Phân tích yếu tố vi mô ảnh hưởng đến hành vi giá cổ phiếu

Yếu tố vi mô (microstructure) như báo cáo tài chính, earnings call, và tin tức có thể tác động mạnh đến hành vi giá cổ phiếu trong ngắn hạn. Bài viết này trình bày cách nhận diện, phân tích và tích hợp các yếu tố này vào mô hình định lượng.

1. Tác động của báo cáo tài chính, earnings call

• Báo cáo tài chính: Công bố kết quả kinh doanh, doanh thu, lợi nhuận, nợ, dòng tiền... thường gây biến động giá mạnh quanh ngày công bố.
• Earnings call: Phát biểu của ban lãnh đạo, Q&A với nhà đầu tư có thể tạo ra kỳ vọng mới, thay đổi sentiment thị trường.

Ví dụ phân tích biến động quanh ngày công bố:

import pandas as pd
# df có cột 'date', 'close', 'event' (True nếu là ngày công bố)
df['return'] = df['close'].pct_change()
event_return = df[df['event']]['return']
print(event_return.describe())

2. Kết hợp dữ liệu vi mô vào mô hình định lượng

• Tạo feature nhị phân: 1 nếu là ngày có sự kiện, 0 nếu không.
• Tính toán biến động trước/sau sự kiện làm feature cho mô hình dự báo.
• Kết hợp với dữ liệu giá, volume, order book...

Ví dụ tạo feature sự kiện:

df['is_event'] = df['event'].astype(int)

3. Tích hợp NLP để phân tích sentiment từ tin tức

• Sử dụng NLP để phân loại sentiment (tích cực/trung tính/tiêu cực) từ tin tức, earnings call transcript.
• Kết hợp score sentiment làm feature cho mô hình định lượng.

Ví dụ dùng TextBlob để phân tích sentiment:

from textblob import TextBlob

def get_sentiment(text):
    blob = TextBlob(text)
    return blob.sentiment.polarity

df['sentiment'] = df['news'].apply(get_sentiment)

4. Ứng dụng vào mô hình định lượng

• Kết hợp các feature vi mô (event, sentiment, biến động quanh sự kiện) vào mô hình dự báo giá hoặc xác suất tăng/giảm.
• Có thể dùng Logistic Regression, Random Forest, XGBoost...

Ví dụ đơn giản:

features = ['is_event', 'sentiment', 'return_lag1', 'volume']
X = df[features]
y = (df['close'].shift(-1) > df['close']).astype(int)
# Tiếp tục với pipeline ML như các bài trước

Tổng kết

• Yếu tố vi mô như báo cáo tài chính, earnings call, sentiment tin tức có thể tác động mạnh đến giá cổ phiếu.
• Tích hợp các yếu tố này vào mô hình định lượng giúp tăng độ chính xác dự báo.
• NLP là công cụ mạnh để khai thác dữ liệu phi cấu trúc như tin tức, transcript.

Chúc bạn thành công với các mô hình định lượng kết hợp dữ liệu vi mô!