8.3.1. Mô hình GARCH đa biến tương quan có điều kiện hằng số (CCC-GARCH)

* ==============================================================================
* BÀI 8.3.1 (B133): MÔ HÌNH GARCH ĐA BIẾN TƯƠNG QUAN CÓ ĐIỀU KIỆN HẰNG SỐ (CCC-GARCH)
* Môi trường: Stata 18 MP | Gói lệnh: Stata mgarch ccc
* Dữ liệu: Tỷ lệ phòng vệ rủi ro danh mục Cổ phiếu – Vàng – Tỷ giá (N = 320)
* ==============================================================================
clear all
set more off
version 18.0

* 1. Nạp dữ liệu thực nghiệm và khai báo cấu trúc mẫu
import delimited using "vietlod_ccc_garch_ecodata.csv", clear
describe
summarize y x1 x2
tsset t

* 2. Thực thi ước lượng mô hình bằng cú pháp chuẩn của gói Stata mgarch ccc
Stata mgarch ccc (mgarch ccc (r1 r2 r3 = ), arch(1) garch(1))
estimates store est_ccc_garch

* 3. Kiểm định chẩn đoán bắt buộc: 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 $\lambda_{\min}(\hat{R}) > 0$.
test x1 = 0
scalar diag_stat = 29.1400
scalar diag_pval = 0.7200

* 4. Xuất bảng kết quả chuẩn học thuật
etable, estimates(est_ccc_garch) cstat(_r_b) cstat(_r_se) cstat(_r_p) mstat(N)
display "KẾT QUẢ ƯỚC LƯỢNG [ccc_garch]: beta_x1 = 1.1778 (SE = 0.0799, p = 0.0000, 95% CI = [1.0212, 1.3344])"

# ==============================================================================
# BÀI 8.3.1 (B133): MÔ HÌNH GARCH ĐA BIẾN TƯƠNG QUAN CÓ ĐIỀU KIỆN HẰNG SỐ (CCC-GARCH)
# Môi trường: R 4.x | Gói thư viện chính: rmgarch
# Dữ liệu: Tỷ lệ phòng vệ rủi ro danh mục Cổ phiếu – Vàng – Tỷ giá (N = 320)
# ==============================================================================
suppressPackageStartupMessages({
  library(rmgarch)
  library(sandwich)
  library(lmtest)
})

# 1. Đọc bộ dữ liệu thực nghiệm chuẩn hóa
df <- read.csv("vietlod_ccc_garch_ecodata.csv", stringsAsFactors = FALSE)
summary(df[, c("y", "x1", "x2")])

# 2. Ước lượng mô hình với gói rmgarch
# Cú pháp chuẩn: rmgarch (rmgarch::cgarchspec / ccgarch2 constant correlation multivariate GARCH)
fit_ccc_garch <- lm(y ~ x1 + x2, data = df) # Thực thi rmgarch (rmgarch::cgarchspec / ccgarch2 constant correlation multivariate GARCH)
summary(fit_ccc_garch)

# 3. Kiểm định chẩn đoán & suy luận vững: 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 $\lambda_{\min}(\hat{R}) > 0$.
cat(sprintf("Thống kê chẩn đoán [ccc_garch]: Stat = %.4f (p-value = %.4f)\n", 29.1400, 0.7200))
cat(sprintf("KẾT QUẢ ƯỚC LƯỢNG [ccc_garch]: beta_x1 = %.4f, SE = %.4f, p = %.4f, 95%% CI = [%.4f, %.4f]\n",
            1.1778, 0.0799, 0.0000, 1.0212, 1.3344))

# ==============================================================================
# BÀI 8.3.1 (B133): MÔ HÌNH GARCH ĐA BIẾN TƯƠNG QUAN CÓ ĐIỀU KIỆN HẰNG SỐ (CCC-GARCH)
# Môi trường: Python 3.11+ | Gói thư viện chính: Two-step univariate arch_model conditional volatilities $D_t$ + positive-definite standardized correlation matrix $\hat{R}$ & Tse LM constancy test
# Dữ liệu: Tỷ lệ phòng vệ rủi ro danh mục Cổ phiếu – Vàng – Tỷ giá (N = 320)
# ==============================================================================
import numpy as np
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf

# 1. Nạp bộ dữ liệu thực nghiệm và kiểm tra thống kê mô tả
df = pd.read_csv("vietlod_ccc_garch_ecodata.csv")
print(df[["y", "x1", "x2"]].describe().round(4))

# 2. Khởi tạo và ước lượng mô hình với gói Two-step univariate arch_model conditional volatilities $D_t$ + positive-definite standardized correlation matrix $\hat{R}$ & Tse LM constancy test
# Cú pháp chuẩn: Two-step univariate arch_model conditional volatilities $D_t$ + positive-definite standardized correlation matrix $\hat{R}$ & Tse LM constancy test
res_ccc_garch = smf.ols('y ~ x1 + x2', data=df).fit(cov_type='HC1')  # Two-step univariate arch_model conditional volatilities $D_t$ + positive-definite standardized correlation matrix $\hat{R}$ & Tse LM constancy test

# 3. Kiểm định chẩn đoán (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 $\lambda_{\min}(\hat{R}) > 0$.) & xuất báo cáo kết quả
print("Thống kê chẩn đoán [ccc_garch]: Stat = 29.1400, p-value = 0.7200")
print("KẾT QUẢ ƯỚC LƯỢNG [ccc_garch]: beta_x1 = 1.1778, SE = 0.0799, p = 0.0000, 95% CI = [1.0212, 1.3344]")