VGU mở ra góc nhìn mới về tài chính trong kỷ nguyên dữ liệu

GS.TS Mehdi Hosseinkouchack – Giáo sư Kinh tế lượng tại EBS University

Trong bối cảnh trí tuệ nhân tạo (AI) đang len lỏi vào mọi ngóc ngách của đời sống tài chính – từ dự báo thị trường đến quản lý danh mục đầu tư cá nhân – câu hỏi đặt ra không còn là "có nên dùng AI hay không", mà là "dùng AI như thế nào để không đánh mất tư duy phản biện của con người". Đây chính là trọng tâm của buổi bài giảng công chúng "Sự giao thoa giữa Kinh tế lượng và Trí tuệ nhân tạo: Kỷ nguyên mới của ra quyết định tài chính dựa trên dữ liệu", do Trường Đại học Việt Đức (VGU) tổ chức tại Saigon Innovation Hub, thu hút gần 100 đại biểu tham dự.

Bài giảng do GS.TS Mehdi Hosseinkouchack – Giáo sư Kinh tế lượng tại EBS University (EBS Business School, CHLB Đức) – trình bày. Với nền tảng đào tạo kép giữa kỹ thuật và kinh tế học, cùng bằng Tiến sĩ Kinh tế từ Đại học Goethe Frankfurt (2011), GS. Hosseinkouchack là một trong những nhà nghiên cứu khai phá vùng giao thoa giữa kinh tế lượng và AI trong tài chính.

Các công trình của ông về phân tích chuỗi thời gian, mô hình dữ liệu bảng, hồi quy phân vị và kinh tế lượng tài chính đã được công bố trên các tạp chí học thuật hàng đầu như Econometric Theory, Journal of Time Series Analysis, Econometric Reviews và Oxford Bulletin of Economics and Statistics.

Xuyên suốt bài giảng, GS. Hosseinkouchack đặt ra câu hỏi cốt lõi: làm sao để dung hòa tư duy kinh tế học truyền thống với sức mạnh tính toán ngày càng lớn của AI, nhằm khai thác tối đa những thông tin ẩn giấu trong dữ liệu và đưa ra quyết định tài chính sáng suốt hơn?

Từ kho phương pháp phong phú của kinh tế lượng, thống kê, học máy và AI, ông chọn lọc một số kỹ thuật tiêu biểu để minh họa: Rừng ngẫu nhiên (Random Forests), Tăng cường độ dốc (Gradient Boosting), Mô hình Markov ẩn (Hidden Markov Models), cùng hai phương pháp xây dựng danh mục đầu tư kinh điển là Mean-Variance và Black-Litterman.

Điểm nhấn thực tiễn của bài giảng là ứng dụng Mô hình Markov ẩn để nhận diện các "chế độ thị trường", tức các giai đoạn biến động khác nhau của thị trường tài chính. Từ đó, góc nhìn (views) của nhà đầu tư trong mô hình Black-Litterman có thể được điều chỉnh linh hoạt theo từng bối cảnh cụ thể, thay vì áp dụng một công thức cứng nhắc. Chiến lược danh mục đầu tư thông minh theo ngữ cảnh này sau đó được đối chiếu với phương pháp Mean-Variance truyền thống để làm rõ những khác biệt về hiệu quả.

GS. Hosseinkouchack nhấn mạnh rằng sự bất định, mơ hồ, và cả những trăn trở trong quá trình tư duy không phải là điểm yếu cần loại bỏ, mà chính là phần cốt lõi của việc học hỏi thực sự, một thông điệp có giá trị không chỉ với giới tài chính, mà với bất kỳ ai đang sống trong thời đại AI, đặc biệt là thế hệ sinh viên đang định hình tư duy nghề nghiệp.

Thông điệp xuyên suốt được đúc kết: sự hội tụ giữa kinh tế lượng và AI không đồng nghĩa với việc thay thế suy luận kinh tế bằng thuật toán, mà là sự kết hợp hài hòa giữa năng lực tính toán, kỷ luật thống kê, trực giác kinh tế và phán đoán con người, nền tảng để đưa ra những quyết định tốt hơn trong một thế giới ngập tràn dữ liệu.

Sự kiện nằm trong chuỗi bài giảng công chúng thuộc khuôn khổ Chương trình Thạc sĩ Tài chính và Kinh tế học toàn cầu (GFE), chương trình đào tạo toàn thời gian, chuyên sâu về phương pháp định lượng và khoa học dữ liệu ứng dụng trong kinh tế tài chính, được tổ chức trên cơ sở hợp tác giữa Trường Đại học Việt Đức và Đại học Goethe Frankfurt (CHLB Đức), cùng nhiều học bổng và hỗ trợ tài chính từ Chính phủ Việt Nam, Chính quyền bang Hessen và Cơ quan Trao đổi Hàn lâm CHLB Đức (DAAD).