##plugins.themes.huaf_theme.article.main##
Tóm tắt
Trong đầu tư tài chính hiện đại, việc tìm kiếm và xây dựng một công cụ mạnh mẽ và có khả năng hiệu chỉnh nhanh chóng trong tối ưu hóa danh mục đầu tư trở thành nhu cầu cấp thiết để các nhà đầu tư có thể ra quyết định chính xác hơn. Phương pháp học máy ngày càng trở thành ứng dụng phổ biến trong nghiên cứu lĩnh vực tài chính, từ phân tích dự báo đến phức tạp như trong quản lý và tối ưu hóa danh mục đầu tư. Bài viết sử dụng phương pháp Rừng ngẫu nhiên (Random Forest - RF) và Hồi quy Vector hỗ trợ (Support Vector Regression - SVR) để dự báo lợi nhuận cổ phiếu, đồng thời tiến hành so sánh hiệu quả của hai chiến lược tối ưu hóa danh mục đầu tư: MVP (Mean-Variance Portfolio) và MVF (Mean-Variance with Forecasting. Nghiên cứu sử dụng danh mục đầu tư gồm các cổ phiếu trong danh mục 30 cổ phiếu vốn hóa lớn nhất (VN30) của Sở giao dịch chứng khoán Thành phố Hồ Chí Minh. Sau khi sàng lọc các điều kiện, mẫu nghiên cứu còn 22 cổ phiếu. Kết quả nghiên cứu chỉ ra kết hợp của phương pháp SVR và MVF mang lại hiệu quả tốt nhất trong các chiến lược tối ưu hóa danh mục đầu tư.
Từ khóa: Tối ưu hóa danh mục đầu tư; Học máy; VN30; Rừng ngẫu nhiên; Hồi quy Vector hỗ trợ.