Đánh Giá Mô Hình Dự Đoán Xu Hướng Thị Trường Chứng Khoán Qua Phân Tích Chuỗi Thời Gian

Thị trường chứng khoán Việt Nam ngày càng phát triển, đòi hỏi các nhà đầu tư phải có công cụ hỗ trợ ra… 149 trang · Southern Luzon State University · 2013.

• Tác giả: Dao The Huy
• Trường học: Southern Luzon State University
• Chuyên ngành: Business Administration
• Đề tài: Mô Hình Dự Đoán Xu Hướng Thị Trường Chứng Khoán Qua Phân Tích Chuỗi Thời Gian
• Loại tài liệu: dissertation
• Năm xuất bản: 2013
• Địa điểm: Lucban

Mục lục chi tiết

• 1. CHAPTER 1: INTRODUCTION
• 2. CHAPTER II: REVIEW OF LITERATURE

Tóm tắt

I. Tổng Quan Mô Hình Dự Đoán Xu Hướng Thị Trường Chứng Khoán

Thị trường chứng khoán Việt Nam ngày càng phát triển, đòi hỏi các nhà đầu tư phải có công cụ hỗ trợ ra quyết định hiệu quả. Việc dự đoán chứng khoán trở nên quan trọng để giảm thiểu rủi ro và tối ưu hóa lợi nhuận. Nghiên cứu và ứng dụng các mô hình phân tích chuỗi thời gian vào dự báo tài chính đang là xu hướng tất yếu. Các nhà đầu tư cá nhân thường dựa vào cảm xúc và tin đồn, dẫn đến kết quả không mong muốn. Vì vậy, một mô hình khách quan và dựa trên dữ liệu là rất cần thiết. Bài viết này tập trung vào việc phân tích và đánh giá các mô hình dự đoán xu hướng thị trường chứng khoán sử dụng phân tích chuỗi thời gian, giúp nhà đầu tư đưa ra quyết định sáng suốt hơn.

1.1. Tầm Quan Trọng Của Dự Đoán Chứng Khoán Trong Đầu Tư

Trong môi trường đầu tư đầy biến động, dự đoán chứng khoán giúp nhà đầu tư giảm thiểu rủi ro và nắm bắt cơ hội. Việc sử dụng các mô hình phân tích dữ liệu, đặc biệt là phân tích chuỗi thời gian, cung cấp cái nhìn khách quan về xu hướng thị trường chứng khoán. Điều này đặc biệt quan trọng đối với nhà đầu tư cá nhân, những người thường dễ bị ảnh hưởng bởi tâm lý thị trường và tin đồn. Một công cụ dự báo tài chính chính xác có thể tạo ra lợi thế cạnh tranh lớn.

1.2. Giới Thiệu Về Phân Tích Chuỗi Thời Gian Trong Chứng Khoán

Phân tích chuỗi thời gian là một phương pháp thống kê được sử dụng để phân tích dữ liệu theo thời gian. Trong lĩnh vực chứng khoán, phương pháp này được áp dụng để dự đoán chứng khoán dựa trên dữ liệu lịch sử chứng khoán như giá, khối lượng giao dịch. Các mô hình chuỗi thời gian như ARIMA, GARCH, và Prophet có thể giúp nhà đầu tư nhận diện xu hướng thị trường chứng khoán và đưa ra dự báo ngắn hạn và dài hạn.

1.3. Sự Cần Thiết Của Mô Hình Dự Đoán Khách Quan

Thị trường chứng khoán Việt Nam thường xuyên chịu ảnh hưởng bởi tin đồn và tâm lý thị trường. Nhiều nhà đầu tư đưa ra quyết định dựa trên cảm xúc hơn là phân tích cơ bản và phân tích kỹ thuật. Do đó, một mô hình dự đoán chứng khoán khách quan, dựa trên dữ liệu và các thuật toán thống kê, là rất cần thiết để giúp nhà đầu tư đưa ra quyết định sáng suốt và giảm thiểu rủi ro đầu tư.

II. Thách Thức Độ Chính Xác Dự Đoán Thị Trường Chứng Khoán

Việc dự đoán chứng khoán luôn đi kèm với những thách thức lớn. Thị trường chứng khoán chịu ảnh hưởng bởi nhiều yếu tố phức tạp, bao gồm kinh tế vĩ mô, tin tức tài chính, và tâm lý thị trường. Do đó, việc xây dựng một mô hình dự báo tài chính có độ chính xác dự đoán cao là vô cùng khó khăn. Các mô hình chuỗi thời gian cần phải được điều chỉnh và kiểm tra liên tục để đảm bảo tính hiệu quả trong môi trường thị trường thay đổi.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác Của Dự Đoán

Nhiều yếu tố có thể ảnh hưởng đến độ chính xác dự đoán của các mô hình dự đoán chứng khoán. Các yếu tố này bao gồm sự thay đổi của kinh tế vĩ mô, các sự kiện chính trị và xã hội bất ngờ, và tâm lý thị trường. Các mô hình cần phải được thiết kế để có thể thích ứng với những thay đổi này và giảm thiểu tác động của các yếu tố bên ngoài.

2.2. Giới Hạn Của Phân Tích Chuỗi Thời Gian Truyền Thống

Mặc dù phân tích chuỗi thời gian là một công cụ hữu ích, nó cũng có những hạn chế nhất định. Các mô hình truyền thống như ARIMA thường gặp khó khăn trong việc xử lý các dữ liệu phi tuyến tính và các sự kiện bất thường. Ngoài ra, chúng cũng có thể không hiệu quả trong việc dự đoán các biến động lớn và nhanh chóng của thị trường.

2.3. Vấn Đề Dữ Liệu Lịch Sử Và Khả Năng Ứng Dụng Thực Tế

Việc sử dụng dữ liệu lịch sử chứng khoán để dự đoán chứng khoán có thể gặp phải vấn đề về tính đại diện và tính ổn định. Dữ liệu lịch sử có thể không phản ánh chính xác tình hình thị trường hiện tại, đặc biệt là khi có những thay đổi lớn trong cấu trúc thị trường hoặc chính sách kinh tế. Ngoài ra, việc triển khai các mô hình dự báo tài chính trong thực tế cũng đòi hỏi kỹ năng và kinh nghiệm chuyên môn.

III. Phương Pháp Mô Hình ARIMA Dự Đoán Xu Hướng Chứng Khoán

Mô hình ARIMA (Autoregressive Integrated Moving Average) là một trong những phương pháp phân tích chuỗi thời gian phổ biến nhất được sử dụng trong dự đoán chứng khoán. Mô hình này có khả năng mô hình hóa các xu hướng thị trường chứng khoán dựa trên dữ liệu lịch sử của chính nó. Bằng cách xác định các tham số phù hợp, mô hình ARIMA có thể cung cấp các dự báo ngắn hạn và trung hạn về giá cổ phiếu và chỉ số thị trường.

3.1. Cơ Sở Lý Thuyết Của Mô Hình ARIMA Trong Chứng Khoán

Mô hình ARIMA dựa trên nguyên tắc rằng giá trị hiện tại của một biến phụ thuộc vào các giá trị quá khứ của chính nó và các sai số ngẫu nhiên. Mô hình này bao gồm ba thành phần chính: tự hồi quy (AR), tích hợp (I), và trung bình trượt (MA). Việc xác định các tham số p, d, q phù hợp cho từng thành phần là rất quan trọng để đạt được độ chính xác dự đoán cao.

3.2. Ưu Điểm Và Nhược Điểm Của Mô Hình ARIMA Trong Thực Tế

Ưu điểm của mô hình ARIMA là tính đơn giản và dễ triển khai. Nó cũng có khả năng xử lý các dữ liệu không dừng bằng cách thực hiện phép sai phân. Tuy nhiên, mô hình ARIMA có thể không hiệu quả trong việc mô hình hóa các mối quan hệ phi tuyến tính và các sự kiện bất thường. Ngoài ra, việc xác định các tham số phù hợp có thể tốn nhiều thời gian và công sức.

3.3. Ứng Dụng ARIMA Trong Dự Đoán Chỉ Số VN Index Và HNX Index

Mô hình ARIMA có thể được sử dụng để dự đoán các chỉ số thị trường như VN-Index và HNX-Index. Bằng cách phân tích dữ liệu lịch sử của các chỉ số này, nhà đầu tư có thể xác định các xu hướng thị trường chứng khoán và đưa ra dự báo về hướng đi của thị trường trong tương lai. Tuy nhiên, cần lưu ý rằng độ chính xác dự đoán của mô hình ARIMA có thể bị ảnh hưởng bởi các yếu tố bên ngoài như tin tức kinh tế và chính trị.

IV. Giải Pháp Mô Hình GARCH Ứng Dụng Trong Dự Đoán Biến Động

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) là một công cụ mạnh mẽ để mô hình hóa và dự đoán sự biến động của thị trường chứng khoán. Trong khi các mô hình truyền thống như ARIMA giả định rằng phương sai của chuỗi thời gian là không đổi, mô hình GARCH cho phép phương sai thay đổi theo thời gian, phản ánh thực tế là thị trường chứng khoán thường có những giai đoạn biến động mạnh và ổn định xen kẽ.

4.1. Hiểu Rõ Về Mô Hình GARCH Và Khả Năng Ưu Việt Trong Chứng Khoán

Mô hình GARCH được sử dụng rộng rãi trong dự đoán chứng khoán, đặc biệt là để dự đoán rủi ro và quản lý danh mục đầu tư. Bằng cách mô hình hóa sự biến động của thị trường, mô hình GARCH có thể giúp nhà đầu tư ước tính rủi ro tiềm ẩn của các khoản đầu tư và đưa ra quyết định tối ưu hóa danh mục đầu tư.

4.2. Cách GARCH Giải Quyết Vấn Đề Biến Động Trong Chuỗi Thời Gian

Mô hình GARCH giải quyết vấn đề biến động trong chuỗi thời gian bằng cách mô hình hóa phương sai có điều kiện của chuỗi thời gian. Điều này cho phép mô hình nắm bắt được các hiện tượng như cụm biến động (volatility clustering), trong đó các giai đoạn biến động cao thường đi kèm với các giai đoạn biến động cao khác, và ngược lại.

4.3. Ứng Dụng GARCH Để Quản Lý Rủi Ro Và Tối Ưu Hóa Danh Mục

Một ứng dụng quan trọng của mô hình GARCH là quản lý rủi ro. Bằng cách dự đoán sự biến động của thị trường, mô hình GARCH có thể giúp nhà đầu tư ước tính Value at Risk (VaR) và Expected Shortfall (ES), từ đó đưa ra quyết định phòng ngừa rủi ro phù hợp. Ngoài ra, mô hình GARCH cũng có thể được sử dụng để tối ưu hóa danh mục đầu tư bằng cách phân bổ vốn vào các tài sản có mức rủi ro và lợi nhuận kỳ vọng phù hợp.

V. Nghiên Cứu Đánh Giá Mô Hình Dự Báo Backtesting Hiệu Quả

Việc đánh giá hiệu quả của các mô hình dự đoán chứng khoán là rất quan trọng để đảm bảo rằng chúng có thể cung cấp các dự báo chính xác và đáng tin cậy. Phương pháp backtesting được sử dụng rộng rãi để đánh giá hiệu quả của các chiến lược giao dịch và mô hình dự báo tài chính bằng cách áp dụng chúng vào dữ liệu lịch sử và so sánh kết quả với thực tế.

5.1. Quy Trình Backtesting Mô Hình Dự Đoán Thị Trường Chứng Khoán

Backtesting là một quy trình quan trọng để đánh giá tính hiệu quả của mô hình. Nó bao gồm việc sử dụng dữ liệu lịch sử để mô phỏng giao dịch dựa trên các tín hiệu từ mô hình, sau đó so sánh kết quả mô phỏng với kết quả thực tế của thị trường. Điều này giúp nhà nghiên cứu và nhà đầu tư hiểu rõ hơn về điểm mạnh và điểm yếu của mô hình trong các điều kiện thị trường khác nhau.

5.2. Các Tiêu Chí Đánh Giá Hiệu Quả Dự Đoán Của Mô Hình

Có nhiều tiêu chí để đánh giá hiệu quả dự đoán của một mô hình, bao gồm độ chính xác dự đoán, tỷ lệ lợi nhuận, tỷ lệ Sharpe, và mức độ drawdown. Các tiêu chí này giúp nhà đầu tư so sánh hiệu quả của các mô hình khác nhau và lựa chọn mô hình phù hợp nhất với mục tiêu và khẩu vị rủi ro của mình.

5.3. So Sánh Kết Quả Thực Tế Với Dự Báo Của Mô Hình Trong Backtesting

So sánh kết quả thực tế với dự báo của mô hình trong backtesting là bước quan trọng để xác định xem mô hình có khả năng dự đoán chính xác các xu hướng thị trường chứng khoán hay không. Nếu kết quả backtesting cho thấy rằng mô hình có khả năng tạo ra lợi nhuận ổn định và vượt trội so với thị trường, thì nó có thể được coi là một công cụ hữu ích cho đầu tư.

VI. Tương Lai Ứng Dụng Học Máy Và AI Trong Dự Đoán Chứng Khoán

Sự phát triển của học máy trong chứng khoán và AI trong chứng khoán đang mở ra những cơ hội mới trong dự đoán chứng khoán. Các mô hình deep learning trong chứng khoán như LSTM và GRU có khả năng xử lý dữ liệu phức tạp và phi tuyến tính, giúp cải thiện độ chính xác dự đoán so với các phương pháp truyền thống. Việc kết hợp học máy và phân tích chuỗi thời gian hứa hẹn sẽ mang lại những đột phá trong lĩnh vực dự báo tài chính.

6.1. Tổng Quan Về Học Máy Machine Learning Trong Dự Đoán

Machine Learning trong chứng khoán cung cấp những phương pháp tiếp cận mới. Khả năng tự học và thích nghi cho phép các mô hình học máy nhận diện các mẫu phức tạp và phi tuyến tính trong dữ liệu lịch sử chứng khoán, từ đó cải thiện đáng kể độ chính xác dự đoán.

6.2. Ưu Điểm Của Các Mô Hình Deep Learning LSTM GRU Trong Chứng Khoán

Các mô hình Deep Learning trong chứng khoán, đặc biệt là LSTM (Long Short-Term Memory) và GRU (Gated Recurrent Unit), vượt trội trong việc xử lý dữ liệu chuỗi thời gian nhờ khả năng ghi nhớ các thông tin quan trọng từ quá khứ. Điều này đặc biệt hữu ích trong dự đoán chứng khoán, nơi mà các xu hướng thị trường chứng khoán và biến động giá có thể phụ thuộc vào các sự kiện xảy ra trong quá khứ xa.

6.3. Triển Vọng Và Ứng Dụng Thực Tế Của AI Trong Dự Báo Tài Chính

Ứng dụng AI trong chứng khoán mở ra triển vọng lớn trong dự báo tài chính. AI có thể được sử dụng để xây dựng các hệ thống giao dịch tự động, quản lý rủi ro, và tối ưu hóa danh mục đầu tư. Tuy nhiên, cần lưu ý rằng việc triển khai AI trong dự đoán chứng khoán đòi hỏi dữ liệu chất lượng cao, kỹ năng chuyên môn, và sự hiểu biết sâu sắc về thị trường.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ với tiêu đề "Acceptability of the Trend Forecasting Model Using the Time Series Analysis of Stock Indices" (tạm dịch: Mức độ chấp nhận của mô hình dự báo xu hướng sử dụng phân tích chuỗi thời gian các chỉ số chứng khoán) do nghiên cứu sinh Đào Thế Huy thực hiện năm 2013, trong khuôn khổ chương trình đào tạo Tiến sĩ Quản trị Kinh doanh (Doctor of Business Administration - DBA) liên kết giữa Trường Sau đại học thuộc Đại học Southern Luzon State (Philippines) và Đại học Thái Nguyên (Việt Nam).

Tính cấp thiết và khoảng trống nghiên cứu

Để thực hiện công nghiệp hóa, hiện đại hóa, duy trì tăng trưởng kinh tế ổn định và tái cơ cấu nền kinh tế nhằm nâng cao hiệu quả và sức cạnh tranh, Việt Nam có nhu cầu vốn đầu tư rất lớn. Việc xây dựng thị trường chứng khoán trở thành nhu cầu cấp thiết để huy động nguồn vốn trung và dài hạn trong và ngoài nước thông qua các công cụ nợ và chứng khoán vốn. Bên cạnh đó, tiến trình cổ phần hóa doanh nghiệp nhà nước gắn liền với sự hình thành và phát triển của thị trường chứng khoán đã tạo lập một môi trường kinh doanh minh bạch và lành mạnh hơn.

Thị trường chứng khoán Việt Nam được định hình qua các mốc pháp lý quan trọng:

• Ngày 10/07/1998, Thủ tướng Chính phủ ký Nghị định số 48/1998/NĐ-CP về thị trường chứng khoán và quyết định thành lập hai trung tâm giao dịch chứng khoán tại Hà Nội và Thành phố Hồ Chí Minh.
• Ngày 20/07/2000, Trung tâm Giao dịch Chứng khoán TP.HCM chính thức đi vào hoạt động và thực hiện phiên giao dịch đầu tiên vào ngày 28/07/2000 với 2 mã cổ phiếu niêm yết.
• Ngày 11/05/2007, Thủ tướng ký Quyết định số 599/QĐ-TTg chuyển đổi Trung tâm Giao dịch Chứng khoán TP.HCM thành Sở Giao dịch Chứng khoán TP.HCM (HOSE), chính thức khai trương ngày 08/08/2007.
• Ngày 02/01/2009, Sở Giao dịch Chứng khoán Hà Nội (HNX) được thành lập theo Quyết định số 01/2009/QĐ-TTg trên cơ sở chuyển đổi Trung tâm Giao dịch Chứng khoán Hà Nội (HASTC - thành lập theo Quyết định số 127/1998/QĐ-TTg ngày 11/07/1998, vận hành từ năm 2005).

Sàn giao dịch	Quyết định thành lập	Số lượng cổ phiếu niêm yết (31/08/2012)	Tổng giá trị niêm yết/vốn hóa (31/08/2012)
HOSE	Quyết định số 599/QĐ-TTg (11/05/2007)	303 cổ phiếu	154.137.023,19 tỷ đồng (giá trị vốn hóa)
HNX	Quyết định số 01/2009/QĐ-TTg (02/01/2009)	397 cổ phiếu	84.511.094 nghìn đồng (tổng giá trị niêm yết)

Giai đoạn 2005–2009 được ghi nhận là giai đoạn tăng tốc với sự tăng trưởng vượt bậc của thị trường chứng khoán Việt Nam:

• Tỷ lệ vốn hóa/GDP vượt mục tiêu chiến lược phát triển thị trường đến năm 2010 (vốn đặt ra ở mức 10–15% GDP).
• Năm 2000, toàn thị trường chỉ có 6 công ty chứng khoán với vốn điều lệ bình quân không quá 50 tỷ đồng; đến cuối năm 2009 đã có 105 công ty chứng khoán với vốn điều lệ trung bình 175 tỷ đồng (tiêu biểu như Công ty Cổ phần Chứng khoán Sài Gòn - SSI đạt 1.000 tỷ đồng, Chứng khoán ACB - ACBS đạt 1.500 tỷ đồng).
• Luật Chứng khoán có hiệu lực từ tháng 01/2007. Năm 2008, dù chịu ảnh hưởng từ suy thoái kinh tế toàn cầu, khối lượng giao dịch bình quân tại HOSE vẫn duy trì ở mức 13 triệu đơn vị/phiên nhờ triển khai giao dịch trực tuyến và khớp lệnh liên tục. Đến cuối năm 2009, tổng mức vốn hóa thị trường đạt 620 nghìn tỷ đồng, tương đương 38% GDP.

Tuy nhiên, sự bùng nổ của thị trường dẫn tới tình trạng quá tải thông tin dự báo, khuyến nghị mua/bán từ các nguồn truyền miệng, thư điện tử, điện thoại, tin nhắn môi giới, chuyên viên phân tích và các công ty tư vấn đầu tư. Các thông tin sai lệch, mang tính áp đặt tâm lý hoặc theo phong cách tin đồn đã làm nhiễu loạn thị trường. Phần lớn các nhà đầu tư cá nhân tại Việt Nam đưa ra quyết định mua hoặc bán dựa vào cảm xúc hoặc tin đồn, dẫn đến tỷ suất lợi nhuận thấp hoặc thua lỗ.

Thực tế có khoảng 2.000 chỉ báo kỹ thuật hỗ trợ quyết định, nhưng các nhà đầu tư và nhà môi giới thường áp dụng chúng một cách riêng lẻ, thiếu tính hệ thống hoặc sử dụng không đúng kỹ thuật. Khoảng trống nghiên cứu được tác giả xác định là: Chưa có mô hình phân tích chuỗi thời gian nào tích hợp đồng thời 6 chỉ báo kỹ thuật thống kê xác suất để dự báo xu hướng chỉ số và định hướng quyết định giao dịch cho từng cổ phiếu tại thị trường chứng khoán Việt Nam.

Mục tiêu và câu hỏi nghiên cứu

Mục tiêu tổng quát của luận án là đánh giá mức độ chấp nhận của Mô hình Phân tích Chuỗi thời gian (Time Series Analysis Model - TSA Model) được xây dựng từ 6 chỉ báo thống kê để dự báo xu hướng chỉ số chứng khoán Việt Nam, đồng thời ứng dụng các chỉ báo này cho từng cổ phiếu riêng biệt nhằm hỗ trợ nhà đầu tư đưa ra các quyết định giao dịch (mua, bán hoặc nắm giữ).

Các mục tiêu cụ thể được xác định để đánh giá tính hữu ích của mô hình TSA:

1. Xác định hồ sơ đặc điểm của người trả lời khảo sát (Profile of the respondents).
2. Đánh giá tính sẵn có của phần mềm và dữ liệu đầu vào cần thiết (Availability of required software and input data).
3. Đánh giá mức độ chấp nhận mà người dùng trải nghiệm khi sử dụng mô hình TSA trong việc hỗ trợ ra quyết định đầu tư (Level of acceptability experienced when using the TSA model in assisting to make investment decisions).

Các câu hỏi nghiên cứu then chốt mà mô hình TSA hướng tới giải quyết cho nhà đầu tư gồm:

1. Xu hướng hiện tại của chỉ số chứng khoán Việt Nam là gì?
2. Các biến số then chốt ảnh hưởng đến phân tích kỹ thuật giá cổ phiếu là gì?
3. Nhà đầu tư nên thực hiện hành động nào đối với từng cổ phiếu cụ thể trong từng giai đoạn (Mua, bán hay chờ đợi và giữ tiền mặt)?

Giả thuyết nghiên cứu

Luận án thiết lập giả thuyết không ($H_0$):

• $H_0$: "Không có sự khác biệt có ý nghĩa thống kê về mức độ nhận thức giữa các nhóm người trả lời khảo sát" ("There is no significant difference in the level of perceptions among the groups of respondents").
• Mức độ chấp nhận của mô hình dự báo xu hướng sử dụng phân tích chuỗi thời gian các chỉ số chứng khoán chịu sự phụ thuộc và bị tác động bởi các biến số: Độ tin cậy (Reliability), Tính hiệu quả (Efficiency) và Tính sẵn có (Availability).

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Mô hình phân tích chuỗi thời gian (TSA Model) ứng dụng trong phân tích kỹ thuật và mức độ chấp nhận, đánh giá của người sử dụng (nhà đầu tư, nhà môi giới chứng khoán).
• Phạm vi không gian và dữ liệu: Dữ liệu lịch sử các chỉ số chứng khoán Việt Nam gồm VN-Index (Sở Giao dịch Chứng khoán TP.HCM - HOSE) và HNX-Index (Sở Giao dịch Chứng khoán Hà Nội - HNX). Khoảng 700 mã cổ phiếu niêm yết trên hai sàn được đưa vào phạm vi khảo sát và ứng dụng.
• Phạm vi thời gian: Dữ liệu lịch sử thị trường phục vụ xây dựng mô hình trải dài từ năm 2007 đến năm 2013; khung thời gian khảo sát thực nghiệm nhận thức người dùng được tiến hành từ tháng 03/2011 đến tháng 03/2013.
• Biến số dữ liệu chuỗi thời gian: Bao gồm Giá mở cửa (Open price), Giá cao nhất (High price), Giá thấp nhất (Low price), Giá đóng cửa (Close price), Khối lượng giao dịch (Volume) và Ngày giao dịch (Date of trading).

---

Tổng quan tài liệu và vị trí của luận án

Luận án đã hệ thống hóa các tài liệu và công trình nghiên cứu nền tảng về phân tích kỹ thuật và các chỉ báo thị trường:

Tác giả / Nguồn trích dẫn	Tên công trình / Tài liệu	Năm	Nội dung cốt lõi được luận án kế thừa
Charles H. Dow, William Peter Hamilton, Robert Rhea, E. George Schaefer	Các bài xã luận trên Wall Street Journal và các công trình tổng hợp Lý thuyết Dow	1851–1902 (Dow), các năm sau	6 nguyên lý cơ bản của Lý thuyết Dow: 3 cấp độ chuyển động, 3 giai đoạn xu hướng, thị trường chiết khấu mọi tin tức, các chỉ số trung bình phải xác nhận lẫn nhau, khối lượng xác nhận xu hướng, xu hướng tồn tại đến khi có tín hiệu đảo chiều rõ ràng.
Cory Janssen, Chad Langager, Casey Murphy	"Use of Trend"	-	Khái niệm xu hướng; phân loại xu hướng (Tăng, Giảm, Đi ngang); phân loại thời lượng (Dài hạn >1 năm, Trung hạn 1-3 tháng, Ngắn hạn <1 tháng); kỹ thuật kẻ đường xu hướng và kênh giá.
Larson và Mark	Technical Charting for Profits	2001	Bản chất của các ngưỡng Hỗ trợ (Support) và Kháng cự (Resistance) dựa trên quy luật cung cầu và tâm lý tái lập vị thế hòa vốn của nhà đầu tư.
Tim Knight	Chart your way to profits	2007	Cơ chế đột phá (breakout) qua ngưỡng hỗ trợ/kháng cự (minh họa bằng trò chơi Red Rover); sự hoán đổi vai trò giữa hỗ trợ và kháng cự; các ví dụ thực chứng về cổ phiếu ALVR (tăng 500%) và Chesapeake Energy (CHK - mô hình ba đỉnh giảm 99%).
John J. Murphy	Charting Made Easy	2000	Đường trung bình động (SMA chu kỳ 50 ngày và 200 ngày, 10 tuần và 40 tuần); độ trễ của đường trung bình; tương tác giá - đường trung bình; giới thiệu chỉ báo MACD.
Constance M. Brown	Technical Analysis for the Trading Professional - Irwin Trader's Edge Series	1999	Chỉ báo RSI phát triển bởi J. Welles Wilder và kỹ thuật dự phóng giá của Andrew Cardwell (Positive Reversal, Negative Reversal); biên độ dao động RSI trong thị trường tăng (40-50 đến 80-90) và thị trường giảm (20-30 đến 55-65).
Kedrick F. Brown	Trend trading: timing market tides	2006	Cấu trúc Dải Bollinger (John Bollinger); công thức dải trên/dải dưới (SMA $\pm$ 2 SD); so sánh cơ chế dải Donchian và giới hạn của dải dưới Bollinger khi làm lệnh dừng lỗ thả nổi.
J. Welles Wilder	New Concepts in Technical Trading Systems	1978	Hệ thống chỉ báo định hướng: ADX, +DI, -DI; ngưỡng đo lường cường độ xu hướng (ADX > 25: có xu hướng mạnh; ADX < 20: không có xu hướng; vùng 20–25 là vùng xám).
A. Monte và Rick Swope	The Market Guys’ Five Points for Trading Success	2008	Dãy số Fibonacci, Tỷ lệ Vàng 1,618, số nghịch đảo 0,618; ứng dụng các mức thoái lui Fibonacci (Fibonacci Retracement), mức hỗ trợ 38,2% trong xu hướng tăng.
Gene Quong và Avrum Soudack	Website stockcharts.com	-	Chỉ số Dòng tiền (Money Flow Index - MFI), RSI tính theo trọng số khối lượng; các ngưỡng quá mua (>80, cực đoan >90), quá bán (<20, cực đoan <10), phân kỳ và failure swings.
Edward Gately	Forecasting Profits Using Price and Time	1997	Chỉ báo Dao động Ngẫu nhiên (Stochastic Oscillator), đường %K (14 ngày), %D (3 ngày); ngưỡng quá mua (>75% hoặc >80%), quá bán (<20% hoặc <25%), quy tắc giao cắt đường tín hiệu.

Khoảng trống luận án lựa chọn giải quyết

Các nghiên cứu và tài liệu trước đây tập trung mô tả từng chỉ báo riêng lẻ trên các thị trường quốc tế hoặc thị trường hàng hóa/tiền tệ. Trong bối cảnh thị trường chứng khoán Việt Nam, các công cụ này chưa từng được tích hợp thành một mô hình tổng thể gồm 6 chỉ báo thống kê chuỗi thời gian nhằm cung cấp một hệ thống tín hiệu khách quan (Mua/Bán/Nắm giữ) và chưa có công trình nào đánh giá thực nghiệm mức độ chấp nhận của người dùng đối với mô hình tích hợp này.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và các khái niệm sử dụng

Luận án vận dụng nền tảng của Phân tích kỹ thuật (Technical Analysis) và Lý thuyết Dow:

1. Lý thuyết Dow: Giá phản ánh toàn bộ thông tin; hành vi thị trường có tính chu kỳ; xu hướng gồm 3 cấp độ (chính, trung gian, ngắn hạn) và 3 giai đoạn (tích lũy, tham gia công chúng, phân phối); khối lượng xác nhận xu hướng.
2. Nguyên lý Chuỗi thời gian và Thống kê: Sử dụng các hàm thống kê xác suất để làm mịn chuỗi dữ liệu giá lịch sử, tính toán độ lệch chuẩn và xác định xác suất đảo chiều.
3. Bộ 6 nhóm chỉ báo kỹ thuật thành phần:
   • Đường trung bình động (Moving Averages - SMA/EMA): Xác định xu hướng cơ sở và các vùng hỗ trợ động (50 ngày, 200 ngày).
   • Dải Bollinger (Bollinger Bands): Xác định dải biến động giá dựa trên độ lệch chuẩn $\pm 2\sigma$ so với đường trung bình 20 ngày.
   • Chỉ số Sức mạnh Tương đối (RSI): Đo lường động lượng, nhận diện vùng quá mua/quá bán và các phân kỳ đảo chiều theo khung Cardwell.
   • Chỉ số Định hướng Trung bình (ADX cùng +DI, -DI): Định lượng cường độ xu hướng (ngưỡng 20 và 25) và xác định hướng chuyển động.
   • Mức thoái lui Fibonacci (Fibonacci Retracement): Đo lường các ngưỡng hỗ trợ/kháng cự tiềm năng theo tỷ lệ vàng (38,2%, 50%, 61,8%).
   • Chỉ số Dòng tiền (MFI) và Dao động Ngẫu nhiên (Stochastic Oscillator): Kết hợp khối lượng với động lượng giá để phát hiện dòng tiền vào/ra và tín hiệu giao cắt quá mua/quá bán.

Phương pháp nghiên cứu

Luận án áp dụng phương pháp nghiên cứu hỗn hợp kết hợp kỹ thuật tính toán định lượng và điều tra khảo sát định tính:

• Phương pháp định lượng kỹ thuật (Backtesting chuỗi thời gian): Ứng dụng các thuật toán thống kê trên chuỗi dữ liệu giá lịch sử của toàn bộ hơn 700 cổ phiếu trên HOSE và HNX giai đoạn 2007–2013 để kiểm tra tính nhất quán của các tín hiệu chỉ báo.
• Phương pháp khảo sát nhận thức (Perception Survey): Thiết kế bảng câu hỏi khảo sát gửi tới nhóm người tham gia thị trường (nhà đầu tư cá nhân, nhân viên môi giới chứng khoán) trong giai đoạn từ tháng 03/2011 đến tháng 03/2013.
• Kỹ thuật phân tích thống kê: Kiểm định giả thuyết không ($H_0$) về sự khác biệt trong nhận thức giữa các nhóm người trả lời; phân tích các biến số tác động tới mức độ chấp nhận mô hình (Tính khả dụng, Độ tin cậy, Tính hiệu quả).

Nguồn tư liệu và dữ liệu

• Dữ liệu thứ cấp: Dữ liệu giao dịch hàng ngày từ Ủy ban Chứng khoán Nhà nước Việt Nam (SSC), Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX). Chuỗi dữ liệu gồm 6 biến: Ngày (Date), Giá mở cửa (Open), Giá cao nhất (High), Giá thấp nhất (Low), Giá đóng cửa (Close) và Khối lượng giao dịch (Volume).
• Dữ liệu sơ cấp: Kết quả thu được từ bảng khảo sát thu thập ý kiến đánh giá của các nhà đầu tư và nhà môi giới tại Việt Nam.

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu (Introduction)

Chương 1 thiết lập bức tranh tổng thể về quá trình hình thành và phát triển của thị trường chứng khoán Việt Nam từ năm 1998 đến năm 2013:

• Trình bày chi tiết các căn cứ pháp lý: Nghị định 48/1998/NĐ-CP, Quyết định 599/QĐ-TTg thành lập HOSE, Quyết định 01/2009/QĐ-TTg thành lập HNX, Quyết định 127/1998/QĐ-TTg thành lập HASTC, và Luật Chứng khoán 2007.
• Thống kê quy mô vốn hóa và mạng lưới trung gian: Ghi nhận sự phát triển từ 6 công ty chứng khoán (năm 2000) lên 105 công ty (năm 2009), với vốn hóa đạt 620 nghìn tỷ đồng (38% GDP năm 2009). Đến ngày 31/08/2012, HOSE niêm yết 303 cổ phiếu (vốn hóa 154.137.023,19 tỷ đồng) và HNX niêm yết 397 cổ phiếu (giá trị niêm yết 84.511.094 nghìn đồng).
• Phân tích thực trạng hành vi nhà đầu tư cá nhân: Thường xuyên chịu ảnh hưởng tiêu cực từ các luồng thông tin không chính thống (truyền miệng, tin đồn, mạng lưới môi giới), dẫn tới tâm lý bầy đàn và thua lỗ.
• Xác định mục tiêu nghiên cứu đánh giá mức độ chấp nhận của mô hình TSA, xây dựng giả thuyết nghiên cứu ($H_0$), phân tích ý nghĩa nghiên cứu đối với nhà đầu tư, giảng viên phân tích chứng khoán và sinh viên nghiên cứu.
• Định nghĩa thao tác các khái niệm chuyên ngành: Mức độ chấp nhận (Acceptability), Kiểm thử chiến lược (Backtesting), Thị trường gấu (Bear market), Thị trường bò (Bull market), Giá đóng cửa (Close price), Nhịp điều chỉnh (Correction), Ngày giao dịch (Date), Xu hướng giảm (Downtrend), Giá cao nhất (High price), Giá thấp nhất (Low price), Quá mua (Overbought), Giá mở cửa (Open price), Quá bán (Oversold), Ngưỡng kháng cự (Resistance level), Nhịp thoái lui (Retracement), Xu hướng đi ngang (Sideways trend), Ngưỡng hỗ trợ (Support level), Phân tích kỹ thuật (Technical analysis), Phân tích chuỗi thời gian (Time series analysis), Xu hướng (Trend), Xu hướng tăng (Uptrend), Khối lượng giao dịch (Volume).

Chương 2: Tổng quan tài liệu (Review of Literature)

Chương 2 tổng hợp toàn bộ các lý thuyết và chỉ báo kỹ thuật cấu thành nên mô hình nghiên cứu:

1. Lý thuyết Dow (Dow Theory):

   • Ba cấp độ chuyển động: Chuyển động chính (kéo dài từ dưới một năm đến vài năm, thể hiện xu hướng tăng hoặc giảm lớn); Chuyển động trung gian (kéo dài từ 10 ngày đến 3 tháng, thoái lui từ 33% đến 66% biên độ chuyển động trước đó); Chuyển động nhỏ (kéo dài từ vài giờ đến một tháng hoặc hơn).
   • Ba giai đoạn xu hướng: Giai đoạn tích lũy (nhà đầu tư có thông tin mua/bán ngược xu thế chung mà giá không biến động nhiều); Giai đoạn công chúng tham gia (giá biến động nhanh khi các nhà đầu tư theo xu hướng tham gia); Giai đoạn phân phối (đầu cơ lan rộng, nhà đầu tư ban đầu bắt đầu bán ra/phân phối tài sản).
   • Nguyên lý xác nhận: Thị trường chiết khấu mọi tin tức; các chỉ số trung bình (sản xuất công nghiệp và vận tải/đường sắt) phải xác nhận lẫn nhau; khối lượng giao dịch xác nhận xu hướng giá; xu hướng được giả định tiếp tục cho đến khi xuất hiện tín hiệu đảo chiều xác thực.

2. Cấu trúc Xu hướng, Đường xu hướng và Kênh giá (Janssen, Langager, Murphy):

   • Phân định 3 dạng xu hướng: Tăng (đỉnh sau cao hơn đỉnh trước, đáy sau cao hơn đáy trước), Giảm (đỉnh sau thấp hơn đỉnh trước, đáy sau thấp hơn đáy trước), Đi ngang (đỉnh và đáy dao động hẹp, thể hiện sự cân bằng cung cầu).
   • Phân định 3 khung thời gian: Dài hạn (>1 năm), Trung hạn (1–3 tháng), Ngắn hạn (<1 tháng).
   • Kỹ thuật xác lập đường xu hướng (Trendlines) nối các đáy để tạo đường hỗ trợ trong xu hướng tăng, hoặc nối các đỉnh để tạo đường kháng cự trong xu hướng giảm; Kênh giá (Channels) thiết lập bởi hai đường song song bao hàm biến động giá.

3. Ngưỡng Hỗ trợ và Kháng cự (Larson & Mark 2001; Tim Knight 2007):

   • Phân tích cơ chế cung - cầu và tâm lý hòa vốn của người nắm giữ cổ phiếu.
   • Hiện tượng phá vỡ (Breakout) được minh họa qua mô hình trò chơi Red Rover: áp lực mua vượt qua phòng tuyến kháng cự sẽ tạo động lực tăng mạnh (như ví dụ cổ phiếu ALVR phá vỡ mô hình cái đĩa tăng 500% trong 1 năm).
   • Sự hoán đổi tính chất giữa hỗ trợ và kháng cự; rủi ro sụt giảm mạnh khi ngưỡng hỗ trợ bị phá vỡ hoặc khi mô hình đảo chiều hình thành (như trường hợp cổ phiếu Chesapeake Energy - CHK hình thành mô hình ba đỉnh tại vùng giá 34 USD rồi giảm gần 99% xuống 50 cent).

4. Đường trung bình động (John J. Murphy 2000):

   • Đường trung bình động làm mịn dữ liệu giá để nhận diện xu hướng gốc nhưng có độ trễ nhất định.
   • Các chu kỳ phổ biến trên đồ thị ngày là SMA 50 ngày (hỗ trợ xu hướng tăng ngắn/trung hạn) và SMA 200 ngày (ngưỡng phân định thị trường giá lên dài hạn); trên đồ thị tuần tương ứng là 10 tuần và 40 tuần. Giới thiệu hệ thống giao cắt MACD.

5. Chỉ số Sức mạnh Tương đối - RSI (Constance M. Brown 1999; Andrew Cardwell):

   • Phương pháp dự phóng giá thông qua các tín hiệu Đảo chiều Dương (Positive Reversal) và Đảo chiều Âm (Negative Reversal).
   • Khung dao động RSI theo tính chất thị trường (chứng minh qua đồ thị hợp đồng tương lai Yên Nhật): Trong thị trường gấu (Bear market), RSI dao động trong vùng hỗ trợ 20–30 và vùng kháng cự 55–65; trong thị trường bò (Bull market), biên độ dịch chuyển lên vùng hỗ trợ 40–50 và vùng kháng cự 80–90.

6. Dải Bollinger - Bollinger Bands (Kedrick F. Brown 2006; John Bollinger):

   • Công thức: Dải trên = $\text{SMA}(N) + 2 \times \text{SD}$; Dải dưới = $\text{SMA}(N) - 2 \times \text{SD}$ (thường sử dụng chu kỳ $N = 20$).
   • So sánh với Dải Donchian (Donchian Bands): Dải dưới Donchian không bao giờ giảm trừ khi giá phá xuống dưới đáy cũ, trong khi dải dưới Bollinger có thể mở rộng xuống dưới ngay cả khi giá chưa chạm dải. Do đó, dải dưới Bollinger không thể dùng độc lập làm lệnh dừng lỗ thả nổi (trailing stop) mà bắt buộc phải kết hợp với mức dừng lỗ cố định.

7. Chỉ số Định hướng Trung bình - ADX (J. Welles Wilder 1978):

   • Cấu trúc hệ thống: Đường ADX đo lường cường độ xu hướng; hai đường +DI và -DI xác định hướng đi của giá (+DI > -DI thể hiện ưu thế phe mua; ngược lại thể hiện ưu thế phe bán).
   • Ngưỡng định lượng: ADX > 25 báo hiệu xu hướng mạnh; ADX < 20 báo hiệu không có xu hướng; khoảng 20–25 là vùng xám trung gian (minh họa qua đồ thị cổ phiếu Nordstrom - JWN).

8. Mức thoái lui Fibonacci (A. Monte & Rick Swope 2008):

   • Dựa trên chuỗi số Fibonacci (1, 2, 3, 5, 8, 13, 21, 34, 55, 89...) và Tỷ lệ Vàng 1,618 (với nghịch đảo là $1 / 1,618 = 0,618$).
   • Ứng dụng xác định các vùng hỗ trợ tiềm năng khi giá điều chỉnh trong một xu hướng tăng (đặc biệt là ngưỡng thoái lui 38,2%).

9. Chỉ số Dòng tiền - MFI (Gene Quong & Avrum Soudack):

   • Đóng vai trò là chỉ số RSI có tính trọng số khối lượng, đo lường áp lực mua/bán dựa trên giá điển hình (typical price) và khối lượng.
   • Nhận diện trạng thái quá mua (>80, mức cực đoan >90) và quá bán (<20, mức cực đoan <10), kết hợp tín hiệu phân kỳ và failure swings (minh họa qua ca nghiên cứu cổ phiếu JB Hunt - JBHT).

10. Chỉ báo Dao động Ngẫu nhiên - Stochastic Oscillator (Edward Gately 1997):

    • Cấu trúc 2 đường: Đường nhanh %K (chu kỳ 14 ngày) và đường chậm %D (làm mịn 3 ngày từ %K).
    • Vùng giá trị: Dưới 20% hoặc 25% là quá bán; trên 75% hoặc 80% là quá mua.
    • Quy tắc giao dịch: Mua khi cả hai đường ở dưới mức 20% và %K cắt lên trên %D cùng hướng đi lên (Điểm A); Bán khi cả hai đường vượt mức 80% và %K cắt xuống dưới %D cùng hướng đi xuống (Điểm B).

---

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận

• Tổng hợp và tích hợp 6 chỉ báo kỹ thuật thống kê xác suất (Đường trung bình động, Dải Bollinger, RSI, ADX/DI, Fibonacci Retracement, MFI và Stochastic) thành một hệ thống phân tích chuỗi thời gian thống nhất (TSA Model).
• Chuẩn hóa các quy tắc đọc tín hiệu kỹ thuật đa chiều, khắc phục sự tùy tiện và sai sót khi sử dụng rời rạc các chỉ báo trong phân tích tài chính.

Đóng góp mới về mặt thực tiễn

• Thiết lập khung hỗ trợ ra quyết định giao dịch có căn cứ định lượng rõ ràng cho thị trường chứng khoán Việt Nam, cung cấp 3 khuyến nghị hành động cụ thể cho từng cổ phiếu: Mua (Buy), Bán (Sell), hoặc Chờ đợi / Giữ tiền mặt (Wait and hold the money).
• Cung cấp giải pháp kỹ thuật khách quan nhằm giảm thiểu sự phụ thuộc vào tâm lý cảm tính, các khuyến nghị sai lệch và hiện tượng tin đồn lan truyền trên thị trường chứng khoán Việt Nam.
• Đóng góp dữ liệu thực nghiệm về nhận thức và mức độ chấp nhận của cộng đồng nhà đầu tư và chuyên viên môi giới đối với mô hình TSA.

Kiến nghị và giải pháp đề xuất

• Đối với nhà đầu tư cá nhân: Cần trang bị phương pháp phân tích chuỗi thời gian có hệ thống; không nên mua bán theo tin đồn hoặc tư vấn truyền miệng; nhận thức rõ giới hạn của dữ liệu lịch sử để luôn thiết lập các mức dừng lỗ cố định (fixed stops).
• Đối với các nhà môi giới và công ty chứng khoán: Cần ứng dụng mô hình phân tích chuỗi thời gian tích hợp để chuẩn hóa chất lượng tư vấn, thay vì đưa ra các nhận định cảm tính gây nhiễu loạn thị trường.
• Đối với công tác đào tạo: Đưa phương pháp phân tích kỹ thuật dựa trên chuỗi thời gian và các hàm thống kê vào chương trình giảng dạy thực hành tại các trường đại học và viện nghiên cứu chuyên ngành tài chính - chứng khoán.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

1. Quy mô mẫu khảo sát: Nghiên cứu khảo sát trên một số lượng giới hạn các nhà đầu tư và nhà môi giới chứng khoán, do đó chỉ phản ánh nhận thức của một mẫu trong cộng đồng giao dịch chứ chưa đại diện cho toàn bộ ngành đầu tư tài chính.
2. Giới hạn phương pháp luận chuỗi thời gian: Việc dự báo dựa trên chuỗi thời gian tồn tại rủi ro cố hữu là phụ thuộc hoàn toàn vào giả định giá hiện tại và quá khứ có thể dự báo được giá tương lai ("today's prices can predict future prices"). Dù điều này thường xảy ra, nhưng không mang tính tuyệt đối trong mọi điều kiện thị trường.
3. Giới hạn thời gian: Khung thời gian thực hiện nghiên cứu và khảo sát thực nghiệm tập trung trong giai đoạn từ tháng 03/2011 đến tháng 03/2013, gắn liền với bối cảnh dữ liệu lịch sử 2007–2013.

Hướng nghiên cứu tiếp theo

• Mở rộng quy mô điều tra khảo sát tới phạm vi rộng hơn của toàn bộ ngành đầu tư tài chính để tăng cường tính đại diện thống kê.
• Kiểm thử và cập nhật tham số của 6 chỉ báo kỹ thuật trong mô hình TSA trên các chu kỳ thị trường tiếp theo sau năm 2013.
• Nghiên cứu kết hợp các biến số chuỗi thời gian kỹ thuật với các yếu tố phân tích cơ bản và dữ liệu kinh tế vĩ mô để nâng cao độ chính xác của dự báo.

---

Giá trị tham khảo

Luận án có giá trị tham khảo chuyên môn đối với các nhóm đối tượng:

• Nhà đầu tư chứng khoán: Tham khảo quy trình tích hợp 6 chỉ báo kỹ thuật để lọc nhiễu thông tin, xác định các điểm đảo chiều, hỗ trợ/kháng cự và đưa ra quyết định mua/bán/nắm giữ một cách khách quan.
• Giảng viên và chuyên viên đào tạo chứng khoán: Sử dụng tài liệu như một tài liệu tham khảo chi tiết về cơ sở lý thuyết (Lý thuyết Dow, phân tích chuỗi thời gian) và cách áp dụng các chỉ báo (RSI theo Cardwell, dải Bollinger, ADX của Wilder, Stochastic của Gately, MFI của Quong & Soudack, Fibonacci của Monte & Swope) trên dữ liệu thực tế.
• Sinh viên và nghiên cứu sinh ngành Quản trị Kinh doanh, Tài chính - Ngân hàng: Tham khảo cấu trúc nghiên cứu thực nghiệm đánh giá mức độ chấp nhận công nghệ/mô hình (Acceptability) và phương pháp khai thác chuỗi dữ liệu giao dịch chứng khoán tại một thị trường mới nổi.

---

Câu hỏi thường gặp

1. Mục tiêu cốt lõi của Mô hình Phân tích Chuỗi thời gian (TSA Model) trong luận án là gì?

Mục tiêu cốt lõi của mô hình TSA là tích hợp đồng bộ 6 chỉ báo kỹ thuật thống kê xác suất để dự báo xu hướng của chỉ số chứng khoán (VN-Index và HNX-Index) và hỗ trợ nhà đầu tư đưa ra quyết định giao dịch khách quan (Mua, Bán, hoặc Chờ đợi/Giữ tiền mặt) cho từng cổ phiếu riêng biệt, nhằm giảm thiểu rủi ro thua lỗ do giao dịch theo cảm xúc hoặc tin đồn.

2. Sáu nguyên lý cơ bản của Lý thuyết Dow được luận án trình bày gồm những nội dung nào?

Sáu nguyên lý gồm:

1. Thị trường có ba cấp độ chuyển động (chính, trung gian, ngắn hạn).
2. Xu hướng thị trường trải qua ba giai đoạn (tích lũy, công chúng tham gia, phân phối).
3. Thị trường chiết khấu tất cả các tin tức vào giá.
4. Các chỉ số giá trung bình phải xác nhận lẫn nhau (ví dụ: chỉ số công nghiệp và chỉ số vận tải/đường sắt).
5. Xu hướng thị trường phải được xác nhận bởi khối lượng giao dịch.
6. Một xu hướng được giả định tiếp tục tồn tại cho đến khi có các tín hiệu rõ ràng chứng minh xu hướng đó đã kết thúc.

3. Bộ dữ liệu chuỗi thời gian mà mô hình sử dụng bao gồm những biến số nào và thuộc phạm vi nào?

Bộ dữ liệu gồm 6 biến số chuỗi thời gian: Ngày giao dịch (Date), Giá mở cửa (Open), Giá cao nhất (High), Giá thấp nhất (Low), Giá đóng cửa (Close) và Khối lượng giao dịch (Volume). Phạm vi dữ liệu bao gồm chỉ số VN-Index (HOSE) và HNX-Index (HNX) cùng khoảng 700 mã cổ phiếu niêm yết trong giai đoạn từ năm 2007 đến năm 2013.

4. Luận án chỉ ra điểm khác biệt kỹ thuật quan trọng nào giữa Dải Bollinger và Dải Donchian khi thiết lập lệnh dừng lỗ?

Dải dưới của Donchian không bao giờ tụt xuống trừ khi giá đã phá vỡ xuống dưới đáy cũ trước đó. Ngược lại, dải dưới của Bollinger Bands có thể mở rộng và tụt xuống thấp hơn ngay cả khi giá chưa hề phá vỡ dải. Do đó, nhà đầu tư không thể sử dụng dải dưới Bollinger như một mức dừng lỗ thả nổi độc lập (trailing stop) vì có thể làm tăng rủi ro khi giá giảm, mà bắt buộc phải kết hợp cùng một mức dừng lỗ cố định (fixed stop).

5. Giả thuyết thống kê chính của luận án được phát biểu như thế nào và mức độ chấp nhận mô hình phụ thuộc vào các yếu tố nào?

Giả thuyết không ($H_0$) được phát biểu: "Không có sự khác biệt có ý nghĩa thống kê về mức độ nhận thức giữa các nhóm người trả lời khảo sát". Mức độ chấp nhận của mô hình TSA được xác định là chịu sự tác động và phụ thuộc vào 3 biến số: Độ tin cậy (Reliability), Tính hiệu quả (Efficiency) và Tính sẵn có của phần mềm cùng dữ liệu đầu vào (Availability).

---

Kết luận

Luận án tiến sĩ của nghiên cứu sinh Đào Thế Huy (2013) đã giải quyết vấn đề thực tiễn về tình trạng giao dịch cảm tính và nhiễu loạn thông tin trên thị trường chứng khoán Việt Nam giai đoạn 2007–2013. Bằng việc hệ thống hóa Lý thuyết Dow và tích hợp 6 chỉ báo kỹ thuật thống kê chuỗi thời gian, công trình đã xây dựng mô hình TSA hỗ trợ các quyết định Mua, Bán và Giữ tiền mặt cho khoảng 700 mã cổ phiếu trên HOSE và HNX. Kết quả nghiên cứu đóng góp cơ sở khoa học và dữ liệu thực nghiệm về mức độ chấp nhận của người dùng đối với các công cụ định lượng hỗ trợ đầu tư tài chính.

Trích đoạn nội dung tài liệu

ACCEPTABILITY OF THE TREND FORECASTING MODEL USING THE TIME SERIES ANALYSIS OF STOCK INDICES ___________________________ A DISSERTATION Presented to the Faculty of the Graduate School Southern Luzon State University, Lucban, Quezon, Philippines in Collaboration with Thai Nguyen University, Socialist Republic of Vietnam ___________________________ In Partial Fulfillment of the Requirements for the Degree Doctor of Business Administration ___________________________ By DAO THE HUY (IT) December 2013 i 1 Chapter 1 INTRODUCTION To industrialize and modernize the country requires an effort to maintain stable economic growth and restructure the economy to enhance its efficiency and competitiveness, Vietnam needs huge capital investment. Therefore, building the securities market in Vietnam has become an urgent need to mobilize mid-term and long-term capital within, as well as outside the country into economic investment through debt and capital securities. In addition, equitization of state-owned enterprises along with the establishment and development of the securities market has created a more open and healthy business environment. On July 10, 1998, the Prime Minister signed Decree No.

48/1998/ND- CP on the stock and securities market and a decision to set up two securities trading centers in Hanoi and Ho Chi Minh City. On July 20th 2000, the Ho Chi Minh City Securities Trading Center officially commenced operation and executed the first trading session on July 28, 2000 with two types of listing stocks. After seven years of growth and integration into the global securities market, the government signed Decision No. 599/QD-TTg on May 11, 2007 to transfer the Ho Chi Minh City Securities Trading Center to Hochiminh Stock Exchange (HOSE).

On August 8, 2007, Hochiminh Stock Exchange was officially opened. 2 Hanoi Stock Exchange (HNX) was established by Decision no. 01/2009/QĐ-Ttg dated January 02, 2009 by the Prime Minister of Vietnam on the grounds of transforming and restructuring Hanoi Securities Trading Centre. Hanoi Securities Trading Centre (HASTC), which was founded in compliance with Decision No.127/1998/QĐ-TTg dated July 11, 1998, has gone live since 2005 organizing share auctions and bond biddings.

It also provides a secondary market for both stocks and bonds as its major activities. Hochiminh Stock Exchange has experienced encouraging growth. On August 31, 2012, it has listed 303 stocks with a total capitalization value of VND 154,137,023.19 billion and Hanoi Stock Exchange (HNX) has listed 397 stocks with a total listed value of VND 84,511,094. In the near future, the number of listed stocks on HOSE and HNX will increase quickly because the government has a policy to equitize a number of large companies and state- owned commercial banks which will be listed in the market.

The primary purpose of this research was to assess the Time Series Analysis Model which the researcher has developed to help investors know how to recognize the trend of the market and to provide objectiveness in the decision-making process. There are more than 700 stocks (State Securities Commission of Vietnam, 2012) for investors to choose from and this research will help investors to make an informed decision when they take actions to buy or sell stocks. In Vietnam, the traders mostly buy or sell by emotion or rumors especially individual investors, therefore they almost always make a low profit or a loss. 3 There are many technical indicators to support investor decision but these six indicators that the author used to build the Time Series Analysis Model have not been combined in any model before, and so their usefulness as a combined set of indicators has not yet been identified.

The researcher has more than five years of experience in stock trading in the Vietnam market and realizes the efficiency of technical analysis, which uses a number of core calculations based on statistical functions such as Simple Moving Average, Exponential Moving Average (EMA), simple moving average plus 2 standard deviations, and simple moving average minus 2 standard deviations. This research will apply statistical functions to find the trend of Hose and Hnx and to support trading decisions. Background of the Study Normally, the respondents would need to consider the following questions, so that they can not only make trading decisions, but also assess any trend prediction model that they use: 1. What is the current trend of the Vietnam stock index? 1.

What are the key variables that influence the technical analysis of the stock price? 2. What action should the investor take with each specific stock in each period? 3.3 Wait and hold the money. The TSA Model is designed to assist the investor to answer these questions. Currently some investors do not use any model, and of those that do use a model, the indicators are often used separately and sometimes these indicators are used incorrectly.

There are about 2000 technical indicators and most investors usually do not know what the indicator means, how to use the indicator exactly, or how to combine the technical indicator in trading stock. For stockbrokers, they use a variety of indicators, but they do not have a comprehensive model that uses such a broad range of indicators together. It is expected that the TSA Model will improve this situation for both investors and stockbrokers. The 2005-2009 period is considered as an acceleration phase of the Vietnam stock market with breakthrough growth.

The rate of capitalization/GDP far exceeded the development strategy of the market by 5 2010 (at 10-15% of GDP). (Source: Vietnam State Securities Committee, 2012) With the market size in this period the number of securities companies and investors also grew strongly. In 2000, there six were only s securities companies with capital stock average no more than VND 50 billion and by the end of 2009 there were 105 securities companies with average capital of VND 175 billion, of which some of the larger companies were JSC Saigon Securities (SSI) with VND 1,000 billion and ACB Securities (ACBS) with VND 1,500 billion. During this period, in addition to growth, the stock market also experienced a strong change in management when the Securities Law took effect in January 2007.

In 2007, HCM City Securities Trading Center was transformed into Ho Chi Minh City Stock Exchange (HOSE) to make it more active in management, contributing to market development. In 2008, although Vietnam's stock market was heavily influenced by the global economic downturn, the average transaction volume in HOSE remained at 13 million units/session, deploying online transactions, joint continuous orders contributing to the operation of market transactions. In 2009, the policies of government stimulus and signs of economic recovery helped the market to flourish again. By the end of 2009, the total market capitalization was 620 trillion, equivalent to 38% of GDP (State securities commission of Vietnam, 2012) In the last three years, the boom is Vietnam's stock market has fed a storm of forecasts about market trends, stock prices and recommendations to 6 buy, sell or hold specific stocks.

So much information has become "disturbing" to investors, resulting to investors not knowing what they should do. If they make decisions following this plethora of advice, they will always lose. So how can investor build an appropriate strategy, and make the correct trading decisions? Particularly dangerous are forecasts made by word of mouth, via e- mail, telephone, message broker, analyst, consultant companies and securities investment companies, because this wave spreads information as fast as "oil slick". Currently, there are many ways to analyze and forecast rumored style, jamming, and even forecast nature impose for on investor psychology, leading investors grab market share or attempt situations that create misunderstandings and major; distortions of the stock market in order to profit.

The Vietnam stock market has flourished both in number of listed stocks and the quality of shares listed over time. This is good opportunity for stock investors, but it is also quite risky if investors are not equipped with the right knowledge and proper investment strategy. Having all these premises in mind, the researcher attempted to apply his knowledge of probability statistics into technical analysis to help investors identify the trend of the Vietnam stock market index and to support their trading decisions. Objectives of the Study The main purpose of this research was to assess the acceptability of the Time Series Analysis Model using six statistical indicators of the trend of 7 the Vietnam stock index trend and apply these indicators to each separate stock to help investors make trading decisions (buy/sell/hold).

To assess the usefulness of the TSA Model in terms of: 1. Profile of the respondents 2. Availability of required software and input data? 5. Level of acceptability do you experience when you use the TSA model in assisting you to make investment decisions? Hypothesis of the Study 1.

The hypothesis itself is a null hypothesis, ―There is no significant difference in the level of perceptions among the groups of respondents‖. The model uses six nominated indicators to predict price rises and price falls on the Hose and HNX stock exchanges of Vietnam. The respondents are assessing the reliability and usefulness of the Time Series Analysis Model for decision making for trading actions (buy/sell/hold). The level of acceptability of the trend forecasting model using the Time Series Analysis of stock indices is dependent and affected by the reliability, efficiency and availability variables Significance of the Study This study which aimed to assess the perceptions of users of the TSA Model, used the model to discover the trends of the Vietnam stock index by 8 using time series analysis in technical analysis and in supporting trading decisions.

This study would be beneficial to the following: Stock investors. It is hoped that the study may contribute to more informed decisions for traders. In stock investment, the action to buy, sell or wait is a vital decision but the challenge for the investor is to find the proper point for trading. This research will give the trader a tool or an analysis method to find the trading point for stocks in the Vietnam stock market.

Stock Analysis Teachers. The outcome of the study may be of great help to teachers of stock analysis as they will gain more understanding in the use of technical analysis using time series analysis for stock trading. The researcher may contribute to a new avenue in his search for better ways to improve oneself and the work environment. In this way, it would ultimately lead to a more efficient trading in the teaching of stock analysis.

They will benefit from this study since their main concerns in technical analysis are what they can apply in stock investment or commodities trading by analyzing historical data. The researcher hopes that the results and findings of the study will bring understanding and inspiration to students to further study this field. This study could provide a reference for future proponents who wish to venture into a study related to this ongoing research. Thus, using time series in technical analysis of stock trading could serve as a valuable resource for future studies.

9 Scope and Limitation of the Study The primary aim of this study was to assess the reliability and usefulness of the TSA Model, which applies time series analysis in technical analysis to identify the trend of the Vietnam stock index and support trading decisions. This research surveyed a limited number of investors and stockbrokers, and thus it gave the perceptions of a sample of the investment trading community, it did not give the broad perceptions of the whole investment trading industry. The model uses the historic data of the Vietnam stock index including: Vnindex for Hose and Hnindex for HNX from the years 2007 to 2013. About seven hundred (700) stocks were used as respondents in this study.

The use of time series analysis for technical analysis in this research included the following instructional variables: open price, high price, low price, close price, volume and date of trading.