Tài liệu: Final project analyse stock price fluctuations according to

Phân tích biến động giá cổ phiếu Apple dựa trên các yếu tố kinh doanh nội bộ và dự báo xu hướng giá trong tương lai với phương pháp phân tích chuyên sâu.

• Tác giả: Mẫn Ngô Thụy Tiên
• Người hướng dẫn: Dr. Trần Văn Hải Triều
• Trường học: University of Information Technology
• Chuyên ngành: Data Analytics In Business
• Đề tài: Analyse Stock Price Fluctuations According To Market, Internal Business Factors And Forecast The Price Of Apple’s Stock
• Loại tài liệu: Final project
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Tóm tắt

I. Lý do chọn đề tài phân tích giá cổ phiếu Apple

Nghiên cứu thị trường chứng khoán là một vấn đề quan trọng và thách thức trong lĩnh vực tài chính. Phân tích giá cổ phiếu Apple đã thu hút sự chú ý của các nhà đầu tư và nhà nghiên cứu trên toàn thế giới. Apple là một công ty công nghệ hàng đầu với biến động giá cổ phiếu lịch sử cao, chịu ảnh hưởng bởi nhiều yếu tố thị trường khác nhau. Việc lựa chọn đề tài này nhằm mục đích khám phá mối quan hệ phức tạp giữa các yếu tố kinh tế vĩ mô và vi mô đối với giá cổ phiếu. Đối với dự án học tập và mở rộng kiến thức về tài chính doanh nghiệp, nhóm tác giả sử dụng dữ liệu thị trường chứng khoán từ năm 2019 đến 2023 để phân tích sâu sắc ảnh hưởng của các yếu tố nội bộ và bên ngoài đến giá cổ phiếu.

1.1. Tầm quan trọng của phân tích biến động giá cổ phiếu

Phân tích biến động giá cổ phiếu là nền tảng để hiểu rõ hiệu suất tài chính của công ty. Yếu tố kinh tế vĩ mô như lãi suất Fed, chỉ số USD và lạm phát có ảnh hưởng trực tiếp đến giá cổ phiếu. Các yếu tố nội bộ như doanh thu, lợi nhuận ròng và biên lợi nhuận cũng đóng vai trò quan trọng. Việc phân tích dữ liệu lịch sử từ 5 năm qua giúp nhà đầu tư đưa ra quyết định đầu tư thông minh hơn.

1.2. Cơ hội nghiên cứu thông qua dữ liệu Apple

Apple là một công ty công nghệ toàn cầu với giá trị vốn hóa cao trong chỉ số S&P 500. Lịch sử biến động giá cổ phiếu của Apple cung cấp dữ liệu phong phú để nghiên cứu. Khả năng dự đoán giá cổ phiếu sử dụng các mô hình thời gian như ARIMA và LSTM giúp nhà đầu tư có cái nhìn tương lai hơn về diễn biến thị trường.

II. Mục tiêu và phương pháp nghiên cứu

Mục tiêu chính của bài luận này là phân tích những yếu tố ảnh hưởng đến giá cổ phiếu Apple từ 2019 đến 2023 và dự báo giá cổ phiếu trong tương lai. Nhóm tác giả sử dụng phương pháp phân tích dữ liệu để kiểm tra những mối quan hệ giữa các biến độc lập như CPI, lãi suất và doanh thu với giá cổ phiếu. Phân tích thống kê bao gồm tính toán giá trị trung bình, phương sai, độ lệch chuẩn và độ nhọn. Ngoài ra, nhóm sử dụng mô hình ARIMA và LSTM để dự báo giá cổ phiếu trong những giai đoạn tiếp theo, nhằm cung cấp thông tin chi tiết cho các nhà đầu tư.

2.1. Phương pháp phân tích thống kê

Phân tích thống kê mô tả bao gồm tính toán trung bình, trung vị, phương sai và độ lệch chuẩn của giá cổ phiếu. Sử dụng phần mềm Excel, SPSS, R và Python để xử lý dữ liệu. Phân tích ANOVA và hồi quy giúp xác định mối quan hệ thống kê giữa các yếu tố kinh tế và giá cổ phiếu, cung cấp cơ sở khoa học cho các dự đoán tương lai.

2.2. Mô hình dự báo ARIMA và LSTM

Mô hình ARIMA được sử dụng để dự báo chuỗi thời gian dựa trên dữ liệu lịch sử giá cổ phiếu. Mô hình LSTM (Long Short-Term Memory) là mạng neural nhân tạo chuyên sâu với khả năng học các mối quan hệ phức tạp. Kết hợp AutoArima để tối ưu hóa tham số, mô hình có thể dự báo xu hướng giá cổ phiếu với độ chính xác cao.

III. Khung lý thuyết và phân tích dữ liệu

Khung lý thuyết của bài nghiên cứu bao gồm các mô hình và hàm toán học để phân tích biến động giá cổ phiếu. Tập dữ liệu được thu thập từ năm 2019 đến 2023, bao gồm giá đóng cửa hàng ngày, doanh thu, lợi nhuận ròng và các chỉ số kinh tế vĩ mô như CPI, lãi suất Fed và USD Index. Phân tích dữ liệu bao gồm tính toán thống kê mô tả như mean, median, mode, variance và standard deviation. Việc phân tích các yếu tố phụ thuộc giúp xác định những driver chính ảnh hưởng đến giá cổ phiếu Apple, từ đó hỗ trợ trong dự báo giá cổ phiếu chính xác hơn.

3.1. Dữ liệu và biến số sử dụng

Tập dữ liệu bao gồm giá đóng cửa hàng ngày của Apple từ 2019-2023 và các yếu tố kinh tế vĩ mô như lạm phát (CPI), lãi suất, và chỉ số USD. Các yếu tố nội bộ bao gồm doanh thu, lợi nhuận ròng, biên lợi nhuận và tỷ suất lợi nhuận tài sản (ROA). Dữ liệu được chuẩn hóa để đảm bảo tính chính xác trong phân tích.

3.2. Kết quả phân tích thống kê từ 2019 2023

Kết quả phân tích thống kê cho thấy giá cổ phiếu Apple có độ lệch chuẩn cao trong các năm, đặc biệt năm 2020 do ảnh hưởng của lạm phát và quyết định lãi suất của Fed. Độ skewness và kurtosis cho thấy phân phối giá cổ phiếu không hoàn toàn bình thường. Phân tích ANOVA xác nhận mối quan hệ có ý nghĩa thống kê giữa các yếu tố kinh tế và giá cổ phiếu.

IV. Dự báo giá cổ phiếu và đánh giá hiệu suất kinh doanh

Dự báo giá cổ phiếu sử dụng mô hình ARIMA và LSTM đã cho kết quả khả quan với MAE và RMSE ở mức chấp nhận được. Mô hình LSTM cho thấy khả năng học các mối quan hệ phi tuyến tốt hơn so với ARIMA, đặc biệt là trong dự báo xu hướng dài hạn. Kết quả phân tích cho thấy hiệu suất kinh doanh của Apple từ 2019-2023 đã tăng trưởng vững chắc với tỷ suất lợi nhuận cao. So sánh với các công ty FAANG khác, Apple duy trì vị trí cạnh tranh mạnh mẽ. Phân tích giá cổ phiếu kết hợp với hiệu suất tài chính cung cấp cái nhìn toàn diện về tương lai công ty.

4.1. Kết quả dự báo ARIMA và LSTM

Mô hình AutoArima được áp dụng để tối ưu hóa tham số và tạo dự báo chuỗi thời gian. Kết quả cho thấy LSTM model có độ chính xác cao hơn với MAE thấp hơn. Biểu đồ dự báo cho thấy xu hướng giá cổ phiếu có khả năng tiếp tục tăng trong các quý tiếp theo, với những biến động nhất định dựa trên yếu tố thị trường.

4.2. Đánh giá tổng thể hiệu suất và khuyến nghị

Kết luận bài luận cho thấy giá cổ phiếu Apple bị ảnh hưởng bởi cả yếu tố kinh tế vĩ mô và nội bộ công ty. Tỷ suất ROA của Apple vượt trội so với competitors trong nhóm FAANG. Khuyến nghị cho các nhà đầu tư là sử dụng mô hình dự báo này như một công cụ hỗ trợ quyết định, kết hợp với phân tích cơ bản để đầu tư thông minh.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY UNIVERSITY OF INFORMATION TECHNOLOGY INFORMATION SYSTEM FACULTY o0o fH FINAL PROJECT ANALYSE STOCK PRICE FLUCTUATIONS ACCORDING TO MARKET, INTERNAL BUSINESS FACTORS AND FORECAST THE PRICE OF APPLE’S STOCK Subject! DATA ANALYTICS IN BUSINESS Lecturer: Dr.Tran Van Hai Triéu Student: Man Ngé Thuy Tién <21521526> Tran Tinh Minh Tu <21521619> Lé Bao Chau <21520577> Nguyen Dang Hoang Ha <21520577> Dao Gia Hai <21520577> Doan Van Anh Hién <21520577> Class: IS403.TMCL Ho Chi Minh City, November 10, 2023 Acknowledgement Firstly, we would like to express our sincerest gratitude to Professor Tran Van Hai Trieu, lecturer of the Information Systems Faculty at the University of Infor- mation Technology. The professor has been wholeheartedly supportive, providing direct guidance and instructions throughout our research and study process. Dur- ing our time studying under him, we not only acquired valuable knowledge but also developed a serious and effective work ethic and research attitude. These qualities are essential for our future academic and professional endeavors.

However, we acknowledge that our technical knowledge is still limited, and each team member lacks practical experience. Therefore, the content of this report may have certain shortcomings. We sincerely hope to receive your feedback and addi- tional guidance, Professor, to further improve our expertise. This will enable us to enhance the quality of this report and support the execution of future research projects.

Ho Chi Minh City, November 2023 Student Group Man Ngo Thuy Tien Tran Tinh Minh Tu Le Bao Chau Nguyen Dang Hoang Ha Dao Gia Hai Doan Van Anh Hien Teacher’s Feedback AGENDA 1 REASON FOR CHOOSING THE TOPIC 2 RESEARCH OBJECTIVES RESEARCH METHODOLOGY THEORETICAL FRAMEWORK AND RELATED REPORTS 10 4.1 Models and Functions Theoretical Background. ee DATASET AND DEPLOYMENT 6.1 Introduction to the collecteddataset. 00 2 es APPLE STOCK PRICE ANALYSIS FROM 2019 TO 2023 7.1 Mean, Median, Mode, Variance, Standard Deviation, Range, Quartiles, Standard Error of Mean, Skewness, and Kurto- sis of Close Price.1 Mean, Median, Max,Min .22 Variance, Standard Deviation. Analysis of dependent factors (CPI,etc).

8 STOCK PRICE PREDICTION USING ARIMA AND LSTM (2000- 2023) 47 8. 37 9 RELATING ANALYSIS RESULTS TO APPLE STOCK PERFOR- MANCE EVALUATION 58 10 SUMMARY 63 List of photos 1 Apples Business Modell3]. 19 2 Appless Business Revenue By Sourcel4|_. 19 3 Appless Business Revenue By Countrv[4].

20 4 The proportion of Apple in the S&P 500index. 20 5 The rate of return on the stocks of major U. 21 6 Result of Excel 2. ee 25 7 Resultof SPSS 2019 2.

26 10 Result of SPSS 2022 2. 27 11 Result of SPSS 2023 2. 28 14 ANOVA - Regression - ResultofExcel. 29 15 ANOVA - Regression -ResultofR.

29 16 ANOVA - Regression - ResultofPython. 30 17 Mean, Median, Max, Min ofClosePrice. 30 18 Chart Displaying Revenue, Net Income, and Profit Margin Percent- age for Apple (2019-2023). 31 19 Chart Displaying Revenue, Net Income, and Profit Margin Percent- age for Apple (2019-2023).

32 20 Closing Price Mean of Apple (2019-2023). 36 22 EFED Interest Rate Decisionin2020. 37 23 FED Interest Rate Decisionin2020. 37 24 Skewness, Kurtosis Result2019.

38 25 Skewness, Kurtosis Result2020. 40 27 Skewness, Kurtosis Result 2022. Al 28 Skewness, Kurtosis Result 2023. 42 29 Inflation Anova Result 2023.

43 30 US Dollar Index Close Anova Result2023. 45 35 New Regression Result2023.Ặ Ặ Q QC 48 38 Apply AutoArima Code. 55 39 Result of auto arima code. ee es 56 40 AutoArima ResultsChart.

56 41 MAERMSE of AutoArima. 57 42 LŠTM Results Chat. 57 43 LŠTM Results Chat. 57 44 LŠTM Results Chat.

58 45 ROA from 2019-2023 - Source: Applecom. 59 46 ROA Apple between with FAANG from 2019-2023 - Source: Ap- plecom. 59 1 REASON FOR CHOOSING THE TOPIC Researching the stock market is one of the crucial and challenging issues. It’s an interesting problem that has drawn the attention of researchers and investors alike, spanning from the past to the present.

To serve our academic project and broaden our knowledge of corporate finance, our team has chosen the topic "Analyzing Stock Price Fluctuations According to Market and Internal Business Factors and Forecasting the Profit of Apple’s Stock." This choice aims to explore the influence of micro and macroeconomic factors on stock prices. is a globally successful technology company. The historical volatil- ity of Apple’s stock, influenced by various market forces and internal business decisions, provides an exciting opportunity to investigate the complex relationship between external and internal factors affecting stock prices. In this study, we will utilize stock market data from the past five years to ex- amine what the stock prices reflect about the financial situation of the company.

Additionally, we will construct time series models using ARIMA and LSTM mod- els to meet the demand for predicting stock prices in the future. 2 RESEARCH OBJECTIVES Overall objective: Get to know more about business analysis and the way anal- ysis and prediction algorithms used in business to implement in realistic case stud- ies and project. Know how to use tools for forecasting, analyzing and drawing con- clusions about business data. Understand and apply machine learning to business forecasting, from which we can predict and draw conclusions about development directions and business plans.

Specific objectives: ¢ Research and analyze factors affecting Apple’s stock price. — GDP — CPI ¢ Analyze internal factors that affect the price of Apple’s stock. — Financial reports ¢ Analyze the stock price of Apple from 2019 till 08 - 11 - 2023 — Define the fluctuation and research about the factors that affect the rise or drop of the stock price in this period. ¢ Forecast the stock price of Apple Analysis methods: ¢ Analysing: — Excel, R, Python, SPSS (we choose all 4 recommend languages and applications so we can know the pros and cons of each languages and applications) — Plotting data and processing the data so it can be used for analyze and forecast models.

— Perform static analysis to get the values of Mean, Median, Mode, Vari- ance, Standard Deviation, Range, and Standard Error of Mean, Skew- ness, and Kurtosis of the data — Perform Z-Test, F-test, ANOVA to conclude about the dependance of stock price to other factors. ¢ Forecasting: ARIMA model, LSTM model in Python language. 3 RESEARCH METHODOLOGY °® Secondary Research: — Literature Review: Explore academic papers, industry reports, and books that analyze Apple’s business strategies, market performance, and tech- nological advancements. — Financial Reports and Filings: Access Apple’s annual reports, SEC fil- ings, and financial statements to understand its financial health, revenue sources, and strategic initiatives.

— Industry Analysis: Review industry reports, market analyses, and com- petitor data to understand the technological landscape, market trends, and Apple’s competitive positioning. ¢ Primary Research: Concepts and Classifications: Understanding basic con- cepts such as stocks, securities, dividends, investment funds, and various types of securities (stocks, bonds, ETFs, etc. Theory of Models and Functions: (ARIMA, LSTM) Stock Valuation Models: Studying stock valuation models such as dividend discount models, asset- based models, and forward-looking stock valuation models. Introduction to the Content of Relevant Documents: — Apple’s Financial Reports: Examining Apple’s financial reports to un- derstand its financial health, revenue, and profit.

This is crucial for stock valuation and growth potential analysis. — Market Analysis Reports: Studying market reports and analyses, espe- cially within the technology industry and Apple’s business, to compare against competitors and industry trends. — Investment Philosophy Research: Exploring research on investment philoso- phies, how professional investors evaluate stocks, and effective invest- ment strategies. Data Analysis: Quantitative Analysis: Use statistical tools to analyze finan- cial data ¢ Online Resources and Press Releases: Monitor online sources, news articles, press releases, and Apple’s official communications for the latest updates, product launches, and strategic moves.

Scenario Planning: Develop scenarios and projections for Apple’s future based on the analyzed data and market trends. 10 4 THEORETICAL FRAMEWORK AND RELATED RE- PORTS 4.1 Models and Functions Theoretical Background 4.1 Descriptive Analysis « Mean — Mean is the ratio of the sum of all observations in the data to the total number of observations. This is also known as average. Thus, mean is a number around which the entire data set is spread.

— This is the commonly used tool for measuring intervals and ratios. -> Mean in stock market: It is the average value of all stock prices in a dataset. It can provide an overall view of the average price of stocks. * Mode Mode is the number that has the maximum frequency in the entire data set.

In other words, mode is the number that appears the most often. A data can have one or more than one mode. — If there is only one number that appears the most number of times, the data has one mode, and is called uni-modal. — If there are two numbers that appear equally frequently, the data has two modes, and is called bi-modal.

— If there are more than two numbers that appear equally frequently, the data has more than two modes. We call that multi-modal. — This is the commonly used tool for measuring Categorical (nominal). Mode is not affected by values at both ends of the distribution.

* Median Median is the point which divides the entire data into two equal halves. One half of the data is less than the median and the other half is greater than the median. Median is calculated by first arranging the data in either ascending or descending order. — If the number of observations is odd, the median is given by the middle observation in the sorted form.

— If the number of observations are even, median is given by the mean of the two middle observations in the sorted form. Variance Variance measures how far data points spread out from the mean. A high 11 variance indicates that data points are spread widely and a small variance indicates that the data points are closer to the data set’s mean. Standard Deviation Standard Deviation: It is the square root of the variance and is commonly used to assess the level of volatility in stock prices.

A large standard deviation may indicate significant fluctuations in stock prices ¢ Range Range is the difference between the maximum value and the minimum value in the data set. It is given as: Standard Error of Mean Standard error of the mean is a method used to evaluate the standard deviation of a sampling distribution. Moreover, It is used to measure the difference in mean values of one sample from another under conditions of the same distribution. Skewness The measure of asymmetry in a probability distribution is defined by skewness.

Skewness can either be positive, negative or undefined. — Positive Skew: This is the case when the tail on the right side of the curve is bigger than that on the left side. For these distributions, the mean is greater than the mode. — Negative Skew: This is the case when the tail on the left side of the curve is bigger than that on the right side.

For these distributions, the mean is smaller than the mode. ¢ Kurtosis Kurtosis describes whether the data is light tailed (ack of outliers) or heavy tailed (outliers present) when compared to a normal distribution. There are three kinds of kurtosis: — Mesokurtic: This is the case when the kurtosis is zero, similar to normal distributions. — Leptokurtic: This is when the tail of the distribution is heavy (outlier present) and kurtosis is higher than that of the normal distribution.

— Platykurtic: This is when the tail of the distribution is light (no outlier) and kurtosis is lesser than that of the normal distribution. « ANOVA test — ANOVA, or Analysis of Variance, is a statistical technique used to com- pare means between three or more groups to determine if there are sta- tistically significant differences among them.