Professional Documents
Culture Documents
Các PP Nghiên C U
Các PP Nghiên C U
Các PP Nghiên C U
----------🙠🕮🙢---------
ĐỀ TÀI
KHẢO SÁT GIÁ CỔ PHIẾU VIC TRONG 5 NĂM GIAO DỊCH THEO
NGÀY/PHIÊN ( GIÁ MỞ CỬA), SỬ DỤNG PHƯƠNG PHÁP BOX-Jenkins
(ARIMA) DỰ BÁO TRONG 10 PHIÊN TIẾP THEO
NHÓM : 08
1.1 Giới thiệu về phân tích chuỗi thời gian và tầm quan trọng của nó trong tài chính....4
CHƯƠNG 2: ỨNG DỤNG THỰC HIỆN DỰ BÁO TRÊN THỰC TIỄN DỰA THEO
DỮ LIỆU KHẢO SÁT VỀ GIÁ CỦA VIC (VINGROUP) CỔ PHIẾU TRONG ÍT
NHẤT 5 NĂM GIAO DỊCH THEO NGÀY/ THEO PHIÊN ( GIÁ MỞ CỬA )............9
2.1.1 mô tả quy trình thu thập dữ liệu khảo sát về giá của VIC (VinGroup) cổ
phiếu trong ít nhất 5 năm giao dịch theo ngày/ theo phiên ( giá mở cửa )...............9
2.2.3. Xây dựng mô hình ARIMA Quy trình ước lượng mô hình và lựa chọn mô
hình tối ưu...............................................................................................................17
2.2.4. Kiểm tra các khuyết tật của mô hình mà chủ yếu kiểm tra tính dừng của các
sai số ngẫu nhiên và tính phân phối chuẩn của nó..................................................20
2.2.5. Dự báo..........................................................................................................21
3. Đánh giá sự ứng dụng của mô hình sau khi thực nghiệm..........................................22
3.1 So sánh với giá trị thực tế giá mở cửa của cổ phiếu VIC.................................22
KẾT LUẬN....................................................................................................................23
Hiện nay, Việt Nam đang trên đà hội nhập và phát triển. Trong thời đại công
nghiệp hóa - hiện đại hóa, nhiều vấn đề quan trọng và cấp bách được đặt ra để cùng
thực hiện mục tiêu phát triển đất nước. Và trong số đó, vấn đề bất động sản cũng được
sự quan tâm và chú trọng đầu tư rất nhiều vào nó để phát triển. Đặc biệt, những năm
gần đây, thị trường chứng khoán Việt Nam ra đời và nhanh chóng trở thành một kênh
đầu tư hấp dẫn, từ nhà đầu tư cá nhân nhỏ lẻ, cho đến các nhà đầu tư chuyên nghiệp,
các tổ chức với nhiều phong cách đầu tư khác nhau. Họ đều mong muốn lợi nhuận,
mức sinh lời cao và dĩ nhiên đi kèm cùng việc đó là rủi ro tiềm ẩn cũng không hề ít. Do
đó, việc dự báo chính xác giá của các tổ chức phân tích chứng khoán luôn được đặt lên
hàng đầu, từ phân tích kỹ thuật đến phân tích cơ bản để cho các nhà đầu tư có sách
lược và phong cách đầu tư phù hợp nhất do mình.
Thị trường cổ phiếu là một bộ phận cơ bản của thị trường chứng khoán, hoạt động
của thị trường này diễn ra khá sôi nổi và nhạy cảm, phụ thuộc vào kết quả sản xuất
kinh doanh của công ty. Với những chức năng, vai trò quan trọng của thị trường cổ
phiếu trong việc góp phần phát triển kinh tế thì việc phát triển thị trường cổ phiếu ở
Việt Nam hiện nay là thực sự cần thiết, có thể nói là nhu cầu thiết yếu giúp chúng ta
hội nhập nhanh chóng và tiến kịp với trình độ của các nước trên thế giới.
Cổ phiếu VIC là mã chứng khoán của tập đoàn Vingroup - một trong những tên
tuổi nổi tiếng và được biết đến rộng rãi trong lĩnh vực bất động sản, bán lẻ, dịch vụ và
nhiều ngành công nghiệp khác. Cổ phiếu VIC được niêm yết trên Sở Giao dịch Chứng
khoán TP.HCM (HOSE), là sàn giao dịch chính thức của Việt Nam. Giá cổ phiếu VIC
thay đổi hàng ngày dựa trên hoạt động mua bán trên thị trường. Giá cổ phiếu được xác
định bởi sự cân nhắc giữa nguồn cung và nguồn cầu từ các nhà đầu tư.
Nhóm chúng em đã ứng dụng một mô hình định lượng đặt vào việc phân tích và
dự báo giá chứng khoán của tập đoàn VIC Vingroup. Đó là việc tìm hiểu về mô hình
ARIMA và xem xét tính hiệu quả của mô hình. Ứng dụng kiến thức đã học và thực tế
làm việc vào phân tích và dự báo chỉ số giá chứng khoán. Từ đó giúp hiểu rõ hơn hoạt
động phân tích của các công ty chứng khoán nói chung và VND nói riêng. Xuất phát từ
thực trạng thị trường cổ phiếu Việt Nam hiện nay, nhóm chúng em chọn đề tài “ Thị
trường cổ phiếu” để nghiên cứu và hiểu rõ hơn về thực trạng thị trưởng cổ phiếu Việt
Nam hiện nay, sự quan trọng của thị trường cổ phiếu đối với nền kinh tế, phân tích
những thành tựu đạt được cùng những tồn tại yếu kém. Từ đó đề ra những giải pháp
góp phần phát triển thị trường chứng khoán Việt Nam hiện nay.
1.1 Giới thiệu về phân tích chuỗi thời gian và tầm quan trọng của nó trong
tài chính.
Chuỗi thời gian là một dãy dữ liệu được quan sát ở các thời điểm kế tiếp nhau với
cùng một đơn vị đo mẫu. Một chuỗi thời gian thường bao gồm những thành phần sau:
a) Xu hướng (Trend): thể hiện sự tăng giảm ẩn bên trong của chuỗi thời gian
b) Chu kỳ (Cycle): thể hiện sự dao động giống như hình sóng và sự dao động lặp
đi lặp lại sau một thời kỳ thường dài hơn một năm
c) Mùa vụ (Season): sự dao động theo mùa vụ như tuần, tháng, hay quý..
d) Bất thường (Irregular): thể hiện sự thay đổi ngẫu nhiên, không dự đoán được
→ Phân tích chuỗi thời gian là nghiên cứu hành vi, khuôn mẫu trong quá khứ của
một biến số và sử dụng những thông tin này là để dự đoán những giá trị hay những
thay đổi của biến số đó trong tương lai.
Mô hình MA (Moving Average Model): Trái ngược với mô hình AR, mô hình
MA dựa trên sự phụ thuộc của giá trị hiện tại của chuỗi thời gian vào một số giá trị
nhiễu ngẫu nhiên trong quá khứ. Mô hình này xem xét sự biến đổi ngẫu nhiên trong
chuỗi thời gian và cố gắng dự đoán giá trị hiện tại dựa trên sự kết hợp tuyến tính của
các giá trị nhiễu trong quá khứ.
Tầm quan trọng của việc phân tích chuỗi thời gian trong tài chính
Phân tích chuỗi thời gian từ đó có thể dự báo các mức độ tương lai của các hiện
tượng, giúp các nhà quản trị doanh nghiệp chủ động trong việc đề ra các kế hoạch và
các quyết định cần thiết phục vụ cho quá trình sản xuất kinh doanh, đầu tư, quảng bá,
quy mô sản xuất, kênh phân phối sản phẩm, nguồn cung cấp tài chính… và chuẩn bị
đầy đủ điều kiện cơ sở vật chất, kỹ thuật cho sự phát triển trong thời gian tới (kế hoạch
cung cấp các yếu tố đầu vào như: lao động, nguyên vật liệu, tư liệu lao động… cũng
như các yếu tố đầu ra dưới dạng sản phẩm vật chất và dịch vụ).
Trong các doanh nghiệp nếu công tác dự báo, phân tích chuỗi thời gian được thực
hiện một cách nghiêm túc còn tạo điều kiện nâng cao khả năng cạnh tranh trên thị
trường, việc phân tích chính xác sẽ giảm bớt mức độ rủi ro cho doanh nghiệp nói riêng
và toàn bộ nền kinh tế nói chung. Đồng thời, đó cũng là căn cứ để các nhà hoạch định
triển khai các chiến lược thúc đẩy thị trường tài chính, các chính sách phát triển kinh tế
văn hoá xã hội trong toàn bộ nền kinh tế quốc dân.
Phân tích chuỗi thời gian còn giúp dự đoán các xu hướng tương lai của các biến
kinh tế quan trọng như giá cổ phiếu, tỷ giá hối đoái, lãi suất..; đo lường và đánh giá rủi
ro; xác định các cơ hội giao dịch tiềm năng trong thị trường tài chính. Nhờ vậy, nhà
đầu tư có thể nhận định xu hướng giá, điểm mua bán cổ phiếu,.. giao dịch hiệu quả xây
dựng chiến lược quản lý rủi ro hiệu quả, giảm thiểu tổn thất giúp nhà đầu tư kiếm lợi
nhuận từ thị trường tài chính.
Mô hình ARIMA là sự tích hợp của 2 mô hình: mô hình tự hồi quy bậc p – AR (p)
và mô hình trung bình trượt bậc q − MA (q). Mặt khác, trong kinh tế các chuỗi thời
gian thường là không dừng vì vậy cần phải dùng toán tử sai phân (hay còn gọi là toán
tử trễ) để làm cho chuỗi thời gian trở thành chuỗi dừng. Vì vậy mô hình này viết đầy
đủ là mô hình ARIMA (p, d, q) với p là bậc tự hồi quy, d là bậc sai phân (hay là số lần
lấy sai phân) và q là bậc trung bình trượt (Nếu d=0 thì chuỗi xuất phát là một chuỗi
dừng thì áp dụng mô hình ARMA (p, q)).
Để áp dụng mô hình ARIMA(p,d,q) vào dự báo trước tiên ta phải nhận dạng ba
thành phần p, d và q của mô hình. Thành phần d của mô hình được nhận dạng thông
qua kiểm định tính dừng của chuỗi thời gian. Nếu chuỗi thời gian dừng ở bậc không ta
có I (d=0), nếu sai phân bậc 1 của chuỗi dừng ta có I (d=1) nếu sai phân bậc 2 của
chuỗi dừng ta có I (d=2)...v.v. Phương pháp kiểm định tính dừng thường được áp dụng
là kiểm định Dickey-fuller.
Mô hình sử dụng dữ liệu chuỗi thời gian, xem giá trị trong quá khứ của một biến
số cụ thể là một chỉ tiêu tốt phản ánh giá trị trong tương lai của nó, cụ thể, cho Yt là giá
trị của biến số tại thời điểm t với Yt = f(Yt-1, Yt-2, ..., Y0, t). Mục đích của phân tích
là để thấy rõ một số mối quan hệ giữa các giá trị Yt được quan sát đến nay để cho phép
chúng ta dự báo giá trị Yt trong tương lai. Phương pháp này đặc biệt hữu ích cho việc
dự báo trong ngắn hạn.
Theo Box-Jenkin, mọi quá trình ngẫu nhiên có tính dừng đều có thể biểu diễn
bằng mô hình tự hồi quy kết hợp trung bình trượt ARIMA
Trong mô hình trung bình trượt, quá trình được mô tả hoàn toàn bằng tổng có
trọng số của các ngẫu nhiên hiện hành có độ trễ
Mô hình hồi quy kết hợp trung bình trượt - ARIMA (p,d,q)
Điều trước tiên cần phải lưu ý là hầu hết các chuỗi thời gian đều không dừng, và
các thành phần AR và MA của mô hình ARIMA chỉ liên quan đến các chuỗi thời gian
dừng. Quy trình ngẫu nhiên của Yt được xem là dừng nếu trung bình và phương sai của
quá trình không thay đổi theo thời gian và giá đồng phương sai giữa hai thời đoạn chỉ
phụ thuộc vào khoảng cách độ trễ về thời gian giữa các thời đoạn này chứ không phụ
thuộc vào thời điểm thực tế mà đồng phương sai được tính. Do đó, để nhận diện mô
hình ARIMA, chúng ta phải thực hiện hai bước sau: Có ba cách để nhận biết tính dừng
của một chuỗi thời gian là dựa vào trên đồ thị của chuỗi thời gian, đồ thị của hàm tự
tương quan mẫu hay kiểm định Dickey – Fuller.
Nhận dạng mô hình ARIMA (p,d,q) là tìm các giá trị thích hợp của p, d, q. Với d
là bậc sai phân của chuỗi thời gian được khảo sát, p là bậc tự hồi quy và q là bậc trung
bình trượt. Việc xác định p và q sẽ phụ thuộc vào các đồ thị tương quan riên phần mẫu
SPAC = f(t) và đồ thị tự tương quan SAC = f(t).
Chọn mô hình AR (p) nếu đồ thị SPAC có giá trị cao tại độ trễ 1, 2, …, p và giảm
nhiều sau p và dạng hàm SAC giảm dần.
Chọn mô hình MA (q) nếu đồ thị SAC có giá trị cao tại độ trễ 1, 2, …, q và giảm
nhiều sau q và dạng hàm SPAC giảm dần. Tóm lại,
Loại mô hình Dạng đồ thị SAC = f(t) Dạng đồ thị SPAC = f(t)
Các tham số của mô hình sẽ được ước lượng bằng phần mềm Eview. Sau khi xác
định p, d, q và các fi, qj; nghĩa là đã xác định được phương trình cho mô hình ARIMA,
điều cần phải làm là tiến hành kiểm định xem số hạng et của mô hình có phải là một
nhiễu trắng hay không. Đây là yêu cầu của một mô hình tốt. Về mặt lý thuyết, e t được
tạo ra bởi quá trình nhiễu trắng nếu:
Sau khi các tham số của mô hình tổng quát đã xây dựng, ta kiểm tra mức độ chính
xác và phù hợp của mô hình với dữ liệu. Nếu bất cứ kiểm định nào không thỏa mãn,
mô hình sẽ nhận dạng lại các bước trên được thực hiện lại. Để đảm bảo mô hình là phù
hợp, sai số của mô hình phải là nhiễu trắng (white noice). Ta có thể sử dụng biểu đồ tự
tương quan hoặc kiểm định Breusch-Godfrey kiểm tra tính tự tương quan của sai số.
Đối với phương sai sai số thay đổi, ta có thể sử dụng kiểm định White hoặc ARCH.
2.1.1 mô tả quy trình thu thập dữ liệu khảo sát về giá của VIC (VinGroup) cổ
phiếu trong ít nhất 5 năm giao dịch theo ngày/ theo phiên ( giá mở cửa )
Nguồn dữ liệu được lấy từ: Vingroup JSC Historical Price Data (VIC) -
Investing.com
Ta chọn cổ phiếu mã VIC để lấy số liệu, sau đó xuất dữ liệu vào file Excel.
Dưới đây là dữ liệu đầu vào trong phần mềm Eview:
2.1.2 Xử lý sơ bộ và kiểm tra tính dừng của dữ liệu.
Kiểm định nghiêm đơn vị: View -> Unit Root Tests.
Tại sai phân bậc 0: P_gtri(ADF) >= 5% là chuỗi không dừng.
Tại sai phân bậc 1: P_gtri(ADF) < 5%. Chuỗi DL sẽ dừng lại bậc 1 => Mô hình là
ARIMA.
2.2 Phân tích và mô hình hóa
Lấy giá mở cửa của cổ phiếu VIC làm biến khảo sát với tên biến là open.
Kiểm tra dữ liệu sơ bộ qua quan sát đồ thị, ta thấy trung bình giá cổ phiếu VIC
tăng giảm theo thời gian nên vi phạm 1 trong 3 điều kiện của chuỗi dừng, vậy chuỗi dữ
liệu không có tính dừng.
Kiểm định theo ADF, ta thấy Pvalue (Prob) > 0.05, xét giá trị tuyệt đối của ADF
với trị tuyệt đối của t-statistic, giá trị của tuyệt đối ADF nhỏ hơn trị tuyệt đối của t-
statistic, chuỗi dữ liệu là không dừng.
Kiểm định tính dừng theo ADF ta thấy Pvalue (Prob) < 0.05, xét giá trị tuyệt đối
của ADF với trị tuyệt đối của t-statistic, giá trị của tuyệt đối ADF lớn hơn trị tuyệt đối
của t- statistic, chuỗi dữ liệu có tính dừng.
Kiểm định theo quan sát đồ thị ta thấy trung bình giá trị dữ liệu giao động quanh
trục 0, vậy chuỗi có tính dừng.
Sau khi lấy sai phân bậc 1, chuỗi có tính dừng, mô hình dạng ARIMA(p,d,q) với
d=1.
2.2.2. Xác định bậc p,q của mô hình ARIMA
Tại các bậc 19, 32 các giá trị ACF và PACF nằm ngoài khoảng tin cậy, do đó, ta
có AR( 19,32), MA(19,32).
Sử dụng phần mềm Eviews để ước lượng các hệ số của các mô hình ARIMA như
đã nhận dạng ở trên.
2.2.4. Kiểm tra các khuyết tật của mô hình mà chủ yếu kiểm tra tính dừng của các
sai số ngẫu nhiên và tính phân phối chuẩn của nó.
Để có thể kiểm tra Phân phối Chuẩn của Sai số của mô hình ta có thể sử dụng
phép kiểm định Jarque-Bera test thông qua phần mềm Eviews
Kiểm định theo Jarque-Bera test ta thấy pvalue (Prob) = 0 < 0.05 nên ta có thể kết
luận rằng mô hình không tuân theo phân phối chuẩn.
2.2.5. Dự báo
Ta có thể sử dụng phần mềm eviews để dự báo giá cổ phiếu trong 10 phiên tiếp
theo kể từ ngày 03/05/2024 (03/05/2024 – 03/19/2024):
Date Open
3/06/2024 4456
3
3/07/2024 4456
9
3/08/2024 4451
4
3/11/2024 4447
3
3/12/2024 4437
8
3/13/2024 4429
4
3/14/2024 4424
3
3/15/2024 4408
1
3/18/2024 4376
3
3/19/2024 4370
2
3. Đánh giá sự ứng dụng của mô hình sau khi thực nghiệm
3.1 So sánh với giá trị thực tế giá mở cửa của cổ phiếu VIC
Từ ngày 6/3/2024 đến 13/3/2024, mô hình ARIMA đã thể hiện sự hiệu quả trong
việc dự báo giá với một mức độ chính xác đáng kể. Những sai số cụ thể và phần trăm
sai số cho thấy mô hình của bạn có thể nắm bắt được cả xu hướng và biến động của dữ
liệu giá trong khoảng thời gian này.
Mô hình ARIMA của bạn đã thể hiện khả năng dự báo giá trong khoảng thời gian
đã cho với độ chính xác tương đối cao. Có những dấu hiệu cho thấy mô hình đã được
cấu hình một cách cẩn thận để nắm bắt được xu hướng và biến động của dữ liệu. Vậy
nên có thể dùng mô hình để dự báo trong các phiên cổ phiếu của VIC trong tương lai.
KẾT LUẬN
Sự hình thành và phát triển của thị trường chứng khoán là một nhu cầu tất yếu của
một nền kinh tế phát triển, tuy nhiên lịch sử ra đời và phát triển của TTCK Việt Nam
so với TTCK thế giới còn non trẻ. Bài nghiên cứu này đã bước đầu tìm hiểu và sử dụng
được mô hình ARIMA, đã thu được những kết quả thực tế mang tính tin cậy và xác
thực cao về một công ty ở Việt Nam, Tập đoàn Vingroup - Cổ phiếu VIC.
Mô hình ARIMA dựa vào lý thuyết A, tức là “hãy để số liệu nói”. Nhưng trong
thực tế, điều này là không khả thi, đặc biệt là khi có sự thay đổi về chính sách của Nhà
nước hay biến động kinh tế thế giới. Những thay đổi này sẽ làm thay đổi mạnh kết quả
dự báo. Chính vì thế, khi đã quyết định tham gia vào thị trường chứng khoán không chỉ
riêng gì ở Việt Nam, chúng ta cần có một nền tảng chắc chắn về kiến thức, hoặc ít nhất
là sự chuẩn bị về mặt tâm lý để chấp nhận rủi ro. Nếu chỉ áp dụng duy nhất mô hình
này vào dự báo giá chứng khoán có thể sẽ không thành công.
Qua quá trình thực nghiệm thu được kết quả và sự phân tích, đánh giá có thể vẫn
còn non nớt của em về mô hình ARIMA, em rất hy vọng mô hình vẫn sẽ được một
chuyên gia nào đó nghiên cứu và phát triển tiếp tục. Trong trường hợp có điều kiện để
đi sâu hơn về mô hình này ở tương lai, em vẫn sẽ tiếp tục phát triển mô hình để đóng
góp vào sự thành công chung của trường nói riêng, và thị trường chứng khoán VN nói
chung.
Tuy đã có nhiều cố gắng tuy nhiên bài tiểu luận vẫn còn nhiều thiếu sót, chúng em
mong nhận được sự đóng góp ý kiến, hướng dẫn của Thầy và các bạn để bài tiểu luận
được hoàn thiện hơn.
Tài Liệu Tham Khảo:
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
ĐỘC LẬP – TỰ DO – HẠNH PHÚC
ĐÁNH GIÁ THÀNH VIÊN
Ngày 13 tháng 3 năm 2024
1. Mục đích cuộc họp
Tổng hợp nội dung bài làm, đánh giá mức độ tham gia của các thành viên
2. Nội dung công việc.
Toàn bộ các thành viên đã nộp đủ phần nhiệm vụ của mình. Nhóm trưởng tổng kết
và nhận xét
72 Bùi Thị Phương Đúng thời Thực hiện tốt các công
Thủy hạn việc được phân công
Phạm Tuấn Thành Đúng thời Thực hiện tốt các công
hạn việc được phân công
Nhóm trưởng.
(ký và ghi rõ họ tên)
Thịnh
Phạm Trí Thịnh