sử dụng mô hình mạng nơ ron nhân tạo vào thị trường chứng khoán việt nam
1 THÔNG TIN LÊN MẠNG NHỮNG ĐIỂM MỚI CỦA LUẬN ÁN TIẾN SĨ · Nghiên cứu sinh: Lê Đạt Chí · Tên luận án: “Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế Trường hợp thị trường chứng khoán Việt Nam” · Ngành khoa học của luận án: Kinh tế tài chính – ngân hàng, mã số: 62.31.12.01 · Tên đơn vị đào tạo: Trường Đại học Kinh tế TP. Hồ Chí Minh Những điểm mới của luận án: Qua những nghiên cứu trước đây dựa trên các mô hình hồi quy tuyến tính và phi tuyến để phân tích và dự báo thị trường chứng khoán Việt Nam, gần như chưa có một mô hình nào cho thấy khả năng dự báo thị trường chứng khoán Việt Nam, điều này đặt ra cho luận án một số câu hỏi: phải chăng thị trường chứng khoán Việt Nam là không thể dựa báo trước các biến giải thích hiện hữu? hoặc phải chăng mô hình tiếp cận để phân tích và dự báo giá chứng khoán là không phù hợp với đặc điểm của thị trường, của biến dự báo? . Qua quá trình tìm hiểu, những công trình nghiên cứu trên thế giới về lĩnh vực phân tích và dựa báo, Luận án chọn mô hình mạng thần kinh nhân tạo (ANN). Những luận cứ của mô hình mạng ANN phù hợp với biến nghiên cứu (biến động của thị trường tài chính mang tính phi tuyến (Bollerslev (1986), Fang và cộng sự (1994),…), Chatterjee và cộng sự (2000) cung cấp một tổng quan về hệ thống ANN và phạm vi sử dụng rộng rãi của chúng trên thị trường tài chính… làm những bằng chứng thực nghiệm tốt cho quá trình nghiên cứu mô hình mạng ANN. Đồng thời, quá trình nghiên cứu mạng ANN trong việc ứng dụng vào thị trường tài chính không yêu cầu những giả định nghiêm ngặt như mô hình hồi quy. Điều này cho thấy, tính hấp dẫn của mô hình ANN với đặc điểm của thị trường tài chính nhất là những thị trường của những nền kinh tế mới nổi như Việt Nam. Do đó, luận án tập trung nghiên cứu khả năng ứng dụng mô hình ANN trong dự báo thị trường chứng khoán Việt Nam. Dựa trên mục tiêu nghiên cứu của luận án: 1. Khả năng ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam. 2. Lựa chọn cấu trúc mạng ANN phù hợp trong dự báo giá chứng khoán. 3. Hiệu quả ứng dụng mô hình ANN tốt hơn mô hình hồi quy tuyến tính. 4. Tìm ra nhóm biến có thể giúp dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam qua đó gợi ý một số chính sách liên quan. Luận án đã giải quyết các mục tiêu này để đạt được các kết quả sau: (1). Tìm ra cơ chế vận hành của mô hình mạng ANN khi sử dụng để dự báo các biến kinh tế theo chuỗi thời gian trong thị trường tài chính. (2). Qua đó vận dụng mô hình ANN để khảo sát khả năng dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam. (3). Quá trình nghiên cứu khả năng ứng dụng mô hình mạng ANN vào dự báo giá chứng khoán Việt Nam, luận án đã chỉ ra cấu trúc mạng truyền thẳng với hàm 2 truyền là hàm phi tuyến sẽ cho ra kết quả dự báo tốt hơn các cấu trúc mạng ANN khác. (4). Đồng thời, trong quá trình khả sát khả năng ứng dụng mô hình ANN để dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam, luận án đã chứng minh tính hiệu quả và sự vượt trội của mô hình mạng ANN hơn hẳn mô hình hồi quy truyền thống thường được áp dụng lâu nay trên thị trường. Điều này cho thấy, khả năng dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam là hoàn toàn có thể thực hiện được nếu được tiếp cận trên các cấu trúc mạng ANN khác nhau của mô hình ANN. Điều này làm thay đổi những kết luận của những công trình nghiên cứu trước đây khi phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam. (5). Không dừng lại ở kết quả trên, luận án tiếp tục khảo sát các biến giải thích có thể có trên cơ sở thu thập thông tin, luận án đã tìm kiếm các nhóm biến giải thích khác nhau cho những khung thời gian phân tích khác nhau để tìm kiếm các biến có khả năng dự báo tốt nhất. Qua đó, nhóm biến phản ánh tình hình tài chính của doanh nghiệp niêm yết lại cho khả năng dự báo tốt nhất co sự thay đổi giá chứng khoán trên thị trường chứng khoán Việt Nam. Tuy nhiên các biến vĩ mô cũng cho ra tác động mạnh đến sự thay đổi về giá trên thị trường chứng khoán, nhưng mức độ dự báo lại không cho kết quả chính xác hơn nhóm biến tài chính. Điều đáng chú ý là, nếu cùng các biến khảo sát trên thì mô hình hồi quy truyền thống lại tỏ ra kém hiệu quả. (6). Trong quá trình tìm kiếm, khảo sát các nhóm biến, luận án đã phát hiện ra tính chất hành vi của nhà đầu tư tồn tại khá mạnh mẽ, điều này đã tác động đến quá trình biến động giá chứng khoán trên thị trường chứng khoán Việt Nam. Quá trình phân tích này cũng trùng hợp với những nghiên cứu trước đây về sự tồn tại hành vi của nhà đầu tư trên thị trường chứng khoán, chính hành vi này quyết định nên xu hướng biến động trong giá chứng khoán mà chưa có mô hình nào đo lường để dự báo. Như vậy, những thị trường mà nơi đó yếu tố hành vi của con người quyết định nên xu hướng của sự thay đổi thì khả năng ứng dụng mô hình ANN càng tỏ ro tính hiệu quả và sự vượt trội cao. Như vậy, dựa trên các mục tiêu nghiên cứu, luận án đã phát hiện ra những kết quả trên. Điều này cung cấp thêm những phương pháp, công cụ trong phân tích và dự báo các biến kinh tế, điển hình là thị trường chứng khoán Việt Nam. Giáo viên hướng dẫn Nghiên cứu sinh 3 GS.TS. Trần Ngọc Thơ Lê Đạt Chí Chủ tịch hội đồng cấp cơ sở PGS.TS. Phan Thị Bích Nguyệt 4 MỞ ĐẦU 1. Tính cấp thiết của luận án Việc nghiên cứu những công cụ hoặc mô hình dự báo thị trường tài chính và nền kinh tế có một lịch sử lâu đời. Phân tích chuỗi thời gian là một trong những cách tiếp cận truyền thống được sử dụng rộng rãi nhất trong lĩnh vực này. Có hai loại mô hình mô tả hành vi của chuỗi thời gian như sau. Thứ nhất là các mô hình tuyến tính: phương pháp tuyến tính để phân tích chuỗi thời gian thường được áp dụng thông qua một trong những kỹ thuật sau đây: a. Kỹ thuật Box Jenkins b. Bộ lọc Kalman c. Lý thuyết san bằng hàm mũ của Brown d. Hồi quy mẫu nhỏ Thứ hai là các mô hình phi tuyến: a. Lý thuyết Taken b. Phương trình MackeyGlass Những kỹ thuật này cố gắng tái tạo lại chuỗi thời gian dựa trên các mẫu dữ liệu để dự đoán giá trị tương lai. Mặc dù những kỹ thuật này có ý nghĩa thống kê nhưng chúng có tỷ lệ thành công thấp khi được sử dụng để dự báo thị trường tài chính. Những bằng chứng gần đây chỉ ra rằng thị trường tài chính là phi tuyến. Tuy nhiên, phương pháp tuyến tính vẫn cung cấp những cách tiếp cận tốt để mô tả hệ thống phi tuyến được tìm thấy trong phân tích chuỗi thời gian thị trường tài chính (Fang và cộng sự, 1994). Bollerslev (1986) cung cấp một cái nhìn tổng quát về sự tồn tại của tính phi tuyến trong dữ liệu tài chính, và phát triển một mô hình để dự đoán chuỗi thời gian tài chính được gọi là GARCH (Generalized Autoregressive conditional heteroskedasticity GARCH) kết hợp tất cả các đặc trưng quan sát được trong chuỗi này. Nhưng nền kinh tế đang phát triển nhanh chóng (chứ không phải đi từ từ) theo thời gian. Tuy nhiên, những đặc trưng này không dễ dàng được tính toán bằng các mô hình tuyến tính, và điều này được chứng minh qua việc các hệ số ước lượng có độ dốc lớn. Nhiều nhân tố tác động đến thị trường tài chính và nền kinh tế bao gồm 5 các sự kiện chính trị, điều kiện kinh tế nói chung, và kỳ vọng của nhà đầu tư. Vì vậy, dự báo thị trường tài chính và sự chuyển động của nền kinh tế là khá khó khăn. Mạng thần kinh nhân tạo Artificial Neural Network (ANN) là một công cụ hữu ích trong tài chính định lượng hiện đại và được biết đến như một kỹ thuật mô hình hóa thống kê hữu ích. ANN là một công cụ tốt cho cả các nhà nghiên cứu và những nhà thực nghiệm. Mô hình ANN có thể tìm ra mối quan hệ hàm trong một tập hợp dữ liệu và thực hiện các nhiệm vụ như nhận dạng mẫu hình, phân loại, đánh giá, mô hình hóa, dự báo và kiểm soát (Anderson và Rosenfeld, 1988; HechtNielsen, 1990; Hertz và cộng sự, 1991; Hiemstra và Jones, 1994). Một vài tính năng khác biệt của ANN làm cho chúng có giá trị và hấp dẫn trong dự báo. Một số bài viết xem xét những báo cáo trên tạp chí cách mà ANN có thể áp dụng cho thị trường tài chính và nền kinh tế. Chatterjee và cộng sự (2000) cung cấp một tổng quan về hệ thống ANN và phạm vi sử dụng rộng rãi của chúng trên thị trường tài chính. Công trình của họ thảo luận về ưu điểm vượt trội của ANN so với các phương pháp truyền thống. Nghiên cứu kết luận với một mô tả về việc sử dụng thành công ANN bởi nhiều tổ chức tài chính trong việc dự báo giá chứng khoán. Trong sách Neural Network cho dự báo tài chính của Edward Gately, mô tả phương pháp chung để xây dựng, huấn luyện, và kiểm tra một ANN bằng cách sử dụng phần mềm thương mại hiện hữu. Luận án sẽ tập trung vào phương pháp này để triển khai quá trình phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam như là một minh chứng cho khả năng ứng dụng của ANN trong dự báo kinh tế. Không chỉ trong lĩnh vực dự báo giá chứng khoán, luận án còn mong muốn sử dụng phương pháp ANN áp dụng cho các lĩnh vực tài chính và nền kinh tế như là một công cụ dự báo hỗ trợ cho các phương pháp truyền thống. Chính vì vậy, tác giả chọn đề tài với tên gọi “Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế – Trường hợp thị trường chứng khoán Việt Nam” làm nội dung nghiên cứu cho luận án tiến sĩ của mình. 2. Tình hình nghiên cứu liên quan đến nội dung luận án Từ những nghiên cứu sơ khai của Mc Culloch và Pitts trong những năm 1940, trải qua nhiều năm phát triển, cho đến hơn 10 năm trở lại đây cùng với sự phát triển mạnh mẽ của ngành công nghệ thông tin trong việc xử lý dữ liệu cho cả phần cứng và phần mềm đã giúp cài đặt những ứng dụng phức tạp của lý thuyết mạng thần kinh nhân tạo. Lý thuyết mạng thần kinh nhân tạo những năm gần đây mới thực sự được chú ý và nhanh chóng trở thành một hướng nghiên cứu đầy triển vọng trong mục đích xây dựng mô hình mô phỏng theo trí tuệ con người. Sức mạnh thuộc về bản chất tính toán của các thuật toán mạng, song những nghiên cứu thực nghiệm đã thành 6 công trong nhiều lĩnh vực, những nghiên cứu thực nghiệm trong lĩnh vực tài chính cũng được sự quan tâm và cho ra nhiều kết quả tốt ở những nền kinh tế khác nhau. Từ những nghiên cứu việc ứng dụng ANN để phân tích những chuỗi dữ liệu thời gian nên được thực hiện dựa trên trấu trúc ANN nào cho các chỉ tiêu dự báo như tăng trưởng kinh tế, biến động tỷ giá hối đoái, và thậm chí là giá chứng khoán trên các thị trường. Quá trình nghiên cứu mạng ANN còn được so sánh với những mô hình truyền thống hiện đang được sử dụng cho việc phân tích và dự báo trong lĩnh vực kinh tế như mô hình hồi quy tuyến tính, mô hình hồi quy phi tuyến. Quá trình nghiên cứu này đã cho ra những kết quả lợi thế của mô hình ANN đặc biệt là ở những thị trường mới nổi trong phân tích và dự báo. Như vậy, ở thị trường Việt Nam liệu quá trình triển khai nghiên cứu ứng dụng mô hình ANN có hiệu quả không và có vượt trội hơn các công cụ phân tích và dự báo khác? Trên cơ sở tiếp cận này, tôi đi vào nghiên cứu quá trình hoạt động của mạng ANN trong lĩnh vực kinh tế, tài chính và những kết quả nghiên cứu đạt được ở các thị trường khác trên thế giới để làm nền tảng cho việc nghiên cứu. 3. Mục tiêu nghiên cứu Trên phương diện nghiên cứu mô hình mạng ANN và những nguyên lý hoạt động của nó để từ đó ứng dụng vào lĩnh vực kinh tế và tài chính vẫn còn là một nội dung chưa được quan tâm nhiều. Trong phạm vi của nền kinh tế Việt Nam, tác giả tập trung nghiên cứu việc ứng dụng mô hình này để nhằm phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam trước các biến giải thích khác nhau, như là một minh chứng cho khả năng ứng dụng của mô hình ANN trong dự báo kinh tế. Qua quá trình ứng dụng ANN vào thị trường chứng khoán Việt Nam, luận án sẽ giải quyết thêm một số vấn đề khác như: cấu trúc mạng ANN nào tốt cho vấn đề dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam, hiệu quả của mô hình ANN so với mô hình hồi quy tuyến tính biến nào sẽ tác động lên sự biến động của giá chứng khoán… Cụ thể hơn, luận án sẽ giải quyết bốn mục tiêu nghiên cứu sau: 1. Khả năng ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam. 2. Lựa chọn cấu trúc mạng ANN phù hợp trong dự báo giá chứng khoán. 3. Hiệu quả ứng dụng mô hình ANN tốt hơn mô hình hồi quy tuyến tính. 4. Tìm ra nhóm biến có thể giúp dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam qua đó gợi ý một số chính sách liên quan. 7 Để đạt được mục tiêu nghiên cứu nêu trên, nội dung của luận án tập trung đi vào trả lời các câu hỏi nghiên cứu sau đây: (1). Mô hình mạng ANN là gì và cơ chế vận hành của nó như thế nào trong thị trường tài chính? (2). Những quan điểm và bằng chứng thực nghiệm trong việc ứng dụng mô hình ANN trong phân tích và dự báo trên thị trường tài chính? (3). Khả năng ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam? (4). Cấu trúc mạng ANN nào sẽ thích hợp để dự báo giá chứng khoán? (5). Liệu khả năng ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam có tính hiệu quả hơn mô hình hồi quy tuyến tính truyền thống? (6). Nếu mô hình ANN tốt hơn thì những biến giải thích nào sẽ giúp cho chúng ta sử dụng để phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam? Việc giải quyết các mục tiêu nghiên cứu trên cho thấy giá trị hiệu quả của mô hình ANN trong việc ứng dụng mô hình này trong phân tích và dự báo các biến kinh tế. Chính vì vậy, các chủ thể liên quan trong nền kinh tế bao gồm các nhà nghiên cứu và các nhà thực hành sẽ áp dụng mô hình ANN để thay thế hoặc bổ sung cho các phương pháp hồi quy. 4. Phương pháp nghiên cứu Để giải quyết các nội dung nghiên cứu nêu trên, tác giả luận án đã sử dụng phương pháp định lượng dựa trên việc nghiên cứu những thuật toán mô phỏng của mạng thần kinh nhân tạo để tiến hành lựa chọn cấu trúc ANN thích hợp nhằm ứng dụng trong dự báo giá chứng khoán. Việc triển khai quá trình ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam được dựa trên quy trình đề xuất 8 bước của năm nhà nghiên cứu Deboeck, Masters, Blum và Nelson và Illingworth. Ngoài ra quá trình thử nghiệm các cấu trúc mạng ANN được thực hiện dựa trên phần mềm hỗ trợ xử lý dữ liệu có bản quyền NeuralSolution 5.0. 5. Các phát hiện và kết quả nghiên cứu Luận án của tác giả đã đóng góp các kết quả nghiên cứu sau: 8 · Khả năng ứng dụng mô hình ANN để dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam là hoàn toàn có thể thực hiện. · Mô hình ANN dùng để dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam cho ra kết quả dự báo ngoài mẫu tốt hơn mô hình hồi quy tuyến tính truyền thống. · Cấu trúc mạng thần kinh truyền thẳng cho ra kết quả dự báo tốt hơn một số cấu trúc mạng khác với hàm truyền là hàm phi tuyến. Nói cách khác, mối quan hệ giữa các biến giải thích và biến phụ thuộc là quan hệ phi tuyến tính. · Dựa trên việc nghiên cứu ứng dụng mô hình ANN để dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam, luận án đã cho thấy rõ tác động của các nhóm biến kinh tế vĩ mô của nền kinh tế, nhóm biến thể hiện tình hình tài chính của các doanh nghiệp niêm yết… lên sự thay đổi giá chứng khoán, trong khi đó nếu dùng mô hình hồi quy tuyến tính truyền thống thì gần như không tìm thấy sự tác động này. · Qua quá trình phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam, luận án có gợi ý một số chính sách để phát triển thị trường chứng khoán Việt Nam lên một tầm cao mới nhằm phát triển mạnh quá trình chuyển dịch cơ cấu kinh tế. 9 Chương 1: QUAN ĐIỂM VÀ BẰNG CHỨNG THỰC NGHIỆM VIỆC ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO TRONG DỰ BÁO Mỗi một mô hình phân tích và dự báo đều dựa trên những nền tảng giả định khác nhau. Các mô hình trước nay được sử dụng phổ biến để phân tích và dự báo đều dựa trên phương pháp phân phối chuẩn của các biến đưa vào mô hình. Quan điểm về phân phối chuẩn đã đưa ra nền tảng toán học cho học thuyết thị trường hiệu quả. Quan điểm này đã đưa đến việc hình thành các mô hình phân tích và định giá chứng khoán như mô hình định giá tài sản vốn CAPM, mô hình định giá quyền chọn Black – Scholes, mô hình đa nhân tố, mô hình FamaFrench… Tuy nhiên, các mô hình này lại không mấy hiệu quả khi phân tích và dự báo những chỉ tiêu đầy tính biến động trong thị trường tài chính. Một phương pháp mô phỏng bộ não con người được xây dựng dựa trên những nền tảng tiếp cận khác với các phương pháp trên. Quá trình mô phỏng này được gọi là mô hình mạng thần kinh nhân tạo ANN. Những quy tắc khi ứng dụng mô hình ANN không như những phương pháp dựa trên quan điểm phân phối chuẩn. Quá trình ứng dụng mô hình ANN dựa trên quan điểm: các chủ thể tham gia thị trường, quyết định xu hướng thị trường là những nhà đầu tư với những hiểu biết khác nhau. Nói cách khác, chính nhà đầu tư khi tiếp nhận thông tin và sẽ đưa ra quyết định trước những thông tin này dựa trên những hiểu biết và phân tích của chính mình. Việc ứng dụng mô hình ANN khá phổ biến trong lĩnh vực điện tử, sản xuất rô bốt hay như trong lĩnh vực y học… Quá trình ứng dụng mô hình ANN trong thị trường tài chính để phân tích và dự báo chỉ được quan tâm trong hơn một thập niên gần đây. Quá trình ứng dụng này lớn mạnh nhờ sự hỗ trợ của ngành công nghệ thông tin đã mang lại một số thành tựu nhất định về tính hiệu quả của mô hình. Chính vì vậy, tiếp cận nghiên cứu mô hình ANN ở Việt Nam là rất cần thiết. 1.1. Quan điểm lựa chọn công cụ phân tích và dự báo Phương pháp phân phối chuẩn hay đường cong hình chuông là một công cụ phổ biến trong việc phân tích dữ liệu kinh tế tài chính đặc biệt là trong phân tích giá chứng khoán. Phương pháp phân phối chuẩn chính là nền tảng toán học cho học thuyết thị trường hiệu quả của lĩnh vực tài chính. Quan điểm của phương pháp phân phối chuẩn cho rằng, giá chứng khoán là độc lập ngẫu nhiên với nhau. Phương pháp này giúp chúng ta hiểu một cách dễ dàng bằng cách đơn giản hóa và loại bỏ những yếu tố trừu tượng mà chúng ta nghĩ rằng không phù hợp với hệ thống. Vấn đề ở đây chính là “sự không phù hợp”. Trong thế giới thực, những thứ được xem là “không phù hợp” này không cho thấy là không quan trọng mà hơn thế nó lại rất quan trọng. Benoit Mandelbrot, tại trung tâm nghiên cứu của IBM tại Yorktown Heights, New York, đã 10 phát hiện ra rằng, các con số hoàn toàn khác so với quan điểm của phân phối chuẩn. “Mỗi sự thay đổi giá cụ thể là ngẫu nhiên và không thể dự báo được. Tuy nhiên, chuỗi sự thay đổi lại có sự phụ thuộc nhau trong một phạm vi” (Gleick, 1987, trang 86). Thực tế, giá cả hàng hóa và giá cả chứng khoán có quan hệ phi tuyến. Nhưng câu hỏi đặt ra là tại sao giá chứng khoán lại có mối quan hệ phi tuyến hay có xu hướng? Thế kỷ 20 được đánh dấu bởi 3 phát minh đáng nhớ: (1) thuyết tương đối (relative theory) và (2) kỹ thuật định lượng (quantum mechanic) và (3) khoa học hỗn loạn (chaos science) đã cho thấy rằng bản chất của tự nhiên là không hề độc lập. Sự chuyển động của các vật chất luôn có ảnh hưởng lẫn nhau hay phụ thuộc lẫn nhau. Thị trường chứng khoán (TTCK), một phần của thế giới tự nhiên cũng nằm trong quy luật đó. Điều này đã nói lên khoa học hỗn loạn giúp chúng ta trả lời câu hỏi trên. Bill William (1995) cho rằng, cả thế giới tự nhiên và não người đều là hỗn loạn. TTCK, một phần của thế giới tự nhiên và là nơi phản ánh hoạt động của con người, cũng có tính hỗn loạn. Nói cách khác, chính do não người có tính hỗn loạn là nguồn gốc tạo ra sự phi tuyến tính của giá cả chứng khoán. Bill William (1995) bộ não người gồm 3 bộ phận khác nhau: não trái, não giữa và não phải. Mỗi bộ phận đảm nhận một chức năng khác nhau. Não trái liên quan đến vấn đề lý trí và mang tính tuyến tính. Não giữa có chức năng xử lý các tri thức thành kinh nghiệm. Não phải liên quan đến cảm xúc, là phi tuyến và trông giống như tính hỗn loạn. Bộ não chúng ta cũng tạo nên các hành vi khác nhau, phụ thuộc vào dòng năng lượng. Prigogine viết: “bộ não là một phát minh của tính hỗn loạn” (Prigogin và Stangers, 1984, trang 48). Có thể hình dung rằng khi giao dịch trên thị trường, các nhà kinh doanh bị ảnh hưởng bởi cảm xúc (của não phải) như tham lam và sợ hãi đã tác động đến quyết định đầu tư dẫn đến các hành vi phi tuyến tính. Tuy nhiên, các hành vi tham lam hay sợ hãi đó có tính bầy đàn và hình thành nên xu hướng của giá chứng khoán (chính là cấu trúc). Như vậy, chủ thể tham gia quyết định nên xu hướng thị trường là các nhà đầu tư, là những người không hoàn toàn duy lý (Sargent (1997, 1999)). Dựa trên quan điểm này, luận án tập trung vào việc lựa chọn phương pháp phân tích và dự báo giá chứng khoán theo giả định “sự hợp lý có chừng mực” của nhà đầu tư. Nói cách khác nhà đầu tư không hoàn toàn duy lý trong các quyết định của mình. Phương pháp hồi quy dựa trên các biến cố quan sát là độc lập và ngẫu nhiên, nó dựa trên giả thuyết sự hợp lý hoàn toàn và sự tối ưu của con người. Mô hình mạng thần kinh nhân tạo ANN được mô phỏng theo bộ não con người được dùng để dự báo các biến kinh tế trong thị trường tài chính, đặc biệt là giá chứng khoán được thiết lập trên nền tảng giả định “sự hợp lý có chừng mực” nêu trên. Do đó, luận án sẽ tiếp cận . Thiết kế một mô hình mạng thần kinh nhân tạo Chương 2: THIẾT KẾ VÀ ỨNG DỤNG MẠNG THẦN KINH NHÂN TẠO ĐỂ DỰ BÁO GIÁ CHỨNG KHOÁN TRÊN THỊ TRƯỜNG CHỨNG . việc ứng dụng mô hình ANN để dự báo giá chứng khoán trên TTCK VN nhằm chứng minh cho mục tiêu nghiên cứu. 1.2. Mô hình mạng thần kinh nhân tạo ANN