Tóm tắt Reading 22: Non-Stationary Time Series

Môn FRM Part I (FRM1), Reading 22/62

Xu hướng thời gian

  • Ba nguồn không dừng: time trend và mùa vụ tất định (deterministic), unit root (stochastic).
  • Linear: yt = δ0 + δ1t + εt — tăng cùng một lượng; hạn chế: có thể ra giá trị âm, tốc độ tăng trưởng giảm dần. Quadratic: thêm δ2t2.
  • Log-linear: ln(yt) = δ0 + δ1t + εt — tăng cùng một tỷ lệ (≈ δ1 mỗi kỳ); log-quadratic thêm δ2t2.
  • Ước lượng bằng OLS theo t khi εt là white noise; nếu không, t-stat và R2 gây hiểu lầm.
  • Dự báo: ŷT+h = δ̂0 + δ̂1(T + h); khoảng 95%: ŷT+h ± 1.96 × σ̂ phần dư. Mô hình log: lấy mũ (cần ε chuẩn), khoảng không đối xứng.
  • Chuỗi đã detrend thường dừng nhưng chưa là white noise → mô hình hóa tiếp bằng ARMA.

Mùa vụ

  • Biến giả mùa vụ 0/1; có hệ số chặn thì dùng s − 1 biến giả (3 cho quý, 11 cho tháng) để tránh đa cộng tuyến hoàn hảo.
  • Hệ số chặn = trung bình mùa bị bỏ; hệ số biến giả = chênh lệch so với mùa bị bỏ.
  • Seasonal differencing: mô hình hóa yt − yt−s.
  • Dự báo h bước: tính xu hướng tại T + h, đặt biến giả (mùa, HDV, TDV) đúng 0/1 cho kỳ T + h.

Unit root

  • Random walk: yt = yt−1 + εt = y0 + ε1 + … + εt; Var(yt) = tσ2 → không dừng. Unit root: một nghiệm của lag polynomial bằng 1, ví dụ (1 − L)(1 − 0.65L)yt = εt.
  • Ba thách thức: không hồi quy về trung bình; quan hệ giả (spurious); tham số theo Dickey-Fuller distribution. Giải pháp: sai phân bậc một Δyt; chưa dừng thì sai phân hai lần; sai phân chuỗi đã dừng là overdifferencing.
  • ADF: Δyt = γyt−1 + δ0 + δ1t + ΣλiΔyt−i + εt; γ = Φ − 1. H0: γ = 0 (unit root); H1: γ < 0 (dừng), một phía. So với giá trị tới hạn Dickey-Fuller (≈ −2.86 ở 5% khi có hằng số).

Bản đầy đủ gồm

Bài giảng chi tiết, flashcard lặp lại ngắt quãng, ngân hàng câu hỏi luyện thi, lộ trình theo ngày thi và trợ lý AI theo từng chương (có giới hạn). Dùng trọn 1 năm.

990.000đ890.000đdùng 1 năm

Hoàn 100% trong 7 ngày nếu bạn chưa dùng quá 30% khoá học.

Giá ưu đãi early bird 890.000đ

990.000đ890.000đdùng 1 năm
Mua ngay