I HC QUC GIA H NI TRNG I HC CễNG NGH Nguyn Ngc Thip MT S PHNG PHP KHAI PH D LIU QUAN H TRONG TI CHNH V CHNG KHON (Mễ HèNH ARIMA) KHểA LUN TT NGHIP I HC H CHNH QUY Ngnh : Cụng ngh thụng tin H NI - 2010 I HC QUC GIA H NI TRNG I HC CễNG NGH Nguyn Ngc Thip MT S PHNG PHP KHAI PH D LIU QUAN H TRONG TI CHNH V CHNG KHON (Mễ HèNH ARIMA) KHểA LUN TT NGHIP I HC H CHNH QUY Ngnh : Cụng ngh thụng tin Cỏn b hng dn : PGS-TS H Quang Thy Cỏn b ng hng dn : Th.s Nguyn Th Oanh H NI - 2010 LI CM N Li u tiờn, em xin by t long bit n ti cỏc thy, cụ giỏo trng i hc Cụng Ngh - i hc Quc Gia H ni Cỏc thy cụ ó dy bo, ch dn em v luụn to iu kin tt nht cho chỳng em hc sut quỏ trỡnh hc i hc c bit l thi gian lm khúa lun tt nghip Em xin by t lũng bit n sõu sc ti thy giỏo PGS.TS H Quang Thy cựng cụ giỏo ThS Trn Th Oanh, v cỏc anh ch phũng LAB 102 ó hng dn em tn tỡnh nm hc va qua Tụi cng xin cm n nhng ngi bn ca mỡnh, cỏc bn ó luụn bờn tụi, giỳp v cho tụi nhng ý kin úng gúp quý bỏu hc cng nh cuc sng Cui cựng xin gi ti b m v ton th gia ỡnh lũng bit n v tỡnh cm yờu thng nht H Ni, ngy 10/05/2010 Nguyn Ngc Thip M U Bi toỏn d bỏo ti chớnh ngy cng c nhiu ngi quan tõm bi cnh phỏt trin kinh t xó hi u t vo th trng chng khoỏn ũi hi nhiu kinh nghim v hiu bit ca cỏc nh u t Cỏc k thut khai phỏ d liu c ỏp dng nhm d bỏo s lờn xung ca th trng l mt gi ý giỳp cỏc nh u t cú th quyt nh giao dch Mụ hỡnh ARIMA c xõy dng vi chc nng nhn dng mụ hỡnh, c lng cỏc tham s v a kt qu d bỏo da trờn cỏc tham s c lng ó c la chn mt cỏch ti u Khúa lun nghiờn cu, thi hnh mụ hỡnh ARIMA (t cỏc nghiờn cu ca BoxJenkins) v ng dng vo bi toỏn khai phỏ d liu chui thi gian d bỏo ti chớnh, chng khoỏn Khúa lun ó thc nghim trờn d liu vnIndex v ó thu c kt qu bc u Vi ni dung trỡnh by nhng lý thuyt c bn v mụ hỡnh ARIMA cho d liu thi gian thc (time series) v cỏch ỏp dng vo bi toỏn thc t - d bỏo s lờn xung ca th trng chng khoỏn Khúa lun c t chc theo cu trỳc nh sau : Chng GII THIU CHUNG gii thiu s lc v khai phỏ d liu núi chung v bi toỏn d bỏo ang c quan tõm khai phỏ d liu Bi toỏn d bỏo c ỏp dng di khia cnh s dng mụ hỡnh ARIMA cho chui thi gian thc Chng Mễ HèNH ARIMA V PHN MM EVIEW trỡnh by mt s ni sung c s lý thuyt v mụ hỡnh ARIMA, cng nh nhng cụng c s c ỏp dng vo mụ hỡnh m khúa lun cp : Hm t tng quan ACF, hm t tng quan riờng phn PACFCỏc bc phỏt trin mụ hỡnh : xỏc nh mụ hỡnh, c lng cỏc tham s, kim nh chớnh xỏc v d bỏo Mụ hỡnh ARIMA l mt quỏ tỡnh th v sai : mt kim nh no ú khụng tha món, phi xỏc nh li mụ hỡnh Tip n gii thiu qua v phn mm Eviews 5.1 cho quỏ trỡnh thi hnh Chng P DNG Mễ HèNH ARIMA VO BI TON TI CHNH, CHNG KHON trỡnh by thc nghim mụ hỡnh ARIMA cho d liu ti chớnh, chng khoỏn Cỏc bc quỏ trỡnh thi hnh chng trỡnh vi phn mm Eviews 5.1, a kt qu v ỏnh giỏ vi thc t Phn Kt lun tng kt kột qu ca khúa lun v phng hng nghiờn cu tip theo MC LC M U Chng GII THIU CHUNG 1.1 Bi toỏn d bỏo 1.2. D liu chui thi gian 1.2.1 Khỏi nim chui thi gian thc .10 1.2.2 Thnh phn xu hng di hn .10 1.2.3 Thnh phn 11 1.2.4 Thnh phn chu k 11 1.2.5 Thnh phn bt thng 12 CHNG Mễ HèNH ARIMA V PHN MM EVIEWS .13 2.1 Mụ hỡnh ARIMA 13 2.1.1 Hm t tng quan ACF 13 2.1.2 Hm t tng quan tng phn PACF 14 2.1.3 Mụ hỡnh AR(p) 17 2.1.4 Mụ hỡnh MA(q) .17 2.1.5 Sai phõn I(d) 18 2.1.6 Mụ hỡnh ARIMA 18 2.1.7.Cỏc bc phỏt trin mụ hỡnh ARIMA .22 2.2 Phn mm ng dng Eviews 22 2.2.1 Gii thiu Eviews 22 2.2.2.pdngEviewsthihnhcỏcbcmụhỡnhARIMA 27 Túm tt chng 29 Chng P DNG Mễ HèNH ARIMA VO BI TON TI CHNH, CHNG KHON 30 3.1 Mụ hỡnh ARIMA cho d bỏo ti chớnh, chng khoỏn 30 3.1.1 D liu ti chớnh 30 3.1.2 Mụ hỡnh ARIMA cho bi toỏn d bỏo ti chớnh 30 3.1.3 Thit k mụ hỡnh ARIMA cho d liu 31 3.2 p dng 33 3.2.1 Mụi trng thc nghiờm 33 3.2.2.D liu .33 3.2.3.Kim tra tớnh dng ca chui chng khoỏn AAM .34 3.2.4.Nhn dng mụ hỡnh .35 3.2.5.c lng v kim nh vi mụ hỡnh ARIMA 37 3.2.6Thc hin d bỏo 38 KT LUN 41 Chng GII THIU CHUNG 1.1 Bi toỏn d bỏo S phỏt trin ca cụng ngh thụng tin v vic ng dng cụng ngh thụng tin nhiu lnh vc ca i sng, kinh t xó hi nhiu nm qua cng ng ngha vi lng d liu ó c cỏc c quan thu thp v lu tr ngy mt tớch ly nhiu lờn H lu tr cỏc d liu ny vỡ cho rng nú n cha nhng giỏ tr nht nh no ú Tuy nhiờn, theo thng kờ thỡ ch cú mt lng nh ca nhng d liu ny (khong t 5% n 10% ) l luụn c phõn tớch, s cũn li h khụng bit s phi lm gỡ hoc cú th lm gỡ vi chỳng nhng h tip tc thu thp rt tn kộm vi ý ngh lo s rng s cú cỏi gỡ ú quan trng ó b b qua sau ny cú lỳc cn n nú Mt khỏc, mụi trng cnh tranh, ngi ta ngy cng cn cú nhiu thụng tin vi tc nhanh tr giỳp vic quyt nh v ngy cng cú nhiu cõu hi mang tớnh cht nh tớnh cn phi tr li da trờn mt lng d liu khng l ó cú Vi nhng lý nh vy, cỏc phng phỏp qun tr v khai thỏc c s d liu truyn thng ngy cng khụng ỏp ng c thc t ó lm phỏt trin mt khuynh hng k thut mi ú l k thut phỏt hin tri thc v khai phỏ d liu (KDD Knowledge Discovery and Data Mining) K thut phỏt hin tri thc v khai phỏ d liu ó v ang c nghiờn cu, ng dng nhiu lnh vc khỏc cỏc nc trờn th gii, ti Vit Nam k thut ny tng i cũn mi m nhiờn cng ang c nghiờn cu v dn a vo ng dng T tha xa xa, nhng nh tiờn tri ó gi mt v trớ quan trng cng ng Khi minh nhõn loi phỏt trin ó lm gia tng cỏc mi quan h phc ca cỏc giai on cuc sng, ngi cú nhu cu quan tõm n tng lai ca h Nh trỡnh by [2, 3], k thut d bỏo ó hỡnh thnh t th k th 19, nhiờn d bỏo cú nh hng mnh m cụng ngh thụng tin phỏt trin vỡ bn cht mụ phng ca cỏc phng phỏp d bỏo rt cn thit s h tr ca mỏy tớnh n nm nhng 1950, cỏc lý thuyt v d bỏo cựng vi cỏc phng phỏp lun c xõy dng v phỏt trin cú h thng D bỏo l mt nhu cu khụng th thiu cho nhng hot ng ca ngi bi cnh bựng n thụng tin D bỏo s cung cp nhng c s cn thit cho cỏc hoch nh, v cú th núi rng nu khụng cú khoa hc d bỏo thỡ nhng d nh tng lai ca ngi vch s khụng cú s thuyt phc ỏng k Trong cụng tỏc phõn tớch d bỏo, quan trng hng u cn t l vic nm bt ti a thụng tin v lnh vc d bỏo Thụng tin õy cú th hiu mt cỏch c th gm : (1) cỏc s liu quỏ kh ca lnh vc d bỏo, (2) din bin tỡnh hỡnh hin trng cng nh ng thỏi phỏt trin ca lnh vc d bỏo v (3) ỏnh giỏ mt cỏch y nht cỏc nhõn t nh hng c v nh lng ln nh tớnh Cn c vo ni dung phng phỏp v mc ớch ca d bỏo, ngi ta chia d bỏo thnh hai loi: Phng phỏp nh tớnh v phng phỏp nh lng Phng phỏp nh tớnh thng ph thuc rt nhiu vo kinh nghim ca mt hay nhiu chuyờn gia lnh vc liờn quan Phng phỏp ny thng c ỏp dng, kt qu d bỏo s c cỏc chuyờn gian lnh vc liờn quan nhn xột, ỏnh giỏ v a kt lun cui Phng phỏp nh lng s dng nhng d liu quỏ kh theo thi gian, da trờn d liu lch s phỏt hin chiu hng ng ca i tng phự hp vi mt mụ hỡnh toỏn hc no ú v ng thi s dng mụ hỡnh ú lm mụ hỡnh c lng Tip cn nh lng da trờn gi nh rng giỏ tr tng lai ca bin s d bỏo s ph thuc vo xu th ng ca i tng ú quỏ kh Phng phỏp d bỏo theo chui thi gian l mt phng phỏp nh lng Phng phỏp chui thi gian s da trờn vic phõn tớch chui quan sỏt ca mt bin nht theo bin s c lp l thi gian Gi nh ch yu l bin s d bỏo s gi nguyờn chiu hng phỏt trin ó xy quỏ kh v hin ti Khúa lun trung nghiờn cu mụ hỡnh ARIMA thc hin phõn tớch d liu chng khoỏn hng ti vic d bỏo chng khoỏn Mụ hỡnh ARIMA (AutoRegressive Integrate Moving Average) Box-Jenkins ngh nm 1976 [6, 11, 13], da trờn mụ hỡnh t hi quy AR v mụ hỡnh trung bỡnh ng MA ARIMA l mụ hỡnh d bỏo nh lng theo thi gian, giỏ tr tng lai ca bin s d bỏo s ph thuc vo xu th ng ca i tng ú quỏ kh Mụ hỡnh ARIMA phõn tớch tớnh tng quan gia cỏc d liu quan sỏt a mụ hỡnh d bỏo thụng qua cỏc giai on nhn dng mụ hỡnh, c lng cỏc tham s t d liu quan sỏt v kim tra cỏc tham s c lng tỡm mụ hỡnh thớch hp Mụ hỡnh kt qu ca quỏ trỡnh trờn gm cỏc tham s th hin mc tng quan trờn d liu, v c chn d bỏo giỏ tr tng lai Gii hn tin cy ca d bỏo c tớnh da trờn phng sai ca sai s d bỏo 1.2 D liu chui thi gian Trong cỏc bi toỏn d bỏo núi chung v cỏc bi toỏn d bỏo ti chớnh v chng khoỏn núi riờng, d liu thng c biu din di dng chui thi gian Trong cỏc dng d liu c phõn tớch thỡ d liu chui thi gian luụn thuc u v tớnh ph bin Cỏc bng thng kờ thm dũ v cỏc kiu d liu c phõn tớch nm 2005-20081 (Hỡnh 1) l mt minh chng v iu ny http://www.kdnuggets.com/polls/2008/datatypes-analyzed-data-mined.htm http://www.kdnuggets.com/polls/2006 /types_data_analyzed_mined.htm http://www.kdnuggets.com/polls/2007/dat a_types_analyzed.htm http://www.kdnuggets.com/polls/2005/data_typ es.htm Hỡnh Chui thi gian l kiu d liu c phõn tớch ph bin http://www.kdnuggets.com/ 1.2.1 Khỏi nim chui thi gian thc Theo [13, 16], d liu thi gian thc hay chui thi gian l mt chui cỏc giỏ tr ca mt i lng no ú c ghi nhn l thi gian Vớ d : S lng hng húa c bỏn 12 thỏng nm 2009 ca mt cụng ty Cỏc giỏ tr ca chui thi gian ca i lng X c kớ hiu l X1, X2, X3,, Xt, , Xn vi X l giỏ tr ca X ti thi im t Cỏc thnh phn ca d liu chui thi gian thc Cỏc nh thng kờ thng chia chui theo thi gian thnh thnh phn: ắ Thnh phn xu hng di hn (long term trend component) ắ Thnh phn (seasional component) ắ Thnh phn chu k (cyclical component) ắ Thnh phn bt thng (irregular component) 1.2.2 Thnh phn xu hng di hn Thnh phn ny dựng ch xu hng tng hay gim ca i lng X thi gian di V mt th thnh phn ny cú th biu din bi mt ng thng hay mt ng cong trn Hỡnh 1a Xu hng tng theo thi gian [16] Mụ hỡnh c gi l nhiu trng(white noise) cú trung bỡnh v phng sai khụng i theo thi gian hay hm t tng quan v t tng quan riờng phn dao ng quanh mt v trớ trung bỡnh ca chui [17] Khi mt mt mụ hỡnh c xỏc nh l nhiu trng, ta cú th dng mụ hỡnh ú m khụng cn n mụ hỡnh tip theo Cỏc tiờu chun ỏnh giỏ mt mụ hỡnh l tt nht [18] : o BIC nh (Schwarz criterion c xỏc nh bi : n.Log(SEE) + K.Log(n)) o SEE nh o R2 ln o Q-statistics v th tng quan ch phn d l nhiu trng Sau ú cú th th vi cỏc mụ hỡnh khỏc v so sỏnh kt qu theo cỏc tiờu chun ỏnh giỏ 2.2.2.3 D bỏo Ti ca s Equation ca phng trỡnh, bm nỳt forecast Hỡnh 14 Chn cỏc yờu cu thớch hp cho d bỏo Túm tt chng Chng ny nhm gii thiu v mụ hỡnh ARIMA: (1) hm t tng quan ACF, (2) hm t tng quan tng phn PACF, (3) mụ hỡnh thnh phn AR(p), (4) mụ hỡnh MA(q), sai phõn I(d), cỏc bc quỏ trỡnh xõy dng mụ hỡnh ARIMA Gii thiu s b v phn mm ng dng Eviews 5.1 phc v cho bi toỏn d bỏo bng mụ hỡnh ARIMA Chng P DNG Mễ HèNH ARIMA VO BI TON TI CHNH, CHNG KHON 3.1 Mụ hỡnh ARIMA cho d bỏo ti chớnh, chng khoỏn 3.1.1 D liu ti chớnh D liu chỳng ta s dng l d liu chui thi gian c im chớnh phõn bit gia d liu cú phi l thi gian thc hay khụng ú chớnh l s tn ti ca ct thi gian c ớnh kốm i tng quan sỏt Núi cỏch khỏc, d liu thi gian thc l mt chui cỏc giỏ tr quan sỏt ca bin Y : Y = {y1, y2, y3,, yt-1, yt, yt+1, , yn} vi yt l giỏ tr ca bin Y ti thi im t Mc ớch chớnh ca vic phõn tớch chui thi gian thc l thu c mt mụ hỡnh da trờn cỏc giỏ tr quỏ kh ca bin quan sỏt y1, y2, y3,, yt-1, yt cho phộp ta d oỏn c giỏ tr ca bin Y tng lai, tc l cú th d oỏn c cỏc giỏ tr yt+1, yt+2,yn Trong bi toỏn ca chỳng ta, d liu chng khoỏn c bit ti nh mt chui thi gian a dng bi cú nhiu thuc tớnh cựng c ghi ti mt thi im no ú Vi d liu ang xột, cỏc thuc tớnh ú l : Open, High, Low, Close, Volume Open : Giỏ c phiu ti thi im m ca ngy High : Giỏ c phiu cao nht ngy Low : Giỏ c phiu thp nht ngy Close : Giỏ c phiu c niờm yt ti thi im úng ca sn giao dch Volume : Khi lng giao dch c phiu (bỏn, mua) ngy 3.1.2 Mụ hỡnh ARIMA cho bi toỏn d bỏo ti chớnh Da vo trỡnh t c bn ca phng phỏp lun (phn 1.7) cựng cu trỳc v hot ng ca mụ hỡnh ARIMA chng ỏp dng mụ hỡnh ARIMA vo bi toỏn d bỏo ti chớnh, ta xõy dng mụ hỡnh d bỏo Mụ hỡnh gm quỏ trỡnh chớnh : Xỏc nh mụ hỡnh : Vi u vo l d liu chui thi gian ti chớnh giỳp cho vic xỏc nh ban u cỏc thnh phn mụ hỡnh p, d, q, S c lng, kim tra : Mụ hỡnh ARIMA l phng phỏp lp, sau xỏc nh cỏc thnh phn, mụ hỡnh s c lng cỏc tham s, sau ú thỡ kim tra chớnh xỏc ca mụ hỡnh : Nu hp lý, tip bc sau, nu khụng hp lý, quay tr li bc xỏc nh D bỏo : Sau ó xỏc nh cỏc tham s, mụ hỡnh s a d bỏo cho ngy tip theo 3.1.3 Thit k mụ hỡnh ARIMA cho d liu Vic thit k thnh cụng mụ hỡnh ARIMA ph thuc vo s hiu bit rừ rng v , v mụ hỡnh, cú th da vo kinh nghim ca cỏc chuyờn gia d bỏo Trong quỏ trỡnh tỡm hiu, khúa lun s a cỏc bc xõy dng mt mụ hỡnh nh sau : Chn tham bin Chun b d liu Xỏc nh tớnh dng ca chui d liu Xỏc nh yu t v Xỏc nh yu t xu th Xỏc nh cỏc thnh phn p, q mụ hỡnh ARMA c lng cỏc tham s v chn oỏn mụ hỡnh phự hp nht D bỏo ngn hn 3.1.3.1 Chn tham bin Hng tip cn ph bin d liu ti chớnh l trung xõy dng mụ hỡnh d bỏo giỏ c phiu úng ca sau kt thỳc mi phiờn giao dch (Close) 3.1.3.2 Chun b d liu Xỏc nh tớnh dng ca chui d liu : Da vo th ca chui v th ca hm t tng quan Nu th ca chui Y = f(t) mt cỏch trc quan nu chui c coi l dng th ca chui cho trung bỡnh hoc phng sai khụng i theo thi gian (chui dao ng quanh giỏ tr trung bỡnh ca chui) Da vo th ca hm t tng quan ACF nu th cho ta mt chui gim mnh v tt dn v sau q tr Xỏc nh yu t v cho chui d liu : Da vo th ca chui d liu Y = f(t) (Xem phn chng 1.1) Xỏc nh yu t xu th cho chui d liu : Xem li phn 2.1.2 (Trong gii hn ca khúa lun) 3.1.3.3 Xỏc nh thnh phn p, q mụ hỡnh ARMA Sau loi b cỏc thnh phn : Xu th, v, tớnh dng thỡ d liu tr thnh dng thun cú th ỏp dng mụ hỡnh ARMA cho quỏ trỡnh d bỏo Vic xỏc nh thnh phn p v q Chn mụ hỡnh AR(p) nu thỡ PACF cú giỏ tr cao ti tr 1, 2, , p v gim nhiu sau p v dng hm ACF gim dn Chn mụ hỡnh MA(q) nu th ACF cú giỏ tr cao ti tr 1, 2, , q v gim nhiu sau q v dng hm PACF gim dn 3.1.3.4 c lng cỏc thụng s ca mụ hỡnh v kim nh mụ hỡnh phự hp nht Cú nhiu phng phỏp khỏc c lng õy, khúa lun trung vo : Khi ó chn c mụ hỡnh, cỏc h s ca mụ hỡnh s c c lng theo phng phỏp ti thiu tng bỡnh phng cỏc sai s Kim nh cỏc h s a, b ca mụ hỡnh bng thng kờ t c lng sai s bỡnh phng trung bỡnh ca phn d S2 : S2 = = ^ Trong ú : et = Yt Y^t = phn d ti thi im t n = s phn d r = tng s h s c lng Tuy nhiờn : cụng thc ch a tham kho Hin phng phỏp c lng cú hu ht cỏc phn mm thng kờ : ET, MICRO TSP vaứ SHAZAM, Eviews Nu phn d l nhiu trng thỡ cú th dng v dựng mụ hỡnh ú d bỏo 3.1.3.5 Kim tra mụ hỡnh phự hp nht Da vo cỏc kim nh nh BIC nh (Schwarz criterion c xỏc nh bi : n.Log(SEE) + K.Log(n))[] SEE nh [19] R2 ln : R-squared = (TSS-RSS)/TSS [19] , 3.1.3.6 D bỏo ngn hn mụ hỡnh Da vo mụ hỡnh c chn l tt nht, vi d liu quỏ kh ti thi im t, ta s dng d bỏo cho thi im k tip t+1 3.2 p dng ng dng mụ hỡnh ARIMA vo bi toỏn d bỏo chng khoỏn ca ca Cụng ty c phn Thy sn Mekong(Mó CK : AAM) S dng Phn mm EVIEWS 5.1 d oỏn (ng dng ca mụ hỡnh ARIMA cho bi toỏn d oỏn chui thi gian) Quy trỡnh thc nghim c tin hnh nh ó mụ t 2.2.2 3.2.1 Mụi trng thc nghiờm Mụi trng thc nghim Eview 5.1 chy trờn h iu hnh Window XP SP2, mỏy tớnh tc 2*2.0 GHz, b nh 1GB RAM 3.2.2 D liu Chn loi d liu d bỏo: D liu c ly t http://www.cophieu68.com/datametastock.php Trong ú ta chn C phiu cú mó MMA d oỏn, v s dng riờng Giỏ úng ca D liu u vo l file.CSV or dat c ly t website xung D liu õy cú dng nh sau : MaCK AAM Ngay 5/14/2010 GiaDongCua 33.4 AAM 5/13/2010 33.2 AAM 5/12/2010 33.2 AAM 5/11/2010 34.4 AAM 5/10/2010 34.9 AAM 5/7/2010 36.5 Bng D liu u vo D liu cho quỏ trỡnh d bỏo c bt u t ngy 24/9/2009 n ngy 14/5/2010 õy khúa lun ch trung vo GiaDongCua, v quỏ trỡnh d bỏo s giỳp ta xỏc nh c Giỏ úng ca ca ngy k tip sau ú Hỡnh 15 Chn GIADONGCUA lm mc tiờu d bỏo 3.2.3 Kim tra tớnh dng ca chui chng khoỏn AAM Hỡnh 16 Biu úng ca 3.2.4 Nhn dng mụ hỡnh Xỏc nh cỏc tham s p, d, q ARIMA Hỡnh 17 xỏc nh d = 0,1,2 ? Hỡnh 18 Biu ca SAC v SPAC ca chui GIATHAMCHIEU Nhỡn vo hỡnh 3.7, ta thy biu hm t tng quan ACF gim dn mt cỏch t t v Chui cha dng, ta phi sai phõn ln Kim tra th Correlogram ca chui sai phõn bc Hỡnh 19 Biu ca SPAC v SAC ng vi d=1 Nh vy sau ly sai phõn bc chui ó dng: ặ d=1, ACF tt nhanh v sau tr ặq=1, PAC gim nhanh v sau tr:ặ p=1 3.2.5 c lng v kim nh vi mụ hỡnh ARIMA Xõy dng mụ hỡnh ARIMA(1,1,1) Chn Quick/Estimate Equation, sau ú gừ"dgiathamchieu c ar(1) ma(1)", Hỡnh 20 c lng mụ hỡnh ARIMA(1,1,1) Click OK, kt qu l : Hỡnh 21 Kt qu mụ hỡnh ARIMA(1,1,1) Chn View/Residual tests/Correlogram-Q- Statistic Hỡnh 22 : Kim tra phn d cú nhiu trng Nh vy, sai s ca mụ hỡnh ARIMA(1,1,1) l mt chui dng v nú cú phõn phi chun Sai s ny l nhiu trng Ta cú bng xỏc nh cỏc tiờu chun ỏnh giỏ sau ó th vi mt vi mụ hỡnh khỏc : Mụ hỡnh ARIMA BIC Adjusted R2 SEE ARIMA(1,0,0) 4.24 0.97 1.967 ARIMA(2,1,1) 4.26 0.004 1.96 ARIMA(1,1,1) 4.20 0.57 1.909 ARIMA(4,2,1) 4.26 0.44 1.957 Bng : Tiờu chun ỏnh giỏ cỏc mụ hỡnh ARIMA 3.2.6 Thc hin d bỏo Ti ca s Equation n nỳt Forecast Hỡnh 23 D bỏo Ti Forecast sample : ta chnh ngy d bỏo : 14/5/2010 20/5/2010 Kt qu l : Hỡnh 24 Kt qu ca bng thng kờ d bỏo ặ Ta cú kt qu d bỏo ca ngy 14/5/2010 20/5/2010 Ngy Giỏ thc t Giỏ d bỏo ỏnh giỏ 17/05/2010 33.5 32.94174 -0.55826 18/05/2010 33.2 32.89932 -0.30068 19/05/2010 32.5 32.86322 0.36322 20/05/2010 33.2 32.83250 -0.3675 Bng ỏnh giỏ d bỏo Qua thc nghim d bỏo c ngy t ngy 17/05 20/05/2010, chỳng ta nhn thy kt qu a khỏ chớnh xỏc so vi giỏ thc t ca mó chng khoỏn AAM Tuy s lng ngy d bỏo th nghim cha nhiu song cú th nhn nh rng mụ hỡnh ARIMA(1,1,1) l khỏ phự hp d bỏo mó CK AAM Túm tt chng Chng gii thiu v mụi trng thc nghim phn mm, d liu u vo l giỏ chng khoỏn ca cụng ty vi mó AAM (chn GiaDongCua lm bin d bỏo) Khúa lun ó tin hnh tng bc quỏ trỡnh thi hnh d bỏo twf d liu nh ó nờu chng ỏnh giỏ s b thnh cụng ca mụ hỡnh c chn : Mụ hỡnh c chn d bỏo khỏ chớnh xỏc KT LUN Qua thi gian nghiờn cu thc hin khúa lun tt nghip, em ó nm c quy trỡnh xõy dng mụ hỡnh ARIMA cho d liu ti chớnh v ỏp dng mụ hỡnh ny vo bi toỏn thc t - bi toỏn d bỏo ti chớnh Nhng kt qu chớnh m khúa lun ó t c cú th tng kt nh sau : Nghiờn cu mt s ni dung lý thuyt c bn v chui thi gian, v mụ hỡnh ARIMA, v cụng c Eviews cú th ỏp dng c Eviews thi hnh mụ hỡnh ARIMA d bỏo ti chớnh, chng khoỏn Nm c quy trỡnh dựng phn mm Eviews thi hnh mụ hỡnh ARIMA cho d liu thi gian thc (vi bc c bn) tớnh toỏn giỏ tr d bỏo d liu ti chớnh, chng khoỏn Thc hin quy trỡnh s dng phn mm Eviews thi hnh mụ hỡnh ARIMA cho d liu mó c phiu mó CK AAM d bỏo ngn hn giỏ c phiu Bờn cnh nhng kt qu ó t c, cũn cú nhng m thi im ny, khúa lun cha gii quyt c: p dng vi chui d liu cú tớnh xu th Thut toỏn c lng cng nh ỏnh giỏ cũn nhiu hn ch õy ch l mụ hỡnh phõn tớch k thut, cha th d bỏo mt cỏch chớnh sỏch, bi ch ph thuc vo mt bin Thi gian, quỏ trỡnh d bỏo ph thuc vo nhiu yu t Nhng ni dung cn nghiờn cu phỏt trin tip tc ni dung khúa lun: Xõy dng mụ hỡnh ARIMA a bin : ch s ca giỏ chng khoỏn ph thuc vo nhiu bin khỏc Gii quyt yu t xu th cho chui d liu TI LIU THAM KHO Ti liu tham kho ting Vit [1].ng Th nh Tuyt Tỡm hiu v ng dng mt s thut toỏn khai phỏ d liu time series ỏp dng bi toỏn d bỏo ti chớnh Khúa lun tt nghip i hc h chớnh quy, khoa Cụng ngh thụng tin i hc Cụng Ngh - i hc Quc Gia H ni, 2009 [2] Nguyn Th Hin Nhó S dng mụ hỡnh ARIMA cho vic gii quyt bi toỏn d bỏo t gi Lun thc s tin hc, i hc Khoa Hc T Nhiờn i Hc Quc Gia TP.HCM, 2002 [3] Nguyn Th Thanh Huyn, Nguyn Vn Huõn, V Xuõn Nam Phõn tớch v d bỏo kinh t, i Hc Thỏi Nguyờn, http://ictu.edu.vn/LinkClick.aspx?fileticket= EKrjb8h5MaQ%3D&tabid=212&mid=910 [4] Damodar N Gujarati Kinh t lng cn bn Chng 21, 22 [5] Phựng Thanh Bỡnh Hng dn s dng Eviews 5.1 Ti liu tham kho ting Anh [6] Boris Kovalerchuk and Evgenii Vityaev (2001) Data Mining in Finance: Advances in Relational and Hybrid Methods, Kluwer Academic Publishers, Boston, Dordrecht - London, 2001 [7] Jamie Monogan ARIMA Estimation adapting Maximum Likehood to the special Issues of Time Series [8] Cao Hao Thi, Pham Phu, Pham Ngoc Thuy Application of ARIMA model for testing serial independence of stock prices at the HSEC, The Joint 14th Annual PBFEA and 2006 Annual FeAT Conference, Taipei, Taiwan, July, 2006 [9] Robert Yaffee and Monnie McGee Time series Analysis and forecasting [10] Box G E P & Jenkins G M Time series analysis : Forecasting and control San Francisco, CA: Holden-day, 1970 [11] Roy Batchelor Box-Jenkins Analysis Cass Business School, City of Lodon [12] http://en.wikipedia.org/wiki/Time_series Time series [13] Ramasubramanian V.I.A.S.R.I Time series analysis, Library Avenue, New Delhi110 012 [14] http://www.pstat.ucsb.edu/faculty/feldman/174-03/lectures/l13.pdf Sample PACF; Durbin - Levinson algorithm [15] http://adt.curtin.edu.au/theses/available/adtWCU20030818.095457/unrestricted/07Chapter6.pdf Chapter six Univariate ARIMA models [16] Ross Ihaka Time Series Analysis, Lecture Notes for 475.726, Statistics Department, University of Auckland, 2005 [17] http://www.barigozzi.eu/ARIMA.pdf ARIMA estimation theory and applications [18] http://www.hkbu.edu.hk/~billhung/econ3600/application/app05/app05.html ARIMA models [19] http://www.stata.com/statalist/archive/2006-06/msg00554.html R-Squared with ARIMA [20] http://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average: Autoregressive integrated moving average