Bối cảnh và vấn đề nghiên cứu

Dự báo chuỗi thời gian trong tài chính giữ vai trò thiết yếu đối với giới nghiên cứu học thuật lẫn các định chế tài chính thực hành nhờ khả năng hỗ trợ lập kế hoạch và quản trị rủi ro. Sự xuất hiện của các phương pháp Học máy (Machine Learning - ML) và đặc biệt là Học sâu (Deep Learning - DL) đã mang lại những bước tiến trong việc xử lý các tập dữ liệu chuỗi thời gian có cấu trúc phi tuyến phức tạp. Tuy nhiên, các tài liệu đánh giá chuyên sâu về năng lực của mô hình Deep Learning trong phân tích tài chính vẫn còn phân tán khi so sánh trực tiếp với các mô hình kinh tế lượng truyền thống (như ARIMA) và mô hình Học máy dạng kết hợp cây quyết định (như Random Forest).

Song song với bước tiến công nghệ phân tích, thị trường tiền mã hóa (Cryptocurrency) dựa trên nền tảng Blockchain phát triển nhanh chóng về quy mô vốn hóa lẫn khối lượng giao dịch trên phạm vi toàn cầu. Tại Việt Nam, theo công bố từ tổ chức phân tích dữ liệu Chainalysis (Global Crypto Adoption Index 2022), Việt Nam dẫn đầu bảng xếp hạng toàn cầu hai năm liên tiếp (2021 và 2022) về mức độ chấp nhận tiền mã hóa. Mặc dù khung pháp lý tại Việt Nam chưa công nhận tiền mã hóa là phương tiện thanh toán hợp pháp và nghiêm cấm sử dụng trong thanh toán, song chưa có quy định chính thức cấm hoạt động đầu tư hoặc giao dịch tài sản số. Thực trạng này khiến nhà đầu tư đối mặt với nhiều rủi ro biến động thị trường và an ninh mạng trong bối cảnh kiến thức chuyên môn còn hạn chế.

Từ các cơ sở thực tiễn và học thuật đó, chuyên đề nghiên cứu tập trung vào các mục tiêu và nhiệm vụ cụ thể:

  1. Tìm hiểu tổng quan thị trường tiền mã hóa trên thế giới và tại Việt Nam, đặc biệt là vai trò của đồng Ethereum (ETH) - đồng tiền mã hóa có vốn hóa lớn thứ hai thị trường.
  2. Hệ thống hóa cơ sở lý thuyết và ứng dụng các phương pháp dự báo chuỗi thời gian đơn biến, bao gồm mô hình kinh tế lượng ARIMA, thuật toán Học máy Random Forest và mô hình Học sâu Mạng nơ-ron nhân tạo (trọng tâm là mạng Long Short-Term Memory - LSTM).
  3. Đánh giá, đối chiếu độ chính xác dự báo giữa ba mô hình dựa trên các chỉ số sai số định lượng để xác định công cụ dự báo phù hợp cho chuỗi giá Ethereum, từ đó cung cấp căn cứ tham khảo hỗ trợ quá trình ra quyết định của nhà đầu tư.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Chỉ số giá đóng cửa hàng ngày của đồng tiền mã hóa Ethereum (ETH).
  • Phạm vi không gian và nguồn dữ liệu: Dữ liệu thị trường toàn cầu được trích xuất từ nền tảng thống kê CoinMarketCap.
  • Phạm vi thời gian: Giai đoạn từ ngày 28/04/2018 đến ngày 28/04/2022 (tổng cộng 1.457 quan sát hàng ngày).

Cơ sở lý thuyết và phương pháp

Chuyên đề sử dụng phương pháp nghiên cứu định lượng thực nghiệm kết hợp giữa kinh tế lượng chuỗi thời gian cổ điển và các kỹ thuật tính toán hiện đại (Machine Learning, Deep Learning).

Dữ liệu giá đóng cửa ETH (2018–2022)

1. Khung lý thuyết và mô hình nghiên cứu

  • Lý thuyết chuỗi thời gian: Chuỗi thời gian được phân tích qua 4 thành phần cơ bản gồm tính xu hướng (trend), tính thời vụ (seasonal), tính chu kỳ (cyclical) và tính nhiễu (noise). Tính dừng (stationarity) là điều kiện tiên quyết đối với các mô hình kinh tế lượng cổ điển, được kiểm tra thông qua đồ thị, hàm tự tương quan mẫu (SACF), hàm tự tương quan riêng phần (SPACF) và kiểm định nghiệm đơn vị Dickey-Fuller / Augmented Dickey-Fuller (ADF).
  • Mô hình ARIMA (Autoregressive Integrated Moving Average): Mô hình hồi quy kết hợp trung bình trượt và đồng liên kết theo quy trình Box-Jenkins (1970, 1976), biểu diễn dạng $ARIMA(p, d, q)$ với $p$ là bậc tự hồi quy (AR), $d$ là bậc sai phân để chuỗi đạt tính dừng $I(d)$, và $q$ là bậc trung bình trượt (MA). Phương pháp ước lượng hệ số dựa trên bình phương tối thiểu (OLS) kết hợp tiêu chí thông tin AIC/SIC và kiểm tra phần dư nhiễu trắng.
  • Mô hình Random Forest (RF): Phương pháp Học máy kết hợp dựa trên thuật toán cây quyết định (Decision Tree) cho bài toán hồi quy chuỗi thời gian. Mô hình áp dụng kỹ thuật lấy mẫu lặp lại ngẫu nhiên (Bootstrapping / Bagging) và chọn tập hợp con các biến để huấn luyện $N$ cây quyết định độc lập, sau đó lấy giá trị dự báo trung bình của toàn bộ các cây nhằm hạn chế hiện tượng quá khớp (overfitting).
  • Mô hình Mạng nơ-ron hồi quy LSTM (Long Short-Term Memory): Kiến trúc Học sâu thuộc họ Mạng nơ-ron hồi quy (RNN) do Hochreiter & Schmidhuber (1997) đề xuất nhằm giải quyết triệt để vấn đề mất mát thông tin khi phụ thuộc dài (long-term dependency). LSTM điều phối luồng thông tin qua trạng thái tế bào (Cell State $C_t$) bằng 3 cổng chính sử dụng hàm kích hoạt Sigmoid $\sigma$ và Tanh:
    • Tầng cổng quên (Forget Gate): Xác định tỷ lệ thông tin quá khứ $C_{t-1}$ cần loại bỏ qua công thức $f_t = \sigma(W_f \cdot [h_{t-1}, x_t] + b_f)$.
    • Tầng cổng vào (Input Gate): Xác định thông tin mới cần cập nhật vào trạng thái tế bào qua cổng $i_t = \sigma(W_i \cdot [h_{t-1}, x_t] + b_i)$ kết hợp vector ứng viên $\tilde{C}t = \tanh(W_c \cdot [h{t-1}, x_t] + b_c)$.
    • Cập nhật trạng thái ô: $C_t = f_t * C_{t-1} + i_t * \tilde{C}_t$.
    • Tầng cổng ra (Output Gate): Xác định giá trị đầu ra $o_t = \sigma(W_o \cdot [h_{t-1}, x_t] + b_o)$ và trạng thái ẩn $h_t = o_t * \tanh(C_t)$.

2. Tiêu chí đo lường sai số dự báo

Độ chính xác của các mô hình được đo lường trên tập dữ liệu kiểm tra độc lập (thử nghiệm) thông qua ba thước đo sai số:

  • Sai số tuyệt đối trung bình (MAE - Mean Absolute Error): $$\text{MAE} = \frac{1}{n} \sum_{t=1}^n |y_t - \hat{y}_t|$$
  • Căn bậc hai sai số bình phương trung bình (RMSE - Root Mean Square Error): $$\text{RMSE} = \sqrt{\frac{1}{n} \sum_{t=1}^n (y_t - \hat{y}_t)^2}$$
  • Sai số phần trăm tuyệt đối trung bình (MAPE - Mean Absolute Percentage Error): $$\text{MAPE} = \frac{1}{n} \sum_{t=1}^n \left| \frac{y_t - \hat{y}_t}{y_t} \right| \times 100%$$
  • Ma trận nhầm lẫn (Confusion Matrix): Đánh giá hiệu suất phân loại hướng chuyển động tăng/giảm của giá ETH.

3. Môi trường phân tích và thư viện phần mềm

Nghiên cứu được triển khai thực nghiệm trên ngôn ngữ R (môi trường RStudio) kết hợp hệ sinh thái phân tích dữ liệu chuyên dụng:

Nhóm chức năng Tên các thư viện R được sử dụng
Tiền xử lý & Quản lý dữ liệu MASS, dplyr, lubridate, quantmod, readr, readxl, tidyr, writexl
Trực quan hóa dữ liệu ggplot2, timetk
Phân tích chuỗi thời gian fable, astsa, tseries, forecast
Học sâu (Deep Learning) keras, tensorflow (tích hợp qua môi trường Anaconda)

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết và tổng quan các phương pháp nghiên cứu

Chương 1 hệ thống hóa cơ sở lý thuyết về chuỗi thời gian, các thành phần chuỗi (xu thế, mùa vụ, chu kỳ, nhiễu), tính dừng và hiện tượng hồi quy giả mạo khi chuỗi không dừng. Tác giả tổng thuật lịch sử phát triển các phương pháp dự báo từ san bằng mũ đơn giản (SES của Holt, 1957; Holt-Winters, 1960; Gardner, 1985; Hyndman, 2002) đến các mô hình chuỗi thời gian ngẫu nhiên của Yule (1927), Slutsky, Walker và Box-Jenkins (1970).

Chương này đi sâu vào nguyên lý hoạt động của các thuật toán Học máy và Học sâu: cấu trúc Cây quyết định (Decision Tree - các nút gốc, nút trung gian, nút lá), thuật toán Rừng ngẫu nhiên (Random Forest) với quy trình bootstrapping, hạn chế của mạng hồi quy RNN truyền thống và kiến trúc khắc phục bằng các cổng điều khiển của mạng LSTM.

Chương 2: Tổng quan về tiền mã hóa

Chương 2 trình bày bức tranh toàn cảnh về thị trường tiền mã hóa (Cryptocurrency) dựa trên công nghệ sổ cái phân tán Blockchain. Tác giả phân tích vị thế của Bitcoin (chiếm tỷ trọng vốn hóa dẫn đầu nhưng có xu hướng giảm từ 86% năm 2015 xuống 46% năm 2021 và khoảng 39%–41% vào năm 2022) và sự nổi lên của đồng Ethereum (ETH) khi tỷ trọng vốn hóa tăng từ 10% năm 2016 lên mức ~19,37%–20% vào tháng 4/2022.

Nội dung chương tập trung so sánh sự khác biệt kỹ thuật và kinh tế giữa Bitcoin và Ethereum:

  • Mục đích: Bitcoin định hướng là tiền tệ và lưu trữ giá trị; Ethereum đóng vai trò là nền tảng điện toán phân tán hỗ trợ Hợp đồng thông minh (Smart Contracts), Máy ảo EVM (Ethereum Virtual Machine), các ứng dụng tài chính phi tập trung (DeFi), tổ chức tự trị phi tập trung (DAO) và tiêu chuẩn mã thông báo ERC-20 / NFT.
  • Cơ chế kỹ thuật: Thời gian tạo khối của Ethereum đạt 14–15 giây (nhanh hơn mức 10 phút của Bitcoin); phí giao dịch tính bằng đơn vị Gas; sử dụng thuật toán băm yêu cầu bộ nhớ card đồ họa (chống máy đào chuyên dụng ASIC) và giao thức GHOST.
  • Thực trạng chấp nhận tại Việt Nam: Phân tích dữ liệu từ bảng xếp hạng The 2022 Global Crypto Adoption Index của Chainalysis. Việt Nam đạt điểm tổng kết tuyệt đối (hạng 1 toàn cầu), trong đó các thứ hạng thành phần gồm: giao dịch trên sàn tập trung (hạng 5), bán lẻ trên sàn tập trung (hạng 5), khối lượng giao dịch P2P (hạng 2), giá trị giao dịch DeFi (hạng 7) và bán lẻ DeFi (hạng 6). Khảo sát năm 2020 ghi nhận 21% người tiêu dùng Việt Nam sở hữu hoặc sử dụng tiền mã hóa.

Chương 3: Kết quả nghiên cứu

Chương 3 trình bày các bước thực nghiệm trên bộ dữ liệu giá đóng cửa ETH (28/04/2018 – 28/04/2022) với 1.457 quan sát:

  • Thống kê mô tả dữ liệu giá ETH:
Chỉ tiêu thống kê Giá trị định lượng
Số quan sát (Count) 1.457
Giá trị trung bình (Mean) 1.114,177 USD
Trung vị (Median) 345,580 USD
Yếu vị (Mode) 461,190 USD
Giá trị nhỏ nhất (Minimum) 83,750 USD
Giá trị lớn nhất (Maximum) 4.808,090 USD
Khoảng biến thiên (Range) 4.724,340 USD
Độ lệch chuẩn (Standard Deviation) 1.319,437 USD
Phương sai mẫu (Sample Variance) 1.740.913,970
Hệ số bất đối xứng (Skewness) 1,150
Hệ số nhọn (Kurtosis) -0,142
Sai số chuẩn (Standard Error) 34,567
  • Tiền xử lý và kiểm định tính dừng: Đồ thị giá và chuỗi lợi suất cho thấy độ biến động rất lớn qua các giai đoạn (giai đoạn 2018 - đầu 2021 ổn định ở vùng giá thấp; năm 2021 tăng vọt theo các sự kiện chấp nhận thanh toán của doanh nghiệp lớn và dòng tiền nhàn rỗi trong đại dịch COVID-19, sau đó điều chỉnh sâu). Chuỗi giá gốc không dừng và được lấy sai phân để đưa về chuỗi dừng trước khi đưa vào mô hình Box-Jenkins ARIMA.
  • Triển khai mô hình:
    • Xây dựng mô hình chuỗi thời gian ARIMA(p,d,q) tối ưu dựa trên ACF, PACF và tiêu chuẩn AIC/SIC.
    • Xây dựng mô hình Random Forest thông qua xác định độ trễ và số lượng cây quyết định tối ưu dựa trên chỉ số MAPE.
    • Xử lý dữ liệu đầu vào cho mạng LSTM (chuẩn hóa dữ liệu, biến đổi cấu trúc mảng 3 chiều theo chuỗi thời gian trễ), huấn luyện mô hình qua các epoch với framework Keras/TensorFlow.
    • Đánh giá tổng hợp sai số MAE, RMSE, MAPE và ma trận nhầm lẫn (Confusion Matrix) để so sánh năng lực dự báo giá và hướng biến động giữa 3 mô hình.

Chương 4: Kết luận và đề xuất

Tổng kết hiệu quả của từng phương pháp dự báo và đề xuất khuyến nghị ứng dụng thực tế cho các bên liên quan trên thị trường tài chính số.

Kết quả và đóng góp

1. Kết quả chính

  • Xác lập bức tranh định lượng hoàn chỉnh về chuỗi giá Ethereum trong giai đoạn 2018–2022: chuỗi giá có biên độ dao động rất rộng (từ 83,75 USD đến đỉnh 4.808,09 USD, trung bình 1.114,18 USD), độ lệch chuẩn đạt 1.319,44 USD phản ánh mức độ rủi ro biến động đặc biệt cao.
  • Xây dựng và kiểm định thành công quy trình dự báo đơn biến cho chuỗi giá tiền mã hóa bằng việc ứng dụng đồng thời ba kỹ thuật đại diện cho ba trường phái phân tích: Kinh tế lượng cổ điển (ARIMA), Học máy (Random Forest) và Học sâu (LSTM).
  • Minh chứng tính khả thi của việc sử dụng ngôn ngữ R và các framework fable, forecast, keras, tensorflow để giải quyết bài toán dự báo chuỗi thời gian tài sản số phức tạp.

2. Đề xuất và khuyến nghị

  • Đối với nhà đầu tư cá nhân tại Việt Nam:
    • Cần trang bị phương pháp phân tích kỹ thuật và định lượng bài bản thay vì đầu cơ cảm tính, bởi giá tiền mã hóa chịu tác động ngẫu nhiên lớn từ tin tức kinh tế - chính trị quốc tế.
    • Cân nhắc lựa chọn các mô hình Học máy / Học sâu phù hợp với từng khung thời gian dự báo nhằm kiểm soát rủi ro biến động.
  • Đối với cơ quan quản lý thị trường:
    • Trước thực tế mức độ chấp nhận tiền mã hóa tại Việt Nam thuộc nhóm cao nhất thế giới (xếp thứ nhất bảng chỉ số Chainalysis 2022), các cơ quan chức năng cần nghiên cứu, hoàn thiện khung pháp lý quản lý tài sản số để bảo vệ người tham gia giao dịch, giảm thiểu tổn thất do lừa đảo, tấn công mạng và trộm cắp tài sản số.

3. Đóng góp của đề tài

  • Bổ sung tài liệu thực nghiệm so sánh đa mô hình (ARIMA vs. Random Forest vs. LSTM) ứng dụng trực tiếp trên dữ liệu tiền mã hóa Ethereum tại Việt Nam, thu hẹp khoảng trống nghiên cứu khi các đề tài trong nước trước đó chủ yếu tập trung vào thị trường chứng khoán hoặc chỉ số kinh tế vĩ mô.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế

  • Nghiên cứu tiếp cận chuỗi giá Ethereum dưới dạng bài toán dự báo đơn biến (univariate time series), do đó chưa tích hợp các biến ngoại sinh quan trọng như biến số kinh tế vĩ mô, lãi suất, khối lượng giao dịch on-chain, tâm lý thị trường trên mạng xã hội hoặc sự biến động của giá Bitcoin.
  • Thời gian và phạm vi kiến thức chuyên môn còn hạn hẹp, khiến việc tinh chỉnh tham số chuyên sâu (hyperparameter tuning) của các lớp mạng nơ-ron LSTM chưa đạt mức tối ưu tuyệt đối.

2. Hướng nghiên cứu tiếp

  • Mở rộng mô hình dự báo sang dạng đa biến (Multivariate Time Series), kết hợp các mô hình ARIMAX, VAR/VECM hoặc mạng LSTM đa đầu vào kết hợp dữ liệu on-chain và chỉ số tâm lý thị trường (Sentiment Analysis).
  • Thử nghiệm các kiến trúc lai (Hybrid Models) như kết hợp CNN-LSTM hoặc tích hợp cơ chế Attention để tăng cường khả năng trích xuất đặc trưng không gian và thời gian của dữ liệu tài chính.

Giá trị tham khảo

Chuyên đề tốt nghiệp cung cấp giá trị tham khảo thiết thực cho các nhóm đối tượng:

  • Sinh viên và học viên ngành Toán kinh tế, Toán tài chính, Kinh tế lượng và Phân tích dữ liệu: Tham khảo cấu trúc nghiên cứu định lượng hoàn chỉnh, quy trình kiểm định chuỗi thời gian Box-Jenkins và kỹ thuật xử lý dữ liệu phục vụ mạng LSTM.
  • Nhà nghiên cứu tài chính định lượng (Quantitative Finance): Nắm bắt cú pháp và pipeline lập trình R/RStudio kết hợp các thư viện chuyên dụng (quantmod, fable, timetk, keras, tensorflow).
  • Nhà đầu tư thị trường tiền mã hóa: Tiếp cận góc nhìn định lượng khách quan về mức độ rủi ro, biên độ biến động và đặc tính chuỗi giá của đồng Ethereum trong giai đoạn 2018–2022.

Câu hỏi thường gặp

1. Dữ liệu giá Ethereum được tác giả thu thập trong giai đoạn nào và có bao nhiêu quan sát?

Dữ liệu giá đóng cửa hàng ngày của đồng Ethereum được tác giả thu thập từ trang web CoinMarketCap trong khoảng thời gian 4 năm, từ ngày 28/04/2018 đến ngày 28/04/2022, bao gồm tổng cộng 1.457 quan sát.

2. Các chỉ số thống kê mô tả cơ bản của chuỗi giá ETH trong nghiên cứu là bao nhiêu?

Theo Bảng thống kê mô tả (Bảng 1) trong văn bản:

  • Giá trị trung bình: 1.114,18 USD
  • Trung vị: 345,58 USD
  • Giá trị nhỏ nhất: 83,75 USD
  • Giá trị lớn nhất (đỉnh): 4.808,09 USD
  • Độ lệch chuẩn: 1.319,44 USD
  • Khoảng biến thiên: 4.724,34 USD

3. Nghiên cứu sử dụng những mô hình nào để so sánh năng lực dự báo?

Nghiên cứu xây dựng và so sánh ba mô hình thuộc ba phương pháp khác nhau:

  1. Mô hình kinh tế lượng cổ điển: ARIMA(p,d,q) theo quy trình Box-Jenkins.
  2. Mô hình Học máy (Machine Learning): Random Forest (RF) dựa trên tập hợp cây quyết định và bootstrapping.
  3. Mô hình Học sâu (Deep Learning): Mạng nơ-ron hồi quy LSTM (Long Short-Term Memory) với cấu trúc 3 cổng kiểm soát trạng thái ô.

4. Tác giả sử dụng các thước đo nào để đánh giá và so sánh sai số giữa các mô hình?

Độ chính xác dự báo được đánh giá qua ba chỉ số sai số chính gồm:

  • MAE (Mean Absolute Error - Sai số tuyệt đối trung bình)
  • RMSE (Root Mean Square Error - Căn bậc hai sai số bình phương trung bình)
  • MAPE (Mean Absolute Percentage Error - Sai số phần trăm tuyệt đối trung bình)
  • Kết hợp công cụ Confusion Matrix (Ma trận nhầm lẫn) để đánh giá khả năng phân loại hướng tăng/giảm của giá.

5. Vị thế chấp nhận tiền mã hóa của Việt Nam được văn bản nêu ra như thế nào?

Theo báo cáo The 2022 Global Crypto Adoption Index của công ty phân tích Chainalysis được trích dẫn trong chuyên đề, Việt Nam xếp hạng 1 toàn cầu về mức độ chấp nhận tiền mã hóa trong 2 năm liên tiếp (2021 và 2022). Ngoài ra, số liệu khảo sát năm 2020 cho thấy 21% người tiêu dùng Việt Nam cho biết đã sử dụng hoặc sở hữu tiền điện tử.

Kết luận

Chuyên đề tốt nghiệp của sinh viên Ngô Thị Phương Duyên đã hoàn thành việc xây dựng khung phân tích thực nghiệm so sánh ba phương pháp dự báo chuỗi thời gian (ARIMA, Random Forest và LSTM) cho chuỗi giá đóng cửa của đồng Ethereum giai đoạn 2018–2022. Nghiên cứu làm rõ đặc trưng biến động cao của tài sản số, chuẩn hóa quy trình xử lý dữ liệu và đánh giá sai số trên nền tảng ngôn ngữ R. Công trình cung cấp tài liệu tham khảo có giá trị học thuật và thực tiễn cho sinh viên chuyên ngành Toán kinh tế, tài chính định lượng cũng như các nhà đầu tư quan tâm đến việc ứng dụng Học máy và Học sâu vào thị trường tài sản mã hóa.