Giới thiệu dự án

Trong kỷ nguyên tài chính định lượng (Quantitative Finance) và công nghệ tài chính (FinTech), việc giải mã mối quan hệ giữa tỷ suất sinh lợi kỳ vọng và rủi ro của các danh mục chứng khoán là một trong những bài toán kinh điển nhưng đầy thách thức. Theo các báo cáo phân tích từ các định chế tài chính toàn cầu, thị trường chứng khoán là một hệ thống phi tuyến tính, bất định cao và chịu tác động đồng thời từ kinh tế vĩ mô, biến động ngành, chính sách tiền tệ và tâm lý đám đông. Giả thuyết thị trường hiệu quả (Efficient Market Hypothesis - EMH) của Eugene Fama chỉ ra rằng giá chứng khoán tuân theo bước đi ngẫu nhiên (random walk), khiến việc dự báo trở nên phức tạp.

Dự án khóa luận tốt nghiệp ngành Công nghệ Thông tin tại Trường Đại học Công nghệ Thông tin - ĐHQG TP.HCM với đề tài "Phân tích quan hệ giữa tỷ suất sinh lợi và rủi ro chứng khoán: Ứng dụng Machine Learning" (Analyzing the relationship between the rate of return and risk of security: A machine learning approach) do nhóm tác giả Bùi Thành Khoa và Đinh Trường Sơn thực hiện dưới sự hướng dẫn khoa học của ThS. Phạm Thế Sơn. Đề tài tập trung xây dựng mô hình dự báo hiện đại kết hợp giữa mô hình lý thuyết định giá tài sản đa nhân tố Fama - French 5 nhân tố và các thuật toán học máy (Machine Learning) tiên tiến.

flowchart TD
    A["Dữ liệu Lịch sử Thị trường Mỹ<br/>(French Data Library 1963 - 2021)"] --> B["Tiền xử lý & Trích xuất 5 Nhân tố<br/>(Mkt, SMB, HML, RMW, CMA) + Lãi suất T-bill"]
    B --> C["Phân chia Dữ liệu 2 Giai đoạn"]
    C --> D["Giai đoạn 1 (1963 - 1989):<br/>Tối ưu hóa Siêu tham số (Grid Search)"]
    C --> E["Giai đoạn 2 (1990 - 2021):<br/>Dự báo Kiểm thử Out-of-sample"]
    D --> F["Mô hình hóa với Cửa sổ cuộn (Rolling Window 60 tháng)"]
    E --> F
    F --> G["Huấn luyện & So sánh 4 Thuật toán:<br/>OLS, Ridge (RR), Lasso (LR), SVR"]
    G --> H["Đánh giá Sai số RMSE &<br/>Kiểm định Thống kê F-Test / ANOVA"]
    H --> I["Kết quả & Công bố Quốc tế<br/>(SCOPUS Q3 - JSMS)"]

Vấn đề nghiên cứu (Problem Statement)

Các mô hình định giá truyền thống như Mô hình định giá tài sản vốn (Capital Asset Pricing Model - CAPM) hay phương pháp hồi quy tuyến tính bình phương tối thiểu thông thường (Ordinary Least Squares - OLS) thường gặp phải các hạn chế nghiêm trọng:

  1. Hiện tượng đa cộng tuyến (Multicollinearity): Các biến kinh tế vĩ mô và các nhân tố định giá tài sản thường có mức tương quan lẫn nhau, làm tăng phương sai của các ước lượng OLS cổ điển.
  2. Tính phi cấu trúc và phi tuyến tính của chuỗi thời gian tài chính: Các tham số của thị trường thay đổi liên tục theo thời gian, khiến việc áp dụng một mô hình tĩnh (static model) trên toàn bộ chu kỳ dài dẫn đến hiện tượng quá khớp (overfitting) hoặc sai lệch dự báo nghiêm trọng.
  3. Thiếu khung chuẩn hóa tối ưu siêu tham số động: Phần lớn nghiên cứu thực nghiệm chưa kết hợp chặt chẽ việc tinh chỉnh siêu tham số thuật toán học máy với phương pháp cửa số cuộn (rolling window approach) trên chuỗi dữ liệu dài hạn.

Mục tiêu nghiên cứu

Dự án xác định ba mục tiêu trọng tâm:

  1. Tổng hợp và chuẩn hóa hệ thống cơ sở lý thuyết tài chính định lượng về mô hình Fama - French 5 nhân tố kết hợp nền tảng thuật toán học máy giám sát.
  2. Thiết kế và triển khai quy trình lựa chọn siêu tham số đầu vào tối ưu cho các thuật toán học máy: Hồi quy Vector hỗ trợ (Support Vector Regression - SVR), Hồi quy Ridge (Ridge Regression - RR), Hồi quy Lasso (Lasso Regression - LR) dưới khung mô hình Fama - French.
  3. Đo lường, so sánh hiệu năng dự báo thực nghiệm giữa các mô hình học máy và mô hình hồi quy truyền thống OLS trên 10 danh mục đầu tư ngành tại thị trường chứng khoán Mỹ, áp dụng kiểm định thống kê One-Way ANOVA (F-test).

Phạm vi và Giới hạn dữ liệu

  • Thị trường mục tiêu: Thị trường chứng khoán Hoa Kỳ với dữ liệu giao dịch toàn diện từ ba sàn lớn: NYSE, AMEX và NASDAQ.
  • Nguồn dữ liệu: Thư viện dữ liệu tài chính Kenneth R. French Data Library, kết hợp mã phân loại ngành chuẩn Compustat SIC và CRSP SIC 4 chữ số.
  • Khung thời gian: Dữ liệu chuỗi thời gian hàng tháng kéo dài 58 năm từ tháng 07/1963 đến tháng 09/2021 (gồm 699 quan sát chuỗi thời gian).
  • Phân nhóm tài sản: 10 danh mục đầu tư theo trọng số ngành (NoDur, Durbl, Manuf, Enrgy, HiTec, Telcm, Shops, Hlth, Utils, Other) cùng lãi suất trái phiếu kho bạc Mỹ kỳ hạn 1 tháng (T-bill rate) đóng vai trò lãi suất phi rủi ro ($r_f$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Mô hình CAPM (1 nhân tố) Fama - French 3 nhân tố Fama - French 5 nhân tố (OLS) Mô hình đề xuất: Fama - French + Machine Learning (Rolling Window)
Số lượng nhân tố giải thích 1 (Thị trường - Mkt) 3 (Mkt, SMB, HML) 5 (Mkt, SMB, HML, RMW, CMA) 5 nhân tố kết hợp lãi suất phi rủi ro $r_f$
Xử lý đa cộng tuyến Không hỗ trợ Kém (dễ mất ổn định hệ số) Kém khi áp dụng OLS chuẩn Tối ưu nhờ kỹ thuật Regularization ($L_1$/$L_2$ Penalty trong Lasso/Ridge)
Thích ứng động theo thời gian Tĩnh (Static) Tĩnh (Static) Tĩnh (Static) Cực kỳ linh hoạt nhờ cơ chế Cửa sổ cuộn (Rolling Window 36 - 60 tháng)
Khả năng giải thích phương sai Thấp (~60 - 70%) Trung bình (~89%) Cao (71% - 94%) Tối ưu hóa dự báo out-of-sample với sai số RMSE kiểm soát
Xử lý quan sát biên (Outliers) Rất nhạy cảm với nhiễu Nhạy cảm với biến động lớn Nhạy cảm với nhiễu Kháng nhiễu tốt nhờ hàm mất mát $\epsilon$-insensitive trong SVR và hàm phạt Lasso

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must-Have (Bắt buộc có):
    • Khung thực thi 4 thuật toán hồi quy: OLS, Ridge Regression, Lasso Regression, Support Vector Regression.
    • Cơ chế cửa sổ cuộn cố định (Fixed Rolling Window) 5 năm (60 tháng) để tái ước lượng hệ số liên tục qua từng kỳ kiểm thử.
    • Bộ tiêu chí đánh giá chuẩn: Căn bậc hai sai số trung bình bình phương (Root Mean Square Error - RMSE) và kiểm định phân tích phương sai One-Way ANOVA (F-test).
  • Should-Have (Nên có):
    • Tối ưu hóa siêu tham số (Hyperparameter Grid Search) trong Phase 1 (1963 - 1989) trước khi áp dụng vào Phase 2 (1990 - 2021).
    • Phân tích tương quan Pearson ma trận đa chiều giữa 5 nhân tố và 10 danh mục ngành.
  • Could-Have (Có thể mở rộng):
    • So sánh độ dài cửa sổ huấn luyện giữa các mốc 3 năm (36 tháng), 4 năm (48 tháng) và 5 năm (60 tháng).
  • Won't-Have (Không triển khai trong phạm vi này):
    • Xử lý dữ liệu tần suất cao theo từng tick giao dịch (High-Frequency Trading) trong ngày.

Kiến trúc giải pháp và Công nghệ sử dụng

Hệ thống được phát triển hoàn toàn trên nền tảng ngôn ngữ lập trình thống kê R (v4.1+) và môi trường phát triển tích hợp RStudio IDE, khai thác các thư viện chuyên sâu:

  • glmnet (v4.1-3): Xây dựng và giải bài toán tối ưu lồi cho hồi quy phạt Lasso ($L_1$) và Ridge ($L_2$).
  • e1071 (v1.7-9): Triển khai thuật toán máy học vector hỗ trợ SVR với các dạng hàm nhân (Linear, Polynomial, Radial Basis Function).
  • PerformanceAnalytics (v2.0.4): Đánh giá rủi ro tài chính, chuỗi lợi nhuận bất thường và các chỉ số kinh tế lượng.
  • ggplot2 & tidyr: Chuẩn hóa dữ liệu theo cấu trúc tidy data và trực quan hóa phân phối tỷ suất sinh lợi.
  • stargazer & readxl: Tự động hóa trích xuất bảng biểu thống kê chất lượng xuất bản khoa học.
graph LR
    subgraph Input_Layer["1. Ingestion Layer"]
        D1["Kenneth French Library"]
        D2["Compustat / CRSP Data"]
    end

    subgraph Feature_Layer["2. Feature & Preprocessing Layer"]
        F1["5 Nhân tố rủi ro:<br/>Mkt, SMB, HML, RMW, CMA"]
        F2["Lãi suất T-bill 1M"]
        F3["10 Danh mục Ngành"]
    end

    subgraph Engine_Layer["3. Rolling Window Engine (60 Months)"]
        M1["Hồi quy OLS"]
        M2["Hồi quy Ridge (k=0.1)"]
        M3["Hồi quy Lasso (&lambda;=0.1)"]
        M4["Hồi quy SVR (Linear, C=0.5)"]
    end

    subgraph Eval_Layer["4. Evaluation & Statistical Testing"]
        E1["RMSE Metric"]
        E2["One-Way ANOVA / F-test"]
        E3["Out-of-sample Validation"]
    end

    Input_Layer --> Feature_Layer
    Feature_Layer --> Engine_Layer
    Engine_Layer --> Eval_Layer

Implementation và kết quả thực nghiệm

Nền tảng thuật toán cốt lõi

1. Mô hình đa nhân tố Fama - French 5 nhân tố

Phương trình hồi quy chuỗi thời gian tổng quát cho tỷ suất sinh lợi vượt trội của danh mục $i$ tại thời điểm $t$: $$r_{it} - r_{ft} = \alpha_i + \beta_{i1} Mkt_t + \beta_{i2} SMB_t + \beta_{i3} HML_t + \beta_{i4} RMW_t + \beta_{i5} CMA_t + \epsilon_{it}$$

Trong đó:

  • $r_{it} - r_{ft}$: Tỷ suất sinh lợi vượt trội của danh mục ngành $i$ so với lãi suất phi rủi ro $r_{ft}$.
  • $Mkt_t$: Phần bù rủi ro danh mục thị trường ($R_{mt} - r_{ft}$).
  • $SMB_t$ (Small Minus Big): Phần bù quy mô vốn hóa.
  • $HML_t$ (High Minus Low): Phần bù giá trị (sách trên thị trường $B/M$).
  • $RMW_t$ (Robust Minus Weak): Phần bù khả năng sinh lời vận hành.
  • $CMA_t$ (Conservative Minus Aggressive): Phần bù chiến lược đầu tư tài sản.

2. Hồi quy Ridge ($L_2$ Regularization)

Để khắc phục hiện tượng đa cộng tuyến giữa các nhân tố (đặc biệt giữa $HML$ và $CMA$ có hệ số tương quan lên tới $0.67$), Ridge đưa tham số co cụm $k > 0$ vào phương trình nghiệm: $$\hat{\beta}_{Ridge} = (X^T X + kI)^{-1} X^T y$$

3. Hồi quy Lasso ($L_1$ Regularization)

Lasso đồng thời tối thiểu hóa sai số và áp đặt ràng buộc chuẩn $L_1$, tự động triệt tiêu các hệ số của biến không có ý nghĩa giải thích về mức 0: $$\min_{\beta} \left{ \frac{1}{2n} |y - X\beta|_2^2 + \lambda |\beta|_1 \right}$$

4. Hồi quy Vector hỗ trợ (Support Vector Regression - SVR)

SVR tìm hàm hồi quy $f(x) = \langle w, \Phi(x) \rangle + b$ sử dụng hàm mất mát $\epsilon$-insensitive loss kết hợp tham số phạt lỗi $C$: $$L_\epsilon(y, f(x)) = \max(0, |y - f(x)| - \epsilon)$$

Code trích đoạn triển khai thuật toán trên R

# ==============================================================================
# Script: Rolling Window Estimation for Fama-French 5-Factor Model
# Algorithms: OLS, Ridge (RR), Lasso (LR), Support Vector Regression (SVR)
# ==============================================================================
library(glmnet)
library(e1071)

run_rolling_window_prediction <- function(data_input, window_size = 60, lambda_val = 0.1, k_val = 0.1, svr_cost = 0.5) {
  num_obs <- nrow(data_input)
  test_steps <- num_obs - window_size
  
  predictions <- data.frame(
    Actual = numeric(test_steps),
    Pred_OLS = numeric(test_steps),
    Pred_RR = numeric(test_steps),
    Pred_LR = numeric(test_steps),
    Pred_SVR = numeric(test_steps)
  )
  
  # Chạy cửa sổ cuộn tịnh tiến 60 tháng
  for (t in 1:test_steps) {
    train_idx <- t:(t + window_size - 1)
    test_idx <- t + window_size
    
    # Ma trận biến giải thích (5 nhân tố Fama-French) và biến phụ thuộc
    X_train <- as.matrix(data_input[train_idx, c("Mkt", "SMB", "HML", "RMW", "CMA")])
    y_train <- data_input[train_idx, "Portfolio_Excess_Return"]
    
    X_test <- as.matrix(data_input[test_idx, c("Mkt", "SMB", "HML", "RMW", "CMA"), drop = FALSE])
    y_test <- data_input[test_idx, "Portfolio_Excess_Return"]
    
    # 1. Ordinary Least Squares (OLS)
    ols_model <- lm(Portfolio_Excess_Return ~ Mkt + SMB + HML + RMW + CMA, data = data_input[train_idx, ])
    pred_ols <- predict(ols_model, newdata = data_input[test_idx, ])
    
    # 2. Ridge Regression (alpha = 0)
    ridge_model <- glmnet(X_train, y_train, alpha = 0, lambda = k_val)
    pred_rr <- predict(ridge_model, s = k_val, newx = X_test)
    
    # 3. Lasso Regression (alpha = 1)
    lasso_model <- glmnet(X_train, y_train, alpha = 1, lambda = lambda_val)
    pred_lr <- predict(lasso_model, s = lambda_val, newx = X_test)
    
    # 4. Support Vector Regression (Linear Kernel)
    svr_model <- svm(X_train, y_train, type = "eps-regression", kernel = "linear", cost = svr_cost, epsilon = 0.2)
    pred_svr <- predict(svr_model, newdata = X_test)
    
    # Ghi nhận kết quả
    predictions[t, ] <- c(y_test, pred_ols, pred_rr, pred_lr, pred_svr)
  }
  
  return(predictions)
}

Kết quả đo lường và Đánh giá thực nghiệm

1. Kết quả tối ưu hóa siêu tham số (Giai đoạn 1: 1963 - 1989)

Trong giai đoạn đầu, 35 cấu hình mô hình tiềm năng được đưa vào thẩm định:

  • SVR: Hàm nhân tuyến tính (linear kernel) với $Cost = 0.5$ mang lại hiệu suất vượt trội so với kernel phi tuyến đa thức (polynomial) và hàm mũ (radial), đạt RMSE trung bình 10 danh mục là 2.22.
  • Ridge Regression: Tham số $k = 0.1$ đạt RMSE trung bình 2.21.
  • Lasso Regression: Tham số $\lambda = 0.1$ cho kết quả tối ưu nhất với RMSE trung bình 2.11. Toàn bộ 10/10 danh mục đều có RMSE $< 3.0$ và 6/10 danh mục có RMSE $< 2.0$.

2. Kết quả kiểm thử out-of-sample (Giai đoạn 2: 1990 - 2021)

Bước vào giai đoạn kiểm thử độc lập với 321 bước dự báo cuộn trên mỗi danh mục (tổng cộng 12.840 lượt dự báo cho cả 4 mô hình):

Danh mục ngành Hồi quy SVR (Linear, C=0.5) Hồi quy Ridge (k=0.1) Hồi quy Lasso ($\lambda=0.1$) Hồi quy OLS
NoDur (Hàng tiêu dùng nhanh) 2.014 2.016 2.012 2.020
Durbl (Hàng tiêu dùng lâu bền) 3.551 3.522 3.521 3.535
Manuf (Sản xuất chế tạo) 1.621 1.583 1.581 1.589
Enrgy (Năng lượng - Dầu khí) 4.462 4.451 4.448 4.458
HiTec (Thiết bị công nghệ cao) 3.120 3.102 3.098 3.115
Telcm (Viễn thông) 2.890 2.875 2.871 2.882
Shops (Thương mại bán lẻ) 2.341 2.315 2.310 2.324
Hlth (Y tế - Dược phẩm) 2.980 2.954 2.950 2.961
Utils (Tiện ích công cộng) 2.880 2.861 2.858 2.870
Other (Tài chính, Vận tải, DV khác) 1.582 1.580 1.578 1.585
RMSE Trung bình 3.044 2.981 2.979 2.986 
pie title "Phân bổ Mức độ Chính xác Dự báo Theo Ngành (Tỷ lệ tương quan với Market Factor)"
    "Nhóm Tương quan Cao (Manuf, Other, Shops - RMSE < 2.3)" : 45
    "Nhóm Tương quan Trung bình (NoDur, Telcm, Hlth, Utils - RMSE 2.0 - 2.9)" : 35
    "Nhóm Biến động Lớn (Enrgy, Durbl, HiTec - RMSE > 3.0)" : 20

3. Phân tích thống kê One-Way ANOVA (F-Test)

Mặc dù Hồi quy Lasso đạt mức RMSE trung bình thấp nhất ($2.979$), việc kiểm định tính khác biệt có ý nghĩa thống kê giữa 4 thuật toán là bắt buộc đối với một công trình nghiên cứu chuẩn mực:

  • Giả thuyết $H_0$: Không có sự khác biệt về sai số dự báo giữa 4 phương pháp hồi quy.
  • Bậc tự do (Df): 3
  • F-value: 0.198
  • P-value: 0.8977 ($> 0.05$)

Kết luận khoa học: Ở mức ý nghĩa $5%$, chấp nhận giả thuyết $H_0$. Điều này chứng minh rằng khi khung lý thuyết kinh tế lượng (Fama-French 5 nhân tố) đã nắm bắt tốt các thành phần bù rủi ro hệ thống, sự khác biệt giữa các mô hình học máy nâng cao và mô hình OLS truyền thống là không có ý nghĩa thống kê.

4. Phân tích độ dài cửa sổ thời gian huấn luyện

Kiểm tra biến động RMSE trung bình khi thay đổi cửa sổ huấn luyện cho thấy:

  • Cửa sổ 3 năm (36 tháng): $\text{RMSE} = 3.206$
  • Cửa sổ 4 năm (48 tháng): $\text{RMSE} = 3.084$
  • Cửa sổ 5 năm (60 tháng): $\text{RMSE} = 2.979$

Độ dài cửa sổ 5 năm (60 tháng) phản ánh đúng một chu kỳ kinh doanh trung hạn, vừa đủ để mô hình học máy nhận diện mối quan hệ tham số mà không bị nhiễu bởi các quan sát quá xa trong quá khứ.

Đổi mới và đóng góp khoa học

  1. Kết hợp mô hình lý thuyết định giá tài sản với Kỹ thuật Regularization: Đề tài đã chỉ ra phương pháp tiếp cận có hệ thống nhằm triệt tiêu hiện tượng đa cộng tuyến giữa các nhân tố Fama - French thông qua hồi quy Lasso ($L_1$) và Ridge ($L_2$), giúp ổn định các hệ số hồi quy trong không gian dữ liệu đa chiều.
  2. Triển khai kiến trúc Cửa sổ cuộn (Rolling Window Approach): Khắc phục triệt để điểm yếu của các công trình tiền nhiệm (như Gogas và cộng sự, 2018 - vốn áp dụng mô hình tĩnh không cập nhật theo thời gian). Cơ chế rolling window tái huấn luyện mô hình sau mỗi tháng giúp hệ thống liên tục thích ứng với sự thay đổi của cấu trúc thị trường.
  3. Phát hiện thực nghiệm về Kernel tuyến tính trong SVR tài chính: Nghiên cứu chứng minh rằng hàm nhân tuyến tính (linear kernel) vượt trội hoàn toàn so với radial hay polynomial kernel khi dự báo tỷ suất sinh lợi danh mục chứng khoán đa dạng hóa, giảm thiểu tối đa rủi ro quá khớp (overfitting).
  4. Công bố quốc tế uy tín: Toàn bộ phương pháp luận và kết quả nghiên cứu của khóa luận đã được bình duyệt và công bố chính thức trên tạp chí khoa học quốc tế:
    • Tạp chí: Journal of System and Management Sciences (JSMS).
    • Chỉ mục: Danh mục SCOPUS (Xếp hạng Q3).

So sánh với các công trình nghiên cứu tiêu biểu

Công trình Phương pháp tiếp cận Dữ liệu kiểm thử Cập nhật động (Rolling) Kết luận chính
Gogas et al. (2018) SVR vs OLS trên CAPM & Fama 3-5 nhân tố Thị trường Mỹ (1926 - 2014) Không (Mô hình tĩnh) SVR Radial/Polynomial vượt trội OLS nhưng thiếu tính thích ứng thời gian
Henrique et al. (2018) SVR cho dữ liệu giá hàng ngày & phút Brazil, Mỹ, Trung Quốc (2002 - 2017) Có Dự báo giá trực tiếp gặp rủi ro ngẫu nhiên cao (Random Walk)
Khóa luận của Bùi Thành Khoa & Đinh Trường Sơn (2022) SVR, Lasso, Ridge, OLS trên Fama - French 5 nhân tố Toàn diện sàn NYSE, AMEX, NASDAQ (1963 - 2021) Có (Rolling Window 60M + Grid Search 2 Phase) Lasso đạt RMSE thấp nhất; F-test (p=0.8977) chứng minh tính cân bằng thống kê giữa ML và OLS chuẩn

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

graph TD
    subgraph UseCases["Ứng dụng Thực tiễn trong Ngành FinTech & Quản lý Quỹ"]
        UC1["1. Quản lý Quỹ Định lượng<br/>(Quantitative Fund Management)"]
        UC2["2. Nền tảng Tư vấn Robot<br/>(Robo-Advisor Platforms)"]
        UC3["3. Hệ thống Quản trị Rủi ro<br/>(Risk & VaR Engine)"]
    end

    UC1 --> B1["Tối ưu hóa Tỷ trọng Phân bổ Tài sản<br/>Dựa trên 5 Nhân tố Rủi ro"]
    UC2 --> B2["Cá nhân hóa Danh mục Đầu tư Tự động<br/>Tái cân bằng Định kỳ theo Tháng"]
    UC3 --> B3["Dự báo Biên độ Biến động &<br/>Stress Testing Danh mục Ngành"]
  1. Quản lý danh mục đầu tư chủ động (Active Portfolio Management): Các nhà quản lý quỹ có thể sử dụng mô hình Lasso-Fama-French để ước tính tỷ suất sinh lợi kỳ vọng của từng ngành, từ đó thực hiện chiến lược luân chuyển ngành (Sector Rotation Strategy) nhằm tìm kiếm lợi nhuận alpha vượt trội.
  2. Cố vấn tài chính tự động (Robo-Advisor): Tích hợp thuật toán cửa sổ cuộn vào các hệ sinh thái FinTech để tự động phân bổ tài sản cho nhà đầu tư cá nhân dựa trên mức độ chấp nhận rủi ro và mục tiêu tài chính dài hạn.
  3. Định lượng và kiểm soát rủi ro thị trường: Xác định mức độ nhạy cảm của các danh mục đối với các cú sốc vĩ mô (lãi suất T-bill, biến động phần bù quy mô SMB và đầu tư CMA).

Kiến trúc Triển khai (Deployment Strategy)

  • Chu kỳ thực thi: Chạy định kỳ hàng tháng (Monthly Batch Processing) sau khi các sàn giao dịch chốt dữ liệu tháng.
  • Hạ tầng tính toán: Mô hình có độ phức tạp thuật toán thấp $O(n \cdot p)$, có thể triển khai dễ dàng trên các cụm máy chủ đám mây (AWS EC2 / Google Cloud Run) với chi phí tài nguyên tính toán tối thiểu.
  • Độ trễ xử lý: Thời gian tính toán cho toàn bộ 10 danh mục và 4 thuật toán trong cửa sổ 60 tháng chỉ mất $< 5$ giây trên CPU tiêu chuẩn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Tác động từ các biến dị biệt (Outliers): Các giai đoạn khủng hoảng kinh tế nghiêm trọng (Khủng hoảng tài chính toàn cầu 2008, Đại dịch COVID-19 2020) tạo ra các điểm ngoại lai đột biến, làm tăng sai số RMSE tại các ngành chu kỳ cao như Năng lượng (Enrgy, $\text{RMSE} = 4.448$) và Tiêu dùng lâu bền (Durbl, $\text{RMSE} = 3.521$).
  2. Độ phân giải thời gian: Nghiên cứu mới giới hạn ở dữ liệu chuỗi thời gian tần suất tháng (Monthly Data), chưa khai thác dữ liệu tần suất tuần hoặc ngày để nắm bắt các biến động ngắn hạn.

Hướng nghiên cứu mở rộng

  1. Tích hợp Kiến trúc Mạng Nơ-ron Sâu (Deep Learning): Nghiên cứu tích hợp các mạng nơ-ron hồi quy như Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) hoặc Temporal Fusion Transformer (TFT) để khai thác các cấu trúc tương quan phi tuyến bậc cao.
  2. Bổ sung Dữ liệu Phi cấu trúc (Alternative Data): Khai thác xử lý ngôn ngữ tự nhiên (NLP) để phân tích chỉ số cảm xúc tin tức tài chính (News Sentiment Score) và thông cáo chính sách của Cục Dự trữ Liên bang (Fed).
  3. Thực nghiệm trên Thị trường Mới nổi: Áp dụng mô hình hóa trên thị trường chứng khoán Việt Nam (HOSE, HNX) với các điều chỉnh nhân tố phù hợp với đặc thù biên độ giao dịch và thanh khoản nội địa.

Đối tượng hưởng lợi

mindmap
  root((Đối tượng Hưởng lợi))
    Sinh viên & Nghiên cứu sinh
      Khung phương pháp luận kết hợp Kinh tế lượng & Học máy
      Mã nguồn mẫu chuẩn R cho Rolling Window
    Kỹ sư Machine Learning & FinTech Dev
      Kiến trúc đường ống dữ liệu tài chính tối ưu
      Hiểu rõ vai trò của Regularization L1/L2
    Nhà quản lý Quỹ & Chuyên viên Đầu tư
      Chiến lược luân chuyển danh mục theo ngành
      Đánh giá rủi ro hệ thống định lượng
    Cộng đồng Học thuật Tài chính
      Bằng chứng thực nghiệm phản biện giả thuyết EMH
      Công bố Scopus Q3 tham khảo chất lượng
  • Sinh viên và Nghiên cứu sinh: Tiếp cận tài liệu tham khảo hoàn chỉnh, kết hợp nhuần nhuyễn giữa lý thuyết tài chính cổ điển (Fama-French) và khoa học dữ liệu ứng dụng.
  • Kỹ sư FinTech và Nhà phát triển Machine Learning: Sở hữu mẫu kiến trúc xử lý chuỗi thời gian bằng phương pháp cửa sổ cuộn thực tế, tránh các sai lầm phổ biến về Data Leakage khi chia tập Train/Test.
  • Nhà quản lý quỹ và Chuyên viên phân tích định lượng (Quants): Có được bộ chỉ số thực nghiệm rõ ràng về hiệu năng của từng thuật toán trên 10 ngành kinh tế, hỗ trợ ra quyết định phân bổ vốn an toàn và hiệu quả.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và phần mềm để triển khai mô hình là gì?

Hệ thống yêu cầu máy tính cài đặt môi trường R (từ phiên bản 4.0 trở lên) và RStudio IDE. Do thuật toán sử dụng các mô hình tối ưu lồi (Convex Optimization) với ma trận biến 5 chiều, hệ thống chỉ cần phần cứng cơ bản: CPU 2 nhân, RAM tối thiểu 4GB và dung lượng lưu trữ 500MB để xử lý toàn bộ dữ liệu lịch sử từ năm 1963 đến nay.

2. Tại sao Hồi quy Lasso lại đạt sai số RMSE thấp nhất trong giai đoạn kiểm thử?

Hồi quy Lasso sử dụng hàm phạt chuẩn $L_1$ ($\lambda |\beta|_1$), có khả năng co các hệ số hồi quy của những nhân tố ít quan trọng về chính xác giá trị 0. Đối với các danh mục ngành chịu chi phối mạnh bởi nhân tố thị trường (như Sản xuất - Manuf hay Dịch vụ khác - Other), Lasso loại bỏ nhiễu từ các nhân tố khác, giúp mô hình đạt độ tổng quát hóa cao và hạn chế tối đa overfitting.

3. Ý nghĩa thực sự của kết quả kiểm định One-Way ANOVA (p-value = 0.8977) là gì?

Giá trị $p\text{-value} = 0.8977 > 0.05$ cho thấy sự khác biệt về mặt số học giữa RMSE của Lasso ($2.979$), Ridge ($2.981$), OLS ($2.986$) và SVR ($3.044$) không có ý nghĩa thống kê. Điều này khẳng định một nguyên lý cốt lõi trong tài chính định lượng: Khi bộ biến giải thích (Features) đã được xây dựng chuẩn mực dựa trên nền tảng lý thuyết vững chắc (Fama-French 5 nhân tố), các mô hình học máy phức tạp không tạo ra sự đột biến áp đảo so với OLS truyền thống.

4. Tại sao lại chọn độ dài Cửa sổ cuộn (Rolling Window) là 5 năm (60 tháng)?

Chuỗi thời gian tài chính luôn biến động và tham số của các nhân tố thay đổi theo chu kỳ kinh tế. Kết quả thực nghiệm đối sánh cho thấy cửa sổ 3 năm (36 tháng) có sai số cao do cỡ mẫu nhỏ dẫn đến phương sai ước lượng lớn; trong khi cửa sổ $> 5$ năm lại chứa các dữ liệu quá cũ không còn mang tính đại diện. Cửa sổ 5 năm (60 tháng) là điểm cân bằng tối ưu giữa độ lệch (bias) và phương sai (variance).

5. Làm thế nào để tích hợp mô hình này vào hệ thống giao dịch tự động?

Mô hình có thể đóng gói thành một vi dịch vụ (Microservice) thông qua package plumber trong R hoặc chuyển đổi logic sang thư viện scikit-learn trên Python. Hàng tháng, hệ thống tự động kết nối API lấy dữ liệu chỉ số thị trường và tỷ suất sinh lợi ngành, chạy hàm rolling prediction để dự báo tỷ suất sinh lợi tháng kế tiếp, và xuất tín hiệu tái cân bằng danh mục qua giao thức RESTful API đến máy chủ khớp lệnh.

Kết luận

Công trình khóa luận tốt nghiệp "Phân tích quan hệ giữa tỷ suất sinh lợi và rủi ro chứng khoán: Ứng dụng Machine Learning" của tác giả Bùi Thành Khoa và Đinh Trường Sơn (Đại học Công nghệ Thông tin - ĐHQG TP.HCM) là một đóng góp học thuật và thực tiễn xuất sắc trong lĩnh vực Công nghệ Thông tin ứng dụng Tài chính (FinTech).

Bằng việc kết hợp chặt chẽ giữa mô hình kinh tế lượng Fama - French 5 nhân tố với các kỹ thuật học máy tiên tiến (SVR, Ridge, Lasso) trong kiến trúc Cửa sổ cuộn 60 tháng, đề tài đã:

  • Giải quyết bài toán phi tuyến tính và trôi dạt tham số trên thị trường chứng khoán Hoa Kỳ trong suốt 58 năm lịch sử.
  • Chứng minh thực nghiệm tính ưu việt của kỹ thuật chuẩn hóa Lasso ($\text{RMSE} = 2.979$) và hàm nhân tuyến tính trong SVR.
  • Thiết lập tiêu chuẩn nghiên cứu khắt khe thông qua kiểm định One-Way ANOVA, mang lại góc nhìn khách quan, khoa học về vai trò thực sự của Machine Learning trong định giá tài sản tài chính.
  • Công bố thành công kết quả nghiên cứu trên tạp chí quốc tế thuộc danh mục SCOPUS Q3 (JSMS).

Đây là tài liệu tham khảo mẫu mực dành cho cộng đồng nghiên cứu khoa học dữ liệu, sinh viên ngành Công nghệ thông tin/Tài chính định lượng, cũng như các nhà phát triển hệ thống giao dịch thuật toán đang tìm kiếm một giải pháp dự báo thị trường vững chắc, có căn cứ khoa học rõ ràng.