ứng dụng học máy trong dự báo biến động giá thép trên thị trường giao dịch hàng hóa

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG ---***--- ĐỀ ÁN TỐT NGHIỆP ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO BIẾN ĐỘNG GIÁ THÉP TRÊN THỊ TRƯỜNG GIAO DỊCH HÀNG HÓA Ngành: Tài chính – ng

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

-*** -

ĐỀ ÁN TỐT NGHIỆP

ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO BIẾN ĐỘNG GIÁ THÉP TRÊN THỊ TRƯỜNG GIAO DỊCH HÀNG HÓA

Ngành: Tài chính – ngân hàng

PHẠM SƠN TÙNG

Hà Nội – 2024

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

Họ và tên học viên: Phạm Sơn Tùng

Người hướng dẫn: PGS.TS Nguyễn Việt Dũng Hà Nội – 2024

i

LỜI CAM ĐOAN

Tôi cam đoan rằng đề án này là công trình nghiên cứu của riêng tôi dưới sựhướng dẫn của PGS.TS Nguyễn Việt Dũng Tôi xác nhận rằng không có phần nào của

đề án này đã được nộp trước đó cho bất kỳ bằng cấp nào Tôi hoàn toàn chịu tráchnhiệm trước nhà trường về sự cam đoan này

Hà Nội, 22 tháng 03 năm 2024

Tôi cũng muốn bày tỏ lòng biết ơn chân thành đến tất cả các thầy cô đã dạy cácmôn học cho tôi trong suốt quá trình học tập 2 năm tại trường, những người đã dànhthời gian và kiến thức của mình để hướng dẫn và động viên tôi trong suốt quá trìnhthực hiện dự án này Sự chỉ dẫn và sự động viên từ phía các thầy,cô không chỉ

giúp tôi vượt qua những thách thức mà còn giúp tôi phát triển trong sự nghiệp học thuậtcủa mình

Cuối cùng, tôi muốn bày tỏ lòng biết ơn đến gia đình và những người thân yêucủa mình, những người đã luôn ở bên cạnh, động viên và ủng hộ tôi trong suốt quátrình học tập và nghiên cứu

MỤC LỤC

LỜI CAM ĐOAN .i

LỜI CẢM ƠN ii

DANH MỤC TỪ VIẾT TẮT v

DANH MỤC BẢNG vi

DANH MỤC HÌNH vii

MỞ ĐẦU .1

CHƯƠNG 1: TỔNG QUAN VỀ BIẾN ĐỘNG GIÁ VÀ ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO BIẾN ĐỘNG GIÁ TRÊN THỊ TRƯỜNG GIAO DỊCH HÀNG HÓA 6 1.1 Tổng quan về thị trường giao dịch hàng hóa .6 1.1.1 Các chủ thể trong giao dịch hàng hóa phái sinh 8 1.1.2 Các sản phẩm chính trên sàn giao dịch hàng hóa .8 1.1.3 Các sàn giao dịch hàng hóa trên thế giới và tại Việt Nam 13 1.1.4 Ứng dụng của hợp đồng phái sinh vào trong doanh nghiệp 15 1.2 Tổng quan về biến động giá và dự báo biến động giá trên thị trường giao dịch hàng hóa 16 1.2.1 Định nghĩa, vai trò và ý nghĩa 17 1.2.2 Đo lường biến động giá .18 1.2.3 Một số phương pháp dự báo biến động giá 21 1.3 Tổng quan về học máy trong dự báo biến động giá trên thị trường giao dịch hàng hóa 26 1.3.1 Vài nét về lịch sử 26 1.3.2 Cơ sở lý thuyết xây dựng mô hình học máy 27 1.3.3 Những tiến bộ của học máy so với phương pháp truyền thống 28 1.3.4 Một số thuật ngữ phổ biến 29 1.3.5 Các mô hình học máy phổ biến trong dự báo tài chính 36 1.3.6 Quy trình triển khai bài toán dự báo machine learning 41

iv CHƯƠNG 2: ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO BIẾN ĐỘNG GIÁ THÉP TRÊN THỊ TRƯỜNG GIAO DỊCH HÀNG HÓA 44 2.1 Vài nét về thị trường thép 44

2.1.1 Quá trình phát triển 44

2.1.2 Quy trình sản xuất thép 46

2.1.3 Những nhân tố ảnh hưởng tới giá thép 48

2.2 Xây dựng mô hình học máy cho dự báo giá thép 49

2.2.1 Lựa chọn biến cho mô hình 49

2.2.2 Khung thời gian chung của biến .56

2.2.3 Data_Frame của tập dữ liệu 57

2.2.4 Hệ số tương quan 58

2.2.5 Dự báo giá thép sử dụng mô hình Random Forest 60

2.2.6 Huấn luyện mô hình và kết quả .62

2.2.7 Chiến lược cho doanh nghiệp 66

2.2.8 Ứng dụng dự báo giá thép trong thời gian tới .67

2.2.9 Giải pháp, điều kiện thực hiện mô hình .70

2.2.10 Một số khuyến nghị 75

KẾT LUẬN .78

TÀI LIỆU THAM KHẢO: 79

v

DANH MỤC TỪ VIẾT TẮT

Viết tắt Diễn giải Nghĩa tiếng Việt

LME London Metal Exchange Sàn giao dịch kim loại

Luân Đôn ICE International Continential

Exchange

Sàn giao dịch liên lục địa quốc tế

CME Chicago Mercantile

Exchange

Sàn giao dịch hàng hóa Chicago

NYMEC New York Mercantile

Exchange

Sàn giao dịch hàng hóa New York

TOCOM Tokyo Commodity

Exchange

Sàn giao dịch hàng hóa Tokyo

MXV Mercantile Exchange

Vietnam

Sở giao dịch hàng hóa Việt Nam

GARCH Generalized

Autoregressive Conditional Heteroskedasticity

Mô hình GARCH

MACD Moving Average

Convergence Divergence

Đường trung bình động hội tụ phân kỳ

RSI Relative Strength Index Đường chỉ số sức mạnh

tương đối EMA Exponential Moving

Average

Đường trung bình động lũy thừa

MA Moving Average Đường trung bình động

vi

DANH MỤC BẢNG

Bảng 1.1: Các loại hợp đồng hàng hóa 12

Bảng 1.2: Một số sàn giao dịch nổi tiếng 14

Bảng 1.3: So sánh Overfitting và Underfitting 31

Bảng 1.4: Các phương pháp Cross Validation 35

Bảng 1.5: Đặc điểm các mô hình học máy 41

Bảng 2.1: Khung thời gian chung của biến 56

Bảng 2.2: Hệ số tương quan các biến 60

Bảng 2.3: Kết quả ước lượng giá các biến độc lập 69

vii DANH MỤC HÌNH Hình 1.1: Giá thép thanh trên sàn LME 7

Hình 1.2: Kết hợp chỉ báo kỹ thuật 22

Hình 1.3: Sóng Elliot 23

Hình 1.4: Mô phỏng Monte Caclo .24

Hình 1.5: Cây quyết định .36

Hình 1.6: Mô hình Random Forest .37

Hình 1.7: Mô hình GBM .38

Hình 1.8: Mô hình LSTM .39

Hình 1.9: Mô hình ANN .40

Hình 2.1: Top quốc gia sản xuất thép 2023 45

Hình 2.2: Sự trỗi dậy của thép Trung Quốc .46

Hình 2.3: Quy trình sản xuất thép .47

Hình 2.4: Giá thép thanh trên sàn LME 50

Hình 2.5: Giá quặng sắt trên sàn CME .51

Hình 2.6: Giá than cốc trên sàn DCE .52

Hình 2.7: Giá phế liệu trên sàn LME 52

Hình 2.8: Giá dầu Brent trên sàn ICE 53

Hình 2.9: Giá khí đốt trên sàn NYMEC 54

Hình 2.10: Tỉ giá AUD/USD trên sàn FX 54

Hình 2.11: Tỉ giá USD/CNY trên sàn FX 55

Hình 2.12: Data_Frame của tập dữ liệu .58

Hình 2.13: Data_Frame tập huấn luyện .62

Hình 2.14: Mã code huấn luyện mô hình 63

Hình 2.15: Đồ thị trên tập huấn luyện .64

Hình 2.16: Data_Frame tập kiểm tra 64

Hình 2.17: Đồ thị trên tập kiểm tra 65

Hình 2.18: Cập nhập dữ liệu mới nhất .68

Hình 2.19: Kết hợp các mô hình dự báo 69

TÓM TẮT KẾT QUẢ NGHIÊN CỨU ĐỀ ÁN

Tên đề tài: “Ứng dụng học máy trong dự báo biến động giá thép trên thị trường giao dịch

hàng hóa”

Họ và tên học viên: Phạm Sơn Tùng

Người hướng dẫn: PGS.TS Nguyễn Việt Dũng

1 Mục tiêu

Mục tiêu nghiên cứu nhằm xây dựng một mô hình dự báo giá thép có độ chính xác cao, dựa trên dữ liệu lịch sử và các yếu tố ảnh hưởng và có thể áp dụng cho các doanh nghiệp liên quan đến thép tại Việt Nam để đưa ra các quyết định kinh doanh hiệu quả và tối ưu hóa lợi nhuận trong bối cảnh thị trường thép biến động không ngừng

Để giải quyết mục tiêu nghiên cứu tổng quát, đề án tập trung vào giải quyết các mục tiêu cụ thể sau:

- Hệ thống hóa cơ sở lý thuyết về thị trường giao dịch hàng hóa, biến động giá và các phương pháp dự báo biến động giá, một số mô hình học máy phổ biến và ứng dụng của những mô hình này

- Phân tích các yếu tố ảnh hưởng đến thị trường thép và ứng dụng mô hình học máy trong dự báo biến động giá thép trên thị trường giao dịch hàng hóa

- Đưa ra các giải pháp triển khai, điều kiện thực hiện mô hình và một số khuyến nghị ápdụng vào trong thực tế,

2 Nội dung chính

Kết cấu đề án bao gồm 2 phần với nội dung chính như sau:

Trong chương 1, tác giả đã hệ thống lại cơ sở lý thuyết về thị trường giao dịch hàng hóa, cácloại hợp đồng giao dịch, tổng quan về biến động giá và các phương pháp dự báo biến độnggiá truyền thống Bên cạnh đó, tác giả đã giới thiệu về học máy và một số mô hình học máy,quy trình triển khai một bài toán học máy và ứng dụng của những mô hình này Những lýthuyết này là tiền đề để ứng dụng trong việc xây dựng mô hình dự báo ở chương 2

Trong chương 2, tác giả đã phân tích các yếu tố ảnh hưởng đến giá thép, sau đó xây dựng được mô hình dự báo giá thép ứng dụng mô hình học máy Random Forest Bên cạnh việc xâydựng và đánh giá mô hình, tác giả cũng đã đưa ra các giải pháp, điều kiện

1

và một số khuyến nghị trong việc thực hiện mô hình của các doanh nghiệp thép và các doanh nghiệp sản xuất liên quan đến thép

3 Kết quả đạt được của đề án:

Đề án có một số đóng góp trên các khía cạnh sau:

Thứ nhất: Xây dựng mô hình học máy có thể giúp cải thiện độ chính xác trong dự báo giá thép trên thị trường quốc tế

Thứ hai: Hỗ trợ cho các doanh nghiệp trong việc tham khảo sử dụng mô hình để quản lýrủi ro, lập kế hoạch tài chính, tối ưu hóa lợi nhuận nhờ dự báo biến động giá

Thứ ba: Góp phần vào sự tiến bộ trong lĩnh vực dự báo giá

Nhiều ngành nghề khác trong cuộc sống cũng cần sử dụng đến thép có thể bị ảnhhưởng bởi biến động giá thép Những biến động này không chỉ ảnh hưởng đến cácdoanh nghiệp sản xuất và kinh doanh thép mà còn tác động sâu rộng đến các ngànhcông nghiệp sử dụng thép và cả nền kinh tế Trong bối cảnh thị trường thép quốc tếbiến động mạnh do các yếu tố, các sự kiện bất ngờ như dịch bệnh, xung đột, việc cócông cụ dự báo chính xác là vô cùng cấp thiết Các doanh nghiệp sản xuất và kinhdoanh thép trong nước, cũng như các doanh nghiệp sản xuất cần tiêu thụ thép, cần dựbáo giá chính xác để lập kế hoạch sản xuất, quản lý tồn kho, và định giá sản phẩm mộtcách hiệu quả

Dưới tác động của Cuộc cách mạng công nghiệp 4.0, ứng dụng của Học máy (Machine learning) trong tài chính ngày càng được chú ý và phát triển không

2

ngừng Ứng dụng học máy trong lĩnh vực dự báo giá mang lại nhiều lợi ích, như độ chính xác cao, khả năng phân tích dữ liệu phức tạp từ nhiều nguồn, và dự báo theo thời

gian thực Học máy có khả năng phân tích và học từ dữ liệu lớn, giúp dự báo chính xác hơn so với các phương pháp truyền thống Các mô hình học máy có thể kể đến như như Mạng thần kinh nhân tạo (Artificial Neural Networks - ANN), Máy vector hỗ trợ (Support Vector Machines - SVM), Lập trình di truyền (Genetic Programming - GP), thuật toán K-lân cận (K-nearest neighbors - KNN), mô hình hồi quy Logistic, phân tích phân biệt tuyến tính (Linear Discriminant Analysis - LDA), và phân tích phân biệt toàn phương (Quadratic Discriminant Analysis - QDA), đang ngày càng trở nên phổ biến, không chỉ trong học thuật mà còn trong thực tiễn

Trong những năm gần đây, ngành thép trong và ngoài nước thường xuyên biếnđộng giá liên tục dưới tác động của suy thoái kinh tế do đại dịch Covid-19 Tại ViệtNam, theo đánh giá của Hiệp hội Thép Việt Nam (VSA) năm 2024, giá thép phế vàphôi thép quý I/2024 tăng gần 5,5% so với quý IV/2023 và giảm 6,4% so với cùng kỳ.Thép xây dựng nội địa quý I/2024 có 7 đợt điều chỉnh giá, trong đó có 3 đợt điều chỉnhtăng giá trong tháng 1/2024 và 4 đợt điều chỉnh giảm giá trong tháng 3/2024 Nhữngbiến động này càng làm nổi bật tính cấp thiết của việc nghiên cứu và ứng dụng cáccông cụ dự báo giá thép hiệu quả

Với những lý do trên, việc ứng dụng học máy trong dự báo giá thép không chỉ là một nghiên cứu khoa học mà còn mang lại ý nghĩa thực tiễn Nó giúp các doanh nghiệptrong các ngành cần tiêu thụ thép phục vụ cho sản xuất tại Việt Nam có thêm được một công cụ dự báo, từ đó đưa ra các quyết định chiến lược, tối ưu hóa hoạt động kinh doanh, và quản lý rủi ro một cách hiệu quả Trong bối cảnh thị trường thép biến động không ngừng, cùng với sự phát triển của khoa học dữ liệu, cách mạng công nghiệp 4.0, nghiên cứu này càng trở nên cấp thiết và quan trọng hơn bao giờ hết

3

2 Mục tiêu nghiên cứu

Trước hết, mục tiêu nghiên cứu nhằm xây dựng một mô hình dự báo có độ chính xác cao, dựa trên dữ liệu lịch sử và các yếu tố ảnh hưởng Việc phát triển mô hình này

sẽ giúp các doanh nghiệp thép tại Việt Nam đưa ra các quyết định kinh doanh hiệu quả

và tối ưu hóa lợi nhuận trong bối cảnh thị trường thép biến động không ngừng

Ngoài ra, nghiên cứu hướng tới ứng dụng thực tiễn trong kinh doanh, giúp cácdoanh nghiệp ngành thép quản lý rủi ro và đưa ra các quyết định chiến lược về giá cả

và lợi nhuận, từ đó nâng cao năng lực cạnh tranh trên thị trường

Cuối cùng, nghiên cứu cũng nhằm đóng góp vào sự tiến bộ của lĩnh vực dự báo

giá cả hàng hóa, đặc biệt là ngành thép Bằng cách phát triển và kiểm tra các mô hình

dự báo mới, nghiên cứu sẽ cung cấp cái nhìn sâu sắc hơn về khả năng và giới hạn của các phương pháp dự báo hiện có Những cải tiến và hướng phát triển mới sẽ mở ra cơ hội áp dụng học máy vào nhiều ngành công nghiệp khác, mang lại lợi ích thiết thực chocác ngành công nghiệp và xã hội nói chung

3 Đối tượng và phạm vi nghiên cứu:

Đối tượng nghiên cứu của đề án là giá thép trên sàn giao dịch hàng hóa quốc tế,Đây là biến số quan trọng mà nghiên cứu sẽ tập trung dự báo Cùng với đó là các biếnđộc lập khác là giá nguyên liệu đầu vào, các sự kiện Chủ thể áp dụng là các doanhnghiệp thép và các doanh nghiệp liên quan đến thép tại Việt Nam như các doanh nghiệptrong các ngành xây dựng, sản xuất ô tô, sản xuất thiết bị gia dụng, và sản xuất máymóc cần dự báo giá thép để lập kế hoạch sản xuất, quản lý tồn kho, và định giá sảnphẩm

Phạm vi của nghiên cứu này sẽ tập trung vào việc dự báo giá thép trên thị trường giao dịch hàng hóa bằng cách sử dụng các phương pháp machine learning Dưới đây là phần mô tả chi tiết về phạm vi nghiên cứu:

• Phạm vi nội dung: Nghiên cứu này sẽ tập trung vào việc dự báo giá thép dựatrên giá các loại hợp đồng giao dịch hàng hóa của nguyên liệu đầu vào, baogồm nhưng không giới hạn ở các thị trường giao dịch hàng hóa

• Phạm vi thời gian: Thu thập dữ liệu lịch sử về giá thép và các biến độc lập từcác sàn giao dịch quốc tế trong khoảng thời gian đủ dài để đảm bảo tính liêntục và đầy đủ của dữ liệu, với tập dữ liệu chung trong khoảng 8 năm trở lạiđây

4 Phương pháp nghiên cứu

• Phương pháp định tính: Nghiên cứu các tài liệu, báo cáo và nghiên cứu khoa học liên quan đến các mô hình học máy, các phương pháp dự báo Nghiên cứu tác động của những nhân tố ảnh hướng đến giá thép như nguyên liệu đầuvào, sự kiện nổi bật như đại dịch Covid-19 và chiến tranh Nga - Ukraina đối với giá thép

• Phương pháp định lượng: là phương pháp chủ đạo trong việc xây dựng mô hình thông qua các bước thu thập dữ liệu lịch sử giá thép và các biến độc lập

từ các sàn giao dịch quốc tế qua trang web Investing.com Sau đó làm sạch

và chuẩn hóa dữ liệu để đảm bảo tính chính xác và nhất quán Tiếp đến là xây dựng mô hình sử dụng mô hình để phân tích và dự báo giá thép dựa trên các biến độc lập Sau đó đào tạo mô hình trên tập dữ liệu huấn luyện và kiểm thử trên tập dữ liệu kiểm tra Cuối cùng là sử dụng các chỉ số để đánh giá mô hình

• Hạn Chế và Giả Định: Nghiên cứu có thể giới hạn trong việc sử dụng dữ liệu

có sẵn và sẽ không tính đến tất cả các yếu tố ảnh hưởng đến giá thép Điều này có thể gây ra một số hạn chế trong việc dự báo và không đại diện hoàn toàn cho mọi tình huống trong thực tế

5

5 Kết cấu đề án

Đề án được chia thành 2 chương chính:

• Chương 1: Tổng quan về biến động giá và ứng dụng học máy trong dự báo biến

động giá trên thị trường giao dịch hàng hóa Trong chương này trình bày tổngquan thị trường giao dịch hàng hóa, biến động giá và các phương pháp để dựbáo Chương này cũng nói đến ứng dụng học máy vào trong dự báo biến độnggiá và những điểm tiến bộ so với các phương pháp dự báo truyền thống

• Chương 2: Ứng dụng học máy trong dự báo biến động giá thép trên thị trường giao

dịch hàng hóa Chương này nói về thị trường thép và cách xây dựng mô hình để

dự báo biến động giá thép Sau đó là ứng dụng dự báo giá thép trong thời gian tới Cuối cùng là những giải pháp, điều kiện và một số khuyến nghị trong việc triển khai áp dụng mô hình vào thực tế

6

CHƯƠNG 1:

TỔNG QUAN VỀ BIẾN ĐỘNG GIÁ VÀ ỨNG DỤNG HỌC MÁY TRONG

DỰ BÁO BIẾN ĐỘNG GIÁ TRÊN THỊ TRƯỜNG GIAO DỊCH HÀNG HÓA 1.1 Tổng quan về thị trường giao dịch hàng hóa

Trong quá trình công nghiệp hóa, sản xuất ngũ cốc thường gặp phải sự biến động

do tính thời vụ của quá trình phát triển và thu hoạch Sự biến động này đôi khi gây ratình trạng thặng dư hoặc thiếu hụt trên thị trường, ảnh hưởng đến giá cả và lợi nhuậncủa các nhà sản xuất và nhà kinh doanh Để giải quyết vấn đề này, các bên thường hợptác trước mỗi vụ mùa để thỏa thuận về giá, khối lượng và chất lượng của ngũ cốc, cũngnhư thời điểm giao hàng trong tương lai Tuy nhiên, các thỏa thuận này thường khôngđược chuẩn hóa và thường chỉ là sự đồng thuận giữa hai bên

Năm 1848, Sàn Thương mại Chicago (CBOT) được thành lập với mục tiêu tăng cường tính minh bạch và ổn định trên thị trường ngũ cốc bằng cách phát triển các hợp đồng tương lai chuẩn hóa về mua bán ngũ cốc Sự ra đời của CBOT đã mở ra cánh cửa cho thị trường hàng hóa phái sinh, tạo ra một phương tiện hiệu quả để giảm thiểu rủi ro

và tăng cường tính thanh khoản trong giao dịch hàng hóa Thị trường hàng hóa phái sinhkhông chỉ giới hạn trong việc giao dịch các sản phẩm nông sản, mà còn mở rộng sang các loại hàng hóa khác như kim loại, năng lượng, tiền tệ và thậm chí là các chỉ số chứng khoán Điều này đã tạo ra một cơ sở hạ tầng tài chính mạnh mẽ, cung cấp cho các nhà đầu tư và doanh nghiệp các công cụ hiệu quả để quản lý và đầu tư vào các rủi

ro thị trường

Thị trường giao dịch hàng hóa là một phần quan trọng của hệ thống tài chính toàncầu, nơi mà hàng hóa được mua bán và giao dịch thông qua các hợp đồng tương laihoặc tùy chọn Điểm đặc biệt của thị trường này là sự đa dạng của các sản phẩm hànghóa được giao dịch, từ các nguyên liệu cơ bản như dầu thô, đồng, và lúa mì đến các mặthàng tiêu dùng như vàng và bạc Thị trường này thường hoạt động 24/7 và trải dài trêntoàn cầu, với sự tham gia của các nhà đầu tư, doanh nghiệp và cơ quan quản lý từ nhiềuquốc gia khác nhau

7

Các chức năng của thị trường giao dịch hàng hóa bao gồm việc xác định giá cả của các sản phẩm hàng hóa, quản lý rủi ro cho các doanh nghiệp và nhà đầu tư, cũng như cung cấp một phương tiện linh hoạt để thực hiện các giao dịch mua bán Thị trường này thường được chia thành hai loại chính: sàn giao dịch hàng hóa và thị trường phiên tự do Trên sàn giao dịch hàng hóa, các sản phẩm hàng hóa được giao dịch công

khai thông qua các giao dịch tiêu chuẩn hóa, trong khi thị trường phiên tự do thường hoạt động thông qua các mạng lưới đại lý và người môi giới

Các yếu tố ảnh hưởng đến thị trường giao dịch hàng hóa rất đa dạng và phức tạp Các yếu tố kinh tế như sự biến động của cung cầu, tình hình kinh tế toàn cầu và tỷ giá hối đoái có thể tạo ra biến động đáng kể trên thị trường Ngoài ra, các yếu tố chính trị như sự ổn định chính trị hoặc biến động trong một quốc gia cũng có thể gây ra những biến động không lường trước

Ví dụ về thị trường giao dịch hàng hóa bao gồm sàn giao dịch hàng hóa Chicago(CME Group), nơi mà các sản phẩm hàng hóa như lúa mì, ngô, và dầu thô được giaodịch công khai thông qua các hợp đồng tương lai Hay sàn giao dịch kim loại London(LME).Thị trường vàng cũng là một ví dụ điển hình, với sự hoạt động liên tục trên toàncầu và vai trò quan trọng trong việc bảo vệ giá trị và đầu tư

Hình 1.1: Giá thép thanh trên sàn LME

(Nguồn: Investing.com)

8

1.1.1 Các chủ thể trong giao dịch hàng hóa phái sinh

Trong thị trường hàng hóa phái sinh, người tham gia chủ yếu có thể phân thànhhai nhóm chính: người bảo hộ và nhà đầu cơ Mỗi nhóm đều có mục đích và cách tiếpcận riêng biệt đối với thị trường này

Người bảo hộ thường là những nhà sản xuất hoặc các doanh nghiệp liên quan đếnngành công nghiệp mà sản phẩm của họ có liên quan đến các loại hàng hóa được giaodịch trên thị trường phái sinh Đối với họ, việc sử dụng các sản phẩm phái sinh như mộtcông cụ để bảo vệ khỏi rủi ro giá là cực kỳ quan trọng Họ có thể

sử dụng các hợp đồng tương lai để định giá sản phẩm của mình hoặc sử dụng các tùy chọn để bảo vệ giá cả hoặc khối lượng hàng hóa mà họ sẽ sản xuất hoặc tiêu thụ trong

tương lai Mục đích chính của họ là đảm bảo ổn định giá cả và giảm thiểu rủi ro liên quan đến biến động giá cả của hàng hóa

Trong khi đó, nhà đầu cơ thường là các nhà đầu tư hoặc các cá nhân muốn tìmkiếm lợi nhuận từ sự biến động giá cả trên thị trường Họ không quan tâm đến việc sửdụng sản phẩm phái sinh để bảo vệ hoặc quản lý rủi ro mà thay vào đó tập trung vàoviệc dự đoán và tận dụng sự thay đổi giá cả để kiếm lời Họ có thể mua hoặc bán cáchợp đồng tương lai hoặc tùy chọn với hy vọng tạo ra lợi nhuận từ sự biến động giá cả Phân biệt giữa hai nhóm này không chỉ dừng lại ở mục đích tham gia thị trường

mà còn ở cách tiếp cận và quản lý rủi ro Hiểu rõ sâu hơn về vai trò và mục đích của cả hai nhóm này sẽ giúp ta hiểu rõ hơn về hoạt động và tác động của thị trường hàng hóa phái sinh

1.1.2 Các sản phẩm chính trên sàn giao dịch hàng hóa

Thị trường giao dịch hàng hóa không chỉ bao gồm các sản phẩm cơ bản như dầuthô, vàng và lúa mì, mà còn bao gồm một loạt các sản phẩm khác như kim loại quý,năng lượng, nông sản và thậm chí các chỉ số tài chính Một trong những điểm đặc biệtcủa thị trường này là tính đa dạng và phong phú của các loại hợp đồng giao dịch, baogồm cả hợp đồng tương lai (futures contracts), hợp đồng tùy chọn (options contracts)

• Việc thực hiện thường diễn ra ngoài sàn giao dịch chính thức (OTC), thường đượcthực hiện giữa các tổ chức tài chính hoặc giữa tổ chức tài chính với doanhnghiệp

• Khác với hợp đồng tương lai, hợp đồng kỳ hạn không phụ thuộc vào các tiêu chuẩn cụ thể và có thể linh hoạt về thời gian giao hàng

• Thông thường, ngày giao hàng của hợp đồng này có thể được thỏa thuận tự do giữa hai bên mua và bán

• Thực hiện hợp đồng kỳ hạn chỉ diễn ra khi đến thời điểm đáo hạn Tại thời điểmnày, người giữ vị thế bán phải giao tài sản và nhận tiền, trong khi người giữ vịthế mua phải thanh toán tiền và nhận tài sản Điều này được thực hiện với mứcgiá đã được xác định trước, dù giá thị trường của hàng hóa tại thời điểm đáo hạn

có cao hơn hoặc thấp hơn giá đã được xác định trong hợp đồng

b Hợp đồng tương lai

Hợp đồng tương lai là một hợp đồng tiêu chuẩn hóa để mua hoặc bán một lượng

cố định của một sản phẩm hàng hóa tại một thời điểm cụ thể trong tương lai với mộtgiá cả đã được xác định trước Hợp đồng tương lai là một hình thức thỏa thuận đượcxác lập dưới sự quản lý của một Sàn giao dịch có tổ chức, với mục đích mua/bán mộtloại tài sản nhất định vào một thời điểm xác định trước trong tương lai với một mức giá

đã được xác định trước đó Điểm đặc biệt của hợp đồng tương lai là các điều khoản của

nó thường được tiêu chuẩn hóa, tạo điều kiện cho sự minh bạch và dễ dàng trong việcthực hiện giao dịch Các điểm chính của hợp đồng tương lai bao gồm:

10

• Tính tiêu chuẩn hóa của các điều khoản

• Là một hợp đồng song vụ cam kết thực hiện nghĩa vụ trong tương lai, và việc được lập tại các Sàn giao dịch chính thức

• Một yếu tố quan trọng khác của hợp đồng tương lai là việc yêu cầu ký quỹ, là mộtkhoản tiền hoặc tài sản được đặt cọc để đảm bảo việc thực hiện hợp đồng

• Ngoài ra, đa số các hợp đồng tương lai đều có khả năng được thanh lý trước thờihạn, cho phép các bên thực hiện giao dịch trước thời điểm hết hạn nếu cần thiết Tuy nhiên, cả hợp đồng kỳ hạn và hợp đồng tương lai đều có nhược điểm là sự bắtbuộc phải thực hiện giao dịch khi đến hạn, không cung cấp sự linh hoạt cho các bêntrong trường hợp có sự biến động giá thuận lợi Để giải quyết vấn đề này, hợp đồngquyền chọn đã được phát triển Hợp đồng này mang lại cho người sở hữu quyền chọnquyền, nhưng không phải nghĩa vụ, để mua/bán một tài sản nhất định vào một thờiđiểm cụ thể hoặc trong một khoảng thời gian nhất định trong tương lai, với một giá đãđược xác định trước đó Điều này giúp giảm bớt rủi ro và tạo ra sự

linh hoạt cho các bên trong giao dịch

c Hợp đồng quyền chọn

Hợp đồng tùy chọn cho phép nhà đầu tư mua hoặc bán một sản phẩm hàng hóatại một giá cả đã xác định trước (giá thực hiện), nhưng không bắt buộc phải thực hiệngiao dịch đó Hợp đồng quyền chọn (option contract) là một công cụ tài chính pháttriển nhằm giảm bớt rủi ro cho các bên tham gia thị trường tài chính Dù hợp đồng kỳhạn và hợp đồng tương lai cũng có thể được sử dụng để giảm thiểu rủi ro, nhưng điểmchung của cả hai loại hợp đồng này là sự bắt buộc phải thực hiện giao dịch khi đến hạn,điều này có thể đánh mất cơ hội kinh doanh khi giá có biến động thuận lợi Đó chính lànhược điểm lớn nhất của hợp đồng kỳ hạn và hợp đồng tương lai

11

Để khắc phục vấn đề này, hợp đồng quyền chọn ra đời như một giải pháp linh hoạthơn Quyền chọn là một loại đặc quyền, cho phép người mua quyền này có quyền,nhưng không có nghĩa vụ, mua/bán một tài sản nhất định vào một thời điểm hoặc trongmột khoảng thời gian nhất định trong tương lai với một giá đã được xác định trước đó.Điều này tạo ra sự linh hoạt cho các bên trong giao dịch, giúp họ tận dụng được các cơhội thị trường một cách hiệu quả hơn

Hợp đồng quyền chọn được phân loại dựa trên loại quyền và kiểu hợp đồng.Quyền chọn mua (call option) cho phép người mua mua một tài sản với giá xác địnhtrong một khoảng thời gian hoặc vào một thời điểm cụ thể trong tương lai, trong khiquyền chọn bán (put option) cho phép người mua bán tài sản tương tự với điều kiệntương tự

Đối với kiểu hợp đồng, quyền chọn kiểu Mỹ cho phép người nắm quyền thựchiện mua/bán tại bất kỳ thời điểm nào trong thời gian từ ngày bắt đầu nắm quyền chođến hết ngày đáo hạn Trái lại, quyền chọn kiểu châu Âu chỉ cho phép thực hiệnmua/bán tại mức giá thực hiện vào ngày đáo hạn

Trên thị trường, quyền chọn phổ biến trao đổi bao gồm quyền chọn về chứng khoán, chỉ số chứng khoán, ngoại tệ và hợp đồng tương lai

Điểm đặc biệt của hợp đồng quyền chọn so với hợp đồng kỳ hạn và hợp đồngtương lai là khả năng có thể hoặc không thực hiện việc mua/bán tài sản Ngoài ra, việctham gia một hợp đồng quyền chọn thường đòi hỏi người mua phải trả một khoản phímua quyền, dù quyền đó có được thực hiện hay không

12

Bảng 1.1: Các loại hợp đồng hàng hóa Nội dung Hợp đồng kỳ hạn Hợp đồng tương lai Hợp đồng quyền

đồng tham gia Điều khoản linhThỏa thuận giữa các bên

hoạt, mua bán trong tươnglai với giá cố định

Chuẩn hóa các điềukhoản của hợp đồngbởi sàn giao dịch,mua bán trong tươnglai với giá cố định

Có thể là hợp đồngtương lai hoặc kỳhạn, tùy thuộc vàothị trường

Tính thanh

khoản không thể hủy hợp đồng khi Thườn thấp, các bên tham gia

bất lợi, hoặc bán hợp đồng khi

có lợi

Thường cao, do hoạtđộng trên sàn giaodịch, đáo hợp đồngkhi có yêu cầu Việcmua bán diễn rahàng ngày

Thị trường chínhthức thường có tínhthanh khoản caohơn

Phí Để đảm bảo hợp đồng được

thực hiện, chủ thể hợp đồng cóthể bị yêu cầu số dư tối thiểu ởtài khoản ngân hàng

Phí ký quỹ, phí giao dịch, phí môi giới Phí mua quyền

Phí mua đượcthanh toán ngaykhi hoàn thànhhợp đồng hoặchàng ngày nhưhợp đồng tươnglai

Lợi ích Giữ vị thế phòng ngừa rủi ro với

giá mua giá bán cố định giữ vị thế phòng ngừaĐịnh giá tương lai và

rủi ro

Giữ được cơ hội kinh doanh nếu giá biến

động có lợi, chống lại giá biến động bấtlợi

Rủi ro Nếu giá biến động theo hướng

có lợi, ko có cơ hội kinh doanh Nếu giá biến độngtheo hướng có lợi,

ko có cơ hội kinhdoanh

Rủi ro chỉ là mất phí mua quyền

(Nguồn: Tác giả tổng hợp)

13

Ngoài ra, giao dịch spot cũng đóng một vai trò quan trọng trên thị trường hànghóa Trong giao dịch spot, việc mua bán hàng hóa được thực hiện không thông qua cáchợp đồng tương lai hoặc tùy chọn, mà thường diễn ra dựa trên thỏa thuận trực tiếp giữangười mua và người bán Các giao dịch spot thường được sử dụng để đáp ứng nhu cầungay lập tức của các bên tham gia thị trường, như cung cấp nguyên liệu sản xuất hoặcthỏa thuận mua bán hàng hóa để đáp ứng nhu cầu tiêu dùng

Các sản phẩm và dịch vụ được giao dịch spot có thể rất đa dạng, từ hàng hóa cơbản như dầu thô, kim loại và lúa mì đến hàng hóa tiêu dùng như thực phẩm và nănglượng Giao dịch spot thường phổ biến trong các thị trường địa phương, nhưng cũng cóthể thấy trong các thị trường toàn cầu, đặc biệt là trong lĩnh vực hàng hóa

1.1.3 Các sàn giao dịch hàng hóa trên thế giới và tại Việt Nam

Sàn giao dịch hàng hóa là nơi cung cấp nền tảng giao dịch các sản phẩm hàng hóa thông qua giá trị, cũng như biến động thị trường hàng hóa Khác biệt với giao dịch hàng hóa thô trực tiếp nắm giữ sản phẩm, thì sàn giao dịch hàng hóa hỗ trợ giao dịch thông qua các chỉ số hàng hóa, hợp đồng tương lai

Cụ thể, các nhóm hàng hóa được giao dịch trên sàn:

• Nhóm nông sản: ngô, lúa mỳ, đậu tương, khô đậu tương, gạo, • Nhóm

nguyên liệu công nhiệp: bông, đường, cacao, cao su, cà phê, • Nhóm kim

loại: vàng, bạc, bạch kim, đồng,

• Nhóm năng lượng: Xăng pha chế, dầu WTI, dầu Brent, khí gas,

Bảng 1.2 ở dưới là bảng tổng hợp các sàn giao dịch lớn trên thế giới Bảng chothấy những loại sản phẩm hàng hóa chính được giao dịch trên các sàn, thời gian giaodịch và các loại hợp đồng giao dịch chủ yếu

Phạm vi hợp đồng

MVX 2008 Nông sản, năng Theo quy Mới chỉ triển khai

Sở Giao dịch Hàng

hóa Việt Nam

lượng, kim loạicông nghiệp, kimloại quý, nguyênliệu

định của cáchợp đồngquốc tế,thông thườngtừ: Chủ Nhật– Thứ Thứ 6

hợp đồng tươnglai

Hợp đồng quyềnchọn, hợp đồngtương lai, hợpđồng OTC

Thứ 2 – Thứ

7 14h30 – 1h20

Hợp đồng tươnglai, hợp đồngquyền chọn, hợpđồng OTC

Giao nhận vật lýLME

London Metal

Exchange

1571 Kim loại đen

(chứa Fe) và kimloại màu: đồng,nhôm, kẽm, niken

Thứ 2 – Thứ

7 7h00-2h00

Hợp đồng quyềnchọn, hợp đồngtương lai

TOCOM

Tokyo Commondity

Exchange

1984 Năng lượng, kim

loại quý, kim loạicông nghiệp, cao

su, sản phẩm nôngnghiệp

Thứ 2 – Thứ

6 6h45 – 17h00

Hợp đồng quyềnchọn, hợp đồngtương lai

NYMEX

New York Mercantile

Exchange

1872 Năng lượng, kim

loại quý, kim loạicông nghiệp

Chủ nhật – Thứ 6 17h00-16h00

Hợp đồng tươnglai, hợp đồngquyền chọn Giaonhận hàng hóa vậtlý

(Nguồn: Tác giả tổng hợp)

15

1.1.4 Ứng dụng của hợp đồng phái sinh vào trong doanh nghiệp

VD1: Chúng ta hãy giả định một doanh nghiệp dệt may tại Việt Nam, có kế hoạch xuất

khẩu sản phẩm sang Mỹ Doanh nghiệp này dự định xuất khẩu một lô hàng trị giá100.000 USD vào tháng sau Tuy nhiên, do biến động không chắc chắn của tỷ giá hối

đoái, họ lo ngại về việc giá trị của đồng Việt Nam đối với USD có thể thay đổi đột ngột.

Để giảm thiểu rủi ro từ biến động tỷ giá, doanh nghiệp quyết định sử dụng hợp đồngtương lai Họ ký kết hợp đồng tương lai để mua 100.000 USD với mức giá 23.000VND/USD vào ngày 15 của tháng sau Trong khi đó, tỷ giá hối đoái tại thời điểm kýkết hợp đồng là 22.800 VND/USD Đến ngày giao dịch, tỷ giá hối đoái tăng lên 23.200

VND/USD Khi đó, giá trị của hợp đồng tương lai sẽ là:

(23.200 VND/USD - 23.000 VND/USD) x 100.000 USD = 20.000.000 VND Như vậy, doanh nghiệp sẽ nhận được 20.000.000 VND từ hợp đồng tương lai,giảm thiểu được rủi ro và tối ưu hóa lợi nhuận trong việc mua USD để thanh toán cho

lô hàng xuất khẩu của mình Đồng thời, doanh nghiệp cũng có thể sử dụng hợp đồngquyền chọn để bảo vệ mình khỏi rủi ro tỷ giá hối đoái Ví dụ, họ có thể mua một hợpđồng quyền chọn mua 100.000 USD với giá thực hiện là 23.000 VND/USD, với mộtphí mua quyền là 5.000.000 VND Nếu tỷ giá hối đoái tăng lên 23.200 VND/USD vàongày giao dịch, doanh nghiệp có thể sử dụng quyền chọn mua để mua 100.000 USDvới giá 23.000 VND/USD, giảm thiểu được thiệt hại do biến động của tỷ giá Ngượclại, nếu tỷ giá không thay đổi hoặc giảm, họ chỉ mất 5.000.000 VND phí mua quyềnchọn mà không cần thực hiện giao dịch mua

VD2: Công ty A là một nhà sản xuất ô tô, đang cần mua thép để sản xuất các bộ

phận ô tô Công ty B là một nhà sản xuất thép lớn, có khả năng cung cấp lượng thépcần thiết cho Công ty A Thỏa thuận mua bán: Công ty A và Công ty B đồng ý ký kếtmột hợp đồng mua bán thép với số lượng cụ thể và giá cố định trong một thời giantương lai Ví dụ, hợp đồng có thể là một hợp đồng kỳ hạn với số lượng 100 tấn thép,giá 10.000 VNĐ/kg, và thời hạn là 3 tháng

Quản lý rủi ro: Cả Công ty A và Công ty B đều muốn bảo vệ mình khỏi rủi ro liênquan đến biến động giá thép trong tương lai Để làm điều này, họ sử dụng hợp

16

đồng kỳ hạn để khóa giá cố định cho việc mua bán thép trong tương lai Điều này giúp

họ biết trước chi phí và doanh thu, từ đó quản lý tốt hơn chiến lược kinh doanh củamình Thực hiện giao dịch: Công ty A và Công ty B thực hiện giao dịch hợp đồng kỳhạn thông qua các bên trung gian hoặc sàn giao dịch tài chính Công ty A sẽ

trả tiền cho Công ty B dựa trên giá và số lượng được xác định trong hợp đồng

Lợi ích: Khi giá thép tăng trong thời gian hợp đồng, Công ty A sẽ được hưởng lợi bởigiá cố định đã khóa trước đó, giúp họ tiết kiệm chi phí Ngược lại, nếu giá thép giảm,

Công ty B sẽ vẫn nhận được giá cố định từ Công ty A, giúp họ bảo vệ doanh thu củamình Trong trường hợp này, hợp đồng kỳ hạn giúp cả hai bên quản lý rủi ro và tạo ra

ổn định cho việc mua bán thép giữa Công ty A và Công ty B

1.2 Tổng quan về biến động giá và dự báo biến động giá trên thị trường giao dịch hàng hóa

Biến động giá đã là một phần không thể thiếu trong lịch sử của các thị trường tàichính và hàng hóa từ rất lâu Từ thời kỳ cổ điển của sự mua bán hàng hóa trong các chợđến sự phát triển của các sàn giao dịch hiện đại, biến động giá luôn là yếu tố quyết địnhtrong quá trình xác định giá cả và quyết định đầu tư

Giai đoạn tiền đồng và giao dịch hàng hóa:

Khi con người bắt đầu trao đổi hàng hóa, sự biến động giá đã xuất hiện Trongnhững thời kỳ tiền đồng, việc trao đổi hàng hóa thường dựa trên sự đánh giá của cộngđồng về giá trị thực của chúng, dẫn đến sự biến động giá dựa trên nhu cầu và cung cầu.Các giao dịch này thường được thực hiện thông qua trao đổi trực tiếp hoặc thông quacác trung gian như thương nhân

Sự ra đời của các sàn giao dịch:

Với sự phát triển của các sàn giao dịch chứng khoán và hàng hóa trong thế kỷ 19

và 20, biến động giá trở nên phổ biến hơn và phức tạp hơn Các sàn giao dịch cung cấp một môi trường cơ cấu hóa và hệ thống hóa cho việc giao dịch, đồng thời tạo ra các công cụ và phương tiện để theo dõi và phân tích biến động giá

Cách mạng công nghệ và thị trường tài chính hiện đại:

17

Sự phát triển của công nghệ thông tin và internet đã thay đổi cách thức giao dịch

và quản lý rủi ro trên các thị trường tài chính và hàng hóa Các hệ thống giao dịch điện

tử và phần mềm giao dịch đã tạo điều kiện cho việc thực hiện các giao dịch nhanhchóng và hiệu quả hơn, đồng thời tăng cường sự tranh đua và biến động giá trên thịtrường Trong thế kỷ 20, với sự ra đời của các sàn giao dịch chứng khoán lớn như NewYork Stock Exchange (NYSE) và London Stock Exchange (LSE), biến động giá trởthành một vấn đề quan trọng hơn bao giờ hết Sự phát triển của công nghệ và thông tin

đã làm cho thị trường trở nên phức tạp hơn, đồng thời tạo ra cơ hội và thách thức mớitrong việc dự báo và quản lý biến động giá

1.2.1 Định nghĩa, vai trò và ý nghĩa

Định nghĩa: Biến động giá là sự thay đổi của giá cả hàng hóa, dịch vụ hoặc tài sản

trong một khoảng thời gian cụ thể Biến động giá có thể được đo lường theo nhiều cáchkhác nhau, bao gồm tỷ lệ phần trăm thay đổi, giá trị tuyệt đối, hoặc bằng cách sử dụngcác chỉ số như chỉ số biến động (Investopedia, “Price Volatility”)

Vai trò:

• Cung cầu và hiệu quả thị trường: Biến động giá là một cách để thị trường điềuchỉnh cung cầu và đưa ra giá cả hiệu quả cho các tài sản và hàng hóa Khi cungcầu thay đổi, biến động giá giúp thị trường thích nghi và tìm ra giá cả cân bằngmới

• Dự báo và phân tích thị trường: Biến động giá cung cấp thông tin quan trọng choviệc dự báo và phân tích thị trường Phân tích kỹ thuật thường sử dụng biếnđộng giá để đưa ra dự đoán về hướng đi tiếp theo của thị trường

• Tác động đến nền kinh tế: Biến động giá cũng có thể ảnh hưởng đến nền kinh tếmột cách toàn diện, đặc biệt là đối với các nền kinh tế dựa vào xuất khẩu hànghóa hoặc tài nguyên tự nhiên Sự biến động giá có thể tạo ra cơ hội hoặc tháchthức cho các quốc gia và doanh nghiệp

Ý nghĩa: Biến động giá không chỉ là một hiện tượng trên thị trường, mà còn là một yếu

tố quyết định trong quyết định đầu tư và kinh doanh của hàng triệu nhà đầu tư và doanhnghiệp trên khắp thế giới Hiểu biết về biến động giá là quan trọng để

• Quyết định về chiến lược kinh doanh: Sự hiểu biết về biến động giá giúp cácdoanh nghiệp trong chuỗi cung ứng định hình chiến lược kinh doanh của họ Từviệc quyết định về sản xuất, lập kế hoạch vận chuyển đến việc định giá sảnphẩm, biến động giá đều ảnh hưởng đến các quyết định chiến lược này

1.2.2 Đo lường biến động giá

Biến động giá được đo lường bằng nhiều phương pháp cách thức khác nhau, tùythuộc vào loại tài sản hoặc thị trường cụ thể Dưới đây là một số phương pháp phổ biến

để đo lường sự biến động giá:

Phần trăm biến động: Đây là phương pháp đơn giản nhất, đo lường biến động

bằng phần trăm thay đổi giữa giá hiện tại và giá trong quá khứ Điều này giúp loại bỏ

sự khác biệt trong giá cả giữa các tài sản hoặc hàng hóa và cho phép so sánh mức độbiến động giá giữa chúng Ví dụ: Giá vàng là $1,800 mỗi ounce vào tháng trước và

$1,850 mỗi ounce vào tháng này Phần trăm biến động giá trong thời gian này là(($1,850 - $1,800) / $1,800) * 100% = 2.78%

Biến động giá tuyến tính: Biến động giá tuyến tính là sự thay đổi trực tiếp trong

giá cả của tài sản hoặc hàng hóa trong một khoảng thời gian nhất định Phương phápnày đơn giản là lấy sự khác biệt giữa giá hiện tại và giá trong một khoảng thời giantrước đó Ví dụ: Giá cổ phiếu của công ty ABC là $50 vào ngày

19

hôm qua và $55 vào ngày hôm nay Sự biến động giá tuyến tính trong khoảng thời giannày là $55 - $50 = $5

Biến động giá trung bình: Biến động giá trung bình là giá trị trung bình của sự

thay đổi giá cả trong một khoảng thời gian nhất định Phương pháp này thường được sửdụng để làm mịn các dao động ngắn hạn và làm nổi bật xu hướng dài hạn của thịtrường Ví dụ: Trong một tuần giao dịch, giá cổ phiếu của công ty XYZ tăng $2 vàongày thứ Hai, giảm $1 vào ngày thứ Ba, tăng $3 vào ngày thứ Tư, giảm $2 vào ngàythứ Năm và tăng $4 vào ngày thứ Sáu Biến động giá trung bình trong tuần này sẽ là(($2 - $1 + $3 - $2 + $4) / 5) = $1.2

Phương sai (Variance): Phương sai đo lường mức độ phân tán của các giá trị từ

giá trị trung bình Trong ngữ cảnh của biến động giá, phương sai thể hiện mức độ biến động của giá so với mức giá trung bình Phương sai càng cao, sự biến động giữa các điểm dữ liệu càng lớn Phương sai được tính bằng cách lấy tổng bình phương của sự chênh lệch giữa mỗi giá trị và giá trị trung bình, sau đó chia cho số lượng quan sát

• ��̅) là giá trị trung bình của tất cả quan sát

Độ lệch chuẩn (Standard Deviation): Độ lệch chuẩn cũng đo lường mức độ biến

động của dữ liệu, tuy nhiên nó thể hiện biến động theo đơn vị đo lường chuẩn hóa, giúp

so sánh biến động giữa các tài sản khác nhau Độ lệch chuẩn càng lớn, sự biến động càng lớn Độ lệch chuẩn được tính bằng:

Standard Deviation = √���������������� (1.2)

VD: Giả sử chúng ta có một tập dữ liệu các giá trị của một cổ phiếu trong 5 ngày giao dịch như sau: $10, $12, $11, $13, $10

20

Tính Phương Sai (Variance):

Bước 1: Tính giá trị trung bình của tập dữ liệu:

Giá trị trung bình = (10 + 12 + 11 + 13 + 10) / 5 = $11.20

Bước 2: Tính sự chênh lệch của mỗi giá trị so với giá trị trung bình và bìnhphương nó: (10 - $11.20)^2 = $1.44; (12 - $11.20)^2 = $0.64; (11 - $11.20)^2 = $0.04;(13 - $11.20)^2 = $3.24; (10 - $11.20)^2 = $1.44

Bước 3: Tính tổng của các bình phương chênh lệch:

Vậy phương sai của tập dữ liệu là $1.36

Tính Độ Lệch Chuẩn (Standard Deviation):

Độ lệch chuẩn là căn bậc hai của phương sai:

Độ lệch chuẩn = căn bậc hai của $1.36 ≈ $1.17

Vậy độ lệch chuẩn của tập dữ liệu là khoảng $1.17

Chỉ số biến động: Chỉ số biến động giá là một công cụ phân tích thống kê được

sử dụng để đo lường mức độ biến động của thị trường trong một khoảng thời gian nhấtđịnh Chỉ số biến động giá thường được tính toán dựa trên độ lệch chuẩn của giá cảtrong quãng thời gian đó Ví dụ: Chỉ số biến động giá của S&P 500 là một chỉ số thống

kê thường được sử dụng để đo lường mức độ biến động của thị

trường chứng khoán Mỹ Nó được tính toán dựa trên độ lệch chuẩn của giá cả của các

cổ phiếu trong chỉ số trong một khoảng thời gian nhất định

Đồ thị biến động giá (Price Volatility Chart): Sử dụng đồ thị để biểu diễn biến

động giá theo thời gian, từ đó có thể quan sát mức độ biến động của giá trong mộtkhoảng thời gian cụ thể

21

Bảng biến động (Volatility Table): Một cách khác để hiểu biến động giá là thông

qua việc xây dựng bảng thống kê biến động, trong đó liệt kê các thông số như biếnđộng hàng ngày, hàng tuần, hàng tháng, v.v

1.2.3 Một số phương pháp dự báo biến động giá

Việc dự báo biến động giá là một trong những thách thức quan trọng trong lĩnh vực tài chính và kinh doanh Để dự báo biến động giá hiệu quả, nhiều phương pháp đã được phát triển và áp dụng trong thực tế Dưới đây là một số phương pháp dự báo biến động giá phổ biến

Phân tích kỹ thuật: Phương pháp này tập trung vào việc phân tích dữ liệu lịch sử

về giá cổ phiếu, tập trung vào các mẫu, xu hướng và các chỉ báo kỹ thuật nhưMA,MACD (Moving Average Convergence Divergence), RSI (Relative StrengthIndex), và Bollinger Bands để dự đoán biến động giá Dưới đây là một số chỉ báothường dùng:

• Moving Average (MA): Đây là một trong những chỉ báo kỹ thuật phổ biến nhất

Nó tính trung bình giá của một cổ phiếu trong một khoảng thời gian nhất định

(ví dụ: 50 ngày, 200 ngày) và tạo ra đường trung bình di động Đường MA cóthể được sử dụng để xác định xu hướng chung của cổ phiếu

• Relative Strength Index (RSI): Chỉ báo RSI đo sự mạnh mẽ của một xu hướngbằng cách so sánh tỉ lệ giữa lợi nhuận và lỗ trong một khoảng thời gian nhấtđịnh RSI thường được sử dụng để xác định mức độ mua vào hoặc bán ra củamột cổ phiếu

• Bollinger Bands: Được tạo ra từ đường trung bình di động và độ lệch chuẩn của giá, Bollinger Bands đo lường độ rộng của dải giá và được sử dụng để xác định

sự quá mua hoặc quá bán của một cổ phiếu

• MACD (Moving Average Convergence Divergence): MACD sử dụng sự khác biệtgiữa hai đường trung bình di động để xác định sự tăng trưởng hoặc giảm giá củamột cổ phiếu Nó cũng cung cấp tín hiệu mua và bán dựa trên các điểm cắt của cácđường này Sử dụng chỉ báo MACD (Moving Average Convergence Divergence) -

một chỉ báo phổ biến trong phân tích kỹ thuật

22

MACD sử dụng sự khác biệt giữa hai đường trung bình di chuyển (EMA Exponential Moving Average) để đo lường đà tăng giảm của giá cổ phiếu Khiđường MACD cắt lên đường trung bình (EMA), đây có thể là một tín hiệu mua;ngược lại, khi MACD cắt xuống đường EMA, đây có thể là một tín hiệu bán Hình 1.2 ở dưới, sử dụng phân tích kỹ thuật để dự đoán biến động giá củaEURO/USD Bằng cách sử dụng RSI, khi nhận thấy RSI của cặp tiền tệ nàyđang ở mức cao, chỉ ra một tín hiệu quá mua Đồng thời, Bollinger Bands chothấy giá giá cặp tiền tệ này đang nằm ở đỉnh dải, cho thấy có nguy cơ cao hơn

-về sự điều chỉnh giá Điều này có thể gợi ý cho đây có thể là thời điểm để bánhoặc ít nhất là không mua vào lúc này

Hình 1.2 Kết hợp chỉ báo kỹ thuật

(Nguồn: Brokerxplore.com)

• Sóng Elliott và sử dụng các mẫu hình khác: Dựa trên giả thuyết rằng thị trườngdiễn ra theo chu kỳ và sóng, phương pháp này cố gắng dự đoán biến động giá bằngcách phân tích các mẫu sóng của thị trường Lý thuyết sóng Elliott cho rằng thịtrường phát triển theo các chu kỳ sóng, trong đó có sóng tăng (sóng sóng) và sónggiảm (sóng phản) Mỗi chu kỳ sóng được chia thành các phần chính (sóng) và phầnphụ (con sóng) Cấu trúc sóng chính gồm 5 sóng: Sóng 1: thường là sóng bắt đầucủa một chu kỳ mới và thường là sóng tăng nhẹ Sóng 2: thường là sự điều chỉnhcủa sóng 1 và có thể làm giảm giá cả Sóng 3: thường là sóng mạnh nhất và kéo giálên hoặc xuống rất nhanh Sóng 4: thường là sự điều chỉnh của sóng 3 và có thể làmgiảm giá cả Sóng 5: thường là sóng cuối cùng của chu kỳ và thường là sóng tăng

Mô phỏng Monte Caclo: Phương pháp Monte Carlo được sử dụng rộng rãi trong

dự báo biến động giá tài sản tài chính như giá cổ phiếu, giá dầu, và giá vàng Đây làmột công cụ mạnh mẽ để ước lượng rủi ro và xác định kỳ vọng trong một môi trườngkhông chắc chắn Dưới đây là một số điểm quan trọng và ví dụ về việc sử dụng MonteCarlo trong dự báo biến động giá:

• Đánh giá rủi ro: Monte Carlo có thể giúp đánh giá rủi ro bằng cách tạo ra các kịchbản ngẫu nhiên cho biến động giá tài sản trong tương lai Các kịch bản này sau đóđược sử dụng để tính toán phân phối xác suất của các kết quả khác nhau, từ đó đánh

giá được mức độ rủi ro của các quyết định đầu tư

• Định giá tùy chọn: Trong thị trường tài chính, đặc biệt là đối với các tùy chọn,

việc định giá dựa trên phương pháp Monte Carlo được coi là một trong nhữngphương pháp mạnh mẽ nhất Monte Carlo cho phép mô phỏng các đường giángẫu nhiên và từ đó ước lượng giá trị của tùy chọn

• Dự báo biến động giá dầu và vàng: Trong nghiên cứu thực tiễn, Monte Carlo đãđược sử dụng để dự báo biến động giá dầu và vàng Bằng cách tạo ra các mẫungẫu nhiên cho các yếu tố ảnh hưởng đến giá, như tình hình kinh tế toàn cầu,cung cầu, và tình hình chính trị, Monte Carlo có thể tạo ra các kịch bản khácnhau cho giá và từ đó đánh giá rủi ro và dự báo

24

• Mô hình hóa biến động stochastics: Monte Carlo cũng có thể được sử dụng để môhình hóa biến động stochastics của giá tài sản Bằng cách mô phỏng các đườnggiá dựa trên các quy trình ngẫu nhiên như phương trình Langevin hoặc phươngtrình Black-Scholes, Monte Carlo có thể tạo ra các kịch bản dự

báo cho biến động giá

Ví dụ cụ thể, một nghiên cứu có thể sử dụng Monte Carlo để dự báo biến độnggiá dầu trong tương lai bằng cách tạo ra hàng ngàn kịch bản khác nhau dựa trên các yếu

tố như sự biến động của thị trường toàn cầu, sản lượng dầu của các quốc gia lớn, vàtình hình chính trị ở các khu vực chủ chốt Kết quả của các mô phỏng này có thể cungcấp thông tin quý giá cho các nhà đầu tư và các quyết định chiến lược

Hình 1.4 ở dưới là một đồ thị thể hiện 20 trường hợp về dự đoán giá cổ phiếu Từ

đó có thể giúp cho nhà đầu tư khống chế được một khoảng giá nhất định để chốt lờihoặc cắt lỗ Nhà đầu tư có thể tham khảo để quản lý rủi ro trong quyết định đầu tư

Hình 1.4 Mô phỏng Monte Caclo

(Nguồn: 440Analytics.com)

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity):

Mô hình được phát triển để mô hình hóa biến động điều kiện của phương sai trongchuỗi dữ liệu thời gian, tức là biến động giá có thể biến đổi theo thời gian Mô hình nàyđược sử dụng để dự báo biến động giá trong các thị

25

trường tài chính, nơi biến động không ổn định và thay đổi theo thời gian Ví dụ, trongthị trường chứng khoán, một cổ phiếu có thể trải qua các giai đoạn của biến động giácao và thấp Trong những thời kỳ ổn định, giá có thể dao động ít và biến động giá nhỏ.Tuy nhiên, khi có các yếu tố không chắc chắn xuất hiện, như tin tức kinh doanh khôngmong đợi hoặc sự biến đổi của thị trường lớn, giá có thể tăng đột ngột hoặc giảm sâu,tạo ra biến động giá lớn Do đó, mô hình GARCH được sử dụng để mô hình hóa và dựbáo biến động giá không đồng nhất này, bằng cách ước lượng biến đổi của phương saidựa trên dữ liệu lịch sử và các yếu tố khác nhau trong thị trường Mô hình GARCH cóthể giúp định lượng rủi ro bằng cách ước tính các tham số để mô hình hóa sự biến độngtrong giá cổ phiếu, giúp nhà đầu tư tính toán được VaR (Value at Risk), là mức độ rủi

ro tối đa nhà đầu tư có thể chịu được

Mô hình ARIMA (AutoRegressive Integrated Moving Average): Đây là một mô

hình mạnh mẽ và phổ biến trong phân tích chuỗi thời gian Đối với các bài toán yêu cầuphân tích và dự báo chuỗi thời gian, ARIMA có thể được sử dụng đồng thời với các môhình học máy để so sánh và kết hợp kết quả dự báo, tùy thuộc vào đặc điểm của dữ liệu

và yêu cầu cụ thể của bài toán Mô hình là sự kết hợp ba thành phần: AutoRegressive(AR), Integrated (I), và Moving Average (MA) Phương trình tổng thể của mô hìnhARIMA(p, d, q) có dạng:

����: các hệ số của phần AutoRegressive (AR)

����: các hệ số của phần Moving Average (MA)

����: phần dư (white noise)

Các bước để thực hiện dự báo bằng mô hình ARIMA có thể tóm lược qua các bước thu thập dữ liệu, làm ổn định chuỗi thời gian, xác định tham số cho mô hình

26

(có thể phân tích bằng Python hoặc R), sau đó có thể thay các tham số ước lượng vào

công thức (1.3), kết hợp với dữ liệu giá quá khứ để dự báo giá tương lai

1.3 Tổng quan về học máy trong dự báo biến động giá trên thị trường giao dịch hàng hóa

27

bắt được machine learning là gì và nó hoạt động như thế nào đang phát triển" Học máyngày càng thu hút sự chú ý trong cộng đồng dự báo và đang được coi là đối thủ cạnh tranh nghiêm túc với các phương pháp thống kê (Bontempi và cộng sự, 2012)

1.3.2 Cơ sở lý thuyết xây dựng mô hình học máy

Học máy là một lĩnh vực của trí tuệ nhân tạo (AI) mà trong đó máy tính được lập trình

để học từ dữ liệu và tạo ra các dự đoán hoặc quyết định mà không cần phải được lậptrình cụ thể cho mỗi trường hợp Trong dự báo tài chính, học máy có thể được áp dụng

để dự đoán biến động giá, phân loại các tín hiệu giao dịch, đánh giá rủi ro và nhiều ứngdụng khác Cơ sở lý thuyết của học máy bắt nguồn từ các khái niệm trong thống kê và

lý thuyết xác suất Dưới đây là một số khái niệm quan trọng:

Thuật toán học máy:

Học có giám sát (Supervised Learning): Trong loại hình này, mô hình được huấnluyện trên một tập dữ liệu có nhãn, trong đó mỗi mẫu dữ liệu đi kèm với một nhãn hoặcđầu ra mong muốn Mục tiêu là dự đoán nhãn cho các mẫu dữ liệu mới mà mô hìnhchưa từng thấy trước đó

Học không giám sát (Unsupervised Learning): Trái ngược với học có giám sát,trong loại hình này, mô hình được huấn luyện trên tập dữ liệu không có nhãn Mục tiêu

là khám phá cấu trúc ẩn trong dữ liệu, chẳng hạn như phân cụm hoặc giảm chiều dữliệu

Học bán giám sát (Semi-supervised Learning): Là sự kết hợp giữa học có giámsát và không giám sát, trong đó một phần dữ liệu có nhãn và một phần không có nhãnđược sử dụng để huấn luyện mô hình

Mô hình học máy:

Mô hình hồi quy (Regression Models): Được sử dụng để dự đoán một giá trị liên tụcdựa trên dữ liệu đầu vào Trong dự báo tài chính, các mô hình hồi quy có thể được sử

dụng để dự đoán giá cổ phiếu, lãi suất, hoặc các chỉ số tài chính khác

Mô hình phân loại (Classification Models): Được sử dụng để phân loại các mẫu

dữ liệu vào các nhóm hoặc lớp khác nhau Trong dự báo tài chính, các mô hình

28

phân loại có thể được sử dụng để phân loại các tín hiệu giao dịch là mua, bán hoặc giữ

Đánh giá và tối ưu hóa:

Mất mát (Loss Function): Đo lường sự khác biệt giữa giá trị dự đoán và giá trị thực tế Mục tiêu là tối thiểu hóa hàm mất mát để mô hình dự đoán có thể càng chính xác càng tốt

Tối ưu hóa: Quá trình điều chỉnh các tham số của mô hình để tối thiểu hóa hàm mất mát Phương pháp phổ biến nhất là gradient descent

Học máy trong dự báo tài chính sử dụng các kỹ thuật này để xây dựng các môhình có khả năng dự đoán giá trị tài chính trong tương lai dựa trên dữ liệu lịch sử và cácyếu tố khác Điều này giúp nhà đầu tư và các quỹ đầu tư đưa ra quyết định dựa trênthông tin dự đoán được và giảm thiểu rủi ro đầu tư

1.3.3 Những tiến bộ của học máy so với phương pháp truyền thống

Hạn chế của các phương pháp truyền thống:

• Phân tích kỹ thuật: Phụ thuộc vào quan sát lịch sử Phân tích kỹ thuật dựa vào dữ liệu lịch sử của giá cổ phiếu, điều này có thể là một hạn chế nếu thị trường phản ánh thông tin mới mà không có tiền lệ trong dữ liệu lịch sử Khả năng dự đoán cũng hạn chế Các chỉ báo kỹ thuật có thể không luôn hiệu quả trong việc dự đoán biến động giá trong tương lai, đặc biệt là trong các điều kiện thị trường không ổn định hoặc biến động mạnh

• Monte Carlo: Đòi hỏi mô hình hoàn chỉnh để áp dụng phương pháp Monte Carlo,cần phải có một mô hình toán học hoàn chỉnh về quá trình được mô phỏng Việcxây dựng mô hình này có thể phức tạp và đòi hỏi nhiều kiến thức chuyên môn.Hơn nữa, cũng khó đánh giá độ chính xác Kết quả của Monte Carlo phụ thuộcvào việc chọn các phân phối xác suất và các giả định

• Mô hình GARCH: Giả định về phân phối chuẩn: Mô hình GARCH giả định rằng biến động giá theo phân phối chuẩn, điều này có thể không phản ánh

29

chính xác sự biến động thực tế của thị trường Nó cũng khó tính toán, phức tạp

và cần nhiều kiến thức về thống kê để triển khai

Ưu việt của học máy trong dự báo biến động giá:

• Khả năng xử lý dữ liệu lớn: Học máy có thể xử lý lượng lớn dữ liệu và phát hiện các mẫu phức tạp trong dữ liệu mà các phương pháp truyền thống có thể bỏ qua

• Tính linh hoạt: Học máy cho phép sử dụng nhiều loại dữ liệu đa dạng, bao gồm cả

dữ liệu cơ bản, kỹ thuật và không gian thời gian, để tạo ra các mô hình dự báo

chính xác

• Khả năng học và cải thiện: Học máy có thể học từ dữ liệu mới và điều chỉnh các

mô hình dự báo của nó theo thời gian, giúp cải thiện độ chính xác và linh hoạtcủa dự báo

• Khả năng dự báo trong thời gian thực: Các mô hình học máy có thể được triểnkhai để dự báo biến động giá trong thời gian thực, giúp nhà giao dịch phản ứngnhanh chóng với các thay đổi trên thị trường

• Tính đa dạng của mô hình: Học máy cung cấp một loạt các mô hình và kỹ thuật, từ

mô hình hồi quy đến mạng nơ-ron, cung cấp nhiều lựa chọn cho việc dự báo biến động giá

1.3.4 Một số thuật ngữ phổ biến

Biến độc lập và biến phụ thuộc: Trong một nghiên cứu hoặc thí nghiệm, biến độc

lập và biến phụ thuộc đóng vai trò quan trọng trong việc hiểu và mô hình hóa mối quan

hệ giữa các yếu tố

• Biến độc lập là những yếu tố hoặc điều kiện mà nghiên cứu giả định sẽ ảnh hưởng đến kết quả hoặc hiện tượng mà chúng ta muốn nghiên cứu Đây là những yếu tố mà chúng ta có khả năng thay đổi hoặc điều chỉnh trong một thí nghiệm hay nghiên cứu

30

• Biến phụ thuộc là kết quả hoặc hiện tượng mà chúng ta quan tâm đến và muốn

dự đoán hoặc giải thích bằng các biến độc lập

Tóm lại, biến độc lập là những yếu tố có thể thay đổi, trong khi biến phụ thuộc làkết quả hoặc hiện tượng mà chúng ta muốn dự đoán hoặc giải thích bằng các biến độclập Quan hệ giữa hai loại biến này cung cấp cơ sở cho việc xây dựng mô hình và hiểu

rõ hơn về các mối quan hệ trong nghiên cứu và thực tế

Overfitting (Quá mức): Overfitting xảy ra khi mô hình học máy được tinh chỉnh

quá mức để phù hợp với dữ liệu huấn luyện, đồng nghĩa với việc nó "nhớ" dữ liệu huấn luyện thay vì "học" từ dữ liệu đó Khi xảy ra overfitting, mô hình có thể hoạt động rất tốt trên dữ liệu huấn luyện nhưng hiệu suất dự báo trên dữ liệu mới sẽ kém Điều này