library(readxl)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# *Găn dữ liệu LNBANK cho biến bank*
bank <- read_excel("D:/RStudio/ACBBANK.xlsx", sheet =1)
bank

## # A tibble: 108 x 7
##       STB    DJI NASDAQ   FFR   EXR   WTI  GOLD
##     <dbl>  <dbl>  <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 15031. 15699.  4104.  0.07 21035  97.5 1240.
##  2 16008. 16322.  4308.  0.06 21080 103.  1322.
##  3 14956. 16458.  4199.  0.06 21075 102.  1284.
##  4 14806. 16581.  4115.  0.09 21060  99.7 1296 
##  5 15407  16717.  4243.  0.08 21135 103.  1246.
##  6 15482. 16827.  4408.  0.09 21300 105.  1322.
##  7 14806. 16563.  4370.  0.08 21200  98.2 1283.
##  8 14580. 17098.  4580.  0.07 21170  96.0 1287.
##  9 14355. 17043.  4493.  0.07 21190  91.2 1212.
## 10 14355. 17391.  4631.  0.07 21255  80.5 1172.
## # i 98 more rows

# Mô hình mô phỏng:
stbmodel <- lm(bank$STB ~bank$DJI + bank$NASDAQ + bank$FFR + bank$EXR + bank$WTI + bank$GOLD )

1 Bài về nhà tuần 6: Chạy mô hình với các phân phối khác nhau của các biến đầu vào

1.1 Mô hình mô phỏng

Ta có mô hình mô phỏng VNI với các hệ số hồi quy như sau:

STB = 75996.1486 +  1,8003NASDAQ -3,3788EXR + 90,0210WTI -6,6765GOLD

Các biến NASDAQ, EXR, WTI và GOLD sau khi kiểm định phân phối đều cho kết quả là phân phối chuẩn. Do đó, ta sẽ tiến hành mô phỏng giá cổ phiếu STB với giả định phân phối chuẩn mô phỏng giá trị của 4 biến độc lập này trong 2000 ngày

1.1.1 Biến NASDAQ

Giả thuyết

H0: NASDAQ tuân theo phân phối chuẩn

H1: NASDAQ không tuân theo phân phối chuẩn

library(nortest)
# Mô phỏng mẫu
set.seed(1)
NASDAQ <- rnorm(n = 3000, mean = 8.098, sd = 1.99)
shapiro.test(NASDAQ)

## 
##  Shapiro-Wilk normality test
## 
## data:  NASDAQ
## W = 0.99937, p-value = 0.4262

Vì p_value > 0.05 nên chưa đủ cơ sở bác bỏ giả thuyết H0. Nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu VNI có tính chất phân phối tương tự như phân phối chuẩn.

# Đồ thị
hist(NASDAQ, main = "Frequency of NASDAQ", col = "green")

1.1.2 Biến EXR

Giả thuyết

H0: EXR tuân theo phân phối chuẩn

H1: EXR không tuân theo phân phối chuẩn

# Mô phỏng mẫu
set.seed(2)
EXR <- rnorm(n = 3000, mean =22.673, sd = 1.33)
shapiro.test(EXR)

## 
##  Shapiro-Wilk normality test
## 
## data:  EXR
## W = 0.99954, p-value = 0.7387

# Đồ thị
hist(EXR,main = "Frequency of EXR", col = "orange")

1.1.3 Biến WTI

Giả thuyết

H0: WTI tuân theo phân phối chuẩn

H1: WTI không tuân theo phân phối chuẩn

# Mô phỏng mẫu
set.seed(3)
WTI <- rnorm(n = 3000, mean = 62.12, sd = 1.32 )
shapiro.test(WTI)

## 
##  Shapiro-Wilk normality test
## 
## data:  WTI
## W = 0.99945, p-value = 0.5692

# Đồ thị
hist(WTI, main = "Frequency of WTI", col = "lightblue")

1.1.4 Biến GOLD

Giả thuyết

H0: GOLD tuân theo phân phối chuẩn

H1: GOLD không tuân theo phân phối chuẩn

# Mô phỏng mẫu
set.seed(4)
GOLD <- rnorm(n = 3000, mean = 1.446, sd = 2.07 )
shapiro.test(GOLD)

## 
##  Shapiro-Wilk normality test
## 
## data:  GOLD
## W = 0.99961, p-value = 0.8528

# Đồ thị
hist(GOLD, main = "Frequency of GOLD", col = "red")

Từ đó ta tiến hành lập bộ dữ liệu mới dùng để mô phỏng:

new_STB <- data.frame(NASDAQ, EXR, GOLD, WTI)

1.2 Kết quả mô phỏng

STB <-(75996.1486) +  1.8003*NASDAQ - 3.3788*EXR + 90.0210*WTI -6.6765*GOLD
head(STB, 500)

##   [1] 81401.06 81489.13 81524.88 81382.22 81518.77 81507.09 81542.99 81655.92
##   [9] 81338.67 81642.14 81423.78 81378.92 81425.69 81543.95 81530.18 81487.90
##  [17] 81383.22 81443.37 81661.83 81544.42 81420.43 81410.51 81467.41 81284.83
##  [25] 81453.01 81443.24 81634.42 81621.67 81515.56 81364.54 81623.02 81601.44
##  [33] 81610.02 81625.66 81461.38 81607.19 81680.58 81512.05 81413.10 81623.54
##  [41] 81592.59 81485.07 81706.86 81438.92 81564.06 81247.81 81498.61 81659.30
##  [49] 81452.86 81443.11 81617.31 81417.53 81553.16 81294.34 81331.46 81486.85
##  [57] 81401.30 81660.87 81624.66 81396.64 81616.13 81601.70 81570.80 81529.26
##  [65] 81649.36 81467.00 81474.81 81625.18 81356.30 81552.87 81516.50 81574.76
##  [73] 81654.35 81540.54 81529.89 81615.63 81650.46 81567.86 81405.71 81502.87
##  [81] 81698.50 81484.80 81612.96 81683.10 81637.28 81526.87 81560.94 81427.05
##  [89] 81566.79 81413.25 81423.64 81406.73 81446.51 81641.92 81473.10 81516.46
##  [97] 81416.08 81586.74 81613.29 81496.54 81573.41 81469.01 81644.78 81593.53
## [105] 81638.38 81609.82 81517.98 81274.57 81453.91 81605.25 81457.98 81472.51
## [113] 81458.47 81696.27 81429.19 81453.42 81522.61 81544.40 81516.60 81523.39
## [121] 81333.32 81578.28 81543.67 81464.97 81587.64 81412.46 81578.20 81429.84
## [129] 81325.19 81693.56 81581.20 81520.75 81705.28 81353.54 81535.49 81206.65
## [137] 81674.80 81407.84 81372.68 81401.91 81360.14 81273.44 81408.27 81487.90
## [145] 81627.64 81571.47 81390.01 81432.39 81752.09 81551.34 81348.23 81841.66
## [153] 81548.79 81599.50 81641.52 81538.00 81536.67 81405.01 81383.62 81797.87
## [161] 81432.50 81620.27 81649.07 81728.94 81724.86 81633.29 81650.79 81398.09
## [169] 81604.20 81661.20 81523.00 81470.03 81554.48 81480.62 81436.70 81656.68
## [177] 81782.79 81316.45 81337.39 81420.38 81569.35 81419.16 81557.10 81566.93
## [185] 81438.57 81455.50 81359.33 81586.47 81771.41 81463.96 81369.90 81438.60
## [193] 81589.41 81629.10 81830.20 81355.76 81542.88 81472.64 81388.51 81415.65
## [201] 81341.59 81581.55 81642.52 81304.84 81469.01 81676.35 81354.24 81697.90
## [209] 81321.10 81374.55 81472.11 81414.79 81611.51 81431.34 81584.11 81460.80
## [217] 81550.97 81751.98 81694.65 81568.78 81536.57 81704.29 81405.12 81582.29
## [225] 81430.92 81831.24 81470.82 81499.75 81618.59 81578.97 81377.65 81470.03
## [233] 81565.34 81309.44 81452.32 81495.67 81402.75 81405.15 81577.34 81474.89
## [241] 81500.45 81660.20 81560.47 81655.60 81651.53 81574.80 81476.08 81567.37
## [249] 81568.50 81816.13 81445.76 81695.15 81543.32 81450.96 81737.19 81566.71
## [257] 81305.28 81448.46 81501.90 81258.99 81741.46 81612.95 81441.22 81461.09
## [265] 81558.35 81375.52 81447.15 81514.86 81514.12 81654.06 81560.78 81495.11
## [273] 81471.54 81685.83 81467.12 81588.76 81544.09 81523.25 81632.76 81434.89
## [281] 81511.62 81489.12 81270.46 81599.26 81712.94 81345.99 81724.77 81539.76
## [289] 81675.31 81409.68 81592.32 81411.37 81431.52 81566.65 81671.40 81572.37
## [297] 81463.57 81688.54 81488.27 81629.03 81410.80 81584.01 81404.25 81471.60
## [305] 81367.29 81933.18 81376.22 81536.14 81521.46 81412.66 81553.18 81584.88
## [313] 81602.83 81288.90 81419.32 81493.93 81509.85 81472.97 81562.81 81511.86
## [321] 81413.09 81611.22 81484.36 81532.77 81772.52 81529.60 81409.77 81488.57
## [329] 81531.28 81373.67 81266.96 81438.35 81567.82 81419.98 81597.16 81685.99
## [337] 81538.07 81724.50 81561.62 81450.12 81491.48 81803.32 81674.68 81554.30
## [345] 81546.53 81522.26 81551.58 81675.61 81576.38 81546.07 81240.20 81515.84
## [353] 81553.55 81559.43 81529.20 81533.01 81278.00 81677.23 81533.66 81573.21
## [361] 81578.34 81551.07 81298.04 81392.05 81673.80 81775.31 81489.18 81560.16
## [369] 81754.07 81497.28 81665.90 81449.83 81414.72 81504.39 81438.73 81634.27
## [377] 81418.99 81415.98 81562.47 81770.81 81435.23 81376.90 81444.19 81453.95
## [385] 81542.26 81532.75 81463.59 81294.20 81434.92 81336.89 81484.10 81426.91
## [393] 81478.14 81510.62 81622.61 81395.35 81459.92 81412.52 81498.02 81553.97
## [401] 81794.84 81633.90 81582.28 81520.81 81486.52 81638.39 81757.54 81575.51
## [409] 81688.00 81690.13 81453.25 81487.45 81462.30 81567.23 81477.01 81450.98
## [417] 81709.37 81426.34 81474.22 81442.35 81601.95 81539.44 81534.69 81475.92
## [425] 81519.04 81378.25 81364.48 81569.12 81725.45 81376.84 81482.76 81399.52
## [433] 81653.28 81757.17 81367.14 81577.69 81513.77 81473.07 81564.42 81475.91
## [441] 81547.94 81572.33 81638.42 81359.84 81603.94 81383.36 81343.84 81198.19
## [449] 81643.38 81787.57 81540.10 81321.07 81583.23 81379.45 81613.40 81417.59
## [457] 81530.13 81530.66 81903.69 81533.51 81583.46 81575.75 81463.86 81432.72
## [465] 81778.69 81585.76 81474.80 81585.23 81727.71 81666.41 81615.54 81505.38
## [473] 81392.91 81528.85 81747.45 81377.33 81636.51 81432.63 81280.13 81397.26
## [481] 81535.59 81697.50 81655.18 81622.53 81644.42 81488.12 81724.38 81425.42
## [489] 81348.73 81501.31 81709.87 81214.96 81520.57 81748.94 81491.53 81612.97
## [497] 81352.49 81385.92 81409.35 81512.86

#Đồ thị:
hist(STB, main = "Frequency of STB", col = "pink")

2 Bài về nhà tuần 5: Kết quả mô hình

`Theo phân tích tính toán của phần mềm R, dựa vào hệ số tương quan hồi quy Multiple R-squared (R2) = 0,8249 gần bằng 1 nên ta có thể kết luận mô hình hồi quy tuyến tính trên là tốt và phù hợp ở mức 82,49%. Với mức ý nghĩa 5%, các biến độc lập là chỉ số NASDAQ, tỷ giá EXR, giá dầu thô WTI, giá vàng thế giới GOLD đều có ý nghĩa thống kê và tác động đến chỉ số giá cổ phiếu STB. Bên cạnh đó, biến DJI và biên FFR không có ý nghĩa thống kê nên không tác động đến biến phụ thuộc STB.

Ngoài ra, giá trị Pr(>|z|) của các biến độc lập NASDAQ, EXR, WTI và GOLD lần lượt là 0,0037; ; 0,0004; 1.69e-05 và 0,0055 đều nhỏ hơn 5% càng cho thấy mỗi biến trên đều có tác động đến chỉ số giá cổ phiếu Sacombank. Trong đó với mức ý nghĩa 5%:

Khi các yếu tố độc lập không đổi thì giá cổ phiếu STB có giá trị trung bình là 75996.1486 đồng/ cổ phiếu.
Khi các biến độc lập EXR, WTI và GOLD không đổi,chỉ số NASDAQ tăng 1 điểm thì giá cổ phiếu STB tăng 1,8003 đồng/cổ phiếu, biểu thị mối quan hệ cùng chiều giữa 2 biến NASDAQ và STB.
Khi các biến độc lập NASDAQ, WTI và GOLD không đổi,tỷ giá EXR giảm 1 VND/USD thì giá cổ phiếu STB giảm -3.3788 đồng/ cổ phiếu, biểu thị mối quan hệ ngược chiều giữa biến EXR và STB.
Khi các biến độc lập NASDAQ, EXR và GOLD không đổi, giá dầu thô tăng 1 USD/thùng thì giá cổ phiếu tăng 90,0210 đồng/ cổ phiếu,biểu thị mối quan hệ cùng chiều giữa biến WTI và STB.
Khi các biến độc lập NASDAQ, EXR và WTI không đổi, giá vàng thế giới tăng 1 USD/ounce thì giá cổ phiếu giảm -6, 6765 đồng/cổ phiếu, biểu thị mối quan hệ ngược chiều giữa biến GOLD và STB.

3 Bài về nhà tuần 4:Xác định mô hình hồi quy cho đối tượng mô phỏng

Để đánh giá tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu ngân hàng Sacombank, mô hình đề xuất nghiên cứu như sau:

STB = β0+β1DIJ+ β2NASDAQ+ β3FFR+ β4EXR+ β5WTI+ β6GOLD

stbmodel <- lm(bank$STB ~bank$DJI + bank$NASDAQ + bank$FFR + bank$EXR + bank$WTI + bank$GOLD )
summary(stbmodel)

## 
## Call:
## lm(formula = bank$STB ~ bank$DJI + bank$NASDAQ + bank$FFR + bank$EXR + 
##     bank$WTI + bank$GOLD)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5279.3 -1826.4  -379.1  1641.7  9794.9 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 75996.1486 19971.7984   3.805 0.000243 ***
## bank$DJI        0.2281     0.3254   0.701 0.484931    
## bank$NASDAQ     1.8003     0.6049   2.976 0.003652 ** 
## bank$FFR     -210.4009   670.8084  -0.314 0.754432    
## bank$EXR       -3.3788     0.9234  -3.659 0.000404 ***
## bank$WTI       90.0210    19.9192   4.519 1.69e-05 ***
## bank$GOLD      -6.6765     2.3511  -2.840 0.005460 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2742 on 101 degrees of freedom
## Multiple R-squared:  0.8249, Adjusted R-squared:  0.8144 
## F-statistic: 79.28 on 6 and 101 DF,  p-value: < 2.2e-16

Dựa vào kết quả phân tích ước lượng của phần mềm R, ta có mô hình hồi quy cho sự biến động giá cổ phiếu ngân hàng Sacombank như sau:

STB = 75996.1486 + 1,8003NASDAQ -3,3788EXR + 90,0210WTI -6,6765GOLD

4 Bài về nhà tuần 3: Xác định phân phối cho các biến đầu vào

4.1 Chỉ số giá cổ phiếu Sacombank(STB)

#Đồ thị phân phối chỉ số STB
hist(bank$STB, main = "Frequency of STB", col = "lightblue")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: STB tuân theo phân phối chuẩn

H1: STB không tuân theo phân phối chuẩn

stb <- as.data.frame(bank$STB)
shapiro.test(bank$STB)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$STB
## W = 0.79381, p-value = 5.297e-11

Với kết quả kiểm định p_value = 5.297e-11 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số STB không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu cổ phiếu STB có phân phối loga chuẩn

H1: Dãy số liệu cổ phiếu STB không có phân phối loga chuẩn

ks.test (bank$STB, y = "plnorm")

## Warning in ks.test.default(bank$STB, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$STB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Với p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối loga chuẩn

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu cổ phiếu STB có phân phối mủ

H1: Dãy số liệu cổ phiếu STB không có phân phối mủ

ks.test (bank$STB, y = "pexp")

## Warning in ks.test.default(bank$STB, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$STB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của chỉ số giá cổ phiếu STB. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
library(dplyr)
bank2 <- cut(bank$STB, breaks= 7)
bank21 <- as.data.frame(table(bank2)) %>% mutate(tansuat = Freq/sum(Freq))
prof1 <-bank21$tansuat
# Mô phỏng mẫu 3000 lần:
mophong1 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof1)
library(psych)

## Warning: package 'psych' was built under R version 4.3.1

describe(mophong1)

##    vars    n mean   sd median trimmed  mad min max range skew kurtosis   se
## X1    1 3000 2.44 1.55      2    2.17 1.48   1   7     6 1.44     1.36 0.03

4.1.1 Chỉ số Dow Jones (DIJ)

#Đồ thị phân phối chỉ số DIJ
hist(bank$DJI,main = "Frequency of Dow Jones", col = "lightgreen")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: DIJ tuân theo phân phối chuẩn

H1: DIJ không tuân theo phân phối chuẩn

dij <- as.data.frame(bank$DJI)
shapiro.test(bank$DJI)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$DJI
## W = 0.92065, p-value = 7.428e-06

Với kết quả kiểm định p_value = 7.428e-06 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số DIJ không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu biến DIJ có phân phối loga chuẩn

H1: Dãy số liệu biến DIJ không có phân phối loga chuẩn

ks.test (bank$DJI, y = "plnorm")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$DJI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số STB không có phân phối loga chuẩn.

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu biến DIJ có phân phối mủ

H1: Dãy số liệu biến DIJ không có phân phối mủ

ks.test (bank$DJI, y = "pexp")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$DJI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số DIJ không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến Dow Jones. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank3 <- cut(bank$DJI, breaks= 7)
bank31 <- as.data.frame(table(bank3)) %>% mutate(tansuat = Freq/sum(Freq))
prof2 <-bank31$tansuat
# Mô phỏng mẫu 3000 lần:
mophong2 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof2)
describe(mophong2)

##    vars    n mean  sd median trimmed  mad min max range skew kurtosis   se
## X1    1 3000 3.42 2.1      4    3.28 2.97   1   7     6 0.29     -1.2 0.04

4.2 Chỉ số NASDAQ

#Đồ thị phân phối chỉ số NASDAQ
hist(bank$NASDAQ, main = "Frequency of NASDAQ", col = "orange")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: NASDAQ tuân theo phân phối chuẩn

H1: NASDAQ không tuân theo phân phối chuẩn

nas <- as.data.frame(bank$NASDAQ)
shapiro.test(bank$NASDAQ)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$NASDAQ
## W = 0.88876, p-value = 1.854e-07

Với kết quả kiểm định p_value = 1.854e-07 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, chỉ số NASDAQ không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu biến NASDAQ có phân phối loga chuẩn

H1: Dãy số liệu biến NASDAQ không có phân phối loga chuẩn

ks.test (bank$NASDAQ, y = "plnorm")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$NASDAQ
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Với kết quả kiểm định p_value < 1% nên ta bác bỏ giả thuyết H0. Vậy chỉ số NASDAQ không có phân phối loga chuẩn.

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu biến NASDAQ có phân phối mủ

H1: Dãy số liệu biến NASDAQ không có phân phối mủ

ks.test (bank$NASDAQ, y = "pexp")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$NASDAQ
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số NASDAQ không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến NASDAQ. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank4 <- cut(bank$NASDAQ, breaks= 7)
bank41 <- as.data.frame(table(bank4)) %>% mutate(tansuat = Freq/sum(Freq))
prof3 <-bank41$tansuat
# Mô phỏng mẫu 3000 lần:
mophong3 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof3)
describe(mophong3)

##    vars    n mean   sd median trimmed  mad min max range skew kurtosis   se
## X1    1 3000 2.93 1.97      2    2.69 1.48   1   7     6 0.74    -0.72 0.04

4.3 Tỷ giá hối đoái (FFR)

#Đồ thị phân phối của FFR
hist(bank$FFR, main = "Frequency of FFR", col = "pink")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: FFR tuân theo phân phối chuẩn

H1: FFR không tuân theo phân phối chuẩn

fr <- as.data.frame(bank$FFR)
shapiro.test(bank$FFR)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$FFR
## W = 0.79099, p-value = 4.336e-11

Với kết quả kiểm định p_value = 4.336e-11 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, lãi suất quỹ liên bang FFR không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Biến FFR tuân theo phân phối loga chuẩn

H1: Biến FFR không tuần theo phân phối loga chuẩn

ks.test (bank$FFR, y = "plnorm")

## Warning in ks.test.default(bank$FFR, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$FFR
## D = 0.43103, p-value < 2.2e-16
## alternative hypothesis: two-sided

với kết quả kiểm định của phần mềm R, ta có p_value < 1%. Vậy biến GOLD không có phân phối loga chuẩn

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Biến FFR tuân theo phân phối mủ

H1: Biến FFR không tuân theo phân phối mủ.

ks.test (bank$FFR,y = "pexp")

## Warning in ks.test.default(bank$FFR, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$FFR
## D = 0.34002, p-value = 2.854e-11
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến FFR. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank5 <- cut(bank$FFR, breaks= 7)
bank51 <- as.data.frame(table(bank5)) %>% mutate(tansuat = Freq/sum(Freq))
prof4 <-bank51$tansuat
# Mô phỏng mẫu 3000 lần:
mophong4 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof4)
describe(mophong4)

##    vars    n mean   sd median trimmed mad min max range skew kurtosis   se
## X1    1 3000 1.97 1.39      1    1.76   0   1   7     6 1.32     1.23 0.03

4.4 Tỷ giá VND/USD (EXR)

#Đồ thị phân phối của EXR
hist(bank$EXR,main = "Frequency of EXR", col = "yellow")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: EXR tuân theo phân phối chuẩn

H1: EXR không tuân theo phân phối chuẩn

ex <- as.data.frame(bank$EXR)
shapiro.test(bank$EXR)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$EXR
## W = 0.91074, p-value = 2.184e-06

Với kết quả kiểm định p_value = 2.184e-06 < 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến EXR không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu biến EXR có phân phối loga chuẩn

H1: Dãy số liệu biến EXR không có phân phối loga chuẩn

ks.test (bank$EXR, y = "plnorm")

## Warning in ks.test.default(bank$EXR, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$EXR
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Với kết quả kiểm định p_value < 1% nên ta bác bỏ giả thuyết H0. Vậy chỉ số EXR không có phân phối loga chuẩn.

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu biến EXR có phân phối mủ

H1: Dãy số liệu biến EXR không có phân phối mủ

ks.test (bank$EXR, y = "pexp")

## Warning in ks.test.default(bank$EXR, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$EXR
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy chỉ số NASDAQ không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến EXR. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank6 <- cut(bank$EXR, breaks= 7)
bank61 <- as.data.frame(table(bank6)) %>% mutate(tansuat = Freq/sum(Freq))
prof5 <-bank61$tansuat
# Mô phỏng mẫu 3000 lần:
mophong5 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof5)
describe(mophong5)

##    vars    n mean   sd median trimmed  mad min max range  skew kurtosis   se
## X1    1 3000 3.55 1.33      4    3.64 1.48   1   7     6 -0.58     0.12 0.02

4.4.1 Giá dầu (WTI)

#Đồ thị phân phối của WTI
hist(bank$WTI,main = "Frequency of WTI", col = "blue")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: WTI tuân theo phân phối chuẩn

H1: WTI không tuân theo phân phối chuẩn

wt <-as.data.frame(bank$WTI)
shapiro.test(bank$WTI)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$WTI
## W = 0.93758, p-value = 7.346e-05

Với kết quả kiểm định p_value =7.346e-05< 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến WTI không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu biến WTI có phân phối loga chuẩn

H1: Dãy số liệu biến WTI không có phân phối loga chuẩn

ks.test (bank$WTI, y = "plnorm")

## Warning in ks.test.default(bank$WTI, y = "plnorm"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$WTI
## D = 0.99834, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối loga chuẩn.

c) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu biến WTI có phân phối mủ

H1: Dãy số liệu biến WTI không có phân phối mủ

ks.test (bank$WTI, y = "pexp")

## Warning in ks.test.default(bank$WTI, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$WTI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến WTI. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank7 <- cut(bank$EXR, breaks= 7)
bank71 <- as.data.frame(table(bank7)) %>% mutate(tansuat = Freq/sum(Freq))
prof6 <-bank71$tansuat
# Mô phỏng mẫu 3000 lần:
mophong6 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof6)
describe(mophong6)

##    vars    n mean   sd median trimmed  mad min max range  skew kurtosis   se
## X1    1 3000 3.57 1.32      4    3.66 1.48   1   7     6 -0.56     0.23 0.02

4.5 Giá vàng (GOLD)

#Đồ thị phân phối của GOLD
hist(bank$GOLD, main = "Frequency of GOLD", col = "brown")

a) Kiểm định phân phối chuẩn

Giả thuyết:

H0: GOLD tuân theo phân phối chuẩn

H1: GOLD không tuân theo phân phối chuẩn

go <-as.data.frame(bank$GOLD)
shapiro.test(bank$GOLD)

## 
##  Shapiro-Wilk normality test
## 
## data:  bank$GOLD
## W = 0.86915, p-value = 2.588e-08

Với kết quả kiểm định p_value =2.588e-085< 0.05 nên ta bác bỏ giả thuyết H0. Với độ tin cậy 95%, biến GOLD không có phân phối chuẩn.

b) Kiểm định phân phối loga chuẩn:

Giả thuyết

HO: Dãy số liệu biến GOLD có phân phối loga chuẩn

H1: Dãy số liệu biến GOLD không có phân phối loga chuẩn

ks.test (bank$GOLD, y = "plnorm")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$GOLD
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

với kết quả kiểm định của phần mềm R, ta có p_value < 1%. Vậy biến GOLD không có phân phối loga chuẩn

d) Kiểm định phân phối mủ:

Giả thuyết

HO: Dãy số liệu biến GOLD có phân phối mủ

H1: Dãy số liệu biến GOLD không có phân phối mủ

ks.test (bank$GOLD, y = "pexp")

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  bank$GOLD
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Dựa vào kết quả kiểm định p_value < 1%, bác bỏ H0. Vậy biến WTI không có phân phối mủ. Sau khi kiểm định qua 3 phân phối chuẩn, Lognomal và phân phối mủ thì vẫn chưa thể xác định phân phối của biến GOLD. Do đó, tôi sẽ cắt dữ liệu thành 7 đoạn rồi lập bảng tần số. Cuối cùng tôi sẽ tiến hành mô phỏng dãy số liệu 3000 lần bằng cách sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu STB.

#Cắt và phân dữ liệu thành nhiều đoạn:
bank8 <- cut(bank$GOLD, breaks= 7)
bank81 <- as.data.frame(table(bank8)) %>% mutate(tansuat = Freq/sum(Freq))
prof7 <-bank81$tansuat
# Mô phỏng mẫu 3000 lần:
mophong7 <- sample(x = 1: 7, 3000, replace = TRUE, prob= prof7)
describe(mophong7)

##    vars    n mean   sd median trimmed  mad min max range skew kurtosis   se
## X1    1 3000 3.32 2.04      2    3.17 1.48   1   7     6  0.6    -1.21 0.04

5 Bài về nhà tuần 2:

Mô phỏng tác động của các nhân tố kinh tế vĩ mô đến chỉ số giá cổ phiếu NHTMCP Sacombank

5.1 Vấn đề mô phỏng

Các nhân tố ảnh hưởng đến thị trường chứng khoán nói chung và cổ phiếu ngành ngân hàng nới riêng là chủ đề nhận được sự quan tâm đặc biệt của nhiều nhà nghiên cứu trong những năm gần đây. Thông qua việc nghiên cứu các nhân tố đó, các nhà đầu tư đưa ra được các dự báo về diễn biến giá chứng khoán trong tương lai, từ đó có các chiến lược kinh doanh cổ phiếu cụ thể trong từng giai đoạn. Biến động giá của một cổ phiếu hoặc một nhóm cổ phiếu chịu ảnh hưởng bởi hệ sinh thái các nhân tố tồn tại trong môi trường kinh tế. Ở Việt Nam, cổ phiếu của các ngân hàng niêm yết được coi là nhóm cổ phiếu “trụ” của thị trường. Trên cơ sở đó, tôi lựa chọn đề tài nghiên cứu: “Sử dụng mô phỏng Monte Carlo để đo lường ảnh hưởng của các yếu tố vĩ mô đến cổ phiếu ngân hàng Sacombank’với mỗi biến đầu vào là các giá trị ngẫu nhiên.

5.2 Mô hình mô phỏng đề xuất

      STB = β0+β1DIJ+ β2NASDAQ+ β3FFR+ β4EXR+ β5WTI+ β6GOLD

Trong đó:

Biến phụ thuộc: STB - chỉ số giá cổ phiếu ngân hàng Sacombank

b.Biến độc lập gồm:

DIJ - Chỉ số trung bình công nghiệp Dow Jones tại Mỹ (Điểm)

NASDAQ - Chỉ số Nasdap Composite tại Mỹ (Điểm)

FFR - Lãi suất quĩ liên bang (Federal Funds Rate) (%)

EXR - Tỷ giá VND/USD

WTI - Giá dầu thô (USD/thùng)

GOLD - Giá vàng thế giới (USD/ounce)

5.3 Mô tả biến trong nghiên cứu

STB : là chỉ số giá chứng khoán ngân hàng TMCP Sài Gòn Thương Tín (Sacombank), một trong những cổ phiếu được săn đòn bởi khá nhiều các nhà đầu tư trên thị trường. Sacombank niêm yết cổ phiếu STB lần đầu tiên trên sàn giao dịch HOSE vào năm 2006 với tổng số vốn được là 1.900 tỷ đồng.

DIJ : là chỉ số trung bình công nghiệp của thị trường chứng khoán tại Hoa Kỳ. Đây là một trong những chỉ số chính trên phố Wall đẻ theo dõi cổ phiếu của 30 công ty đại chúng vốn hoá lớn trên sàn chứng khoán New Yord. Chứng khoán Mỹ từ lâu đã được coi như “nhiệt kế” phản ánh rõ nét nhất sức nóng của thị trường tài chính toàn cầu bởi khả năng phản ứng tức thời trước các biến động của nền kinh tế số một thế giới và những động thái thay đổi chính sách của Fed. Vì vậy chỉ số trên thị trường Mỹ có ảnh hưởng đến hầu hết các quốc gia, thị trường chứng khoán Việt Nam cũng không ngoại lệ, trong đó có cổ phiếu ngân hàng.

NASDAQ viết tắt National Association of Securities Dealers Automated Quotations System là một trong những chỉ số chứng khoán phổ biến nhất ở Mỹ và được tính bằng trung bình của tất cả các công ty niêm yết trên sàn bao gồm các công ty công nghệ hàng đầu như Apple, Amazon, Facebook và Google. Sàn giao dịch Nasdaq là sàn giao dịch lơn thứ hai trên thế giới, sau Sở giao dịch chứng khoán New Yord (NYSE)

FFR là lãi suất quỹ liên bang trong tiếng anh viết Federal Funds Rate, đề cập đến lãi suất qua đêm mà các ngân hàng thu từ các ngân hàng khác khi cho vay tiền từ số dư dự trữ bắt buộc của chúng. Đâylà một trong những mức lãi suất quan trọng nhất trong nền kinh tế Mỹ vì nó ảnh hưởng đến các điều kiện tài chính và tiền tệ, do đó tác động đến các khía cạnh quan trọng khác của nền kinh tế bao gồm việc làm, tăng trưởng và lạm phát. Qua đó gián tiếp phản ánh và ảnh hưởng đến kinh tế Việt Nam nói chung và thị trường chứng khoán, cổ phiếu ngân hàng nói riêng.

EXR là tỷ giá giữa Việt Nam đồng và đô la Mỹ

WTI tiếng anh được viết là West Texas Intermediate là giá dầu thô thế giới, là một trong những chỉ số quan trọng đối với nền kinh tế thế giới nói chung và thị trường cổ phiếu ngànhn ngân hàng nói riên và phản ánh rõ rệt nhất sự thay đổi trong tăng trưởng kinh tế, mức độ lạm pháp,..

GOLD là giá vàng trên thế giới có đơn vị là USD/ounce

5.4 Dữ liệu nghiên cứu

Nghiên cứu này tập trung thu thập số liệu thứ cấp của chỉ số giá cổ phiếu ngân hàng Sacombank VÀ các biến vĩ mô tác động bao gồm chỉ số Dow Jones, chỉ số Nasdaq, lãi suất quỹ liên bang, tỷ giá hối đoái, giá dầu và giá vàng thế giới với số liệu tháng 01/2014 đên 12/2022.

library(readxl)
library(dplyr)
# *Găn dữ liệu LNBANK cho biến bank*
bank <- read_excel("D:/RStudio/ACBBANK.xlsx", sheet =1)
bank

## # A tibble: 108 x 7
##       STB    DJI NASDAQ   FFR   EXR   WTI  GOLD
##     <dbl>  <dbl>  <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 15031. 15699.  4104.  0.07 21035  97.5 1240.
##  2 16008. 16322.  4308.  0.06 21080 103.  1322.
##  3 14956. 16458.  4199.  0.06 21075 102.  1284.
##  4 14806. 16581.  4115.  0.09 21060  99.7 1296 
##  5 15407  16717.  4243.  0.08 21135 103.  1246.
##  6 15482. 16827.  4408.  0.09 21300 105.  1322.
##  7 14806. 16563.  4370.  0.08 21200  98.2 1283.
##  8 14580. 17098.  4580.  0.07 21170  96.0 1287.
##  9 14355. 17043.  4493.  0.07 21190  91.2 1212.
## 10 14355. 17391.  4631.  0.07 21255  80.5 1172.
## # i 98 more rows

#Thống kê mô tả các biến:
summary(bank)

##       STB             DJI            NASDAQ           FFR       
##  Min.   : 7300   Min.   :15699   Min.   : 4104   Min.   :0.050  
##  1st Qu.:11300   1st Qu.:17908   1st Qu.: 5066   1st Qu.:0.080  
##  Median :13200   Median :24568   Median : 7318   Median :0.300  
##  Mean   :15287   Mean   :24375   Mean   : 8098   Mean   :0.852  
##  3rd Qu.:16031   3rd Qu.:28457   3rd Qu.:10787   3rd Qu.:1.580  
##  Max.   :35550   Max.   :36338   Max.   :15645   Max.   :4.330  
##       EXR             WTI              GOLD     
##  Min.   :21035   Min.   : 18.84   Min.   :1061  
##  1st Qu.:22296   1st Qu.: 48.24   1st Qu.:1239  
##  Median :22767   Median : 57.31   Median :1321  
##  Mean   :22673   Mean   : 62.12   Mean   :1446  
##  3rd Qu.:23192   3rd Qu.: 73.59   3rd Qu.:1738  
##  Max.   :24840   Max.   :114.67   Max.   :1986

sd(bank$STB)

## [1] 6365.657

Dựa vào số liệu thống kê ở trên ta phân tích được giá cổ phiếu cao nhất của ngân hàng Sacombank là 35,550 đồng/cổ phiếu và giá cổ phiếu thấp nhất đến nay 7,300 đồng/ cổ phiếu; trung bình giá cổ phiếu dao động với mức giá 15,287 đồng/cổ phiếu; độ lệch chuẩn là 6,365 đồng/cổ phiếu và có 50% giá cổ phiếu dao động dưới 13,200 đồng/cổ phiếu.

sd(bank$NASDAQ)

## [1] 3397.886

sd(bank$DJI)

## [1] 6185.43

Dựa vào số liệu thống kê ở trên ta phân tích được chỉ số Dow Jones cao nhất là 36338 điểm và thấp nhất là 15699 điểm, trung bình giá cổ phiếu dao động với 24375 điểm, độ lệch chuẩn là 6185 điểm và có 50% giá cổ phiếu dao động dưới 24568 điểm.

sd(bank$FFR)

## [1] 0.9931407

Dựa vào số liệu thống kê ở trên ta phân tích được lãi suất cao nhất là 4,33% và thấp nhất là 0,05%, trung bình giá cổ phiếu dao động với 0.852%, độ lệch chuẩn là 0.9931% và có 50% giá cổ phiếu dao động dưới 0.3%.

sd(bank$EXR)

## [1] 756.9546

Dựa vào số liệu thống kê ở trên ta phân tích được biến EXR có giá trị cao nhất là 24,840 và giá trị thấp nhất là 21,035; trung bình giá dầu dao động với mức giá 22,673; độ lệch chuẩn là 756,95 và có 50% giá dầu dao động dưới 22,767.

sd(bank$WTI)

## [1] 20.5035

Dựa vào số liệu thống kê ở trên ta phân tích được giá dầu cao nhất của là 114,67 USD/thùng và giá dầu thấp nhất là 18,84 USD/thùng; trung bình giá dầu dao động với mức giá 62.12 USD/thùng; độ lệch chuẩn là 20,504 USD/thùng và có 50% giá dầu dao động dưới 57,31 USD/thùng.

sd(bank$GOLD)

## [1] 269.515

Dựa vào số liệu thống kê ở trên ta phân tích được giá vàng cao nhất của là 1,986 USD/ounce và giá dầu thấp nhất là 1,061 USD/ounce; trung bình giá dầu dao động với mức giá 1,446 USD/ounce; độ lệch chuẩn là 269,515 USD/ounce và có 50% giá dầu dao động dưới 1,321 USD/ounce.

6 Bài về nhà tuần 1:

6.1 Phân phối chuẩn (Normal Distribution)

Phân phối chuẩn (Normal Distribution), còn được gọi là phân phối Gaussian. Phân phối chuẩn có hình dạng đối xứng và được đặc trưng bởi hai tham số: giá trị trung bình (mean) và độ lệch chuẩn (standard deviation).Việc tiêu dùng điện hàng tháng của các hộ gia đình ở Hồ Chí Minh với trung bình là 200KWh và độ lệch chuẩn là 40KWh. Với giả định rằng biến động hàng ngày của cổ phiếu SSI tuân theo phân phối chuẩn. Mô phỏng mức tiêu thụ điện trong 400 ngày tiếp theo.

Mô phỏng mẫu:

ttd<- rnorm(n = 400, mean =200, sd = 40 )
ttd<- round(ttd,0)

Các đặc trưng đo lường:

summary(ttd)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    99.0   172.0   200.0   200.1   227.2   321.0

Đồ thị:

library(ggplot2)

## 
## Attaching package: 'ggplot2'

## The following objects are masked from 'package:psych':
## 
##     %+%, alpha

hist(ttd, main = "Normal Distribution", xlab = "Muc tieu thu dien")

6.2 Phân phối nhị thức:(Binomial distribution)

Phân phối nhị thức là một dạng phân phối rời rạc thường dùng trong thống kê, ngược lại của các dạng phân phối liên tục như phân phối chuẩn, thể hiện xác suất để x thành công trong n phép thử, với xác suất thành công p của mỗi phép thử. Một công ty thuê 300 người bán thuốc quảng bá sản phẩm ra thị trường, mỗi người gặp 10 khách hàng một ngày và xác suất để khách hàng chấp nhận mua là 20%. Mô phỏng xác suất thành công của 200 sales.

Mô phỏng mẫu:

sale <- rbinom(n = 300 ,size = 10,prob = 0.2)

Các đặc trưng đo lường:

summary(sale)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    1.00    2.00    1.97    3.00    5.00

Đồ thị:

hist(sale, main = "Binomial distribution", xlab = "Xac suat thanh cong")

6.3 Phân phối Poisson (Poisson Distributrion)

Dùng để đo xác xuất của sự kiện rời rạc xảy ra nhiều lần tại thời điểm ngẫu nhiên, trong một khoảng thời gian nhất định. Chẳng hạn như số lần kiểm tra sách thư viện mỗi giờ. Nó được đặc trưng bởi một tham số duy nhất là λ (lambda), đại diện cho tỷ lệ trung bình của sự kiện. Xác suất để đoàn tàu khởi hành đúng giờ là 98,2%. Mô phỏng xác suất để 1000 chuyến tàu có 995 chuyến tàu khởi hành đúng thời gian.

Mô phỏng mẫu: Ta có: lambda= n.p= 1000.0.018=18

ct <- rpois(1000, lambda = 18)

Các đặc trưng đo lường:

summary(ct)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    5.00   15.00   18.00   18.02   21.00   32.00

Đồ thị:

hist(ct,main="Poisson Distributrion", xlab="Tau khoi hanh dung gio")

6.4 Phân phối Triangular(Phân phối tam giác)

Phân phối Triangular sử dụng phân phối Triangular, bạn có thể xác định một khoảng giá trị có thể xảy ra cho biên độ biến động hàng ngày của cổ phiếu. Giả sử giá cổ phiếu của SSI hiện tại là 22,950 đồng, giá trị thấp nhất là 20.600 đồng (11.4%), giá trị cao nhất là 27,500 đồng (19.8%).

Mô phỏng mẫu:

library(extraDistr)
stb <- rtriang(n = 5000, a = 0.114, b = 0.198, c =((0.114+0.198)/2))

Các đặc trưng đo lường:

summary(stb)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.1148  0.1429  0.1559  0.1560  0.1686  0.1972

Đồ thị:

hist(stb,main = "Triangular Distributuion",xlab = "Bien do bien dong(%)")

BTVN

Võ Thị Kim Oanh

2023-06-05

1 Bài về nhà tuần 6: Chạy mô hình với các phân phối khác nhau của các biến đầu vào

1.1 Mô hình mô phỏng

1.1.1 Biến NASDAQ

1.1.2 Biến EXR

1.1.3 Biến WTI

1.1.4 Biến GOLD

1.2 Kết quả mô phỏng

2 Bài về nhà tuần 5: Kết quả mô hình

3 Bài về nhà tuần 4:Xác định mô hình hồi quy cho đối tượng mô phỏng

4 Bài về nhà tuần 3: Xác định phân phối cho các biến đầu vào

4.1 Chỉ số giá cổ phiếu Sacombank(STB)

4.1.1 Chỉ số Dow Jones (DIJ)

4.2 Chỉ số NASDAQ

4.3 Tỷ giá hối đoái (FFR)

4.4 Tỷ giá VND/USD (EXR)

4.4.1 Giá dầu (WTI)

4.5 Giá vàng (GOLD)

5 Bài về nhà tuần 2:

5.1 Vấn đề mô phỏng

5.2 Mô hình mô phỏng đề xuất

5.3 Mô tả biến trong nghiên cứu

5.4 Dữ liệu nghiên cứu

6 Bài về nhà tuần 1:

6.1 Phân phối chuẩn (Normal Distribution)

6.2 Phân phối nhị thức:(Binomial distribution)

6.3 Phân phối Poisson (Poisson Distributrion)

6.4 Phân phối Triangular(Phân phối tam giác)