Ứng Dụng Học Máy Trong Dự Báo Biến Động Giá Thép Trên Thị Trường Giao Dịch Hàng Hóa.pdf

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.. Mục tiêu Mục tiêu nghiên c

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

ĐÈ ÁN TÓT NGHIỆP

UNG DUNG HOC MAY TRONG DU BAO

BIEN DONG GIA THEP TREN THI TRUONG

GIAO DICH HANG HOA

Nganh: Tai chinh — ngân hàng

Ma so: 8340201

Ho va tén hoc vién: Pham Son Ting

Người hướng dẫn: PGS.TS Nguyễn Việt Dũng

Hà Nội — 2024

Tôi cam đoan rằng đề án này là công trình nghiên cứu của riêng tôi dưới sự hướng 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 trách nhiệm trước nhà trường vê sự cam đoan nay

Hà Nội, 22 tháng 03 năm 2024

PHẠM SƠN TÙNG

Tôi cũng muốn bày tỏ lòng biết ơn chân thành đến tất cả các thầy cô đã dạy các môn học cho tôi trong suốt quá trình học tập 2 năm tại trường, những người đã dành thời gian và kiến thức của mình để hướng dẫn và động viên tôi trong suốt quá

trình thực 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

thuật của mình

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

Hà Nội, 22 thẳng 03 năm 2024

Tác giả đề án

PHẠM SƠN TÙNG

MỤC LỤC

LỜI CẢM ƠN 2222222222222222222222222211122222.22222121111111 11111111 ecrree ii

DANH MỤC TỪ VIẾT TẮTT -2+222+2E+7E2EE£2EE27E+27E27EE27E71E71E212EEeEEerree Vv DANH MUC BANG 0.ooioocccccccsessscssssesssseeseesssvesseesssesssecesesesecssucsssesssevessesssevesseeeseees vi DANH MỤC HÌNH -2- 222 252752112711 27E27.27 ererree vii

1.1.3 Các sàn giao dịch hàng hóa trên thé 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 Cich hamg 6a 16 1.2.1 Định nghĩa, vai trò và ý mghia oo eee eect etcecceeeeeeeeeeeeeeeeeeeees 17 1.2.2 Do long bién dOng gid occ eccceccceecce cess ecsseesseesssecsseecsseesseessseesees 18 1.2.3 Một số phương phap dw bao bién dong gid eee eee 21 1.3 Tổng quan về học máy trong dự báo biến động giá trên thị trường giao Cich hamg 6a 26

1.3.1 Vài nét về lich S00 ccc cccccccccecsecseesseessesseeeseessesseesseessesseesseeesesseesseeess 26

1.3.2 Cơ sở lý thuyết xây dung mô hình học máy, -2- 22 2+2 27 1.3.3 Những tiến bộ của học máy so với phương pháp truyền thống 28 1.3.4 Một số thuật ngữ phỗ biến 2222222212122 CE re 29 1.3.5 Các mô hình học máy phố biến trong dự báo tài chính 36 1.3.6 Quy trình triển khai bài toán du bao machine learning 41

CHƯƠNG 2:

UNG DUNG HQC MAY TRONG DU BAO BIEN DONG GIA THEP TREN THI TRUONG GIAO DICH HANG HOA 0.0 cccccccssesseessesseeeseeseeesesseeveees 44

2.1 Vài nét về thị trường thép 2-+222+EEE2EEE22E12271E2711211 2211211 xe 44

2.1.1 Quá trình phát triễn 22-2222 2E222 2215272112711 ere 44

2.1.2 Quy trình sản xuất thép -2- 2222222222221 ee 46 2.1.3 Những nhân tố ảnh hưởng tới giá thép 22 22+2zze+czcxee 48 2.2 Xây dựng mô hình học máy cho dự báo giá thép - - 55 =-=+ 49 2.2.1 Lựa chọn biến cho mô hình 222222221 SEE22EE27EE27EE2EEeEEEerrrrrrer 49 2.2.2 Khung thời gian chung của biến 22-22 222S2EE2EEerEErrrrrcree 56 2.2.3 Data_Frame của tập dữ liệu - - + 525222 S222E2E+E2zEzrrErrrrrrrrrrree 57 2.2.4 Hệ số tương quan 22 222+222+2EE22EEE22E12271171127112711271.2211 1 ee 58 2.2.5 Dw bao gia thép str dung m6 hinh Random Forest - 60 2.2.6 Huấn luyện mô hình và kết quả 22222 z2+E+z+zz+zzz+rzerre 62 2.2.7 Chiến lược cho doanh nghiệp -2-©22+Cz2YE£EEE2EEerrrrerrrcrre 66 2.2.8 Ứng dụng dự báo giá thép trong thời gian tới -2-cs+- 67

2.2.9 Giải pháp, điều kiện thực hiện mô hình 22 sz+2zzz+zz+ee 70

2.2.10 Một số khuyến nghị 2-22 S2SS2CEE 3227112711211 cee 75

KẾT LUẬN 2222222527122712727 2 E.EEerrerrererrrrererere 78 TÀI LIỆU THAM KHẢO: 222-2222 222152221112713127211 22112212 erre 79

LME London Metal Exchange Sàn giao dịch kim loại

NYMEC New York Mercantile | San giao dich hang hoa

Vietnam Việt Nam

Autoregressive Conditional Heteroskedasticity

Convergence Divergence _| hdi tu phan kỳ RSI Relative Strength Index Đường chỉ số sức mạnh

tương đối

Bảng 1.1: Bảng 1.2: Bảng 1.3: Bảng 1.4: Bảng 1.5: Bảng 2.1: Bảng 2.2: Bảng 2.3:

DANH MUC BANG

Cac loai hop déng hang hoa oo ecceecceecceeeceeessseeseeessseessessseeene 12

Một số sàn giao dịch nỗi tiếng 222222222122 1 re 14 So sánh Overfitting và Underfitfing 55-52 s+ssss+eszeseses 31 Các phương pháp Cross Validation 555552 sssss+esss+esxs 35

Đặc điểm các mô hình học máy 22-©22z2222Eztz2Execrrrrerrrree 41

Khung thời gian chung của biến 2-©-22©22zc2czerrrrrree 56 Hệ số tương quan các biến 22-2222 S2222EE222EE222E 222.2 crrev 60

Kết quả ước lượng giá các biến độc lập 2- z+2zz+ce+ 69

DANH MỤC HÌNH

Hình 1.1: Giá thép thanh trên sàn LME À - 55522 +c+e+e+eeerrerrrrrrrrrre 7

Hình 1.2: Kết hợp chỉ báo kỹ thuật 22 ©222222222222712222712227112222122221 cee 22

Hình 1.3: Sóng Ellio( - - 5222222333323 25123 351211215171 1212111111 23 Hình 1.4: Mô phỏng Monte Caclo - 5-5 Sc+c+*+E+x+Evrerererrrrrrrrrrerree 24 Hình I.5: Cây quyết định -©222222222222222222122 22721122211 ccrrrvev 36 Hình 1.6: Mô hình Random F0res§£ 2-2252 SS+E+E+£zEzEzE£Ezeezxrxrerererrs 37

Hình 1.7: Mô hình GBM - 522C St +22 zrrrrrrrrrrrrrrrrrrrrrrrrrrrrree 38 lì) 80.0/0090))/1080.40 01 1 39 lì) 088.0009001 0)0115 40 Hình 2.1: Top quốc gia sản xuất thép 20243 -22-22222z+c2czzzccrrrrrev 45

Hình 2.2: Sự trỗi dậy của thép Trung Quốc 2-©22222222222222222222-cee 46

Hình 2.3: Quy trình sản xuất thép 222222222zc2EEEEzrrrrrrrrrrrrrrev 47

Hình 2.4: Giá thép thanh trên sàn LME - 5+ 5+c+s+z+zerererrerererrex 50 Hình 2.5: Giá quặng sắt trên sàn CME -2 222222222222zcrrrrrrrrrrrrev 51 Hình 2.6: Giá than cốc trên sàn DCE -2-©222222222222212227112222122222cee 52 Hình 2.7: Giá phế liệu trên sàn LME 2-22222222222222122272122221222222-cee 52 Hình 2.8: Giá dầu Brent trên sàn ICE 2222222222222222272122221222222-cee 53

Hình 2.9: Giá khí đốt trên sàn NYMEC -22222222222122221122221 222 cee 54 Hình 2.10: Tỉ giá AUD/USD trên sàn EX -5-2+c+csrcrrrrrrrrrrrrrree 54

Hình 2.12: Data_Frame của tập dữ liệu - + 525252 +22+zzzczzzxzxzeszrerrs 58 Hình 2.13: Data_Frame tập huấn luyện 2-©-2©22+EEz2EEz+Ezxzzrxerrrree 62 Hình 2.14: Mã code huấn luyện mô hình 2© sz+2E£22EE£+Ezzz2rxerrzree 63

Hình 2.15: Đồ thị trên tập huấn luyện -22©222+2EEe+EEEtEEEEeEEErrrrrrrrree 64

Hình 2.16: Data_Frame tập kiểm tra 2-©22222222E222222222E222222222222 e 64

Hình 2.17: Đồ thị trên tập kiểm tra 222222222221 22212 erreee 65

Hình 2.18: Cập nhập dữ liệu mới nhất -22222222E2222272222222222222.er 68 Hình 2.19: Kết hợp các mô hình dự báo -22222222222222222222221222222-cee 69

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 lich 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 thê 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 phô 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

áp dụng 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, các loại hợp đồng giao dịch, tổng quan về biến động giá và các phương pháp dự báo biến động giá 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 lý thuyết 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 xây dựng và đánh giá mô hình, tác giả cũng đã đưa ra các giải pháp, điều kiện

1

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 thê 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 lý rủi ro, lập kế hoạch tải 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

Thép đóng vai trò vô cùng quan trọng trong nền công nghiệp hiện đại, đặc biệt là đối với một đất nước đang phát triển nhanh như Việt Nam Là nền tảng của ngành công nghiệp xây dựng và cơ sở hạ tầng, thép là vật liệu không thể thiếu trong việc xây dựng các công trình giao thông, nhà ở, và các khu công nghiệp Thép cũng là nguyên liệu chính trong nhiều ngành công nghiệp then chốt như sản xuất ô tô, đóng

tàu, sản xuất thiết bị gia dụng, và nhiều lĩnh vực khác Chất lượng và giá cả của thép

không chỉ ảnh hưởng đến chỉ phí sản xuất mà còn tác động trực tiếp đến giá thành sản phâm cuối cùng Điều này làm cho việc dự báo giá thép trở thành một yếu tố sống còn đối với các doanh nghiệp trong ngành và cả nền kinh tế nói chung Giá thép thường biến động do nhiều yếu tố như sự thay đổi trong cung và cầu, biến

động của giá nguyên liệu, tình hình kinh tế toàn cầu, chính sách thương mại, và các

sự kiện địa chính trị Biến động giá thép có thể gây ra những tác động lớn đến nhiều lĩnh vực Thực tế cho thấy, giá thép tại thị trường Việt Nam thường diễn biến đồng pha với giá thép thế giới Bởi vậy, việc dự báo xu hướng thép trên thị trường giao dịch hàng hóa quốc tế chính là chìa khóa then chốt để xác định diễn biến giá thép tại

thị trường Việt Nam

Nhiều ngành nghề khác trong cuộc sống cũng cần sử dụng đến thép có thê bị ảnh hưởng bởi biến động giá thép Những biến động này không chỉ ảnh hưởng đến các doanh nghiệp sản xuất và kinh doanh thép mà còn tác động sâu rộng đến các ngành công nghiệp sử dụng thép và cả nền kinh tế Trong bối cảnh thị trường thép

quốc tế biến động mạnh do các yếu tố, các sự kiện bất ngờ như dịch bệnh, xung đột, việc có công cụ dự báo chính xác là vô cùng cấp thiết Các doanh nghiệp sản

xuất và kinh doanh thép trong nước, cũng như các doanh nghiệp sản xuất cần tiêu

thụ thép, cần dự báo giá chính xác để lập kế hoạch sản xuất, quản lý tồn kho, vả

định giá sản phâm một cách 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

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), May

vector hé tro (Support Vector Machines - SVM), Lap trinh di truyén (Genetic

Programming - GP), thuat toan K-lan can (K-nearest neighbors - KNN), m6 hinh

héi quy Logistic, phan tich phan biét tuyén tinh (Linear Discriminant Analysis - LDA), va phan tich phan biét toan phuong (Quadratic Discriminant Analysis - QDA), đang ngày càng trở nên phô biến, không chỉ trong học thuật mà còn trong

thực tiễn

Trong những năm gần đây, ngành thép trong và ngoài nước thường xuyên biến

động giá liên tục dưới tác động của suy thoái kinh tế do đại địch Covid-19 Tại Việt

Nam, theo đánh giá của Hiệp hội Thép Việt Nam (VSA) năm 2024, giá thép phế và phôi thép quy 1/2024 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 chỉnh tăng giá trong tháng 1/2024 và 4 đợt điều chỉnh giảm giá trong tháng 3/2024 Những biến động này càng làm nỗi bật tính cấp thiết của việc nghiên cứu và ứng dụng các công 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 nghiệp trong 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.

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 các doanh 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 cho các 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

biến độc lập khác là giá nguyên liệu đầu vào, các sự kiện Chủ thể áp dụng là các

doanh nghiệp thép và các doanh nghiệp liên quan đến thép tại Việt Nam như các doanh nghiệp trong các ngành xây dựng, sản xuất ô tô, sản xuất thiết bị gia dụng, và sản xuất máy móc cần dự báo giá thép dé lap kế hoạch sản xuất, quản lý tồn kho, và định giá sản phẩm

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 chỉ tiết về phạm vi nghiên cứu:

e Pham vi nội dung: Nghiên cứu nay sẽ tập trung vào việc dự báo giá thép dựa trên giá các loại hợp đồng giao dịch hàng hóa của nguyên liệu đầu vào, bao gồm nhưng không giới hạn ở các thị trường giao dịch hàng hóa

Phạm vi không gian: Nghiên cứu tập trung vào thị trường quốc tế, với đữ liệu được lấy từ các sàn giao dịch quốc tế như LME, ICE, thông qua trang web Investing.com Và ứng dụng dự báo giá cho các doanh nghiệp

tại thị trường Việt Nam Phạm vi thời gian: Thu thập dữ liệu lịch sử về giá thép và các biến độc

lập từ các sàn giao dịch quốc tế trong khoảng thời gian đủ dai dé dam bao tính liên tục và đầy đủ của đữ liệu, với tập dữ liệu chung trong khoảng 8 năm trở lại đây

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 đầu vào, 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 đữ 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 tô 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.

Đề án được chia thành 2 chương chính: ¢ Chuong 1: Tông 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 tổng quan thị trường giao dịch hàng hóa, biến động giá và các phương pháp để dự báo Chương này cũng nói đến ứng dụng học máy vào trong dự báo biến động giá và những điểm tiến bộ so với các phương pháp dự báo truyền thống

© Cương 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

TONG QUAN VE BIEN DONG GIA VA UNG DUNG HOC MAY TRONG DU BAO BIEN DONG GIA TREN THI TRUONG GIAO DICH HANG HOA

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 ra tình trạng thặng dư hoặc thiếu hụt trên thị trường, ảnh hưởng đến giá cả và lợi nhuận của các nhà sản xuất và nhà kinh doanh Đề giải quyết vấn dé này, các bên thường hợp tác trước mỗi vụ mùa đề thỏa thuận về giá, khối lượng và chất lượng của ngũ cốc, cũng như thời điểm giao hàng trong tương lai Tuy nhiên, các thỏa thuận này thường không được 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 bach va ổn định trên thị trường ngũ cốc bằng cách phát triển các hợp đồng tương lai chuân 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 sinh không 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 toàn cầu, nơi mà hàng hóa được mua bán và giao dịch thông qua các hợp đồng

tương lai hoặc tùy chọn Điểm đặc biệt của thị trường này là sự đa dạng của các sản

phẩm hàng hóa được giao dịch, từ các nguyên liệu cơ bản như dầu thô, đồng, và lúa mì đến các mặt hàng tiêu dùng như vàng và bạc Thị trường này thường hoạt động

24/7 và trải dài trên toàn cầu, với sự tham gia của các nhà đầu tư, doanh nghiệp và

cơ quan quản lý từ nhiều quốc gia khác nhau

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 tô

chính trị như sự ốn định chính trị hoặc biến động trong một quốc gia cũng có thể

gây ra những biến động không lường trước Vi dụ về thị trường giao dịch hàng hóa bao gồm sản giao dịch hàng hóa Chicago (CME Group), nơi mà các sản phẩm hàng hóa như lúa mì, ngô, và dầu thô được giao dịch 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 toàn câu và vai trò quan trọng trong việc bảo vệ giá trị và đầu tư

Steel Rebar Futures, United Kingdom, M, London 0585.00 H585.00 L585.00 C576.50

Hình 1.1: Giá thép thanh trén san LME

(Nguon: Investing.com)

Trong thị trường hàng hóa phái sinh, người tham gia chủ yếu có thể phân

thành hai nhóm chính: người bảo hộ và nhà đầu cơ Mỗi nhóm đều có mục đích và

cách tiếp cận riêng biệt đối với thị trường này Người bảo hộ thường là những nhà sản xuất hoặc các doanh nghiệp liên quan đến ngành công nghiệp mà sản phẩm của họ có liên quan đến các loại hàng hóa

được giao dịch trên thị trường phái sinh Đối với họ, việc sử dụng các sản phẩm

phái sinh như một công cụ để bảo vệ khỏi rủi ro giá là cực kỳ quan trọng Họ có thé sử dụng các hợp đồng tương lai dé 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 ôn 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 tìm

kiếm lợi nhuận từ sự biến động giá cả trên thị trường Họ không quan tâm đến việc

sử dụng sản phẩm phái sinh để bảo vệ hoặc quản lý rủi ro mà thay vào đó tập trung

vào việc dự đoán và tận dụng sự thay đổi giá cả để kiếm lời Họ có thể mua hoặc bán các hợp 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

dầu thô, 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 biệt của thị trường này là tính đa dạng và phong phú của các loại hợp đồng giao dịch, bao gồm cả hợp đồng tương lai (futures contracts), hợp đồng tùy chọn (options contracts) va cac giao dich spot

Hợp đồng kỳ hạn, hay còn được gọi là forward contract, là một thỏa thuận giữa hai bên để mua hoặc bán một loại tài sản nhất định vào một thời điểm trong

tương lai với một giá đã được xác định trước Đặc điểm quan trọng của hợp đồng này là:

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

doanh nghiệp Khác với hợp đồng tương lai, hợp đồng kỳ hạn không phụ thuộc vào các tiêu chuẩn cụ thê 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

điểm này, người giữ vị thế bán phải giao tài sản và nhận tiền, trong khi người

gitt vi thé mua phai thanh toan tiền và nhận tài sản Điều này được thực hiện với mức giá 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

Hợp đông 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 một giá cả đã được xác định trước Hợp đồng tương lai là một hình thức thỏa

thuận được xác lập dưới sự quản lý của một San giao dịch có tổ chức, với mục đích mua/bán một loại 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

bach va dé dang trong việc thực hiện giao dịch Các điểm chính của hợp đồng tương lai bao gồm:

e_ Tính tiêu chuẩn hóa của các điều khoản e 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

e Một yếu tố quan trọng khác của hợp đồng tương lai là việc yêu cầu ký quỹ,

là một khoản 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

thời hạn, 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

bắt buộc phải thực hiện giao dịch khi đến hạn, không cung cấp sự linh hoạt cho các

bên trong trường hợp có sự biến động giá thuận lợi Đề giải quyết van dé nay, hợp đồng quyền chọn đã được phát triển Hợp đồng này mang lại cho người sở hữu quyền chọn quyền, nhưng không phải nghĩa vụ, để mua/bán một tài sản nhất định

vào một thời điểm cụ thể hoặc trong một khoảng thời gian nhất định trong tương lai,

với một giá đã được 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

hóa tại một giá cả đã xác định trước (giá thực hiện), nhưng không bắt buộc phải

thực hiện giao dịch đó Hợp đồng quyền chọn (option contract) là một công cụ tài chính phát triển nhằm giảm bớt rủi ro cho các bên tham gia thị trường tài chính Dù hợp đồng kỳ hạn và hợp đồng tương lai cũng có thê được sử dụng để giảm thiểu rủi ro, nhưng điểm chung 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 là nhược điểm lớn nhất của hợp đồng kỳ hạn và hợp đồng tương lai

Dé khắc phục vấn đề này, hợp đồng quyền chọn ra đời như một giải pháp linh hoạt hơn Quyền chọn là một loại đặc quyền, cho phép người mua quyền này

có quyền, nhưng không có nghĩa vụ, mua/bán một tải sản nhất định vào một thời

điểm hoặc trong một 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 cơ hội 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 định trong một khoảng thời gian hoặc vào một thời điểm cụ thể trong tương lai, trong khi quyền chọn bán (put option) cho phép người mua bán tài sản tương tự với điều kiện

tương tự

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

mua/bán tại mức giá thực hiện vào ngày đáo hạn

Trên thị trường, quyền chọn phô 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 đồng tương lai là khả năng có thể hoặc không thực hiện việc mua/bán tài sản Ngoài ra, việc tham gia một hợp đồng quyền chọn thường đòi hỏi người mua phải trả một khoản phí mua quyền, dù quyền đó có được thực hiện hay không

Bảng 1.1: Các loại hợp đồng hàng hóa

[Loai hop| Thoa thuan gitta cic bén tham |Chuẩn hóa các điều | Có thể là hợp đồng đồng gia Điều khoản linh hoạt, |khoản của hợp đồng |tương lai hoặc kỳ

mua bán trong tương lai với bởi sàn giao dịch, mua | hạn, tùy thuộc vào

giá cố định lbán trong tương lai với | thị trường

IPhi Đề đảm bảo hop đồng được |Phí ký quỹ, phí giao |Phí mua quyền

thực hiện, chủ thể hợp đồng có ldịch, phí môi giới thể bị yêu cầu số dư tối thiêu ở

tài khoản ngân hàng (Thanh [[hanh toán khi dao han theo điêu Thanh toán hăng ngày |Phí mua duoc

toán khoản hợp đồng dựa trên giá thị |thanh toán ngay

trường, trích tài |khi hoàn thành khoản bên mua ghi |hợp đồng hoặc tài khoản bên được hàng ngày như

hợp đồng tương lai

[Loi ich Giữ vị thê phòng ngừa rủi ro vớiĐịnh giá tương lai vài Giữ được cơ hội kinh

lgiá mua giá bán cố định giữ vị thế phòng ngừal doanh nếu giá biến

rủi ro động có lợi, chống lại

giá biến động bắt lợi

IRui ro Nếu giá biến động theo hướng | Nếu giá biến động |Rủi ro chỉ là mất phí

có lợi, ko có cơ hội kinh doanh | theo hướng có lợi, ko |mua quyền

có cơ hội kinh doanh

(Nguôn: Tác giả tổng hợp)

Ngoài ra, giao dịch spot cũng đóng một vai trò quan trọng trên thị trường hàng hóa Trong giao dịch spot, việc mua bán hàng hóa được thực hiện không thông qua

các hợp đồng tương lai hoặc tùy chọn, mà thường diễn ra dựa trên thỏa thuận trực

tiếp giữa người mua và người bán Các giao dịch spot thường được sử dụng đề đáp ứng nhu cầu ngay lập tức của các bên tham gia thị trường, như cung cấp nguyên liệu sản xuất hoặc thỏa thuận mua bán hàng hóa đề đáp ứng nhu cầu tiêu dùng

Các sản phẩm và dịch vụ được giao dịch spot có thể rất đa dạng, từ hàng hóa

cơ bản như dầu thô, kim loại và lúa mì đến hàng hóa tiêu dùng như thực phẩm và năng lượng Giao dịch spot thường phô biến trong các thị trường địa phương, nhưng cũng có thể 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, dong

Nhóm năng lượng: Xăng pha chế, dầu WTI, dầu Brent, khí gas, Bang 1.2 ở dưới là bảng tổng hợp các sản giao dịch lớn trên thế giới Bảng cho thấy những loại sản phẩm hàng hóa chính được giao dịch trên các sàn, thời gian giao dịch và các loại hợp đồng giao dịch chủ yếu

Bang 1.2: Một số sàn giao dịch nỗi tiếng

loại quý, nguyên | thông thường

Intercontinental nông nghiệp, năng | 14h30 -— 1h20 |lai, hợp đồng

Giao nhận vật lý

LME 1571 Kim loại đen (chứa | Thứ 2 - Thứ | Hợp đồng quyền

London Metal Fe) và km loại |7 chọn, hợp đồng

kẽm, niken

TOCOM 1984 |Năng lượng, kim | Thứ 2- Thứ 6 |Hợp đồng quyên

Tokyo Commondity loại quý, kim loại | 6h45 - 17h00 |chọn, hợp đồng

su, sản phẩm nông

nghiệp

New York Mercantile loại quý, kim loại | Thứ 6 lai, hợp đồng Exchange công nghiệp 17h00-16h00 quyén chon Giao

nhan hang hoa vat

ly

(Nguon: Tac gia tong hop)

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

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

hoạch xuất khâu sản phẩm sang Mỹ Doanh nghiệp này dự định xuất khâu một lô hàng trị giá 100.000 USD vào tháng sau Tuy nhiên, do biến động không chắc chắn

của tỷ giá hồi đoái, họ lo ngại về việc giá trị của đồng Việt Nam đối với USD có thể

thay đôi đột ngột Đề giảm thiểu rủi ro từ biến động tỷ giá, doanh nghiệp quyết định sử dụng hợp đồng tương lai Họ ký kết hợp đồng tương lai để mua 100.000 USD với mức giá 23.000 VND/USD vào ngày 15 của tháng sau Trong khi đó, tỷ giá hối

đoái tại thời điểm ký kết 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 đề thanh toán

cho lô hàng xuất khâu của mình Đồng thời, doanh nghiệp cũng có thể sử dụng hợp đồng quyền chọn để bảo vệ mình khỏi rủi ro tỷ giá hối đoái Ví dụ, họ có thể mua

một hợp đồng quyền chọn mua 100.000 USD với giá thực hiện là 23.000 VND/USD, với một phí mua quyền là 5.000.000 VND Nếu ty giá hối đoái tăng lên

23.200 VND/USD vào ngày giao dịch, doanh nghiệp có thể sử dụng quyền chọn

mua để mua 100.000 USD với giá 23.000 VND/USD, giảm thiểu được thiệt hại do

biến động của tỷ giá Ngược lại, nếu tỷ giá không thay đổi hoặc giảm, họ chỉ mất 5.000.000 VND phí mua quyền chọn 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 thép cần thiết cho Công ty A Thỏa thuận mua bán: Công ty A và Công ty B đồng ý ký kết một hợp đồng mua bán thép với số lượng cụ thé và giá cô định trong một thời gian tương lai Ví dụ, hợp đồng có thé 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 liên quan đến biến động giá thép trong tương lai Đề làm điều này, họ sử dụng hợp

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 của mình Thực hiện giao dịch: Công ty A và Công ty B thực hiện giao dịch hợp đồng kỳ hạn thông qua các bên trung gian hoặc san 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 bởi giá cố định đã khóa trước đó, giúp họ tiết kiệm chỉ phí Ngược lại, nếu giá

thép giảm, Công ty B sẽ vẫn nhận được giá có định từ Công ty A, giúp họ bảo vệ doanh thu của mình Trong trường hợp này, hợp đồng kỳ hạn giúp cả hai bên quản lý rủi ro và tạo ra ôn định cho việc mua bán thép giữa Công ty A và Công ty B 1.2 Tông 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 tài chính và hàng hóa từ rất lâu Từ thời kỳ cô điển của sự mua bán hàng hóa trong

các chợ đến sự phát triển của các sàn giao dịch hiện đại, biến động giá luôn là yếu

tố quyết định trong 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 Trong những thời kỳ tiền đồng, việc trao đổi hàng hóa thường dựa trên sự đánh giá của

cộng đồng 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 qua các 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 dich 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 đề theo dõi và phân tích biến động giá

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

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 nhanh chóng và hiệu quả hơn, đồng thời tăng cường sự tranh đua và biến động giá trên thị trường Trong thế kỷ 20, với sự ra đời của các sản giao dịch chứng khoán lớn như New York Stock Exchange (NYSE) và London Stock Exchange (LSE), biến động giá trở thành 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 mới trong 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 thê Biến động giá có thể được đo lường theo nhiều cách khác nhau, bao gồm tỷ lệ phần trăm thay đổi, giá trị tuyệt đối, hoặc bằng cách sử dụng các chỉ số như chỉ số biến động (Investopedia, “Price Volatility”)

Vai tro: e© Cung cầu và hiệu quả thị trường: Biến động giá là một cách dé thị trường

điều chỉnh cung cầu và đưa ra giá cả hiệu quả cho các tài sản và hàng hóa Khi cung cầu thay đổi, biến động giá giúp thị trường thích nghi và tìm ra giá cả cân bằng mới

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

e Tác động đến nền kinh tế: Biến động giá cũng có thể ảnh hưởng đến nền

kinh tế một cách toàn diện, đặc biệt là đối với các nền kinh tế dựa vào xuất

khẩu hàng hóa hoặc tài nguyên tự nhiên Sự biến động giá có thé tao ra co hội hoặc thách thức 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 doanh nghiệp trên khắp thế giới Hiểu biết về biến động giá là quan trọng để

quản lý rủi ro, đưa ra quyết định đầu tư thông minh và hiệu quả, và tạo ra cơ hội trong môi trường thị trường đầy thách thức

e Dự báo và thị trường: Biến động giá là một chỉ báo quan trọng cho nhà đầu tư và những người tham gia thị trường để dự báo xu hướng và đưa ra quyết định đầu tư Xu hướng biến động giá có thể gợi ý về tình trạng của thị trường, từ đó giúp nhà đầu tư hiểu rõ hơn về tình hình và điều chỉnh chiến

lược của mình

¢ Quan lý rủi ro: Biến động giá cũng liên quan chặt chẽ đến rủi ro Các doanh nghiệp và nhà đầu tư thường sử dụng các công cụ quản lý rủi ro như hợp đồng tương lai hay các phương tiện tài chính phái sinh để bảo vệ chính mình khỏi những biến động giá không mong muốn

¢ Quyét định về chiến lược kinh doanh: Sự hiểu biết về biến động giá giúp các doanh nghiệp trong chuỗi cung ứng định hình chiến lược kinh doanh của họ

Từ việc quyết định về sản xuất, lập kế hoạch vận chuyên đến việc định giá

sản phẩm, 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, tùy thuộc vào loại tài sản hoặc thị trường cụ thể Dưới đây là một số phương pháp phô biến để đo lường sự biến động giá:

Phân 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 độ biến động giá giữa chúng Ví dụ: Giá vàng là $1,800 mỗi ounce vào tháng trước và $1,§50 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: Biển 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 pháp này đơn giản là lấy sự khác biệt giữa giá hiện tại và giá trong một khoảng thời gian trước đó Ví dụ: Giá cô phiếu của công ty ABC là $50 vào ngày

hôm qua và $55 vào ngày hôm nay Sự biến động giá tuyến tính trong khoảng thời

gian nay 1a $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 sử dụng để làm mịn các dao động ngắn hạn và làm nổi bật xu hướng dài hạn

của thị trường Ví dụ: Trong một tuần giao dịch, giá cô phiếu của công ty XYZ tăng

$2 vào ngày thứ Hai, giảm $1 vào ngày thứ Ba, tăng $3 vào ngày thứ Tư, giảm $2

vào ngày thứ 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): Phuong sai do 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 Công thức tông quát

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:

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

Tinh Phuong Sai (Variance): Bước 1: Tinh gia tri trung bình của tập dữ liệu:

Giá trị trung binh = (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 bình

phương nó: (10 - $11.20)^2 = $1.44; (12 - $11.203^2 = $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:

Téng cac binh phuong chénh léch = $1.44 + $0.64 + $0.04 + $3.24 + $1.44 = $6.80

Bước 4: Tính phương sai bằng cách chia tổng bình phương chênh lệch cho số lượng quan sát:

Phương sai = $6.80 / 5 = $1.36 Vậy phương sai của tập dữ liệu là $1.36

Tinh Dé Léch Chuan (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 biễn 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 nhất định Chỉ số biến động giá thường được tính toán dựa trên độ lệch chuẩn

của giá cả trong 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 dé do 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 cô phiếu trong chỉ số trong một khoảng thời gian nhất định

Đồ thị biến động giá (Price Volatility Chart): Str dung đồ thị dé biểu diễn biến

động giá theo thời gian, từ đó có thể quan sát mức độ biến động của giá trong một khoảng thời gian cu thé

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 biến động 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 phô 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 như MA,MACD (Moving Average Convergence Divergence), RSI (Relative Strength

Index), và Bollinger Bands để dự đoán biến động giá Dưới đây là một số chỉ báo

thường dùng: e Moving Average (MA): Đây là một trong những chỉ báo kỹ thuật phô 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 đi động Đường MA có thể được sử dụng đề xác định xu hướng chung của cô phiếu

e Relative Strength Index (RSI): Chỉ báo RSI đo sự mạnh mẽ của một xu

hướng bằng cách so sánh tỉ lệ giữa lợi nhuận và lỗ trong một khoảng thời

gian nhất định RSI thường được sử dụng để xác định mức độ mua vào hoặc

bán ra của một cô phiếu

e Bollinger Bands: Dugc 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 cỗ phiếu

e MACD (Moving Average Convergence Divergence): MACD str dung su khác biệt giữa hai đường trung bình di động để xác định sự tăng trưởng hoặc giảm giá của một cô phiếu Nó cũng cung cấp tín hiệu mua và bán dựa trên các điểm cắt của các đường này Sử dụng chỉ báo MACD (Moving Average Convergence Divergence) - một chỉ báo phô biến trong phân tích kỹ thuật

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 cô phiếu

Khi đường 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 của EURO/USD Bằng cách sử dụng RSI, khi nhận thấy RSI của

cặp tiền tệ này đang ở mức cao, chỉ ra một tín hiệu quá mua Đồng thời,

Bollinger Bands cho thấy 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 thê gợi ý cho đây có thê là thời điểm đề bán hoặc 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 trường diễn ra theo chu kỳ và sóng, phương pháp này có gắng dự đoán biến động giá bằng cách phân tích các mẫu sóng của thị trường Lý thuyết sóng Elliott cho rằng thị trường phát triển theo các chu kỳ sóng, trong đó có sóng tăng (sóng sóng) và sóng giảm (sóng phản) Mỗi chu kỳ sóng được chia thành các phần chính (sóng) và phần phụ (con sóng) Cấu trúc sóng chính gồm 5 sóng: Sóng 1: thường là sóng bắt đầu của một chu kỳ mới và thường là sóng tăng nhẹ Sóng 2: thường là sự điều chỉnh của sóng 1 và có thể làm giảm giá cả Sóng 3: thường là sóng mạnh nhất và kéo giá lên hoặc xuống rất nhanh Sóng 4: thường là sự điều chỉnh của sóng 3 và có thể làm giảm giá cả Sóng 5: thường là sóng cuối cùng của chu kỳ và thường là sóng tăng nhẹ

Hinh 1.3: Song Elliot

(Nguon: Tac giả)

Ngoài ra, trong dự báo biến động giá, xác định xu hướng, còn có những mẫu hình khác như Cup and Handle (cốc và quai); Double Top và Double Bottom (Đỉnh kép và đáy kép); Triangle Patterns,

Mô phỏng Monfe 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 là một công cụ mạnh mẽ để ước lượng rủi ro và xác định kỳ vọng trong một

môi trường không chắc chắn Dưới đây là một số điểm quan trọng và ví dụ về việc sử dụng Monte Carlo trong dự báo biến động giá:

e_ Đánh giá rủi ro: Monte Carlo có thể giúp đánh giá rủi ro bằng cách tao ra các kịch bản ngẫu nhiên cho biến động giá tài sản trong tương lai Các kịch bản này sau đó được sử dụng đề 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 e Dinh gia 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

những phương pháp mạnh mẽ nhất Monte Carlo cho phép mô phỏng các đường giá ngẫu nhiên và từ đó ước lượng giá trị của tùy chọn

e_ Dự báo biến động giá dầu và vàng: Trong nghiên cứu thực tiễn, Monte Carlo đã được sử dụng để dự báo biến động giá dầu và vàng Bằng cách tạo ra các mẫu ngẫu 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

khác nhau cho giá và từ đó đánh giá rủi ro và dự báo

e_ Mô hình hóa biến động stochastics: Monte Carlo cũng có thể được sử dụng để mô hình hóa biến động stochastics của giá tài sản Bằng cách mô phỏng các đường giá dựa trên các quy trình ngẫu nhiên như phương trình Langevin

hoặc phương trình 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 đề dự báo biến động

giá 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, và tình hình chính trị ở các khu vực chủ chốt Kết quả của các mô phỏng này có thể cung cấp thông tin quý giá cho các nhà đầu tư và các quyết định chiến lược

Hình 1.4 ở đưới là một đồ thị thể hiện 20 trường hợp về dự đoán giá cô phiếu

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

Hình 1.4 Mô phỏng Monte Caclo (Nguồn: 440Analytics.com) Mô — hình GARCH (Generalzed = Autoregressive Condiional Heteroskedasticity): Mô hình được phát triển để mô hình hóa biến động điều kiện của phương sai trong chuỗi dữ liệu thời gian, tức là biến động giá có thể biến đổi theo thời gian Mô hình này được sử dụng để dự báo biến động giá trong các thị

trường tài chính, nơi biến động không ổn định và thay đổi theo thời gian Ví dụ, trong thị trường chứng khoán, một cô phiếu có thê trải qua các giai đoạn của biến động giá cao và thấp Trong những thời kỳ ồn định, giá có thể dao động it và biến động giá nhỏ Tuy nhiên, khi có các yếu tố không chắc chắn xuất hiện, như tin tức

kinh doanh không mong 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 dự báo biến động giá không đồng nhất này, bằng cách ước lượng biến đổi của phương sai dựa trên dữ liệu lịch sử và các yếu tố khác nhau trong thị trường Mô hình GARCH có thể giúp định lượng rủi ro bằng cách ước tính các tham số để mô hình hóa sự biến động trong giá cô 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 Inteprated Moving Average): Đây là một mô hình mạnh mẽ và phô biến trong phân tích chuỗi thời gian Đối với các bài toán yêu cầu phân tích và dự báo chuỗi thời gian, ARIMA có thê được sử dụng đồng thời

với các mô hình 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

phan: AutoRegressive (AR), Integrated (I), va Moving Average (MA) Phuong trinh tổng thể của mô hình ARIMA(, d, q) có dạng:

Vị = C†Ó 1ÿ c-1 FP 2Y t-2 t+ D py tp tO 1€ ¢-1 48 2€ pot Og€ t_gter (L3)

Trong do:

Yz: gia trị hiện tại theo chuỗi thời gian

c: hằng số @ ¡: các hệ số của phan AutoRegressive (AR) 6 ;: các hệ số của phần Moving Average (MA) e,: phần du (white noise)

Các bước đề 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

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

vào công thức (7.3), 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

(McCarthy, 2007) Một trường con của trí tuệ nhân tạo là máy móc học hỏi Thay vì

phải được lập trình rõ ràng, các thuật toán học máy cho phép máy tính học hỏi từ

quá khứ và cải thiện một cách độc lập

Học máy đã quay ngược thời gian rất xa Năm 1952, Arthur Samuel phát minh ra phương pháp học tập đầu tiên chương trình trên máy tính Quá trình suy nghĩ của bộ não con người được mô phỏng vào năm 1957 khi Frank Rosenblatt thiết kế mạng lưới thần kinh đầu tiên Vào những năm 1990, các nhà khoa học chuyển trọng tâm

từ định hướng kiến thức đến định hướng dữ liệu, một bước tiến lớn trong học máy (Marr, 2016) Do đó, sự thay đổi trọng tâm này dẫn đến việc thiết kế các chương

trình quản lý rộng lớn lượng dữ liệu và có thê kết luận sau đó Trong những năm tiếp theo, học máy còn phát triển hơn nữa và được sử dụng rộng rãi các nền tảng như Google, Facebook, Amazon và Microsoft Ngày nay, học máy cho phép máy tính đánh bại những người chơi cờ chuyên nghiệp, giao tiếp với con người và thậm chí lái xe ô tô tự động Khả năng của máy tính để phân tích dữ liệu, hiểu và tương

tác với thế giới đang tăng trưởng với tốc độ đáng chú ý (Marr, 2016) Như Marr

(2016) tin tưởng chắc chắn, "học máy sẽ tác động nghiêm trọng đến hầu hết các ngành và công việc trong đó, đó là lý do tại sao mọi người quản lý ít nhất phải nắm

bắt được machine learning là gì và nó hoạt động như thế nào đang phát triển" Học máy ngày 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 đữ liệu và tạo ra các dự đoán hoặc quyết định mà không cần phải được lập trình cụ thể cho mỗi trường hợp Trong dự báo tài chính, học máy có thể được áp dụng dé dự đoán biến động giá, phân loại các tín hiệu giao dịch, đánh giá

rủi ro và nhiều ứng dụng 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

huấn luyện trên một tập dữ liệu có nhãn, trong đó mỗi mẫu dữ liệu đi kèm với một nhãn hoặc đầu ra mong muốn Mục tiêu là dự đoán nhãn cho các mẫu dữ liệu mới

mà mô hình chưa 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 ân trong dữ liệu, chẳng hạn như phân cụm hoặc giảm

Mô hình hồi quy (Regression Models): Được sử dụng để dự đoán một giá trị

liên tục dựa trên đữ liệu đầu vảo Trong dự báo tài chính, các mô hình hồi quy có thể được sử dụng để dự đoán giá cỗ 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

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

giữ

Đánh giá và tối wu hóa:

Mất mát (Loss Function): Do 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 ham mat mat Phương pháp phổ biến nhất la gradient descent

Học máy trong dự báo tài chính sử dụng các kỹ thuật nay dé xây dựng các mô

hình có khả năng dự đoán giá trị tài chính trong tương lai dựa trên dữ liệu lịch sử và

các yếu tố khác Điều này giúp nhà đầu tư và các quỹ đầu tư đưa ra quyết định dựa trên thông 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:

e Phan tích kỹ thuật: Phụ thuộc vào quan sát lịch sử Phân tích kỹ thuật dựa vào dữ liệu lịch sử của giá cỗ 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 ôn định hoặc biến động mạnh

e 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 Việc xây dựng mô hình này có thê 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 thuộc vào việc chọn các phân phối xác suất và các giả định

e_ 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

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 dé triển khai Uù 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 đữ 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 hoạt của dự báo

Khả năng dự báo trong thời gian thực: Các mô hình học máy có thể được triển khai để dự báo biến động giá trong thời gian thực, giúp nhà giao dịch phản ứng nhanh chóng với các thay đôi 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 phố 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 mỗi quan hệ giữa các yêu tô

e_ 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 tổ mà chúng ta có khả năng thay đổi hoặc điều chỉnh trong một thí nghiệm hay nghiên cứu