- i - LIăCAMăOAN
Tôi cam đoan rng lun vn nƠy ắ So sánh hai mô hình d báo t sut sinh li
chng khoán: Mô hình hi quy truyn thng vƠ mô hình neural network” lƠ bƠi nghiên
cu ca chính tôi.
Ngoi tr nhng tài liu tham kho đc trích dn trong lun vn này, tôi cam
đoan rng nhng phn trong lun vn nƠy cha tng đc công b hoc đc s dng
đ nhn bng cp  nhng ni khác.
Không có sn phm/nghiên cu nào ca ngi khác đc s dng trong lun
vn mƠ không đc trích dn theo quy đnh.
Lun vn nƠy cha tng đc np đ nhn bt k bng cp nào ti các trng
đi hc hoc c s đƠo to khác.
Thành ph H Chí Minh, ngƠy 18 tháng 03 nm 2013
Ngi cam đoan L Xuân Trang
- ii - LI CMăN
 hoàn thành tt lun vn nƠy trc ht tôi xin gi li cm n chơn thƠnh ti

thi so sánh hai mô hình này vi nhau thông qua các các ch tiêu MSE, RMSE,
MAPE, Theil’u vƠ thy đc s vt tri ca mô hình ANN so vi mô hình hi quy
truyn thng.

- iv ậ
MC LC

LI CAM OAN i
LI CM N ii
TÓM TT iii
DANH MC CÁC BNG viii
DANH MC HỊNH VÀ  TH ix
DANH MC CÁC T VIT TT x
CHNG 1: GII THIU TNG QUAN V  TÀI NGHIÊN CU 1
1. Lý do nghiên cu 1
2. Vn đ nghiên cu 2
3. Câu hi và mc tiêu nghiên cu 2
4. Phng pháp nghiên cu 3
5. Ni dung nghiên cu và kt cu lun vn 3
CHNG 2: C S LÝ THUYT 4
1. T sut sinh li chng khoán 4

1.3. D liu nghiên cu 22
1.3.1. i tng và phm vi nghiên cu 22
1.3.2. Phng pháp x lý s liu 23
2. MÔ HÌNH MNG THN KINH NHÂN TO 24
2.1. Phng pháp nghiên cu 24
2.1.1. La chn các bin s và thu thp d liu 24
2.1.2. Tin x lý d liu 25
2.1.3. La chn các thông s cho mô hình 26
2.1.4. Tin hành thc hin cho mô hình 30
2.1.5. D báo và phân tích kt qu 30

- vi ậ
2.2. Mô hình nghiên cu 31
2.3. D liu nghiên cu 33
CHNG 4: KT QU NGHIÊN CU 34
1. Mô hình hi quy 34
1.1. Thng kê mô t các bin 34
1.2. Kt qu hi quy (ph lc 1) 36

1.2.1. La chn phng pháp c lng mô hìnhầầầầầầầầ ầầ 36
1.2.2. Kim đnh gi thuyt mô hình (ph lc 2) 39
2. Mô hình mng thn kinh nhân to 42
2.1. Phân tích mc đ tng quan gia các bin đu vào 43
2.2. Phân tích mc đ tng quan gia các bin đu vào 43
3. So sánh kt qu d báo thc t TSSL ca các mô hình 44
3.1. D báo bng mô hình hi quy truyn thng 44
3.1.1. D báo 44

Bng 3.2: Tóm tt vic thu thp và tính toán các bin nghiên cu
Bng 3.3: Tng hp các quan đim tin x lý d liu
Bng 3.4: Tóm tt vic thu thp các thông s nghiên cu chính trong mô hình
Bng 3.5: Các thông s đc tác gi la chn
Bng 3.6: Kt qu la chn s n ron lp n
Bng 3.7: Kt qu la chn hàm bin đi lp ra
Bng 3.8: Kt qu la chn hàm bin đi lp n
Bng 3.9: Bng tng hp các thông s hun luyn mng
Bng 4.1: Thng kê mô t các bin
Bng 4.2: Ma trn tng quan gia các bin
Bng 4.3: Kt qu hi quy vi tng tác đng trong mô hình tác đng c đnh
Bng 4.4: Kt qu hi quy tng hp
Bng 4.5: Kt qu kim đnh Hausman
Bng 4.6: Kt qu hi quy vi tác đng c đnh
Bng 4.7: Kim đnh Wald cho h s hi quy ME
Bng 4.8 : Kim đnh Wald cho h s hi quy bin BETA
Bng 4.9: Kim đnh Wald cho các h s hi quy các bin còn li trong mô hình
Bng 4.10: Kt qu kim đnh mô hình d báo TSSL.
Bng 4.11: Kt qu kim đnh d báo TSSL bng phn mm Neurosolutions
Bng 4.12: So sánh hai mô hình d báo TSSL

- ix ậ
DANH MCăHỊNHăVÀă TH
Hình 2.1: Din bin th trng chng khoán giai đon 2000-2011
Hình 3.1: Mô hình nghiên cu
Hình 4.1: Mô hình d báo TSSL chng khoán
Hình 4.2: Mc đ tng quan gia các bin đu vào

- 1 ậ
CHNGă1:ăGII THIU TNG QUAN V  TÀI NGHIÊN CU

Chng 1 lƠ chng m đu s cung cp tng quan v xu hng, phng pháp nghiên
cu, mc tiêu cng nh cu trúc ca lun vn.
1. Lý do nghiên cu
Th trng chng khoán Vit Nam chính thc đi vƠo hot đng t tháng 7/2000 vƠ đư
có nhng bc phát trin đáng k trong nhng nm qua. Tuy vn còn khá non tr so
vi th trng chng khoán trên th gii nhng th trng chng khoán Vit Nam
đang dn tng bc hoàn thin và ngày càng tr thành b phn không th thiu ca th
trng tài chính.
Khi th trng ngày càng phát trin, các nhƠ đu t cn có mt nhn đnh đúng v ri
ro trên th trng. T đó giúp cho vic đu t chng khoán không nhng đem li thành
công cho chính nhƠ đu t mƠ còn giúp cho th trng tr nên hiu qu hn.
Chính vì th ngày càng có nhiu phng pháp d báo đc phát trin chuyên cho các
lnh vc chng khoán. Do đó, hin nay trên th gii, các nhà phân tích và d báo đư áp
dng vƠ đa ra nhiu công c giúp cho các nhƠ đu t có th d báo th trng chng
khoán mt cách chính xác nhm đa ra các quyt đnh đu t hp lý nht. Tuy nhiên
vic ng dng các công c này trên các th trng lƠ khác nhau. i vi các nc phát
trin, th trng n đnh và thông tin minh bch nên vic ng dng các mô hình d báo
tr nên đn gin hn. i vi các nc đang phát trin, trong đó có Vit Nam, vic
ng dng mô hình này tr nên phc tp hn, khó khn hn. ó lƠ lý do tác gi chn
lun vn ắăSOăSÁNHăHAIăMÔăHỊNHăD BÁO T SUT SINH LI CHNG
KHOÁN : MÔ HÌNH HI QUY TRUYN THNG VÀ MÔ HÌNH
ARTIFICIAL NEURALăNETWORK”ănhm giúp cho nhƠ đu t la chn mô hình
d báo t sut sinh li thích hp vi tng điu kin c th và có nhng quyt đnh kinh
t hp lý.
- 3 ậ
4. Phngăphápănghiênăcu
 gii quyt các ni dung nghiên cu nêu trên, tác gi đư s dng phng pháp
nghiên cu đnh lng.
D liu s dng trong lun vn lƠ d liu th cp thu thp t các công ty phi tài chính
niêm yt trên sàn Hose trong khong thi gian t 2009-2011. Sau khi thu thp các
thông tin cn thit, chúng s đc tính toán vƠ đa vƠo mô hình hi quy đa bin đ xác
đnh các bin có nh hng vƠ cng đ tác đng ca chúng đn t sut sinh li. ng
thi s đa các bin này vào mô hình hi quy da trên phn mm h tr Eview 5.1.
Ngoài ra quá trình d báo bng mng ANN đc thc hin trên phn mm h tr x lý
d liu NeuroSolutions 5.0
5. Ni dung nghiên cu và kt cu lunăvn
Ni dung ca lun vn bao gm 5 chng:
Chng 1: Gii thiu tng quan v lun vn nghiên cu
Chng 2: C s lý thuyt
Chng 3: Phng pháp nghiên cu và d liu nghiên cu
Chng 4: Kt qu nghiên cu
Chng 5: Kt lun - 4 ậ
CHNGă2:ăCăS LÝ THUYT

khó đ xác đnh t sut sinh li ca mt tài sn vƠ khó hn na là t sut sinh li ca
th trng. Do vy đ tính toán t sut sinh li nƠy, thng da vào giá chng khóan
theo đnh k quan sát. T sut sinh li chng khoán tng đi:
r= (Pt- Po)/ Po
NgoƠi ra đ xác đnh đc mc sinh li ca 1 chng khoán cn xem xét chng khoán
đó trong quá kh vƠ tng lai.
 S dng s liu quá kh có th xác đnh đc mc sinh li trung bình
ca chng khoán. Mc sinh li ca chng khoán trong quá kh lƠ d liu tham chiu

- 5 ậ
quan trng đ nhƠ đu t xem xét có nên đu t vào chng khoán hay không. Mt
chng khoán có t l sinh li cao vƠ n đnh s đc nhiu nhƠ đu t quan tâm. Tuy
nhiên, đ ra quyt đnh đu t, nhƠ đu t còn cn c vƠo t l sinh li k vng ca
chng khoán.
 S dng nhng d báo v tng lai nhm xác đnh t l sinh li k vng
ca chng khoán.  có th d báo đc mc sinh li này cn phi có đc ngun
thông tin minh bch vƠ phi lng hóa đc các yu t tác đng đn giá chng khoán
trong tng lai. Do đó vic xác đnh chính xác t l sinh li k vng rt quan trng
trong vic ra quyt đnh ca các nhƠ đu t chng khoán. Hình 2.1: Din bin th trng chng khoán Vit Nam giai đon 2000-2011
(Ngun: www.cophieu68.com)
Qua hình 2.1 cho thy giá chng khoán trên th trng Vit nam bin đng mnh.
Nm 2006 tc đ tng trng mnh nht nên t sut sinh li đn 145%. Còn nm
2008, 2009, giá chng khoán gim mnh, t sut sinh li ơm
. NgoƠi ra ti th trng

(tun 06 - 10/09/2010). Vic tng đim 5 phiên liên tip vi s bt phá rt mnh ca
nhiu mư c phiu đư phn nƠo gii ta đc tơm lý bi quan ca các nhƠ đu t. H
vn lc quan v trin vng trung hn ca th trng vƠ vn ngh rng đơy vn có th lƠ
thi đim tt đ mua đi vi trng phái đu t giá tr. Tuy nhiên, nu lƠ mt nhƠ đu
t ngn hn thì c hi mua có l đư qua đi k t sau khi giá ri khi vùng 420 ậ 430
đim. Tuy nhiên, các nhƠ đu t li da vƠo tin đn Thông t 13/2010/TT-NHNN quy
đnh v các t l bo đm an toƠn vn ca các t chc tín dng s đc chnh sa
nhng gn nh không thay đi nhiu so vi ban đu lƠm cho th trng chao đo.
Cng theo Vietstock c th lƠ phiên giao dch ngày 10/9/2010 th trng chng khoán

- 7 ậ
mt ln na gơy bt ng. Khác vi d đoán ca nhiu nhƠ đu t rng ni tip đƠ tng
đim ca phiên lin k, sau khi đư tri qua vƠi phiên gim đim do cht li trc đó,
th trng s tip tc đi lên do dòng tin đang mnh. Tuy nhiên, không nh mong đi,
c hai sƠn đu bt ng gim rt mnh. M ca phiên giao dch, VN-Index gim nh
trong đt đu vi mc gim không đáng k, ch 0,2 đim. Tuy nhiên, sau 15 phút giao
dch, ca đt 2, đƠ gim đư tng mnh dn lên. Din bin ca th trng phiên nƠy có
nhiu bt ng. Ban đu lƠ s thn trng ca c bên bán ln bên mua. Bên mua ch
mun mua giá r, trong khi bên bán li mun tip tc ắneo” giá ch đi Vì vy, dù
th trng dao đng trong biên đ hp nhng gn ht đt giao dch liên tc tng giá tr
giao dch mi ch đt khong 600 t đng. Khi gn kt thúc đt 2, lnh bán giá r lp
tc đc tung vƠo th trng lƠm cho các lnh đt mua trc đó đư không tr tay kp,
lp tc ắngn” ht s c phiu nƠy. Din bin mi nƠy đư khin giá tr giao dch ca 15
phút cui đt 2 tng vt thêm 400 t đng (bng 2/3 giao dch 90 phút trc đó). Sang
đt 3 (đt đóng ca), lnh bán u tiên  t đ vƠo th trng, kéo VN-Index ri gn
nh t do. Cht phiên, VN-Index mt 12,29 đim, tng ng 2,65%, xung còn
451,39 đim. Vi s đim nƠy, n lc ca s tng đim  nhng phiên trc đó gn

nc mi ni, s tác đng ca t s giá trên thu nhp (P/E) vƠ giá tr th trng trên
giá tr s sách (PVB) lên t sut sinh li chng khoán lƠ khá rõ nét. Cùng vi mô hình
CAPM, P/E vƠ giá tr th trng trên giá tr s sách đc dùng nh lƠ các công c d
báo t sut sinh li chng khoán trên th trng các nc mi ni. iu nƠy cho thy
mt mô hình CAPM đa bin vi các bin lƠ: beta, P/E vƠ PBV.
MôăhìnhăthcănghimăcaăPerdanaăWahyu Santosa & Harry Yusuf Laksana:
Perdana Wahyu Santosa & Harry Yusuf Laksana (2011) đư đa ra mô hình thc
nghim đa ra mô hình thc nghim da trên mô hình CAPM ti th trng chng
khoán Indonesia giai đon nm 2004-2006 nh sau:
Mô hình hi quy vi tác đng c đnh theo phng pháp PLS
R = 0.69887 Liq + 51.43152 Size
Mô hình hi quy vi tác đng c đnh theo phng pháp GLS
R = 0.023793 Var +0.029162 Beta + 0.034763 Liq + 42.33291 Size + 0.0130115 PBV.
Trong đó:
Beta: ri ro th trng
Liq: tính thanh khon

- 9 ậ
Size: quy mô vn hóa th trng
PBV: giá th trng/ giá s sách
Kt qu mô hình ca Perdana Wahyu Santosa & Harry Yusuf Laksana (2011) cho thy
mi quan h cùng chiu gia TSSL mong đi vƠ các bin trong mô hình nh PBV,
Beta , Liq và Size
2.2. Mô hình Fama và French
Vi kt qu nghiên cu vƠo nm 1993, Fama vƠ French đư xơy dng nên mô hình 3
nhân t Fama-French bao gm: nhân t quy mô, nhân t BM và nhân t th trng.
Fama-French nghiên cu da trên hai loi c phiu sau:

f
: phn bù ri ro th trng
Thông qua thc nghim, nhân t li nhun trung bình ca chng khoán có quy mô vn
hóa nh và chng khoán có BM cao s cao hn li nhun k vng bi đng SML
trong mô hình CAPM

- 10 ậ
Fama đ ngh đo lng nhân t quy mô bng cách phân bit li nhun gia hai loi
hình doanh nghip là doanh nghip nh và doanh nghip ln (nhân t SMB). Ngoài ra
Fama còn đ ngh thêm mt nhân t na là nhân t BM. ơy lƠ nhơn t đo lng s
khác nhau v li nhun gia doanh nghip có t s BM cao và doanh nghip có BM
thp (nhân t HML)
Da trên sàn chng khoán  th trng M là NYSE, AMEX và NASDAQ trong giai
đon 1963- 1990, mô hình ca Fama-French  th trng M đư cho thy mi quan h
cùng chiu ca BM vi t sut sinh li trung bình, mi quan h ngc chiu gia quy
mô và t sut sinh li trung bình

Mô hình thc nghim ca Long Chen & Lu Zhang
Mô hình 3 nhân t ca Long Chen & Lu Zhang (2010): Long Chen vƠ Lu Zhang đư
xây dng mô hình trên NYSE, AMEX và NASDAQ t tháng 1-1972 đn tháng 12-
2006 nh sau:
( ) ( ) ( ) ( )
i i i
i f i MKT MKT INV INV ROA ROA i
E r r E r E r E r e
   
     

trung bình trong mu ca Lu Zhang 1972-2006 là 0.43%/tháng. Hi quy
chui r
INV
theo nhân t th trng thì đc =0.51%/tháng vƠ R
2
=16%
TSSL R
ROA
trung bình trong mu ca Lu Zhang 1972-2006 là 0.96%/tháng. Hi quy
chui r
ROA
theo nhân t th trng thì đc =1.05%/tháng và R
2
=4%
Các h s
,,
i i i
MKT INV ROA
  
phn ln lƠ có ý ngha thng kê vi giá tr |t| khá ln, có th
bác b gi thit H
0
là các h s nhân t =0

2.3. Nghiên cu ca Greg Tkacz (2001)
Greg Tkacz (2001) đư thc hin d báo tc đ tng trng GDP thc hin theo quý
ca Canada thông qua hai mô hình tuyn tính và mô hình mng thn kinh truyn
thng vi 1 lp n có 3 đn v n trong lp n và hàm truyn đc s dng là hàm
xích ma.
Các bin s dng là: biên đ lãi sut ca M và Canada, lãi sut trái phiu doanh

Nguyn Trng Hoài (2009)
MSE , RMSE, MAPE ,Thei’l.U
Nhóm Curak Marijana (2009)
RMSE,MAPE, MAE , TIC (Thei’l.U)
Erdinc Altay&M. Hakan Satman (2005)
RMSE, MAPE, Thei’l.U

3.2. Công thc tính các ch tiêu
Theo Nguyn Trng Hoài (2009), công thc tính các ch tiêu đ so sánh các mô hình
d báo nh sau:
Sai s d báo :
Ồ
t t t
e Y Y

e
t
: Sai s d báo trong giai đon t
Y
t
: Giá tr thc t trong giai đon t
Y
^
t
: Giá tr d báo.

3.2.1. Sai s trung bình (ME-Mean Error)

- 13 ậ


1
n
t
t
e
MSE
n




Do sai s đc bình phng, nên thc đo MSE có v nh ắ trng pht” nhng sai s
d báo ln.
3.2.4. Sai s bìnhă phngă trungă bìnhă quơnă phngă (RMSE-Root mean Square
Error)
2
1
n
t
t
e
RMSE
n




Là mt trong nhng đi lng c bn vƠ thng đc s dng ph bin cho vic đánh
giá kt qu ca mô hình d báo s tr. Ngi ta thng hay s dng đi lng sai s
bình phng trung bình quơn phng (RMSE) biu th đ ln trung bình ca sai s .

tt
tt
YY
U
YY







U<1 : mô hình d báo tt hn mô hình d báo thô đn gin
U=1: mô hình d báo cng nh mô hình d báo thô
U>1: mô hình d báo còn xu hn mô hình d báo thô
Trong thc t U<0.55: đc đánh giá lƠ rt tt
4. Kho sát các mô hình s dng cho d liu bng
D liu trong lun vn nghiên cu đc trình bày theo dng bng cân bng. D liu
bng này có nhiu u đim nh cung cp nhiu thông tin hn, bin thiên hn, ít có s
đa cng tuyn gia các bin s, bc t do cao hn vƠ hiu qu hn.

- 15 ậ
Các mô hình ph bin đc s dng đ c lng là mô hình hi quy pool, mô hình
vi tác đng c đnh (Fixed effect model ậFEM) và mô hình vi tác đng ngu nhiên
(Random effect model ậREM)
Mô hình FEM phân tích nhng khác bit v các h s chn ca nhóm, trong khi đó gi
s rng các đ dc là ging nhau và sai s không đi. Ngc li mô hình REM phân