3 Trong khoa học về ứng dụng ANN, một tập hợp gồm toàn bộ các mẫu dữ liệu được gọi bằng thuật ngữ Epoch Mỗi mẫu trong bộ dữ liệu được gọi bằng tên Exemplar.
2.3. Sự vượt trội của mô hình mạng thần kinh nhân tạo so với mơ hình hồi quy tuyến tính khi sử dụng các biến số tài chính
quy tuyến tính khi sử dụng các biến số tài chính
Bên cạnh các biến kinh tế vĩ mơ thì các biến phản ánh tình hình tài chính của các doanh nghiệp niêm yết cũng thường được sử dụng làm nhập lượng đầu vào cho các mơ hình dự báo tỷ suất sinh lợi của các tài sản tài chính trên TTCK. Nghiên cứu của Fama và French (1992) dựa trên các chứng khoán sàn giao dịch New York trong giai đoạn từ 1963 đến 1990 đã đưa ra kết luận về sự tồn tại mối tương quan giữa tỷ suất sinh lợi chứng khốn với các tỷ số tài chính như: tỷ số giá/giá trị sổ sách (P/B), tỷ số giá/thu nhập mỗi cổ phần (P/E)… Trong những năm sau đó, nhiều nghiên cứu sử dụng những phương pháp kiểm định khác nhau đã đi đến kết luận về sự hạn chế trong khả năng dự báo của các tỷ số này. Tuy nhiên, John Y. Campbell và Motohiro Yogo (2003) đã đưa ra một phương pháp kiểm định mới, củng cố cho kết luận về khả năng dự báo của các tỷ số tài chính: cổ tức/giá và giá/thu nhập mỗi cổ phần.
Bên cạnh các biến số đầu vào thì loại mơ hình được sử dụng cũng sẽ ảnh hưởng đến kết quả cuối cùng của q trình phân tích và dự báo. Mặc dù phần lớn các nghiên cứu trước đây đều chỉ ra mối quan hệ tuyến tính giữa các tỷ số tài chính và tỷ suất sinh
lợi của chứng khốn. Tuy nhiên, thực tế là các mơ hình phi tuyến sẽ có khả năng mơ tả chính xác hơn mối tương quan giữa hai yếu tố này. Nghiên cứu của Mohammed Omran (2002), dựa trên mẫu dữ liệu từ năm 1996 đến 2000 của 46 doanh nghiệp trên thị trường Ai Cập đã góp phần minh chứng cho kết luận này. Tương tự, nghiên cứu của Reza Gharoie Ahangar (2010) sử dụng mơ hình phi tuyến cũng đã cho kết quả dự báo tốt hơn so với mơ hình tuyến tính thơng thường. Bài nghiên cứu sử dụng mẫu dữ liệu của các công ty niêm yết trên sàn giao dịch Tehran và mơ hình phi tuyến được lựa chọn là mơ hình mạng ANN.
Dựa trên nền tảng đó, phần nghiên cứu này của luận án sẽ thiết lập hai loại mơ hình dự báo khác nhau sử dụng các tỷ số tài chính làm nhập lượng đầu vào để phân tích và dự báo tỷ suất sinh lợi của chỉ số VNIndex trên TTCK VN. Trước hết, mơ hình tuyến tính truyền thống sẽ được sử dụng như một mơ hình chuẩn. Sau đó, các cấu trúc mạng ANN phi tuyến khác nhau được xây dựng và kết quả dự báo của những cấu trúc mạng này sẽ được so sánh với mơ hình tuyến tính đã được thiết lập.
Nhập lượng đầu vào bao gồm các biến tỷ số tài chính lần lượt là: tỷ suất sinh lợi trên vốn cổ phần ROE, tỷ suất sinh lợi trên tổng tài sản ROA, tỷ số giá trên thu nhập mỗi cổ phần PE, tỷ số giá trên giá trị sổ sách mỗi cổ phần PB, giá trị vốn hóa của thị trường – CM, dịng tiền mỗi cổ phần – CF, thu nhập mỗi cổ phần – EPS, lợi nhuận biên – PM, và tỷ lệ nợ trên vốn cổ phần – D/E. Bộ dữ liệu theo tháng được thu thập từ Sở giao dịch chứng khoán Tp.HCM và Bloomberg từ tháng 1/2007 đến tháng 9/2010. Các dữ liệu trên được tính trên cơ sở tỷ lệ thay đổi để đảm bảo tính dừng khi sử dụng cùng bộ dữ liệu để so sánh với phương pháp hồi quy tuyến tính.