Tổng quan nghiên cứu

Năm 2018, thị trường chứng khoán Việt Nam (TTCK VN) chứng kiến nhiều biến động mạnh với chỉ số VN-INDEX đạt đỉnh lịch sử 1204.33 điểm vào ngày 9/4/2018, nhưng sau đó giảm sâu xuống còn 888 điểm vào cuối năm, tương ứng mức giảm khoảng 25%. Sự biến động này chịu ảnh hưởng lớn từ các yếu tố vĩ mô toàn cầu như chiến tranh thương mại Mỹ-Trung Quốc, chính sách tăng lãi suất của Cục Dự trữ Liên bang Mỹ (FED), và dòng vốn đầu tư quốc tế. Trong bối cảnh đó, việc dự báo chính xác chỉ số thị trường chứng khoán trở thành một nhiệm vụ quan trọng nhằm hỗ trợ các nhà đầu tư và quản lý quỹ trong việc ra quyết định.

Mục tiêu nghiên cứu của luận văn là ứng dụng mô hình mạng thần kinh nhân tạo (Artificial Neural Network - ANN) kết hợp phương pháp lai ghép giữa phân tích kỹ thuật và phân tích cơ bản để dự báo chỉ số VN-INDEX, đồng thời kiểm định độ chính xác của phương pháp này so với phương pháp phân tích kỹ thuật thuần túy. Nghiên cứu tập trung vào dữ liệu giao dịch trong năm 2018 tại thị trường chứng khoán Việt Nam, với trọng tâm làm rõ tác động của chiến tranh thương mại Mỹ-Trung Quốc lên biến động thị trường.

Nghiên cứu có ý nghĩa thiết thực trong việc nâng cao hiệu quả dự báo thị trường chứng khoán Việt Nam, góp phần giảm thiểu rủi ro đầu tư và hỗ trợ hoạch định chính sách tài chính vĩ mô. Các chỉ số đánh giá độ chính xác dự báo như sai số trung bình và độ lệch chuẩn được sử dụng để đo lường hiệu quả mô hình.


Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

  • Lý thuyết định giá kinh doanh chênh lệch (Arbitrage Pricing Theory - APT): Giải thích mối quan hệ giữa tỷ suất sinh lời kỳ vọng của chứng khoán với các nhân tố kinh tế vĩ mô như lạm phát, lãi suất, tỷ giá hối đoái, cung tiền, tăng trưởng kinh tế, giá dầu và các chỉ số chứng khoán thế giới. Lý thuyết này giúp xác định các biến độc lập quan trọng trong mô hình dự báo.

  • Lý thuyết thị trường hiệu quả (Efficient Market Hypothesis - EMH): Cho rằng giá chứng khoán phản ánh đầy đủ thông tin hiện có, do đó việc dự báo giá chứng khoán là thách thức lớn. Tuy nhiên, mô hình ANN với khả năng học và phát hiện các mối quan hệ phi tuyến có thể cải thiện độ chính xác dự báo.

  • Mạng thần kinh nhân tạo (ANN): Mô phỏng cấu trúc và chức năng của bộ não con người, ANN có khả năng xử lý dữ liệu phi tuyến, tự học và thích nghi với dữ liệu lớn. Mô hình mạng nhiều lớp với thuật toán lan truyền ngược (Backpropagation) được sử dụng để huấn luyện và dự báo chỉ số VN-INDEX.

  • Phân tích kỹ thuật và phân tích cơ bản: Phân tích kỹ thuật dựa trên các chỉ số giá và khối lượng giao dịch trong quá khứ, trong khi phân tích cơ bản dựa trên các yếu tố kinh tế vĩ mô và các biến tác động như chiến tranh thương mại Mỹ-Trung Quốc.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Dữ liệu giao dịch chỉ số VN-INDEX trong năm 2018, bao gồm giá mở cửa, giá đóng cửa, giá cao nhất, giá thấp nhất, khối lượng giao dịch, và biến tác động chiến tranh thương mại Mỹ-Trung Quốc được mã hóa thành các trạng thái (1: tin tốt, 0: bình thường, -1: tin xấu).

  • Cỡ mẫu và chọn mẫu: Toàn bộ dữ liệu giao dịch trong năm 2018 được sử dụng, đảm bảo tính đại diện và đầy đủ cho phân tích.

  • Phương pháp phân tích: Áp dụng mô hình mạng thần kinh nhân tạo nhiều lớp với thuật toán Backpropagation. Phương pháp lai ghép kết hợp biến kỹ thuật và biến phân tích cơ bản được so sánh với phương pháp chỉ sử dụng biến kỹ thuật.

  • Timeline nghiên cứu: Thu thập và xử lý dữ liệu năm 2018, huấn luyện và kiểm thử mô hình trong cùng năm, sau đó dự báo chỉ số VN-INDEX cho giai đoạn đầu năm 2019 (từ 2/1/2019 đến 30/8/2019).

  • Tiêu chí đánh giá: Độ chính xác dự báo được đánh giá qua sai số dự báo, đồ thị so sánh giữa giá trị thực tế và dự báo, và tần suất sai số nhỏ dưới 1%.


Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  • Phát hiện 1: Mô hình ANN với phương pháp lai ghép (kết hợp biến kỹ thuật và biến phân tích cơ bản) cho kết quả dự báo chính xác hơn so với mô hình chỉ sử dụng biến kỹ thuật. Mô hình 10-18-1 đạt độ chính xác cao nhất với sai số trung bình gần bằng 0 và đồ thị dự báo tương đồng với giá trị thực tế.

  • Phát hiện 2: Chỉ số VN-INDEX năm 2018 biến động mạnh, giảm khoảng 25% từ đỉnh 1204.33 điểm xuống còn 888 điểm, chủ yếu do tác động tiêu cực của chiến tranh thương mại Mỹ-Trung Quốc và chính sách thắt chặt tiền tệ toàn cầu.

  • Phát hiện 3: Việc thêm biến tác động chiến tranh thương mại Mỹ-Trung Quốc vào mô hình dự báo giúp cải thiện đáng kể độ chính xác, thể hiện qua việc giảm sai số dự báo và tăng tính ổn định của mô hình.

  • Phát hiện 4: Dự báo chỉ số VN-INDEX cho năm 2019 bằng mô hình lai ghép ANN 10-18-1 cho thấy hình dạng đồ thị dự báo tương đối giống với thực tế, với tần suất sai số nhỏ dưới 1% chiếm ưu thế, khẳng định tính khả thi và hiệu quả của mô hình.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác dự báo là do mô hình lai ghép tận dụng được cả thông tin kỹ thuật từ dữ liệu giao dịch và thông tin cơ bản từ các biến vĩ mô quan trọng, đặc biệt là tác động của chiến tranh thương mại Mỹ-Trung Quốc. So với các nghiên cứu trước đây chỉ sử dụng phân tích kỹ thuật hoặc mô hình chuỗi thời gian, phương pháp này cho phép mô hình hóa các mối quan hệ phi tuyến phức tạp và tác động đa chiều của các yếu tố kinh tế.

Kết quả phù hợp với lý thuyết APT khi các biến vĩ mô như lạm phát, lãi suất, tỷ giá và các sự kiện kinh tế chính trị có ảnh hưởng rõ rệt đến thị trường chứng khoán. Việc sử dụng ANN giúp khắc phục hạn chế của các mô hình hồi quy truyền thống trong việc xử lý dữ liệu phi tuyến và đa biến.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh giá trị thực tế và dự báo của các mô hình ANN khác nhau, cũng như bảng tổng hợp sai số dự báo để minh họa sự vượt trội của phương pháp lai ghép.


Đề xuất và khuyến nghị

  • Áp dụng rộng rãi mô hình lai ghép ANN: Khuyến nghị các tổ chức tài chính, công ty chứng khoán và nhà đầu tư sử dụng mô hình lai ghép kết hợp biến kỹ thuật và biến phân tích cơ bản để nâng cao độ chính xác dự báo thị trường trong ngắn hạn và trung hạn.

  • Tự động hóa thu thập dữ liệu vĩ mô: Phát triển hệ thống khai thác dữ liệu tự động từ các nguồn tin tức, báo cáo kinh tế để cập nhật biến tác động vĩ mô như chiến tranh thương mại, chính sách tiền tệ nhằm giảm thiểu tính chủ quan trong việc nhập liệu.

  • Mở rộng mô hình với các biến vĩ mô khác: Nghiên cứu bổ sung thêm các biến kinh tế vĩ mô theo lý thuyết APT như lạm phát, lãi suất, tỷ giá, giá dầu, cung tiền để hoàn thiện mô hình dự báo, nâng cao độ chính xác và khả năng ứng dụng trong các điều kiện thị trường khác nhau.

  • Đào tạo và nâng cao năng lực phân tích: Tổ chức các khóa đào tạo về ứng dụng mạng thần kinh nhân tạo và phương pháp khai phá dữ liệu cho các nhà phân tích tài chính nhằm nâng cao kỹ năng và hiệu quả sử dụng công nghệ trong dự báo thị trường.

  • Thời gian thực hiện: Các giải pháp trên nên được triển khai trong vòng 1-2 năm để kịp thời ứng phó với biến động thị trường và xu hướng toàn cầu.


Đối tượng nên tham khảo luận văn

  • Nhà đầu tư cá nhân và tổ chức: Giúp nâng cao khả năng dự báo biến động thị trường, từ đó đưa ra quyết định đầu tư chính xác và giảm thiểu rủi ro.

  • Các công ty chứng khoán và quỹ đầu tư: Ứng dụng mô hình dự báo để xây dựng chiến lược giao dịch, quản lý danh mục đầu tư hiệu quả hơn trong bối cảnh thị trường biến động mạnh.

  • Các nhà nghiên cứu và sinh viên ngành tài chính – ngân hàng: Cung cấp cơ sở lý thuyết và phương pháp thực nghiệm về ứng dụng mạng thần kinh nhân tạo trong dự báo thị trường chứng khoán, làm tài liệu tham khảo cho các nghiên cứu tiếp theo.

  • Cơ quan quản lý và hoạch định chính sách: Hỗ trợ đánh giá tác động của các yếu tố kinh tế vĩ mô và chính sách quốc tế đến thị trường tài chính, từ đó xây dựng các chính sách phù hợp nhằm ổn định thị trường.


Câu hỏi thường gặp

  1. Mô hình mạng thần kinh nhân tạo (ANN) là gì và tại sao được sử dụng trong dự báo chứng khoán?
    ANN là mô hình máy học mô phỏng cấu trúc não người, có khả năng xử lý dữ liệu phi tuyến và tự học. Nó được sử dụng vì có thể phát hiện các mối quan hệ phức tạp trong dữ liệu chứng khoán, giúp dự báo chính xác hơn so với các mô hình truyền thống.

  2. Phương pháp lai ghép trong nghiên cứu này gồm những gì?
    Phương pháp lai ghép kết hợp biến kỹ thuật (giá mở cửa, đóng cửa, cao nhất, thấp nhất, khối lượng) và biến phân tích cơ bản (tác động chiến tranh thương mại Mỹ-Trung Quốc) để huấn luyện mô hình ANN, nhằm cải thiện độ chính xác dự báo.

  3. Chiến tranh thương mại Mỹ-Trung Quốc ảnh hưởng thế nào đến thị trường chứng khoán Việt Nam?
    Chiến tranh thương mại làm tăng sự bất ổn và lo ngại trên thị trường toàn cầu, ảnh hưởng đến dòng vốn đầu tư và tâm lý nhà đầu tư tại Việt Nam, dẫn đến biến động mạnh của chỉ số VN-INDEX trong năm 2018.

  4. Mô hình dự báo có thể áp dụng cho các năm khác ngoài 2018 không?
    Có thể áp dụng, tuy nhiên cần cập nhật dữ liệu và các biến tác động phù hợp với điều kiện kinh tế và chính trị hiện tại để đảm bảo độ chính xác và tính khả thi của mô hình.

  5. Làm thế nào để giảm tính chủ quan khi nhập dữ liệu biến tác động vĩ mô?
    Khuyến nghị sử dụng công nghệ khai phá dữ liệu tự động (Big Data, Machine Learning) để thu thập và xử lý dữ liệu từ các nguồn tin tức, báo cáo kinh tế nhằm đảm bảo tính khách quan và cập nhật liên tục.


Kết luận

  • Mô hình mạng thần kinh nhân tạo (ANN) kết hợp phương pháp lai ghép giữa phân tích kỹ thuật và phân tích cơ bản giúp nâng cao độ chính xác dự báo chỉ số VN-INDEX năm 2018 và 2019.
  • Chiến tranh thương mại Mỹ-Trung Quốc là nhân tố vĩ mô quan trọng ảnh hưởng mạnh đến biến động thị trường chứng khoán Việt Nam trong giai đoạn nghiên cứu.
  • Phương pháp lai ghép ANN vượt trội hơn so với phương pháp chỉ sử dụng biến kỹ thuật trong việc dự báo thị trường.
  • Việc tự động hóa thu thập dữ liệu và mở rộng mô hình với các biến vĩ mô khác sẽ giúp hoàn thiện và nâng cao hiệu quả dự báo trong tương lai.
  • Khuyến nghị các nhà đầu tư, công ty chứng khoán và cơ quan quản lý áp dụng mô hình này để nâng cao hiệu quả quản lý và ra quyết định đầu tư.

Triển khai ứng dụng mô hình trong thực tế, mở rộng nghiên cứu với dữ liệu mới và các biến tác động đa dạng hơn, đồng thời phát triển hệ thống tự động thu thập và xử lý dữ liệu.

Các nhà phân tích và tổ chức tài chính nên bắt đầu áp dụng mô hình lai ghép ANN để nâng cao hiệu quả dự báo và quản lý rủi ro trong thị trường chứng khoán đầy biến động hiện nay.