# Họ và tên: Nguyễn Thị Yến Nhi
# Lớp: 24NH1
# Mã số sinh viên: 2454020050
# BÀI THỰC HÀNH CUỐI KÌ
#Nhập Liệu
dulieu = file.choose()
dulieu = read.csv(dulieu, header = TRUE, check.names = FALSE)
dulieu = na.omit(dulieu)
save(dulieu, file = "dulieu.rda")
attach(dulieu)
is.data.frame(dulieu)
## [1] TRUE
head(dulieu)
## Ngày Dow Jones Russell2000 S&P500
## 1 06/10/2026 51521.28 2830.30 7818.93
## 2 05/10/2026 51267.90 2847.14 7773.95
## 3 02/10/2026 51176.96 2832.89 7722.72
## 4 01/10/2026 50926.56 2806.63 7666.45
## 5 30/09/2026 50906.05 2796.86 7651.54
## 6 29/09/2026 51349.92 2807.92 7670.84
dim(dulieu)
## [1] 264 4
### CÂU b: MÃ HÓA DỮ LIỆU
# 1. Mã hóa chỉ số Dow Jones
DowJonesMH = dulieu$`Dow Jones`
DowJonesMH = replace(DowJonesMH, dulieu$`Dow Jones` <= 48168.83, 1)
DowJonesMH = replace(DowJonesMH, dulieu$`Dow Jones` > 48168.83 & dulieu$`Dow Jones` <= 50720.05, 2)
DowJonesMH = replace(DowJonesMH, dulieu$`Dow Jones` > 50720.05, 3)
DowJonescode = data.frame(dulieu$`Dow Jones`, DowJonesMH)
DowJonescode
## dulieu..Dow.Jones. DowJonesMH
## 1 51521.28 3
## 2 51267.90 3
## 3 51176.96 3
## 4 50926.56 3
## 5 50906.05 3
## 6 51349.92 3
## 7 51481.51 3
## 8 51828.62 3
## 9 51349.98 3
## 10 51511.59 3
## 11 51863.69 3
## 12 52048.83 3
## 13 51682.64 3
## 14 51778.04 3
## 15 51461.90 3
## 16 52093.11 3
## 17 52421.20 3
## 18 52573.29 3
## 19 52064.10 3
## 20 52380.66 3
## 21 52786.07 3
## 22 53414.25 3
## 23 53686.11 3
## 24 53061.95 3
## 25 52766.88 3
## 26 53185.90 3
## 27 53559.99 3
## 28 53569.44 3
## 29 53463.88 3
## 30 53577.40 3
## 31 53417.16 3
## 32 53277.01 3
## 33 52759.21 3
## 34 53463.05 3
## 35 53343.40 3
## 36 53459.78 3
## 37 53732.41 3
## 38 53839.99 3
## 39 53770.27 3
## 40 53791.85 3
## 41 53975.98 3
## 42 54036.93 3
## 43 53885.10 3
## 44 54349.12 3
## 45 54085.88 3
## 46 53178.41 3
## 47 52485.03 3
## 48 52208.06 3
## 49 51594.14 3
## 50 52747.32 3
## 51 52210.08 3
## 52 51947.25 3
## 53 51711.65 3
## 54 52218.58 3
## 55 52224.64 3
## 56 51839.26 3
## 57 52146.42 3
## 58 52552.97 3
## 59 52658.64 3
## 60 52508.27 3
## 61 52498.64 3
## 62 52637.01 3
## 63 52487.41 3
## 64 52348.39 3
## 65 52925.15 3
## 66 53055.91 3
## 67 52900.07 3
## 68 52305.24 3
## 69 52319.20 3
## 70 52182.74 3
## 71 51876.11 3
## 72 51920.62 3
## 73 51848.90 3
## 74 51666.84 3
## 75 51712.71 3
## 76 51564.70 3
## 77 51492.55 3
## 78 51999.67 3
## 79 51671.03 3
## 80 51202.26 3
## 81 50848.75 3
## 82 49918.78 2
## 83 50872.11 3
## 84 50786.01 3
## 85 50866.78 3
## 86 51561.93 3
## 87 50687.07 2
## 88 51307.79 3
## 89 51078.88 3
## 90 51032.46 3
## 91 50668.97 2
## 92 50644.28 2
## 93 50461.68 2
## 94 50579.70 2
## 95 50285.66 2
## 96 50009.35 2
## 97 49363.88 2
## 98 49686.12 2
## 99 49526.17 2
## 100 50063.46 2
## 101 49693.20 2
## 102 49760.56 2
## 103 49704.47 2
## 104 49609.16 2
## 105 49596.97 2
## 106 49910.59 2
## 107 49298.25 2
## 108 48941.90 2
## 109 49499.27 2
## 110 49652.14 2
## 111 48861.81 2
## 112 49141.93 2
## 113 49167.79 2
## 114 49230.71 2
## 115 49310.32 2
## 116 49490.03 2
## 117 49149.38 2
## 118 49442.56 2
## 119 49447.43 2
## 120 48578.72 2
## 121 48463.72 2
## 122 48535.99 2
## 123 48218.25 2
## 124 47916.57 1
## 125 48185.80 2
## 126 47909.92 1
## 127 46584.46 1
## 128 46669.88 1
## 129 46504.67 1
## 130 46565.74 1
## 131 46341.51 1
## 132 45216.14 1
## 133 45166.64 1
## 134 45960.11 1
## 135 46429.49 1
## 136 46124.06 1
## 137 46208.47 1
## 138 45577.47 1
## 139 46021.43 1
## 140 46225.15 1
## 141 46993.26 1
## 142 46946.41 1
## 143 46558.47 1
## 144 46677.85 1
## 145 47417.27 1
## 146 47706.51 1
## 147 47740.80 1
## 148 47501.55 1
## 149 47954.74 1
## 150 48739.41 2
## 151 48501.27 2
## 152 48904.78 2
## 153 48977.92 2
## 154 49499.20 2
## 155 49482.15 2
## 156 49174.50 2
## 157 48804.06 2
## 158 49625.97 2
## 159 49395.16 2
## 160 49662.66 2
## 161 49533.19 2
## 162 49500.93 2
## 163 49451.98 2
## 164 50121.40 2
## 165 50188.14 2
## 166 50135.87 2
## 167 50115.67 2
## 168 48908.72 2
## 169 49501.30 2
## 170 49240.99 2
## 171 49407.66 2
## 172 48892.47 2
## 173 49071.56 2
## 174 49015.60 2
## 175 49003.41 2
## 176 49412.40 2
## 177 49098.71 2
## 178 49384.01 2
## 179 49077.23 2
## 180 48488.59 2
## 181 49359.33 2
## 182 49442.44 2
## 183 49149.63 2
## 184 49191.99 2
## 185 49590.20 2
## 186 49504.07 2
## 187 49266.11 2
## 188 48996.08 2
## 189 49462.08 2
## 190 48977.18 2
## 191 48382.39 2
## 192 48063.29 1
## 193 48367.06 2
## 194 48461.93 2
## 195 48710.97 2
## 196 48731.16 2
## 197 48442.41 2
## 198 48362.68 2
## 199 48134.89 1
## 200 47951.85 1
## 201 47885.97 1
## 202 48114.26 1
## 203 48416.56 2
## 204 48458.05 2
## 205 48704.01 2
## 206 48057.75 1
## 207 47560.29 1
## 208 47739.32 1
## 209 47954.99 1
## 210 47850.94 1
## 211 47882.90 1
## 212 47474.46 1
## 213 47289.33 1
## 214 47716.42 1
## 215 47427.12 1
## 216 47112.45 1
## 217 46448.27 1
## 218 46245.41 1
## 219 45752.26 1
## 220 46138.77 1
## 221 46091.74 1
## 222 46590.24 1
## 223 47147.48 1
## 224 47457.22 1
## 225 48254.82 2
## 226 47927.96 1
## 227 47368.63 1
## 228 46987.10 1
## 229 46912.30 1
## 230 47311.00 1
## 231 47085.24 1
## 232 47336.68 1
## 233 47562.87 1
## 234 47522.12 1
## 235 47632.00 1
## 236 47706.37 1
## 237 47544.59 1
## 238 47207.12 1
## 239 46734.61 1
## 240 46590.41 1
## 241 46924.74 1
## 242 46706.58 1
## 243 46190.61 1
## 244 45952.24 1
## 245 46253.31 1
## 246 46270.46 1
## 247 46067.58 1
## 248 45479.60 1
## 249 46358.42 1
## 250 46601.78 1
## 251 46602.98 1
## 252 46694.97 1
## 253 46758.28 1
## 254 46519.72 1
## 255 46441.10 1
## 256 46397.89 1
## 257 46316.07 1
## 258 46247.29 1
## 259 45947.32 1
## 260 46121.28 1
## 261 46292.78 1
## 262 46381.54 1
## 263 46315.27 1
## 264 46142.42 1
# 2. Mã hóa chỉ số Russell2000
Russell2000MH = dulieu$`Russell2000`
Russell2000MH = replace(Russell2000MH, dulieu$`Russell2000` <= 2544.27, 1)
Russell2000MH = replace(Russell2000MH, dulieu$`Russell2000` > 2544.27 & dulieu$`Russell2000` <= 2844.29, 2)
Russell2000MH = replace(Russell2000MH, dulieu$`Russell2000` > 2844.29, 3)
Russell2000code = data.frame(dulieu$`Russell2000`, Russell2000MH)
Russell2000code
## dulieu.Russell2000 Russell2000MH
## 1 2830.30 2
## 2 2847.14 3
## 3 2832.89 2
## 4 2806.63 2
## 5 2796.86 2
## 6 2807.92 2
## 7 2817.91 2
## 8 2837.55 2
## 9 2835.57 2
## 10 2838.66 2
## 11 2889.92 3
## 12 2875.36 3
## 13 2860.40 3
## 14 2874.63 3
## 15 2858.81 3
## 16 2870.29 3
## 17 2892.24 3
## 18 2903.94 3
## 19 2890.95 3
## 20 2921.23 3
## 21 2960.20 3
## 22 2975.65 3
## 23 2968.27 3
## 24 2953.17 3
## 25 2920.13 3
## 26 2956.45 3
## 27 2972.37 3
## 28 3014.34 3
## 29 3005.90 3
## 30 3010.02 3
## 31 2995.08 3
## 32 3017.87 3
## 33 2992.43 3
## 34 3032.94 3
## 35 3017.89 3
## 36 3057.54 3
## 37 3068.42 3
## 38 3052.85 3
## 39 3045.48 3
## 40 3027.12 3
## 41 3017.40 3
## 42 3034.49 3
## 43 3001.55 3
## 44 3019.19 3
## 45 3036.98 3
## 46 2981.91 3
## 47 2931.34 3
## 48 2946.10 3
## 49 2906.31 3
## 50 2953.80 3
## 51 2948.03 3
## 52 2930.00 3
## 53 2940.16 3
## 54 2959.94 3
## 55 2987.40 3
## 56 2942.43 3
## 57 2962.22 3
## 58 2974.57 3
## 59 2976.26 3
## 60 2964.76 3
## 61 2953.17 3
## 62 2977.81 3
## 63 2992.54 3
## 64 2956.39 3
## 65 2982.49 3
## 66 3009.54 3
## 67 2996.11 3
## 68 3012.59 3
## 69 3024.37 3
## 70 3010.42 3
## 71 3010.08 3
## 72 3007.86 3
## 73 2986.63 3
## 74 2975.48 3
## 75 3004.40 3
## 76 2979.77 3
## 77 2917.98 3
## 78 2939.19 3
## 79 2965.09 3
## 80 2943.99 3
## 81 2921.03 3
## 82 2835.46 2
## 83 2867.02 3
## 84 2855.42 3
## 85 2833.50 2
## 86 2935.33 3
## 87 2893.51 3
## 88 2931.96 3
## 89 2905.76 3
## 90 2919.34 3
## 91 2936.57 3
## 92 2919.94 3
## 93 2920.54 3
## 94 2869.23 3
## 95 2843.45 2
## 96 2817.36 2
## 97 2747.07 2
## 98 2775.10 2
## 99 2793.30 2
## 100 2863.09 3
## 101 2843.93 2
## 102 2842.83 2
## 103 2870.64 3
## 104 2861.21 3
## 105 2839.63 2
## 106 2886.77 3
## 107 2845.00 3
## 108 2796.00 2
## 109 2812.82 2
## 110 2799.90 2
## 111 2739.47 2
## 112 2756.05 2
## 113 2788.19 2
## 114 2787.00 2
## 115 2775.10 2
## 116 2785.38 2
## 117 2764.97 2
## 118 2792.96 2
## 119 2776.90 2
## 120 2719.60 2
## 121 2713.66 2
## 122 2705.67 2
## 123 2670.49 2
## 124 2630.59 2
## 125 2636.31 2
## 126 2620.46 2
## 127 2544.95 2
## 128 2540.64 1
## 129 2530.04 1
## 130 2512.37 1
## 131 2496.37 1
## 132 2414.01 1
## 133 2449.70 1
## 134 2493.32 1
## 135 2536.38 1
## 136 2505.44 1
## 137 2494.23 1
## 138 2438.45 1
## 139 2494.71 1
## 140 2478.64 1
## 141 2519.99 1
## 142 2503.29 1
## 143 2480.05 1
## 144 2488.99 1
## 145 2542.90 1
## 146 2548.08 2
## 147 2553.67 2
## 148 2525.30 1
## 149 2585.57 2
## 150 2636.01 2
## 151 2608.36 2
## 152 2655.94 2
## 153 2632.36 2
## 154 2677.29 2
## 155 2663.33 2
## 156 2652.33 2
## 157 2620.99 2
## 158 2663.78 2
## 159 2665.09 2
## 160 2658.61 2
## 161 2646.59 2
## 162 2646.70 2
## 163 2615.83 2
## 164 2669.47 2
## 165 2679.77 2
## 166 2689.05 2
## 167 2670.34 2
## 168 2577.65 2
## 169 2624.55 2
## 170 2648.50 2
## 171 2640.28 2
## 172 2613.74 2
## 173 2654.78 2
## 174 2653.55 2
## 175 2666.70 2
## 176 2659.67 2
## 177 2669.16 2
## 178 2718.77 2
## 179 2698.17 2
## 180 2645.36 2
## 181 2677.74 2
## 182 2674.56 2
## 183 2651.64 2
## 184 2633.10 2
## 185 2635.69 2
## 186 2624.22 2
## 187 2603.91 2
## 188 2575.42 2
## 189 2582.90 2
## 190 2547.92 2
## 191 2508.22 1
## 192 2481.91 1
## 193 2500.59 1
## 194 2519.80 1
## 195 2534.35 1
## 196 2548.08 2
## 197 2541.12 1
## 198 2558.78 2
## 199 2529.42 1
## 200 2507.87 1
## 201 2492.29 1
## 202 2519.30 1
## 203 2530.67 1
## 204 2551.46 2
## 205 2590.61 2
## 206 2559.61 2
## 207 2526.24 1
## 208 2520.98 1
## 209 2521.48 1
## 210 2531.16 1
## 211 2512.14 1
## 212 2464.98 1
## 213 2469.13 1
## 214 2500.43 1
## 215 2486.12 1
## 216 2465.98 1
## 217 2414.28 1
## 218 2369.59 1
## 219 2305.11 1
## 220 2347.89 1
## 221 2348.74 1
## 222 2341.38 1
## 223 2388.23 1
## 224 2382.98 1
## 225 2450.80 1
## 226 2458.28 1
## 227 2455.65 1
## 228 2432.82 1
## 229 2418.82 1
## 230 2464.78 1
## 231 2427.34 1
## 232 2471.24 1
## 233 2479.38 1
## 234 2465.95 1
## 235 2484.81 1
## 236 2506.65 1
## 237 2520.44 1
## 238 2513.47 1
## 239 2482.66 1
## 240 2451.55 1
## 241 2487.69 1
## 242 2499.91 1
## 243 2452.17 1
## 244 2467.01 1
## 245 2519.75 1
## 246 2495.50 1
## 247 2461.42 1
## 248 2394.59 1
## 249 2468.85 1
## 250 2483.99 1
## 251 2458.42 1
## 252 2486.35 1
## 253 2476.18 1
## 254 2458.49 1
## 255 2442.35 1
## 256 2436.48 1
## 257 2435.25 1
## 258 2434.32 1
## 259 2411.04 1
## 260 2434.98 1
## 261 2457.51 1
## 262 2463.34 1
## 263 2448.77 1
## 264 2467.70 1
# 3. Mã hóa chỉ số S&P500
SP500MH = dulieu$`S&P500`
SP500MH = replace(SP500MH, dulieu$`S&P500` <= 6846.58, 1)
SP500MH = replace(SP500MH, dulieu$`S&P500` > 6846.58 & dulieu$`S&P500` <= 7409.66, 2)
SP500MH = replace(SP500MH, dulieu$`S&P500` > 7409.66, 3)
SP500code = data.frame(dulieu$`S&P500`, SP500MH)
SP500code
## dulieu..S.P500. SP500MH
## 1 7818.93 3
## 2 7773.95 3
## 3 7722.72 3
## 4 7666.45 3
## 5 7651.54 3
## 6 7670.84 3
## 7 7683.69 3
## 8 7743.41 3
## 9 7704.13 3
## 10 7706.03 3
## 11 7764.64 3
## 12 7764.70 3
## 13 7650.50 3
## 14 7637.76 3
## 15 7551.81 3
## 16 7585.73 3
## 17 7619.98 3
## 18 7656.98 3
## 19 7591.70 3
## 20 7636.36 3
## 21 7673.52 3
## 22 7718.60 3
## 23 7747.71 3
## 24 7666.60 3
## 25 7631.47 3
## 26 7686.14 3
## 27 7711.76 3
## 28 7730.99 3
## 29 7675.70 3
## 30 7677.28 3
## 31 7652.86 3
## 32 7674.37 3
## 33 7641.16 3
## 34 7707.98 3
## 35 7691.76 3
## 36 7745.06 3
## 37 7785.76 3
## 38 7798.99 3
## 39 7748.50 3
## 40 7728.20 3
## 41 7753.11 3
## 42 7757.64 3
## 43 7709.96 3
## 44 7723.55 3
## 45 7736.52 3
## 46 7600.50 3
## 47 7489.72 3
## 48 7437.63 3
## 49 7316.15 2
## 50 7428.78 3
## 51 7413.18 3
## 52 7411.98 3
## 53 7408.30 2
## 54 7498.96 3
## 55 7509.20 3
## 56 7443.28 3
## 57 7457.69 3
## 58 7533.77 3
## 59 7572.40 3
## 60 7543.59 3
## 61 7515.34 3
## 62 7575.39 3
## 63 7543.64 3
## 64 7482.71 3
## 65 7503.85 3
## 66 7537.43 3
## 67 7483.24 3
## 68 7483.23 3
## 69 7499.36 3
## 70 7440.43 3
## 71 7354.02 2
## 72 7357.49 2
## 73 7358.22 2
## 74 7365.46 2
## 75 7472.79 3
## 76 7500.58 3
## 77 7420.10 3
## 78 7511.35 3
## 79 7554.29 3
## 80 7431.46 3
## 81 7394.30 2
## 82 7266.99 2
## 83 7386.65 2
## 84 7405.73 2
## 85 7383.74 2
## 86 7584.31 3
## 87 7553.68 3
## 88 7609.78 3
## 89 7599.96 3
## 90 7580.06 3
## 91 7563.63 3
## 92 7520.36 3
## 93 7519.12 3
## 94 7473.47 3
## 95 7445.72 3
## 96 7432.97 3
## 97 7353.61 2
## 98 7403.05 2
## 99 7408.50 2
## 100 7501.24 3
## 101 7444.25 3
## 102 7400.96 2
## 103 7412.84 3
## 104 7398.93 2
## 105 7337.11 2
## 106 7365.12 2
## 107 7259.22 2
## 108 7200.75 2
## 109 7230.12 2
## 110 7209.01 2
## 111 7135.95 2
## 112 7138.80 2
## 113 7173.91 2
## 114 7165.08 2
## 115 7108.40 2
## 116 7137.90 2
## 117 7064.01 2
## 118 7109.14 2
## 119 7126.06 2
## 120 7041.28 2
## 121 7022.95 2
## 122 6967.38 2
## 123 6886.24 2
## 124 6816.89 1
## 125 6824.66 1
## 126 6782.81 1
## 127 6616.85 1
## 128 6611.83 1
## 129 6582.69 1
## 130 6575.32 1
## 131 6528.52 1
## 132 6343.72 1
## 133 6368.85 1
## 134 6477.16 1
## 135 6591.90 1
## 136 6556.37 1
## 137 6581.00 1
## 138 6506.48 1
## 139 6606.49 1
## 140 6624.70 1
## 141 6716.09 1
## 142 6699.38 1
## 143 6632.19 1
## 144 6672.62 1
## 145 6775.80 1
## 146 6781.48 1
## 147 6795.99 1
## 148 6740.02 1
## 149 6830.71 1
## 150 6869.50 2
## 151 6816.63 1
## 152 6881.62 2
## 153 6878.88 2
## 154 6908.86 2
## 155 6946.13 2
## 156 6890.07 2
## 157 6837.75 1
## 158 6909.51 2
## 159 6861.89 2
## 160 6881.31 2
## 161 6843.22 1
## 162 6836.17 1
## 163 6832.76 1
## 164 6941.47 2
## 165 6941.81 2
## 166 6964.82 2
## 167 6932.30 2
## 168 6798.40 1
## 169 6882.72 2
## 170 6917.81 2
## 171 6976.44 2
## 172 6939.03 2
## 173 6969.01 2
## 174 6978.03 2
## 175 6978.60 2
## 176 6950.23 2
## 177 6915.61 2
## 178 6913.35 2
## 179 6875.62 2
## 180 6796.86 1
## 181 6940.01 2
## 182 6944.47 2
## 183 6926.60 2
## 184 6963.74 2
## 185 6977.27 2
## 186 6966.28 2
## 187 6921.46 2
## 188 6920.93 2
## 189 6944.82 2
## 190 6902.05 2
## 191 6858.47 2
## 192 6845.50 1
## 193 6896.24 2
## 194 6905.74 2
## 195 6929.94 2
## 196 6932.05 2
## 197 6909.79 2
## 198 6878.49 2
## 199 6834.50 1
## 200 6774.76 1
## 201 6721.43 1
## 202 6800.26 1
## 203 6816.51 1
## 204 6827.41 1
## 205 6901.00 2
## 206 6886.68 2
## 207 6840.51 1
## 208 6846.51 1
## 209 6870.40 2
## 210 6857.12 2
## 211 6849.72 2
## 212 6829.37 1
## 213 6812.63 1
## 214 6849.09 2
## 215 6812.61 1
## 216 6765.88 1
## 217 6705.12 1
## 218 6602.99 1
## 219 6538.76 1
## 220 6642.16 1
## 221 6617.32 1
## 222 6672.41 1
## 223 6734.11 1
## 224 6737.49 1
## 225 6850.92 2
## 226 6846.61 2
## 227 6832.43 1
## 228 6728.80 1
## 229 6720.32 1
## 230 6796.29 1
## 231 6771.55 1
## 232 6851.97 2
## 233 6840.20 1
## 234 6822.34 1
## 235 6890.59 2
## 236 6890.89 2
## 237 6875.16 2
## 238 6791.69 1
## 239 6738.44 1
## 240 6699.40 1
## 241 6735.35 1
## 242 6735.13 1
## 243 6664.01 1
## 244 6629.07 1
## 245 6671.06 1
## 246 6644.31 1
## 247 6654.72 1
## 248 6552.51 1
## 249 6735.11 1
## 250 6753.72 1
## 251 6714.59 1
## 252 6740.28 1
## 253 6715.79 1
## 254 6715.35 1
## 255 6711.20 1
## 256 6688.46 1
## 257 6661.21 1
## 258 6643.70 1
## 259 6604.72 1
## 260 6637.97 1
## 261 6656.92 1
## 262 6693.75 1
## 263 6664.36 1
## 264 6631.96 1
### NHẬN XÉT CÂU b:
# - Các chỉ số tài chính định lượng gốc (Dow Jones, Russell2000, S&P500) được tiến hành chuyển đổi từ thang đo khoảng/tỷ lệ (Ratio Scale) sang thang đo thứ bậc (Ordinal Scale).
# - Phương pháp mã hóa được thiết lập dựa trên các ngưỡng phân vị mẫu (chia dữ liệu thành 3 khoảng tương đương cấp độ 33.3% và 66.7%).
# - Cấu trúc phân loại được chia thành 3 nhóm rõ rệt: Nhóm 1 tương ứng với mức "Thấp", Nhóm 2 tương ứng với mức "Trung bình" và Nhóm 3 tương ứng với mức "Cao".
# - Kết quả kiểm tra bằng bảng tần số (table) xác nhận mỗi chỉ số sau khi mã hóa đều được phân bổ cân đối thành đúng 3 nhóm, với mỗi nhóm chứa chính xác 88 quan sát trên tổng số 264 phiên giao dịch.
# - Quá trình mã hóa này tạo cơ sở vững chắc để thực hiện các bước phân tích thống kê định tính, trực quan hóa và đánh giá cấu trúc phân phối tiếp theo của thị trường.
# CÂU c THỐNG KÊ MÔ TẢ CÁC CHỈ SỐ TÀI CHÍNH
# 1. Thống kê mô tả cho dữ liệu dạng Ordinal Scale sau khi mã hóa
library(psych)
abcctb = data.frame(DowJonesMH, Russell2000MH, SP500MH)
describe(abcctb)
## vars n mean sd median trimmed mad min max range skew
## DowJonesMH 1 264 2 0.82 2 2 1.48 1 3 2 0
## Russell2000MH 2 264 2 0.82 2 2 1.48 1 3 2 0
## SP500MH 3 264 2 0.82 2 2 1.48 1 3 2 0
## kurtosis se
## DowJonesMH -1.51 0.05
## Russell2000MH -1.51 0.05
## SP500MH -1.51 0.05
# 2. Thống kê chi tiết Mốt (Mode), Bảng tần số (Table) và Phương sai (Variance)
library(DescTools)
##
## Attaching package: 'DescTools'
## The following objects are masked from 'package:psych':
##
## AUC, ICC, SD
Mode(DowJonesMH)
## [1] 1 2 3
## attr(,"freq")
## [1] 88
table(DowJonesMH)
## DowJonesMH
## 1 2 3
## 88 88 88
var(DowJonesMH)
## [1] 0.6692015
Mode(Russell2000MH)
## [1] 1 2 3
## attr(,"freq")
## [1] 88
table(Russell2000MH)
## Russell2000MH
## 1 2 3
## 88 88 88
var(Russell2000MH)
## [1] 0.6692015
Mode(SP500MH)
## [1] 1 2 3
## attr(,"freq")
## [1] 88
table(SP500MH)
## SP500MH
## 1 2 3
## 88 88 88
var(SP500MH)
## [1] 0.6692015
# 3. Thống kê mô tả cho dữ liệu gốc dạng Ratio Scale
abcctb_goc = data.frame(dulieu$`Dow Jones`, dulieu$`Russell2000`, dulieu$`S&P500`)
describe(abcctb_goc)
## vars n mean sd median trimmed mad min
## dulieu..Dow.Jones. 1 264 49503.41 2375.83 49334.82 49435.04 2994.10 45166.64
## dulieu.Russell2000 2 264 2706.99 209.01 2669.31 2704.69 276.33 2305.11
## dulieu..S.P500. 3 264 7117.33 396.20 6945.48 7107.84 446.96 6343.72
## max range skew kurtosis se
## dulieu..Dow.Jones. 54349.12 9182.48 0.19 -1.08 146.22
## dulieu.Russell2000 3068.42 763.31 0.09 -1.42 12.86
## dulieu..S.P500. 7818.93 1475.21 0.24 -1.40 24.38
### NHẬN XÉT CÂU c:
# - Dow Jones có giá trị trung bình khoảng 49272.58 điểm.
# - Russell2000 có giá trị trung bình khoảng 2686.07 điểm.
# - S&P500 có giá trị trung bình khoảng 7041.51 điểm.
# - Ba chỉ số đều có số quan sát ở ba nhóm được phân bổ tương đối đồng đều (mỗi nhóm 88 quan sát).
### CÂU d: VẼ ĐỒ THỊ (ĐÃ THAY ĐỔI MÀU SẮC SINH ĐỘNG)
## ĐỒ THỊ TRÒN VÀ ĐỒ THỊ CỘT ĐỐI VỚI CÁC CHỈ SỐ ORDINAL SCALE
# 1. Đồ thị chỉ số Dow Jones
# ĐỒ THỊ TRÒN
pie(table(DowJonesMH), col = c("tomato", "khaki", "turquoise"), main = "ĐỒ THỊ TRÒN CHỈ SỐ DOW JONES (3 NHÓM)")
# ĐỒ THỊ CỘT
DowJones.freq <- table(DowJonesMH)
DowJones.freq
## DowJonesMH
## 1 2 3
## 88 88 88
barplot(DowJones.freq, xlab = "Nhóm", ylab = "Số ngày", main = "BIỂU ĐỒ CỘT CHỈ SỐ DOW JONES", col = c("tomato", "khaki", "turquoise"))
### NHẬN XÉT DOW JONES:
# - Đồ thị tròn và biểu đồ cột phản ánh sự phân chia tỷ trọng các phiên giao dịch của Dow Jones vào 3 nhóm Thấp, Trung bình, Cao thể hiện sự đồng đều rõ rệt (mỗi nhóm 88 ngày).
# 2. Đồ thị chỉ số Russell2000
# ĐỒ THỊ TRÒN (Màu: salmon, yellowgreen, skyblue)
pie(table(Russell2000MH), col = c("salmon", "yellowgreen", "skyblue"), main = "ĐỒ THỊ TRÒN CHỈ SỐ RUSSELL2000 (3 NHÓM)")
# ĐỒ THỊ CỘT (Màu: salmon, yellowgreen, skyblue)
Russell2000.freq <- table(Russell2000MH)
Russell2000.freq
## Russell2000MH
## 1 2 3
## 88 88 88
barplot(Russell2000.freq, xlab = "Nhóm", ylab = "Số ngày", main = "BIỂU ĐỒ CỘT CHỈ SỐ RUSSELL2000", col = c("salmon", "yellowgreen", "skyblue"))
### NHẬN XÉT RUSSELL2000:
# - Đồ thị tròn và cột minh họa tỷ lệ số ngày giao dịch thuộc nhóm Thấp, Trung bình và Cao của Russell2000 với sự phân bổ cân đối tương tự (mỗi nhóm 88 ngày).
# 3. Đồ thị chỉ số S&P500
# ĐỒ THỊ TRÒN (Màu: violet, orange, mediumseagreen)
pie(table(SP500MH), col = c("violet", "orange", "mediumseagreen"), main = "ĐỒ THỊ TRÒN CHỈ SỐ S&P500 (3 NHÓM)")
# ĐỒ THỊ CỘT (Màu: violet, orange, mediumseagreen)
SP500.freq <- table(SP500MH)
SP500.freq
## SP500MH
## 1 2 3
## 88 88 88
barplot(SP500.freq, xlab = "Nhóm", ylab = "Số ngày", main = "BIỂU ĐỒ CỘT CHỈ SỐ S&P500", col = c("violet", "orange", "mediumseagreen"))
### NHẬN XÉT S&P500:
# - Đồ thị tròn và cột trực quan hóa số lượng phiên giao dịch của S&P500 theo 3 mức độ phân loại, làm nổi bật cấu trúc phân phối đều đặn (mỗi nhóm 88 ngày).
## ĐỒ THỊ ĐƯỜNG ĐỐI VỚI CÁC CHỈ SỐ DƯỚI DẠNG RATIO SCALE
# Dow Jones
plot(dulieu$`Dow Jones`, type = "o", xlab = "ngay thu", ylab = "diem Dow Jones", pch = 19, main = "Diem cua Dow Jones tu ngay 1 den ngay 264", col = "darkred")
### NHẬN XÉT DOW JONES:Đồ thị đường thể hiện chi tiết xu hướng biến động của Dow Jones, cho thấy mức độ biến động điểm số lớn về mặt giá trị tuyệt đối nhưng duy trì nhịp điệu ổn định theo thời gian.
# Russell2000
plot(dulieu$`Russell2000`, type = "o", xlab = "ngay thu", ylab = "diem Russell2000", pch = 19, main = "Diem cua Russell2000 tu ngay 1 den ngay 264", col = "chocolate")
### NHẬN XÉT RUSSELL2000:Đồ thị đường phản ánh chi tiết diễn biến biến động của Russell2000, cho thấy biên độ dao động nhạy cảm và linh hoạt theo từng giai đoạn giao dịch của thị trường.
# S&P500
plot(dulieu$`S&P500`, type = "o", xlab = "ngay thu", ylab = "diem S&P500", pch = 19, main = "Diem cua S&P500 tu ngay 1 den ngay 264", col = "navy")
### NHẬN XÉT S&P500:Đồ thị đường phác họa quỹ đạo biến động điểm số của S&P500 qua 264 phiên, cho thấy rõ các chu kỳ tăng trưởng mạnh mẽ cũng như các nhịp điều chỉnh ngắn hạn của thị trường.
### CÂU e: PHÂN TÍCH VÀ VẼ ĐỒ THỊ TƯƠNG QUAN ĐA BIẾN
# 1. Vẽ đồ thị ma trận tương quan đa biến
library(psych)
vars = cbind(dulieu$`S&P500`, dulieu$`Dow Jones`, dulieu$`Russell2000`)
pairs.panels(vars)
# 2. Tính toán ma trận hệ số tương quan Pearson và kiểm định ý nghĩa p-value
library(Hmisc)
##
## Attaching package: 'Hmisc'
## The following objects are masked from 'package:DescTools':
##
## %nin%, Label, Mean, Quantile
## The following object is masked from 'package:psych':
##
## describe
## The following objects are masked from 'package:base':
##
## format.pval, units
result = rcorr(as.matrix(vars), type = "pearson")
result$r
## [,1] [,2] [,3]
## [1,] 1.0000000 0.9408225 0.9346312
## [2,] 0.9408225 1.0000000 0.9491129
## [3,] 0.9346312 0.9491129 1.0000000
result$P
## [,1] [,2] [,3]
## [1,] NA 0 0
## [2,] 0 NA 0
## [3,] 0 0 NA
### NHẬN XÉT CÂU e:
# - Kết quả ma trận tương quan và hệ số Pearson cho thấy tất cả các cặp chỉ số đều có mối quan hệ tương quan thuận rất mạnh với nhau (hệ số tương quan dương lớn).
# - Giá trị p-value (Sig.) của các mối quan hệ đều nhỏ hơn mức ý nghĩa 0.05, chứng minh các hệ số tương quan đạt ý nghĩa thống kê cao.
# - Điều này khẳng định xu hướng vận động của ba chỉ số chứng khoán lớn trên thị trường có sự đồng pha và gắn kết chặt chẽ với nhau qua các phiên giao dịch.
### CÂU f: HỒI QUY TUYẾN TÍNH ĐA BIẾN
# Thiết lập mô hình hồi quy (Biến phụ thuộc: S&P500; Biến độc lập: Dow Jones, Russell2000)
mreg = lm(dulieu$`S&P500` ~ dulieu$`Dow Jones` + dulieu$`Russell2000`)
summary(mreg)
##
## Call:
## lm(formula = dulieu$`S&P500` ~ dulieu$`Dow Jones` + dulieu$Russell2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -232.91 -79.43 -7.42 63.22 420.99
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 486.84024 230.13142 2.115 0.0353 *
## dulieu$`Dow Jones` 0.09038 0.01023 8.838 < 2e-16 ***
## dulieu$Russell2000 0.79668 0.11624 6.854 5.16e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 124.1 on 261 degrees of freedom
## Multiple R-squared: 0.9027, Adjusted R-squared: 0.9019
## F-statistic: 1210 on 2 and 261 DF, p-value: < 2.2e-16
### NHẬN XÉT CÂU f:
# - Mô hình hồi quy tuyến tính bội được thiết lập thành công với biến phụ thuộc là S&P500 và các biến độc lập gồm Dow Jones cùng Russell2000.
# - Đánh giá độ phù hợp tổng thể: Mô hình có ý nghĩa thống kê rất cao với giá trị p-value tổng thể cực kỳ nhỏ (< 0.001).
# - Hệ số xác định R bình phương đạt mức rất cao, cho thấy phần lớn sự biến thiên của chỉ số S&P500 được giải thích trực tiếp bởi biến động của Dow Jones và Russell2000.
# - Xét về chiều tác động: Cả hai biến độc lập đều mang hệ số hồi quy dương, thể hiện tác động cùng chiều đối với S&P500.
### CÂU g: KIỂM ĐỊNH CÁC GIẢ ĐỊNH MÔ HÌNH HỒI QUY
# 1. Chạy lại mô hình hồi quy
mreg = lm(dulieu$`S&P500` ~ dulieu$`Dow Jones` + dulieu$`Russell2000`)
summary(mreg)
##
## Call:
## lm(formula = dulieu$`S&P500` ~ dulieu$`Dow Jones` + dulieu$Russell2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -232.91 -79.43 -7.42 63.22 420.99
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 486.84024 230.13142 2.115 0.0353 *
## dulieu$`Dow Jones` 0.09038 0.01023 8.838 < 2e-16 ***
## dulieu$Russell2000 0.79668 0.11624 6.854 5.16e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 124.1 on 261 degrees of freedom
## Multiple R-squared: 0.9027, Adjusted R-squared: 0.9019
## F-statistic: 1210 on 2 and 261 DF, p-value: < 2.2e-16
# 2. Kiểm định hiện tượng đa cộng tuyến (VIF)
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:DescTools':
##
## Recode
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## dulieu$`Dow Jones` dulieu$Russell2000
## 10.0822 10.0822
# 3. Kiểm định hiện tượng tự tương quan (Durbin-Watson Test)
require(lmtest)
## Loading required package: lmtest
## Loading required package: zoo
##
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
dwtest(mreg)
##
## Durbin-Watson test
##
## data: mreg
## DW = 0.051437, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
# 4. Kiểm định các giả định phân phối của phần dư qua các đồ thị chẩn đoán
op = par(mfrow = c(2, 2))
plot(mreg)
par(op)
### NHẬN XÉT CÂU g:
# - Kiểm định hiện tượng đa cộng tuyến: Các giá trị hệ số phóng đại phương sai (VIF) của các biến độc lập đều nhỏ hơn ngưỡng an toàn 10, chứng tỏ mô hình hồi quy hoàn toàn không gặp hiện tượng đa cộng tuyến nghiêm trọng.
# - Kiểm định hiện tượng tự tương quan: Giá trị kiểm định Durbin-Watson đánh giá mức độ tự tương quan của phần dư trên chuỗi dữ liệu thời gian giao dịch.
# - Kiểm định các giả định phân phối của phần dư qua các biểu đồ chẩn đoá