Nghiên cứu của CUHK: Cần thận trọng với việc sử dụng học máy phục vụ cho hoạt động đầu tư chứng khoán

HỒNG KÔNG, TRUNG QUỐC – Media OutReach – Trí tuệ nhân tạo (AI) đã và đang được sử dụng rất hiệu quả trong rất nhiều lĩnh vực. Vậy AI có thể giúp gì trong lĩnh vực tài chính nói chung và đầu tư chứng khoán nói riêng? Có thể sử dung AI để kiếm tiền từ […]

HỒNG KÔNG, TRUNG QUỐC – Media OutReach – Trí tuệ nhân tạo (AI) đã và đang được sử dụng rất hiệu quả trong rất nhiều lĩnh vực. Vậy AI có thể giúp gì trong lĩnh vực tài chính nói chung và đầu tư chứng khoán nói riêng? Có thể sử dung AI để kiếm tiền từ giao dịch cổ phiếu không? Cho đến nay, nhiều người đã thử với các mức độ thành công khác nhau. Ví dụ, BlackRock, doanh nghiệp quản lý tiền lớn nhất thế giới, cho biết các thuật toán AI của họ đã liên tục đánh bại các danh mục đầu tư được quản lý bởi những người chọn cổ phiếu bằng tính toán thuần túy của con người. Tuy nhiên, một nghiên cứu gần đây của Đại học Hồng Kông Trung Quốc (The Chinese University of Hong Kong – CUHK) cho thấy, hiệu quả của các phương pháp học máy có thể cần một cái nhìn thứ hai, thấu đáo hơn.

Một nghiên cứu có tiêu đề “Machine Learning versus Economic Restrictions: Evidence from Stock Return Predictability” (tạm dịch: “Học máy so với các hạn chế về kinh tế: Bằng chứng từ khả năng dự đoán lợi nhuận của cổ phiếu”), đã phân tích một mẫu lớn cổ phiếu của Mỹ từ năm 1987 đến năm 2017. Việc sử dụng 3 phương pháp học sâu có uy tín cao, các nhà nghiên cứu có thể tạo ra giá trị lợi nhuận hàng tháng được điều chỉnh theo rủi ro ở mức từ 0,75% đến 1,87%, phản ánh sự thành công của học máy trong việc tạo ra lợi nhuận vượt trội. Tuy nhiên, các nhà nghiên cứu nhận thấy rằng, hiệu suất này sẽ giảm đi, nếu các thuật toán học máy bị giới hạn trong khi làm việc với các cổ phiếu tương đối dễ giao dịch và rẻ.

Bà Si Cheng, Trợ lý Giáo sư của Khoa Tài chính, Trường Kinh doanh thuộc CUHK và là một trong những tác giả của nghiên cứu nhận xét: “Chúng tôi nhận thấy rằng, khả năng dự đoán trở lại của các phương pháp học sâu suy yếu một cách đáng kể, khi có các hạn chế kinh tế tiêu chuẩn trong tài chính thực nghiệm, chẳng hạn như loại trừ các microcaps (các cổ phiếu của các công ty có giá trị vốn hóa thị trường nhỏ) hoặc các công ty gặp khó khăn”.

Các khoản lợi nhuận “bốc hơi”

Bà Si Cheng cùng với các cộng sự là Giáo sư Doron Avramov của IDC Herzliya (Trung tâm liên ngành Herzliya là một trường đại học tư nhân tại Herzliya, Israel) và Lior Metzker, một sinh viên nghiên cứu tại Đại học Hebrew Jerusalem, đã nhận thấy lợi nhuận của danh mục đầu tư giảm 62%, khi loại trừ các cổ phiếu của các công ty có giá trị vốn hóa thị trường nhỏ – những cổ phiếu có thể khó giao dịch, giảm hơn 68% khi loại trừ các công ty không được xếp hạng – những cổ phiếu không nhận được xếp hạng tín nhiệm từ các nhà xếp hạng tín dụng dài hạn Standard & Poor’s, và giảm hơn 80% khi loại trừ các công ty gặp khó khăn khi bị hạ xếp hạng tín dụng.

Theo nghiên cứu, các chiến lược giao dịch dựa trên học máy có lợi hơn trong những giai đoạn mà chênh lệch giá trở nên khó khăn hơn, chẳng hạn như khi có tâm lý nhà đầu tư cao, thị trường biến động lớn và tính thanh khoản của thị trường thấp.

Một cảnh báo của các chiến lược dựa trên học máy được nghiên cứu nhấn mạnh là chi phí giao dịch cao. Bà Si Cheng nhận xét: “Các phương pháp học máy đòi hỏi doanh thu cao và nắm giữ các vị thế cổ phiếu cực cao. Một nhà đầu tư trung bình sẽ phải vật lộn để đạt được kết quả có ý nghĩa sau khi tính đến chi phí giao dịch”. Tuy nhiên, phát hiện này không ngụ ý rằng, các chiến lược dựa trên học máy là không có lợi cho tất cả các nhà giao dịch.

Trợ lý giáo sư Si Cheng khuyến cáo: “Thay vào đó, chúng tôi chỉ ra rằng, các phương pháp học máy được nghiên cứu ở đây sẽ đấu tranh để đạt được hiệu suất được điều chỉnh rủi ro có ý nghĩa về mặt thống kê và kinh tế, với chi phí giao dịch hợp lý. Do đó, các nhà đầu tư nên điều chỉnh kỳ vọng của họ về hiệu suất ròng tiềm năng”.

Tương lai của học máy

Bà Si Cheng giải thích: “Tuy nhiên, phát hiện của chúng tôi không nên được coi là bằng chứng chống lại việc áp dụng các kỹ thuật học máy trong đầu tư mang tính định lượng. Ngược lại, các chiến lược giao dịch dựa trên học máy hứa hẹn đáng kể cho việc quản lý tài sản. Ví dụ, chúng có khả năng xử lý và kết hợp nhiều tín hiệu giao dịch chứng khoán yếu thành thông tin có ý nghĩa để tạo cơ sở cho một chiến lược giao dịch chặt chẽ”.

Các chiến lược dựa trên học máy hiển thị ít rủi ro hơn và tiếp tục tạo ra lợi nhuận tích cực trong giai đoạn khủng hoảng. Nghiên cứu cho thấy, trong một số thời kỳ suy thoái của thị trường lớn, chẳng hạn như sự sụp đổ của thị trường chứng khoán năm 1987, vụ vỡ nợ của Nga, sự bùng nổ của bong bóng công nghệ và cuộc khủng hoảng tài chính gần đây, phương pháp đầu tư bằng học máy tốt nhất đã tạo ra lợi tức hàng tháng là 3,56%, không bao gồm microcaps, trong khi lợi nhuận thị trường đạt mức âm – 6,91% trong cùng thời kỳ.

Trợ lý giáo sư Si Cheng cho rằng, lợi nhuận của các chiến lược giao dịch dựa trên việc xác định các điểm bất thường của thị trường chứng khoán – những cổ phiếu có hành vi đi ngược lại với các dự đoán của lý thuyết định giá thị trường vốn thông thường – chủ yếu là do các vị thế bán khống và đang biến mất trong những năm gần đây. Tuy nhiên, các chiến lược dựa trên học máy có lợi hơn ở các vị trí dài và vẫn khả thi trong giai đoạn sau năm 2001.

Bà Si Cheng cho biết thêm: “Điều này có thể đặc biệt có giá trị đối với giao dịch theo thời gian thực, quản lý rủi ro và các tổ chức lớn. Ngoài ra, các phương pháp học máy có nhiều khả năng chuyên về chọn hàng hơn là luân chuyển ngành. Tức là chiến lược tận dụng giai đoạn tiếp theo của chu kỳ kinh tế bằng cách chuyển vốn từ ngành này sang ngành khác. Nghiên cứu này là nghiên cứu đầu tiên cung cấp bằng chứng quy mô lớn về tầm quan trọng kinh tế của các phương pháp học máy”.

Trợ lý giáo sư Si Cheng nhận định: “Các bằng chứng tập thể cho thấy, hầu hết các kỹ thuật học máy đều phải đối mặt với thách thức thông thường về khả năng dự đoán lợi nhuận theo mặt cắt ngang và các mô hình hoàn vốn bất thường tập trung ở các cổ phiếu khó kinh doanh chênh lệch giá và trong các giai đoạn có giới hạn cao đối với kinh doanh chênh lệch giá. Do đó, mặc dù học máy mang lại cơ hội chưa từng có để hình thành hiểu biết của chúng ta về các công thức định giá tài sản, nhưng điều quan trọng là phải xem xét các hạn chế kinh tế phổ biến trong việc đánh giá mức độ thành công của các phương pháp mới được phát triển và xác nhận giá trị bên ngoài của các mô hình học máy, trước khi áp dụng chúng cho các bối cảnh khác nhau”.

Tài liệu tham khảo

Avramov, Doron and Cheng, Si và Metzker, Lior, Machine Learning versus Economic Restrictions: Evidence from Stock Return Predictability. April 5, 2020. (Tạm dịch: “Học máy so với các hạn chế về kinh tế: Bằng chứng từ khả năng dự đoán lợi nhuận của cổ phiếu. Ngày 5/4/2020”). Hiện có sẵn tại SSRN: https://ssrn.com/abstract=3450322 hay http://dx.doi.org/10.2139/ssrn.3450322.

Bài báo này được xuất bản lần đầu trên trang web Kiến thức Kinh doanh Trung Quốc (China Business Knowledge- CBK) bởi Trường Kinh doanh, thuộc CUHK: https://bit.ly/3fX2ydr.

Thông tin về CUHK Business School (Trường Kinh doanh, thuộc CUHK)

Trường Kinh doanh thuộc CUHK bao gồm 2 trường – Kế toán và Quản lý khách sạn và Du lịch – và 4 khoa – Khoa Kinh tế quản lý và khoa học phục vụ việc ra quyết định, Tài chính, Quản lý và Marketing. Được thành lập tại Hồng Kông vào năm 1963, đây là trường kinh doanh đầu tiên cung cấp các chương trình cử nhân về quản trị kinh doanh (BBA), thạc sỹ về quản trị kinh doanh (MBA) và thạc sỹ cao cấp về quản trị kinh doanh (Executive MBA) trong khu vực. Hiện tại, Trường cung cấp 11 chương trình đại học và 20 chương trình sau đại học, bao gồm MBA, EMBA, Master, MSc, MPhil và Ph.D.

Trong Bảng xếp hạng MBA toàn cầu của Financial Times năm 2020, chương trình đào tạo của CUHK được xếp hạng thứ 50. Trong bảng xếp hạng EMBA năm 2019 của Financial Times, CUHK EMBA được xếp hạng 24 trên thế giới. Trường Kinh doanh thuộc CUHK có số lượng cựu sinh viên kinh doanh lớn nhất (hơn 37.000 người) trong số các trường đại học / trường kinh doanh tại Hồng Kông. Nhiều người trong số họ là lãnh đạo chủ chốt doanh nghiệp. Trường hiện có khoảng 4.800 sinh viên đại học và sau đại học và Giáo sư Lin Zhou là Hiệu trưởng Trường Kinh doanh thuộc CUHK.

Thông tin thêm có sẵn tại http://www.bschool.cuhk.edu.hk hoặc bằng cách kết nối với Trường Kinh doanh, thuộc CUHK trên:

Facebook: www.facebook.com/cuhkbschool

Instagram: www.instagram.com/cuhkbusinessschool

LinkedIn: www.linkedin.com/school/3923680

WeChat: CUHKBusinessSchool

Tin cùng chuyên mục