Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam năm 2018 ghi nhận nhiều biến động mạnh mẽ với chỉ số VN-INDEX đạt đỉnh lịch sử 1204.33 điểm vào ngày 9/4/2018, sau đó giảm sâu xuống mức thấp nhất trong năm là 880.85 điểm vào ngày 30/10/2018, 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 nên cấp thiết nhằm hỗ trợ nhà đầu tư và các nhà quản lý quỹ trong việc ra quyết định. Luận văn tập trung ứng dụng mô hình mạng thần kinh nhân tạo (Artificial Neural Network - ANN) kết hợp phương pháp lai ghép để dự báo chỉ số VN-INDEX, đồng thời kiểm định tác động của chiến tranh thương mại Mỹ-Trung Quốc như một biến vĩ mô quan trọng. Nghiên cứu sử dụng dữ liệu giao dịch trong năm 2018 tại thị trường chứng khoán Việt Nam, nhằm nâng cao độ chính xác dự báo và cung cấp công cụ hỗ trợ hiệu quả cho các bên liên quan. Kết quả dự báo được đánh giá qua các chỉ số sai số và so sánh với phương pháp dự báo kỹ thuật truyền thống, góp phần mở rộng ứng dụng trí tuệ nhân tạo trong lĩnh vực tài chính – ngân hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Lý thuyết định giá kinh doanh chênh lệch (Arbitrage Pricing Theory - APT): Giải thích mối quan hệ giữa tỉ suất sinh lời kỳ vọng của chứng khoán với các nhân tố kinh tế vĩ mô như lạm phát, lãi suất, tỉ giá hối đoái, cung tiền, tăng trưởng kinh tế, giá dầu và các chỉ số thị trường quốc tế. Công thức tổng quát của APT là:

$$ R_J = \alpha_j + \beta_{j,1}F_1 + \beta_{j,2}F_2 + \cdots + \beta_{j,K}F_K + u_j $$

  • Lý thuyết thị trường hiệu quả (Efficient Market Hypothesis - EMH): Thị trường phản ánh đầy đủ thông tin và giá chứng khoán phản ứng nhanh với các biến động, do đó việc dự báo giá cổ phiếu là thách thức.

  • Mô hình mạng thần kinh nhân tạo (ANN): Mô phỏng cấu trúc và chức năng của bộ não con người, ANN có khả năng xử lý các mối quan hệ phi tuyến phức tạp giữa các biến đầu vào và đầu ra. Mạng nhiều lớp với thuật toán lan truyền ngược (Backpropagation) được sử dụng để huấn luyện mô hình dự báo chỉ số chứng khoán.

Các khái niệm chính bao gồm: biến kỹ thuật (giá mở cửa, giá đóng cửa, giá cao nhất, giá thấp nhất), biến phân tích cơ bản (tác động chiến tranh thương mại Mỹ-Trung Quốc), hàm kích hoạt sigmoid, và cấu trúc mạng nơ-ron nhiều lớp.

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, được thu thập từ các nguồn chứng khoán Việt Nam chính thống và tin cậy. Ngoài ra, biến tác động chiến tranh thương mại Mỹ-Trung Quốc được mã hóa thành ba trạng thái (1: tin tốt, 0: trung tính, -1: tin xấu) dựa trên thông tin truyền thông đại chúng.

  • Phương pháp phân tích: Áp dụng mô hình mạng thần kinh nhân tạo với kiến trúc mạng nhiều lớp (các cấu hình mạng như 10-18-1, 10-19-1, 10-20-1, …) và thuật toán lan truyền ngược để huấn luyện và dự báo. Phương pháp lai ghép kết hợp biến kỹ thuật và biến phân tích cơ bản nhằm nâng cao độ chính xác dự báo so với phương pháp chỉ sử dụng biến kỹ thuật.

  • Timeline nghiên cứu: Thu thập và xử lý dữ liệu trong năm 2018, huấn luyện mô hình và kiểm thử trên dữ liệu cùng năm, dự báo chỉ số VN-INDEX cho năm 2019 để đánh giá hiệu quả mô hình.

  • Cỡ mẫu và chọn mẫu: Sử dụng toàn bộ dữ liệu giao dịch trong năm 2018 với khoảng 250 ngày giao dịch, đảm bảo tính đại diện và độ tin cậy cho mô hình.

  • Phương pháp đánh giá: So sánh kết quả dự báo với giá trị thực tế qua các chỉ số sai số và biểu đồ trực quan, đồng thời so sánh hiệu quả giữa phương pháp lai ghép và phương pháp dự báo kỹ thuật truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả của phương pháp lai ghép: Mô hình ANN kết hợp phương pháp lai ghép cho kết quả dự báo chỉ số VN-INDEX năm 2018 có độ chính xác cao hơn so với mô hình chỉ sử dụng biến kỹ thuật. Sai số trung bình giảm khoảng 15%, thể hiện qua các cấu hình mạng như 10-18-1, 10-19-1.

  2. Tác động của chiến tranh thương mại Mỹ-Trung Quốc: Khi thêm biến tác động chiến tranh thương mại vào mô hình, độ chính xác dự báo được cải thiện rõ rệt, với mức giảm sai số dự báo khoảng 10% so với mô hình không có biến này.

  3. Biến động thị trường năm 2018: VN-INDEX có mức biến động lớn nhất trong 10 năm, với mức giảm khoảng 25% từ đỉnh 1204.33 điểm xuống còn 880.85 điểm. Các phiên giảm mạnh trên 3% xuất hiện 7 lần trong năm, trong đó có phiên giảm trên 5%.

  4. So sánh với các mô hình truyền thống: Mô hình chuỗi thời gian ARIMA và các mô hình hồi quy nhân quả cho kết quả dự báo kém hơn ANN, đặc biệt trong việc xử lý các mối quan hệ phi tuyến và biến động mạnh của thị trường.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác dự báo khi sử dụng phương pháp lai ghép là khả năng mô hình ANN xử lý tốt các mối quan hệ phi tuyến và tương tác phức tạp giữa các biến kỹ thuật và biến vĩ mô. Việc đưa biến chiến tranh thương mại Mỹ-Trung Quốc vào mô hình giúp phản ánh chính xác hơn các tác động bất ổn kinh tế toàn cầu lên thị trường chứng khoán Việt Nam. Kết quả này phù hợp với các nghiên cứu quốc tế cho thấy các yếu tố vĩ mô có ảnh hưởng đáng kể đến biến động thị trường.

Biểu đồ so sánh giá trị dự báo và thực tế cho thấy mô hình ANN với phương pháp lai ghép có đường dự báo bám sát hơn, giảm thiểu các sai lệch lớn trong các phiên biến động mạnh. Bảng thống kê sai số dự báo cũng minh chứng cho sự vượt trội của phương pháp này.

Tuy nhiên, mô hình vẫn còn hạn chế trong việc dự báo dài hạn do tính chất biến động không ổn định của thị trường và sự thay đổi nhanh chóng của các yếu tố vĩ mô. Ngoài ra, việc mã hóa biến tác động chiến tranh thương mại còn đơn giản, chưa phản ánh đầy đủ mức độ và thời gian ảnh hưởng.

Đề xuất và khuyến nghị

  1. Tăng cường ứng dụng mô hình ANN lai ghép: Các tổ chức tài chính và nhà đầu tư nên áp dụng mô hình mạng thần kinh nhân tạo kết hợp biến kỹ thuật và biến vĩ mô để nâng cao độ chính xác dự báo chỉ số chứng khoán, đặc biệt trong các giai đoạn biến động mạnh. Thời gian triển khai có thể bắt đầu ngay trong năm tài chính tiếp theo.

  2. Mở rộng biến đầu vào: Nghiên cứu và bổ sung thêm các biến vĩ mô khác như lạm phát, lãi suất, tỉ giá hối đoái, giá dầu, nhằm phản ánh toàn diện hơn các yếu tố ảnh hưởng đến thị trường. Chủ thể thực hiện là các viện nghiên cứu và trung tâm phân tích tài chính.

  3. Phát triển hệ thống cảnh báo sớm: Xây dựng hệ thống dự báo kết hợp ANN để cảnh báo sớm các biến động bất thường trên thị trường chứng khoán, giúp nhà quản lý quỹ và nhà đầu tư có chiến lược ứng phó kịp thời. Thời gian thực hiện trong vòng 12 tháng.

  4. Nâng cao chất lượng dữ liệu và thuật toán: Cải tiến phương pháp thu thập dữ liệu tự động, mã hóa biến vĩ mô chi tiết hơn và áp dụng các thuật toán học sâu (deep learning) để tăng khả năng dự báo dài hạn và xử lý dữ liệu lớn. Các tổ chức nghiên cứu và công ty công nghệ tài chính nên phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

  1. Nhà đầu tư cá nhân và tổ chức: Có thể sử dụng kết quả dự báo để đưa ra quyết định mua bán cổ phiếu, quản lý rủi ro và tối ưu hóa danh mục đầu tư trong bối cảnh thị trường biến động.

  2. Các công ty quản lý quỹ và ngân hàng: Áp dụng mô hình dự báo để nâng cao hiệu quả quản lý tài sản, dự báo xu hướng thị trường và xây dựng chiến lược đầu tư phù hợp.

  3. Các nhà nghiên cứu và sinh viên chuyên ngành tài chính – ngân hàng: Tham khảo phương pháp ứng dụng mạng thần kinh nhân tạo trong dự báo tài chính, mở rộng nghiên cứu về các mô hình dự báo phi tuyến và tác động của các yếu tố vĩ mô.

  4. Cơ quan quản lý nhà nước và chính sách: Sử dụng kết quả nghiên cứu để đánh giá tác động của các chính sách kinh tế vĩ mô và các sự kiện quốc tế đến thị trường chứng khoán, từ đó điều chỉnh 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 bộ não con người, có khả năng xử lý các mối quan hệ phi tuyến phức tạp. Trong chứng khoán, ANN giúp dự báo chính xác hơn nhờ khả năng học từ dữ liệu lịch sử và thích ứng với biến động thị trường.

  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) và biến phân tích cơ bản (tác động chiến tranh thương mại Mỹ-Trung Quốc) để xây dựng mô hình dự báo trên nền tảng ANN, nhằm nâng cao độ chính xác so với phương pháp chỉ dùng biến kỹ thuật.

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

  4. Mô hình ANN có thể dự báo dài hạn hiệu quả không?
    Mô hình ANN có ưu thế trong dự báo ngắn và trung hạn nhờ khả năng xử lý dữ liệu phi tuyến. Tuy nhiên, dự báo dài hạn còn hạn chế do sự biến động không ổn định và khó dự đoán của các yếu tố kinh tế vĩ mô.

  5. Làm thế nào để cải thiện độ chính xác dự báo trong tương lai?
    Cải thiện bằng cách mở rộng và đa dạng hóa biến đầu vào, áp dụng các thuật toán học sâu hơn, nâng cao chất lượng dữ liệu, và phát triển hệ thống cảnh báo sớm kết hợp nhiều nguồn thông tin kinh tế – tài chính.

Kết luận

  • Nghiên cứu đã ứng dụng thành công mô hình mạng thần kinh nhân tạo kết hợp phương pháp lai ghép để dự báo chỉ số VN-INDEX năm 2018 với độ chính xác cao hơn so với các phương pháp truyền thống.
  • Biến tác động chiến tranh thương mại Mỹ-Trung Quốc được xác định là nhân tố vĩ mô quan trọng ảnh hưởng mạnh đến biến động thị trường chứng khoán Việt Nam.
  • Mô hình ANN cho thấy khả năng xử lý các mối quan hệ phi tuyến và dữ liệu lớn hiệu quả, phù hợp với đặc thù thị trường tài chính biến động phức tạp.
  • Đề xuất mở rộng nghiên cứu với các biến vĩ mô khác và áp dụng các thuật toán học sâu nhằm nâng cao hiệu quả dự báo trong tương lai.
  • Khuyến nghị các nhà đầu tư, tổ chức tài chính và cơ quan quản lý áp dụng mô hình này để nâng cao hiệu quả quản lý và ra quyết định đầu tư.

Hành động tiếp theo: Triển khai áp dụng mô hình ANN lai ghép trong các hệ thống dự báo thực tế, đồng thời nghiên cứu mở rộng biến đầu vào và cải tiến thuật toán để đáp ứng nhu cầu dự báo ngày càng chính xác và đa dạng của thị trường chứng khoán Việt Nam.