.2. Đặc tính của dữ liệu Đầu tiên, phác họa đồ thị diễn biến chuỗi chỉ số chứng khoán VN-Index. Đồ thị dữ liệu cho thấy chỉ số chứng khoán vẫn còn yếu tố xu thế, hay có thể thấy chuỗi VN-Index từ 2010 – 2015 có xu thế tăng, do đó nhận định ban đầu là chuỗi gốc vẫn chưa dừng. Nhận định này cũng được củng cố khi xem xét lược lược đồ tự tương quan ACF và tự tương quan riêng phần PACF, giữa các giá trị VNt (chỉ số chứng khoán VN-Index ở thời điểm t) vẫn còn có tự tương quan với nhau một cách có ý Hình 3.9: Thống kê chỉ số VN-Index Nguồn: Xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 50 nghĩa thống kê. Hơn nữa, thực hiện kiểm định nghiệm đơn vị (unit root test), kết luận chính thức rằng chuỗi chỉ số chứng khoán gốc vẫn còn tồn tại nghiệm đơn vị, tức chuỗi gốc chưa dừng. (Chi tiết ACF và PACF, kiểm định nghiệm đơn vị chỉ số gốc, xin mời xem phụ lục 1). Một vấn đề cần quan tâm nữa là phải xem xét xem liệu chuỗi dữ liệu chỉ số chứng khoán gốc có biểu hiện tính mùa vụ (được thể hiện qua hình dạng đồ thị sẽ lặp lại biến động tăng hay giảm qua các mùa) hay không. Như ta đã biết, một chuỗi sẽ có tính mùa nếu như lược đồ tự tương quan và tự tương quan riêng phần của nó có các hệ số tự tương quan khác 0 một cách có ý nghĩa thống kê sau những khoảng thời gian bằng nhau (ví dụ hàng quý hay hàng năm), lúc này để khắc phục hay triệt tiêu tính mùa, ta tiến hành lấy sai phân cho phù hợp (ví dụ ta đang có chuỗi dữ liệu theo tháng, nếu chuỗi có tính mùa theo quý thì lấy bậc sai phân là 4, hoặc nếu chuỗi có tính mùa theo năm thì lấy bậc sai phân là 12). Như vậy, khi xem xét lược đồ ACF và PACF của chuỗi VN- Index (Hình 3.11), ta nhận thấy các hệ số tự tương quan đều khác 0 và gần như không giảm đi qua từng bước trễ, còn các hệ số tự tương quan riêng phần thì lại bằng 0 sau 1 bước trễ đầu tiên, từ đó có thể kết luận rằng: chuỗi Hình 3.10: Đồ thị chuỗi VN-Index từ 2010 – 2015 Nguồn: Xử lý bằng Eviews 6.0 Hình 3.11: ACF và PACF của chuỗi VN-Index Nguồn: Xử lý bằng Eviews 6.0 Trư ờ g Đạ i ọ c K inh tế H uế 51 chỉ số chứng khoán VN-Index gốc không xuất hiện yếu tố mùa vụ - một quy luật đã không gặp ở trường hợp TTCK của Việt Nam, do đó ta chỉ cần quan tâm đến tính dừng của chuỗi. Hay nói cách khác, mô hình ARIMA là đã đủ để dự báo trong trường hợp này. Tiếp tục lấy sai phân bậc 1 dưới dạng lôgarít (thông thường nếu chuỗi ít biến động, ta có thể lấy sai phân trực tiếp mà không nhất thiết phải chuyển sang dạng lôgarít, tuy nhiên việc lấy lôgarít là nhằm mục đích hỗ trợ cho việc nhận dạng các độ trễ p & q được dễ dàng hơn) của chỉ số chứng khoán gốc (giá trị này cũng xấp xỉ bằng TSSL của chỉ số chứng khoán VN-Index gốc dưới dạng số tương đối %), đồ thị chuỗi TSSL như hình bên. Nhìn vào hình bên, ta nhận thấy chuỗi TSSL sau khi lấy sai phân từ chuỗi chỉ số chứng khoán gốc không còn tính xu hướng, nó đã có dấu hiệu dừng. Tiếp tục phác họa lược đồ tự tương quan ACF và PACF của chuỗi TSSL, có thể thấy chúng đã không còn tự tương quan với nhau một cách có ý nghĩa thống kê, do đó càng củng cố thêm nhận định chuỗi TSSL đã dừng. Để kiểm tra một cách chính thức, tiến hành kiểm định nghiệm đơn vị cho chuỗi TSSL, kết quả bác bỏ giả thiết “H0: Chuỗi TSSL có nghiệm đơn vị”, tức chuỗi TSSL là đã dừng (Chi tiết kiểm định nghiệm đơn vị chuỗi TSSL chỉ số VN-Index xin mời xem phụ lục 2). Do đó bây giờ, chúng ta sẽ tiến hành xác định mô hình ARIMA dựa trên chuỗi TSSL này, chứ không căn cứ trên chuỗi dữ liệu chỉ số chứng khoán VN-Index gốc vì chuỗi dữ liệu gốc vẫn chưa dừng. Trước khi sang phần xác định mô hình ARIMA, ta nên điểm qua phân phối xác suất (PPXS) của chuỗi TSSL: Trị thống kê Jarque-Bera là tương đối lớn (JB = 145.2924 > X2(1- ;2) = 10.6) và Prob. là nhỏ (Prob. = 0.00 < 5%), do đó bác bỏ giả Hình 3.12: TSSL CSCK VN-Index 2010 - 2015 Nguồn: Xử lý bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 52 Hình 3.13: Thống kê TSSL của chỉ số VN-Index Nguồn: Xử lý bằng Eviews 6.0 thiết “H0: Chuỗi TSSL có phân phối chuẩn”, tức kết luận rằng chuỗi TSSL này không tuân theo quy luật phân phối chuẩn ở mức ý nghĩa 5%. Giá trị trung bình TSSL là 0.0112%. Giá trị lớn nhất là 3.93% và thấp nhất là - 6.0546%. Độ phân tán của các giá trị xung quanh giá trị trung bình là 1.2183%. Những kết quả này cho thấy chuỗi TSSL có sự phân tán tương đối lớn xung quanh giá trị trung bình. 3.1.3. Xây dựng mô hình thực nghiệm Sau khi nắm bắt các đặc tính của chuỗi dữ liệu, ta tiến hành xác định các tham số mô hình phù hợp nhằm phục vụ cho mục đích nghiên cứu, mẫu được chọn để xây dựng mô hình là chỉ số VN-Index được lấy từ ngày 04/01/2010 đến ngày 17/03/2015. Một trong những giả định quan trọng và bắt buộc của mô hình ARIMA là chuỗi dữ liệu phải dừng trước khi xác định mô hình. Ở phần trên chúng ta đã làm cho chuỗi dữ liệu dừng do đó đã phù hợp để xác định mô hình ARIMA. Trên cơ sở lý thuyết, việc xác định bậc d dựa trên số lần lấy sai phân I(d), chúng ta chỉ tiến hành lấy sai phân một lần nên giá trị d=1. Việc xác định bậc của p và q thông thường được dựa trên lược đồ tự tương quan, tuy nhiên trên thực tế căn cứ vào ACF và PACF để tìm ra p, q phù hợp sẽ rất khó, thay vào đó chúng ta sẽ dùng phương pháp “thử và sai” (được xem là cách làm cơ bản trong phương pháp luận Box – Jenkins). Lần lượt lấy p = 1, 2,...; q = 1, 2,... từ đó lựa chọn mô hình tối thiểu hóa các chỉ tiêu AIC, SIC, có R2 điều chỉnh cao nhất và càng ít độ trễ càng tốt. Nếu các tiêu chí này mâu thuẫn thì chọn mô hình có các hệ số đều có ý nghĩa thống kê ở mức 5%. Nhìn vào bảng 3.2, chúng ta thấy có sự mâu thuẫn trong việc tối thiểu hóa các chỉ tiêu AIC, SIC và tối đa hóa R2. Mô hình ARIMA(2,1,2) tuy thỏa mãn 2 trong 3 điều Trư ờng Đạ i ọ c K i h tế H uế 53 Bảng 3.2: Xác định mô hình ARIMA(p,d,q) Mô hình AIC SIC R2 ARIMA(1,1,0) -5.999624 -5.991616 1.4531% ARIMA(2,1,0) -5.999335 -5.987315 1.6471% ARIMA(0,1,1) -5.994594 -5.986591 1.3315% ARIMA(0,1,2) -5.995617 -5.983611 1.5850% ARIMA(1,1,1) -5.999774 -5.987761 1.6206% ARIMA(1,1,2) -5.998768 -5.98275 1.6743% ARIMA(2,1,1) -5.99922 -5.983192 1.7884% ARIMA(2,1,2) -6.001294 -5.98126 2.1440% AIC min -6.001294 SIC min -5.991616 R2 max 2.1440% Nguồn: Xử lý bằng Eviews 6.0 kiện đặt ra nhưng lại có một hệ số gắn với biến trễ một quan sát của TSSL lại có giá trị = 1.405788 > 1 nên không thỏa mãn điều kiện dừng. Trong các mô hình còn lại, chỉ có mô hình ARIMA(1,1,0), ARIMA(0,1,1) và ARIMA(2,1,1) là có các hệ số gắn với các biến đều có ý nghĩa thống kê ở mức 5%. (Chi tiết ước lượng các mô hình ARIMA(p,d,q) xin mời xem phụ lục 5). Tuy nhiên, khi tiến hành kiểm tra tự tương quan phần dư của các mô hình để xem xét xem phần dư ước lượng từ các mô hình có thỏa mãn điều kiện là nhiễu trắng hay không, thì chỉ có mô hình ARIMA(1,1,0) cho giá trị thống kê Obs.R-squared là 16.46724 (Obs là số quan sát) nhỏ hơn giá trị Chi bình phương tra bảng hay giá trị Prob.>5%, do đó chưa có cơ sở bác bỏ giả thiết H0, tức phần dư mô hình ARIMA(1,1,0) không có tự tương quan. (Chi tiết kiểm tra tự tương quan phần dư của các mô hình xin mời xem phụ lục 5). Do đó, ta quyết định chọn mô hình ARIMA(1,1,0) là mô hình tốt nhất trong các mô hình được đề nghị, thêm vào đó mô hình ARIMA(1,1,0) còn cho giá trị SIC là nhỏ nhất trong các mô hình, càng củng cố thêm nhận định ARIMA(1,1,0) là mô hình phù hợp nhất nên được lựa chọn. Mô hình ARIMA(1,1,0) có dạng: Rt,Index = 0.0000675 + 0.120271Rt-1,Index + ut Trong đó: Rt,Index: tỷ suất sinh lợi chỉ số chứng khoán VN-Index tại thời điểm t Rt-1,Index: tỷ suất sinh lợi chỉ số chứng khoán VN-Index tại thời điểm t-1 Trư ờng Đạ i họ c K inh tế H uế 54 Hình 3.15: PPXS phần dư mô hình ARIMA(1,1,0) Nguồn: Xử lý bằng Eviews 6.0 Hình 3.14: Dự báo trong mẫu cho TSSL Nguồn: Xử lý bằng Eviews 6.0 (Chuỗi tỷ suất sinh lợi chỉ số chứng khoán VN-Index chính là chuỗi sai phân bậc 1 dưới dạng lôgarit của chuỗi VN-Index) ut: sai số ngẫu nhiên tại thời điểm t Mô hình được chọn có 1 = |0.120271| < 1 nên thỏa mãn điều kiện dừng. Và như đã nói ở trên, khi tiến hành ước lượng phần dư rút ra từ mô hình ARIMA(1,1,0) cho ra kết quả phần dư này không có tự tương quan, tức đã thỏa mãn điều kiện phần dư là nhiễu trắng. Bây giờ, ta tiếp tục tiến hành chạy dự báo trên mô hình ARIMA(1,1,0) cho giai đoạn từ 04/01/2010 đến 17/03/2015 để xem mô hình có dự báo sát với giá trị thực tế và nắm bắt tốt dữ liệu không. Chỉ tiêu MAE, RMSE là số tuyệt đối phản ánh chênh lệch giữa giá trị dự báo và giá trị thực tế. MAPE cũng có ý nghĩa tương tự nhưng ở dạng phần trăm. MAE và RMSE thì gần về 0, MAPE tuy lớn hơn 1 nhưng ở mức cho phép. Hệ số Theil Inequality Coefficient ở mức 0.885797 là tạm chấp nhận được. Bias cũng rất nhỏ. Nhìn chung, các chỉ tiêu này đáp ứng cho việc sử dụng mô hình để dự báo. Tiếp tục chẩn đoán phần dư của mô hình ARIMA(1,1,0). Giá trị P- value = 0.000 cho thấy phần dư của mô hình ARIMA(1,1,0) vẫn không phân phối chuẩn, hay nó cho một cái nhìn gần tiệm cận phân phối chuẩn. Điều này là hoàn toàn phù Trư ờng Đạ i ọ c K inh tế H uế 55 hợp với thực tế vì chỉ số chứng khoán biến động thất thường dẫn tới TSSL cũng biến động bất thường, làm xuất hiện những giá trị ngoại lai lớn bất thường trong phần dư do đó nó không tuân theo phân phối chuẩn. Mặc dù phần dư của mô hình ARIMA(1,1,0) không phân phối chuẩn, ta vẫn có thể chấp nhận điều này và quyết định chọn nó làm mô hình dự báo cho tỷ suất sinh lợi chỉ số chứng khoán VN- Index. Vì thực tế rất khó có trường hợp nào lý tưởng mà phần dư của một mô hình luôn tuân theo phân phối chuẩn. Hình 3.16: Phần dư, giá trị thực và giá trị ước lượng từ mô hình ARIMA(1,1,0) Nguồn: Xử lý bằng Eviews 6.0 Nhìn vào hình 3.16, có thể thấy giá trị ước lượng kì vọng dao động quanh mốc 0%, do đó phần dư có hình dạng khá giống với giá trị thực. Dao động phần dư là ổn định, không theo một xu hướng nào cả, củng cố thêm kết luận rằng phần dư của mô hình ARIMA(1,1,0) không có tự tương quan hay đã thỏa mãn điều kiện là nhiễu trắng. Ngoài ra, nhìn vào hình có thể thấy đường giá trị dự báo dao động với biên độ nhỏ hơn biên độ dao động của đường giá trị thực, tức đường dự báo gần như là mượt hơn đường giá trị thực, điều này được giải thích là do đường dự báo thể hiện sự lặp lại của quy luật đã định ở mô hình AR(1) trong khi đường thực bao gồm cả phần quy luật và phần không quy luật (hay chính là phần dư của mô hình). Vì thế Trư ờng Đạ i họ c K inh tế H uế 56 các giá trị UPPERFORECAST và LOWERFORECAST đã được tính toán thêm để xem xét cả những biến động bất thường xảy ra trong chuỗi dữ liệu dự báo. Hình 3.17 chỉ ra hình dạng đồ thị của chuỗi giá trị TSSL thực, TSSL dự báo, biên độ dao động thấp nhất và cao nhất của TSSL dự báo. Nhìn vào hình này có thể thấy đường giá trị thực DLVNINDEX_REAL chạy trong khoảng giữa của hai đường LOWERFORECAST và UPPERFORECAST, cho thấy dự báo có được từ mô hình ARIMA(1,1,0) là tốt và đáng tin cậy. Hình 3.17: Giá trị thực, giá trị ước lượng, biên độ dao động của giá trị ước lượng Nguồn: Xử lý bằng Eviews 6.0 Dữ liệu dự báo ở đây đang là TSSL, để đánh giá trực quan hơn ta tiếp tục chuyển đổi TSSL về chỉ số chứng khoán VN-Index bằng công thức: VnFt = eRF(t,Index) x VnFt-1 ( với RF(t, Index) = ln(VnFt) – ln(VnFt-1)) Trong đó: e là cơ số tự nhiên, e = 2.71828182845904523536 ln = loge là lôgarít cơ số tự nhiên e VnFt là giá trị dự báo cho chỉ số Vn-Index tại thời điểm t RF(t, Index) là tỷ suất sinh lợi dự báo của chỉ số VN-Index tại thời điểm t VnFt-1 là giá trị dự báo cho chỉ số Vn-Index tại thời điểm t-1 Trư ờng Đạ i họ c K inh tế H uế 57 Hình 3.18: Giá trị thực và dự báo cho chỉ số VN-Index Nguồn: Xử lý bằng Eviews 6.0 Hình 3.18 chỉ ra chiều hướng biến động của đường giá trị thực và đường giá trị dự báo, nhìn vào hình có thể thấy quy luật vận động của hai đường này gần như là trùng nhau, thể hiện qua hình dạng đồ thị với các điểm gãy cũng như các giai đoạn tăng giảm gần dường là giống nhau hoàn toàn, do đó càng củng cố thêm kết luận rằng mô hình ARIMA(1,1,0) nắm bắt rất tốt đối với dữ liệu trong mẫu. Bảng 3.3: Giá trị thực tế và dự báo điểm ngoài mẫu cho chỉ số VN-Index Ngày Giá trị thực Giá trị dự báo Sai số dự báo 18-03-2015 578.7 582.0 -0.57% 19-03-2015 573.7 581.6 -1.38% 20-03-2015 575.4 581.0 -0.97% 23-03-2015 570.9 581.3 -1.82% 24-03-2015 567.4 580.8 -2.36% 25-03-2015 560.9 580.4 -3.47% 26-03-2015 556.2 579.6 -4.20% 27-03-2015 551.4 579.1 -5.02% 30-03-2015 545.2 578.5 -6.10% 31-03-2015 551.1 577.7 -4.82% Nguồn: Xử lý bằng Excel 2010 0 200 400 600 800 VN-Index thực 480 500 520 540 560 580 600 VN-Index dự báo Trư ờng Đạ i họ c K inh tế H uế 58 Bảng 3.4: Giá trị dự báo khoảng tin cậy ngoài mẫu cho chỉ số VN-Index Ngày Khoảng tin cậy 18-03-2015 (568.38 ; 595.86) 19-03-2015 (568.05 ; 595.51) 20-03-2015 (567.49 ; 504.92) 23-03-2015 (567.72 ; 595.17) 24-03-2015 (567.22 ; 594.64) 25-03-2015 (566.83 ; 594.24) 26-03-2015 (566.08 ; 593.45) 27-03-2015 (565.54 ; 592.88) 30-03-2015 (564.98 ; 592.30) 31-03-2015 (564.25 ; 591.53) Nguồn: Xử lý bằng Excel 2010 Kết quả dự báo điểm ngoài mẫu ước lượng của mô hình cho giai đoạn từ 18/03/2015 đến 31/03/2015 là sát với giá trị thực tế, sai số dự báo tương đối thấp, và có thể nhận thấy rằng sai số dự báo sẽ càng tăng khi tầm xa dự báo là càng lớn. Đối với dự báo khoảng, các giá trị thực đều nằm trong khoảng tin cậy dự báo với độ tin cậy 95%. Tóm lại, kết luận cuối cùng là mô hình ARIMA(1,1,0) nắm bắt tốt dữ liệu cả trong và ngoài mẫu ước lượng nên hoàn toàn có thể dùng để dự báo. Như vậy, có thể thấy rẳng mô hình ARIMA(1,1,0) vừa có ít độ trễ, các hệ số ước lượng trong mô hình đều có ý nghĩa thống kê ở mức 5% và thỏa mãn điều kiện dừng. Các thử nghiệm chẩn đoán ban đầu cho thấy phần dư không có tự tương quan, sai số dự báo nhỏ và các chỉ tiêu đánh giá độ chính xác của dự báo là đáng tin cậy. Do đó một lần nữa khẳng định rằng ARIMA(1,1,0) là mô hình tối ưu nhất để phục vụ cho mục đích dự báo chỉ số VN-Index trong 10 phiên giao dịch tiếp theo. 3.1.4. Dự báo chỉ số VN-Index trong ngắn hạn với mô hình ARIMA Cuối cùng, ta sử dụng mô hình ARIMA(1,1,0) để dự báo TSSL của chỉ số chứng khoán VN-Index từ 01/04/2015 đến 14/04/2015. Nếu muốn dự báo một bước trước Trư ờng Đạ i họ c K inh tế H uế 59 mẫu ước lượng ta tiến hành dự báo tĩnh, nếu muốn dự báo cho nhiều bước về phía trước thì phải tiến hành dự báo động. Ở đây bài nghiên cứu sẽ lựa chọn dự báo động. Bảng 3.5: Giá trị dự báo điểm cho chỉ số VN-Index gốc và tỷ suất sinh lợi Ngày Chỉ số chứng khoán (điểm) Tỷ suất sinh lợi (%) 01-04-2015 577.67 -0.0099 02-04-2015 577.70 0.0046 03-04-2015 577.73 0.0063 06-04-2015 577.77 0.0066 07-04-2015 577.81 0.0066 08-04-2015 577.85 0.0066 09-04-2015 577.89 0.0066 10-04-2015 577.92 0.0066 13-04-2015 577.96 0.0066 14-04-2015 578.00 0.0066 Nguồn: Xử lý bằng Excel 2010 Kết quả cho thấy giá trị dự báo của TSSL chỉ số chứng khoán VN-Index là âm trong phiên giao dịch đầu tiên của tháng 4/2015, sau đó TSSL trong bảy phiên tiếp theo dương trở lại và giữ nguyên mức tăng không đổi từ phiên giao dịch thứ ba trở đi. Việc tỉ suất sinh lợi dương trong hầu hết các phiên đã kéo theo sự gia tăng liên tục của chỉ số chứng khoán VN-Index, từ 577.67 vào đầu tháng 4 lên đến 578.00 điểm vào 14/04/2015. Đây chỉ là kết quả dự báo điểm, để hạn chế rủi ro cho mình khi lựa chọn danh mục đầu tư hay quản trị rủi ro, nhà đầu tư nên căn cứ thêm vào giá trị dự báo khoảng để biết được khoảng biến thiên của chỉ số chứng khoán này là bao nhiêu, từ đó có những quyết định phù hợp hơn. Dưới đây là kết quả dự báo khoảng:Trư ờng Đạ i họ c K inh tế H uế 60 Bảng 3.6: Giá trị dự báo khoảng cho chỉ số VN-Index gốc và tỷ suất sinh lợi Ngày Chỉ số chứng khoán (điểm) Tỷ suất sinh lợi (%) 01-04-2015 (564.19 ; 591.47) (-2.37 ; 2.35) 02-04-2015 (564.22 ; 591.50) (-2.36 ; 2.37) 03-04-2015 (564.26 ; 591.54) (-2.35 ; 2.37) 06-04-2015 (564.29 ; 591.57) (-2.35 ; 2.37) 07-04-2015 (564.33 ; 591.61) (-2.35 ; 2.37) 08-04-2015 (564.37 ; 591.65) (-2.35 ; 2.37) 09-04-2015 (564.40 ; 591.69) (-2.35 ; 2.37) 10-04-2015 (564.44 ; 591.73) (-2.35 ; 2.37) 13-04-2015 (564.47 ; 591.76) (-2.35 ; 2.37) 14-04-2015 (564.51 ; 591.81) (-2.35 ; 2.37) Nguồn: Xử lý bằng Excel 2010 Khoảng tin cậy cho chỉ số VN-Index và TSSL của chỉ số chứng khoán VN-Index sẽ càng rộng ra khi thời gian dự báo càng xa so với ngày 18/03/2015. Điều này hàm ý sai số dự báo tăng rất nhanh nếu tầm xa dự báo là càng lớn. 3.2. Thảo luận Bài nghiên cứu sử dụng chuỗi dữ liệu TSSL chỉ số chứng khoán VN-Index để xây dựng mô hình ARIMA. Kết quả cuối cùng đã lựa chọn được mô hình ARIMA(1,1,0) làm mô hình dự báo cho TSSL của chỉ số VN-Index. Phương trình trung bình của TSSL chỉ số chứng khoán VN-Index có dạng như sau: Rt,Index = 0.0000675 + 0.120271Rt-1,Index + ut TSSL tại thời điểm hiện tại là phụ thuộc vào giá trị của TSSL trong quá khứ. Hệ số AR(1) là 0.12027 > 0 chứng tỏ TSSL của chỉ số chứng khoán VN-Index tại thời điểm hiện tại tương quan dương với TSSL trong quá khứ. Nếu TSSL ngày hôm trước tăng 1% thì TSSL ngày hôm sau sẽ tăng 0.12027%. Trư ờng Đạ i họ c K inh tế H uế 61 Ngoài ra, khi xem xét chuỗi giá trị dự báo có được từ mô hình ARIMA(1,1,0) và đồ thị của nó, càng củng cố thêm nhận định rằng giá trị ở ngày hôm sau chịu sự chi phối của giá trị đóng cửa vào ngày hôm trước và các giá trị tương lai không hội tụ về trung bình của các giá trị hôm trước (MA = 0), điều này có được là do ta đang sử dụng mô hình ARIMA(1,1,0) để dự báo. Nếu trong trường hợp có áp dụng các mô hình trung bình trượt trong dự báo (ví dụ ARIMA(1,1,1), ...) thì lúc này TSSL dự báo trong tương lai sẽ xuất hiện sự hội tụ về giá trị trung bình của TSSL trong quá khứ. Do đó một lần nữa khẳng định rằng các giá trị dự báo có được đã tuân theo quy luật vốn có của mô hình tự hồi quy với độ trễ bằng 1, rằng sự biến động của giá trị TSSL trong ngày hôm nay sẽ là yếu tố cơ bản quyết định đến TSSL trong ngày hôm sau, từ đó suy rộng ra chỉ số chứng khoán phiên giao dịch trước đó sẽ có ảnh hưởng đến chỉ số chứng khoán ở phiên giao dịch vào ngày hôm sau. Một điểm cần lưu ý, mặc dù vẫn còn một vài giá trị ngoại lai trong mẫu quan sát chúng ta lựa chọn, nhưng nhìn chung giai đoạn đang nghiên cứu là lúc mà thị trường tương đối ổn định, không có quá nhiều biến động bất thường cho nên không gây ảnh hưởng lớn đến chất lượng dự báo. Mục đích chính của bài nghiên cứu là dự báo cho giá trị TSSL của chỉ số chứng khoán VN-Index trong vòng 10 phiên giao dịch tiếp theo, từ đó làm căn cứ suy rộng ra kết quả dự báo cho chỉ số VN-Index trong ngắn hạn. Kết quả dự báo điểm cho TSSL nhận giá trị âm trong phiên giao dịch đầu tiên của tháng 4, sau đó nhận giá trị dương liên tiếp trong 9 phiên giao dịch tiếp theo. Độ lớn của TSSL gia tăng dần từ ngày 01/04 đến ngày 06/04 và sau đó giữ nguyên mức gia tăng là 0.0066%. Đối với dự báo điểm, việc dự báo động sẽ cho kết quả dự báo ít chính xác hơn so với dự báo tĩnh. Do đó, nên xem xét chỉ dự báo cho một bước trước mẫu quan sát, sau đó sử dụng giá trị này để tính toán cho các giá trị dự báo tiếp theo. Điều này chỉ làm được nếu chúng ta có giá trị thực cho giai đoạn kế trước dự báo. Trư ờng Đạ i ọ c K inh tế H uế 62 Đối với dự báo khoảng, thời gian dự báo càng xa thì độ rộng khoảng tin cậy càng lớn, hàm ý sai số dự báo sẽ càng tăng. Nếu độ tin cậy dự báo là quá rộng thì dự báo sẽ không có ý nghĩa trong thực tiễn. Do đó, một vấn đề nữa là phải lưu ý lựa chọn tầm xa càng ngắn thì độ tin cậy của dự báo càng cao, dự báo sẽ càng chính xác và càng có ý nghĩa. Nhà đầu tư cũng cần lưu ý trong việc thiết lập DMĐT và quản lí rủi ro khi đầu tư vào TTCK Việt Nam. Nhà đầu tư nên quan tâm đến diễn biến TSSL trong quá khứ, bởi lẽ TSSL ở quá khứ có tương quan dương với TSSL ở thời điểm hiện tại. Nhà đầu tư nên thật thận trọng, kết hợp nhiều biện pháp phòng ngừa rủi ro linh động khi đầu tư vào các doanh nghiệp niêm yết trên TTCK Việt Nam. Cuối cùng, các mô hình ARIMA ở đây chỉ ở dạng đơn chuỗi, đơn biến trong nghiên cứu. Việc dự báo vẫn chưa được hoàn hảo vì ngoài các giá trị trong quá khứ thì còn nhiều yếu tố khác tác động đến TSSL chỉ số chứng khoán VN-Index. Để có kết quả đáng tin cậy hơn, cần mở rộng mô hình ở dạng đa biến, bổ sung thêm các biến giải thích vào mô hình ARIMA để có được kết quả dự báo chính xác và thuyết phục hơn. Kết luận chương 3 Chương 3 đã cung cấp kết quả thực nghiệm về việc ứng dụng mô hình ARIMA trong việc dự báo tỷ suất sinh lợi của chỉ số chứng khoán VN-Index. Sau nhiều thủ tục đã được đề nghị trong chương 1, nghiên cứu đã chọn ra được mô hình ARIMA(1,1,0) phục vụ cho mục đích dự báo. Kết quả cuối cùng sử dụng ARIMA(1,1,0) để dự báo cho giá trị trung bình của tỷ suất sinh lợi chỉ số chứng khoán VN-Index. Kết quả dự báo được đánh giá là tương đối chính xác trong ngắn hạn, tuy nhiên tầm xa càng dài hạn thì sai số dự báo càng tăng nhanh dẫn tới kết quả dự báo kém chính xác.Trư ờng Đạ i họ c K inh tế H uế 63 PHẦN III: KẾT LUẬN 1. Kết luận Trước hết, nghiên cứu đã đi đúng được mục đích của nó là dự báo. Mô hình xây dựng được rất phù hợp với dữ liệu thực tế trong giai đoạn ước lượng, nó cũng khá sát với dữ liệu kiểm định ngoài mẫu, kết quả dự báo ngoài mẫu là đáng tin cậy. Sau một quá trình phân tích kỹ lưỡng trên góc độ lý luận và thực tiễn, đi đến kết luận cuối cùng là chọn mô hình ARIMA(1,1,0) để dự báo cho TSSL của chỉ số chứng khoán VN-Index. Kết quả dự báo cho thấy giá trị dự báo xấp xỉ với giá trị thực tế và khoảng tin cậy 95% cũng chứa giá trị thực tế. Điều này chứng tỏ độ tin cậy của mô hình dự báo là khá cao. Trong một vài phiên giao dịch, do tác động của các yếu tố ngoại lai lớn như tâm lý nhà đầu tư thay đổi, tác động của các thị trường chứng khoán khác, thông tin về sự thay đổi chính sách,... sẽ làm cho sai số dự báo tăng cao hơn, do đó kết quả của mô hình chủ yếu vẫn chỉ mang tính chất tham khảo là phần nhiều. Tuy nhiên có thể nói mô hình ARIMA là một mô hình tốt để dự báo trong ngắn hạn. Bên cạnh đó, nghiên cứu đã làm nổi bật phương pháp xây dựng, xác định mô hình ARIMA và các phép kiểm tra chẩn đoán để lựa chọn ra được mô hình tốt nhất. Thông qua việc phân tích kỹ từng bước, từng kiểm định, nó sẽ cung cấp một cái nhìn sâu và cụ thể về việc ứng dụng mô hình ARIMA trong dự báo tỷ suất sinh lợi của chỉ số chứng khoán VN-Index. Chính vì vậy, nghiên cứu cũng thực sự hữu ích cho những người mới tiếp cận mô hình ARIMA lần đầu. Họ hoàn toàn có thể làm tương tự hoặc mở rộng ra các mô hình sâu hơn, phát huy tính ưu việt của mô hình trong việc dự báo ngắn hạn và đặc biệt có thể khắc phục được những hạn chế của bài nghiên cứu này. Hơn nữa, mô hình giới thiệu trong nghiên cứu là mô hình mang tính chất kỹ thuật, hỗ trợ tốt cho việc dự báo TSSL trong ngắn hạn. Do đó nhà đầu tư (NĐT) có thể coi đây là một phương pháp mang tính chất tham khảo tốt, tuy nhiên không nên chỉ căn Trư ờng Đạ i họ c K inh tế H ế 64 cứ vào mô hình này để đưa ra quyết định là đầu tư hay không, mà mô hình sẽ trở nên ý nghĩa hơn nếu nó được kết hợp với nhiều kỹ thuật phân tích, mô phỏng khác. Lúc này nó sẽ thực sự hữu ích trong việc giúp cho NĐT đưa ra được quyết định đúng đắn và phù hợp. Mô hình cũng đã dự báo và đưa ra cái nhìn tổng quan cho toàn thị trường. Thông qua đó bản thân các doanh nghiệp (DN) đang niêm yết có thể thấy mình hiện tại đang đứng ở đâu, có bị chệch ra quỹ đạo chung của toàn hệ thống không, từ đó sẽ có những biện pháp kịp thời và đồng bộ giúp cải thiện tình trạng xấu hay giữ vững trạng thái đang rất tốt ở hiện tại. Và đây cũng chỉ là một biện pháp tham khảo tốt, nó chỉ thực sự hữu ích nếu doanh nghiệp biết kết hợp với nhiều kỹ thuật phân tích khác. Thêm vào đó, hoạt động của các DN và NĐT còn chịu sự quản lí của các cơ quan Nhà nước, việc dự báo TSSL chỉ số VN-Index còn giúp các cơ quan Nhà nước có cái nhìn kịp thời và đầy đủ về diễn biến của các DN niêm yết trên thị trường. Từ đó, nếu trong tương lai, các DN phát triển tốt thì cơ quan Nhà nước nên có những chính sách nới lỏng để tăng đà phát triển đó, còn ngược lại nếu các DN có chiều hướng đi xuống thì cơ quan Nhà nước phải có trách nhiệm tìm ra nguyên nhân, từ đó có những chính sách hỗ trợ kịp thời cho DN, giúp cải thiện và thúc đẩy tăng trưởng kinh tế. 2. Hạn chế 2.1. Hạn chế của mô hình  Mô hình chỉ dừng lại ở dạng đơn biến, đơn chuỗi thời gian, ước lượng hồi quy chỉ tiến hành trên giá trị quá khứ của biến phụ thuộc, giá trị hiện tại và trễ của sai số ngẫu nhiên. Do đó, đây là một mô hình phân tích kỹ thuật, chưa thể đưa ra chính sách sau công tác dự báo, bởi lẽ muốn đưa ra chính sách thì phải căn cứ vào nhiều yếu tố, chẳng hạn như lạm phát, tỷ giá, GDP tác động tới chỉ số giá chứ Trư ờng Đạ i họ c K inh tế H uế 65 khoán, chứ không phải chỉ có biến động chỉ số giá chứng khoán trong quá khứ. Hay nói cách khác mô hình chưa đi sâu vào các dạng đa biến của ARIMA do đó chưa thực sự phù hợp với thực tiễn.  Mô hình ARIMA sẽ không nắm bắt những yếu tố không phải là xu thế hay sai số, chẳng hạn nếu trong chuỗi dữ liệu có yếu tố mùa thì cần phải loại bỏ tính mùa trước khi sử dụng mô hình, hay là sử dụng một mô hình khác, có thể là SARIMA. Công việc này đòi hỏi kỹ thuật và kinh nghiệm của người nghiên cứu rất nhiều.  Mô hình ARIMA mô phỏng những hành vi trong quá khứ và giả định rằng trong tương lai nó sẽ lại tái diễn như vậy. Song một thực tế rằng, giá trị tương lai của một biến số kinh tế sẽ không giữ nguyên như vậy mà biến động rất nhiều. Nên mô hình ARIMA chỉ phù hợp để dự báo một cách ý nghĩa trong ngắn hạn, một hai bước về phía trước, còn dài hạn thì dường như sai số sẽ gia tăng rất nhiều, kết quả thường không chính xác. 2.2. Hạn chế của đề tài  Mặc dù đã thay thế giả định phân phối chuẩn của phần dư bằng phân phối t- Student nhưng điều này dường như chưa phải là hoàn hảo, cần tiến hành giả định thêm một số phân phối của phần dư như t-Student lệch, phân phối GED, phân phối GED lệch để việc kiểm định giả thiết phù hợp và có ý nghĩa thống kê hơn.  Đề tài sử dụng chuỗi dữ liệu theo ngày, tuy nhiên thị trường chứng khoán Việt Nam đôi lúc lại có quá nhiều ngày nghỉ, lễ,... kéo dài do đó làm cho chuỗi dữ liệu không được liên tục, tính ổn định chưa được cao lắm, do đó hướng phát triển trong tương lai của đề tài là có thể chuyển đổi tần suất dữ liệu sang tuần, tháng hoặc quý để xem xét sự nắm bắt có tốt hơn dữ liệu gốc hay không.  Mô hình chỉ phù hợp để dự báo cho ngắn hạn do thời gian dự báo càng xa thì sai số càng lớn nên càng kém chính xác. Trư ờng Đạ i họ c K inh tế H uế 66 3. Hướng phát triển của đề tài  Xây dựng mô hình ARIMA đa biến: Chỉ số VN-Index phụ thuộc vào nhiều biến độc lập khác ngoài giá trị hiện tại, giá trị quá khứ của bản thân biến phụ thuộc và các sai số, chẳng hạn như yếu tố lạm phát, tỷ giá, giá vàng là những biến độc lập nên được bổ sung vào mô hình ARIMA, điều này sẽ giúp cải thiện đáng kể mức độ tin cậy và khắc phục sự đơn biến của mô hình ARIMA, lúc này “dữ liệu tự nói” sẽ trở nên thuyết phục và đáng tin cậy hơn.  Mở rộng hoặc thu hẹp mẫu nghiên cứu để làm căn cứ so sánh và lựa chọn ra mô hình tối ưu nhất. Nếu muốn dự báo chính xác hơn thì nên lựa chọn mẫu nghiên cứu trong phạm vi thời gian có diễn biến của chỉ số là tương đối ổn định.  Mô hình trong bài nghiên cứu chỉ dừng lại ở dự báo tổng quan trên một chỉ số. Có thể mở rộng mô hình ra dự báo cho TSSL và rủi ro của một cổ phiếu riêng lẻ cụ thể nào đó, điều này dường như phù hợp với ý nghĩa thực tế của mô hình hơn.  Phải cần có sự linh hoạt và nhạy bén trong việc điều chỉnh sai số dự báo trong giai đoạn dự báo ngoài mẫu, đặc biệt là ở những tầm xa lớn hơn. Cần phải kết hợp với nhiều kỹ thuật đặc biệt để phân tích diễn biến giá và rủi ro, không nên chỉ căn cứ vào mô hình ARIMA để ra quyết định bởi lẽ mặc dù nó dự báo tốt nhưng chưa phải là hoàn hảo tuyệt đối và có sức thuyết phục hoàn toàn.  TTCK Việt Nam luôn tiềm ẩn nhiều rủi ro biến động bất thường, mô hình ARIMA dường như nắm bắt tốt hơn trong dữ liệu có tính ổn định cao. Do đó có thể tiến hành thử nghiệm với phạm vi mẫu thời gian rộng hơn, hay thay đổi tần suất dữ liệu từ ngày (sử dụng trong bài nghiên cứu) sang tuần, tháng, quý để xem xét sự nắm bắt có tốt hơn dữ liệu gốc hay không.  Cần so sánh kết quả dự báo mô hình chuỗi thời gian với các mô hình kinh tế lượng khác như mô hình nhân quả, ngoại suy xu thế để có thể lựa chọn ra được mô hình mang lại độ tin cậy và thuyết phục cao hơn. Trư ờ g Đạ i họ c K inh tế H uế 67  Kết hợp mô hình ARIMA với một mô hình kinh tế lượng khác, chẳng hạn mô hình nhân quả, để một mặt vừa có thể dự báo được cho biến số cần nghiên cứu một cách đáng tin cậy, vừa phân tách được tác động của các nhân tố còn lại lên biến số cần nghiên cứu. Do đó, có thể xác định được tỷ trọng của các biến số tác động là như thế nào. Hệ quả là trong tương lai, có thể đưa ra nhiều chính sách hợp lý hơn, phù hợp với thực tiễn trong công tác quản lý rủi ro, từ đó mang lại hiệu quả cao hơn.  Ứng dụng các mô hình kinh tế lượng hoặc mô hình hồi quy để dự báo trung và dài hạn cho chỉ số chứng khoán VN-Index. Trư ờng Đạ i họ c K inh tế H uế 68 TÀI LIỆU THAM KHẢO 1. Tài liệu tham khảo Tiếng Việt: [1] Phạm Thế Anh (2013), Kinh tế lượng ứng dụng – Phân tích chuỗi thời gian, NXB Lao động Hà Nội. [2] Bách (2010), Dự báo giá và và rủi ro thị trường cổ phiếu niêm yết tại Việt Nam. [3] Đào Hoàng Dũng (2012), Dự báo lạm phát quý I năm 2013 qua mô hình ARIMA, Học viện ngân hàng. [4] Đỗ Quang Giám & cs (2012), Xây dựng mô hình ARIMA cho dự báo khách du lịch quốc tế đến Việt Nam, Tạp chí Khoa học và Phát triển, Tập 10, Số 364 -370, Trường Đại học Nông nghiệp Hà Nội. [5] Vũ Thị Gương (2012), Kỹ thuật khai phá dữ liệu chuỗi thời gian áp dụng trong dự báo giá chứng khoán, Luận văn thạc sĩ, Học viện Công nghệ bưu chính và viễn thông. [6] Nguyễn Trọng Hoài (2001), Mô hình hóa và dự báo chuỗi thời gian trong kinh doanh, NXB Đại học quốc gia, Đại học kinh tế Thành phố Hồ Chí Minh. [7] Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2011), Thống kê ứng dụng trong kinh tế xã hội, NXB Lao động – Xã hội. [8] Thục Đoan & Cao Hào Thi (2012 - 2014), Bài đọc “Lựa chọn dạng hàm số và kiểm định đặc trưng mô hình”, Chương trình giảng dạy kinh tế Fullbright. [9] Cao Hào Thi (2012), Bài đọc “Dự báo”, Chương trình giảng dạy kinh tế Fullbright. [10] Cao Hào Thi, Bài giảng “Phân phối xác suất liên tục”, Đại học Bách Khoa Thành phố Hồ Chí Minh.Trư ờng Đạ i họ c K inh tế H uế 69 [11] Thục Đoan & Cao Hào Thi (2012 - 2014), Bài đọc “Kinh tế lượng về chuỗi thời gian II: Dự báo với mô hình ARIMA và VAR”, Chương trình giảng dạy kinh tế Fullbright. [12] Thục Đoan & Cao Hào Thi (2012 - 2014), Bài đọc “Chuỗi thời gian trong kinh tế lượng”, Chương trình giảng dạy kinh tế Fullbright. [13] Trung & cs (2010), “Ứng dụng mô hình ARIMA để dự báo VN-Index”. [14] Võ Xuân Vinh & Nguyễn Thị Kim Ngân (2011), Biến động chuỗi lợi nhuận cổ phiếu trên thị trường chứng khoán Việt Nam, Tạp chí Phát triển KH & CN, Tập 14, Số Q8 -2011. 2. Tài liệu tham khảo nước ngoài: [1] Chris Books (2008), Introductory Econometrics for Finace, Second Edition, The ICMA Centre, University Cambridge. [2] Dickey & Fuller (1979), Distribution of the Estimators for Autoregressive Time Series with a Unit Root Test. [3] Fuller (1976), Introduction to Statistical Time Series. [4] Natalia et al. (2005), Testing weak-form effect in Russian stock-market. [5] Radha (2004), The use of ARMA, ARMA-GARCH, ARMA-EGARCH in forecasting MIBOR short-term interate rate of Treasurary Bond. [6] Tim Bollerslev (2011), ARCH and GARCH model, Economics 350, Duke University. [7] Tsay (2008), Univariate Volatility Models, Out of sample forecasts. 3. Danh mục trang web tham khảo: [1] [2] truong-1636-332191.htm Trư ờng Đạ i họ c K inh tế H uế 70 [3] [4] thoi-van-dang-truoc-cua.htm [5] [6] ky-vong-2014-830-330555.htm [7] viet-nam-2013/236713.vnp [8] cac-con-so-201401021607595036ca31.chn [9] chung-khoan-viet-nam-2013.htm [10] khoan-nam-2012.htm [11] doc-cua-mu-phu-thuy-20121217034759360ca31.chn [12] dau-an-thi-truong-chung-khoan- 2012-2725110.html [13] tin-sut-giam/127/7646361.epi [14] dau-hieu-bat-on-can-thao-go/201110/117849.dfis [15] 2011-01695450.html [16] nhin-lai-579-141287.htm Trư ờng Đạ i họ c K inh tế H uế 71 [17] 2009-2702897.html [18] [19] https://www.academia.edu/49534/MO_HINH_ARIMA_TRONG_DU_BAO [20] trong-phan-tich-gia-vang-20643/ [21] va-du-bao-ve-gia-co-phieu-tren-thi-truong-chung-khoan-viet-nam-55616/ Trư ờng Đạ i họ c K inh tế H uế 72 PHỤ LỤC 1. Kiểm tra tính dừng của chuỗi chỉ số chứng khoán VN-Index gốc 1.1. Lược đồ tự tương quan ACF và tự tương quan riêng phần PACF của chuỗi chứng khoán VN-Index gốc Hình 19: ACF và PACF của chuỗi chỉ số chứng khoán VN-Index gốc Nguồn: Xử lý bằng Eviews 6.0 Có thể thấy rất nhiều ACF tại các độ trễ khác nhau vẫn còn tự tương quan. Các hệ số tự tương quan vượt ra ngoài hai đường giới hạn đến độ trễ thứ 17 mới chấm dứt. Do đó, nhận định chuỗi chỉ số chứng khoán VN-Index vẫn chưa dừng. Trư ờng Đạ i họ c K inh tế H uế 73 1.2. Kiểm định nghiệm đơn vị chuỗi VN-Index gốc Hình 20: Kiểm định nghiệm đơn vị cho chuỗi gốc VN-Index Nguồn: Xử lý bằng Eviews 6.0 Giá trị P_value = 0.5315, tức là chưa có cơ sở để bác giả thiết H0, tức chuỗi chỉ số chứng khoán gốc vẫn còn tồn tại nghiệm đơn vị. Kết luận một cách chính thức, chuỗi chỉ số chứng khoán gốc VN-Index vẫn chưa dừng ở mức ý nghĩa 5%. . Trư ờng Đạ i họ c K inh tế H uế 74 2. Kiểm định tính dừng của chuỗi tỉ suất sinh lợi chỉ số chứng khoán VN-Index 2.1. Lược đồ tự tương quan ACF và tự tương quan riêng phần PACF của chuỗi tỉ suất sinh lợi chỉ số chứng khoán Hình 21: ACF và PACF của chuỗi TSSL CSCK gốc VN-Index Nguồn: Xử lý bằng Eviews 6.0 Nhìn vào lược đồ ACF và PACF có thể thấy các thanh đồ thị đều nằm trong hai đường giới hạn, chứng tỏ các hệ số tương quan giữa Yt và Yt-k bằng 0, kết luận chuỗi tỷ suất sinh lợi không còn tự tương quan. Trư ờng Đạ i họ c K inh tế H uế 75 2.2. Kiểm định nghiệm đơn vị chuỗi tỷ suất sinh lợi chỉ số chứng khoán Hình 22: Kiểm định nghiệm đơn vị chuỗi TSSL CSCK gốc VN-Index Nguồn: Xử lý bằng Eviews 6.0 Trị thống kê t tính toán được đều lớn hơn trị thống kê t quan sát ở các mức ý nghĩa 1%, 5%, 10%. Giá trị P_value = 0.0000, do đó đủ cơ sở để bác bỏ giả thiết H0, tức chuỗi tỷ suất sinh lợi của chỉ số chứng khoán VN-Index đã dừng. Trư ờng Đạ i họ c K inh tế H uế 76 3. Kiểm định về giả định phân phối chuẩn của phần dư Bài kiểm tra phổ biến thường áp dụng trong việc kiểm tra phân phối chuẩn của phần dư là Jarque-Bera. Như chúng ta đã biết, một phân phối chuẩn sẽ có độ bất cân xứng (skewness) là 0 và độ nhọn (kurtosis) là 3, khi đó phân phối là đối xứng về trung bình. Jarque và Bera (1981) đã đưa ra thống kê như sau làm tiêu chuẩn kiểm định: Trong đó: S là độ bất cân xứng (Skewness) K là độ nhọn (Kurtosis) Thống kê JB tuân theo phân phối Chi bình phương với bậc tự do là 2. Giả thiết H0 là phần dư có phân phối chuẩn. Nếu JB > X2(1- ;2), Prob. < 0.05 thì bác bỏ H0, tức phần dư không phân phối chuẩn và ngược lại. Trư ờng Đạ i họ c K inh tế H uế 77 4. Ước lượng các mô hình ARIMA(p,1,q) Hình 23: Ước lượng mô hình ARIMA(1,1,0) Nguồn: Xử lí bằng Eviews 6.0 Hình 24: Ước lượng mô hình ARIMA(2,1,0) Nguồn: Xử lí bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 78 Hình 25: Ước lượng mô hình ARIMA(0,1,1) Nguồn: Xử lí bằng Eviews 6.0 Hình 26: Ước lượng mô hình ARIMA(0,1,2) Nguồn: Xử lí bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 79 Hình 27: Ước lượng mô hình ARIMA(1,1,1) Nguồn: Xử lí bằng Eviews 6.0 Hình 28: Ước lượng mô hình ARIMA(1,1,2) Nguồn: Xử lí bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 80 Hình 29: Ước lượng mô hình ARIMA(2,1,1) Nguồn: Xử lí bằng Eviews 6.0 Hình 30: Ước lượng mô hình ARIMA(2,1,2) Nguồn: Xử lí bằng Eviews 6.0 Trư ờng Đạ i họ c K inh tế H uế 81 5. Kiểm tra tự tương quan phần dư mô hình ARIMA(1,1,0); ARIMA(0,1,1) và ARIMA(2,1,1) 5.1. Kiểm tra tự tương quan phần dư mô hình ARIMA(1,1,0) Hình 31: Kiểm tra tự tương quan phần dư mô hình ARIMA(1,1,0) Nguồn: Xử lý bằng Eviews 6.0 Giá trị P-value = 0.087 > 5%, do đó chưa có cơ sở để bác bỏ giả thiết H0. Vậy phần dư của mô hình ARIMA(1,1,0) không còn có tự tương quan, tức thỏa mãn điều kiện là nhiễu trắng.Trư ờng Đạ i họ c K inh tế H uế 82 Hình 32: ACF và PACF của phần dư mô hình ARIMA(1,1,0) Nguồn: Xử lý bằng Eviews 6.0 Hơn nữa có thể thấy, các hệ số tương quan và tương quan riêng phần đều bằng 0 một cách có nghĩa. Như vậy, có thể nói phần dư của mô hình ARIMA(1,1,0) là nhiễu trắng và mô hình là phù hợp. Trư ờng Đạ i họ c K inh tế H uế 83 5.2. Kiểm tra tự tương quan phần dư mô hình ARIMA(0,1,1) Hình 33: Kiểm tra tự tương quan phần dư mô hình ARIMA(0,1,1) Nguồn: Xử lý bằng Eviews 6.0 Giá trị P-value = 0.0089 < 5%, do đó chưa có cơ sở để bác bỏ giả thiết H1. Vậy phần dư của mô hình ARIMA(1,1,0) vẫn còn tự tương quan, tức chưa phải là nhiễu trắng. Trư ờng Đạ i họ c K inh tế H uế 84 5.3. Kiểm tra tự tương quan phần dư mô hình ARIMA(2,1,1) Hình 34: Kiểm tra tự tương quan phần dư mô hình ARIMA(2,1,1) Nguồn: Xử lý bằng Eviews 6.0 Giá trị P-value = 0.0487 < 5%, do đó chưa có cơ sở để bác bỏ giả thiết H1. Vậy phần dư của mô hình ARIMA(1,1,0) vẫn còn tự tương quan, tức chưa phải là nhiễu trắng. Trư ờng Đạ i họ c K inh tế H uế