Professional Documents
Culture Documents
Phần 2
Phần 2
Phần 2
Ký hiệu Ý nghĩa
Bảng 2.1. Kiểm định tính dừng bằng thuật toán dfuller
Thông qua dữ liệu phân tích từ hai bảng 2.2.1, bởi vì giá trị tuyệt đối của Test Statistic nhỏ
hơn tất cả các giá trị tuyệt đối của thông số ứng với các mức ý nghĩa 1%,5% và 10%, nên ta kết
luận đây là chuỗi chưa dừng.
Bảng 2.2. Kiểm định tính dừng bằng dfuller đối với sai phân bậc 1
Phillips-Perron test for unit root Number of obs = 51
Newey-West lags = 3
Bảng 2.3. Kiểm định tính dừng bằng pperron đối với sai phân bậc 1
Bằng cả hai kiểm định của Dickey- Fuller và Phillips – Perron, hệ số thống kê Test Statistic
có giá trị tuyệt đối lớn hơn tất cả các giá trị tuyệt đối của thông số ứng với các mức ý nghĩa
1%,5% và 10%, nên ta kết luận đây là chuỗi đã dừng. Ở đây t-sta = -6.593 đối với thuật toán
dfuller và đối với pperron cũng tương tự.
2. Kiểm định tính dừng cho dữ liệu chuyển đổi thành logarit
Bảng 2.4. Kiểm định tính dừng bằng dfuller dữ liệu logarit
Tương tự với dữ liệu logarit, xác định chuỗi VNIndex dù đã chuyển đổi thành logarit nhưng
chuỗi ban đầu vẫn chưa dừng.
Bảng 2.5. Kiểm định tính dừng bằng dfuller dữ liệu logarit đối với sai phân bậc 1
Bảng 3.1. Giản đồ tương quan của sai phân bậc 1 của chuỗi dữ liệu
Dựa trên giản đồ tương quan đã lấy sai phân, thông qua 24 độ trễ của mô hình, đối với hàm
PACF cho ra kết quả có 4 hoặc 5 độ trễ có ý nghĩa thống kê tại mức ý nghĩa 5%, vậy nên p = 4
hoặc p = 5. Tương tự, giá trị của q xác định dựa trên hàm ACF, giá trị của q chỉ có thể là = 4.
4.2.4. Hồi quy mô hình bằng phương pháp ARIMA và kiểm định phần dư
- Mô hình ARIMA (4;1;4) kết hợp phương pháp nội dung thông tin
Log likelihood = -259.4801
OPG
D.c Coef. Std. Err. z P>z [95% Conf. Interval]
c
_cons -5.702473 2.870132 -1.99 0.047 -11.32783 -.0771166
ARMA
ar
L1. .0593791 .2134093 0.28 0.781 -.3588955 .4776537
L2. -.0820024 .2355719 -0.35 0.728 -.5437148 .3797101
L3. -.0083583 .314805 -0.03 0.979 -.6253649 .6086482
L4. .4311861 .224793 1.92 0.055 -.0094001 .8717722
ma
L1. .0717191 . . . . .
L2. -.0167996 .9862326 -0.02 0.986 -1.94978 1.916181
L3. -.071718 .2825903 -0.25 0.800 -.6255847 .4821488
L4. -.9831973 .2291751 -4.29 0.000 -1.432372 -.5340225
/sigma 33.35971 . . . . .
- Mô hình ARIMA (5;1;4) kết hợp phương pháp nội dung thông tin
Log likelihood = -259.1231
OPG
D.c Coef. Std. Err. z P>z [95% Conf. Interval]
c
_cons -6.441308 7.140689 -0.90 0.367 -20.4368 7.554185
ARMA
ar
L1. -.579002 1.360493 -0.43 0.670 -3.245518 2.087514
L2. -.3426844 .499777 -0.69 0.493 -1.322229 .6368605
L3. -.8386435 .4929011 -1.07 0.089 -1.804712 .127425
L4. -.4631566 1.018907 -0.45 0.649 -2.460178 1.533865
L5. .0589939 .4091758 0.14 0.885 -.742976 .8609638
ma
L1. .7360404 2145.984 0.00 1.000 -4205.315 4206.787
L2. .5421306 .9862326 0.00 0.999 -1156.032 1157.116
L3. 1.133783 .2825903 0.00 1.000 -3940.232 3942.5
L4. .3276865 .2291751 0.00 1.000 -1514.972 1515.628
/sigma 32.92347 38820.32 0.00 0.500 0 76119.35
Eigenvalue Modulus
-.9999995 .83576
.999999 .83576
-.03585928 + .9909152i .796515
-.03585928 - .9909152i .77501
Bảng 5.5.1. Bảng xác định thông số AR và MA