#HỌ VÀ TÊN: NGUYỄN NGỌC BẢO TRÂN
#LỚP:24NH MÃ SINH VIÊN:2454020028
#BÀI THỰC HÀNH
#NHẬP LIỆU
dulieu=file.choose()
dulieu=read.csv(dulieu,header=TRUE,check.names=FALSE)
save(dulieu,file="dulieu.rda")
attach(dulieu)
is.data.frame(dulieu)
## [1] TRUE
head(dulieu)
## STT DATE VNI VN30 SP500
## 1 1 7/10/2026 1753.39 1894.20 7802.37
## 2 2 6/10/2026 1759.08 1898.82 7818.93
## 3 3 5/10/2026 1753.20 1894.46 7773.95
## 4 4 2/10/2026 1737.71 1875.99 7722.72
## 5 5 1/10/2026 1749.30 1890.57 7666.45
## 6 6 30/09/2026 1768.62 1906.81 7651.54
dim(dulieu)
## [1] 288 5
# CÂU a
names(dulieu)
## [1] "STT" "DATE" "VNI" "VN30" "SP500"
str(dulieu)
## 'data.frame': 288 obs. of 5 variables:
## $ STT : int 1 2 3 4 5 6 7 8 9 10 ...
## $ DATE : chr "7/10/2026" "6/10/2026" "5/10/2026" "2/10/2026" ...
## $ VNI : num 1753 1759 1753 1738 1749 ...
## $ VN30 : num 1894 1899 1894 1876 1891 ...
## $ SP500: num 7802 7819 7774 7723 7666 ...
summary(dulieu)
## STT DATE VNI VN30 SP500
## Min. : 1.00 Length :288 Min. :1495 Min. :1614 Min. :6238
## 1st Qu.: 72.75 N.unique :288 1st Qu.:1673 1st Qu.:1869 1st Qu.:6704
## Median :144.50 N.blank : 0 Median :1756 Median :1935 Median :6907
## Mean :144.50 Min.nchar: 8 Mean :1751 Mean :1928 Mean :7038
## 3rd Qu.:216.25 Max.nchar: 10 3rd Qu.:1827 3rd Qu.:1996 3rd Qu.:7473
## Max. :288.00 Max. :1928 Max. :2097 Max. :7819
# Nhận xét
# Dữ liệu gồm 288 quan sát và 5 biến:stt, Ngày,VNINDEX,VN30,S&P500.
# Ba biến VNINDEX,VN30,S&P500 là các biến định lượng
# CÂU b
# MA HOA VNINDEX
# VNI
VNI_GOC = as.numeric(dulieu[,3])
VNIMH = VNI_GOC
VNIMH = replace(VNIMH, VNI_GOC <= 1750.754549, 1)
VNIMH = replace(VNIMH, VNI_GOC > 1750.754549 & VNI_GOC <= 1756.02, 2)
VNIMH = replace(VNIMH, VNI_GOC > 1756.02, 3)
VNI = data.frame(VNI_GOC, VNIMH)
VNI
## VNI_GOC VNIMH
## 1 1753.39 2
## 2 1759.08 3
## 3 1753.20 2
## 4 1737.71 1
## 5 1749.30 1
## 6 1768.62 3
## 7 1777.73 3
## 8 1780.68 3
## 9 1785.11 3
## 10 1775.09 3
## 11 1801.65 3
## 12 1816.93 3
## 13 1799.67 3
## 14 1815.66 3
## 15 1822.77 3
## 16 1810.11 3
## 17 1811.15 3
## 18 1788.23 3
## 19 1795.21 3
## 20 1829.23 3
## 21 1827.12 3
## 22 1830.44 3
## 23 1853.08 3
## 24 1827.72 3
## 25 1832.12 3
## 26 1831.56 3
## 27 1821.32 3
## 28 1791.41 3
## 29 1788.78 3
## 30 1768.12 3
## 31 1734.24 1
## 32 1726.69 1
## 33 1732.02 1
## 34 1727.46 1
## 35 1729.08 1
## 36 1765.63 3
## 37 1793.18 3
## 38 1773.41 3
## 39 1776.77 3
## 40 1768.06 3
## 41 1764.78 3
## 42 1776.46 3
## 43 1777.23 3
## 44 1762.84 3
## 45 1735.78 1
## 46 1744.66 1
## 47 1704.68 1
## 48 1680.62 1
## 49 1669.01 1
## 50 1686.11 1
## 51 1699.38 1
## 52 1668.53 1
## 53 1730.56 1
## 54 1743.51 1
## 55 1787.45 3
## 56 1804.24 3
## 57 1782.12 3
## 58 1806.63 3
## 59 1800.54 3
## 60 1828.34 3
## 61 1840.70 3
## 62 1853.70 3
## 63 1848.25 3
## 64 1843.50 3
## 65 1866.35 3
## 66 1867.21 3
## 67 1860.01 3
## 68 1854.97 3
## 69 1871.91 3
## 70 1863.07 3
## 71 1878.02 3
## 72 1869.04 3
## 73 1857.91 3
## 74 1830.47 3
## 75 1806.20 3
## 76 1807.94 3
## 77 1799.31 3
## 78 1791.65 3
## 79 1798.61 3
## 80 1803.71 3
## 81 1793.05 3
## 82 1790.53 3
## 83 1838.90 3
## 84 1831.55 3
## 85 1819.01 3
## 86 1826.47 3
## 87 1844.54 3
## 88 1863.49 3
## 89 1863.67 3
## 90 1874.43 3
## 91 1884.18 3
## 92 1877.13 3
## 93 1896.89 3
## 94 1913.23 3
## 95 1912.93 3
## 96 1927.94 3
## 97 1921.60 3
## 98 1925.46 3
## 99 1898.37 3
## 100 1901.10 3
## 101 1895.50 3
## 102 1915.37 3
## 103 1909.01 3
## 104 1891.20 3
## 105 1874.85 3
## 106 1854.06 3
## 107 1854.10 3
## 108 1875.84 3
## 109 1853.29 3
## 110 1870.36 3
## 111 1857.30 3
## 112 1833.48 3
## 113 1837.11 3
## 114 1817.17 3
## 115 1819.83 3
## 116 1800.65 3
## 117 1775.65 3
## 118 1758.96 3
## 119 1750.00 1
## 120 1736.68 1
## 121 1756.55 3
## 122 1677.54 1
## 123 1674.99 1
## 124 1694.82 1
## 125 1702.93 1
## 126 1674.49 1
## 127 1662.54 1
## 128 1672.80 1
## 129 1644.63 1
## 130 1658.19 1
## 131 1614.77 1
## 132 1591.17 1
## 133 1647.81 1
## 134 1699.13 1
## 135 1713.83 1
## 136 1710.29 1
## 137 1693.21 1
## 138 1696.24 1
## 139 1709.61 1
## 140 1728.34 1
## 141 1676.73 1
## 142 1652.79 1
## 143 1767.84 3
## 144 1808.51 3
## 145 1818.27 3
## 146 1813.14 3
## 147 1846.10 3
## 148 1880.33 3
## 149 1879.64 3
## 150 1860.91 3
## 151 1867.62 3
## 152 1860.14 3
## 153 1824.09 3
## 154 1814.09 3
## 155 1796.85 3
## 156 1754.03 2
## 157 1754.82 2
## 158 1755.49 2
## 159 1782.56 3
## 160 1791.43 3
## 161 1813.40 3
## 162 1806.50 3
## 163 1829.04 3
## 164 1814.98 3
## 165 1802.91 3
## 166 1830.50 3
## 167 1843.72 3
## 168 1870.79 3
## 169 1882.73 3
## 170 1885.44 3
## 171 1893.78 3
## 172 1879.13 3
## 173 1864.80 3
## 174 1894.44 3
## 175 1902.93 3
## 176 1877.33 3
## 177 1867.90 3
## 178 1855.56 3
## 179 1861.58 3
## 180 1816.27 3
## 181 1788.40 3
## 182 1784.49 3
## 183 1766.90 3
## 184 1754.84 2
## 185 1729.80 1
## 186 1782.82 3
## 187 1772.15 3
## 188 1751.03 2
## 189 1704.31 1
## 190 1676.98 1
## 191 1673.66 1
## 192 1679.18 1
## 193 1646.01 1
## 194 1646.89 1
## 195 1698.90 1
## 196 1718.98 1
## 197 1747.17 1
## 198 1753.74 2
## 199 1741.32 1
## 200 1737.24 1
## 201 1731.77 1
## 202 1717.06 1
## 203 1701.67 1
## 204 1690.99 1
## 205 1680.36 1
## 206 1660.36 1
## 207 1667.98 1
## 208 1654.93 1
## 209 1655.99 1
## 210 1649.00 1
## 211 1659.92 1
## 212 1654.42 1
## 213 1635.46 1
## 214 1631.44 1
## 215 1631.86 1
## 216 1593.61 1
## 217 1580.54 1
## 218 1599.10 1
## 219 1642.64 1
## 220 1654.89 1
## 221 1651.98 1
## 222 1617.00 1
## 223 1639.65 1
## 224 1669.57 1
## 225 1685.83 1
## 226 1680.50 1
## 227 1652.54 1
## 228 1683.18 1
## 229 1687.06 1
## 230 1678.50 1
## 231 1663.43 1
## 232 1636.43 1
## 233 1731.19 1
## 234 1766.85 3
## 235 1757.95 3
## 236 1761.06 3
## 237 1765.12 3
## 238 1747.55 1
## 239 1716.47 1
## 240 1697.83 1
## 241 1685.30 1
## 242 1695.50 1
## 243 1645.82 1
## 244 1652.71 1
## 245 1665.05 1
## 246 1661.70 1
## 247 1666.48 1
## 248 1660.70 1
## 249 1666.09 1
## 250 1657.46 1
## 251 1635.26 1
## 252 1634.45 1
## 253 1658.62 1
## 254 1665.18 1
## 255 1670.97 1
## 256 1680.90 1
## 257 1684.90 1
## 258 1667.26 1
## 259 1657.75 1
## 260 1643.26 1
## 261 1637.32 1
## 262 1624.53 1
## 263 1666.97 1
## 264 1696.29 1
## 265 1681.30 1
## 266 1682.21 1
## 267 1680.86 1
## 268 1672.78 1
## 269 1667.63 1
## 270 1614.03 1
## 271 1645.47 1
## 272 1688.00 1
## 273 1664.36 1
## 274 1654.20 1
## 275 1636.37 1
## 276 1630.00 1
## 277 1640.69 1
## 278 1611.60 1
## 279 1608.22 1
## 280 1596.86 1
## 281 1584.95 1
## 282 1581.81 1
## 283 1573.71 1
## 284 1547.15 1
## 285 1528.19 1
## 286 1495.21 1
## 287 1502.52 1
## 288 1507.63 1
# MA HOA VN30
VN30_GOC = as.numeric(dulieu[,4])
VN30MH = VN30_GOC
VN30MH = replace(VN30MH, VN30_GOC <= 1927.997, 1)
VN30MH = replace(VN30MH, VN30_GOC > 1927.997 & VN30_GOC <= 1934.855, 2)
VN30MH = replace(VN30MH, VN30_GOC > 1934.855, 3)
VN30 = data.frame(VN30_GOC, VN30MH)
VN30
## VN30_GOC VN30MH
## 1 1894.20 1
## 2 1898.82 1
## 3 1894.46 1
## 4 1875.99 1
## 5 1890.57 1
## 6 1906.81 1
## 7 1914.35 1
## 8 1922.42 1
## 9 1938.50 3
## 10 1932.15 2
## 11 1954.91 3
## 12 1965.36 3
## 13 1953.26 3
## 14 1964.17 3
## 15 1975.01 3
## 16 1954.29 3
## 17 1951.14 3
## 18 1928.57 2
## 19 1936.69 3
## 20 1976.82 3
## 21 1967.64 3
## 22 1968.52 3
## 23 1984.89 3
## 24 1961.57 3
## 25 1982.96 3
## 26 1979.23 3
## 27 1970.01 3
## 28 1936.15 3
## 29 1942.00 3
## 30 1927.79 1
## 31 1887.06 1
## 32 1875.73 1
## 33 1876.14 1
## 34 1877.68 1
## 35 1876.81 1
## 36 1909.23 1
## 37 1936.46 3
## 38 1922.53 1
## 39 1925.18 1
## 40 1911.09 1
## 41 1902.79 1
## 42 1916.88 1
## 43 1927.35 1
## 44 1917.69 1
## 45 1872.07 1
## 46 1886.27 1
## 47 1849.12 1
## 48 1824.35 1
## 49 1806.50 1
## 50 1829.36 1
## 51 1845.32 1
## 52 1826.90 1
## 53 1881.32 1
## 54 1887.32 1
## 55 1931.65 2
## 56 1941.65 3
## 57 1916.05 1
## 58 1946.06 3
## 59 1939.84 3
## 60 1970.82 3
## 61 1987.11 3
## 62 1998.44 3
## 63 1995.91 3
## 64 1991.11 3
## 65 2009.04 3
## 66 2013.35 3
## 67 1995.71 3
## 68 2004.29 3
## 69 2008.57 3
## 70 2004.62 3
## 71 2010.15 3
## 72 1995.12 3
## 73 1980.13 3
## 74 1967.22 3
## 75 1957.17 3
## 76 1960.19 3
## 77 1962.48 3
## 78 1944.36 3
## 79 1947.28 3
## 80 1960.97 3
## 81 1951.92 3
## 82 1936.81 3
## 83 1986.28 3
## 84 1982.29 3
## 85 1974.60 3
## 86 1972.99 3
## 87 1989.71 3
## 88 1997.06 3
## 89 1999.82 3
## 90 2022.46 3
## 91 2027.90 3
## 92 2010.93 3
## 93 2027.51 3
## 94 2028.94 3
## 95 2027.45 3
## 96 2046.37 3
## 97 2050.58 3
## 98 2068.62 3
## 99 2043.51 3
## 100 2053.97 3
## 101 2040.51 3
## 102 2074.06 3
## 103 2079.10 3
## 104 2053.41 3
## 105 2032.30 3
## 106 2014.62 3
## 107 2022.75 3
## 108 2041.40 3
## 109 2011.42 3
## 110 2024.74 3
## 111 2025.41 3
## 112 2007.08 3
## 113 2009.04 3
## 114 1988.11 3
## 115 1979.19 3
## 116 1961.60 3
## 117 1946.55 3
## 118 1925.66 1
## 119 1928.23 2
## 120 1915.01 1
## 121 1931.01 2
## 122 1840.96 1
## 123 1836.25 1
## 124 1852.99 1
## 125 1861.84 1
## 126 1829.59 1
## 127 1811.92 1
## 128 1821.53 1
## 129 1791.25 1
## 130 1814.73 1
## 131 1770.16 1
## 132 1741.05 1
## 133 1797.99 1
## 134 1854.19 1
## 135 1868.84 1
## 136 1873.65 1
## 137 1852.99 1
## 138 1853.60 1
## 139 1859.80 1
## 140 1889.94 1
## 141 1836.96 1
## 142 1780.71 1
## 143 1904.19 1
## 144 1942.76 3
## 145 1956.53 3
## 146 1959.35 3
## 147 2010.75 3
## 148 2061.75 3
## 149 2069.82 3
## 150 2049.64 3
## 151 2050.85 3
## 152 2039.80 3
## 153 2018.64 3
## 154 2016.47 3
## 155 2000.90 3
## 156 1951.58 3
## 157 1947.75 3
## 158 1943.60 3
## 159 1969.27 3
## 160 1988.19 3
## 161 1997.69 3
## 162 2004.31 3
## 163 2029.81 3
## 164 2018.98 3
## 165 1997.13 3
## 166 2019.88 3
## 167 2032.28 3
## 168 2077.76 3
## 169 2082.35 3
## 170 2080.38 3
## 171 2085.61 3
## 172 2080.35 3
## 173 2047.48 3
## 174 2067.10 3
## 175 2089.21 3
## 176 2080.24 3
## 177 2066.21 3
## 178 2074.03 3
## 179 2096.76 3
## 180 2055.96 3
## 181 2028.68 3
## 182 2030.63 3
## 183 2009.70 3
## 184 1990.66 3
## 185 1965.97 3
## 186 2023.13 3
## 187 2012.87 3
## 188 1985.28 3
## 189 1933.28 2
## 190 1903.47 1
## 191 1897.95 1
## 192 1909.87 1
## 193 1869.84 1
## 194 1867.03 1
## 195 1924.29 1
## 196 1946.98 3
## 197 1973.02 3
## 198 1983.82 3
## 199 1975.50 3
## 200 1979.53 3
## 201 1971.99 3
## 202 1950.12 3
## 203 1933.56 2
## 204 1923.92 1
## 205 1923.55 1
## 206 1909.60 1
## 207 1916.36 1
## 208 1899.89 1
## 209 1897.46 1
## 210 1886.20 1
## 211 1898.07 1
## 212 1893.54 1
## 213 1871.54 1
## 214 1864.23 1
## 215 1872.27 1
## 216 1821.60 1
## 217 1804.18 1
## 218 1824.71 1
## 219 1869.60 1
## 220 1886.47 1
## 221 1897.71 1
## 222 1857.64 1
## 223 1885.36 1
## 224 1925.18 1
## 225 1949.76 3
## 226 1949.28 3
## 227 1900.76 1
## 228 1944.60 3
## 229 1945.78 3
## 230 1930.88 2
## 231 1915.90 1
## 232 1870.86 1
## 233 1977.14 3
## 234 2022.27 3
## 235 2009.64 3
## 236 2013.69 3
## 237 2012.28 3
## 238 1980.57 3
## 239 1940.89 3
## 240 1922.95 1
## 241 1909.65 1
## 242 1918.97 1
## 243 1859.51 1
## 244 1859.80 1
## 245 1870.63 1
## 246 1863.13 1
## 247 1862.23 1
## 248 1852.65 1
## 249 1858.67 1
## 250 1853.48 1
## 251 1821.45 1
## 252 1819.60 1
## 253 1859.53 1
## 254 1861.74 1
## 255 1868.85 1
## 256 1875.39 1
## 257 1876.75 1
## 258 1865.45 1
## 259 1855.08 1
## 260 1828.63 1
## 261 1825.17 1
## 262 1807.22 1
## 263 1845.48 1
## 264 1883.59 1
## 265 1859.59 1
## 266 1865.38 1
## 267 1861.20 1
## 268 1848.55 1
## 269 1849.05 1
## 270 1783.12 1
## 271 1814.02 1
## 272 1874.91 1
## 273 1828.46 1
## 274 1810.46 1
## 275 1786.37 1
## 276 1783.25 1
## 277 1793.78 1
## 278 1753.71 1
## 279 1755.25 1
## 280 1741.90 1
## 281 1729.08 1
## 282 1734.85 1
## 283 1723.31 1
## 284 1690.43 1
## 285 1653.22 1
## 286 1614.11 1
## 287 1615.23 1
## 288 1630.78 1
# MA HOA SP500
SP500_GOC = as.numeric(dulieu[,5])
SP500MH = SP500_GOC
SP500MH = replace(SP500MH, SP500_GOC <= 6907.3, 1)
SP500MH = replace(SP500MH, SP500_GOC > 6907.3 & SP500_GOC <= 7038.479, 2)
SP500MH = replace(SP500MH, SP500_GOC > 7038.479, 3)
SP500 = data.frame(SP500_GOC, SP500MH)
SP500
## SP500_GOC SP500MH
## 1 7802.37 3
## 2 7818.93 3
## 3 7773.95 3
## 4 7722.72 3
## 5 7666.45 3
## 6 7651.54 3
## 7 7670.84 3
## 8 7683.69 3
## 9 7743.41 3
## 10 7704.13 3
## 11 7706.03 3
## 12 7764.64 3
## 13 7764.70 3
## 14 7650.50 3
## 15 7637.76 3
## 16 7551.81 3
## 17 7585.73 3
## 18 7619.98 3
## 19 7656.98 3
## 20 7591.70 3
## 21 7636.36 3
## 22 7673.52 3
## 23 7718.60 3
## 24 7747.71 3
## 25 7711.76 3
## 26 7730.99 3
## 27 7675.70 3
## 28 7677.28 3
## 29 7652.86 3
## 30 7674.37 3
## 31 7641.16 3
## 32 7707.98 3
## 33 7691.76 3
## 34 7745.06 3
## 35 7785.76 3
## 36 7798.99 3
## 37 7748.50 3
## 38 7728.20 3
## 39 7753.11 3
## 40 7757.64 3
## 41 7709.96 3
## 42 7723.55 3
## 43 7736.52 3
## 44 7600.50 3
## 45 7489.72 3
## 46 7437.63 3
## 47 7316.15 3
## 48 7428.78 3
## 49 7413.18 3
## 50 7411.98 3
## 51 7408.30 3
## 52 7498.96 3
## 53 7509.20 3
## 54 7443.28 3
## 55 7457.69 3
## 56 7533.77 3
## 57 7572.40 3
## 58 7543.59 3
## 59 7515.34 3
## 60 7575.39 3
## 61 7543.64 3
## 62 7482.71 3
## 63 7503.85 3
## 64 7537.43 3
## 65 7483.24 3
## 66 7483.23 3
## 67 7499.36 3
## 68 7440.43 3
## 69 7354.02 3
## 70 7357.49 3
## 71 7358.22 3
## 72 7365.46 3
## 73 7472.79 3
## 74 7500.58 3
## 75 7420.10 3
## 76 7511.35 3
## 77 7554.29 3
## 78 7431.46 3
## 79 7394.30 3
## 80 7266.99 3
## 81 7386.65 3
## 82 7405.73 3
## 83 7383.74 3
## 84 7584.31 3
## 85 7553.68 3
## 86 7609.78 3
## 87 7599.96 3
## 88 7580.06 3
## 89 7563.63 3
## 90 7520.36 3
## 91 7519.12 3
## 92 7473.47 3
## 93 7445.72 3
## 94 7432.97 3
## 95 7353.61 3
## 96 7403.05 3
## 97 7408.50 3
## 98 7501.24 3
## 99 7444.25 3
## 100 7400.96 3
## 101 7412.84 3
## 102 7398.93 3
## 103 7337.11 3
## 104 7365.12 3
## 105 7259.22 3
## 106 7200.75 3
## 107 7135.95 3
## 108 7138.80 3
## 109 7165.08 3
## 110 7108.40 3
## 111 7137.90 3
## 112 7064.01 3
## 113 7109.14 3
## 114 7126.06 3
## 115 7041.28 3
## 116 7022.95 2
## 117 6967.38 2
## 118 6886.24 1
## 119 6816.89 1
## 120 6824.66 1
## 121 6782.81 1
## 122 6616.85 1
## 123 6611.83 1
## 124 6582.69 1
## 125 6575.32 1
## 126 6528.52 1
## 127 6343.72 1
## 128 6368.85 1
## 129 6477.16 1
## 130 6591.90 1
## 131 6556.37 1
## 132 6581.00 1
## 133 6506.48 1
## 134 6606.49 1
## 135 6624.70 1
## 136 6716.09 1
## 137 6699.38 1
## 138 6632.19 1
## 139 6672.62 1
## 140 6775.80 1
## 141 6781.48 1
## 142 6795.99 1
## 143 6740.02 1
## 144 6830.71 1
## 145 6869.50 1
## 146 6816.63 1
## 147 6881.62 1
## 148 6878.88 1
## 149 6908.86 2
## 150 6946.13 2
## 151 6890.07 1
## 152 6837.75 1
## 153 6836.17 1
## 154 6832.76 1
## 155 6941.47 2
## 156 6941.81 2
## 157 6964.82 2
## 158 6932.30 2
## 159 6798.40 1
## 160 6882.72 1
## 161 6917.81 2
## 162 6976.44 2
## 163 6939.03 2
## 164 6969.01 2
## 165 6978.03 2
## 166 6978.60 2
## 167 6950.23 2
## 168 6915.61 2
## 169 6913.35 2
## 170 6875.62 1
## 171 6796.86 1
## 172 6940.01 2
## 173 6944.47 2
## 174 6926.60 2
## 175 6963.74 2
## 176 6977.27 2
## 177 6966.28 2
## 178 6921.46 2
## 179 6920.93 2
## 180 6944.82 2
## 181 6902.05 1
## 182 6845.50 1
## 183 6896.24 1
## 184 6905.74 1
## 185 6929.94 2
## 186 6932.05 2
## 187 6909.79 2
## 188 6878.49 1
## 189 6834.50 1
## 190 6774.76 1
## 191 6721.43 1
## 192 6800.26 1
## 193 6816.51 1
## 194 6827.41 1
## 195 6901.00 1
## 196 6886.68 1
## 197 6840.51 1
## 198 6846.51 1
## 199 6870.40 1
## 200 6857.12 1
## 201 6849.72 1
## 202 6829.37 1
## 203 6812.63 1
## 204 6849.09 1
## 205 6812.61 1
## 206 6765.88 1
## 207 6705.12 1
## 208 6602.99 1
## 209 6538.76 1
## 210 6642.16 1
## 211 6617.32 1
## 212 6672.41 1
## 213 6734.11 1
## 214 6737.49 1
## 215 6850.92 1
## 216 6846.61 1
## 217 6832.43 1
## 218 6728.80 1
## 219 6720.32 1
## 220 6796.29 1
## 221 6771.55 1
## 222 6851.97 1
## 223 6840.20 1
## 224 6822.34 1
## 225 6890.59 1
## 226 6890.89 1
## 227 6875.16 1
## 228 6791.69 1
## 229 6738.44 1
## 230 6699.40 1
## 231 6735.35 1
## 232 6735.13 1
## 233 6664.01 1
## 234 6629.07 1
## 235 6671.06 1
## 236 6644.31 1
## 237 6654.72 1
## 238 6552.51 1
## 239 6735.11 1
## 240 6753.72 1
## 241 6714.59 1
## 242 6740.28 1
## 243 6715.79 1
## 244 6715.35 1
## 245 6711.20 1
## 246 6688.46 1
## 247 6661.21 1
## 248 6643.70 1
## 249 6604.72 1
## 250 6637.97 1
## 251 6656.92 1
## 252 6693.75 1
## 253 6664.36 1
## 254 6631.96 1
## 255 6600.35 1
## 256 6606.76 1
## 257 6615.28 1
## 258 6584.29 1
## 259 6587.47 1
## 260 6532.04 1
## 261 6512.61 1
## 262 6495.15 1
## 263 6481.50 1
## 264 6502.08 1
## 265 6448.26 1
## 266 6460.26 1
## 267 6501.86 1
## 268 6481.40 1
## 269 6465.94 1
## 270 6439.32 1
## 271 6466.91 1
## 272 6370.17 1
## 273 6395.78 1
## 274 6411.37 1
## 275 6449.15 1
## 276 6449.80 1
## 277 6468.54 1
## 278 6466.58 1
## 279 6445.76 1
## 280 6373.45 1
## 281 6389.45 1
## 282 6340.00 1
## 283 6345.06 1
## 284 6299.19 1
## 285 6329.94 1
## 286 6238.01 1
## 287 6339.39 1
## 288 6362.90 1
# Nhận xét
# Các chỉ số VNI, VN30 và SP500 được mã hóa từ thang đo Ratio Scale
# sang thang đo Ordinal Scale thành 3 nhóm.
# Nhóm 1 là các giá trị nhỏ hơn hoặc bằng giá trị trung vị.
# Nhóm 2 là các giá trị lớn hơn trung vị và nhỏ hơn hoặc bằng giá trị trung bình.
# Nhóm 3 là các giá trị lớn hơn giá trị trung bình.
# Số lượng quan sát ở mỗi nhóm của từng chỉ số phụ thuộc vào dữ liệu thực tế
# và được xác định thông qua bảng tần số sau khi mã hóa.
#CÂU c
library(psych)
abcctb=data.frame(VNIMH,VN30MH,SP500MH)
describe(abcctb)
## vars n mean sd median trimmed mad min max range skew kurtosis
## VNIMH 1 288 2.03 0.99 2.5 2.03 0.74 1 3 2 -0.06 -1.98
## VN30MH 2 288 2.03 0.99 2.5 2.03 0.74 1 3 2 -0.06 -1.98
## SP500MH 3 288 1.90 0.94 1.5 1.88 0.74 1 3 2 0.20 -1.85
## se
## VNIMH 0.06
## VN30MH 0.06
## SP500MH 0.06
library(DescTools)
##
## Attaching package: 'DescTools'
## The following objects are masked from 'package:psych':
##
## AUC, ICC, SD
names(which.max(table(SP500MH)))
## [1] "1"
table(SP500MH)
## SP500MH
## 1 2 3
## 144 29 115
var(SP500MH)
## [1] 0.8922643
Mode(VNIMH)
## [1] 3
## attr(,"freq")
## [1] 144
table(VNIMH)
## VNIMH
## 1 2 3
## 136 8 144
var(VNIMH)
## [1] 0.9748355
names(which.max(table(VN30MH)))
## [1] "3"
table(VN30MH)
## VN30MH
## 1 2 3
## 136 8 144
var(VN30MH)
## [1] 0.9748355
abcctb=data.frame(dulieu$`SP500`,dulieu$`VNI`,dulieu$`VN30`)
describe(abcctb)
## vars n mean sd median trimmed mad min max
## dulieu.SP500 1 288 7038.48 434.65 6907.30 7030.37 482.52 6238.01 7818.93
## dulieu.VNI 2 288 1750.75 92.23 1756.02 1752.22 112.08 1495.21 1927.94
## dulieu.VN30 3 288 1928.00 89.18 1934.86 1932.32 94.07 1614.11 2096.76
## range skew kurtosis se
## dulieu.SP500 1580.92 0.26 -1.27 25.61
## dulieu.VNI 432.73 -0.17 -0.73 5.43
## dulieu.VN30 482.65 -0.60 0.61 5.25
# NHẬN XÉT
# Giá trị trung bình của SP500, VNI và VN30 lần lượt là 7038.48,
# 1750.75 và 1928.00 điểm.
# VNI và VN30 có số quan sát ở 3 nhóm lần lượt là 136, 8, 144.
# SP500 có số quan sát ở 3 nhóm lần lượt là 144, 29, 115.
# Nhóm 2 có số quan sát ít nhất ở cả 3 chỉ số.
# Phương sai của VNI và VN30 là 0.9748355, SP500 là 0.8922643..
#Câu d
#VNI
#Biểu đồ cột
VNI.freq <- table(VNIMH)
VNI.freq
## VNIMH
## 1 2 3
## 136 8 144
barplot(VNI.freq,
xlab = "Diem",
ylab = "So ngay",
main = "Bieu do cot cua chi so VNI",
col = c("orange", "purple", "yellow"))
#Biểu đồ tròn
pie(table(VNIMH),
col = c("orange", "purple", "yellow"),
main = "Bieu do tron cua chi so VNI")
# VN30
#Biểu đồ cột
VN30.freq <- table(VN30MH)
VN30.freq
## VN30MH
## 1 2 3
## 136 8 144
barplot(VN30.freq,
xlab = "Diem",
ylab = "So ngay",
main = "Bieu do cot cua chi so VN30",
col = c("lightyellow", "lightcyan", "lightcoral"))
# Biểu đồ tròn
pie(table(VN30MH),
col = c("lightyellow", "lightcyan", "lightcoral"),
main = "Bieu do tron cua chi so VN30")
# S&P500
SP500.freq <- table(SP500MH)
SP500.freq
## SP500MH
## 1 2 3
## 144 29 115
barplot(SP500.freq,
xlab = "Diem",
ylab = "So ngay",
main = "Bieu do cot cua chi so S&P 500",
col = c("skyblue", "lightpink", "lightgreen"))
#Biểu đồ tròn
pie(table(SP500MH),
col = c("skyblue", "lightpink", "lightgreen"),
main = "Bieu do tron cua chi so S&P 500")
#Nhận xét
# Biểu đồ cột và biểu đồ tròn thể hiện sự phân bố của các chỉ số theo 3 nhóm Thấp,Bằng và Cao.
# Biểu đồ đường thể hiện sự biến động của các chỉ số VNI,VN30 và SP500 theo thời gian
# CÂU e
# Vẽ đồ thị ma trận tương quan đa biến
library(psych)
vars = cbind(dulieu$`VNI`, dulieu$`VN30`, dulieu$`SP500`)
pairs.panels(vars)
#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$r
## [,1] [,2] [,3]
## [1,] 1.0000000 0.9086676 0.6360037
## [2,] 0.9086676 1.0000000 0.4438690
## [3,] 0.6360037 0.4438690 1.0000000
result$P
## [,1] [,2] [,3]
## [1,] NA 0.000000e+00 0.000000e+00
## [2,] 0 NA 2.442491e-15
## [3,] 0 2.442491e-15 NA
### NHẬN XÉT
# VNI và VN30 tương quan thuận rất chặt chẽ (r = 0.9087).
# VNI và S&P 500 tương quan thuận khá chặt chẽ (r = 0.6360).
# VN30 và S&P 500 tương quan thuận mức trung bình (r = 0.4439).
# Các cặp chỉ số đều có ý nghĩa thống kê ở mức 5% (p-value < 0.05).
#CÂU f
mreg = lm(SP500 ~ VNI + VN30, data=dulieu)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ VNI + VN30, data = dulieu)
##
## Residuals:
## Min 1Q Median 3Q Max
## -578.32 -258.76 -19.98 228.73 691.77
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3252.1775 392.0709 8.295 4.37e-15 ***
## VNI 6.2900 0.4692 13.407 < 2e-16 ***
## VN30 -3.7479 0.4852 -7.724 1.93e-13 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 306.1 on 285 degrees of freedom
## Multiple R-squared: 0.5076, Adjusted R-squared: 0.5041
## F-statistic: 146.9 on 2 and 285 DF, p-value: < 2.2e-16
###NHẬN XÉT
# Mô hình hồi quy tuyến tính bội được thiết lập với biến phụ thuộc là S&P 500 và các biến độc lập gồm VNI và VN30.
# Mô hình có ý nghĩa thống kê rất cao với p-value < 0.001.
# R bình phương đạt 0.5076, cho thấy VNI và VN30 giải thích được 50.76% sự biến động của S&P 500.
# VNI có hệ số hồi quy dương (6.2900), tác động cùng chiều; VN30 có hệ số hồi quy âm (-3.7479), tác động ngược chiều đến S&P 500.
# CÂU g
# 1. Chạy lại mô hình hồi quy:
mreg = lm(SP500 ~ VNI + VN30, data=dulieu)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ VNI + VN30, data = dulieu)
##
## Residuals:
## Min 1Q Median 3Q Max
## -578.32 -258.76 -19.98 228.73 691.77
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3252.1775 392.0709 8.295 4.37e-15 ***
## VNI 6.2900 0.4692 13.407 < 2e-16 ***
## VN30 -3.7479 0.4852 -7.724 1.93e-13 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 306.1 on 285 degrees of freedom
## Multiple R-squared: 0.5076, Adjusted R-squared: 0.5041
## F-statistic: 146.9 on 2 and 285 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)
## VNI VN30
## 5.736469 5.736469
# 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 = 0.070844, 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
# Kiểm định đa cộng tuyến: VIF của VNI và VN30 đều bằng 5.7365, nhỏ hơn 10, cho thấy không có đa cộng tuyến nghiêm trọng.
# Kiểm định tự tương quan: Durbin-Watson = 0.0708 và p-value < 0.001, cho thấy phần dư có hiện tượng tự tương quan dương.
# Biểu đồ Residuals vs Fitted: Phần dư chưa phân bố ngẫu nhiên hoàn toàn quanh đường 0, cho thấy mô hình có thể chưa đáp ứng tốt giả định tuyến tính.
# Biểu đồ Normal Q-Q: Các điểm không bám sát đường thẳng lý thuyết, cho thấy phần dư có thể không tuân theo phân phối chuẩn.
# Biểu đồ Scale-Location: Độ phân tán phần dư chưa đồng đều, gợi ý khả năng có hiện tượng phương sai sai số thay đổi.
# Biểu đồ Residuals vs Leverage: Có một số quan sát cần kiểm tra thêm về mức độ ảnh hưởng, nhưng chưa đủ căn cứ kết luận có điểm ảnh hưởng mạnh.