áp dụng các mô hình dự báo cho chuỗi việt namindex (mô hình arima, arch, mô hình nhân quả kết hợp)

1
Mục lục 1
GIỚI THIỆU CHUNG 4
1.Mục đích nghiên cứu đề tài: 4
2. Đối tượng nghiên cứu: 4
3. Phương pháp nghiên cứu: 5
4.Bố cục: 5
CHƯƠNG 1:CƠ SỞ LÝ THUYẾT 6
1.Khái quát thị trường chứng khoán 6
1.1.Chứng khoán 6
1.2.Thị trường chứng khoán 6
2.Mô hình hàm hồi quy tổng thể 7
2.1.Mô hình 7
2.2.Các giả định OLS 7
2.3.Giả định bổ sung của OLS 7
2.4.Hàm hồi quy mẫu 7
3.Mô hình ARIMA: Phương pháp Box-Jenkins 8
3.1.Tính dừng 8
3.2.Mô hình ARIMA 9
3.2.1.Mô hình tự hồi quy bậc p – AR(p) 9
3.2.2.Mô hình trung bình trượt bậc q – MA(q) 9
3.2.3.Mô hình tự hồi quy kết hợp trung bình trượt – ARIMA(p,d,q) 9
3.2.3.1.Nhận dạng mô hình 9
3.2.3.2.Ước lượng các thông số của mô hình ARIMA(p,d,q) 10
3.2.3.3.Kiểm tra chẩn đoán mô hình 10
3.2.3.4.Dự báo: 11
4.Mô hình ARCH: 11
4.1 Lý thuyết mô hình ARCH 11
4.2.Kiểm định tính ARCH 13
CHƯƠNG 2:
PHÂN TÍCH XU HƯỚNG VÀ CÁC NHÂN TỐ ẢNH HƯỞNG THỊ TRƯỜNG

CHỨNG KHOÁN VIỆT NAM 15
2
1.Lịch sử hình thành và phát triển 15
2.Các giai đoạn phát triển của thị trường chứng khoán 16
3.Sự liên thông giữa VNINDEX và các chỉ số chứng khoán trên thế giới 17
CHƯƠNG 3:ÁP DỤNG CÁC MÔ HÌNH DỰ BÁO CHO CHUỖI VNINDEX 21
1.Ứng dụng mô hình ARIMA và ARCH để dự báo chuỗi VNindex: 21
1.1.Nhận dạng mô hình: 21
1.2.Chuyển đổi chuỗi gốc VNINDEX thành chuỗi “dừng”. 22
1.3.Xác định mô hình ARIMA 22
1.4.Mô hình AR(1) 23
1.4.1.Ước lượng mô hình AR(1) 23
1.4.2.Kiểm định phần dư 24
1.4.3.Các chỉ tiêu dự báo và giá trị dự báo: 25
1.5.Mô hình AR(2) 26
1.5.1.Ước lượng mô hình AR(2) 26
1.5.2.Kiểm định phần dư 27
1.5.3.Các chỉ tiêu dự báo và giá trị dự báo: 27
1.6.Mô hình ARIMA(1,1,1) 28
1.7.Mô hình ARCH 30
1.7.1.Kiểm định ảnh hưởng của Arch với mô hình AR(2) 30
1.7.2.Ước lượng ARCH(1) 31
2.Kết hợp mô hình hồi quy,ARIMA,ARCH để dự báo Vnindex 31
2.1.Nhận dạng: 31
2.2.Ước lượng 32
2.3.Kiểm định F_test, t_test và kiểm định Wald 32
2.4.Kiểm định phần dư 33
2.4.1.Đồ thị phân phối chuẩn của phần dư 33
2.4.2.Kiểm định Kolmogorov-Smirnov: 34
2.5.Kết hợp ARIMA, ARCH vào mô hình hồi quy 35

3
CHƯƠNG 4:NHẬN ĐỊNH THỊ TRƯỜNG, KIẾN NGHỊ, NHỮNG MẶT CÒN HẠN
CHẾ VÀ HƯỚNG PHÁT TRIỂN CHO MÔ HÌNH 36
1.Nhận định thị trường: 36
2.Kiến nghị: 37
3.Những mặt hạn chế: 38
4.Hướng nghiên cứu phát triển từ mô hình: 38
PHỤ LỤC 39
PHỤ LỤC 1:DỮ LIỆU THEO TUẦN CỦA VNINDEX, S&P500, DAX, KOSPI,
STRAINTS TIMES, CAC, FTSE100 39
PHỤ LỤC 2:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
S&P500 43
PHỤ LỤC 3:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
KOSPI 48
PHỤ LỤC4:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
DAX 52
PHỤ LỤC 5:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
TRAINTS TIMES 66
PHỤ LỤC 6:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
CAC 60
PHỤ LỤC 7:KẾT QUẢ NGHIÊN CỨU MÔ HÌNH ARIMA,ARCH ĐỐI VỚI CHỈ SỐ
FTSE100 64
TÀI LIỆU THAM KHẢO 68
4
GIỚI THIỆU CHUNG
1.Mục đích nghiên cứu đề tài:
- Hệ thống tài chính luôn được xem là trung tâm của nền kinh tế. Nó bao gồm thị
trường tiền tệ và thị trường vốn. Trong quá trình hội nhập, việc phát triển thị trường vốn
là vấn đề được Đảng và Chính Phủ đặt mục tiêu phát triển lâu dài và bền vững. Do đó thị
trường vốn rất quan trọng và được thể hiện rõ nét qua thị trường chứng khoán. Tuy nhiên

thị trường chứng khoán rất phực tạp và việc phát triển nó vô cùng khó khăn
- Nên vấn đề đặt ra “làm sao nhận định chính xác được chiều hướng của thị
trường”. Chiều hướng này được thể hiện rõ qua chỉ số chứng khoán của Việt Nam: chỉ số
VNINDEX. Vì vậy chúng ta phải có tầm nhìn rõ nét hơn và có được các nhận định chính
xác hơn thông qua việc sử dụng các mô hình dự báo để có thể xác định được hướng phát
triển tốt nhất cho thị trường chứng khoán.
2. Đối tượng nghiên cứu:
Đề tài nghiên cứu sử dụng 147 quan sát của chỉ số VNINDEX, S&P500, DAX,
KOSPI, STRAINTS TIMES, CAC, FTSE100 theo tuần từ ngày 31/7/2006 đến
18/5/2009.
Mục tiêu:
-Xây dựng mô hình dự báo dài hạn về chỉ số VNINDEX tại thành phố Hồ Chí
Minh thông qua việc sử dụng số liệu theo tuần của VNINDEX.
-Xác định được chỉ số chứng khoán của nước nào tác động mạnh đến VNINDEX
-Xác định được phần nào các nhân tố ảnh hưởng đến VNINDEX
Vì vậy, đề tài nghiên cứu phải trả lởi được 2 câu hỏi sau:
5
-Mô hình nào phù hợp để dự báo VNINDEX
-Nhân tố nào thực sự tác động đến VNINDEX trong khoảng thời gian từ từ ngày
31/7/2006 đến 18/5/2009.
3. Phương pháp nghiên cứu:
Để tiện cho việc phân tích dữ liệu và dự báo VNINDEX tôi dùng 3 phương pháp
mà tôi cho là hiệu quả:
-Mô hình ARIMA (autoregressive Intergrated Moving Average)
-Mô hình ARCH (autoregressive Conditional Heteroskedasticiy)
-Mô hình nhân quả kết hợp ARIMA và ARCH
Và tài liệu tôi sử dụng được lấy từ nguồn của công ty
chứng khoán fpt và
4.Bố cục:
GIỚI THIỆU CHUNG

CHƯƠNG 1:CƠ SỞ LÝ THUYẾT
CHƯƠNG 2:
PHÂN TÍCH XU HƯỚNG VÀ CÁC NHÂN TỐ ẢNH HƯỞNG THỊ TRƯỜNG
CHỨNG KHOÁN VIỆT NAM
CHƯƠNG 3:ÁP DỤNG CÁC MÔ HÌNH DỰ BÁO CHO CHUỖI VNINDEX
CHƯƠNG 4:NHẬN ĐỊNH THỊ TRƯỜNG, KIẾN NGHỊ, NHỮNG MẶT CÒN HẠN
CHẾ VÀ HƯỚNG PHÁT TRIỂN CHO MÔ HÌNH
6
CHƯƠNG 1:CƠ SỞ LÝ THUYẾT
1.Khái quát thị trường chứng khoán:
1.1.Chứng khoán:
-Chứng khoán là một giá trị tài chính đại diện bằng lãi suất có thể thỏa thuận và
có thể thay thế. Nói chung, chứng khoán gồm hai loại là chứng khoán cổ phần (equity
securities) và chứng khoán nợ (debt securities). Ngoài ra còn có loại chứng khoán lai giữa
hai loại trên. Ở các nền kinh tế phát triển, loại chứng khoán nợ là thứ có tỷ trọng giao
dịch áp đảo trên các thị trường chứng khoán. Còn ở những nền kinh tế kém phát triển, nơi
mà thị trường chứng khoán mới được thành lập, thì loại chứng khoán cổ phần lại chiếm
tỷ trọng giao dịch lớn hơn. Điều này giải thích tại sao ở Việt Nam cuối thập niên 1990 và
đầu thập niên 2000, thị trường chứng khoán được nhiều người hiểu là nơi trao đổi các cổ
phiếu.
-Công ty hay tổ chức phát hành chứng khoán được gọi là đối tượng phát hành.
-Chứng khoán có thể được chứng nhận bằng một tờ chứng chỉ (certificate), bằng
một bút toán ghi sổ (book-entry) hoặc dữ liệu điện tử.
1.2.Thị trường chứng khoán:
-Thị trường chứng khoán: là một thị trường mà ở nơi đó người ta mua bán,
chuyển nhượng, trao đổi chứng khoán nhằm mục đích kiếm lời. Tuy nhiên, đó có thể là
TTCK tập trung hoặc phi tập trung.
-Tính tập trung ở đây là muốn nói đến việc các giao dịch được tổ chức tập trung
theo một địa điểm vật chất.Hình thái điển hình của TTCK tập trung là Sở giao dịch chứng
khoán ( Stock exchange). Tại Sở giao dịch chứng khoán (SGDCK), các giao dịch được

tập trung tại một địa điểm; các lệnh được chuyển tới sàn giao dịch và tham gia vào quá
trình ghép lệnh để hình thành nên giá giao dịch.
7
-TTCK phi tập trung còn gọi là thị trường OTC (over the counter). Trên thị
trường OTC, các giao dịch được tiến hành qua mạng lưới các công ty chứng khoán phân
tán trên khắp quốc gia và được nối với nhau bằng mạng điện tử. Giá trên thị trường này
được hình thành theo phương thức thoả thuận.
2.Mô hình hàm hồi quy tổng thể:
2.1.Mô hình:
0 1 1 2 2

i k k i
Y X X X
    
     
Các hệ số

gọi là hệ số hồi quy riêng
1 2 3
, , ,
k
X X X X
:các biến giải thích của mô hình
t
Y
=Biến độc lập

: biến ngẫu nhiên và tuân theo quy luật phân phối chuẩn
2.2.Các giả định OLS cho mô hình hồi qui tuyến tính đơn được giải thích trong mô hình
hồi qui bội: các giả định này liên quan đến thành phần nhiễu ngẫu nhiên

( )
i

-Giá trị kỳ vọng của
i

bằng không
-Không có tương quan chuỗi (không có tự tương quan)
-Phương sai đồng nhất => var
( )
i

=
2

-Nhiễu ngẫu nhiên không có tương quan với các X
-Không nhận dạng sai mô hình
2.3.Giả định bổ sung của OLS cho mô hình hồi qui bội
Các biến hồi qui này không có hiện tượng đa cộng tuyến hoàn hảo.Tức là, không
tồn tại tập hợp các hệ số thỏa mãn biểu thức sau với mọi i:
1 1 2 2
1 0
i i k ki
X X X
  
    
2.4.Hàm hồi quy mẫu
0 1 1 2 2

i k k

Y X X X e
   
     
8
3.Mô hình ARIMA: Phương pháp Box-Jenkins
3.1.Tính dừng:
-Yếu tố xu thế được tách ra khỏi dữ liệu bằng cách lấy sai phân bậc 1 hay bậc 2
tùy vào dữ liệu và sau đó nhận dạng một số mô hình dự định. Mô hình có thể trình bày
theo dạng AR, MA hay ARIMA. Phương pháp nhận dạng thường thực hiện qua nghiên
cứu chiều hướng biến đổi hàm tương quan tự động ACF hay hàm tương quan tự động
từng phần PACF
-Đầu tiên chuyển dữ liệu thành chuỗi dừng
-Một quá trình ngẫu nhiên
t
Y
nếu như trung bình và phương sai của một quá trình
không thay đổi theo thời gian và giá trị đồng phương sai giữa hai thời đoạn chỉ phụ thuộc
vào khoảng cách hay độ trễ về thởi gian giữ hai thời đoạn này chứ không phụ thuộc vào
thời điểm thực tế mà đồng phương sai được tính
-Cụ thể:
Trung bình: E(
t
Y
) =

= const
 Phương sai: Var(
t
Y
)=

2

= const
 Đồng phương sai: Covar(
t
Y
,
t k
Y

)=
k

-Tính dừng của chuỗi thời gian có thể nhận biết dựa trên đồ thị của chuỗi thời
gian, đồ thị của hàm tự tương quan mẫu hay kiểm định Dickey-Fuller
-Dựa trên đồ thị Y= f(t), một cách trực quan chuỗi
t
Y
có tính dừng nếu như đồ thị
cho thấy trung bình và phương sai của quá trình
t
Y
không đổi theo thời gian.
-Dựa vào hàm tự tương quan mẫu ACF. Nếu ACF = f(t) giảm nhanh và tắt dần về
0 thì chuỗi có tính dừng
-Kiểm định Dick-Fuller (kiểm định đơn vị) nhằm xác định xem chuỗi thời gian có
phải ngẫu nhiên (Random Walk, nghĩa là
t
Y
= 1*

1t
Y

+
t

) hay không. Nếu chuỗi là bước
9
ngẫu nhiên thì không có tính dừng. Tuy nhiên nếu chuỗi không có tính dừng chưa chắc là
bước ngẫu nhiên
-Để biến đổi chuỗi không dừng thành chuỗi “dừng”, thông thường nếu lấy sai
phân một lần hoặc hai lần thì sẽ được chuỗi có tính dừng
 Chuỗi gốc:
t
Y
 Chuỗi sai phân bậc một:
1t t t
W Y Y

 
 Chuỗi sai phân bậc hai:
1t t t
V W W

 
3.2.Mô hình ARIMA
Theo Box-Jenkins một quá trình ngẫu nhiên có tính dừng để có thể biểu diễn bằng
mô hình Tự hồi quy kết hợp Trung bình trượt ARIMA
3.2.1.Mô hình tự hồi quy bậc p – AR(p)
Trong mô hình tự hồi quy quá trình phụ thuộc vào tổng có trọng số của các giá trị

quá khứ và số hạng ngẫu nhiên hiện hành theo độ trễ.
1 1 2 2

t t t p t p
Y Y Y Y
    
  
     
3.2.2.Mô hình trung bình trượt bậc q – MA(q)
Trong mô hình trung bình trượt, quá trình được mô tả hoàn toàn bằng tổng các giá
trị quá khứ và số hạng ngẫu nhiên hiện hành theo độ trễ
1 1 2 2

t t t q t q
Y
       
  
     
3.2.3.Mô hình tự hồi quy kết hợp trung bình trượt – ARIMA(p,d,q)
3.2.3.1.Nhận dạng mô hình
10
-Nhận dạng mô hình ARIMA(p,d,q) là tìm các giá trị thích hợp của p, d, q. Với d
là sai phân của chuỗi thời gian khảo sát, p là bậc tự hồi quy và q là bậc trung bình trượt.
Việc xác định p.q sẽ phụ thuộc vào đồ thị PACF = f(t)
-Với ACF là hệ số tự tương quan và PACF là hệ số tự hồi quy từng phần mẫu;
nghĩa là tự tương quan giữa Yt và Yt-p sau khi đã loại bỏ các tác động của Y trung gian.
Chọn mô hình AR(p) nếu đồ thị PACF có giá trị cao tại độ trễ 1,2,…,p và giảm nhiều sau
p và dạng hàm ACF giảm dần.
-Chọn mô hình MA(q) nếu đồ thị ACF có giá trị cao tại các độ trễ 1,2,…,q và
giảm nhiều sau q và dạng hàm PACF giảm dần

Tóm lại:
Loại mô hình
Dạng đồ thị ACF=f(t)
Dạng đồ thị PACF=f(t)
AR(p)
Giảm dần
Có đỉnh ở p
MA(q)
Có đỉnh ở q
Giảm dần
ARIMA(p,d,q)
Giảm dần
Giảm dần
3.2.3.2.Ước lượng các thông số của mô hình ARIMA(p,d,q)
-Các thông số

và

của mô hình ARIMA sẽ được xác định theo phương pháp
bình quân tối thiểu (OLS – Ordinary Least Square) sao cho:
^
2
( )
t t
Y Y Min  
^
( )
t t
Y Y


 
3.2.3.3.Kiểm tra chẩn đoán mô hình
-Sau khi xác định p,q,d và các
.
,
j j
 
; nghĩa là đã xác định phương trình cho mô
hình ARIMA, điều cần phải làm là tiến hành kiểm định xem số hạng
t

của mô hình có
phải là một nhiễu trắng (nhiễu ngẫu nhiên thuần túy) hay không. Đây là yếu cầu của mô
hình tốt.
-Về mặt lý thuyết,
t

được tạo ra bởi quá trình nhiễu trắng nếu:
11
t

~
2
(0, )N


sao cho
( ) 0
t
E



( , ) 0
t t t k
Cov
  

 
-Việc kiểm định nhiễu trắng dựa vào đồ thị ACF của chuỗi
t

3.2.3.4.Dự báo:
-Dựa trên phương trình của mô hình ARIMA, tiến hành xác định giá trị dự báo
điểm và khoảng tin cậy của dự báo
-Dự báo điểm:
^
t
Y
-Khoảng tin cậy:
^ ^
( ) ( )
t t t t
Y k Y Y k
   
   
4.Mô hình ARCH:
4.1 Lý thuyết mô hình ARCH
-Mô hình ARCH do Engle phát triển năm 1982 mô hình này cho rằng phương sai
của hạng nhiễu tại thời điểm t phụ thuộc vào các hạng nhiễu bình phương ở các giai đoạn
trước. Engle cho rằng tốt nhất chúng ta nên mô hình hoá đồng thời giá trị trung bình và

phương sai chuỗi số liệu khi nghi ngờ rằng giá trị phương sai thay đổi theo thời gian. Mô
hình đơn giản như sau:
Y
t
= B
1
+ B
2
X
t
+ u
t
(1.1)
-Trong đó Xt là một vecto k x 1 các biến giải thích và B
2
là một vecto k x 1 các hệ
số. Thông thường u
t
được giả định có phân phối chuẩn với trung bình bằng 0 và phương
sai không đổi là . Giả định này được viết như sau:
u
t
~ N (0, ) (1.2)
-Ý tưởng cùa Engle bắt đầu từ sự thật ông cho phép phương sai của các hạng
nhiễu phụ thuộc vào các giá trị quá khứ, hay phương sai thay đổi theo thời gian. Một cách
để mô hình hoá ý tưởng này là cho phương sai phụ thuộc vào các biến trễ của các hạng
nhiễu bình phương. Điều này có thể được minh hoạ như sau:
12
= + (1.3)
-Phương trình (1.3) được gọi là qui trình ARCH (1) và ý tưởng này cũng tương tự

như ý tưởng mô hình ARIMA.
- Mô hình ARCH (1)
- Mô hình ARCH (1) sẽ mô hình hoá đồng thời giá trị trung bình và phương của
một chuỗi thời gian như cách được xác định sau đây:
Y
t
= B
1
+ B
2
X
t
+ u
t
(1.4)
u
t
~ N (0, h
t
)
h
t
= + (1.5)
-Ở đây phương trình (1.4) được gọi là phương trình ước lượng giá trị trung bình
và phương trình (1.5) được gọi là phương trình ước lượng phương sai. Để đơn giản cho
việc thể hiện công thức của phương trình phương sai ta thể hiện ký hiệu ht thay cho .
Mô hình ARCH (1) cho rằng khi có một cú sốc lớn ở giai đoạn t-1 thì giá trị u
t
cũng sẽ
lớn hơn. Nghĩa là khi lớn/ nhỏ thì phương sai của u

t
cũng sẽ lớn/ nhỏ. Hệ số ước
lượng phải có dấu dương vì phương sai luôn dương.
- Mô hình ARCH (q)
-Thực tế phương sai có điều kiện có thể phụ thuộc không chỉ một độ trễ mà còn
nhiều độ trễ trước nó nữa, vì mỗi trường hợp có thể tạo ra một quy trình ARCH khác
nhau. Ví dụ ARCH (2) sẽ được thể hiện như sau:
Y
t
= B
1
+ B
2
X
t
+ u
t
u
t
~ N (0, h
t
)
h
t
= + +
và mô hình ARCH (3) sẽ là:
Y
t
= B
1

+ B
2
X
t
+ u
t
u
t
~ N (0, h
t
)
h
t
= + + +
13
và trường hợp tổng quát sẽ là ARCH (q) được thể hiện như sau:
Y
t
= B
1
+ B
2
X
t
+ u
t
u
t
~ N (0, h
t

)
h
t
= +
Mô hình ARCH (q) sẽ mô hình hoá đồng thời giá trị trung bình và phương sai của
một chuỗi các hệ số ước lượng phải có dấu dương vì phương sai luôn dương.
4.2.Kiểm định tính ARCH
-Trước khi ước lượng các mô hình ARCH (q), điều quan trọng là chúng ta cần
kiểm tra xem có tồn tại các ảnh hưởng ARCH hay không để biết các mô hình nào cần ước
lượng theo phương pháp ARCH thay vì theo phương pháp ước lượng OLS. Kiềm định
ảnh hưởng ARCH sẽ được thực hiện theo qui trình như sau:
Bước 1: Ước lượng phương trình trung bình theo phương pháp OLS
Y
t
= B
1
+ B
2
X
t
+ e
t
Lưu ý, các biến giải thích có thể bao gồm các biến trễ của biến phụ thuộc và các biến giải
thích khác có ảnh hưởng đến Y
t
. Ngoài ra, khi thực hiện với dữ liệu mẫu, thì hạng nhiễu
u
t
trong mô hình (15.11), được đổi thành phần dư e
t

.
Bước 2: Ước lượng phương trình hồi qui phụ sau đây:
= + + + …+ + w
t
Xác định hệ số xác định của mô hình hồi qui phụ, đặt tên là R
2
.
Bước 3: Xác định giả thiết H
0
như sau:
H
0
= = =…=
Từ kết quả hồi qui phụ ta tính R
2
*T, với T là số quan sát của chuỗi dữ liệu đang được
xem xét. Thống kê này sẽ theo phân phối chi 
2
với số bậc tự do là số độ trễ q (do
trong phương trình hồi quy là một tổng của q thành phần lấy bình phương). Nếu giá trị
thống kê 
2
tính toán (R
2
*T) lớn hơn giá trị 
2
phê phán ( theo hàm CHIINV ( ,d.f.)), thì
14
chúng ta bác bỏ giả thiết H
0

, và ngược lại. Nếu bác bỏ giả thiết H
0
, thì ta có thể kết luận
rằng chuỗi dữ liệu đang xét có ảnh hưởng ARCH.
15
CHƯƠNG 2:
PHÂN TÍCH XU HƯỚNG VÀ CÁC NHÂN TỐ ẢNH
HƯỞNG THỊ TRƯỜNG CHỨNG KHOÁN VIỆT
NAM
1.Lịch sử hình thành và phát triển:
-Nhằm mục đích xây dựng một kênh huy động vốn mới, trong những năm đầu
thập kỉ 90 (thế kỉ 20),Đảng và Chính phủ Việt Nam đã nghiên cứu, xây dựng đề án thành
lập TTCK.
-Ngày 6/11/1993 Thống đốc Ngân hàng Nhà nước Việt Nam ra quyết định số
207/QD-TCCB về việc thành lập Ban Nghiên cứu xây dựng và phát triển thị trường vốn
thuộc Ngân hàng Nhà nước.
-Tháng 9/1994, Chính phủ quyết định thành lập Ban soan thảo Pháp luật về
chứng khoán và TTCK.
-28/11/1996 theo nghị định số 75/CP của Chính Phủ thành lập Ủy ban Chứng
Khoán Nhà nước (UBCKNN)
-28/7/2000 thị trường chứng khoán Việt Nam chính thức đi vào hoạt động với
phiên giao dịch đầu tiên. Mới đầu chỉ có 3 mã chứng khoán được niêm yết trên trung tâm
giao dịch chứng khoán Tp. Hồ Chí Minh (tiền thân của sở giao dịch chứng khoán Tp.Hồ
Chí Minh). Đến nay sau hơn 8 năm hoạt động trên 2 sàn HOSE và HASTC có gần 300
mã cổ phiếu được niêm yết.
-Theo quy định thì chỉ số chứng khoán của sàn giao dịch HOSE được lấy làm chi
số của thị trường chứng khoán Việt Nam (VNINDEX)
-Chỉ số VN-Index đã chứng minh sự tăng trưởng nhanh chóng của thị trường.
16
2.Các giai đoạn phát triển của thị trường chứng khoán

Nếu trong phiên giao dịch đầu tiên ngày 28/7/2000, VN-Index ở mức 100 điểm
thì vào ngày 28/2/2007, là 1136 điểm, tăng 11 lần so với ngày gốc. TTCKVN cho tới đầu
năm 2009 đã trải qua nhiều giai đoạn thăng trầm
-Giai đoạn đầu từ khi ra đời cho đến hết năm 2000, chỉ số chứng khoán VN-Index
đã tăng “phi mã” từ 100 điểm lên 571 điểm - gấp trên 5,7 lần trong vòng 6 tháng.
-Giai đoạn thứ hai bắt đầu từ năm 2001 đến giữa năm 2004, chỉ số VN-Index gần
như “rơi tự do” từ 571 điểm xuống còn trên 130 điểm.
-Giai đoạn thứ ba, từ nửa cuối năm 2004, chỉ số VN-Index “bò dần” lên trên 200
điểm và đến hết năm 2005, đã vượt qua mốc 300 điểm.
-Giai đoạn thứ tư, từ năm 2006 là giai đoạn sốt nóng, khi phiên giao dịch đầu năm
mới có 304 điểm, thì đến ngày 25/4 đã vọt lên đỉnh điểm 632,69 điểm, trong đó giá cổ
phiếu của bốn công ty niêm yết hàng đầu đã vượt mức 100 nghìn đồng/cổ phiếu, tức gấp
trên 10 lần mệnh giá.
-Giai đoạn thứ năm bắt đầu từ cuối tháng 5/2006, chỉ số VN-Index lại “lao
xuống” còn khoảng 500 điểm. Giá trị giao dịch chứng khoán trung bình một phiên tại
Trung tâm Giao dịch Chứng khoán TP HCM (nay là Sở Giao dịch Chứng khoán TP.
HCM), nếu tháng 3 mới đạt 92,4 tỷ đồng, thì tháng 4 đạt 156 tỷ đồng, nhưng tháng 5, lại
giảm xuống còn 104 tỷ đồng, tháng 6 chỉ còn 60 tỷ - trong đó tuần cuối tháng 6 còn 53,7
tỷ đồng, thậm chí một số phiên chỉ còn 30 - 40 tỷ đồng.
-Giai đoạn thứ sáu, TTCK 6 tháng đầu năm 2007 phát triển đi lên, VN-Index bứt
phá ngoạn mục, với đồ thị đi lên gần như thẳng đứng, từ đầu tháng 1 đến giữa tháng 3
năm 2007, VN-Index tăng đến trên 55% và đã đạt ở mức kỷ lục 1.174,22 điểm. Sau đó là
giai đoạn điều chỉnh mạnh từ giữa tháng 3 đến cuối tháng 4/2007, VN-Index tụt dốc đến
trên 20%; và phục hồi từ cuối tháng 4 đến cuối tháng 6/2007 với mức tăng trưởng khoảng
15%. Đến cuối tháng 7/2007, VN-Index dao động xung quanh ngưỡng 1.000 điểm (đến
giữa tháng 5/2007 đã lên 1.060 điểm), tăng hơn 10 lần so với năm 2000.
-Giai đoạn từ cuối năm 2007 đến nay, VN-Index sụt giảm liên tiếp và giảm còn
399.66 điểm vào ngày 4/6/2008. Chưa dừng ở đó ngày 5/12/2008 VN-Index chỉ còn
17
299.68,chính thức rớt dưới mức 300 điểm. Đến ngày 10/12/2008 VN-Index lại tiếp tục

rớt xuống còn 286.85. Đây là mức thấp điểm nhất kể từ ngày 14/10/2005. Đến đầu tháng
1/2009 VN-Index leo lên được mức 300 điểm và cứ dao động xung quanh mức
này.Nhưng đến tháng 5/2009 VN-Index đã vượt mốc 500 điểm và có xu hướng tăng dần
3.Sự liên thông giữa VNINDEX và các chỉ số chứng khoán trên thế giới:
Theo nghiên cứu của stox.vn thì thực sự có mối liên hệ giữa VNindex và các chỉ
số chứng khoán trên thế giới.Tôi xin trích dẫn bài nghiên cứu của stock.vn như sau:
-“Trong bối cảnh nền kinh tế thế giới được toàn cầu hoá ở cấp độ cao như hiện
nay thì các diễn biến trên thị trường chứng khoán Mỹ đều có ảnh hưởng đến hàng loạt
các thị trường khác trên thế giới.
-Ví dụ chỉ số Nikkei 225 của Nhật bản và Hangseng của Hồng Kông luôn bám sát
chỉ số S&P 500 đại diện cho thị trường Mỹ. Vậy VN-Index phản ứng ra sao mỗi khi
chứng khoán thế giới tăng, giảm?
-Stox.vn nhìn lại diễn biến thị trường từ tháng 1/2007 cho đến tháng 8/2008 đã
cho thấy trong năm 2007, chứng khoán Việt Nam hầu như lãnh cảm với thế giới, chỉ số
tương quan correlation của năm ở mức rất thấp là 10,9%. Điều này có nghĩa là nếu S&P
500 tăng điểm, thì chỉ có 11% khả năng là VN-Index tăng điểm theo. Từ năm 2008 đến
nay, thị trường chứng khoán Việt Nam đã có mức độ có phản ứng cao hơn, chỉ số tương
quan correlation đã tăng lên ở mức 25% trong năm 2008 và đang ở mức 40% trong năm
2009.
Mối tương quan giữa các chỉ số với S&P 500
18
Nguồn: Stox.vn
-So với các thị trường khác trong khu vực, chỉ số tương quan của Nikkei 225 của
Nhật bản với S&P 500 là rất mạnh ở mức 80%, Kuala Lumpua với S&P 500 là 52%, và
Jakarta với S&P 500 là 59%. Chúng ta có thể nói mối liên hệ của VN-Index với chứng
khoán thế giới là còn yếu, nhưng đang có xu hướng gia tăng.
-Do vậy nhà đầu tư cũng cần phải theo dõi và nắm bắt được các sự kiện ảnh
hưởng tới các thị trường chứng khoán chính trên thế giới đặc biệt là Mỹ, Nhật bản và Tây
Âu và từ đó có những quyết định mua bán chứng khoán kịp thời cũng như xác định định
hướng đầu tư khi có những dấu hiệu thay đổi từ các thị trường lớn này.”

(Nguồn:Stox.vn)
-Qua bài nghiên cứu của stox.vn ta cũng thấy được mối liên quan giữa Vnindex
và S&P500, từ đó tôi đã có ý tưởng phát triển bài nghiên cứu này bằng cách tìm mối quan
hệ giữa Vnindex và các chỉ số chứng khoán lớn trên thế giới như S&P500 (Hoa Kì), Dax
(Đức), KOSPI (Hàn Quốc), Straints times (Singapore), CAC(Pháp), ftse100 (Anh).
-Chỉ số S&P500 đại diện cho 500 công ty lớn tại Hoa Kì. Nền kinh tế Mỹ luôn có
sự ảnh hưởng lớn đến nền kinh tế trên toàn thế giới, S&P500 là một trong những chỉ số
quan trọng tại Hoa Kì, do đó khi chỉ số này thay đổi thì sẽ có tác động đến hầu hết các
quốc gia trên thế giới.
19
-Chỉ số Dax là chỉ số chứng khoán quan trọng nhất của Sở giao dịch chứng khoán
Frankfurt. Chỉ số này được tính dựa trên 30 loại cổ phiếu Blue-Chip được giao dịch ở Sở
giao dịch chứng khoán Frankfurt tại Đức.
-Chỉ số ftse100 là chỉ số gồm 100 công ty lớn nhất nước anh và được nước Anh
được liệt kê trên London Stock Exchange, nó có tầm quan trọng lớn tại Anh.
-Chỉ số CAC là chỉ số chứng khoán của Pháp, đo lường 40 trong 100 công ty lớn
nhất tại Pháp, các công ty này được niêm yết trên sở giao dịch chứng khoán Paris, khi chỉ
số này thay đổi thì có ảnh hưởng khá lớn đến thị trường thế giới.
-Chỉ số KOSPI gồm 200 cổ phiếu hàng đầu trong sở giao dich chứng khoán Korea
tại Hàn Quốc
. -Chỉ số Straints Times dựa trên các cổ phiếu của 30 công ty đại diện được niêm
yết trên sở giao dịch chứng khoán Singapore, các công ty này đều là công ty lớn, lợi
nhuận hằng năm của các công ty này khá cao, chỉ số này có tầm ảnh hưởng lớn tại
Singapore.
20
CHƯƠNG 3:
ÁP DỤNG CÁC MÔ HÌNH DỰ BÁO CHO CHUỖI
VNINDEX
1.Ứng dụng mô hình ARIMA và ARCH để dự báo chuỗi VNindex:
1.1.Nhận dạng mô hình:

Hình 1:Mô hình hàm xu thế của chuỗi Vnindex
- Đồ thị có xu hướng giảm xuống trong thời gian đang xét nên chuỗi VNINDEX
không dừng
- Phân tích đồ thị hàm tự tương quan-ACF và hàm tự tương quan-PACF của dữ
liệu gốc VNINDEX ta có
21
Hình 2: Đồ thị ACF và PACF của chuỗi VNindex
-Bảng ACF và PACF cho thấy chuỗi dữ liệu gốc không phải là chuỗi dừng.
+ACF giảm dần
+PACF giảm đáng kể sau độ trễ k=1,k=2
đây là mô hình ar(1) hoặc ar(2)
Để xác định được chính xác chuỗi đã dừng hay chưa ta đi kiểm định Augmented Dickey-
Fuller (nghiệm định nghiệm đơn vị đối với tính dừng) cho ta kết quả sau:
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-1.830848
0.6847
Test critical values:
1% level
-4.022135
5% level
-3.440894
10% level
-3.144955
Theo kết quả trên ta thấy t= -1.830848 có p_value=0.6847 khá lớn (>0.05) nên ta chấp
nhận giả thuyết H
0
, tức là chuỗi VNindex không dừng.
22

1.2.Chuyển đổi chuỗi gốc VNINDEX thành chuỗi “dừng”. Bằng cách lấy sai phân bậc
một
Hình 3:Đồ thị chuỗi VNindex sau khi lấy sai phân bậc 1
1.3.Xác định mô hình ARIMA
Lấy sai phân bậc 1 thì hàm tự tương quan ACF và PACF có dạng sau:
Hình 4:Đồ thị ACF và PACF của chuỗi VNindex sau khi lấy sai phân bậc 1
Ta thấy ACF và PACF tắt dần sau 1 độ trễ nên có thể xem là chuỗi dừng.
23
Mô hình thích hợp của chuỗi này là ARIMA(1,1,1)
Nhưng để xác định được chính xác chuỗi đã dừng hay chưa ta đi kiểm định Augmented
Dickey-Fuller (nghiệm định nghiệm đơn vị đối với tính dừng) cho ta kết quả sau:
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-7.430673
0.0000
Test critical values:
1% level
-4.022586
5% level
-3.441111
10% level
-3.145082
Theo kết quả trên ta thấy t= -7.430673 có p_value=0.0000 rất nhỏ (<0.05) nên ta bác bỏ giả
thuyết H
0
, tức là chuỗi VNindex sau khi lấy sai phân bậc 1 đã dừng.
1.4.Mô hình AR(1)
1.4.1.Ước lượng mô hình AR(1)
Dependent Variable: VNINDEX

Method: Least Squares
Date: 06/26/09 Time: 13:08
Sample(adjusted): 2 147
Included observations: 146 after adjusting endpoints
Convergence achieved after 5 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
519.5170
616.5174
0.842664
0.4008
AR(1)
0.995013
0.009642
103.1975
0.0000
R-squared
0.986659
Mean dependent var
658.0197
Adjusted R-squared
0.986566
S.D. dependent var
288.3421
S.E. of regression
33.41998

Akaike info criterion
9.869789
Sum squared resid
160832.9
Schwarz criterion
9.910660
Log likelihood
-718.4946
F-statistic
10649.73
Durbin-Watson stat
1.085675
Prob(F-statistic)
0.000000
Inverted AR Roots
1.00
Hình 5:Kết quả ước lượng mô hình AR(1)
24
Các chỉ tiêu của sai số thống kê như AIC=9.869789, SC=9.869789, cho thấy mức độ
phù hợp của mô hình là khá cao (các chỉ số này càng nhỏ thì dự báo càng chính xác) và
p_value của mô hình=0.000000 rất nhỏ nên mô hình phù hợp.
1.4.2.Kiểm định phần dư
Hình 6:Kiểm định phần dư mô hình AR(1)
Qua kết quả kiểm định phần dư trong mô hình AR(1) ta thấy đa số các giá trị đều nằm
trong 2 đường giới hạn do đó có thể xem sai số là nhiễu trắng
25
1.4.3.Các chỉ tiêu dự báo, giá trị dự báo:
Hình 7:Các chỉ tiêu dự báo của mô hình AR(1)
stt
vnindex

vnindexfar1
143
315.724
341.7688
144
317.01
316.7402
145
353.634
318.0198
146
380.016
354.4612
147
403.86
380.7116
148
404.4367
Hình 8:Kết quả dự báo bằng mô hình AR(1)
Kết quả cho ta thấy giá trị trung bình của VNindex từ ngày 19/5/09 đến 25/5/09 sẽ
là 404.44 điểm.Vậy tuần 19/5/09->22/5/09 nhìn chung VNindex có xu thế tăng và đây
cũng là biểu hiện tốt cho nhà đầu tư trên thị trường chứng khoán.