Dự báo xu hướng chứng khoán tại Việt Nam bằng phương pháp học máy

Với Việt Nam thì thị trường chứng khoán mới được coi là mới và đang phát triển ngày 11-7-1998 Chính phủ ký Nghị định số 48/CP ban hành về chứng khoán đánh dấu sự ra đời và phát triển

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

TRẦN ĐỨC HUÂN

DỰ BÁO XU HƯỚNG CHỨNG KHOÁN TẠI VIỆT NAM

BẰNG PHƯƠNG PHÁP HỌC MÁY

Ngành: Công nghệ thông tin

Chuyên ngành: Hệ thống thông tin

Mã số: 60480104

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN VĂN VINH

TS NGUYỄN PHÚ BÌNH

Hà Nội – 2014

LỜI CAM ĐOAN

Tôi xin cam đoan những kết quả đạt đƣợc trong luận văn này là do tôi nghiên cứu, tổng hợp và thực hiện Toàn bộ những điều đƣợc trình bày trong luận văn là của

cá nhân hoặc đƣợc tham khảo và tổng hợp từ các nguồn tài liệu khác nhau Tất cả các tài liệu tham khảo, tổng hợp đều đƣợc trích dẫn với nguồn gốc rõ ràng

Tôi xin chịu hoàn toàn trách nhiệm về lời cam đoan của mình Nếu có gì sai trái, tôi xin chịu mọi hình thức kỷ luật theo qui định

Hà Nội, tháng 06 năm 2014

Học viên

Trần Đức Huân

LỜI CẢM ƠN

Tôi muốn bày tỏ lòng biết ơn sâu sắc tới những người đã giúp đỡ tôi trong quá trình làm luận văn, đặc biệt tôi xin cám ơn TS Nguyễn Văn Vinh - Trường ĐH Công nghệ, ĐHQGHN và TS Nguyễn Phú Bình - Bộ Khoa học và Công nghệ, với lòng kiên trì, các thầy đã chỉ bảo tôi chi tiết và cho tôi những lời nhận xét quý báu trong từng bước làm luận văn Đồng thời tôi cũng xin gửi lời cảm ơn tới các thầy cô giáo khoa Công nghệ thông tin – Trường Đại học Công nghệ - Đại học Quốc gia Hà nội đã truyền đạt các kiến thức cho tôi trong suốt thời gian học tập và nghiên cứu vừa qua

Tôi cũng xin chân thành cảm ơn cơ quan, bạn bè, đồng nghiệp, gia đình và những người thân đã cùng chia sẻ, giúp đỡ, động viên, tạo mọi điều kiện thuận lợi để tôi hoàn thành nhiệm vụ học tập và luận văn này

Hà Nội, tháng 6 năm 2014

Học viên

Trần Đức Huân

MỤC LỤC

LỜI CAM ĐOAN 1

LỜI CẢM ƠN 2

MỤC LỤC 3

DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT 5

DANH MỤC HÌNH VẼ 6

DANH MỤC BẢNG BIỂU 7

MỞ ĐẦU 8

Chương 1 THỊ TRƯỜNG CHỨNG KHOÁN VÀ PHÂN TÍCH CHỨNG KHOÁN 11 1.1 Thị trường chứng khoán 11

1.1.1 Tổng quan về thị trường chứng khoán 11

1.1.2 Đặc điểm của Thị trường chứng khoán: 12

1.1.3 Chức năng của thị trường chứng khoán: 12

1.1.4 Các hình thức của thị trường chứng khoán 12

1.1.5 Các chỉ số cơ bản của một mã chứng khoán trên sàn giao dịch 13

1.2 Phân tích Kỹ thuật và ứng dụng trong dự báo chứng khoán 14

1.2.1 Khái niệm 14

1.2.2 Công cụ cơ bản sử dụng trong Phân tích kỹ thuật 15

1.2.3 Các chỉ số kỹ thuật cơ bản dùng trong dự báo chứng khoán 17

1.2.4 Ứng dụng của phân tích kỹ thuật 26

Chương 2 KHAI PHÁ DỮ LIỆU VÀ MỘT SỐ MÔ HÌNH DÙNG TRONG KHAI PHÁ DỮ LIỆU 27

2.1 Khai phá dữ liệu (Data Mining) 27

2.2 Một số mô hình dùng trong khai phá dữ liệu 29

2.2.1 Mô hình mạng nơ ron nhân tạo (ANN - Artificial Neural Network) 29

2.2.2 Mô hình cây quyết định (Decision Tree Algorithm): 31

2.2.3 Mô hình máy véc tơ hỗ trợ (Support Vector Machine - SVM) 32

Chương 3 MÔ HÌNH DỰ BÁO CHỨNG KHOÁN 36

3.1 Giới thiệu bài toán dự báo chứng khoán 36

3.2 Mô hình dự báo (Predictive Model) 37

3.3 Thu thập và xử lý dữ liệu 38

3.3.1 Thu thập dữ liệu 38

3.3.2 Tiền xử lý dữ liệu 38

3.3.3 Chọn loại dữ liệu đầu vào 40

3.3.4 Phân hoạch dữ liệu 40

3.4 Đánh giá mô hình 40

Chương 4 THỬ NGHIỆM VÀ ĐÁNH GIÁ 44

4.1 Thu thập dữ liệu 44

4.2 Tiền xử lý dữ liệu 46

4.3 Phương thức phân hoạch dữ liệu 46

4.4 Kết quả thử nghiệm 47

4.4.1 Kết quả chạy thực nghiệm so sánh SVR với mô hình khác 47

4.4.2 Kết quả dự đoán 1 ngày và 5 ngày tiếp theo của các mã với SVR 48

KẾT LUẬN 49

TÀI LIỆU THAM KHẢO 50

DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT

SMA Simple Moving Average và Trung bình trượt đơn giản

EMA Exponential Moving Average Trung bình trượt số mũ

SVM Support Vector Machine Máy véc tơ hỗ trợ

SVR Support Vector Regression Máy véc tơ hỗ trợ hồi quy

SMO Sequential Minimal Optimization Tối thiểu hóa tuần tự

QP Quadratic Programming Quy hoạch toàn phương

DANH MỤC HÌNH VẼ

Hình 1.1: Biểu đồ dạng đường 15

Hình 1.2: Biểu đồ dạng then chắn 16

Hình 1.3: Biểu đồ dạng cây nến 17

Hình 1.4: Biểu đồ thể hiện Aroon 21

Hình 1.5: Biểu đồ MACD 23

Hình 1.6: Biểu đồ Bollinger band 25

Hình 2.1: Mô hình khai phá dữ liệu 27

Hình 2.2: Kiến trúc của một ANN 29

Hình 2.3: Sơ đồ quá trình xử lý dữ liệu bằng ANN 30

Hình 2.4: Ví dụ cây quyết định 31

Hình 2.5: Không gian tuyến tính 33

Hình 2.6: Biến lỏng được sử dụng trong SVM 33

Hình 2.7: ε – SVR với hạt nhân đa thức (phù hợp với một điểm dữ liệu) 35

Hình 2.8: SVR với hạt nhân tuyến tính giảm thiểu lỗi với biến lỏng 35

Hình 3.1: Mô hình dự báo chứng khoán đề xuất 37

Hình 3.2: Phương pháp K-Fold 41

Hình 4.1: Dữ liệu được đưa về định dạng *.arff 46 Hình 4.2: Biểu đồ thể hiện kết quả thử nghiệm dự đoán với các mô hình khác nhau 48

DANH MỤC BẢNG BIỂU

Bảng 3.1: Ma trận hỗn hợp trong phân lớp 42

Bảng 4.1: Các mã chứng khoán đƣợc chọn thử nghiệm 44

Bảng 4.2: Dữ liệu của một mã chứng khoán 45

Bảng 4.3: Dữ liệu sau khi đƣợc xử lý của một mã CP 46

Bảng 4.4: Bảng kết quả thử nghiệm dự đoán với các mô hình khác nhau 47

Bảng 4.5: Kết quả dự đoán của từng mã với thuật toán SVR 48

MỞ ĐẦU

1 Đặt vấn đề

Thế giới ngày càng trở nên “phẳng” hơn, đó là nhờ các thành tựu của việc phát triển công nghệ thông tin, đặc biệt là sự bùng nổ mạnh mẽ của mạng Internet Nhờ internet làm xóa bỏ, không còn khoảng cách không gian và địa lý, tạo điều kiện cho chúng ta tiếp cận và thu nhận được nhiều thông tin hơn, song không phải tất cả các thông tin đều có ích cho mỗi người mà chúng ta phải biết chắt lọc, tổng hợp và phân tích các thông tin để phục vụ cho mục đích của mình Trên thực tế với lượng dữ liệu khổng lồ được tổng hợp lưu trữ thì chỉ có một phần nhỏ được phân tích thường xuyên

và có ích, số còn lại chúng ta vẫn chưa khai thác, phát hiện được hết các tri thức trong

đó Các phương pháp quản trị và khai thác dữ liệu truyền thống ngày càng không đáp ứng được nhu cầu khai thác, phát hiện thông tin Do đó đã phát triển một khuynh hướng kỹ thuật mới đó là kỹ thuật Phát hiện tri thức và khai phá dữ liệu ( KDD – Knowledge Discorvery and Data Mining) Các kỹ thuật này đã và đang được nghiên cứu và áp dụng trong nhiều lĩnh vực khác nhau Trong đó thì khai phá dữ liệu (Data mining) là lĩnh vực đang phát triển mạnh mẽ, có nhiều ứng dụng thực tiễn và hướng nghiên cứu về dự báo được coi là rất quan trọng trong nhiều ngành, trong đó nó đặc biệt quan trọng trong quản lý vĩ mô và kinh doanh

Các kỹ thuật dự báo đã được hình thành từ thế kỷ thứ 19 [1], tuy nhiên dự báo

có ảnh hưởng rất lớn bởi sự phát triển của công nghệ thông tin vì bản chất mô phỏng của các phương pháp rất phức tạp và cần sự hỗ trợ rất lớn của máy tính Đến những năm 1950, các lý thuyết về dự báo cùng với các phương pháp luận được xây dựng và phát triển có hệ thống [1] Việc dự báo về thị trường chứng khoán là bài toán đã thu hút nhiều sự quan tâm, nghiên cứu, nhất là ở các nước phát triển trên thế giới Với Việt

Nam thì thị trường chứng khoán mới được coi là mới và đang phát triển ( ngày

11-7-1998 Chính phủ ký Nghị định số 48/CP ban hành về chứng khoán đánh dấu sự ra đời

và phát triển của thị trường chứng khoán Việt Nam) nên việc nghiên cứu áp dụng các

kỹ thuật trong bài toán dự báo chưa được đầu tư nghiên cứu nhiều

Cùng với xu hướng phát triển của thị trường chứng khoán Việt Nam như hiện nay, cần phải có các nghiên cứu phát triển các phương pháp, công cụ dùng cho việc

phân tích, đánh giá và dự đoán các chỉ số chứng khoán Đây là bài toán được các nhà nghiên cứu, nhà khoa học và nhất là các nhà đầu tư rất quan tâm, chú ý Thực tế đã có nhiều ứng dụng, nghiên cứu, phương pháp kỹ thuật và những phần mềm ra đời để giải quyết bài toán này Theo nhiều nhà nghiên cứu thì dữ liệu lịch sử giá và các chỉ số khác của cổ phiếu tiết lộ mối tương quan với các mô hình biến động giá chứng khoán,

từ đó có thể dự đoán được giá chứng khoán trong tương lai dựa trên những dữ liệu lịch

sử một cách tương đối khách quan và chính xác

Trong luận văn vày, chúng tôi đã nghiên cứu một số phương pháp học máy tiên tiến hiện nay và sử dụng chúng cùng với dữ liệu lịch sử giá, các chỉ số kỹ thuật trong lĩnh vực chứng khoán thu thập được để dự báo xu hướng giá của chứng khoán trong thời điểm tương lai Các kết quả thực nghiệm mô hình xây dựng tuy chưa thực sự cao nhưng cũng khá tin cậy để cung cấp thêm thông tin cho những quyết định mua hoặc bán cổ phiếu của các tổ chức cũng như nhà đầu tư và là định hướng ban đầu cho các nghiên cứu tiếp theo của chúng tôi

2 Mục tiêu của luận văn

Trong luận văn này chúng tôi hướng tới các mục tiêu chính sau:

- Tìm hiểu về chứng khoán và các kỹ thuật dùng trong phân tích chứng khoán

- Tìm hiểu về khai phá dữ liệu và một số mô hình tiên tiến được dùng trong khai phá dữ liệu

- Thử nghiệm mô hình khai phá dữ liệu, đánh giá mô hình và lựa chọn mô hình

áp dụng đưa ra dự báo về xu hướng giá của một cổ phiếu Từ đó làm tiền đề định hướng cho các nghiên cứu sau này của chúng tôi

3 Cấu trúc của luận văn

Luận văn được chia thành 5 phần với các nội dung như sau:

Chương 1 Thị trường chứng khoán và phân tích chứng khoán: Chương

này sẽ trình bày các nội dung lý thuyết về chứng khoán, các phương pháp dự báo, đánh giá rủi ro và phân tích kỹ thuật trong việc đầu tư, kinh doanh chứng khoán

Chương 2 Khai phá dữ liệu và một số mô hình dùng trong khai phá dữ liệu: giới thiệu về khai phá dữ liệu, sau đó chúng tôi giới thiệu chi tiết về một số mô

hình được sử dụng trong khai phá dữ liệu như Mô hình mạng nơ ron nhân tạo (ANN -

Artificial Neural Network), Mô hình cây quyết định (Decision Tree Algorithm), Mô hình máy véc tơ hỗ trợ (Support Vector Machine - SVM) Các phần được trình bày trong chương này sẽ là cơ sở lý thuyết cho phương pháp giải quyết bài toán dự báo chứng khoán của chúng tôi ở các chương tiếp theo

Chương 3 Mô hình dự báo chỉ số chứng khoán: tập trung vào xây dựng mô

hình nhằm giải quyết bài toán đã đặt ra Trong chương này chúng tôi đưa ra phương pháp sử dụng một số mô hình kết hợp các dữ liệu lịch sử, dữ liệu phân tích kỹ thuật nhằm xây dựng hệ hỗ trợ quyết định cho bài toán dự báo xu hướng giá của cổ phiếu

Chương 4 Thực nghiệm và đánh giá: mô tả và phân tích những kết quả mà

chúng tôi đã tiến hành thực nghiệm Mô hình được huấn luyện bởi dữ liệu giao dịch chứng khoán trong quá khứ kết hợp với các chỉ số kỹ thuật được xây dựng dựa trên giá đóng cửa lịch sử của mã cổ phiếu đó Các mã cổ phiếu là các mã giao dịch trên hai sàn chứng khoán tại Việt Nam là sàn giao dịch chứng khoán Hà Nội (HNX) và sàn giao dịch chứng khoán Hồ Chí Minh (HSX), các mã cổ phiếu được lấy ngẫu nhiên Sau đó

dữ liệu được đưa vào mô hình kiểm chứng khả năng dự báo của mô hình Đồng thời các kết quả này cũng được so sánh với các mô hình khác nhằm tìm ra điểm mạnh, yếu của mô hình so với các mô hình đã được xây dựng

Phần kết luận: tổng kết những kết quả đạt được của luận văn và hướng nghiên

cứu tiếp theo

Chương 1 THỊ TRƯỜNG CHỨNG KHOÁN VÀ PHÂN TÍCH CHỨNG KHOÁN

Trong chương này, đầu tiên sẽ trình bày các nội dung lý thuyết tổng quát về thị trường chứng khoán Mục tiếp theo sẽ giới thiệu về phân tích kỹ thuật và ứng dụng trong việc dự báo chứng khoán

1.1 Thị trường chứng khoán

1.1.1 Tổng quan về thị trường chứng khoán

Tổng quan:

Thị trường chứng khoán là một bộ phận quan trọng của Thị trường vốn, hoạt động

của nó nhằm huy động những nguồn vốn tiết kiệm nhỏ trong xã hội tập trung thành nguồn vốn lớn tài trợ cho doanh nghiệp, các tổ chức kinh tế và Chính phủ để phát triển sản xuất, tăng trưởng kinh tế hay cho các dự án đầu tư

Thị trường chứng khoán là nơi diễn ra các hoạt động giao dịch mua bán các loại

chứng khoán Việc mua bán được tiến hành ở hai thị trường sơ cấp và thứ cấp, do vậy

thị trường chứng khoán là nơi chứng khoán được phát hành và trao đổi

Hàng hóa giao dịch trên Thị trường chứng khoán bao gồm: các cổ phiếu, trái phiếu

và một số công cụ tài chính khác có thời hạn trên 1 năm

Vị trí của Thị trường chứng khoán trong thị trường tài chính:

Thị trường tài chính có hai thị trường lớn chính đó là Thị trường tài chính ngắn hạn (Thị trường tiền tệ) và Thị trường tài chính dài hạn (Thị trường vốn), chi tiết hai thị trường này như sau:

- Thị trường Tài chính ngắn hạn (Thị trường tiền tệ): Là nơi diễn ra các hoạt

động của cung và cầu về vốn ngắn hạn Vốn ngắn hạn bao gồm cả trái phiếu ngắn hạn, có kỳ hạn tức là mua bán những món nợ ngắn hạn rủi ro thấp, tính thanh khoản cao Thị trường tiền tệ diễn ra chủ yếu thông qua hoạt động của hệ

thống ngân hàng, vì các ngân hàng là chủ thể quan trọng nhất trong việc cung cấp và sử dụng vốn ngắn hạn

- Thị trường Tài chính dài hạn (Thị trường vốn): Là nguồn cung vốn dài hạn

chính cho hoạt động của doanh nghiệp Bao gồm Thị trường tín dụng dài hạn (gồm Thị trường cho vay thế chấp và thị trường cho thuê tài chính) và Thị trường chứng khoán

1.1.2 Đặc điểm của Thị trường chứng khoán:

Thị trường chứng khoán có các đặc điểm chủ yếu sau:

- Được đặc trưng bởi hình thức tài chính trực tiếp, người cần vốn và người cung

cấp vốn đều trực tiếp tham gia thị trường, giữa họ không có trung gian tài chính

- Là thị trường gần với Thị trường cạnh tranh hoàn hảo Mọi người đều tự do

tham gia vào thị trường Không có sự áp đặt giá cả trên thị trường chứng khoán,

mà giá cả ở đây được hình thành dựa trên quan hệ cung – cầu

- Về cơ bản là một thị trường liên tục, sau khi các chứng khoán được phát hành

trên thị trường sơ cấp, nó có thể được mua đi bán lại nhiều lần trên thị trường thứ cấp Thị trường chứng khoán đảm bảo cho các nhà đầu tư có thể chuyển chứng khoán của họ thành tiền mặt bất cứ lúc nào họ muốn

1.1.3 Chức năng của thị trường chứng khoán:

Thị trường chứng khoán có chức năng đối với nền kinh tế là:

- Huy động vốn đầu tư cho nền kinh tế

- Cung cấp môi trường đầu tư cho công chúng

- Cung cấp khả năng thanh toán cho các chứng khoán

- Đánh giá giá trị doanh nghiệp và tình hình của nền kinh tế

- Tạo môi trường giúp Chính phủ thực hiện chính sách kinh tế vĩ mô

1.1.4 Các hình thức của thị trường chứng khoán

Các hình thức của thị trường chứng khoán bao gồm:

- Thị trường tập trung: Là nơi mà việc giao dịch, trao đổi, mua bán chứng khoán

được thực hiện thông qua sở giao dịch chứng khoán (hay còn gọi là sàn giao dịch)

- Thị trường phi tập trung (OTC): Hay còn gọi là thị trường OTC (Over The

Counter), thị trường này diễn ra ở bất kỳ nơi nào, miễn là nơi đó có diễn ra các hoạt động mua bán, trao đổi chứng khoán

- Thị trường chợ đen: Thị trường chợ đen (black market) được hiểu là nơi giao

dịch những hàng hóa, dịch vụ không thuộc thành phần của nền kinh tế chính thức Thị trường chợ đen còn có cách gọi khác như kinh tế ngầm (underground economy hoặc shadow economy), kinh tế đen (black economy), hay nền kinh tế phi chính thức (unofficial economy) Thị trường chợ đen thường là nơi giao dịch các hàng hóa, dịch vụ trốn thuế, không có bản quyền hoặc những mặt hàng

bị cấm Chẳng hạn các hàng hóa không được đăng ký, không có bản quyền, buôn lậu hoặc các hàng hóa dịch vụ bị cấm

1.1.5 Các chỉ số cơ bản của một mã chứng khoán trên sàn giao dịch

Với mỗi mã chứng khoán khi thực hiện giao dịch trên thị trường chứng khoán niêm yết có các chỉ số cơ bản thể hiện trên bảng giá – hiện nay ở Việt Nam có hai sàn giao dịch là sàn Hồ Chí Minh (HSX) và sàn Hà Nội (HNX), ý nghĩa của các cột trên các bảng giá theo từng sàn như sau:

- Cột giá tham chiếu: Là giá đóng cửa của ngày giao dịch trước đó và là cơ sở để

xác định giá trần, giá sàn của ngày giao dịch hiện tại

- Cột giá trần: Là mức giá cao nhất mà nhà đầu tư có thể đặt lệnh mua, lệnh bán

chứng khoán

o Trên sàn GD TP HCM: Giá trần = Giá tham chiếu + 5% * Giá tham chiếu

o Trên sàn GD Hà Nội: Giá trần = Giá tham chiếu + 10% * Giá tham chiếu

- Cột giá sàn: Là mức giá thấp nhất mà nhà đầu tư có thể đặt lệnh mua, bán CK

o Trên sàn GD TP HCM: Giá sàn = Giá tham chiếu - 5% * Giá tham chiếu

o Trên sàn GD Hà Nội: Giá sàn = Giá tham chiếu - 10% * Giá tham chiếu

- Cột giá mở cửa: Là mức giá thực hiện đầu tiên trong ngày giao dịch

- Cột giá đóng cửa: Là mức giá thực hiện cuối cùng trong ngày giao dịch

- Cột giá khớp lệnh: Là mức giá tại đó khối lượng CK được giao dịch nhiều nhất

- Cột khối lượng khớp lệnh: Là khối lượng CK được thực hiện tại giá khớp lệnh

- Cột chênh lệch (+/-): Là thay đổi của mức giá hiện tại so với giá tham chiếu

trong ngày giao dịch (= giá hiện tại – giá tham chiếu)

- Cột mua: Gồm 6 cột biểu thị cho 3 mức giá đặt mua cao nhất tương ứng với các

khối lượng đặt mua tại các mức giá cao nhất đó Khi kết thúc phiên giao dịch Bảng điện tử sẽ hiện thị các thông tin về khối lượng CK tương ứng với các mức giá chưa được khớp lệnh (dư mua)

- Cột bán: Gồm 6 cột biểu thị cho 3 mức giá đặt bán thấp nhất tương ứng với các

khối lượng đặt bán tại các mức giá thấp nhất đó

Khi kết thúc phiên giao dịch Bảng điện tử sẽ hiện thị các thông tin về khối lượng CK tương ứng với các mức giá chưa được khớp lệnh (dư bán và dư mua)

1.2 Phân tích Kỹ thuật và ứng dụng trong dự báo chứng khoán

1.2.1 Khái niệm

Phân tích kỹ thuật (PTKT) là việc nghiên cứu giá, với công cụ cơ bản là biểu

đồ, nhằm nâng cao hiệu quả của hoạt động đầu tư PTKT nghiên cứu các hành vi của các bên tham gia thị trường thông qua sự biến động của giá, khối lượng chứng khoán giao dịch nhằm xác định được xu thế biến động giá và thời điểm đầu tư

Phân tích kỹ thuật dựa trên giả định rằng lịch sử lặp lại và hướng thị trường trong tương lai có thể được xác định bằng cách kiểm tra giá vừa qua Do đó, phân tích

kỹ thuật là chủ quan và mâu thuẫn với giả thuyết thị trường hiệu quả Tuy nhiên, nó vẫn được sử dụng khoảng 90% khi thực hiện đánh giá để giao dịch các cổ phiếu [8]

PTKT sử dụng ba giả thiết sau:

Giá trị thị trường của bất kỳ sản phẩm hay dịch vụ nào đều được xác lập thông qua cung cầu của thị trường

- Cung cầu của thị trường được xác lập dựa trên một hệ thống các yếu tố hợp

nhất hoặc đôi khi phi hợp nhất và thị trường sẽ cân đối các trọng số này liên tục

và tự động

- Loại bỏ những dao động bất thường, giá cả của một chứng khoán đơn lẻ hay

toàn bộ giá cả của thị trường có xu thế thay đổi theo một khuynh hướng (trend), và nó tồn tại trong một khoảng thời gian nhất định

- Sự thay đổi trong khuynh hướng đang thịnh hành là do sự thay đổi trong mối

quan hệ cung cầu Và sự thay đổi của quan hệ cung cầu sẽ được nhận diện sớm hay muộn thông qua các phản ứng của chính thị trường

1.2.2 Công cụ cơ bản sử dụng trong Phân tích kỹ thuật

Trong phân tích kỹ thuật để trực quan, dễ cho việc quan sát và nhận định xu hướng của chứng khoán người ta dùng biểu đồ làm công cụ cơ bản để thực hiện Trong

đó biểu đồ thể hiện chuỗi dao động của giá trong một đơn vị thời gian Có nhiều loại biểu đồ khác nhau được dùng nhưng trong đó có ba loại biểu đồ được dùng phổ biến là: biểu đồ dạng đường (Line chart), biểu đồ dạng then chắn (Bar chart), biểu đồ dạng cây nến (Candlestick chart) [2]

Biểu đồ dạng đường (Line chart)

Dạng biểu đồ này từ trước tới nay thường được sử dụng phổ biến trong các ngành khoa học khác dùng để mô phỏng các hiện tượng kinh tế và xã hội Nhưng hiện nay do khoa học kỹ thuật phát triển, diễn biến của thị trường chứng khoán ngày càng phức tạp cho nên loại biểu đồ này ngày càng ít được sử dụng nhất là trên các thị trường chứng khoán hiện đại

Hình 1.1: Biểu đồ dạng đường

Nó chủ yếu được sử dụng trên các thị trường chứng khoán mới đi vào hoạt động trong thời gian ngắn, khớp lệnh theo phương pháp khớp lệnh định kỳ theo từng phiên Ưu điểm của loại biểu đồ này là dễ sử dụng

Hiện nay trên các Thị trường chứng khoán hiện đại đang dùng một số loại biểu

đồ trong Phân tích kỹ thuật mang lại hiệu quả cao đó là biểu đồ dạng then chắn (Bar chart) và cây nến (Candlestick chart)

Biểu đồ dạng then chắn (Bar chart)

Trên các Thị trường chứng khoán hiện đại trên thế giới hiện nay các chuyên viên phân tích thường dùng loại biểu đồ này trong phân tích là chủ yếu lý do chính vì tính ưu việt của nó đó là sự phản ánh rõ nét sự biến động của giá chứng khoán

Hình 1.2: Biểu đồ dạng then chắn

Loại biểu đồ này thường được áp dụng để phân tích trên các Thị trường chứng khoán hiện đại khớp lệnh theo hình thức khớp lệnh liên tục, độ dao động của giá chứng khoán trong một phiên giao dịch là tương đối lớn

Biểu đồ cây nến (Candlestick chart)

Đây là dạng biểu đồ cải tiến của biểu đồ dạng then chắn (Bar chart), nó được người Nhật Bản khám phá và áp dụng trên thị trường chứng khoán của họ đầu tiên Giờ đây nó đang dần được phổ biến hầu hết trên các thị trường chứng khoán hiện đại trên toàn thế giới Dạng biểu đồ này phản ánh rõ nét nhất về sự biến động của giá chứng khoán trên thị trường chứng khoán khớp lệnh theo hình thức khớp lệnh định kỳ

Hình 1.3: Biểu đồ dạng cây nến

Ở biểu đồ này nếu giá đóng cửa cao hơn giá mở cửa, nến sẽ màu xanh, và giá đóng cửa thấp hơn giá mở cửa, nến sẽ màu đỏ

1.2.3 Các chỉ số kỹ thuật cơ bản dùng trong dự báo chứng khoán

Trong phân tích kỹ thuật của chứng khoán có nhiều chỉ số khác nhau được sử dụng Ở đây tôi xin đưa ra một số chỉ số thông dụng và có hiệu quả tương đối cao trong việc áp dụng để nhận định xu hướng của chứng khoán với các chỉ số sau: Đường trung bình trượt giản đơn – SMA, Trung bình trượt số mũ – EMA, Chỉ số Aroon (Với Aroon up và Aroon down), Dải biên độ biến động giá - Bollinger bands (với Upper band, Lower band), Trung bình trượt hội tụ / Phân kì – MACD [2]

1.2.3.1 Chỉ số trung bình trượt

Trung bình trượt là chỉ số giá trung bình của một loại chứng khoán trong một khoảng thời gian nhất định Trung bình trượt là một chỉ số tổng quát nêu lên cách thức làm trơn dữ liệu và sử dụng để xác nhận xu hướng giá Trung bình trượt có nhiều loại khác nhau trong đó phổ biến nhất là Trung bình trượt giản đơn - SMA (Simple Moving Average) và Trung bình trượt số mũ - EMA (Exponential Moving Average)

Cách tính toán:

Trung bình trượt giản đơn - SMA của một loại chứng khoán được tính bằng

cách cộng giá đóng cửa của nó trong khoảng thời gian nhất định (khoảng thời gian này

có thể tính bằng ngày, tuần, tháng) rồi chia tổng tìm được cho tổng các đơn vị tính trong khoảng thời gian thời gian trên Trong những ngày tiếp theo giá cách xa thời

điểm hiện tại nhất (giá cũ nhất) sẽ bị loại ra và giá hiện tại sẽ thay thế giá cũ đó để tính trung bình trượt, chính vì thế mà số trung bình sẽ trượt hàng ngày SMA được tính theo công thức sau:

SMA = (P1 + P2 + … + Pn) / N

Trong đó:

- P là giá đóng cửa của loại chứng khoán

- n là số đơn vị thời gian trong thời kỳ tính SMA

Trung bình trượt số mũ – EMA (hoặc trung bình trượt có trọng số mũ) được

tính bằng cách áp dụng tỷ lệ phần trăm của giá đóng cửa ngày hôm nay cho giá trị trung bình của ngày hôm qua Các đường trung bình trượt mũ đặt tỷ trọng lớn hơn đối với các mức giá gần đây

Cách tính:

EMA = (Giá hiện tại * EMA%) + (Giá trị EMA hôm trước * (1-EMA%))

Trong đó: EMA% = 2/(n+1) với n là số ngày quan sát

Ví dụ: Để tính trung bình trượt mũ 9% của cổ phiếu SAM, đầu tiên lấy giá đóng

cửa của ngày hôm nay và nhân với 9% Tiếp theo sẽ cộng kết quả này với giá trị trung bình trượt của ngày hôm qua đã nhân với 91% (100% - 9% = 91%), tức công thức là:

(Giá ngày hôm nay * 0,09) + (Trung bình trượt của ngày hôm qua * 0,91)

Vì phần lớn các nhà đầu tư cảm thấy tin tưởng hơn khi làm việc với các giá trị thời gian hơn là với tỷ lệ phần trăm, tỷ lệ phần trăm mũ có thể được chuyển sang một giá trị xấp xỉ với số ngày Ví dụ, trung bình trượt 9% tương đương với một trung bình trượt mũ 21.2 thời kì ( là xấp xỉ khoảng 21 ngày)

Công thức để đổi tỷ lệ phần trăm sang thời gian là:

Ý nghĩa chỉ số:

Tất cả các số trung bình trượt đều được sử dụng để phát hiện xu hướng giá và xác định các dấu hiệu mua bán Nhân tố cốt yếu trong việc tính toán Trung bình trượt

đó là việc xác định khoảng thời gian để tính toán Khoảng thời gian lựa chọn cho mỗi

số trung bình trượt phụ thuộc vào đối tượng phân tích, khoảng thời gian phổ biến nhất thường được sử dụng là 9/10, 18/20, 40/50, 100 và 200 đơn vị thời gian

Các thị trường tương lai thường sử dụng các số trung bình trượt ngắn hạn, ví

dụ như 9 và 18 đơn vị thời gian; trong khi đó đối với các khoản đầu tư dài hạn thì các thời kỳ có 100/200/500 đơn vị thời gian được sử dụng rất phổ biến để tính trung bình trượt Số trung bình trượt sẽ có ý nghĩa hơn nếu kết hợp với việc phân tích chu kỳ giao dịch của đối tượng phân tích

Tùy theo từng mục đích khác nhau mà người ta có thể tính chỉ số trung bình trượt theo số ngày khác nhau Như với chỉ số trung bình trượt đơn giản thông thường người ta phân chia các mục tiêu áp dụng và số ngày tương ứng như sau:

- Với mục tiêu rất ngắn hạn: 5 – 10 ngày

- Với mục tiêu ngắn hạn: 11 – 25 ngày

- Với mục tiêu trung bình: 25 – 100 ngày

- Với mục tiêu dài hạn: 100 – 200 ngày

Với vai trò nhận định xu thế giả trên thị trường, đồ thị giá trị của Aroon có hai loại: Loại thứ nhất bao gồm 2 đồ thị biểu thị hai giá trị là Aroon up và Aroon down thể hiện sức mạnh tăng và giảm giá trên thị trường Loại thứ 2 biểu thị sự tương quan giữa sức tăng và sức giảm giá trên thị trường bằng cách lấy hiệu của Aroon up và Aroon down (Aroon tương quan)

Cách tính Aroon như sau:

Giả sử cần tính giá trị Aroon up và Aroon down cho phiên hiện tại, ta có các giá trị và công thức như sau:

- n là số phiên lấy dữ liệu để tính Aroon

- tup là số phiên trước phiên hiện tại có giá cao nhất trong n phiên

- tdown là số phiên trước phiên hiện tại có giá thấp nhất trong n phiên

Ta có các chỉ số Aroon được tính như sau:

Aroon up = 100 (n – tup)/n

Aroon down = 100 (n – tdown)/n

Aroon tương quan = Aroon up – Aroon down

Ví dụ: Tính Aroon cho phiên hiện tại với dữ liệu lấy trong 14 phiên trước đó

Trong 14 phiên này, phiên có giá cao nhất xảy ra cách hiện tại 5 phiên, phiên có giá thấp nhất xảy ra cách phiên hiện tại 8 phiên

Aroon up = 100 (14 – 5) / 14 = 64,29

Aroon down = 100 (14 – 8) / 14 = 42,86

Aroon tương quan = Aroon up – Aroon down = 64,29 – 42,86 = 21,43

Ý nghĩa của chỉ số Aroon:

Bằng cách dựa vào khoảng cách từ phiên hiện tại đến phiên có giá cao nhất hoặc thấp nhất, người ta đưa ra các nhận định sau:

Nếu giá cao nhất vừa được thiết lập trong các phiên gần phiên hiện tại, Aroon

up có giá trị lớn hơn 50, theo thời gian nếu giá cao nhất này không được phá bỏ thì giá trị Aroon up sẽ giảm dần

Nếu giá thấp nhất vừa được thiết lập trong các phiên gần phiên hiện tại thì Aroon down có giá trị lớn hơn 50, theo thời gian nếu giá thấp nhất này không được phá bỏ thì giá trị Aroon down sẽ giảm dần

Nếu Aroon up có giá trị nhỏ hơn 50 nghĩa là phiên có giá cao nhất nằm cách xa phiên hiện tại, xu thế tăng giá đã mất nếu đang là xu thế tăng giá

Nếu Aroon down có giá trị nhỏ hơn 50 nghĩa là phiên có giá thấp nhất nằm cách

xa phiên hiện tại, xu thế giảm giá đã không còn nếu đang là xu thế giảm giá

Nếu Aroon up và Aroon down xấp xỉ nhau, tức là phiên có giá thấp nhất và phiên có giá cao nhất ở gần nhau, thị trường không đi theo xu hướng rõ rệt, xu thế nếu

có cũng rất yếu

Để rõ ràng hơn, Aroon tương quan được sử dụng để xác định tương quan giữa Aroon up và Aroon down đại diện cho tương quan giữa xu thế tăng và xu thế giảm Aroon tương quan càng gần 0 thì biến động càng không có xu thế tăng hoặc giảm rõ ràng mà có dạng dập dềnh, Aroon tương quan lớn hơn 0 và càng lớn hơn bao hiêu thì

xu thế tăng giá của thị trường càng lớn bấy nhiêu, Aroon tương quan nhỏ hơn 0 và càng nhỏ hơn bao nhiêu thì xu thế giảm giá của thị trường càng lớn bấy nhiêu

Ví dụ: Với Công ty Cổ phần Lương thực Thực phẩm Safoco (SAF)

Hình 1.4: Biểu đồ thể hiện Aroon

- Tại vòng tròn số (1): Aroon tương quan rất lớn, xu thế giá là tăng và xu thế này

rất mạnh

- Tại vòng tròn số (2): Aroon tương quan rất nhỏ, xu thế giá là giảm và xu thế

này rất mạnh

- Tại vòng tròn số (3): Xu thế giá xấp xỉ 0, xu thế tăng và giảm không rõ ràng

1.2.3.3 Đường trung bình trượt hội tụ / phân kỳ (Moving Average Convergence / Divegence – MACD)

Được phát triển bởi Gerald Appel, Trung bình trượt hội tụ / Phân kì (MACD),

là một chỉ số dựa trên động lực của xu thế mà cho biết mối quan hệ giữa hai đường Trung bình trượt của giá cả

MACD đo lường sự khác biệt giữa trung bình trượt mũ 26 ngày và 12 ngày Đường trung bình trượt mũ 9 ngày, được gọi là đường tín hiệu được vẽ ngay trên đường MACD để chỉ ra các cơ hội mua / bán Appel xác định các trung bình trượt mũ

là tỷ lệ phần trăm Vì thế, ông đưa ra các đường trung bình trượt thích hợp nhất là 7.5%; 15% và 20%)

MACD hoạt động hiệu quả nhất chủ yếu trong các thị trường biến động mạnh

Có bốn ứng dụng của MACD là các điểm cắt, các điều kiện mua quá nhiều / bán quá nhiều và các phân kì

Các điểm cắt: Quy tắc giao dịch cơ bản của MACD là bán khi MACD đi xuống

dưới đường tín hiệu của nó Tương tự, tín hiệu mua sẽ đến khi MACD đi lên trên đường tín hiệu của nó Cũng có thể mua / bán khi MACD đi lên trên / xuống dưới đường 0

Các điều kiện mua quá nhiều và bán quá nhiều: MACD cũng là một chỉ số mua

quá nhiều và bán quá nhiều khá hữu ích Khi trung bình trượt ngắn vượt lên trên đường trung bình trượt dài hơn một cách đột ngột (MACD tăng lên), điều đó có thể cho biết giá chứng khoán đang tăng quá mức và nó sẽ nhanh chóng trở về giá trị thực Các điều kiện mua quá nhiều và bán quá nhiều của MACD có thể khác nhau đối với mỗi loại chứng khoán khác nhau

Các phân kì: Phân kì xảy ra khi xu hướng của giá chứng khoán không giống

với hướng đi của chỉ số Khi phân kì xảy ra, giá thường đổi hướng để xác nhận hướng

đi của chỉ số, vì chỉ số thường có thể nhận diện xu thế tốt hơn chính bản thân giá chứng khoán Phân kì âm xảy ra khi MACD đang đi xuống trong khi đường giá lại đang đi lên, dự báo khả năng sắp tới giá chứng khoán sẽ đảo chiều đi xuống Tương tự, phân kì dương xảy ra khi MACD đang đi lên trong khi giá lại có xu hướng đi xuống Tín hiệu này dự báo khả năng giá cổ phiếu sắp đảo chiều đi lên để xác nhận hướng đi của MACD Cả hai loại phân kì này đều quan trọng nhất khi chúng xảy ra tại các điều kiện mua quá nhiều / bán quá nhiều

Nhận xét: MACD cũng như hầu hết các chỉ số khác, MACD có độ chính xác

cao hơn khi thị trường lên hoặc xuống rõ rệt và sẽ chỉ báo thiếu chính xác khi thị trường có xu hướng không rõ ràng

Ví dụ: Trong đồ thị dưới đây là cổ phiếu BHS và MACD của nó:

Hình 1.5: Biểu đồ MACD

Các mũi tên xanh hàm chỉ điểm mua vào và mũi tên đỏ báo hiệu nên bán ra Đồ thị này cho thấy rằng MACD là một chỉ số theo xu thế chính xác – đưa ra các tín hiệu sớm trong giao dịch Khi xu hướng tăng mạnh phát triển, ví dụ như là vào giữa tháng 6 đến giữa tháng 7/2008, MACD đã có thể phát ra các tín hiệu về mua vào và bán ra khá chính xác

1.2.3.4 Chỉ số sức mạnh tương quan RSI (Relative Strengh Index)

Chỉ số RSI là thuật ngữ do J.Welles Wilder khởi xướng ra và được nhắc tới lần đầu trong cuốn sách “Các khái niệm mới trong hệ thống phân tích kĩ thuật” (New Concepts in Technical Trading Systems) của mình Hiện nay RSI là một trong những chỉ số được sử dụng rộng rãi và thường xuyên xuất hiện trong các phần mềm phân tích

kĩ thuật

Cách tính RSI:

- Gọi n là số các phiên trong thời kỳ xác định cần tính RSI

- Gọi giá trung bình các phiên tăng trong n phiên là AIn = Tổng giá các phiên tăng /n

- Gọi giá trung bình các phiên giảm trong n phiên là ADn = Tổng giá các phiên

giảm/n

Chỉ số sức mạnh tương quan được tính bằng công thức:

Giá trị 50 của RSI gọi là giá tị trung bình tại đây sức mua và bán có tương quan ngang bằng nhau RSI lớn hơn 50 và càng lớn thì phản ánh sức mua càng lớn hơn sức bán, giá cả đang tăng RSI nhỏ hơn 50 và càng nhỏ thì phản hánh sức bán càng lớn hơn sức mua, giá cả đang xuống

RSI có hai ngưỡng siêu mua và siêu bán là 70 và 30, nếu giá trị của RSI lớn hơn

70 thị trường đang ở trạng thái siêu mua với sự áp đảo của phe mua, nếu RSI nhỏ hơn

30 thị trường đang ở ngưỡng siêu bán và phe bán đang áp đảo

Số phiên (giá trị của n) sử dụng để tính trung bình giá các phiên tăng và giá các phiên giảm càng lớn thì RSI càng chính xác theo ý nghĩa của công thức là phản ánh tương quan sức tăng và sức giảm của giá Tác giả J Welles Wilder cho rằng nên lấy 14 phiên để tính RSI

Cụ thể người ta thường chia ra các trạng thái tùy thuộc vào giá trị RSI như sau:

- Siêu mua: mọi giá trị RSI ≥ 70 được gọi là siêu mua

- Siêu bán: mọi giá trị RSI ≤ 30 được gọi là siêu bán

- Trung bình: Ngưỡng 50 được gọi là trung bình, RSI > 50 báo hiệu về sự thắng

thế của phe mua, RSI < 50 báo hiệu sự thắng thế của phe bán