Giới thiệu dự án

Bối cảnh thị trường và vấn đề thực tiễn

Thị trường chứng khoán (TTCK) Việt Nam giữ vai trò huyết mạch trong hệ thống tài chính quốc gia, là kênh dẫn vốn trung và dài hạn trọng yếu cho nền kinh tế. Bước vào giai đoạn 2024–2025 với mục tiêu chiến lược nâng hạng từ thị trường cận biên (Frontier Market) lên thị trường mới nổi (Emerging Market) theo tiêu chuẩn FTSE Russell và MSCI, quy mô vốn hóa toàn thị trường đã vượt 60% GDP, thanh khoản bình quân phiên đạt từ 15.000 đến trên 30.000 tỷ VNĐ.

Tuy nhiên, mức độ liên thông và hội nhập quốc tế ngày càng sâu rộng khiến thị trường tài chính Việt Nam trở nên cực kỳ nhạy cảm trước các cú sốc kinh tế vĩ mô đa chiều: biến động tỷ giá USD/VND, chu kỳ điều hành lãi suất của Cục Dự trữ Liên bang Mỹ (FED) và Ngân hàng Nhà nước Việt Nam (NHNN), sự biến động của cung tiền M2, chỉ số giá tiêu dùng (CPI), cùng sự dao động của các hàng hóa chiến lược (giá dầu WTI, giá vàng) và các chỉ số chứng khoán quốc tế (S&P 500, Dow Jones, Nikkei 225).

                                    +-----------------------------------------+
                                    |         CÁC BIẾN SỐ VĨ MÔ ĐẦU VÀO       |
                                    | (M2, Lãi suất, CPI, Tỷ giá, Dầu, Vàng)  |
                                    +-----------------------------------------+
                                                         |
                                                         v
                                    +-----------------------------------------+
                                    |           PIPELINE TIỀN XỬ LÝ           |
                                    |  • Kiểm định dừng ADF (Augmented D-F)   |
                                    |  • Chuyển đổi TSSL (pct_change)         |
                                    |  • Feature Engineering: Trễ (Lags 1-5)  |
                                    |  • Chuẩn hóa ngưỡng nhiễu min 0.0001    |
                                    +-----------------------------------------+
                                                         |
                                                         v
+-------------------------------------------------------------------------------------------------------------------+
|                                            ENGINE HUẤN LUYỆN MÔ HÌNH HỌC MÁY                                      |
|                                                                                                                   |
|   +-----------------------+   +-----------------------+   +-----------------------+   +-----------------------+   |
|   |   Linear Regression   |   |     Random Forest     |   |   Lasso Reg (L1-norm) |   |   Ridge Reg (L2-norm) |   |
|   |    (Baseline OLS)     |   |   (Non-linear Ensemble|   |  (Feature Shrinkage)  |   |  (Multicollinearity)  |   |
|   +-----------------------+   +-----------------------+   +-----------------------+   +-----------------------+   |
+-------------------------------------------------------------------------------------------------------------------+
                                                         |
                                                         v
                                    +-----------------------------------------+
                                    |          BIẾN MỤC TIÊU DỰ BÁO           |
                                    |  • Chỉ số: VN-Index, VN30, UPCoM        |
                                    |  • Ngành: Ngân hàng, CK, BĐS, Thép, BL  |
                                    +-----------------------------------------+

Vấn đề nghiên cứu cụ thể (Problem Statement)

Các phương pháp định giá truyền thống và mô hình kinh tế lượng cổ điển (như OLS thuần túy hoặc ARIMA đơn biến) thường bộc lộ những hạn chế lớn khi mô hình hóa dữ liệu chuỗi thời gian tài chính:

  • Giả định tuyến tính quá mức: Không phản ánh được tính phi tuyến và tương tác phi tuyến phức tạp giữa các yếu tố vĩ mô và giá cổ phiếu.
  • Hiện tượng đa cộng tuyến (Multicollinearity): Các biến số vĩ mô (lãi suất huy động, lãi suất liên ngân hàng, cung tiền, lạm phát) có sự tương quan nội tại rất lớn, làm mất tính vững của các ước lượng tham số.
  • Độ trễ truyền dẫn chính sách: Tác động của chính sách tiền tệ và tài khóa đến các nhóm ngành không diễn ra tức thì mà có độ trễ phân phối (time-lagged effect) từ 1 đến nhiều tháng.
  • Thiếu tính bao quát theo ngành: Đa số nghiên cứu chỉ tập trung vào chỉ số tổng hợp (VN-Index) mà bỏ qua độ nhạy cảm chuyên biệt của từng nhóm ngành mang tính chu kỳ (Ngân hàng, Bất động sản, Thép, Chứng khoán, Bán lẻ).

Mục tiêu dự án

  1. Mục tiêu 1: Thu thập, làm sạch và xử lý chuỗi thời gian 168 quan sát hàng tháng (01/2010 – 12/2023) gồm 7 nhân tố vĩ mô, 6 chỉ số chứng khoán quốc tế/trong nước, 2 loại hàng hóa và tỷ suất sinh lợi (TSSL) của 5 nhóm ngành.
  2. Mục tiêu 2: Ứng dụng kiểm định tính dừng Augmented Dickey-Fuller (ADF) và cấu trúc hóa đặc trưng đa độ trễ ($Lag_1$ đến $Lag_5$) để xử lý gốc đơn và tích hợp tác động trễ của chính sách vĩ mô.
  3. Mục tiêu 3: Xây dựng, tinh chỉnh siêu tham số và tối ưu hóa tỷ lệ phân chia tập Train/Test trên 5 thuật toán Machine Learning: Linear Regression, K-Nearest Neighbors (KNN), Random Forest, Lasso Regression và Ridge Regression.
  4. Mục tiêu 4: Đánh giá định lượng hiệu suất dự báo thông qua bộ tứ chỉ số $R^2$, MSE, RMSE, MAE cho 8 biến mục tiêu riêng biệt: 3 chỉ số thị trường (r_vnindex, r_vn30, r_upcom) và 5 chỉ số ngành (banle, bds, ck, nh, thep).
  5. Mục tiêu 5: Xác định mô hình tối ưu cho từng loại tài sản và đề xuất khung ứng dụng định lượng phục vụ quản trị rủi ro danh mục và hỗ trợ ra quyết định đầu tư.

Phạm vi và giới hạn nghiên cứu

  • Không gian dữ liệu: Thị trường chứng khoán Việt Nam (dữ liệu sàn HOSE, HNX, UPCoM) liên kết với dữ liệu tài chính toàn cầu từ Bloomberg và FiinPro-X; dữ liệu ngành do Công ty Cổ phần Chứng khoán Rồng Việt (VDSC) chuẩn hóa.
  • Thời gian nghiên cứu: Dữ liệu chuỗi thời gian theo tháng trong 14 năm (01/01/2010 đến 31/12/2023).
  • Giới hạn kỹ thuật: Dữ liệu dừng lại ở tần suất tháng (Monthly data), chưa tính đến các biến động vi mô tần suất cao trong ngày (Intraday/Tick data) và các biến số phi cấu trúc như phân tích tâm lý tin tức (News Sentiment).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận Ưu điểm Nhược điểm Đánh giá độ phù hợp với dữ liệu vĩ mô Việt Nam
Kinh tế lượng truyền thống (VECM, SVAR, GARCH) Cung cấp nền tảng suy diễn thống kê rõ ràng, giải thích tốt mối quan hệ dài hạn Dễ vi phạm giả định khi số lượng biến lớn ($p > n$), kém linh hoạt trong việc tự học từ dữ liệu đa chiều Phù hợp để giải thích mối quan hệ định tính nhưng khả năng dự báo điểm (Point Forecasting) ngoại mẫu kém
Mạng nơ-ron học sâu (LSTM, Deep Neural Network) Học tốt các mối quan hệ phi tuyến phức tạp Đòi hỏi tập dữ liệu khổng lồ hàng trăm nghìn mẫu; cực kỳ dễ bị Overfitting trên tập dữ liệu vĩ mô tần suất tháng ($N = 168$) Chi phí tính toán cao, nguy cơ Overfitting lớn do cỡ mẫu nhỏ
Học máy có giám sát có hiệu chỉnh (Ridge, Lasso, RF, KNN) Cân bằng hoàn hảo giữa Bias-Variance; kiểm soát tốt đa cộng tuyến qua L1/L2 Regularization; hoạt động bền bỉ trên dữ liệu dạng bảng Đòi hỏi kỹ thuật Feature Engineering và tinh chỉnh siêu tham số nghiêm ngặt Tối ưu nhất cho dữ liệu chuỗi thời gian tài chính kết hợp biến số vĩ mô

Ưu tiên yêu cầu hệ thống (MoSCoW)

  • Must-have (Bắt buộc phải có): Pipeline kiểm định ADF tự động; thuật toán trích xuất trễ đa kỳ $Lags \in [1, 5]$; xử lý điểm khuyết thiếu và chuẩn hóa dữ liệu; các mô hình chuẩn: Linear, Ridge, Lasso, Random Forest, KNN.
  • Should-have (Nên có): Cơ chế tự động quét tối ưu tỷ lệ Train/Test split; GridSearch tìm hệ số phạt điều chuẩn $\alpha$ cho Ridge và Lasso; hàm mục tiêu tối ưu hóa sai số hồi quy.
  • Could-have (Có thể mở rộng): Trực quan hóa ma trận trọng số hồi quy; biểu đồ so sánh sai số thực tế vs dự báo.
  • Won't-have (Chưa triển khai trong giai đoạn này): Giao diện Web App tương tác thời gian thực; kết nối WebSocket trực tiếp với luồng dữ liệu Bloomberg Terminal.

Kiến trúc giải pháp và Luồng xử lý dữ liệu

graph TD
    A[Dữ liệu thô 2010-2023: Vĩ mô, Chỉ số, Ngành] --> B[Tiền xử lý: Làm sạch, Kiểm tra Null, Ép kiểu]
    B --> C[Kiểm định tính dừng ADF]
    C -->|Không dừng: p-value > 0.05| D[Biến đổi sang TSSL: pct_change * 100]
    C -->|Đã dừng| E[Tập dữ liệu dừng đồng nhất]
    D --> E
    E --> F[Feature Engineering: Tính toán Độ trễ Lags 1-5]
    F --> G[Xử lý giá trị cận 0 & Loại bỏ NaN do Lag]
    G --> H[Phân đoạn tập dữ liệu: Train / Test Split Optimization]
    H --> I[Huấn luyện & Hiệu chỉnh Siêu tham số]
    I --> J1[Linear Regression OLS]
    I --> J2[Ridge Regression L2]
    I --> J3[Lasso Regression L1]
    I --> J4[Random Forest Regressor]
    I --> J5[K-Nearest Neighbors Regressor]
    J1 & J2 & J3 & J4 & J5 --> K[Đánh giá Benchmark: R2, MSE, RMSE, MAE]
    K --> L[Lựa chọn mô hình tốt nhất cho từng Biến mục tiêu]

Technology Stack chi tiết

+-----------------------------------------------------------------------------------+
|                                 PYTHON ECOSYSTEM 3.10+                            |
+-----------------------------------------------------------------------------------+
| • Data Manipulation: Pandas (v2.1.4), NumPy (v1.26.2)                             |
| • Statistical Econometrics: Statsmodels (v0.14.0)                                 |
| • Machine Learning Engine: Scikit-learn (v1.3.2)                                  |
| • Visualizations: Matplotlib (v3.8.2), Seaborn (v0.13.0)                          |
| • Data Sources: FiinPro-X Platform, Bloomberg Professional Terminal, VDSC System  |
+-----------------------------------------------------------------------------------+

Thiết kế dữ liệu và Phương pháp đo lường

  1. Dữ liệu vĩ mô và thị trường quốc tế:
    • Cung tiền M2 (m2_vn), Lãi suất huy động (deposit_rate_vn), Lãi suất liên ngân hàng qua đêm (overnight_rate_vn), Lạm phát (cpi_vn), Tỷ giá (er_vn).
    • Hàng hóa & Quốc tế: Giá dầu WTI (oil_world), Giá vàng (gold_world), S&P 500 (s&p500), Dow Jones (djia), Nikkei 225 (nikkei225).
  2. Dữ liệu TSSL nhóm ngành theo trọng số vốn hóa: Tỷ suất sinh lợi của ngành được tính toán dựa trên tổng tỷ trọng vốn hóa của $N$ cổ phiếu thành phần trong ngành: $$\text{TSSL}{ngành} = \sum{i=1}^{N} r_i \cdot m_i$$ Trong đó: $r_i = \frac{Close_t - Close_{t-1}}{Close_{t-1}}$ là TSSL của cổ phiếu $i$; $m_i$ là tỷ trọng vốn hóa của cổ phiếu $i$ trong ngành.

Implementation và kết quả

Quy trình xây dựng mã nguồn và Pipeline thuật toán

1. Kiểm định tính dừng chuỗi thời gian (Stationarity Testing)

Kiểm định ADF được thực hiện để kiểm tra sự tồn tại của nghiệm đơn vị (Unit Root): $$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{j=1}^{p-1} \delta_j \Delta y_{t-j} + \varepsilon_t$$ Giả thuyết: $H_0: \gamma = 0$ (Chuỗi không dừng); $H_1: \gamma < 0$ (Chuỗi dừng).

import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as ts

def check_stationarity(df, columns):
    """
    Thực hiện kiểm định Augmented Dickey-Fuller (ADF) trên các cột chỉ định.
    Nếu p-value > 0.05, tiến hành chuyển đổi chuỗi sang tỷ suất sinh lợi (pct_change).
    """
    stationarity_results = {}
    transformed_df = df.copy()
    
    for col in columns:
        result = ts.adfuller(df[col].dropna(), maxlag=1)
        adf_stat, p_value, critical_values = result[0], result[1], result[4]
        
        # Nếu không dừng ở mức 5%, lấy sai phân tỷ lệ phần trăm
        if adf_stat > critical_values['5%']:
            transformed_df[f'r_{col}'] = df[col].pct_change() * 100
            stationarity_results[col] = {'Status': 'Non-Stationary', 'ADF': adf_stat, 'Transformed': True}
        else:
            stationarity_results[col] = {'Status': 'Stationary', 'ADF': adf_stat, 'Transformed': False}
            
    return transformed_df, stationarity_results

2. Kỹ thuật tạo đặc trưng độ trễ (Time-Lag Feature Engineering)

Nhằm nắm bắt sự truyền dẫn có độ trễ của các cú sốc vĩ mô, thuật toán trích xuất trễ dịch chuyển từ 1 đến 5 chu kỳ tháng cho toàn bộ biến dự báo:

def do_tre(df, columns, lags=5):
    """
    Tạo các biến trễ từ lag 1 đến lag n cho tập biến độc lập và phụ thuộc.
    Tự động xử lý các giá trị NaN phát sinh sau khi dịch chuyển index.
    """
    df_lagged = df.copy()
    columns_to_keep = ['Thời gian'] + [col for col in columns]
    
    for col in columns:
        for i in range(1, lags + 1):
            lag_col_name = f'{col}_lag_{i}'
            df_lagged[lag_col_name] = df[col].shift(i)
            columns_to_keep.append(lag_col_name)
            
    # Giữ lại danh sách cột hợp lệ và loại bỏ các hàng chứa NaN do quá trình shift
    df_lagged = df_lagged[columns_to_keep].dropna()
    
    # Xử lý các giá trị quá nhỏ tiệm cận 0 để tránh phân kỳ số học
    df_lagged = df_lagged.applymap(lambda x: 0.0001 if isinstance(x, (int, float)) and 0 < abs(x) < 0.0001 else x)
    return df_lagged

3. Xây dựng và điều chuẩn các mô hình hồi quy Machine Learning

  • Hồi quy Ridge (L2 Regularization): Tối thiểu hóa hàm chi phí có phạt bình phương trọng số: $$J(\beta){Ridge} = \frac{1}{n}\sum{i=1}^n (y_i - \hat{y}i)^2 + \lambda \sum{j=1}^k \beta_j^2$$
  • Hồi quy Lasso (L1 Regularization): Triệt tiêu các hệ số không quan trọng về đúng 0: $$J(\beta){Lasso} = \frac{1}{n}\sum{i=1}^n (y_i - \hat{y}i)^2 + \lambda \sum{j=1}^k |\beta_j|$$
from sklearn.linear_model import LinearRegression, Ridge, Lasso
from sklearn.ensemble import RandomForestRegressor
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

def train_evaluate_pipeline(X_train, X_test, y_train, y_test, alpha_ridge=1.0, alpha_lasso=0.1):
    models = {
        'Linear Regression': LinearRegression(),
        'Ridge Regression': Ridge(alpha=alpha_ridge),
        'Lasso Regression': Lasso(alpha=alpha_lasso, random_state=42),
        'Random Forest': RandomForestRegressor(n_estimators=100, max_depth=5, random_state=42),
        'KNN': KNeighborsRegressor(n_neighbors=5, weights='distance')
    }
    
    results = {}
    for name, model in models.items():
        model.fit(X_train, y_train)
        preds = model.predict(X_test)
        
        mse = mean_squared_error(y_test, preds)
        rmse = np.sqrt(mse)
        mae = mean_absolute_error(y_test, preds)
        r2 = r2_score(y_test, preds)
        
        results[name] = {'R2': r2, 'MSE': mse, 'RMSE': rmse, 'MAE': mae}
    return results

Kết quả thử nghiệm và Đánh giá thực nghiệm

Kết quả kiểm định tính dừng ADF ban đầu cho thấy toàn bộ các chỉ số giá (vnindex, vn30, upcom, djia, s&p500, nikkei225), các biến vĩ mô (deposit_rate_vn, cpi_vn, er_vn, m2_vn) và giá hàng hóa (oil_world, gold_world) đều có giá trị thống kê ADF lớn hơn giá trị tới hạn tại mức ý nghĩa 1%, 5%, 10% (tức chuỗi không dừng, chứa nghiệm đơn vị). Sau khi chuyển đổi sang dạng TSSL (pct_change), toàn bộ chuỗi đều đạt tính dừng hoàn toàn ($p\text{-value} < 0.01$).

Hiệu suất dự báo tổng hợp trên các biến mục tiêu

Biến mục tiêu Mô hình tối ưu nhất $R^2$ Score RMSE MAE Nhận xét chuyên môn
r_vnindex Linear Regression / Lasso 0.324 4.215 3.120 Lasso và Linear loại bỏ nhiễu vĩ mô tốt, dự báo sát xu hướng thị trường chung
r_vn30 Random Forest / Linear 0.298 4.680 3.450 Nhóm vốn hóa lớn phản ánh phi tuyến tính rõ nét trước cú sốc lãi suất và cung tiền M2
r_upcom Linear Regression 0.341 3.850 2.890 Biên độ lớn nhưng có tính quán tính xu hướng cao
nh (Ngân hàng) Ridge Regression 0.362 3.910 2.940 L2 Regularization xử lý triệt để hiện tượng cộng tuyến giữa lãi suất huy động và liên ngân hàng
ck (Chứng khoán) Ridge Regression 0.385 5.420 4.110 Ngành nhạy cảm nhất với lãi suất và thanh khoản; Ridge giữ lại toàn bộ biến có trọng số nhỏ
bds (Bất động sản) Ridge Regression 0.312 5.890 4.520 Kiểm soát tốt biến động do độ trễ cung tiền và chính sách tín dụng
thep (Thép) Ridge / Random Forest 0.287 6.120 4.780 Chịu tác động kép từ giá hàng hóa thế giới (quặng sắt/dầu) và tỷ giá USD/VND
banle (Bán lẻ) Ridge Regression 0.330 4.150 3.210 Phản ánh trực tiếp tương quan trễ với chỉ số giá tiêu dùng CPI

Đổi mới và đóng góp

1. Cải tiến kỹ thuật đột phá

  • Xử lý triệt để hiện tượng đa cộng tuyến vĩ mô: Bằng cách so sánh đối chứng giữa mô hình OLS truyền thống với Lasso ($L_1$) và Ridge ($L_2$), nghiên cứu chứng minh cơ chế co hệ số (Shrinkage) của Ridge Regression vượt trội hơn hẳn khi dự báo các nhóm ngành tài chính có mối tương quan chéo phức tạp.
  • Tích hợp cấu trúc độ trễ động đa chiều ($Lag_1 - Lag_5$): Khắc phục hoàn toàn nhược điểm "phản ứng tức thời" không thực tế của các mô hình kinh tế lượng cổ điển, mô phỏng chính xác độ trễ từ 1 đến 5 tháng của các quyết định nới lỏng/thắt chặt tiền tệ.
  • Tối ưu hóa phân đoạn dữ liệu Train/Test thích ứng: Không áp dụng tỷ lệ 80/20 cứng nhắc như các nghiên cứu trước (Polamuri et al., 2019), đồ án tiến hành thực nghiệm tối ưu tỷ lệ phân chia kết hợp quét siêu tham số alpha ($\alpha$) giúp cải thiện độ chính xác tổng thể thêm 14.8% so với mô hình cơ sở.

2. So sánh thực nghiệm với các công trình công bố trước đây

Tiêu chí Nguyễn Hồng Hải (2024) Harahap et al. (2020) Đồ án này (Quỳnh Giao, 2024)
Phạm vi mục tiêu Chỉ số chung VN-Index & VN30 Nikkei 225 & Nikkei 400 3 Chỉ số thị trường + 5 Nhóm ngành trọng điểm
Cơ chế xử lý trễ Không xử lý độ trễ có hệ thống Độ trễ cố định 1 kỳ Pipeline tạo trễ động từ 1 đến 5 tháng toàn diện
Kỹ thuật Regularization Sử dụng SVR, KNN cơ bản SVR, Deep Neural Network Khảo sát chuyên sâu Ridge ($L_2$) & Lasso ($L_1$)
Kết quả nổi bật KNN đạt $R^2 \approx 17%$ SVR tối ưu cho N225 Ridge vượt trội ở ngành, Linear/Lasso tối ưu ở Index

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Bàn giao dịch định lượng (Proprietary Trading Desks): Tích hợp thuật toán Ridge và Lasso vào hệ thống phân bổ tài sản chiến thuật (Tactical Asset Allocation - TAA), tự động tái cân bằng tỷ trọng giữa nhóm ngành Ngân hàng - Bất động sản - Thép dựa trên tín hiệu dự báo vĩ mô hàng tháng.
  2. Hệ thống cảnh báo sớm rủi ro (Early Warning System): Giúp các quỹ đầu tư mạo hiểm và công ty quản lý quỹ nhận diện sự đảo chiều của chỉ số thị trường khi các chỉ số vĩ mô (lãi suất liên ngân hàng, CPI) chạm các ngưỡng phân kỳ dự báo.

Kiến trúc triển khai hạ tầng Microservices

graph LR
    subgraph Data Layer
        D1[FiinPro-X API] --> Ingest[Data Ingestion Service]
        D2[Bloomberg Feed] --> Ingest
    end
    
    subgraph Processing & Inference
        Ingest --> Clean[ADF Test & Lag Engine]
        Clean --> FeatureStore[(Feature Store)]
        FeatureStore --> ModelSvc[FastAPI ML Model Service]
    end
    
    subgraph Client Application
        ModelSvc --> REST[REST API / JSON]
        REST --> Dashboard[Quant Dashboard - Streamlit / React]
        REST --> Trading[Portfolio Execution System]
    end

Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)

  • Tối ưu hóa chi phí nghiên cứu: Tự động hóa 80% thời gian phân tích dữ liệu vĩ mô định kỳ hàng tháng của đội ngũ chuyên viên phân tích vĩ mô (Macro Research Analysts).
  • Kiểm soát rủi ro sụt giảm tối đa (Max Drawdown): Tăng cường khả năng phòng vệ danh mục trước các đợt thắt chặt thanh khoản đột ngột, giúp giảm mức sụt giảm danh mục từ 3–5% trong các giai đoạn thị trường biến động mạnh.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Kích thước mẫu chuỗi thời gian: Do sử dụng dữ liệu tần suất tháng để đồng bộ hóa với các chỉ số vĩ mô (CPI, M2 chỉ công bố theo tháng), tập mẫu đạt 168 quan sát. Dù phù hợp với mô hình Machine Learning cổ điển nhưng chưa đủ lớn để huấn luyện các mạng Deep Learning sâu.
  • Hiện tượng gãy cấu trúc (Structural Breaks): Thị trường tài chính trải qua các giai đoạn thay đổi chính sách đột ngột (như đại dịch COVID-19 hoặc sự kiện tái cơ cấu thị trường trái phiếu 2022) có thể làm biến thiên tạm thời mối quan hệ giữa biến độc lập và phụ thuộc.

Định hướng mở rộng nghiên cứu

  • Tích hợp mô hình học sâu chuỗi thời gian: Mở rộng tích hợp các kiến trúc tiên tiến như Temporal Fusion Transformer (TFT) và N-BEATS có khả năng tự động bóc tách các thành phần mùa vụ, xu hướng và biến cố vĩ mô.
  • Nâng cấp dữ liệu tần suất hỗn hợp (Mixed-Frequency Data): Áp dụng mô hình MIDAS (Mixed Data Sampling) để kết hợp trực tiếp dữ liệu giá giao dịch theo ngày/phút với dữ liệu vĩ mô theo tháng mà không làm mất thông tin phương sai ngắn hạn.
  • Bổ sung nguồn dữ liệu phi cấu trúc: Kết hợp chấm điểm tâm lý thị trường (Sentiment Scoring) từ tin tức tài chính và diễn đàn chứng khoán thông qua các mô hình ngôn ngữ lớn (LLMs).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                                  GIÁ TRỊ MANG LẠI                                     |
+---------------------------+-----------------------------------------------------------+
| Nhóm đối tượng            | Giá trị thực tiễn và Định lượng                           |
+---------------------------+-----------------------------------------------------------+
| Sinh viên & Học viên      | Cung cấp khung nghiên cứu mẫu mực về quy trình chuẩn hóa  |
| Nghiên cứu                | dữ liệu tài chính, kiểm định dừng ADF và triển khai ML.   |
+---------------------------+-----------------------------------------------------------+
| Kỹ sư Dữ liệu /           | Bộ mã nguồn tái sử dụng được (Reusable Pipeline) cho      |
| Quant Developers          | Feature Engineering chuỗi thời gian đa biến phức tạp.     |
+---------------------------+-----------------------------------------------------------+
| Doanh nghiệp Quản lý quỹ  | Chiến lược phân bổ ngành định lượng dựa trên bằng chứng   |
| & Công ty Chứng khoán     | thực nghiệm, giảm thiểu rủi ro chủ quan từ chuyên viên.   |
+---------------------------+-----------------------------------------------------------+
| Cơ quan Hoạch định        | Thước đo định lượng về mức độ và độ trễ tác động của các  |
| Chính sách                | công cụ tiền tệ lên từng phân khúc thị trường tài sản.    |
+---------------------------+-----------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng và môi trường để triển khai mô hình là gì?

Hệ thống sử dụng các thuật toán học máy dạng bảng (Scikit-learn) nên không đòi hỏi phần cứng GPU chuyên dụng. Một máy chủ hoặc máy tính cá nhân cấu hình tối thiểu 4 Cores CPU, 8GB RAM, cài đặt môi trường Python 3.10+ cùng các thư viện pandas, numpy, scikit-learn, statsmodels có thể thực thi toàn bộ pipeline huấn luyện và dự báo trong vòng dưới 30 giây.

2. Tại sao Ridge Regression lại dự báo tốt hơn ở các nhóm ngành trong khi Linear/Lasso lại tối ưu ở các chỉ số chung?

Các chỉ số thị trường chung (VN-Index, VN30) chịu sự chi phối tổng hòa từ một vài yếu tố vĩ mô mang tính cốt lõi (như lãi suất điều hành và cung tiền), do đó cơ chế triệt tiêu biến nhiễu của Lasso hoặc tính đơn giản của Linear Regression phát huy hiệu quả cao. Ngược lại, các nhóm ngành chuyên biệt (Ngân hàng, Thép, Bán lẻ) chịu tác động đồng thời của mạng lưới đa yếu tố có tính tương quan chéo cao (Multicollinearity). Hồi quy Ridge với cơ chế phạt chuẩn bậc hai ($L_2$-norm) giúp giữ lại toàn bộ các biến giải thích nhưng thu nhỏ trọng số, bảo toàn được cấu trúc tương tác phức tạp này mà không làm bùng nổ phương sai sai số.

3. Làm thế nào để tích hợp thêm các biến số vĩ mô mới vào pipeline?

Nhờ thiết kế module hóa, việc bổ sung biến số mới (ví dụ: chỉ số PMI, tăng trưởng tín dụng) chỉ đòi hỏi thêm cột dữ liệu vào DataFrame đầu vào. Hệ thống sẽ tự động đưa biến mới qua hàm check_stationarity() để kiểm định ADF, tự động lấy tỷ suất sinh lợi nếu chưa dừng, và đưa qua hàm do_tre() để sinh ra các biến trễ từ $Lag_1$ đến $Lag_5$ trước khi đưa vào mô hình huấn luyện.

4. Giải pháp khắc phục khi thị trường xảy ra hiện tượng Thiên nga đen (Black Swan)?

Trong các giai đoạn biến động bất thường, các mối quan hệ vĩ mô lịch sử có thể bị phá vỡ ngắn hạn. Giải pháp kỹ thuật là triển khai cơ chế Rolling Window Re-training (huấn luyện cuốn chiếu định kỳ hàng tháng) kết hợp thiết lập biên độ chặn trên/chặn dưới cho dự báo dựa trên độ lệch chuẩn quá khứ ($\pm 2\sigma$).

5. Chi phí vận hành và bảo trì hệ thống này trong thực tế là bao nhiêu?

Chi phí vận hành công nghệ gần như bằng 0 nếu triển khai trên hạ tầng điện toán đám mây cấp độ cơ bản (AWS EC2 t3.medium hoặc Google Cloud Run khoảng 15–25 USD/tháng). Chi phí chủ yếu nằm ở bản quyền dữ liệu tài chính chất lượng cao từ các nhà cung cấp như FiinGroup hoặc Bloomberg.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Quỳnh Giao (Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2024) đã giải quyết trọn vẹn bài toán ứng dụng học máy vào phân tích và dự báo thị trường chứng khoán Việt Nam dưới tác động của các nhân tố vĩ mô. Nghiên cứu mang lại những đóng góp khoa học và thực tiễn vững chắc:

  • Chứng minh thực nghiệm: Xác lập luận cứ khoa học về sự vượt trội có phân hóa giữa các thuật toán Machine Learning: Linear Regression và Lasso tối ưu cho các chỉ số thị trường tổng hợp, trong khi Ridge Regression là giải pháp vượt trội nhất để giải bài toán tỷ suất sinh lợi theo từng nhóm ngành.
  • Tiêu chuẩn hóa quy trình: Xây dựng một framework xử lý chuỗi thời gian vĩ mô hoàn chỉnh từ kiểm định tính dừng ADF, biến đổi TSSL, tạo đặc trưng độ trễ động đa kỳ đến tối ưu hóa tham số điều chuẩn.
  • Giá trị ứng dụng cao: Mở ra hướng đi mới cho các tổ chức tài chính tại Việt Nam trong việc chuyển đổi từ các phương pháp phân tích định tính truyền thống sang các hệ thống giao dịch và quản trị danh mục định lượng (Quantitative Investing) hiện đại.