6. Chuỗi thời gian đơn biến, phi tuyến, điểm gãy và bong bóng
TÓM TẮT CHƯƠNG 6:
- Quy mô chương: Chương 6. Chuỗi thời gian đơn biến, phi tuyến, điểm gãy và bong bóng bao gồm 5 nhóm phương pháp và 23 bài giảng chuyên sâu.
- Bài toán nhận dạng cốt lõi: “Làm thế nào để kiểm định tính dừng, dự báo chuỗi thời gian, ước lượng đồng tích hợp bất đối xứng (ARDL) và (NARDL), lấy mẫu tần suất hỗn hợp (MIDAS) và phát hiện điểm gãy/bong bóng?”
- Hệ thống kiểm định bắt buộc: ADF/PP/KPSS/DF-GLS/Zivot–Andrews Unit Root, Ljung–Box Q, Pesaran PSS Bounds F & t Test, Bai–Perron Sup-F, PSY GSADF Wild Bootstrap.
- Nguồn tham chiếu học thuật: Tổng hợp từ các công trình gốc của Box & Jenkins (1976); Pesaran, Shin & Smith (2001); Shin, Yu & Greenwood-Nimmo (2014); Bai & Perron (1998); Phillips, Shi & Yu (2015) và hệ thống giáo trình chuẩn quốc tế của Pesaran (2015); Becketti (2020); Brooks (2019); Hansen (2022).
1. Đặt vấn đề và bối cảnh nghiên cứu
Trong nghiên cứu thực nghiệm kinh tế, tài chính và chính sách công, việc lựa chọn đúng cấu trúc mô hình thuộc chương Chuỗi thời gian đơn biến, phi tuyến, điểm gãy và bong bóng quyết định trực tiếp tính không chệch, tính nhất quán và hiệu lực suy luận thống kê của các ước lượng theo Pesaran (2015); Becketti (2020); Brooks (2019); Hansen (2022). Khi cấu trúc dữ liệu thực tế vi phạm các giả định cổ điển, nhà nghiên cứu cần áp dụng chính xác các phương pháp chuyên biệt được trình bày trong chương này theo Box & Jenkins (1976); Pesaran, Shin & Smith (2001); Shin, Yu & Greenwood-Nimmo (2014); Bai & Perron (1998); Phillips, Shi & Yu (2015).
Khung biểu diễn toán học tổng quát cho các mô hình thuộc chương 6 được xác lập tại phương trình 1:
$$\Delta Y_t = \alpha_0 + \rho Y_{t-1} + \theta^+ X_{t-1}^+ + \theta^- X_{t-1}^- + \sum_{j=1}^{p-1} \gamma_j \Delta Y_{t-j} + \varepsilon_t \tag*{[1]}$$
Từ phương trình 1, mỗi nhóm phương pháp con trong chương sẽ cụ thể hóa điều kiện nhận dạng, cấu trúc ma trận hiệp phương sai của sai số và thuật toán tối ưu hóa phù hợp với từng thiết kế dữ liệu tại Việt Nam theo Box & Jenkins (1976); Pesaran, Shin & Smith (2001); Shin, Yu & Greenwood-Nimmo (2014); Bai & Perron (1998); Phillips, Shi & Yu (2015); Pesaran (2015); Becketti (2020); Brooks (2019); Hansen (2022).
2. Cấu trúc các nhóm phương pháp trong chương
Chương 6 được tổ chức thành 5 nhóm bài giảng theo thứ tự từ nền tảng đến nâng cao:
Bảng 6.1Cấu trúc các nhóm phương pháp trực thuộc chương 6
3. Danh mục các mô hình kinh tế lượng
Bảng dưới đây đối chiếu toàn bộ 23 bài giảng thuộc chương 6 cùng bộ thư viện thực thi trên Stata 18, R 4.x, Python 3.11+ và các kiểm định chẩn đoán bắt buộc:
Bảng 6.2Danh mục các mô hình kinh tế lượng và thư viện thực thi thuộc chương 6
| Mã mục | Tên bài giảng | Thư viện thực thi Stata · R · Python | Kiểm định chẩn đoán bắt buộc | Dữ liệu thực nghiệm Việt Nam |
|---|---|---|---|---|
| 6.1.1 | Kiểm định nghiệm đơn vị Dickey–Fuller tăng cường (ADF) | base Stata · tseries / urca · statsmodels |
Lựa chọn độ trễ $p$ tối ưu theo tiêu chuẩn (AIC) / SBIC hoặc quy tắc tổng quát đến cụ thể của Ng–Perron, đối chiếu giá trị tới hạn MacKinnon (1996) và kiểm định Ljung–Box phần dư | Kiểm định tính dừng chuỗi CPI, GDP, VN-Index Việt Nam |
| 6.1.2 | Kiểm định nghiệm đơn vị phi tham số Phillips–Perron (PP) | base Stata pperron · urca · arch |
Thống kê $Z(\tau)$ và $Z(\alpha)$, MacKinnon approximate $p$-value, băng thông Bartlett Newey–West, giá trị tới hạn $1\%, 5\%, 10\%$. | Chuỗi tỷ giá USD/VND và lãi suất liên ngân hàng |
| 6.1.3 | Kiểm định nghiệm đơn vị khử xu thế cục bộ (DF-GLS) | base Stata dfgls · urca · arch |
Thống kê $\tau_{\text{DF-GLS}}$, chọn độ trễ Ng–Perron Modified AIC — MAIC — chống méo kích thước kiểm định , bảng giá trị tới hạn ERS. | Chuỗi lạm phát lõi và cung tiền M2 Việt Nam |
| 6.1.4 | Kiểm định tính dừng Kwiatkowski–Phillips–Schmidt–Shin (KPSS) | Stata kpss · tseries / urca · statsmodels |
Lựa chọn băng thông Newey–West Bartlett kernel cho phương sai dài hạn $\hat{\omega}^2$ và lập ma trận đối chứng quyết định kép giữa (ADF) và (KPSS) | Đối chứng cặp đôi ADF–KPSS cho chuỗi xuất khẩu |
| 6.1.5 | Kiểm định nghiệm đơn vị có điểm gãy nội sinh Zivot–Andrews | zandrews · urca · arch |
Thống kê $\min t_{\text{ZA}}$, thời điểm gãy nội sinh $\hat{T}_B$, giá trị tới hạn Zivot–Andrews — $-5.57, -5.08, -4.82$ cho Model C , độ trễ tối ưu AIC/BIC. | Chuỗi GDP Việt Nam qua cú sốc COVID-19 |
| 6.1.6 | Kiểm định đồng tích hợp đa biến theo vết và trị riêng Johansen | base Stata · urca · statsmodels |
Kiểm định thống kê Vết và Trị riêng cực đại, chọn độ trễ (VAR) tối ưu theo (AIC) và (HQIC) và kiểm định tự tương quan phần dư (VECM) | Cầu tiền, lãi suất và thu nhập tại Việt Nam |
| 6.2.1 | Mô hình tự hồi quy chuỗi thời gian (AR) | base Stata · stats · statsmodels |
Điều kiện dừng nghiệm đa thức đặc trưng nằm ngoài vòng tròn đơn vị $|\lambda_i| \lt 1$, đồ thị hàm tự tương quan riêng phần PACF cắt cụt sau trễ $p$ và kiểm định nhiễu trắng Ljung–Box $Q$ | Dự báo ngắn hạn chỉ số sản xuất công nghiệp IIP |
| 6.2.2 | Mô hình trung bình trượt các cú sốc quá khứ (MA) | base Stata · stats · statsmodels |
Điều kiện khả nghịch yêu cầu nghiệm đa thức $\Theta(z)$ nằm ngoài vòng tròn đơn vị, đồ thị hàm tự tương quan (ACF) cắt cụt sau trễ $q$ và kiểm định Ljung–Box $Q$ | Chuỗi thay đổi dự trữ ngoại hối và cán cân thương mại |
| 6.2.3 | Mô hình tự hồi quy trung bình trượt kết hợp (ARMA) | base Stata · stats · statsmodels |
Lựa chọn bậc $p, q$ theo ma trận tiêu chuẩn (AIC) và (BIC), kiểm tra sự triệt tiêu nghiệm chung giữa đa thức (AR) và (MA), và kiểm định phần dư Ljung–Box / ARCH-(LM) | Mô hình hóa lạm phát tháng đã khử xu thế |
| 6.2.4 | Mô hình tự hồi quy tích hợp trung bình trượt (ARIMA) | base Stata · stats / forecast · statsmodels |
Kiểm định nghiệm đơn vị (ADF) và (KPSS) để xác định bậc sai phân $d$, tiêu chuẩn AICc và (BIC) chọn $p, q$, kiểm định Ljung–Box phần dư và đánh giá sai số dự báo (RMSE) và MAPE | Dự báo CPI và kim ngạch xuất khẩu hàng tháng |
| 6.2.5 | Mô hình ARIMA có tính mùa vụ nhân tính (SARIMA) | base Stata · stats / forecast · statsmodels |
Kiểm tra tương quan tại các bội số độ trễ mùa vụ $s, 2s, 3s$ trên (ACF) và PACF, kiểm định tính dừng mùa vụ HEGY/Canova–Hansen và kiểm định nhiễu trắng Ljung–Box | Tổng mức bán lẻ hàng hóa và du lịch theo tháng GSO |
| 6.3.1 | Mô hình tự hồi quy trễ phân phối và kiểm định đường bao (ARDL) | Stata ardl · ARDL / dynlm · statsmodels |
Kiểm định đường bao $F$-Bounds và $t$-Bounds với giá trị tới hạn hữu hạn mẫu Kripfganz–Schneider (2020), kiểm định tự tương quan Breusch–Godfrey, ARCH-(LM) và ổn định tham số CUSUM / CUSUMSQ | Tỷ giá, giá dầu và lạm phát tại Việt Nam |
| 6.3.2 | Mô hình hiệu chỉnh sai số không ràng buộc (UECM) | Stata ardl · ARDL / dynlm · statsmodels |
Kiểm định dấu âm và ý nghĩa thống kê của hệ số tốc độ điều chỉnh $\pi_Y \in (-1, 0)$ qua $t$-Bounds test, phương pháp Delta tính sai số chuẩn hệ số dài hạn và kiểm định ổn định CUSUM | Động học ngắn hạn và dài hạn của FDI |
| 6.3.3 | Mô hình ARDL phi tuyến bất đối xứng (NARDL) | nardl · ARDL · statsmodels |
Kiểm định tiền ước lượng xác nhận không có biến $I(2)$, đường bao $F_{\text{PSS}}$ & $t_{\text{BDM}}$, kiểm định Wald bất đối xứng dài hạn — $L^+ = L^-$ — & ngắn hạn, CUSUM/CUSUMSQ. | Truyền dẫn bất đối xứng giá xăng dầu lên CPI |
| 6.3.4 | Mô hình tự hồi quy trễ phân phối trên các phân vị (QARDL) | Stata sqreg · quantreg · statsmodels |
Kiểm định Wald tính bất biến theo phân vị của tốc độ điều chỉnh $\rho(\tau)$ và tham số dài hạn $\beta(\tau)$, pseudo-$R^1(\tau)$ Koenker–Machado. | Đồng tích hợp theo trạng thái thị trường tài chính |
| 6.4.1 | Mô hình không gian trạng thái SARIMA có biến ngoại sinh (SARIMAX) | base Stata · stats · statsmodels |
Kiểm định ý nghĩa thống kê các biến ngoại sinh, kiểm định nhiễu trắng phần dư chuẩn hóa một bước dự báo Kalman và tiêu chuẩn (AIC) và (BIC) | Dự báo thu ngân sách có biến sự kiện chính sách thuế |
| 6.4.2 | Mô hình tách thành phần không quan sát được Harvey (UCM) | base Stata · stats · statsmodels |
Kiểm định phương sai các nhiễu trạng thái $\sigma_\eta^2, \sigma_\zeta^2, \sigma_\omega^2$, kiểm định chuẩn hóa phần dư dự báo Kalman và Ljung–Box $Q$ | Ước lượng sản lượng tiềm năng và lỗ hổng sản lượng |
| 6.4.3 | Mô hình nhân tố động không gian trạng thái (DFM) | base Stata · stats / vars · statsmodels |
Tiêu chuẩn Bai–Ng $IC_p$ chọn số lượng nhân tố động, kiểm định tính dừng hệ số chuyển trạng thái của nhân tố và tỷ lệ phương sai giải thích cho từng chuỗi | Chỉ số chu kỳ kinh doanh tổng hợp Việt Nam |
| 6.5.1 | Mô hình hồi quy chia mẫu theo ngưỡng Hansen | Stata 18 threshold · strucchange · statsmodels |
Thống kê Sup-Wald / Sup-LM bootstrap $p$-value kiểm định tồn tại ngưỡng, khoảng tin cậy $95\%$ cho điểm ngưỡng $\hat{\gamma}$, kiểm định phương sai thay đổi từng chế độ. | Ngưỡng lạm phát tác động phi tuyến lên tăng trưởng |
| 6.5.2 | Mô hình tự hồi quy chuyển tiếp trơn (LSTAR, ESTAR) | base Stata nl · minpack.lm · scipy / statsmodels |
Kiểm định tuyến tính Teräsvirta LM bậc 3, đồng thời chọn tự động LSTAR vs ESTAR, kiểm định Eitrheim–Teräsvirta không còn tự tương quan/phi tuyến dư. | Điều chỉnh phi tuyến trơn của tỷ giá thực |
| 6.5.3 | Hồi quy lấy mẫu tần suất hỗn hợp Ghysels (MIDAS) | midas / base Stata · midasr · statsmodels / scipy |
Kiểm định hội tụ trọng số đa thức, kiểm định $h$-step out-of-sample RMSE / Diebold–Mariano so với AR benchmark, HAC Ljung–Box. | Dự báo GDP quý từ dữ liệu tháng GSO |
| 6.5.4 | Kiểm định và ước lượng đa điểm gãy cấu trúc Bai–Perron | Stata estat sbsingle · strucchange · statsmodels |
Thống kê supF[k], UDmax / WDmax, kiểm định tuần tự $\text{sup}F(\ell+1\mid\ell)$, ngày gãy ước lượng kèm khoảng tin cậy 95% và hệ số từng chế độ. | Xác định các bước ngoặt chế độ vĩ mô Việt Nam |
| 6.5.5 | Kiểm định đệ quy đuôi phải phát hiện bong bóng (GSADF) | radf · exuber · statsmodels |
Thống kê ADF, SADF, GSADF đối chiếu ngưỡng Wild Bootstrap $90\%, 95\%, 99\%$, danh sách các giai đoạn bong bóng giai đoạn khởi phát, đạt đỉnh và sụp đổ từ chuỗi $\text{BSADF}_t$. | Phát hiện giai đoạn bong bóng chứng khoán / vàng / BĐS |
4. Quy tắc chọn mô hình và kiểm định
Trước khi công bố kết quả ước lượng thuộc chương 6, nhà nghiên cứu cần thực hiện đầy đủ danh mục kiểm tra học thuật sau theo Pesaran (2015); Becketti (2020); Brooks (2019); Hansen (2022):
- Câu hỏi nhận dạng trung tâm: Làm thế nào để kiểm định tính dừng, dự báo chuỗi thời gian, ước lượng đồng tích hợp bất đối xứng (ARDL) và (NARDL), lấy mẫu tần suất hỗn hợp (MIDAS) và phát hiện điểm gãy/bong bóng?
- Hệ thống kiểm định chẩn đoán bắt buộc: ADF/PP/KPSS/DF-GLS/Zivot–Andrews Unit Root, Ljung–Box Q, Pesaran PSS Bounds F & t Test, Bai–Perron Sup-F, PSY GSADF Wild Bootstrap.
- Suy luận thống kê vững: Luôn kiểm tra cấu trúc phương sai thay đổi, tự tương quan hoặc phụ thuộc cụm để lựa chọn ma trận hiệp phương sai sai số chuẩn phù hợp trên Stata 18, R 4.x và Python 3.11+ theo Box & Jenkins (1976); Pesaran, Shin & Smith (2001); Shin, Yu & Greenwood-Nimmo (2014); Bai & Perron (1998); Phillips, Shi & Yu (2015).
LƯU Ý HỌC THUẬT: Khi trình bày bảng kết quả ước lượng thuộc chương 6 trong khóa luận, luận văn, luận án hoặc bài báo khoa học, cần báo cáo đầy đủ giá trị thống kê và $p$-value của bộ kiểm định gồm ADF/PP/KPSS/DF-GLS/Zivot–Andrews Unit Root, Ljung–Box Q, Pesaran PSS Bounds F & t Test, Bai–Perron Sup-F, PSY GSADF Wild Bootstrap ngay dưới chân bảng để minh chứng mô hình thỏa mãn điều kiện nhận dạng theo Pesaran (2015); Becketti (2020); Brooks (2019); Hansen (2022).
5. Tài liệu tham khảo
- Box, G. E. P, & Jenkins, G. M.(1976). Time Series Analysis: Forecasting and Control, Revised ed.. Holden-Day.
- Pesaran, M. H, Shin, Y, & Smith, R. J.(2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16, số 3, 289–326.
- Shin, Yu, & Greenwood-Nimmo(2014). Econometric specification, identification, and asymptotic inference.
- Bai, & Perron(1998). Econometric specification, identification, and asymptotic inference.
- Phillips, Shi, & Yu(2015). Econometric specification, identification, and asymptotic inference.
- Pesaran, M. H.(2015). Time Series and Panel Data Econometrics, Chương 12–22: Stationary Processes, Unit Roots, ARDL and Cointegration. Oxford University Press.
- Becketti, S.(2020). Introduction to Time Series Using Stata, Revised ed, Chương 5–9: ARIMA, Unit Roots and Cointegration. Stata Press.
- Brooks, C.(2019). Introductory Econometrics for Finance, 4th ed, Chương 6 & 8: Univariate Time Series & Long-Run Relationships. Cambridge University Press.
- Hansen, B. E.(2022). Econometrics, Chương 14 & 16: Time Series and Unit Roots. Princeton University Press.
ĐIỀU HƯỚNG HỌC TẬP:
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 5. Kinh tế lượng dữ liệu bảng tĩnh, động và phụ thuộc chéo
→ Nhóm đầu tiên trong chương: 6.1. Kiểm định nghiệm đơn vị và đồng tích hợp
→ Bài học đầu tiên trong chương: 6.1.1. Kiểm định nghiệm đơn vị Dickey–Fuller tăng cường (ADF)
→ Chương tiếp theo: 7. Chuỗi thời gian đa biến, chiếu cục bộ và mạng lan tỏa
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 5. Kinh tế lượng dữ liệu bảng tĩnh, động và phụ thuộc chéo
→ Nhóm đầu tiên trong chương: 6.1. Kiểm định nghiệm đơn vị và đồng tích hợp
→ Bài học đầu tiên trong chương: 6.1.1. Kiểm định nghiệm đơn vị Dickey–Fuller tăng cường (ADF)
→ Chương tiếp theo: 7. Chuỗi thời gian đa biến, chiếu cục bộ và mạng lan tỏa
Bài liên quan
- 6.1. Kiểm định nghiệm đơn vị và đồng tích hợp
- 6.1.1. Kiểm định nghiệm đơn vị Dickey–Fuller tăng cường (ADF)
- 6.1.2. Kiểm định nghiệm đơn vị phi tham số Phillips–Perron (PP)
- 6.1.3. Kiểm định nghiệm đơn vị khử xu thế cục bộ (DF-GLS)
- 6.1.4. Kiểm định tính dừng Kwiatkowski–Phillips–Schmidt–Shin (KPSS)
- 6.1.5. Kiểm định nghiệm đơn vị có điểm gãy nội sinh Zivot–Andrews
- 6.1.6. Kiểm định đồng tích hợp đa biến theo vết và trị riêng Johansen
- 6.2. Dự báo chuỗi thời gian đơn biến
- 6.3. Mô hình trễ phân phối tự hồi quy (ARDL)
- 6.4. Mô hình không gian trạng thái
- 6.5. Chuỗi thời gian phi tuyến, điểm gãy và bong bóng