Dùng các mô hình tính toán để phân tích, đưa ra dự đoán biến động về tỉ suất sinh lời của vàng, chứng khoán và tiền điện tử là đề tài của nhóm sinh viên Trường ĐH Quốc tế (ĐH Quốc gia TP.HCM) vừa nằm trong tốp dự án đoạt giải nhất hội thi Olympic kinh tế lượng và ứng dụng năm nay.

Gần nửa năm cho hành trình nghiên cứu, bốn sinh viên ngành toán ứng dụng là Gia An, Phương Trinh, Mai Phương và Phương Huyền mong có thể chia sẻ mô hình để phòng ngừa rủi ro, dự báo được biến động đầu tư tài chính ở tương lai.

Thực tiễn thị trường, vượt thử thách

Lý do nhóm bắt tay nghiên cứu đề tài này có phần do sự nhảy múa của thị trường vàng thời gian qua, cả thị trường chứng khoán lẫn tiền điện tử vốn trồi sụt thất thường. 

Diễn biến thị trường là thế song từ nghiên cứu đến có thể đưa ra được kết quả có độ chính xác cao hay giải pháp hữu ích cùng khả năng dự báo có lợi cho nhà đầu tư là không đơn giản.

Cả nhóm đều xác định hành trình khá phức tạp, đòi hỏi kỳ công. Bởi đôi khi kết quả nghiên cứu không bắt kịp vì thị trường nhảy múa tính bằng cái chớp mắt. Nhưng bỏ cuộc thì, cả bốn thành viên đều quyết tâm thế, càng khó, càng thách thức lại càng muốn làm để chứng minh hướng đi đúng đã chọn.

Gia An cho biết công thức được các bạn sử dụng trong nghiên cứu lần này kết hợp giữa mô hình GARCH (chuyên dùng để phân tích biến động và dự báo giá cổ phiếu tương lai) với mô hình học sâu (Bi-LSTM). Khi dùng dữ liệu ghi nhận từ thực tiễn của thị trường (vàng, S&P 500, đồng Bitcoin) và áp vào mô hình trên, kết quả đo được là cơ sở để nhóm tiếp tục phân tích, đưa ra các dự đoán độ biến động về tỉ suất sinh lời.

Thử thách không nhỏ với các bạn chính là hiểu các phương trình toán học, đưa vào thực nghiệm để cho ra kết quả tốt nhất có thể. Vì nhóm với ba sinh viên năm ba, Phương Huyền mới học năm hai, kiến thức lẫn kinh nghiệm cũng hạn chế vô hình trung trở thành rào cản của nhóm khi theo đuổi nghiên cứu này.

Chưa kể các mô hình khái quát biến động kinh tế lượng cổ điển, mô hình GARCH sơ khai, theo Phương Trinh, khá cũ và có nhiều nhược điểm khó khắc phục. Phương Trinh nói đó đều là mô hình tuyến tính trong khi các chỉ số và dữ liệu thị trường tài chính luôn biến động phi tuyến tính.

Cùng với đó, biến động của tài sản chịu ảnh hưởng của nhiều yếu tố, trong khi mô hình GARCH chỉ cho phép một yếu tố duy nhất. Thế nên việc bắt được các biến động của thị trường như đang diễn ra cũng là một thách thức.

"Vì thế, nhóm đã sử dụng thêm mô hình học sâu Bi-LSTM mới có thể bắt được khái quát các biến động của thị trường một cách đáng tin cậy hơn" - Phương Trinh cho biết.

Dự báo ở tương lai

Quá trình tìm tòi tư liệu, các bạn thấy nhiều mô hình nghiên cứu thành công của thế giới đang được áp dụng có những chức năng tương tự. Nhưng hiện trong nước lại khá hiếm hoặc nếu có gần như đang dừng lại ở mô hình rất cổ điển. Sự thiếu hụt này cũng thêm động lực để các bạn nỗ lực nghiên cứu với kỳ vọng sớm phát triển mô hình, áp dụng cho thị trường trong nước.

Các hướng nghiên cứu nhóm tiếp cận đã cho ra kết quả khá khả quan với độ chính xác cao sau nhiều kênh kiểm định khác nhau, từ kiểm định thống kê đến đánh giá độ hiệu quả của mô hình.

"Đó là cách nhóm tự đánh giá lại mô hình đang làm có tốt hay không. Kết quả khá khả quan nhưng để nói chính xác 100% thì chắc chắn không thể bởi thị trường vốn biến động khó lường" - Gia An chia sẻ.

Để có kết quả thuyết phục, tương ứng với mỗi kết quả mà hệ thống tạo ra sẽ làm cơ sở để nhóm thực chiến đầu tư trên thị trường. Có lời, có lỗ nhưng đó chính là cách kiểm định mà nhóm mong muốn nhất khi thực hiện đề tài này.

Gia An tự tin: "Tụi mình áp dụng và có niềm tin mô hình này có thể đạt lợi nhuận cao, độ rủi ro thấp hơn so với thực trạng nhiều nhà đầu tư tự do hiện đang đầu tư theo quan sát và cảm tính".

Các bạn nói sẽ không dừng lại. Nhóm muốn tiếp tục nghiên cứu sâu hơn với mục tiêu làm sao cần bắt kịp diễn biến của thị trường dù có bất kỳ yếu tố biến động nào. Trong đó hướng đến cải tiến hệ thống để có thể đưa ra những dự báo biến động với mong ước được các bạn đặt ra là có thể… theo từng giây.

GS.TS Phạm Hữu Anh Ngọc - trưởng bộ môn toán Trường ĐH Quốc tế (ĐH Quốc gia TP.HCM) - nói đây là đề tài khó, nhất là khi các bạn mới học năm thứ hai và ba. Vì để nghiên cứu, cần có nhiều kiến thức chuyên sâu liên quan đến các mô hình kinh tế lượng, mô hình học máy và đặc biệt là kiến thức về quản trị rủi ro tài chính.

"Với sự nghiên cứu nghiêm túc và bước đầu mà các bạn đã cho ra được kết quả như thế là rất đáng khen" - ông Anh Ngọc đánh giá.

TP.HCM nghiên cứu ứng dụng giáo viên ảo để giúp đỡ học sinh

Đây là một trong nhiều công nghệ và giải pháp về AI được TP.HCM đưa ra trong kế hoạch thúc đẩy và phát triển trí tuệ nhân tạo trên địa bàn.