1
THÔNGTINLÊNMẠNGNHỮNGĐIỂMMỚICỦALUẬNÁNTIẾNSĨ
· Nghiêncứusinh: LêĐạtChí
· Tênluậnán:“Ứngdụngmôhìnhmạngthầ nkinhnhântạotrongdựbáokinhtế
TrườnghợpthịtrườngchứngkhoánViệtNam”
· Ngànhkhoahọccủaluậnán:Kinhtếtàichính –ngânhàng,mãsố:62.31.12.01
· Tênđơnvịđàotạo:TrườngĐạihọcKinhtếTP.HồChíMinh
Nhữngđiểmmớicủaluậnán:
Quanhữngnghiêncứutrướcđâydựatrêncácmôhìnhhồiquytuyếntínhvàphituyếnđể
phântíchvàdựbáothịtrườngchứngkhoánViệtNam,gầnnhưchưacómộtmôhìnhnàocho
thấykhảnăngdựbáothịtrườngchứngkhoánViệtNam,điềunàyđặtracholuậnánmộtsố
câuhỏi:phảichăngthịtrườngchứngkhoánViệtNamlàkhôngthểdựabáotrướccácbiến
giảithíchhiệnhữu?hoặcphảichăngmôhình tiếpcậnđểphântíchvàdựbáogiáchứngkhoán
làkhôngphùhợpvớiđặcđiểmcủathịtrường,củabiếndựbáo? Quaquátrìnhtìmhiểu,
nhữngcôngtrìnhnghiêncứutrênthếgiớivềlĩnhvựcphântíchvàdựabáo,Luậnánchọnmô
hìnhmạngthầnkinhnhântạo(ANN).NhữngluậncứcủamôhìnhmạngANNphùhợpvới
biếnnghiêncứu(biếnđộngcủathịtrườngtàichínhmangtínhphituyến(Bollerslev(1986),
Fangvà cộng sự (1994),…), Chatterjee và cộng sự (2000) cung cấp một tổng quan về hệ
thốngANNvàphạmvisửdụngrộngrãicủachúngtrênthịtrườngtàichính…làmnhững
bằngchứngthựcnghiệmtốtchoquátrìnhnghiêncứumôhìnhmạngANN.Đồngthời,quá
trìnhnghiêncứu mạngANNtrongviệcứngdụngvàothịtrườngtàichínhkhôngyêucầu
nhữnggiảđịnhnghiêmngặtnhưmôhìnhhồiquy.Điềunàychothấy,tínhhấpdẫncủamô
hìnhANNvớiđặcđiểmcủathịtrườngtàichínhnhấtlànhữngthịtrườngcủanhữngnềnkinh
tếmớinổinhưViệtNam.Dođó,luậnántậptrungnghiêncứukhảnăngứngdụngmôhình
ANNtrongdựbáothịtrườngchứngkhoánViệtNam.
Dựatrênmụctiêunghiêncứucủaluậnán:
1. KhảnăngứngdụngmôhìnhANNtrongdựbáogiáchứngkhoántrênthịtrường
chứngkhoánViệtNam.
2. LựachọncấutrúcmạngANNphùhợptrongdựbáogiáchứngkhoán.
3. HiệuquảứngdụngmôhìnhANNtốthơnmôhìnhhồiquytuyếntính.
4. Tìm ra nhóm biến có thể giúp dự báo giá chứng khoán trên thị trường chứng
khoánViệtNamquađógợiýmộtsốchínhsáchliênquan.
Luậnánđãgiảiquyếtcácmụctiêunàyđểđạtđượccáckếtquảsau:
(1). TìmracơchếvậnhànhcủamôhìnhmạngANNkhisửdụngđểdựbáocácbiến
kinhtếtheochuỗithờigiantrongthịtrườngtàichính.
(2). QuađóvậndụngmôhìnhANNđểkhảosátkhảnăngdựbáogiáchứngkhoán
trênthịtrườngchứngkhoánViệtNam.
(3). Quátrìnhnghiêncứukhảnăng ứngdụngmôhìnhmạngANNvàodựbáogiá
chứngkhoánViệtNam,luậnánđãchỉracấutrúcmạngtruyềnthẳngvớihàm
2
truyềnlàhàmphituyếnsẽchorakếtquảdựbáotốthơncáccấutrúcmạngANN
khác.
(4). Đồngthời,trongquátrìnhkhảsátkhảnăngứngdụngmôhìnhANNđểdựbáo
giáchứngkhoántrênthịtrườngchứngkhoánViệtNam,luậnánđãchứngminh
tínhhiệuquảvàsựvượttrộicủamôhìnhmạngANNhơnhẳnmôhìnhhồiquy
truyềnthốngthườngđượcápdụnglâunaytrênthịtrường.Điềunàychothấy,khả
năngdựbáogiáchứngkhoántrênthịtrườngchứngkhoánViệtNamlàhoàntoàn
cóthểthựchiệnđượcnếuđượctiếpcậntrêncáccấutrúcmạngANNkhácnhau
củamôhìnhANN.Điềunàylàmthayđổinhữngkếtluậncủanhữngcôngtrình
nghiêncứutrướcđâykhiphântíchvàdựbáogiáchứngkhoántrênthịtrường
chứngkhoánViệtNam.
(5). Khôngdừnglạiởkếtquảtrên,luậnántiếptụckhảosátcácbiếngiảithíchcóthể
cótrêncơsởthuthậpthôngtin,luậnánđãtìmkiếmcácnhómbiếngiảithích
khácnhauchonhữngkhungthờigianphântíchkhácnhauđểtìmkiếmcácbiến
cókhảnăngdựbáotốtnhất.Quađó,nhómbiếnphảnánhtìnhhìnhtàichínhcủa
doanhnghiệpniêmyếtlạichokhảnăngdựbáotốtnhấtcosựthayđổigiáchứng
khoántrênthịtrườngchứngkhoánViệtNam.Tuynhiêncácbiếnvĩmôcũngcho
ratácđộngmạnhđếnsựthayđổivềgiátrênthịtrườngchứngkhoán,nhưngmức
độdựbáolạikhôngchokếtquảchínhxáchơnnhómbiếntàichính.Điềuđáng
chúýlà,nếucùngcácbiếnkhảosáttrênthìmôhìnhhồiquytruyềnthốnglạitỏra
kémhiệuquả.
(6). Trongquátrìnhtìmkiếm,khảosátcácnhómbiến,luậnánđãpháthiệnratính
chấthànhvicủanhàđầutưtồntạikhámạnhmẽ,điềunàyđãtácđộngđếnquá
trìnhbiếnđộnggiáchứngkhoántrênthịtrườngchứngkhoánViệtNam.Quátrình
phântíchnàycũngtrùnghợpvớinhữngnghiêncứutrướcđâyvềsựtồntạihành
vicủanhàđầutưtrênthịtrườngchứngkhoán,chínhhànhvinàyquyếtđịnhnên
xuhướngbiếnđộngtronggiáchứngkhoánmàchưacómôhìnhnàođolườngđể
dựbáo.Nhưvậy,nhữngthịtrườngmànơiđóyếutốhànhvicủaconngườiquyết
địnhnênxuhướngcủasựthayđổithìkhảnăngứngdụngmôhìnhANNcàngtỏ
rotínhhiệuquảvàsựvượttrộicao.
Nhưvậy,dựatrêncácmụctiêunghiêncứu,luậnánđãpháthiệnranhữngkếtquảtrên.Điều
nàycungcấpthêmnhữngphươngpháp,côngcụtrongphântíchvàdựbáocácbiếnkinhtế,
điểnhìnhlàthịtrườngchứngkhoánViệtNam.
Giáoviênhướngdẫn Nghiêncứusinh
3
GS.TS.TrầnNgọcThơ LêĐạtChí
Chủtịchhộiđồngcấpcơsở
PGS.TS.PhanThịBíchNguyệt
4
MỞĐẦU
1. Tínhcấpthiếtcủaluậnán
Việc nghiên cứunhững côngcụhoặcmôhình dựbáo thị trường tài chính vànền
kinhtếcómộtlịchsửlâuđời.Phântíchchuỗithờigianlàmộttrongnhữngcáchtiếp
cậntruyềnthốngđượcsửdụngrộngrãinhấttronglĩnhvựcnày.Cóhailoạimôhình
môtảhànhvicủachuỗithờigiannhưsau.
Thứnhấtlàcácmôhìnhtuyếntính:phươngpháptuyếntínhđểphântíchchuỗithời
gianthườngđượcápdụngthôngquamộttrongnhữngkỹthuậtsauđây:
a. KỹthuậtBox Jenkins
b. BộlọcKalman
c. LýthuyếtsanbằnghàmmũcủaBrown
d. Hồiquymẫunhỏ
Thứhailàcácmôhìnhphituyến:
a. LýthuyếtTaken
b. PhươngtrìnhMackeyGlass
Nhữngkỹthuậtnàycốgắngtáitạolạichuỗithờigiandựatrêncácmẫudữliệuđểdự
đoángiátrịtươnglai.Mặcdùnhữngkỹthuậtnàycóýnghĩathốngkênhưngchúng
cótỷlệthànhcôngthấpkhiđượcsửdụngđểdựbáothịtrườngtàichính.
Nhữngbằngchứnggầnđâychỉrarằngthịtrườngtàichínhlàphituyến.Tuynhiên,
phươngpháptuyếntínhvẫncungcấpnhữngcáchtiếpcậntốtđểmôtảhệthốngphi
tuyến đượctìm thấytrongphân tích chuỗi thờigian thị trường tài chính (Fang và
cộngsự,1994).Bollerslev(1986)cungcấpmộtcáinhìntổngquátvềsựtồntạicủa
tínhphituyếntrongdữliệutàichính,vàpháttriểnmộtmôhìnhđểdựđoánchuỗi
thời gian tài chính được gọi là GARCH (Generalized Autoregressive conditional
heteroskedasticity GARCH)kếthợptấtcảcácđặctrưngquansátđượctrongchuỗi
này.Nhưngnềnkinhtếđangpháttriểnnhanhchóng(chứkhôngphảiđitừtừ)theo
thờigian.Tuynhiên,nhữngđặctrưngnàykhôngdễdàngđượctínhtoánbằngcác
môhìnhtuyếntính,vàđiềunàyđượcchứngminhquaviệccáchệsốướclượngcó
độdốclớn.Nhiềunhântốtácđộngđếnthịtrườngtàichínhvànềnkinhtếbaogồm
5
cácsựkiệnchínhtrị,điềukiệnkinhtếnóichung,vàkỳvọngcủanhàđầutư.Vìvậy,
dựbáothịtrườngtàichínhvàsựchuyểnđộngcủanềnkinhtếlàkhákhókhăn.
MạngthầnkinhnhântạoArtificialNeuralNetwork(ANN)làmộtcôngcụhữu
íchtrongtàichínhđịnhlượnghiệnđạivàđượcbiếtđếnnhưmộtkỹthuậtmôhình
hóathốngkêhữuích.ANNlàmộtcôngcụtốtchocảcácnhànghiêncứuvànhững
nhàthựcnghiệm.MôhìnhANNcóthểtìmramốiquanhệhàmtrongmộttậphợpdữ
liệu và thựchiện cácnhiệmvụ như nhậndạngmẫuhình, phân loại,đánh giá,mô
hìnhhóa,dựbáovàkiểmsoát(AndersonvàRosenfeld,1988;HechtNielsen,1990;
Hertzvàcộngsự,1991;HiemstravàJones,1994).Mộtvàitínhnăngkhácbiệtcủa
ANNlàmchochúngcógiátrịvàhấpdẫntrongdựbáo.
MộtsốbàiviếtxemxétnhữngbáocáotrêntạpchícáchmàANNcóthểápdụngcho
thịtrườngtàichínhvànềnkinhtế.Chatterjeevàcộngsự(2000)cungcấpmộttổng
quanvềhệthốngANNvàphạmvisửdụngrộngrãicủachúngtrênthịtrườngtài
chính.CôngtrìnhcủahọthảoluậnvềưuđiểmvượttrộicủaANNsovớicácphương
pháptruyềnthống.Nghiêncứukếtluậnvớimộtmôtảvềviệcsửdụngthànhcông
ANN bởi nhiều tổ chứctàichính trong việcdự báo giá chứng khoán. Trong sách
NeuralNetworkchodựbáotàichínhcủaEdwardGately,môtảphươngphápchung
để xây dựng, huấn luyện, và kiểm tra một ANN bằng cách sử dụng phần mềm
thươngmạihiệnhữu.Luậnánsẽtậptrungvàophươngphápnàyđểtriểnkhaiquá
trìnhphân tích vàdựbáogiáchứngkhoántrên thị trườngchứngkhoán ViệtNam
như là một minh chứng cho khả năng ứng dụng của ANN trong dự báo kinh tế.
Khôngchỉtronglĩnhvựcdựbáogiáchứngkhoán,luậnáncònmongmuốnsửdụng
phươngpháp ANN ápdụng cho các lĩnh vực tài chính vànền kinh tếnhư làmột
côngcụdựbáohỗtrợchocácphươngpháptruyềnthống.Chínhvìvậy,tácgiảchọn
đềtàivớitêngọi“Ứngdụngmôhìnhmạngthầnkinhnhântạotrongdựbáokinhtế –
TrườnghợpthịtrườngchứngkhoánViệtNam”làmnộidungnghiêncứucholuậnán
tiếnsĩcủamình.
2. Tìnhhìnhnghiêncứuliênquanđếnnộidu ngluậnán
TừnhữngnghiêncứusơkhaicủaMcCullochvàPittstrongnhữngnăm1940,trải
qua nhiều năm phát triển, chođến hơn10 năm trở lại đây cùng với sự phát triển
mạnhmẽcủangànhcôngnghệthôngtintrongviệcxửlýdữliệuchocảphầncứng
vàphầnmềmđãgiúpcàiđặtnhữngứngdụngphứctạpcủalýthuyếtmạngthầnkinh
nhântạo.Lýthuyếtmạngthầnkinhnhântạonhữngnămgầnđâymớithựcsựđược
chú ý vànhanh chóng trở thànhmộthướngnghiên cứu đầytriển vọng trongmục
đíchxâydựngmôhìnhmôphỏngtheotrítuệconngười. Sứcmạnhthuộcvềbảnchất
tính toán của các thuật toánmạng, song những nghiên cứu thực nghiệm đã thành
6
côngtrongnhiềulĩnhvực,nhữngnghiêncứuthựcnghiệmtronglĩnhvựctàichính
cũngđượcsựquantâmvàchoranhiềukếtquảtốtởnhữngnềnkinhtếkhácnhau.
Từnhữngnghiên cứuviệc ứngdụngANN để phân tích nhữngchuỗidữ liệu thời
giannênđượcthựchiệndựatrêntrấutrúcANNnàochocácchỉtiêudựbáonhưtăng
trưởngkinhtế, biếnđộngtỷgiáhốiđoái,vàthậmchílàgiáchứngkhoántrêncácthị
trường. Quá trình nghiên cứu mạng ANN còn được so sánh với những mô hình
truyền thốnghiệnđangđượcsửdụngcho việcphân tích vàdựbáotronglĩnh vực
kinhtếnhưmôhìnhhồiquytuyếntính,môhìnhhồiquyphituyến.Quátrìnhnghiên
cứunàyđãchoranhữngkếtquảlợithếcủamôhìnhANNđặcbiệtlàởnhữngthị
trườngmớinổitrongphântíchvàdựbáo.Nhưvậy,ởthịtrườngViệtNamliệuquá
trìnhtriểnkhainghiêncứuứngdụngmôhìnhANNcóhiệuquảkhôngvàcóvượt
trộihơncáccôngcụphântíchvàdựbáokhác?Trêncơsởtiếpcậnnày,tôiđivào
nghiêncứuquátrìnhhoạtđộngcủamạngANNtronglĩnhvựckinhtế,tàichínhvà
nhữngkếtquảnghiêncứuđạtđượcởcácthịtrườngkháctrênthếgiớiđểlàmnền
tảngchoviệcnghiêncứu.
3. Mục tiêunghiêncứu
Trênphươngdiệnnghiên cứumôhìnhmạng ANN vànhữngnguyênlýhoạtđộng
củanóđểtừđóứngdụngvàolĩnhvựckinhtếvàtàichínhvẫncònlàmộtnộidung
chưađượcquan tâmnhiều.Trong phạm vi củanền kinh tế Việt Nam, tácgiả tập
trungnghiêncứuviệcứngdụngmôhìnhnàyđểnhằmphântíchvàdựbáogiáchứng
khoántrênthịtrườngchứngkhoán ViệtNam trướccác biếngiải thích khácnhau,
nhưlàmộtminhchứngchokhảnăngứngdụngcủamôhìnhANNtrongdựbáokinh
tế.QuaquátrìnhứngdụngANNvàothịtrườngchứngkhoánViệtNam,luậnánsẽ
giảiquyếtthêmmộtsốvấnđềkhácnhư:cấutrúcmạngANNnàotốtchovấnđềdự
báogiáchứngkhoántrênthịtrườngchứngkhoánViệtNam,hiệuquảcủamôhình
ANNsovớimôhìnhhồiquytuyếntínhbiếnnàosẽtácđộnglênsựbiếnđộngcủa
giáchứngkhoán…Cụthểhơn,luậnánsẽgiảiquyếtbốnmụctiêunghiêncứusau:
1. Khả năng ứng dụng mô hình ANN trong dựbáo giá chứng khoán trên thị
trườngchứngkhoánViệtNam.
2. LựachọncấutrúcmạngANNphùhợptrongdựbáogiáchứngkhoán.
3. HiệuquảứngdụngmôhìnhANNtốthơnmôhìnhhồiquytuyếntính.
4. Tìmranhómbiếncóthểgiúpdựbáogiáchứngkhoántrênthịtrườngchứng
khoánViệtNamquađógợiýmộtsốchínhsáchliênquan.
7
Đểđạtđượcmụctiêunghiêncứunêutrên,nộidungcủaluậnántậptrungđivàotrả
lờicáccâuhỏinghiêncứusauđây:
(1). MôhìnhmạngANNlàgìvàcơ chếvậnhành củanónhưthếnào trongthị
trườngtàichính?
(2). Nhữngquanđiểmvàbằngchứngthựcnghiệmtrongviệcứngdụngmôhình
ANNtrongphântíchvàdựbáotrênthịtrườngtàichính?
(3). Khả năng ứng dụng mô hình ANN trong dựbáo giá chứng khoán trên thị
trườngchứngkhoánViệtNam?
(4). CấutrúcmạngANNnàosẽthíchhợpđểdựbáogiáchứngkhoán?
(5). LiệukhảnăngứngdụngmôhìnhANNtrongdựbáogiáchứngkhoántrênthị
trường chứngkhoán ViệtNamcótínhhiệuquảhơnmôhìnhhồiquytuyến
tínhtruyềnthống?
(6). NếumôhìnhANNtốthơnthìnhữngbiếngiảithíchnàosẽgiúpchochúngta
sửdụngđểphântíchvàdựbáogiáchứngkhoántrênthịtrườngchứngkhoán
ViệtNam?
Việcgiảiquyếtcácmụctiêunghiêncứutrênchothấygiátrịhiệuquảcủamôhình
ANNtrongviệcứngdụngmôhìnhnàytrongphântíchvàdựbáocácbiếnkinhtế.
Chínhvìvậy,cácchủthểliênquantrongnềnkinhtếbaogồmcácnhànghiêncứuvà
các nhà thực hành sẽ áp dụng mô hình ANN để thay thế hoặc bổ sung cho các
phươngpháphồiquy.
4. Phươngphápnghiêncứu
Đểgiảiquyếtcácnộidungnghiêncứunêutrên,tácgiảluậnánđãsửdụngphương
phápđịnhlượngdựatrênviệcnghiêncứunhữngthuậttoánmôphỏngcủamạngthần
kinhnhântạođểtiếnhànhlựachọncấutrúcANNthíchhợpnhằmứngdụngtrong
dựbáogiáchứngkhoán.ViệctriểnkhaiquátrìnhứngdụngmôhìnhANNtrongdự
báogiáchứngkhoántrênthịtrườngchứngkhoánViệtNamđượcdựatrênquytrình
đề xuất 8 bước của năm nhà nghiên cứu Deboeck, Masters, Blum và Nelson và
Illingworth.NgoàiraquátrìnhthửnghiệmcáccấutrúcmạngANNđượcthựchiện
dựatrênphầnmềmhỗtrợxửlýdữliệucóbảnquyềnNeuralSolution5.0.
5. Cácpháthiệnvàkếtquảnghiêncứu
Luậnáncủatácgiảđãđónggópcáckếtquảnghiêncứusau:
8
· KhảnăngứngdụngmôhìnhANNđểdựbáogiáchứngkhoántrênthịtrường
chứngkhoánViệtNamlàhoàntoàncóthểthựchiện.
· MôhìnhANNdùngđểdựbáogiáchứngkhoántrênthịtrườngchứngkhoán
ViệtNamchorakếtquảdựbáongoàimẫutốthơnmôhìnhhồiquytuyếntính
truyềnthống.
· Cấutrúcmạngthầnkinh truyềnthẳngchorakếtquảdựbáotốthơnmộtsố
cấu trúcmạng khác với hàm truyền là hàm phi tuyến. Nói cách khác, mối
quanhệgiữacácbiếngiảithíchvàbiếnphụthuộclàquan hệphituyếntính.
· DựatrênviệcnghiêncứuứngdụngmôhìnhANNđểdựbáogiáchứngkhoán
trênthịtrườngchứngkhoánViệtNam,luậnánđãchothấyrõtácđộngcủa
cácnhómbiếnkinhtếvĩmôcủanềnkinhtế,nhómbiếnthểhiệntìnhhìnhtài
chínhcủacácdoanhnghiệpniêmyết…lênsựthayđổigiáchứngkhoán,trong
khiđónếudùngmôhìnhhồiquytuyếntínhtruyềnthốngthìgầnnhưkhông
tìmthấysựtácđộngnày.
· Qua quá trình phân tích và dựbáo giá chứng khoán trên thị trường chứng
khoánViệtNam,luậnáncógợiýmộtsốchínhsáchđểpháttriểnthịtrường
chứngkhoánViệtNamlênmộttầmcaomớinhằmpháttriểnmạnhquátrình
chuyểndịchcơcấukinhtế.
9
Chương 1: QUAN ĐIỂM VÀ BẰNG CHỨNG THỰC NGHIỆM VIỆC ỨNG
DỤNGMÔHÌNHMẠNGTHẦNKINHNHÂNTẠOTRONGDỰ
BÁO
Mỗimộtmôhìnhphântíchvàdựbáođềudựatrênnhữngnềntảnggiảđịnhkhác
nhau.Cácmôhìnhtrướcnayđượcsửdụngphổbiếnđểphântíchvàdựbáođềudựa
trênphươngphápphânphốichuẩncủacácbiếnđưa vàomôhình. Quanđiểm về
phânphốichuẩnđãđưaranềntảngtoánhọcchohọcthuyếtthịtrườnghiệuquả.
Quanđiểmnàyđãđưađếnviệchìnhthànhcácmôhìnhphântíchvàđịnhgiáchứng
khoánnhưmôhìnhđịnhgiátàisảnvốnCAPM,môhìnhđịnhgiáquyềnchọnBlack
–Scholes,môhìnhđanhântố,môhìnhFamaFrench…Tuynhiên,cácmôhìnhnày
lạikhôngmấyhiệuquảkhiphântíchvàdựbáonhữngchỉtiêuđầytínhbiếnđộng
trongthịtrườngtàichính.Mộtphươngphápmôphỏngbộnãoconngườiđượcxây
dựngdựatrênnhữngnềntảngtiếpcậnkhácvớicácphương pháptrên.Quátrình
môphỏngnàyđượcgọilàmôhìnhmạngthầnkinhnhântạoANN.Nhữngquytắc
khiứngdụngmôhìnhANNkhôngnhưnhữngphươngphápdựatrênquanđiểmphân
phốichuẩn.QuátrìnhứngdụngmôhìnhANNdựatrênquanđiểm:cácchủthểtham
giathịtrường,quyếtđịnhxuhướngthịtrườnglànhữngnhàđầutưvớinhữnghiểu
biếtkhácnhau.Nóicáchkhác,chínhnhàđầutưkhitiếpnhậnthôngtinvàsẽđưara
quyết định trước những thông tin nàydựa trên nhữnghiểu biết và phân tích của
chínhmình.ViệcứngdụngmôhìnhANNkháphổbiếntronglĩnhvựcđiệntử,sản
xuấtrôbốthaynhưtronglĩnhvựcyhọc…QuátrìnhứngdụngmôhìnhANNtrong
thịtrườngtàichínhđểphântíchvàdựbáochỉđượcquantâmtronghơnmộtthập
niêngầnđây.Quátrìnhứngdụngnàylớnmạnhnhờsựhỗtrợcủangànhcôngnghệ
thông tin đã mang lạimột số thànhtựu nhất định về tính hiệu quả của mô hình.
Chínhvìvậy,tiếpcậnnghiêncứumôhìnhANNởViệtNamlàrấtcầnthiết.
1.1. Qua nđiểmlựac họncôngcụphâ nt íchvàdựbáo
Phươngphápphânphốichuẩnhayđườngconghìnhchuônglàmộtcôngcụphổbiến
trongviệcphântíchdữliệukinhtếtàichínhđặcbiệtlàtrongphântíchgiáchứng
khoán.Phươngphápphânphốichuẩnchínhlànềntảngtoánhọcchohọcthuyếtthị
trườnghiệuquảcủalĩnhvựctàichính.Quanđiểmcủaphươngphápphânphốichuẩn
chorằng,giáchứngkhoánlàđộclậpngẫunhiênvớinhau.Phươngphápnàygiúp
chúngtahiểumộtcáchdễdàngbằngcáchđơngiảnhóavàloạibỏnhữngyếutốtrừu
tượngmàchúngtanghĩrằngkhôngphùhợpvớihệthống.Vấnđềởđâychínhlà“sự
khôngphùhợp”.Trongthếgiớithực,nhữngthứđượcxemlà“khôngphùhợp”này
không cho thấy là không quan trọng mà hơn thế nó lại rất quan trọng. Benoit
Mandelbrot,tạitrungtâmnghiêncứucủaIBMtạiYorktownHeights,NewYork,đã
10
pháthiệnrarằng,cácconsốhoàntoànkhácsovớiquanđiểmcủaphânphốichuẩn.
“Mỗisự thayđổi giá cụthể làngẫu nhiên và không thểdựbáođược. Tuynhiên,
chuỗisựthayđổilạicósựphụthuộcnhautrongmộtphạmvi”(Gleick,1987,trang
86).Thựctế,giácảhànghóavàgiácảchứngkhoáncóquanhệphituyến.Nhưng
câuhỏiđặtralàtạisao giá chứngkhoán lạicómốiquanhệphi tuyến haycóxu
hướng?
Thếkỷ20đượcđánhdấubởi3phátminhđángnhớ:(1)thuyếttươngđối(relative
theory)và (2)kỹthuậtđịnh lượng (quantum mechanic) và (3)khoa họchỗn loạn
(chaos science) đã cho thấy rằng bản chất của tự nhiên là không hề độc lập. Sự
chuyểnđộngcủacácvậtchấtluôncóảnhhưởnglẫnnhauhayphụthuộclẫnnhau.
Thịtrường chứngkhoán(TTCK), mộtphần củathếgiới tựnhiên cũngnằm trong
quyluậtđó.Điềunàyđãnóilênkhoahọchỗnloạngiúpchúngtatrảlờicâuhỏitrên.
Bill William(1995) cho rằng, cả thếgiới tự nhiênvà nãongười đều là hỗnloạn.
TTCK,mộtphầncủathếgiớitựnhiênvàlànơiphảnánhhoạtđộngcủaconngười,
cũngcótínhhỗnloạn.Nóicáchkhác,chínhdonãongườicótínhhỗnloạnlànguồn
gốc tạorasựphi tuyếntính của giá cả chứng khoán.Bill William (1995)bộ não
ngườigồm3bộphậnkhácnhau:nãotrái,nãogiữavànãophải.Mỗibộphậnđảm
nhậnmộtchứcnăng khácnhau. Não tráiliênquan đếnvấnđề lý trívàmang tính
tuyếntính.Nãogiữacóchứcnăngxửlýcáctrithứcthànhkinhnghiệm.Nãophải
liênquanđếncảmxúc,làphituyếnvàtrônggiốngnhưtínhhỗnloạn.Bộnãochúng
tacũngtạonêncáchànhvikhácnhau,phụthuộcvàodòngnănglượng.Prigogine
viết:“bộnãolàmộtphátminhcủatínhhỗnloạn”(PrigoginvàStangers,1984,trang
48).Cóthểhìnhdungrằngkhigiaodịchtrênthịtrường,cácnhàkinhdoanhbịảnh
hưởngbởicảm xúc(củanãophải)nhưtham lam vàsợhãiđãtácđộngđếnquyết
địnhđầutưdẫnđếncáchànhviphituyếntính.Tuynhiên,cáchànhvithamlamhay
sợhãiđócótínhbầyđànvàhìnhthànhnênxuhướngcủagiáchứngkhoán(chínhlà
cấutrúc).Nhưvậy,chủthểthamgiaquyếtđịnhnênxuhướngthịtrườnglàcácnhà
đầutư,lànhữngngườikhônghoàntoànduylý(Sargent(1997,1999)).
Dựatrênquanđiểmnày,luậnántậptrungvàoviệclựachọnphươngphápphântích
vàdựbáogiáchứngkhoántheogiảđịnh“sựhợplýcóchừngmực”củanhàđầutư.
Nóicáchkhácnhàđầu tưkhônghoàn toànduylý trongcácquyếtđịnhcủamình.
Phươngpháphồiquydựatrêncácbiếncốquansátlàđộclậpvàngẫunhiên,nódựa
trêngiảthuyếtsựhợplýhoàntoànvàsựtốiưucủaconngười.Môhìnhmạngthần
kinhnhântạoANNđượcmôphỏngtheobộnãoconngườiđượcdùngđểdựbáo
cácbiếnkinhtếtrongthịtrườngtàichính,đặcbiệtlàgiáchứngkhoánđượcthiếtlập
trênnềntảnggiảđịnh“sựhợplýcóchừngmực”nêutrên.Dođó,luậnánsẽtiếpcận
11
việc ứng dụng mô hình ANN để dự báo giá chứng khoán trên TTCK VN nhằm
chứngminhchomụctiêunghiêncứu.
1.2. Mô hìnhmạ ngthầnkinhnhântạoANN
1.2.1. Mạngthầnkinhnhântạovàcácđặcđiểmcơbảncủabộnão
1.2.2. Nhữngyếutốtạonênmộtmôhìnhmạngthầnkinhnhântạo
Hai thànhphần chínhcấu tạonênANNlà các neuron vàcác synapse. Trong kiến
trúccủamộtmôhìnhkếtnối,cácneuronchínhlàcácnútmạng,đượcliênkếtvới
nhauthôngquacácsynpase,làcáccungmạng.
Neuronlàmộtđơnvịtínhtoáncónhiềuđầuvàovàmộtđầura,mỗiđầuvàođếntừ
mộtsynapse.Đặctrưngcủaneuronlàmộthàmkíchhoạtphituyếnchuyểnđổimột
tổhợptuyếntínhcủatấtcảcáctínhiệuđầuvàothànhtínhiệuđầura.Hàmkíchhoạt
nàyđảmbảotínhchấtphituyếnchotínhtoáncủaANN.
Synapselàmộtthànhphầnliênkếtgiữacácneuron,nónốiđầuracủaneuronnày
vớiđầuvàocủaneuronkhác.Đặctrưngcủasynapselàmộttrọngsốmàmỗitínhiệu
điquađềuđượcnhậnvớitrọngsốnày.Cáctrọngsốsynapsechínhlàcácthamsốtự
do cơ bản của ANN, cóthểthay đổi được nhằm thích nghivới môi trường xung
quanh.
Quátrìnhtíchluỹmạng(học)làmộtquátrìnhmàtrongđócácthamsốtựdo(các
trọngsốsynapse)đượcđiềuchỉnhnhằmmụcđíchthíchnghivớimôitrường.Đốivới
vấnđềhọcchoANNngườitaquantâmtớibayếutốsau:Quytắchọc,môhìnhhọc,
thuậttoánhọc.
ThuậttoánBackPropagationlàthuậttoánhọckinhđiểnnhấtvàcũngđượcápdụng
mộtcáchphổbiếnnhấtchocácmạngtiếnđamức.NóđượcxâydựngtrêncơsởQuy
tắchọchiệuchỉnhlỗivàMôhìnhhọcvớimộtngườidạy.
1.2.3. Cáchthứchuấnluyệnmộtmôhìnhmạngthầnkinh
MạngANNđượchuấnluyệnbằngcáchliêntụcđưacáccặptínhiệuđầuvàovàtín
hiệuđầuravàomạng,mạngnhanhchónghọchỏimốiquanhệgiữacácbiếnđầuvào
và đầu ra. Quá trình huấn luyện mạng thực chất là việc điều chỉnh các trọng số
synapsew
k,i
kếtnốicácneurontrongmạng.Trongquátrìnhhuấnluyện,cáctrọngsố
w
k,i
đượcđiềuchỉnhchođếnkhiđạtđượccácgiátrịđầuramongmuốn(T
t
)gầnvới
giátrịđầurathựcsựcủamạng(Y
t
).Nóicáchkhác,saisốgiữagiátrịđầuramong
muốnvàgiátrịđầuracủamạnglànhỏnhất(e
t
).
12
e
t
=T
t
Y
t
1.2.4. Mộtsốthướcđotrongviệclựachọncấutrúcmạngthầnkinhnhântạo
Hàmmụctiêutronglýthuyếttốiưuhóacó2dạngphổbiếnnhấtlàsaisốtuyệtđối
trungbình(MAE–MeanAbsoluteError)vàsaisốbìnhphươngtrungbình(MSE).
Tuynhiên,khisửdụngchuỗidữliệuđểdựbáongoàimẫuthìngoàicácchỉtiêutrên
còn cóchỉtiêuhệsốtươngquan (RSquare),chỉ tiêunàynóilênmốitươngquan
giữagiátrịđầuramongđợivàgiátrịđầurathựccủamộtcấutrúcmạngANNkhi
dựbáongoàimẫu.
1.2.5. Cácđặctrưngcủamôhìnhmạngthầnkinhnhântạo
· Tínhchấtphituyến
· Tínhchấttươngứng đầuvàođầura
· Tínhchấtthíchnghi
· Tínhchấtđồngdạngtrongphântí chvàth iếtkế
1.3. Mộtsốmôhìn hmạngthầnkinhnhântạođiểnhình
1.3.1. Môhìnhmạngtruyềnthẳng(FeedforwardNetworks)
1.3.2. Môhìnhmạngtruyềnthẳngđalớp(MultilayerFeedforwardNetworks)
1.3.3. Môhìnhmạnglặplại(RecurrentNetworks)
1.4. Sựvượttrộicủamôhìnhmạngthầnkinhtrongphântíchvàdựbáo
MôhìnhANNcónhữngưuđiểmsau:
· Trướctiên,ANNcóthểtínhtoándữliệuphituyến.Chúngcókhảnăngthực
hiệnmôhìnhhóaquanhệphituyếnmàkhôngcầnđếnnhữngđiềukiệncho
trướcvềmốiquanhệgiữacácbiếnđầuvàovàcácbiếnđầura.
· Môhìnhnàykhôngđưaracácgiảthiếtvềgiátrịcủacáchệsốkhiướclượng
vàquanhệhàmsốgiữabiếnphụthuộcvàbiếnđộclập.
· Bêncạnhđó,khisửdụngmôhìnhphituyến,cácnhàkinhtếthườngsửdụng
cácthuậttoánsốhọcdựatrêngiảđịnhrằngchuỗisốliệulàliêntục.Vớicác
phương phápnày, người nghiên cứu thường sẽ phảilập lại việc ước lượng
13
nhiềulầnđểchắcrằnghệsốđượcướclượngkhôngrơivàomộttrongsốcác
cựctrịcụcbộ(localoptimum).
· Thị trường tài chính của các nước có nền kinh tế mới nổi hoặc là các thị
trườngcósựthayđổivàcảitiếnmạnhmẽsẽlànơithíchhợpchocácphương
phápnày.
Tuynhiên, bêncạnhnhữngưuđiểmtrên, môhìnhANNlạicómộtsốhạnchế:
· Thứnhất,vấnđềkhógiảithíchcáctrọngsốướclượngtrongmôhìnhhaycòn
gọilàvấnđề“hộpđen –Blackbox”.
· Thứhai,việcứngdụngmôhìnhANNđòihỏikíchcỡmẫulớn.
· Thứha,việcxâydựngmộtcấutrúcANNphùhợpsẽmấtrấtnhiềuthờigian.
1.5. Việcứngdụng môhìnhANNtrongdựbáo–bằngchứngthựcnghiệm
Ýtưởngvề việcxâydựngmôhìnhmạngANNđãxuấthiện từnhữngnăm1958,
khởinguồnbởiFrankRosenblatt.Tuynhiên,phảiđếnnhữngnămcuốithậpkỷ90,
nhữngnghiêncứuứngdụngcủamôhìnhANNmớidầntrởnênphổbiến.Bêncạnh
nhữngứngdụngtronglĩnhvựcyhọc,côngnghệ,môhìnhmạngANNcònđượcứng
dụngrộngrãitrongkinhtếtàichính,đặcbiệtlàtrongviệcxâydựngcácmôhình
dựbáobaogồmdựbáochỉsốchứngkhoánvàdựbáocácbiếnkinhtếvĩmô.
1.6. Thiếtkếmột môhìnhmạngthầnkinh nhântạo
Chương2:THIẾTKẾVÀỨNGDỤNGMẠNGTHẦ NKINHNHÂNTẠOĐỂ
DỰ BÁOGIÁ CH ỨNG KHOÁN TRÊN THỊTRƯỜNG CHỨNG
KHO ÁNVIỆTNAM
MôhìnhmạngANNđượcđưaravàứngdụnglầnđầutiêntronglĩnhvựckhoahọc
nhậnthứcvàtíchhợptrítuệnhântạovàokỹthuật.Quathờigian,ANNđãđượcsử
dụngrộngrãitrongnhiềulĩnhvựckhoahọc,trongđócódựbáokinhtế.Trảiqua
nhiềunghiêncứuthựcnghiệm,ANNtỏralàmộtphươngphápcótínhlinhhoạtvượt
trộisovớicácphươngphápđãtừngđượcsửdụngtrongquákhứ.Trongnhữngnăm
gầnđây,cácứngdụngcủaANNtronglĩnhvựctàichínhnhưnhậndiệnmẫuhình,
phânloại,vàdựbáotheochuỗithờigianngàycànggiatăngnhanhchóngvànhận
đượcnhiều sự quan tâm của cả giới nghiên cứu hàn lâmcũng như thựcnghiệm.
Thựctếđãchothấy,cáctổchứccungcấpdịchvụtàichínhđangtrởthànhnhàtài
trợlớnthứhaicungcấpnguồnlựchỗtrợchocôngtácnghiêncứucácứngdụngcủa
ANN.NhữngứngdụngphổbiếncủaANNtronglĩnhvựctàichínhbaogồmxếphạng
14
rủirotrongthẩmđịnhcáckhoảnchovaythếchấpcũngnhưtrongcáckhoảnđầutư
vàochứngkhoánnợ,xâydựngchỉsố,môphỏnghànhvithịtrường,lựachọnvàđa
dạnghóadanhmụcđầutư,nhậndiệncơchếtácđộngcủacácbiếngiảithíchkinhtế
cũngnhưdựbáocácchuỗidữliệugiáchứngkhoántheothờigian.
Tuynhiên,vớiviệctrênthựctếcóquánhiềuthôngsốđầuvàocầnđượcchọnlựa
phùhợpđểpháttriểnmộtmôhìnhdựbáohiệuquảchothấy,quátrìnhthiếtkếANN
vẫnđòihỏinhiềuthờilượng,côngsứcvàkinhnghiệmcủanhànghiêncứu.Chínhvì
vậy, mụctiêucủanghiêncứunàynhằmcungcấpmộthướngdẫn mang tínhthực
nghiệmtrongthiếtkếmộthệthốngANNphụcvụchomụcđíchdựbáochuỗidữliệu
giáchứngkhoántheothờigian.Theođó,quátrình8bướccơbảntrongxâydựng
mộtANNđượctrìnhbàythôngquaviệcdựbáogiáchứngkhoántrênTTCNVN.
Một vấn đề quan trọng mà luận án tập trung giảiquyết là khả năngdự báogiá
chứngkhoánbằngmôhìnhANN?LiệumôhìnhANNchokếtquảdựbáotốthơnmô
hìnhhồiquytruyềnthống?CấutrúcmạngANNnàosẽchorakếtquảdựbáogiá
chứngkhoántốtnhất?Khikhảosátcácbiếndùngđểdựbáothìcácbiếnnàotác
độnglênsựthayđổicủagiáchứngkhoántrênTTCKVN?Nhữngvấnđềtrênđược
chứngminhtrongphầnnày.TheođóviệcdựbáogiáchứngkhoántrênTTCKVNcó
thểdựbáođượckhisửdụngmôhìnhANNvàcấutrúcmạngtruyềnthẳnglàcấu
trúc cho ra kếtquả dựbáo tốtnhất. Mặt khác,nhómbiến phảnánh tìnhhình tài
chính của các doanh nghiệp là nhóm biến tác động mạnh đến sự biến động giá
chứngkhoántrênTTCKVN.
2.1. Thiếtkếmạngthầnkinhnhântạođểdựbáogiáchứngkhoánvớinhóm
biếnkinhtếvĩmô
2.1.1. Lựachọnbiếnkinhtếvĩmôtácđộngđếngiáchứngkhoán
ĐểthànhcôngtrongviệcthiếtkếhệthốngANNphụthuộcvàokhảnănghiểubiết
củanhànghiêncứuvềvấnđềđangđượcnghiêncứu.Việcnhậnthứcđượcnhững
biếnsốnàođóngvaitròquantrọngtrongthịtrườngđangđượcdựbáolàđiềukiện
tiênquyếtvàtiênkhởitrongquytrìnhthiếtkếmộtANN.Dựatrênnềntảngnàyluận
ánxemxétnhómchỉtiêukinhtếvĩmôtácđộnglêngiáchứngkhoánnàyđểlàmcác
biếnđầuvàochomôhìnhtrongquátrìnhthiếtkếmộtANN.
2.1.2. Thuthậpdữliệukinhtế
Việcthuthậpsốliệuđượccânnhắcdựatrênyếutốchiphívàtínhsẵncó(tứckhả
năngtiếpcậnthôngtincủaluậnán)chocácbiếnsốđãđượcchọnởbảng2.1.Quá
trìnhthuthậpdữliệuđượctậphợptừnăm2002đếnhếttháng9/2010.Dotínhtoán
dựatrênsựthayđổiquacácthángnêndữliệucótổngcộng104quansát.
15
Bảng2.1:Cácbiếnkinhtếđưavàot hiếtkếANNđểdựbáoVNIndex
STT Cácbiến Kýhiệu Miêutảdữliệu
1 Lạmphát CPI Sựthayđổitốcđộchỉsốgiátiêudùngquacác
thángtừnguồndữliệucủatổngcụcthốngkê
2 Tỷgiá USD Sựthayđổitốcđộbiếnđộngtỷgiáthịtrường
tựdocuốimỗitháng.Dữliệuđượcthuthậptừ
IMFvàBloomberg
3 Lãisuất LR Sự thayđổi lãi suất kỳhạn12 thángqua các
tháng.NguồndữliệutừIMFvàngânhàngnhà
nướctừnăm2009
4 Sản lượng công
nghiệp
IP Sựthayđổigiátrịtăngtrưởngsảnlượngcông
nghiệp qua các tháng. Số liệu từ tổng cục
thốngkê
5 Cáncânthươngmại TB Thay đổi giá trị của cán cân thương mại qua
cáctháng.Sốliệutừtổngcụcthốngkê
6 CungtiềnM2 M2 Tốc độ thayđổicungtiềnM2 quacáctháng.
SốliệutừngânhàngnhànướcvàIMF
7 Tăngtrưởngtíndụng CR Tăngtrưởngtíndụngquacáctháng.Sốliệutừ
ngânhàngnhànướcvàIMF
8 VNIndex VNI Sự thayđổi củaVNIndex tínhtheo giáđóng
cửacủacáctháng.DữliệuđượcthuthậptừSở
giaodịchchứngkhoánTp.HCM
2.1.3. Tiềnxửlýdữliệu
Tiềnxửlýdữliệuđềcậpđếnviệcphântíchvàchuyểnđổicácbiếnđầuvàovàđầu
rađểtốithiểuhóanhiễu,nhấnmạnhcácmốiquanhệnổibật,pháthiệnxuhướng,và
sanbằngphânphốicủacácbiếnsốđểphụcvụchoANNtrongviệchuấnluyệnvà
ghinhớcácmẫuhìnhliênquantừbộdữliệuđầuvào.
Trong7biếnđưavàođểkhảosátsựbiếnđộngcủaVNI,luậnánđãlọcramôhình
giảithíchtốtnhấtvới4biến.Môhình1:vớibiếnđầuvàolàCPI,IP,M2vàCRvới
sốPEtrongmôhìnhlà3.Môhình2:vớibiếnđầuvàolàLR,IP,TB,CRcũngvớisố
PElà3.Bảng2.2chokếtquảcủaquátrìnhtiềnxửlýdữliệuđểxemxétkhảnăngdự
báoVNI.
Bảng2.2:Kếtquảquátrìnhtiền xửlýdữliệukhiđưalầnlượccácbiếnđầuvào
trong7biếnkinhtếvĩmôđểdựbáoVNI
Mô hình INPUT Biếnloạibỏ SốPE MSE(Training) MSE(CV)
16
Môhình1 CPI,IP,M2,CR USD,LR,TB 3 0,013783 0,131202
Môhình2 LR,IP,TB,CR CPI,USD,M2 3 0,019331 0,073505
2.1.4. PhânchiadữliệuđượcthuthậpđểhuấnluyệnANN
TậphợphuấnluyệnđượcANNsửdụngđểhọctậpcácmẫuhìnhtồntạitrongmối
quanhệgiữacácbiếnđầuvào.Trongtrườnghợpnàyluậnánsửdụng80%sốquan
sátđểhuấnluyệnmạngANNtrongtổngsố104quansát.Tậphợpdữliệukiểmtra
vàxácnhậnkếtquả,luậnánsửdụngsốlượngmẫubằngkhoảng10%tậphợpdữliệu
quansát,quátrìnhnàyđượcdùngđểướclượngkhảnăngkháiquáthóatrongphân
tíchmàANNđãhọctậpđượcsaukhitrảiquabướchuấnluyệntrướcđó.Bướccuối
cùngtrongquátrìnhhuấnluyệnlàkiểmtrahiệuquảhoạtđộngcủaANNđãtrảiqua
tậphợphuấnluyệnvàkiểmtralàxácminhhiệuquảdựbáocủaANNtrênmộttậphợp
dữliệumàANNchưatừngnhìnthấytrướcđó.Tậphợpdữliệunàyđượcgọilàtập
hợpxácnhậntínhhiệuquả,chúngđượcsửdụngđểdựbáongoàimẫu.
2.1.5. Xâydựngcấutrúc–XácđịnhthôngsốcủaANN
CórấtnhiềuphươngphápđểxâydựngmộtcấutrúcmạngANN.Neurodynamicvà
ArchitecturelàhaithuậtngữđượcsửdụngđểmiêutảcáchthứcxâydựngmộtANN.
Sự kết hợp giữa Neurodynamics và Architecture xác định cấu trúc của ANN.
NeurodynamiclàthuậtngữmiêutảtínhchấtcủatừngneurontrongANN,baogồm
loạihàmtruyền(tuyếntính,phituyến,hàmphức…),cáchthứckếthợpcácbiếnsố
đầuvào.Architecturelàthuậtngữmiêutảcáchthứclựachọnđểliênkếtcácneuron
vớinhau,baogồmloạiliênkếtneuronvàsốlượngneurontrênmỗilớp.
Môhìnhđượcxâydựnggồmcó3lớp,mộtlớpđầuvàovớicácbiếnkinhtếvĩmô
đượcmiêutảtrongbảng2.1,mộtlớpẩn,mộtlớpđầura– đâylàkếtquảcủaVNI.
Klimasauskas(1993)quathựcnghiệmđãchứngminhđượcrằng,nếumốiquanhệ
giữacácbiếnđầuvàomàANNđanggiảlậpchỉxoayquanhgiátrịtrungbình,hàm
truyềnsinlàhàmphùhợpnhất.Tuynhiên,nếumốiquanhệgiữacácbiếnđầuvào
quáphântánraxakhỏigiátrịtrungbình,hàmtruyềndạngTanghyperbolnênđược
sửdụng.VìdữliệuđầuvàocóchứagiátrịâmvàphântándođóhàmTanhhyperbol
làhàmthíchhợpđểxửlýmốiquanhệphituyếngiữadữliệuđầuvàovàVNI.
· TrongAxonẩncóchứatừ1đến4PE,sốPEnàyđượctínhtoántheoquytắc
“kimtựtháp”–sốlượngPEtronglớpẩnsẽbằng½tổngsốđầuvàovàđầura
củamôhình–tuynhiêntrongquátrìnhchạymôhìnhđểcóđượcmôhìnhtốt
17
nhất,luậnánđãthay đổisốlượngPExungquanhkếtquảcủaquytắcnày,cụ
thểluậnánsửdụngmôhìnhcótừ1đến4PE.
Môhìnhcóhaihệthốngđườngliênkếtđầyđủ,hệthốngđầutiênnốilớpđầuvàovới
lớpẩn,hệthốngthứhainốilớpẩnvớilớpđầura.Mỗihệthốnglàtậphợpnhững
trọngsố,nhữngtrọngsốnàysẽkếthợpvớiđầuracủalớpphíatrướchệthốngtạo
thànhđầuvàocholớpphíasauhệthống.Cácliênkếtnàyđượckếthợpthôngqua
một hàm truyền được đề cập ở trên. Ngoài ra, mô hình sử dụng thuật toán
BackPropagation kết hợp với Momentum để điều chỉnh trọng số của môhình và
giảmthiểusaisốnhằmtìmđượcmôhìnhtối ưu.
2.1.6. TiêuchuẩnđánhgiátínhphùhợpkếtquảdựbáocủaANN
Trongmộtquátrìnhhuấnluyện,MSEsẽliêntụcđượccậpnhậtvàANNsẽliêntục
điềuchỉnhcácthamsốtheohướngcựctiểuhóatổngbìnhphươngnày.Mặckhác,
quátrìnhđánhgiátínhphùhợpcủamôhìnhdựbáongoàitiêuchuẩnMSE,ANN
còncómộttiêuchuẩnkháclàmứcđộgiảithíchcủamôhình,chỉsốr –Square.
2.1.7. HuấnluyệnhệthốngANN
Quá trìnhhuấn luyện ANNchủyếu là để ANNđọcnhữngdữ liệu trongquákhứ
nhiềulần.ĐểhuấnluyệnANN,trướctiêncầnxácđịnhsốlầnEpochđượcANNđọc
lạitronghuấnluyện. Quá trìnhchạymô hìnhđể tìm ra nhữngnhómbiến nàotác
độngmạnhnhấtđếnVNI,đồngthờitìmramôhìnhthíchhợpchotừngnhómbiến,
đòihỏiphảihuấnluyệnnhiềulầntrênmỗimôhình–trungbìnhEpochtừ3.000đến
10.000lần.Mỗi1.000lầnhuấnluyện,luậnánlạidừnglạiđểkiểmtraxemmôhình
đãtối ưuchưavàcóbịquákhíthaykhông.
2.1.8. KếtquảsửdụngmôhìnhmạngANNđểdựbáoVNIndex
Thựchiệncácbướcxửlýđãđượctrìnhbàyởcácbướctrên,luậnánđãđưarahai
cấutrúcmạngANNđểphântíchvàdựbáogiáchứngkhoánVNIvớicáchthứcphân
loạibiếnvớiMSEnhỏnhấtnhư bảng2.3.
Bảng2.3:Ha icấutrúcmạngANNchorakếtquảdựbáotốtnhất
Môhình INPUT SốPE MSE(Trainin g) MSE(CV) RSquare
Môhình1 CPIIPM2CR 3 0,013783 0,131202 5,51%
Môhình2 LRIPTBCR 3 0,019331 0,073505 25,46%
ĐiềuđángchúýlàMSEđượcthựchiệntrongquátrìnhhuấnluyệndữliệuchorakết
quảthấpnhấtchocácbiếnđưavàomôhìnhtrongquátrìnhphânloạibiến.Việcgiải
18
thíchchosựthayđổitrongVNIthờigianquatrên TTCKVNdotácđộngcủacác
biến:lạmphát,sảnlượngcôngnghiệp,cungtiềnM2vàtăngtrưởngtíndụngcủanền
kinhtế.Tuynhiên,khisửdụngmôhình đã đượchuấnluyệnđểtiếnhànhdựbáongoài
mẫutừdữliệukiểmtrathìmôhình1cósaisốlớn hơnmôhình2. Điềuquantrọngmô
hình2chorahệsốtươngquan(rSquare.)caohơngiữagiátrịdựbáovàgiátrịthựctế
củaVNI.Nóicáchkhácmôhình2:tácđộngcủalãisuất,sảnlượngcôngnghiệp,cán
cânthươngmạivàtăngtrưởngtíndụngsẽlànhữngbiếncóthểdựbáotốtnhấtcho
VNI.Mốiquanhệgiữagiátrịdựbáovàgiátrịthựctếdùchỉởmứcđộgiảithíchthấp
25,46%nhưngđãnóilênkhảnăngdựbáochiềuhướngcủaVNI.
Nhưvậy,cóthểthấyrằngkhiđưacácbiếnkinhtếvĩmôvàođểphântíchvàdựbáo
giáchứngkhoáncủaTTCKVNthìmứcđộgiảithíchvàkhảnăngdựbáocủamô
hìnhcònnhiềuhạnchế,giátrịdựbáochưacao.Mộtvấnđềđặtralàphảichăngcấu
trúcmạngANNtrênchưagiảithíchđượctácđộngcủacácbiếnđầuvàonàylênsự
thayđổicủaVNItrongthờigianqua?HoặcmôhìnhANNkhônghiệuquảhơnmô
hìnhhồiquytuyếntínhtruyềnthống?Phầntiếptheo,luậnántiếptụcthayđổicấu
trúcmạngANNvàsosánhvớimôhìnhhồiquytuyếntính.
2.2. Sửdụngmạngthần kinhnhântạo được khái quáthóavàmạng truyền
thẳngđểdựbáogiác hứngkhoánvớinhómbiếnkinhtếvĩmô
2.2.1. Dựbáogiáchứngkhoánbằngcấutrúcmạngthầnkinhnhântạođượckhái
quáthóa
Vềcấutrúccủamôhìnhmạngthìbàinghiêncứutrênchỉxâydựngcấutrúcmạng
mộtlớpẩnduynhấtvới14neuronvàsửdụngthuậttoánLevenbergMarquardt(LM)
đểtiếnhànhđiềuchỉnhcáctrọngsốtrongquátrìnhhuấnluyệnnhằmđạtđếnmục
tiêutốithiểuhóaMSEgiữagiátrịdựbáocủamôhìnhvớigiátrịthựctế.
Phầnnghiêncứunày sẽ sửdụng tỷlệ củabatậphợphuấnluyện là70%,20%và
10%.Thựctếlàkhôngcónguyêntắcchungnàochosựphânchianàyvàtỷlệtrênlà
gợi ý trongnghiêncứucủa JingTao(2000).Cấutrúcmạngđược kháiquáthóa
GRNNvớicấutrúcmộtlớpẩnvà14neuronẩn(GNN14PE)đãchokếtquảrấttốt
trongquátrìnhhuấnluyệnkhigiátrịMSEcuốicùngđạtđến7,7943E31,mộtgiátrị
lýtưởngchosựchênhlệchgiữagiátrịdựbáovàthựctế.Tuynhiên,khitiếnhành
kiểmđịnhngoàimẫuđốivớimôhìnhtrên,kếtquảchothấysựhạnchếlớncủamô
hìnhtrongviệcdựbáogiátrịVNI.Đặcbiệtlàchỉsốtươngquan–rlàgiátrịâm.
Quađó,cóthểkếtluậnrằng,môhìnhtrênđãrơivàotìnhtrạng“quákhít”trongkhi
huấnluyện,nhưnglạithiếukhảnăngkháiquáthóađểphảnánhđầyđủmốitương
quanphituyếngiữacácbiếnsố.
19
Phầntiếptheosau,luậnánsẽkhôngkhảosátcácbiếnđượclàmtrễ,chỉkhảosát7
biếnnhưđã đềcậptrongbảng2.1.Tuynhiên,sốlượngPEtronglớpẩncũnggiảmđi
nhiều.Đểkhắcphụctìnhtrạng“quákhít”trongcấutrúcmạngGNN14PE,luậnán
đã tiến hànhđiều chỉnhcấutrúcmạng,vẫngiữnguyên cácyếu tố khácnhưng số
lượngneuronẩnsẽlầnlượtlà4và5,kýhiệuchohaicấutrúcmạngnàylàGNN
4PEvàGNN5PE,kếtquảkiểmđịnhngoàimẫuđốivới2cấutrúcmạngđãcósựcải
thiệnđángkểkhiMSEgiảmvàrSquarecảithiệnđángkể,đạt39,1%đốivớicấu
trúcGNN4PE.Tuynhiên,nếusovớimôhìnhANNđượctrìnhbàytrongphần2.1
thìhiệuquả củacấu trúcmạngGNN4PEcho dựbáotốthơn.Tuynhiên,mứcđộ
giảithíchcủamạngvẫnchưacaochỉmớiđạt39,17%.Chínhvìvậy,luậnántiếptục
thayđổicấutrúcmạngANNkhác.
2.2.2. Dựbáogiáchứngkhoándựatrênphântíchtácđộngcủacácbiếnkinhtếvĩ
môtheocấutrúcmạngtruyềnthẳng
TrongphầnnàyluậnántiếnhànhthửnghiệmvớicấutrúcmạngANNkhácđểkiểm
tratínhhiệuquảcủamôhìnhdựbáo.BêncạnhmạngGRNNthìcấutrúcmạngđược
sửdụngphổbiếnnhấtvẫnlàmạngANNtruyềnthẳngvớimộtlớpẩn.Lầnlượttiến
hành huấnluyện mạngvới cùngmột cấu trúc dữliệunhư trênnhưng thay đổi số
neuroncủalớpẩn.MạngANNtruyềnthẳng,mộtlớpẩnvớisốneuronẩnlầnlượtlà
2,3,4,5đượckýhiệu:MFF2PE,MFF3PE,MFF4PE,MFF5PE.
Bảng 2.7: Kết quả dự báo ngoài mẫu theo cấ u trúc mạng ANN truyền thẳng
MFF2PE,MFF3PE,MFF4PE,MFF5PE
Mô hình MFF2PE MFF3PE MFF4PE MFF5PE
MSE 0,009396214 0,003751625 0,005980783 0,00241921
MAE 0,065259439 0,042116996 0,057105411 0,038226213
r 0,316865644 0,370211421 0,433968335 0,653517847
Quanhữngkếtquảtrên,cấutrúcmạngtruyềnthẳngmộtlớpẩncókhảnăngdựbáo
VNItươngđốitốthơnsovớicấutrúcmạngGRNNtrênTTCKVN,đặcbiệtlànếu
xétđếnchỉbáotươngquantuyếntínhgiữagiátrịVNIdựbáovớiVNIthựctếđạt
đến mức 65,35% trong trườnghợp cấu trúc MFF5PE, chỉ tiêuMSE=0,0024 và
MAE=0,038ởmứcrấtthấp.Tuynhiên,vấnđềthứtiếptheolàliệurằngmôhình
mạngANNdựbáotốthơnsovớimôhìnhhồiquytuyếntính?Phầntiếptheo,luận
ánsẽđivàochứngminhđiềunày.
20
2.2.3. Sosánhkhảnăngdựbáogiáchứngkhoáncủamôhìnhmạngthầnkinhnhân
tạovớimôhìnhhồiquytuyếntính
· SửdụngmôhìnhmạngANN khôngcólớpẩnvàhàmtruyềntuyếntính
Trongphầnnàyluận ánsẽ tiếnhànhxâydựngmôhình tuyếntínhđể cócơsởso
sánhgiữahailoạimôhìnhvớinhau.Vớicácdữliệuđầuvàođãsửdụngởbảng2.1,
luậnántiếnhànhxâydựngmôhìnhtuyếntínhbằngcáchsửdụnghàmtruyềnlàhàm
tuyếntínhvàkhôngcólớpẩntrongmôhìnhcủamạngANN.Kếtquảcủaquátrình
huấnluyệnmôhìnhANNnàykémhơnmôhìnhmạngphituyếntrên.
· Sửdụngmôhìnhhồiquytuyếntínhtruyềnthống
Mộtphầncủaphụlục3“Xâydựngmôhìnhhồiquytuyếntínhtruyềnthốngđểphân
tíchvàdựbáoVNIndex”đãchorakếtquảcủaviệcsửdụngphươngpháphồiquy
tuyếntínhtrongviệcdựbáoVNInhưsau:
Thứnhất:Nếutuânthủyêucầugiảđịnhcủaphươngpháphồiquytuyếntính
truyềnthốngthìcácbiếnđưavàomôhìnhphảituântheoquyluậtphânphối
chuẩn, các biến kinh tế vĩ mô khảo sát ở bảng 2.1 được đưa vàomô hình
khôngđạtđượcđiềukiệnnày.
Thứhai: Trongphầnxâydựngmôhìnhhồiquy tuyến tính truyềnthốngvà
kiểmđịnhcủaphụlục3đãchorakếtquả:
1. KhisửdụnghồiquyđơnbiếnđểgiảithíchchosựthayđổitrongVNI
thìkhông cómôhìnhhồiquyđơnbiếnnàocóýnghĩathốngkê.Tuy
nhiên,nếuchúngtađiềuchỉnhdữliệumangtínhđộtrễmộtkỳthìbiến
cungtiền– M2lạicóthểgiảithíchchosựthayđổicủaVNI.Kếtquả
giảithíchcủabiếnM2rấtthấp,chỉlà2,83%.
2. Khi sửdụnghồi quyđabiếnthìmôhình khôngcó ýnghĩathốngkê,
khôngthểxâydựngđượcmôhìnhhồiquytuyếntínhđanhântốtừcác
biếnkinhtếvĩmôđểgiảithíchchosựthayđổicủaVNI.
Tómlại,kếtquảnghiêncứunàyđãgópphầnchứngminhđượcưuthếvượttrộicủa
môhìnhmạngANNphituyếntrongviệcphântíchvàdựbáogiáchứngkhoántrên
TTCKVNsovớimôhìnhtuyếntínhtruyềnthốngtrongtrườnghợpsửdụngcácbiến
sốkinhtếvĩmôlàmnhậplượngđầuvào.Tuynhiên,kếtquảtừcácmôhìnhmạng
ANNcòncómộtsốhạnchếtrongmứcđộdựbáo.Phầntiếptheocủaluậnánsẽkhảo
21
sátcácnhómbiếnkhácđượcđưavàomôhìnhmạngANNvàsosánhchúngvớimô
hìnhhồiquytuyếntính.
2.3. Sựvượttrội của môhình mạngthầnkinhnh ân tạosovớimô hìnhhồi
quytuyếntínhkhi sửdụngcácbiếnsốtài chính
Bêncạnhcácbiếnkinhtếvĩmôthìcácbiếnphảnánhtìnhhìnhtàichínhcủacác
doanhnghiệpniêmyếtcũngthườngđượcsửdụnglàmnhậplượngđầuvàochocác
môhìnhdựbáotỷsuấtsinhlợicủacáctàisảntàichínhtrênTTCK.Nghiêncứucủa
FamavàFrench(1992)dựatrêncácchứngkhoánsàngiaodịchNewYorktronggiai
đoạntừ1963đến1990đãđưarakếtluậnvềsựtồntạimốitươngquangiữatỷsuất
sinhlợichứngkhoánvớicáctỷsốtàichínhnhư:tỷsốgiá/giátrịsổsách(P/B),tỷsố
giá/thu nhậpmỗi cổ phần(P/E)… Trong nhữngnăm sauđó,nhiềunghiên cứu sử
dụng những phươngphápkiểm địnhkhácnhau đãđiđếnkết luận về sự hạn chế
trongkhảnăngdựbáocủacáctỷsốnày.Tuynhiên,JohnY.CampbellvàMotohiro
Yogo(2003)đãđưaramộtphươngphápkiểmđịnhmới,củngcốchokếtluậnvềkhả
năngdựbáocủacáctỷsốtàichính:cổtức/giávàgiá/thunhậpmỗicổphần.
Bêncạnhcácbiếnsốđầuvàothìloạimôhìnhđượcsửdụngcũngsẽảnhhưởngđến
kếtquảcuốicùngcủaquátrìnhphântíchvàdựbáo.Mặcdùphầnlớncácnghiêncứu
trướcđâyđềuchỉramốiquanhệtuyếntínhgiữacáctỷsốtàichínhvàtỷsuấtsinh
lợicủachứngkhoán.Tuynhiên,thựctếlàcácmôhìnhphituyếnsẽcókhảnăngmô
tảchínhxáchơnmốitươngquangiữahaiyếutốnày.NghiêncứucủaMohammed
Omran(2002),dựatrênmẫudữliệutừnăm1996đến2000của46doanhnghiệptrên
thịtrườngAiCậpđãgópphầnminhchứngchokếtluậnnày.Tươngtự,nghiêncứu
củaRezaGharoieAhangar(2010)sửdụngmôhìnhphituyếncũngđãchokếtquảdự
báotốthơnsovớimôhìnhtuyếntínhthôngthường.Bàinghiêncứusửdụngmẫudữ
liệucủacáccôngtyniêmyếttrênsàngiaodịchTehranvàmôhìnhphituyếnđược
lựachọnlàmôhìnhmạngANN.
Dựatrênnềntảngđó,phầnnghiêncứunàycủaluậnánsẽthiếtlậphailoạimôhình
dựbáokhácnhausửdụngcáctỷsốtàichínhlàmnhậplượngđầuvàođểphântíchvà
dự báo tỷsuất sinh lợi củachỉ số VNIndex trên TTCK VN. Trướchết,mô hình
tuyếntínhtruyềnthốngsẽđượcsửdụngnhưmộtmôhìnhchuẩn.Sauđó,cáccấu
trúcmạngANNphituyếnkhácnhauđượcxâydựngvàkếtquảdựbáocủanhững
cấutrúcmạngnàysẽđượcsosánhvớimôhìnhtuyếntínhđãđượcthiếtlập.
Nhậplượngđầuvàobaogồmcácbiếntỷ sốtàichínhlầnlượtlà:tỷsuấtsinhlợitrên
vốncổphầnROE,tỷsuấtsinhlợitrêntổngtàisảnROA,tỷsốgiátrênthunhập
mỗicổphầnPE,tỷsốgiátrêngiátrịsổsáchmỗicổphầnPB,giátrịvốnhóacủa
22
thị trường – CM, dòng tiền mỗicổ phần – CF, thu nhập mỗi cổ phần – EPS, lợi
nhuậnbiên–PM,vàtỷlệnợtrênvốncổphần–D/E.Bộdữliệutheothángđượcthu
thậptừSởgiaodịchchứngkhoánTp.HCMvàBloombergtừtháng1/2007đếntháng
9/2010.Cácdữliệutrênđượctínhtrêncơsởtỷlệthayđổiđểđảmbảotínhdừngkhi
sửdụngcùngbộdữliệuđểsosánhvớiphươngpháphồiquytuyếntính.
2.3.1. MôhìnhmạngANNtuyếntính
Trướckhiđivàoxâydựngmôhình,vớitậphợpdữliệuthuthậpđược,chiadữliệu
thành3tậpnhỏbaogồm:tậpdữliệuđượcdùngđểhuấnluyện,tậpdữliệudùngđể
xácnhậnvàtậpdữliệuđểkiểmtralạilầnlược60%,15%và25%.Saukhixácđịnh
đượcbatậpdữliệucầnthiết,quátrìnhchạymôhìnhANNkhôngcólớpẩnvàsử
dụnghàmtruyềnlàhàmtuyếntínhcókếtquảMSElàkháthấpchỉlà0,0014,tương
quangiữakếtquảdựbáovàgiátrịthựctếlênđến87%.
2.3.2. Kếtquảcủamôhìnhhồiquytuyếntínhtruyềnthống
Phụlục3“Xâydựngmôhìnhhồiquytuyếntínhtruyềnthốngđểphântíchvàdựbáo
VNIndex”trongviệckhảosátcácbiếntàichínhđểphântíchvàdựbáoVNItrên
TTCKVNthờigianquachochúngtakếtquảsau:
MôhìnhhồiquyđơnbiếnvớibiếngiảithíchlầnlượclàbiếnCMvàPEcó
hiệntượngphươngsaithayđổihaynóicáchkhác,môhìnhhồiquyđơnbiến
vớihaibiếntrênkhôngphùhợp.
MôhìnhhồiquytuyếntínhđơnbiếnvớibiếngiảithíchlầnlượclàbiếnROA,
ROE,PB,EPS,PMkhôngcóhiệntượngphươngsaithayđổi.Tuynhiên,mô
hìnhhồiquyđơnbiếnvớibiếngiảithíchROAcóhiệntượngtựtươngquan
nênmôhìnhvớibiếnnàykhôngphùhợp.Nóicáchkhác,biếnROAkhông
thểsửdụngđểgiảithíchchosựthayđổitrongVNI.
Vớimôhìnhhồiquyđơnbiến,cácbiếngiảithíchcònlạilàROE,PB,EPS,
PMthìmôhìnhđơnbiếnvớibiếnPBchoramứcđộgiảithíchcaonhấtlên
đến44,7%trongmôhình.Nhưvậychúngtacóthểkếtluậnmôhìnhhồiquy
đơnbiếnvớibiếnPBlàmôhìnhtối ưunhất,chúngtasửdụngmôhìnhnày để
đưathêmbiếnvàomôhình.
KếtquảhồiquyđabiếnvớimộtbiếnPBđượclựachọnvàđưathêmcácbiến
cònlạivàomôhìnhđểkiểmđịnhthìbiếngiảithíchPEthíchhợpchomôhình
khidừnglạiviệckiểmđịnhphươngsaithayđổivàtựtươngquan.Tuynhiên
23
khi kiểmđịnh tính chấtđacộng tuyến giữacác biến giải thích thìmô hình
khôngphùhợp.
Kếtluận:NếucấutrúcmạngANNtuyếntínhđãchokếtquảdựbáotốthơnmôhình
hồiquytuyếntínhtruyềnthống.Tuynhiên,liệurằngmôhìnhphituyếncủahệthống
mạngANNcóthểhoànthiệnhơnkếtquảdựbáonàyhaykhông?Phầntiếptheosẽ
đivàoxâydựngcáccấutrúcmạngANNphituyếnvàtiếnhànhdựbáongoàimẫu
choVNIndexvàsosánhvớikếtquảcủacấutrúcmạngANNtuyếntínhtrên.
2.3.3. MôhìnhmạngANNphituyếnkhikhảosátcácbiếntàichính
Saukhixácđịnhcácbiếnsốđầuvàochomôhình,thuậttoánđểhuấnluyệnmạngvà
sốquansátcầnthiếtcủacáctậphuấnluyện,xácnhậnvàkiểmđịnhlại,tatiếnhành
xâydựngcácmạngANNvớicấutrúckhácnhau.
Trước hếtsẽlà cácmạng ANNđa lớp truyền thẳng,vớimột lớpẩnduynhất. Số
neurontronglớpẩnsẽlầnlượtlà3,4,5,6.Cácmôhìnhnàysẽđượckýhiệulầnlượt
là MLN931;MLN 941; MLN 951;MLN 961.Kếtquả củaquá trìnhhuấn
luyệnmạngANNnàychokếtquảởbảng2.9.
24
Bảng2.9:Kếtquảkiểmđị nhngoàimẫucủacấutrúcmạngMLN931,MLN9
41,MLN951,MLN961
Chỉtiêu MLN931 MLN941 MLN951 MLN961
MSE 0,001610352 0,001660062 0,000475635 0,000612894
MAE 0,026933572 0,031146098 0,019459597 0,018091013
r 0,837726021 0,943107444 0,982771487 0,97801643
MặcdùcấutrúcmạngANNtuyếntínhbanđầuđãchorakếtquảdựbáoVNIkhá
tốt,nhưngđộchínhxáccủadựbáođãđượccảithiệnđángkểkhisửdụngcấutrúc
mạngANNphituyến.
Bên cạnh cấu trúc mạng ANN truyền thẳng đa lớn thì một dạng cấu trúc mạng
GRNNcũngđượcsửdụngkháphổbiến.Trongphầnnàysẽchỉtiếnhànhxâydựng
vàhuấnluyệnhệthốngmạngGRNNvớimộtlớpẩnvớilầnlượt5và6neuronẩn,
đượckýhiệulầnlượtlàGNN951vàGNN961.Kếtquảdựbáongoàimẫuđối
vớihaicấutrúcnàysaukhiđượchuấnluyệnlầnlượtlà:
Bảng2.10: KếtquảkiểmđịnhngoàimẫucủaGNN951vàGNN961
Chỉtiêu GNN951 GNN961
MSE 0,00132333 0,00064198
MAE 0,030073692 0,0218326
r 0,910328807 0,95020783
ĐốivớitrườnghợpcủamạngGRNN,kếtquảdựbáocủacấutrúcmạngnàytrêntập
kiểmđịnhlạicũngchothấysựhoànthiệnhơncủacấutrúcphituyếnsovớicấutrúc
tuyếntính.
Tómlại,quacáckếtquảtrên,tacóthểkếtluậnrằng,cácbiếnsốtàichínhthậtsựcó
khảnăngdựbáođốivớitỷsuấtsinhlợicủachỉsốVNI.Bêncạnhđó,mặcdùmô
hìnhhồiquytuyếntínhtruyềnthốngchokếtquảdựbáotươngđốikhảquanvớibiến
giảithíchPBlênđến44,7%,songmôhìnhmạngANNlạichokếtquảtốthơn.Tuy
nhiên,hiệuquảdựbáocủamôhìnhhoàntoàncóthểđượcnângcaothôngquaviệc
sửhệthốngmạngANNphituyến.
Quahainhómbiếnđượckhảosátlànhómbiếnkinhtếvĩmôvànhómbiếntàichính
củacácdoanhnghiệpniêmyếtđãphầnnàotrảlờiđượcmụctiêunghiêncứu.Tuy
nhiên,phầntiếptheo,luậnántiếptụckhảosátthêmmộtsốnhómbiếnkhácđểphân
25
tíchsựthayđổiVNI.Mụcđíchcủaquátrìnhnàykhôngnằmngoàimụctiêucủaluận
án là tiếptụctìmkiếmnhómbiến thíchhợpđểdựbáo VNIvàxác địnhmôhình
mạngANNcókhảnăngdựbáotốthơnmôhìnhhồiquytuyếntínhkhông.
2.4. PhântíchvàdựbáogiáchứngkhoántrênTTCKVNdướitácđộngcủa
sự biếnđộngcác TTCKthếgiới
DựbáotrênTTCKtừtrướcđếnnayđãthuhútsựquantâmcủarấtnhiềunhànghiên
cứu.Xuấtpháttừnhữnggócđộkhácnhau,nhữngnghiêncứunàyđãcónhữngđóng
gópđángkể.CácnghiêncứucủaBhattacharyya vàBanerjee(2004),EunvàShim
(1989),TaylorvàTonks(1989),Yangvàcộngsự(2003)đãkhẳngđịnhsựtồntại
mốitươngquangiữacácTTCKtrênthếgiới.Bêncạnhđó,nhữngnghiêncứucủa
Becker(1990),EunvàShim(1989),WuvàSu(1989)cũngchỉrarằngTTCKMỹcó
sựtácđộngmạnhđếnhầuhếtcácthịtrườngkhác.Điềunàygợiýnhữngnghiêncứu
sâuhơnnhằmmụcđíchvậndụngmốitươngquangiữacácthịtrườngtrongviệcdự
báochỉsốchứngkhoán.
Nghiên cứu của Yochanan Shachmurvoe và Dorota Witkowsha (2000)đã sử dụng
chuỗidữliệutheongàycủacácchỉsốthịtrườngCanada,Pháp,Ðức,Nhật,Anhvà
MỹđểtiếnhànhdựbáobằngcácmôhìnhANNđalớp.Kếtquảsosánhvớimôhình
tuyếntínhtruyềnthốngsửdụngphươngphápbìnhphươngnhỏnhất(OLS)chothấy
mạngANNphituyếnANNchokếtquảdựbáotốthơn.
Xuất pháttừnhữngýtưởng trên,phầnnghiêncứu nàycủaluận ántiếnhành xây
dựnghệthốngANNđểdựbáochochỉsốVNIcủaTTCKVNbằngcáchsửdụngcác
chỉ số thị trường khác bao gồm chỉ số Dow (Mỹ), FTSE (Anh), N225 (Nhật) và
SSEC(Shanghai –TrungQuốc).
Kết quả cho thấycấu trúcmạng ANN tuyến tính thật sựđãkhông thể “nắmbắt”
đượcmốitươngquangiữaVNIvớicácchỉsốthịtrườngkhác.TuychỉtiêuMSEkhá
nhỏ,ởmức0,001634vàchỉtiêuMAEcũngchỉởmức0,0279,nhưngchỉtiêurlại
đạtmức0,078%.
Tuynhiên,dướigócđộkỹthuật,kếtquảdựbáotrêncóthểlàdomôhìnhđượcsử
dụng,trongtrườnghợpnàylà cấutrúcmạngANN tuyến tính,phảichănglàchưa
phùhợp.ThựctếcóthểlàmốitươngquangiữachỉsốVNIcủaTTCKVNvớicác
chỉsốthịtrườngkháclàphituyến.Đểlàmrõ điềunày,luậnántiếptụctiếnhànhxây
dựngcấutrúcmạngANNvàsosánhkếtquảkiểmđịnhngoàimẫuvớicấutrúctrên.
Vềcấutrúccủahệthốngmạng,saunhiềuthửnghiệmkhácnhau,luậnánlựachọn
xâydựngbốncấutrúclầnlượtlà:MLF441:Cấutrúcmạngtruyềnthẳngđalớpchỉ