Slides 1

0.
0.0.
PHN TCH CHU I TH I GIAN TI CHNH (Financial Time Series Analysis) Ph n 1: L thuy t phn tch chu i th i gian
Dnh cho SV Ton ng D ng / B mn Ton / i h c Hoa Sen
Tr n V c
TP.HCM, HK12.1A, 2012-2013
Phn tch chu i th i gian ti chnh
Tr n V c
0.
0.0.
"All models are wrong but some are useful" (Box)
Tr n V c
0.
0.0.
N i dung mn h c
Mn h c g m c 2 ph n 1. L thuy t phn tch chu i th i gian 2. Chu i th i gian ti chnh v cc tnh ch t
Tr n V c
0.
0.0.
Ki m tra - nh gi
1. Bi t p v nh: x l s li u th t (10%) 2. Bi ki m tra nh trn l p (10%), s l ng tu gi ng vin 3. Ki m tra gi a k (30%) 4. Ki m tra cu i k (50%)
Tr n V c
0.
0.0.
Sch tham kh o
1. Ruey S. Tsay, Analysis of Financial Time Series, Second Edition, Wiley 2005. 2. Brockwell and Davis, Introduction to Time Series and Forecasting, Second Edition, Springer, 2003. 3. Box, Jenkins and Reinsel, Time Series Analysis: Forcasting and Control, Third Edition. Prentice-Hall International, Inc., 1994.
Tr n V c
0.
0.0.
Ph n 1: L thuy t phn tch chu i th i gian

Gi i thi u nh ngha v v d M c ch c a phn tch chu i th i gian M t vi m hnh chu i th i gian cn b n Cc b c phn tch chu i th i gian Lo i b xu h ng v ma Lo i b xu h ng Lo i b ng th i c xu h ng v ma Tnh ch t n nh c a chu i th i gian (Stationarity) H s tng quan v hm t tng quan H s tng quan Hm t tng quan
Phn tch chu i th i gian ti chnh Tr n V c 6
1.Gi i thi u
1.1. nh ngha v v d
nh ngha
M t chu i tu n t theo th i gian (hay chu i th i gian - time series) l m t t p h p cc quan st xt , trong xt l quan st c ghi nh n t i th i i m t T0 . Chu i th i gian c g i l r i r c (discrete-time time series) n u T0 l t p r i r c. Chu i th i gian c g i l lin t c (continuous-time time series) n u T0 l t p lin t c, v d T0 = [0, 1]. Gio trnh ny ch c p n chu i th i gian r i r c. V d : . . .
Tr n V c
1.Gi i thi u
1.2.M c ch c a phn tch chu i th i gian
M c ch
T dy s li u (quan st) c c, xy d ng m t m hnh (model) tng ng. Xt = f (Xt1 , Xt2 , . . . , X2 , X1 , W )
D on m hnh c l ng tham s Ki m tra t t c a m hnh (godness of fit to data)
V i m hnh xy d ng c, ti n hnh lm m ph ng (simulation) ho c d bo (forecasting). Phn tch chu i th i gian khc phn tch h i quy i m no?
Tr n V c
1.Gi i thi u
1.3.M t vi m hnh chu i th i gian cn b n
nh ngha chu i th i gian

Xt bi n ng u nhin Xt theo th i gian: doanh s , dn s , gi i n, gi c phi u IJC, ch s CPI, . . . xt l m t gi tr c th quan st c c a Xt t i th i i m t. nh ngha: M t m hnh chu i th i gian (a time series model) tng ng v i dy quan st {x1 , . . . , xn } l m t dy cc bi n ng u nhin {X1 , . . . , Xn } nh n {x1 , . . . , xn } lm cc quan st, v i hm m t xc su t ng th i tng ng l F (x1 , . . . , xn ) = P[X1 x1 , . . . , Xn xn ] , < x1 , . . . , xn < , n = 1, 2, . . . Dy {X1 , . . . , Xn } c g i l qu trnh ng u nhin (stochastic process).
1.Gi i thi u
M hnh trung bnh b ng khng
Nhi u IID (IID noise) Nhi u tr ng (White noise) Chu i nh phn (Binary process) B c ng u nhin (Random Walks)
Tr n V c
10
1.Gi i thi u
nhi u IID (IID noise) I
Chu i X1 , . . . , Xn c g i l nhi u IID n u th a mn ba tnh ch t sau

(i) E (Xt ) = 0, t (ii) E (Xt2 ) = 2 , t (iii) Cc Xt c l p nhau v c cng phn ph i (IID) .
L m hnh n gi n nh t trong s cc m hnh chu i th i gian. K hi u: Xt IID(0, 2 ).
Tr n V c
11
1.Gi i thi u
nhi u IID (IID noise) II
Hnh: M t quan st c a nhi u IID v i Xt N (0, 0.25)

1.Gi i thi u
Nhi u tr ng (White noise) I
Chu i X1 , . . . , Xn c g i l nhi u tr ng n u th a mn ba tnh ch t sau

E (Xt ) = 0, t E (Xt2 ) = 2 , t Cov (Xt , Xs ) = 0 n u t = s .
K hi u: Xt WN(0, 2 ) M i nhi u IID u l nhi u tr ng, t i sao? i u ng c l i c ng khng?
Tr n V c
13
1.Gi i thi u
Nhi u tr ng (White noise) II
Hnh: M t quan st c a nhi u tr ng v i Xt N (0, 1)

1.Gi i thi u
Chu i nh phn (Binary process)
Chu i nh phn l dy cc bi n ng u nhin {Xt , t = 1, 2, . . .} v i P[Xt = 1] = p, P[Xt = 1] = 1 p , v d p = 1 . 2
K t q a thi u bng chy l m t v d v chu i nh phn.
Tr n V c
15
1.Gi i thi u
B c ng u nhin (Random walk) I
B c ng u nhin {St , t = 0, 1, 2, . . .} v i trung bnh b ng khng c thi t l p nh sau, St = X1 + X2 + . . . + Xt , trong {Xt } l nhi u IID. N u {Xt } l chu i nh phn th {St , t = 0, 1, 2, . . .} c g i l b c ng u nhin i x ng n gi n (simple symetric random walk). t = 1, 2, . . . ,
Tr n V c
16
1.Gi i thi u
B c ng u nhin (Random walk) II
Hnh: M t quan st c a b c ng u nhin i x ng n gi n - pedestrian with a coin

1.Gi i thi u
M hnh c xu h ng v ma
M hnh ch c xu h ng: red wine sales, population M hnh ch c ma M hnh c c xu h ng v ma
Tr n V c
18
1.Gi i thi u
M hnh ch c xu h ng
Xt = xu h ng + ph n d (chu i c trung bnh b ng 0). Xt = mt + Yt ,
mt : xu h ng (trend), l m t hm s theo t Yt : ph n d (residual), c trung bnh b ng 0.
Lm sao xc nh, hay c l ng mt ?
Tr n V c
19
1.Gi i thi u
M hnh ch c xu h ng

Dng phn tch h i quy
Tr n V c
20
1.Gi i thi u
M hnh ch c xu h ng

Dng phn tch h i quy Dng trung bnh tr t (Moving Average)
Tr n V c
21
1.Gi i thi u
M hnh ch c xu h ng

Dng phn tch h i quy Dng trung bnh tr t (Moving Average) Dng sai phn (Differencing)
Lm sao xc nh Yt ?
Tr n V c
22
1.Gi i thi u
M hnh ch c xu h ng

Dng phn tch h i quy Dng trung bnh tr t (Moving Average) Dng sai phn (Differencing)
Lm sao xc nh Yt ? Dng cc m hnh n nh (stationary process).
Tr n V c
23
1.Gi i thi u
M hnh ch c ma
Xt = ma + ph n d Xt = s t + Yt ,
st : ma (season), l m t hm s theo t Yt : ph n d (residual), c trung bnh b ng 0.
st l m t hm s tu n hon theo chu k d std = st .
Trong v d wine, deaths, chu k d = 12 thng. Lm sao xc nh st ?

1.Gi i thi u
M hnh c xu h ng v ma
Xt = xu h ng + ma + ph n d Xt = mt + st + Yt ,
Tr n V c
25
1.Gi i thi u
1.4.Cc b c phn tch chu i th i gian
Cc b c phn tch chu i th i gian

V th cc quan st xt v xc nh xem chu i th i gian c s hi n di n c a cc y u t no sau y:
xu h ng ma chu k d cc bi n i b t th ng c a ng cong ho c cc quan st qu xa ng cong d tnh.
Lo i b hai thnh ph n xu h ng v ma n u c c c cc ph n d Yt n nh (stationary residuals). Ch n m t d ng m hnh n nh (stationary process) x p x ph n d Yt : d a vo hm t h i quy m u (sample autocorrelation function - ACF). N u lm d bo th d bo gi tr c a ph n d Yt , sau t m hnh suy ng c l i gi tr c a Xt .
1.Gi i thi u
1.4.Cc b c phn tch chu i th i gian
Ph n 1: L thuy t phn tch chu i th i gian

Gi i thi u nh ngha v v d M c ch c a phn tch chu i th i gian M t vi m hnh chu i th i gian cn b n Cc b c phn tch chu i th i gian Lo i b xu h ng v ma Lo i b xu h ng Lo i b ng th i c xu h ng v ma Tnh ch t n nh c a chu i th i gian (Stationarity) H s tng quan v hm t tng quan H s tng quan Hm t tng quan
2.Lo i b xu h ng v ma
2.1.Lo i b xu h ng
Lo i b xu h ng
Xt m hnh c xu h ng nhng khng theo ma Xt = mt + Yt , trong Yt l chu i th i gian c E (Yt ) = 0 t. Ta mu n c l ng, t lo i b mt .

Phng php h i quy Trung bnh tr t Sai phn
Tr n V c
28
2.1.Lo i b xu h ng
Phng php h i quy I

Tm ng cong cho php x p x cc quan st x1 , x2 , . . . b ng phng php c l ng bnh phng c c ti u N u xu h ng l tuy n tnh mt = a0 + a1 t , ta tm a0 , a1 sao cho t ng bnh phng sai s sau l nh nh t
n n
S=
i=1
(xt mt )2 =
i=1
(xt a0 a1 t)2 .
N u xu h ng l m t ng cong a th c b c hai mt = a0 + a1 t + a2 t 2 , ta tm a0 , a1 , a2 sao cho t ng bnh phng sai s sau l nh nh t

n n
S=
i=1
(xt mt )2 =
i=1
(xt a0 a1 t a2 t 2 )2 .
Tr n V c 29
2.1.Lo i b xu h ng
Phng php h i quy II

Nghi m c a bi ton c l ng bnh phng c c ti u l = (T T )1 T x , a v i T l ma tr n n m, (m = 1, 2) c d ng m 1 t1 . . . t1 x1 1 t2 . . . t m x2 2 T = . . . . v x = . . . . . . . . . . . . m 1 tn . . . tn xn Sau khi c l ng c cc mt , cc ph n d Yt c tnh nh sau Yt = Xt mt .
2.1.Lo i b xu h ng
Phng php h i quy IV

V d : population USA
Hnh: D li u dn s Hoa K
2.1.Lo i b xu h ng
Phng php h i quy IV

Hnh: c l ng xu h ng mt cho d li u dn s Hoa K, phng php c l ng bnh phng c c ti u

2.1.Lo i b xu h ng
Phng php h i quy V

Hnh: D li u dn s Hoa K sau khi lo i b xu h ng

2.1.Lo i b xu h ng
c l ng xu h ng b ng trung bnh tr t I
Gi s mt tuy n tnh theo t trong o n r t nh [t q, t + q] xung quanh t. c l ng c a m t i th i i m t do b ng 1 mt = 2q + 1
q
xt+k ,
k=q
v i q < t n q. Khi cc ph n d Yt c tnh b ng Yt = Xt mt , q <t nq .
Example
c l ng v lo i b xu h ng c a chu i th i gian sau b ng phng php trung bnh tr t v i q = 1. 3 5 7 9 12 12 15 17 19 20 .
34
Tr n V c
2.1.Lo i b xu h ng
c l ng xu h ng b ng trung bnh tr t II
V d : Population USA
Hnh: c l ng xu h ng mt cho d li u dn s Hoa K b ng trung bnh tr t, q = 2

2.1.Lo i b xu h ng
c l ng xu h ng b ng trung bnh tr t III

Hnh: D li u dn s Hoa K sau khi lo i b xu h ng, phng php trung bnh tr t q = 2

2.1.Lo i b xu h ng
Lm trn b ng hm m I
Cho s [0, 1], xu h ng mt c c l ng quy n p theo cng th c mt = Xt + (1 )mt1 , t = 2, 3, . . . , n , v m1 = X1 .
Example
c l ng v lo i b xu h ng c a chu i th i gian sau b ng phng php lm trn b ng hm m 3 5 7 9 12 12 15 17 19 20 .
Tr n V c
37
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn I
Cho
l php ton c nh ngha nh sau Xt = Xt Xt1 .
Khi , V d :
c nh ngha l
...
k l n
( Xt ) = Xt 2Xt1 + Xt2 .
Tr n V c
38
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn II
Ta c nh l sau
Theorem
N u qu trnh ng u nhin {Xt } c xu h ng mt l m t a th c b c k theo t
k
Xt =
j=0
aj t j +Yt ,
mt
th qu trnh
Xt c xu h ng l m t a th c b c (k 1) theo t.
Nh v y theo nh l ny, n u xu h ng c a chu i {Xt } l a th c b c k, ta ch c n th c hi n php ton ny k l n trn {Xt }, th s lo i b c hon ton thnh ph n xu h ng mt .
Tr n V c
39
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn III

Example
c l ng v lo i b xu h ng c a chu i th i gian sau b ng phng php sai phn 3, 93 5, 31 7, 24 9, 64 12, 86 17, 06 23, 19 31, 44 38, 56 50, 19 .
Tr n V c
40
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn III

Example
c l ng v lo i b xu h ng c a chu i th i gian sau b ng phng php sai phn 3, 93 5, 31 7, 24 9, 64 12, 86 17, 06 23, 19 31, 44 38, 56 50, 19 .
Tr n V c
41
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn IV
Hnh: Sai phn 1 l n

2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn V
Hnh: Sai phn 2 l n

2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn VI
Hnh: D li u dn s Hoa K
2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn VII

Hnh: D li u dn s Hoa K, sai phn m t l n

2.1.Lo i b xu h ng
Lo i b xu h ng b ng sai phn VIII

Hnh: D li u dn s Hoa K, sai phn hai l n

2.2.Lo i b ng th i c xu h ng v ma
Lo i b ng th i c xu h ng v ma
Xt m hnh c c xu h ng v ma Xt = mt + st + Yt , t = 1, . . . , n,
d
trong EYt = 0, st+d = st v

j=1
sj = 0.
Phng php 1: c l ng r i lo i b Phng php 2: Lo i b b ng cch dng sai phn.
Tr n V c
47
Phng php 1 - I
Gi s c dy quan st l {x1 , x2 , . . . , xn } c l ng xu h ng mt b ng phng php trung bnh tr t, d d 1 v i q = n u d l s ch n, v q = n u d l s l . 2 2
N u d = 2q mt = 0, 5xtq + xtq+1 + . . . + xt+q1 + 0, 5xt+q , d q < t Nq ,
N u d = 2q + 1 mt = xtq + xtq+1 + . . . + xt+q1 + xt+q , d q < t N q .
Lo i b xu h ng Zt = xt mt , q < t < n q .
Phng php 1 - II
Tnh trung bnh c a cc Zt t i t ng th i i m c a m i chu k wk = 1 l Zk+jd , k = 1, 2, . . . , d v q < k + jd n q ,
j
trong l l t ng s h ng c a t ng. Thnh ph n ma sk c c l ng b i 1 k = wk s d v k = kd , k > d . s s Lo i b thnh ph n ma t quan st xt : dt = xt t . s Lo i b m t l n n a thnh ph n xu h ng mt t chu i {dt }.

wi , k = 1, 2, . . . , d ,
i=1
Phng php 1 - III
Example
c l ng v lo Thng (1973) S t vong Thng (1974) S t vong Thng (1975) S t vong i b c xu h ng v ma cho chu i th 1 3 5 7 9 9007 8928 10017 11317 9713 1 3 5 7 9 7750 8038 8714 10120 8743 1 3 5 7 9 8162 8124 9387 10093 8285 i gian sau 11 9161 11 8710 11 8160
Tr n V c
50
Phng php 2 - I
Lo i b ng th i ma v xu h ng b ng sai phn Php ton sai phn v i lag-d ( tr d ) c nh ngha l
d Xt
= Xt Xtd .
p d ng php ton ny cho m hnh Xt = mt + st + Yt , v i thnh ph n ma st c chu k l d , ta c

d Xt
= Xt Xtd = mt + st + Yt mtd std Ytd = (mt mtd ) + (st std ) + (Yt Ytd ) .
Tr n V c
51
Phng php 2 - II
V chu i Xt theo gi thuy t c chu k l d nn s h ng (st std ) coi nh b ng 0. Chu i d Xt do l m t chu i c lo i b ma v ch cn xu h ng d mt . p d ng cc phng php c l ng v lo i b xu h ng trnh by, ta cn l i ph n d n nh d Yt .
Tr n V c
52
Phng php 2 - III
Example
c l ng v lo i b c xu h ng v ma cho chu i th b ng phng php sai phn Thng (1973) 1 3 5 7 9 S t vong 9007 8928 10017 11317 9713 Thng (1974) 1 3 5 7 9 S t vong 7750 8038 8714 10120 8743 Thng (1975) 1 3 5 7 9 S t vong 8162 8124 9387 10093 8285 i gian sau 11 9161 11 8710 11 8160
Tr n V c
53
Phng php 2 - IV
Hnh: D li u t vong v tai n n giao thng phn 12 Xt

Hoa K sau khi l y sai
Tr n V c
54
Phng php 2 - V
Hnh: D li u t vong v tai n n giao thng xu h ng b ng sai phn 1 l n, t c 12 Xt

Hoa K sau khi lo i b
Tr n V c
55

Slides 1

Uploaded by

Copyright:

Available Formats

You might also like

Slides 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slides 1

Uploaded by

Copyright:

Available Formats

0.

TP.HCM, HK12.1A, 2012-2013

Phn tch chu i th i gian ti chnh

"All models are wrong but some are useful" (Box)

Phn tch chu i th i gian ti chnh

Mn h c g m c 2 ph n 1. L thuy t phn tch chu i th i gian 2. Chu i th i gian ti chnh v cc tnh ch t

Phn tch chu i th i gian ti chnh

Phn tch chu i th i gian ti chnh

Phn tch chu i th i gian ti chnh

Ph n 1: L thuy t phn tch chu i th i gian

Phn tch chu i th i gian ti chnh

1.2.M c ch c a phn tch chu i th i gian

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

nh ngha chu i th i gian

1.3.M t vi m hnh chu i th i gian cn b n

M hnh trung bnh b ng khng

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

nhi u IID (IID noise) I

Chu i X1 , . . . , Xn c g i l nhi u IID n u th a mn ba tnh ch t sau

L m hnh n gi n nh t trong s cc m hnh chu i th i gian. K hi u: Xt IID(0, 2 ).

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

nhi u IID (IID noise) II

Hnh: M t quan st c a nhi u IID v i Xt N (0, 0.25)

1.3.M t vi m hnh chu i th i gian cn b n

Nhi u tr ng (White noise) I

Chu i X1 , . . . , Xn c g i l nhi u tr ng n u th a mn ba tnh ch t sau

K hi u: Xt WN(0, 2 ) M i nhi u IID u l nhi u tr ng, t i sao? i u ng c l i c ng khng?

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

Nhi u tr ng (White noise) II

Hnh: M t quan st c a nhi u tr ng v i Xt N (0, 1)

1.3.M t vi m hnh chu i th i gian cn b n

Chu i nh phn (Binary process)

Chu i nh phn l dy cc bi n ng u nhin {Xt , t = 1, 2, . . .} v i P[Xt = 1] = p, P[Xt = 1] = 1 p , v d p = 1 . 2

K t q a thi u bng chy l m t v d v chu i nh phn.

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

B c ng u nhin (Random walk) I

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

B c ng u nhin (Random walk) II

Hnh: M t quan st c a b c ng u nhin i x ng n gi n - pedestrian with a coin

1.3.M t vi m hnh chu i th i gian cn b n

M hnh ch c xu h ng: red wine sales, population M hnh ch c ma M hnh c c xu h ng v ma

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

Lm sao xc nh, hay c l ng mt ?

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

Lm sao xc nh, hay c l ng mt ?

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

Lm sao xc nh, hay c l ng mt ?

Phn tch chu i th i gian ti chnh

1.3.M t vi m hnh chu i th i gian cn b n

Lm sao xc nh, hay c l ng mt ?