Ứng dụng mô hình mạng thần kinh nhân tạo (ANN) vào dự báo chỉ số thị trường chứng khoán việt nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
________________________

Dương Thanh Tâm

ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO
(ANN) VÀO DỰ BÁO CHỈ SỐ THỊ TRƯỜNG CHỨNG
KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

TP. HỒ CHÍ MINH - NĂM 2019


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
________________________

Dương Thanh Tâm

ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN
TẠO (ANN) VÀO DỰ BÁO CHỈ SỐ THỊ TRƯỜNG
CHỨNG KHOÁN VIỆT NAM

Chuyên ngành: Tài Chính – Ngân Hàng (Hướng Ứng Dụng)
Mã số: 8340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

GS.TS. Trần Ngọc Thơ

TP. HỒ CHÍ MINH - NĂM 2019


LỜI CAM ĐOAN

Tôi xin cam đoan luận văn này là công trình nghiên cứu khoa học của tôi và không
trùng lặp với bất cứ công trình khoa học nào khác. Các số liệu trình bày trong luận văn
đã được kiểm tra kỹ và phản ánh hoàn toàn trung thực. Mọi tham khảo trình bày trong
luận văn đều được trích dẫn rõ ràng tác giả.
Ngày

tháng

năm 2019

Tác giả luận văn

Dương Thanh Tâm


MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC CÁC TỪ VIẾT TẮT
DANH MỤC BẢNG BIỂU, HÌNH VẼ
TÓM TẮT
ABSTRACT

CHƯƠNG 1. GIỚI THIỆU............................................................................................................. 1
1.1 Lý do chọn đề tài................................................................................................................... 1
1.2 Mục tiêu nghiên cứu đề tài................................................................................................. 1
1.3 Phương pháp nghiên cứu.................................................................................................... 2
CHƯƠNG 2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY............................... 3
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU.................................................................... 6
3.1 TỔNG QUAN PHƯƠNG PHÁP NGHIÊN CỨU ĐỊNH LƯỢNG....................6
3.2 PHƯƠNG PHÁP DỰ BÁO VỚI ANN......................................................................... 9
3.2.1 Thực trạng thị trường chứng khoán Việt Nam năm 2018............................. 10
3.2.2 Dự báo chỉ số thị trường chứng khoán Việt Nam với ANN........................ 13
CHƯƠNG 4. KẾT QUẢ DỰ BÁO........................................................................................... 18
4.1 Kết quả bằng đồ thị cho các cấu hình mạng bằng phương pháp lai ghép......19
4.2 Kết quả bằng đồ thị cho các cấu hình mạng sử dụng biến kỹ thuật.................24
4.3 Dự báo năm 2019 với mô hình được chọn................................................................ 30


CHƯƠNG 5. KẾT LUẬN............................................................................................................ 32
5.1 Ý tưởng đạt được................................................................................................................. 32
5.2 Đề xuất từ kết quả nghiên cứu........................................................................................ 32
5.3 Hạn chế của luận văn......................................................................................................... 32
TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH MỤC CÁC TỪ VIẾT TẮT

ANN

Artificial neural network, mạng thần kinh nhân tạo

FED

Federal Reserve System, Cục Dự trữ Liên bang Hoa Kỳ

TTCK

Thị trường chứng khoán

TTCK VN

Thị trường chứng khoán Việt Nam

APT

Arbitrage Pricing Theory, lý thuyết định giá kinh doanh chênh lệch

CPI

Consumer Price Index, chỉ số giá tiêu dùng

GDP

Gross Domestic Product, tổng sản phẩm quốc nội

PPP

Purchasing Power Parity theory, lý thuyết ngang giá sức mua

EMH

Efficient Market Hypothesis, lý thuyết thị trường hiệu quả


DANH MỤC BẢNG BIỂU, HÌNH VẼ
Hình 3.1.1 Ví dụ về phân tích một chuỗi số liệu trong 1 năm (51 tuần)....................... 7
Hình 3.1.2 Sơ đồ mô tả mạng ANN đơn giản.......................................................................... 9
Hình 3.2.1.1 Biểu đồ chỉ số VN-INDEX của TTCK VN trong năm 2018.................11
Hình 3.2.2.1 Mô hình mạng nơ-ron truyền thẳng nhiều lớp dạng cơ bản...................14
Hình 3.2.2.2 Mô hình mạng nơ-ron truyền thẳng nhiều lớp dạng chuẩn tắc.............15
Bảng 4.1 Kết quả từ phương pháp lai ghép với mô hình dự báo ANN........................ 18
Bảng 4.2 Kết quả từ phương pháp biến kỹ thuật với mô hình dự báo ANN.............19
Hình 4.1.1 Đồ thị mô hình dự đoán 10-18-1.......................................................................... 19
Hình 4.1.2 Đồ thị mô hình dự đoán 10-19-1.......................................................................... 20
Hình 4.1.3 Đồ thị mô hình dự đoán 10-20-1.......................................................................... 20
Hình 4.1.4 Đồ thị mô hình dự đoán 10-21-1.......................................................................... 21
Hình 4.1.5 Đồ thị mô hình dự đoán 10-22-1.......................................................................... 21
Hình 4.1.6 Đồ thị mô hình dự đoán 10-23-1.......................................................................... 22
Hình 4.1.7 Đồ thị mô hình dự đoán 10-24-1.......................................................................... 22
Hình 4.1.8 Đồ thị mô hình dự đoán 10-25-1.......................................................................... 23
Hình 4.1.9 Đồ thị mô hình dự đoán 10-26-1.......................................................................... 23
Hình 4.1.10 Đồ thị mô hình dự đoán 10-27-1....................................................................... 24
Hình 4.2.1 Đồ thị mô hình dự đoán 8-18-1............................................................................ 24
Hình 4.2.2 Đồ thị mô hình dự đoán 8-19-1............................................................................ 25
Hình 4.2.3 Đồ thị mô hình dự đoán 8-20-1............................................................................ 25


Hình 4.2.4 Đồ thị mô hình dự đoán 8-21-1............................................................................ 26
Hình 4.2.5 Đồ thị mô hình dự đoán 8-22-1............................................................................ 26
Hình 4.2.6 Đồ thị mô hình dự đoán 8-23-1............................................................................ 27
Hình 4.2.7 Đồ thị mô hình dự đoán 8-24-1............................................................................ 27

Hình 4.2.8 Đồ thị mô hình dự đoán 8-25-1............................................................................ 28
Hình 4.2.9 Đồ thị mô hình dự đoán 8-26-1............................................................................ 28
Hình 4.2.10 Đồ thị mô hình dự đoán 8-27-1.......................................................................... 29
Hình 4.3.1 Đồ thị so sánh chỉ số VN-INDEX năm 2019 giữa dự báo và thực tế ....31
Hình 4.3.2 Đồ thị thống kê độ sai số dự báo của các ngày giao dịch năm 2019......31
Bảng P.1 Tổng hợp các giá trị các biến liên quan chỉ số VN-INDEX 2018.................e
Bảng P.2 Bảng kết quả dự báo của chỉ số VN-INDEX năm 2019................................... o


ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO (ANN)
VÀO DỰ BÁO CHỈ SỐ THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM
Dương Thanh Tâm
Trường Đại Học Kinh Tế Tp. HCM


TÓM TẮT
Luận văn nghiên cứu thực trạng thị trường chứng khoán tại Việt Nam năm 2018 và sử
dụng phương pháp định lượng hướng lai ghép được chạy trên nền mạng thần kinh nhân tạo
với mô hình mạng nhiều lớp và thuật toán lan truyền ngược để kiểm định các nhân tố tác
động lên thị trường chứng khoán Việt Nam. Kết quả bằng phương pháp lai ghép là tốt hơn
so với phương pháp định lượng đơn thuần sử dụng các biến phân tích kỹ thuật.

Từ khóa: Thực trạng thị trường chứng khoán Việt Nam 2018, định lượng bằng phương
pháp lai ghép, phương pháp lai ghép trên nền mạng tế bào thần kinh nhân tạo, dự báo
chỉ số chứng khoán với phương pháp lai ghép.


APPLICATION OF THE ARTIFICIAL NEURAL NETWORK (ANN) MODEL INTO
FORECASTING THE STOCK MARKET INDEX IN VIETNAM
Dương Thanh Tâm

University of Economics Ho Chi Minh City


ABSTRACT
Researching the reality of stock market in Vietnam in 2018 and applying quantitative
methods by the hybridized approach which is run on an artificial neural network with a
multi-layer network model and Backpropagation algorithm to test the impact of macro
factors on the stock market in Vietnam. Results in the hybridized approach is better
than using only technical analysis variables.
Keywords: the reality of stock market in Vietnam in 2018, quantitative method with
hybridized approach, hybridized approach is run on an artificial neural network, stock
prediction with hybridized approach.


1

CHƯƠNG 1. GIỚI THIỆU
1.1 Lý do chọn đề tài
Dự báo giá chứng khoán là một trong những chủ đề quan trọng của ngành tài chính
được sự đầu tư tỉ mỉ của nhiều nhà nghiên cứu trên toàn thế giới, ở Việt Nam cũng
không ngoại lệ. Năm 2018 khép lại, thị trường chứng khoán Việt Nam đóng cửa với
mức lao dốc xuống còn 892.54 điểm, giảm hơn 9.3% so với đầu năm. Nhưng cũng
trong thời gian này, năm 2018, chỉ số VN-INDEX đã thiết lập mốc cao nhất của mọi
thời đại 1204.33 điểm vào ngày 9/4/2018. Vào bốn tháng đầu năm, ngành ngân hàng đã
tăng 22.4%, nguồn vốn đổ dồn vào Việt Nam, thị trường tăng mạnh làm các nhà quản
lý quỹ không biết giải ngân như thế nào. Nhưng với 3 lần tăng lãi suất của FED cùng
với sự kiện chiến thương mại Mỹ-Trung Quốc đã ảnh hưởng mạnh đến dòng vốn chạy
vào thị trường chứng khoán trên toàn cầu. Từ Trung Quốc, sau đó đến Mỹ điểm chứng
khoán giảm mạnh làm ảnh hưởng lan tỏa đến thị trường chứng khoán Việt Nam (TTCK
VN). Với việc bán ròng liên tục của các nhà đầu tư nước ngoài khiến thị trường biến

động với biên độ lớn. Thống kê cho thấy TTCK VN giảm hơn 3% với 7 phiên trong
năm, trong đó có phiên giảm hơn 5%, có thời điểm chỉ số VN-INDEX xuống thấp nhất
trong năm là 880.85 điểm ngày 30/10/2018 và đóng cửa ngày này ở mức 888.69 điểm.
Với sự biến động mạnh của thị trường chứng khoán năm 2018, luận văn đã tập trung
vào nghiên cứu thực trạng này và làm rõ nhân tố tác động của chiến tranh thương mại
Mỹ-Trung Quốc lên thị trường chứng khoán như thế nào bằng việc đưa nhân tố chiến
tranh thương mại Mỹ-Trung Quốc vào phương pháp định lượng để dự báo chỉ số chứng
khoán và kiểm thử độ chính xác của dự báo.
1.2 Mục tiêu nghiên cứu đề tài
Mục tiêu nghiên cứu của đề tài là ứng dụng mạng thần kinh nhân tạo để dự báo giá thị
trường chứng khoán tại Việt Nam, đồng thời kiểm định độ chính xác của phương pháp
lai ghép trong dự báo có cải thiện tốt hơn không so với phương pháp tiếp cận thuần kỹ


2

thuật. Mục tiêu của đề tài cũng làm rõ tác động mạnh của chiến tranh thương mại MỹTrung Quốc khi thêm nhân tố tác động vĩ mô này vào dự báo.
Để đạt được mục tiêu đề ra, luận văn thống kê lại và xem xét nghiên cứu những yếu tố
nào đưa vào mô hình dự báo. Luận văn cũng sẽ cân nhắc tính hiệu quả của mô hình dự
báo lai ghép cho chỉ chứng khoán Việt Nam.
1.3 Phương pháp nghiên cứu
Phương pháp dự báo mà đề tài sử dụng là nền tảng trí tuệ nhân tạo chạy trên mạng thần
kinh nhân tạo với mô hình mạng nhiều lớp và thuật toán lan truyền ngược nhằm tăng tỷ
lệ chính xác cũng như cải thiện thời gian tính toán trên một khối lượng dữ liệu lớn tồn
tại trong thực tế.
Dữ liệu được dùng trong nghiên cứu là những chỉ số liên quan đến VN-INDEX trong
những ngày giao dịch của năm 2018 (như giá mở cửa, giá đóng cửa, giá cao nhất, giá
thấp nhất,…) Những dữ liệu này được lấy từ các nguồn chứng khoán Việt Nam rất dễ
tiếp cận, đối chiếu và tin cậy.

3

CHƯƠNG 2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
TTCK chịu sự tác động bởi nhiều yếu tố từ vi mô cho đến vĩ mô. Còn chỉ số chứng
khoán là đại diện cho tình hình của TTCK. Lý thuyết định giá kinh doanh chênh lệch
APT (Arbitrage Pricing Theory) được phát triển bởi Stephen A. Ross (1976) cho rằng tỉ
suất sinh lời kỳ vọng của chứng khoán được xác định bằng phương trình k nhân tố:
RJ = αj + βj,1F2 +…+ βj,KFK + uj
Bằng thực nghiệm nhiều nhà khoa học đã chứng minh các nhân tố chính này là:
(1) Lạm phát: là nhân tố tác động mạnh mẽ đến giá cổ phiếu. Lạm phát tăng là
một trong những biểu hiện bất ổn của nền kinh tế nhất là khi chính phủ không thành
công trong việc kiềm chế lạm phát leo thang. Tâm lí đám đông xuất hiện trong việc bán
tháo cổ phiếu do khủng hoảng niềm tin lại làm cho chỉ số TTCK giảm. Hậu quả là thị
trường diễn ra tình trạng kém thanh khoản nghiêm trọng. Do đó, lạm phát chỉ tác động
trực tiếp đến giá cổ phiếu ở những quốc gia có lạm phát biến động thất thường cộng
với việc nhà đầu tư mất niềm tin vào khả năng kiểm soát của chính phủ. (Fama, 1991),
(Mohamed et al., 2009).
(2) Lãi suất: trên thị trường tiền tệ, biến động của lãi suất có tác động gián tiếp
nhưng rất nhạy cảm đến TTCK. Lãi suất tăng sẽ thu hút dòng tiền gửi vào hệ thống ngân
hàng làm cho dòng tiền đổ vào TTCK bị ảnh hưởng. Trạng thái này làm cho tỷ suất sinh
lợi kỳ vọng trên TTCK phải tăng do nhà đầu tư đòi hỏi một mức cao hơn tỷ suất sinh lợi từ
hệ thống ngân hàng. Điều này dẫn đến sự sụt giảm giá cổ phiếu. (Fama, 1981)

(3) Tỉ giá hối đoái: là một trong những nhân tố có tác động đến giá cổ phiếu,
những doanh nghiệp xuất khẩu chịu tác động mạnh bởi tỉ giá hối đoái, do đó chúng tác
động mạnh tới sự thay đổi giá cổ phiếu của các doanh nghiệp này. Và tỉ giá hối đoái có
thể ảnh hưởng lên tỷ suất sinh lợi của cổ phiếu thông qua tác động của nó đối với dòng
vốn đầu tư vào TTCK của các quốc gia. Sự lo ngại giảm giá đồng tiền trong nước sẽ làm

4

cho các nhà đầu tư nước ngoài rút khỏi thị trường, còn nếu nội tệ được kỳ vọng tăng
giá thì nó sẽ trở nên hấp dẫn với nhà đầu tư nước ngoài, nên sẽ ảnh hưởng đến TTCK
của quốc gia. Bên cạnh đó, sự gia tăng đột ngột của tỉ giá hối đoái có thể là biểu hiện
của một nền kinh tế và chính sách điều hành kinh tế yếu kém làm cho nhà đầu tư, đặc
biệt là nhà đầu tư nước ngoài mất niềm tin vào nền kinh tế và chính sách điều hành của
Chính phủ sẽ rút vốn ra khỏi TTCK (Bailey & Chung, 1995). Tuy nhiên, các nghiên
cứu của (Christopher et al., 2006), (Suliaman et al., 2012) không tìm thấy tác động của
tỉ giá hối đoái đến giá chứng khoán.
(4) Giá vàng thế giới: vàng được xem là cách để phòng ngừa rủi ro khi nền kinh tế
suy thoái, dòng tiền từ TTCK sẽ dịch chuyển sang thị trường vàng để giảm thiểu rủi ro.
Khi nền kinh tế cơ bản được phục hồi, các nhà đầu tư sẽ bán những tài sản trú ẩn an toàn
này và dòng vốn sẽ lại dịch chuyển vào TTCK. Tuy nhiên, người dân Việt Nam có

xu hướng tích trữ vàng, đặc biệt là trong những giai đoạn nền kinh tế yếu kém, lạm
phát cao. (Trương Đông Lộc, 2014)
(5) Cung tiền: Khi tác động đến nguồn cung tiền đang lưu thông sẽ có tác động
nhạy cảm đến TTCK. Bằng cách hút một lượng tiền lớn ra khỏi lưu thông sẽ gây ảnh
hưởng trực tiếp đến nhà đầu tư bởi bị giới hạn nguồn vốn kinh doanh dẫn đến bị giới
hạn trong việc mua cổ phiếu và TTCK bị ảnh hưởng là một điều tất yếu. Ngược lại việc
tăng lượng tiền trong lưu thông sẽ tác động đến việc tăng sức cầu cổ phiếu và TTCK
cũng bị tác động. (Chen et al., 1986), (Mukherjee, 1995).
(6) Tăng trưởng kinh tế: thường được thể hiện qua tăng trưởng GDP hay chỉ số
sản lượng công nghiệp của quốc gia (đối với những nước công nghiệp phát triển) có mối
quan hệ mật thiết với giá cổ phiếu. Kinh tế tăng trưởng có ảnh hưởng rất rõ đến suất sinh
lợi của cổ phiếu nói riêng và TTCK nói chung. Khi nhà đầu tư kỳ vọng tăng trưởng kinh tế
tốt, họ kỳ vọng giá cổ phiếu tăng và điều này sẽ tăng dòng vốn vào TTCK. Ngược lại,

5

nền kinh tế được kỳ vọng là giảm sút hoặc thậm chí suy thoái thì nhà đầu tư có xu
hướng rút vốn ra khỏi TTCK. (Fama, 1981), (Fama & Schwert, 1990).
(7) Tỉ suất sinh lợi của các TTCK thế giới: việc hội nhập ngày càng sâu rộng vào
thị trường tài chính quốc tế, những biến động của chỉ số chứng khoán khu vực hay từ

các thị trường lớn của thế giới sẽ có tác động nhất định đến giá cổ phiếu của một quốc
gia. Ngoài ra, chỉ số giá của một số thị trường lớn còn phản ánh tình trạng của nền kinh
tế khu vực, thế giới và có thể tác động đến giá chứng khoán của một quốc gia cụ thể.
(8) Giá dầu: giá dầu tăng 1 USD/thùng thì chỉ số VN-Index tăng gần 4.42 điểm.
Theo nghiên cứu, mối tương quan giữa giá dầu với giá chứng khoán ở các nước xuất khẩu
dầu mỏ là tỉ lệ thuận, và ngược lại là tỉ lệ nghịch với những nước nhập khẩu dầu mỏ. Việt
Nam không phải là một quốc gia xuất khẩu dầu mỏ mà lại thể hiện tương quan thuận vì
biến động giá xăng dầu khi thể hiện ra trên thị trường chịu nhiều sự can thiệp từ chính phủ,
nên tín hiệu từ nhân tố này đã sai lệch. (Phan Thị Bích Nguyệt & Phạm

Dương Phương Thảo, 2013).


6

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1 TỔNG QUAN PHƯƠNG PHÁP NGHIÊN CỨU ĐỊNH LƯỢNG
Phương pháp dùng để dự báo chỉ số VN-INDEX trong nghiên cứu là một phương pháp
định lượng với tên gọi phương pháp lai ghép. Việc áp dụng phương pháp định lượng đã
được thực tiễn chứng minh về độ chính xác rất tốt, nên đề tài nghiên cứu đặt ra một
phương pháp lai ghép với nền tảng mạng thần kinh nhân tạo với kỳ vọng hoàn thiện độ
chính xác của dự báo tốt hơn nữa khi thêm vào biến cơ bản là tác động của nhân tố vĩ

mô chiến tranh thương mại Mỹ-Trung Quốc. Trước khi đi vào phương pháp lai ghép,
đề tài nghiên cứu sẽ hệ thống lại các kiên thức về phương pháp định lượng.
Phương pháp định lượng dựa trên các mô hình toán học và dữ liệu quá khứ để phát
hiện sự vận động trong tương lai theo một quy luật nào đó với giả định các yếu tố trong
quá khứ sẽ lặp lại. Các mô hình được sử dụng rộng rãi ngày nay như mô hình chuỗi
thời gian, biến nhân quả hoặc phương pháp khá phức tạp hơn là mạng tế bào thần kinh
nhân tạo ANN (Artificial neural network).
a/ Mô hình chuỗi thời gian
Là mô hình dự báo giá trị tương lai của một biến số nào đó bằng việc phân tích số liệu
quá khứ và hiện tại của những biến đó với giả định tương lai của biến cần dự báo sẽ
giữ nguyên xu thế trong quá khứ. Việc này thể hiện qua “dừng” (ổn định) của chuỗi dữ
liệu, đây là yếu tố quan trọng để đưa ra những dự báo đáng tin cậy.
Toàn bộ dự báo minh họa trong Hình 3.1.1 được chia làm phần:
•

Giai đoạn dự báo hậu nghiệm: để kiểm nghiệm tính đúng đắn dự báo. Cần
phải thay thế mô hình hay mở rộng mẫu dữ liệu nếu mô hình không đảm bảo
tính đúng đắn theo yêu cầu.


7

•

Giai đoạn dự báo tiền nghiệm: là mục tiêu chính cần đạt được. Mặc dù chưa
xảy ra nhưng bằng một số tiêu chí, phương pháp thống kê sẽ giúp cho chúng
ta biết được độ tin cậy của mô hình ở mức độ nào.

Hình 3.1.1 Ví dụ về phân tích một chuỗi số liệu trong 1 năm (51 tuần)

Dự báo giá thị trường chứng khoán bằng chuỗi thời gian là được sử dụng khá nhiều vì
đầu vào cần có là những số liệu theo chuỗi thời gian. Nhưng phương pháp này kém
hiệu quả ở việc dự báo dài hạn.
Mô hình chuỗi thời gian phổ biến như ARIMA và phương pháp Box-Jenkins được
George Box và Gwilym Jenkins nghiên cứu năm 1976; Và ARCH/GARCH được dùng
để dự báo rủi ro, và dự báo độ dao động tỷ suất sinh lời của cổ phiếu theo thời gian.
ARCH do Robert Engle và Clive Granger nghiên cứu năm 1982, còn GARCH được
Tim Bollerslev đề xuất năm 1986 để khắc phục những hạn chế của ARCH.
b/ Mô hình nhân quả
Mô hình dự báo này dựa trên mối quan hệ nhân quả hay sự tác động qua lại giữa biến
phụ thuộc và biến độc lập, đòi hỏi các lý thuyết về kinh tế, tài chính, cũng như kinh


8

nghiệm thực tế của nhà dự báo trong việc thiết lập mối quan hệ này. Sau đó cần thu thập
dữ liệu, ước lượng mô hình, kiểm định giả thuyết và cuối cùng là thực hiện dự báo.

Trong dự báo giá chứng khoán, biến phụ thuộc (hay biến cần dự báo) là giá cổ phiếu
hay tỷ suất sinh lời. Còn các biến độc lập như tốc độ lạm phát, mức thất nghiệp, cung
tiền trong nền kinh tế, tăng trưởng công nghiệp…, đây là các biến số của nền kinh tế vĩ
mô. Hoặc các biến vi mô như lợi nhuận, mức độ tăng trưởng, giá hàng hóa của doanh
nghiệp. Và bất kỳ yếu tố nào mà tác động lên thị trường hay giá cổ phiếu đều có thể sử
dụng làm biến độc lập.
Các mô hình hồi quy được sử dụng để tìm kiếm mối quan hệ giữa biến phụ thuộc và
biến độc lập để dự báo xu hướng và những nhân tố tác động đến giá chứng khoán.
Phương pháp này có khuyết điểm là khó khăn trong thu thập dữ liệu, do có ít dữ liệu về
doanh nghiệp cũng như yếu tố vĩ mô trong thực trạng hiện tại của Việt Nam.
c/ Mô hình mạng tế bào thần kinh nhân tạo ANN
Lý thuyết ANN (còn được gọi ngắn gọn là mạng nơ-ron) được phát triển từ những năm

1940 đến nay và đã ứng dụng rộng rãi trong nhiều lĩnh vực. ANN nhanh chóng trở
thành một hướng nghiên cứu đầy triển vọng trong mục đích xây dựng các cổ máy
thông minh tiến gần trí tuệ con người. Trong lĩnh vực chứng khoán, ANN được sử
dụng khá phổ biến và là một trong những phương pháp hàng đầu để dự báo thị trường,
giá cổ phiếu. Sự linh hoạt và khả năng thích ứng của ANN cũng hấp dẫn nhiều đến các
nhà nghiên cứu trong các lĩnh vực khác như ngân hàng, điện tử, robotics, dầu khí,…
ANN được xây dựng bằng cách mô phỏng bộ não con người. Bộ não là một hệ thống
máy tính xử lý tín hiệu thông tin một cách song song, phi tuyến và cực kỳ phức tạp tồn
tại trong tự nhiên. Bộ não gồm các tế bào thần kinh và các khớp nối thần kinh, để tính
toán các việc nhận dạng mẫu, điều khiển vận động nhanh hơn nhiều lần các siêu máy


9

tính và chưa có hệ thống nào có thể thay thế được. Sự mô phỏng bộ não rút ra từ các
nghiên cứu về thần kinh sinh học.
Dữ liệu đầu vào để thực hiện dự báo bằng ANN khá đa dạng và tùy thuộc vào trình độ,
kinh nghiệm, mục tiêu dự báo và những cơ sở dữ liệu mà người làm dự báo có. Trong
dự báo chứng khoán, các dữ liệu đầu vào thường được dùng như giá, khối lượng…
Ngoài ra, các dữ liệu liên quan đến nền kinh tế cũng có thể làm đầu vào cho quá trình
dự báo. Những thuật toán phức tạp thông qua việc mô phỏng xử lý thông tin như bộ
não con người sẽ xử lý các thông tin đầu vào để cho ra kết quả đầu ra mong đợi. Hình
3.1.2 mô phỏng quy trình làm việc của một ANN đơn giản.

Hình 3.1.2 Sơ đồ mô tả mạng ANN đơn giản
3.2 PHƯƠNG PHÁP DỰ BÁO VỚI ANN
Trước khi đi vào dự báo thị trường trường chứng khoán Việt Nam năm 2018, luận văn
tiến hành nghiên cứu thực trạng thị trường chứng khoán nhằm làm rõ tác động của
chiến tranh thương mại Mỹ-Trung Quốc để quyết định thêm nhân tố này vào dự báo.

10

3.2.1 Thực trạng thị trường chứng khoán Việt Nam năm 2018
Sau khủng hoảng tài chính toàn cầu 2008, năm 2012 đến 2017, chỉ số chứng khoán
song hành với đà tăng trưởng của nền kinh tế đã đạt mức tăng trưởng cao, tăng khoảng
48% trong năm 2017. VN-INDEX được xếp vào một trong nhóm những chỉ số có mức
tăng ấn tượng nhất thế giới. Các chuyên gia dự báo trong năm 2018 thị trường sẽ rất
triển vọng. Thực tế khẳng định vào 9/4/2018, một mức kỷ lục mới của VN-INDEX
được xác lập tại 1204.33 điểm, và có lúc lên đến 1211.34 điểm vào ngày hôm sau, con
số cao nhất từ trước đến giờ.
Tuy nhiên, TTCK năm 2018 cũng chứng kiến tình trạng biến động mạnh nhất trong 10
năm. Bằng việc các chỉ số tăng mạnh, nó cũng thể hiện mức định giá cổ phiếu trở nên đắt
đỏ hơn và những bất ổn bắt đầu xuất hiện trong trạng thái ổn định của thị trường. Chiến
tranh thương mại Mỹ-Trung Quốc leo thang, chính phủ có xu hướng siết chặt dòng tiền,
tăng lãi suất đã ảnh hưởng không nhỏ tới thị trường tài chính toàn cầu và Việt Nam cũng bị
tác động. Và sau khi FED tiến hành nâng lãi suất khiến dòng chảy vốn xoay chiều, đồng
USD tăng giá, tác động lên thị trường hàng hoá, đặc biệt là dầu thô đã xoay chiều tất cả
những dự báo trước đó. VN-INDEX từ vùng đỉnh 1204.33 điểm đã giảm xuống vùng 900
điểm trong ba quý cuối năm, tương ứng mức điều chỉnh khoảng 25%. Mức biến động của
VN-INDEX trong năm qua là khá lớn và cũng nằm trong danh sách

10 chỉ số chứng khoán có biến động mạnh nhất trên thế giới. Hình 3.2.1.1 minh họa
cho biến động của VN-INDEX trong năm 2018.


11

Hình 3.2.1.1 Biểu đồ chỉ số VN-INDEX của TTCK VN trong năm 2018

TTCK Việt Nam giảm mạnh chủ yếu do tâm lý của nhà đầu tư trước lo ngại về sự biến
động của thị trường quốc tế vì các yếu tố vĩ mô trong nước được đánh giá tích cực,
TTCK VN vẫn là kênh tốt cho các nhà đầu tư toàn cầu. Báo cáo vĩ mô năm 2018 cho
thấy, GDP Việt Nam tăng 7.08%, vượt xa so với chỉ tiêu và cũng mức tăng mạnh nhất
trong 10 năm trở lại đây. Trong khi đó, CPI tháng 12/2018 giảm nhẹ 0.25%, kéo theo
tổng CPI trung bình cả năm ở mức 3.54% thấp hơn chỉ tiêu đề ra của Chính Phủ. Qua
đó, vĩ mô trong nước là đạt được nhiều điểm tích cực trong năm. Nhưng người dân thì
ít quan tâm tới chiến tranh thương mại còn nhà đầu tư đặc biệt lại quan tâm tới chiến
tranh tiền tệ, chính tâm lý nhà đầu tư đang chịu tác động thái quá từ các yếu tố bên
ngoài nên đã ảnh hưởng tiêu cực lên chỉ số VN-INDEX.
Cùng với xu hướng thắt chặt tiền tệ trên toàn cầu, Mỹ là đầu tiên, từ cuối 2015 với tốc
độ nhẹ, bắt đầu tăng dần vào 2017 và mạnh vào 2018. Đồng USD là đồng tiền được sử
dụng cho thanh toán thương mại quốc tế nhiều nhất, và ngân hàng trung ương các nước
khác sử dụng nhiều nhất. Vì Mỹ tăng lãi suất USD lên sẽ làm cho các đồng tiền khác


12

giảm vì vậy họ cũng phải nâng lãi suất của chính mình lên nếu không đồng tiền họ giảm
nhiều. Theo lý thuyết ngang giá sức mua PPP (purchasing power parity theory) thì đồng
tiền yếu họ sẽ có lợi trong cán cân thương mại nhưng cũng không được yếu quá.

Bên cạnh đó, tính hết tháng 8/2018, tổng nợ thế giới 250 nghìn tỷ USD, lớn gần gấp
đôi tiền nợ của 10 năm trước. Nhưng tốc độ bơm tiền của 3 ngân hàng lớn nhất thế giới
gồm Mỹ, châu Âu và Nhật theo thì gấp 3,4 lần cách đây 10 năm (đây là một trong
những lý do khủng hoảng 10 năm trước là in tiền quá nhiều). Cung tiền nhiều nhưng
hiệu quả tăng trưởng kinh tế lại thấp, tỷ lệ thất nghiệp so với 10 năm tăng thêm 25 triệu
người, ngoại trừ Mỹ.
Cung tiền làm cho kinh tế tăng trưởng nhưng cũng giúp cho chứng khoán và giá nhà
đất tăng mạnh. Khi đó việc thắt chặt tiền, thị trường tài chính bị ảnh hưởng ngay lập

tức. Cùng với chiến tranh thương mại khiến Trung Quốc cố gắng sử dụng chính sách
tiền tệ để điều chỉnh tỷ giá giữa USD và Nhân Dân Tệ để hỗ trợ nền kinh tế đỡ bị ảnh
hưởng, theo đó ảnh hưởng tới dòng tiền trên toàn cầu. Việc thắt chặt tiền tệ làm cho
khối ngoại bán ròng mạnh nhất trong lịch sử. Giao dịch khớp lệnh là giao dịch trực tiếp
trên thị trường còn giao dịch thỏa thuận là giao dịch ở ngoài, nên các nhà đầu tư chủ
yếu bị tác động về mặt tâm lý trên sàn, nghĩa là mang yếu tố gián tiếp nhiều hơn.
Từ các thực trạng và phân tích bên trên, nhân tố tác động mạnh nhất đến TTCK VN năm
2018 đó là trạng thái của chiến tranh thương mại Mỹ-Trung Quốc. Việc dự báo thị trường
chứng khoán được thực hiện trong đề tài này (dự báo chỉ số VN-INDEX) sẽ thêm vào mô
hình dự báo là trạng thái chiến tranh Mỹ-Trung Quốc và các biến phân tích kỹ thuật để tạo
ra một phương pháp lai ghép. Việc dữ liệu chỉ sử dụng năm 2018 vì đề tài nghiên cứu
muốn làm rõ tác động của chiến tranh thương mại cũng như nghiêm cứu xem độ chính xác
của dự báo có được cải thiện hơn không khi thêm vào yếu tố cơ bản là chiến tranh thương
mại Mỹ-Trung Quốc. Những nhân tố tác động khác sẽ là được thêm vào


13

mô hình dự báo trong tương lai để hoàn thiện độ chính xác cao hơn nữa tùy thuộc vào
nhà phân tích trong các trường hợp chứng khoán cụ thể.
3.2.2 Dự báo chỉ số thị trường chứng khoán Việt Nam với ANN
Theo lý thuyết thị trường hiệu quả EMH (Efficient Market Hypothesis), cơ hội để kiếm
lợi nhuận là được khám phá rất nhanh và các nhà đầu tư sẽ chấm dứt cơ hội đó ngay.
Nên trong tác động của thị trường hiệu quả thì không một hệ thống công cộng nào có
thể giúp các nhà đầu tư kiếm được lợi nhuận. Nhưng với việc dự báo giá chứng khoán,
hệ thống ANN thường được sử dụng vì chúng có khả năng tự học và tự khám phá mối
quan hệ giữa các biến phi tuyến, kỹ thuật này cho phép phân tích sâu vào một khối
lượng lớn dữ liệu trong một khoảng thời gian ngắn nên nó có khả năng phân tích vượt
trội hơn so với các phương pháp tính toán khác. Vì vậy ANN là một trong những kỹ
thuật khai phá dữ liệu được chấp nhận cũng như ngày càng sử dụng rộng rãi trong mọi

lĩnh vực. Và ANN được chọn cho việc ứng dụng nghiên cứu trong đề tài này.
Trước tiên về phương pháp phân tích kỹ thuật, việc dự báo giá chứng khoán dựa trên
những chỉ số cốt lõi của thị trường như giá chứng khoán hiện tại, giá mở cửa, giá đóng
cửa, khối lượng giao dịch, giá cao nhất và giá thấp nhất… Trong khi đó phương pháp
phân tích cơ bản lại dựa trên những chỉ số thể hiện năng lực của công ty như EPS, giá
trị sổ sách công ty, tác động vĩ mô từ lãi suất, lạm phát, chiến tranh…
Phương pháp lai ghép là sử dụng việc kết hợp giữa phân tích cơ bản và phân tích kỹ
thuật để tạo ra một mô hình mạng tế bào thần kinh nhân tạo nhằm dự báo chỉ số (giá)
chứng khoán mà cụ thể là chỉ số VN-INDEX được thực hiện trong nghiên cứu. Kết quả
của phương pháp lai ghép sẽ được so sánh với phương pháp phân tích kỹ thuật để kiểm
tra sự cải thiện độ chính xác của dự báo.
Phương pháp dự báo trong nghiên cứu sử dụng mô hình nhiều lớp mạng thần kinh truyền
thẳng (trong đó có nhiều hơn 18 lớp mạng thần kinh ẩn) được huấn luyện với thuật toán
Backpropagation (thuật toán lan truyền ngược). Dữ liệu được dùng là chỉ số VN-Index


14

của thị trường chứng khoán Việt Nam trong năm 2018. Hàm học của các mạng thần
kinh được sử dụng là hàm sigmoid.
( )=

1
(1 +

−

)

Hình 3.2.2.1 và 3.2.2.2 miêu tả cơ bản về mô hình trong nghiên cứu này

Hình 3.2.2.1 Mô hình mạng nơ-ron truyền thẳng nhiều lớp dạng cơ bản


15

Hình 3.2.2.2 Mô hình mạng nơ-ron truyền thẳng nhiều lớp dạng chuẩn tắc

Kết quả của mô hình có thể được trình bày ở dạng công thức sau:
=1

y=

2

[∑ 1 (∑

)]

=1

Với win là trọng số điều chỉnh giữa đầu vào và lớp đơn vị xử lý ẩn, w io là trọng số điều
1

2

chỉnh giữa lớp xử lý ẩn và đầu ra. Hàm f , f là hàm chuyển đổi các thành phần ẩn và
đầu ra.
Với phương pháp lai ghép, các biến đầu vào được sự dụng cho huấn luyện mạng nơron bao gồm các biến kỹ thuât và các biến phân tích cơ bản
Các biến kỹ thuật được sử dụng gồm:

•

Oi-1 Chỉ số mở cửa (OPEN) VN-Index ngày i-1

•

Oi-2 Chỉ số mở cửa (OPEN) VN-Index ngày i-2

•

Ci-1 Chỉ số đóng cửa (CLOSE) VN-Index ngày i-1

•

Ci-2 Chỉ số đóng cửa (CLOSE) VN-Index ngày i-2