Bài giảng Phân tích dữ liệu và dự báo - Bài giảng 6: ARCH

AutoRegressive Conditional Heteroscedasticity (ARCH) Dự báo và Phân tích dữ liệu (14/11/2013) Phùng Thanh Bình ptbinh[a-còng]ueh.edu.vn NỘI DUNG  Giới thiệu  Mô hình ARCH  Kiểm định ảnh hưởng ARCH  Mô hình GARCH  Mô hình GARCH-M  Mô hình TGARCH  Mô hình hóa các nhân tố ảnh hưởng phương trình phương sai 8.0 8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8 8.9 03 04 05 06 07 08 09 10 11 12 13 LOG(FTSE) -.100 -.075 -.050 -.025 .000 .025 .050 .075 .100 03 04 05 06 07 08 09 10 11 12 13 LOG(FTSE/FTSE(-1)) 12 3 4 5 6 01 02 03 04 05 06 07 08 09 10 11 12 13 LOG(SAM) -.7 -.6 -.5 -.4 -.3 -.2 -.1 .0 .1 01 02 03 04 05 06 07 08 09 10 11 12 13 LOG(SAM/SAM(-1)) 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 2007 2008 2009 2010 2011 2012 2013 LOG(CLOSE_ACB) -.5 -.4 -.3 -.2 -.1 .0 .1 .2 2007 2008 2009 2010 2011 2012 2013 LOG(CLOSE_ACB/CLOSE_ACB(-1)) MÔ HÌNH ARCH  Mô hình ARCH(1) MÔ HÌNH ARCH  Mô hình ARCH(2) MÔ HÌNH ARCH  Mô hình ARCH(3) MÔ HÌNH ARCH  Mô hình ARCH(q) ẢNH HƯỞNG ARCH  ARCH effect là gì?  Các bước kiểm định: • Ước lượng phương trình Yt = b1 + b2Xt + et • Ước lượng PT hồi quy phụ • Kiểm định giả thiết 2 ptp 2 2t2 2 1t10 2 t eˆ...eˆeˆˆe 0...:H p210  VÍ DỤ (ARCH.wk1): ƯỚC LƯỢNG MÔ HÌNH ARCH .0000 .0001 .0002 .0003 .0004 .0005 .0006 .0007 90 91 92 93 94 95 96 97 98 99 ARCH1 ARCH8  Mô hình GARCH(p,q) có dạng: MÔ HÌNH GARCH  Mô hình GARCH(1,1) có dạng: (7)  Lưu ý: Mô hình GARCH(1,1) ~ ARCH( )!!! MÔ HÌNH GARCH 2 1t11t10t uh h GARCH(1,1) GARCH(2,1) GARCH(1,2) GARCH(2,2) GARCH(3,2) GARCH(4,2) GARCH(4,1) GARCH(5,1) .0000 .0001 .0002 .0003 .0004 .0005 .0006 .0007 90 91 92 93 94 95 96 97 98 99 ARCH8 GARCH1_1 .0000 .0001 .0002 .0003 .0004 .0005 90 91 92 93 94 95 96 97 98 99 GARCH1_1 GARCH4_1  Mô hình GARCH-M có dạng: MÔ HÌNH GARCH-M  Mô hình GARCH-M có dạng: MÔ HÌNH GARCH-M GARCH(1,1)-M 1t 2 1t1 2 1t11t10t duuh h  Mô hình GARCH-M có dạng: = 1 if et < 0 (bad news) = 0 if et > 0 (good news) MÔ HÌNH TGARCH