BƯỚC 1: PHÂN TÍCH TÀI LIỆU

1. Các vấn đề/câu hỏi chính mà tài liệu giải quyết

  • Bài toán dự báo hiệu quả kinh doanh: Làm thế nào để tự động hóa quá trình đánh giá và phân loại sức khỏe tài chính doanh nghiệp thông qua chỉ số thu nhập trên mỗi cổ phần (EPS)?
  • Lựa chọn mô hình tối ưu: Thuật toán phân lớp nào (Logistic Regression, Decision Tree, SVM hay Neural Network) mang lại độ chính xác cao nhất trên tập dữ liệu tài chính định lượng?
  • Mối tương quan giữa các chỉ số tài chính: Bộ ba chỉ số ROA (Tỷ suất sinh lời trên tài sản), DE (Tỷ lệ nợ trên vốn chủ sở hữu) và BV (Giá trị sổ sách) tác động như thế nào đến khả năng sinh lời EPS của các doanh nghiệp niêm yết tại Việt Nam?
  • Khả năng khái quát hóa của mô hình: Liệu mô hình học máy được huấn luyện trên một ngành đặc thù (ngành Thực phẩm) có thể dự báo hiệu quả cho 9 nhóm ngành kinh doanh khác trên thị trường chứng khoán hay không?

2. Danh mục thuật ngữ chuyên ngành quan trọng

  1. Data Mining (Khai phá dữ liệu)
  2. Classification (Phân lớp dữ liệu)
  3. Neural Network (Mạng nơ-ron nhân tạo)
  4. EPS - Earning Per Share (Tỷ suất thu nhập trên mỗi cổ phần)
  5. ROA - Return on Assets (Tỷ suất sinh lời trên tổng tài sản)
  6. DE - Debt to Equity (Tỷ lệ nợ trên vốn chủ sở hữu)
  7. BV - Price to Book Value (Tỷ lệ giá trên giá trị sổ sách)
  8. Decision Tree (Cây quyết định)
  9. Logistic Regression (Hồi quy Logistic)
  10. SVM - Support Vector Machine (Máy vector hỗ trợ)
  11. Confusion Matrix (Ma trận nhầm lẫn)
  12. Accuracy / CA (Độ chính xác phân lớp)
  13. Precision (Độ chuẩn xác)
  14. Recall (Độ bao phủ / Độ nhạy)
  15. F1-Score (Chỉ số F1)
  16. ROC Curve (Đường cong đặc trưng hoạt động của máy thu)
  17. AUC - Area Under Curve (Diện tích dưới đường cong ROC)
  18. K-fold Cross Validation (Kiểm định chéo K-fold)
  19. Orange Data Mining (Phần mềm khai phá dữ liệu Orange)
  20. HOSE / HNX / UPCOM (Các sàn giao dịch chứng khoán Việt Nam)

3. Đóng góp và điểm mới của tài liệu

  • Tích hợp liên ngành: Kết hợp chặt chẽ giữa công nghệ khai phá dữ liệu hiện đại và phân tích báo cáo tài chính doanh nghiệp trong bối cảnh thị trường chứng khoán Việt Nam.
  • Quy trình trực quan hóa bằng mã nguồn mở: Ứng dụng thành công phần mềm Orange kết hợp Excel 2016 giúp xây dựng quy trình phân tích dữ liệu tự động, trực quan và dễ tiếp cận cho các nhà phân tích tài chính.
  • Đánh giá thực nghiệm hiệu năng cao: Chứng minh thực nghiệm mô hình Neural Network đạt hiệu năng vượt trội (AUC = 98.1%, F1-Score = 94.5%) so với các thuật toán truyền thống (Decision Tree, SVM, Logistic Regression).
  • Ứng dụng dữ liệu thực tế diện rộng: Khảo sát và phân loại thành công 337 doanh nghiệp niêm yết trên HOSE và HNX/UPCOM tại thời điểm Quý II/2021.

BƯỚC 2: NỘI DUNG BÀI VIẾT SEO

Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam (HOSE, HNX, UPCOM) đang chứng kiến sự bùng nổ mạnh mẽ về quy mô giao dịch lẫn số lượng nhà đầu tư tham gia. Cùng với sự phát triển kinh tế, khối lượng dữ liệu tài chính khổng lồ được công bố định kỳ ngày càng vượt quá khả năng xử lý thủ công của con người. Do đó, việc ứng dụng các công nghệ phân tích định lượng tiên tiến trở thành yêu cầu cấp thiết nhằm hỗ trợ ra quyết định đầu tư chính xác và kịp thời.

Nghiên cứu "Nghiên cứu các phương pháp khai phá dữ liệu và ứng dụng Neural Network vào chỉ số tài chính EPS để dự báo tình hình hoạt động kinh doanh của các công ty niêm yết trên sàn giao dịch chứng khoán tại Việt Nam" tập trung giải quyết bài toán tự động hóa đánh giá sức khỏe doanh nghiệp. Đề tài giải quyết khoảng trống trong việc tổng hợp các chỉ số báo cáo tài chính phức tạp thành tín hiệu phân lớp nhị phân rõ ràng, giúp nhận diện sớm các doanh nghiệp hoạt động hiệu quả.

Bằng việc kết hợp phương pháp khai phá dữ liệu (Data Mining) và thuật toán Mạng nơ-ron nhân tạo (Neural Network), nghiên cứu đã phân tích bộ dữ liệu gồm 337 công ty niêm yết trong Quý II/2021. Thông qua nền tảng trực quan Orange, mô hình đề xuất đã chứng minh được tính ưu việt trong việc sàng lọc cơ hội đầu tư dựa trên dữ liệu định lượng khách quan.

Nội dung chi tiết

Cơ sở lý thuyết về Khai phá dữ liệu và Phân lớp trong Tài chính

Khai phá dữ liệu (Data Mining) là quá trình tự động trích xuất các tri thức hữu ích, các quy luật ẩn sâu bên trong các tập dữ liệu lớn. Trong phân tích tài chính, quy trình khai phá dữ liệu chuẩn bao gồm 7 bước tuần tự: làm sạch dữ liệu, tích hợp, thu giảm, chuyển đổi, khai phá, đánh giá mẫu và trực quan hóa thông tin. Trong đó, kỹ thuật phân lớp dữ liệu (Classification) giữ vai trò then chốt khi cho phép gán nhãn đối tượng vào các nhóm định trước dựa trên các thuộc tính đặc trưng.

Các mô hình học máy phổ biến hiện nay bao gồm Hồi quy Logistic (Logistic Regression), Cây quyết định (Decision Tree), Máy vector hỗ trợ (Support Vector Machine - SVM) và Mạng nơ-ron nhân tạo (Neural Network). Mỗi thuật toán sở hữu cơ chế xử lý riêng biệt:

  • Hồi quy Logistic: Dự đoán xác suất xảy ra biến cố rời rạc dựa trên các biến độc lập liên tục.
  • Cây quyết định: Phân nhánh dữ liệu theo chuỗi quy tắc điều kiện if-then trực quan và dễ diễn giải.
  • Support Vector Machine (SVM): Tìm kiếm siêu phẳng tối ưu nhằm tối đa hóa khoảng cách (Margin) giữa các lớp dữ liệu trong không gian đa chiều.
  • Neural Network: Mô phỏng mạng lưới tế bào thần kinh sinh học với cấu trúc đa tầng (Input layer, Hidden layers, Output layer), đặc biệt hiệu quả trong việc nắm bắt các mối quan hệ phi tuyến tính phức tạp giữa các chỉ số tài chính.

Trong phân tích doanh nghiệp, chỉ số EPS (Earning Per Share) phản ánh trực tiếp khả năng sinh lời trên mỗi cổ phần, là thước đo hàng đầu về hiệu quả hoạt động kinh doanh. Để giải thích sự biến động của EPS, nghiên cứu lựa chọn ba biến số tài chính nền tảng gồm:

  1. ROA (Return on Assets): Đo lường hiệu quả sinh lời trên tổng tài sản mà doanh nghiệp quản lý.
  2. DE (Debt to Equity): Phản ánh cấu trúc vốn và mức độ đòn bẩy tài chính của doanh nghiệp.
  3. BV (Price to Book Value): So sánh giá trị trường với giá trị sổ sách của cổ phiếu.

Phương pháp nghiên cứu và Ứng dụng mô hình Neural Network trên Orange

Nghiên cứu thiết lập một quy trình phân tích định lượng thực nghiệm dựa trên dữ liệu tài chính kiểm toán Quý II/2021 của 337 công ty niêm yết trên hai sàn HOSE và HNX. Dữ liệu được thu thập từ nguồn cophieu68.vn và xử lý sơ bộ qua Excel 2016 trước khi đưa vào môi trường khai phá dữ liệu Orange.

Tổng thể dữ liệu được phân chia thành hai tập độc lập:

  • Tập huấn luyện (Training Set): Gồm 110 doanh nghiệp thuộc ngành Thực phẩm.
  • Tập dự báo (Prediction Set): Gồm 227 doanh nghiệp thuộc 9 nhóm ngành khác (Thép, Thủy sản, Bất động sản, Dầu khí, Vật liệu xây dựng, Dịch vụ – Du lịch, Thương mại, Hàng không, Chứng khoán).

Biến mục tiêu (Target) được thiết lập dưới dạng phân lớp nhị phân:

  • HIGH (Tốt): Doanh nghiệp có chỉ số $EPS > 1.500$ VNĐ.
  • LOW (Xấu/Kém hiệu quả): Doanh nghiệp có chỉ số $EPS \le 1.500$ VNĐ.
       [ Báo cáo tài chính Quý II/2021 (337 Doanh nghiệp) ]
                                |
        +-----------------------+-----------------------+
        |                                               |
[ Tập huấn luyện (110 DN) ]                    [ Tập dự báo (227 DN) ]
(Ngành Thực phẩm)                              (9 nhóm ngành khác)
        |                                               |
[ Tiền xử lý & Gán nhãn ]                               |
(ROA, DE, BV -> Target: HIGH / LOW)                     |
        |                                               |
[ Đánh giá 5-fold Cross-Validation ]                    |
(So sánh: Logistic, Tree, SVM, Neural Net)              |
        |                                               |
[ Mô hình tối ưu: Neural Network ]                      |
(AUC = 98.1%, F1 = 94.5%)                               |
        |                                               |
        +-----------------------+-----------------------+
                                |
                   [ Khai phá dự báo (Orange) ]
                                |
             +------------------+------------------+
             |                                     |
   [ 95 Doanh nghiệp HIGH ]              [ 132 Doanh nghiệp LOW ]
   (Hoạt động kinh doanh Tốt)            (Hiệu quả kinh doanh Thấp)

Quy trình đánh giá mô hình áp dụng kỹ thuật kiểm định chéo 5-fold Cross Validation nhằm loại bỏ hiện tượng quá khớp (Overfitting) và đảm bảo tính khách quan. Hiệu năng của 4 thuật toán được đo lường thông qua Ma trận nhầm lẫn (Confusion Matrix), Độ chính xác (CA), Precision, Recall, F1-Score và diện tích dưới đường cong ROC (AUC).

Kết quả thực nghiệm cho thấy mô hình Neural Network hoàn toàn áp đảo các thuật toán còn lại:

  • Chỉ số AUC: Đạt mức $98.1%$ ($0.981$), thể hiện khả năng phân biệt lớp xuất sắc.
  • Chỉ số F1-Score: Đạt $94.5%$ ($0.945$).
  • Ma trận nhầm lẫn của Neural Network: Phân loại chính xác 56/61 mẫu dương tính (HIGH) và 48/49 mẫu âm tính (LOW), chỉ có 1 trường hợp False Positive và 5 trường hợp False Negative.

Phân tích kết quả dự báo hiệu quả kinh doanh qua chỉ số EPS

Sau khi xác định Neural Network là mô hình phân lớp tối ưu nhất trên tập huấn luyện ngành Thực phẩm, nghiên cứu tiến hành triển khai dự báo cho 227 doanh nghiệp thuộc 9 nhóm ngành còn lại. Thuộc tính các biến độc lập (ROA, DE, BV) được giữ nguyên định dạng đặc trưng (Feature) để thuật toán tính toán xác suất phân lớp.

Kết quả dự báo trên 227 doanh nghiệp niêm yết ghi nhận:

  • Nhóm doanh nghiệp hoạt động kinh doanh tốt (EPS HIGH): Có 95 doanh nghiệp được mô hình phân loại với xác suất $P(\text{HIGH}) > 0.5$. Những đơn vị này duy trì tỷ suất sinh lời ROA cao, cơ cấu nợ DE ở mức an toàn và chỉ số định giá BV ổn định.
  • Nhóm doanh nghiệp hiệu quả chưa cao (EPS LOW): Có 132 doanh nghiệp được xếp vào nhóm có hiệu quả kinh doanh thấp với $P(\text{LOW}) > 0.5$. Phần lớn các doanh nghiệp này chịu áp lực chi phí hoặc suy giảm doanh thu do ảnh hưởng từ chu kỳ kinh doanh và đại dịch.

Ứng dụng thực tiễn của mô hình mang lại giá trị to lớn cho quản trị đầu tư. Phương pháp này giúp nhà đầu tư thiết lập bộ lọc cổ phiếu tự động, giảm thiểu rủi ro cảm tính và tối ưu hóa thời gian phân tích báo cáo tài chính định kỳ. Bên cạnh đó, các doanh nghiệp có thể chủ động đối chiếu các chỉ số ROA, DE, BV của mình để tái cấu trúc nguồn vốn và cải thiện năng lực tạo ra lợi nhuận ròng.

Ai nên đọc tài liệu này?

Tài liệu là nguồn tham khảo giá trị dành cho các nhóm đối tượng sau:

  • Nhà đầu tư cá nhân và tổ chức trên thị trường chứng khoán: Cung cấp phương pháp định lượng khoa học để sàng lọc các mã cổ phiếu có nền tảng tài chính lành mạnh và tiềm năng tăng trưởng EPS vượt trội.
  • Sinh viên, học viên cao học và giảng viên ngành Fintech / Khoa học dữ liệu: Tài liệu mẫu chuẩn mực về quy trình ứng dụng công cụ Data Mining (Orange) giải quyết bài toán tài chính thực tế tại Việt Nam.
  • Chuyên viên phân tích tài chính và quản trị rủi ro doanh nghiệp: Hỗ trợ xây dựng các hệ thống chấm điểm tín dụng nội bộ, cảnh báo sớm rủi ro tài chính thông qua việc liên kết các chỉ số cân đối kế toán.

Kiến thức nền tảng cần có: Người đọc chỉ cần nắm vững kiến thức cơ bản về đọc hiểu Báo cáo tài chính doanh nghiệp (bảng cân đối kế toán, báo cáo kết quả kinh doanh) và các khái niệm sơ lược về máy học để tiếp thu trọn vẹn nội dung nghiên cứu.

Câu hỏi thường gặp

1. Khai phá dữ liệu trong dự báo tài chính là gì?

Khai phá dữ liệu tài chính là quá trình sử dụng các thuật toán máy học để tự động phân tích các tập dữ liệu số liệu kế toán lớn. Kỹ thuật này giúp phát hiện ra các quy luật tiềm ẩn, dự báo xu hướng sinh lời và hỗ trợ nhà đầu tư đưa ra quyết định dựa trên bằng chứng định lượng chính xác.

2. Quy trình dự báo chỉ số EPS bằng phần mềm Orange diễn ra như thế nào?

Quy trình gồm 4 bước chính:

  1. Nhập tập dữ liệu báo cáo tài chính vào Orange.
  2. Khai báo thuộc tính biến (Feature cho ROA/DE/BV, Target cho Assessment HIGH/LOW).
  3. Đánh giá và huấn luyện mô hình phân lớp bằng kiểm định chéo 5-fold Cross Validation.
  4. Sử dụng công cụ Predictions để xuất kết quả phân loại cho tập dữ liệu mới.

3. Tại sao mô hình Neural Network lại vượt trội hơn Decision Tree hay Logistic Regression?

Neural Network sở hữu các tầng ẩn (Hidden Layers) cùng hàm kích hoạt phi tuyến tính linh hoạt. Cấu trúc này cho phép mạng nơ-ron mô hình hóa các mối quan hệ phức tạp, đa chiều giữa các chỉ số tài chính (ROA, DE, BV) mà các mô hình tuyến tính đơn giản không thể biểu diễn trọn vẹn.

4. Khi nào nhà đầu tư nên áp dụng mô hình phân lớp EPS để chọn lọc cổ phiếu?

Nhà đầu tư nên áp dụng mô hình vào các kỳ công bố Báo cáo tài chính quý hoặc năm. Khi dữ liệu kế toán vừa được cập nhật, mô hình sẽ tự động tính toán và sàng lọc nhanh danh sách các doanh nghiệp duy trì hiệu quả EPS cao để cơ cấu lại danh mục đầu tư.

5. Bộ ba chỉ số ROA, DE và BV phản ánh điều gì trong mô hình dự báo?

ROA phản ánh năng lực tạo ra lợi nhuận từ tài sản hiện có; DE thể hiện mức độ rủi ro đòn bẩy tài chính từ các khoản nợ vay; còn BV phản ánh tương quan định giá thị trường so với giá trị thực tế trên sổ sách. Cả ba chỉ số kết hợp tạo nên bức tranh toàn diện về sức khỏe nội tại của doanh nghiệp.

Kết luận

Nghiên cứu đã khẳng định tính khả thi và hiệu quả vượt trội của việc ứng dụng công nghệ khai phá dữ liệu vào lĩnh vực tài chính - chứng khoán tại Việt Nam.

Các điểm đúc kết chính:

  • Mô hình Neural Network đạt hiệu năng phân lớp vượt trội nhất với chỉ số AUC đạt 98.1% và F1-Score đạt 94.5%.
  • Bộ ba biến số tài chính ROA, DE, BV có mối tương quan chặt chẽ và đóng vai trò quyết định trong việc dự báo phân lớp chỉ số EPS.
  • Quy trình triển khai trên phần mềm mã nguồn mở Orange mang lại giải pháp phân tích dữ liệu trực quan, dễ ứng dụng trong thực tế đầu tư.
  • Dự báo thành công trên 227 doanh nghiệp thuộc 9 nhóm ngành niêm yết, xác định 95 doanh nghiệp đạt tiêu chuẩn hoạt động kinh doanh tốt.

Trong các giai đoạn nghiên cứu tiếp theo, đề tài có thể mở rộng khung thời gian thu thập dữ liệu (từ 3–5 năm) và bổ sung thêm các biến số kinh tế vĩ mô (lãi suất, lạm phát, GDP) nhằm tối ưu hóa độ chính xác của mô hình dự báo tài chính.