Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế - Trường hợp thị trường chứng khoán Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH  LÊ ĐẠT CHÍ ỨNG DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO TRONG DỰ BÁO KINH TẾ – TRƯỜ NG HỢP THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM Chuyên ngành : Kinh tế Tài – Ngân hàng Mã số : 62.31.12.01 LUẬN ÁN TIẾN SĨ KINH TẾ Người hướng dẫn khoa học: GS TS TRẦN NGỌC THƠ TP.HỒ CHÍ MINH Năm 2011 i Mục lục Lời cam đoan Mục lục i Danh mục bảng biểu v Danh mục hình vii Danh mục từ viết tắt ix Phần mở đầu Chương 1: Quan điểm chứng thực nghiệm việc ứng dụng mơ hình mạng thần kinh nhân tạo dự báo 1.1 Quan điểm lựa chọn cơng cụ phân tích dự báo 1.2 Mơ hình mạng thần kinh nhân tạo – ANN 11 1.2.1 Mạng thần kinh nhân tạo và đặc điể m bản của bô ̣ naõ 11 1.2.2 Những yếu tố tạo nên mơ hình mạng thần kinh nhân tạo 13 1.2.3 Cách thức huấn luyện mô hình ma ̣ng thầ n kinh nhân ta ̣o 15 1.2.4 Mô ̣t số thước đo viê ̣c lựa cho ̣n cấ u trúc ma ̣ng ANN 16 1.2.5 Các đặc trưng mơ hình mạng thần kinh nhân tạo 17 1.3 Một số mơ hình mạng thần kinh nhân tạo điển hình 19 1.3.1 Mơ hình mạng truyền thẳng 19 1.3.2 Mơ hình mạng truyền thẳng đa lớp 21 1.3.3 Mơ hình mạng lặp lại 23 1.4 Sự vượt trội mô hình mạng thần kinh việc phân tích dự báo 25 ii 1.5 Việc ứng dụng mơ hình ANN dự báo – chứng thực nghiệm 29 1.6 Thiết kế mơ hình mạng thần kinh nhân tạo 32 Chương 2: Thiết kế ứng dụng mạng thần kinh nhân tạo để dự báo giá chứng khoán thị trường chứng khoán Việt Nam 37 2.1 Thiết kế mạng thần kinh nhân tạo để dựa báo giá chứng khoán với nhóm biến kinh tế vĩ mô 38 2.1.1 Lựa chọn biến kinh tế vĩ mô tác động đến giá chứng khoán 38 2.1.2 Thu thập liệu kinh tế 38 2.1.3 Tiền xử lý liệu 39 2.1.4 Phân chia liệu thu thập để huấn luyện ANN 40 2.1.5 Xây dựng cấu trúc – Xác định thông số ANN 41 2.1.6 Tiêu chuẩn đánh giá tính phù hợp kết dự báo ANN 44 2.1.7 Huấn luyện hệ thống ANN 45 2.1.8 Kết sử dụng mô hin ̀ h ma ̣ng ANN để dự báo VN-Index 45 2.2 Sử dụng mạng thầ n kinh khái quát hóa mạng truyền thẳng để dự báo giá chứng khoán với nhóm biến kinh tế vĩ mô 47 2.2.1 Dự báo giá chứng khoán bằ ng cấ u trúc mạng thầ n kinh nhân ta ̣o đươ ̣c khái quát hóa 47 2.2.2 Dự báo giá chứng khoán dựa phân tích tác động biến kinh tế vĩ mô theo cấ u trúc mạng truyền thẳng 50 2.2.3 So sánh khả dự báo giá chứng khốn mơ hình mạng thầ n kinh nhân ta ̣o với mơ hình hồi quy tuyến tính 51 2.3 Sự vượt trội mô hin ̀ h ma ̣ng thầ n kinh nhân ta ̣o so với mô hin ̀ h hờ i quy tuyến tính sử dụng biến số tài 54 2.3.1 Mơ hình mạng ANN tuyến tính 55 iii 2.3.2 Kết mơ hình hồi quy tuyến tính truyền thống 56 2.3.3 Mơ hình mạng ANN phi tuyến khảo sát biến tài 57 2.4 Phân tích dự báo giá chứng khốn TTCK VN tác động biến động TTCK giới 61 2.5 Sử du ̣ng sự thay đổ i giá quá khứ để dự báo giá chứng khoán TTCK VN 66 2.6 Dự báo giá chứng khoán TTCK VN tác động báo tâm lý thị trường 71 2.6.1 Lựa chọn nhập lượng đầu vào 72 2.6.2 Thu thập và xử lý liệu 72 2.6.3 Mơ hình mạng thần kinh nhân tạo 74 2.6.4 Xây dựng mơ hình mạng thần kinh tuyến tính 76 2.6.5 So sánh và kết luận 76 Chương 3: Một số đề xuất từ q trình phân tích dự báo giá chứng khoán thị trường chứng khoán Việt Nam 79 3.1 Khả dự báo giá chứng khoán thị trường chứng khoán Việt Nam 80 3.2 Hành vi tài nhà đầu tư tác động mạnh mơ hình ANN 84 3.3 Mô ̣t số đề xuấ t từ quá trin ̀ h phân tích và dự báo giá chứng khoán TTCK VN 85 3.3.1 Gia tăng điều kiện phát hành chứng khoán nhằm kiểm soát hoạt động huy động vốn doanh nghiệp 87 3.3.2 Sớm thay đổi quy định tín dụng đầu tư chứng khốn hiện ngân hàng nhà nước 89 3.3.3 Gia tăng điều kiện niêm yết sàn giao dịch chứng khoán Viê ̣t Nam để tạo khác biệt thực thị trường 93 iv 3.3.4 Tăng tính chủ động cho Ủy ban chứng khốn nhà nước tiến tới độc lập hoạt động quản lý phủ 96 3.4 Những hạn chế trình nghiên cứu 97 3.5 Những ứng dụng khác mơ hình mạng thần kinh nhân tạo 98 Kết luận 100 Các cơng trình nghiên cứu khoa học cơng bố 101 Danh mục tài liệu tham khảo 102 Phụ lục 1:Mô ̣t số hàm kić h hoa ̣t của ma ̣ng thầ n kinh nhân ta ̣o 109 Phụ lục 2: Q trình phân loại biến theo mơ hình ANN 116 Phụ lục 3: Xây dựng mô hiǹ h hồ i quy tuyế n tin ́ h truyề n thố ng để phân tić h và dự báo VN-Index 123 Phụ lục 4: Cách tính chỉ số phân tích kỹ thuật 152 v Danh mục bảng biểu Bảng 1.1: Tám bước thiết kế mơ hình phân tích và dự báo ANN 36 Bảng 2.1: Các biến kinh tế đưa vào thiết kế ANN để dựa báo VN-Index 39 Bảng 2.2: Kết trình tiền xử lý liệu đưa lần lược biến đầu vào biến để dự báo VN-Index 40 Bảng 2.3: Hai cấu trúc mạng ANN cho kết dự báo tốt nhất 45 Bảng 2.4: Kết huấn luyện hệ thống mạng GNN-14PE 47 Bảng 2.5: Kết kiểm định ngoài mẫu mơ hình GNN-14PE 48 Bảng 2.6: Kết kiểm định ngoài mẫu cấu trúc GNN-4PE GNN-5PE 49 Bảng 2.7: Kết dự báo ngoài mẫu theo cấ u trúc mạng ANN truyền thẳng MFF-2PE, MFF-3PE, MFF-4PE, MFF-5PE 51 Bảng 2.8: Kết kiểm định ngoài mẫu cấ u trúc mạng ANN tuyến tính 52 Bảng 2.9: Kết kiểm định ngoài mẫu cấ u trúc mạng MLN 9-3-1, MLN 9-4-1, MLN 9-5-1, MLN 9-6-1 59 Bảng 2.10: Kết kiểm định ngoài mẫu GNN 9-5-1 GNN 9-6-1 60 Bảng 2.11: Kết kiểm định ngoài mẫu mạng ANN tuyến tính 63 Bảng 2.12: Kết kiểm định ngoài mẫu cấ u trúc 65 Bảng 2.13: Kết kiểm định ngoài mẫu cấ u trúc MLF 3-5-3-1 GNN 3-5-3-1 68 Bảng 2.14: Kết kiểm định cấ u trúc MLF 5-3-1 chuỗi tỷ suất sinh lợi VNI theo ngày 69 Bảng 2.15: Kiểm định ngoài mẫu mơ hình ANN với liệu thu thập năm 2010 71 Bảng 2.16: Các chỉ báo kỹ thuật sử dụng làm nhập lượng đầu vào cho mơ hình 73 vi Bảng 2.17: Kết mơ hình mạng thần kinh lớp ẩn với số lượng neuron khác 75 Bảng 2.18: Kết mơ hình mạng truyền thẳng lớp ẩn với 10 neuron 76 Bảng 2.19: Kết mơ hình mạng thần kinh tuyến tính 76 Bảng 3.1: Thống kê số lượng doanh nghiệp niêm yết TTCK VN huy động vốn phát hành cổ phiếu 86 Bảng 3.2: Điều kiện niêm yết tại sở giao dịch chứng khoán 93 Bảng 3.3: Quan sát quy mô vốn công ty niêm yết sàn chứng khoán vào thời điể m kế t thúc quý 3/2010 94 vii Danh mục hình Hình 1.1: Minh ho ̣a bản của mô ̣t neuron 13 Hình 1.2: Mơ hình phi tuyến neuron 14 Hình 1.3: Phương pháp điề u chỉnh các tro ̣ng số synapse theo nguyên tắ c giảm độ dốc Gradient 16 Hình 1.4: Mơ hình mạng truyền thẳng 19 Hình 1.5: Mơ hình mạng truyền thẳng với hai lớp ẩn 21 Hình 1.6: Mơ hình mạng lặp lại Elman 24 Hình 1.7: Thiết kế mơ hình mạng thần kinh nhân tạo 34 Hình 2.1: Kết mơ hình ANN sử dụng để phân tích và dự báo VNI 42 Hình 2.2: Kết dự báo theo mơ hình ANN và thực tế VNI mơ hình mơ hình 46 Hình 2.3: VNI dự báo từ mơ hình GNN-14PE so với VNI thực tế 48 Hình 2.4: Mô tả mạng GRNN với neuron lớp ẩn GNN-4PE 49 Hình 2.5: Giá trị VNI dự báo từ GNN-4PE GNN-5PE với giá trị VNI thực tế 50 Hình 2.6: VNI thực tế và dự báo cấ u trúc mạng ANN tuyến tính 52 Hình 2.7: VNI dự báo và thực tế từ cấ u trúc mạng ANN tuyến tính tập kiểm tra lại 56 Hình 2.8: VNI dự báo và thực tế từ cấ u trúc MLN 9-3-1 MLN 9-4-1 58 Hình 2.9: VNI dự báo và thực tế từ cấ u trúc MLN 9-6-1 58 Hình 2.10: VNI dự báo và thực tế tập kiểm tra lại từ cấ u trúc ma ̣ng GNN 9-5-1 GNN 9-6-1 60 Hình 2.11: Chuỗi tỷ suất sinh lợi VNI dự báo ngoài mẫu từ mạng ANN tuyến tính và VNI thực tế 62 viii Hình 2.12: Chuỗi tỷ suất sinh lợi VNI dự báo ngoài mẫu từ mạng MLF 4-4-1 MLF 4-3-2-1 với giá trị thực tế 65 Hình 2.13: Chuỗi tỷ suất sinh lợi VNI dự báo ngoài mẫu từ mạng MLF 4-4-3-1 GNN 4-3-1 với giá trị thực tế 65 Hình 2.14: Chuỗi tỷ suất sinh lợi VNI theo tuần từ tháng 1/2005 đến tháng 9/2010 67 Hình 2.15: Chuỗi tỷ suất sinh lợi VNI theo tuần dự báo từ cấ u trúc MLF 3-5-3-1, GNN 3-5-3-1 và chuỗi tỷ suất sinh lợi thực tế 68 Hình 2.16: Chuỗi tỷ suất sinh lợi VNI theo ngày dự báo từ cấ u trúc MLF 5-3-1 và chuỗi VNI thực tế 69 Hình 2.17: Chuỗi tỷ suất sinh lợi VNI dự báo và thực tế mạng MLF 5-3-1 MLF 5-4-3-1 năm 2010 70 Hình 2.18: Chuỗi tỷ suất sinh lợi VNI theo ngày năm 2010 dự báo từ MLF 5-4-3-2-1, GNN 5-4-3-1 và chuỗi thực tế 70 Hình 2.19: Chuỗi giá trị Ln(VNI) từ ngày 2/1/2008 đến ngày 22/9/2010 73 Hình 2.20: Chuỗi giá trị Ln(VNI) thực tế và dự báo từ mơ hình mạng ANN tập hợp quan sát kiểm tra lại 77 Hình 2.21: Phần trăm sai lệch giá trị Ln(VNI) dự báo so với thực tế tập hợp quan sát kiểm tra lại 78 Hình 3.1: Số liệu doanh nghiệp huy động vốn qua năm doanh nghiệp niêm yết TTCK VN (ĐVT: nghìn tỷ đồng) 86 Hình 3.2: Thống kê tỷ lệ vốn cổ phần huy động thông qua nguồn năm 2010 doanh nghiệp niêm yết TTCK VN 88 Hình 3.3: Quy triǹ h thực hiê ̣n hoa ̣t đô ̣ng cấ p tin ́ du ̣ng đầ u tư kinh doanh chứng khoán 92 ix Danh mục từ viết tắt ANN : Mạng thần kinh nhân tạo BP : Thuâ ̣t toán truyề n ngươ ̣c Backpropagation GDP : Tổ ng thu nhâ ̣p quố c dân GRNN : Mô hin ̀ h ma ̣ng thầ n kinh nhân ta ̣o đươ ̣c khái quát hóa HNX : Sở giao dịch chứng khoán Hà Nội HSX : Sở giao dich ̣ chứng khoán Tp.HCM IMF : Quỹ tiền tệ quố c tế MFF : Mô hin ̀ h ma ̣ng truyề n thẳ ng NHNN : Ngân hàng nhà nước PE : Số neuron mô ̣t lớp ẩ n TTCK : Thị trường chứng khoán VN : Viê ̣t Nam VNI : Chỉ số thị trường chứng khoán Việt Nam – VN-Index 141 Prob 0.00*** CF(coefficient) Prob -0.18 0.035** -0.021 0.196 0.007 0.809 0.009 0.719 -0.02 0.22 -1.297 0.06* -0.065 0.619 0.137 0.579 0.161 0.439 0.076 -0.491 -0.126 1.029 0.573 0.009*** 0.58 0.404 DE (coefficient) Prob 0.00*** 0.001*** 0.002*** 0.015*** 0.00*** -0.049 -0.025 0.037** 0.377 * : mức ý nghĩa 10%; ** : Mức ý nghĩa 5%; ***: Mức ý nghĩa 1% Kết luận cuối cùng: Không thể xây dựng mơ hình hồi quy tuyến tính đa biến dựa liệu biến tài chưa điều chỉnh dộ trễ Vậy mơ hình hồi quy tuyến tính tối ưu sử dụng liệu biến tài chưa điều chỉnh độ trễ là: VNI = 0.501093285767*PB + 0.00443970671375 Với độ giải thích mơ hình 44.7% Các biến tài điều chỉnh độ trễ Hồi quy tuyến tính đơn biến Biến giải thích t-Statistic Prob ROE 0.098 0.923 ROA PE -0.312 5.249 0.757 0.00*** PB -0.077 0.939 CM 13.120 0.000*** CF 0.896 0.388 EPS -0.499 0.620 PM 0.580 0.565 DE 1.623 0.113 ***: Mức ý nghĩa 1% Kiểm định tượng phương sai thay đổi cho mơ hình hồi quy tuyến tính đơn biến với biến giải thích CM PE Phương pháp sử dụng kiểm định White Giả thiết H0: Mơ hình có tượng phương sai khơng đổi (thuần nhất): o Biến giải thích PE Heteroskedasticity Test: White F-statistic 62.76921 Prob F(2,40) 0.0000 Kết luận: Bác bỏ H0 Có tượng phương sai thay đổi, mơ hình khơng phù hợp o Biến giải thích CM 142 Heteroskedasticity Test: White F-statistic 87.69402 Prob F(2,40) 0.0000 Kết luận: Bác bỏ H0, có tượng phương sai thay đổi Mơ hình khơng phù hợp Bây ta tiến hành tìm mơ hình tốt theo phương pháp loại bớt biến Đầu tiên ta xây dựng mô hình hồi quy tuyến tính với tất biến giải thích trên: Variable ROED ROAD PMD PED PBD EPSD DED CMD CFD C R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient Std Error t-Statistic 0.249616 -0.116012 0.077414 0.487758 -0.017219 0.269579 -0.036079 0.458234 -0.007960 -0.021676 0.165923 0.028231 0.105213 0.072298 0.036885 0.103968 0.074343 0.067905 0.007766 0.007301 1.504408 -4.109393 0.735787 6.746520 -0.466838 2.592896 -0.485306 6.748210 -1.025042 -2.968770 0.906496 Mean dependent var 0.880995 S.D dependent var 0.042049 Akaike info criterion 0.058349 Schwarz criterion 80.93961 Hannan-Quinn criter 35.54725 Durbin-Watson stat 0.000000 Prob 0.1420 0.0002 0.4671 0.0000 0.6437 0.0141 0.6307 0.0000 0.3128 0.0055 -0.013791 0.121893 -3.299517 -2.889935 -3.148476 1.853071 Kế đến, ta loại bỏ dần biến thông qua kiểm định thừa biến Redundant Variables Likelihood Ratio, mơ hình phù hợp sau loại bỏ biến không cần thiết là: Variable ROAD PED EPSD CMD C Coefficient Std Error t-Statistic -0.086736 0.428195 0.372768 0.507790 -0.024075 0.023118 0.063700 0.086850 0.059571 0.006916 -3.751868 6.722060 4.292081 8.524168 -3.480844 Prob 0.0006 0.0000 0.0001 0.0000 0.0013 143 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.891154 Mean dependent var 0.879696 S.D dependent var 0.042278 Akaike info criterion 0.067923 Schwarz criterion 77.67311 Hannan-Quinn criter 77.77901 Durbin-Watson stat 0.000000 -0.013791 0.121893 -3.380145 -3.175354 -3.304624 1.838099 Tiến hành kiểm định đa cộng tuyến cho mơ hình trên, kết sau: Kết luận: Có tượng đa cộng tuyến, nên bỏ bớt biến EPSd biến Ped CMd khỏi mơ hình ROAd 0.003 0.742 0.593 0.000*** 0.006 0.622 Ped prob EPSd prob CMd prob PEd EPSd 0.085 0.057* 0.335 0*** 0.017 0.409 ***: Mức ý nghĩa 1%; ** : Mức ý nghĩa 5%; * : Mức ý nghĩa 10% Như có tượng đa cộng tuyến EPSd ROAd, Ped, Ped CMd, nên loại bỏ Ped EPSd khỏi mơ hình Lúc mơ hình cịn lại biến giải thích: Variable Coefficient Std Error t-Statistic Prob ROAD CMD C 0.004156 0.018127 0.229288 0.754044 0.066969 11.25967 -0.033665 0.009601 -3.506284 0.8198 0.0000 0.0011 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.760755 Mean dependent var 0.748793 S.D dependent var 0.061093 Akaike info criterion 0.149295 Schwarz criterion 60.74079 Hannan-Quinn criter 63.59643 Durbin-Watson stat 0.000000 -0.013791 0.121893 -2.685618 -2.562744 -2.640306 1.718582 144 Kết luận: Tiếp tục loại bỏ biến ROAd khỏi mơ hình, mơ hình đa biến cịn mơ hình đơn biến với CMd biến giải thích Mơ hình hồi quy tuyến tính đơn biến với CMd biến giải thích ta kiểm định phần trên, phát mơ hình có tượng phương sai thay đổi Tóm lại, khơng thể xây dựng mơ hình hồi quy tuyến tính từ liệu biến tài điều chỉnh độ trễ Các biến số thị trường khác (trường hợp theo tháng) Hồi quy tuyến tính đơn biến Biến kết hợp t-Statistic Prob R-Squared DJm 3.723 0.000 0.119 FTSEm 3.461 0.001 0.014629** N225m 4.316 0.000 0.153 SSECm 2.690 0.008 0.06562* ***: Mức ý nghĩa 1%; ** : Mức ý nghĩa 5%; * : Mức ý nghĩa 10% Kết luận: Tấ t cả các mô hình hờ i quy đơn biế n đề u có ý nghĩa th nghĩa 1% Mơ hình: ống kê với mức ý VNIm = 0.899659*DJm + 0.011105 VNIm = 0.84424*FTSEm + 0.011297 VNIm = 0.773768*N225m + 0.012142 VNIm = 0.323669*SSECm + 0.009781 Hồi quy tuyến tính đa biến kiểm định - Từ mơ hình h ồi quy tuyến tính đơn biến trên, ta tiế n hành ki ểm định hiê ̣n tươ ̣ng phương sai thay đổ i và kiể m đinh ̣ tự tương quan - Kiể m đinh ̣ tượng phương sai thay đổi: Kiể m đinh ̣ White Giả thiết H0: Không có hiê ̣n tươ ̣ng phương sai thay đổ i Kế t quả kiể m đinh: ̣ DJm FTSEm N225m SSECm F-statistic 0.926828 1.423116 0.688148 1.035809 Prob F(2.102) 0.3991 0.2457 0.5048 0.3586 Kết luận Chấ p nhận giả thiế t H0 Chấp nhận giả thiết Ho Chấp nhận giả thiết Ho Chấp nhận giả thiết Ho 145 Kế t luâ ̣n: Mô hiǹ h hồ i quy tuyế n tin ́ h với biế n giải thić h DJ m, FTSEm, N225m SSECm không xảy tượng phương sai thay đổi Ta tiế p tu ̣c tiế n hành kiể m đinh ̣ tự tương quan cho mô hin ̀ h này  Kiể m đinh ̣ tự tương quan: Kiểm định Breusch- Godfrey Giả thiết H0: Không có hiê ̣n tươ ̣ng tự tương quan Kế t quả kiể m đinh: ̣ Kiểm định Breusch-Godfrey F-statistic Prob F(1,102) Kết luận DJm 10.5032 0.0016*** Bác bỏ giả thiết Ho FTSEm 12.8208 0.0005*** Bác bỏ giả thiết Ho N225m 10.3582 0.0017*** Bác bỏ giả thiết Ho SSECm 8.69243 0.004*** Bác bỏ giả thiết Ho ***: Mức ý nghĩa 1% Kế t luâ ̣n : Cả mô hình hồ i quy đơn biế n với các biế n giải thích lầ n lươ ̣t là DJ FTSEm, N225m, SSECm xảy tượng tự tương quan  m, Khơng thể xây dựng mơ hình hồi quy tuyến tính dựa liệu liệu nhân tố thị trường khác Các biến thị trường khác (trường hợp theo tuần) Hồi quy tuyến tính đơn biến Biến kết hợp Coefficient t-Statistic DJw -0.0674 -0.6446 FTSEw -0.0609 -0.6308 N225w -0.0011 -0.0132 SSECw 0.18172 2.72684 Prob R-Squared 0.5197 0.0014 0.5287 0.00134 0.9894 1E-06 0.0068*** 0.02442 ***: Mức ý nghĩa 1% Kế t luận : Mô hình hồ i quy đơn biế n giữa SSEC w VNIw mô hình có ý nghiã thố ng kê với mức ý nghiã 1% Mô hình: VNIw = 0.18172 * SSECw + 0.002682 146 Hồ i quy tuyế n tính đa biế n và kiểm đinh ̣  Từ mô hiǹ h hồ i quy đơn biế n ta tiế n hành kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i kiểm định tự tương quan - Kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i : Kiể m đinh ̣ White Giả thiết H0 : Không có hiê ̣n tươ ̣ng phương sai thay đổ i Kế t quả kiể m đinh: ̣ Heteroskedasticity Test: White F-statistic 0.673796 Prob F(2,296) 0.5106 Kế t luận: Chấ p nhâ ̣n giả thiế t H0, mô hin ̀ h không có hiê ̣n tươ ̣ng phương sai thay đổ i - Kiể m đinh ̣ hiê ̣n tươ ̣ng tự tương quan : Kiểm định Breusch- Godfrey Giả thiế t H0: Không có hiê ̣n tươ ̣ng tự tương quan Kế t quả kiể m đinh: ̣ Breusch-Godfrey Serial Correlation LM Test: F-statistic 16.48881 Prob F(1,296) 0.0001 Kế t luận: Bác bỏ giả thiết H0, mô hin ̀ h có hiê ̣n tươ ̣ng tự tương quan Như vậy, khơng thể xây dựng mơ hình hồi quy tuyến tính theo liệu nhân tố thị trường tài khác Các biến số thị trường điều chỉnh độ trễ (trường hợp theo tháng) Hồi quy tuyến tính đơn biến Biến kết hợp Coefficient t-Statistic Prob R-Squared VNI1m 0.383975 4.102325 0.0001*** 0.146558 VNI2m 0.097281 0.964422 0.3372 0.009402 VNI3m -0.05245 -0.51991 0.6043 0.002751 ***: Mức ý nghĩa 1% Kế t luân : Mô hình hồ i quy tuyế n tính đơn biế n giữa VNI thố ng kê với mức ý nghiã % Mô hin ̀ h: VNIm = 0.383975 * VNI1m + 0.008382 1m VNI m có nghĩa 147 Hờ i quy tuyế n tính đa biế n và kiểm đinh ̣ - Từ mô hiǹ h hồ i quy đơn biế n ta tiế n hành kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i và kiể m đinh ̣ tự tương quan - Kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i Không có hiê ̣n tươ ̣ng phương sai thay đổ i : Kiể m đinh ̣ White Giả thiết H : Kế t quả kiể m đinh: ̣ Heteroskedasticity Test: White F-statistic 0.549705 Prob F(2,97) 0.5789 Kế t luận: Chấ p nhâ ̣n giả thiế t H0, mô hình không có hiê ̣n tươ ̣ng phương sai thay đổ i - Kiể m đinh ̣ hiê ̣n tươ ̣ng tự tương quan: Kiểm định Breusch- Godfrey Giả thiết H0: Không có hiê ̣n tươ ̣ng tự tương quan Kế t quả kiể m đinh: ̣ Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.334717 Prob F(1,97) 0.5642 Kế t luận: Chấ p nhâ ̣n giả thiế t H0, mô hin ̀ h không có hiê ̣n tươ ̣ng tự tương quan Như vâ ̣y mô hình hồ i quy đơn biế n giữa VNI1m VNIm phù hợp - Từ mô hiǹ h đơn biế n ta tiế n hành kiể m đinh ̣ xem mô hin ̀ h có bỏ sót các biế n còn la ̣i hay không Phương pháp: Sử du ̣ng kiểm định Omited Variables-Likelihoodratio phần mềm Eview 6.0 Giả thiết H0: ̣ số hồ i quy của biế n đưa thêm vào mơ hình khơng Kế t quả kiể m đinh: ̣ Biến đưa vào F-statistic Prob F(1,97) VNI2m 0.32311 0.5711 VNI3m 0.90408 0.3441 Kết luận: Chấ p nhâ ̣n giả thiế t H0, tức là không xảy trường hợp thiếu biến - Kiểm định trường hợp đưa đưa thêm đồng thời biến lại vào mơ hình 148 Giả thiết H0: Hệ số hồi quy biến đưa thêm vào mơ hình = c(vni2m) = c(vni3m)=0 Kết kiểm định: Omitted Variables: VNI2m VNI3m F-statistic 0.474584 Log likelihood ratio 0.983861 Prob F(2,96) Prob Chi-Square(2) 0.6236 0.6114 Kết luận: Chấp nhận giả thiết Ho, mơ hình khơng thiếu biến giải thích Vậy, mơ hình hồi quy tuyến tính phù hợp mơ hình xây dựng dựa biến giải thích VNI1m Các biến số thị trường điều chỉnh độ trễ (trường hợp theo tuần) Hồi quy tuyến tính đơn biến Biến kết hợp Coefficient t-Statistic Prob R-Squared VNI1w 0.250109 4.421367 0.000* 0.062545 VNI2w 0.135148 2.334618 0.0202** 0.018262 VNI3w 0.101195 1.741042 0.0827*** 0.01024 ****: mức ý nghĩa 1%; **: Mức ý nghĩa 5%; *: Mức ý nghĩa 10% Kế t luân: Mô hiǹ h hồ i quy tuyế n tin ́ h đơn biế n giữa VNI 1w, VNI2w VNI3w với VNIw có ý nghĩa thống kê Mơ hin ̀ h: VNIw = 0.250109* VNI1w + 0.002591 VNIw= 0.135148* VNI2w + 0.002982 VNIw = 0.101195* VNI3w + 0.003102 Hồ i quy tuyế n tính đa biế n và kiểm đinh ̣ - Từ mô hiǹ h hồ i quy đơn biế n ta tiế n hành kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i và kiể m đinh ̣ tự tương quan - Kiể m đinh ̣ hiê ̣n tươ ̣ng phương sai thay đổ i Không có hiê ̣n tươ ̣ng phương sai thay đổ i Kế t quả kiể m đinh ̣ : Kiể m đinh ̣ White Giả thiết H 0: 149 F-statistic 1.827408 4.796707 4.1849 VNI1w VNI2w VNI3w Kiểm định White Prob.F(2,292) 0.1627 0.0089*** 0.0161** Kết luận Chấp nhận Ho Bác bỏ Ho Bác bỏ Ho ****: Mức ý nghĩa 1%; **: Mức ý nghĩa 5% Kế t luâ ̣n:  Mô hình hồ i quy tuyế n tính đơn biế n với biế n giải thích VNI 2w VNI3w có xảy tượng phương sai thay đổi  Mô hình hồ i qu y tuyế n tính đơn biế n với biế n giải thích VNI1w không xảy hiê ̣n tươ ̣ng phương sai thay đổ i nên ta tiế n hành kiể m đinh ̣ hiê ̣n tươ ̣ng tự tương quan với hai mô hình - Kiể m đinh ̣ hiê ̣n tươ ̣ng tự tương quan : Kiểm định Breusch – Godfrey Giả thiết H0: Không có hiê ̣n tươ ̣ng tự tương quan Kế t quả kiể m đinh: ̣ Kiểm định Breusch-Godfrey VNI1w F-statistic 1.756501 Kết luận Chấ p nhận giả thiết Ho Prob F(1,292) 0.1861 Kế t luận: Mô hiǹ h không có hiê ̣n tươ ̣ng tự tương quan Như vâ ̣y mô hình hồ i quy đơn biế n giữa VNI1w VNIw phù hợp - Từ mô hiǹ h đơn biế n ta tiế n hành kiể m đinh ̣ xem mô hin ̀ h có bỏ sót các biế n còn la ̣i hay không Phương pháp: Sử du ̣ng ki ểm định Omited Variables-Likelihoodratio phần mềm Eview 6.0 Giả thiết H0: ̣ số hồ i quy của biế n đưa thêm vào mơ hình = Biến đưa vào VNI2w VNI3w F-statistic Prob F(1,292) 1.757691 0.1859 1.44875 1.44875 Kết luận: Chấ p nhâ ̣n giả thiế t H0, tức là không xảy trường hợp thiếu biến - Kiểm định trường hợp đưa đưa thêm đồng thời biến cịn lại vào mơ hình 150 Giả thiết H0: Hệ số hồi quy biến đưa thêm vào mơ hình = c(vni2w) = c(vni3w) = Kết kiểm định: Omitted Variables: VNI2w VNI3w F-statistic 1.309276 Log likelihood ratio 2.642673 Prob F(2,291) Prob Chi-Square(2) 0.2716 0.2668 Kết luận: Chấp nhận giả thiết H0, mô hình khơng thiếu biến giải thích Vậy, mơ hình hồi quy tuyến tính phù hợp mơ hình xây dựng dựa biến giải thích VNI1w KẾT LUẬN Trong q trình xây dựng mơ hình hồi quy tuyến tính đa nhân tố để xác định tỷ suất sinh lợi thị trường chứng khoán, người viết đưa số kết luận sau: - Những nhân tố ảnh hưởng đến tỷ suất sinh lợi thị trường có ý nghĩa thống kê xây dựng mơ hình PB (chỉ số giá sổ sách/ giá thị trường) VNI1 (chỉ số thị trường điều chỉnh độ trễ tháng) - Đối với nhân tố vĩ mô, tiến hành kiểm định, nhân tố không cho kết đáng tin cậy, điều cần nhấn mạnh nhân tố vĩ mô điều chỉnh độ trễ cho kết thống kê cải thiện so với chưa điều chỉnh độ trễ - Đối với nhân tố độ trễ thị trường, tiến hành xây dựng mơ hình, dù trường hợp mơ hình xây dựng theo tuần hay theo tháng, có nhân tố số thị trường điều chỉnh trễ kì có ý nghĩa thống kê - Từ biến PB VNI1, người viết tiến hành xây dựng mơ hình thu kết mơ hình đa nhân tố với độ giải thích 48% Đây mơ hình hồi quy tuyến tính tốt xây dựng từ liệu nhân tố mà người viết tập hợp 151 Dependent Variable: VNI Method: Least Squares Variable Coefficient Std Error t-Statistic Prob VNI1 BP C 0.195256 0.112971 1.728369 0.459210 0.086552 5.305568 0.003534 0.014733 0.239857 0.0913 0.0000 0.8116 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.483751 Mean dependent var 0.459168 S.D dependent var 0.098466 Akaike info criterion 0.407209 Schwarz criterion 42.01231 Hannan-Quinn criter 19.67808 Durbin-Watson stat 0.000001 -0.002556 0.133892 -1.733880 -1.613436 -1.688980 1.938519 Theo đó, mơ hình hồi quy tuyến tínhgiúp xác định tỉ suất sinh lợi thị trường có dạng: VNI = 0.195255718065*VNI1 + 0.459210023695*BP + 0.00353392919441 152 Phụ lục Cách tính số phân tích kỹ thuật Chỉ báo trung bình di động (Moving average MA) Chỉ báo cho biết giá trị trung bình giá chứng khoán khoảng thời gian định Nó hữu ích việc loại trừ phần yếu tố nhiễu chuỗi ban đầu cho trang tổng quát xu hướng Hai loại trung bình di động sử dụng phổ biến trung bình di động giản đơn (Simple Moving Average – SMA) trung bình di động theo hàm mũ (Exponential Moving Average – EMA) Trung bình di động giản đơn SMA Trong khoảng thời gian định, trung bình di động giản đơn SMA tính tốn theo cơng thức sau: SMA = n i=1 Ci n Với: SMA trung bình di động giản đơn (simple moving average) Ci giá trị thứ i chuỗi liệu i số liệu chuỗi Theo đó, khoảng thời gian tính tốn ngắn đường trung bình di động nhạy cảm với thay đổi giá Chỉ báo trung bình di động ngắn hạn điển hình thường tính tốn cho khoảng thời gian từ đến 25 ngày, trung hạn từ 25 đến 100 ngày, 200 đến 250 ngày trung bình di động dài hạn Trung bình di động hàm mũ EMA EMA có phần khác so với trung bình di động giản đơn chỗ EMA thiết lập trọng số cao mức giá gần Mức trọng số ứng với mức giá gầy phụ thuộc vào độ dài khoảng thời gian sử dụng để tính tốn báo Bình qn di động theo hàm mũ tính tốn qua ba bước, trước hết tính tốn trung bình di động giản đơn điểm khởi đầu chuỗi trung bình di động 153 theo hàm mũ Tiếp việc tính tốn trọng số cho mức giá gần cuối tính tốn trung bình di động theo hàm mũ Cuối cùng, trung bình di động hàm mũ thực theo cơng thức sau: EMA = α C1 + − α C2 + … + (1 − α)n−1 Cn α + − α + ⋯ + − α n−1 Với: EMA trung bình di động hàm mũ α tỷ trọng giá trị gần chuỗi liệu, xác định bằng: 𝛂= 𝟐 𝐍+𝟏 Ci giá trị chuỗi liệu (i = 1, 2, …, n) với i = giá trị gần I = n giá trị xa Đường trung bình di động hội tụ phân kỳ (Moving Average Convergence Divergence - MACD) Được xây dựng Gerald Appel vào cuối năm 1970 báo đơn giản sử dụng phổ biến Thơng qua MACD, báo trung bình di động chuyển thành báo dao động xu lượng cách lấy hiệu số đường trung bình di động dài hạn (thường 26 ngày) với đường trung bình di động ngắn hạn (thường 12 ngày) Sự dao động đường MACD lên mức không cho thấy hội tụ, phân kỳ giao hai đường bình quân di động Cụ thể, MACD tính tốn theo cơng thức: MACD = EMA dài ngày − EMA ngắn ngày Chỉ báo cường độ tương đối (Relative Strength Index - RSI) Chỉ báo cường độ tương đối RSI báo thuộc nhóm Oscillator, xây dựng J Welles Wilder lần đầu vào năm 1978 dựa chênh lệch trung bình kỳ tăng giá so với trung bình kỳ giảm giá khoảng thời gian xác định Chỉ số so sánh mức độ lần tăng giá gần với lần giảm giá tương ứng RSI tính theo cơng thức sau: RSI = 100 − [ 100 ] + RS Với: RSI báo cường độ tương đối (Relative strength index) 154 RS cường độ tương đối, tính trung bình mức tăng giá đóng cửa n ngày chia cho trung bình mức giảm giá đóng cửa n ngày Chỉ báo dòng tiền (Money Flow Index - MFI) Chỉ báo dòng tiền MFI số động lượng (momentum indicator) Nó liên quan mật thiết với RSI cách diễn đạt lẫn tính tốn Tuy nhiên, báo có điểm so với RSI chỗ có đưa thêm vào thành phần khối lượng giao dịch kỳ Vì vậy, MFI trở thành cơng cụ tốt để đo lường dòng tiền vào thị trường chứng khốn Có thể nói RSI kết hợp chặt chẽ với đường giá MFI xem đường khối lượng MFI thực cách so sánh “dòng tiền dương” với “dòng tiền âm” để từ hình thành nên báo đem so sánh với giá, nhằm xác định độ mạnh yếu xu hướng Tương tự RSI, báo thiết lập khoảng từ đến 100 thường tính khoảng thời gian 14 kỳ Chỉ số MFI tính sau:  Tính giá điển hình (Typical price - TP): TP = Giá cao + Giá thấp + Giá đóng cửa  Dịng tiền (Money flow): Dịng tiền = TP ∗ khối lượng giao dịch  Nếu giá điển hình hơm lớn giá điển hình hơm qua gọi dịng tiền dương (positive money flow) Cịn thấp gọi dòng tiền âm (negative money flow)  Tỷ số dòng tiền (Money Ration - MF): MF =  Dòng tiền dương Dòng tiền âm Chỉ báo dòng tiền (Money flow index MFI): MFI = 100 − 100 + MF Chỉ báo kênh hàng hóa (Commodity Channel Index - CCI) 155 CCI xây dựng Donald Lambert dùng để đo lường chênh lệch giá chứng khốn với mức trung bình Khi báo mức cao thấp cho thấy chênh lệnh bất thường giá so với mức trung bình Khơng tên gọi vốn có, báo CCI sử dụng với loại chứng khốn nào, khơng loại hàng hóa Cụ thể, có bốn bước để tính CCI:  Tính giá điển hình (Typical price - TP): TP = Giá cao + Giá thấp + Giá đóng cửa  Tính trung bình di động giản đơn giá điển hình chu kỳ tính tốn (Simple Moving Average of Typical Price - SMATP) Ví dụ với chu kỳ 20 ngày tính SMATP (20)  Tính độ lệch trung bình (Mean Deviation) TP SMATP 20 ngày: Tìm chênh lệch SMATP kỳ cuối TP cho giai đoạn 20 ngày trước Sau đó, tính tổng khoảng chênh lệch chia cho 20 để tìm độ lệch TP SMATP  Cuối kết hợp TP, SMATP, độ lệch trung bình hệ số 0.015 theo cơng thức để có CCI: CCI = TP − SMATP 0,015 ∗ độ lệch trung bình Chỉ báo dao động ngẫu nhiên (Stochastic Oscillator – K% D%) Chỉ báo dao động ngẫu nhiên xây dựng để đo lường mối liên hệ hiệu số giá đóng cửa giá thấp so với giá cao khoảng thời gian định, thể qua công thức sau: K% = 100 ∗ Giá đóng cửa − Giá thấp thời kỳ Giá cao thời kỳ − Giá thất thời kỳ D% = Trung bình di động ba thời kỳ K% Theo đó, giá trị K% cho biết mức giá đóng cửa nằm vị trí khoảng giá cao thấp thời kỳ xem xét Giá trị K% tiến đến không cho thấy giá đóng cửa gần mức giá thấp ngược lại giá trị K% 100 đồng nghĩa với việc giá đóng cửa mức cao khoảng thời gian