Dự báo giá vàng Việt Nam sử dụng mô hình Garch

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 (Akaikes 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.
Nội dung trích xuất từ tài liệu:
Dự báo giá vàng Việt Nam sử dụng mô hình GarchJournal of Science – 2016, Vol. 10 (2), 32 – 39Part B: Political Sciences, Economics and LawDỰ BÁO GIÁ VÀNG VIỆT NAM SỬ DỤNG MÔ HÌNH GARCHNgô Văn Toàn1, Nguyễn Phú Quốc2, Nguyễn Hữu Thạch212Trường Đại học Hùng VươngTrường Đại học Tài chính Marketing TP.HCMThông tin chung:Ngày nhận bài: 07/12/2015Ngày nhận kết quả bình duyệt:23/12/2015Ngày chấp nhận đăng: 06/2016Title:A forecast on Vietnam goldprice by GARCH modelTừ khóa:Box–Jenkins AutoregressiveIntegrated Moving Average(ARIMA), GeneralizedAutoRegressive ConditionalHeteroskedasticity (GARCH),volatility, giá vàng Việt NamKeywords:Box-Jenkins AutoregressiveIntegrated Moving Average(ARIMA), GeneralizedAutoregressive ConditionalHeteroskedasticity (GARCH),volatility, gold prices of VietNam.ABSTRACTThe purpose of the current study is to forecast the gold prices of Viet Nam. Twomethods are considered, which are Box-Jenkins Autoregressive IntegratedMoving Average (ARIMA) and Generalized Autoregressive ConditionalHeteroskedasticity (GARCH). Using Akaikes information criterion (AIC) as thegoodness of fit measure, the study concludes that GARCH is a more appropriatemodel. Analysis is carried out by using the Stata 12.0 software.TÓM TẮTMục đích của nghiên cứu này là để dự báo giá vàng Việt Nam. Hai phươngpháp được xem xét, đó là Box-Jenkins Autoregressive Integrated MovingAverage(ARIMA)vàGeneralizedAutoregressiveConditionalHeteroskedasticity (GARCH). Sử dụng tiêu chuẩn Akaike (Akaikes InformationCriterion-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 bằngcách sử dụng các phần mềm Stata 12.0.giá vàng ở Malaysia. Biến động là tình trạng màphương sai điều kiện thay đổi giữa trạng thái giátrị rất cao và thấp. Về mặt lý thuyết, khi tiếp cậnvới chuỗi dữ liệu thời gian, điều quan trọng là đểdự báo độ biến động của chuỗi dữ liệu hoặc tìmđược phương sai thay đổi theo thời gian.1. GIỚI THIỆUMục tiêu của phân tích chuỗi thời gian là để dựbáo các giá trị tương lai của chuỗi dữ liệu thờigian. Trong trường hợp việc dự báo về giá vàng làhữu ích cho mục đích đầu tư tại Việt Nam. Vànglà một công cụ đầu tư đặc biệt quan trọng ở cácnước đang phát triển. Lợi tức từ vàng và dự đoánnó là một chủ đề đã và đang thu hút sự chú ý củacác nhà đầu tư và có mật độ nghiên cứu cao gầnđây.Mô hình ARCH được giới thiệu bởi Engle vàonăm 1982 và tổng quát hóa bởi Bollerslev năm1986 là mô hình kinh tế để mô tả chuỗi với tínhchất phương sai điều kiện thay đổi theo thời gian(Engle, 1982). Các họ mô hình Generalizedheteroskedasticity (GARCH) được phát triển đểnắm bắt biến động phân nhóm hoặc các giai đoạnNghiên cứu của Miswan, Ping, & Ahmad (2013)phát triển mô hình Box-Jenkins AutoregressiveIntegrated Moving Average (ARIMA) để dự báo32Journal of Science – 2016, Vol. 10 (2), 32 – 39Part B: Political Sciences, Economics and Lawbiến động, và dự đoán sự biến động trong tươnglai (Bollerslev, 1986).GARCH và các phái sinh của nó, nghiên cứu sửdụng phương pháp chuỗi thời gian, dựa trên sốliệu về tỷ suất lợi tức theo thời gian của giá vàngđược cung cấp bởi Sàn giao dịch vàng của ThổNhĩ Kỳ thuộc thời kỳ tháng 2 năm 2014 và tháng6 năm 2014.Box-Jenkins ARIMA là mô hình chuẩn,nghiên cứu này dự báo giá vàng Việt Nam sửdụng mô hình GARCH. Bằng cách sử dụng phầnmềm Stata 12.0, các mô hình GARCH được sửdụng để cung cấp một thước đo biến động phânnhóm của giá vàng. Độ phù hợp của quá trình dựbáo các mô hình được đo bằng AIC (AkaikesInformation Criterion).Ahmad, Pung, Yazir, and Miswan (2014) các tácgiả đã trình bày một mô hình kết hợp đã được coilà một cách hiệu quả để cải thiện độ chính xác dựbáo. Bài báo đề xuất mô hình kết hợp của ARIMAvà GARCH vào trong mô hình và để dự báo giávàng của Malaysia được sử dụng để trình bày sựphát triển của các mô hình kết hợp. Sự phù hợpcủa mô hình được đo bằng tiêu chí thông tinAkaike (AIC).2. CÁC NGHIÊN CỨU LIÊN QUANNghiên cứu của Ping, Miswan, & Ahmad (2013)nhằm mục đích là để dự báo giá vàng thỏi củaMalaysia. Hai phương pháp được xem xét, đó làBox-Jenkins - ARIMA và mô hình GARCH. Sửdụng tiêu chuẩn thông tin Akaike của (AIC) đểchọn mô hình phù phù hợp, nghiên cứu kết luậnrằng GARCH là một mô hình thích hợp hơn. Phântích được thực hiện bằng cách sử dụng các phầnmềm E-views.3. PHƯƠNG PHÁP NGHIÊN CỨUCác phương pháp được sử dụng trong nghiên cứunày là Box-Jenkins ARIMA và GARCH. Dữ liệusử dụng cho nghiên cứu này là giá vàng Việt Namđược thu thập trong khoảng thời gian từ ngày03/01/2000 đến ngày 06/11/2015. Chuỗi dữ liệuVàng được cung cấp bởi Thomson Reuters(http://thomsonreuters.com). Tỷ suất lợi tức hàngngày của chỉ số Vàng được tính theo công thứcsau:Nghiên cứu này (Siti Roslindar et al., 2015) làmột phân tích sơ bộ về giá vàng và biến động củanó tập trung vào việc thực hiện các mô hình laiBox-Jenkins cùng với GARCH trong phân tích vàdự báo giá vàng. Công thức Box-Cox được sửdụng như là phương pháp chuyển đổi dữ liệu docó tiềm năng tốt trong dữ liệu phân phối chuẩn,tạo sự ổn định phương sai và làm giảm các biếnngẫu nhiên sử dụng dữ liệu 41 năm về giá vànghàng ngày bắt đầu từ 02 tháng 1 năm 1973.Nghiên cứu này chỉ ra rằng mô hình kết hợp đượcđề xuất ARIMA -GARCH có thể là một cách tiếpcận mới có tiềm năng trong việc dự báo giá vàng.Phát hiện này chứng tỏ sức mạnh của mô hìnhGARCH trong việc xử lý biến động giá vàng cũngnhư khắc phục được những hạn chế phi tuyến tínhtrong mô hình Box-Jenkins.Với Pt là giá Vàng tại thời điểm đóng cửa củangày giao dịch thứ t tương ứng và Pt-1 là biến trễmột ngày của Vàng.Box-Jenkins ARIMABox-Jenkins ARIMA được áp dụng trên dữ liệuchuỗi thời gian đạt tính dừng, chuỗi tính dừng cóđược bằng cách lấy sai phân một mức độ thíchhợp. Điều này dẫn đến một mô hình ARIMA (p,d, q) trong đó p là bậc tự hồi quy, q ...