Phản ứng của thị trường chứng khoán trước các bản tin kinh tế vĩ mô

Huỳnh Tấn Đạt; Từ  Hà Phúc; Đặng Anh Như

doi:10.24311/jabes/2025.36.11.01


Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á
Năm thứ. 36(11) , Tháng 11/2025, Trang 04-22

Phản ứng của thị trường chứng khoán trước các bản tin kinh tế vĩ mô

Huỳnh Tấn Đạt & Từ Hà Phúc & Đặng Anh Như
DOI: 10.24311/jabes/2025.36.11.01 Email: tandat.huynh@student.uts.edu.au Đơn vị công tác: Đại học công nghệ Sydney Ngày nhận bài: 21/08/2025 Ngày nhận bài sửa: 25/12/2025 Ngày duyệt đăng: 12/02/2026 Lượt xem: 155 Downloads: 0 Các định dạng trích dẫn Tóm tắt Nghiên cứu này khám phá phản ứng của VN-Index trước các tin tức kinh tế vĩ mô bằng cách áp dụng xử lý ngôn ngữ tự nhiên và máy học tiên tiến. Nhóm tác giả phân tích 18.253 bài báo kinh tế từ trang cafef.vn, thu thập từ ngày 01/09/2021 đến 31/08/2024, để đánh giá mức độ tác động của 12 yếu tố kinh tế quan trọng và cảm xúc tổng thể. Sử dụng Mô hình ngôn ngữ lớn như GPT-4o-mini (dùng để đánh giá mức độ tác động chính) và Gemini-1.5-flash (đối chiếu với độ tương đồng 70%), mức độ tác động được định lượng và tích hợp với dữ liệu lịch sử VN-Index để xây dựng mô hình XGBoost. Mô hình dự đoán giá đóng cửa VN-Index với R² đạt 0,9879, thể hiện khả năng dự báo vượt trội. Các công cụ trí tuệ nhân tạo giải thích như SHAP và LIME được sử dụng để phân tích, cho thấy “Báo cáo thu nhập và cổ tức”, “Chính sách đầu tư nước ngoài” và “Ổn định chính trị” là yếu tố chính tác động đến biến động VN-Index. Nghiên cứu xác nhận ảnh hưởng mạnh mẽ của tin tức kinh tế lên thị trường, bổ sung lý thuyết nhà đầu tư bất hợp lý bằng cách chứng minh phản ứng nhà đầu tư thay đổi theo loại tin tức, đồng thời nâng cao hiểu biết về động lực thị trường tại các nước mới nổi như Việt Nam và cung cấp khung AI minh bạch hỗ trợ nhà đầu tư ra quyết định. Abstract This study examines the VN-Index's response to macroeconomic news through advanced natural language processing (NLP) and machine learning techniques. The authors analyzed 18,253 economic news articles from Cafef.vn, collected from September 1, 2021, to August 31, 2024, to evaluate the impact of 12 key economic factors and overall sentiment. Utilizing Large Language Models (LLMs) such as GPT-4o-mini (for primary sentiment scoring) and Gemini-1.5-flash (for validation with 70% correlation), the authors quantified sentiment and integrated it with VN-Index historical data to build an XGBoost model. The model predicts VN-Index closing prices with an R² of 0.9879, demonstrating superior forecasting accuracy. Explainable AI (XAI) tools like SHAP and LIME were applied to interpret results, identifying “Earnings Reports and Dividends”, “Foreign Investment Policies”, and “Political Stability” as the main drivers of VN-Index volatility. This research confirms the strong impact of macroeconomic news on stock market dynamics, enriches the “noise trader behavior” theory by illustrating category-specific investor reactions, and provides actionable insights for market dynamics in emerging economies like Vietnam, offering investors a transparent AI framework for decision-making. Từ khóa Phản ứng thị trường chứng khoán; Tin tức kinh tế; Phân tích cảm xúc; Mô hình ngôn ngữ lớn; AI Giải thích Stock market reaction, Economic news, Sentiment analysis, Large Language Models, Explainable AI
Download
Tài liệu tham khảo Andersen, T. G., Bollerslev, T., Diebold, F. X., & Vega, C. (2007). Real-time price discovery in global stock, bond and foreign exchange markets. Journal of International Economics, 73(2), 251-277. https://doi.org/10.1016/j.jinteco.2007.02.004 Bhattacharya, U., & Daouk, H. (2002). The world price of insider trading. The Journal of Finance, 57(1), 75-108. http://www.jstor.org/stable/2697834 Biswas, R. (2023). Vietnam GDP growth improves in third quarter of 2023. S&P Global Market Intelligence. https://www.spglobal.com/marketintelligence/en/mi/research-analysis/vietnam-gdp-growth-improves-in-third-quarter-of-2023-oct23.html Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 2(1), 1-8. https://doi.org/10.1016/j.jocs.2010.12.007 Boudoukh, J., & Richardson, M. (1993). Stock returns and inflation: A long-horizon perspective. The American Economic Review, 83(5), 1346-1355. http://www.jstor.org/stable/2117566 Boutchkova, M., Doshi, H., Durnev, A., & Molchanov, A. (2012). Precarious politics and return volatility. The Review of Financial Studies, 25(4), 1111-1154. https://doi.org/10.1093/rfs/hhr100 Breiman, L. (2001). Random forests. Machine Learning, 45, 5-32. Bunjaku, F. (2024). Decoding the stock market and GDP relationship over the long term: Implications for index fund investments. Studies in Business and Economics, 19, 49-59. https://doi.org/10.2478/sbe-2024-0024 Cao, P. T. H., & Vo, D. H. (2025). Market responses to geopolitical risk and economic policy uncertainty: Evidence from Vietnam. Heliyon, 11(4), e42703. https://doi.org/10.1016/j.heliyon.2025.e42703 Chen, C., Dongxing, W., Chunyan, H., & Xiaojie, Y. (2014). Exploiting social media for stock market prediction with factorization machine. 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT), 2, 142-149. https://doi.org/10.1109/WI-IAT.2014.91 Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 13–17 August 2016, 785-794. https://doi.org/10.1145/2939672.2939785 Chen, W., Liu, W., Zheng, J., & Zhang, X. (2025). Leveraging large language model as news sentiment predictor in stock markets: A knowledge-enhanced strategy. Discover Computing, 28(1), 74. https://doi.org/10.1007/s10791-025-09573-7 Chikwira, C., & Mohammed, J. I. (2023). The impact of the stock market on liquidity and economic growth: Evidence of volatile market. Economies, 11(6). https://doi.org/10.3390/economies11060155 Coates, J. (2007). The goals and promise of the Sarbanes-Oxley Act. Journal of Economic Perspectives, 21, 91-116. https://doi.org/10.1257/jep.21.1.91 De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise trader risk in financial markets. Journal of Political Economy, 98(4), 703-738. https://doi.org/10.1086/261703 Demirgüç-Kunt, A., & Levine, R. (1996). Stock markets, corporate finance, and economic growth: An overview. The World Bank Economic Review, 10(2), 223-239. https://doi.org/10.1093/wber/10.2.223 Dinh, T. S., Bui, T., Bui, T. M. H., & Nguyen, V. B. (2017). Determinants of stock market development: The case of developing countries and Vietnam. Journal of Economic Development, 24, 32-53. https://doi.org/10.24311/jed/2017.24.1.05 Doukas, J., & Lang, H. (2003). Foreign direct investment, diversification and firm performance. Journal of International Business Studies, 34, 153-172. https://doi.org/10.1057/palgrave.jibs.8400014 Downs, T., & Hendershott, P. H. (1987). Tax policy and stock prices. National Tax Journal, 40(2), 183-190. https://doi.org/10.1086/NTJ41788656 Ehrmann, M., & Fratzscher, M. (2005). Equal size, equal role? Interest rate interdependence between the euro area and the United States. The Economic Journal, 115(506), 928-948. http://www.jstor.org/stable/3590356 Fama, E. F., Fisher, L., Jensen, M. C., & Roll, R. (1969). The adjustment of stock prices to new information. International Economic Review, 10(1), 1-21. https://doi.org/10.2307/2525569 Hoi, L. Q., Thu, N. T. H., Hung, N. X., Uyen, P. T., Huong, T. T., Minh, T. T. H., & Anh, H. T. P. (2024). The impact of the global minimum tax on Vietnam’s foreign direct investment attraction. Asia and the Global Economy, 4(2), 100090. https://doi.org/10.1016/j.aglobe.2024.100090 Nguyen, H. D., & Le, V. L. (2024). Impacts of inflation on the Vietnamese stock market in economic turbulence. The VMOST Journal of Social Sciences and Humanities, 66(1), 16-20. https://doi.org/10.31276/VMOSTJOSSH.66(1).16-20 Jensen, M. C., & Ruback, R. S. (1983). The market for corporate control: The scientific evidence. Journal of Financial Economics, 11(1), 5-50. https://doi.org/10.1016/0304-405X(83)90004-1 Khang, P. Q., Kaczmarczyk, K., Tutak, P., Golec, P., Kuziak, K., Depczyński, R., Hernes, M., & Rot, A. (2021). Machine learning for liquidity prediction on Vietnamese stock market. Procedia Computer Science, 192, 3590-3597. https://doi.org/10.1016/j.procs.2021.09.132 Kim, J. (2023). Stock market reaction to US interest rate hike: Evidence from an emerging market. Heliyon, 9(5), e15758. https://doi.org/10.1016/j.heliyon.2023.e15758 Kirtac, K., & Germano, G. (2024). Sentiment trading with large language models. Finance Research Letters, 62, 105227. https://doi.org/10.1016/j.frl.2024.105227 Kwon, B., Park, T., Rungcharoenkitkul, P., & Smets, F. (2025). Parsing the pulse: Decomposing macroeconomic sentiment with LLMs. BIS Working Papers (Issue 1294). Bank for International Settlements. https://EconPapers.repec.org/RePEc:bis:biswps:1294 Lee, B. S. (2010). Stock returns and inflation revisited: An evaluation of the inflation illusion hypothesis. Journal of Banking & Finance, 34(6), 1257-1273. https://doi.org/10.1016/j.jbankfin.2009.11.023 Levine, R. (1997). Financial development and economic growth: Views and agenda. Journal of Economic Literature, 35(2), 688-726. http://www.jstor.org/stable/2729790 Li, X., Wu, P., & Wang, W. (2020). Incorporating stock prices and news sentiments for stock market prediction: A case of Hong Kong. Information Processing & Management, 57(5), 102212. https://doi.org/10.1016/j.ipm.2020.102212 Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. In I. Guyon, U. Von Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan, & R. Garnett (Eds.), Advances in Neural Information Processing Systems (Vol. 30). Curran Associates, Inc. https://proceedings.neurips.cc/paper_files/paper/2017/file/8a20a8621978632d76c43dfd28b67767-Paper.pdf Moeller, S. B., Schlingemann, F. P., & Stulz, R. M. (2004). Firm size and the gains from acquisitions. Journal of Financial Economics, 73(2), 201-228. https://doi.org/10.1016/j.jfineco.2003.07.002 Ngo, N., Nguyen, H., Nguyen, Y., & Le, S. (2024). How does the Vietnamese stock market react when the Fed gives an announcement in time at the zero lower bound?. Heliyon, 10, e40047. https://doi.org/10.1016/j.heliyon.2024.e40047 Nguyen, H. T. T., Tram, H. T. X., & Nguyen, L. T. T. (2023). Interest rates and systemic risk: Evidence from the Vietnamese economy. The Journal of Economic Asymmetries, 27, e00294. https://doi.org/10.1016/j.jeca.2023.e00294 Nguyen, V. C., & Nguyen, T. T. (2022). Dependence between Chinese stock market and Vietnamese stock market during the Covid-19 pandemic. Heliyon, 8(10), e11090. https://doi.org/10.1016/j.heliyon.2022.e11090 Pástor, Ľ., & Veronesi, P. (2013). Political uncertainty and risk premia. Journal of Financial Economics, 110(3), 520–545. https://doi.org/10.1016/j.jfineco.2013.08.007 Phan, T. K. H., Hoai, N., & Tran. (2019). Dividend policy and stock price volatility in an emerging market: Does ownership structure matter? Cogent Economics & Finance, 7(1), 1637051. https://doi.org/10.1080/23322039.2019.1637051 Phuoc, T., Anh, P. T. K., Tam, P. H., & Nguyen, C. V. (2024). Applying machine learning algorithms to predict the stock price trend in the stock market – The case of Vietnam. Humanities and Social Sciences Communications, 11(1), 393. https://doi.org/10.1057/s41599-024-02807-x Ónozó, L. R., Arthur, F. V., & Gyires-Tóth, B. (2024). Leveraging LLMs for financial news analysis and macroeconomic indicator nowcasting. IEEE Access, 12, 160529–160547. https://doi.org/10.1109/ACCESS.2024.3488363 Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). “Why should I trust you?”: Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '16), 1135-1144. Association for Computing Machinery. https://doi.org/10.1145/2939672.2939778 Ritter, J. (2004). Economic growth and equity returns. Pacific-Basin Finance Journal, 13, 489-503. https://doi.org/10.1016/j.pacfin.2005.07.001 Santow, L. J., & Gordon, M. J. (1962). The investment, financing, and valuation of the corporation. https://api.semanticscholar.org/CorpusID:203555679 Su, D. T., Bui, T., Bui, T. M. H., & Nguyen, V. B. (2017). Determinants of stock market development: The case of developing countries and Vietnam. Journal of Economic Development, 24, 32-53. Tetlock, P. C. (2007). Giving content to investor sentiment: The role of media in the stock market. The Journal of Finance, 62(3), 1139-1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x Thanh, N. T., & Linh, D. T. (2016). Impacts of monetary policy on Vietnam stock price. Proceedings of the International Conference on Electronics, Mechanics, Culture and Medicine, 136-142. https://doi.org/10.2991/emcm-15.2016.26 Van, C. B., Cao, T. D., Thi, T. N., Dung, H. P., Minh, H. D., An, L. N. H., & Hong, T. P. (2024). Studying the influence of Vietnamese social media on Vietnamese stock market to forecast market trends. In R. Silhavy & P. Silhavy (Eds.), Artificial Intelligence Algorithm Design for Systems (pp. 437-452). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-70518-2_39 Vuong, Q.-H., Tran, T. D., & Nguyen, T. T. H. (2009). M&A market in Vietnam’s transition economy. Corporate Governance & Finance EJournal. https://api.semanticscholar.org/CorpusID:166249757 Wang, S., & Mayes, D. G. (2012). Monetary policy announcements and stock reactions: An international comparison. The North American Journal of Economics and Finance, 23(2), 145-164. https://doi.org/10.1016/j.najef.2012.02.002 Wei, J., Wang, X., Schuurmans, D., Bosma, M., Richter, B., Xia, F., Chi, E., Le, Q. V., & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. In S. Koyejo, S. Mohamed, A. Agarwal, D. Belgrave, K. Cho, & A. Oh (Eds.), Advances in Neural Information Processing Systems (Vol. 35, pp. 24824-24837). Curran Associates, Inc. https://proceedings.neurips.cc/paper_files/paper/2022/file/9d5609613524ecf4f15af0f7b31abca4-Paper-Conference.pdf World Bank. (2023). Vietnam’s economy forecast to grow 6.3 percent in 2023. World Bank. https://www.worldbank.org/en/news/press-release/2023/03/13/vietnam-s-economy-forecast-to-grow-by-6-3-in-2023-world-bank-report-says

Nghiên cứu tác động của bất ổn toàn cầu đến rủi ro sụp đổ giá cổ phiếu ngành ngân hàng: Bằng chứng từ thị trường Châu Á – Thái Bình Dương

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Nghiên cứu này phân tích tác động của bất ổn toàn cầu đến rủi ro sụp đổ giá cổ phiếu của 565 ngân hàng niêm yết thuộc khu vực Châu Á – Thái Bình Dương (APAC) trong giai đoạn 1995–2023. Nghiên cứu cho thấy bất ổn toàn cầu làm gia tăng nguy cơ sụp đổ giá cổ phiếu ngành ngân hàng, đặc biệt rõ rệt ở các ngân hàng có mức độ bất đồng kỳ vọng giữa các nhà đầu tư cao, có định giá thị trường thấp, hoặc hoạt động tại các quốc gia có cơ chế bảo vệ nhà đầu tư yếu kém. Hàm ý chính sách từ nghiên cứu đề xuất các chính phủ trong khu vực APAC tăng cường giám sát rủi ro hệ thống và hoàn thiện khung bảo vệ nhà đầu tư, đồng thời thúc đẩy phối hợp chính sách ở cấp độ khu vực nhằm ổn định thị trường và nâng cao khả năng chống chịu của hệ thống ngân hàng trước các cú sốc bất ổn toàn cầu. Abstract This study investigates the impact of global uncertainty on the stock price crash risk (SPCR) of 565 listed banks across the Asia–Pacific (APAC) region during the period 1995–2023. We find that SPCR in the banking sector tends to increase during periods of high WUI. The positive effect of global uncertainty on SPCR is significantly stronger for banks with higher levels of investor expectation divergence, lower market value, or those operating in countries with relatively weaker investor protections. These findings have important implications for governments across the APAC region in strengthening risk oversight systems and investor protection frameworks, as well as enhancing regional policy coordination to stabilize financial markets and bolster the banking system’s resilience to uncertainty shocks.

Download

Tác động của dịch COVID-19 đến hiệu quả hoạt động của ngân hàng thương mại Việt Nam

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Dự báo giá trị chịu rủi ro và thua lỗ dự kiến tại thị trường chứng khoán Việt Nam với phân phối xác suất biến thiên theo thời gian

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Bài nghiên cứu này đánh giá về vai trò của ghi nhận biến thiên theo thời gian đối với các mômen bậc cao trong phân phối xác suất có điều kiện của tỷ lệ sinh lời đối với thị trường chứng khoán Việt Nam. Cụ thể, nghiên cứu đánh giá khả năng dự báo giá trị chịu rủi ro (Value at Risk - VaR) và giá trị thua lỗ dự kiến (Expected Shortfall – ES) cho VN-Index và HNX-Index tại hai mốc phân vị phổ biến là 1% và 5% với các giả định khác nhau về phân phối xác suất trong mô hình GARCH. Kết quả thực nghiệm cho thấy mô hình GJR-ACD với giả định các mômen bậc cao của phân phối xác suất có điều kiện biến thiên theo thời gian cho kết quả dự báo tốt nhất đối với cả VaR và ES. Nghiên cứu của chúng tôi cho thấy sự quan trọng của việc ghi nhận tính không chuẩn và biến thiên theo thời gian phân phối xác suất có điều kiện của tỷ lệ sinh lời; từ đó giúp đề xuất mô hình đo lường rủi ro phù hợp cho các tổ chức tài chính và nhà đầu tư trên thị trường chứng khoán Việt Nam. Abstract This paper explores the role of time-varying higher moments in the conditional distribution of financial returns in Vietnam. In particular, the author examines the forecasting performance of several GARCH-type models with alternative conditional distributions in predicting Value at Risk and Expected Shortfall for VN-Index and HNX-Index in both 1% and 5% quantiles over a battery of backtesting methods. Our horserace indicates that the GJR-ACD model with time-varying higher moments and Skewed Generalized Error conditional distribution consistently and significantly outperforms other methods. Our findings highlight the role of allowing for time-varying higher moments in VaR and ES forecasts in Vietnam, which is of particular importance for practitioners and market participants.

Download

Giao dịch của nhà đầu tư tổ chức và tính thông tin của giá cổ phiếu: Bằng chứng thực nghiệm từ thị trường chứng khoán Việt Nam

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tác động của trách nhiệm xã hội đến tính thanh khoản cổ phiếu của công ty: Bằng chứng thực nghiệm từ các thị trường mới nổi

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Nghiên cứu này kiểm định tác động của việc thực hiện trách nhiệm xã hội đến tính thanh khoản cổ phiếu của công ty. Sử dụng mô hình hồi quy dữ liệu bảng có kiểm soát tác động cố định của công ty, ngành và năm áp dụng bộ dữ liệu gồm 159 công ty đến từ các thị trường mới nổi trong giai đoạn 2002 -2016, nghiên cứu chỉ ra rằng các công ty hoạt động trên các thị trường mới nổi có mức độ thực hiện trách nhiệm xã hội càng cao sẽ có tính thanh khoản cổ phiếu càng thấp. Quan hệ nghịch chiều này đến từ cả ba khía cạnh bao gồm chỉ số môi trường, xã hội, và quản trị. Kết quả này phù hợp với giả thuyết đặt ra rằng ở các thị trường mới nổi, tình trạng thao túng thông tin, môi trường thể chế yếu kém, và mức độ bảo vệ nhà đầu tư thấp làm tăng thông tin bất đối xứng và giảm tính thanh khoản cổ phiếu của các công ty. Đặc biệt, mối quan hệ nghịch chiều này bị suy yếu với các công ty được kiểm toán bởi các công ty kiểm toán uy tín hàng đầu hoặc các công ty hoạt động ở các môi trường thể chế mạnh. Abstract This study examines the impact of corporate social responsibility on stock liquidity. Using panel data of 159 companies from emerging markets for the period 2002–2016, the study shows that firms operating in emerging markets with higher levels of social responsibility will have lower stock liquidity. This negative relationship comes from all three aspects of corporate social responsibility including environmental, social, and governance indicators. This result is consistent with the hypothesis that in emerging markets, information manipulation and a lower level of investor protection cause information asymmetry. As a result, investing in corporate social responsibility activities is often viewed as non-transparent, and can even exacerbate asymmetric information. Furthermore, the negative relationship between corporate social responsibility and stock liquidity is weakened for firms audited by leading reputable auditors or firms operating in better institutional environments.

Download