Tổng quan về rủi ro của nhà đầu tư trên thị trường chứng khoán Việt Nam

Thị trường chứng khoán là công cụ khuyến khích dân chúng tiết kiệm và thu hút mọi nguồn vốn nhàn rỗi vào đầu tư. Rủi ro trong đầu tư chứng khoán là sự sai biệt của tỷ suất sinh lợi thực tế so với tỷ suất sinh lợi kỳ vọng của nhà đầu tư. Để đánh giá rủi ro (σ), công thức sau được áp dụng:

r, ri: là lợi nhuận của một công cụ tài chính trong thời kỳ cơ bản và thời kỳ thứ i

n: là số thời kỳ

Nền kinh tế Việt Nam đang trong tiến trình chuyển đổi và hội nhập kinh tế quốc tế, rủi ro trên thị trường chứng khoán Việt Nam còn rất lớn, nhất là khi so với các thị trường chứng khoán lâu năm khác trên thế giới. Đối tượng gánh chịu rủi ro khi đưa ra quyết định đặt lệnh mua, bán chứng khoán không hiệu quả chính là nhà đầu tư. Có thể thấy 02 nguồn rủi ro tiềm ẩn như sau:

(i) Rủi ro từ bản thân nhà đầu tư do thiếu kiến thức phân tích, đầu tư theo cảm tính: Nhà đầu tư cá nhân do sự hạn chế về tài lực và nhiều mặt khác như: thông tin, kiến thức, thời gian, kinh nghiệm… nên thường xuyên đối mặt với rất nhiều rủi ro: đầu tư theo đám đông, đầu tư theo tin đồn…

(ii) Rủi ro từ môi trường kinh tế vĩ mô: Bất ổn vĩ mô trong thời gian qua ở Việt Nam thường liên quan đến: lạm phát, lãi suất, tỷ giá, chỉ số giá tiêu dùng… cũng đã chi phối mạnh đến rủi ro hệ thống thị trường - nên rất khó dự đoán và khó kiểm soát. Bên cạnh đó, các yếu tố nội tại nền kinh tế và đặc điểm về tính bất cập của thị trường… cũng là các nhân tố quyết định rủi ro trên thị trường chứng khoán Việt Nam.

Để hạn chế rủi ro trong đầu tư chứng khoán, trong phạm vi nghiên cứu này, nhóm tác giả sẽ làm rõ việc ứng dụng công nghệ trí tuệ nhân tạo nhằm giảm thiểu rủi ro trong kinh doanh chứng khoán của nhà đầu tư, bằng cách giới thiệu mô hình dự đoán và phân tích dữ liệu để hỗ trợ cho việc đưa ra các quyết định đầu tư thông minh và hiệu quả.

Giới thiệu tổng quan về AI và AI trong đầu tư chứng khoán

Trí tuệ nhân tạo (AI-Artificial Intelligence) là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên được con người thể hiện. Thông thường, thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc (hoặc máy tính) bắt chước các chức năng "nhận thức" mà con người liên kết với tâm trí con người, như "học tập" và "giải quyết vấn đề". Một bước quan trọng khác trong phát triển của công nghệ AI, đó là hướng tập trung vào kỹ thuật học máy (ML).

Mặc dù có rất nhiều kỹ thuật ML có thể thực hiện việc tự động hóa, nhưng hầu hết các ứng dụng ML hướng vào việc quản lý tài sản dựa trên một số kỹ thuật, bao gồm: mạng nơ-ron nhân tạo (ANN), thuật toán hỗ trợ vector (SVM), thuật toán LASSO và xử lý ngôn ngữ tự nhiên (NLP). Các ứng dụng này đã giúp cho việc kết hợp trí tuệ nhân tạo không chỉ áp dụng vào các công ty như một phần của quá trình ra quyết định, mà còn áp dụng vào vô số ứng xử hàng ngày của từng cá nhân cần có quyết định chính xác cho hoạt động giao dịch, trong đó có lĩnh vực giao dịch kinh doanh chứng khoán.

Một số ứng dụng chính của AI trong kinh doanh chứng khoán và cách nó có thể thay đổi cách nhà đầu tư giao dịch và đầu tư trong tương lai như sau:

- Nhận diện gian lận và phân tích rủi ro: AI có thể giúp nhận diện các hoạt động gian lận thông qua việc phân tích dữ liệu giao dịch bất thường hoặc không hợp lệ. Ngoài ra, AI cũng có thể đánh giá các rủi ro tiềm năng trong các quyết định đầu tư và đưa ra các biện pháp phòng ngừa để giảm thiểu rủi ro đối với các nhà đầu tư.

- Dự báo sự kiện tài chính: AI cũng có thể dự đoán các sự kiện tài chính quan trọng, chẳng hạn như biểu đồ tăng giảm giá cổ phiếu, thông tin doanh nghiệp, sự kiện chính trị, hay các biến động kinh tế toàn cầu. Nhờ vào khả năng này, các nhà đầu tư có thể tham khảo và đưa ra quyết định đầu tư dựa trên thông tin mới nhất và chính xác nhất.

- Điều chỉnh danh mục đầu tư, thực hiện các quyết định mua bán chứng khoán theo quy tắc được lập trình. AI có thể giúp các quỹ đầu tư và các nhà đầu tư cá nhân điều chỉnh tự động danh mục đầu tư của họ dựa trên thông tin thị trường và các mục tiêu đầu tư đã định trước, giúp tối ưu hóa danh mục đầu tư và giảm thiểu rủi ro.

Mô hình hệ thống hỗ trợ quyết định tài chính - DSS (Decision Support System)

Nhằm giảm thiểu rủi ro trong việc đưa ra quyết định đầu tư chứng khoán cho nhà đầu tư, nghiên cứu này giới thiệu một cách tiếp cận mới qua việc ứng dụng AI để xây dựng mô hình Hệ thống hỗ trợ quyết định tài chính – DSS (Hình 1).

Mô hình này kết hợp sử dụng phương pháp học máy (ML) với việc sử dụng mạng thần kinh (ANN) để dự đoán giá cổ phiếu và có thể hỗ trợ quyết định cho các nhà đầu tư nhằm điều chỉnh các trọng số dành cho dữ liệu tài chính để xác định giá cổ phiếu chính xác nhất. Trong phạm vi bài viết, nghiên cứu không đi sâu vào việc chứng minh và giải thích từng thuật toán có liên quan mà chỉ muốn làm rõ hơn cách thức mà mô hình DSS đưa ra dự đoán giá cổ phiếu dựa trên việc trình bày kết hợp các nội dung sau:

- Hệ thống tính toán: Hệ thống tính toán là một máy vi tính cá nhân đa năng, có khả năng chạy các phần mềm tính toán toán học như Octave/Matlab, các thuật toán ML nhận “đầu vào” dưới dạng tệp dữ liệu tài chính về cổ phiếu từ thông tin đại chúng.

Dữ liệu lịch sử: Dữ liệu lịch sử bao gồm thông tin tài chính trong quá khứ về cổ phiếu trong một khoảng thời gian dài. Dữ liệu như vậy chủ yếu có nguồn gốc từ các nguồn thông tin đại chúng lưu trữ trên internet.

Dữ liệu hiện tại: Dữ liệu hiện tại về một cổ phiếu quan tâm cụ thể được cơ sở dữ liệu lấy từ internet trên cơ sở thời gian thực dựa trên truy vấn của nhà đầu tư về bất kỳ cổ phiếu cụ thể nào sử dụng giao diện người dùng và tạo thành “đầu vào” cho mô hình học máy để dự đoán giá cổ phiếu theo thời gian thực.

- Mô hình toán học của DSS tài chính được sử dụng để dự đoán “giá cổ phiếu” dựa trên hai hàm quan trọng:

Giá trị cơ bản/Giá trị nội tại của một cổ phiếu: Mục tiêu của phân tích hàm này là tạo ra một giá trị định lượng mà nhà đầu tư có thể so sánh với giá trị hiện tại của chứng khoán. Từ đó cho biết chứng khoán đó có bị định giá thấp hay hay được định giá quá cao hay không.

Các yếu tố kinh tế vĩ mô: Tập hợp các yếu tố kinh tế vĩ mô được coi là có tác động trực tiếp đến hiểu biết của nhà đầu tư về sức khỏe chung của nền kinh tế và thị trường chứng khoán.

- Trí tuệ nhân tạo/thuật toán học máy: Các mô hình học máy được sử dụng để triển khai các phương trình toán học được mô tả nêu trên, có thể thực hiện theo cách thức của mạng thần kinh nhân tạo (ANN). Đây là hệ thống kết nối là các hệ thống máy tính được lấy cảm hứng một cách mơ hồ từ mạng lưới thần kinh sinh học cấu thành nên bộ não động vật. Những hệ thống như vậy "học" các nhiệm vụ bằng cách xem xét dữ liệu lịch sử, thường không cần lập trình cho nhiệm vụ cụ thể. Mạng nơ-ron nhân tạo là một nhóm các nút được kết nối với nhau, giống như mạng lưới nơ-ron rộng lớn trong não.

Mô hình học máy được chọn để phát triển hơn nữa là mạng thần kinh nhân tạo. Ưu điểm của việc sử dụng mạng nơ-ron nhân tạo là nó tự động điều chỉnh các đường cong phức tạp bằng cách sử dụng “lớp ẩn” (Hidden Layer) thay vì sử dụng mô hình hồi quy tuyến tính, vì thị trường chứng khoán hiếm khi hành xử theo cách tuyến tính. Mạng nơ-ron nhân tạo để dự đoán giá cổ phiếu sẽ được chạy trên một máy vi tính cá nhân đa năng vận hành ứng dụng phần mềm chuyên dụng và hàm chi phí của mỗi mô phỏng với dữ liệu tài chính sẽ được đánh giá so với giá cổ phiếu theo thời gian thực. Mạng nơ-ron học máy có thể cách mạng hóa hầu như mọi khía cạnh của việc ra quyết định tài chính và đầu tư.

- Lựa chọn các thông số tài chính cho mô hình DSS tài chính: Dựa trên các thông số Nội tại/Cơ bản và kinh tế vĩ mô, các tỷ lệ từng chỉ tiêu được chọn làm “Tính năng/Thuộc tính” cho các mô hình học máy. Mô hình này sẽ sắp xếp và lựa chọn những tính năng phù hợp nhất để quyết định “đầu ra” cuối cùng.

- Kết quả đề xuất của DSS tài chính để dự đoán “giá cổ phiếu”: Kết quả đã chứng minh rằng DSS tài chính đã giảm thiểu rủi ro cho các nhà đầu tư, nhờ đã mang lại “tỷ lệ sinh lời - ROI” cho danh mục đầu tư: đạt hơn 11% trong đầu tư ngắn hạn, và hơn 61% trong đầu tư dài hạn. Khi so sánh với tỷ số thực tế của thị trường, việc ứng dụng DSS tài chính đã thực hiện vượt mức, với tỷ lệ bình quân là 15% (Sandeep Patalay, 2021).

Kết luận

Mục đích của ứng dụng AI trong kinh doanh chứng khoán được đề xuất là hỗ trợ các nhà đầu tư phân tích và dự đoán giá cổ phiếu với độ chính xác hợp lý nhằm giảm thiểu tối đa độ rủi ro trong việc đưa ra quyết định. Bằng cách sử dụng mạng máy học và mạng thần kinh nhân tạo, dữ liệu tài chính sẽ được phân tích sâu và tạo ra những hiểu biết có giá trị. Đây là cách tiếp cận mới về việc sử dụng mạng lưới thần kinh nhân tạo để xác định trọng số cho từng thông số tài chính và từ đó dự đoán giá cổ phiếu là phương pháp đột phá trong lĩnh vực nghiên cứu hỗ trợ quyết định tài chính. AI được đề xuất đã xem xét cả các thông số nội tại và kinh tế vĩ mô sẽ cho phép hệ thống dự đoán toàn diện giá cổ phiếu. Việc ứng dụng AI trong đầu tư chứng khoán là tất yếu và là điển hình về bước đầu sử dụng công nghệ hiện đại trong lĩnh vực đầu tư tài chính ở Việt Nam.

Tài liệu tham khảo:

1. Dang Thi Ngoc Lan (2018), Quá trình phát triển của Fintech và những chuyển động trong lĩnh vực tài chính ngân hàng. Kỷ yếu hội thảo khoa học (Khoa Ngân hàng, UEH - 2018);
2. Ngo Minh Vu, Nguyen Huu Huan (2021). Ứng dụng công nghệ trí tuệ nhân tạo trong dịch vụ tài chính tại thị trường tài chính Vietnam. https://digital.lib.ueh.edu.vn/handle/UEH/62540;
3. Nguyen Hoang Giang, Pham Thi Thanh Huyen (2017). Factors affecting the dividend payment decision of the listed companies on the stock market of Vietnam. (ICUEH2017) International Conference of Economics HCM City;
4. Abbott, D. (2014). Applied predictive analytics: Principles and techniques for the professional data analyst. John Wiley & Sons.