Chào mừng các bạn đến với bài học ứng dụng của chuỗi bài về GARCH đa biến! Trong hai bài học vừa qua, chúng ta đã đi qua một chặng đường khá thử thách về mặt lý thuyết, từ mô hình VECH cồng kềnh đến mô hình DCC thanh lịch hơn. Có thể các bạn đang tự hỏi: “Tại sao chúng ta phải học những mô hình phức tạp như vậy?”. Bài học hôm nay chính là câu trả lời. Giờ là lúc chúng ta “hái quả ngọt”, biến những lý thuyết đó thành các công cụ hữu ích để giải quyết hai trong số những vấn đề kinh điển nhất trong tài chính. Trong bài học này, chúng ta sẽ tập trung vào hai ứng dụng thực tiễn quan trọng. Đầu tiên, chúng ta sẽ học cách sử dụng mô hình MGARCH để ước lượng hệ số Beta thay đổi theo thời gian, giúp chúng ta có một cái nhìn năng động và chính xác hơn về rủi ro hệ thống của một cổ phiếu. Tiếp theo, chúng ta …
Các bài đã xem
- Các phép toán và hàm ma trận trong Mata
- Xử lý tự tương quan và mô hình trễ phân bố
- Khám phá mô hình hệ số ngẫu nhiên
- Ước lượng OLS trong hồi quy bội bằng đại số ma trận
- Thách thức định danh trong mô hình RE và DSGE
- Nguyên lý ước lượng hợp lý Monte Carlo
- Tần suất đơn biến
- Thực hành phân rã chuỗi thời gian với Stata
- Mô hình HJM và LIBOR market model
- Nền tảng của ước lượng hợp lý tối đa
-
Xem thêm