Trần Mạnh Hà và Trần Ngọc Mai - Ứng dụng mô hình dữ liệu tần suất cao kết hợp học máy nhằm nâng cao hiệu quả dự báo: nghiên cứu với hợp đồng tương lai dầu thô WTI

Nghiên cứu đánh giá hiệu quả của việc sử dụng dữ liệu tần suất cao và kỹ thuật học máy trong việc nâng cao hiệu quả dự báo biến động. Sử dụng dữ liệu với tần suất 5 phút của hợp đồng tương lai dầu thô WTI với 182,874 quan sát và so sánh kết quả dự báo ba mô hình - GARCH(1,1) sử dụng dữ liệu tần suất thấp, HAR-RV với dữ liệu tần suất cao, và ML-HAR-RV tích hợp học máy, nhóm tác giả chỉ ra rằng việc sử dụng dữ liệu tần suất cao, đặc biệt khi kết hợp với học máy, sẽ mang lại kết quả vượt trội so với các mô hình dự báo thông thường. Bên cạnh đó, kết quả nghiên cứu cũng cho thấy việc sử dụng một năm dữ liệu lịch sử để đào tạo mô hình mang lại kết quả dự báo chính xác hơn so với việc sử dụng khung dữ liệu lịch sử trong hai năm. Kết quả nghiên cứu sẽ có nhiều ý nghĩa đối với các nhà quản lý danh mục đầu tư cũng như các cơ quan quản lý trong việc nghiên cứu và dự báo biến động của các tài sản tài chính.