Tối ưu hóa chiến lược giao dịch chứng khoán Việt Nam bằng phân tích đa khung thời gian
Authors:
Open Access
- 25 July 2026
- journal article
- Published by HoChiMinh University of Banking
- No. 244,p. 5-19
Abstract
Mục tiêu nghiên cứu: Nghiên cứu xây dựng một khuôn khổ đánh giá đa khung thời gian cho giao dịch chứng khoán Việt Nam, sử dụng thuật toán di truyền (Genetic Algorithm -GA) để tinh chỉnh các tham số và kiểm định tính bền vững. Thiết kế nghiên cứu/phương pháp/tiếp cận: Các phân tích được thực hiện với dữ liệu chỉ số VN-Index giai đoạn 2014–2024. Tính bền vững của chiến lược được đánh giá thông qua các giai đoạn thị trường khác nhau. Kết quả nghiên cứu chính: Các chiến lược được tối ưu hóa bằng GA đạt hiệu suất vượt trội và có ý nghĩa thống kê so với chiến lược mặc định. Khi tối ưu hóa đồng thời lợi nhuận và rủi ro, chiến lược dựa trên tỷ lệ Calmar đạt mức độ bền vững cao nhất, với tỷ lệ thành công 83,33% trên dữ liệu kiểm thử. Giá trị đóng góp mới: Nghiên cứu đóng góp một khung phương pháp hiện đại trong việc ứng dụng thống kê và học máy vào quản lý danh mục đầu tư tại thị trường mới nổi.Keywords
This publication has 27 references indexed in Scilit:
- Optimization of drilling rate based on genetic algorithms and machine learning modelsGeoenergy Science and Engineering, 2025
- GraphSAGE with deep reinforcement learning for financial portfolio optimizationExpert Systems with Applications, 2023
- Optimizing Trading Strategies with Bayesian Optimization2023
- Profitability of Ichimoku-Based Trading Rule in Vietnam Stock Market in the Context of the COVID-19 OutbreakComputational Economics, 2022
- Marcos López de Prado: Advances in financial machine learningFinancial Markets and Portfolio Management, 2019
- A Comparative Study of Technical Trading Strategies Using a Genetic AlgorithmComputational Economics, 2016
- On the Uniform Convergence of Relative Frequencies of Events to Their Probabilities2015
- Adopting genetic algorithms for technical analysis and portfolio managementComputers & Mathematics with Applications, 2013
- Multi-objective Optimisation Using Evolutionary Algorithms: An Introduction2011
- Genetic Algorithms2007