Mô hình dự báo khả năng tăng giá cổ phiếu ngành vận tải Việt Nam
Tóm tắt:
Nghiên cứu xây dựng mô hình dự báo khả năng tăng giá cổ phiếu của các doanh nghiệp vận tải tại VN giai đoạn 2020-2021 bằng phương pháp mạng thần kinh nhân tạo (ANN). Nghiên cứu sử dụng dữ liệu thu thập theo từng quý của 93 doanh nghiệp vận tải. Kết quả từ ANN cho thấy rằng, các yếu tố quan trọng của mô hình dự báo khả năng tăng giá cổ phiếu bao gồm doanh thu (DT), giá cổ phiếu kỳ trước (PT-1), thu nhập trên mỗi cổ phiếu (EPS), lạm phát (INF), số ca nhiễm Covid- 19 (CNM) và tỷ số giá trên thu nhập (P/E). Nghiên cứu này còn xếp hạng các yếu tố này theo mức độ tác động bao gồm doanh thu, giá cổ phiếu kỳ trước, EPS, INF, số ca nhiễm Covid-19 và P/E. Ngoài ra, nghiên cứu so sánh tỷ lệ dự báo giữa mô hình ANN và mô hình hồi quy Logistics. Kết quả chỉ ra rằng đối với tập dữ liệu đầu vào nhỏ, mô hình hồi quy Logistics có khả năng dự báo chính xác cao hơn so với mô hình ANN.
Abstract:
This study aims to build a model to forecast stock price appreciation of transportation enterprises in Vietnam in the period of 2020-2021 using artificial intelligence-artificial neural network (ANN) method. The study uses a quarterly database collected from Vietstock of 93 transport enterprises. The results from ANN show that the important predictors of the stock price appreciation model include revenue (DT), previous stock price (PT-1), earnings per share, and earnings per share. share (EPS), inflation (INF), number of Covid-19 infections (CNM) and price-to-earnings (P/E) ratio. This study can also rank these predictors by impact level including revenue, previous stock price, EPS, INF, Covid-19 cases, and P/E. In addition, the study also compares the prediction ratio between the ANN model and the Logistics regression model. The results show that for the small input data set, the Logistics regression model has higher predictive accuracy than the ANN model.
