CHƯƠNG I: CO SỞ LÝ LUẬN VA TONG QUAN CÁC NGHIÊN CỨU LIÊN QUAN 1. Khái niệm đầu tư và đầu tư trong thị trường cỗ phiếu Đầu tư là một hoạt động từ bỏ tiêu dùng ở hiện tại dé lựa chọn và nắm giữ một tai sản với mục tiêu nhận được các khoản lãi hoặc sự gia tang về giá trị của tài sản đó trong giai đoạn năm giữ (Bodie và cộng sự, 2012). Đầu tư trong thị trường cô phiếu có thé hiểu là hoạt động mua bán các cô phiếu hoặc các chứng khoán có giá trị gắn với cô phiếu như chứng khoán phái sinh cổ phiếu, chứng quyền có đảm bảo,. với mục đích sinh lời trong tương lai.
Giống như các loại hình đầu tư khác, các nhà đầu tư khi tham gia vào thị trường đều hướng tới một trong hai hoặc cả hai lợi ích sau: (1) phần lãi nhận được hàng kỳ dưới dạng cô tức và (2) phần lợi vốn phát sinh trong giai đoạn nam giữ chứng khoán. Một con số thường xuyên được nhắc tới đó là 90% các nhà đầu tư thua lỗ trên thị trường cổ phiếu. Tính chính xác của số liệu còn là một van đề dang được tranh luận song có một thực tế khó phủ nhận đó là việc kiếm lời trên thị trường nảy là một công việc yêu cầu nhiều kiến thức lẫn kinh nghiệm. Cũng chính vì thế, có nhiều tranh luận, quan điểm khác nhau giữa các nhà đầu tư về cách thức đề kiếm được lợi nhuận từ thị trường khốc liệt này.
Các nhà đầu tư cô phiếu thường được phân ra thành hai nhóm tương ứng với hai quan điểm đầu tư trái ngược nhau đó là nhóm các nhà đầu tư bị động (passive investors) và các nhà đầu tư chủ động (active investors). Cac nha dau tu chu động luôn tìm moi cach dé đạt được lợi nhuận lớn hơn so với lợi nhuận trung bình của thị trường. Họ tận dụng mọi nguồn thông tin khả, kết hợp với nhiều phương pháp kỹ thuật khác nhau dé dự báo sự biến động của giá cô phiếu trong một vài ngày, một vài tuần, một vài tháng, một vài năm hay thậm chí là nhiều năm tới dé từ đó đưa ra các quyết định đầu tư (mua/bán chứng khoán) mà họ tin rằng là có lợi nhất. Có hai phương pháp chủ yếu được sử dụng bởi các nhà đầu tư chủ động đó là phương 13 pháp phân tích cơ bản (fundamental analysis) và phương pháp phân tích kỹ thuật (technical analysis).
Các nhà dau tư bị động thi hoàn toàn trái ngược, họ cho rang công sức va chi phí bỏ ra trong quá trình tìm kiếm cơ hội đầu tư tốt sẽ bao mòn phần lợi nhuận mà một nhà đầu tư nhận được. Họ đặt niềm tin vào sự phát triển tự nhiên của thị trường chứng khoán và vì thế, họ thực hiện mua các các phiên bản thu nhỏ của toàn bộ thị trường dưới dạng các chỉ số (indices) và hài lòng với lợi nhuận trung bình mà thị trường đạt được. Cho tới này, tranh luận về hai quan điểm đầu tư này vẫn chưa dừng lại và các nghiên cứu mới vẫn tiếp tục thực hiện (French, 2008; Garleanu và Pederson, 2019); Anadu và cộng sự, 2020). Song, công trình nghiên cứu này không tập trung vào so sánh hai quan điểm kể trên mà sẽ sử dụng chiến thuật đầu tư bị động như một thang đo tiêu chuẩn đề đánh giá hiệu quả và tinh kha thi của phương pháp đề xuất.
Các phương pháp phân tích sử dụng trong thị trường cô phiếu 1. Phương pháp phân tích cơ bản Phân tích cơ ban (fundamental analysis) là quá trình phân tích các thông tin quan trọng, cơ bản đối với một doanh nghiệp như năng lực tài chính, môi trường kinh doanh, điều kiện kinh tế vĩ mô, năng lực quản trị,. Phương pháp này cho phép các nhà dau tư có cái nhìn khách quan, toan diện về tiềm năng, khả năng phát triển của doanh nghiệp nhưng có một điểm trừ là yêu cầu khối lượng thời gian lớn và kiến thức am hiểu chuyên sâu về các kiến thức kinh tế vi mô, vũ mô cũng như các ngành nghề khác nhau trong nền kinh tế. Đây là phương pháp chính được các nhà đầu tư theo trường phái đầu tư giá trị ưu tiên sử dụng.
Benjamin Graham (1965) trong cuốn sách nổi tiếng “Nhà dau tư thông minh” đã khái quát quá trình dau tư giá trị băng khái niệm về biên an toàn. Cụ thê, mục tiêu của 3 Từ gốc: margin of safety 14 các nhà đầu tư giá trị là phát hiện và mua nắm giữ các cô phiếu bị định giá thấp hơn giá trị thực của công ty đó thông qua việc áp dụng phân tích cơ bản về nền kinh tế, ngành nghề kinh doanh cũng như tình hình tài chính của doanh nghiệp. Nhà đầu tư giá trị sẽ nhận được lợi nhuận khi thị trường phát hiện ra sai sót trong định giá và giá cô phiếu sẽ được đưa về ngưỡng giá trị thực của nó. Quan niệm đầu tư này đã được áp dụng vô cùng thành công bởi nhà dau tư vĩ dai Warren Buffet — người cũng từng là học trò của tác giả Graham Benjamin.
Phuong pháp phân tích kỹ thuật Phương pháp phân tích kỹ thuật dựa trên lý thuyết về thị trường hiệu quả - Efficient Market Hypothesis (EMH) của Malkiel và Fama (1970). Lý thuyết này cho răng khi thị trường dat mức hiệu qua dạng mạnh (strong form) hoặc dạng vừa (semi-strong form) thì các thông tin trên thị trường sẽ được phản ánh vào biến động giá cả cô phiếu. Hay nói cách khác, dựa vào biến động giá ca của cổ phiếu dưới dang các chỉ báo kỹ thuật, các nhà dau tư có thé dự đoán biến động sắp tới của giá cô phiếu thông qua phân tách các thông tin từ dữ liệu và xác định xu hướng chung thị trường cũng như của từng cô phiếu đơn lẻ, các điểm quá bán hoặc quá mua của các cô phiếu (Blume và cộng sự, 1994). Từ đó mà họ có thê kiếm lời thông qua việc mua đi bán lại cổ phiếu trong ngắn hoặc trung hạn.
Không chỉ vậy, các nhà đầu tư giá trị cũng có thể tham khảo các tín hiệu từ phương pháp phân tích kỹ thuật dé có thé tìm điểm mua và điểm bán tối ưu. Học máy, học sâu và ứng dụng của chúng trong thị trường cỗ phiếu 1. Khái niệm Học máy và cơ sở lý luận về mạng nơ-ron nhân tạo (ANN) Thuật ngữ Học máy (Machine learning) đã được lần đầu được biết đến rộng rãi trong nghiên cứu của Samuel (1959) về ứng dụng của Học máy trong trò chơi cờ đam. Học máy (Machine learning) được Arthur L.
Samuel định nghĩa là lĩnh vực nghiên cứu cho phép máy tính có khả năng tự học mà không cần lập trình cụ thể. Nếu như với việc 15 lập trình truyền thống, lập trình viên phải đưa ra một thuật toán cung cấp cách giải cho máy tính và máy tính chỉ có nhiệm vụ tính toán để đưa ra kết quả thì với học máy, lập trình viên không cần phải có sẵn một cách giải cụ thể mà vẫn có thể đưa ra được kết quả như mong muôn. —— Máy tính ————— Thuật toán (logic) Hình 1.1: Quy trình lập trình truyền thống Dữliệu mẫu ——— Máy tính ————— Kết quả mẫu ——————> Dữ liệu mới ————* May tinh Đối với học máy, thay vì đưa cho máy tính một cách giải cho một bài toán thì lập trình viên sẽ đưa ra thuật toán dé máy tính có thé tự tìm cách dé giải được bài toán đó. Quá trình này hay được gọi là xây dựng mô hình học máy.
Đặc trưng của một mô hình học máy bao gồm (1) cau trúc của mô hình, (2) cách dé đánh giá hiệu suất của mô hình và (3) cách dé tối ưu hóa hiệu suất. Đề tìm hiểu về cách thức hoạt động của học máy, lay mô hình cơ ban nhất của học may là mô hình mang no ron nhân tao (Artificial Neuron Network — ANN) được xây dựng bởi Rosenblatt (1961) làm ví dụ. 16 Mô hình ANN là một tập hợp bao gồm các điểm nút được gọi là nơ ron nhân tạo kết nối với nhau thông qua một cơ chế tương tự như các xynap trong não bộ của con người. Tín hiệu từ các điểm nút đầu tiên (mang đữ liệu thô đầu vào) sẽ được các xynap chuyển tới các điểm nút trung gian và sau đó là tới các điểm nút cuối cùng đưa kết qua phản hồi của mô hình đối với đữ liệu ban đầu.
Trong mô hình ANN, mỗi điểm nút (nơ ron nhân tạo) chứa một số thực biểu thị một thông nao nó, sự vận chuyên thông tin giữa các lớp no ron là một phép chuyền đổi phi tuyến các thông tin ở lớp trước.3 mô phỏng lại ba lớp của mô hình ANN bao gồm: (1) lớp đữ liệu vào, (2) lớp an và (3) lớp dữ liệu ra. Trong đó, lớp thứ nhất chứa các dữ liệu đầu vào cần thiết dé giải quyết bài toán, lớp thứ ba là lớp biểu thị kết quả kỳ vọng của bài toán (đối với quá trình huấn luyện) và kết quả dự đoán của mô hình (đối với quá trình dự đoán). Đặc biệt, lớp ở giữa là lớp tiến hành chuyền đổi phi tuyến các giá trị ở lớp dữ liệu vào sang giá trị ở lớp dir liệu ra. 17 Nguồn: Tác giả tổng hợp Trong đó, mỗi no ron ở lớp trước sẽ được kết nối với tat cả các no ron ở lớp sau.
Mục tiêu của việc huấn luyện mô hình học máy chính là xác định mức độ mạnh hay yếu (ký hiệu đậm hay nhạt) và chiều biến đổi âm hay dương (ký hiệu đỏ hay xanh) của các kết nối giữa các no-ron sao cho khi đưa dữ liệu vào lớp đầu tiên (input layer), thông tin sẽ được vận chuyền tới lớp cuối cùng và trả lại kết quả như kỳ vọng. Vi dụ như bài toán phân loại thu rác trong hom thư email với dữ liệu đầu vào là nội dung của một bức thư, ta cần đưa ra đánh giá xem liệu bức thư đó có phải thư rác hay không? Bài toán này có thê đánh giá là rất phức tạp với các thuật toán lập trình hiện có còn nếu thực hiện thủ công thì sẽ tiêu tốn rất nhiều chi phi. Tuy nhiên, đây lại là một bài toán có thé giải quyết dé dang bằng các mô hình hoc máy. 18 \ Axon benminal Outputs Myelin sheat Myelinated axon Hình 1.4: So sánh mang nơ-ron nhân tạo với cau tạo no-ron bên trong bộ não con người Nguồn: Loc Vu-Quoc (2016) Mô tả lai bai toán, từ nội dung cua email được biểu thị đưới dạng các đặc trưng đầu vào x1, xạ, X3,., x„, ta cần mô hình trả ra kết quả liệu bức thư đó là thư rác hay không (mô hình trả ra 1 nếu là thư rác và 0 nếu không phải thư rác).