Thông tin tài liệu
Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 79 Một phương pháp tìm khoảng mật độ hậu nghiệm cao ứng dụng LÊ THANH HOA Trường Đại học Kinh tế - Luật, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP.HCM hoalt@uel.edu.vn PHẠM HOÀNG UYÊN Trường Đại học Kinh tế - Luật, Đại học Quốc gia TP.HCM – uyenph@uel.edu.vn NGUYỄN ĐÌNH THIÊN Trường Đại học Kinh tế - Luật, Đại học Quốc gia TP.HCM – thiennd@uel.edu.vn Ngày nhận: 27/02/2017 Ngày nhận lại: 25/10/2017 Ngày duyệt đăng: 30/10/2017 Mã số: 0217-C02-V01 Từ khóa: Khoảng mật độ hậu nghiệm cao nhất; Khoảng phủ; Khoảng dự báo Keywords: Highest posterior density interval; Coverage interval; Forecast interval Trong thống kê Bayes, để tính khoảng hậu nghiệm địi hỏi cơng thức tính tốn khác so với khoảng tin cậy thống kê tần suất Do phức tạp tính tốn, tác giả nghiên cứu nhằm đề nghị sử dụng phương pháp tìm khoảng mật độ hậu nghiệm cao thơng qua độ chênh lệch Dif., nhờ sử dụng hiệu giá trị mức phân vị tiết kiệm thời gian tính tốn Trong nghiên cứu này, tác giả ứng dụng phương pháp dự báo giá chứng khốn đóng cửa 16 mã cổ phiếu mệnh giá lớn thị trường chứng khoán Việt Nam 40 mã cổ phiếu xếp theo thứ tự niêm yết Sở Giao dịch Chứng khoán Hà Nội Abstract In Bayesian Statistics, estimation of the credible interval requires a different calculation formula from the confidence interval in Frequentist Statistics Due to the complexity of the calculation, we propose a new method to find the highest posterior density interval through difference Dif., to effectively use the value of the quantile level and to save computation time Specifically, we apply this technique to the closing stock price forecast of 16 stocks of large market price of Vietnam Stock Market and the first stocks in the alphabetical trading on HXN Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 80 Giới thiệu Thống kê tần suất, hay gọi thống kê cổ điển, đó, tham số tổng thể coi số cố định chưa biết Nhưng liệu chuỗi thời gian, tham số có thay đổi, vậy, giả định tham số số khơng cịn phù hợp Do đó, mở rộng hơn, thống kê Bayes, tham số giả định biến ngẫu nhiên (Bolstad Curran, 2016) Do hai cách tiếp cận theo thống kê tần suất thống kê Bayes khác nên với yêu cầu (chẳng hạn tính khoảng 1- cho tham số tổng thể) có hai cách tính tốn khác Trong thống kê tần suất, dựa vào phương pháp tham số, cần giả định tổng thể tuân theo phân phối chuẩn, phương pháp phi tham số dựa phân phối thực nghiệm để tính khoảng tin cậy (Confidence Interval); thống kê Bayes, suy luận cho tham số tổng thể xác định thông qua phân phối hậu nghiệm khoảng hậu nghiệm (The Posterior Interval hay Credible Interval) 100(1- Và đó, có cách tính cho khoảng hậu nghiệm khoảng hậu nghiệm trung tâm (The Celtral Posterior Interval) khoảng mật độ hậu nghiệm cao (The Highest Posterior Density Interval) Trong đó: - Khoảng hậu nghiệm trung tâm khoảng hậu nghiệm hai mức phân vị 1– (Gelman & cộng sự, 2014) - Khoảng mật độ hậu nghiệm cao khoảng hậu nghiệm có độ dài nhỏ (Gelman & cộng sự, 2014) Khoảng hậu nghiệm trung tâm khoảng mật độ hậu nghiệm cao có khác biệt hàm mật độ hậu nghiệm dạng đối xứng, nghĩa khác biệt nhiều phân phối hậu nghiệm với hàm mật độ xác suất tương ứng lệch Hơn nữa, nhờ ưu điểm khoảng mật độ hậu nghiệm cao có khoảng cách nhỏ nên trình ứng dụng tiết kiệm chi phí lưu trữ khoảng ước lượng thơng thường (khơng phải khoảng có độ dài nhỏ nhất) gây ra, vậy, hàm mật độ khơng đối xứng người ta mong muốn tính toán khoảng mật độ hậu nghiệm cao (Chen & Shao, 1999) Có nhiều cách để tính tốn khoảng mật độ hậu nghiệm cao nhất, điển Turkkan Pham–Gia (1993) cách tính khoảng mật độ hậu nghiệm cao Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 81 (HPD Interval) cho tham số với hàm mật độ hậu nghiệm f ( | data) tương ứng Với ý tưởng xuất phát từ hàm mật độ xác suất tính giá trị cao hàm mật f độ xác suất, tạm gọi f ; sau đó, lấy điểm f trục hồnh, tức , giải phương trình: f ( | data) f0 - Trường hợp hàm mật độ xác suất đồng biến nghịch biến phương trình có nghiệm ; - Trường hợp hàm mật độ xác suất có đỉnh phương trình có hai nghiệm 1 ; - Giả sử 1 2 , trường hợp hàm mật độ xác suất có k đỉnh phương trình có m nghiệm, với m k , m số lượng khoảng rời khoảng ước lượng, giả sử nghiệm 1i 2i , i 1, m Sau đó, tính lại tính phân I 0 a f ( | data)d với trường hợp hàm nghịch biến, b a giá trị nhỏ mà giá trị nhận, I f ( | data) d với trường 0 hợp hàm đồng biến; b giá trị lớn mà giá trị nhận, 2 I f ( | data )d 1 m I i 1 2 i 1i trường hợp hàm có đỉnh, f ( | data )d trường hợp hàm có nhiều đỉnh Sau đó, tiến hành so sánh I với (1 ) sau: + Nếu I = (1 ) chứng tỏ tìm khoảng mật độ hậu nghiệm cao (a,0 ) trường hợp nghịch biến, (0 , b) trường hợp đồng biến, (1 ,2 ) trường hợp đỉnh im1 (1i ,2i ) trường hợp nhiều đỉnh + Nếu I (1 ) tiếp tục chia đơi khoảng trục hoành điểm f0 điểm Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 82 f0 0 f chia + Nếu I (1 ) tiếp tục chia đôi khoảng điểm f0 f điểm chia f0 f0 f , tính lại tích phân I so sánh với (1 ) Thuật toán dừng dấu xảy ra, tìm khoảng mật độ hậu nghiệm cao Như vậy, thuật tốn có nhiều ý nghĩa với dạng hàm đa dạng như: Có cực trị, có nhiều cực trị, hàm tăng hay hàm giảm Tuy nhiên, thuật toán phức tạp cần phải tính tốn lại tích phân I để so sánh giá trị tích phân có (1 ) hay không Một cách khác, theo Hyndman (1996), phương pháp số để tính tốn khoảng mật độ hậu nghiệm cao dựa vào ước lượng phân vị mẫu Do đó, khoảng mật độ hậu nghiệm cao phụ thuộc vào phân vị mẫu Vì vậy, kĩ thuật lấy mẫu nhằm đảm bảo tính đại diện cho tổng thể đóng vai trị quan trọng tốn Một cách khác nữa, theo Chen Shao (1999), khoảng mật độ hậu nghiệm cao toán với hàm mật độ hậu nghiệm có dạng đồng biến, nghịch biến đỉnh tính tốn thơng qua mô Monte Carlo, dạng nghiệm tốn tối ưu Các bước để tính tốn cụ thể sau: Bước 1: Mô Monte Carlo thực mẫu có n quan sát, sau xếp lại liệu từ nhỏ đến lớn, kí hiệu (1) ,(2) , ,( n) , khoảng ước lượng (1 ) có dạng (( k ) ,( k [(1 )n ]) ) , đó, k nhận giá trị từ đến [n (1 ) n] Bước 2: Tìm k giá trị k0 cho khoảng cách ( k0 [(1 )n ]) ( k0 ) Khi đó, khoảng mật độ hậu nghiệm cao (( k0 ) ,( k0 [(1 )n ]) ) Một hạn chế lớn nghiên cứu tác giả suy luận cho trường hợp nhiều đỉnh, chưa chứng minh công thức tính tốn có hay khơng, cơng thức tính tốn tìm nghiệm toán trường hợp hai đỉnh nghiệm ba toán giá trị nhỏ lồng phức tạp, cụ thể: Với ( j ) dãy tham số thứ tự j , miền mật độ hậu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 83 nghiệm cao hợp hai khoảng (i* ) ,(i* m* ) ( j* ) ,( j* [ n ]m* ) , với khoảng cách đạt giá trị nhỏ D (i* m* ) (i* ) ( j* [ n ] m* ) ( j* ) Trong đó: D 0 m[(1- )n] 0i n [n(1- )]-2m i m j n [n(1- )]-m (i m ) (i ) ( j [ n ] m ) ( j ) Cũng dựa mô Monte Carlo, trường hợp mở rộng hàm mật độ có nhiều cực trị trình bày nghiên cứu Kim cộng (2007), khoảng mật độ hậu nghiệm cao có dạng hợp khoảng rời Mô Monte Carlo Vexler cộng (2016) sử dụng tính tốn khoảng mật độ hậu nghiệm cao Bayes, nghiệm phương trình (1): U (U | x1 , x2 , , xn ) ( L | x1 , x2 , , xn ), ( | x1 , x2 , , xn )d (1) L Joseph cộng (1995), Willink (2004), Chen Hung (2006) đồng khoảng xác suất phủ hậu nghiệm (The Posterior Coverage Probability Interval) khoảng phủ (The Coverage Interval) giống khoảng mật độ hậu nghiệm cao trường hợp hàm mật độ xác suất dạng liên tục có đỉnh Theo Fotowicz (2005), Vexler cộng (2016), khoảng phủ khoảng có độ dài nhỏ hai mức phân vị thứ p p (1 ) dựa mô Monte Carlo với dạng xấp xỉ đối xứng phân phối chuẩn, phân phối Student, phân phối hình chữ nhật, phân phối hình tam giác, phân phối hình thang… với sai số cho phép tối đa 10 Fotowicz (2014) sử dụng mơ Monte Carlo tính khoảng phủ cho hàm Flatten–Gaussian, nhiên, hàm dạng xấp xỉ đối xứng nên tính tốn thơng qua mức phân vị đối xứng Một phương pháp khác đề cập Chen cộng (2007) liên quan đến kĩ thuật tổng quát khoảng phủ cho tất tham số, trường hợp tham số coi biến ngẫu nhiên, bao gồm phân phối dạng đối xứng không đối xứng, đó, khoảng phủ với xác suất 100(1 )% khoảng hai mức phân vị F 1 ( ), F 1 ( ) (0, ) Trong phương pháp này, tác giả sử dụng tốn giá trị nhỏ nhất, thơng qua ví dụ tốn tìm khoảng phủ tham số với phân Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 84 phối mũ hai tham số, phân phối Gamma phân phối Weibull Sau phần giới thiệu, nghiên cứu bố cục sau: Phần trình bày suy luận Bayes khoảng mật độ hậu nghiệm cao nhất; phần trình bày dự báo Bayes; phần trình bày ứng dụng tính tốn khoảng mật độ hậu nghiệm cao cho giá chứng khoán theo ngày; cuối phần 5, kết luận Suy luận Bayes khoảng mật độ hậu nghiệm cao Giả sử mẫu ngẫu nhiên x1 , x2 , , xn quan sát độc lập phân phối f ( xi | ) i 1, n , tham số phân phối xác suất, không gian tham số n Khi hàm hợp lí l ( x1 , x2 , , xn ; ) f ( xi | ) i 1 Hàm mật độ tiên nghiệm cho tham số kí hiệu ( ) Định lí Bayes tính hàm mật độ hậu nghiệm ( | x1, x2 , , xn ) thơng qua hàm hợp lí hàm mật độ tiên nghiệm ( ) , theo Bolstad Curran (2016): ( | x1, x2 , , xn ) ( ) l ( x1, x2 , , xn ; ) (2) Dựa hàm mật độ hậu nghiệm (Hyndman, 1996), định nghĩa khoảng mật độ cao sau: Định nghĩa 1: Giả sử ( | x1, x2 , , xn ) hàm mật độ hậu nghiệm biến ngẫu nhiên khoảng mật độ cao 100(1 )% tập R( ) không gian mẫu thỏa mãn: R( ) { : ( | x1, x2 , , xn ) } Trong đó, (3) : Hằng số lớn thỏa mãn Prob( R( )) Giả sử hàm phân phối hậu nghiệm ( | x1 , x2 , , xn ) tương ứng với hàm mật độ hậu nghiệm ( | x1, x2 , , xn ) biết, khoảng mật độ hậu nghiệm cao xác 100(1 )% cho tham số tồn Kết xác định định lí Chen Shao (1999) sau : Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 Định lí: Giả sử 85 ( | x1, x2 , , xn ) liên tục có đỉnh Khi đó, khoảng mật độ hậu nghiệm cao 100(1 )% ( L ,U ) , L U nghiệm toán tối ưu sau: minL U | (U | x1, x2 , , xn ) (L | x1, x2 , , xn )| | (U | x1, x2 , , xn ) (L | x1, x2 , , xn ) (1 ) | (4) Từ định lí này, Chen Shao (1999) rút nhận xét phương trình (4) nhận giá trị nhỏ nhất: - Bằng ( L ,U ) khoảng mật độ hậu nghiệm cao 100(1 )% cho tham số - Nhận giá trị lớn hàm ( | x1, x2 , , xn ) hàm đơn điệu nhận giá trị (a ,b ) , biểu thức (4) thay bằng: mina U | (U | x1 , x2 , , xn ) (a | x1 , x , , x n ) (1 ) | ( | x1, x2 , , xn ) hàm giảm, hoặc: minL b | (b | x1 , x2 , , xn ) ( L | x1 , x , , x n ) (1 ) | (5) (6) ( | x1, x2 , , xn ) hàm tăng Bởi vậy, khoảng mật độ hậu nghiệm cao 100(1 )% cho (a ,U ) ( L ,b ) Do phức tạp tính tốn định lí Chen Shao (1990) (bởi vì, định lí này, cần kiểm tra tất trường hợp có U L , tính hiệu khoảng cách, cuối cần tìm giá trị nhỏ hiệu khoảng cách), tác giả đề nghị cách tìm khoảng mật độ hậu nghiệm cao thông qua độ đo mới: Dif với định nghĩa sau: Định nghĩa 2: Giả sử ( L ,U ) với L U phân vị mức ,0 (1 ) hàm mật độ ( | x1 , x2 , , xn ) Độ chênh lệch Dif khoảng hậu nghiệm tính sau: Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 86 𝐷𝑖𝑓 = 𝜋(𝜃𝑈|𝑥1 ,𝑥2 ,…,𝑥𝑛 )−𝜋(𝜃𝐿 |𝑥1 ,𝑥2 ,…,𝑥𝑛 ) (7) 𝜋(𝜃𝑈 |𝑥1 ,𝑥2 ,…,𝑥𝑛 )+𝜋(𝜃𝐿 |𝑥1 ,𝑥2 ,…,𝑥𝑛 ) Hệ quả: Khoảng hậu nghiệm 100(1 )% : ( L ,U ) với L U khoảng mật độ hậu nghiệm cao nếu: 𝑛ế𝑢 𝜋(𝜃|𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑐ó 𝑚ộ𝑡 đỉ𝑛ℎ 𝐷𝑖𝑓 = {−2 𝑛ế𝑢 𝜋(𝜃|𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑛𝑔ℎị𝑐ℎ 𝑏𝑖ế𝑛, 𝜋(𝜃𝐿 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ↑ +∞ (8) 𝑛ế𝑢 𝜋(𝜃|𝑥1 , 𝑥2 , … , 𝑥𝑛 ) đồ𝑛𝑔 𝑏𝑖ế𝑛, 𝜋(𝜃𝑈 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ↑ +∞ Chứng minh: Trường hợp ( | x1 , x2 , , xn ) có đỉnh (U | x1, x2 , , xn ) (L | x1, x2 , , xn ) , theo Casella Berger (2002), suy 𝐷𝑖𝑓 = Trường hợp hàm ( | x1, x2 , , xn ) đơn điệu giảm khoảng mật độ hậu nghiệm cao khoảng từ giá trị nhỏ có ˆ hàm số đến giá trị U cho xác suất (ˆ,U ) Do hàm ( | x1, x2 , , xn ) ( | x1, x2 , , xn ) hàm mật độ xác suất nên ( | x , x , , x )d , n (U | x1, x2 , , xn ) (L | x1, x2 , , xn ) đồng thời (U | x1 , x2 , , xn ) bé nhiều so với ( L | x1 , x2 , , xn ), ta có: 𝜋(𝜃𝑈 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) − 𝜋(𝜃𝐿 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝐷𝑖𝑓 = ≈ 𝜋(𝜃𝑈 |𝑥1 , 𝑥2 , … , 𝑥𝑛 )+𝜋(𝜃𝐿 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝜋(𝜃𝑈 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝜋(𝜃𝐿 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) −1 𝜃𝑈 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) +1 𝜋(𝜃𝐿 |𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝜋( ≈ −2 Trong trường hợp đặc biệt, ( L | x1 , x2 , , xn ) Dif.=–2 Trường hợp, hàm ( | x1, x2 , , xn ) đơn điệu tăng, lí luận tương tự với trường hợp ( | x1, x2 , , xn ) đơn điệu giảm, ta có Dif trường hợp đặc biệt (U | x1 , x2 , , xn ) Dif.=2 Nhận xét: Các ưu điểm cách sử dụng Dif tính tốn khoảng mật độ hậu nghiệm cao là: Thứ nhất, khơng cần giải tốn tối ưu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 87 Thứ hai, có kết chung cho toán, tức giá trị Dif nhận giá trị số cụ thể trường hợp đỉnh, nghịch biến hay đồng biến Ưu điểm thấy rõ nghiên cứu Chen Shao (1999), tác giả giải gần theo mô Monte Carlo dẫn đến người sử dụng biết cần phải giải tốn tối ưu, khơng biết giá trị hàm mục tiêu Thứ ba, việc sử dụng cơng thức tính Dif giúp tính tốn khoảng mật độ hậu nghiệm cao với thời gian tính tốn nhanh Cụ thể, tác giả thực tính tốn theo Turkkan Pham–Gia (1993) để tìm khoảng mật độ hậu nghiệm cao với liệu bao gồm 16 mã chứng khoán thị trường Việt Nam có mệnh giá lớn (BMP, BHV, DHG, DQC, DRC, FPT, HPG, HSG, MSN, PGD, PNJ, SVC, VCB, VIC, VNM, VSC) khoảng thời gian từ ngày 04/01/2010 đến ngày 21/09/2016, liệu cung cấp Thomson Reuter Trung tâm Nghiên cứu Kinh tế – Tài chính, Trường Đại học Kinh tế – Luật Các liệu giá gốc tác giả biến đổi xấp xỉ với phân phối xác suất (phân phối chuẩn, đều, Pareto, Weibull, Log chuẩn, mũ, Gamma Gamma ngược), tác giả xuất phát từ liệu giá đóng cửa 16 mã chứng khoán theo ngày, bắt đầu tính hàm hợp lí từ liệu tháng đầu tiên, kết hợp với phân phối tiên nghiệm thông qua định lí Bayes để tính phân phối hậu nghiệm Dựa vào phân phối hậu nghiệm này, tác giả tính phân phối dự báo tính khoảng mật độ cao Tiếp theo, cập nhật thêm liệu ngày tính hàm hợp lí, tiên nghiệm, hậu nghiệm phân phối dự báo Tác giả sử dụng phần mềm Matlab cho tính tốn khoảng mật độ cao này, với máy Core i3-3220 có số CPU Benchmarks 4222 cần tổng thời gian 10 8=80 Cịn sử dụng tính tốn Dif thơng qua phân vị, với máy laptop Core i3-4030U có số CPU Benchmarks 2696, tốc độ 64% máy tính cũ thời gian giảm, với thời gian tính tốn cịn từ Tiếp theo, tác giả ứng dụng khoảng mật độ hậu nghiệm cao dự báo thống kê Bayes Dự báo Bayes Bolstad Curran (2016) thống kê Bayes dự báo dễ dàng tính quan sát phân phối xác suất có điều kiện Thật vậy, dự báo cho quan sát xn1 có liệu x1 , x2 , , xn là: Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 88 f ( xn1 | x1 , x2 , , xn ) f ( xn1 , | x1 , x2 , , xn )d f ( xn1 | , x1 , x2 , , xn ) f ( | x1 , x2 , , xn )d f ( xn1 | ) f ( | x1 , x2 , , xn )d (9) Trong công thức (9), ta thấy công thức dự báo dựa vào hàm hợp lí tích phân phối hậu nghiệm Do thống kê, cần quan tâm giải thích dự báo (Shmueli, 2010), nên nghiên cứu này, tác giả tập trung quan tâm đến vấn đề dự báo nhiều Theo Hyndman (1995), khoảng dự báo (The Forecast Interval) với xác suất 100(1 )% cho xn1 có liệu x1 , x2 , , xn , tính theo ba cách sau: - Khoảng đối xứng: R w , đó, trung bình tương ứng với hàm mật độ xác suất f ( xn1 | x1 , x2 , , xn ) , w chọn cho Prob( xn1 | x1 , x2 , , xn R ) - Khoảng định nghĩa hai mức phân vị thứ tương ứng với hàm 2 mật độ xác suất f ( xn1 | x1 , x2 , , xn ) - Miền mật độ hậu nghiệm cao R {x : f ( xn1 | x1, x2 , , xn ) f } cho Prob( xn1 | x1 , x2 , , xn R ) Tương tự lí luận Chen Shao (1999), tác giả hướng khoảng dự báo theo khoảng mật độ hậu nghiệm cao Ứng dụng tính tốn khoảng mật độ hậu nghiệm cao cho giá chứng khoán theo ngày Tác giả nghiên cứu liệu, cung cấp Thomson Reuter Trung tâm Nghiên cứu Kinh tế - Tài chính, Trường Đại học Kinh tế - Luật Bộ liệu 1: Bao gồm 16 mã chứng khoán thị trường Việt Nam có mệnh giá lớn (BMP, BHV, DHG, DQC, DRC, FPT, HPG, HSG, MSN, PGD, PNJ, SVC, VCB, VIC, Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 106 Phụ lục Tỉ lệ dự báo dựa vào thống kê Bayes 16 mã cổ phiếu có mệnh giá lớn 40 mã cổ phiếu HNX từ bắt đầu lên sàn đến ngày 06/11/2015 với giả định tổng thể tuân theo phân phối Weibull Mã cổ phiếu STT liệu ’BMP’ Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% [0,8928] [0,8419] [0,9661] [0,7856] [0,6208] ’BVH’ [0,8879] [0,8201] [0,8843] [0,6178] [0,4434] ’DHG’ [0,8970] [0,8455] [0,9733] [0,8619] [0,6911] ’DQC’ [0,8934] [0,8395] [0,8910] [0,6499] [0,4797] ’DRC’ [0,8964] [0,8431] [0,9394] [0,7486] [0,5893] ’FPT’ [0,9061] [0,8643] [0,9824] [0,8601] [0,7305] ’HPG’ [0,8867] [0,8322] [0,9558] [0,7595] [0,5687] ’HSG’ [0,8879] [0,8310] [0,9055] [0,6850] [0,4870] ’MSN’ [0,8970] [0,8431] [0,9412] [0,7729] [0,6166] ’PGD’ 10 [0,8958] [0,8468] [0,9522] [0,7910] [0,6293] ’PNJ’ 11 [0,8879] [0,8462] [0,9509] [0,8104] [0,6614] ’SVC’ 12 [0,9001] [0,8443] [0,9104] [0,6602] [0,4985] ’VCB’ 13 [0,8843] [0,8353] [0,9528] [0,7820] [0,6002] ’VIC’ 14 [0,8964] [0,8359] [0,9582] [0,8031] [0,6432] ’VNM’ 15 [0,8982] [0,8522] [0,9818] [0,8946] [0,7656] ’VSC’ 16 [0,8952] [0,8534] [0,9582] [0,8256] [0,6378] ’AAA’ 1.306 [0,8943] [0,8407] [0,8813] [0,6899] [0,4877] ’ACB’ 2.209 [0,8859] [0,8348] [0,9036] [0,7546] [0,6324] ’ACM’ 55 [0,8727] [0,8000] [0,6727] [0,3455] [0,2727] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 107 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% ’ADC’ 688 [0,9055] [0,8372] [0,6497] [0,4273] [0,3154] ’ALT’ 1.639 [0,8920] [0,8279] [0,7511] [0,4979] [0,3575] ’ALV’ 1.169 [0,8991] [0,8375] [0,7682] [0,4927] [0,3482] ’AMC’ 226 [0,9071] [0,8186] [0,5752] [0,4204] [0,3230] ’AME’ 968 [0,9246] [0,8430] [0,7169] [0,3998] [0,2862] ’AMV’ 1.181 [0,9136] [0,8340] [0,6901] [0,3980] [0,2591] ’APG’ 10 1.248 [0,8950] [0,8213] [0,7444] [0,4776] [0,3462] ’API’ 11 1.445 [0,8997] [0,8346] [0,7772] [0,5170] [0,3682] ’APP’ 12 974 [0,9138] [0,8511] [0,7957] [0,5359] [0,4035] ’APS’ 13 1.565 [0,9042] [0,8383] [0,8096] [0,5010] [0,3489] ’ARM’ 14 839 [0,9142] [0,8462] [0,7306] [0,5292] [0,3850] ’ASA’ 15 642 [0,8816] [0,8318] [0,8115] [0,6059] [0,4688] ’B82’ 16 1.367 [0,9042] [0,8369] [0,6730] [0,4162] [0,2802] ’BAM’ 17 231 [0,8658] [0,8095] [0,7316] [0,5411] [0,4762] ’BBS’ 18 1.960 [0,8923] [0,8291] [0,7245] [0,4638] [0,3245] ’BCC’ 19 2.206 [0,8908] [0,8318] [0,8599] [0,6346] [0,4397] ’BDB’ 20 310 [0,9387] [0,8452] [0,4419] [0,2419] [0,1581] ’BED’ 21 549 [0,9454] [0,8415] [0,5792] [0,3643] [0,2641] ’BHT’ 22 485 [0,9196] [0,8412] [0,4660] [0,2887] [0,1876] ’BII’ 23 262 [0,8855] [0,8473] [0,9504] [0,7748] [0,5573] ’BKC’ 24 1.332 [0,9122] [0,8251] [0,7050] [0,4527] [0,3123] ’BLF’ 25 1.554 [0,8912] [0,8153] [0,7432] [0,4459] [0,3050] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 108 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% ’BPC’ 26 2.870 [0,8833] [0,8265] [0,8753] [0,6728] [0,5181] ’BSC’ 27 394 [0,9162] [0,8401] [0,5685] [0,3756] [0,2513] ’BST’ 28 799 [0,9199] [0,8473] [0,6896] [0,4230] [0,2929] ’BTH’ 29 1.268 [0,9235] [0,8525] [0,6246] [0,3588] [0,2319] ’BTS’ 30 1.994 [0,8952] [0,8390] [0,7914] [0,5216] [0,3546] ’BVS’ 31 2.193 [0,8796] [0,8194] [0,8254] [0,5654] [0,3808] ’BXH’ 32 552 [0,9330] [0,8822] [0,3804] [0,1902] [0,1286] ’C92’ 33 1.528 [0,8835] [0,8050] [0,6492] [0,3920] [0,2814] ’CAN’ 34 2.899 [0,8927] [0,8327] [0,7941] [0,6057] [0,4622] ’CAP’ 35 1.756 [0,9169] [0,8548] [0,7756] [0,5621] [0,4203] ’CCM’ 36 1.352 [0,8787] [0,8018] [0,6501] [0,3883] [0,2663] ’CEO’ 37 257 [0,9300] [0,8794] [0,9339] [0,7354] [0,5292] ’CHP’ 38 1.227 [0,8998] [0,8476] [0,8843] [0,7482] [0,5534] ’CID’ 39 1.071 [0,8693] [0,8030] [0,5303] [0,3277] [0,2316] ’CJC’ 40 1.278 [0,9155] [0,8279] [0,6432] [0,4147] [0,2840] Nguồn: Kết nghiên cứu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 109 Phụ lục Tỉ lệ dự báo dựa vào thống kê Bayes 16 mã cổ phiếu có mệnh giá lớn 40 mã cổ phiếu HNX từ bắt đầu lên sàn đến ngày 06/11/2015 với giả định tổng thể tuân theo phân phối loga chuẩn Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’BMP’ [0,9473] [0,8988] [0,9758] [0,8171] [0,6541] ’BVH’ [0,9552] [0,8970] [0,9152] [0,6572] [0,4821] ’DHG’ [0,9388] [0,8964] [0,9873] [0,8716] [0,7111] ’DQC’ [0,9558] [0,9146] [0,9334] [0,6729] [0,5076] ’DRC’ [0,9455] [0,9013] [0,9582] [0,7813] [0,6099] ’FPT’ [0,9364] [0,8904] [0,9897] [0,8855] [0,7535] ’HPG’ [0,9473] [0,8988] [0,9709] [0,7941] [0,6081] ’HSG’ [0,9546] [0,8995] [0,9370] [0,7208] [0,5439] ’MSN’ [0,9479] [0,9013] [0,9631] [0,7862] [0,6208] ’PGD’ 10 [0,9376] [0,8922] [0,9727] [0,8110] [0,6432] ’PNJ’ 11 [0,9340] [0,8995] [0,9721] [0,8334] [0,6808] ’SVC’ 12 [0,9552] [0,9091] [0,9412] [0,6850] [0,5257] ’VCB’ 13 [0,9461] [0,9085] [0,9727] [0,8068] [0,6251] ’VIC’ 14 [0,9449] [0,9037] [0,9788] [0,8274] [0,6632] ’VNM’ 15 [0,9425] [0,9025] [0,9927] [0,9158] [0,7838] ’VSC’ 16 [0,9382] [0,9025] [0,9776] [0,8413] [0,6669] ’AAA’ 1.306 [0,9472] [0,9020] [0,9142] [0,7274] [0,5436] ’ACB’ 2.209 [0,9402] [0,9040] [0,9389] [0,7791] [0,6641] ’ACM’ 55 [0,9636] [0,9091] [0,7273] [0,4182] [0,2727] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 110 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’ADC’ 688 [0,9651] [0,9230] [0,6904] [0,4535] [0,3038] ’ALT’ 1.639 [0,9622] [0,9134] [0,8035] [0,5436] [0,3771] ’ALV’ 1.169 [0,9581] [0,9093] [0,8033] [0,4936] [0,3559] ’AMC’ 226 [0,9690] [0,8982] [0,6150] [0,4381] [0,3142] ’AME’ 968 [0,9628] [0,9225] [0,7500] [0,4256] [0,3130] ’AMV’ 1.181 [0,9636] [0,9187] [0,7333] [0,4251] [0,2727] ’APG’ 10 1.248 [0,9575] [0,9119] [0,7804] [0,5152] [0,3558] ’API’ 11 1.445 [0,9509] [0,9024] [0,8242] [0,5522] [0,3938] ’APP’ 12 974 [0,9528] [0,9097] [0,8368] [0,5637] [0,4302] ’APS’ 13 1.565 [0,9623] [0,9182] [0,8396] [0,5597] [0,3565] ’ARM’ 14 839 [0,9571] [0,9225] [0,7640] [0,5268] [0,4172] ’ASA’ 15 642 [0,9393] [0,8879] [0,8302] [0,6511] [0,5000] ’B82’ 16 1.367 [0,9561] [0,9137] [0,7271] [0,4470] [0,3131] ’BAM’ 17 231 [0,9437] [0,8918] [0,7965] [0,5931] [0,4935] ’BBS’ 18 1.960 [0,9587] [0,9061] [0,7750] [0,5010] [0,3520] ’BCC’ 19 2.206 [0,9479] [0,9075] [0,8989] [0,6682] [0,4701] ’BDB’ 20 310 [0,9839] [0,9516] [0,5419] [0,2742] [0,1774] ’BED’ 21 549 [0,9854] [0,9290] [0,6321] [0,3825] [0,2823] ’BHT’ 22 485 [0,9753] [0,9381] [0,5320] [0,2887] [0,1773] ’BII’ 23 262 [0,9351] [0,9160] [0,9466] [0,7786] [0,6374] ’BKC’ 24 1.332 [0,9632] [0,9099] [0,7492] [0,4865] [0,3266] ’BLF’ 25 1.554 [0,9595] [0,9086] [0,7941] [0,4833] [0,3256] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 Mã cổ phiếu 111 STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’BPC’ 26 2.870 [0,9443] [0,9091] [0,9188] [0,7045] [0,5453] ’BSC’ 27 394 [0,9746] [0,9340] [0,6396] [0,3731] [0,2792] ’BST’ 28 799 [0,9562] [0,9186] [0,7422] [0,4718] [0,3066] ’BTH’ 29 1.268 [0,9716] [0,9409] [0,6798] [0,3951] [0,2618] ’BTS’ 30 1.994 [0,9534] [0,9082] [0,8355] [0,5647] [0,3806] ’BVS’ 31 2.193 [0,9558] [0,9024] [0,8728] [0,6179] [0,4314] ’BXH’ 32 552 [0,9746] [0,9475] [0,4239] [0,2301] [0,1486] ’C92’ 33 1.528 [0,9640] [0,9149] [0,7062] [0,4182] [0,2886] ’CAN’ 34 2.899 [0,9510] [0,9162] [0,8465] [0,6357] [0,4822] ’CAP’ 35 1.756 [0,9562] [0,9157] [0,8115] [0,5746] [0,4282] ’CCM’ 36 1.352 [0,9541] [0,9149] [0,7152] [0,4179] [0,2788] ’CEO’ 37 257 [0,9455] [0,9261] [0,9377] [0,7510] [0,5564] ’CHP’ 38 1.227 [0,9446] [0,9071] [0,9014] [0,7506] [0,5827] ’CID’ 39 1.071 [0,9627] [0,9234] [0,6218] [0,3380] [0,2204] ’CJC’ 40 1.278 [0,9656] [0,9210] [0,6925] [0,4147] [0,2911] Nguồn: Kết nghiên cứu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 112 Phụ lục Tỉ lệ dự báo dựa vào thống kê Bayes 16 mã cổ phiếu có mệnh giá lớn 40 mã cổ phiếu HNX từ bắt đầu lên sàn đến ngày 06/11/2015 với giả định tổng thể tuân theo phân phối mũ Mã cổ phiếu STT liệu ’BMP’ Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% [0,9249] [0,8746] [0,9824] [0,8134] [0,6566] ’BVH’ [0,9291] [0,8746] [0,9128] [0,6529] [0,4894] ’DHG’ [0,9225] [0,8698] [0,9867] [0,8746] [0,7123] ’DQC’ [0,9364] [0,8855] [0,9322] [0,6735] [0,5082] ’DRC’ [0,9249] [0,8789] [0,9540] [0,7807] [0,5996] ’FPT’ [0,9164] [0,8692] [0,9885] [0,8886] [0,7559] ’HPG’ [0,9273] [0,8637] [0,9673] [0,7977] [0,6124] ’HSG’ [0,9291] [0,8686] [0,9358] [0,7202] [0,5342] ’MSN’ [0,9310] [0,8758] [0,9655] [0,7880] [0,6251] ’PGD’ 10 [0,9200] [0,8716] [0,9709] [0,8128] [0,6529] ’PNJ’ 11 [0,9164] [0,8752] [0,9715] [0,8340] [0,6863] ’SVC’ 12 [0,9358] [0,8776] [0,9382] [0,6905] [0,5251] ’VCB’ 13 [0,9322] [0,8801] [0,9733] [0,8080] [0,6269] ’VIC’ 14 [0,9243] [0,8783] [0,9800] [0,8268] [0,6644] ’VNM’ 15 [0,9225] [0,8873] [0,9952] [0,9164] [0,7856] ’VSC’ 16 [0,9176] [0,8807] [0,9776] [0,8407] [0,6596] ’AAA’ 1306 [0,9280] [0,8698] [0,9127] [0,7259] [0,5597] ’ACB’ 2209 [0,9239] [0,8818] [0,9344] [0,7854] [0,6636] ’ACM’ 55 [0,9091] [0,8727] [0,7273] [0,3818] [0,2364] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 113 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’ADC’ 688 [0,9390] [0,8953] [0,6890] [0,4520] [0,3270] ’ALT’ 1639 [0,9457] [0,8749] [0,7944] [0,5333] [0,3691] ’ALV’ 1169 [0,9384] [0,8751] [0,8050] [0,5004] [0,3567] ’AMC’ 226 [0,9336] [0,8451] [0,5973] [0,4381] [0,3584] ’AME’ 968 [0,9452] [0,8822] [0,7490] [0,4349] [0,3058] ’AMV’ 1181 [0,9475] [0,8781] [0,7189] [0,4132] [0,2532] ’APG’ 10 1248 [0,9367] [0,8854] [0,7780] [0,5152] [0,3678] ’API’ 11 1445 [0,9266] [0,8720] [0,8228] [0,5585] [0,4000] ’APP’ 12 974 [0,9343] [0,8758] [0,8337] [0,5554] [0,4261] ’APS’ 13 1565 [0,9470] [0,8856] [0,8377] [0,5534] [0,3514] ’ARM’ 14 839 [0,9380] [0,8856] [0,7509] [0,5399] [0,4267] ’ASA’ 15 642 [0,9159] [0,8660] [0,8318] [0,6526] [0,5031] ’B82’ 16 1367 [0,9356] [0,8830] [0,7147] [0,4528] [0,3153] ’BAM’ 17 231 [0,9264] [0,8658] [0,8095] [0,5801] [0,5195] ’BBS’ 18 1960 [0,9347] [0,8781] [0,7638] [0,5010] [0,3526] ’BCC’ 19 2206 [0,9306] [0,8790] [0,8944] [0,6741] [0,4737] ’BDB’ 20 310 [0,9742] [0,9194] [0,5323] [0,2677] [0,1839] ’BED’ 21 549 [0,9654] [0,8944] [0,6175] [0,3953] [0,2860] ’BHT’ 22 485 [0,9567] [0,9072] [0,5134] [0,2928] [0,1918] ’BII’ 23 262 [0,9275] [0,9008] [0,9466] [0,7786] [0,6298] ’BKC’ 24 1332 [0,9377] [0,8769] [0,7372] [0,4932] [0,3348] ’BLF’ 25 1554 [0,9363] [0,8777] [0,7876] [0,4865] [0,3449] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 114 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’BPC’ 26 2870 [0,9289] [0,8801] [0,9167] [0,7021] [0,5401] ’BSC’ 27 394 [0,9619] [0,8985] [0,6117] [0,3832] [0,2741] ’BST’ 28 799 [0,9412] [0,8949] [0,7284] [0,4631] [0,3217] ’BTH’ 29 1268 [0,9574] [0,9085] [0,6680] [0,3856] [0,2658] ’BTS’ 30 1994 [0,9343] [0,8816] [0,8360] [0,5697] [0,3746] ’BVS’ 31 2193 [0,9321] [0,8746] [0,8687] [0,6206] [0,4273] ’BXH’ 32 552 [0,9638] [0,9257] [0,4130] [0,2355] [0,1703] ’C92’ 33 1528 [0,9463] [0,8750] [0,6944] [0,4221] [0,2991] ’CAN’ 34 2899 [0,9358] [0,8858] [0,8362] [0,6368] [0,4850] ’CAP’ 35 1756 [0,9374] [0,8958] [0,8047] [0,5695] [0,4260] ’CCM’ 36 1352 [0,9364] [0,8905] [0,7123] [0,4186] [0,2877] ’CEO’ 37 257 [0,9300] [0,9066] [0,9455] [0,7626] [0,5642] ’CHP’ 38 1227 [0,9275] [0,8826] [0,8965] [0,7588] [0,5925] ’CID’ 39 1071 [0,9477] [0,9010] [0,5966] [0,3352] [0,2260] ’CJC’ 40 1278 [0,9452] [0,8873] [0,6847] [0,4218] [0,2786] Nguồn: Kết nghiên cứu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 115 Phụ lục Tỉ lệ dự báo dựa vào thống kê Bayes 16 mã cổ phiếu có mệnh giá lớn 40 mã cổ phiếu HNX từ bắt đầu lên sàn đến ngày 06/11/2015 với giả định tổng thể tuân theo phân phối gamma Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’BMP’ [0,9812] [0,9806] [0,9782] [0,8074] [0,6511] ’BVH’ [0,9279] [0,9267] [0,9255] [0,6402] [0,4761] ’DHG’ [0,9873] [0,9867] [0,9843] [0,8674] [0,6947] ’DQC’ [0,9346] [0,9346] [0,9376] [0,6626] [0,4997] ’DRC’ [0,9606] [0,9606] [0,9558] [0,7632] [0,5881] ’FPT’ [0,9921] [0,9921] [0,9891] [0,8770] [0,7523] ’HPG’ [0,9800] [0,9800] [0,9740] [0,7710] [0,5978] ’HSG’ [0,9431] [0,9425] [0,9412] [0,7141] [0,5257] ’MSN’ [0,9709] [0,9709] [0,9703] [0,7844] [0,6214] ’PGD’ 10 [0,9794] [0,9794] [0,9740] [0,8068] [0,6511] ’PNJ’ 11 [0,9764] [0,9764] [0,9727] [0,8207] [0,6887] ’SVC’ 12 [0,9479] [0,9473] [0,9455] [0,6832] [0,5251] ’VCB’ 13 [0,9733] [0,9733] [0,9709] [0,8044] [0,6281] ’VIC’ 14 [0,9879] [0,9879] [0,9849] [0,8201] [0,6566] ’VNM’ 15 [0,9939] [0,9939] [0,9939] [0,9061] [0,7771] ’VSC’ 16 [0,9770] [0,9770] [0,9740] [0,8340] [0,6499] ’AAA’ 1.306 [0,9035] [0,9028] [0,8966] [0,7236] [0,5467] ’ACB’ 2.209 [0,9321] [0,9312] [0,9235] [0,7678] [0,6546] ’ACM’ 55 [0,7273] [0,7273] [0,7091] [0,4000] [0,2909] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 116 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’ADC’ 688 [0,6831] [0,6773] [0,6686] [0,4390] [0,3328] ’ALT’ 1.639 [0,7987] [0,7968] [0,7932] [0,5156] [0,3642] ’ALV’ 1.169 [0,7930] [0,7904] [0,7802] [0,4996] [0,3336] ’AMC’ 226 [0,6106] [0,6106] [0,6062] [0,4558] [0,3717] ’AME’ 968 [0,7500] [0,7490] [0,7397] [0,4215] [0,3161] ’AMV’ 1.181 [0,7155] [0,7104] [0,7019] [0,4166] [0,2481] ’APG’ 10 1.248 [0,7804] [0,7764] [0,7692] [0,5104] [0,3502] ’API’ 11 1.445 [0,8194] [0,8180] [0,8090] [0,5467] [0,3882] ’APP’ 12 974 [0,8131] [0,8121] [0,8029] [0,5462] [0,4158] ’APS’ 13 1.565 [0,8364] [0,8339] [0,8217] [0,5246] [0,3393] ’ARM’ 14 839 [0,7485] [0,7473] [0,7282] [0,5364] [0,4017] ’ASA’ 15 642 [0,8427] [0,8411] [0,8302] [0,6402] [0,5062] ’B82’ 16 1.367 [0,7081] [0,7067] [0,6913] [0,4257] [0,3043] ’BAM’ 17 231 [0,8052] [0,8009] [0,7792] [0,5931] [0,4675] ’BBS’ 18 1.960 [0,7490] [0,7469] [0,7362] [0,4837] [0,3459] ’BCC’ 19 2.206 [0,8844] [0,8830] [0,8726] [0,6605] [0,4529] ’BDB’ 20 310 [0,4613] [0,4548] [0,4452] [0,2452] [0,2000] ’BED’ 21 549 [0,6138] [0,6066] [0,5956] [0,3807] [0,2933] ’BHT’ 22 485 [0,4784] [0,4742] [0,4495] [0,2825] [0,2041] ’BII’ 23 262 [0,9618] [0,9618] [0,9580] [0,7863] [0,6527] ’BKC’ 24 1.332 [0,7342] [0,7305] [0,7237] [0,4865] [0,3416] ’BLF’ 25 1.554 [0,7799] [0,7761] [0,7638] [0,4633] [0,3230] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 Mã cổ phiếu 117 STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10 % Biến động 5% Biến động 3% ’BPC’ 26 2.870 [0,9122] [0,9118] [0,9021] [0,6962] [0,5359] ’BSC’ 27 394 [0,5533] [0,5508] [0,5381] [0,3731] [0,2944] ’BST’ 28 799 [0,7071] [0,7046] [0,7021] [0,4506] [0,3079] ’BTH’ 29 1.268 [0,6514] [0,6451] [0,6349] [0,3722] [0,2461] ’BTS’ 30 1.994 [0,8240] [0,8225] [0,8119] [0,5632] [0,3576] ’BVS’ 31 2.193 [0,8641] [0,8632] [0,8541] [0,5928] [0,4058] ’BXH’ 32 552 [0,3913] [0,3841] [0,3732] [0,2138] [0,1630] ’C92’ 33 1.528 [0,6754] [0,6734] [0,6643] [0,4077] [0,2893] ’CAN’ 34 2.899 [0,8268] [0,8248] [0,8192] [0,6302] [0,4688] ’CAP’ 35 1.756 [0,7950] [0,7933] [0,7870] [0,5683] [0,4254] ’CCM’ 36 1.352 [0,6975] [0,6938] [0,6775] [0,4312] [0,2996] ’CEO’ 37 257 [0,9416] [0,9416] [0,9416] [0,7704] [0,5603] ’CHP’ 38 1.227 [0,9079] [0,9063] [0,8924] [0,7539] [0,5738] ’CID’ 39 1.071 [0,5481] [0,5425] [0,5378] [0,3221] [0,2334] ’CJC’ 40 1.278 [0,6784] [0,6761] [0,6651] [0,4131] [0,2911] Nguồn: Kết nghiên cứu Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 118 Phụ lục Tỉ lệ dự báo dựa vào thống kê Bayes 16 mã cổ phiếu có mệnh giá lớn 40 mã cổ phiếu HNX từ bắt đầu lên sàn đến ngày 06/11/2015 với giả định tổng thể tuân theo phân phối Gamma ngược Mã cổ phiếu STT liệu ’BMP’ Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% [0,9800] [0,9800] [0,9782] [0,8074] [0,6511] ’BVH’ [0,9279] [0,9267] [0,9255] [0,6402] [0,4761] ’DHG’ [0,9873] [0,9867] [0,9843] [0,8674] [0,6947] ’DQC’ [0,9334] [0,9334] [0,9376] [0,6626] [0,4997] ’DRC’ [0,9594] [0,9594] [0,9558] [0,7632] [0,5881] ’FPT’ [0,9921] [0,9921] [0,9891] [0,8770] [0,7523] ’HPG’ [0,9794] [0,9794] [0,9740] [0,7710] [0,5978] ’HSG’ [0,9431] [0,9425] [0,9412] [0,7141] [0,5257] ’MSN’ [0,9691] [0,9691] [0,9703] [0,7844] [0,6214] ’PGD’ 10 [0,9794] [0,9794] [0,9740] [0,8068] [0,6511] ’PNJ’ 11 [0,9758] [0,9758] [0,9727] [0,8207] [0,6887] ’SVC’ 12 [0,9467] [0,9461] [0,9455] [0,6832] [0,5251] ’VCB’ 13 [0,9727] [0,9727] [0,9709] [0,8044] [0,6281] ’VIC’ 14 [0,9873] [0,9873] [0,9849] [0,8201] [0,6566] ’VNM’ 15 [0,9939] [0,9939] [0,9939] [0,9061] [0,7771] ’VSC’ 16 [0,9770] [0,9770] [0,9740] [0,8340] [0,6499] ’AAA’ 1.306 [0,9028] [0,9028] [0,8966] [0,7236] [0,5467] ’ACB’ 2.209 [0,9321] [0,9312] [0,9235] [0,7678] [0,6546] ’ACM’ 55 [0,7273] [0,7273] [0,7091] [0,4000] [0,2909] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 119 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% ’ADC’ 688 [0,6831] [0,6773] [0,6686] [0,4390] [0,3328] ’ALT’ 1.639 [0,7968] [0,7950] [0,7932] [0,5162] [0,3642] ’ALV’ 1.169 [0,7904] [0,7896] [0,7802] [0,4996] [0,3336] ’AMC’ 226 [0,6106] [0,6106] [0,6062] [0,4558] [0,3717] ’AME’ 968 [0,7459] [0,7459] [0,7397] [0,4205] [0,3161] ’AMV’ 1.181 [0,7130] [0,7070] [0,7019] [0,4166] [0,2481] ’APG’ 10 1.248 [0,7796] [0,7764] [0,7692] [0,5104] [0,3502] ’API’ 11 1.445 [0,8187] [0,8173] [0,8090] [0,5467] [0,3882] ’APP’ 12 974 [0,8121] [0,8111] [0,8029] [0,5462] [0,4158] ’APS’ 13 1.565 [0,8345] [0,8319] [0,8217] [0,5246] [0,3393] ’ARM’ 14 839 [0,7473] [0,7461] [0,7282] [0,5364] [0,4017] ’ASA’ 15 642 [0,8427] [0,8411] [0,8302] [0,6402] [0,5062] ’B82’ 16 1.367 [0,7067] [0,7059] [0,6913] [0,4257] [0,3043] ’BAM’ 17 231 [0,8052] [0,8009] [0,7792] [0,5931] [0,4675] ’BBS’ 18 1.960 [0,7474] [0,7464] [0,7362] [0,4837] [0,3459] ’BCC’ 19 2.206 [0,8844] [0,8826] [0,8726] [0,6605] [0,4524] ’BDB’ 20 310 [0,4613] [0,4548] [0,4452] [0,2452] [0,2000] ’BED’ 21 549 [0,6138] [0,6029] [0,5956] [0,3807] [0,2933] ’BHT’ 22 485 [0,4784] [0,4701] [0,4474] [0,2825] [0,2041] ’BII’ 23 262 [0,9618] [0,9618] [0,9580] [0,7863] [0,6527] ’BKC’ 24 1.332 [0,7327] [0,7282] [0,7237] [0,4865] [0,3416] ’BLF’ 25 1.554 [0,7773] [0,7735] [0,7638] [0,4633] [0,3230] Lê Thanh Hoa cộng sự, Tạp chí Phát triển Kinh tế, 28(10), 79–120 120 Mã cổ phiếu STT liệu Số lượng quan sát Xác suất 0,95 Xác suất 0,90 Biến động 10% Biến động 5% Biến động 3% ’BPC’ 26 2.870 [0,9105] [0,9101] [0,9021] [0,6962] [0,5362] ’BSC’ 27 394 [0,5508] [0,5482] [0,5381] [0,3731] [0,2944] ’BST’ 28 799 [0,7059] [0,7034] [0,7021] [0,4506] [0,3091] ’BTH’ 29 1.268 [0,6498] [0,6443] [0,6349] [0,3722] [0,2461] ’BTS’ 30 1.994 [0,8230] [0,8210] [0,8119] [0,5632] [0,3576] ’BVS’ 31 2.193 [0,8641] [0,8632] [0,8541] [0,5928] [0,4058] ’BXH’ 32 552 [0,3841] [0,3804] [0,3732] [0,2138] [0,1612] ’C92’ 33 1.528 [0,6741] [0,6734] [0,6643] [0,4077] [0,2893] ’CAN’ 34 2.899 [0,8258] [0,8234] [0,8192] [0,6302] [0,4688] ’CAP’ 35 1.756 [0,7944] [0,7927] [0,7870] [0,5683] [0,4254] ’CCM’ 36 1.352 [0,6967] [0,6916] [0,6783] [0,4312] [0,2996] ’CEO’ 37 257 [0,9416] [0,9416] [0,9416] [0,7704] [0,5603] ’CHP’ 38 1.227 [0,9079] [0,9063] [0,8924] [0,7547] [0,5738] ’CID’ 39 1.071 [0,5462] [0,5415] [0,5378] [0,3221] [0,2334] ’CJC’ 40 1.278 [0,6776] [0,6745] [0,6651] [0,4131] [0,2911] Nguồn: Kết nghiên cứu
Ngày đăng: 16/07/2020, 21:21
Xem thêm:
