ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ







TRẦN ĐỨC HUÂN






DỰ BÁO XU HƢỚNG CHỨNG KHOÁN TẠI VIỆT NAM
BẰNG PHƢƠNG PHÁP HỌC MÁY








LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN

Hà Nội – 2014


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ




TRẦN ĐỨC HUÂN





DỰ BÁO XU HƢỚNG CHỨNG KHOÁN TẠI VIỆT NAM
BẰNG PHƢƠNG PHÁP HỌC MÁY


Ngành: Công nghệ thông tin

Chuyên ngành: Hệ thống thông tin
Mã số: 60480104



LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN







NGƢỜI HƢỚNG DẪN KHOA HỌC: TS. NGUYỄN VĂN VINH
TS. NGUYỄN PHÚ BÌNH





Hà Nội – 2014
1

LỜI CAM ĐOAN
Tôi xin cam đoan những kết quả đạt đƣợc trong luận văn này là do tôi nghiên
cứu, tổng hợp và thực hiện. Toàn bộ những điều đƣợc trình bày trong luận văn là của
cá nhân hoặc đƣợc tham khảo và tổng hợp từ các nguồn tài liệu khác nhau. Tất cả các
tài liệu tham khảo, tổng hợp đều đƣợc trích dẫn với nguồn gốc rõ ràng.
Tôi xin chịu hoàn toàn trách nhiệm về lời cam đoan của mình. Nếu có gì sai
trái, tôi xin chịu mọi hình thức kỷ luật theo qui định.

Hà Nội, tháng 06 năm 2014
Học viên



Trần Đức Huân
2

LỜI CẢM ƠN
Tôi muốn bày tỏ lòng biết ơn sâu sắc tới những ngƣời đã giúp đỡ tôi trong quá
trình làm luận văn, đặc biệt tôi xin cám ơn TS Nguyễn Văn Vinh - Trƣờng ĐH Công
nghệ, ĐHQGHN và TS. Nguyễn Phú Bình - Bộ Khoa học và Công nghệ, với lòng
kiên trì, các thầy đã chỉ bảo tôi chi tiết và cho tôi những lời nhận xét quý báu trong
từng bƣớc làm luận văn. Đồng thời tôi cũng xin gửi lời cảm ơn tới các thầy cô giáo
khoa Công nghệ thông tin – Trƣờng Đại học Công nghệ - Đại học Quốc gia Hà nội đã
truyền đạt các kiến thức cho tôi trong suốt thời gian học tập và nghiên cứu vừa qua.
Tôi cũng xin chân thành cảm ơn cơ quan, bạn bè, đồng nghiệp, gia đình và
những ngƣời thân đã cùng chia sẻ, giúp đỡ, động viên, tạo mọi điều kiện thuận lợi để
tôi hoàn thành nhiệm vụ học tập và luận văn này.
Hà Nội, tháng 6 năm 2014
Học viên


Trần Đức Huân
3

MỤC LỤC
LỜI CAM ĐOAN 1
LỜI CẢM ƠN 2
MỤC LỤC 3

DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT 5
DANH MỤC HÌNH VẼ 6
DANH MỤC BẢNG BIỂU 7
MỞ ĐẦU 8
Chƣơng 1 . THỊ TRƢỜNG CHỨNG KHOÁN VÀ PHÂN TÍCH CHỨNG KHOÁN . 11
1.1. Thị trƣờng chứng khoán 11
1.1.1. Tổng quan về thị trƣờng chứng khoán 11
1.1.2. Đặc điểm của Thị trƣờng chứng khoán: 12
1.1.3. Chức năng của thị trƣờng chứng khoán: 12
1.1.4. Các hình thức của thị trƣờng chứng khoán 12
1.1.5. Các chỉ số cơ bản của một mã chứng khoán trên sàn giao dịch 13
1.2. Phân tích Kỹ thuật và ứng dụng trong dự báo chứng khoán. 14
1.2.1. Khái niệm 14
1.2.2. Công cụ cơ bản sử dụng trong Phân tích kỹ thuật. 15
1.2.3. Các chỉ số kỹ thuật cơ bản dùng trong dự báo chứng khoán 17
1.2.4. Ứng dụng của phân tích kỹ thuật 26
Chƣơng 2 . KHAI PHÁ DỮ LIỆU VÀ MỘT SỐ MÔ HÌNH DÙNG TRONG KHAI
PHÁ DỮ LIỆU 27
2.1. Khai phá dữ liệu (Data Mining) 27
2.2. Một số mô hình dùng trong khai phá dữ liệu 29
2.2.1. Mô hình mạng nơ ron nhân tạo (ANN - Artificial Neural Network) 29
2.2.2. Mô hình cây quyết định (Decision Tree Algorithm): 31
2.2.3. Mô hình máy véc tơ hỗ trợ (Support Vector Machine - SVM) 32
Chƣơng 3 . MÔ HÌNH DỰ BÁO CHỨNG KHOÁN 36
3.1. Giới thiệu bài toán dự báo chứng khoán 36
3.2. Mô hình dự báo (Predictive Model) 37
3.3. Thu thập và xử lý dữ liệu 38
3.3.1. Thu thập dữ liệu 38
3.3.2. Tiền xử lý dữ liệu 38
4


3.3.3. Chọn loại dữ liệu đầu vào 40
3.3.4. Phân hoạch dữ liệu 40
3.4. Đánh giá mô hình 40
Chƣơng 4 . THỬ NGHIỆM VÀ ĐÁNH GIÁ 44
4.1. Thu thập dữ liệu 44
4.2. Tiền xử lý dữ liệu 46
4.3. Phƣơng thức phân hoạch dữ liệu 46
4.4. Kết quả thử nghiệm 47
4.4.1. Kết quả chạy thực nghiệm so sánh SVR với mô hình khác 47
4.4.2. Kết quả dự đoán 1 ngày và 5 ngày tiếp theo của các mã với SVR 48
KẾT LUẬN 49
TÀI LIỆU THAM KHẢO 50

5

DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT
Từ viết tắt
Tiếng Anh
Tiếng Việt
CK

Chứng khoán
CP

Cổ phiếu
MA
Moving Average
Trung bình trƣợt
SMA

Simple Moving Average và
Trung bình trƣợt đơn giản
EMA
Exponential Moving Average
Trung bình trƣợt số mũ
MACD
MovingAverage
Convergence/Divergence
Phân kỳ và hội tụ của đƣờng trung
bình động
PTTK

Phân tích kỹ thuật
RSI
Relative Strength Index
Chỉ số cƣờng độ tƣơng đối
TTCK

Thị trƣờng chứng khoán
KDD
Knowledge Discorvery and Data
Mining
Phát hiện tri thức và khai phá dữ
liệu
SVM
Support Vector Machine
Máy véc tơ hỗ trợ
SVR
Support Vector Regression
Máy véc tơ hỗ trợ hồi quy

SMO
Sequential Minimal Optimization
Tối thiểu hóa tuần tự
QP
Quadratic Programming
Quy hoạch toàn phƣơng
GD

Giao dịch



6

DANH MỤC HÌNH VẼ
Hình 1.1: Biểu đồ dạng đƣờng 15
Hình 1.2: Biểu đồ dạng then chắn 16
Hình 1.3: Biểu đồ dạng cây nến 17
Hình 1.4: Biểu đồ thể hiện Aroon 21
Hình 1.5: Biểu đồ MACD 23
Hình 1.6: Biểu đồ Bollinger band 25
Hình 2.1: Mô hình khai phá dữ liệu 27
Hình 2.2: Kiến trúc của một ANN 29
Hình 2.3: Sơ đồ quá trình xử lý dữ liệu bằng ANN 30
Hình 2.4: Ví dụ cây quyết định 31
Hình 2.5: Không gian tuyến tính 33
Hình 2.6: Biến lỏng đƣợc sử dụng trong SVM 33
Hình 2.7: ε – SVR với hạt nhân đa thức (phù hợp với một điểm dữ liệu) 35
Hình 2.8: SVR với hạt nhân tuyến tính giảm thiểu lỗi với biến lỏng 35
Hình 3.1: Mô hình dự báo chứng khoán đề xuất 37

Hình 3.2: Phƣơng pháp K-Fold 41
Hình 4.1: Dữ liệu đƣợc đƣa về định dạng *.arff 46
Hình 4.2: Biểu đồ thể hiện kết quả thử nghiệm dự đoán với các mô hình khác nhau . 48


7

DANH MỤC BẢNG BIỂU
Bảng 3.1: Ma trận hỗn hợp trong phân lớp 42
Bảng 4.1: Các mã chứng khoán đƣợc chọn thử nghiệm 44
Bảng 4.2: Dữ liệu của một mã chứng khoán 45
Bảng 4.3: Dữ liệu sau khi đƣợc xử lý của một mã CP 46
Bảng 4.4: Bảng kết quả thử nghiệm dự đoán với các mô hình khác nhau 47
Bảng 4.5: Kết quả dự đoán của từng mã với thuật toán SVR 48


8

MỞ ĐẦU
1. Đặt vấn đề
Thế giới ngày càng trở nên “phẳng” hơn, đó là nhờ các thành tựu của việc phát
triển công nghệ thông tin, đặc biệt là sự bùng nổ mạnh mẽ của mạng Internet. Nhờ
internet làm xóa bỏ, không còn khoảng cách không gian và địa lý, tạo điều kiện cho
chúng ta tiếp cận và thu nhận đƣợc nhiều thông tin hơn, song không phải tất cả các
thông tin đều có ích cho mỗi ngƣời mà chúng ta phải biết chắt lọc, tổng hợp và phân
tích các thông tin để phục vụ cho mục đích của mình. Trên thực tế với lƣợng dữ liệu
khổng lồ đƣợc tổng hợp lƣu trữ thì chỉ có một phần nhỏ đƣợc phân tích thƣờng xuyên
và có ích, số còn lại chúng ta vẫn chƣa khai thác, phát hiện đƣợc hết các tri thức trong
đó. Các phƣơng pháp quản trị và khai thác dữ liệu truyền thống ngày càng không đáp
ứng đƣợc nhu cầu khai thác, phát hiện thông tin. Do đó đã phát triển một khuynh

hƣớng kỹ thuật mới đó là kỹ thuật Phát hiện tri thức và khai phá dữ liệu ( KDD –
Knowledge Discorvery and Data Mining). Các kỹ thuật này đã và đang đƣợc nghiên
cứu và áp dụng trong nhiều lĩnh vực khác nhau. Trong đó thì khai phá dữ liệu (Data
mining) là lĩnh vực đang phát triển mạnh mẽ, có nhiều ứng dụng thực tiễn và hƣớng
nghiên cứu về dự báo đƣợc coi là rất quan trọng trong nhiều ngành, trong đó nó đặc
biệt quan trọng trong quản lý vĩ mô và kinh doanh.
Các kỹ thuật dự báo đã đƣợc hình thành từ thế kỷ thứ 19 [1], tuy nhiên dự báo
có ảnh hƣởng rất lớn bởi sự phát triển của công nghệ thông tin vì bản chất mô phỏng
của các phƣơng pháp rất phức tạp và cần sự hỗ trợ rất lớn của máy tính. Đến những
năm 1950, các lý thuyết về dự báo cùng với các phƣơng pháp luận đƣợc xây dựng và
phát triển có hệ thống [1]. Việc dự báo về thị trƣờng chứng khoán là bài toán đã thu
hút nhiều sự quan tâm, nghiên cứu, nhất là ở các nƣớc phát triển trên thế giới. Với Việt
Nam thì thị trƣờng chứng khoán mới đƣợc coi là mới và đang phát triển ( ngày 11-7-
1998 Chính phủ ký Nghị định số 48/CP ban hành về chứng khoán đánh dấu sự ra đời
và phát triển của thị trường chứng khoán Việt Nam) nên việc nghiên cứu áp dụng các
kỹ thuật trong bài toán dự báo chƣa đƣợc đầu tƣ nghiên cứu nhiều.
Cùng với xu hƣớng phát triển của thị trƣờng chứng khoán Việt Nam nhƣ hiện
nay, cần phải có các nghiên cứu phát triển các phƣơng pháp, công cụ dùng cho việc
9

phân tích, đánh giá và dự đoán các chỉ số chứng khoán. Đây là bài toán đƣợc các nhà
nghiên cứu, nhà khoa học và nhất là các nhà đầu tƣ rất quan tâm, chú ý. Thực tế đã có
nhiều ứng dụng, nghiên cứu, phƣơng pháp kỹ thuật và những phần mềm ra đời để giải
quyết bài toán này. Theo nhiều nhà nghiên cứu thì dữ liệu lịch sử giá và các chỉ số
khác của cổ phiếu tiết lộ mối tƣơng quan với các mô hình biến động giá chứng khoán,
từ đó có thể dự đoán đƣợc giá chứng khoán trong tƣơng lai dựa trên những dữ liệu lịch
sử một cách tƣơng đối khách quan và chính xác.
Trong luận văn vày, chúng tôi đã nghiên cứu một số phƣơng pháp học máy tiên
tiến hiện nay và sử dụng chúng cùng với dữ liệu lịch sử giá, các chỉ số kỹ thuật trong
lĩnh vực chứng khoán thu thập đƣợc để dự báo xu hƣớng giá của chứng khoán trong

thời điểm tƣơng lai. Các kết quả thực nghiệm mô hình xây dựng tuy chƣa thực sự cao
nhƣng cũng khá tin cậy để cung cấp thêm thông tin cho những quyết định mua hoặc
bán cổ phiếu của các tổ chức cũng nhƣ nhà đầu tƣ và là định hƣớng ban đầu cho các
nghiên cứu tiếp theo của chúng tôi.
2. Mục tiêu của luận văn
Trong luận văn này chúng tôi hƣớng tới các mục tiêu chính sau:
- Tìm hiểu về chứng khoán và các kỹ thuật dùng trong phân tích chứng khoán.
- Tìm hiểu về khai phá dữ liệu và một số mô hình tiên tiến đƣợc dùng trong
khai phá dữ liệu.
- Thử nghiệm mô hình khai phá dữ liệu, đánh giá mô hình và lựa chọn mô hình
áp dụng đƣa ra dự báo về xu hƣớng giá của một cổ phiếu. Từ đó làm tiền đề định
hƣớng cho các nghiên cứu sau này của chúng tôi.
3. Cấu trúc của luận văn
Luận văn đƣợc chia thành 5 phần với các nội dung nhƣ sau:
Chƣơng 1. Thị trƣờng chứng khoán và phân tích chứng khoán: Chƣơng
này sẽ trình bày các nội dung lý thuyết về chứng khoán, các phƣơng pháp dự báo,
đánh giá rủi ro và phân tích kỹ thuật trong việc đầu tƣ, kinh doanh chứng khoán.
Chƣơng 2. Khai phá dữ liệu và một số mô hình dùng trong khai phá dữ
liệu: giới thiệu về khai phá dữ liệu, sau đó chúng tôi giới thiệu chi tiết về một số mô
hình đƣợc sử dụng trong khai phá dữ liệu nhƣ Mô hình mạng nơ ron nhân tạo (ANN -
10

Artificial Neural Network), Mô hình cây quyết định (Decision Tree Algorithm), Mô
hình máy véc tơ hỗ trợ (Support Vector Machine - SVM). Các phần đƣợc trình bày
trong chƣơng này sẽ là cơ sở lý thuyết cho phƣơng pháp giải quyết bài toán dự báo
chứng khoán của chúng tôi ở các chƣơng tiếp theo.
Chƣơng 3. Mô hình dự báo chỉ số chứng khoán: tập trung vào xây dựng mô
hình nhằm giải quyết bài toán đã đặt ra. Trong chƣơng này chúng tôi đƣa ra phƣơng
pháp sử dụng một số mô hình kết hợp các dữ liệu lịch sử, dữ liệu phân tích kỹ thuật
nhằm xây dựng hệ hỗ trợ quyết định cho bài toán dự báo xu hƣớng giá của cổ phiếu.

Chƣơng 4. Thực nghiệm và đánh giá: mô tả và phân tích những kết quả mà
chúng tôi đã tiến hành thực nghiệm. Mô hình đƣợc huấn luyện bởi dữ liệu giao dịch
chứng khoán trong quá khứ kết hợp với các chỉ số kỹ thuật đƣợc xây dựng dựa trên giá
đóng cửa lịch sử của mã cổ phiếu đó. Các mã cổ phiếu là các mã giao dịch trên hai sàn
chứng khoán tại Việt Nam là sàn giao dịch chứng khoán Hà Nội (HNX) và sàn giao
dịch chứng khoán Hồ Chí Minh (HSX), các mã cổ phiếu đƣợc lấy ngẫu nhiên. Sau đó
dữ liệu đƣợc đƣa vào mô hình kiểm chứng khả năng dự báo của mô hình. Đồng thời
các kết quả này cũng đƣợc so sánh với các mô hình khác nhằm tìm ra điểm mạnh, yếu
của mô hình so với các mô hình đã đƣợc xây dựng.
Phần kết luận: tổng kết những kết quả đạt đƣợc của luận văn và hƣớng nghiên
cứu tiếp theo.
11

Chƣơng 1. THỊ TRƢỜNG CHỨNG KHOÁN VÀ PHÂN
TÍCH CHỨNG KHOÁN
Trong chƣơng này, đầu tiên sẽ trình bày các nội dung lý thuyết tổng quát về thị
trƣờng chứng khoán. Mục tiếp theo sẽ giới thiệu về phân tích kỹ thuật và ứng dụng
trong việc dự báo chứng khoán.
1.1. Thị trƣờng chứng khoán
1.1.1. Tổng quan về thị trƣờng chứng khoán
Tổng quan:
Thị trƣờng chứng khoán là một bộ phận quan trọng của Thị trường vốn, hoạt động
của nó nhằm huy động những nguồn vốn tiết kiệm nhỏ trong xã hội tập trung thành
nguồn vốn lớn tài trợ cho doanh nghiệp, các tổ chức kinh tế và Chính phủ để phát triển
sản xuất, tăng trƣởng kinh tế hay cho các dự án đầu tƣ.
Thị trƣờng chứng khoán là nơi diễn ra các hoạt động giao dịch mua bán các loại
chứng khoán. Việc mua bán đƣợc tiến hành ở hai thị trƣờng sơ cấp và thứ cấp, do vậy
thị trƣờng chứng khoán là nơi chứng khoán đƣợc phát hành và trao đổi.
Các loại thị trƣờng chứng khoán:
- Thị trường sơ cấp: ngƣời mua mua đƣợc chứng khoán lần đầu từ những ngƣời

phát hành.
- Thị trường thứ cấp: nơi diễn ra sự mua đi bán lại các chứng khoán đã đƣợc phát
hành ở Thị trường sơ cấp.
Hàng hóa giao dịch trên Thị trường chứng khoán bao gồm: các cổ phiếu, trái phiếu
và một số công cụ tài chính khác có thời hạn trên 1 năm
Vị trí của Thị trƣờng chứng khoán trong thị trƣờng tài chính:
Thị trƣờng tài chính có hai thị trƣờng lớn chính đó là Thị trƣờng tài chính ngắn hạn
(Thị trƣờng tiền tệ) và Thị trƣờng tài chính dài hạn (Thị trƣờng vốn), chi tiết hai thị
trƣờng này nhƣ sau:
- Thị trường Tài chính ngắn hạn (Thị trƣờng tiền tệ): Là nơi diễn ra các hoạt
động của cung và cầu về vốn ngắn hạn. Vốn ngắn hạn bao gồm cả trái phiếu
ngắn hạn, có kỳ hạn tức là mua bán những món nợ ngắn hạn rủi ro thấp, tính
thanh khoản cao. Thị trƣờng tiền tệ diễn ra chủ yếu thông qua hoạt động của hệ
12

thống ngân hàng, vì các ngân hàng là chủ thể quan trọng nhất trong việc cung
cấp và sử dụng vốn ngắn hạn.
- Thị trường Tài chính dài hạn (Thị trƣờng vốn): Là nguồn cung vốn dài hạn
chính cho hoạt động của doanh nghiệp. Bao gồm Thị trƣờng tín dụng dài hạn
(gồm Thị trƣờng cho vay thế chấp và thị trƣờng cho thuê tài chính) và Thị
trƣờng chứng khoán.
1.1.2. Đặc điểm của Thị trƣờng chứng khoán:
Thị trƣờng chứng khoán có các đặc điểm chủ yếu sau:
- Đƣợc đặc trƣng bởi hình thức tài chính trực tiếp, ngƣời cần vốn và ngƣời cung
cấp vốn đều trực tiếp tham gia thị trƣờng, giữa họ không có trung gian tài
chính.
- Là thị trƣờng gần với Thị trường cạnh tranh hoàn hảo. Mọi ngƣời đều tự do
tham gia vào thị trƣờng. Không có sự áp đặt giá cả trên thị trƣờng chứng khoán,
mà giá cả ở đây đƣợc hình thành dựa trên quan hệ cung – cầu.
- Về cơ bản là một thị trường liên tục, sau khi các chứng khoán đƣợc phát hành

trên thị trƣờng sơ cấp, nó có thể đƣợc mua đi bán lại nhiều lần trên thị trƣờng
thứ cấp. Thị trƣờng chứng khoán đảm bảo cho các nhà đầu tƣ có thể chuyển
chứng khoán của họ thành tiền mặt bất cứ lúc nào họ muốn.
1.1.3. Chức năng của thị trƣờng chứng khoán:
Thị trƣờng chứng khoán có chức năng đối với nền kinh tế là:
- Huy động vốn đầu tƣ cho nền kinh tế.
- Cung cấp môi trƣờng đầu tƣ cho công chúng.
- Cung cấp khả năng thanh toán cho các chứng khoán
- Đánh giá giá trị doanh nghiệp và tình hình của nền kinh tế.
- Tạo môi trƣờng giúp Chính phủ thực hiện chính sách kinh tế vĩ mô.
1.1.4. Các hình thức của thị trƣờng chứng khoán
Các hình thức của thị trƣờng chứng khoán bao gồm:
- Thị trường tập trung: Là nơi mà việc giao dịch, trao đổi, mua bán chứng khoán
đƣợc thực hiện thông qua sở giao dịch chứng khoán (hay còn gọi là sàn giao
dịch).
13

- Thị trường phi tập trung (OTC): Hay còn gọi là thị trƣờng OTC (Over The
Counter), thị trƣờng này diễn ra ở bất kỳ nơi nào, miễn là nơi đó có diễn ra các
hoạt động mua bán, trao đổi chứng khoán.
- Thị trường chợ đen: Thị trƣờng chợ đen (black market) đƣợc hiểu là nơi giao
dịch những hàng hóa, dịch vụ không thuộc thành phần của nền kinh tế chính
thức. Thị trƣờng chợ đen còn có cách gọi khác nhƣ kinh tế ngầm (underground
economy hoặc shadow economy), kinh tế đen (black economy), hay nền kinh tế
phi chính thức (unofficial economy). Thị trƣờng chợ đen thƣờng là nơi giao
dịch các hàng hóa, dịch vụ trốn thuế, không có bản quyền hoặc những mặt hàng
bị cấm. Chẳng hạn các hàng hóa không đƣợc đăng ký, không có bản quyền,
buôn lậu hoặc các hàng hóa dịch vụ bị cấm.
1.1.5. Các chỉ số cơ bản của một mã chứng khoán trên sàn giao dịch
Với mỗi mã chứng khoán khi thực hiện giao dịch trên thị trƣờng chứng khoán

niêm yết có các chỉ số cơ bản thể hiện trên bảng giá – hiện nay ở Việt Nam có hai sàn
giao dịch là sàn Hồ Chí Minh (HSX) và sàn Hà Nội (HNX), ý nghĩa của các cột trên
các bảng giá theo từng sàn nhƣ sau:
- Cột giá tham chiếu: Là giá đóng cửa của ngày giao dịch trƣớc đó và là cơ sở để
xác định giá trần, giá sàn của ngày giao dịch hiện tại.
- Cột giá trần: Là mức giá cao nhất mà nhà đầu tƣ có thể đặt lệnh mua, lệnh bán
chứng khoán.
o Trên sàn GD TP HCM: Giá trần = Giá tham chiếu + 5% * Giá tham chiếu.
o Trên sàn GD Hà Nội: Giá trần = Giá tham chiếu + 10% * Giá tham chiếu.
- Cột giá sàn: Là mức giá thấp nhất mà nhà đầu tƣ có thể đặt lệnh mua, bán CK.
o Trên sàn GD TP HCM: Giá sàn = Giá tham chiếu - 5% * Giá tham chiếu.
o Trên sàn GD Hà Nội: Giá sàn = Giá tham chiếu - 10% * Giá tham chiếu.
- Cột giá mở cửa: Là mức giá thực hiện đầu tiên trong ngày giao dịch.
- Cột giá đóng cửa: Là mức giá thực hiện cuối cùng trong ngày giao dịch.
- Cột giá khớp lệnh: Là mức giá tại đó khối lƣợng CK đƣợc giao dịch nhiều nhất.
- Cột khối lƣợng khớp lệnh: Là khối lƣợng CK đƣợc thực hiện tại giá khớp lệnh.
- Cột chênh lệch (+/-): Là thay đổi của mức giá hiện tại so với giá tham chiếu
trong ngày giao dịch (= giá hiện tại – giá tham chiếu).
14

- Cột mua: Gồm 6 cột biểu thị cho 3 mức giá đặt mua cao nhất tƣơng ứng với các
khối lƣợng đặt mua tại các mức giá cao nhất đó. Khi kết thúc phiên giao dịch
Bảng điện tử sẽ hiện thị các thông tin về khối lƣợng CK tƣơng ứng với các mức
giá chƣa đƣợc khớp lệnh (dƣ mua).
- Cột bán: Gồm 6 cột biểu thị cho 3 mức giá đặt bán thấp nhất tƣơng ứng với các
khối lƣợng đặt bán tại các mức giá thấp nhất đó.
Khi kết thúc phiên giao dịch Bảng điện tử sẽ hiện thị các thông tin về khối
lƣợng CK tƣơng ứng với các mức giá chƣa đƣợc khớp lệnh (dƣ bán và dƣ mua).
1.2. Phân tích Kỹ thuật và ứng dụng trong dự báo chứng khoán.
1.2.1. Khái niệm

Phân tích kỹ thuật (PTKT) là việc nghiên cứu giá, với công cụ cơ bản là biểu
đồ, nhằm nâng cao hiệu quả của hoạt động đầu tƣ. PTKT nghiên cứu các hành vi của
các bên tham gia thị trƣờng thông qua sự biến động của giá, khối lƣợng chứng khoán
giao dịch nhằm xác định đƣợc xu thế biến động giá và thời điểm đầu tƣ.
Phân tích kỹ thuật dựa trên giả định rằng lịch sử lặp lại và hƣớng thị trƣờng
trong tƣơng lai có thể đƣợc xác định bằng cách kiểm tra giá vừa qua. Do đó, phân tích
kỹ thuật là chủ quan và mâu thuẫn với giả thuyết thị trƣờng hiệu quả. Tuy nhiên, nó
vẫn đƣợc sử dụng khoảng 90% khi thực hiện đánh giá để giao dịch các cổ phiếu [8].
PTKT sử dụng ba giả thiết sau:
Giá trị thị trƣờng của bất kỳ sản phẩm hay dịch vụ nào đều đƣợc xác lập thông
qua cung cầu của thị trƣờng.
- Cung cầu của thị trƣờng đƣợc xác lập dựa trên một hệ thống các yếu tố hợp
nhất hoặc đôi khi phi hợp nhất và thị trƣờng sẽ cân đối các trọng số này liên tục
và tự động.
- Loại bỏ những dao động bất thƣờng, giá cả của một chứng khoán đơn lẻ hay
toàn bộ giá cả của thị trƣờng có xu thế thay đổi theo một khuynh hƣớng
(trend), và nó tồn tại trong một khoảng thời gian nhất định.
- Sự thay đổi trong khuynh hƣớng đang thịnh hành là do sự thay đổi trong mối
quan hệ cung cầu. Và sự thay đổi của quan hệ cung cầu sẽ đƣợc nhận diện sớm
hay muộn thông qua các phản ứng của chính thị trƣờng.
15

1.2.2. Công cụ cơ bản sử dụng trong Phân tích kỹ thuật.
Trong phân tích kỹ thuật để trực quan, dễ cho việc quan sát và nhận định xu
hƣớng của chứng khoán ngƣời ta dùng biểu đồ làm công cụ cơ bản để thực hiện. Trong
đó biểu đồ thể hiện chuỗi dao động của giá trong một đơn vị thời gian. Có nhiều loại
biểu đồ khác nhau đƣợc dùng nhƣng trong đó có ba loại biểu đồ đƣợc dùng phổ biến
là: biểu đồ dạng đƣờng (Line chart), biểu đồ dạng then chắn (Bar chart), biểu đồ dạng
cây nến (Candlestick chart) [2].
Biểu đồ dạng đường (Line chart)

Dạng biểu đồ này từ trƣớc tới nay thƣờng đƣợc sử dụng phổ biến trong các
ngành khoa học khác dùng để mô phỏng các hiện tƣợng kinh tế và xã hội. Nhƣng hiện
nay do khoa học kỹ thuật phát triển, diễn biến của thị trƣờng chứng khoán ngày càng
phức tạp cho nên loại biểu đồ này ngày càng ít đƣợc sử dụng nhất là trên các thị
trƣờng chứng khoán hiện đại.

Hình 1.1: Biểu đồ dạng đường
Nó chủ yếu đƣợc sử dụng trên các thị trƣờng chứng khoán mới đi vào hoạt
động trong thời gian ngắn, khớp lệnh theo phƣơng pháp khớp lệnh định kỳ theo từng
phiên. Ƣu điểm của loại biểu đồ này là dễ sử dụng.
Hiện nay trên các Thị trƣờng chứng khoán hiện đại đang dùng một số loại biểu
đồ trong Phân tích kỹ thuật mang lại hiệu quả cao đó là biểu đồ dạng then chắn (Bar
chart) và cây nến (Candlestick chart).
16

Biểu đồ dạng then chắn (Bar chart)
Trên các Thị trƣờng chứng khoán hiện đại trên thế giới hiện nay các chuyên
viên phân tích thƣờng dùng loại biểu đồ này trong phân tích là chủ yếu lý do chính vì
tính ƣu việt của nó đó là sự phản ánh rõ nét sự biến động của giá chứng khoán.

Hình 1.2: Biểu đồ dạng then chắn
Loại biểu đồ này thƣờng đƣợc áp dụng để phân tích trên các Thị trƣờng chứng
khoán hiện đại khớp lệnh theo hình thức khớp lệnh liên tục, độ dao động của giá
chứng khoán trong một phiên giao dịch là tƣơng đối lớn.
Biểu đồ cây nến (Candlestick chart)
Đây là dạng biểu đồ cải tiến của biểu đồ dạng then chắn (Bar chart), nó đƣợc
ngƣời Nhật Bản khám phá và áp dụng trên thị trƣờng chứng khoán của họ đầu tiên.
Giờ đây nó đang dần đƣợc phổ biến hầu hết trên các thị trƣờng chứng khoán hiện đại
trên toàn thế giới. Dạng biểu đồ này phản ánh rõ nét nhất về sự biến động của giá
chứng khoán trên thị trƣờng chứng khoán khớp lệnh theo hình thức khớp lệnh định kỳ.

17


Hình 1.3: Biểu đồ dạng cây nến
Ở biểu đồ này nếu giá đóng cửa cao hơn giá mở cửa, nến sẽ màu xanh, và giá
đóng cửa thấp hơn giá mở cửa, nến sẽ màu đỏ.
1.2.3. Các chỉ số kỹ thuật cơ bản dùng trong dự báo chứng khoán
Trong phân tích kỹ thuật của chứng khoán có nhiều chỉ số khác nhau đƣợc sử
dụng. Ở đây tôi xin đƣa ra một số chỉ số thông dụng và có hiệu quả tƣơng đối cao
trong việc áp dụng để nhận định xu hƣớng của chứng khoán với các chỉ số sau: Đƣờng
trung bình trƣợt giản đơn – SMA, Trung bình trƣợt số mũ – EMA, Chỉ số Aroon (Với
Aroon up và Aroon down), Dải biên độ biến động giá - Bollinger bands (với Upper
band, Lower band), Trung bình trƣợt hội tụ / Phân kì – MACD [2].
1.2.3.1. Chỉ số trung bình trƣợt
Trung bình trƣợt là chỉ số giá trung bình của một loại chứng khoán trong một
khoảng thời gian nhất định. Trung bình trƣợt là một chỉ số tổng quát nêu lên cách thức
làm trơn dữ liệu và sử dụng để xác nhận xu hƣớng giá. Trung bình trƣợt có nhiều loại
khác nhau trong đó phổ biến nhất là Trung bình trƣợt giản đơn - SMA (Simple Moving
Average) và Trung bình trƣợt số mũ - EMA (Exponential Moving Average).
Cách tính toán:
Trung bình trượt giản đơn - SMA của một loại chứng khoán đƣợc tính bằng
cách cộng giá đóng cửa của nó trong khoảng thời gian nhất định (khoảng thời gian này
có thể tính bằng ngày, tuần, tháng) rồi chia tổng tìm đƣợc cho tổng các đơn vị tính
trong khoảng thời gian thời gian trên. Trong những ngày tiếp theo giá cách xa thời
18

điểm hiện tại nhất (giá cũ nhất) sẽ bị loại ra và giá hiện tại sẽ thay thế giá cũ đó để tính
trung bình trƣợt, chính vì thế mà số trung bình sẽ trƣợt hàng ngày. SMA đƣợc tính
theo công thức sau:
SMA = (P1 + P2 + … + Pn) / N

Trong đó:
- P là giá đóng cửa của loại chứng khoán
- n là số đơn vị thời gian trong thời kỳ tính SMA
Trung bình trượt số mũ – EMA (hoặc trung bình trƣợt có trọng số mũ) đƣợc
tính bằng cách áp dụng tỷ lệ phần trăm của giá đóng cửa ngày hôm nay cho giá trị
trung bình của ngày hôm qua. Các đƣờng trung bình trƣợt mũ đặt tỷ trọng lớn hơn đối
với các mức giá gần đây.
Cách tính:
EMA = (Giá hiện tại * EMA%) + (Giá trị EMA hôm trƣớc * (1-EMA%))
Trong đó: EMA% = 2/(n+1) với n là số ngày quan sát
Ví dụ: Để tính trung bình trƣợt mũ 9% của cổ phiếu SAM, đầu tiên lấy giá đóng
cửa của ngày hôm nay và nhân với 9%. Tiếp theo sẽ cộng kết quả này với giá trị trung
bình trƣợt của ngày hôm qua đã nhân với 91% (100% - 9% = 91%), tức công thức là:
(Giá ngày hôm nay * 0,09) + (Trung bình trƣợt của ngày hôm qua * 0,91)
Vì phần lớn các nhà đầu tƣ cảm thấy tin tƣởng hơn khi làm việc với các giá trị
thời gian hơn là với tỷ lệ phần trăm, tỷ lệ phần trăm mũ có thể đƣợc chuyển sang một
giá trị xấp xỉ với số ngày. Ví dụ, trung bình trƣợt 9% tƣơng đƣơng với một trung bình
trƣợt mũ 21.2 thời kì ( là xấp xỉ khoảng 21 ngày).
Công thức để đổi tỷ lệ phần trăm sang thời gian là:
Số thời kì = (2/Tỷ lệ phần trăm) - 1
Từ đây ta có thể sử dụng công thức trên để tính ra trung bình trƣợt 9% tƣơng
đƣơng với trung bình trƣợt mũ 21 ngày nhƣ sau:
(2/0.09) - 1 = 21.2 ( xấp xỉ là 21 ngày)
Công thức để đổi số thời kì sang tỷ lệ phần trăm là:
Tỷ lệ phần trăm = 2/ (Số thời kỳ + 1)
Từ đây ta có thể sử dụng công thức trên để xác định trung bình trƣợt mũ 21
ngày chính là trung bình trƣợt 9% nhƣ sau:
2/(21 + 1) = 0.09 ( tƣơng đƣơng là tỉ lệ 9%)
19


Ý nghĩa chỉ số:
Tất cả các số trung bình trƣợt đều đƣợc sử dụng để phát hiện xu hƣớng giá và
xác định các dấu hiệu mua bán. Nhân tố cốt yếu trong việc tính toán Trung bình trƣợt
đó là việc xác định khoảng thời gian để tính toán. Khoảng thời gian lựa chọn cho mỗi
số trung bình trƣợt phụ thuộc vào đối tƣợng phân tích, khoảng thời gian phổ biến nhất
thƣờng đƣợc sử dụng là 9/10, 18/20, 40/50, 100 và 200 đơn vị thời gian.
Các thị trƣờng tƣơng lai thƣờng sử dụng các số trung bình trƣợt ngắn hạn, ví
dụ nhƣ 9 và 18 đơn vị thời gian; trong khi đó đối với các khoản đầu tƣ dài hạn thì các
thời kỳ có 100/200/500 đơn vị thời gian đƣợc sử dụng rất phổ biến để tính trung bình
trƣợt. Số trung bình trƣợt sẽ có ý nghĩa hơn nếu kết hợp với việc phân tích chu kỳ giao
dịch của đối tƣợng phân tích.
Tùy theo từng mục đích khác nhau mà ngƣời ta có thể tính chỉ số trung bình
trƣợt theo số ngày khác nhau. Nhƣ với chỉ số trung bình trƣợt đơn giản thông thƣờng
ngƣời ta phân chia các mục tiêu áp dụng và số ngày tƣơng ứng nhƣ sau:
- Với mục tiêu rất ngắn hạn: 5 – 10 ngày
- Với mục tiêu ngắn hạn: 11 – 25 ngày
- Với mục tiêu trung bình: 25 – 100 ngày
- Với mục tiêu dài hạn: 100 – 200 ngày
1.2.3.2. Aroonup và Aroondown
Năm 1995, Tushar Chande giới thiệu Aroon với tƣ cách là phƣơng pháp phân
tích kỹ thuật xác định xu thế giá cả của thị trƣờng và cho biết xu thế đó mạnh đến đâu?
Ý tƣởng tính toán Aroon dựa trên việc xác định phiên có giá cao nhất (hoặc nhỏ nhất)
cách phiên hiện tại bao xa trong số các phiên lấy dữ liệu tính. Nếu phiên có giá cao
nhất nằm cách xa phiên hiện tại thì xu thế thị trƣờng có sự chuyển mình sang giảm giá,
nếu phiên có giá thấp nhất nằm cách xa phiên hiện tại thì xu thế thị trƣờng có sự
chuyển mình sang xu thế tăng giá.
Với vai trò nhận định xu thế giả trên thị trƣờng, đồ thị giá trị của Aroon có hai
loại: Loại thứ nhất bao gồm 2 đồ thị biểu thị hai giá trị là Aroon up và Aroon down thể
hiện sức mạnh tăng và giảm giá trên thị trƣờng. Loại thứ 2 biểu thị sự tƣơng quan giữa
sức tăng và sức giảm giá trên thị trƣờng bằng cách lấy hiệu của Aroon up và Aroon

down (Aroon tƣơng quan).

20

Cách tính Aroon nhƣ sau:
Giả sử cần tính giá trị Aroon up và Aroon down cho phiên hiện tại, ta có các giá
trị và công thức nhƣ sau:
- n là số phiên lấy dữ liệu để tính Aroon.
- tup là số phiên trước phiên hiện tại có giá cao nhất trong n phiên.
- tdown là số phiên trước phiên hiện tại có giá thấp nhất trong n phiên.
Ta có các chỉ số Aroon được tính như sau:
Aroon up = 100 (n – tup)/n
Aroon down = 100 (n – tdown)/n
Aroon tƣơng quan = Aroon up – Aroon down
Ví dụ: Tính Aroon cho phiên hiện tại với dữ liệu lấy trong 14 phiên trƣớc đó.
Trong 14 phiên này, phiên có giá cao nhất xảy ra cách hiện tại 5 phiên, phiên có giá
thấp nhất xảy ra cách phiên hiện tại 8 phiên.
Aroon up = 100 (14 – 5) / 14 = 64,29
Aroon down = 100 (14 – 8) / 14 = 42,86
Aroon tƣơng quan = Aroon up – Aroon down = 64,29 – 42,86 = 21,43
Ý nghĩa của chỉ số Aroon:
Bằng cách dựa vào khoảng cách từ phiên hiện tại đến phiên có giá cao nhất
hoặc thấp nhất, ngƣời ta đƣa ra các nhận định sau:
Nếu giá cao nhất vừa đƣợc thiết lập trong các phiên gần phiên hiện tại, Aroon
up có giá trị lớn hơn 50, theo thời gian nếu giá cao nhất này không đƣợc phá bỏ thì giá
trị Aroon up sẽ giảm dần.
Nếu giá thấp nhất vừa đƣợc thiết lập trong các phiên gần phiên hiện tại thì
Aroon down có giá trị lớn hơn 50, theo thời gian nếu giá thấp nhất này không đƣợc
phá bỏ thì giá trị Aroon down sẽ giảm dần.
Nếu Aroon up có giá trị nhỏ hơn 50 nghĩa là phiên có giá cao nhất nằm cách xa

phiên hiện tại, xu thế tăng giá đã mất nếu đang là xu thế tăng giá.
Nếu Aroon down có giá trị nhỏ hơn 50 nghĩa là phiên có giá thấp nhất nằm cách
xa phiên hiện tại, xu thế giảm giá đã không còn nếu đang là xu thế giảm giá.
Nếu Aroon up và Aroon down xấp xỉ nhau, tức là phiên có giá thấp nhất và
phiên có giá cao nhất ở gần nhau, thị trƣờng không đi theo xu hƣớng rõ rệt, xu thế nếu
có cũng rất yếu.
21

Để rõ ràng hơn, Aroon tƣơng quan đƣợc sử dụng để xác định tƣơng quan giữa
Aroon up và Aroon down đại diện cho tƣơng quan giữa xu thế tăng và xu thế giảm.
Aroon tƣơng quan càng gần 0 thì biến động càng không có xu thế tăng hoặc giảm rõ
ràng mà có dạng dập dềnh, Aroon tƣơng quan lớn hơn 0 và càng lớn hơn bao hiêu thì
xu thế tăng giá của thị trƣờng càng lớn bấy nhiêu, Aroon tƣơng quan nhỏ hơn 0 và
càng nhỏ hơn bao nhiêu thì xu thế giảm giá của thị trƣờng càng lớn bấy nhiêu.
Ví dụ: Với Công ty Cổ phần Lƣơng thực Thực phẩm Safoco (SAF)

Hình 1.4: Biểu đồ thể hiện Aroon
- Tại vòng tròn số (1): Aroon tƣơng quan rất lớn, xu thế giá là tăng và xu thế này
rất mạnh.
- Tại vòng tròn số (2): Aroon tƣơng quan rất nhỏ, xu thế giá là giảm và xu thế
này rất mạnh.
- Tại vòng tròn số (3): Xu thế giá xấp xỉ 0, xu thế tăng và giảm không rõ ràng.
1.2.3.3. Đƣờng trung bình trƣợt hội tụ / phân kỳ (Moving Average
Convergence / Divegence – MACD)
Đƣợc phát triển bởi Gerald Appel, Trung bình trƣợt hội tụ / Phân kì (MACD),
là một chỉ số dựa trên động lực của xu thế mà cho biết mối quan hệ giữa hai đƣờng
Trung bình trƣợt của giá cả.
MACD đo lƣờng sự khác biệt giữa trung bình trƣợt mũ 26 ngày và 12 ngày.
Đƣờng trung bình trƣợt mũ 9 ngày, đƣợc gọi là đƣờng tín hiệu đƣợc vẽ ngay trên
đƣờng MACD để chỉ ra các cơ hội mua / bán. Appel xác định các trung bình trƣợt mũ

là tỷ lệ phần trăm. Vì thế, ông đƣa ra các đƣờng trung bình trƣợt thích hợp nhất là
7.5%; 15% và 20%).

22

Cách tính toán:
MACD đƣợc tính bằng cách trừ giá trị của trung bình trƣợt mũ 12 ngày (EMA
12) cho giá trị của trung bình trƣợt mũ 26 ngày (EMA 26). Đƣờng trung bình trƣợt
mũ 9 ngày (EMA 9) của MACD (đƣờng tín hiệu) cũng đƣợc vẽ ngay trên đồ thị của
MACD.
Ý nghĩa MACD:
MACD là chỉ báo cho thấy sự quy tụ hay phân kỳ của trung bình chuyển động.
MACD cho sự khẳng định dấu hiệu thị trƣờng khi đƣờng MA ngắn hạn giao
nhau với đƣờng MA dài hạn.
MACD hoạt động hiệu quả nhất chủ yếu trong các thị trƣờng biến động mạnh.
Có bốn ứng dụng của MACD là các điểm cắt, các điều kiện mua quá nhiều / bán quá
nhiều và các phân kì.
Các điểm cắt: Quy tắc giao dịch cơ bản của MACD là bán khi MACD đi xuống
dƣới đƣờng tín hiệu của nó. Tƣơng tự, tín hiệu mua sẽ đến khi MACD đi lên trên
đƣờng tín hiệu của nó. Cũng có thể mua / bán khi MACD đi lên trên / xuống dƣới
đƣờng 0.
Các điều kiện mua quá nhiều và bán quá nhiều: MACD cũng là một chỉ số mua
quá nhiều và bán quá nhiều khá hữu ích. Khi trung bình trƣợt ngắn vƣợt lên trên
đƣờng trung bình trƣợt dài hơn một cách đột ngột (MACD tăng lên), điều đó có thể
cho biết giá chứng khoán đang tăng quá mức và nó sẽ nhanh chóng trở về giá trị thực.
Các điều kiện mua quá nhiều và bán quá nhiều của MACD có thể khác nhau đối với
mỗi loại chứng khoán khác nhau.
Các phân kì: Phân kì xảy ra khi xu hƣớng của giá chứng khoán không giống
với hƣớng đi của chỉ số. Khi phân kì xảy ra, giá thƣờng đổi hƣớng để xác nhận hƣớng
đi của chỉ số, vì chỉ số thƣờng có thể nhận diện xu thế tốt hơn chính bản thân giá

chứng khoán. Phân kì âm xảy ra khi MACD đang đi xuống trong khi đƣờng giá lại
đang đi lên, dự báo khả năng sắp tới giá chứng khoán sẽ đảo chiều đi xuống. Tƣơng tự,
phân kì dƣơng xảy ra khi MACD đang đi lên trong khi giá lại có xu hƣớng đi xuống.
Tín hiệu này dự báo khả năng giá cổ phiếu sắp đảo chiều đi lên để xác nhận hƣớng đi
của MACD. Cả hai loại phân kì này đều quan trọng nhất khi chúng xảy ra tại các điều
kiện mua quá nhiều / bán quá nhiều.
23

Nhận xét: MACD cũng nhƣ hầu hết các chỉ số khác, MACD có độ chính xác
cao hơn khi thị trƣờng lên hoặc xuống rõ rệt và sẽ chỉ báo thiếu chính xác khi thị
trƣờng có xu hƣớng không rõ ràng.
Ví dụ: Trong đồ thị dƣới đây là cổ phiếu BHS và MACD của nó:

Hình 1.5: Biểu đồ MACD
Các mũi tên xanh hàm chỉ điểm mua vào và mũi tên đỏ báo hiệu nên bán ra. Đồ
thị này cho thấy rằng MACD là một chỉ số theo xu thế chính xác – đƣa ra các tín hiệu
sớm trong giao dịch. Khi xu hƣớng tăng mạnh phát triển, ví dụ nhƣ là vào giữa tháng 6
đến giữa tháng 7/2008, MACD đã có thể phát ra các tín hiệu về mua vào và bán ra khá
chính xác.
1.2.3.4. Chỉ số sức mạnh tƣơng quan RSI (Relative Strengh Index)
Chỉ số RSI là thuật ngữ do J.Welles Wilder khởi xƣớng ra và đƣợc nhắc tới lần
đầu trong cuốn sách “Các khái niệm mới trong hệ thống phân tích kĩ thuật” (New
Concepts in Technical Trading Systems) của mình. Hiện nay RSI là một trong những
chỉ số đƣợc sử dụng rộng rãi và thƣờng xuyên xuất hiện trong các phần mềm phân tích
kĩ thuật.
Cách tính RSI:
- Gọi n là số các phiên trong thời kỳ xác định cần tính RSI.
- Gọi giá trung bình các phiên tăng trong n phiên là AIn = Tổng giá các phiên tăng /n.
- Gọi giá trung bình các phiên giảm trong n phiên là ADn = Tổng giá các phiên
giảm/n.