ứng dụng machine learning và phân tích xúc cảm cho giao dịch cổ phiếu việt nam

TÊN ĐÈTÀI:NHIỆMVỤVÃ NỘI DƯNG:Nhiệm vụ: Dựa trên lịch sử giácổ phiếu và dữ liệu tin tứcpháttriển mô hìnhdự đoángiácổphiếu trong tương lai.Nội dung: tìm hiểu về cổ phiếu, một số phương phá

Công trình được hoàn thành tạiTrường Đại học Công nghiệp TP Hồ Chí Minh.

Luận văn thạc sĩđược bảo vệ tại Hội đồng chấm bảo vệLuận văn thạc sĩ Trường Đại

CHỦ TỊCH HỘI ĐÒNG TRƯỞNG KHOA KHOA MÁY HỌC TÍNH

BỘ CÔNG THƯƠNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP Độc lập - Tự do - Hạnh phúc

THÀNH PHÓ HÒ CHÍ MINH

Họ tên học viên: Võ Duy Quí MSHV:

Ngành: Khoa Máyhọc Tính Mã ngành: 8480101

I TÊN ĐÈ TÀI:

NHIỆM VỤ VÃ NỘI DƯNG:

Nhiệm vụ: Dựa trên lịch sử giácổ phiếu và dữ liệu tin tứcpháttriển mô hìnhdự đoángiácổphiếu trong tương lai

Nội dung: tìm hiểu về cổ phiếu, một số phương pháp tiền xử lý các dữ liệu đầu vào

để xử lý dữ liệu khi đưa vào mô hình dự đoán Tìm hiểu và xâydựng, kiểm thử mô

hình dựa trên các mô hình máy học thường dùng, các mô hình học học sâu và mô

chú ý so với các phương pháp khác để tối ưu mô hình

II NGÀY GIAO NHIỆM VỤ: 30/10/2022

III NGÀY HOÀN THÀNH NHIỆM VỤ:

IV NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Chí Kiên

TRƯỞNG KHOA KHOA MÁY HỌC TÍNH

LỜI CẢM ƠN

Trướctiên, tôi xin bàytỏ sự biết ơn chân thành và sâu sắcnhất tớiThầy TS Nguyễn

trình nghiên cứu, hoàn thiện luận văn thạc sĩ của mình

Công Nghiệp Tp Hồ Chí Minh đã nhiệt tình hướng dẫn và giáo dục tôi trong suốt

thực hiện luận văn tại Trường Đại học Công Nghiệp Tp Hồ Chí Minh

cạnh, động viên và khuyến khích tôi trong suốtquá trình thực hiện đề tài

TÓM TẤT LUẬN VÃN THẠC sĩ

yếu tố đon lẻ mà là sự kếthợp của nhiều yếu tố khác nhau Khôngthể đon thuần chỉ

xác định một nguyên nhân cụ thể nào đó gây ảnh hưởng, mà thay vào đó, sự tư ongtác của nhiều yếu tố như doanh nghiệp, tình hình kinh tế, biến động chính trị, quan

ảnh hưởng đồng thời đến thị trường chứng khoán Những yếu tố trên thường đượctrình bày thông qua tin tức, bài báo Vì vậy, việc dự đoán hướng phát triển của thị

trường cổ phiếu được coi làmộttrong những lĩnhvực rộng lớn và quý báu nhấttrong

ngữ tự nhiên (NLP) để xử lý dữ liệu đầu vào, gán nhãn cho dữ liệu, kết hợp nhiều

cổ phiếu

Kết quảcủacác thử nghiệm cho thấy rằng mô hình được đề xuấtđạt đượchiệu suất

các độ đo, bao gồm độ chính xác, giátrị F1, giátrị AUC trên từng mô hình đon lẽ

businesses, economic situations, political fluctuations, and investors' perspectives

Therefore,predictingthe development direction ofthe stock market is consideredone

of the mostextensive and valuable fields in the financial sector

processing (NLP) models to process input data, label data, and combine many

machine learning technical models (ML) for building calculation models andpredicting stock prices

closing prices

The results of the experiments show that the proposed model achieves high

including accuracy, validity Fl, AUC value on each single model

LỜI CAM ĐOAN

Tôi xác nhận rằng kết quả thu đượctrong luận văn là kết quả củacông trình nghiên

Kiên

tài liệu(nếu có) đã được thực hiện theo quy định về trích dẫn và ghi nguồn tài liệutham khảo

Tôi hoàn toàn chịu tráchnhiệm và san sàng chấp nhận mọi hình thức kỷ luật theo quy

Học viên

(Chữ ký)

Võ Duy Quí

MỤC LỤC

LỜI CảM ƠN i

TÓM TẤT LUẬN VĂNTHẠC sĩ ii

ABSTRACT iii

DANH MỤC HÌNH ẢNH viii

DANH MỤC BẢNG BIỂU ix

DANH MỤC TỪ VIẾT TẤT X MỞ ĐẦU xi

1 Đặtvấn đề xi

2 Mục tiêu nghiên cứu xiii

3 Đốitượng và phạm vi nghiên cứu xiii

4 Cáchtiếpcận và phương pháp nghiên cứu xiii

5 Ý nghĩa thực tiễn của đề tài xiv

TỔNG QUAN XV CHƯƠNG 1 TỔNG QUAN VỀ CHÚNGKHOÁN VÀCỔPHIẾU 1

1.1 Tổng quan về thị trườngchứng khoán Việt Nam 1

1.1.1 Vai trò của thị trường chứng khoán 4

1.1.2 Phân loại thị trường chứng khoán 6

1.1.3 Cổ phiếu 6

1.2 Tổng quan vềthông tin của giá cổ phiếu 7

1.2.1 Các nhân tố ảnh hưởng đến tính thông tin của giá cổ phiếu 7

1.2.1.1 Các nhằn tố vĩ mô 7

1.2.1.2 Các nhằn tố vi mô 8

1.3 Phân tích chứng khoán 8

1.3.1 Phân tích cơbản (Fundamental analysis) 8

1.3.2 Phân tích kỹ thuật(Technical analysis) 9

1.3.3 Các chỉ số của chứng khoán Việt Nam 9

1.3.3.1 Chỉ số VN-index 9

1.3.3.2 Chỉ sốVN30 10

1.3.3.3 Chỉ sốHXN-index 11

1.3.3.4 Chỉ số UPCOM-index 11

1.3.4 Các chỉ số phân tích cơbản của chứng khoán 11

1.3.4.1 Chỉ số EPS -Thu nhập trên một cổphiếu 11

1.3.4.2 Chỉ số PE - Hệ số giá trên thu nhập 12

1.3.4.3 Chỉ số P/B - Giá thị trường/Giátrị sổ sách 13

1.3.5 Các chỉ số phân tích kỹ thuật của chứng khoán 13

1.3.5.1 Chỉ số SMA - Simple Moving Average 14

1.3.5.2 MACD - Moving AverageConvergence Divergence 15

1.3.5.3 Bollinger bands 16

1.3.5.4 RSI - Relative Strength Index 17

CHƯƠNG 2 KỸ THUẬT MÁY HỌCVÀ PHÂNTÍCH TIN TỨC TRONG THỊ TRƯỜNG CHỨNG KHOÁN 20

2.1 Các công trình nghiên cứu liên quan 20

2.2 Các phương pháp máy học được sử dụng trong đề tài 23

2.2.1 Phương pháp LogisticRegression 23

2.2.2 Phương pháp Random forest 25

2.2.3 Phương pháp Xgboots 27

2.2.3.1 Thuật toán LightGBM 29

2.2.3.2 Thuật toán CatBoost 30

2.2.4 Phương pháp Support Vector Machine 32

2.3 Phân tích xúc cảm từ tin tức ảnh hưởngđến cổ phiếu chứngkhoán 32

2.3.1 Giới thiệu BERT 36

2.3.2 Giới thiệu FinancialBERT 38

2.4 Một số thư viện được sử dụng trong đề tài 39

2.4.1 Thư viện TA-lib 39

2.4.2 Thư viện Vnstock 39

2.4.3 Thư viện TensorFlow 39

2.4.4 Thư viện beautifulsoup 40

CHƯƠNG 3 THỰC NGHIỆM ĐÁNH GIÁ KẾT QUẢ 41

3.1 Mô hình đề xuất 41

3.2 Thu thập dữ liệu 42

3.2.1 Dữ liệu quá khứ cổ phiếu 42

3.2.2 Dữ liệu chỉ số kĩ thuật và dữ liệu chỉ số cơbản của cổ phiếu 43

3.2.3 Dữ liệu tin tức 45

3.3 Phương tiện và công cụ triển khai 46

3.4 Phương thức 47

3.4.1 Gán nhãn dữ liệu 47

3.4.2 Truy xuất và phân tích dữ liệu tin tức 48

3.4.3 Chuẩn hóa dữ liệu 50

3.4.4 Phươngthức đánh giá mô hình 50

3.4.5 Thử nghiệm mô hình 52

3.4.5.1 Mô hình thử nghiệm RandomForest chưa cócácdữ liệu phân tíchxúc cảm 52

3.4.5.2 Môhình thử nghiệm Logistic Regression với tất cảtập dữ liệu 53

3.4.5.3 Môhình thửnghiệm Support Vector Machinevới tất cả tập dữ liệu 53

3.4.5.4 Môhình thử nghiệm XGBoost với tất cả tập dữ liệu 54

3.4.5.5 Môhình thử nghiệm Randomforest với tất cả tập dữ liệu 55

3.4.5.6 Điều chỉnh các tham số trong mô hình phân loại dự đoán 55

3.5 Đánh giákết quả 57

KẾTLUẬN VÀ KIẾN NGHỊ 59

DANH MỤC CÔNGTRÌNH ĐẪ CÔNG BỐ CỦA HỌC VIÊN

PHỤ LỤC 63

LÝLỊCH TRÍCHNGANG CỦA HỌC VIÊN 71

DANH MỤC HÌNH ẢNH

Hình 1.1 danh sách cổ phiếu VN30 11

Hình 1.2 Chỉ số MACD 15

Hình 1.3 Bollinger bands 17

Hình 1.4 Các trường hợp mua bán với phân kỳ RSI 18

Hình 2.1 Đồ thị hàm Sigmoid 24

Hình 2.2 Mô hình Random Forest, 25

Hình 2.3 Mô hình hoạt độngcủa XGBoots 27

Hình 2.4 Cách hoạt động của tính năngtăng cườngcây 29

Hình 2.5 Minh họa sự khác nhau giữa 2 cơ chế Level-wise và Leaf-wise 30

Hình 2.6 Toàn bộ tiến trình pre-training và fine-tuning của BERT 37

Hình 2.7 Thư viên vnstock 39

Hình 3.1 Mô hình đềxuấttổng quát 41

Hình 3.2 Dữ liệu quá khứ của vn-index 42

Hình 3.3 Dữ liệu cổ phiếu của Cty Vinamilk mã chứng khoán VNM 43

Hình 3.4 Dữ liệu chỉ số cơbản của mãcổ phiếu VNM 44

Hình 3.5 Dữ liệu chỉ số kỹ thuật và chỉ số cơbản của mã cổ phiếu VNM 44

Hình 3.6 Nguồn dữ liệu tin tức tài chính liên quan đến mã chứngkhoán VNM 45

Hình 3.7 Nguồn dữ liệu tin tức tài chính liên quan đến mã chứngkhoán SSI 46

Hình 3.8 Dữ liệu tin tức của mã cổ phiếu VNM sau khi thuthập và lưu trữ cục bộ48 Hình 3.9 Dữ liệu tin tức của mã cổ phiếu TCB sau khi thu thập và lưu trữ cục bộ 48

Hình 3.10 Dữ liệu tin tứcsau khi được dịch sang tiếnganh 49 Hình 3.11 Kết quả sau khi sử dụng model phân tích xúc cảm của mộtcổ phiếu 50

DANH MỤC BẢNG BIỂU

Bảng 1.1 Diễn biến chỉ sốVN-INDEX năm 2022 3

Bảng 1.2 Giá trị vốn hóa thị trường cổ phiếu 4

Bảng 2.1 Kích thước của văn bản được thu tập từ nhiều nguồn khác nhau của bài báo [33] : 38

Bảng 3.1 Biểu đồ giácủamãcổ phiếu VNM sau khi gán nhãn dữ liệu 47

Bảng3.2 Kết quả thực nghiệm dữ liệu áp dụng model Randomforestchưathêm dữ liệu phân tích xúc cảm 52

Bảng 3.3 Kết quả thực nghiệm dữ liệu áp dụng model Logistic Regression 53

Bảng3.4 Ket quả thực nghiệm dữ liệu áp dụngmodel Support Vector Machine 53

Bảng 3.5 Ket quả thực nghiệm dữ liệu áp dụng model XGboost 54

Bảng 3.6 Kết quả thực nghiệm dữ liệu áp dụngmodel Randomforest 55

Bảng3.7 Ket quả thực nghiệm dữ liệu áp dụng model Randomforest + Randomized Seach 56

Bảng 3.8 Ket quả thực nghiệm dữ liệu áp dụng model Randomforest + Grid Search 56

Bảng3.9 kết quảthử nghiệm trên các mô hình 57

Bảng3.10 Biểu đồ ROC các mô hìnhdự đoán phân lóp 57

Bảng 3.11 Thống kê tưong quan các dữ liệu đầu vào trongmô hình dự đoán 58

AreaUnderthe Curve

Bidirectional Encoder Representations from Transformers

Deep Learning

Doanh nghiệp nước ngoài

Earning PerShare

Machine learning

Return on Total Assets

Relative Strength Index

Simple Moving Average

Thị Trường Chứng Khoán

Extensible Markup Language

MỞ ĐẦU

1 Đặt vấn đề

Thị trường chứng khoán ViệtNam từ khi ra đời tới nay đã trải qua các giai đoạn phát

triển thăngtrầm cùng với sự biến độngcủa nền kinh tế trong nước lúc tăng, lúc giảm

giácổ phiếu làchỉ số được chú ý nhiều nhất trên các TTCK

Biến động giácổ phiếu rấtquan trọng vì nó có thể ảnh hưởng đến lợi nhuận hoặc thua

có thể bị thua lỗ

Biến động giá cổ phiếu cũng có thể ảnh hưởng đến sự tin tưởng củacác nhà đầu tưvào công ty Nếu giá cổ phiếu của một công ty giảm đột ngột, các nhà đầu tư có thể suy nghĩ tiêu cực về tình hình hoạt động của công ty đó và có thể bán cổ phiếu ra

Giá cổ phiếu chịu ảnh hưởng của nhiều yếu tố khác nhau, trong đó có các thông tin

thông tin về cân đối tài sản, thu nhập và dòng tiền củadoanh nghiệp được trình bày trên báo cáo tài chính Tại các TTCK phát triển, đãcó nhiều nghiên cứu về mối quan

hệ giữa giá cổ phiếu với thông tin kế toán (lợi nhuận kế toán, lợi nhuận cơbản trên

mỗi cổphiếu, giátrị sổsách trên mỗi cổ phiếu) điển hình, như: Ball và Brown (1968),

phiếu trên TTCK New York Kết quảcho thấy, lợi nhuận đượccông bố trên báo cáo

Nhắc đến TTCK, nhiều người sẽ nghĩ đến ngay nhữngchiến lược kinh doanh hết sức

lợinhuận củacông ty qua từng thời kỳ nhất định, sự vận độngcủa dòng tiền, Điều

triển của doanh nghiệp trước khi quyết định đầu tư vào mộtcổ phiếu Một côngty cóhoạt động tài chính ổn định và vững mạnh thì cổ phiếu cũng có khả năng sinh lợinhuận tốt hơn và ngược lại [1]

Thị trường chứng khoán luôn thu hút các nhà đầu tư do khả năng sinh lời cao, tuy

giảmthiểu rủi ro với hy vọng có thể tốiđa hóalợi nhuận Ngày nay, các mô hình Máy

dữ liệu cho phép các doanh nghiệp gặt hái được nhiều lợi ích nhất có thể Các mô

khoán

thực tiễn Chủ đề này đã được nhiều nhà nghiên cứu trong và ngoài nước quan tâm

và đưa ra nhiều giải pháp Mỗi giải pháp có những ưu nhược điểm khác nhau, tuynhiên sử dụng máy học là giải pháp manglại kếtquả tốt Vì cáclý do trên tôi đã lựa

chọn đề tài “ứng dụng Machine Learning và Phân tích xúc cảm cho giao dịch cổ

2 Mục tiêu nghiên cứu

Luận văn này tập trung nghiên cứu giải quyết bài toán dự đoán giá cổ phiếu trên thị

trường cổ phiếu Việt Nam vói các cổ phiếu như Techcombank, Vinamilk, Công ty

Xem xét sự ảnh hưởng của tin tức đến những côngty có thể được đề cập trực tiếp hay

3 Đối tượng và phạm vi nghiên cứu

trí tuệnhântạo, nhằm áp dụng chúng vào phân tích môhìnhdự đoán giácổ phiếu

4 Cách tiếp cận và phương pháp nghiên cứu

- Ảp dụng phương pháp nghiên cứu tài liệu, tậptrung vào cáckỹ thuậtxử lý số liệu, trí tuệ nhân tạo và đặcbiệt áp dụng các thuật toán máy học kết hợp xử lý ngôn ngữ

tự nhiên

5 Ý nghĩa thực tiễn của đề tài

Ýnghĩa khoa học:

trước đây đãthực hiện

giácổ phiếu

- Đánh giá hiệu suất của mô hình bằng các thực nghiệm trên tập dữ liệu thực, từ đó

Ýnghĩathựctiễn:

đưa số hiệu suất mô hình và phân tích dữ liệu

TỎNG QUAN

mô, chỉ sốnày phản ảnh các quy luật cung cầu của thịtrường chứng khoán (TTCK)

tham giavào thị trường Phưong pháp phân tích định lượng được sử dụng rộng rãi để

đầu tư tổng thể và tác động đến thị trường chứng khoán như kết quả kinh doanh của

phiếu Những mẫu tin tứctrong túi từ ngữ không gian,trong đó phân tích mối quan

hệtiềm ẩn giữa các mẫu thống kê từ và biến động giácổ phiếu

Các bài báo tin tức được xem là dữ liệu phi cấu trúc Nó là những thông tin khôngđược định nghĩatrướcvề mô hình dữ liệu hay cách thức tổ chức nội dung của dữ liệu,

kiểu dữ liệu và trường dữ liệu rõ ràng Với sự khởi đầu của công nghệ kỹthuậtsố, dữ liệu đang pháttriển một cách mạnh mẽvà không ngừng nghỉ Đặc biệt với dữ liệu về

Ngoài phần TÔNG QUAN, luận văn gồm các phần sau:

Phần cơ sở lý thuyếtbao gồm:

Chương 1: Tổng quan về chứng khoán và cổ phiếu

Chương 2: Kỹ thuật máy học vàphân tíchtin tức trong thị trường chứng khoán

Cuối cùng làphần Kết luận vàKiến nghị, tổng hợp các kết quả chínhcủa luận văn và

đề xuấthướng nghiên cứu tiếp theo

CHƯƠNG TỔNG QUAN VỀ CHỨNG KHOÁN VÀ CỎ PHIẾU

phiếu Ngoài ra, chương này cũng trình bàymộtsố cơ sỡ lý thuyết liên quan

1.1 Tổng quan về thị trường chứng khoán Việt Nam

Theo điều 6 củaLuậtchứng khoán Việt Nam thì: “ Chứng khoán là bằng chứng xác

Thị trường chứng khoán giúp những người thiếu vốn huy động được vốn vàngười cóvốn chuyển vốn của mình thành vốn đầu tư Vì thế, thị trường chứngkhoáncòn được

Thị trường chứng khoán Việt Nam đã đi vào hoạt động từ năm 2000, đến nay, sau

hơn 20 năm hoạt động đãtrởthành một kênh huy động vốn dài hạn cho đầu tư phát

gần 2,9 triệu đồng, gấp gần 10 lần so với giai đoạn 2000 - 2010, đónggóp bình quân19,5%tổng mức đầu tư toàn xã hội, gópphần cơ cấu lại hệthống tàichính Việt Namtheo hướng cằn đối, bền vững hơn

Thị trường chứng khoán ngày càng đa dạng về mặt hàng hóa giao dịch Trên thị

trường cổ phiếu hiện có hơn 1.000 cổ phiếu niêm yết và đăng ký giao dịch (tính đếncuối năm 2020 có 745 cổ phiếu niêm yết và 910 cổ phiếu đăng ký giao dịch), bao

cổ phần hóa các doanh nghiệp nhànước (DNNN) quy mô lớn gắn với niêm yết trên

thị trường chứng khoán đãtạo ra một lượng hàng hóa có chất lượng trên thị trường

Tính đến cuối năm 2020, vốn hóa thị trường đạt 64,1% GDP, gấp 7,3 lần so vói năm

2010

Thị trường chứng khoán Việt Nam đã không ngừng hoàn thiện về cấu trúc thông qua

trường chứng khoán phái sinh đã phát triển nhanh chóng với mức tăng trưởng giao

hữu hiệu

Thị trườngtrường chứng khoánViệt Nam đãpháttriển mạnh mẽ, trởthành kênh huy

phần cơ cấu lại hệthống tài chínhViệtNam theo hướng cân đối, bền vững hơn Tính

2010, [2]

chuẩn và thông lệ về quản trị công ty, năng lực quản lý, giám sát, thanh tra và thực

làm trung tâm Các chính sách quản lý TTCK đãthực hiện được mục tiêu tăng cường

tính công khai, minh bạch thông tin,

Tiếp nối đàtăng của năm 2021, chỉ số thị trường đã duytrì được mứctăng mạnh mẽ

vào ngày 6/1/2022 Tuy nhiên, sau đó trước những ảnh hưởng đến từ tình hình kinh

tế -xã hội trong vàngoàinước,TTCKViệt Nambước vào giaiđoạn điều chỉnh mạnh

và đạt mức thấp nhất vào ngày 15/11/2022 vói chỉ số VN-Index đóng cửa ở mức

chỉ số VNIndexđạt 1007,09 điểm, giảm 34,12% so với mức đỉnh được thiết lập đầunăm và giảm 32,8% so vói cuối năm 2021 Bên cạnh đó, chỉ số HNX-Index cũng

Bảng 1.1 Diễnbiếnchỉ sốVN-INDEX năm 2022

43% sovớinăm 2021 Trong khi đó, khối lượng cổ phiếu hủy NY/ĐKGD đạt3.804triệu cổ phiếu, tăng70% so vói năm 2021 Tínhđến cuối tháng 12/2022, thịtrường có

757 cổ phiếu, CCQniêm yết trên 2 SởGDCK và 856 cổ phiếu ĐKGD trên UPCoM

với tổng giá trị niêm yết, ĐKGD đạt 1.983 nghìn tỷ đồng, tăng 14% với cuối năm

2021 (tương đương 20,8%GDP ướctính năm 2022) [3]

Bảng 1.2 Giátrị vốn hóa thị trường cổ phiếu

■ HOSE ■■HNX ■UPCOM —• — %GDP

ỉ 1.1 Vai trò của thị trường chứng khoán

Thịtrường này hoạt động thuhút nhũng nhà giao dịch đầu tưtừ cá nhân, doanh nghiệp

Cung cấpchocác nhà đầutư một nơi đểđầu tưan toàn vàlành mạnh, thị trường này phân biệt rấtrõ, vói những ai có nhiềukiến thức và kinh nghiệm sẽ được trả công

bằng lợi nhuận họ kiếm được Những người mói cần học hỏi nhiếuhơn thì mới có

thề đứng vững ở thị trường biến động này Thị trườngcũng cung cấp rất nhiều sản

đích và phù hợpvói chiến lược kinhdoanhmà họ mong muốn

Thị trường chứng khoán được nhiều người đầu tư vào thì nó sẽ tạo được một thị

trường cóthanh khoản lớn, họ có thể đổi được tiền mặt hoặc giao dịch chứng khoán

đanghoạt động trên thị trường có tốt haykhông,giúpcác nhà đầu tư có thể biết cách

Yeu tố thông tin là yếu tố cạnh tranh trên thị trqờng sẽ đảm bảo cho việc phân phối

phủ Đồng thời,TTCK cũng cung cấp mộtdự báotuyệtvời về các chu kỳ kinh doanh

Ngoài những tác động tích cực trên, TTCK cũng có những tác động tiêu cực nhất

túngthị trường làm nản lòng các nhà đầu tưtác động tiêu cựctói tiết kiệm vàđầu tư

Nhiệm vụ của các nhà quản lý thị trường là giảm thiểu các tiêu cực của thị trường

nhằm bảo vệquyền lọicủa các nhà đầu tư và đảm bảotính hiệu quả của TTCK

Như vậy, vai trò của TTCK được thể hiện ởnhiều khíacạnh khác nhau Song để vai

ĩ 1.2 Phân loại thị trường chứng khoán

Thị trường so cấp: Làthị trường muabán các chứng khoán mới phát hành Trên thị

trường này, vốn từ nhà đầu tư sẽ được chuyển sang nhàpháthành thông qua việc nhà đầu tư mua các chứng khoán mới phát hành

trường socấp.Thị trường thứcấp đảm bảo tính thanh khoản cho các chứng khoán đã

1.1.3 Co phiếu

nhau gọi là cổphần Người muacổ phần gọi là cổ đông, cổ đông được cấp mộtgiấy

cổ phiếu Như vậy, cổ phiếu chính là một chứng thư chứng minh quyền sở hữu củamộtcổ đông đối với một công ty cổ phần và cổ đông là người có cổ phần thể hiệnbằng cổ phiếu

Thông thườnghiện nay các công ty cổ phần thường phát hành 02 dạng cổ phiếu: cổ

1.2 Tổng quan về thông tin của giá cỗ phiếu

cổ phiếu là chỉ dấu giúp các nhà quản trị nhận biết phản ứngcủa thị trườngvềnhữngquyết định của nhà quản trị, dovậy giúp họ đưara những quyết định quản trị tốt hơn

nhằm hướng đến làm tăng giátrị công ty Tính thông tin của giácổ phiếu cho phép

Chen, Goldstein & Jiang, 2007)

1.2.1 Các nhân to ảnh hưởng đen tính thông tin của giá co phiếu

Morck, Yeung & Yu (2000) là một trong những nghiên cứu đầu tiên đưara quan điểm

về ảnh hưởng của môi trường thể chế quốc gia đến tính thông tin của giá cổ phiếu

có môi trường thể chế yếu hoặc thiếu sự bảo vệ quyền lợi của nhà đầu tư so với các

với sự yếu kém trong việcbảo vệ quyền lợi nhà đầu tư làm cho tính thông tincủa giá

cổ phiếu thấphơn Li và cộng sự(2004) thấy rằng tính thông tincủa giácổ phiếuthấp

Fernandes & Ferreira (2009) đánh giá tác động của việc thực thi luật giao dịch nộigián đến tính thông tin của giá cổ phiếu Brockman, Liebenberg & Schutte (2010)

thấy rằng tính thông tin của giácổ phiếu giảm trong thời kì suy thoái kinh tế và tăng

thấp ở những nước có nhiều ràngbuộc khắt khe về văn hóa và ở những nước đề cao

chủ nghĩatập thể

ỉ 2 ỉ 2 Các nhân tố vi mô

thông tin của giá cổ phiếu Brockman & Yan (2009) thấy rằng cổ đông lớn giúp cảithiện vấn đề quản trị công ty và gia tăng chất lượng của thông tin được công bố ra

bằng chứng cho thấy tính thông tincủa giá cổ phiếu có quan hệ thuận với sở hữu cổ

Trung Quốc Kim & Shi (2012) thấy rằng cổ phiếu của những công ty áp dụng cácchuẩn mực IFRS mang tính thông tin cao Haggard, Martin & Pereira (2008) cung

cấp bằng chứngcho thấy việc tăng cườngcông bố thông tin tự nguyện làm tăngtínhthông tin của giá cổ phiếu

1.3 Phân tích chứng khoán

cho việc ra quyếtđịnh đầu tư trong thị trường chứng khoán Phân tích chứng khoán

phưong pháp này vẫn gây không ít hiểu lầm cho nhà đầu tư chứng khoán, tuy có rất

nhiều cơsở và cách tiếp cận để phằn tích chứng khoán nhưng hai phương phápđược

1.3.1 Phân tích cơ bản (Fundamental analysis)

Phân tích cơbản là phương pháp nhằm xác định giá trị nội tại củacổ phiếu trên thị

trường bằng cách kiểm tra các tác nhân cơbản cótác động hoặc làm thayđổi đến giá

cổ phiếu Cụ thể, nhà phân tích cơ bản tập trung xem xét các báo cáo tài chính củadoanh nghiệp, các phân tích vĩ mô như phân tích ngành mà công ty đang hoạt động,

phân tích trạngthái nền kinh tế hay phân tích vi mô như mô hình hoạt động và hiệu

quả quản lý củacông ty để ra quyết định đầu tư Từ đó, hoạt động phân tích co bản

1.3.2 Phân tích kỹ thuật (Technical analysis)

Phân tích kỹ thuật không giống với phân tích cơ bản Ở phương pháp này, cácnhà

phân tích sẽ căn cứ vào biểu đồ, đồ thị diễn biến giá và khối lượng giao dịch của cổ

khuyến nghị mua - bán cổ phiếutrên thịtrường.Xét vềbản chất, quan điểm phân tích

kỹthuật cho rằng có mẫu hìnhtrong quá khứcó xu hướng quyluật (lặp lại) vì vậy có

trị vốn hoá củathị trường cơ sở(ngày 28/07/2000) nhằm thể hiện xu hướng giá cổ

Hiểu đơn giản làchỉ số Vn-Index cho chúng ta biết được giá trị vốn hoá củathị trường

khi giao dịch ngày đầu tiên (ngày 28/07/2000) [6]

VN- Index được tính theo công thức sau:

Q iì : Khối lượng đang lưu hành (khối lượngniêmyết) của cổphiếu i

Qoì: Khối lượngcủacổ phiếu i tại thờikì gốc

gồm 30 cổ phiếuđã niêm yếttrên sànchứng khoán HSX Giá trị của 30 cổ phiếu này

thị trường

trên VN30, nhà đầutư có thể xác đinh cácdoanh nghiệphàng đầu trong mộtlĩnhvực

cụ thể, từ đó nhận biết xu hướng thị trường và đưa ra quyết đinh đầu tư phù hợp

Phụ lục 14: Dự báo tỷ trọng các cố phiếu trong VN30

Hình 1.1 danh sách cổ phiếu VN30

(HASTC), chỉ số HNX-index còn có tên làHASTC-index

chúngchưaniêm yết (Unlisted Public Company Market).Các mã cổ phiếu của doanh

ỉ 3.4 Các chỉ so phân tích cơ bản của chứng khoán

Các chỉ số co bản thường đượcnhữngnhà đầu tư nhắc đến trong trường phái phân tích cơbản Các nhà đầu tư sẽ sử dụng báo cáo tài chính, xu hướngngành, cũng như

mộtdoanh nghiệp, cũng như triển vọng của doanhnghiệp đótrong tương lai

Việc phân tích các chỉ số cơ bản sẽ giúp nhà đầu tư xác định được giátrị tương đối

của một doanh nghiệp và nắm bắt cơ hội đầu tư vào cổ phiếu của doanh nghiệp đó

[8]

EPS (Earning Per Share) được hiểu là lợi nhuận mànhà đầu tư cóthể kiếm được trên

mỗi cổ phiếu Đây là mộtchỉ sốchothấy khảnăngtạo ra lợi nhuận của công ty, như

ty EPS càng cao, tiềmnăng lợi nhuận của công tycàng lớn

EPS = (LỢINHUẬN SAU THUẾ- LỢI TỨC ưu ĐẪI) / SỐ

Có hai loại chỉ số EPS:

Lãi cơbản trên cổ phiếu: là lãi cơbản trên cổ phiếu tính theo tỷ lệ phần trăm

chuyển đổi hoặc cổ phiếu uu đãi hoặc cổ phiếu bổ sung

một đồng lợinhuận thu được từ cổ phiếu P/E thấp có thể làdo định giá thấp, doanh

P/E = THỊ GIÁCỔ PHIẾU (PRICE)/ LỢI NHUẬN TRÊN 1

được baonhiêu lợi nhuận từ 1 đồng vốn chủ sở hữu Chỉ sốnàythường được nhữngnhà đầu tưtrường phái cơbản quantâm vì họquantâm đếnhiệu quả của việc sử dụngvốn của doanh nghiệp như thế nào

Chỉ số ROA (Return on Total Assets): thể hiện tỷsuất sinh lời trêntài sản Chỉ số này

của doanh nghiệp đượchìnhthành dựa trên 2 yếu tố cơbản là vốn vay và vốn chủ sở

hữu.Neu chỉ số ROA đang ởmức cao thì đồngnghĩalà công ty đó đang cólợi nhuận caovới lượng đầu tư ít

Chỉ số P/B (Price to Book ratio) được dùng để so sánh giá trị hiện tại của cổ phiếu

đang lưu hành trên thị trường đối với giátrị theo sổ sách của cổ phiếu đó Hiểu một

Tống giá trị tài sản - giá trị tài sản vô hình - nợ

1.3.5 Các chỉ sỗ phân tích kỹ thuật của chứng khoán

Nếu như nhà đầu tư sử dụng phân tích cơbản để nghiên cứu doanh nghiệp, ra quyếtđịnh mua thì phân tíchkỹ thuật sẽ giúp dự đoán xu hướng giá tươnglai, giúpnhà đầu

tư tìm được thời điểm tham giaphù hợp

Các nhà phân tích kỹ thuật cũng sử dụng rộng rãi nhiều loại chỉ báo thị trường, một vài trong số đó là các biến đổitoán học của giá cả, thường bao gồm cả khối lượnglên

xuống, dữ liệu tăng/giảm và các đầu vào khác Những chỉ sốnày được sử dụng để

giúp đánh giá liệu một tài sản có đang trongxu hướng không, vànếu nó là trong xuhướng, khả năng về hướng và sự tiếp diễn của nó lànhư thế nào Nhà phân tích kỹ

thuật cũng tìm kiếm các mối quan hệ giữa các chỉ số giá/khối lượng và các chỉ báo thị trường

kỳ thị trường chứng khoán hoặc, theo cách cổ điển, thông qua sự công nhận của các

Hiện nay có rất nhiều chuyên gia kết hợp nhiều chỉ báo kết hợp trong phân tích kỹ

tương đối, chưa cóthống kê tuyệt đối với xu hướng của giá cổ phiếu

Trong đề tài này tôi sẽ tiếpcận một số phương pháp phân tích kỹthuật được đề xuất

Trung bình động (MA)làmộtđường biểu thị giá trị trung bình cộng củadữliệu trước

mức giá mới hơn) hơn

Chỉ số đứng đầu SMA là chu kỳ giá đóng cửa mà đường trung bình động biểu thị

SMA20

Đường trung bình động phân tích biến động trung hạn: SMA 50

Trong đó:

Gi-Gn: là mức giá đóng cửa trong 1 chu kỳcần xác định biến động

vào cuối những năm 1970 Chỉ báo này dùng đểxác địnhđà của một cổ phiếu (hoặc

đã xảy ra trong quá khứ) MACD giúp các nhàgiao dịch phát hiện các diễm vào và

Đường MACD xác định xu hướng thị trường (tăng hoặcgiảm), có giá trị bằng

Đường tín hiệu là một EMA của đường MACD (thường là EMA của 9 giaiđoạn) Phân tích kết hợp EMA với đường MACD có thể phát hiện các điểm đảo

Biểu đồ được tính dựatrên sự chênh lệch giữahai đường MACD và đường tín

hiệu

Moving Average Covergence Divergence (MACD) ■ Chi báo trung binh biền đôi phân kỳ hôi tu 12 26 close 9 -1 59 - 1 23

Chỉ báo Trung bình động Hội tụ Phân kỳ gồm có 3 bộ phận chính: đường MACD

hồng)

Đường MACDđược tạothành bằng cách lấy đường trung bình động luỹ tiến(EMA) 12 kỳ trừ cho một đường trung bình động nhỏ hon làEMA 26 kỳ

Đường tín hiệu là đường EMA 9 kỳ của đường MACD

Biểu đồtần suất cho thấy tưong quan chênh lệch giữa đườngMACD và đường tín hiệu

phương pháp phân tích kỹ thuật Nó được phát minh vào đầu năm 1980 bởi John

biến động mạnh/ nhẹ của thị trường mà2 dải trên dưới sẽ mởrộnghoặc thu hẹp

Trongdải Bollinger, siết chặtlà 1 khái niệm quan trọngchỉ trạng thái các dải đến gần

càng cao

Hình 1.3 Bollinger bands

phátrên hay dưới các dải đều là một sự kiện lớn Tuy nhiên, cả siếtchặtvà điểm đột

pháđềukhông phải làmột tín hiệu giao dịch

Dải giữalà đườngtrung bình độngchu kỳ 20 ngày (SM A20), được tính bằng giá trị

Dải dưới = SMA20 ngày -2x Độ lệchchuẩn 20ngày

thiệu lần đầuvào 6/1978

RSI không thể vượt qua đỉnh cũ Phânkỳ này là dấu hiệu cho thấy khả năng đảo chiều

đỉnh/đáy trước các đỉnh/đáy của giá cổphiếu

Failure Swings: Là hiện tượng giá/chỉ báo bứt phá qua ngưỡnghỗtrợ/khángcự nhưng

không thành côngvà quaytrở lại Mầu hình Failure Swings xuất hiện khi RSI vượt

Ngưỡng hỗtrợ/kháng cự: RSI đôi khi giúp nhận biết các ngưỡng kháng cự và hỗ trợ

» XAUUSOA130 1187.9« 1188.52 1187.08 1188.04

Aug 2018 3 Aug 01:00 3 Aug 05:00 3 Aug 09:00 3 Aug 13:00 3 Aug 17:00 3 Aug 2100 6 Aug 02:00 K Au] 08:00 8 Aug 10:00 8 Aug 14:00 6 Aug 18:00 6 Aug 22:00 7 Aug 03:00 7 Aug 0700 7 Aug 11:00 7 Aug 15:00 7 Aug 19:00

Công thức tính RSI được tính hai bướcnhư sau :

1 +

100

Average gain Average loss.

(1-6)

Trong đó:

Average gain: Mức lãi trung bình

Average loss: Mứclỗ trung bình

CHƯƠNG 2 KỸ THUẬT MÁY HỌC VÀ PHẲN TÍCH TIN TỨC TRONG THỊ TRƯỜNG CHỨNG KHOÁN

Trong chương này, chúng ta sẽ xem xét hai phần chính Phần đầu tiên tập trung vàogiới thiệu các mô hình máy học và học sâu, đặc biệt là những kỹ thuật phổ biến được

áp dụng trong mô hình dự đoán Phần thứ hai tập trung vào giới thiệu các mô hình

chú ý trong lĩnh vực xử lý ngôn ngữ tự nhiên

Với sự pháttriển của xã hội Máy học(Machine Learning)là một lĩnh vựccủa trítuệ

thống "học" tự độngtừ dữ liệu để giải quyết những vấn đề cụ thể Ví dụ nhưcác máy

(statistical inference) tuy có khác nhau vềthuậtngữ

Thị trường chứng khoán luôn thu hút các nhà đầu tư do khả năng sinh lời cao, tuy

giảm thiểu rủi ro với hy vọngcóthể tối đahóalợi nhuận Ngày nay, cácmô hình máy

học (Machine Learning) đã trở thành một công cụ phân tích mạnh mẽ được sửdụng

để trợ giúp và quản lý đầu tư hiệu quả Các mô hình này đã được sử dụng rộng rãi

trong lĩnh vực tài chính để cung cấp những phương pháp mới nhằm giúp các nhà đầu

tư đưara quyết định tốt hơn trong việc đầu tư chứng khoán

2.1 Các công trình nghiên cứu liên quan

giữa mức độ dự đoán đúng giáchứng khoán vói việc sử dụng các phương pháp máy

thường được giải quyết bằng mô hình LSTM (Long Short Term Memory) Nghiên cứu [14] đã thử nghiệm mô hình LSTM áp dụng cho giá mở cửa (open price) hàng

sàn giao dịch chứng khoán New York (NYSE) Kết quả cho thấynếu dữ liệu đào tạo

ít nhưng cónhiều lớp mạng hơn có thể cải thiện kết quả thử nghiệm và cungcấp các

bài báo đã xuất bản từ năm 2015 đến đầu năm 2021 về giải quyết bài toán dự đoángiáchứngkhoán Bàibáo của họ đãđánhgiá các chỉ số hiệu năng chínhcủa mô hìnhgồm RMSE, MAPE, MAE, MSE, độ chính xác, tỷ lệ Sharpe và tỷ lệ hoàn vốn Bài

báonày đã chỉ ra rằng phần lớn cácnghiên cứu bài toán dự báo giáchứng khoán sử

Côngtrình [16] đãáp dụngmô hình mạng nơ-rơn tíchchập có cải tiến tính năng học

hơn 7,38% so với mô hình LSTMtruyềnthống Công trình [17] đãsử dụng các thuật

dụng các kỹ thuật Linear Regression, Multivariate Regression, Support Vector

Regression, Decision Tree, Random Forest Regressor and ExtraTree Regressor Ket

Random Forest chưacungcấp được giátrị dự đoán chính xác cao đối với bộ dữ liệu