Tổng quan về luận án

Luận án tiến sĩ này thuộc chuyên ngành Toán ứng dụng, mã số 9.12, được thực hiện bởi Nghiên cứu sinh Lộc Trí Tuyên tại Học viện Khoa học và Công nghệ - Viện Hàn lâm Khoa học và Công nghệ Việt Nam. Nghiên cứu mang tính tiên phong trong việc mở rộng lý thuyết Martingale và ứng dụng kiểm định giả thuyết Martingale hiệu quả vào bối cảnh dữ liệu đa trị, đặc biệt trong kinh tế và tài chính. Bối cảnh khoa học hiện nay cho thấy sự phát triển mạnh mẽ của các mô hình dự báo dựa trên xu hướng, chẳng hạn như Hidden Markov Models (HMM) và Fuzzy Time Series (FTS) [9, 10, 11, 12, 13, 14, 15], cho thấy hiệu quả vượt trội so với các mô hình cổ điển. Điều này tạo ra một mâu thuẫn rõ ràng với Giả thuyết Thị trường Hiệu quả (EMH) của Fama [1] – được trao giải Nobel Kinh tế năm 2013 – vốn khẳng định rằng giá cổ phiếu khó có thể dự báo trong ngắn hạn.

Nghiên cứu này xác định một research gap cụ thể: "Cho đến nay, mặc dù hầu hết các kết quả về các định lý giới hạn cho dãy biến ngẫu nhiên đơn trị đã được mở rộng và chứng minh trong trường hợp đa trị. Tuy nhiên, các kết quả tương ứng đối với hiệu martingale trong trường hợp đa trị vẫn chưa được nghiên cứu đầy đủ." Đặc biệt, việc định nghĩa trực tiếp hiệu martingale đa trị (Dn = Xn - Xn-1) dẫn đến sự suy biến về trường hợp đơn trị [23, Định lý 2.72], làm mất đi ý nghĩa của dữ liệu đa trị thực sự. Hơn nữa, các tiêu chuẩn kiểm định Giả thuyết Martingale Hiệu quả (MDH) hiện tại chỉ là điều kiện cần và không đủ để kiểm tra khả năng dự báo của xu hướng thay đổi của cổ phiếu.

Để giải quyết khoảng trống này, luận án đề xuất nghiên cứu "hiệu martingale yếu đa trị" (WSMD) – một khái niệm mới mà "0 ∈ E[Dn|Fn-1], ∀n ≥ 2" – để đánh giá tính cân bằng và khả năng dự báo của xu hướng thay đổi của các chỉ số tài chính, kinh tế. Các câu hỏi nghiên cứu chính bao gồm:

  1. Định nghĩa và các tính chất toán học của hiệu martingale yếu đa trị là gì?
  2. Điều kiện cần và đủ để một dãy biến ngẫu nhiên đa trị là hiệu martingale yếu đa trị là gì?
  3. Có tồn tại luật số lớn nào cho dãy hiệu martingale yếu đa trị không?
  4. Làm thế nào để xây dựng một phương pháp kiểm định thống kê cho giả thuyết hiệu martingale yếu đa trị (WSMDH)?
  5. Kết quả kiểm định WSMDH trên dữ liệu thực tế cho thấy điều gì về khả năng dự báo xu hướng của các chỉ số tài chính so với khả năng dự báo giá của MDH?

Khung lý thuyết của luận án được xây dựng dựa trên các nền tảng của lý thuyết xác suất trong không gian Banach, lý thuyết tập hợp mờ, và các lý thuyết về biến ngẫu nhiên đa trị. Nó mở rộng các khái niệm Martingale và Luật Số Lớn từ biến ngẫu nhiên đơn trị sang biến ngẫu nhiên đa trị.

Luận án đóng góp đột phá thông qua việc định nghĩa và đặc trưng hóa WSMD, cùng với việc chứng minh Luật Số Lớn dạng Marcinkiewicz-Zygmund cho WSMD, mang lại khả năng kiểm tra thực nghiệm thuận tiện hơn. Đặc biệt, luận án phát triển một phương pháp kiểm định WSMDH mới, cho phép phân tích khả năng dự báo xu hướng độc lập với khả năng dự báo giá. Công trình này được hỗ trợ bởi 01 bài báo quốc tế (thuộc danh mục ESCI-ISI) [A2] và 01 bài báo trên Tạp chí Tin học và Điều khiển học [A1], cùng 02 báo cáo tại hội thảo quốc gia [A3, A4]. Phạm vi nghiên cứu bao gồm các khái niệm lý thuyết về xác suất thống kê trong không gian Banach và ứng dụng thống kê trên chuỗi thời gian tài chính, kinh tế. Luận án tập trung vào kiểm định yếu của thị trường hiệu quả thông qua việc phân tích dữ liệu về tỷ giá hối đoái (EUR/USD, VND/USD, CAD, GBP, JPY) và các chỉ số chứng khoán quốc tế (S&P500, DJIA, FTSE, HSI) cũng như Việt Nam (VNI). Luận án này có khả năng ảnh hưởng sâu rộng đến nghiên cứu học thuật và thực tiễn thị trường tài chính, định lượng được lợi ích trong việc phát triển các mô hình dự báo xu hướng.

Literature Review và Positioning

Nghiên cứu này tổng hợp các dòng lý thuyết chính xoay quanh Giả thuyết Thị trường Hiệu quả (EMH) và lý thuyết Martingale, đồng thời mở rộng chúng vào lĩnh vực biến ngẫu nhiên đa trị. Dựa trên công trình nền tảng của Eugene F. Fama [1] từ năm 1970, EMH được chia thành ba dạng kiểm định: yếu (dựa trên lịch sử giá), bán mạnh (dựa trên thông tin công khai) và mạnh (dựa trên mọi thông tin). Luận án này tập trung vào dạng kiểm định yếu thông qua Giả thuyết Hiệu Martingale (MDH), E[dt+1|Ft] = 0, trong đó dt+1 là lợi suất của cổ phiếu. Các tiêu chuẩn kiểm định MDH khác nhau đã được phát triển bởi Fama [3], Lo và MacKinlay [8], và nhiều tác giả khác [4, 5, 6, 7].

Tuy nhiên, luận án chỉ ra một mâu thuẫn quan trọng: "mặc dù nhiều thị trường ủng hộ MDH (tức là khó dự báo giá cổ phiếu), nhưng các mô hình dự báo giá cổ phiếu trong ngắn hạn vẫn được phát triển liên tục và cho thấy hiệu quả tốt hơn." Điều này ám chỉ rằng các kiểm định MDH hiện tại có thể không phản ánh đầy đủ khả năng dự báo, đặc biệt là khả năng dự báo "xu hướng" của chuỗi thời gian. Các mô hình dự báo dựa trên xu hướng, như Mô hình Markov Ẩn (HMM) và Chuỗi Thời gian Mờ (FTS), đã chứng minh hiệu quả [9, 10, 11, 12, 13, 14, 15]. Hossein Javedani Sadaei (2014) [12] đã chỉ ra rằng độ chính xác dự báo phụ thuộc vào xu hướng thay đổi của chuỗi thời gian.

Trong bối cảnh biến ngẫu nhiên đa trị, luận án tổng quan sâu rộng về các khái niệm cơ bản như định nghĩa biến ngẫu nhiên đa trị, lát cắt (selection) khả tích [23, 24], tích phân Aumann [25] để định nghĩa kỳ vọng. Các loại hội tụ trong siêu không gian, bao gồm hội tụ theo khoảng cách Hausdorff, hội tụ yếu, hội tụ Wijsman, và đặc biệt là hội tụ Kuratowski-Mosco [26], được hệ thống hóa. Các định lý giới hạn cho biến ngẫu nhiên đa trị đã đạt được nhiều thành tựu, như Luật Số Lớn và Định lý Giới hạn Trung tâm cho các biến ngẫu nhiên đa trị độc lập cùng phân phối và không cùng phân phối [26], cũng như định lý hội tụ của martingale đa trị [26].

Tuy nhiên, khoảng trống lớn nhất trong tài liệu là sự thiếu vắng của một khái niệm "hiệu martingale đa trị" thực sự có ý nghĩa và các kết quả tương ứng. Luận án khẳng định: "các kết quả tương ứng đối với hiệu martingale trong trường hợp đa trị vẫn chưa được nghiên cứu đầy đủ." Định nghĩa trực tiếp hiệu (Dn = Xn - Xn-1) làm suy biến biến ngẫu nhiên đa trị về đơn trị [23, Định lý 2.72]. Do đó, luận án định vị mình bằng cách đề xuất một khái niệm mới: "hiệu martingale yếu đa trị" (WSMD), thỏa mãn điều kiện "0 ∈ E[Dn|Fn-1], ∀n ≥ 2". Khái niệm này được phát triển dựa trên công trình của Fatima Ezzaki [28] nhưng với việc cải tiến và giảm nhẹ điều kiện áp đặt, mở rộng đáng kể phạm vi ứng dụng.

So sánh với ít nhất hai nghiên cứu quốc tế, luận án khác biệt với các nghiên cứu MDH truyền thống như Fama [1] hay Lo và MacKinlay [8] vốn chỉ tập trung vào dữ liệu đơn trị (giá hoặc lợi suất). Trong khi đó, các công trình của Beresteanu và Molinari [46] hay Tamer, Berry, và Ciliberto [41, 42, 43] đã ứng dụng biến ngẫu nhiên đa trị trong kinh tế lượng để xác định miền nhận dạng (identification regions) và suy luận thống kê, nhưng chưa mở rộng đến kiểm định giả thuyết hiệu martingale cho xu hướng đa trị. Luận án này tiến xa hơn bằng cách cung cấp một khuôn khổ lý thuyết và thực nghiệm để kiểm định tính dự báo của xu hướng, vốn là yếu tố được các mô hình HMM và FTS khai thác hiệu quả, từ đó làm rõ hơn sự phức tạp của thị trường tài chính ngoài khuôn khổ MDH đơn thuần.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào lý thuyết xác suất và thống kê trong không gian Banach bằng cách mở rộng và thách thức một số lý thuyết hiện có, đặc biệt là trong lĩnh vực biến ngẫu nhiên đa trị. Thứ nhất, luận án mở rộng và cải tiến Định lý của Fatima Ezzaki [28] về đặc trưng của hiệu martingale đa trị. Cụ thể, Ezzaki đã chứng minh một điều kiện cần, nhưng luận án này đã "cải tiến cách chứng minh của Fatima Ezzaki [28] đồng thời giảm nhẹ điều kiện áp đặt lên giả thiết hơn rất nhiều so với phát biểu của Ezzaki." Điều này được thể hiện trong Định lý 2.1 của luận án, khẳng định rằng một dãy biến ngẫu nhiên đa trị {Dn, Fn, n ≥ 1} trong không gian L1[Ω, F, P; K(X)] là một hiệu martingale yếu đa trị (WSMD) khi và chỉ khi nó chứa một lát cắt hiệu martingale. Việc giảm nhẹ điều kiện "khả tích bị chặn lên kỳ vọng của dãy biến ngẫu nhiên đa trị" và thay bằng "điều kiện khả tích bị chặn cho dãy biến ngẫu nhiên đa trị bất kỳ" mở rộng đáng kể phạm vi ứng dụng của lý thuyết này, cho phép áp dụng cho nhiều lớp dữ liệu hơn trong thực tiễn. Thứ hai, luận án chứng minh một luật số lớn dạng Marcinkiewicz-Zygmund cho hiệu martingale yếu đa trị trong không gian Banach khả ly p-trơn đều (với 1 ≤ p ≤ 2). Dạng luật số lớn này được George Stoica [29] chỉ ra rằng "việc đánh giá tốc độ hội tụ thuận tiện hơn luật số lớn dạng Brunk, đồng thời điều kiện áp đặt của luật số lớn dạng Marcinkiewicz-Zygmund cũng dễ kiểm tra hơn trong thực tiễn." Điều này không chỉ là một đóng góp lý thuyết thuần túy mà còn mang lại công cụ mạnh mẽ hơn để phân tích hành vi hội tụ của các chuỗi thời gian đa trị trong ứng dụng. Các đóng góp này không chỉ kéo dài các lý thuyết về Martingale trong không gian Banach mà còn cung cấp một nền tảng vững chắc cho việc phát triển các mô hình thống kê và kinh tế lượng mới cho dữ liệu đa trị. Luận án gợi ý một sự thay đổi trong cách chúng ta xem xét tính hiệu quả của thị trường tài chính, không chỉ dựa trên khả năng dự báo giá (như trong EMH của Fama [1]) mà còn dựa trên khả năng dự báo xu hướng, được định nghĩa thông qua WSMDH.

Khung phân tích độc đáo

Khung phân tích của luận án là độc đáo bởi sự tích hợp sâu sắc giữa lý thuyết xác suất đa trị, giải tích hàm và ứng dụng trong kinh tế lượng. Nó kết hợp:

  1. Lý thuyết biến ngẫu nhiên đa trị: Sử dụng các khái niệm về tập hợp con đóng khác rỗng K(X) của không gian Banach X, lát cắt khả tích (integrable selections) SpF, tích phân Aumann [25] để định nghĩa kỳ vọng E[F] = cl Z FdP, và kỳ vọng điều kiện E[F|A] = cl{E[f|A]: f ∈ SF} [26].
  2. Lý thuyết không gian Banach: Áp dụng các tính chất của không gian Banach khả ly p-trơn đều (1 ≤ p ≤ 2) và tính chất Radon-Nikodym (RNP) [48] để chứng minh các định lý giới hạn và luật số lớn.
  3. Lý thuyết thị trường hiệu quả (EMH) của Fama [1]: Luận án đặt các đóng góp của mình vào bối cảnh EMH, nhưng đồng thời chỉ ra những hạn chế của các kiểm định MDH truyền thống khi đối mặt với các mô hình dự báo dựa trên xu hướng.

Phương pháp phân tích độc đáo nằm ở chỗ nó không cố gắng định nghĩa hiệu martingale đa trị một cách trực tiếp (vì sẽ suy biến thành đơn trị theo [23, Định lý 2.72]), mà thay vào đó, đề xuất khái niệm "hiệu martingale yếu đa trị" (WSMD) dựa trên điều kiện "0 ∈ E[Dn|Fn-1]". Điều này cho phép giữ được tính đa trị của dữ liệu trong khi vẫn nắm bắt được bản chất "cân bằng" hoặc "không thể dự báo" của xu hướng. Các đóng góp khái niệm chính bao gồm:

  • Định nghĩa rõ ràng về "hiệu martingale yếu đa trị" (Weak Multivalued Martingale Difference - WSMD).
  • Đặc trưng hóa WSMD thông qua sự tồn tại của lát cắt hiệu martingale, tạo cầu nối giữa lý thuyết đơn trị và đa trị.
  • Thiết lập các điều kiện biên (boundary conditions) cho tính chất WSMD, ví dụ, việc yêu cầu không gian Banach phải có tính p-trơn đều và tính phản xạ để đảm bảo các định lý hội tụ. Điều này được chứng minh trong Định lý 2.1 của luận án, trong đó "X là không gian Banach khả ly, có tính phản xạ". Cách tiếp cận này cung cấp một khung phân tích mạnh mẽ không chỉ cho việc hiểu sâu hơn về các chuỗi thời gian đa trị mà còn cho việc phát triển các công cụ thống kê mới để kiểm định các giả thuyết phức tạp hơn về hành vi thị trường.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này mang tính triết học thực chứng (positivist philosophy), nhằm khám phá các quy luật khách quan và mối quan hệ nhân quả thông qua các định lý toán học và kiểm định thống kê. Nó sử dụng một phương pháp kết hợp (mixed methods) sáng tạo. Mặc dù không phải là mixed methods theo nghĩa định tính-định lượng, nhưng nó kết hợp một cách chặt chẽ giữa:

  1. Phát triển lý thuyết toán học thuần túy: Xây dựng định nghĩa, chứng minh các định lý (ví dụ: đặc trưng của WSMD và luật số lớn) trong không gian Banach.
  2. Ứng dụng thống kê định lượng: Phát triển phương pháp kiểm định giả thuyết thống kê WSMDH và áp dụng trên dữ liệu thực tế. Đây là một thiết kế đa cấp (multi-level design) ở chỗ nó bắt đầu từ cấp độ trừu tượng cao của không gian Banach (level 1), chuyển sang cấp độ khái niệm toán học cụ thể (WSMD - level 2), và cuối cùng là cấp độ ứng dụng thực nghiệm trên dữ liệu tài chính (level 3). Kích thước mẫu (sample size) và tiêu chí lựa chọn:
  • Dữ liệu mô phỏng: Dữ liệu được mô phỏng để kiểm tra tính đúng đắn của phương pháp kiểm định WSMDH dưới cả hai trường hợp "hiệu martingale" và "không phải hiệu martingale". Điều này cho phép kiểm soát chặt chẽ các biến và xác nhận tính hợp lệ của phương pháp trước khi áp dụng vào dữ liệu thực.
  • Dữ liệu thực tế: Gồm tỷ giá ngoại tệ và chỉ số chứng khoán. Các tỷ giá bao gồm Euro (EUR), Canadian Dollar (CAD), British Pound Sterling (GBP), Japanese Yen (YEN) và Vietnamese Dong (VND) so với USD. Các chỉ số chứng khoán bao gồm S&P500, Dow Jones Industrial Average (DJIA), Financial Times Stock Exchange 100 Index (FTSE), Hong Kong Hang Seng Index (HSI), và Vietnam Stock Index (VNI). Thời gian nghiên cứu không được nêu rõ nhưng ngụ ý là các chuỗi thời gian dài đủ để kiểm định thống kê. Các tiêu chí lựa chọn cụ thể không được nêu rõ trong đoạn trích nhưng ngụ ý là các chuỗi thời gian tài chính phổ biến, có tính đại diện và có sẵn dữ liệu lịch sử.

Quy trình nghiên cứu nghiêm ngặt

Quy trình nghiên cứu được thực hiện với độ nghiêm ngặt cao:

  1. Chiến lược lấy mẫu (Sampling strategy): Đối với dữ liệu tài chính, các chuỗi thời gian được chọn là các chỉ số đại diện và tỷ giá ngoại tệ phổ biến. Không có tiêu chí loại trừ rõ ràng nào được nêu, nhưng việc chọn các chuỗi thời gian ổn định và có lịch sử dữ liệu đầy đủ là cần thiết cho các phân tích chuỗi thời gian.
  2. Giao thức thu thập dữ liệu (Data collection protocols): Dữ liệu được thu thập từ các nguồn tài chính công khai, thường là dữ liệu giá đóng cửa hàng ngày hoặc lợi suất được tính toán từ đó. Luận án mô tả việc sử dụng "tăng trưởng quan sát (observations) theo ngày của tỷ giá đồng Euro (Euro), Canadian Dollar (Can), Pound (Pound), Japanese Yen (Yen) và Vietnamdong (VND) so với đồng US dollar" và "tăng trưởng quan sát (observations) theo ngày của các chỉ số chứng khoán S&P500 (S&P500), Dow Jones Industrial Average (DJIA), Financial Times Stock Exchange 100 Index (FTSE), Hong Kong Hang Seng Index (HSI) và Vietnam Stock Index (VND)".
  3. Triangulation: Mặc dù không sử dụng triangulation theo nghĩa đa phương pháp định tính-định lượng, luận án sử dụng một hình thức triangulation lý thuyết và phương pháp:
    • Triangulation lý thuyết: So sánh kết quả của WSMDH với MDH truyền thống để cung cấp một cái nhìn toàn diện hơn về tính hiệu quả của thị trường.
    • Triangulation phương pháp: Áp dụng phương pháp kiểm định trên cả dữ liệu mô phỏng (để xác nhận tính đúng đắn) và dữ liệu thực tế (để kiểm tra tính ứng dụng và ý nghĩa).
  4. Tính hợp lệ (Validity) và độ tin cậy (Reliability):
    • Tính hợp lệ xây dựng (Construct validity): Khái niệm WSMD được xây dựng dựa trên nền tảng lý thuyết vững chắc của biến ngẫu nhiên đa trị và tích phân Aumann, đồng thời giải quyết các hạn chế của định nghĩa hiệu martingale đa trị trực tiếp.
    • Tính hợp lệ nội tại (Internal validity): Phương pháp kiểm định được kiểm tra trên dữ liệu mô phỏng, đảm bảo rằng nó có thể phân biệt chính xác giữa các chuỗi WSMDH và không phải WSMDH.
    • Tính hợp lệ bên ngoài (External validity): Kết quả được áp dụng cho nhiều chỉ số tài chính và tỷ giá ngoại tệ khác nhau, cả quốc tế và Việt Nam, để đánh giá tính khái quát hóa của phát hiện.
    • Độ tin cậy (Reliability): Phương pháp kiểm định WSMDH được thiết kế để đưa ra kết quả nhất quán khi áp dụng lặp lại trên cùng dữ liệu hoặc dữ liệu tương tự. Mặc dù giá trị α (alpha values) không được báo cáo trực tiếp, nhưng việc sử dụng p-values và mức ý nghĩa thống kê là một phần của quy trình đảm bảo độ tin cậy.

Data và phân tích

Đặc điểm mẫu (Sample characteristics) đã được mô tả ở trên, bao gồm các chỉ số chứng khoán và tỷ giá ngoại tệ, đại diện cho các thị trường phát triển và đang phát triển. Dữ liệu được biểu diễn dưới dạng tăng trưởng quan sát hàng ngày (returns). Luận án cũng đề cập đến "Phân phối thực nghiệm của tăng trưởng của tỷ giá ngoại tệ và chỉ số chứng khoán" (Hình 3.3). Các kỹ thuật phân tích tiên tiến được sử dụng:

  • Mở rộng kiểm định MDH: Luận án mở rộng các tiêu chuẩn kiểm định MDH đã biết (dựa trên độ đo tuyến tính và phi tuyến) sang bối cảnh đa trị bằng cách áp dụng chúng cho "tập các lát cắt" của hiệu martingale yếu đa trị.
  • Kiểm định WSMDH: Đề xuất một phương pháp kiểm định giả thuyết WSMDH thông qua việc kiểm tra xem tập các lát cắt hiệu martingale của nó có khác rỗng và "đủ giàu" hay không.
  • Phân tích trên dữ liệu mô phỏng: "Kiểm định WSMDH lát cắt ngẫu nhiên cho dữ liệu mô phỏng" được thực hiện để đánh giá tính phù hợp của phương pháp, bao gồm cả trường hợp dãy martingale và không phải martingale, thậm chí có "1 lát cắt không phải MDS" trong dãy mô phỏng có xu hướng tăng.
  • Phân tích trên dữ liệu thực: "Kiểm định WSMDH lát cắt ngẫu nhiên cho dữ liệu thực" được áp dụng cho các chỉ số tài chính, sử dụng "500 lát cắt mẫu" cho trường hợp độ đo tuyến tính và "15 lát cắt mẫu" cho trường hợp độ đo phi tuyến.
  • Kiểm tra tính vững chắc (Robustness checks): Bằng cách so sánh kết quả kiểm định WSMDH với MDH truyền thống trên cùng dữ liệu thực tế, luận án thực hiện một hình thức kiểm tra tính vững chắc, xác định "sự khác biệt giữa kết quả kiểm định MDH cho khả năng dự báo được của giá cổ phiếu trong đơn trị với kiểm định WSMDH cho khả năng dự báo xu hướng của cổ phiếu trong đa trị."
  • Báo cáo cỡ hiệu ứng (Effect sizes) và khoảng tin cậy (Confidence intervals): Mặc dù không trình bày chi tiết trong đoạn trích, việc báo cáo "p-value" trong các bảng kết quả ("Bảng 3.2, Bảng 3.3, Bảng 3.4, Bảng 3.5") cho thấy luận án sử dụng các chỉ số thống kê tiêu chuẩn để đánh giá ý nghĩa của các phát hiện. Các p-value được cung cấp cho "Khả năng dự báo được theo nghĩa tuyến tính của các tăng trưởng của tỷ giá ngoại tệ" và "Khả năng dự báo được theo nghĩa phi tuyến của tỷ giá ngoại tệ: p-value" cũng như cho chứng khoán. Ví dụ, Bảng 3.1 cho thấy khả năng dự báo theo nghĩa tuyến tính của các tăng trưởng tỷ giá ngoại tệ và chỉ số chứng khoán, trong khi Bảng 3.3 và 3.4 trình bày p-value của kiểm định MDH theo nghĩa phi tuyến.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được các phát hiện then chốt với bằng chứng cụ thể từ dữ liệu mô phỏng và thực tế:

  1. Đặc trưng hóa và Luật Số Lớn cho WSMD: Luận án định nghĩa và chứng minh đặc trưng của hiệu martingale yếu đa trị (WSMD) bằng Định lý 2.1: một dãy {Dn, Fn, n ≥ 1} là WSMD khi và chỉ khi nó chứa một lát cắt hiệu martingale. Phát hiện này củng cố nền tảng lý thuyết cho WSMD. Hơn nữa, luận án đã chứng minh một Luật Số Lớn dạng Marcinkiewicz-Zygmund cho WSMD, cung cấp công cụ toán học để phân tích sự hội tụ của các chuỗi đa trị này.
  2. Khẳng định tính tồn tại của WSMD thực sự: Mệnh đề 2.1 và 2.2 cung cấp các ví dụ cụ thể về dãy biến ngẫu nhiên đa trị thực sự (không suy biến về đơn trị) thỏa mãn định nghĩa WSMD. Ví dụ, nếu {rn, Fn : n ∈ N} là một martingale không âm, thì Dn(ω) = [−rn(ω), rn(ω)] là một hiệu martingale đa trị và do đó là WSMD. Một ví dụ khác trong tài chính là tổng tăng trưởng Xn = Y1 + … + Yn nếu mỗi Yn chứa 0.
  3. Phương pháp kiểm định WSMDH hiệu quả: Phương pháp kiểm định WSMDH đề xuất đã được xác nhận tính đúng đắn trên dữ liệu mô phỏng, thể hiện khả năng phân biệt chính xác giữa các chuỗi là và không phải WSMDH. Điều này được thể hiện qua các kết quả mô phỏng "Kiểm định WSMDH lát cắt ngẫu nhiên cho dữ liệu mô phỏng" và "Kiểm định bởi MDH cho B lát cắt ngẫu nhiên cho dãy mô phỏng có xu hướng tăng và có 1 lát cắt không phải MDS".
  4. Sự khác biệt giữa MDH và WSMDH trên dữ liệu thực: Đây là một phát hiện đột phá quan trọng, cung cấp bằng chứng cụ thể: "luận án đã chỉ ra rằng có những chỉ số chứng khoán ủng hộ MDH nhưng bác bỏ WSMDH và ngược lại." Điều này được hỗ trợ bởi các kết quả kiểm định trên tỷ giá ngoại tệ và chỉ số chứng khoán, ví dụ như trong "Bảng 3.6: Kết quả kiểm định bởi trường hợp độ đo phi tuyến với 15 lát cắt mẫu" cho thấy "có những chỉ số chứng khoán ủng hộ MDH nhưng bác bỏ WSMDH và ngược lại". Kết quả thống kê này, với các p-value được báo cáo, minh họa rằng tiêu chuẩn MDH truyền thống không đại diện cho khả năng dự báo của xu hướng tăng trưởng của cổ phiếu.

Implications đa chiều

Các phát hiện này mang lại những implications sâu rộng:

  • Tiến bộ lý thuyết (Theoretical advances): Đóng góp vào lý thuyết xác suất và giải tích hàm bằng cách mở rộng khái niệm martingale difference sang không gian đa trị, đặc biệt là trong các không gian Banach p-trơn đều, và thiết lập Luật Số Lớn dạng Marcinkiewicz-Zygmund cho WSMD. Nó mở ra hướng nghiên cứu mới về hành vi hội tụ của các chuỗi thời gian đa trị. Luận án đóng góp vào ít nhất hai lý thuyết chính: Lý thuyết Martingale (cụ thể là hiệu martingale) và Lý thuyết biến ngẫu nhiên đa trị.
  • Đổi mới phương pháp luận (Methodological innovations): Đề xuất một phương pháp kiểm định thống kê mới (WSMDH) có thể áp dụng cho các chuỗi thời gian đa trị hoặc để kiểm tra xu hướng dự báo. Phương pháp này có thể được áp dụng trong các ngữ cảnh khác ngoài tài chính, nơi dữ liệu mang tính đa trị hoặc cần phân tích xu hướng.
  • Ứng dụng thực tiễn (Practical applications): Cung cấp các khuyến nghị cụ thể cho nhà đầu tư và phân tích tài chính. Nếu một chỉ số bác bỏ WSMDH, điều đó gợi ý rằng "xu hướng thay đổi của chỉ số kinh tế hay tài chính đó có khả năng dự báo được," khuyến khích việc sử dụng các mô hình dự báo dựa trên xu hướng (như HMM, FTS). Ngược lại, nếu cả MDH và WSMDH đều được ủng hộ, điều đó củng cố niềm tin vào một thị trường hiệu quả toàn diện, khó kiếm lợi nhuận thông qua dự báo giá hoặc xu hướng.
  • Khuyến nghị chính sách (Policy recommendations): Các nhà hoạch định chính sách có thể sử dụng những hiểu biết sâu sắc này để đánh giá mức độ hiệu quả của thị trường tài chính, đặc biệt là trong bối cảnh các chính sách điều tiết hoặc phát triển thị trường. Việc hiểu rõ hơn về khả năng dự báo xu hướng có thể ảnh hưởng đến các chiến lược quản lý rủi ro và ổn định thị trường.
  • Điều kiện khái quát hóa (Generalizability conditions): Các phát hiện về WSMDH có thể được khái quát hóa cho các thị trường tài chính khác hoặc các loại dữ liệu chuỗi thời gian khác miễn là chúng có thể được biểu diễn dưới dạng biến ngẫu nhiên đa trị và được phân tích trong không gian Banach có tính chất phù hợp (ví dụ: p-trơn đều). Phạm vi của luận án là "trong phạm vi hẹp của xác suất thống kê gồm luật số lớn trong cả đơn trị và đa trị cho dãy biến ngẫu nhiên độc lập, martingale, hiệu martingale."

Limitations và Future Research

Luận án thẳng thắn thừa nhận một số hạn chế cụ thể.

  1. Phạm vi không gian nền: Luận án chủ yếu làm việc trong không gian Banach p-trơn đều (1 < p ≤ 2), điều này giới hạn tính khái quát hóa cho các không gian vector tô pô khác hoặc các không gian Banach không thỏa mãn điều kiện này.
  2. Định nghĩa kỳ vọng Aumann: Mặc dù tích phân Aumann [25] là một công cụ mạnh mẽ, việc định nghĩa kỳ vọng của biến ngẫu nhiên đa trị E[F] = cl Z FdP có thể phức tạp trong một số trường hợp và yêu cầu tính khả tích bị chặn. Luận án cũng chỉ ra rằng nếu X có tính chất Radon-Nikodym (RNP), thì kỳ vọng của biến ngẫu nhiên đa trị bằng tích phân Aumann của nó [26, Định lý 1.8], đây là một điều kiện hạn chế.
  3. Khả năng dự báo của xu hướng: Mặc dù phương pháp WSMDH kiểm tra khả năng dự báo của xu hướng, luận án không đi sâu vào việc xây dựng các mô hình dự báo cụ thể dựa trên xu hướng đó, mà chỉ dừng lại ở việc đánh giá liệu xu hướng có thể dự báo được hay không.
  4. Kích thước lát cắt: Trong phần ứng dụng thực nghiệm, luận án sử dụng "500 lát cắt mẫu" cho độ đo tuyến tính và "15 lát cắt mẫu" cho độ đo phi tuyến. Mặc dù đây là các con số cụ thể, nhưng việc đánh giá ảnh hưởng của kích thước lát cắt đến kết quả kiểm định chưa được phân tích sâu.

Các điều kiện biên về ngữ cảnh/mẫu/thời gian: Các kết quả kiểm định thực nghiệm bị giới hạn bởi các dữ liệu tài chính cụ thể được sử dụng (tỷ giá và chỉ số chứng khoán trong một giai đoạn thời gian nhất định). Tính khái quát hóa cho các thị trường khác hoặc các chu kỳ kinh tế khác cần được kiểm tra thêm.

Chương trình nghiên cứu trong tương lai được đề xuất với 4-5 hướng cụ thể:

  1. Cải tiến phương pháp luận: Nghiên cứu các phương pháp kiểm định WSMDH hiệu quả hơn hoặc mở rộng sang các loại biến ngẫu nhiên đa trị khác (ví dụ: biến ngẫu nhiên đa trị không lồi).
  2. Mở rộng lý thuyết Martingale: Phát triển các định lý giới hạn khác cho WSMD (ví dụ: Định lý giới hạn trung tâm) hoặc nghiên cứu các dạng phụ thuộc khác trong biến ngẫu nhiên đa trị.
  3. Phát triển mô hình dự báo: Xây dựng và kiểm tra các mô hình dự báo cụ thể dựa trên xu hướng có thể dự báo được (theo WSMDH) để khai thác các insights thực nghiệm từ luận án.
  4. Ứng dụng đa ngành: Áp dụng khái niệm WSMD và phương pháp kiểm định liên quan vào các lĩnh vực khác ngoài kinh tế-tài chính, nơi dữ liệu đa trị hoặc xu hướng là quan trọng (ví dụ: y sinh, khoa học môi trường, khoa học dữ liệu).
  5. Nghiên cứu định lượng tác động của kích thước lát cắt: Khảo sát một cách hệ thống ảnh hưởng của số lượng lát cắt được chọn trong kiểm định WSMDH đến độ chính xác và tính vững chắc của kết quả.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng đa chiều:

  • Tác động học thuật (Academic impact): Luận án đã đóng góp 01 bài báo quốc tế (ESCI-ISI) [A2] và 01 bài báo trên Tạp chí Tin học và Điều khiển học [A1], cùng 02 báo cáo tại hội thảo quốc gia [A3, A4]. Các đóng góp lý thuyết về định nghĩa và đặc trưng hóa WSMD, cùng với Luật Số Lớn dạng Marcinkiewicz-Zygmund, sẽ mở ra các hướng nghiên cứu mới trong lý thuyết xác suất đa trị và giải tích hàm. Ước tính số lượng trích dẫn tiềm năng có thể đạt được trong cộng đồng toán học ứng dụng và kinh tế lượng, đặc biệt là những nhà nghiên cứu quan tâm đến hành vi của các chuỗi thời gian phức tạp và dữ liệu đa trị. Luận án tạo ra một nền tảng mới để đánh giá giả thuyết thị trường hiệu quả, vượt ra ngoài các kiểm định MDH đơn trị truyền thống của Fama [1].

  • Chuyển đổi ngành (Industry transformation): Phát hiện về sự khác biệt giữa MDH và WSMDH có thể dẫn đến sự chuyển đổi trong cách các nhà phân tích tài chính và quản lý quỹ đánh giá tính hiệu quả của thị trường và xây dựng chiến lược đầu tư. Nếu một thị trường bác bỏ WSMDH, nó khuyến khích các công ty R&D trong ngành tài chính phát triển và ứng dụng mạnh mẽ hơn các "mô hình dự báo dựa trên xu hướng" (như HMM và FTS) để khai thác các cơ hội dự báo. Ngược lại, nếu cả hai giả thuyết đều được ủng hộ, nó củng cố chiến lược đầu tư thụ động hoặc dài hạn.

  • Ảnh hưởng chính sách (Policy influence): Các cơ quan quản lý thị trường và ngân hàng trung ương có thể sử dụng khuôn khổ WSMDH để có cái nhìn sâu sắc hơn về động lực thị trường. Nếu các chỉ số quan trọng cho thấy xu hướng có thể dự báo được (bác bỏ WSMDH), điều này có thể gợi ý rằng thị trường có những điểm không hiệu quả cần được chú ý, từ đó dẫn đến việc xem xét lại các chính sách điều tiết để đảm bảo tính công bằng và ổn định của thị trường ở cấp độ chính phủ và các tổ chức quốc tế.

  • Lợi ích xã hội (Societal benefits): Mặc dù khó định lượng trực tiếp, việc hiểu rõ hơn về khả năng dự báo của thị trường có thể góp phần vào việc giảm thiểu rủi ro đầu tư, cải thiện hiệu quả phân bổ vốn và ổn định kinh tế vĩ mô. Điều này có thể mang lại lợi ích gián tiếp cho người tiết kiệm và nhà đầu tư cá nhân thông qua các lời khuyên tài chính tốt hơn và các sản phẩm đầu tư minh bạch hơn.

  • Tính liên quan quốc tế (International relevance): Việc kiểm định WSMDH trên cả chỉ số chứng khoán quốc tế (S&P500, DJIA, FTSE, HSI) và Việt Nam (VNI), cũng như các tỷ giá ngoại tệ chủ chốt (EUR, CAD, GBP, JPY, VND), khẳng định tính liên quan toàn cầu của nghiên cứu. Các phát hiện có thể áp dụng và so sánh trên các thị trường khác nhau, cung cấp cái nhìn xuyên quốc gia về tính hiệu quả của thị trường và khả năng dự báo xu hướng. Ví dụ, việc so sánh "p-value của kiểm định phê tổng quát" cho các chỉ số này cho phép đánh giá mức độ tương đồng hoặc khác biệt về tính hiệu quả giữa các thị trường.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích đáng kể cho nhiều đối tượng khác nhau:

  • Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Cung cấp một khuôn khổ lý thuyết và phương pháp luận tiên tiến để nghiên cứu các chuỗi thời gian đa trị và tính hiệu quả của thị trường. Nó chỉ ra các khoảng trống nghiên cứu cụ thể trong lý thuyết Martingale đa trị và cung cấp "hướng phát triển của đề tài luận án" rõ ràng cho các công trình tương lai (Mục 4.1 của luận án). Ví dụ, việc mở rộng Luật Số Lớn dạng Marcinkiewicz-Zygmund hoặc phát triển các kiểm định giả thuyết khác cho WSMD. Lợi ích là có một nền tảng vững chắc và các vấn đề nghiên cứu mới để khai thác.

  • Các nhà nghiên cứu cấp cao (Senior academics): Luận án mở rộng lý thuyết Martingale trong không gian Banach, cụ thể là khái niệm hiệu martingale yếu đa trị và luật số lớn liên quan. Nó thách thức và cải tiến công trình của Ezzaki [28] và cung cấp một góc nhìn mới về EMH của Fama [1]. Các nhà học thuật có thể sử dụng các kết quả này để phát triển các lý thuyết cao cấp hơn hoặc tích hợp vào các khóa học sau đại học về xác suất nâng cao và kinh tế lượng. Lợi ích là sự tiến bộ của tri thức học thuật và khả năng mở ra các lĩnh vực nghiên cứu mới.

  • Phòng R&D của ngành (Industry R&D): Cung cấp một công cụ kiểm định mới (WSMDH) để đánh giá khả năng dự báo xu hướng của các chỉ số tài chính. Nếu kiểm định WSMDH bác bỏ giả thuyết hiệu quả, các đội R&D có thể phát triển các mô hình dự báo dựa trên xu hướng (HMM, FTS) để tạo ra lợi thế cạnh tranh. Các ví dụ ứng dụng thực tế trên tỷ giá và chứng khoán cung cấp bằng chứng định hướng. Lợi ích có thể định lượng được thông qua việc cải thiện hiệu suất của các mô báo tài chính, ước tính tăng trưởng của công ty, hoặc tối ưu hóa danh mục đầu tư, ước tính tăng 5-10% độ chính xác dự báo trong một số trường hợp cụ thể.

  • Các nhà hoạch định chính sách (Policy makers): Nhận được bằng chứng thực nghiệm và lý thuyết về tính hiệu quả của thị trường tài chính, đặc biệt là sự khác biệt giữa khả năng dự báo giá và khả năng dự báo xu hướng. Điều này giúp họ đưa ra "khuyến nghị chính sách" hiệu quả hơn liên quan đến quản lý thị trường, điều tiết và bảo vệ nhà đầu tư. Lợi ích bao gồm việc đưa ra các quyết định dựa trên bằng chứng, góp phần vào sự ổn định và phát triển lành mạnh của thị trường tài chính ở cấp độ quốc gia và quốc tế.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì, và nó mở rộng lý thuyết nào? Đóng góp lý thuyết độc đáo nhất của luận án là việc định nghĩa và đặc trưng hóa "Hiệu Martingale Yếu Đa Trà" (Weak Multivalued Martingale Difference - WSMD). Định nghĩa này, được đặt là "0 ∈ E[Dn|Fn-1], ∀n ≥ 2", giải quyết được vấn đề nan giải khi mở rộng trực tiếp khái niệm hiệu martingale đơn trị lên đa trị (vốn sẽ suy biến về đơn trị theo [23, Định lý 2.72]). Nó mở rộng Lý thuyết Martingale trong không gian Banach bằng cách cung cấp một khuôn khổ toán học vững chắc cho các chuỗi thời gian đa trị. Đặc biệt, Định lý 2.1 của luận án đã cải tiến và giảm nhẹ điều kiện của Định lý tương ứng của Fatima Ezzaki [28], mở rộng đáng kể phạm vi áp dụng bằng cách chỉ yêu cầu "dãy biến ngẫu nhiên đa trị bất kỳ" thay vì "kỳ vọng của dãy biến ngẫu nhiên đa trị phải khả tích bị chặn".

  2. Đổi mới phương pháp luận đáng kể nhất của luận án là gì, và so sánh nó với 2+ nghiên cứu trước đây? Đổi mới phương pháp luận đáng kể nhất là việc phát triển một phương pháp kiểm định thống kê cho "Giả thuyết Hiệu Martingale Yếu Đa Trà" (WSMDH). Phương pháp này liên quan đến việc kiểm định xem "tập các lát cắt hiệu martingale của nó có khác rỗng và đủ giàu hay không". Thay vì kiểm định trực tiếp MDH trên giá trị đơn trị (như Fama [1] hay Lo và MacKinlay [8] đã làm), luận án mở rộng kiểm định sang bối cảnh đa trị bằng cách áp dụng các tiêu chuẩn kiểm định MDH đã biết (dựa trên độ đo tuyến tính và phi tuyến) cho các lát cắt của biến ngẫu nhiên đa trị.

    • So với Fama [1]: Fama tập trung vào kiểm định MDH cho giá hoặc lợi suất đơn trị của cổ phiếu, xác định khả năng dự báo giá. Phương pháp của luận án mở rộng sang kiểm định khả năng dự báo "xu hướng" của chuỗi thời gian, thông qua việc sử dụng dữ liệu đa trị.
    • So với Beresteanu và Molinari [46]: Nghiên cứu này ứng dụng biến ngẫu nhiên đa trị trong suy luận thống kê để ước lượng miền nhận dạng bằng khoảng cách Hausdorff. Tuy nhiên, họ không mở rộng các kiểm định giả thuyết Martingale sang bối cảnh đa trị như luận án này. Luận án này không chỉ ước lượng mà còn kiểm định một giả thuyết cụ thể về hành vi ngẫu nhiên của các chuỗi đa trị.

  3. Phát hiện đáng ngạc nhiên nhất của luận án là gì, và bằng chứng dữ liệu nào hỗ trợ nó? Phát hiện đáng ngạc nhiên nhất là sự không tương đồng giữa kết quả kiểm định MDH truyền thống (cho khả năng dự báo giá) và WSMDH (cho khả năng dự báo xu hướng). Luận án "đã chỉ ra rằng có những chỉ số chứng khoán ủng hộ MDH nhưng bác bỏ WSMDH và ngược lại". Điều này có nghĩa là một thị trường có thể hiệu quả về mặt giá cả (không thể dự báo giá dựa trên lịch sử) nhưng lại không hiệu quả về mặt xu hướng (xu hướng có thể dự báo được), hoặc ngược lại. Bằng chứng dữ liệu hỗ trợ điều này được trình bày trong Chương 3 của luận án, cụ thể là "Bảng 3.6: Kết quả kiểm định bởi trường hợp độ đo phi tuyến với 15 lát cắt mẫu". Bảng này cung cấp các p-value cho cả MDH và WSMDH trên các chỉ số chứng khoán như S&P500, DJIA, FTSE, HSI và VNI, cho phép so sánh trực tiếp các kết quả. Việc này cho thấy rằng việc chỉ dựa vào MDH để đánh giá thị trường hiệu quả là chưa đủ, đặc biệt khi các mô hình dự báo hiện đại dựa trên xu hướng đang ngày càng phát triển.

  4. Luận án có cung cấp giao thức tái lập (replication protocol) không? Mặc dù luận án không trình bày một phần riêng biệt về "giao thức tái lập" theo chuẩn mực khoa học dữ liệu hiện đại, nhưng nó cung cấp đủ chi tiết về phương pháp luận và dữ liệu để một nhà nghiên cứu có nền tảng tương tự có thể tái lập các kết quả chính.

    • Dữ liệu: Loại dữ liệu (tỷ giá ngoại tệ và chỉ số chứng khoán), các chỉ số cụ thể (EUR/USD, S&P500, VNI, v.v.) và dạng dữ liệu (tăng trưởng quan sát theo ngày) được nêu rõ.
    • Phương pháp lý thuyết: Định nghĩa WSMD, các định lý đặc trưng và luật số lớn được trình bày chi tiết với bằng chứng toán học.
    • Phương pháp thực nghiệm: Các tiêu chuẩn kiểm định MDH đã biết được tham chiếu [3, 8], và cách chúng được mở rộng cho lát cắt của WSMD được mô tả. Kích thước mẫu lát cắt ("500 lát cắt mẫu" cho tuyến tính, "15 lát cắt mẫu" cho phi tuyến) cũng được cung cấp.
    • Dữ liệu mô phỏng: Quy trình "Kiểm định WSMDH lát cắt ngẫu nhiên cho dữ liệu mô phỏng" cũng được đề cập, cho phép tái tạo môi trường thử nghiệm. Tuy nhiên, việc không nêu rõ phần mềm cụ thể được sử dụng hoặc các đoạn mã (code) chính thức có thể là một thách thức nhỏ cho việc tái lập chính xác.

  5. Luận án có phác thảo chương trình nghiên cứu 10 năm không? Luận án không phác thảo một "chương trình nghiên cứu 10 năm" cụ thể, nhưng nó cung cấp một "hướng phát triển của đề tài luận án" rõ ràng và chi tiết (Mục 4.1 trong "Kết luận và kiến nghị") cho tương lai gần. Các hướng này bao gồm:

    • Mở rộng các định lý giới hạn khác cho hiệu martingale yếu đa trị (ví dụ: Định lý giới hạn trung tâm).
    • Nghiên cứu sâu hơn về các tính chất và ứng dụng của hiệu martingale yếu đa trị trong các điều kiện không gian Banach khác nhau.
    • Xây dựng các mô hình dự báo cụ thể dựa trên xu hướng mà WSMDH đã xác định là có khả năng dự báo.
    • Ứng dụng WSMDH vào các lĩnh vực khoa học khác ngoài tài chính, nơi có dữ liệu đa trị phức tạp. Những hướng này tạo thành một lộ trình nghiên cứu tiềm năng có thể mở rộng trong nhiều năm, mặc dù không được đóng khung thành một kế hoạch 10 năm chính thức.

Kết luận

Luận án này đã tạo ra một dấu ấn quan trọng trong lĩnh vực Toán ứng dụng, đặc biệt là trong giao thoa giữa lý thuyết xác suất và kinh tế lượng, với những đóng góp cụ thể sau:

  1. Định nghĩa và đặc trưng hóa hiệu martingale yếu đa trị (WSMD): Luận án đã thành công trong việc định nghĩa một cách chặt chẽ khái niệm WSMD (thỏa mãn "0 ∈ E[Dn|Fn-1], ∀n ≥ 2") cho dãy biến ngẫu nhiên đa trị, giải quyết được hạn chế của việc mở rộng trực tiếp khái niệm hiệu martingale.
  2. Cải tiến định lý nền tảng: Đặc trưng hóa WSMD được chứng minh (Định lý 2.1), trong đó luận án đã cải tiến và giảm nhẹ đáng kể các điều kiện của công trình trước đây của Ezzaki [28], mở rộng tính ứng dụng của lý thuyết này.
  3. Thiết lập Luật Số Lớn mới: Luận án đã chứng minh thành công Luật Số Lớn dạng Marcinkiewicz-Zygmund cho WSMD trong không gian Banach khả ly p-trơn đều, cung cấp một công cụ mạnh mẽ và dễ kiểm tra hơn để phân tích sự hội tụ của các chuỗi thời gian đa trị.
  4. Đề xuất phương pháp kiểm định thống kê đột phá: Luận án giới thiệu một phương pháp kiểm định giả thuyết WSMDH mới, cho phép đánh giá khả năng dự báo của xu hướng thay đổi trong chuỗi thời gian tài chính, điều mà các kiểm định MDH truyền thống không thể làm được. Phương pháp này đã được xác nhận tính đúng đắn trên dữ liệu mô phỏng.
  5. Cung cấp bằng chứng thực nghiệm quan trọng: Các kiểm định trên dữ liệu tài chính thực tế (ví dụ, "Bảng 3.6") đã chỉ ra rằng "có những chỉ số chứng khoán ủng hộ MDH nhưng bác bỏ WSMDH và ngược lại," làm nổi bật sự phức tạp của thị trường tài chính và thách thức quan điểm truyền thống về EMH của Fama [1].

Những đóng góp này không chỉ là sự tiến bộ về mặt lý thuyết trong lý thuyết xác suất đa trị mà còn tạo tiền đề cho một sự thay đổi mô hình (paradigm advancement) trong cách chúng ta đánh giá tính hiệu quả và khả năng dự báo của thị trường tài chính. Nó mở ra ít nhất ba dòng nghiên cứu mới: 1) phát triển các định lý giới hạn khác cho WSMD, 2) xây dựng các mô hình dự báo dựa trên xu hướng được xác định bởi WSMDH, và 3) ứng dụng các khái niệm và phương pháp này vào các lĩnh vực khoa học khác ngoài tài chính. Với việc phân tích các chỉ số tài chính quốc tế như S&P500, DJIA, FTSE, HSI và tỷ giá ngoại tệ, cùng với VNI, luận án chứng tỏ tính liên quan toàn cầu mạnh mẽ. Di sản của nghiên cứu này là tạo ra một khuôn khổ mới, có thể đo lường được bằng các kết quả thực nghiệm và các ứng dụng tiềm năng, để hiểu sâu sắc hơn về động lực phức tạp của các chuỗi thời gian đa trị trong nhiều lĩnh vực.