Phân tích chuỗi thời gian

Phân tích chuỗi thời gian là gì?

Phân tích chuỗi thời gian (Time Series Analysis) là phương pháp thống kê nghiên cứu chuỗi dữ liệu được sắp xếp theo trình tự thời gian nhằm phát hiện quy luật, xu hướng, tính mùa vụ và dự báo giá trị tương lai. Trong lĩnh vực ngân hàng, phương pháp này được ứng dụng rộng rãi để phân tích dư nợ tín dụng, tỷ lệ nợ xấu (NPL), biến động tiền gửi, lãi suất huy động và doanh số giao dịch theo ngày/tháng/quý/năm.

Đặc điểm chính

• Thành phần xu hướng (Trend): Phản ánh chiều hướng tăng/giảm dài hạn của dữ liệu.
• Thành phần mùa vụ (Seasonality): Các biến động lặp lại có chu kỳ như lễ Tết, cuối năm tài chính.
• Thành phần chu kỳ (Cyclical): Dao động dài hạn liên quan đến chu kỳ kinh tế.
• Nhiễu ngẫu nhiên (Noise): Biến động không thể dự đoán.
• Mô hình phổ biến: ARIMA, SARIMA, Exponential Smoothing theo hướng dẫn của Thông tư 01/2020/TT-NHNN và Quyết định 1606/QĐ-NHNN về cơ sở dữ liệu tín dụng.

Ví dụ áp dụng

Ngân hàng TMCP Á Châu (ACB) sử dụng chuỗi thời gian dữ liệu tiền gửi khách hàng 36 tháng để xây dựng mô hình SARIMA, qua đó dự báo thanh khoản quý IV và chủ động điều chỉnh lãi suất huy động tuân thủ khung lãi suất của Ngân hàng Nhà nước theo Thông tư 06/2023/TT-NHNN.