Báo cáo nghiên cứu khoa học cấp cơ sở: Phân tích kỹ thuật và tính hiệu quả của thị trường chứng khoán Việt Nam

GIỚI THIỆU NGHIÊN CỨU

TÍNH CẤP THIẾT CỦA ĐỀ TÀI

Phân tích kỹ thuật (PTKT) là việc nghiên cứu hành vi của thị trường chủ yếu bằng việc sử dụng đồ thị về giá thị trường và khối lượng giao dịch của các chứng khoán nhằm mục đích dự báo xu hướng giá trong tương lai (Murphy, 1999) Hay nói cách khác, các nhà phân tích kỹ thuật cố gắng dự báo giá chứng khoán bằng cách nghiên cứu giá của nó trong quá khứ và một số dữ liệu khác liên quan về giao dịch chứng khoán Các nhà phân tích kỹ thuật tin rằng, sự thay đổi của cung và cầu về chứng khoán có thể được phát hiện trong các biểu đồ về sự dịch chuyển của thị trường

PTKT được nhiều người coi là một hình thức phân tích đầu tư ra đời từ những năm

1800 bởi Charles Dow (Brock, Lakonishok & LeBaron, 1992) Nhiều kỹ thuật phân tích kỹ thuật đã được sử dụng trong hơn 60 năm và được sử dụng để khám phá các mối quan hệ ẩn tàng trong lợi nhuận cổ phiếu Những kỹ thuật này có thể từ cực kỳ đơn giản đến phức tạp

Thái độ của giới học thuật đối với PTKT đã được Malkiel (1981) mô tả rất rõ:

Rõ ràng, tôi có thành kiến không tốt đối với phương pháp PTKT Đây không chỉ là thành kiến cá nhân mà còn là ý kiến của giới nghiên cứu Phân tích kỹ thuật là bị ruồng bỏ trong thế giới học thuật bởi hai lý do: (1) phương pháp này sai lầm một cách nghiêm trọng; và (2) quá dễ dàng để sử dụng Và mặc dù có vẻ hơi bất công khi nói thẳng ra như vậy nhưng hãy nhớ rằng: đó là tiền của bạn mà chúng tôi đang cố gắng bảo vệ

Tuy nhiên, PTKT lại được sử dụng rất phổ biến trong thế giới tài chính, từ các nhà đầu tư cá nhân đến các định chế tài chính quốc tế Tất cả các công ty chứng khoán đều xuất bản các báo cáo PTKT về thị trường và các chứng khoán, bên cạnh các báo cáo phân tích cơ bản Hơn nữa, một số cuốn sách về ứng dụng PTKT trong đầu tư chứng khoán được viết bởi các nhà đầu tư chứng khoán thành công được xếp vào loại “best seller” – những cuốn sách bán chạy nhất Đặc biệt, đồ thị dạng nến (candlestick chart) từng được xem là bí mật của các nhà đầu tư Nhật Bản, trước khi nó được phổ biến rộng rãi trên thế giới

Trong những năm gần đây, giả thuyết thị trường hiệu quả (the efficient market hypothesis) đã bị nhiều nghiên cứu thực nghiệm phản đối Nhiều tài liệu cho rằng, lợi nhuận cổ phiếu không được giải thích đầy đủ bởi giả thuyết thị trường hiệu quả Mối quan hệ có ý nghĩa thống kê giữa lợi nhuận kỳ vọng và các biến cơ bản như tỷ lệ giá thị trường trên thu nhập (P/E), tỷ lệ giá thị trường trên giá trị sổ sách (P/B) và quy mô công ty đã được ghi nhận Một nhóm tài liệu khác đã phát hiện ra các mô hình biến động giá có hệ thống mà chưa được chỉ ra, như hiệu ứng cuối tuần, hiệu ứng ngày lễ và hiệu ứng tháng Giêng… Một nhánh nghiên cứu liên quan trực tiếp đến công việc này đã cung cấp bằng chứng về khả năng có thể dự đoán lợi nhuận cổ phiếu từ dữ liệu quá khứ Nhìn chung, kết quả của những nghiên cứu này hoàn toàn trái ngược với hầu hết các nghiên cứu trước đó Các nghiên cứu trong quá khứ ủng hộ giả thuyết bước đi ngẫu nhiên và kết luận rằng sự thay đổi có thể dự đoán được trong lợi nhuận cổ phiếu là rất nhỏ về mặt kinh tế và thống kê

Như vậy, có một sự khác biệt giữa thực tế và các công trình nghiên cứu, và giữa các công trình nghiên cứu với nhau về tính hiệu quả của việc ứng dụng PTKT trong đầu tư chứng khoán Vì vậy, nhằm đóng góp thêm về mặt lý luận cũng như bằng chứng thực nghiệm, nhóm nghiên cứu quyết định chọn đề tài “ Phân tích k ỹ thu ậ t và tính hi ệ u qu ả c ủ a th ị tr ườ ng ch ứ ng khoán Vi ệ t Nam ” để tiến hành nghiên cứu.

ĐỐI TƯỢNG VÀ MỤC TIÊU NGHIÊN CỨU

1.2.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là tính hiệu quả của việc ứng dụng PTKT để đầu tư trên thị trường chứng khoán Việt Nam

Mục tiêu nghiên cứu tổng quát của đề tài là kiểm chứng tính hiệu quả của việc ứng dụng PTKT để đầu tư trên thị trường chứng khoán Việt Nam

1.2.2.2 M ụ c tiêu nghiên c ứ u chi ti ế t Để đạt được mục tiêu tổng quát đã nêu, đề tài có hai mục tiêu nghiên cứu chi tiết như sau:

- Đánh giá tính hiệu quả của việc sử dụng các chỉ báo PTKT để đầu tư trên thị trường chứng khoán Việt Nam bằng phương pháp kiểm định thống kê t

- Đánh giá tính hiệu quả của việc sử dụng các chỉ báo PTKT trong việc đầu tư trên thị trường chứng khoán Việt Nam bằng phương pháp bootstrap 1

CÂU HỎI NGHIÊN CỨU

Đề tài được thực hiện nhằm cung cấp câu trả lời cho hai câu hỏi sau đây:

- Theo phương pháp kiểm định thống kê t, việc sử dụng các chỉ báo PTKT để đầu tư trên thị trường chứng khoán Việt Nam có mang lại lợi nhuận hay không?

1 Phương pháp bootstrap là phương pháp lấy lại mẫu có thay thế (replacement), trong đó mẫu nghiên cứu ban đầu đóng vai trò đám đông Phương pháp boostrap thực hiện với N lần lặp lại Kết quả ước lượng từ N lần được tính trung bình, và giá trị này có xu hướng gần đến ước lượng của tổng thể Khoảng chênh lệch giữa giá trị trung bình ước lượng bằng bootstrap và ước lượng mô hình với mẫu ban đầu càng nhỏ cho phép kết luận các ước lượng mô hình có thể tin cậy được

- Kết quả kiểm định từ phương pháp bootstrap có ủng hộ cho việc sử dụng PTKT để đầu tư hay không?

PHẠM VI NGHIÊN CỨU

- Về không gian: Bài nghiên cứu tiến hành phân tích giá đóng cửa của chỉ số giá cổ phiếu của Sở giao dịch Chứng khoán thành phố Hồ Chí Minh là VnIndex

- Về thời gian: Thời gian truy xuất dữ liệu từ năm 2000 đến năm 2021 Lý do chọn giai đoạn này là vì nhóm tác giả muốn đánh giá hiệu quả của việc sử dụng PTKT trong đầu tư chứng khoán trong thời kỳ dài nhất có thể.

PHƯƠNG PHÁP NGHIÊN CỨU

Để tìm ra câu trả lời cho các câu hỏi nghiên cứu, đề tài sử dụng các phương pháp nghiên cứu sau đây:

- Kiểm định thống kê t: Đề tài sử dụng phương pháp kiểm định thống kê t về tỷ suất lợi nhuận (TSLN) trung bình của chỉ số VNIndex từ tín hiệu mua bán phát ra của các chỉ báo PTKT với các thời hạn nắm giữ khác nhau Đề tài đặt ra giả thuyết H0 và đối thuyết H1 để có thể kết luận về TSLN trung bình thu được từ các chỉ báo PTKT, đồng thời đưa ra căn cứ để có thể kết luận là từ chối hay chấp nhận giả thuyết H0 đã đặt ra

- Phương pháp bootstrap: Phương pháp bootstrap với 500 lần lặp lại được sử dụng để đánh giá mức độ phù hợp của các kết luận được rút ra từ kiểm định thống kê t.

TÍNH MỚI CỦA ĐỀ TÀI

So với các nghiên cứu về chủ đề PTKT đã được tiến hành trước đây, nghiên cứu này có các điểm mới như sau Thứ nhất, các nghiên cứu trước đây đều giả định rằng kiểm định thống kê t của TSLN của cổ phiếu là theo phân phối chuẩn, có tính dừng và không thay đổi theo thời gian Tuy nhiên, TSLN thực tế hầu như đều vi phạm giả định này Vì vậy, nhóm tác giả sử dụng phương pháp bootstrap để khắc phục hạn chế này, như được chỉ ra bởi nghiên cứu của Brock & ctg (1992)

Thứ hai, các nghiên cứu trước đây về ứng dụng PTKT trong đầu tư chứng khoán, cả trong nước và quốc tế, thường đều bỏ qua phí giao dịch Tuy nhiên, Brock & ctg (1992) chỉ ra rằng phí giao dịch có ảnh hưởng lớn đến lợi nhuận của nhà đầu tư khi sử dụng PTKT và yếu tố phí giao dịch nên được cân nhắc cẩn thận trước khi bất kỳ chiến lược nào được sử dụng Vì vậy, bài nghiên cứu này sẽ kiểm định tính hiệu quả của PTKT trong cả hai trường hợp: có phí giao dịch và không có phí giao dịch.

ĐÓNG GÓP CỦA ĐỀ TÀI

Với đề tài này, nhóm nghiên cứu dự kiến sẽ có hai đóng góp chính:

- Về mặt lý luận: Đề tài cung cấp lời giải thích cho sự mẫu thuẫn giữa các kết quả nghiên cứu trong các nghiên cứu trước về tính hiệu quả của việc ứng dụng PTKT trên TTCK Việt Nam Mặc dù chủ đề này đã được nghiên cứu nhiều trên thế giới, nhưng nó vẫn chưa được nghiên cứu rộng rãi ở Việt Nam

- Về mặt thực tiễn: Từ kết quả nghiên cứu của đề tài này, các nhà đầu tư trên

TTCK Việt Nam sẽ có thêm cơ sở để ra quyết định có nên sử dụng phương pháp PTKT cho việc đầu tư của họ hay không.

BỐ CỤC NGHIÊN CỨU

Ngoài phần danh mục các từ viết tắt, danh mục các bảng biểu, danh mục tài liệu tham khảo, nội dung của đề tài gồm năm chương:

- Chương 1: Giới thiệu nghiên cứu

- Chương 2: Cơ sở lý luận

- Chương 3: Mô hình nghiên cứu và nguồn dữ liệu

- Chương 4: Kết quả nghiên cứu

- Chương 5: Kết luận và gợi ý chính sách.

CƠ SỞ LÝ LUẬN

TỔNG QUAN VỀ PHÂN TÍCH KỸ THUẬT

2.1.1 Khái niệm phân tích kỹ thuật

Edwards, Magee & Bassetti (2018) định nghĩa "Phân tích kỹ thuật là khoa học về việc ghi lại (thường ở dạng đồ họa) về lịch sử giao dịch thực tế (bao gồm thay đổi giá, khối lượng giao dịch ) của một cổ phiếu nhất định hoặc chỉ số giá chứng khoán trung bình và sau đó suy ra từ lịch sử của hình ảnh đó xu hướng có thể xảy ra trong tương lai"

Kirkpatrick & Dahlquist (2016) cho rằng "Phân tích kỹ thuật là nghiên cứu về giá cả ở các thị trường giao dịch tự do với mục đích đưa ra các quyết định giao dịch hoặc đầu tư có lợi nhuận"

Pring (2002) cho rằng "Phân tích kỹ thuật phản ánh quan điểm cho rằng giá biến đổi theo xu hướng Xu hướng này được hình thành do sự thay đổi trong thái độ của nhà đầu tư đối với cung và cầu Nghệ thuật của phân tích kỹ thuật – hiển nhiên phân tích kỹ thuật là một nghệ thuật – là ở chỗ xác định được xu hướng ngay khi bắt đầu và duy trì đầu tư cho đến khi có các dấu hiệu cho thấy xu hướng đã đổi chiều"

Murphy (1999) cho rằng "Phân tích kỹ thuật là nghiên cứu biến động thị trường, chủ yếu sử dụng các biểu đồ nhằm mục đích dự báo xu hướng giá trong tương lai nếu các nhà phân tích có được ba loại thông tin cơ bản của sự biến động thị trường là giá, khối lượng và trạng thái mở của thị trường"

Từ các định nghĩa trên, có thể thấy rằng PTKT là phương pháp nghiên cứu về sự chuyển động của giá trong các thị trường giao dịch, cụ thể là nghiên cứu về xu hướng của giá thông qua các dạng biểu đồ giá và khối lượng Nhà đầu tư sử dụng PTKT cần phải nghiên cứu để nắm bắt xu hướng giá từ lúc bắt đầu, duy trì đầu tư cho đến khi xu hướng này bị đảo chiều nhằm mang lại các giao dịch có lợi nhuận cho mình

2.1.2 Các giả định của phân tích kỹ thuật

PTKT có ba giả định, đó là: giá phản ánh tất cả hành động thị trường, giá biến động theo xu hướng và lịch sử lặp lại chính nó (Murphy 1999)

2.1.2.1 Giá ph ả n ánh t ấ t c ả hành độ ng th ị tr ườ ng

Giả định này là cốt lõi của PTKT, nó cho rằng tất cả các diễn biến của giá đều đã phản ánh về sự thay đổi trong cung cầu của chứng khoán Tất cả các yếu tố nào có khả năng ảnh hưởng đến giá như yếu tố chính trị, kinh tế vĩ mô, tâm lý hay các yếu tố tài chính của doanh nghiệp, cổ tức,… đều được phản ánh trong giá thị trường của chứng khoán đó Giá được quyết định bởi quan hệ cung cầu PTKT quan tâm tới những gì đã và sẽ xảy ra trên thị trường hơn là những gì nên xảy ra

2.1.2.2 Giá bi ế n độ ng theo xu h ướ ng

Giả định này của PTKT cho rằng giá của chứng khoán không hoàn toàn ngẫu nhiên mà nó biến động theo một xu hướng trong một khoảng thời gian nhất định Giả định này của PTKT dường như được nhiều người đồng tình vì nó tuân theo Định luật 1 Newton ”Một vật đang đứng yên hoặc chuyển động thẳng đều sẽ đứng yên hoặc chuyển động thẳng đều mãi mãi nếu không bị một ngoại lực tác động làm thay đổi hướng đi”, nghĩa là một chứng khoán khi đang trong xu hướng tăng hoặc giảm giá thì sẽ tiếp tục tăng hoặc giảm giá cho đến khi có một thông tin nào đó tác động làm cho xu hướng hiện tại bị đảo chiều Từ giả định này mà trong thực tế, các nhà đầu tư có một câu nói rất hay về kinh nghiệm đầu tư là “đừng bắt một con dao đang rơi”

Giả định này dựa trên việc nghiên cứu tâm lý, PTKT cho rằng bản chất của con người là không thay đổi, nghĩa là khi đối mặt với những tình huống tương tự nhau, chúng ta thường có xu hướng phản ứng theo những cách giống nhau Trong tương lai nếu xảy ra những tình huống mà trước đây chúng ta đã có cách thức giải quyết được thì chúng ta sẽ tiếp tục dùng cách này để giải quyết Các nhà PTKT cho rằng thị trường cũng có xu hướng lặp lại những mô hình, đồ thị đã diễn ra trong quá khứ bởi vì thị trường là do con người tạo ra Achelis (2001) cho rằng “Tương lai là quá khứ được lặp lại nhưng thông qua một cánh cửa khác”

2.1.3 Các quy tắc phân tích kỹ thuật được sử dụng

Hai trong số các quy tắc phân tích kỹ thuật được nghiên cứu trong đề tài này chính là đường trung bình động (moving average – MA) và vùng đột phá (trading range break-out – TRB), cụ thể là ngưỡng hỗ trợ và kháng cự Theo quy tắc đường trung bình động, các tín hiệu mua và bán được tạo bởi hai đường trung bình động của đường giá, cụ thể là đường trung bình động dài hạn và đường trung bình động ngắn hạn Ở dạng đơn giản nhất, chiến lược này tạo ra tín hiệu mua (hoặc bán) khi đường trung bình động ngắn hạn cắt đường trung bình động dài hạn từ dưới lên (hoặc trên xuống) Đường trung bình động có tác dụng làm “mượt” (smooth) sự biến động của giá chứng khoán Khi đường trung bình động ngắn hạn cắt qua đường trung bình động dài hạn, một xu hướng mới được coi là bắt đầu Quy tắc trung bình động phổ biến nhất là 1-200, trong đó khoảng thời gian ngắn là một ngày và khoảng thời gian dài là 200 ngày Trong khi nhiều biến thể của quy tắc này được sử dụng trong thực tế, nhóm tác giả đã cố gắng chọn một số biến thể phổ biến nhất: 1-50, 1-150, 5-150, 1-200 và 2-200 Hơn nữa, đề tài sẽ kiểm tra quy tắc trung bình động trong cả hai trường hợp: có phí giao dịch và không có phí giao dịch

Quy tắc đầu tiên được gọi là đường trung bình động có độ dài thay đổi (variable length moving average – VMA), tạo ra các tín hiệu mua (hoặc bán) khi đường trung bình động ngắn cắt và nằm trên (hoặc nằm dưới) đường trung bình động dài ngày Phương pháp này cố gắng mô phỏng một chiến lược được các nhà giao dịch sử dụng, đó là mua khi đường trung bình động ngắn ngày cắt đường trung bình động dài ngày từ dưới lên và bán khi ngược lại Phương pháp này phân loại tất cả các ngày giao dịch thành mua hoặc bán

Các biến thể khác của quy tắc này nhấn mạnh vào sự giao cắt của các đường trung bình động Họ nhấn mạnh rằng lợi nhuận thu được sẽ khác trong vài ngày sau khi hai đường trung bình động giao nhau Để nắm bắt được điều này, nhóm tác giả thử nghiệm một chiến lược, trong đó tín hiệu mua (hoặc bán) được tạo ra khi đường trung bình động ngắn ngày cắt đường trung bình động dài ngày từ dưới lên (hoặc từ trên xuống) Lợi nhuận trong mười ngày tiếp theo sau đó được ghi lại Các tín hiệu khác xảy ra trong khoảng thời gian mười ngày này sẽ bị bỏ qua Quy tắc thứ hai này được gọi là là đường trung bình động có độ dài cố định (fixed-length moving average – FMA)

Có rất nhiều biến thể của quy tắc đường trung bình động không xem xét Bài nghiên cứu chỉ tập trung vào các phiên bản đơn giản và phổ biến nhất Các biến thể khác của quy tắc trung bình động cũng xem xét tới độ dốc của đường trung bình động dài ngày Trong các phiên bản khác, những thay đổi về khối lượng giao dịch được kiểm tra trước khi đưa ra quyết định mua (bán) Do đó, nhiều quy tắc trung bình động có thể được thiết kế và chắc chắn một số sẽ hoạt động Tuy nhiên, sự nguy hiểm của việc đào bới dữ liệu (data snooping) là vô cùng lớn Vì vậy, nhóm tác giả chỉ tiến hành phân tích những quy tắc PTKT phổ biến và nhấn mạnh vào tính vững chắc của kết quả nghiên cứu theo thời gian

Quy tắc PTKT cuối cùng được kiểm định là vùng đột phá (TRB) Tín hiệu mua được tạo ra khi giá xuyên qua mức kháng cự Mức kháng cự được định nghĩa là mức tối đa trong một khoảng thời gian nhất định (còn được gọi là mức tối đa cục bộ) Các nhà phân tích kỹ thuật cho rằng nhiều nhà đầu tư sẵn sàng bán lúc đỉnh Áp lực bán này sẽ gây ra sự kháng cự đối với việc tăng giá cao hơn mức đỉnh trước đó Tuy nhiên, nếu giá tăng lên cao hơn đỉnh trước đó thì giá đã vượt qua vùng kháng cự Sự đột phá như vậy được coi là một tín hiệu mua Tương tự, tín hiệu bán được tạo ra khi giá đâm xuyên qua mức hỗ trợ, là mức giá tối thiểu cục bộ Lý do cơ bản là giá sẽ khó có khả năng giảm xuống thấp hơn mức hỗ trợ vì nhiều nhà đầu tư sẵn sàng mua vào ở mức giá tối thiểu Tuy nhiên, nếu giá xuống thấp hơn mức hỗ trợ thì giá được dự báo sẽ tiếp tục giảm Về bản chất, các nhà phân tích kỹ thuật khuyên nhà đầu tư nên mua khi giá vượt qua đỉnh gần nhất và bán khi giá giảm xuống thấp hơn mức giá đáy gần nhất Để thực hiện chiến lược vùng đột phá, nhóm tác giả xác định các khung thời gian phù hợp với chiến lược trung bình động Giá tối đa (hoặc tối thiểu) được xác định trong khung thời gian 50, 150 và 200 ngày gần nhất.

TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC

Có rất nhiều nghiên cứu chứng tỏ rằng PTKT là có hiệu quả và có thể ứng dụng để tìm kiếm lợi nhuận trên TTCK Đa số các nghiên cứu tập trung sử dụng phương pháp kiểm định thống kê t đối với các đường chỉ báo PTKT, thường là đường MA, EMA, chỉ báo MACD và RSI Việc kiểm định được thực hiện cả trong đầu tư ngắn hạn và dài hạn Hầu hết các nghiên cứu đều cho kết luận là ứng dụng PTKT sẽ mang lại lợi nhuận (Singla, 2015; Metghalchi, 2013; Metghalchi, Chang & Gomez, 2012; Metghalchi & ctg, 2005; Hrusova, 2011; Lo, Mamaysky & Wang, 2000; Park & Irwin, 2007; Wong, Du & Chong, 2005; Wong, Manzur & Chew, 2010; Brock & ctg, 1992)

Nghiên cứu về hiệu quả của PTKT trên TTCK Mỹ, Brock & ctg (1992) cho rằng tất cả các quy luật PTKT đều hoạt động tốt với dữ liệu giao dịch trên chỉ số trung bình công nghiệp Dow Jones trong khoảng thời gian 90 năm Trong khi đó, Lo & ctg (2000) cũng cho rằng các mẫu hình kỹ thuật khác nhau trong giá cổ phiếu của TTCK Mỹ giai đoạn 1962 – 1996 là có lặp lại Mặc dù nghiên cứu không chứng minh sử dụng các mẫu hình này là đủ để có lợi nhuận giao dịch lớn nhưng các tác giả tin rằng rủi ro là có thể giảm hợp lý và PTKT có thể làm tăng giá trị cho quá trình đầu tư Khi kiểm tra các quy tắc giao dịch của chỉ báo MA đối với chỉ số

S&P 500 giai đoạn 1954 - 2004, Metghalchi & ctg (2005) đã cho kết luận rằng các quy tắc giao dịch đường MA có sức mạnh dự báo đáng kể cho đến giữa năm 1980 Nhưng kể từ năm 1980, các quy tắc giao dịch đường MA không còn phát huy hiệu quả nữa Kết luận này là phù hợp với sự thiếu hiệu quả của thị trường giai đoạn

1954 – 1984 và thị trường đã trở nên hiệu quả hơn từ năm 1984 đến nay

Park & Irwin (2007) cho thấy trong tổng số 95 nghiên cứu được viết sau năm 1988, có 56 nghiên cứu là có kết quả tích cực về hiệu quả của PTKT, 20 nghiên cứu có kết quả cho rằng PTKT không tạo ra lợi nhuận, và 19 nghiên cứu chỉ ra các kết quả PTKT khác nhau Các tác giả tìm thấy lợi nhuận đầu tư đáng kể từ PTKT nhờ sự thuận tiện của máy tính cá nhân, hệ thống công nghệ thông tin và sự phát triển của cơ sở dữ liệu điện tử Đối với thị trường khu vực Châu Á, Metghalchi & ctg (2012) nghiên cứu về khả năng tạo lợi nhuận trên TTCK Đài Loan dựa trên việc xây dựng nguyên tắc giao dịch dựa trên 9 chỉ báo PTKT phổ biến Kết quả cho thấy gần 90% mô hình xây dựng cho kết quả tạo ra lợi nhuận, trong đó chỉ báo MA50 là có hiệu quả nhất Phát hiện này cung cấp thêm bằng chứng chứng tỏ các quy tắc giao dịch kỹ thuật là có sức mạnh dự báo Hrusova (2011) cho rằng các quy tắc giao dịch PTKT có nhiều thành công trên thị trường mới nổi Kết luận này cũng phù hợp với những phát hiện của Bessembinder & Chan (1995), cho rằng giao dịch theo PTKT thành công hơn trong việc dự đoán biến động giá cổ phiếu tại các thị trường mới nổi của Malaysia, Thái Lan và Đài Loan hơn là tại các thị trường phát triển của Nhật Bản, Hồng Kông và Hàn Quốc Wong & ctg (2010) đã nghiên cứu vai trò của PTKT trong việc dự báo thời điểm gia nhập và thoát khỏi thị trường Kết quả cho thấy các chỉ báo này tạo ra lợi nhuận đáng kể, trong đó đường MA phát huy hiệu quả nhất, tiếp theo là DMA, RSI và giải thích lý do vì sao các công ty thành viên của

Sở giao dịch chứng khoán Singapore luôn có đội ngũ PTKT riêng và kiếm được lợi nhuận vượt trội bằng cách áp dụng các chỉ báo PTKT Wong & ctg (2005) thực hiện nghiên cứu khả năng sinh lời của PTKT tại TTCK Thượng Hải, Hồng Kông và Đài Loan đã kết luận rằng các chỉ báo MA, EMA, và MACD là có mang lại lợi nhuận đáng kể so với chiến lược mua và nắm giữ bất kể chi phí giao dịch Các chỉ báo này phát huy hiệu quả cả trong giai đoạn thị trường tăng mạnh, giảm mạnh và dao động hỗn hợp trên cả 3 TTCK của Trung Quốc và kết luận rằng có bằng chứng cho thấy 3 TTCK của Trung Quốc là chưa hiệu quả trong giai đoạn nghiên cứu

Metghalchi (2013) đã thực hiện kiểm định thống kê một số chỉ báo PTKT đối với chỉ số đại diện TTCK Việt Nam từ 15/5/2002 đến 31/10/2012 Kết quả cho thấy rằng các quy tắc giao dịch PTKT có mang lại lợi nhuận đáng kể và kết luận rằng PTKT có hiệu quả và đánh bại chiến lược mua - nắm giữ Phạm Thị Mỹ Châu (2019) kiểm định tính hiệu quả của các chỉ báo MA và MACD trên 2 chỉ số đại diện của TTCK Việt Nam trong giai đoạn tháng 01/2006 đến tháng 12/2008 đã cho thấy ứng dụng các chỉ báo PTKT là có mang lại lợi nhuận cho nhà đầu tư.

KHOẢNG TRỐNG KIẾN THỨC VÀ ĐÓNG GÓP CỦA ĐỀ TÀI

Từ việc lược khảo các nghiên cứu trước, nhóm tác giả đã tìm thấy được một hai khoảng trống kiến thức như sau:

Thứ nhất, so với các nghiên cứu về chủ đề PTKT đã được tiến hành tại thị trường

Việt Nam trước đây, bài nghiên cứu này có điểm mới là sử dụng phương pháp bootstrap Các nghiên cứu trước đây đều giả định rằng kiểm định thống kê t của TSLN của cổ phiếu là theo phân phối chuẩn, có tính dừng và không thay đổi theo thời gian Tuy nhiên, TSLN thực tế hầu như đều vi phạm giả định này

Thứ hai, các nghiên cứu trước đây về ứng dụng PTKT trong đầu tư chứng khoán tại TTCK Việt Nam thường đều bỏ qua phí giao dịch Tuy nhiên, Brock & ctg (1992) chỉ ra rằng phí giao dịch có ảnh hưởng lớn đến lợi nhuận của nhà đầu tư khi sử dụng PTKT và yếu tố phí giao dịch nên được cân nhắc cẩn thận trước khi bất kỳ chiến lược nào được sử dụng

Theo đó, bài nghiên cứu sẽ có hai đóng góp chính trong việc nghiên cứu đến hiệu quả đầu tư chứng khoán dựa vào phương pháp PTKT Thứ nhất, phương pháp bootstrap được sử dụng để khắc phục hạn chế của việc vi phạm các giả định của kiểm định thống kê t, như được chỉ ra bởi nghiên cứu của Brock & ctg (1992) Thứ hai, chi phí giao dịch chứng khoán được đưa vào mô hình để nghiên cứu ảnh hưởng của phí giao dịch đến hiệu quả đầu tư chứng khoán dựa vào phương pháp PTKT.

PHƯƠNG PHÁP NGHIÊN CỨU VÀ NGUỒN DỮ LIỆU

PHƯƠNG PHÁP NGHIÊN CỨU

Bên cạnh dùng kiểm định thống kê t như các nghiên cứu trước, đề tài sử dụng thêm phương pháp bootstrap để xác định khoảng tin cậy, từ đó rút ra kết luận thống kê về các giả thuyết Ưu điểm của phương pháp này so với phương pháp kiểm định thống kê t có thể được liệt kê như sau Đầu tiên, bài nghiên cứu không thực hiện một sự kiểm định toàn diện trên tất cả các quy tắc PTKT bằng kiểm định t Sự kiểm định như vậy yêu cầu tính toán chính xác các mối quan hệ phụ thuộc phức tạp giữa các quy tắc PTKT khác nhau, đây là một nhiệm vụ cực kỳ khó khăn Tuy nhiên, điều này có thể được thực hiện bằng phương pháp bootstrap (Brock & ctg, 1992) Thứ hai, các thống kê t được báo cáo đều phải giả sử rằng đối tượng nghiên cứu phải có tính dừng, phân phối chuẩn và không phụ thuộc vào thời gian Đối với lợi nhuận cổ phiếu, nó có một số đặc tính vi phạm những giả định này, ví dụ như độ nhọn, sự tự tương quan, phương sai thay đổi và giá trị trung bình thay đổi Sự vi phạm này có thể làm cho những kết luận của kiểm định t không còn chính xác (Marshall & Cahan, 2005) Tuy nhiên, phương pháp bootstrap có thể giải quyết các vấn đề này Thứ ba, phương pháp bootstrap có thể kiểm tra độ lệch chuẩn của lợi nhuận cổ phiếu trong các giai đoạn mua và bán (Brock & ctg, 1992) Điều này giúp nhà đầu tư nhận thức được về mức độ rủi ro của các chiến lược khác nhau trong các giai đoạn mua và bán

Nhìn chung, những kết quả này có thể giúp làm sáng tỏ một phần đối với vấn đề đang gây tranh cãi hiện nay, đó là tính có thể dự đoán của lợi nhuận chứng khoán là do sự kém hiệu quả của thị trường hay là do lợi nhuận chứng khoán sẽ cân bằng thay đổi theo thời gian Để sử dụng phương pháp bootstrap, đầu tiên, TSLN trong h ngày nắm giữ tính từ ngày t tới ngày t + h được tính toán như sau:

Sau đó, các TSLN trung bình được tính toán như sau TSLN trung bình kỳ vọng của h ngày nắm giữ dựa vào tín hiệu mua được tạo ra bởi các chỉ báo PTKT được tính toán như sau:

TSLN trung bình kỳ vọng của h ngày nắm giữ dựa vào tín hiệu bán được tạo ra bởi các chỉ báo PTKT được tính toán như sau:

𝑚 𝐸 𝑟 𝑠 Độ lệch chuẩn của TSLN dựa vào tín hiệu mua và tín hiệu bán được tính toán:

Các giá trị trung bình kỳ vọng được tính theo phương pháp trung bình cộng TSLN thu được dựa vào các tín hiệu PTKT và sử dụng dữ liệu thực tế từ VNIndex được so sánh với TSLN của dữ liệu mô phỏng Phương pháp này không chỉ đánh giá khả năng sinh lời của các quy tắc PTKT mà còn là một sự kiểm định về tính phù hợp của các mô hình

Hàm phân phối của các thông số của giả thuyết H0 được ước tính bằng cách sử dụng phương pháp bootstrap theo nghiên cứu Efron (1992), Freedman (1984), Freedman & Peters (1984a, 1984b) Trong quy trình này, mỗi mô hình được gắn dữ liệu gốc để thu được các hệ số hồi quy và phần dư ước tính Phần dư được chuẩn hóa bằng cách sử dụng độ lệch chuẩn ước tính của các phần dư Sau đó, các phần dư được chuẩn hóa sẽ được rút ra có thay thế để tạo thành một tập hợp các phần dư Tập hợp này sau đó được sử dụng với các hệ số hồi quy thu được ở lúc trước để tạo thành một chuỗi dữ liệu đại diện mới cho mô hình giả thuyết H0 Phần dư chuẩn hóa không bị hạn chế đối với một hàm phân phối cụ thể, chẳng hạn như Gaussian, bằng phương pháp này (Bollerslev & Wooldridge, 1992)

Mỗi mô phỏng dựa trên 500 lần lặp lại của mô hình giả thuyết H0 Điều này sẽ cung cấp một xấp xỉ tốt về hàm phân phối của TSLN trong mô hình H0 Giả thuyết H0 bị từ chối ở mức α phần trăm nếu TSLN dựa vào PTKT thu được từ dữ liệu VNIndex thực tế lớn hơn α phần trăm so với TSLN thu được từ dữ liệu mô phỏng

Trong nghiên cứu này, chuỗi dữ liệu mô phỏng được tạo ra bởi phương pháp GARCH-M (generalized autoregressive conditional heteroskedasticity in-mean model) Mô hình GARCH-M được thể hiện như sau:

Trong mô hình này, r t là TSLN vào ngày t; h t là phương sai có điều kiện, là một hàm tuyến tính của bình phương sai số của kỳ trước và của phương sai có điều kiện của kỳ cuối cùng; 𝜀 là sai số theo phân phối chuẩn Các tham số (α, β, γ, z) và phần dư chuẩn hóa được ước tính bằng phương pháp ước lượng hợp lý cực đại

Phương trình của phương sai có điều kiện, h t , ngụ ý mối tương quan chuỗi dương trong TSLN của cổ phiếu, cụ thể các giai đoạn có sự biến động cao (hoặc thấp) có thể sẽ được theo sau bởi các giai đoạn có sự biến động cao (hoặc thấp) TSLN có điều kiện, r t , trong mô hình là một hàm tuyến tính theo phương sai có điều kiện h t và sai số trong quá khứ 𝜀 Phần dư sau khi được tiêu chuẩn hóa sẽ được lấy mẫu với sự thay thế, và được sử dụng cùng với các tham số ước tính để tạo chuỗi GARCH-M GARCH-M có thể phù hợp với giả thuyết thị trường hiệu quả, nghĩa là TSLN dự kiến cao hơn được kỳ vọng khi độ biến động có điều kiện cao hơn theo thông số kỹ thuật của GARCH-M

Từ những tham số nhận được của mô hình GARCH-M, một sự mô phỏng dựa trên

500 lần lặp lại được tiến hành để xác định khoảng tin cậy của TSLN trung bình kỳ vọng thu được Từ đó, các kết luận thống kê sẽ được rút ra để đánh giá sự hiệu quả của việc ứng dụng PTKT vào đầu tư trên TTCK Việt Nam.

MÔ TẢ DỮ LIỆU

Bài nghiên cứu này sử dụng dữ liệu được nhận từ cơ sở dữ liệu Datastream của Refinitiv Dữ liệu được sử dụng để kiểm định là giá đóng cửa hàng ngày của chỉ số VNIndex từ khi mới hoạt động đến 31/12/2021 Lý do chọn giai đoạn này là vì nhóm tác giả muốn đánh giá hiệu quả của việc sử dụng PTKT trong đầu tư chứng khoán trong thời kỳ dài nhất có thể TSLN sẽ được tính hằng ngày và 10 ngày

Phí giao dịch chứng khoán có sự khác nhau giữa các công ty chứng khoán và giữa các thời kỳ Để đơn giản trong việc tính toán, phí giao dịch được sử dụng trong bài nghiên cứu là 0,15% cho một giao dịch mua hoặc bán thành công Phí giao dịch chủ yếu là hoa hồng môi giới mà nhà đầu tư phải trả cho công ty chứng khoán.

THỐNG KÊ MÔ TẢ

Bảng 3.1 dưới đây trình bày thống kê mô tả của dữ liệu được sử dụng trong bài nghiên cứu TSLN được tính bằng logarit của sự khác biệt trong chỉ số VNIndex thời kỳ 1 ngày và 10 ngày Kết quả cho thấy TSLN hằng ngày trong thời kỳ nghiên cứu là 0,02% và TSLN cho thời kỳ 10 ngày là 0,21% Những TSLN này có độ nhọn và độ lệch lớn Tương quan chuỗi nhìn chung là nhỏ

Bảng 3.1: Thống kê mô tả dữ liệu

TSLN hàng ngày TSLN 10 ngày

Trung bình 0,0002 0,0021 Độ lệch chuẩn 0,0150 0,0640 Độ lệch (Skewness) -0,1154** -0,3513** Độ nhọn (Kurtosis) 12,0410** 9,4624** ρ(1) 0,0237** 0,0511** ρ(2) -0,0348* 0,0280* ρ(3) 0,0170** 0,0140 ρ(4) 0,0360* 0,0180 ρ(5) 0,0280 0,0380

Bảng này trình bày các giá trị thống kê mô tả (gồm số lượng quan sát, giá trị trung bình, giá trị độ lệch, giá trị độ nhọn, và giá trị tự tương quan) về TSLN hằng ngày và 10 ngày của VNIndex trong thời kỳ nghiên cứu ρ(i) thể hiện giá trị tự tương quan ở độ trễ i ngày

*, **, *** thể hiện giá trị có ý nghĩa thống kê ở 10%, 5% và 1%.

KẾT QUẢ NGHIÊN CỨU

CHIẾN LƯỢC TRUNG BÌNH ĐỘNG

Kết quả từ các chiến lược giao dịch dựa trên các quy tắc trung bình động được trình bày trong Bảng 4.1 Các quy tắc khác nhau dựa vào độ dài của khoảng thời gian dài ngày và theo việc có tính phí giao dịch hay không Ví dụ, (1, 200, phí) cho biết khoảng thời gian ngắn là một ngày, khoảng thời gian dài là 200 ngày và TSLN thu được đã trừ phí giao dịch Bảng 4.1 trình bày kết quả cho sáu quy tắc mà đề tài đã kiểm tra

Bảng 4.1: Kết quả kiểm định thống kê t cho quy tắc VMA

Chiến lược N(mua) N(bán) Mua Bán

Bảng này trình bày kết quả kiểm định TSLN hằng ngày theo thống kê t Cột 1 trình bày các chiến lược được kiểm định Các chiến lược này được trình bày theo cấu trúc (MA ngắn ngày, MA dài ngày, có phí hay không có phí giao dịch) Cột 2 và 3 thể hiện số lượng tín hiệu mua và tín hiệu bán trong thời kỳ nghiên cứu Cột 4 và

5 thể hiện giá trị trung bình của TSLN hằng ngày theo tín hiệu mua và bán Con số trong ngoặc đơn là thống kê t cho sự khác biệt giữa TSLN hằng ngày theo tín hiệu mua và tín hiệu bán so với TSLN hằng ngày của VNIndex Dòng cuối cùng thể hiện giá trị trung bình của cả sáu chiến lược

*, **, *** thể hiện giá trị có ý nghĩa thống kê ở 10%, 5% và 1%

Quy tắc đường trung bình động được sử dụng để chia mẫu nghiên cứu thành các khoảng thời gian mua hoặc bán tùy thuộc vào vị trí tương đối của các đường trung bình động Nếu đường trung bình động ngắn ngày ở trên (dưới) đường trung bình dài ngày, ngày giao dịch đó được phân loại là mua (bán) Quy tắc này được thiết kế để sao chép lợi nhuận từ quy tắc giao dịch, trong đó nhà giao dịch mua khi đường trung bình động ngắn ngày cắt đường trung bình dài ngày từ dưới lên và ở lại thị trường cho đến khi đường trung bình động ngắn ngày cắt đường trung bình động dài ngày từ trên xuống Sau tín hiệu này, nhà giao dịch rời khỏi thị trường hoặc thực hiện bán khống Quy tắc này được gọi là "đường trung bình động có độ dài thay đổi" (VMA)

Bảng 4.1 báo cáo TSLN hàng ngày trong thời gian mua và bán và thống kê t tương ứng trong ngoặc đơn Các kết quả nhận được thật ấn tượng Cột 2 và cột 3 là số lượng tín hiệu mua và bán được tạo ra Đối với mỗi quy tắc giao dịch được kiểm tra, số lượng tín hiệu mua được tạo ra nhiều hơn khoảng 50% số lượng tín hiệu bán, điều này phù hợp với thị trường có xu hướng tăng (Xem Hình 3.1)

Giá trị trung bình của TSLN dựa vào tín hiệu mua và tín hiệu bán được trình bày riêng biệt ở cột 4 và 5 TSLN mua thu được đều dương ở tất cả các chiến lược với giá trị trung bình một ngày là 0,047% (tương đương TSLN hằng năm là 12,85%) TSLN này được so sánh với TSLN hằng ngày của chỉ số VNIndex là 0,02% Kết quả kiểm định của cả sáu chiến lược đều từ chối giả thuyết H0 rằng, TSLN thu được từ ứng dụng PTKT bằng với TSLN của VNIndex ở mức ý nghĩa 5% Chúng ta cũng thu được kết quả tương tự với TSLN bán TSLN hằng ngày thu được từ tín hiệu bán đều âm, có ý nghĩa thống kê, và có giá trị trung bình của tất cả các chiến lược là -0,028%, tương đương mức TSLN hằng năm là -7,06% Điểm đáng lưu ý khác từ Bảng 4.1 chính là, khi phí giao dịch được quan tâm và đưa vào mô hình, hiệu quả đầu tư dựa vào phương pháp PTKT có suy giảm Tuy nhiên, TSLN thu được vẫn có ý nghĩa thống kê dương

Hình 3.1: Đồ thị tháng của chỉ số VN-Index theo thời gian

Kiểm định thứ hai về quy tắc đường trung bình động, đường trung bình động có độ dài cố định – FMA, kiểm tra TSLN trong 10 ngày kể từ sau sự giao nhau giữa hai đường trung bình động Kết quả được trình bày ở Bảng 4.2 Chúng ta thấy rằng TSLN thu được từ tín hiệu mua có giá trị trung bình là 0,57% cao hơn TSLN trung bình 10 ngày từ VNIndex Tín hiệu bán tạo ra giá trị trung bình là -0,42% Tất cả các kiểm định đối với những quy tắc PTKT không tính đến phí giao dịch đều có ý nghĩa thống kê Tuy nhiên, khi tính đến phí giao dịch, việc đầu tư dựa vào quy tắc FMA không tạo ra TSLN khác không

Bảng 4.2: Kết quả kiểm định thống kê t cho quy tắc FMA

*, **, *** thể hiện giá trị có ý nghĩa thống kê ở 10%, 5% và 1%

Tóm lại, dựa vào kiểm định thống kê t, việc đầu tư trên TTCK Việt Nam dựa vào tín hiệu mua bán của các đường trung bình động có thể giúp nhà đầu tư thu được TSLN trung bình khác không, ngoại trừ quy tắc FMA có tính phí giao dịch.

CHIẾN LƯỢC VÙNG ĐỘT PHÁ

Kết quả cho quy tắc vùng đột phá được trình bày trong Bảng 4.3 Với quy tắc này, tín hiệu mua (hoặc bán) được tạo ra khi mức giá di chuyển trên (hoặc dưới) so với mức tối đa (hoặc tối thiểu) cục bộ Các mức tối đa và tối thiểu cục bộ được tính trong 50, 150 và 200 ngày giao dịch trước đó

Bảng 4.3: Kết quả kiểm định thống kê t cho quy tắc TRB

*, **, *** thể hiện giá trị có ý nghĩa thống kê ở 10%, 5% và 1% Đối với quy tắc vùng đột phá, nhóm tác giả tính toán TSLN trong khoảng thời gian nắm giữ là 10 ngày sau khi các tín hiệu mua và bán xuất hiện Trong khoảng thời gian này, các tín hiệu mua hoặc bán xuất hiện sẽ bị bỏ qua Các kết quả cho thấy TSLN mua là dương cho tất cả các quy tắc, với mức trung bình là 0,66% Đối với

5 trong số 6 quy tắc, TSLN mua theo tín hiệu PTKT khác biệt có ý nghĩa thống kê so với TSLN không điều kiện trong 10 ngày TSLN bán là âm trên tất cả các quy tắc với mức trung bình là -0,25%, trong đó cũng có 5 trong số 6 quy tắc có ý nghĩa thống kê.

KIỂM ĐỊNH BẰNG PHƯƠNG PHÁP BOOTSTRAP

Kết quả thu được từ các phần trên rất hấp dẫn, nhưng chúng ta vẫn cần những sự xác nhận từ kết quả kiểm định của phương pháp bootstrap Bảng 4.4 hiển thị kết quả mô phỏng bằng phương pháp GARCH-M Theo phương pháp này, giá trị trung bình có điều kiện và phương sai đều được phép thay đổi theo thời gian Để mô tả định dạng của Bảng 4.4, chúng tôi bắt đầu với hàng đầu tiên trình bày kết quả cho quy tắc (1, 50, phí) VMA Tất cả các số được trình bày trong hàng này là các phân số của TSLN thu được từ dữ liệu mô phỏng lớn hơn TSLN thu được từ tín hiệu mua bán theo PTKT của chuỗi VNIndex ban đầu Kết quả về TSLN được trình bày trong các cột “Mua” và “Bán”, trong khi kết quả về độ lệch chuẩn được trình bày trong các cột “σm” và “σb” Con số trong cột Mua, là 0,00, cho thấy rằng không có dữ liệu VNIndex giả lập nào trong 500 lần lập lại tạo ra TSLN mua trung bình hằng ngày lớn như TSLN mua theo PTKT Con số này có thể được coi là "giá trị p (p-value)" mô phỏng Chuyển sang cột Bán, con số 1,00 cho thấy rằng tất cả các dữ liệu VNIndex giả lập đều tạo ra TSLN mua trung bình lớn hơn TSLN mua theo PTKT Trong cột σm (hoặc σb), các số được báo cáo là 1,00 (hoặc 0,00) cho thấy rằng tất cả (hoặc không có) độ lệch chuẩn của TSLN từ dữ liệu VNIndex giả lập đều lớn hơn (hoặc nhỏ hơn) so với các độ lệch chuẩn của TSLN theo PTKT

Bảng 4.4: Kết quả kiểm định thống kê bootstrap

Nguyên tắc Kết quả Mua σ m Bán σ b

Kênh A: Các quy tắc riêng lẻ (1, 50, Phí) VMA Giả lập > PTKT 0,00000 1,00000 1,00000 0,00000

FMA Giả lập > PTKT 0,19300 0,27000 1,00000 0,14600 TRB Giả lập > PTKT 0,01400 1,00000 0,79200 0,00000

(1, 50, Không phí) VMA Giả lập > PTKT 0,00000 1,00000 1,00000 0,00000

(1,150, Phí) VMA Giả lập > PTKT 0,01900 1,00000 1,00000 0,00000

(1,150, Không phí) VMA Giả lập > PTKT 0,00740 1,00000 1,00000 0,00000

(1,200, Phí) VMA Giả lập > PTKT 0,01500 0,99600 1,00000 0,00300

Kênh B: Trung bình các quy tắc

VMA Giả lập > PTKT 0,00500 1,00000 1,00000 0,00700 PTKT 0,00047 0,00741 -0,00028 0,01240

FMA Giả lập > PTKT 0,08000 0,99800 0,97800 0,00000 PTKT 0,00567 0,02860 -0,00417 0,04530 TRB Giả lập > PTKT 0,00900 1,00000 0,97850 0,00040

Kết quả này là phù hợp với các kết quả thu được từ kiểm định thống kê t truyền thống được trình bày ở những phần trên Cụ thể, TSLN mua trung bình hằng ngày theo PTKT lớn hơn TSLN trung bình hằng ngày của chỉ số VNIndex, và TSLN bán trung bình hằng ngày theo PTKT nhỏ hơn TSLN trung bình hằng ngày của chỉ số VNIndex

Tuy nhiên, kết quả cho độ lệch chuẩn là mới Các tín hiệu mua từ PTKT không chỉ chọn ra các khoảng thời gian có TSLN trung bình cao hơn mà còn chọn các khoảng thời gian có độ biến động thấp hơn Điều này trái ngược với các giai đoạn bán, khi TSLN bán thấp hơn và có độ biến động cao hơn Một lời giải thích thường được sử dụng cho khả năng dự đoán về lợi nhuận là thay đổi mức độ rủi ro, nghĩa là rủi ro cao thì lợi nhuận sẽ cao Kết quả nghiên cứu được tìm ra là không phù hợp với lời giải thích này Cụ thể, TSLN mua theo PTKT cao hơn trong thời kỳ rủi ro thấp hơn, và TSLN bán thấp hơn trong thời kỳ rủi ro hơn Kết quả tương tự thu được cho các quy tắc VMA khác

Trong Kênh B của Bảng 4.4, các kết quả được tính toán cho tất cả các quy tắc PTKT Nhóm tác giả xây dựng một thống kê để có thể cùng kiểm định tất cả quy tắc giao dịch theo PTKT Phương pháp bootstrap cho phép chúng ta thu được kết quả tổng hợp từ tất cả quy tắc khác nhau Giá trị trung bình giản đơn sẽ được áp dụng cho cả sáu quy tắc PTKT được kiểm tra, như theo nghiên cứu của Brock & ctg (1992) Do đó, đối với mỗi mô phỏng trong số 500 lần lập lại, giá trị trung bình của TSLN và độ lệch chuẩn của TSLN thu được từ tất cả các quy tắc được tính toán

Hàng đầu tiên của Kênh B, được gắn nhãn “Giả lập > PTKT”, tuân theo định dạng giống như kết quả được trình bày trong Kênh A Không có gì ngạc nhiên khi những kết quả này hoàn toàn phù hợp với những kết quả dành cho các quy tắc riêng lẻ Hàng thứ hai, được gắn nhãn “PTKT”, trình bày số liệu thống kê cho chuỗi VNIndex ban đầu Chênh lệch trung bình giữa mua và bán là 0,067% Độ lệch chuẩn của mua và bán lần lượt là 0,74% và 1,24%, cho thấy thị trường ít biến động hơn trong thời kỳ mua so với thời kỳ bán Kết quả cho các quy tắc FMA và TRB cũng được trình bày trong Bảng VI Kết quả tương tự như kết quả từ quy tắc VMA và do đó sẽ không được thảo luận Độ nhạy của các suy luận trong bài nghiên cứu đối với việc lựa chọn 500 lần lặp lại được kiểm tra trong Hình 4.1 Quy tắc FMA (1, 200, phí) được chọn làm ví dụ minh họa Giá trị p ước tính cho TSLN mua và bán sử dụng 500 lần lặp lại lần lượt là 0,145 và 0,902 Hình 4.1 trình bày các ước tính về các giá trị p đối với các kích thước của việc lập lại thay đổi từ 100 đến 2000 Để giúp biểu đồ dễ đọc hơn, giá trị p của TSLN bán được trình bày dưới dạng 1 – giá trị p Hình này cho thấy rằng khi số lần lặp lại được tăng lên và vượt quá 500 lần thì độ tin cậy của giá trị p không thay đổi nhiều Vì vậy, 500 lần lặp được sử dụng trong bài nghiên cứu là phù hợp

Hình 4.1: Giá trị p ước tính với số lần lặp lại

Định dạng
Số trang	44
Dung lượng	1 MB