Luận án Tiếp cận Machine Learning trong quản trị danh mục trên thị trường chứng khoán Việt Nam

Tên luận án:

Tiếp cận Machine Learning trong quản trị danh mục trên thị trường chứng khoán Việt Nam

Ngành:

Không được nêu rõ trong tài liệu.

Tóm tắt nội dung tài liệu:

Tài liệu này trình bày một luận án nghiên cứu về quản trị danh mục đầu tư trên thị trường chứng khoán Việt Nam, tập trung vào việc khắc phục những hạn chế của phương pháp Trung bình - Phương sai (Mean-Variance: MV) tiêu chuẩn thông qua việc tích hợp các phương pháp Học máy (Machine Learning: ML). Luận án xuất phát từ thực tế thị trường biến động phức tạp và các hạn chế của MV như sự nhạy cảm với nhiễu trong ước lượng ma trận hiệp phương sai và vấn đề quá khớp.

Mục tiêu nghiên cứu là xây dựng danh mục đầu tư tối ưu bằng cách kết hợp các phương pháp học máy (phân cụm chuỗi thời gian, Bộ nhớ ngắn - dài hạn (LSTM), và chính quy hóa Lasso) với bài toán tối ưu Markowitz, sau đó đánh giá hiệu quả của chúng trong các bối cảnh khác nhau của thị trường Việt Nam từ năm 2008 đến 2022. Phạm vi nghiên cứu bao gồm các cổ phiếu trên sàn HOSE và được chia thành ba giai đoạn: khủng hoảng tài chính toàn cầu (2008-2012), thị trường bình ổn (2013-2019) và ảnh hưởng của dịch Covid-19 (2020-2022).

Kết quả thực nghiệm cho thấy các phương pháp Học máy có thể giúp cải thiện hiệu quả của danh mục so với phương pháp MV tiêu chuẩn, đặc biệt là danh mục LSTM-MV mang lại lợi suất tích lũy cao hơn đáng kể và có ý nghĩa thống kê trong cả ba giai đoạn nghiên cứu. Tuy nhiên, hiệu quả này thường đi kèm với mức độ rủi ro cao hơn. Danh mục MTS-MV và Lasso cho thấy hiệu quả không nhất quán, phụ thuộc vào trạng thái thị trường. Cụ thể, LSTM-MV cho thấy sự ưu việt ổn định, trong khi MTS-MV dường như hiệu quả hơn trong giai đoạn bình thường, và Lasso có hiệu quả không rõ ràng, có lúc tốt hơn, có lúc kém hơn MV.

Luận án đóng góp bằng cách đánh giá hiệu quả của ML-MV trên thị trường cận biên như Việt Nam, tận dụng các tình huống thị trường có biến động lớn để đối sánh hiệu quả, và cung cấp bằng chứng thực nghiệm định lượng về hiệu quả của các phương pháp này. Hạn chế của luận án bao gồm việc vẫn kế thừa một số hạn chế của bài toán tối ưu MV, giả định thị trường cho phép bán khống đối với Lasso (chưa phù hợp với thực tế Việt Nam), và chưa xem xét các yếu tố chi phí giao dịch, thuế.

Mục lục chi tiết:

LỜI MỞ ĐẦU

• 1. Lý do lựa chọn đề tài
• 2. Mục tiêu nghiên cứu
• 3. Câu hỏi nghiên cứu và giả thuyết nghiên cứu
• Câu hỏi nghiên cứu
• Giả thuyết nghiên cứu
• 4. Đối tượng và phạm vi nghiên cứu
• Đối tượng nghiên cứu
• Phạm vi nghiên cứu
• 5. Phương pháp nghiên cứu
• Phương pháp nghiên cứu tại bàn
• Phương pháp thống kê
• Các phương pháp mô hình hóa
• Phần mềm xử lý số liệu và phân tích kết quả
• Thiết kế nghiên cứu

7. Kết cấu của luận án

• Chương 1: Cơ sở lý luận và tổng quan nghiên cứu
• Chương 2: Các phương pháp nghiên cứu
• Chương 3: Phân tích thực nghiệm và kết quả
• Chương 4: Kết luận và khuyến nghị

CHƯƠNG 1. CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU

• 1.1 Cơ sở lý thuyết
• 1.1.1 Một số khái niệm trong quản trị danh mục đầu tư
• 1.1.2 Cơ sở lý thuyết của Quản trị danh mục đầu tư
• Tiếp cận truyền thống
• Tiếp cận hiện đại
• 1.1.3 Mô hình Trung bình - phương sai của Markowitz
• 1.2 Tổng quan nghiên cứu
• 1.2.1 Các nghiên cứu trên thế giới
• 1.2.2 Các nghiên cứu trong nước
• 1.3 Khoảng trống và khung nghiên cứu
• 1.3.1 Khoảng trống nghiên cứu
• 1.3.2 Khung nghiên cứu

CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU

• 2.1 Các phương pháp học máy ứng dụng trong quản trị danh mục
• 2.1.1 Giới thiệu về học máy
• 2.1.2 Phương pháp phân cụm với số liệu chuỗi thời gian
• 2.1.3 Phương pháp Bộ nhớ ngắn – dài hạn (Long Short - Term Memory)
• 2.1.4 Phương pháp chính quy hóa
• 2.2 Học máy kết hợp với mô hình MV trong xây dựng danh mục tối ưu
• 2.2.1 Phương pháp phân cụm kết hợp với mô hình MV
• 2.2.2 Phương pháp LSTM kết hợp với mô hình MV
• 2.2.3 Phương pháp chính quy hóa kết hợp với mô hình MV

CHƯƠNG 3. PHÂN TÍCH THỰC NGHIỆM VÀ KẾT QUẢ

• 3.1 Thực trạng TTCK Việt Nam giai đoạn 2008 – 2022
• 3.1.1 Kết quả thực nghiệm của các phương pháp
• Kết quả thực nghiệm của phương pháp phân cụm
• Kết quả thực nghiệm của phương pháp LSTM
• Kết quả thực nghiệm của phương pháp Lasso
• 3.1.2 So sánh các danh mục Học máy với danh mục MV tiêu chuẩn
• Giai đoạn 2008 – 2012
• Giai đoạn 2013 - 2019
• Giai đoạn 2020 - 2022
• 3.4.3. So sánh các danh mục Học máy

CHƯƠNG 4. KẾT LUẬN VÀ KHUYẾN NGHỊ

• 4.1 Kết luận của luận án
• 4.2 Một số khuyến nghị
• 4.3 Một số hạn chế của luận án