Bối cảnh và vấn đề nghiên cứu

  • Lý do chọn đề tài:

    • Về mặt lý luận: Thị trường chứng khoán Việt Nam hình thành từ đầu thế kỷ 21 và nhanh chóng trở thành một kênh đầu tư thu hút nhiều đối tượng tham gia. Tuy nhiên, thực trạng thị trường còn bộc lộ các vấn đề về tính minh bạch của số liệu, hành lang pháp lý còn sơ hở và hiện tượng thao túng giá cổ phiếu vẫn xảy ra. Trong bối cảnh đó, các báo cáo phân tích thuần túy mang tính định tính gặp phải sự hoài nghi từ nhà đầu tư, đặt ra nhu cầu kiểm nghiệm tính khả thi của việc ứng dụng tài chính định lượng vào hoạt động phân tích và dự báo giá chứng khoán tại Việt Nam.
    • Về mặt thực tiễn: Xuất phát từ quá trình thực tập tại Công ty Cổ phần Chứng khoán VNDIRECT (chi nhánh TP. Hồ Chí Minh) và kết quả thực hiện báo cáo thực tập tốt nghiệp trước đó về hiệu quả hoạt động môi giới, tác giả nhận thấy nhu cầu thực tế về việc hoàn thiện công cụ phân tích. Đề tài được phát triển nhằm thử nghiệm việc áp dụng mô hình định lượng hỗ trợ hoạt động phân tích giá cổ phiếu.

  • Mục tiêu và nhiệm vụ nghiên cứu:

    • Đối với sinh viên:
      1. Tìm hiểu cơ sở lý thuyết về mô hình ARIMA và xem xét tính hiệu quả của mô hình trong thực tế.
      2. Ứng dụng các kiến thức đã học và kinh nghiệm thực tế để phân tích, dự báo chỉ số giá chứng khoán.
      3. Tìm hiểu và nắm rõ hơn quy trình, phương pháp phân tích tại các công ty chứng khoán nói chung và VNDIRECT nói riêng.
    • Đối với doanh nghiệp:
      • Cung cấp tài liệu tham khảo hỗ trợ hoạt động phân tích, chỉ ra các điểm còn hạn chế để cải thiện và nâng cao chất lượng báo cáo phân tích.

  • Đối tượng và phạm vi nghiên cứu:

    • Đối tượng nghiên cứu: Ứng dụng mô hình ARIMA vào việc dự báo giá trong các báo cáo phân tích chứng khoán tại VNDIRECT.
    • Phạm vi không gian: Hoạt động phân tích tại Công ty Cổ phần Chứng khoán VNDIRECT – Chi nhánh TP. Hồ Chí Minh; dữ liệu giao dịch của cổ phiếu Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam (VCB) niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE/HSX).
    • Phạm vi thời gian: Dữ liệu chuỗi thời gian lịch sử của cổ phiếu VCB thu thập trong giai đoạn từ ngày 01/01/2013 đến ngày 07/01/2015.

Cơ sở lý thuyết và phương pháp

  • Khung lý thuyết, khái niệm và văn bản pháp lý:

    • Văn bản pháp luật: Khái niệm chứng khoán căn cứ theo Điều 6 Luật Chứng khoán số 70/2006/QH11 ngày 29/06/2006; các quy định ảnh hưởng đến ngành ngân hàng và thị trường gồm Thông tư 09/2014/TT-NHNN (quy định lộ trình cơ cấu, xử lý nợ xấu) và Thông tư 36/2014/TT-NHNN (quy định về giới hạn tỷ lệ cấp tín dụng đầu tư cổ phiếu tối đa 5% vốn điều lệ và việc các ngân hàng thương mại có nợ xấu trên 3% không được phép cho vay đầu tư chứng khoán).
    • Lý thuyết phân tích chứng khoán: Hệ thống hóa phương pháp phân tích cơ bản (FA - Fundamental Analysis) theo phương pháp tiếp cận từ trên xuống (top-down 5 cấp độ), phân tích SWOT, các phương pháp định giá (P/E, P/B, chiết khấu dòng tiền, chiết khấu cổ tức, tài sản ròng); phương pháp phân tích kỹ thuật (TA - Technical Analysis) dựa trên Lý thuyết Dow, 3 giả định nền tảng (thị trường phản ánh xu hướng, giá phản ánh tất cả, lịch sử lặp lại) và các chỉ báo kỹ thuật (RSI, DMI/ADX, SMA, Bollinger Bands, đường xu thế, hỗ trợ - kháng cự).
    • Lý thuyết chuỗi thời gian và mô hình ARIMA: Khái niệm chuỗi thời gian, 4 thành phần chuỗi thời gian (xu hướng - Trend, chu kỳ - Cyclical, mùa vụ - Seasonal, bất quy tắc - Irregular), chuỗi thời gian dừng (Stationary), hàm tự tương quan (ACF) và tự tương quan riêng (PACF). Mô hình kết hợp tự hồi quy và trung bình trượt tích hợp $\text{ARIMA}(p, d, q)$ do George Box và Gwilym Jenkins (1976) phát triển: $$D^d(Y_t) = \Phi + \left[\alpha_1 D^d(Y_{t-1}) + \dots + \alpha_p D^d(Y_{t-p})\right] + \left[\beta_1 U_{t-1} + \dots + \beta_q U_{t-q}\right] + U_t$$ Trong đó $p$ là bậc tự hồi quy $\text{AR}$, $d$ là bậc sai phân để chuỗi dừng $\text{I}$, $q$ là bậc trung bình trượt $\text{MA}$, và $U_t$ là phần dư nhiễu trắng.

  • Phương pháp nghiên cứu:

    • Phương pháp nghiên cứu định tính: Thu thập thông tin, thống kê, tổng hợp, so sánh dữ liệu từ các báo cáo phân tích nhanh của VNDIRECT và khảo sát quan sát thực tế ý kiến khách hàng.
    • Phương pháp nghiên cứu định lượng: Quy trình mô hình hóa Box-Jenkins gồm 4 bước: (1) Nhận dạng mô hình (kiểm định tính dừng qua Correlogram, xác định bậc sai phân $d$, ước lượng thử nghiệm các tham số $p, q$); (2) Ước lượng mô hình; (3) Kiểm định chẩn đoán (Residual Tests, kiểm tra tính dừng và phân phối chuẩn của phần dư bằng đồ thị Correlogram Q-Statistic); (4) Tiến hành dự báo.
    • Công cụ xử lý số liệu: Phần mềm Microsoft Excel 2010 (tính toán giá trị trung bình tuần của giá đóng cửa) và phần mềm kinh tế lượng EViews 8 (chạy kiểm định và hồi quy chuỗi thời gian).

  • Nguồn dữ liệu:

    • Dữ liệu thứ cấp thu thập từ cổng thông tin tài chính http://finance.vn/VCB/thong-ke-giao-dich.htm, bao gồm 101 quan sát giá trung bình tuần của giá đóng cửa (Close Price) mã cổ phiếu VCB trên sàn HSX từ ngày 01/01/2013 đến ngày 07/01/2015.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận chung

Chương này hệ thống hóa các khái niệm, định nghĩa và thuật ngữ chuyên ngành trong thị trường tài chính cũng như toán kinh tế lượng:

  • Trình bày định nghĩa chứng khoán theo Luật Chứng khoán năm 2006, bản chất thị trường chứng khoán, các khái niệm về giá (mệnh giá 10.000 đồng, thị giá, giá niêm yết, giá khớp lệnh, giá đóng cửa, giá mở cửa, giá tham chiếu, biên độ dao động, giá trần, giá sàn).
  • Làm rõ các thuật ngữ tài chính ngân hàng: Báo cáo phân tích nhanh (phát hành trong 24–48 giờ), chi phí dự phòng rủi ro nợ, thu nhập từ lãi, tỷ lệ thu nhập lãi cận biên (NIM), nợ xấu và tỷ lệ nợ xấu (ngưỡng 3%), chỉ số P/E, chỉ số P/B.
  • So sánh toàn diện giữa hai trường phái phân tích cơ bản (FA) và phân tích kỹ thuật (TA) về cơ sở lý luận, các giả định, ưu điểm và nhược điểm:
Tiêu chí Phân tích cơ bản (FA) Phân tích kỹ thuật (TA)
Bản chất Đánh giá giá trị nội tại dựa trên báo cáo tài chính, hoạt động kinh doanh, ngành và kinh tế vĩ mô Dự đoán xu hướng giá dựa trên đồ thị giá và khối lượng giao dịch trong quá khứ
Khung thời gian Phù hợp cho quyết định đầu tư dài hạn Dự báo linh hoạt trong cả ngắn hạn, trung hạn và dài hạn
Ưu điểm Đánh giá chính xác sức khỏe tài chính và tiềm năng doanh nghiệp Không phụ thuộc báo cáo tài chính; xác định điểm mua/bán tối ưu; phát hiện vùng cân bằng mới
Nhược điểm Tốn thời gian xử lý dữ liệu lớn; phụ thuộc độ trung thực của BCTC; bỏ qua tâm lý thị trường Mang tính chủ quan của người phân tích; tín hiệu có thể trễ khi giá đã chuyển động mạnh
  • Trình bày cơ sở toán học của chuỗi thời gian, tính chất dừng, cấu trúc chuỗi, tự tương quan và quy trình 4 giai đoạn của phương pháp Box-Jenkins ứng dụng mô hình $\text{ARIMA}(p, d, q)$.

Chương 2: Phương pháp phân tích, dự báo giá Công ty Chứng khoán VNDIRECT đang sử dụng trong báo cáo phân tích nhanh

Khảo sát và đánh giá quy trình phân tích thực tế tại VNDIRECT thông qua trường hợp điển hình là Báo cáo phân tích nhanh mã cổ phiếu VCB ngày 13/03/2015:

  • Phân tích cơ bản: Báo cáo của VNDIRECT tập trung cấu trúc các phần: Thông tin chung (đồ thị giá 52 tuần, khối lượng khớp lệnh trung bình 10 phiên, khối lượng lưu hành, vốn hóa, room khối ngoại); Giới thiệu ngành nghề kinh doanh và cơ cấu cổ đông (nêu rõ sự chi phối lớn của Ngân hàng Nhà nước tại VCB); Phần "Tiêu điểm" phân tích các chỉ tiêu trọng yếu như chi phí dự phòng, thu nhập lãi, NIM, tỷ lệ nợ xấu và tác động của các văn bản chính sách vĩ mô (Thông tư 09 và Thông tư 36); Định giá cổ phiếu bằng phương pháp so sánh P/E và P/B theo nhóm ngành khu vực.
  • Phân tích kỹ thuật: Báo cáo sử dụng đồ thị kỹ thuật kết hợp các công cụ: chỉ báo RSI (vùng quá mua >70, quá bán <50), DMI (+DI, -DI và ADX), đường trung bình động SMA (ví dụ SMA 20 ngày), dải Bollinger Bands, cùng các ngưỡng hỗ trợ/kháng cự và mô hình kênh giá để đưa ra nhận định xu hướng ngắn hạn của VN-Index và cổ phiếu.
  • Đánh giá thực trạng: VNDIRECT đã cung cấp các báo cáo nhanh kịp thời, cô đọng số liệu tài chính đã qua xử lý. Tuy nhiên, hoạt động phân tích kỹ thuật chưa được ứng dụng nhiều trong báo cáo phát hành cho khách hàng (chủ yếu dùng cho tự doanh), và các báo cáo nhanh vẫn chưa cung cấp khuyến nghị rõ ràng về mức giá mục tiêu, mức chốt lời hay cắt lỗ định lượng.

Chương 3: Sử dụng chương trình Eviews 8 để ứng dụng mô hình ARIMA vào dự báo giá chứng khoán

Trình bày các bước thực nghiệm chuỗi số liệu 101 quan sát giá trung bình tuần của cổ phiếu VCB trên phần mềm EViews 8:

  • Kiểm định tính dừng: Đồ thị Correlogram của chuỗi giá gốc ($Close$) cho thấy đồ thị ACF giảm dần từ từ về 0, xác nhận chuỗi chưa dừng. Tác giả tiến hành lấy sai phân bậc 1 ($D(Close)$). Đồ thị Correlogram của chuỗi sai phân bậc 1 cho thấy chuỗi đã dừng hoàn toàn, xác định tham số sai phân $d = 1$.
  • Nhận dạng và lựa chọn mô hình: Tác giả thử nghiệm các cấu trúc kết hợp tham số $(p, q)$ khác nhau và so sánh các tiêu chí thống kê: $R^2$, $R^2$ hiệu chỉnh, Log Likelihood, tiêu chuẩn thông tin Akaike (AIC), tiêu chuẩn Schwarz (SC).
Tham số mô hình Cấu trúc lựa chọn tối ưu
Bậc sai phân ($d$) $d = 1$
Thành phần tự hồi quy ($p$) $\text{AR}(1, 3, 4)$
Thành phần trung bình trượt ($q$) $\text{MA}(1, 2, 3, 4, 5, 6)$
Cú pháp ước lượng EViews D(Close) c ar(1) ar(3) ar(4) ma(1) ma(2) ma(3) ma(4) ma(5) ma(6)
  • Kiểm định chẩn đoán mô hình: Thực hiện kiểm định phần dư View/Residual tests/Correlogram – Q – Statistic. Kết quả cho thấy sai số của mô hình là chuỗi dừng, tuân theo phân phối chuẩn và là nhiễu trắng ($U_t$).
  • Kết quả dự báo thực nghiệm: Chạy chức năng Forecast trên EViews 8 để dự báo mức giá trung bình tuần kế tiếp, thu được kết quả so sánh với số liệu thực tế:
Chỉ tiêu Giá trị
Giá thực tế (đồng) 26.480
Giá dự báo (đồng) 26.409
Chênh lệch tuyệt đối (đồng) 71
Mức chênh lệch (%) 0,27%

Chương 4: Nhận xét tính ứng dụng của mô hình sau khi thực nghiệm

  • Đánh giá sơ bộ: Mô hình ARIMA đem lại kết quả dự báo ngắn hạn có độ tin cậy cao. Tuy nhiên, mô hình đòi hỏi số lượng quan sát lớn; không tích hợp được các yếu tố thay đổi chính sách hay cú sốc ngoại sinh; việc nhận dạng mô hình dựa trên ACF/PACF thực tế mang tính kinh nghiệm thực hành hơn là quy tắc cơ học.
  • Đánh giá thành công: Khóa luận giúp sinh viên nắm vững phương pháp định lượng và quy trình phân tích tại công ty chứng khoán; đề xuất cho doanh nghiệp một công cụ định lượng hỗ trợ xác định điểm chốt lời, cắt lỗ và mức giá kỳ vọng ngắn hạn trong báo cáo nhanh.
  • Vấn đề đặt ra và hướng phát triển: Khi thử nghiệm trên các khung thời gian dài hơn (tháng, quý, năm), sai số mô hình tăng đáng kể. Tác giả định hướng kết hợp ARIMA với các mô hình phương sai có điều kiện thay đổi tự hồi quy (ARCH) để ước lượng đồng thời giá trị trung bình và sự biến động phương sai theo thời gian của chuỗi tài chính.

Kết quả và đóng góp

  • Kết quả nghiên cứu chính:

    • Xác định được quy trình xây dựng mô hình dự báo chuỗi thời gian cho cổ phiếu VCB với cấu trúc sai phân bậc 1 ($d=1$), thành phần tự hồi quy $\text{AR}(1, 3, 4)$ và thành phần trung bình trượt $\text{MA}(1, 2, 3, 4, 5, 6)$.
    • Kết quả kiểm định phần dư bằng kiểm định Q-Statistic xác nhận sai số đạt tiêu chuẩn nhiễu trắng.
    • Dự báo thử nghiệm giá đóng cửa trung bình tuần của cổ phiếu VCB đạt mức 26.409 đồng so với giá thực tế là 26.480 đồng, sai số tương đối đạt mức thấp 0,27%.

  • Giải pháp và kiến nghị của tác giả:

    • Kiến nghị CTCP Chứng khoán VNDIRECT đưa mô hình kinh tế lượng ARIMA vào quy trình lập Báo cáo phân tích nhanh nhằm khắc phục nhược điểm thiếu vắng các mức giá khuyến nghị định lượng cụ thể.
    • Kết hợp kết quả dự báo từ mô hình ARIMA với các công cụ phân tích kỹ thuật (ngưỡng hỗ trợ, kháng cự) và phân tích cơ bản (định giá P/E, P/B) để xác lập các mức giá mục tiêu, điểm cắt lỗ và chốt lời ngắn hạn cho nhà đầu tư.

  • Đóng góp của khóa luận:

    • Về mặt lý luận và học thuật cá nhân: Cụ thể hóa phương pháp Box-Jenkins trên phần mềm EViews 8 đối với dữ liệu chuỗi thời gian cổ phiếu ngân hàng tại thị trường Việt Nam.
    • Về mặt ứng dụng thực tiễn: Đề xuất một hướng tiếp cận định lượng bổ trợ cho hoạt động phân tích của VNDIRECT, tạo tiền đề để doanh nghiệp phát triển các công cụ dự báo giá ngắn hạn phục vụ công tác tư vấn và giao dịch.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế được tác giả nêu trong văn bản:

    • Quy mô mẫu và tính chất dữ liệu: Mô hình yêu cầu số lượng quan sát lớn, dữ liệu phải được tổng hợp từ nguồn chuẩn hóa; kết quả dự báo chỉ đưa ra giá trị trung bình trong một chu kỳ thời gian (tuần) chứ không thể dự báo chính xác giá tại từng thời điểm giao dịch cụ thể.
    • Độ nhạy với khung thời gian: Mô hình chỉ phát huy hiệu quả cao trong ngắn hạn; khi tác giả thực nghiệm trên các chu kỳ dài hơn (tháng, quý, năm), mức độ sai số tăng lên đáng kể.
    • Không bao quát biến động phi số liệu: ARIMA hoạt động thuần túy trên dữ liệu quá khứ ("để số liệu tự nói"), không thể đưa các biến số chính sách vĩ mô (như thay đổi chính sách tiền tệ của Nhà nước hoặc Cục Dự trữ Liên bang Mỹ - Fed) hay các cú sốc kinh tế thế giới vào phương trình dự báo.
    • Tính chủ quan trong nhận dạng: Việc so khớp biểu đồ ACF và PACF mẫu với lý thuyết phụ thuộc nhiều vào kỹ năng và kinh nghiệm của người phân tích.

  • Hướng nghiên cứu tiếp theo:

    • Mở rộng nghiên cứu kết hợp mô hình ARIMA với các mô hình kinh tế lượng khác nhằm khắc phục nhược điểm phương sai thay đổi, trọng tâm là mô hình $\text{ARCH}$ (Autoregressive Conditional Heteroskedasticity) để ước lượng đồng thời cả giá trị trung bình và phương sai có điều kiện của phần dư theo thời gian.

Giá trị tham khảo

  • Đối tượng thụ hưởng:

    • Sinh viên các ngành: Tài chính – Ngân hàng, Tài chính Doanh nghiệp, Kinh tế học, Toán kinh tế đang nghiên cứu ứng dụng phương pháp kinh tế lượng chuỗi thời gian trong tài chính.
    • Chuyên viên phân tích và môi giới chứng khoán: Người làm việc tại các công ty chứng khoán muốn tìm hiểu quy trình xây dựng báo cáo phân tích nhanh và cách tích hợp công cụ định lượng vào dự báo giá ngắn hạn.
    • Nhà đầu tư cá nhân: Người muốn hiểu rõ cơ chế kết hợp giữa ba phương pháp: phân tích cơ bản, phân tích kỹ thuật và mô hình dự báo chuỗi thời gian.

  • Nội dung có giá trị tham khảo cao:

    • Toàn bộ quy trình 4 bước thực hiện mô hình ARIMA trên phần mềm EViews 8 (từ kiểm tra đồ thị Correlogram, lấy sai phân bậc 1, lựa chọn các bậc $\text{AR}$ và $\text{MA}$ tối ưu, kiểm tra tính nhiễu trắng của phần dư đến xuất kết quả dự báo).
    • Khung cấu trúc mẫu của một Báo cáo phân tích nhanh ngành ngân hàng (minh họa qua cổ phiếu VCB với các chỉ tiêu đặc thù như NIM, chi phí dự phòng, nợ xấu, P/E, P/B và các thông tư điều hành tín dụng).

Câu hỏi thường gặp

1. Dữ liệu đầu vào dùng để chạy mô hình ARIMA trong khóa luận là gì?

Tác giả sử dụng chuỗi dữ liệu 101 quan sát giá trung bình tuần của giá đóng cửa (Close Price) mã cổ phiếu VCB niêm yết trên sàn HSX, thu thập trong giai đoạn từ ngày 01/01/2013 đến ngày 07/01/2015 từ nguồn finance.vn, được xử lý sơ bộ qua phần mềm Excel 2010.

2. Bậc sai phân và các tham số tối ưu của mô hình ARIMA được tác giả lựa chọn như thế nào?

Qua kiểm định đồ thị Correlogram, chuỗi giá gốc chưa dừng do hàm ACF giảm chậm; sau khi lấy sai phân bậc 1 ($d = 1$), chuỗi đạt tính dừng. Qua quá trình so sánh các chỉ số thống kê ($R^2$, Adjusted $R^2$, Log Likelihood, AIC, SC), tác giả chọn mô hình tối ưu là $\text{AR}(1, 3, 4)$ và $\text{MA}(1, 2, 3, 4, 5, 6)$, với cú pháp nhập trong EViews: D(Close) c ar(1) ar(3) ar(4) ma(1) ma(2) ma(3) ma(4) ma(5) ma(6).

3. Kết quả dự báo thực nghiệm của mô hình đạt mức sai số bao nhiêu so với thực tế?

Trong thực nghiệm dự báo giá trung bình tuần tiếp theo cho cổ phiếu VCB, mô hình cho mức giá dự báo là 26.409 đồng, trong khi giá thực tế ghi nhận là 26.480 đồng. Mức chênh lệch tuyệt đối là 71 đồng, tương ứng với tỷ lệ sai số tương đối là 0,27%.

4. Báo cáo phân tích nhanh của VNDIRECT được đánh giá có những ưu điểm và hạn chế gì?

Báo cáo phân tích nhanh của VNDIRECT có ưu điểm là phát hành kịp thời (trong 24–48 giờ), thông tin cô đọng, xử lý tốt các số liệu tài chính chuyên sâu của doanh nghiệp. Hạn chế là chưa sử dụng nhiều công cụ phân tích kỹ thuật trong báo cáo cho khách hàng và chưa đưa ra các khuyến nghị định lượng cụ thể về mức giá mục tiêu, chốt lời hoặc cắt lỗ.

5. Tác giả đề xuất mô hình nào cho hướng nghiên cứu tiếp theo để khắc phục nhược điểm của ARIMA?

Tác giả đề xuất kết hợp mô hình ARIMA với mô hình ARCH (Autoregressive Conditional Heteroskedasticity - mô hình phương sai có điều kiện thay đổi tự hồi quy) nhằm giải quyết giả định phần dư có phương sai không đổi của mô hình hồi quy cổ điển, từ đó ước lượng chính xác hơn khi phương sai của sai số biến động theo thời gian trong dữ liệu tài chính.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thanh Phú đã thực hiện việc hệ thống hóa cơ sở lý thuyết phân tích chứng khoán và kiểm nghiệm thành công mô hình chuỗi thời gian $\text{ARIMA}(p, d, q)$ trên dữ liệu giá cổ phiếu VCB giai đoạn 2013–2015. Kết quả nghiên cứu thực nghiệm trên phần mềm EViews 8 cho thấy mô hình đạt độ chuẩn xác cao trong dự báo ngắn hạn với mức sai số 0,27% so với giá thực tế. Công trình đã chỉ rõ cả tiềm năng lẫn giới hạn của phương pháp Box-Jenkins, đồng thời đề xuất giải pháp ứng dụng công cụ định lượng vào hoạt động tư vấn, lập báo cáo phân tích nhanh tại Công ty Cổ phần Chứng khoán VNDIRECT.