Phương pháp dự báo lợi suất cổ phiếu và tối ưu hóa danh mục đầu tư bằng thuật toán hồi quy học máy cho thị trường chứng khoán Việt Nam

Abstract

Dự báo lợi suất cổ phiếu và tối ưu hóa danh mục đầu tư là lĩnh vực quan trọng trong tài chính, đặc biệt là trên thị trường chứng khoán Việt Nam. Đề tài “Phương pháp dự báo lợi suất cổ phiếu và tối ưu hóa danh mục đầu tư bằng thuật toán hồi quy học máy trên thị trường chứng khoán Việt Nam” được chọn vì nhu cầu cấp thiết của các nhà đầu tư trong việc cải thiện hiệu quả và giảm thiểu rủi ro. Nghiên cứu ứng dụng các thuật toán học máy như Random Forest, AdaBoost và Artificial Neural Networks, nhằm nâng cao độ chính xác dự báo và hỗ trợ quyết định đầu tư tốt hơn. Mục tiêu là so sánh hiệu suất các mô hình để xác định mô hình nào dự báo chính xác và giảm thiểu rủi ro tốt nhất. Nghiên cứu giải quyết vấn đề về độ chính xác dự báo và rủi ro khi đầu tư, lấp đầy khoảng trống nghiên cứu liên quan đến học máy trong dự báo và tối ưu hóa trên thị trường chứng khoán Việt Nam. Sau khi thực hiện các thuật toán học máy, những cổ phiếu có tỷ suất lợi nhuận tốt hơn sẽ được chọn để tối ưu hóa danh mục đầu tư bằng mô hình Mean-Value-at-Risk. Kết quả mô hình dự đoán Random Forest đạt được hiệu suất tốt nhất với rủi ro thất nhất.