Original Title: Volatility Estimation of Straits Times Index Based on the Anh-Inoue Model
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប៉ាន់ប្រមាណភាពប្រែប្រួលនៃសន្ទស្សន៍ Straits Times ដោយផ្អែកលើម៉ូដែល Anh-Inoue

ចំណងជើងដើម៖ Volatility Estimation of Straits Times Index Based on the Anh-Inoue Model

អ្នកនិពន្ធ៖ Chatchai Pesee (Department of Mathematics, Faculty of Science, Kasetsart University, Bangkok, Thailand)

ឆ្នាំបោះពុម្ព៖ 2008, Kasetsart J. (Nat. Sci.)

វិស័យសិក្សា៖ Financial Mathematics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ម៉ូដែលប្រពៃណី Black-Scholes សន្មត់ថាភាពប្រែប្រួលនៃតម្លៃភាគហ៊ុនមានលក្ខណៈថេរ ដែលមិនអាចឆ្លុះបញ្ចាំងបានត្រឹមត្រូវពីភាពខុសគ្នារវាងភាពប្រែប្រួលក្នុងប្រវត្តិសាស្ត្រ និងភាពប្រែប្រួលដែលបង្កប់ន័យនៅក្នុងទីផ្សារហិរញ្ញវត្ថុជាក់ស្តែងនោះទេ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ម៉ូដែលឌីណាមិក Anh-Inoue ដែលមានប៉ារ៉ាម៉ែត្រនៃការចងចាំ ដើម្បីធ្វើការប៉ាន់ស្មានភាពប្រែប្រួលលើទិន្នន័យបិទផ្សារប្រចាំថ្ងៃចំនួន ៩០ ថ្ងៃ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Black-Scholes Model
ម៉ូដែល Black-Scholes (ការប៉ាន់ស្មានភាពប្រែប្រួលតាមបែបប្រពៃណី)
សាមញ្ញ និងងាយស្រួលប្រើប្រាស់សម្រាប់ការវាយតម្លៃជម្រើស (Option pricing) ដោយប្រើទិន្នន័យបិទផ្សារតែមួយថ្ងៃ (Time lag 1 day) ដែលនិយមប្រើដោយអ្នកអនុវត្តទូទៅ។ សន្មត់ថាភាពប្រែប្រួលមានលក្ខណៈថេរ ដែលមិនឆ្លុះបញ្ចាំងពីការពិតនៃទីផ្សារជាក់ស្តែង និងមិនមានសមត្ថភាពចាប់យកចលនាការចងចាំ (Memory) នៃទីផ្សារហិរញ្ញវត្ថុឡើយ។ ផ្តល់តម្លៃប៉ាន់ស្មានភាពប្រែប្រួលក្នុងប្រវត្តិសាស្ត្រ (HV) ជាមធ្យមត្រឹមតែ ៨,៨៤% ប៉ុណ្ណោះ ដែលជាទូទៅទាបជាងភាពប្រែប្រួលដែលបង្កប់ន័យ (IV) ក្នុងទីផ្សារពិត។
Anh-Inoue Dynamic Model
ម៉ូដែលឌីណាមិក Anh-Inoue
អាចបែងចែកដាច់ពីគ្នារវាងភាពប្រែប្រួលក្នុងប្រវត្តិសាស្ត្រ (HV) និងភាពប្រែប្រួលដែលបង្កប់ន័យ (IV) ព្រមទាំងមានប៉ារ៉ាម៉ែត្របន្ថែម (p និង q) ដើម្បីចាប់យកឥទ្ធិពលនៃការចងចាំទីផ្សារ។ ទាមទារការគណនាស្មុគស្មាញជាងមុន ដោយត្រូវប្រើវិធីសាស្ត្រការ៉េអប្បបរមាមិនលីនេអ៊ែរ (Nonlinear least squares) ដើម្បីស្វែងរកតម្លៃប៉ាន់ស្មាននៃប៉ារ៉ាម៉ែត្រនីមួយៗ។ ផ្តល់តម្លៃប៉ាន់ស្មានភាពប្រែប្រួលបង្កប់ន័យ (Implied Volatility) កាន់តែសុក្រឹតជាមធ្យម ៩,៧១% ជាមួយនឹងកម្រិតលំអៀងមធ្យម (ARN) ត្រឹមតែ ០,៣៨៧៥ ប៉ុណ្ណោះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់លម្អិតអំពីតម្រូវការផ្នែករឹង (Hardware) នោះទេ ប៉ុន្តែវាទាមទារនូវកម្មវិធីដែលអាចគណនាសមីការគណិតវិទ្យាស្មុគស្មាញបាន។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ទិន្នន័យសន្ទស្សន៍ Straits Times Index (STI) នៃទីផ្សារមូលបត្រប្រទេសសិង្ហបុរី (SGX) ក្នុងចន្លោះឆ្នាំ ២០០៤ ដល់ ២០០៥ ដែលជាទីផ្សារអភិវឌ្ឍន៍និងមានសន្ទនីយភាពខ្ពស់។ សម្រាប់ប្រទេសកម្ពុជា ដែលទីផ្សារមូលបត្រ (CSX) ទើបតែចាប់ផ្តើមនិងមានទំហំតូច លក្ខណៈនៃការប្រែប្រួលនិងការចងចាំទីផ្សារអាចនឹងមានសភាពខុសគ្នាស្រឡះ ដែលទាមទារឱ្យមានការតម្រូវប៉ារ៉ាម៉ែត្រសាជាថ្មី។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ម៉ូដែលឌីណាមិកនេះមានសក្តានុពលខ្ពស់សម្រាប់អ្នកវិភាគហិរញ្ញវត្ថុ និងស្ថាប័នគ្រប់គ្រងហានិភ័យនៅកម្ពុជា ក្នុងការវាយតម្លៃនិន្នាការទីផ្សារឱ្យកាន់តែច្បាស់លាស់។

ការផ្លាស់ប្តូរពីការសន្មត់ភាពប្រែប្រួលថេរទៅជាការប្រើប្រាស់ម៉ូដែលឌីណាមិកដែលមានការចងចាំ នឹងជួយស្ថាប័នហិរញ្ញវត្ថុកម្ពុជាឱ្យមានប្រព័ន្ធគ្រប់គ្រងហានិភ័យដែលរឹងមាំ និងឆ្លុះបញ្ចាំងពីការពិតជាក់ស្តែងបានល្អជាងមុន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃគណិតវិទ្យាហិរញ្ញវត្ថុ: និស្សិតត្រូវស្វែងយល់ឱ្យបានច្បាស់អំពីទ្រឹស្តី Black-Scholes formula និង Stochastic Differential Equations ដែលជាមូលដ្ឋានគ្រឹះដ៏សំខាន់ក្នុងការគណនាតម្លៃនៃ Options និងការវាយតម្លៃហានិភ័យ។
  2. ប្រមូលទិន្នន័យទីផ្សារភាគហ៊ុន: រៀបចំទាញយកទិន្នន័យតម្លៃបិទផ្សារប្រចាំថ្ងៃពីទីផ្សារមូលបត្រកម្ពុជា (CSX) ចំនួន ៩០ ថ្ងៃ ឬទីផ្សារអន្តរជាតិផ្សេងទៀត ដោយប្រើប្រាស់ Yahoo Finance API តាមរយៈកូដ Python
  3. អនុវត្តការសរសេរកូដសម្រាប់គណនាប៉ារ៉ាម៉ែត្រ: ប្រើប្រាស់ភាសា Python ជាមួយនឹងបណ្ណាល័យ NumPy, Pandas និង SciPy (scipy.optimize.curve_fit) ដើម្បីសរសេរកូដវាយតម្លៃសមីការ Nonlinear least squares ក្នុងការស្វែងរកតម្លៃប៉ារ៉ាម៉ែត្រ p និង q នៃម៉ូដែល Anh-Inoue
  4. ធ្វើការប្រៀបធៀប និងវាយតម្លៃភាពត្រឹមត្រូវនៃម៉ូដែល: ធ្វើការគណនាប្រៀបធៀបរវាងភាពប្រែប្រួលក្នុងប្រវត្តិសាស្ត្រ (Historical Volatility) និងភាពប្រែប្រួលដែលបង្កប់ន័យ (Implied Volatility) ហើយវាយតម្លៃកម្រិតលំអៀងដោយប្រើរូបមន្ត Average Residue Norm (ARN) ដូចដែលមានបង្ហាញក្នុងការសិក្សា។
  5. រៀបចំរបាយការណ៍វិភាគ និងអនុសាសន៍: ប្រើប្រាស់លទ្ធផលក្រាហ្វិក និងទិន្នន័យដែលបានពីកូដ ដើម្បីសរសេរជារបាយការណ៍ណែនាំស្តីពីចរិតលក្ខណៈការចងចាំនៃទីផ្សារ (Market Memory) សម្រាប់ជាប្រយោជន៍ដល់អ្នកវិនិយោគស្ថាប័ន ឬក្រុមហ៊ុនមូលបត្រក្នុងស្រុក។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Historical Volatility (ភាពប្រែប្រួលក្នុងប្រវត្តិសាស្ត្រ) ជារង្វាស់នៃភាពញឹកញាប់ និងទំហំនៃការប្រែប្រួលតម្លៃភាគហ៊ុនក្នុងអតីតកាល ដោយគណនាផ្អែកលើទិន្នន័យតម្លៃជាក់ស្តែងដែលបានកើតឡើងរួច។ ដូចជាការមើលកំណត់ត្រាអាកាសធាតុពីខែមុន ដើម្បីដឹងថាអាកាសធាតុនៅតំបន់នោះប្រែប្រួលខ្លាំងប៉ុណ្ណា។
Implied Volatility (ភាពប្រែប្រួលដែលបង្កប់ន័យ) ជាការរំពឹងទុករបស់ទីផ្សារចំពោះភាពប្រែប្រួលនៃតម្លៃភាគហ៊ុននាពេលអនាគត ដែលទាញចេញពីរូបមន្តគណនាតម្លៃនៃជម្រើស (Option pricing) ដូចជាម៉ូដែល Black-Scholes ជាដើម។ ដូចជាការមើលតម្លៃធានារ៉ាប់រងបច្ចុប្បន្ន ដើម្បីទាយថាតើមនុស្សគិតថាអនាគតនឹងមានហានិភ័យកម្រិតណា។
Black-Scholes model (ម៉ូដែល Black-Scholes) ជាសមីការគណិតវិទ្យាដ៏ល្បីល្បាញមួយដែលប្រើសម្រាប់គណនាតម្លៃទ្រឹស្តីនៃឧបករណ៍ហិរញ្ញវត្ថុប្រភេទជម្រើស (Options) ដោយសន្មត់ថាភាពប្រែប្រួលមានលក្ខណៈថេរ។ ដូចជារូបមន្តស្តង់ដារមួយសម្រាប់វាយតម្លៃថាតើសំបុត្រឆ្នោតមួយសន្លឹកគួរមានតម្លៃប៉ុន្មាន ដោយផ្អែកលើឱកាសឈ្នះនិងពេលវេលាសេសសល់។
European calls and puts (ជម្រើសទិញនិងលក់ប្រភេទអឺរ៉ុប) ជាកិច្ចសន្យាហិរញ្ញវត្ថុដែលផ្តល់សិទ្ធិ (តែមិនតម្រូវ) ឱ្យអ្នកទិញធ្វើការទិញ (Call) ឬលក់ (Put) ទ្រព្យសកម្មណាមួយក្នុងតម្លៃដែលបានព្រមព្រៀងគ្នា ប៉ុន្តែអាចអនុវត្តសិទ្ធិនេះបានតែនៅថ្ងៃផុតកំណត់ប៉ុណ្ណោះ។ ដូចជាការកក់ប្រាក់ទិញដីក្នុងតម្លៃជាក់លាក់មួយ ប៉ុន្តែអ្នកអាចសម្រេចចិត្តទិញឬអត់បានតែនៅថ្ងៃផុតកំណត់នៃកិច្ចសន្យាប៉ុណ្ណោះ មិនអាចទិញមុនបានទេ។
Stochastic differential equation (សមីការឌីផេរ៉ង់ស្យែលស្តូកាស្ទិក) ជាសមីការគណិតវិទ្យាដែលប្រើសម្រាប់ពិពណ៌នាពីបាតុភូតដែលមានការប្រែប្រួលតាមពេលវេលា និងមានកត្តាចៃដន្យ (Randomness) បញ្ចូលគ្នា ដូចជាចលនានៃតម្លៃភាគហ៊ុន។ ដូចជាសមីការទាយពីចលនារបស់ស្លឹកឈើដែលធ្លាក់តាមខ្យល់ ដែលមានទាំងទិសដៅខ្យល់បក់ (ច្បាស់លាស់) និងខ្យល់គួច (ចៃដន្យ)។
Moneyness (ស្ថានភាពចំណេញនៃជម្រើស) ជារង្វាស់ប្រៀបធៀបរវាងតម្លៃបច្ចុប្បន្ននៃទ្រព្យសកម្ម និងតម្លៃដែលបានព្រមព្រៀងក្នុងកិច្ចសន្យា ដើម្បីកំណត់ថាតើកិច្ចសន្យានោះកំពុងមានចំណេញ (in-the-money) ឬខាត (out-of-the-money)។ ដូចជាការប្រៀបធៀបតម្លៃទូរស័ព្ទនៅទីផ្សារបច្ចុប្បន្ន និងតម្លៃដែលអ្នកបានកក់ទុក ដើម្បីដឹងថាអ្នកចំណេញ ឬខាតបើអ្នកទិញវាតាមតម្លៃកក់នោះ។
Memory (ការចងចាំនៃទីផ្សារ) ជាបាតុភូតក្នុងស៊េរីពេលវេលាហិរញ្ញវត្ថុ ដែលតម្លៃ ឬភាពប្រែប្រួលនាពេលបច្ចុប្បន្ន មានទំនាក់ទំនងនិងទទួលឥទ្ធិពលពីព្រឹត្តិការណ៍ដែលបានកើតឡើងតាំងពីយូរយារណាស់មកហើយក្នុងអតីតកាល។ ដូចជាឥរិយាបថរបស់មនុស្សដែលការសម្រេចចិត្តថ្ងៃនេះនៅតែរងឥទ្ធិពលពីបទពិសោធន៍ដែលពួកគេជួបប្រទះកាលពីច្រើនឆ្នាំមុន។
Nonlinear least squares (ការ៉េអប្បបរមាមិនលីនេអ៊ែរ) ជាវិធីសាស្ត្រគណិតវិទ្យាក្នុងការស្វែងរកតម្លៃប៉ារ៉ាម៉ែត្រនៃម៉ូដែលមិនលីនេអ៊ែរ ដោយព្យាយាមកាត់បន្ថយផលបូកនៃការ៉េនៃភាពខុសគ្នារវាងទិន្នន័យជាក់ស្តែង និងទិន្នន័យដែលគណនាបានពីម៉ូដែលឱ្យនៅតូចបំផុត។ ដូចជាការព្យាយាមពត់ខ្សែលួសឱ្យកោងចូលគ្នាស៊ីសង្វាក់ជាមួយនឹងចំណុចជាច្រើនដែលយើងបានគូសនៅលើក្រដាស ដើម្បីឱ្យខ្សែលួសនោះនៅជិតចំណុចទាំងនោះបំផុត។
Average residue norm (ទំហំលំអៀងមធ្យម) ជារង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតមធ្យមនៃភាពខុសគ្នា (Error) រវាងតម្លៃដែលបានទស្សន៍ទាយដោយម៉ូដែល និងតម្លៃជាក់ស្តែងនៃទិន្នន័យពិត។ ដូចជាការវាស់ស្ទង់ជាមធ្យមថាតើការបាញ់ព្រួញរបស់យើងខុសពីចំណុចកណ្តាលនៃផ្ទាំងស៊ីបប៉ុន្មានសង់ទីម៉ែត្ររាល់ពេលបាញ់ម្តងៗ។
Brownian motion (ចលនាប្រោនៀន) ជាម៉ូដែលគណិតវិទ្យាដែលពិពណ៌នាអំពីចលនាចៃដន្យជាប់ជានិច្ចនៃភាគល្អិត ដែលក្នុងហិរញ្ញវត្ថុ គេប្រើវាដើម្បីតំណាងឱ្យការប្រែប្រួលតម្លៃភាគហ៊ុនដែលមិនអាចទាយទុកជាមុនបាន។ ដូចជាការដើររបស់មនុស្សស្រវឹងដែលបោះជំហានទៅឆ្វេងឬស្តាំដោយចៃដន្យ រកទិសដៅច្បាស់លាស់មិនបាន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖