Mô hình và dự báo lợi nhuận cổ phiếu: Bằng chứng thực nghiệm từ Việt Nam

Bài viết phân tích tính chất của chuỗi dữ liệu giá đóng cửa theo ngày của chỉ số VN-Index từ 3/1/2001 đến 13/3/2020 bằng phương pháp mô hình chuỗi thời gian. Kết quả phân tích và kiểm định cho thấy các cú sốc gây ra hiệu ứng dai dẳng, dẫn đến chuỗi dữ liệu này không dừng và có trí nhớ lâu; và mô hình ARFIMA (1,0.2,4)-FIGARCH (1,0.16,1) được lựa chọn để dự báo chuỗi tỷ suất lợi nhuận của chuỗi dữ liệu trên.
Nội dung trích xuất từ tài liệu:
Mô hình và dự báo lợi nhuận cổ phiếu: Bằng chứng thực nghiệm từ Việt Nam JOURNAL OF SCIENCE Q U Y N H O N U N I V E RS I T Y Modelling and predicting stock returns: Empirical evidence from Vietnam Cao Tan Binh*, Le Mong Huyen, Pham Nguyen Dinh Tuan Faculty of Economics and Accounting, Quy Nhon University, Vietnam Received: 21/03/2020; Accepted: 21/04/2020 ABSTRACT In this paper, we analyze properties of the VN-Index's daily closing price data series from January 3, 2001 to March 13, 2020 by using the estimation method of time series model. The analysis and testing results show that shocks cause a persistent effect, leading to stationariness and long-term memory of this time series; and the ARFIMA (1,0.2,4)-FIGARCH (1,0.16,1) model was chosen to predict returns of above data series. Keywords: ARFIMA-FIGARCH, long-term memory, closing price, prediction. Corresponding author. * Email: caotanbinh@qnu.edu.vn Journal of Science - Quy Nhon University, 2020, 14(2), 59-69 59 TẠP CHÍ KHOA HỌC TRƯỜNG ĐẠI HỌC QUY NHƠN Mô hình và dự báo lợi nhuận cổ phiếu: Bằng chứng thực nghiệm từ Việt Nam Cao Tấn Bình*, Lê Mộng Huyền, Phạm Nguyễn Đình Tuấn Khoa Kinh tế & Kế toán, Trường Đại học Quy Nhơn, Việt Nam Ngày nhận bài: 21/03/2020; Ngày nhận đăng: 21/04/2020 TÓM TẮT Trong bài báo này, chúng tôi phân tích tính chất của chuỗi dữ liệu giá đóng cửa theo ngày của chỉ số VN-Index từ 3/1/2001 đến 13/3/2020 bằng phương pháp mô hình chuỗi thời gian. Kết quả phân tích và kiểm định cho thấy các cú sốc gây ra hiệu ứng dai dẳng, dẫn đến chuỗi dữ liệu này không dừng và có trí nhớ lâu; và mô hình ARFIMA(1,0.2,4)-FIGARCH(1,0.16,1) được lựa chọn để dự báo chuỗi tỷ suất lợi nhuận của chuỗi dữ liệu trên. Từ khóa: ARFIMA-FIGARCH, trí nhớ lâu, giá đóng cửa, dự báo. 1. GIỚI THIỆU khoán Nhật Bản đối với mã cổ phiếu Nikkei 225 và tỷ giá hối đoái cũng dựa trên đồng đôla Bài báo của Tim Bollerslev và Hans Ole Mỹ bởi mô hình ARFIMA-FIGARCH. Năm Mikkelsen xuất bản năm 1996 về mô hình FIGARCH đã đặt nền tảng cho những mô hình 2004, Wilfredo Palma và Mauricio Zevallos đã có trí nhớ lâu, và được áp dụng một cách có phân tích cấu trúc tự tương quan của chuỗi thời hiệu quả trong việc kiểm định và dự báo các gian bậc hai;6 Jurgen A. Doornik and Marius quá trình kinh tế và tài chính.1 Trong những Ooms đã sử dụng mô hình ARFIMA suy diễn năm qua, các nhà nghiên cứu đã tiếp tục thử và dự báo lạm phát của Mỹ và Anh.7 Vấn đề lạm nghiệm đối với các mô hình chuỗi thời gian phát thuộc các nước khu vực châu Âu tiếp tục khác nhau để mô hình hóa dữ liệu của thế giới được nghiên cứu vào năm 2005, và tính trí nhớ thực. Gần đây, có nhiều nghiên cứu được thực lâu lại xuất hiện trong mô hình của Christian hiện nhằm khai thác những ứng dụng của mô Conrad và Menelaos Karanasos.8 Năm 2007, hình lai ARFIMA-FIGARCH. Michel Beine, nhiều công trình khảo sát về tính không dừng Sébastien Laurent và Christelle Lecourt đã ước và trí nhớ lâu của chuỗi thời gian và áp dụng lượng các mô hình FIGARCH cho bốn tỷ giá phân tích cho một số mã cổ phiếu quốc tế như dựa trên đồng đôla Mỹ (DEM, FRF, YEN và SP 500 (Mỹ), Nikkei (Nhật Bản), PSI 20 (Bồ GBP) và cuối cùng nhận thấy rằng DEM, FRF, Đào Nha), CAC 40 (Pháp), DAX 30 (Đức), YEN thỏa mãn mô hình ARFIMA-FIGARCH, FTSE 100 (Anh), IBEX 35 (Tây Ban Nha) và ngoại trừ GBP.2 Năm 2002, Richard T. Baillie và MIB 30 (Ý).9-10 Năm 2009, công trình của P. cộng sự đã kiểm chứng tính trí nhớ lâu của các Bagavathi Sivakumar và Dr. V. P. Mohandas cú sốc tài chính.3 Năm 2003, các công trình4,5 sử dụng mô hình ARFIMA-FIGARCH để dự xem xét tính hiệu quả của thị trường chứng đoán lợi tức cổ phiếu của thị trường cổ phiếu Tác giả liên hệ chính. * Email: caotanbinh@qnu.edu.vn 60 Tạp chí Khoa học - Trường Đại học Quy Nhơn, 2020, 14(2), 59-69 JOURNAL OF SCIENCE Q U Y N H O N U N I V E RS I T Y Ấn Độ11. Trong khoảng gần một thập niên trở phối Student-t cho kết quả dự báo tốt nhất. lại đây, hàng loạt các công trình được công bố Ngoài ra, kết quả nghiên cứu cũng chỉ ra, mức trên các tạp chí uy tín, tiếp tục sử dụng mô hình độ biến động của giá dầu thô trong tương lai lai ARFIMA-FIGARCH để phân tích và dự có thể được dự báo bằng mức độ biến động giá đoán các quá trình chuỗi thời gian trong kinh tế của nguyên liệu này trong quá khứ đồng thời và tài chính.12-22,25,27 các cú sốc tăng giảm giá trên thị trường dầu thô Ở Việt Nam, trong những năm gần đây, có ảnh hưởng tương đối nhỏ đến biến động của một số tác giả đã sử dụng mô hình ARIMA hoặc giá dầu thô; tác giả Bùi Hữu Phước và cộng sự mô hình GARCH trong các công trình nghiên với công trình 'Asset Price Volatility of Listed cứu của mình: Tác giả Võ Xuân Vinh và cộng Companies in the Vietnam Stock Market',26 sự với công trình 'Volatility in stock return nghiên cứu đo độ biến động giá cổ phiếu của series of Vietnam stock market',17 bài báo một số công ty trên thị trường chứng khoán Việt nghiên cứu các đặc điểm của sự biến động lợi Nam. Các tác giả đã sử dụng các mô hình AR, nhuận của VNIndex qua việc sử dụng mô hình ...