Ứng dụng machine learning trong mô hình capm

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH TRẦN TRỌNG HUỲNH ỨNG DỤNG MACHINE LEARNING TRONG MƠ HÌNH CAPM LUẬN VĂN THẠC SĨ KINH TẾ TP Hồ Chí Minh – Năm 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH TRẦN TRỌNG HUỲNH ỨNG DỤNG MACHINE LEARNING TRONG MƠ HÌNH CAPM Chun ngành: Tài Chính – Ngân Hàng (Tài Chính) Hướng đào tạo: Hướng nghiên cứu Mã số: 8340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN KHẮC QUỐC BẢO TP Hồ Chí Minh – Năm 2020 LỜI CAM ĐOAN Tác giả nghiên cứu “Ứng dụng machine learning mơ hình CAPM” cam đoan sử dụng liệu công bố trang web uy tín, khơng sửa chữa làm đẹp kết Nghiên cứu nối tiếp với nghiên cứu trước đó, khơng chép hay gian lận nghiên cứu TP Hồ Chí Minh, ngày 24 tháng 12 năm 2020 Tác giả Trần Trọng Huỳnh MỤC LỤC LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH TÓM TẮT ABSTRACT CHƯƠNG GIỚI THIỆU CHUNG 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.3 Câu hỏi nghiên cứu 1.4 Phương pháp nghiên cứu 1.5 Đối tượng phạm vi nghiên cứu CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Mơ hình định giá tài sản vốn (CAPM) 2.2 Giá trị kiểm định thực nghiệm CAPM 14 2.3 Support Vector Regression (SVR) 17 2.4 Support Vector Regression (SVR) nghiên cứu liên quan 20 CHƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU 23 3.1 Giả thuyết nghiên cứu liệu nghiên cứu 23 3.2 Mơ hình nghiên cứu giả thuyết tính hiệu mơ hình 27 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 29 4.1 Thống kê mô tả 29 4.2 Kết kiểm định CAPM 34 4.3 Kiểm định tính dừng 37 4.4 Dự báo tỉ suất sinh lợi với mơ hình CAPM 38 4.5 Dự báo tỉ suất sinh lợi với mô hình SVR khung CAPM 48 4.6 Mở rộng mơ hình SVR cho danh mục đầu tư 57 CHƯƠNG KẾT LUẬN VÀ KHUYẾN NGHỊ 62 5.1 Kết luận chung 62 5.2 Khuyến nghị 64 5.3 Đóp góp đề tài hạn chế 64 TÀI LIỆU THAM KHẢO PHỤ LỤC DANH MỤC CÁC TỪ VIẾT TẮT Từ Viết Đầy Đủ Từ Viết Tắt CAL Đường phân bổ vốn (Capital Allocation Line) CAPM Mơ hình định giá tài sản vốn (Capital Asset Pricing Model) HOSE Sở Giao dịch Chứng khốn Thành phố Hồ Chí Minh MAE Mean Absolute Error RMSE Root Mean Square Error SML Đường thị trường chứng khoán (Security Market Line) SVM Support Vector Machine SVR Support Vector Regression DANH MỤC CÁC BẢNG Bảng Tên Bảng Trang Bảng 3.1 Mô tả biến 23 Bảng 4.1 Thống kê mô tả biến 29 Bảng 4.2 Thống kê mô tả tỉ suất sinh lợi Vnindex lãi suất phi rủi ro 34 Bảng 4.3 Kết hồi quy phương trình (3.2) 34 Bảng 4.4 Kết hồi quy phương trình (3.3) 35 Bảng 4.5 Kết kiểm định Augmented Dickey-Fuller cho 212 mã cổ 37 phiếu Bảng 4.6 Các mơ hình dự báo tỉ suất sinh lợi Vnindex 43 Bảng 4.7 Giá trị MAE cho dự báo 44 Bảng 4.8 Thống kê số MAE RMSE 212 mã chứng khoán 45 Bảng 4.9 Kết hồi quy RMSECAPM theo biến độc lập 47 Bảng 4.10 Sai số dự báo mơ hình 52 Bảng 4.11 Các thống kê cho số MAE RMSE chứng khoán 52 Bảng 4.12 Kết kiểm định Wilcoxon cho mơ hình fittedsvr capm 54 Bảng 4.13 Kết kiểm định Wilcoxon cho mơ hình presvr precapm 54 Bảng 4.14 Kết hồi quy RMSECAPM theo biến độc lập 55 Bảng 4.15 Kiểm định Wilcoxon cố định vnindex 57 Bảng 4.16 Kiểm định Wilcoxon cố định rf beta 57 Bảng 4.17 Sai số mơ hình đo lường MAE, RMSE 59 Bảng 4.18 Kiểm định Wilcoxon cho mơ hình presvr precapm 60 Bảng 4.19 Kiểm định Wilcoxon cho mơ hình svr capm 60 DANH MỤC CÁC HÌNH Hình Tên Hình Trang Hình 2.1 Các hội đầu tư Hình 2.2 Đường CML hội đầu tư α thay đổi 10 Hình 2.3 Đường thị trường chứng khốn 13 Hình 2.4 Siêu phẳng phân lớp H cho trường hợp Ф ánh xạ 18 đồng Hình 4.1 Phân phối hệ số beta 30 Hình 4.2 Phân phối tỉ suất sinh lợi trung bình 31 Hình 4.3 Mối quan hệ beta tỉ suất sinh lợi trung bình 32 Hình 4.4 Biến động tỉ suất sinh lợi số Vnindex Lợi 33 suất trái phiếu Hình 4.5 Tỉ suất sinh lợi Vnindex từ 01/2011 đến 03/2012 40 Hình 4.6 Biểu đồ ACF tỉ suất sinh lợi Vnindex 41 Hình 4.7 Biểu đồ PACF tỉ suất sinh lợi Vnindex 42 Hình 4.8 Tỉ suất sinh lợi Vnindex dự báo 43 Hình 4.9 Phân phối MAE RMSE 45 Hình 4.10 Tương quan biến 46 Hình 4.11 Các phân phối tương quan tỉ suất sinh lợi vượt 49 trội (R) phần bù rủi ro (premium) Hình 4.12 Dự báo tỉ suất sinh lợi mã cổ phiếu AAM mơ hình 51 CAPM SVR Hình 4.13 Phân phối, tương quan tỉ suất sinh lợi vượt trội phần bù rủi ro 58 TÓM TẮT Nghiên cứu thực nhằm kiểm tra liệu mô hình SVR khung CAPM có dự báo tỉ suất sinh lợi tốt so với dự báo mô hình CAPM hay khơng Kết mơ hình SVR fitted tốt CAPM Tuy nhiên, mơ hình presvr khơng chứng tỏ tốt mơ hình precapm cho dự báo giá trị tương lai, nguyên nhân dự báo tỉ suất sinh lợi danh mục thị trường sai lệch nhiều so với thực tế Mở rộng nghiên cứu cho danh mục đầu tư mơ hình SVR cải thiện hiệu rõ rệt Nghiên cứu phát CAPM khung chưa tốt CAPM khơng phù hợp thực nghiệm, ngun nhân làm cho mơ hình SVR có sai số dự báo cịn mức cao Từ khóa: Machine Learning, SVR, CAPM, tỉ suất sinh lợi, beta, RMSE ABSTRACT The study investigates whether the SVR model forecast the return is better than the CAPM model The obtained result reveals that the SVR model is chosen However, the presvr model is not effective than the precapm model in future forecasting, caused by the forecasting of return on the market portfolio could be bias estimator Exping the analysis list portfolio’s return, the most effective model is the SVR model The finding of the study shows that the CAPM model does not believe, due to the CAPM is not suitable in the practical study This result provides evidence of why the error in forecasting by the SVR model is hight Keyworks: Machine Learning, SVR, CAPM, return, beta, RMSE cafe%mutate(d=date-ym) cafe%mutate(m=((ym/100)%%100)) cafe%mutate(y=date%/%10000) cafe%mutate(times=as.Date(ISOdate(y,m,d))) hose