Nhóm 8.3: Độ biến động đa biến (multivariate_vol)
multivariate_vol) là phân nhánh chuyên sâu thuộc Chương 08: Độ biến động tài chính, định giá tài sản và rủi ro hệ thống, quy tụ 2 phương pháp ước lượng (từ B133 đến B134). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.1. Bản chất Học thuật & Vị trí của Nhóm 8.3 (Độ biến động đa biến)
Khi triển khai nghiên cứu định lượng trong miền Độ biến động tài chính, định giá tài sản và rủi ro hệ thống, chúng ta thường đứng trước câu hỏi: giữa 2 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, multivariate_vol), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 8.3 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):
$$sigma_t^2 = omega + alpha varepsilon_{t-1}^2 + gamma varepsilon_{t-1}^2 mathbb{I}(varepsilon_{t-1} lt 0) + beta sigma_{t-1}^2 tag{1}$$
Sự khác biệt giữa các mô hình từ B133 (ccc_garch) đến B134 (dcc_garch) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).
2. Bảng So sánh Trực diện 2 Mô hình thuộc Nhóm 8.3
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 2 bài học trong Nhóm 8.3 kèm câu lệnh cốt lõi trên cả ba phần mềm:
| Mã Bài | model_key |
Tên Mô hình (VI / EN) | Cấp độ | Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) | Ý nghĩa Kinh tế lượng Trọng tâm |
|---|---|---|---|---|---|
| B133 | ccc_garch |
Mô hình GARCH đa biến tương quan có điều kiện hằng số Bollerslev (CCC-GARCH) Constant Conditional Correlation Multivariate GARCH (CCC-GARCH) |
L2 | Stata: Stata mgarch ccc (mgarch ccc (r1 r2 r3 = ), arch(1) garch(1))R: rmgarch (rmgarch::cgarchspec / ccgarch2 constant correlation multivariate GARCH)Python: Two-step univariate arch_model conditional volatilities $D_t$ + positive-definite standardized correlation matrix $hat{R}$ & Tse LM constancy test |
Mô hình phương sai đa biến của $k$ tài sản tài chính tách riêng phương sai biên GARCH từng tài sản $D_t = text{diag}(sigma_{1t}dotssigma_{kt})$ và ma trận tương quan có điều kiện hằng số xác định dương $R$ ($H_t = D_t R D_t$), hội tụ ổn định trên danh mục nhiều tài sản. |
| B134 | dcc_garch |
Mô hình GARCH đa biến tương quan có điều kiện động của Engle (Dynamic Conditional Correlation — DCC-GARCH) DCC-GARCH |
L3 | Stata: mgarch dcc (ret1 ret2 = ), arch(1) garch(1)R: rmgarch::dccfit(dccspec(...), data = df[, c('ret1', 'ret2')])Python: Engle Two-Step Dynamic Conditional Correlation (DCC-GARCH) QMLE |
Phương pháp Mô hình GARCH đa biến tương quan có điều kiện động của Engle (Dynamic Conditional Correlation — DCC-GARCH) (DCC-GARCH) trong họ mô hình độ biến động tài chính, định giá tài sản và rủi ro hệ thống, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 8.3
Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:
- Chọn B133 — Mô hình GARCH đa biến tương quan có điều kiện hằng số Bollerslev (CCC-GARCH) (
ccc_garch) khi: Phân bổ danh mục đầu tư, tỷ lệ phòng vệ giá (hedge ratio) và đối chứng cơ sở để kiểm định sự biến thiên tương quan động của DCC-GARCH ($k in [2, 15]$ tài sản). (Kiểm định kèm theo: Kiểm định Tse (2000) / Engle–Sheppard LM về tính hằng định của tương quan ($H_0: text{CCC}$ vs $H_1: text{DCC}$), kiểm định xác định dương trị riêng $lambda_{min}(hat{R}) > 0$.). - Chọn B134 — Mô hình GARCH đa biến tương quan có điều kiện động của Engle (Dynamic Conditional Correlation — DCC-GARCH) (
dcc_garch) khi: Áp dụng khi nghiên cứu Sự gia tăng tương quan tài sản trong giai đoạn khủng hoảng và các bài toán thuộc nhóm độ biến động đa biến. (Kiểm định kèm theo: Engle ARCH-LM Test, Sign & Size Bias Test, Tse/Engle–Sheppard Dynamic Correlation Test, Kupiec POF & Christoffersen VaR Backtest, Gibbons–Ross–Shanken F-test).
↑ Quay lại Tổng quan Chương 08: Chương 08 — Độ biến động tài chính, định giá tài sản và rủi ro hệ thống
→ Đi tới Bài học đầu tiên của Nhóm 8.3: Bài B133 — Mô hình GARCH đa biến tương quan có điều kiện hằng số Bollerslev (CCC-GARCH) (
ccc_garch)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B133: Mô hình GARCH đa biến tương quan có điều kiện hằng số Bollerslev (CCC-GARCH) (Constant Conditional Correlation Multivariate GARCH (CCC-GARCH) — ccc_garch)Cấp độ 2: Trung cấp (Intermediate)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B134: Mô hình GARCH đa biến tương quan có điều kiện động của Engle (Dynamic Conditional Correlation — DCC-GARCH) (DCC-GARCH — dcc_garch)Cấp độ 3: Nâng cao (Advanced)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)