Mạng thần kinh nhân tạo - Ứng dụng trong mô hình Fama-French 5 nhân tố

Abstract

Machine Learning là một lĩnh vực nhỏ của Khoa học máy tính, bao gồm nhiều mô hình giúp máy tính có khả năng tự học hỏi dựa trên dữ liệu mà không cần phải được lập trình cụ thể. Trong số đó, Mạng thần kinh nhân tạo (ANN) là mô hình dựa trên cách thức hoạt động của bộ não con người, với điểm mạnh là nó có thể tự thay đổi lại cấu trúc của mình dựa trên thông tin truyền vào. Với mục tiêu khám phá khả năng dự báo của ANN thông qua các nhân tố trong mô hình FF5F, bài nghiên cứu tập trung một cách toàn diện vào lợi nhuận danh mục đầu tư và mở ra một hướng tiếp cận mới trong việc khám phá tiềm năng của mô hình FF5F. Tác giả sử dụng dữ liệu giá cổ phiếu theo ngày được niêm yết trên sàn HNX và HOSE trong giai đoạn từ năm 2007 đến năm 2020, cùng đối tượng nghiên cứu là các nhân tố tác động đến tỷ suất sinh lợi tài sản trong mô hình FF5F. Việc xây dựng danh mục đầu tư được thực hiện dựa trên nghiên cứu của (Fama & French, 2016), đồng thời tác giả áp dụng quy trình 8 bước của (Kaastra & Boyd, 1996) nhằm xây dựng cấu trúc ANN phù hợp. Kết quả nghiên cứu cho thấy cấu trúc ANN đề xuất bao gồm 5 lớp đầu vào, 1 lớp đầu ra, hai lớp ẩn, mỗi lớp ẩn có 41 neurons. Mặc dù sai số dự đoán vẫn cao hơn mô hình hồi quy truyền thống, nhưng mô hình ANN vẫn tỏ ra ưu thế hơn khi khắc phục được toàn bộ vi phạm trong giả định ban đầu của mô hình hồi quy tuyến tính cổ điển(CLRM).