Ứng dụng các phương pháp Bayes trong xây dựng mô hình kỹ thuật dự báo lợi suất cổ phiếu - So sánh với mô hình kinh tế lượng truyền thống

Abstract

Thị trường chứng khoán Việt Nam, với chỉ số VN30 đại diện cho nhóm cổ phiếu vốn hóa lớn và thanh khoản cao, phản ánh kỳ vọng của nhà đầu tư nhưng lợi suất có đặc trưng biến động mạnh, khó dự báo và chịu tác động đồng thời từ các yếu tố thị trường và vĩ mô, đòi hỏi các phương pháp dự báo phù hợp để hỗ trợ đầu tư và quản trị rủi ro. Nghiên cứu tập trung dự báo lợi suất chỉ số VN30 theo tháng và so sánh hiệu quả dự báo giữa các mô hình Bayes và mô hình kinh tế lượng truyền thống. Trên bộ dữ liệu giai đoạn 01/2015–11/2025, nghiên cứu áp dụng bốn mô hình dự báo gồm ARIMAX, VAR, BVAR và BART. Dữ liệu được tiền xử lý thông qua kiểm định tính dừng, sai phân bậc một đối với các biến không dừng (vốn hóa thị trường, khối lượng giao dịch, tỷ giá và lãi suất), chuẩn hóa các biến liên tục và xử lý giá trị ngoại lai bằng phương pháp winsorization. Hiệu quả dự báo ngoài mẫu được đánh giá thông qua bốn chỉ tiêu sai số gồm MAE, RMSE, MAPE và MSPE trên bốn kịch bản chia mẫu theo thời gian. Kết quả thực nghiệm cho thấy không tồn tại mô hình nào vượt trội tuyệt đối trong mọi giai đoạn. Trong các kịch bản đầu với điều kiện thị trường biến động mạnh và tập huấn luyện ngắn, mô hình BART cho sai số dự báo thấp hơn theo RMSE và MSPE, phản ánh khả năng nắm bắt quan hệ phi tuyến. Ngược lại, khi tập huấn luyện được mở rộng và giai đoạn kiểm định ổn định hơn, mô hình ARIMAX cho kết quả dự báo tốt hơn và ổn định hơn. Trong khi đó, các mô hình VAR và BVAR không thể hiện ưu thế rõ rệt về độ chính xác dự báo đối với lợi suất VN30 theo tháng trong bối cảnh dữ liệu nghiên cứu này