Dịch covid 19 và sự dịch chuyển trong cơ cấu danh mục đầu tư tối ưu trên thị trường chứng khoán việt nam tiếp cận bằng machine learning

Hà Nội, năm 2020TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN ĐỀ TÀI THAM GIA XÉT GIẢI THƯỞNG “SINH VIÊN NGHIÊN CỨU KHOA HỌC ĐẠI HỌC KINH TẾ QUỐC DÂN - VIETCOMBANK” NĂM HỌC 2019 – 2020 ĐỀ TÀI: DỊCH C

ĐTRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

ĐỀ TÀI THAM GIA XÉT GIẢI THƯỞNG

“SINH VIÊN NGHIÊN CỨU KHOA HỌC ĐẠI HỌC KINH TẾ QUỐC DÂN - VIETCOMBANK”

Hà Nội, năm 2020

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

ĐỀ TÀI THAM GIA XÉT GIẢI THƯỞNG

“SINH VIÊN NGHIÊN CỨU KHOA HỌC ĐẠI HỌC KINH TẾ QUỐC DÂN - VIETCOMBANK”

NĂM HỌC 2019 – 2020

ĐỀ TÀI: DỊCH COVID-19 VÀ SỰ DỊCH CHUYỂN TRONG CƠ CẤU DANH MỤC ĐẦU TƯ TỐI ƯU TRÊN THỊ TRƯỜNG CHỨNG KHOÁN

VIỆT NAM: TIẾP CẬN BẰNG MACHINE LEARNING

Nhóm sinh viên thực hiện:

<Họ và tên sinh viên> Giới tính: Nam (Nữ)

Lớp Khoa/Viện:

(Ghi rõ họ và tên sinh viên chịu trách nhiệm chính thực hiện đề tài)

Người hướng dẫn khoa học: <Học hàm/học vị, họ tên>

Thuộc lĩnh vực khoa học và công nghệ:

Hà Nội, năm … Ề TÀI: DỊCH COVID-19 VÀ SỰ DỊCH CHUYỂN TRONG CƠ CẤU DANH MỤC ĐẦU TƯ TỐI ƯU TRÊN THỊ TRƯỜNG CHỨNG KHOÁN

VIỆT NAM: TIẾP CẬN BẰNG MACHINE LEARNING

MỤC LỤC

MỤC LỤC

LỜI MỞ ĐẦU .1

GIỚI THIỆU .3

1.‍‍‍‍‍‍‍‍Tính cấp thiết của đề tài .3

2.‍‍‍‍‍‍‍‍Mục tiêu nghiên cứu của đề tài .5

3.‍‍‍‍‍‍‍‍Câu hỏi nghiên cứu .5

4.‍‍‍‍‍‍‍‍Phương pháp nghiên cứu .5

5.‍‍‍‍‍‍‍‍Ý nghĩa của đề tài .6

6.‍‍‍‍‍‍‍‍Kết cấu đề tài .7

CHƯƠNG 1:‍‍‍‍‍‍‍CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU .8

1.1.‍‍‍‍Một số khái niệm .8

1.2.‍‍‍‍Tổng quan nghiên cứu .12

CHƯƠNG 2:‍‍‍‍‍‍‍THỰC TRẠNG THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM VÀ TÁC ĐỘNG CỦA DỊCH BỆNH COVID .18

2.1.‍‍‍‍Dịch bệnh COVID-19 và tình hình kinh tế quốc tế .18

2.1.1.‍‍‍‍‍‍‍‍Tình hình kinh tế quốc tế .18

2.1.2.‍‍‍‍‍‍‍‍Tình hình kinh tế quốc tế trước dịch .18

2.2.‍‍‍‍Diễn biến dịch bệnh covid-19 và tác động lên nền kinh tế việt nam .27

2.3.‍‍‍‍Thị trường chứng khoán việt nam .31

2.4.‍‍‍‍Phân tích thống kê số liệu .36

2.4.1.‍‍‍‍‍‍‍‍Thu thập và xử lý dữ liệu .36

2.4.2.‍‍‍‍‍‍‍‍Tính lợi suất cổ phiếu .36

CHƯƠNG 3:‍‍‍‍‍‍‍MÔ HÌNH VÀ KẾT QUẢ ƯỚC LƯỢNG .45

3.1.‍‍‍‍Phương pháp nghiên cứu .45

3.1.1.‍‍‍‍‍‍‍‍Phương pháp học máy .45

3.3.‍‍‍‍Kết quả phân tích cụm và tối ưu danh mục đầu tư trước và trong dịch sử dụng

mô hình thống kê nhiều chiều .83

3.3.1.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng Kmeans clustering .85

3.3.2.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng Hierarchical clustering .99

3.3.3.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng K-means .114

3.3.4.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng Hierarchical clustering .116

3.4 Kết luận .117

CHƯƠNG 4: KIẾN NGHỊ VÀ HẠN CHẾ .120

4.1 Kiến nghị với cơ quan chính phủ .120

4.2 Kiến nghị với các nhà đầu tư .121

4.3 Hạn chế của đề tài .121

TÀI LIỆU THAM KHẢO .123

PHỤ LỤC .125

LỜI MỞ ĐẦU .10

GIỚI THIỆU .11

1.‍‍‍‍‍‍‍‍Tính cấp thiết của đề tài .11

2.‍‍‍‍‍‍‍‍Mục tiêu nghiên cứu của đề tài .13

3.‍‍‍‍‍‍‍‍Câu hỏi nghiên cứu .13

4.‍‍‍‍‍‍‍‍Phương pháp nghiên cứu .14

5.‍‍‍‍‍‍‍‍Ý nghĩa của đề tài .15

6.‍‍‍‍‍‍‍‍Kết cấu đề tài .15

CHƯƠNG 1:‍‍‍‍‍‍‍CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU .16

1.1.‍‍‍‍Một số khái niệm .16

1.2.‍‍‍‍Tổng quan nghiên cứu .21

CHƯƠNG 2:‍‍‍‍‍‍‍THỰC TRẠNG THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM VÀ TÁC ĐỘNG CỦA DỊCH BỆNH COVID .26

2.1.‍‍‍‍Dịch bệnh COVID-19 và tình hình kinh tế quốc tế .26

2.1.1.‍‍‍‍‍‍‍‍Tình hình kinh tế quốc tế .26

2.1.2.‍‍‍‍‍‍‍‍Tình hình kinh tế quốc tế trước dịch .26

2.2.‍‍‍‍Diễn biến dịch bệnh covid-19 và tác động lên nền kinh tế việt nam .37

2.4.‍‍‍‍Phân tích thống kê số liệu .46

2.4.1.‍‍‍‍‍‍‍‍Thu thập và xử lý dữ liệu .46

2.4.2.‍‍‍‍‍‍‍‍Tính lợi suất cổ phiếu .47

CHƯƠNG 3:‍‍‍‍‍‍‍MÔ HÌNH VÀ KẾT QUẢ ƯỚC LƯỢNG .56

3.1.‍‍‍‍Phương pháp nghiên cứu .56

3.1.1.‍‍‍‍‍‍‍‍Phương pháp học máy .56

3.1.2.‍‍‍‍‍‍‍‍Mô hình thống kê nhiều chiều .65

3.2.‍‍‍‍Kết quả phân tích cụm và tối ưu danh mục đầu tư trước và trong dịch sử dụng Học máy .67

3.2.1.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng K-means Clustering .67

3.2.2.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng Hierarchical Clustering .82

3.2.3.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng K-means Clustering .94

3.2.4.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng Hierarchical Clustering .96

3.3.‍‍‍‍Kết quả phân tích cụm và tối ưu danh mục đầu tư trước và trong dịch sử dụng mô hình thống kê nhiều chiều .97

3.3.1.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng Kmeans clustering .99

3.3.2.‍‍‍‍‍‍‍‍Kết quả phân cụm sử dụng Hierarchical clustering .113

3.3.3.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng K-means .129

3.3.4.‍‍‍‍‍‍‍‍Kết quả tối ưu danh mục sử dụng Hierarchical clustering .130

3.4 Kết luận .132

CHƯƠNG 4: KIẾN NGHỊ VÀ HẠN CHẾ .135

4.1 Kiến nghị với cơ quan chính phủ .135

4.2 Kiến nghị với các nhà đầu tư .136

4.3 Hạn chế của đề tài .137

Error! Hyperlink reference not valid.2 Mục tiêu nghiên cứu của đề tài 5

Error! Hyperlink reference not valid.3 Câu hỏi nghiên cứu 5

Error! Hyperlink reference not valid.4 Phương pháp nghiên cứu 6

Error! Hyperlink reference not valid.5 Ý nghĩa của đề tài 6

Error! Hyperlink reference not valid.6 Kết cấu đề tài 7

Error! Hyperlink reference not valid.CHƯƠNG 1:CƠ SỞ LÝ THUYẾT VÀ TỔNG

QUAN NGHIÊN CỨU .8

Error! Hyperlink reference not valid.1.1 Một số khái niệm 8

Error! Hyperlink reference not valid.1.2 Tổng quan nghiên cứu 11

Error! Hyperlink reference not valid.CHƯƠNG 2: .THỰC TRẠNG THỊ TRƯỜNGCHỨNG KHOÁN VIỆT NAM VÀ TÁC ĐỘNG CỦA DỊCH BỆNH COVID .15

Error! Hyperlink reference not valid.2.1 Dịch bệnh COVID-19 và tình hình kinh

Error! Hyperlink reference not valid.2.4.1 Thu thập và xử lý dữ liệu 32

Error! Hyperlink reference not valid.2.4.2 Tính lợi suất cổ phiếu 32

Error! Hyperlink reference not valid.CHƯƠNG 3: MÔ HÌNH VÀ KẾT QUẢ ƯỚC

Error! Hyperlink reference not valid.3.3.4 Kết quả tối ưu danh mục sử dụngHierarchical clustering .95

Error! Hyperlink reference not valid.3.4 Kết luận 96

Error! Hyperlink reference not valid.CHƯƠNG 4: GIẢI PHÁP VÀ KIẾN NGHỊ 98 Error! Hyperlink reference not valid.TÀI LIỆU THAM KHẢO 99

Error! Hyperlink reference not valid.PHỤ LỤC 100

DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

DANH MỤC BẢNG

Bảng 2.1: Thống kê mô tả lợi suất các ngành trong năm 2019 và Quý I năm 2020 4038

Bảng 2.2: Thống kê mô tả beta các ngành trong năm 2019 và Quý I năm 2020 .4341

Bảng 3.1: Mô tả phân cụm Kmeans tiếp cận Học máy .5955

Bảng 3.2: Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2019 ( phương phápKmeans tiếp cận Học máy) .5955

Bảng 3.3: Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2020 ( phương phápKmeans tiếp cận Học máy) .6358

Bảng 3.4: Sự chuyển nhóm cổ phiếu trước và trong dịch COVID-19 (phương phápKmeans tiếp cận Học máy) .6660

Bảng 3.5: Số lượng cổ phiếu các cụm phương pháp Kmeans tiếp cận Học máy .6761

Bảng 3.6: Thống kê mô tả cụm năm 2019 (Phương pháp Kmeans Tiếp cận Học máy) 6761

Bảng 3.7:Thống kê mô tả cụm Quý I năm 2020 (phương pháp Kmeans Tiếp cận Họcmáy) .6761

Bảng 3.8: Mô tả kết quả phân cụm phương pháp Hierarchical Clustering tiếp cận Họcmáy .7265

Bảng 3.9: Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2019 ( phương phápHierarchical Clustering tiếp cận Học máy) .7266

Bảng 3.10: Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2020 (phươngpháp Hierarchical Clustering tiếp cận Học máy) .7668

Bảng 3.11: Sự dịch chuyển của các cổ phiếu trước và trong dịch COVID-19 (phươngpháp Hierarchical Clustering tiếp cận Học máy)Sự dịch chuyển của các cổ phiếu 7869

Bảng 3.15: Dah mục tối ưu trong dịch (Phương pháp Hierarchical Clustering tiếp cậnHọc máy) .8172

Bảng 3.16: Danh mục tối ưu trước dịch (Phương pháp Hierarchical CLustering tiếpcận Học máy) .8273

Bảng 3.17:Kết quả phân nhóm 3 dữ liệu năm 2019 .8575

Bảng 3.18: Kết quả phân nhóm 3 dữ liệu Quý I năm 2020 .8676

Bảng 3.19:Mô tả kết quả phân cụm phương pháp Kmeans tiếp cận Thống kê nhiềuchiều) .8979

Bảng 3.20:Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2019 ( phươngpháp Kmeans tiếp cận Thống kê nhiều chiều) .8979

Bảng 3.21: Kết quả phân cụm cổ phiếu theo từng nhóm ngành Quý I năm 2020(Phương pháp Kmeans tiếp cận Thống kê nhiều chiều) .9281

Bảng 3.22:Sự chuyển nhóm cổ phiếu trước và trong dịch COVID-19 (phương phápKmeans tiếp cận Thống kê nhiều chiều) .9583

Bảng 3.23: Mô tả kết quả phân cụm phương pháp Hierarchical Clustering tiếp cậnThống kê nhiều chiều) .10189

Bảng 3.24:Kết quả phân cụm cổ phiếu theo từng nhóm ngành năm 2019 ( phươngpháp Hierarchical Clustering tiếp cận Thống kê nhiều chiều) .10289

Bảng 3.25:Kết quả phân cụm cổ phiếu theo từng nhóm ngành Quý I năm 2020(phương pháp Hierarchical Clustering tiếp cận Thống kê nhiều chiều) .10591

Bảng 3.26:Số lượng cổ phiếu các cụm phương pháp Hierarchical Clustering tiếp cậnThống kê nhiều chiều .11395

Bảng 3.27: Thống kê mô tả cụm năm 2019 (phương pháp Hierarchical Clustering tiếpcận Thống kê nhiều chiều) .11395

Bảng 3.28:Thống kê mô tả cụm Quý I năm 2020 (phương pháp HierarchicalClustering tiếp cận Thống kê nhiều chiều) .11396

Bảng 3.29: Danh mục tối ưu trước dịch ( Phương pháp Kmeans tiếp cận Thống kêNhiều chiều) .11496

Bảng 3.30: Danh mục tối ưu trước dịch (phương pháp Hierarchical Clustering tiếp cận

Bảng 3.31: Danh mục tối ưu trong dịch (phương pháp Hierarchical Clustering tiếp cậnThống kê nhiều chiều) .11699

Biểu đồ 2.4:Biều đồ đường thể hiện sự duy trì việc mua hàng tiêu dùng không lâu bền

và dịch vụ năm 201–9 - Nguồn: IMFBl2 2124

Biểu đồ 2.5:Biểu đồ đường thể hiện tỉ lệ thất nghiệp chịu tác động của dịch COVID 19tại một số nền kinh tế năm 202–0 - Nguồn: CNBC .2225

Biểu đồ 2.6:Biểu đồ đường thể hiện sự thay đổi phần trăm trong doanh số bán lẻ củaHoa Kỳ và Trung Quốc do tác động của dịch COVI–D 19 - Nguồn: CNBC .2326

Biểu đồ 2.7:Biểu đồ đường thể hiện sự sụt giảm của chỉ số Quản lý thu mua (PMI)trong ngành dịch vụ tại các nền kinh tế - Nguồn: CNBC .2326

Biểu đồ 2.8: Biểu đồ đường thể hiện sự sụt giảm của chỉ số Quản lý thu mua (PMI)trong hoạt động sản xuất tại các nền kinh tế lớn- Nguồn: CNBC .2427

Biểu đồ 2.9: Biểu đồ đường thể hiện sự thay đổi phần trăm trong hoạt động sản xuấtcông nghiệp tại Hoa Kỳ và Trung Quốc dưới tác động của dịch–dngu COVID 19 -Nguồn: CNBC .2528

Biểu đồ 2.10: Biểu đồ cột thể hiện sự suy giảm trong Thương mại toàn cầu trong năm

2020 dưới 2 kịch bảnd dự báo của WTO- Nguồn: CNBCBiểu đồ cột thể hiện sự suygiảm trong Thương mại toàn cầu (khối lượng xuất- nhập khẩu) tại Bắc Mỹ, Châu Âu

Biểu đồ 2.11: Biểu đồ cột thể hiện sự suy giảm trong Thương mại toàn cầu trong năm

2020 dưới 2 kịch bảnd dự báo của WTO- Nguồn: CNBCBiểu đồ cột thể hiện sự suygiảm trong Thương mại toàn cầu (khối lượng xuất- nhập khẩu) tại Bắc Mỹ, Châu Âu

Biểu đồ 2.12: Biểu đồ thể hiện sự thay đổi tỉ lệ thất nghiệp, sự tụt dốc của S&P 500 và lãi suất NHTW Anh, thay đổi GDP của Anh - Nguồn: The GuardianBiểu đồ cột và đường thể hiện sự gia tăng tỉ lệ thất nghiệp tại Hoa Kỳ, sự tụt dốc của chỉ số S&P 500

và lãi suất NHTW Vương quốc Anh, thay đổi phần trăm trong–Gngucủa Vương quốc

Anh - Nguồn: The Guardian 2730

Biểu đồ 2.13:Thống kê tình hình dịch bệnh COVID-19 .2831

Biểu đồ 2.14: Sự tăng, giảm điểm của chỉ số VNIndex trong tháng 1 năm 2020 3235

Biểu đồ 2.15: Sự tăng, giảm điểm của chỉ số VNIndex trong tháng 2 năm 2020 3336

Biểu đồ 2.16: Sự tăng, giảm điểm của chỉ số VNIndex trong tháng 3 năm 2020 3537

Biểu đồ 2.17: Sự tăng, giảm điểm của chỉ số VNIndex trong tháng 4 năm 2020 3638

Biểu đồ 2.18: Số lượng cổ phiếu thu thập mỗi nhóm ngành .3840

Biểu đồ 2.19: Biểu đồ thay đổi số lượng cổ phiếu theo lợi suất .3840

Biểu đồ 2.20: Biểu đồ lợi suất trung bình của các ngành trong năm 2019 và Quý I/2020 .3941

Biểu đồ 2.21: Biểu đồ thay đổi số lượng cổ phiếu theo beta .4243

Biểu đồ 2.22:Biểu đồ beta trung binh ngành .4243

Biểu đồ 2.23:Biểu đồ phân bố các mã cổ phiếu năm 2019 .4445

Biểu đồ 2.24: Biểu đồ các mã cổ phiếu năm 2020 .4445

Biểu đồ 3.1:Xác định số cụm tối ưu bằng phương pháp Elbow với dữ liệu 2019 (phương pháp Kmeans tiếp cận Học máy) .5655

Biểu đồ 3.2:Xác định số cụm tối ưu bằng phương pháp Elbow với dữ liệu 2020 5656

Biểu đồ 3.3: Xác định số cụm tối ưu với số liệu năm 2019 bằng phương pháp Gap Statistic .5756

Biểu đồ 3.4: Xác định số cụm tối ưu với số liệu năm 2019 bằng phương pháp Gap

Biểu đồ 3.7: Xác định số cụm tối ưu năm 2020 bằng phương pháp Elbow (phươngpháp hierarchical tiếp cận học máy) .6966

Biểu đồ 3.8:Xác định số cụm tối ưu năm 2019 bằng phương pháp Gap Statistic(phương pháp Hierarchical Clustering tiếp cận Học máy) .7066

Biểu đồ 3.9:Xác định số cụm tối ưu năm 2020 bằng phương pháp Gap Statistic(phương pháp hierarchical clustering tiếp cận Học máy) .7067

Biểu đồ 3.10: Số lượng cổ phiếu đổi nhóm theo ngành .8074

Biểu đồ 3.11: Khoảng cách giữa các biến trong phân cụm (thứ bậc) năm 2019 .9989

Biểu đồ 3.12: Khoảng cách giữa các biến khi trong phân cụm (thứ bậc) quý I 2020 10090

Biểu đồ 3.13: Cổ phiếu đổi nhóm theo ngành (phương pháp Kmeans tiếp cận Họcmáy) .11499

Hình 2.1: Cơ cấu nền kinh tế quý I năm 2020 .2930

Hình 3.1 Biểu đồ mô tả các phương pháp phân cụm phân cấp .4948

Hình 3.2: Mô tả phương pháp phân cụm liên kết tối đa .5048

Hình 3.3: Mô tả Phương pháp phân cụm liên kết tối thiểu .5149

Hình 3.4: Mô tả Phương pháp phân cụm liên kết trung bình .5149

Hình 3.5: Mô tả sự khác nhau giữa các Phương pháp tính toán trong Hierarchical Clustering .5250

Hình 3.6: Kết quả phân cụm 2019 (Phương pháp Kmeans Tiếp cận Học máy) .5855

Hình 3.7: Kết quả phân cụm 2020 (Phương pháp Kmeans tiếp cận Học máy) 5856

Hình 3.8: Kết quả phân cụm cổ phiếu năm 2019 (Phương pháp Hierarchical Clustering tiếp cận Học máy) .7165

Hình 3.9: Kết quả phân cụm cổ phiếu Quý I năm 2020 (Phương pháp Hierarchical Clustering tiếp cận Học máy) .7166

Hình 3.10:Đường biên hiệu quả của danh mục tối ưu trước dịch COVID-19 sử dụng K-means Clustering .8173

Hình 3.11: Đường biên hiệu quả của danh mục tối ưu trong dịch COVID-19 (PPhuowng pháp K-means tiếp cận Học máy) .8273

Hình 3.12: Đường biên hiệu quả của danh mục tối ưu trước dịch COVID-19 (phương pháp Hierarchical Clustering tiếp cận Học máy) .8274

Hình 3.13: Đường biên hiệu quả của danh mục tối ưu trong dịch COVID-19 (phương pháp Hierarchical Clustering tiếp cận Học máy) .8375

Hình 3.14: Giá trị trung bình tâm nhóm với số nhóm bằng ba .8779

Hình 3.15:Kết quả phân cụm 2019 (Phương pháp Kmeans Tiếp cận Thống kê nhiều chiều) .8879

Hình 3.19: Đường biên hiệu quả của danh mục tối ưu trước dịch COVID-19 (Phươngpháp Kmeans tiếp cận Thống kê nhiều chiều) .11598

Hình 3.20:Đường biên hiệu quả của danh mục tối ưu trong dịch COVID-19 (phươngpháp Kmeans tiếp cận Thống kê nhiều chiều) .11599

Hình 3.21:Đường biên hiệu quả của danh mục tối ưu trước dịch COVID-19 sử dụngHierarchical Clustering .116100

Hình 3.22: Đường biên hiệu quả của danh mục tối ưu trong dịch COVID-19 (Phươngpháp Hierarchical Clustering tiếp cận Thống kê nhiều chiều) .117100

LỜI MỞ ĐẦU

Trong nền kinh tế thị trường hiện nay, sự phát triển của nền kinh tế phụ thuộcrất lớn vào sự vận hành trơn tru của các kênh đầu tư và hệ thống ngân hàng đưa tiềnnhàn rỗi đi vào trong nền kinh tế Chính nhờ những đơn vị này hoạt động trơn tru mớigiúp cho nền kinh tế ngày càng phát triển hơn

Thị trường chứng khoán là một kênh đầu tư và lưu chuyển tiền tệ rất lớn vớikhối lượng giao dịch hàng trăm đến hàng nghìn tỷ đồng mỗi ngày đưa tiền từ các nhàđầu tư vào thị trường đến với các công ty niêm yết trên sàn và chuyển đổi tiền tệ giữacác nhà đầu tư trên thị trường Sau gần 20 năm thành lập và phát triển, thị trườngchứng khoán ngày càng khẳng định rõ vị thế trong việc đóng góp cho nền kinh tế ViệtNam Không chỉ là mở ra một môi trường đầu tư mà đây còn là kênh huy động nguồnvốn cho doanh nghiệp để phát triển nền kinh tế Các cơ hội đầu tư và khả năng kiếmlời từ thị trường chứng khoán thu hút không ít sự quan tâm của công chứng và các nhàđầu Nhằm nâng cao hiểu biết cũng như cơ hội tham gia vào thị trường chứng khoán,các thông tin liên quan đang ngày càng được cung cấp đầy đủ Các thông tin đưa ra sẽgiúp đánh giá một cách khách quan về cơ hội cũng như thách thức của thị trườngchứng khoán Thị trường chứng khoán là một thị trường đầy thách thức với rủi ro cao

và biến động lớn

Những biến động gần đây từ ảnh hưởng của dịch bệnh Covid – 19 không chỉlàm chao đảo nền kinh tế thế giới nói chung mà còn cả là nền kinh tế Việt Nam nóiriêng Sự lây lan của dịch bệnh toàn cầu gây ra sự hoảng loạn nghiêm trọng gây ra tìnhtrạng tê liệt thị trường chứng khoán Nỗi sợ hãi về dich bệnh khiến thị trường chứngkhoán quốc tế rơi vào những khủng hoảng tồi tệ chưa từng xảy ra từ cuộc khủng hoảngkinh tế 2008 Tăng trưởng của các nền kinh tế sẽ bị suy giảm mạnh Các nhà đầu tưbán cổ phiếu đang nắm giữ do tâm lý e ngại về “sức khỏe” của nền kinh tế để thu hồivốn tìm cách cứu mình “tháo chạy” khỏi thị trường chứng khoán hay đầu tư vào nhữngtài sản an toàn hơn

Tuy nhiên, cho đến thời gian xảy ra dịch đến bây giờ, những thông tin về ảnhhưởng của dịch bệnh đến thị trường chứng khoán Việt Nam khá đa chiều và khách

việc tối ưu hóa danh mục để tối thiểu hóa rủi ro và hiệu ứng lây lan cho nhà đầu tư làviệc hết sức quan trọng.

Chính vì vậy, nghiên cứu này được ra đời để phân tích rõ hơn những tác độngcủa Covid – 19 đến thị trường chứng khoán thông qua ứng dụng các phương pháp Họcmáy vào việc phân cụm các nhóm cổ phiếu theo trước và trong dịch, để từ đó giúp cácnhà đầu tư, Nhà Nước có cái nhìn khái quát hơn về thị trường chứng khoán trong nước

và đưa ra những sách lược phù hợp

Chúng em xin cảm ơn PGS.TS Nguyễn Thị Minh đã tận tình hướng dẫn chúng

em thực hiện bài nghiên cứu này

GIỚI THIỆU

1 Tính cấp thiết của đề tài

Bên cạnh những ảnh hưởng đáng lo ngại về sức khỏe, Covid – 19 đang mang đếnmột cú sốc kinh tế lớn không chỉ trên nền kinh tế Trung Quốc mà còn trên phạm vitoàn cầu Các nền kinh tế lớn như Mỹ, Trung Quốc, Anh, Đức, Pháp, Ý,…cũng đứngtrước hoàn cảnh rơi vào tình trạng suy thoái kinh tế Theo đánh giá của ông Ray Dalio,một tỷ phú quỹ phòng hộ, ông đã đánh giá rằng nền kinh tế tại Mỹ hiện tại có thể rơivào viễn cảnh giống cuộc đại suy thoái năm 1929 – 1930 dựa trên việc Mỹ thiết lậpkhoản vay kỉ lục hơn 3 nghìn tỷ đô la trong quý I năm 2020 để hỗ trợ nền kinh tế Khi

đó, khoản nợ quốc gia lên tới 25 nghìn đô la và điều này khiến cho cục dự trữ liênbang thâm hụt nặng nề chưa từng có kể từ Thế chiến thứ II

Thị trường Việt Nam không nằm ngoài ảnh hưởng DO dịch Covid – 19 gây ra.Nhiều doanh nghiệp phải đóng cửa tạm thời do tình hình kinh doanh không khả quanbởi ảnh hưởng của dịch Kéo theo đó là hệ lụy khiến cho thị trường lao động giảm cònkhoảng 75.4% về tỷ lệ tham gia lực lượng lao động theo kết quả Điều tra lao động quý

I năm 2020 Bên cạnh đó, tỷ lệ thất nghiệp cũng gia tăng so với quý trước và cùng kỳnăm ngoái, ghi nhận ở mức 2.22% do nhiều công ty, doanh nghiệp phải sa thải bớtnhân viên để duy trì hoạt động Do đó, Nhà nước cũng kịp thời đưa ra gói hỗ trợ ansinh xã hội 62 nghìn tỷ đến nhân dân và lực lượng lao động Đối các doanh nghiệp, cácngân hàng Việt Nam đưa ra đề xuất với các gói vay hỗ trợ mức lãi suất thấp nhằm hỗtrợ cho doanh nghiệp bị ảnh hưởng bởi dịch bệnh

Thị trường chứng khoán Việt Nam cũng chịu nhiều ảnh hưởng của dịch bệnhCovid – 19 Có thể nói, các chỉ số như VNIndex, VN30 đã nhiều lần chịu giảm điểmmạnh, thậm chí chạm sàn do những tình hình tiêu cực tác động đến tâm lý của các nhàđầu tư trong nước và nước ngoài Việc ảnh hưởng và tác động nặng nhất được thể hiệntrên nhóm ngành du lịch khi tình hình dịch diễn ra phức tạp với tốc độ lây lan nhanh

khiến cho nhiều quốc gia phải đóng cửa biên giới Do đó, kéo theo là nhóm ngành vậntải cũng chịu nhiều ảnh hưởng, lượng khách di chuyển giảm do chỉ thị về cách ly toàn

xã hội Bên cạnh đó, nhóm ngành như ngân hàng, bảo hiểm cũng chịu ảnh hưởng giántiếp từ phía khách hàng như nguy cơ nợ xấu có nguy cơ tăng cao, giảm khả năng sửdụng dịch vụ,…Nhóm cổ phiếu dầu khí cũng chịu thiệt hại nặng nề không chỉ vì tìnhhình dịch bệnh mà còn do tình hình căng thẳng giữa OPEC và Nga Tuy nhiên, bêncạnh đó, khẩu mà nguyên liệu có thể tự cung cấp Các cổ phiếu công nghệ ít bị ảnhhưởng do nhu cầu tiến độ số hóa vẫn được đẩy mạnh trong dài hạn, nhu cầu trực tuyếntại nhà cũng được đẩy mạnh do số hạn chế đến các trung tâm giải trí công cộng Ngoài

ra, một số nhóm ngành còn có chuyển biến tích cực, như nhóm ngành bán lẻ, tiêu dùngthiết yếu, vật tư ý tế, Do tâm lý lo ngại về dịch bệnh khiến chon nhu cầu tích trữlương thực, nhu yếu phẩm gia tăng và việc tiêu thụ các sản phẩm chức năng nhằm tăngsức đề kháng, phòng ngừa dịch bệnh

Ảnh hưởng của Covid – 19 không chỉ tác động đến thị trường chứng khoán ViệtNam nói chung, mà nó còn tác động thay đổi cấu trúc của thị trường. Trong đó một số ngành bị ảnh hưởng nặng nề và mang tính dài hạn, một số chỉ bị ảnh hưởng ngắn hạn,và một số ngành thì lại nhận được ảnh hưởng tích cực Thêm vào đó, nó còn dẫn tới sự thay đổi trong mối quan hệ giữa các cổ phiếu, thường được đo bằng hệ số tương quan – là một chỉ số quan trọng trong việc tính toán trọng số của danh mục đầu tư Như vậy có thể nói, việc phân tích tác động của dịch COVID lên cấu trúc thị trường chứng khoán, và do đó, lên cấu trúc danh mục đầu tư là rất cần thiết cho các nhà đầu tư cũng như các nhà hoạch định chính sách ngành.

Xuất phát từ vấn đề đó, nhóm lựa chọn đề tài nghiên cứu “DỊCH COVID-19 VÀ

2 Mục tiêu nghiên cứu của đề tài

Mục tiêu nghiên cứu chung: Đánh giá ảnh hưởng của dịch bệnh Covid – 19 đếnthị trường chứng khoán Việt Nam Từ đó, có thể xây dựng các phương án đầu tư tối ưu

và đề xuất các giải pháp hạn chế rủi ro khi đầu tư vào chứng khoán tại thời điểm nàyMục tiêu chi tiết: Xác định mức độ tác động của Đại dịch COVID – 19 đến thịtrường chứng khoán Việt Nam, dựa vào việc thực hiện các phương pháp phân nhóm cổphiếu trên thị trường, cụ thể như sau:

Thứ nhất, khái quát sơ lược về tình hình dịch bệnh Covid – 19 và tầm ảnh hưởng

vĩ mô của dịch bệnh này

Thứ hai, áp dụng phương pháp thống kê và Machine Learning để phân cụm các

mã cổ phiếu trên thị trường chứng khoán Việt Nam

Thứ ba, so sánh và đánh giá sự thay đổi giữa các nhóm cổ phiếu trong thời điểm

trước và trong dịch để xác định mức độ ảnh hưởng của dịch

Thứ tư, từ những đánh giá dựa trên sự thay đổi các nhóm cổ phiếu, xây dựng lêncác danh mục tối ưu trước dịch và xác định lại những danh mục tối ưu cần thiết sau cúsốc kinh tế từ ảnh hưởng của dịch

Thứ năm, đề xuất một số kiến nghị từ kết quả phân tích thu được để góp phầngiảm thiểu ảnh hưởng tiêu cực, phát triển thị trường chứng khoán Việt Nam

3 Câu hỏi nghiên cứu

Đề tài nghiên cứu trả lời những câu hỏi như sau:

do đó dẫn đến thế nào việc phân cụm trong danh mục đầu tư?

đầu tư tối ưu so với trước dịch?

có sự đồng nhất giữa hai phương pháp trong nghiên cứu thực nghiệm này hay không?

4 Phương pháp nghiên cứu

Trong quá trình thực hiện đề tài, nhóm nghiên cứu đã áp dụng một số phươngpháp nghiên cứu như sau:

Phương pháp định tính: Dựa vào các cơ sở lý thuyết có tính chất khoa học nhằm

đề cập và trình bày cũng như phân tích kết quả phân cụm cụ thể

Phương pháp định lượng: Thông qua dữ liệu thu thập được, nhóm nghiên cứutiến hành các phương pháp như:

Phương pháp thống kê mô tả: Dựa trên dữ liệu thu được, tiến hành thống kê vàphân tích các số liệu về các chỉ số tài chính và giá đóng cửa cần được đưa vào phânnhóm

Ngoài phương pháp thống kê mô tả đề tài sẽ sử dụng 2 phương pháp chính:

Thứ nhất là phương pháp Học máy, cụ thể là Phương pháp phân cụm

K-means và Phương pháp phân cụm thứ bậc hay Hierarchical Clustering

Thứ hai là mô hình thống kê nhiều chiều, sử dụng hai Phương pháp tương

tự với cách tiếp cận học máy.

Hai phương pháp trên được sử dụng trong hai bước của nghiên cứu:

Thứ nhất, thực hiện phân cụm, xác định những nhóm cổ phiếu có mối quan

hệ với nhau Phân tích này một mặt cho thấy được sự dịch chuyển trong phân cụm do dịch COVID, mặt khác nó là đàu vào cho bước thứ hai tiếp theo của đề tài.

Thứ hai, xác định danh mục đầu tư tối ưu trước và trong giai đoạn bị ảnh

hưởng của dịch.

5 Ý nghĩa của đề tài

Ý nghĩa thực tiễn

Đề tài giúp những nhà đầu tư và những người quan tâm đến cổ phiếu và tài chínhViệt Nam có thêm cái nhìn rõ ràng hơn về ảnh hưởng của đại dịch COVID – 19 đếnthị trường và ứng dụng nghiên cứu trong phân tích dữ liệu, phân cụm và đầu tư cổ

Đề tài cung cấp những cơ sở lý luận cơ bản về đầu tư chứng khoán thông quanghiên cứu thực hiện phân cụm và so sánh giữa phương pháp phân cụm Thống kênhiều chiều và Học máy trong thị trường cổ phiếu; đồng thời đề tài đã thực hiện đượcđánh giá tác động của hiệu ứng lây lan đại dịch với thị trường chứng khoán nói riêng

và thị trường tài chính nói chung

6 Kết cấu đề tài

Lời nói đầu

Chương 1: Lý thuyết và tổng quan nghiên cứu

Chương 2: Thực trạng thị trường chứng khoán việt nam và tác động của dịchbệnh covid

Chương 3: Mô hình và kết quả ước lượng

Chương 4: Giải pháp và kiến nghị

[CHƯƠNG 1:] CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN

NGHIÊN CỨU

1.1 Một số khái niệm

Thị trường chứng khoán : nơi diễn ra trao đổi các hoạt động như mua, bán vàphát hành cổ phiếu và các sản phẩm tài chính của các công ty Các hoạt động tài chínhnày được thực hiện thông qua các sàn giao dịch chính thức được thể chế hóa hoặc cácthị trường giao dịch phi tập trung (OTC) hoạt động theo quy định xác định Có thể cónhiều địa điểm giao dịch chứng khoán trong một quốc gia hoặc khu vực cho phép hoạtđộng giao dịch bằng cổ phiếu và các hình thức chứng khoán khác

Cổ phiếu : là một chứng khoán đại diện cho quyền sở hữu một phần của mộtcông ty Điều này cho phép chủ sở hữu của cổ phiếu có thể nhận tỷ lệ tài sản và lợinhuận của công ty bằng với số lượng cổ phiếu mà họ sở hữu Đơn vị cổ phiếu được gọi

là "cổ phần" Cổ phiếu được mua và bán chủ yếu trên các sàn giao dịch chứng khoán

và là nền tảng cho việc thiết lập danh mục đầu tư của nhiều nhà đầu tư cá nhân Cácgiao dịch cổ phiếu phải tuân thủ quy định của chính phủ nhằm bảo vệ nhà đầu tư khỏicác hành vi gian lận

Cú sốc kinh tế : Một cú sốc kinh tế được đề cập có liên quan đến bất kỳ thayđổi nào đối với các yếu tố hoặc mối quan hệ kinh tế vĩ mô cơ bản có ảnh hưởng đáng

kể đến kết quả kinh tế vĩ mô và các chính sách kinh tế như thất nghiệp, phá giá và lạmphát Các cú sốc thường không thể đoán trước và thường là kết quả của các sự kiệnđược cho là vượt quá phạm vi của các giao dịch kinh tế thông thường Những cú sốckinh tế có tác động lan rộng và lâu dài đối với nền kinh tế, và là nguyên nhân sâu xacủa suy thoái và chu kỳ kinh tế trong Lý thuyết chu kỳ kinh tế thực

Phân cụ m: là một tập hợp rộng các kỹ thuật để tìm các nhóm quan sát trongmột tập dữ liệu Khi chúng ta phân cụm các quan sát, chúng ta muốn các quan sát

giống nhau Bởi vì không có biến phụ thuộc, đây là một phương thức không giám sát,nghĩa là phương pháp này tìm mối quan hệ giữa n quan sát mà không có sự hỗ trợ củabiến phụ thuộc Phân cụm giúp chúng ta xác định những quan sát nào giống nhau và từ

đó phân loại được chúng

Tối ưu hóa danh mục đầu tư: là quá trình lựa chọn danh mục đầu tư tốt nhất

(sự phân phối tài sản), trong số tất cả các danh mục đầu tư đang được xem xét, theomột số mục tiêu Các mục tiêu thường gặp trong việc tối đa hóa các yếu tố như lợinhuận kỳ vọng và giảm thiểu chi phí như rủi ro tài chính Các yếu tố đang được xemxét có thể bao gồm từ hữu hình (như tài sản, nợ phải trả, thu nhập hoặc các yếu tố cơbản khác) đến vô hình (như thoái vốn có chọn lọc - selective divestment)

Học máy : cung cấp cho các hệ thống khả năng tự động học hỏi và cải thiện từkinh nghiệm mà không cần lập trình rõ ràng Học máy tập trung vào việc phát triển cácchương trình máy tính có thể truy cập dữ liệu và sử dụng nó để tự học Quá trình họcmáy bắt đầu bằng các quan sát hoặc dữ liệu, chẳng hạn như các ví dụ, các trải nghiệmtrực tiếp hoặc các lời chỉ dẫn, để tìm ra quy luật trong dữ liệu và đưa ra quyết định tốthơn trong tương lai dựa trên các ví dụ mà con người cung cấp Mục đích chính là đểcho các máy tính tự động học mà không cần sự can thiệp hay trợ giúp của con người

và có thể điều chỉnh các hành động một cách phù hợp

Lý thuyết tối ưu hóa danh mục đầu tư

Giới thiệu Danh mục đầu tư

Danh mục đầu tư được định nghĩa là một nhóm tài sản, có thể là tài sản tài chính hoặc không, thuộc về một nhà đầu tư nhất định, có thể là một cá nhân hoặc pháp nhân Trong bối cảnh không chắc chắn và với nguồn lực hạn chế, thì các nhà đầu tư hợp lý, nghĩa là những nhà đầu tư e ngại rủi ro, phải đối mặt với các

(ii) khẩu vị rủi ro trung bình, trong đó mục tiêu là tăng khả năng sinh lời tương ứng với bất kỳ sự gia tăng rủi ro nào quan sát được, và

(iii) khẩu vị rủi ro cao, có xu hướng làm giảm mức độ nghiêm trọng của hậu quả có thể xảy ra do sự gia tăng rủi ro.

Sự lựa chọn này được gọi là danh mục đầu tư, hoặc danh mục tài sản Nhà đầu tư lựa chọn danh mục đầu tư tối ưu dựa trên trung bình và phương sai của khả năng sinh lời của tài sản Khái niệm về hiệu quả danh mục đầu tư này dựa trên giả định rằng phúc lợi của cá nhân tăng theo lợi nhuận dự kiến và giảm theo rủi ro Theo cách này, hành vi được điều chỉnh bởi hai khía cạnh: lợi nhuận, là giá trị trung bình hoặc giá trị kỳ vọng của phân phối xác suất của tỷ suất lợi nhuận, tương ứng với danh mục chứng khoán phù hợp với khả năng sinh lời tiềm năng; và rủi ro, được biểu thị bởi phương sai hoặc độ lệch chuẩn của phân phối xác suất của tỷ suất lợi nhuận, liên quan đến danh mục chứng khoán tương ứng với độ rủi ro Có thể nói rằng một danh mục đầu tư chỉ hiệu quả nếu, với cùng một mức độ rủi ro, không có danh mục đầu tư nào khác cho phép lợi nhuận kỳ vọng cao hơn mức này.

Lý Thuyết Đầu Tư Hiện Đại (Modern Portfolio Theory)

Harry Markowitz (1952) đã mở rộng tầm nhìn lý thuyết tài chính mới bằng cách liên kết vấn đề định giá và lựa chọn cổ phiếu với quản lý danh mục đầu

tư, một trong những mô hình được sử dụng nhiều nhất Cách tiếp cận của nó đối với việc lựa chọn danh mục đầu tư, mà ông gọi là hiệu quả, dựa trên khả năng sinh lời kỳ vọng của cổ phiếu và sự thay đổi trong việc có được lợi nhuận này- tức

là rủi ro của danh mục đầu tư Mục đích của mô hình của ông là kết hợp các cổ phiếu trong một danh mục đầu tư để giảm rủi ro vào cùng một mức lợi nhuận Một nhà đầu tư hợp lý sẽ tìm cách tối ưu hóa lợi nhuận dự kiến và tối thiểu hóa rủi ro Trước đó, nhà đầu tư phải đối mặt với vấn đề chọn kết hợp các chứng khoán nào mà tạo nên danh mục đầu tư, để đạt được mục tiêu của mình Bằng cách này, vai trò của nhà đầu tư là xác định các tài sản mà họ sẽ đầu tư vào, cũng như tổng tỷ lệ đầu tư được áp dụng cho từng tài sản Markowitz (1959) lập luận

vọng là những khía cạnh quan trọng trong nỗ lực thiết lập một danh mục đầu tư tối ưu Tỷ suất sinh lời kỳ vọng của của danh mục đầu tư được xác định dựa trên giá trị kỳ vọng của tỷ suất sinh lời của chứng khoán trong danh mục, được xem xét cùng với tỷ lệ của số tiền được đầu tư vào mỗi chứng khoán này Tỷ suất sinh lời kỳ vọng của của danh mục đầu tư được xác định theo công thức như sau:

E(r p)=∑

i=1

n E(r i)×W i

Trong đó:

E(rp): Tỷ suất sinh lời kỳ vọng của danh mục

E(ri): Tỷ suất sinh lời kỳ vọng của chứng khoán i

Wi: Tỷ trọng của chứng khoán i trong danh mục đầu tư

n: Số chứng khoán có trong danh mục đầu tư

Lý thuyết đầu tư hiện đại (MPT) là gì?

Lý thuyết danh mục đầu tư hiện đại (MPT) là một lý thuyết về cách các nhà đầu

tư e ngại rủi ro có thể xây dựng danh mục đầu tư để tối ưu hóa hoặc tối đa hóa lợinhuận kỳ vọng dựa trên mức độ rủi ro nhất định của thị trường, nhấn mạnh rằng rủi ro

là một phần hiển nhiên của lợi nhuận cao hơn Theo lý thuyết, có thể xây dựng một

"đường biên hiệu quả" (Efficient Frontier) của danh mục đầu tư tối ưu để mang lại lợinhuận kỳ vọng lớn nhất có thể cho một mức độ rủi ro nhất định Lý thuyết này đã đượcHarry Markowitz phát biểu trong bài báo "Lựa chọn danh mục đầu tư", được xuất bảnnăm 1952 bởi Tạp chí Tài chính Sau đó, ông đã được trao giải thưởng Nobel vì đãphát triển Lý thuyết này

Lý thuyết danh mục đầu tư hiện đại lập luận rằng các tính chất rủi ro và lợinhuận của một khoản đầu tư không nên đánh giá một cách riêng lẻ, mà nên đánh giá

như phương sai và tương quan, thì lợi tức của một khoản đầu tư cá nhân không quantrọng bằng việc khoản đầu tư đó thể hiện như thế nào trong toàn bộ danh mục đầu tư.

Rủi ro và lợi nhuận kỳ vọng của danh mục đầu tư

MPT đưa ra giả định rằng các nhà đầu tư e ngại rủi ro, có nghĩa là họ thích mộtdanh mục đầu tư ít rủi ro hơn so với một danh mục đầu tư nhiều rủi ro cho cùng mộtmức lợi nhuận nhất định Điều này ngụ ý rằng một nhà đầu tư sẽ chấp nhận rủi ronhiều hơn chỉ khi họ kỳ vọng thu được nhiều lợi nhuận hơn

Lợi nhuận kỳ vọng của danh mục đầu tư được tính bằng tổng trọng số của lợinhuận của tài sản cá nhân Nếu danh mục đầu tư chứa bốn tài sản có trọng số tươngđương với lợi nhuận dự kiến là 4, 6, 10 và 14%, lợi nhuận kỳ vọng của danh mục đầu

tư sẽ là: (4% x 25%) + (6% x 25%) + (10% x 25%) + (14% x 25%) = 8.5%

Rủi ro của danh mục đầu tư là một hàm phức tạp của phương sai của từng tàisản và mối tương quan của từng cặp tài sản Để tính toán rủi ro của danh mục đầu tưbốn tài sản, nhà đầu tư cần bốn phương sai của bốn tài sản và sáu giá trị tương quan, vì

có sáu kết hợp hai tài sản có thể có Do các mối quan hệ tương quan tài sản, nên tổngrủi ro danh mục đầu tư hoặc độ lệch chuẩn tính ra thấp hơn so với khi tính bằng tổngtrọng số

Đường biên hiệu quả

Mọi sự kết hợp có thể có của các tài sản đang xét đều có thể được vẽ trên biểu

đồ, với rủi ro của danh mục đầu tư trên trục X và lợi nhuận kỳ vọng trên trục Y Biểu

đồ này cho biết những danh mục đầu tư nào hấp dẫn nhất Ví dụ: giả sử Danh mục đầu

tư A có tỷ suất sinh lời dự kiến là 8,5% và độ lệch chuẩn là 8% và Danh mục đầu tư B

có tỷ lệ hoàn vốn dự kiến là 8,5% và độ lệch chuẩn là 9,5% Danh mục đầu tư A sẽđược coi là "hiệu quả" hơn vì nó có cùng lợi nhuận kỳ vọng nhưng rủi ro thấp hơn Cóthể vẽ một đường hyperbol ngửa lên để kết nối tất cả các điểm danh mục đầu tư hiệuquả nhất, đây chính là đường biên hiệu quả Đầu tư vào bất kỳ danh mục đầu tư nàokhông nằm trên đường cong này là một điều không nên

1.2 Tổng quan nghiên cứu

Các nghiên cứu nước ngoài liên quan đến sự lây lan trong thị trường chứng

Các sự kiện lớn có thể ảnh hưởng đáng kể đến lợi nhuận của thị trường chứngkhoán (Zach, 2003) Các nghiên cứu trước đây đã xác định một số sự kiện lớn đã ảnhhưởng đến lợi nhuận như vậy, ví dụ như thảm họa (Kowalewski và Śpiewanowski,2020), thể thao (Buhagiar và cộng sự, 2018), tin tức (Li, 2018), các sự kiện về môitrường (Alsaifi và cộng sự, 2020, Guo và cộng sự, 2020) và chính trị (Bash và Alsaifi,

2019, Shanaev và Ghimire, 2019) Lợi nhuận của thị trường chứng khoán cũng có thểphản ứng với các bệnh dịch, ví dụ, sự bùng phát Hội chứng hô hấp cấp tính nặng(SARS) (Chen và cộng sự, 2007, Chen và cộng sự, 2009), và bùng phát Bệnh do vi-rútEbola (EVD) (Ichev và Marinč, 2018)

Theo Abdullah M Al-Awadhi và cộng sự (2020), sự bùng phát COVID-19 đãảnh hưởng đến môi trường đầu tư và kinh doanh tại Trung Quốc, đặc biệt là dịch bệnhnày có những tác động tiêu cực rất đáng kể đến thị trường chứng khoán Trung Quốc.Nhóm nghiên cứu đã dùng mô hình hồi quy số liệu mảng, với hai biến độc lập là (1) tỷ

lệ số ca nhiễm mới hàng ngày trong tổng số ca nhiễm được xác nhận và (2) tỷ lệ số ca

tử vong hàng ngày trong tổng số ca tử vong do COVID-19, để kiểm tra hiệu suất tươngđối của các cổ phiếu dưới tác động của COVID-19, đồng thời kiểm soát các đặc điểm

cụ thể của công ty Kết quả mô mình của họ cho thấy, hai biến độc lập trên có tác độngtiêu cực mạnh mẽ đến lợi nhuận chứng khoán của toàn bộ các công ty trong chỉ sốHang Seng và Shanghai Composite trong khoảng thời gian từ 10 tháng Một đến 16tháng Ba năm 2020

Trong dịch bệnh như vậy, thông thường ta sẽ có kỳ vọng rằng các ngành khácnhau sẽ chịu ảnh hưởng khác nhau Kết quả nghiên cứu của họ cho thấy sự khác biệtkhông đáng kể về lợi nhuận giữa các ngành theo phân loại này Tuy nhiên, các nghiêncứu trước đây cho thấy rằng một nhóm ngành cụ thể có thể bị ảnh hưởng theo một

đối mặt với tác động tiêu cực lên lợi nhuận cao hơn đáng kể so với nhóm cổ phiếu A(chủ yếu được giao dịch bởi công dân Trung Quốc) Cuối cùng, cổ phiếu vốn hóa thịtrường cao phải đối mặt với tác động tiêu cực cao hơn đáng kể đến lợi nhuận so với cổphiếu vốn hóa thị trường thấp.

Trong một nghiên cứu của Geert Bekaert và cộng sự (2011) (các nhà kinh tếthuộc Ngân hàng Trung ương Châu Âu (ECB)), các tác giả tìm hiểu về khủng hoảngtài chính toàn cầu và hiệu ứng lây lan trong thị trường chứng khoán Sử dụng cuộckhủng hoảng tài chính 2007-2009 như một phòng thí nghiệm, họ phân tích ảnh hưởngcủa các cuộc khủng hoảng đến các danh mục đầu tư của quốc gia-ngành công nghiệptại 55 quốc gia Các nhà nghiên cứu sử dụng khung định giá tài sản với các yếu tố toàncầu và khu vực để dự đoán lợi nhuận trong khủng hoảng, từ đó xác định mức tăngkhông giải thích được trong các yếu tố phụ trội chính là biểu hiện của hiệu ứng lây lan.Các tác giả tìm thấy dấu hiệu về sự lây lan có hệ thống từ các thị trường Hoa Kỳ và từkhu vực tài chính toàn cầu, nhưng những tác động còn rất nhỏ Ngược lại, đã có sự lâylan mang tính hệ thống và rất đáng kể từ thị trường vốn cổ phần đến các danh mục đầu

tư cá nhân trong khu vực, với mức độ nghiêm trọng của nó tương quan ngược chiềuvới chất lượng của các nguyên tắc và chính sách kinh tế quốc gia Do đó, nhóm tác giảbác bỏ giả thuyết toàn cầu hóa, trong đó liên kết tác động lây lan của khủng hoảng tớimức độ phơi nhiễm (rủi ro) toàn cầu Thay vào đó, họ xác nhận giả thuyết wake-upcall (Goldstein, 1998), với các thị trường và nhà đầu tư tập trung nhiều hơn vào cácđặc điểm riêng biệt, đặc trưng của quốc gia trong cuộc khủng hoảng

Nhóm tác giả định nghĩa hiệu ứng lây lan là sự đồng vận động vượt quá mức,được ngụ ý bởi mô hình nhân tố, tức là vượt ra ngoài những gì có thể được giải thíchbằng các nguyên tắc cơ bản, có tính đến sự tiến hóa tự nhiên của chúng theo thời gian.Điều này trái ngược với nhiều bài báo viết về hiệu ứng lây lan chỉ đơn giản là so sánhcác sự đồng vận động trước và trong cuộc khủng hoảng Việc bao gồm ba yếu tố khácnhau (các chỉ số trọng số thị trường Hoa Kỳ, toàn cầu, khu vực) trong mô hình của tácgiả cho phép họ phân biệt giữa ba loại lây lan khác nhau Sự lây lan có thể xuất phát từHoa Kỳ hoặc từ khu vực tài chính toàn cầu, ngụ ý sự đồng vận động mạnh mẽ của các

giả lần lượt đặt tên chúng là “hiệu ứng lây lan Hoa Kỳ” và “hiệu ứng lây lan toàn cầu”.Ngoài ra, trong khi các nhà đầu tư có thể tiếp tục phân biệt giữa các quốc gia để đốiphó với các cú sốc toàn cầu hoặc các cú sốc đặc trưng của Hoa Kỳ trong các cuộckhủng hoảng, họ có thể phân biệt ít hơn giữa các cổ phiếu trong khu vực để đối phóvới các cú sốc đặc thù của quốc gia, do đó làm phát sinh “hiệu ứng lây lan trong khuvực”.

Một đặc điểm nổi bật hơn của cuộc khủng hoảng là mức độ không đồng nhấtcao trong hiệu ứng lây lan giữa các danh mục đầu tư của quốc gia-khu vực Trong khi,

về tổng thể, chỉ có sự lây lan với mức độ hạn chế từ thị trường Mỹ hoặc khu vực tàichính toàn cầu, một số danh mục đầu tư cá nhân đã bị tác động đáng kể bởi sự lây lan

từ các thị trường này trong cuộc khủng hoảng tài chính Nghiên cứu các kênh lây lantrong cuộc khủng hoảng tài chính cung cấp những cái nhìn sâu sắc hơn Giả thuyếttoàn cầu hóa bị bác bỏ rõ ràng: sự khác biệt trong các công cụ phơi nhiễm (rủi ro) bênngoài - như độ mở thương mại hoặc độ sâu tài chính, không giải thích được sự lây lan.Các yếu tố quyết định của đặc trưng công ty, chẳng hạn như mức độ hạn chế tài chính,rủi ro tỷ giá hối đoái hoặc rủi ro lãi suất của các công ty cũng không giải thích đượchiệu ứng lây lan Các chỉ số rủi ro có ý nghĩa quan trọng khi thị trường hoạt động bìnhthường, nhưng các sự đồng chuyển động mạnh mẽ giữa các danh mục đầu tư khácnhau trong cuộc khủng hoảng có liên quan tiêu cực đến sự thay đổi của các chỉ số rủi

ro Thay vào đó, các tác giả nhận thấy rằng, cho đến nay các quốc gia có nền tảng kinh

tế vĩ mô kém, rủi ro chủ quyền cao và các tổ chức nghèo trải qua sự suy giảm lớn nhấttrong thị trường chứng khoán và chịu ảnh hưởng nhiều nhất từ hiệu ứng lây lan Cụ thể

là quy mô của dự trữ ngoại hối, vị thế tài khoản vãng lai và xếp hạng chủ quyền củacác quốc gia là ba trong số các yếu tố có ảnh hưởng lớn và có ý nghĩa kinh tế đối với

nhau được đưa ra trong cuộc khủng hoảng (bảo lãnh nợ và tiền gửi, và bơm vốn) Cáctác giả thấy rằng việc áp dụng bảo lãnh nợ và bảo lãnh tiền gửi trong cuộc khủnghoảng đã giúp bảo vệ thị trường chứng khoán trong nước ở mức độ đáng kể về mặtkinh tế và thống kê khỏi tác động của khủng hoảng, thông qua việc giảm mức độ phơinhiễm với các yếu tố toàn cầu, Mỹ và trong khu vực Ví dụ, việc áp dụng hoặc gia hạnbảo lãnh nợ hoặc tiền gửi trong cuộc khủng hoảng đã làm giảm hơn 30% trong mức độrủi ro của các danh mục vốn chủ sở hữu do yếu tố toàn cầu so với mức phơi nhiễm rủi

ro với yếu tố toàn cầu ở các quốc gia không đưa ra các chính sách như vậy

Nhóm tác giả Osman Kilic, Surya Chelikani, and Thomas Coe (2014) đã có mộtnghiên cứu về bản chất của sự lây lan mạnh mẽ do cuộc khủng hoảng tài chính Hoa

Kỳ năm 2008 Bài viết này điều tra giai đoạn trước và sau vụ phá sản tháng 9 năm

2008 của tập đoàn tài chính Lehman Brothers và đo lường tác động của sự kiện đó lênkhả năng lây lan sang các thị trường mới nổi; cụ thể là lĩnh vực dịch vụ tài chính ThổNhĩ Kỳ Dữ liệu của bài nghiên cứu bao gồm giá hàng ngày trong khoảng thời gian từtháng 1 năm 2007 đến tháng 9 năm 2010 của 78 công ty trong lĩnh vực tài chính ThổNhĩ Kỳ, bao gồm ngân hàng, quỹ tương hỗ, bất động sản, bảo hiểm và ngành cho thuê

Sự tương quan được ước tính cho giai đoạn trước khủng hoảng và giai đoạn hậu khủnghoảng giữa lợi nhuận của các công ty riêng lẻ và lợi nhuận của các chỉ số đại diện củaHoa Kỳ Các tác giả nhận thấy rằng các ngành ngân hàng và bảo hiểm của Thổ Nhĩ Kỳ

đã bị ảnh hưởng đáng kể bởi hiệu ứng lây lan xuyên biên giới xuất phát từ cuộc khủnghoảng tài chính năm 2008 Các ngành công nghiệp dịch vụ tài chính khác của Thổ Nhĩ

Kỳ (quỹ tương hỗ, bất động sản và cho thuê) phần lớn không bị ảnh hưởng Một lý dokhả quan cho điều này là các ngành ngân hàng và bảo hiểm bị chi phối một cách trựctiếp hoặc gián tiếp, bởi các công ty quốc tế Để tránh những tác động tiêu cực của hiệuứng lây lan xuyên biên giới, tác giả đề nghị có thể bảo vệ cho ngành tài chính với cácquy định phù hợp

Theo Carlos Santos Pinho và Augusto Melo (2017), để tối đa hóa hàm lợi íchcủa mình, các nhà đầu tư sẽ chọn một số tài sản nhất định thay vì các tài sản khác,chọn danh mục đầu tư mà có thể tối đa hóa lợi nhuận của họ Mỗi tài sản được chọn

phương sai) và khả năng sinh lời mà nó có thể mang lại, cũng như rủi ro giữa tài sảnnày và các tài sản khác (được đo bằng hiệp phương sai) Mục đích của nghiên cứu nàybao gồm xây dựng danh mục đầu tư chênh lệch tối thiểu, sử dụng dữ liệu từ báo giá tàisản đại diện của PSI-20 (2008-2016), trong đó các nhà đầu tư e ngại rủi ro và muốn tốithiểu hóa rủi ro trong khi duy trì cùng một mức lợi nhuận, hoặc duy trì cùng mức độrủi ro nhưng tối đa hóa lợi nhuận dự kiến Để làm điều này, một so sánh danh mục đầu

tư tối ưu trong giai đoạn 2004-2017 đã được thực hiện, so với danh mục đầu tư chênhlệch tối thiểu sau cuộc khủng hoảng tài chính (2008-2016) Phương pháp được sử dụng

để ước tính lợi nhuận kỳ vọng của mỗi tài sản nằm trong PSI-20 bao gồm các trích dẫnlịch sử thu được Thành phần danh mục đầu tư tối ưu, trong giai đoạn sau khủng hoảngtài chính, cho thấy ngành năng lượng giảm 39,15% trong trọng số của danh mục đầu tưtối ưu, còn ngành phân phối và bán lẻ (23,85%) được đưa vào danh mục đầu tư vàngành công nghiệp vẫn giữ vững vị trí trong thành phần của danh mục đầu tư tối ưu

Các nghiên cứu trong nước

Ở Việt Nam hiện nay, phần lớn các nghiên cứu đánh giá sự tác động của dịchCovid – 19 đến toàn cảnh của nền kinh tế cũng như các chính sách kinh tế vĩ mô màhầu như chưa có nghiên cứu nào đánh giá sự tác động lên thị trường chứng khoán

Vì vậy chúng tôi làm nghiên cứunày để đánh giá sự tác động của dịch lên thịtrường chứng khoán, từng nhóm ngành và sâu hơn là từng nhóm cổ phiếu, cổ phiếucủa ngành để đưa ra một hướng nhìn cho các nhà đầu tư trong và ngoài nước trên thịtrường chứng khoán Việt Nam

CHƯƠNG 1:THỰC TRẠNG THỊ TRƯỜNG CHỨNG KHOÁN VIỆT

NAM VÀ TÁC ĐỘNG CỦA DỊCH BỆNH COVID

2.

2.1 Dịch bệnh COVID-19 và tình hình kinh tế quốc tế

Đại dịch đã gây ra sự gián đoạn kinh tế xã hội toàn cầu nghiêm trọng, bao gồmcả suy thoái kinh tế toàn cầu lớn nhất kể từ Đại suy thoái vào những năm 1930 Đạidịch này đã dẫn đến việc hoãn hoặc hủy bỏ các sự kiện thể thao, tôn giáo, chính trị vàvăn hóa; tình trạng thiếu nguồn cung trên diện rộng bị làm trầm trọng hơn khi ngườidân rơi vào trạng thái mua hoảng loạn; và cũng giảm lượng khí thải gây ô nhiễm vàkhí nhà kính Các trường học đã đóng cửa trên toàn quốc hoặc một số vùng tại 194quốc gia, ảnh hưởng đến khoảng 98,5% dân số sinh viên trên thế giới Thông tin sailệch về virus lan truyền trên mạng và đã xảy ra sự cố bài ngoại và phân biệt đối xử vớingười Trung Quốc và chống lại những người được coi là người Trung Quốc hoặc đến

từ các khu vực có tỷ lệ lây nhiễm cao

2.1.1 Tình hình kinh tế quốc tế

2.1.2 Tình hình kinh tế quốc tế trước dịch

Tăng trưởng toàn cầu năm 2019 ghi nhận tốc độ yếu nhất kể từ cuộc khủnghoảng tài chính toàn cầu một thập kỷ trước, phản ánh những ảnh hưởng chung giữacác quốc gia và các yếu tố đặc thù quốc gia

Rào cản thương mại gia tăng và trạng thái do dự đè nặng lên tâm lý và hoạtđộng kinh doanh trên toàn cầu Trong một số trường hợp (các nền kinh tế phát triển vàTrung Quốc), những phát triển này đã phóng đại sự suy giảm theo chu kỳ và cơ cấuđang diễn ra

Áp lực hơn nữa đến từ sự yếu kém đặc thù của quốc gia tại các nền kinh tế thịtrường mới nổi lớn như Brazil, Ấn Độ, Mexico và Nga Căng thẳng kinh tế vĩ mô ngàycàng tồi tệ liên quan đến điều kiện tài chính chặt chẽ hơn (Argentina), căng thẳng địachính trị (Iran) và bất ổn xã hội (Venezuela, Libya, Yemen) đã vạch ra bức tranh khó

Với môi trường kinh tế trở nên khó lường hơn, các công ty đã thận trọng với chitiêu dài hạn, dẫn đến sự sụt giảm trong việc mua máy móc và thiết bị toàn cầu Nhucầu của các hộ gia đình đối với hàng hóa lâu bền cũng suy yếu, mặc dù đã có sự giatăng trong quý II năm 2019 Điều này đặc biệt rõ ràng với thị trường ô tô, khi có thayđổi trong quy định về tiêu chuẩn khí thải mới, và có thể do việc chuyển sang dịch vụ đichung xe tác động mạnh đến doanh số ở một số quốc gia.

Biểu đồ 2 2 : Biểu đồ đường thể hiện sự suy giảm trong hoạt động sản xuất công

nghiệp và thương mại toàn cầu năm 20 1– 9 - Nguồn: IMFBlog

Các ngân hàng trung ương đã phản ứng mạnh mẽ với sự tăng trưởng kinh tế yếu kém.Trong suốt một năm, một số tổ chức, bao gồm Cục Dự trữ Liên bang Hoa Kỳ, Ngânhàng Trung ương Châu Âu (ECB) và các ngân hàng trung ương thị trường mới nổilớn, đã cắt giảm lãi suất, trong khi ECB cũng khởi động lại việc mua tài sản