Slide thuyết trình dự báo tỷ giá euro usd

DỰ BÁO TỶ GIÁ EURO/USD

Nhóm 5

Phạm Trần Lê Nguyễn Nguyễn Khánh Nguyễn Minh
Phúc Ân Quốc Thắng Khang

PHẦN NỘI DUNG

Đặt vấn đề Dữ liệu nghiên cứu
Mục tiêu nghiên cứu Kết quả nghiên cứu
Đối tượng và phạm vi So sánh mô hình
Phương pháp nghiên cứu Kết luận

DỰ BÁO TỶ GIÁ EUR/USD

ĐẶT VẤN ĐỀ

Trong bối cảnh của nền kinh tế đang trải qua những
biến động mạnh mẽ, do ảnh hưởng của nền kinh tế suy
thoái và lạm phát tại Mỹ dẫn đến các đợt liên tục tăng
lãi suất dẫn đến thị trường ngoại hối trong thời gian
gần đây, đặc biệt là tỷ giá hối đối giữa EURO và USD
có nhiều biến động mạnh. Tỷ giá EUR/USD đã giảm
từ mức 1,14 USD vào đầu tháng 3 năm 2023 xuống
còn 1,05 USD vào ngày 20 tháng 3 năm 2024.

ĐẶT VẤN ĐỀ

Các yếu tố dẫn đến sự biến
động:

+ Chính sách tiền tệ
+ Sự tăng trưởng kinh tế
+ Căng thẳng chính trị

MỤC TIÊU NGHIÊN CỨU ĐỀ TÀI

Mục tiêu chung: Nghiên cứu này nhằm mục đích ứng dụng mơ hình ARIMA và mơ
hình ARCH-GARCH để dự báo tỷ giá EURO/USD từ năm 2018 đến năm 2024, đồng
thời phân tích và đánh giá hiệu suất của mô hình trong việc dự báo trong thị trường
ngoại hối.
Mục tiêu chi tiết:
- Sử dụng mô hình ARIMA-GARCH để dự báo tỷ giá EURO/USD
- Giữa mô hình ARIMA và mơ hình GARCH-ARCH, mơ hình nào có độ chính xác

cao hơn

ĐỐI TƯỢNG VÀ PHẠM VI
NGHIÊN CỨU

Đối tượng nghiên cứu:

• Tỷ giá hối đoái giữa đồng EURO và USD

Phạm vi nghiên cứu:

• Mốc thời gian: 2018 – 2024
• Nguồn dữ liệu: investing.com

PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Chu trình ARCH (ARCH Process): Quá trình tự hồi quy (AR – Autoregressive Process):

y t = δ + φ 𝑦 𝑡 −1 + 𝜀𝑡 Y t = ϕ0+ ϕ1 Y t −1 + ϕ2 Y t −2 + …+ϕ p Y t − p + ut

Chu trình GARCH (GARCH Process): Quá trình trung bình trượt (MA – Moving Average):

yt = δ + ϕ 𝑦 𝑡 − 1+ 𝜀𝑡 Y t = μ + ut + θ1 ut − 1 +θ2 ut −2 +… +θq u t − q

Quá trình trung bình trượt, đồng liên kết, tự hồi
quy ARIMA

∆ Y t = ϕ 0 + ϕ 1 Y t − 1+ θ0 ut + θ1 ut −1 )

PHƯƠNG PHÁP NGHIÊN CỨU

MÔ HÌNH ARCH/GARCH MÔ HÌNH ARIMA

Chu trình ARCH (ARCH Process): Quá trình tự hồi quy (AR – Autoregressive Process):

y t = δ + φ 𝑦 𝑡 −1 + 𝜀𝑡 Y t = ϕ0+ ϕ1 Y t −1 + ϕ2 Y t −2 + …+ϕ p Y t − p + ut

Chu trình GARCH (GARCH Process): Quá trình trung bình trượt (MA – Moving Average):

yt = δ + ϕ 𝑦 𝑡 − 1+ 𝜀𝑡 Y t = μ + ut + θ1 ut − 1 +θ2 ut −2 +… +θq u t − q

Quá trình trung bình trượt, đồng liên kết, tự hồi
quy ARIMA

∆ Y t = ϕ 0 + ϕ 1 Y t − 1+ θ0 ut + θ1 ut −1 )

MÔ HÌNH ARIMA

∆ 𝐘 𝐭=𝛟𝟎+ 𝛟𝟏 𝐘 𝐭 −𝟏 +𝛉𝟎 𝐮 𝐭+ 𝛉𝟏 𝐮𝐭 −𝟏 )

Trong đó:
+ : quan sát dừng hiện tại.
+ quan sát dừng quá khứ
+ các tham số phân tích hồi quy
+ : sai số dự báo ngẫu nhiên của giai đoạn hiện tại (hay còn gọi là nhiễu trắng). Giá trị
trung bình bằng 0.
+ sai số dự báo quá khứ
+ : giá trị trung bình của và các hệ số bình quân di động.

MƠ HÌNH ARCH

+…+

Trong đó:
+: phương sai có điều kiện của biến thời gian tại thời điểm t
+ các hệ số
+

MƠ HÌNH GARCH

Trong đó:
+: phương sai có điều kiện của biến thời gian tại thời điểm t.
+ hằng số
+ và : là các h* số của mô hình, với i= 1,2,..., q và p là số lượng lags được sử

dụng
+: là bình phương của sai số tại thời điểm t - i
+phương sai có điều kiện của biến thời gian tại thời điểm t – i.

DỮ LIỆU NGHIÊN CỨU

- Giá trị trung bình là 1,124956 tức
là cứ 1 đồng EURO thì sẽ đổi
được 1,124956 đồng USD

- Giá trị thấp nhất của tỷ giá là
0,969 vào ngày 18/09/2022

- Giá trị lớn nhất của tỷ giá vào
ngày 28/01/2018 là 1,246

KẾT QUẢ NGHIÊN CỨU

DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH ARIMA

Ngày PRICE Thực Tế PRICE Dự Báo Chêch lệchch
04/02/2024 1.0782 1.077877 0.0004
11/02/2024 1.0774 1.077988 -0.0005
18/02/2024 1.0818 1.076039 0.0058
25/02/2024 1.0837 1.081749 0.002
03/03/2024 NA 1.082638 .....

KẾT QUẢ NGHIÊN CỨU

DỰ BÁO TỶ GIÁ BẰNG MÔ HÌNH GARCH

Ngày Price Price dự báo Chênh lệchch
04/02/2024 1,0782 1,0793 -0.0011
11/02/2024 1,0774 1,0858 -0.0084
18/02/2024 1,0818 1,0776 0.0042
25/02/2024 1,0837 1,0896 -0.0059
03/03/2024 1,0817 .....
NA

SO SÁNH MÔ HÌNH

Ngày ARIMA GARCH Giá Thực Tế
04/02/2024 1.0778 1.0793 1.0782
11/02/2024 1.0779 1.0858 1.0774
18/02/2024 1.0760 1.0776 1.0818
25/02/2024 1.0817 1.0896 1.0837
03/03/2024 1.0826 1.0817 1.0937

KẾT LUẬN

ƯU ĐIỂM MÔ HÌNH ARIMA NHƯỢC ĐIỂM MÔ
HÌNH ARIMA

KẾT LUẬN

ƯU ĐIỂM MÔ HÌNH GARCH NHƯỢC ĐIỂM MÔ
HÌNH GARCH

Xử lý tốt với biến động không đồng nhất: GARCH được Phức tạp hơn ARIMA: GARCH có thể phức tạp hơn
thiết kế đặc biệt để xử lý các biến động có phương sai ARIMA trong quá trình triển khai và ước lượng, đặc biệt là

không đồng nhất, điều này giúp tăng độ chính xác của khi cần tính toán các tham sớ phức tạp.
dự báo tỷ giá. Cần nhiều dữ liệu: GARCH yêu cầu một lượng dữ liệu lớn
Dự báo dài hạn: GARCH thường hiệu quả hơn ARIMA hơn để ước lượng hiệu quả, đặc biệt là khi mô hình phải
trong việc dự báo dài hạn, đặc biệt là khi tỷ giá có xu mơ hình hóa các biến động dài hạn.
hướng biến động khơng ổn định.

KẾT LUẬN

Cung cấp một Đã làm nổi bật Mô hình đã đạt Mặt hạn chế:
nền tảng lý phương pháp được mục tiêu Nhạy cảm với
xây dựng, xác quan trọng nhất các yếu tố thay
thuyết cho việc định, lựa chọn là dự báo. Qua
sử dụng hai mô mô hình, cung dự báo, ta có thể đổi bất ngờ
hình ARIMA cấp một cái nhìn thấy mô hình như chính sách
sâu về ứng dụng GARCH là mô tiền tệ, chính
VÀ của mô hình này hình tối ưu nhất
ARCH/GARCH trong dự báo trị
để dự báo

DỰ BÁO TỶ GIÁ EUR/USD

THANK
YOU