Ứng dụng các mô hình học máy để phân tích và dự báo thị trường chứng khoán việt nam dưới tác động của các yếu tố vĩ mô

Thị trường chứng khoán Việt Nam đang ngày càng phát triển và trở thành một phần quan trọng… 77 trang · Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh · 2024.

• Tác giả: Nguyễn Thị Quỳnh Giao
• Người hướng dẫn: TS. Lê Hoàng Anh
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Ứng Dụng Mô Hình Học Máy Để Dự Báo Thị Trường Chứng Khoán Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.5.1. Phương pháp thu thập dữ liệu
• 1.5.2. Phương pháp xử lý dữ liệu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Dữ liệu nghiên cứu
• 3.3. Phương pháp thu thập các dữ liệu vĩ mô và các chỉ số trên thị trường Chứng khoán
• 3.4. Phương pháp thu thập dữ liệu các độ trễ của tỷ suất sinh lợi của các nhóm ngành tiêu biểu
• 3.5. Tiền xử lý dữ liệu
• 3.6. Các thư viện cần thiết
• 3.7. Tiến hành khai báo dữ liệu. Kiểm tra tính dừng của bộ dữ liệu
• 3.8. Tính toán độ trễ cho bộ dữ liệu
• 3.9. Chuẩn hóa dữ liệu nghiên cứu. Quá trình xây dựng các mô hình học máy
• 3.10. Phân chia tập huấn luyện và tập kiểm tra
• 3.11. Xây dựng mô hình
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả các biến độc lập
• 4.2. Kết quả huấn luyện và hiệu suất dự báo của các mô hình
• 4.2.1. Cải thiện hiệu suất dự báo đối với các mô hình học máy
• 4.2.1.1. Cải thiện Linear Regression
• 4.2.1.2. Cải thiện Random Forest
• 4.2.1.3. Cải thiện K-Nearest Neighbors
• 4.2.1.4. Cải thiện Lasso Regression
• 4.2.1.5. Cải thiện Ridge Regression
• 4.2.2. So sánh và đánh giá hiệu suất của các mô hình
• 4.2.2.1. Biến mục tiêu r_vnindex
• 4.2.2.2. Biến mục tiêu r_vn30
• 4.2.2.3. Biến mục tiêu r_upcom
• 4.2.2.4. Biến mục tiêu banle
• 4.2.2.5. Biến mục tiêu bds
• 4.2.2.6. Biến mục tiêu ck
• 4.2.2.7. Biến mục tiêu nh
• 4.2.2.8. Biến mục tiêu thep
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về ứng dụng mô hình học máy trong dự báo thị trường chứng khoán

Thị trường chứng khoán Việt Nam đang ngày càng phát triển và trở thành một phần quan trọng trong nền kinh tế. Việc ứng dụng mô hình học máy vào dự báo thị trường chứng khoán không chỉ giúp nâng cao độ chính xác mà còn tối ưu hóa quy trình ra quyết định. Các mô hình như Linear Regression, Random Forest, và K-Nearest Neighbors đã được chứng minh là có khả năng dự đoán xu hướng chỉ số chứng khoán một cách hiệu quả.

1.1. Khái niệm về học máy và ứng dụng trong tài chính

Học máy là một lĩnh vực của trí tuệ nhân tạo, cho phép máy tính học hỏi từ dữ liệu mà không cần lập trình cụ thể. Trong tài chính, học máy được sử dụng để phân tích và dự đoán các xu hướng thị trường, từ đó hỗ trợ các quyết định đầu tư.

1.2. Lợi ích của việc sử dụng mô hình học máy trong dự báo

Việc áp dụng học máy giúp cải thiện độ chính xác của các dự báo, giảm thiểu rủi ro và tối ưu hóa lợi nhuận. Các mô hình này có khả năng xử lý lượng dữ liệu lớn và phức tạp, từ đó phát hiện ra các mẫu và xu hướng tiềm ẩn.

II. Thách thức trong việc dự báo thị trường chứng khoán Việt Nam

Mặc dù có nhiều lợi ích, việc dự báo thị trường chứng khoán Việt Nam vẫn gặp phải nhiều thách thức. Các yếu tố vĩ mô như lãi suất, tỷ giá, và tình hình kinh tế toàn cầu có thể ảnh hưởng lớn đến kết quả dự báo. Hơn nữa, sự biến động của thị trường cũng làm cho việc dự đoán trở nên khó khăn hơn.

2.1. Ảnh hưởng của các yếu tố vĩ mô đến thị trường chứng khoán

Các yếu tố như lãi suất, tỷ giá và chỉ số giá tiêu dùng (CPI) có thể tác động mạnh đến tâm lý nhà đầu tư và giá cổ phiếu. Việc hiểu rõ mối quan hệ này là rất quan trọng để cải thiện độ chính xác của các mô hình dự báo.

2.2. Sự biến động của thị trường và tác động đến dự báo

Thị trường chứng khoán thường xuyên biến động do nhiều nguyên nhân khác nhau, từ chính trị đến kinh tế. Sự biến động này có thể làm giảm độ tin cậy của các mô hình dự báo truyền thống, đòi hỏi sự cải tiến trong phương pháp dự báo.

III. Phương pháp ứng dụng mô hình học máy trong dự báo

Để dự báo thị trường chứng khoán, các mô hình học máy như Linear Regression, Random Forest, và Lasso Regression được áp dụng. Mỗi mô hình có những ưu điểm và nhược điểm riêng, và việc lựa chọn mô hình phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

3.1. Mô hình Linear Regression và ứng dụng của nó

Mô hình Linear Regression là một trong những phương pháp đơn giản nhưng hiệu quả trong việc dự đoán xu hướng giá cổ phiếu. Mô hình này giúp xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc một cách rõ ràng.

3.2. Mô hình Random Forest và lợi ích của nó

Random Forest là một mô hình học máy mạnh mẽ, sử dụng nhiều cây quyết định để cải thiện độ chính xác của dự báo. Mô hình này có khả năng xử lý dữ liệu lớn và phức tạp, giúp phát hiện các mẫu không rõ ràng trong dữ liệu.

3.3. Mô hình Lasso Regression và ứng dụng trong dự báo

Lasso Regression là một biến thể của hồi quy tuyến tính, giúp giảm thiểu hiện tượng overfitting bằng cách thêm một hình phạt vào hàm mất mát. Mô hình này rất hữu ích trong việc chọn lọc các biến quan trọng trong dự báo.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu cho thấy rằng các mô hình học máy như Linear Regression, Random Forest, và Lasso Regression có hiệu suất dự báo tốt hơn so với các phương pháp truyền thống. Kết quả này mở ra hướng đi mới cho việc ứng dụng học máy trong lĩnh vực tài chính tại Việt Nam.

4.1. Hiệu suất dự báo của các mô hình học máy

Các mô hình học máy đã được kiểm tra và so sánh dựa trên các chỉ số như R2, MSE, và RMSE. Kết quả cho thấy mô hình Random Forest có hiệu suất tốt nhất trong việc dự đoán xu hướng chỉ số VNIndex.

4.2. Ứng dụng thực tiễn trong đầu tư chứng khoán

Kết quả nghiên cứu có thể được áp dụng trong thực tiễn để hỗ trợ các nhà đầu tư trong việc ra quyết định. Việc sử dụng các mô hình học máy giúp tối ưu hóa chiến lược đầu tư và giảm thiểu rủi ro.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu đã chỉ ra rằng việc ứng dụng mô hình học máy trong dự báo thị trường chứng khoán Việt Nam là khả thi và có tiềm năng lớn. Tương lai, cần tiếp tục nghiên cứu và cải tiến các mô hình để nâng cao độ chính xác và hiệu quả trong dự báo.

5.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu cho thấy rằng các mô hình học máy có thể cải thiện đáng kể độ chính xác của dự báo thị trường chứng khoán. Điều này mở ra cơ hội mới cho các nhà đầu tư và các chuyên gia tài chính.

5.2. Hướng nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu để phát triển các mô hình học máy mới, kết hợp với các yếu tố vĩ mô khác để nâng cao khả năng dự đoán. Việc này sẽ giúp thị trường chứng khoán Việt Nam phát triển bền vững hơn trong tương lai.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài và bối cảnh thực tiễn

Thị trường chứng khoán giữ vai trò huyết mạch trong hệ thống tài chính, đóng vai trò kênh dẫn vốn trung và dài hạn cho các doanh nghiệp mở rộng sản xuất kinh doanh, đồng thời là môi trường định giá tài sản tài chính theo quy luật cung - cầu. Trải qua hơn hai thập kỷ phát triển, thị trường chứng khoán Việt Nam đang đứng trước bước ngoặt lớn với mục tiêu nâng hạng từ thị trường cận biên lên thị trường mới nổi vào năm 2025 theo định hướng của Chính phủ. Sự hội nhập này giúp gia tăng thanh khoản và quy mô vốn, nhưng cũng đặt thị trường trước những biến động phức tạp và đa chiều từ các yếu tố kinh tế vĩ mô trong nước lẫn quốc tế.

Sự gia tăng về khối lượng và tốc độ dữ liệu giao dịch đặt ra thách thức đối với các mô hình định giá và dự báo kinh tế lượng truyền thống. Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0, các kỹ thuật Học máy (Machine Learning - ML) nổi lên như một công cụ tối ưu trong việc xử lý tệp dữ liệu lớn, phát hiện các phi tuyến tính và mẫu hình tiềm ẩn để nâng cao độ tin cậy trong dự báo tài chính. Việc kết hợp hướng nghiên cứu tác động của các biến số vĩ mô làm dữ liệu đầu vào cho các mô hình học máy nhằm dự báo xu hướng chỉ số giá và tỷ suất sinh lợi theo từng nhóm ngành là cơ sở thực tiễn để tác giả thực hiện khóa luận tốt nghiệp này.

Mục tiêu nghiên cứu

• Mục tiêu tổng quát: Ứng dụng các mô hình học máy để đánh giá và so sánh khả năng dự báo xu hướng chỉ số VN-Index, VN30-Index, UPCoM-Index và lợi nhuận của các nhóm ngành tiêu biểu tại Việt Nam dưới tác động của các yếu tố vĩ mô.
• Mục tiêu cụ thể:
  1. Thu thập, tiền xử lý và thực hiện các kiểm định thống kê cần thiết đối với chuỗi dữ liệu kinh tế vĩ mô và chứng khoán trước khi đưa vào mô hình dự báo.
  2. Triển khai các mô hình học máy (Linear Regression, Random Forest, K-Nearest Neighbors, Lasso Regression, Ridge Regression) trên tập dữ liệu đã qua xử lý.
  3. So sánh, đánh giá và thực hiện các bước cải thiện để đạt hiệu suất dự báo tối ưu cho từng biến mục tiêu.
  4. Xác định mô hình học máy có hiệu suất dự báo tốt nhất đối với từng chỉ số thị trường và từng nhóm ngành cụ thể.
  5. Đề xuất các khuyến nghị thực tiễn về việc ứng dụng học máy trong phân tích và dự báo tài chính tại Việt Nam.

Câu hỏi nghiên cứu

1. Những biến số kinh tế vĩ mô và chỉ số thị trường nào cần được đưa vào mô hình dự báo các chỉ số VN-Index, VN30-Index, UPCoM-Index và lợi nhuận của các nhóm ngành?
2. Với cùng tập biến đầu vào, các mô hình học máy khác nhau mang lại kết quả dự báo khác nhau như thế nào đối với từng chỉ số?
3. Mô hình học máy nào cho khả năng dự báo xu hướng tối ưu nhất cho từng loại chỉ số mục tiêu?

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Khả năng phân tích và hiệu suất dự báo của các mô hình học máy đối với xu hướng biến động của các chỉ số chứng khoán và tỷ suất sinh lợi ngành dưới tác động của các nhân tố vĩ mô.
• Phạm vi không gian: Thị trường chứng khoán Việt Nam, bao gồm 3 chỉ số thị trường đại diện (VN-Index, VN30-Index, UPCoM-Index), 5 nhóm ngành tiêu biểu (Ngân hàng, Chứng khoán, Bất động sản, Thép, Bán lẻ), 7 nhân tố vĩ mô trong nước, 3 chỉ số chứng khoán quốc tế và 2 chỉ số hàng hóa thế giới.
• Phạm vi thời gian: Dữ liệu chuỗi thời gian theo tháng, thu thập liên tục trong 14 năm, từ ngày 01/01/2010 đến ngày 31/12/2023 (tổng cộng 168 quan sát).

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình áp dụng

Khóa luận xây dựng trên nền tảng lý thuyết học máy có giám sát (Supervised Learning), cụ thể là bài toán hồi quy (Regression) dự báo giá trị liên tục. Năm thuật toán học máy được lựa chọn và so sánh bao gồm:

• Hồi quy tuyến tính (Linear Regression - OLS): Mô hình hóa mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập bằng phương pháp bình phương bé nhất nhằm cực tiểu hóa tổng bình phương sai số.
• Rừng ngẫu nhiên (Random Forest): Phương pháp học kết hợp (Ensemble Learning) xây dựng nhiều cây quyết định (Decision Trees) trên các tập con ngẫu nhiên của dữ liệu và thuộc tính, giảm thiểu hiện tượng quá khớp (Overfitting) và tăng cường tính tổng quát hóa.
• K láng giềng gần nhất (K-Nearest Neighbors - KNN): Thuật toán phi tham số dự đoán giá trị mới dựa trên khoảng cách và sự tương đồng với $k$ quan sát gần nhất trong không gian đặc trưng.
• Hồi quy Ridge (Ridge Regression / L2 Regularization): Bổ sung thành phần phạt $\lambda |\beta|_2^2$ vào hàm mục tiêu MSE để co các hệ số hồi quy về gần 0, giúp kiểm soát phương sai và xử lý đa cộng tuyến.
• Hồi quy Lasso (Lasso Regression / L1 Regularization): Bổ sung thành phần phạt $\lambda |\beta|_1$ vào hàm mục tiêu, cho phép triệt tiêu hoàn toàn một số hệ số hồi quy về 0, hỗ trợ chọn lọc đặc trưng quan trọng.

Về mặt kinh tế học, nghiên cứu dựa trên lý thuyết tác động của các yếu tố vĩ mô đến thị trường tài chính:

• Lãi suất (Lãi suất huy động, Lãi suất liên ngân hàng): Đại diện cho chi phí vốn của doanh nghiệp và chi phí cơ hội của nhà đầu tư. Lãi suất giảm làm giảm chi phí vốn và kích thích dòng tiền dịch chuyển sang chứng khoán.
• Lạm phát (Chỉ số CPI): Gia tăng chi phí đầu vào của sản xuất kinh doanh, bào mòn biên lợi nhuận và thường kéo theo chính sách tiền tệ thắt chặt.
• Cung tiền (M2): Gia tăng cung tiền kích thích tổng cầu và thanh khoản thị trường tài chính, song có thể gây áp lực lạm phát dài hạn.
• Tỷ giá (USD/VND): Tác động đến dòng vốn đầu tư gián tiếp nước ngoài và hoạt động xuất nhập khẩu của các doanh nghiệp niêm yết.
• Các biến quốc tế (Giá dầu WTI, Giá vàng thế giới, S&P 500, Dow Jones, Nikkei 225): Đo lường mức độ lan tỏa từ thị trường tài chính và thị trường hàng hóa toàn cầu.

Phương pháp nghiên cứu và tiền xử lý dữ liệu

Quy trình nghiên cứu định lượng được xây dựng trên môi trường ngôn ngữ Python với các bước cụ thể:

1. Thu thập dữ liệu: Thu thập chuỗi thời gian 168 tháng từ ngày 01/01/2010 đến ngày 31/12/2023.
2. Kiểm tra tính dừng (Stationarity Test): Áp dụng kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) trên phương trình: $$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{p-1} \delta_i \Delta y_{t-i} + \varepsilon_t$$ Chuỗi dữ liệu gốc của chỉ số giá và các biến vĩ mô không dừng ở bậc gốc I(0). Do đó, tác giả chuyển đổi toàn bộ sang chuỗi tỷ suất sinh lợi (TSSL) phần trăm bằng phương thức sai phân pct_change() * 100, đưa toàn bộ biến về trạng thái dừng ở mức ý nghĩa 1%, 5%, 10%.
3. Tính toán độ trễ (Lag Creation): Xây dựng các biến trễ từ bậc 1 đến bậc 5 (shift(1) đến shift(5)) cho biến mục tiêu và các biến độc lập nhằm phản ánh thời gian thẩm thấu chính sách và phản ứng có độ trễ của thị trường.
4. Xử lý giá trị nhỏ và giá trị khuyết thiếu: Thay thế các giá trị TSSL quá nhỏ ($< 0.0001$) bằng $0.0001$ để tránh sai số tính toán; loại bỏ các dòng NaN sinh ra do quá trình trễ dữ liệu.
5. Chia tập dữ liệu và tối ưu tham số: Phân chia tập huấn luyện (Training Set) và tập kiểm tra (Testing Set) theo các tỷ lệ linh hoạt nhằm tìm kiếm điểm hiệu suất tối ưu; tinh chỉnh siêu tham số hệ số phạt $\alpha$ cho Ridge/Lasso và số láng giềng $k$ cho KNN.
6. Thước đo đánh giá: Đánh giá độ chính xác qua 4 chỉ số:
   • Hệ số xác định: $R^2 = 1 - \frac{RSS}{TSS}$
   • Sai số bình phương trung bình: $MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y}_i)^2$
   • Căn bậc hai sai số bình phương trung bình: $RMSE = \sqrt{\frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{N-P}}$
   • Sai số tuyệt đối trung bình: $MAE = \frac{1}{n}\sum_{i=1}^{n}|y_i - \hat{y}_i|$

Nguồn dữ liệu

Nhóm biến	Tên biến trong mô hình	Mô tả chi tiết	Nguồn thu thập
Biến phụ thuộc (Chỉ số)	vnindex, vn30, upcom	TSSL chỉ số VN-Index, VN30-Index, UPCoM-Index	FiinPro-X
Biến phụ thuộc (Ngành)	banle, bds, ck, nh, thep	TSSL ngành Bán lẻ, Bất động sản, Chứng khoán, Ngân hàng, Thép	Công ty Cổ phần Chứng khoán Rồng Việt (VDSC)
Biến độc lập (Vĩ mô VN)	deposit_rate_vn, overnight_rate_vn, cpi_vn, er_vn, m2_vn	Lãi suất huy động, Lãi suất liên ngân hàng, Chỉ số CPI, Tỷ giá USD/VND, Cung tiền M2	FiinPro-X
Biến độc lập (Thế giới)	djia, nikkei225, s&p500, oil_world, gold_world	Chỉ số Dow Jones, Nikkei 225, S&P 500, Giá dầu WTI, Giá vàng thế giới	FiinPro-X, Bloomberg

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu nghiên cứu

Chương 1 làm rõ tính cấp thiết của đề tài khi đặt thị trường chứng khoán Việt Nam trước mục tiêu nâng hạng năm 2025. Tác giả phân tích khoảng cách giữa các phương pháp định lượng truyền thống và nhu cầu xử lý dữ liệu phức tạp trong kỷ nguyên số, từ đó xác lập việc ứng dụng học máy là hướng tiếp cận cần thiết. Chương này quy định rõ 5 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, xác lập đối tượng nghiên cứu cùng phạm vi dữ liệu từ 2010 đến 2023. Ngoài ra, chương 1 phác thảo bố cục tổng thể 5 chương của khóa luận và khẳng định những đóng góp thực tiễn cho nhà đầu tư, cơ quan quản lý và giới nghiên cứu học thuật.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày có hệ thống nền tảng lý thuyết học máy, bao gồm phân loại học có giám sát, không giám sát và học tăng cường. Trọng tâm của chương đi sâu vào cơ chế toán học, ưu điểm và nhược điểm của 5 mô hình hồi quy:

• Cơ chế bình phương bé nhất và giả định của Linear Regression.
• Cơ chế phân tách tập con và trung bình hóa cây của Random Forest nhằm chống quá khớp.
• Cơ chế tính khoảng cách không gian đặc trưng của KNN.
• Cơ chế hàm phạt L2 của Ridge Regression và hàm phạt L1 của Lasso Regression.

Phần thứ hai của chương phân tích cơ chế truyền dẫn kinh tế từ các biến số vĩ mô (lãi suất, lạm phát, cung tiền, tỷ giá, giá hàng hóa) đến định giá cổ phiếu và tỷ suất sinh lợi ngành. Tác giả tổng hợp các công trình thực nghiệm tiêu biểu trong nước (Nguyễn Hồng Hải, 2024; Nguyễn Thị Như Quỳnh và cộng sự, 2019; Nguyễn Quốc Tuấn, 2024) và quốc tế (Harahap và cộng sự, 2020; Polamuri và cộng sự, 2019; Bhuiyan & Chowdhury, 2020), chỉ ra khoảng trống nghiên cứu về dự báo theo từng nhóm ngành tại Việt Nam. Cuối chương giải thích chi tiết ý nghĩa toán học của 4 thước đo đánh giá: $R^2$, MSE, RMSE, MAE.

Chương 3: Phương pháp nghiên cứu

Chương 3 trình bày chi tiết quy trình thực nghiệm gồm 6 bước: từ thiết kế nghiên cứu, khai báo môi trường lập trình Python (sử dụng các thư viện pandas, numpy, matplotlib, seaborn, statsmodels), nạp cấu trúc dữ liệu 168 quan sát không khuyết thiếu, đến tiền xử lý chuỗi thời gian.

Tác giả trình bày chi tiết kết quả kiểm định tính dừng ADF. Dữ liệu giá ban đầu không dừng, nhưng sau khi lấy sai phân phần trăm thành chuỗi tỷ suất sinh lợi (r_vnindex, r_vn30, r_upcom, r_deposit_rate_vn, r_overnight_rate_vn,...), toàn bộ chuỗi đều đạt tính dừng. Chương này trình bày thuật toán trích xuất 5 bậc trễ (lags=5), kỹ thuật lọc giá trị cực nhỏ về ngưỡng $0.0001$, loại bỏ giá trị NaN phát sinh sau khi trễ, và hoàn thiện cấu trúc 8 bộ dữ liệu nghiên cứu phục vụ việc huấn luyện mô hình.

Kết quả kiểm định tính dừng (ADF Test) của các biến nghiên cứu:
- Biến cấp độ giá gốc (vn30, deposit_rate, overnight_rate...): ADF > Giá trị tới hạn (1%, 5%, 10%) -> Không dừng
- Biến tỷ suất sinh lợi (r_vn30: ADF = -12.576; r_deposit_rate: ADF = -7.576; r_overnight_rate: ADF = -10.576...): 
  ADF < Giá trị tới hạn -> Dừng ở mức ý nghĩa 1%, 5%, 10%

Chương 4: Kết quả nghiên cứu

Chương 4 cung cấp kết quả thực nghiệm chi tiết qua các giai đoạn:

• Thống kê mô tả: Trình bày trung bình, độ lệch chuẩn, phân phối của các biến độc lập và biến mục tiêu.
• Huấn luyện mô hình ban đầu: Ghi nhận sai số và hệ số xác định sơ bộ của 5 mô hình.
• Quá trình cải thiện hiệu suất: Tác giả tiến hành tối ưu hóa tỷ lệ phân chia tập huấn luyện/kiểm tra (test_size), tinh chỉnh số láng giềng $k$ cho KNN, và điều chỉnh tham số hình phạt $\alpha$ cho Ridge và Lasso.
• Đánh giá và so sánh mô hình theo từng biến mục tiêu:
  • Với 3 biến mục tiêu chỉ số giá thị trường (r_vnindex, r_vn30, r_upcom), nhóm mô hình Linear Regression, Random Forest và Lasso Regression cho hiệu suất dự báo vượt trội với sai số MSE, RMSE, MAE thấp và hệ số $R^2$ ổn định trên tập kiểm tra.
  • Với 5 biến mục tiêu nhóm ngành (banle, bds, ck, nh, thep), mô hình Ridge Regression chiếm ưu thế nổi trội, duy trì độ ổn định cao hơn trước độ phân tán lớn của dữ liệu ngành.

Chương 5: Kết luận và khuyến nghị

Chương 5 đúc kết các phát hiện chính từ kết quả thực nghiệm, khẳng định tiềm năng ứng dụng của học máy trong phân tích kinh tế lượng tài chính tại Việt Nam. Trên cơ sở đó, tác giả đưa ra các khuyến nghị ứng dụng thực tế cho nhà đầu tư trong việc phân bổ tài sản, gợi ý chính sách cho cơ quan quản lý trong điều hành vĩ mô, đồng thời chỉ rõ các hạn chế về dữ liệu và đề xuất hướng nghiên cứu tiếp theo.

---

Kết quả và đóng góp của khóa luận

Kết quả nghiên cứu chính

1. Xác lập tính dừng và cấu trúc trễ: Chứng minh các chuỗi giá chứng khoán và biến số vĩ mô tại Việt Nam không có tính dừng ở cấp độ gốc nhưng đạt tính dừng hoàn toàn khi chuyển đổi sang dạng tỷ suất sinh lợi phần trăm. Việc tích hợp cấu trúc độ trễ từ 1 đến 5 tháng giúp mô hình học máy hấp thụ được độ trễ tác động của chính sách kinh tế.
2. Sự phân hóa hiệu suất giữa các nhóm mô hình:
   • Đối với dự báo tỷ suất sinh lợi các chỉ số thị trường chung (r_vnindex, r_vn30, r_upcom): Mô hình Linear Regression, Random Forest và Lasso Regression đạt hiệu suất dự báo tối ưu nhất. Cơ chế chọn lọc biến của Lasso và khả năng tổng quát hóa phi tuyến của Random Forest phát huy tác dụng tốt trên các chỉ số có quy mô vốn hóa lớn.
   • Đối với dự báo tỷ suất sinh lợi của các nhóm ngành (banle, bds, ck, nh, thep): Mô hình Ridge Regression (L2) chiếm ưu thế vượt trội. Do dữ liệu ngành có tính biến động cao và chịu ảnh hưởng đan xen từ nhiều biến số có tương quan, cơ chế co hệ số của Ridge giúp giảm thiểu phương sai dự báo hiệu quả hơn các mô hình còn lại.

Khuyến nghị và giải pháp đề xuất

• Đối với nhà đầu tư cá nhân và tổ chức: Cần tích hợp các công cụ học máy vào hệ thống phân tích định lượng, kết hợp theo dõi dữ liệu vĩ mô (lãi suất, cung tiền, tỷ giá) và dữ liệu thị trường quốc tế theo tần suất tháng có tính đến độ trễ, thay vì chỉ dựa vào phân tích kỹ thuật đơn thuần trên giá quá khứ.
• Lựa chọn mô hình theo bài toán: Nên áp dụng linh hoạt Linear Regression, Random Forest, Lasso khi xây dựng chiến lược giao dịch theo chỉ số (Index Tracking / ETF), và ưu tiên Ridge Regression khi xây dựng danh mục đầu tư luân chuyển ngành (Sector Rotation).
• Đối với cơ quan quản lý: Cần nâng cao tính minh bạch và tần suất công bố dữ liệu kinh tế vĩ mô để hỗ trợ thị trường tài chính vận hành hiệu quả, tạo điều kiện phát triển các công cụ phân tích công nghệ tài chính (Fintech).

Đóng góp của nghiên cứu

• Về mặt học thuật: Bổ sung bằng chứng thực nghiệm định lượng về mối quan hệ giữa vĩ mô và chứng khoán tại Việt Nam giai đoạn 2010–2023; lấp khoảng trống nghiên cứu dự báo chi tiết ở cấp độ từng nhóm ngành tiêu biểu thay vì chỉ tập trung vào chỉ số VN-Index đơn lẻ.
• Về mặt thực tiễn: Cung cấp quy trình tiền xử lý chuỗi thời gian hoàn chỉnh bằng Python (kiểm định ADF, xử lý dừng, tạo biến trễ, tối ưu hóa siêu tham số) có thể tái lập và ứng dụng trực tiếp trong hoạt động phân tích dữ liệu tài chính.

---

Hạn chế và hướng nghiên cứu tiếp theo

Hạn chế của đề tài

• Tần suất và kích thước mẫu dữ liệu: Dữ liệu nghiên cứu được thu thập theo tần suất tháng với 168 quan sát (2010–2023). Quy mô mẫu này tuy phù hợp với chu kỳ dữ liệu vĩ mô nhưng còn hạn chế đối với một số thuật toán học máy phức tạp vốn cần dung lượng mẫu lớn để tối ưu hóa việc học sâu.
• Không gian biến số: Nghiên cứu giới hạn ở 7 biến vĩ mô trong nước, 5 biến quốc tế/hàng hóa và 5 nhóm ngành tiêu biểu; chưa bao quát toàn bộ các ngành trên sàn niêm yết cũng như các biến số vi mô nội tại của doanh nghiệp.
• Cấu trúc độ trễ cố định: Nghiên cứu áp dụng đồng đều độ trễ từ 1 đến 5 tháng cho tất cả các biến độc lập mà chưa áp dụng các kỹ thuật chọn lọc bậc trễ tự động tối ưu cho từng biến riêng biệt (như tiêu chuẩn AIC/BIC theo từng phương trình).

Hướng nghiên cứu tiếp theo

• Mở rộng tập dữ liệu với tần suất cao hơn (theo ngày hoặc theo tuần) kết hợp các kỹ thuật nội suy dữ liệu vĩ mô hoặc áp dụng mô hình kết hợp đa tần số (như GARCH-MIDAS kết hợp Machine Learning).
• Thử nghiệm và mở rộng sang các kiến trúc mạng nơ-ron học sâu chuyên biệt cho chuỗi thời gian như LSTM (Long Short-Term Memory), GRU, hoặc N-BEATS.
• Tích hợp thêm các chỉ báo tâm lý thị trường, dữ liệu giao dịch khối ngoại và mở rộng dự báo cho toàn bộ các nhóm ngành cấp 2 trên thị trường chứng khoán Việt Nam.

---

Giá trị tham khảo

Đối tượng tham khảo phù hợp

• Sinh viên và học viên cao học ngành Tài chính – Ngân hàng, Fintech, Khoa học dữ liệu: Tài liệu mẫu mực về cách kết hợp lý thuyết kinh tế tài chính với kỹ thuật lập trình khoa học dữ liệu trong việc thực hiện khóa luận tốt nghiệp.
• Chuyên viên phân tích định lượng (Quantitative Analyst) tại các công ty chứng khoán, quỹ đầu tư: Tham khảo quy trình xây dựng biến trễ vĩ mô và so sánh hiệu suất giữa các mô hình hồi quy truyền thống và mô hình có chính quy hóa (Regularization).

Các phần nội dung có giá trị ứng dụng cao

• Quy trình tiền xử lý dữ liệu chuỗi thời gian (Mục 3.3): Cung cấp các đoạn mã Python và phương pháp chuẩn để kiểm định ADF, chuyển đổi tỷ suất sinh lợi và hàm tự động tạo độ trễ dữ liệu (do_tre).
• Khung so sánh 5 thuật toán Machine Learning (Chương 2 và Chương 4): Cung cấp cơ sở toán học và kết quả so sánh thực tế giữa Linear, KNN, Random Forest, Lasso và Ridge trên cùng một bộ dữ liệu tài chính Việt Nam.

---

Câu hỏi thường gặp

1. Tại sao tác giả phải chuyển đổi dữ liệu chỉ số giá và biến vĩ mô sang dạng tỷ suất sinh lợi?

Chuỗi dữ liệu gốc của các chỉ số chứng khoán (VN-Index, VN30, UPCoM) và các biến vĩ mô (lãi suất, CPI, tỷ giá, M2) là chuỗi không dừng (có nghiệm đơn vị theo kiểm định ADF). Việc sử dụng trực tiếp chuỗi không dừng trong các mô hình hồi quy sẽ dẫn đến hiện tượng hồi quy giả mạo (Spurious Regression). Chuyển đổi sang tỷ suất sinh lợi thông qua sai phân phần trăm (pct_change() * 100) giúp toàn bộ chuỗi dữ liệu đạt tính dừng ở các mức ý nghĩa 1%, 5%, 10%, đáp ứng điều kiện tiên quyết cho việc huấn luyện mô hình học máy.

2. Dữ liệu tỷ suất sinh lợi của 5 nhóm ngành tiêu biểu được tính toán từ nguồn nào?

Dữ liệu TSSL của 5 nhóm ngành (Bán lẻ, Bất động sản, Chứng khoán, Ngân hàng, Thép) được thu thập theo phương pháp tính toán nội bộ của Công ty Cổ phần Chứng khoán Rồng Việt (VDSC). TSSL ngành được tính bằng tổng tỷ suất sinh lợi của từng cổ phiếu trong ngành nhân với tỷ trọng giá trị vốn hóa thị trường của cổ phiếu đó so với tổng vốn hóa của toàn ngành: $$TSSL_{ngành} = \sum_{i=1}^{N} r_i m_i$$

3. Tại sao khóa luận lại tạo biến độ trễ (lags) từ 1 đến 5 trong mô hình?

Trong kinh tế học, các chính sách tài khóa và tiền tệ (thay đổi lãi suất, cung tiền) cũng như biến động từ thị trường quốc tế không tác động tức thì lên thị trường chứng khoán mà cần một khoảng thời gian thẩm thấu nhất định. Việc tạo các biến trễ từ bậc 1 đến 5 (tương ứng độ trễ từ 1 đến 5 tháng) cho phép các thuật toán học máy nắm bắt được các tác động trễ này lên xu hướng giá và tỷ suất sinh lợi.

4. Kết quả nghiên cứu chỉ ra mô hình học máy nào hoạt động tốt nhất cho từng mục tiêu dự báo?

Kết quả thực nghiệm cho thấy sự phân hóa rõ ràng:

• Đối với dự báo tỷ suất sinh lợi của các chỉ số thị trường chung (VN-Index, VN30, UPCoM): Linear Regression, Random Forest và Lasso Regression cho hiệu suất dự báo vượt trội.
• Đối với dự báo tỷ suất sinh lợi của các nhóm ngành (Bán lẻ, BĐS, Chứng khoán, Ngân hàng, Thép): Ridge Regression chiếm ưu thế cao nhất nhờ khả năng kiểm soát phương sai tốt trong bối cảnh dữ liệu ngành có độ phân tán lớn và tương quan cao.

5. Những thư viện lập trình Python nào được sử dụng trong nghiên cứu?

Khóa luận sử dụng các thư viện chuyên dụng trong hệ sinh thái khoa học dữ liệu Python, bao gồm: pandas (xử lý cấu trúc bảng), numpy (tính toán ma trận/mảng số), matplotlib.pyplot và seaborn (trực quan hóa dữ liệu và biểu đồ), statsmodels.stattools (thực hiện kiểm định chuỗi thời gian và nghiệm đơn vị ADF), và thư viện os (tương tác hệ thống tệp).

---

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Quỳnh Giao đã giải quyết trọn vẹn bài toán ứng dụng học máy trong dự báo thị trường chứng khoán Việt Nam dưới tác động của các yếu tố kinh tế vĩ mô giai đoạn 2010–2023. Công trình thể hiện sự chặt chẽ về mặt phương pháp luận kinh tế lượng tài chính thông qua quy trình kiểm định tính dừng ADF, xử lý chuỗi tỷ suất sinh lợi và tạo lập cấu trúc biến trễ đa chiều. Kết quả thực nghiệm làm sáng tỏ ưu thế của Linear Regression, Random Forest, Lasso Regression đối với các chỉ số thị trường chung, đồng thời khẳng định tính vượt trội của Ridge Regression trong việc dự báo tỷ suất sinh lợi cấp ngành. Đây là tài liệu học thuật có giá trị tham khảo cao về mặt phương pháp định lượng và kỹ thuật thực thi cho các nghiên cứu ứng dụng công nghệ tài chính tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu nghiên cứu Chương 2: Cơ sở lý thuyết Chương 3: Phương pháp nghiên cứu Chương 4: Kết quả nghiên cứu Chương 5: Kết luận và khuyến nghị 8 Chương 2: CƠ SỞ LÝ THUYẾT 2. Tổng quan về học máy (Machine learning) Theo (A. Samuel 1959), học máy (machine learning– ML) là một nhánh của khoa học và cả nghệ thuật của việc lập trình máy tính để máy tính có thể học hỏi từ dữ liệu. Bằng việc sử dụng các kỹ thuật thống kê cho phép máy tính học mà không cần được lập trình một cách rõ ràng.

Theo Klaas, Jannes (2019), ML mang đến một phương pháp tiếp cận mới trong việc phát triển phần mềm. Trong khi các chương trình máy tính hiện nay chủ yếu do con người xây dựng, với các kỹ sư phần mềm cẩn thận thiết kế và mã hóa từng quy tắc hoạt động của phần mềm, học máy lại khác biệt ở chỗ nó cho phép máy tính tự tạo ra các quy tắc thông qua quá trình phát hiện mẫu. Một trong những ứng dụng đầu tiên của ML được sử dụng để phân loại và lọc ra email rác dựa trên các đặc tính như: thời gian tài khoản được thành lập, căn cứ vào số lượng email được gửi đi và từ khóa trong các email. Tiếp theo đó, ML được ứng dụng để nhận diện khuôn mặt dựa trên dữ liệu có sẵn.

Qua nhiều thập kỷ phát triển và đổi mới công nghệ, ML đã trở thành một lĩnh vực quan trọng trong nhiều nghiên cứu khoa học và ứng dụng công nghiệp. Đặc biệt, ML phù hợp đối với những ngành có các mẫu trong dữ liệu phức tạp, đa chiều như ngành dịch vụ tài chính. Ngành dịch vụ tài chính có bản chất là một ngành xử lý thông tin. Quỹ đầu tư sử dụng ML để tiến hành xử lý thông tin, tối đa hóa danh mục đầu tư và dự báo nhằm đánh giá các cơ hội đầu tư, các công ty chứng khoán sử dụng ML để phát hiện gian lận tài chính, công ty bảo hiểm dựa vào thông tin để định giá các hợp đồng bảo hiểm, và ngân hàng bán lẻ thì xử lý thông tin để quyết định sản phẩm nào sẽ được cung cấp cho khách hàng nào.

Chính vì lý do này, việc ngành tài chính sớm áp dụng ML trong quá trình phân tích, dự báo và đưa ra đánh giá là điều dễ hiểu. Các mô hình học máy được chia thành 3 nhánh chính, tùy thuộc vào cách tiếp cận: học có giám sát, học không giám sát và học tăng cường, mỗi dạng phục vụ cho các mục đích nghiên cứu riêng biệt.1: Phân loại các mô hình học máy vê Học có giám sát (supervised learning) nghiên cứu mối liên hệ giữa các biến dự đoán và kết quả từ các tập dữ liệu huấn luyện có nhãn, rồi áp dụng quy tắc học được để xây dựng mô hình phân loại dữ liệu mới Russell và cộng sự (2010). Học có giám sát chủ yếu gồm hai phương pháp: phân loại và hồi quy. Mô hình phân loại dự đoán kết quả theo danh mục, như chẩn đoán của bác sĩ, còn mô hình hồi quy dự đoán kết quả liên tục, chẳng hạn như điểm hoạt động của bệnh.2: Học có giám sát Nguồn: (Jain 2023) Trái lại, học không giám sát (unsupervised learning) được dùng để khám phá các mẫu ẩn trong dữ liệu huấn luyện không có nhãn.

Các phương pháp phân cụm 10 phân cấp, phân cụm K-means và mô hình hỗn hợp Gaussian, là những phương pháp phổ biến nhất để tập hợp dữ liệu vào các cụm chưa rõ trước đó. Phân cụm không giám sát đóng vai trò quyết định trong nhiều nghiên cứu phân tầng bệnh nhân và xác định các loại bệnh phụ Mossotto et al. (2017); Orange et al. (2018) (David Martín-Gutiérrez and Gustavo Hernández-Peñaloza n.3: Học không giám sát Nguồn: (Jain 2023) Cuối cùng, học tăng cường (reinforced learning) được lập trình để tự học, tự điều chỉnh thông qua phản hồi từ môi trường, giúp cải thiện chức năng mô hình mà không cần dữ liệu có nhãn Kaelbling, Littman, and Moore (1996).

Điều này đồng nghĩa với việc máy tính sẽ tự tiếp xúc với môi trường, tự huấn luyện mình bằng cách liên tục thử và sai để tự học hỏi và rút ra kinh nghiệm từ quá khứ và tiếp tục cố gắng nắm bắt các kiến thức một cách tốt nhất có thể nhằm đưa ra được những quyết định chính xác.4: Học tăng cường Nguồn: (Jain 2023) Nhìn chung, ML trong lĩnh vực tài chính giúp người dùng tối ưu hóa việc thu thập và xử lý các dữ liệu lớn, phân tích và đưa ra các lựa chọn đầu tư thông qua việc 11 ứng dụng các mô hình học máy để phân tích và dự báo dựa trên dữ liệu lịch sử. Giúp người dùng tiết kiệm thời gian, tối ưu hóa hiệu suất thông qua việc tự động hóa trong quá trình giao dịch chứng khoán, quản lý rủi ro tín dụng và tư vấn đầu tư. Tổng quan lý thuyết về các mô hình học máy 2. Linear Regression Linear Regression (hồi quy tuyến tính) là một thuật toán thuộc nhóm học có giám sát (supervised learning).

Đây là một trong những mô hình được sử dụng rộng rãi với mục đích tiên đoán dữ liệu (learning predictive modeling), điều tra các mối quan hệ giữa biến mục tiêu và một hoặc nhiều biến độc lập. Khi chỉ có một biến độc lập, thuật toán này được gọi là Hồi quy tuyến tính đơn biến (Simple Linear Regression): y = β0 + β1 X Trong đó: • y: biến phụ thuộc; • X: biến độc lập; • β0: hệ số chặn (intercept); • β1: hệ số góc (slope). Khi có nhiều hơn một biến độc lập, nó được gọi là Hồi quy tuyến tính đa biến (Multiple Linear Regression). y = β0 + β1X1 + β2 X2 + ⋯ + βnXn Trong đó: • y: biến phụ thuộc; • X1, X2,…, Xn: các biến độc lập, là các giá trị trong bộ dữ liệu; • β0 : hệ số chặn (intercept); • β1, β2,…, βn: các trọng số.

Mục tiêu của thuật toán là tìm phương trình đường thẳng tốt nhất có thể dự đoán các giá trị dựa trên các biến độc lập, điều này đồng nghĩa với việc sai số giữa 12 giá trị dự đoán và giá trị thực tế phải được giữ ở mức tối thiểu. Đường thẳng phù hợp nhất sẽ có sai số nhỏ nhất với biến phụ thuộc là giá trị liên tục, còn các biến độc lập có thể liên tục hoặc rời rạc. Mối quan hệ được mô hình hóa dưới dạng tuyến tính, sau đó được huấn luyện và điều chỉnh các hệ số β cho phù hợp với mẫu và được phù hợp bằng cách sử dụng phương pháp số dư bình phương, làm sao để tối thiểu tổng phương sai.5: Phương pháp bình phương nhỏ nhất Nguồn: Lê Hoàng Anh (2022) Hồi quy tuyến tính là một công cụ hữu ích trong việc phân tích và dự báo hành vi của một biến số, nhưng để đảm bảo kết quả chính xác và đáng tin cậy, mô hình này cần đáp ứng một số điều kiện như: tính tuyến tính giữa biến độc lập và biến phụ thuộc, tính độc lập của các quan sát, tính đồng nhất của phương sai,…Với ưu điểm khá dễ hiểu, tốc độ giải thuật rất nhanh và kết quả khá tối ưu đã đáp ứng các điều kiện cần giúp mô hình này đạt được độ phổ biến cao. Tuy nhiên, Linear Regression vẫn có nhiều hạn chế như không thể biểu diễn được các mô hình phức tạp hay không thể mô hình hóa các mối quan hệ phi tuyến tính và khá nhạy cảm với các dữ liệu nhiễu (outliner).

Có hai phép đo lường rất quan trọng được sử dụng để định lượng và xác định mức độ chính xác của mô hình hồi quy tuyến tính là: lỗi bình phương trung bình (Mean Squared Error – MSE) và R2 (tỷ lệ phần trăm biến thiên của biến phụ thuộc y được giải thích bằng mô hình tuyến tính) 13 Các ứng dụng tiêu biểu của Linear regression là hệ thống chấm điểm tín dụng của các ngân hàng, dự báo tài chính, dự đoán chi phí,… Biểu đồ 2.1: Các bước thực hiện mô hình Linear regression Chia tỷ lệ tập Huấn luyện Tính MSE Tạo tập dữ Kiểm tra huấn luyện model So sánh R- của output liệu input và model và tập kiểm (training square (test & output (testing data) tra data) predict) Nguồn: tác giả tổng hợp 2. Random Forest Thuật toán Rừng Ngẫu Nhiên (Random Forest) là một kỹ thuật học có giám sát được ứng dụng rộng rãi trong lĩnh vực học máy. Về bản chất, quá trình hoạt động của thuật toán này là việc tạo ra nhiều cây quyết định (Decision Trees) trong quá trình huấn luyện. Với nhược điểm chính của Decision Trees là xu hướng quá khớp (overfitting) dữ liệu huấn luyện, sự ra đời của Random Forest được xem là một giải pháp khi mỗi cây được xây dựng dựa trên một tập hợp con ngẫu nhiên của tập dữ liệu ban đầu, đồng thời đo lường một tập hợp con ngẫu nhiên của các đặc trưng trong mỗi phân vùng.

Sự ngẫu nhiên này làm tăng tính đa dạng giữa các cây, giảm thiểu nguy cơ quá khớp và giữ lại được sức mạnh dự đoán của cây giúp cải thiện hiệu suất dự đoán tổng thể.6: Random Forest Nguồn: (Random Forest Algorithm in Machine Learning - GeeksforGeeks n.) Random Forest là một thuật toán thuộc nhóm Supervised learning nổi bật trong lĩnh vực học máy, với nhiều đặc điểm giúp nâng cao hiệu suất dự đoán và phân loại dữ liệu. Một trong những đặc điểm nổi bật là giảm thiểu hiện tượng quá khớp bằng cách sử dụng trung bình các dự đoán của nhiều cây quyết định. Điều này giúp mô hình có khả năng tổng quát hóa tốt hơn, không bị ảnh hưởng quá nhiều bởi các biến động trong dữ liệu huấn luyện. Ngoài ra, độ chính xác của Random Forest khá cao khi nó sử dụng một tập hợp các cây quyết định giúp mô hình đạt được độ chính xác cao trong dự đoán.

Mỗi cây quyết định sẽ đóng góp một phần vào dự đoán cuối cùng, tạo nên một mô hình mạnh mẽ hơn so với việc chỉ sử dụng một cây duy nhất. Tuy nhiên, việc mô hình có nhiều cây quyết định cũng đồng nghĩa với việc khối lượng công việc nó cần phải xử lý nhiều hơn khi tất cả các cây trong rừng phải đưa ra dự đoán cho cùng một đầu vào và tiếp tục bỏ phiếu trên đó. Điều này khiến Random Forest hoạt động khá chậm và tốn thời gian hơn so với các mô hình đơn giản khác.2: Các bước thực hiện mô hình Random Forest Chọn mẫu Xây dựng cây Nhận kết quả Thực hiện bỏ Chọn kết quả ngẫu nhiên quyết định dự đoán từ phiếu cho dự đoán có từ tập dữ cho các mẫu mỗi cây từng kết quả nhiều phiếu liệu được chọn quyết định dự đoán nhất Nguồn: tác giả tổng hợp 2.