Mục lục
- 1 Mô hình Arima là gì? Giới thiệu mô hình Arima
- 1.1 Mô hình Arima là gì?
- 1.2 Giới thiệu mô hình Arima
- 1.3 Mô hình garch là gì?
- 2 Quy trình dự báo bằng mô hình
Arima
- 2.1 Xác nhận mô hình thử nghiệm
- 2.2 Ước lượng tham số
- 2.3 Kiểm định bằng chuẩn đoán
- 2.4 Dự báo
- 3 Hướng dẫn chạy mô hình Arima bằng eviews
- 3.1 Xác định mô hình
- 3.2 Ước lượng và kiểm tra mô hình
Mô hình Arima là gì? Giới thiệu mô hình Arima
Mô hình Arima là gì?
Mô hình Arima là một loại mô hình được sử dụng phổ biến trong kinh tế lượng. Có thể hiểu, Arima là mô hình được sử dụng để dự đoán và khai phá các dữ liệu trong ngành tài chính và chứng khoán. Đây là một phương pháp nghiên cứu độc lập thông qua việc dự đoán theo các chuỗi thời gian. Sau đó, các nhà nghiên cứu sẽ sử dụng các thuật toán dự báo độ trễ để đưa ra mô hình phù hợp.
Ví dụ về mô hình Arima có rất nhiều, chúng được dùng thường xuyên trong kinh tế lượng để dự báo sự biến động của tài chính và chứng khoán. Chẳng hạn, người ta sẽ dùng Arima để dự liệu về một mã cổ phiếu ngắn hạn.
Giới thiệu mô hình Arima
Mô hình Arima được nghiên cứu và phát hiện bởi hai nhà nghiên cứu là George Box và Gwilym Jenkins. Vì thế, loại mô hình này còn được biết đến với tên gọi là phương pháp Box – Jenkins.
Phương pháp này gồm 4 bước:
- Xác nhận mô hình thử nghiệm
- Ước lượng tham số
- Kiểm định bằng chẩn đoán
- Dự báo.
Mô hình Arima được chia thành 2 loại, đó là mô hình ARMA [p,q] và mô hình Arima [p,d,q]. Trong đó, mô hình ARMA [p,q] là mô hình được tạo thành bởi 2 hàm hỗn hợp AR và MA. Hàm số tuyến tính của chúng sẽ bao gồm những quan sát dừng quá khứ cũng như những sai số được dự báo ở quá khứ và hiện tại.
Vậy còn mô hình Arima [p,d,q] là gì? Mô hình ARIMA [p,d,q] chỉ mô tả chuỗi dừng hoặc những chuỗi đã sai phân hóa. Do vậy, mô hình ARIMA[p,d,q] sẽ thể hiện những chuỗi dữ liệu không dừng có sai phân là d.
Mô hình garch là gì?
Bên cạnh mô hình Arima, còn có một mô hình cũng có dạng p,q. đó là mô hình Garch. Đây là mô hình được lập để dự báo sai số có điều kiện. Loại mô hình này cũng được dùng nhiều trong dự đoán kinh tế, tài chính và có dạng Garch [p,q] với p là bậc của mô hình Garch và q là bậc của mô hình Arch.
Quy trình dự báo bằng mô hình Arima
Sau khi đã hiểu mô hình Arima là gì, chúng ta hãy cùng tìm hiểu các bước để dự báo thông qua mô hình này nhé.
Xác nhận mô hình thử nghiệm
Trước tiên, chúng ta cần nhận dạng mô hình thử nghiệm. Trong đó: d là bậc tích hợp và p,q sẽ được xác định bằng một hàm số chuyên dụng, gọi là Correlogram.
Mô hình Arima có thể trình bày theo các dạng khác nhau. Phương pháp xác định mô hình thường được các nhà nghiên cứu thực hiện qua nghiên cứu chiều hướng biến đổi của hàm tương quan toàn phần hay một phần.
Ước lượng tham số
Mô hình Arima có 2 dạng là ARMA[p,q] và Arima [p,d,q]. Với dạng ARMA[p,q] sẽ có d = 0, vì thế ta có thể biến đổi về dạng Arima [p,0,q].
Trong quá trình ước lượng tham số, ta cần lưu ý đến cách xác định p q trong mô hình Arima. Để xác định hai số liệu này, người ta sẽ sử dụng đồ thị Correlogram.
Cụ thể, p sẽ là bậc của đồ thị AR. Xét từ độ trễ đầu tiên, thanh nào nằm ngoài đường giới hạn và sau độ giảm một cách đáng kể sau một độ trễ thì hệ số tự tương quan riêng phần đó là p. Tương tự, q sẽ là bậc của MA.
Để ước lượng tham số, ta cần ước lượng khởi đầu cho các tham số a0, a1, …, ap, b1, …, bq của mô hình dự định ban đầu. Sau đó dựa trên những tham số đã ước lượng, xây dựng những ước lượng sau cùng thông quá một quá trình lặp.
Kiểm định bằng chuẩn đoán
Sau khi các tham số của mô hình tổng quát đã được xây dựng, người ta sẽ kiểm tra mức độ chính xác và sự phù hợp của mô hình với dữ liệu đã lập. Hãy xem xét phần sai số có phải ngẫu nhiên thuần túy không? Nếu có thì mô hình đó thỏa mãn, nếu không thì ta sẽ phải thực hiện lại các bước trên.
Dự báo
Ở bước cuối cùng này, khi mô hình phù hợp với dữ liệu đã tìm được, ta sẽ thực hiện dự báo tại thời điểm tiếp theo.
Hướng dẫn chạy mô hình Arima bằng eviews
Xác định mô hình
Trước tiên, chúng ta cần đưa dữ liệu vào. Sau đó, mở và đọc dữ liệu từ một nguồn bên ngoài không thuộc eviews rồi mở hộp thoại Open. Sau đó chọn Files of type. Tiếp tục kích đúp vào biến để kiểm tra tính dừng của chuỗi dữ liệu.
Chọn View/Graph/line để đưa ra ý tưởng về chuỗi thời gian, để xem chuỗi thời gian đó là dừng hay không hoặc chọn View/Correlogram để xác định các thành phần p,d,q của mô hình.
Ước lượng và kiểm tra mô hình
Từ biểu đồ tương quan đã lập, ta sẽ xác định được các thành phần p,d,q cho mô hình. Sau đó ta cần ta xây dựng mô hình theo các bước:
- Chọn Quick/estimate Equation gõ vào mục Equation Specification mô hình đã được xác định bước xác định.
- Chọn View/Residual tests/correlogram-Q-Statistic: Để xác định tính nhiễu trắng của mô hình. Nếu mô hình được xác định đó là nhiễu trắng, ta có thể dừng mà không cần kiểm tra mô hình tiếp theo.
Cuối cùng, tại Equation của phương trình, bấm nút forecast để dự báo và kết thúc bước chạy mô hình trên Eviews. Cách chạy mô hình Arima trong stata cũng tương tự như trên eviews, hãy luyện tập với các bài tập về mô hình Arima để hiểu hơn phần kiến thức này nhé.
Vậy là chúng ta đã tìm hiểu xong mô hình Arima là gì rồi. Nếu có bất cứ thắc mắc nào về loại mô hình này, cũng như có đóng góp gì thêm về bài viết mô hình Arima là gì, mời bạn để lại nhận xét dưới đây để cùng DINHNGHIA.VN tìm ra đáp án nhé!
Xem thêm >>> Mô hình erd là gì? Cách chuyển mô hình erd sang mô hình quan hệ
Please follow and like us: