Empirical Finance in Vietnam

An approach to empirical finance in Vietnam with Python

Phương pháp tiếp cận có hệ thống cho tài chính thực nghiệm tại Việt Nam với Python

English Book → Sách Tiếng Việt →

About the Project / Giới thiệu Dự án

Tidy Finance Vietnam is an open-source initiative that adapts the Tidy Finance framework for the Vietnamese financial market. The project provides reproducible, well-documented Python code for conducting empirical finance research using data from the Ho Chi Minh Stock Exchange (HOSE), Hanoi Stock Exchange (HNX), and the Unlisted Public Company Market (UPCOM).

Vietnam’s stock market has grown rapidly since its establishment in 2000, with over 1,800 listed companies and a market capitalization exceeding $200 billion. Yet accessible, code-driven resources for academic and professional research on Vietnamese markets remain scarce. This project fills that gap.

Dự án Tidy Finance Vietnam là sáng kiến mã nguồn mở nhằm áp dụng khung phân tích Tidy Finance cho thị trường tài chính Việt Nam. Dự án cung cấp mã Python có thể tái tạo và được tài liệu hóa đầy đủ để thực hiện nghiên cứu tài chính thực nghiệm sử dụng dữ liệu từ Sở Giao dịch Chứng khoán TP.HCM (HOSE), Sở Giao dịch Chứng khoán Hà Nội (HNX) và thị trường UPCoM.

Books / Sách

📘 Tidy Finance Vietnam with Python

The complete English-language guide to empirical finance in Vietnam. This book walks you through every step, from acquiring Vietnamese market data to implementing cutting-edge asset pricing models.

Topics covered:

  • Setting up Python environments for financial research
  • Accessing and cleaning data from HOSE, HNX, and UPCOM
  • Constructing risk-free rates for Vietnam
  • Portfolio sorts and performance evaluation
  • CAPM, Fama-French, and multifactor models for Vietnamese equities
  • Market microstructure: bid-ask spreads, liquidity, and trading costs
  • Value-at-risk and risk management
  • Event studies and corporate finance applications
  • Machine learning methods for return prediction
  • Network analysis in Vietnamese financial markets

Read the English Book →

📗 Tidy Finance Việt Nam với Python

Hướng dẫn toàn diện bằng tiếng Việt về tài chính thực nghiệm tại Việt Nam. Cuốn sách hướng dẫn từng bước, từ thu thập dữ liệu thị trường Việt Nam đến triển khai các mô hình định giá tài sản tiên tiến.

Nội dung bao gồm:

  • Thiết lập môi trường Python cho nghiên cứu tài chính
  • Truy cập và làm sạch dữ liệu từ HOSE, HNX và UPCOM
  • Xây dựng lãi suất phi rủi ro cho Việt Nam
  • Phân loại danh mục và đánh giá hiệu suất
  • CAPM, Fama-French và các mô hình đa nhân tố cho cổ phiếu Việt Nam
  • Vi cấu trúc thị trường: chênh lệch giá mua-bán, thanh khoản và chi phí giao dịch
  • Giá trị rủi ro (VaR) và quản trị rủi ro
  • Nghiên cứu sự kiện và ứng dụng tài chính doanh nghiệp
  • Phương pháp học máy cho dự báo lợi nhuận
  • Phân tích mạng lưới trong thị trường tài chính Việt Nam

Đọc Sách Tiếng Việt →

Citation / Trích dẫn

If you use Tidy Finance Vietnam in your research, please cite:

@book{tidyfinancevietnam,
  title     = {Applying Tidy Finance with Python to Vietnam},
  author    = {Nguyen, Mike},
  year      = {2025},
  url       = {https://mikenguyen13.github.io/tidy_finance_vn/},
  note      = {Open-source textbook on empirical finance in Vietnam}
}

Why Vietnam? / Tại sao Việt Nam?

Vietnam is one of the fastest-growing frontier-to-emerging markets in the world. Key characteristics make it a compelling case for empirical finance research:

Key Topics / Chủ đề Chính

📊 Data Acquisition

Access daily and intraday data from HOSE, HNX, and UPCOM. Work with Vietnamese government bond yields, macroeconomic indicators, and corporate financial statements. Build reproducible data pipelines with Python.

📈 Asset Pricing

Implement CAPM, Fama-French three- and five-factor models, and Carhart four-factor models calibrated for Vietnamese equities. Construct size, value, momentum, profitability, and investment factors using Vietnamese data.

🏦 Market Microstructure

Analyze bid-ask spreads, price impact measures (Amihud illiquidity, Kyle’s lambda), order flow dynamics, and the effects of Vietnam’s price limit bands on volatility and liquidity.

📉 Risk Management

Estimate Value-at-Risk (VaR) and Expected Shortfall using historical simulation, parametric, and Monte Carlo methods adapted for Vietnamese return distributions with fat tails and price limits.

🤖 Machine Learning

Apply machine learning methods for Vietnamese stock return prediction and portfolio construction.

🔗 Network Analysis

Map co-ownership, co-director, and industry-based networks across Vietnamese firms. Analyze systemic risk propagation, information diffusion, and portfolio diversification through network lenses.

Data Sources / Nguồn Dữ liệu

The project integrates data from multiple Vietnamese and international sources:

Source Description Coverage
DataCore.vn Vietnamese data platform Equities, bonds, macro, corporate filings
HOSE / HNX / UPCOM Official exchange data Daily and intraday trades, order books
State Securities Commission (SSC) Regulatory filings Corporate disclosures, fund flows
State Bank of Vietnam (SBV) Central bank data Interest rates, monetary policy, FX
General Statistics Office (GSO) National statistics GDP, CPI, industrial production
World Bank / IMF International macro data Cross-country comparisons

Who Is This For? / Dành cho Ai?

Technology Stack / Công nghệ

The books and all analyses are built entirely with open-source tools:

Contributing / Đóng góp

Tidy Finance Vietnam is open source and welcomes contributions. Whether you find a typo, want to add a new chapter, improve existing code, or translate content, your help is valued.