Tải bản đầy đủ

tiểu luận dự báo kinh tế dự báo tỷ giá hối đoái VNĐUSD từ tháng 11 năm 2019 đến tháng 04 năm 2020

1. Khảo sát dữ liệu
1.1. Khảo sát chuỗi exchange
Chuỗi dữ liệu mà nhóm tiến hành khảo sát là tỷ giá hối đoái yết giá trực tiếp
(VNĐ/USD) của Việt Nam theo tháng với nguồn số liệu từ Bloomberg LP được tổng
hợp bởi Ngân hàng phát triển châu Á (Asian Development Bank) tại link:
https://aric.adb.org. Ở trong bài này, nhóm nghiên cứu đặt mã ký hiệu cho chuỗi là
exchange.
Dưới đây là mô tả thống kê của chuỗi exchange:
Số quan sát Giá trị trung bình Giá trị lớn nhất Giá trị nhỏ nhất Độ lệch chuẩn
166
20138.710
23355.348
15907.190
2534.806
Bảng 1. Mô tả thống kê chuỗi exchange

Từ Bảng 1, chuỗi exchange có 166 quan sát trong khoảng thời gian từ tháng 1
năm 2006 đến tháng 10 năm 2019. Giá trị trung bình của chuỗi là 20138.710
VNĐ/USD. Giá trị nhỏ nhất của chuỗi là 15907.190 VNĐ/USD tương ứng với tháng 3
năm 2008. Giá trị lớn nhất của chuỗi là 23355.348 VNĐ/USD tương ứng với tháng 5
năm 2019. Độ lệch chuẩn của chuỗi là 2534.806.

Tiếp theo, ta có biểu đồ mô tả chuỗi exchange như Hình 1:
EXCHANGE
24,000
23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000
06

07

08

09

10

11

12

13

14

15

16

17

18 19

Hình 1. Đồ thị mô tả chuỗi exchange theo dòng thời gian


Từ Hình 1, biểu đồ cho ta thấy chuỗi exchange có tính xu thế.
Để xét xem liệu chuỗi có tính mùa vụ hay không, nhóm tiến hành vẽ đồ thị của
chuỗi exchange theo mùa vụ và được kết quả như Hình 2:


EXCHANGE by Season
24,000
23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000

Jan

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

Means by Season

Hình 2. Đồ thị theo mùa của chuỗi exchange

Nhận thấy, các giá trị trung bình theo mùa không có quá nhiều chênh lệch. Do
đó, chuỗi exchange không có tính mùa vụ.
Xem xét tính dừng của chuỗi exchange, nhóm tiến hành sử dụng kiểm định Unit
Root Test với các giả thuyết:
0:
1:

Chuỗi không dừng

Chuỗi dừng

Kết quả của kiểm định Unit Root Test cho thấy p-value lớn (= 0.6481) nên
chuỗi exchange không có tính dừng.
Tóm lại: chuỗi exchange có tính xu thế, không có tính dừng và tính mùa vụ.
1.2. Khảo sát chuỗi sai phân bậc 1 của chuỗi exchange
Vì chuỗi exchange không có tính dừng nên nhóm tiến hành kiểm định tính dừng
cho chuỗi d(exchange) và thu được kết quả là p-value nhỏ (=0.0000), tức là chuỗi
d(exchange) là chuỗi dừng. Do đó mà nhóm tiến hành khảo sát thêm chuỗi sai phân bậc
1 này để sử dụng trong quá trình dự báo của mình.

Trong bài dự báo này, vì kỹ năng sử dụng Eviews còn hạn chế, nhóm sẽ linh
hoạt sử dụng dexchange như là mã ký hiệu của sai phân bậc 1 của chuỗi exchange
trong trường hợp cần thiết, nếu không thì nhóm sẽ sử dụng trực tiếp d(exchange).
Ta có đồ thị theo dòng thời gian của chuỗi d(exchange) như Hình 3:


D(EXCHANGE)
1,000
800
600
400
200
0
-200
-400
06

07

08

09

10

11

12

13

14

15

16

17

18

19

Hình 3. Đồ thị mô tả chuỗi d(exchange) theo dòng thời gian

Qua Hình 3, nhóm chỉ kết luận được chuỗi d(exchange) có tính dừng và không
có tính xu thế. Vì thế nhóm vẽ thêm đồ thị của chuỗi dexchange theo mùa vụ và thu
được đồ thị như Hình 4:
DEXCHANGE by Season
1,000
800
600
400
200
0
-200
-400

Jan

Feb

Mar

Apr

May

Jun

Jul

Aug

Sep

Oct

Nov

Dec

Means by Season

Hình 4. Đồ thị theo mùa của chuỗi dexchange

Từ Hình 4, nhận thấy rằng các giá trị trung bình theo mùa vụ có sự chênh lệch
nhau chưa thực sự rõ ràng, do đó nhóm thực hiện thêm kiểm định Kruskal – Wallis để
kiểm định tính mùa vụ của chuỗi dexchange rằng: Liệu chuỗi có thực sự có tính mùa
vụ hay không? Nếu có thì sẽ tuân theo mô hình nhân hay mô hình cộng?


Đây là số liệu theo tháng nên nếu có mùa vụ thì sẽ có 12 mùa vụ.
Đầu tiên, nhóm tiến hành tính giá trị trung bình trượt của dexchange (ký hiệu:
cma) và tạo chuỗi tỷ số theo mô hình nhân (ký hiệu: sim), chuỗi chênh lệch theo mô
hình cộng (ký hiệu: sia) và biến lưu mã các mùa vụ theo tháng ( tương ứng với câu
lệnh trong Eviews: genr month=@month)
Ta có:
cma =

0.5



(−6)+∑

5
=−5



( )+0.5



(6)

12

sim =
sia=







Thực hiện kiểm định Kruskal – Wallis đối với chuỗi tỷ số sim và chuỗi chênh
lệch theo các giả thuyết sau:
H0: Chuỗi không có yếu tố mùa vụ
H1: Chuỗi có yếu tố mùa vụ

Kết quả kiểm định thu được như sau:
Chuỗi kiểm định

p-value

sim – Mô hình nhân

0.1591

sia – Mô hình cộng

0.2629
Bảng 2. Kết quả kiểm định Kruskal - Wallis

Nhận thấy, cả hai giá trị p-value ở Bảng 2 đều lớn nên suy ra chuỗi dexchange
không có tính mùa vụ.
Tóm lại: chuỗi d(exchange) có tính dừng, không có tính xu thế và tính mùa vụ.
2. Lựa chọn phương pháp dự báo
Nhóm tiến hành dự báo giá trị 6 tháng tiếp theo của chuỗi exchange (các tháng
là 11 và 12 năm 2019, các tháng 1,2,3,4 năm 2020)
Chuỗi exchange có tính xu thế (tuy nhiên thay đổi rất chậm theo thời gian), không
có tính dừng và tính mùa vụ nên có thể lựa chọn các phương pháp dự báo sau đây:

-

San mũ đơn
San mũ kép
San mũ Holt
Phân tích thành phần chuỗi thời gian

Chuỗi d(exchange) có tính dừng, không có tính xu thế và tính mùa vụ nên có
thể lựa chọn phương pháp dự báo bằng mô hình ARIMA để dự báo cho exchange.


2.1. San mũ đơn
Phương pháp này thích hợp với chuỗi không thay đổi hoặc thay đổi rất chậm
theo thời gian (không có xu hướng T và mùa vụ S).
Giá trị dự báo tại thời điểm bất kỳ là giá trị trung bình có trọng số của tất cả các
giá trị có sẵn trước đó.
Trong đó:

=

1

1

+ (1 − )

=

−1

- giá trị san tại thời điểm t;

– hằng số san sao cho RMSE nhỏ

nhất.
Chuỗi san mũ đơn được dùng để dự báo có công thức:
̂

+ℎ=

Trong đó: n là quan sát cuối cùng của chuỗi thời gian.
h là số quan sát cần được dự báo.
2.2. San mũ kép
San mũ kép là lặp lại lần hai của san mũ đơn, với là hằng số san sao cho RMSE
nhỏ nhất.
+(1)
Chuỗi san mũ kép được dùng để dự báo có công thức:
=( ) =

−1

=

+ℎ

Trong đó:

=2

+ℎ = 1

+ 2ℎ

-

1

(-)

=
2

1−

2.3. San mũ Holt
Phương pháp san mũ Holt dùng để dự báo chuỗi có yếu tố xu thế T bằng cách
loại bỏ được yếu tố xu thế T.
Ký hiệu:

T
t

là ước lượng của phần xu thế ở thời kỳ t
là ước lượng giá trị trung bình hiện tại của Y ở thời kì t

Ynh

là giá trị dự báo của Y sau h giai đoạn trong tương lai


Ta có:
+ (1 − )(

=



= (

̂

−1)

−1

+

+ (1 − )

−1)
−1

+h
Với , là hằng số san sao cho RMSE nhỏ nhất.

+ℎ

=

2.4. Phân tích thành phần chuỗi thời gian
Bước 1: Nhận dạng dữ liệu
Theo kết quả khảo sát ở mục 1.1. thì chuỗi exchange có tính xu thế, không có
tính dừng và tính mùa vụ.
Bước 2: Tách yếu tố mùa vụ.
Vì chuỗi exchange không có tính mùa vụ nên bỏ qua bước này.
Bước 3: Ước lượng chuỗi exchange bằng hàm xu thế.
Bước 3.1: Tạo biến xu thế t
Bước 3.2: Ước lượng chuỗi exchange theo t
Gõ lệnh ls exchange c t là lệnh ước lượng theo hàm xu thế tuyến tính. Gõ tương
tự với các dạng hàm xu thế khác.
Bước 3.3: Kiểm định mô hình ước lượng
-

Mô hình có ý nghĩa không?
Kiểm định bỏ sót biến
Kiểm định tự tương quan LM của Breusch – Godfrey
Kiểm định phương sai sai số White test
Kiểm định phân phối chuẩn của sai số Jarque – Bera

Nếu mô hình ước lượng không vượt qua được các kiểm định, xem xét lại mô hình
2

3

ở bước 3.2, có thể cho thêm t , t hoặc các dạng khác của hàm xu thế.
Bước 4: Dự báo chuỗi gốc
2.5. Phương pháp dự báo bằng mô hình ARIMA
Mô hình ARIMA bậc p, d, q là mô hình với:
AR(p) là mô hình tự tương quan bậc p
Y(d) là chuỗi dừng khi lấy sai phân bậc d
MA(q) là mô hình trung bình trượt bậc q
có phương trình là:
Y(d) = c + Φ1Y(d)t-1 + … + ΦpY(d)t-p + θ1ut-1 + … + θqut-q + ut 10


Các bước tiến hành:
Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo.
Bước 2: Xác định độ trễ p, q.
Bước 3: Ước lượng mô hình và kiểm định mô hình.
Bước 4: Kiểm tra mô hình và các điều kiện giả định của mô hình:
-

Độ trễ cao nhất có ý nghĩa thống kê hay không? Nếu không, giảm bớt độ trễ
p, q.
Nhiễu trắng (nhiễu không tự tương quan).
Chất lượng dự báo. Sau đây là các tiêu chí lựa chọn mô hình ARIMA:
o Phần dư của mô hình dự báo phải là một chuỗi ngẫu nhiên.
o Tiêu chí AIC/ SBC/ HQ càng nhỏ càng tốt.
o Sai số dự báo càng nhỏ càng tốt
o Đồ thị so sánh giá trị dự báo với giá trị thực tế thì xem xét các
bước ngoặt và xu hướng của giá trị dự báo và giá trị thực ở những
giai đoạn gần hiện tại nhất.
o Mô hình nào có nhiều hệ số có ý nghĩa thống kê hơn

Bước 5: Dự báo ngoài mẫu
3. Kết quả dự báo
3.1. San mũ đơn

Từ cửa sổ Series: exchange, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing
method, chọn Single. Chuỗi san kép là exchanges.
Ta thu được kết quả dự báo như Bảng 3:
Hằng số san
RMSE
Mean

0.9990
216.9395
23203.00
Bảng 3. Kết quả dự báo san mũ đơn

Trên cửa sổ Command, dùng lệnh line exchange exchanges có biểu đồ như Hình
5 dưới đây:


24,000
23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000
06

07

08

09

10

11

12

EXCHANGE

13

14

15

16

17

18

19 20

EXCHANGES

Hình 5. Biểu đồ so sánh exchange và
exchanges 3.2. San mũ kép
Từ cửa sổ Series: exchange, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing
method, chọn Double. Chuỗi san kép là exchanged.
Ta thu được kết quả dự báo như Bảng 4:
Hằng số san
RMSE
Mean

1

Trend

2

0.5980
168.1324
23199.45
-12.99760
Bảng 4. Kết quả dự báo san mũ kép

Trên cửa sổ Command, dùng lệnh line exchange exchanged có biểu đồ như
Hình dưới đây:

12


24,000

22,000

20,000

18,000

16,000

14,000
06

07

08

09

10

11

12

EXCHANGE

13

14

15

16

17

18

19 20

EXCHANGED

Hình 6. Biểu đồ so sánh exchange và
exchanged 3.3. San mũ Holt
Trên cửa sổ Series: exchange, vào Proc/ Exponential Smoothing/ Simple
Exponential Smoothing. Trên cửa sổ Exponential Smoothing, trong phần Smoothing
method, chọn Holt – Winters – No seasonal. Chuỗi san Holt là exchangeh.
Ta thu được kết quả dự báo như Bảng :
Hằng số san
Hằng số san
RMSE
Giá trị trung bình
Giá trị

1.0000
0.0400
127.5002
23203.00
20.98676
Bảng 5. Kết quả dự báo san mũ Holt

Trên cửa sổ Command dùng lệnh line exchange exchangeh có biểu đồ như Hình
7 dưới đây:

13


24,000
23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000
06

07

08

09

10

11

12

EXCHANGE

13

14

15

16

17

18

19 20

EXCHANGEH

Hình 7. Biểu đồ so sánh exchange và
exchangeh 3.4. Phương pháp phân tích chuỗi thời gian
Bước 1: Nhận dạng dữ liệu
Chuỗi exchange có tính xu thế, không có tính dừng và tính mùa vụ.
Bước 2: Tách yếu tố mùa vụ
Bỏ qua Bước 2 vì chuỗi exchange không có tính mùa vụ.
Bước 3: Ước lượng chuỗi exchange theo hàm xu thế.
Ước lượng exchange theo biến T Trên cửa sổ Command:
Gõ lệnh genr t = @trend(2005M12) để tạo biến xu thế t
Gõ lệnh ls exchange c t để ước lượng exchange theo biến t, thu được bảng kết
quả như Bảng 6:
Biến
Hệ số
p-value
C
15900.470 0.0000
T
50.757
0.0000
Bảng 6. Kết quả hồi quy phân tích số 1
Ta có mô hình hồi quy số 1: ℎ = 15900.47 + 50.757 Kiểm định giả thuyết thống
̂

kê và hệ số hồi quy. Cặp giả thuyết: { 0

:=0

1:

≠0

14


Với mức ý nghĩa

cho trước, nếu p-value <

Theo kết quả ước lượng, với





Bác bỏ

0,

chấp nhận

0

= 0.05, ta thấy:

Hệ số chặn của T có p-value = 0.0000 <


thì bác bỏ

= 0.05

1

Hệ số hồi quy của T có ý nghĩa thống kê
Mô hình có ý nghĩa thống kê tại mức ý nghĩa = 0.05

Kiểm định bỏ sót biến

Cặp giả thuyết: {

0:

ô ℎì ℎ ℎô

ỏ ó

ế

1:

ô ℎì ℎ ℎ ế

ế

Trên cửa sổ ước lượng, vào View/ Stability Diagnostics/ Ramsey RESET test.
Ta có kết quả như Bảng 7:
Giá trị
df
p-value
t-statistic
13.44327
163
0.0000
F-statistic
180.7214
(1,163)
0.0000
Likelihood ratio
123.8495
1
0.0000
Bảng 7. Kiểm định bỏ sót biến số 1
Theo kết quả kiểm định, ta thấy p-value = 0.0000 <




Bác bỏ

0,

chấp nhận

= 0.05

1

OLS bị vi phạm, mô hình bị bỏ sót biến

2

3

4

5

Ước lượng lại exchange theo t, t , t , t , t , t

6

Trên cửa sổ Command, gõ lệnh ls exchange c t t^2 t^3 t^4 t^5 t^6
Ta thu được bảng kết quả như Bảng 8:
Biến
Hệ số
p-value
C
16554.51
0.0000
T
-141.1549 0.0000
T^2
6.922075
0.0000
T^3
-0.076288 0.0178
T^4
0.000178
0.6082
T^5
1.45E-06
0.4205
T^6
-6.21E-09 0.0844
Bảng 8. Kết quả hồi quy phân tích số 2
Ta có mô hình hồi quy số 2:
̂

2

3

− 0.076288


= 16554.51 − 141.1549

+ 6.922075

+ 145 − 06

5

− 6.21 − 09

6

Kiểm định giả thuyết thống kê về hệ số hồi quy

15

4

+ 0.000178


Cặp giả thuyết: {
:
0

=0
1:

≠0

Với mức ý nghĩa cho trước, nếu p-value < thì bác bỏ
Theo kết quả ước lượng, với = 0.05, ta thấy:
Biến
T

p-value
0.0000<0.05
0.0000<0.05
0.0178<0.05
0.6082>0.05
0.4205>0.05
0.0844>0.05

T2
T3
4

T
5
T
6
T

Kết luận
Có ý nghĩa thống kê
Có ý nghĩa thống kê
Có ý nghĩa thống kê
Không có ý nghĩa thống kê
Không có ý nghĩa thống kê
Không có ý nghĩa thống kê

0

Bác bỏ
Bác bỏ
Bác bỏ
Không bác bỏ
Không bác bỏ
Không bác bỏ
4

5

0

6

Hệ số hồi quy của biến T , T , T không có ý nghĩa thống kê nhưng không có
cơ sở để loại ba biến này ra khỏi mô hình.
Mô hình có ý nghĩa thống kê tại mức ý nghĩa = 0.05, vì có ba hệ số hồi quy
của biến độc lập khác 0.
Kiểm định bỏ sót biến

Cặp giả thuyết: {

0:

ô ℎì ℎ ℎô

ỏ ó

ế

1:

ô ℎì ℎ ℎ ế

ế

Trên cửa sổ ước lượng, vào View/ Stability Diagnostics/ Ramsey RESET test.
Ta có kết quả như Bảng 9:
Giá trị
df
p-value
t-statistic
1.337629
158
0.1829
F-statistic
1.789250
(1,158)
0.1829
Likelihood ratio
1.869281
1
0.1716
Bảng 9. Kiểm định bỏ sót biến số 2
Theo kết quả kiểm định, ta thấy p-value = 0.1829 >




Không có cơ sở bác bỏ

= 0.05

0

OLS không bị vi phạm, mô hình không bị bỏ sót biến.

Kiểm định phân phối chuẩn của nhiễu
Cặp giả thuyết: {

0:
1:

ℎ ễ

ℎô

ℎâ

ℎố

ℎ ễ

ℎâ

ℎố

ℎ ẩ

ℎ ẩ

Trên cửa sổ ước lượng, vào View/ Residual Diagnostics/ Histogram Normality
Test.
Theo kết quả kiểm định, ta thấy: p-value = 0.005588 <




Bác bỏ

0

, chấp nhận

1

Nhiễu không phân phối chuẩn

Kiểm định phương sai sai số thay đổi
16

= 0.05


Cặp giả thuyết: {

0
1:

: ℎươ

ố ℎô

đổ
ố ℎ

ℎươ

đổ

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Heteroskedasticity
Test/ White
Theo kết quả kiểm định, ta thấy: p-value = 0.0001 <
Bác bỏ



0,

chấp nhận

= 0.05

1

Phương sai sai số thay đổi



Kiểm định tự tương quan

Cặp giả thuyết: {

0:

ô ℎì ℎ ℎô

ó ự ươ

1:

ô ℎì ℎ ó ự ươ

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Serial Correlation LM
test. Theo kết quả kiểm định, ta thấy p-value = 0.0000 < = 0.05
 Cả 3 giả thuyết OLS bị vi phạm
2

3

Ước lượng lại exchange theo t, t , t , log(t), 1/t
Trên cửa sổ Command, gõ lệnh ls exchange c t t^2 t^3 log(t) 1/t
Ta thu được bảng kết quả như Bảng 10:
Biến
Hệ số
p-value
C
22162.25
0.0000
T
329.8830
0.0000
T^2
-2.082304 0.0000
T^3
0.005238
0.0000
log(T) -3893.451 0.0000
1/T
-6990.264 0.0000
Bảng 10. Kết quả hồi quy phân tích số 3
Ta có mô hình hồi quy số 3:
2


+ 0.005238

3

= 22162.25 + 329.8830 − 2.082304

6990.264

− 3893.451 log( ) −

Kiểm định giả thuyết thống kê về hệ số hồi quy
Cặp giả thuyết: { 0

: =0
: ≠0

1

Với mức ý nghĩa

cho trước, nếu p-value <

thì bác bỏ

0

Theo kết quả ước lượng, với = 0.05, ta nhận thấy tất cả các hệ số hồi quy đều
có p-value = 0.0000 < = 0.05

Mô hình có ý nghĩa thống kê tại mức ý nghĩa = 0.05 ở tất cả các biến
17


Kiểm định bỏ sót biến

Cặp giả thuyết: {

0:

ô ℎì ℎ ℎô

ỏ ó

ế

1:

ô ℎì ℎ ℎ ế

ế

Trên cửa sổ ước lượng, vào View/ Stability Diagnostics/ Ramsey RESET test.
Ta có kết quả như Bảng 11:
Giá trị
df
p-value
t-statistic
1.337629
159
0.1777
F-statistic
1.789250
(1,159)
0.1777
Likelihood ratio
1.869281
1
0.1677
Bảng 11. Kiểm định bỏ sót biến số 3
Theo kết quả kiểm định, ta thấy p-value = 0.1777 >




Không có cơ sở bác bỏ

= 0.05

0

OLS không bị vi phạm, mô hình không bị bỏ sót biến.

Kiểm định phân phối chuẩn của nhiễu
Cặp giả thuyết: {

0:
1:

ℎ ễ

ℎô

ℎâ

ℎố

ℎ ễ

ℎâ

ℎố

ℎ ẩ

ℎ ẩ

Trên cửa sổ ước lượng, vào View/ Residual Diagnostics/ Histogram Normality
Test.
Theo kết quả kiểm định, ta thấy: p-value = 0.099276 >




Không bác bỏ

= 0.05

0

Nhiễu phân phối chuẩn

Kiểm định phương sai sai số thay đổi
: ℎươ
ố 0ℎô
đổ

Cặp giả thuyết: {
1:

ố ℎ

ℎươ

đổ

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Heteroskedasticity
Test/ White
Theo kết quả kiểm định, ta thấy: p-value = 0.0006 <




Bác bỏ

0,

chấp nhận

= 0.05

1

Phương sai sai số thay đổi tại mức ý nghĩa = 0.05

Kiểm định tự tương quan

Cặp giả thuyết: {

0:

ô ℎì ℎ ℎô

ó ự ươ

1:

ô ℎì ℎ ó ự ươ

Trên cửa sổ ước lượng vào View/ Residual Diagnostics/ Serial Correlation LM
test. Theo kết quả kiểm định, ta thấy p-value = 0.0000 < = 0.05


Bác bỏ

0,

chấp nhận

1

18


 Mô hình mắc khuyết tật tự tương quan tại mức ý nghĩa = 0.05
Vậy mô hình phân tích theo chuỗi thời gian số 3 mắc khuyết tật phương sai sai
số thay đổi và tự tương quan
Trên cửa sổ ước lượng, chọn Estimate. Trên cửa sổ Estimate Equation, trong
phần Methods chọn ROBUSTLS – Robust least squared. Lúc này có nghĩa là nhóm đã
dùng hồi quy Robust để kiểm soát khuyết tật phương sai sai số thay đổi và tự tương
quan và thu được kết quả hồi quy như Bảng 12:
Biến
Hệ số
p-value
C
21842.82
0.0000
T
309.2111
0.0000
T^2
-1.890118 0.0000
T^3
0.004643
0.0000
log(T) -3670.906 0.0000
1/T
-6557.569 0.0000
Bảng 12. Kết quả hồi quy đã sử dụng Robust
Bước 4: Dự báo chuỗi gốc
Trên cửa sổ ước lượng, ta chọn Forecast, cụ thể trong phần Forecast Sample
chọn mẫu từ 2006M01 2019M10. Ta có kết quả như Hình 8:
24,000

Forecast: EXCHANGEF
Actual: EXCHANGE
Forecast sample: 2006M01 2019M10
Included observations: 166
Root Mean Squared Error
352.3218
Mean Absolute Error
272.5097
Mean Abs. Percent Error
1.406271
Theil Inequality Coefficient 0.008684
Bias Proportion
0.002651
Variance Proportion
0.006168
Covariance Proportion
0.991181

23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000
06

07

08

09

10

11

12

EXCHANGEF

13

14

15

16

17

18

19

± 2 S.E.

Hình 8. Dự báo trong mẫu của
exchangef Từ Hình 8, ta thấy: MAPE =1.406271 < 5
Tức là sai số dự báo < 5% => Có thể sử dụng mô hình này để dự báo ngoài
mẫu. Mở lại cửa sổ Forecast. Trong phần Forecast sample chọn mẫu là 2006M01
2020M04. Ta thu được chuỗi dự báo exchangef.
Trên cửa sổ Command gõ lệnh line exchange exchangef thu được kết quả như
Hình 9:

19


24,000
23,000
22,000
21,000
20,000
19,000
18,000
17,000
16,000
15,000
06

07

08

09

10

11

12

13

EXCHANGE

14

15

16

17

18

19 20

EXCHANGEF

Hình 9. Biểu đồ so sánh exchange và exchangef
3.5. Phương pháp dự báo bằng mô hình ARIMA
Bước 1: Kiểm tra tính dừng của chuỗi cần dự báo.
Như đã khảo sát ở mục 1, chuỗi exchange không dừng nhưng chuỗi sai phân bậc
1 của exchange có tính dừng.

Bước 2: Xác định độ trễ p, q.
Trên cửa sổ Series: exchange vào View/ Correlogram. Trên cửa sổ Correlogram
Specification chọn Corelogram of 1st difference và thu được kết quả như Hình 10:
Hình 10. Giản đồ tự tương quan và giản đồ tự tương quan riêng phần

20


Trên đồ thị tương quan riêng phần, tồn tại hai hệ số khác 0 có ý nghĩa thống kê
tại các độ trễ 1, 11 và vượt khỏi đường biên. Vậy p có thể mang giá trị là 1 hoặc 11.
Tương tự, trên đồ thị tương quan ACF, tồn tại hai số khác 0, có ý nghĩa thống kê
tại các độ trễ 1, 20 và vượt khỏi đường biên. Vậy q có thể mang giá trị 1 hoặc 20.
Như vậy, ta có mô hình ARIMA với:
p = 1 hoặc 11 (độ trễ của AR)
q = 1 hoặc 20 (độ trễ của MA)
Bước 3: Ước lượng mô hình và kiểm định khuyết tật.
Ước lượng mô hình
Nhóm tiến hành ước lượng các mô hình theo lệnh trong Eviews rồi thực hiện
kiểm định phân phối chuẩn của nhiễu là kiểm định đầu tiên. Các mô hình như sau:
Mô hình 1: ls d(exchange) c ar(1)
Mô hình 2: ls d(exchange) c ar(11)
Mô hình 3: ls d(exchange) c ma(1)
Mô hình 4: ls d(exchange) c ma(20)
Mô hình 5: ls d(exchange) c ar(1) ar(11)
Mô hình 6: ls d(exchange) c ar(1) ma(1)
Mô hình 7: ls d(exchange) c ar(1) ma(20)
Mô hình 8: ls d(exchange) c ar(11) ma(1)
Mô hình 9: ls d(exchange) c ar(11) ma(20)
Mô hình 10: ls d(exchange) c ma(1) ma(20)
Mô hình 11: ls d(exchange) c ar(1) ar(11) ma(1)
Mô hình 12: ls d(exchange) c ar(1) ar(11) ma(20)
Mô hình 13: ls d(exchange) c ar(1) ma(1) ma(20)
Mô hình 14: ls d(exchange) c ar(11) ma(1) ma(20)
Mô hình 15: ls d(exchange) c ar(1) ar(11) ma(1) ma(20)
21


Ta có bảng kết quả như Bảng – 2. – Phụ lục. Nhận thấy, tất cả các mô hình đều
mắc khuyết tật phương sai sai số thay đổi, riêng mô hình 2 không có ý nghĩa. Do đó,
nhóm không tiến hành dự báo bằng phương pháp ARIMA cho chuỗi exchange.
4. Kết luận
Chọn các chuỗi exchange, exchanges, exchanged, exchangeh, exchangef: click
phải chuột chọn Open/ as Group
Chọn các số liệu là kết quả của các phương pháp dự báo, ta có bảng số liệu như
Bảng 13:
2019M11
2019M12
2020M01
2020M02
2020M03
2020M04

exchange exchanges exchanged exchangeh
NA 23203.00 23186.45 23223.99
NA 23203.00 23173.46 23244.97
NA 23203.00 23160.46 23265.96
NA 23203.00 23147.46 23286.95
NA 23203.00 23134.46 23307.93
NA 23203.00 23121.47 23328.92
Bảng 13. Tổng hợp giá trị dự báo

exchangef
23564.61
23609.73
23655.88
23703.09
23751.37
23800.76

Để so sánh các mô hình dự báo: Nhóm tiến hành gõ lệnh tính toán MAPE và
RMSE của các chuỗi trên bằng 2 câu lệnh như sau:
genr rmse = @sqrt(@mean((exchange-*chuỗi exchange đã dự báo*)^2))
genr mape=@mean(@abs((exchange-*chuỗi exchange đã dự báo*)/exchange))
Trong đó, chuỗi exchange đã dự báo lần lượt là: exchanges, exchanged,
exchangeh, exchangef.
Nhóm đã tổng hợp kết quả lại thành Bảng 14 dưới đây:
Chuỗi dự báo

RMSE

MAPE

exchanges

216.9395

0.004548

exchanged

168.1324

0.005176

exchangeh

127.5002

0.004281

exchangef

352.3218

0.014063

Bảng 14. RMSE, MAPE của các chuỗi dự báo

22


Đồng thời, nhóm tiến hành gõ lệnh để xem xét các đồ thị của exchanges,
exchanged, exchangeh, exchangef so với đường gốc exchange và thu được Hình 11
dưới đây.
24,000

22,000

20,000

18,000

16,000

14,000
06

07

08

09

10

11

12

EXCHANGE
EXCHANGED
EXCHANGEF

13

14

15

16

17

18

19 20

EXCHANGES
EXCHANGEH

Hình 11. Biểu đồ so sánh các giá trị dự báo với exchange
Dựa vào kết quả từ bảng và hình trên, ta thấy phương pháp san mũ Holt có các
thông số RMSE, MAPE là nhỏ nhất, đồ thị exchangeh biểu diễn sát nhất với đồ thị của
exchange.
Vậy, để lựa chọn phương pháp dự báo tốt nhất cho chuỗi exchange trong khoảng
thời gian từ 2019M11 đến 2020M04 dựa vào bộ số liệu từ 2006M01 đến 2019M10, ta
lựa chọn phương pháp san mũ Holt.

23


PHỤ LỤC
2006M01
2006M02
2006M03
2006M04
2006M05
2006M06
2006M07
2006M08
2006M09
2006M10
2006M11
2006M12
2007M01
2007M02
2007M03
2007M04
2007M05
2007M06
2007M07
2007M08
2007M09
2007M10
2007M11
2007M12
2008M01
2008M02
2008M03
2008M04
2008M05
2008M06
2008M07
2008M08
2008M09
2008M10
2008M11
2008M12
2009M01
2009M02
2009M03
2009M04
2009M05
2009M06
2009M07
2009M08

15914.095
15923.400
15913.913
15931.450
15968.478
15983.455
15997.381
16010.261
16033.429
16061.455
16086.955
16064.048
16055.087
15992.500
16011.364
16036.571
16057.913
16114.000
16135.091
16212.391
16198.850
16083.739
16063.318
16038.762
15987.174
15955.286
15907.190
16116.227
16172.773
16523.190
16800.739
16611.667
16616.773
16710.391
16906.500
17035.391
17477.182
17482.600
17559.409
17776.364
17778.000
17795.955
17808.826
17814.333

2009M09
2009M10
2009M11
2009M12
2010M01
2010M02
2010M03
2010M04
2010M05
2010M06
2010M07
2010M08
2010M09
2010M10
2010M11
2010M12
2011M01
2011M02
2011M03
2011M04
2011M05
2011M06
2011M07
2011M08
2011M09
2011M10
2011M11
2011M12
2012M01
2012M02
2012M03
2012M04
2012M05
2012M06
2012M07
2012M08
2012M09
2012M10
2012M11
2012M12
2013M01
2013M02
2013M03
2013M04
24

17831.955
17849.818
17958.238
18465.174
18458.905
18718.800
19053.000
18997.500
18984.714
18981.909
19081.091
19260.091
19487.091
19490.524
19497.000
19495.826
19497.810
20327.450
20867.348
20853.571
20636.364
20599.909
20583.857
20755.304
20827.364
20908.619
21008.000
21014.773
20975.455
20873.762
20842.636
20837.714
20856.565
20939.667
20871.136
20861.087
20862.000
20860.043
20851.864
20845.619
20842.174
20858.300
20944.905
20909.545


2013M05
20967.783
2016M09 22304.000
2013M06
21033.650
2016M10 22311.905
2013M07
21220.087
2016M11 22456.773
2013M08
21120.682
2016M12 22718.091
2013M09
21128.952
2017M01 22592.818
2013M10
21109.174
2017M02 22722.050
2013M11
21102.714
2017M03 22793.870
2013M12
21110.455
2017M04 22708.050
2014M01
21086.435
2017M05 22714.696
2014M02
21096.650
2017M06 22714.091
2014M03
21099.429
2017M07 22732.762
2014M04
21096.500
2017M08 22729.696
2014M05
21125.636
2017M09 22727.619
2014M06
21254.952
2017M10 22721.500
2014M07
21238.000
2017M11 22717.955
2014M08
21206.667
2017M12 22711.762
2014M09
21207.318
2018M01 22704.000
2014M10
21257.087
2018M02 22712.900
2014M11
21339.950
2018M03 22775.045
2014M12
21377.739
2018M04 22783.238
2014M09
21364.545
2018M05 22774.478
2014M10
21335.200
2018M06 22845.524
2014M11
21443.455
2018M07 23098.136
2014M12
21593.773
2018M08 23294.261
2015M01
21733.762
2018M09 23304.300
2015M02
21811.909
2018M10 23343.174
2015M03
21815.304
2018M11 23318.455
2015M04
22167.190
2018M12 23283.095
2015M05
22483.409
2019M01 23196.739
2015M06
22350.636
2019M02 23204.950
2015M07
22428.952
2019M03 23200.429
2015M08
22503.261
2019M04 23215.182
2015M09
22407.095
2019M05 23355.348
2015M10
22325.667
2019M06 23342.200
2015M11
22299.609
2019M07 23221.000
2015M12
22294.238
2019M08 23212.636
2016M01
22331.500
2019M09 23204.619
2016M02
22334.864
2019M10 23203.000
2016M03
22302.476
2019M11
N/A
2016M04
22300.522
2019M12
N/A
2016M05
20967.783
2020M01
N/A
2016M06
21033.650
2020M02
N/A
2016M07
21220.087
2020M03
N/A
2016M08
21120.682
2020M04
N/A
Bảng - 1. Bảng số liệu tỷ giá hối đoái VNĐ/USD
25


c
ar(1)
ar(11)
ma(1)
ma(20)
Phân
phối
chuẩn
c
ar(1)
ar(11)
ma(1)
ma(20)
Phân
phối
chuẩn

MH1
MH2
MH3
MH4
44.363
46.192
44.094
43.228
(3.349)*** (3.964)*** (3.443)*** (3.743)***
0.270
(3.568)***
0.087
(1.068)
0.348
(4.739)***
0.196
(2.499)**
0.000
0.000
0.000

MH5
46.121
(2.780)***
0.275
(3.521)***
0.107
(1.348)

MH8
MH9
MH10
MH11
46.045
45.147
43.283
46.102
(2.929)*** (3.257)*** (2.892)*** (3.312)***
-0.309
(-1.672)*
0.121
0.096
0.112
(1.464)
(1.179)
(1.418)
0.365
0.390
0.647
(4.745)***
(5.557)*** (4.324)***
0.220
0.248
(2.729)*** (3.498)***
0.000
0.000
0.000
0.000

MH12
44.956
(2.241)**
0.286
(3.672)***
0.105
(1.337)

MH6
44.335
(3.776)***
-0.358
(-2.007)**

MH7
43.188
(2.721)***
0.284
(3.748)***

0.671
(4.740)***
0.000

0.000

0.217
(2.772)***
0.000

MH13
MH14
43.502
45.449
(3.064)*** (2.468)**
-0.108
(-0.612)
0.121
(1.479)
0.472
0.397
(3.166)*** (5.575)***
0.239
0.236
0.275
(2.968)*** (3.376)*** (3.836)***
0.000
0.000
0.000

MH15
45.546
(2.620)***
-0.07
(-0.443)
0.115
(1.401)
0.453
(3.207)***
0.264
(3.682)***
0.000

Bảng - 2. Kết quả hồi quy ARIMA và kiểm định phân phối chuẩn của nhiễu
Ghi chú: Giá trị trong ngoặc đơn là thống kê t với *,**,*** hệ số có ý nghĩa ở mức 10%, 5%, 1%
Giá trị trong phân phối chuẩn là giá trị p-value của kiểm định phân phối chuẩn của nhiễu



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×