Bối cảnh và vấn đề nghiên cứu

Dự báo giá chứng khoán là một bài toán phức tạp và thu hút sự quan tâm lớn trong lĩnh vực tài chính do tính chất bất định, phi tuyến tính và chịu tác động đan xen từ nhiều yếu tố như tin tức kinh tế, sự biến động của thị trường, chính sách vĩ mô và tâm lý nhà đầu tư. Trong các nghiên cứu truyền thống, hai trường phái tiếp cận chủ đạo là phân tích cơ bản (tập trung vào các chỉ số nội tại của doanh nghiệp, doanh thu, lợi nhuận) và phân tích kỹ thuật (dựa trên lý thuyết Chartist về việc khai thác chuỗi dữ liệu lịch sử giá để nhận diện xu hướng). Trong bối cảnh công nghệ thông tin và trí tuệ nhân tạo phát triển, các thuật toán học máy (Machine Learning) đã được ứng dụng rộng rãi nhằm xử lý dữ liệu lớn dạng chuỗi thời gian, tự động trích xuất quy luật và nhận diện các mẫu tiềm ẩn phi tuyến tính mà các mô hình kinh tế lượng cổ điển khó bao quát trọn vẹn. Khóa luận hướng đến việc thiết lập nền tảng thực nghiệm nhằm ứng dụng các mô hình học máy vào bài toán phân tích và dự báo giá cổ phiếu.

Mục tiêu tổng quát của đề tài là xây dựng mô hình phân tích và dự báo giá chứng khoán của một doanh nghiệp niêm yết thuộc chỉ số S&P 500. Cụ thể, các mục tiêu nghiên cứu được tác giả xác định theo ba nội dung:

  1. Giới thiệu các khái niệm, nội dung cơ bản liên quan đến phân tích chứng khoán, các nhóm dữ liệu và nhân tố ảnh hưởng, cùng các kỹ thuật học máy và trí tuệ nhân tạo.
  2. Thu thập, xử lý làm sạch, đánh giá dữ liệu và xây dựng mô hình dự báo dựa trên các biến số dữ liệu chứng khoán, chỉ số thị trường và biến số kinh tế vĩ mô.
  3. Đề xuất các hướng phát triển nghiên cứu tiếp theo liên quan đến các yếu tố tác động nhằm nâng cao độ chính xác trong dự báo giá chứng khoán.

Để giải quyết các mục tiêu trên, tác giả đặt ra 06 câu hỏi nghiên cứu:

  • Học máy là gì và ứng dụng của học máy trong chứng khoán như thế nào?
  • Các kỹ thuật học máy và trí tuệ nhân tạo được sử dụng ra sao trong bài toán tài chính?
  • Phương pháp xử lý dữ liệu khuyết tật (missing data) được thực hiện như thế nào?
  • Những yếu tố và nguồn dữ liệu nào ảnh hưởng trực tiếp đến việc dự báo giá chứng khoán?
  • Các tiêu chí và thước đo nào được dùng để đánh giá hiệu suất mô hình?
  • Có thể cải thiện độ chính xác của mô hình bằng những phương pháp nào?

Về đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến giá cổ phiếu của doanh nghiệp niêm yết trên thị trường chứng khoán Hoa Kỳ thuộc rổ chỉ số S&P 500. Cụ thể, nghiên cứu thực nghiệm trên cổ phiếu của Tập đoàn công nghệ Apple (mã chứng khoán: AAPL).
  • Phạm vi không gian: Dữ liệu giao dịch cổ phiếu Apple và chỉ số S&P 500 được thu thập từ cổng dữ liệu tài chính Yahoo Finance, kết hợp với các biến số kinh tế vĩ mô của Hoa Kỳ.
  • Phạm vi thời gian: Chuỗi dữ liệu thời gian kéo dài từ ngày 01 tháng 01 năm 2012 đến tháng 08 năm 2023, ghi nhận tổng cộng 2.933 quan sát thực nghiệm.

Cơ sở lý thuyết và phương pháp

Nghiên cứu tích hợp các lý thuyết về phân tích chứng khoán, quy trình khai phá tri thức từ cơ sở dữ liệu (KDD - Knowledge Discovery in Databases) và các mô hình học máy giám sát dành cho dữ liệu chuỗi thời gian. Khung lý thuyết bao gồm việc phân loại nguồn thông tin đầu vào thành dữ liệu cơ bản, dữ liệu kỹ thuật, dữ liệu thị trường và dữ liệu kinh tế vĩ mô.

Phương pháp nghiên cứu thực tế được triển khai hoàn toàn trên ngôn ngữ lập trình Python, sử dụng các thư viện chuyên dụng để truy vấn dữ liệu từ thư viện yfinance, làm sạch, tính toán biến phái sinh kỹ thuật và huấn luyện mô hình. Quy trình khai phá dữ liệu bao gồm 7 bước: làm sạch dữ liệu, tích hợp dữ liệu, lựa chọn dữ liệu, chuyển đổi dữ liệu, khai phá dữ liệu, đánh giá mẫu và trình bày thông tin tri thức.

Nhóm dữ liệu Tên biến Ký hiệu Phương thức xác định / Công thức Nguồn dữ liệu
Giá cơ sở AAPL Giá mở cửa Open Giá mở phiên giao dịch hàng ngày Yahoo Finance
Giá cao nhất High Giá cao nhất trong phiên Yahoo Finance
Giá thấp nhất Low Giá thấp nhất trong phiên Yahoo Finance
Giá đóng cửa Close Giá kết phiên (biến mục tiêu dự báo) Yahoo Finance
Giá đóng cửa điều chỉnh Adj Close Giá đã điều chỉnh cổ tức/chia tách Yahoo Finance
Khối lượng giao dịch Volume Khối lượng cổ phiếu khớp lệnh trong phiên Yahoo Finance
Chỉ số thị trường Chỉ số S&P 500 SP500_Close Giá đóng cửa của chỉ số S&P 500 Yahoo Finance
Kinh tế vĩ mô Chỉ số giá tiêu dùng CPI Đo lường mức độ lạm phát tại Mỹ Yahoo Finance
Tổng sản phẩm nội địa GDP Quy mô kinh tế Hoa Kỳ Yahoo Finance
Lợi suất trái phiếu DGS Lợi suất chứng khoán Chính phủ Mỹ Yahoo Finance
Chỉ báo kỹ thuật Trung bình động đơn giản SMA $SMA_n = \frac{1}{n} \sum_{i=1}^{n} P_{t-i+1}$ (chu kỳ 20 ngày) Tác giả tính toán
Trung bình động hàm mũ EMA $EMA_t = \alpha \cdot P_t + (1 - \alpha) \cdot EMA_{t-1}$ Tác giả tính toán
Giá trung bình theo khối lượng VWAP $VWAP = \frac{\sum (Price \times Volume)}{\sum Volume}$ Tác giả tính toán
Sức mạnh tương đối RSI $RSI = 100 - \frac{100}{1 + RS}$ (chu kỳ 14 ngày) Tác giả tính toán
Kênh hàng hóa CCI $CCI = \frac{Price - SMA}{0.015 \times MeanDeviation}$ Tác giả tính toán
Khối lượng cân bằng OBV Cộng dồn khối lượng khi giá tăng, trừ đi khi giá giảm Tác giả tính toán

Phương pháp tiền xử lý và chuẩn hóa dữ liệu:

  • Xử lý giá trị khuyết: Tác giả áp dụng phương pháp điền giá trị gần nhất vào các ô dữ liệu bị thiếu nhằm bảo đảm tính liên tục của chuỗi thời gian.

  • Chuẩn hóa thang đo: Áp dụng phương pháp chuẩn hóa Min-Max để đưa tất cả các biến số về phạm vi giá trị từ 0 đến 1 theo công thức:

    $$\text{Giá trị chuẩn hóa} = \frac{\text{Giá trị ban đầu} - \text{Giá trị tối thiểu}}{\text{Giá trị tối đa} - \text{Giá trị tối thiểu}}$$

    Phương pháp này giúp loại bỏ sự chênh lệch lớn về đơn vị đo lường giữa khối lượng giao dịch, chỉ số GDP, chỉ số giá cổ phiếu và các tỷ lệ phần trăm, tạo điều kiện cho các thuật toán tối ưu hóa trọng số.

  • Phân chia dữ liệu: Dữ liệu được chia thành ba tập riêng biệt gồm tập huấn luyện (training set), tập kiểm định (validation set) và tập kiểm tra (testing set).

Các mô hình được xây dựng và so sánh:

  1. Mạng nơ-ron hồi quy Long Short-Term Memory (LSTM): Kiến trúc mạng nơ-ron sâu được Sepp Hochreiter và Jürgen Schmidhuber đề xuất (1997), chuyên xử lý dữ liệu chuỗi thời gian dài nhờ cấu trúc Cell State và 3 cổng kiểm soát: Cổng quên (Forget Gate), Cổng nhập (Input Gate) và Cổng xuất (Output Gate) nhằm khắc phục hiện tượng tiêu biến đạo hàm (vanishing gradient).
  2. Mô hình Rừng ngẫu nhiên (Random Forest Regression - RFR): Thuật toán học máy kết hợp (ensemble learning) do Leo Breiman (2001) phát triển dựa trên nền tảng của Tin Kam Ho (1995). Thuật toán áp dụng kỹ thuật lấy mẫu ngẫu nhiên có lặp lại (Bootstrap Sampling) để tạo tập hợp nhiều cây quyết định độc lập, sau đó lấy giá trị dự báo trung bình hoặc trung vị từ các cây nhằm hạn chế quá khớp (overfitting) và giảm phương sai.
  3. Mô hình chuỗi thời gian kết hợp biến ngoại sinh ARIMAX (AutoRegressive Integrated Moving Average with eXogenous variables): Mô hình kinh tế lượng truyền thống mở rộng, kết hợp thành phần tự hồi quy (AR), sai phân tích hợp (I), trung bình trượt (MA) và bổ sung các biến giải thích độc lập bên ngoài (X) để làm đối chứng hiệu suất với hai mô hình học máy.

Hệ thống chỉ số đánh giá sai số mô hình gồm:

  • Lỗi tuyệt đối trung bình (MAE - Mean Absolute Error)
  • Tỷ lệ phần trăm sai số tuyệt đối trung bình (MAPE - Mean Absolute Percentage Error)
  • Sai số tuyệt đối trung vị (MedAE - Median Absolute Error)
  • Tỷ lệ phần trăm sai số tuyệt đối trung vị (MedAPE / MDAPE - Median Absolute Percentage Error)
  • Hệ số xác định R bình phương ($R^2$)

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU VỀ ĐỀ TÀI NGHIÊN CỨU

Chương mở đầu làm rõ tính cấp thiết của bài toán dự báo thị trường chứng khoán trong thời đại kinh tế số. Tác giả phân tích tính hữu hạn của các phương pháp phân tích kỹ thuật và phân tích cơ bản truyền thống khi đứng trước khối lượng dữ liệu giao dịch khổng lồ và độ nhiễu cao. Chương này xác định mục tiêu tổng quát là xây dựng mô hình dự báo giá cổ phiếu doanh nghiệp niêm yết trong S&P 500, chia nhỏ thành ba nhiệm vụ nghiên cứu cụ thể và thiết lập sáu câu hỏi nghiên cứu định hướng. Đối tượng nghiên cứu được giới hạn vào các biến động giá cổ phiếu Apple (AAPL), sử dụng chuỗi thời gian giao dịch thực tế kéo dài hơn 11 năm (01/2012 - 08/2023) từ cổng Yahoo Finance cùng các chỉ số kinh tế vĩ mô Hoa Kỳ. Bố cục toàn khóa luận được phân chia thành 05 chương có mối liên kết chặt chẽ từ lý thuyết, phương pháp đến thực nghiệm và kết luận.

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT

Chương 2 cung cấp hệ thống cơ sở lý thuyết bao quát toàn bộ đề tài:

  • Khái niệm dự báo (thuật ngữ gốc Hy Lạp "Prognosis") và bản chất của thị trường chứng khoán dưới góc độ chuỗi thời gian.
  • Khái quát bốn nhóm dữ liệu tài chính chính: nhóm dữ liệu chỉ số cơ bản (EPS, P/E, ROE, tăng trưởng doanh thu), nhóm dữ liệu chỉ số kỹ thuật (giá mở - đóng cửa, giá cao - thấp nhất, khối lượng giao dịch, các chỉ báo xu hướng), nhóm dữ liệu vĩ mô (tăng trưởng GDP, lạm phát CPI, lãi suất trái phiếu, chính sách tiền tệ) và nhóm dữ liệu định tính khác (tin tức tài chính, mạng xã hội, email, tweet).
  • Giới thiệu ngôn ngữ lập trình Python và hệ sinh thái thư viện phục vụ khoa học dữ liệu (NumPy, Pandas, TensorFlow, PyTorch).
  • Tổng quan về quy trình khai phá dữ liệu (KDD/Data Mining) gồm 7 bước và các phương pháp trích xuất tri thức (phân loại, gom cụm, phát hiện mẫu, dự đoán, phát hiện bất thường, học tăng cường và phân tích chuỗi thời gian).
  • Nguyên lý hoạt động của các kiến trúc học máy: Mạng nơ-ron nhân tạo (ANN) với cấu trúc các lớp đầu vào, lớp ẩn, lớp đầu ra, hàm kích hoạt phi tuyến tính (Sigmoid, Tanh, ReLU) và thuật toán lan truyền ngược (backpropagation); Mạng nơ-ron hồi quy bộ nhớ dài-ngắn hạn (LSTM) với cơ chế ba cổng (Forget, Input, Output Gate); và Mô hình Rừng ngẫu nhiên (Random Forest) với cơ chế Bootstrap Aggregation (Bagging).

CHƯƠNG 3: XÂY DỰNG MÔ HÌNH NGHIÊN CỨU

Chương 3 chi tiết hóa quy trình kỹ thuật để thiết lập bài toán thực nghiệm:

  • Mô tả quy trình xây dựng học máy thông qua sơ đồ vòng lặp khép kín: thu thập dữ liệu, tiền xử lý dữ liệu, lựa chọn mô hình, huấn luyện mô hình và kiểm tra hiệu suất.
  • Thu thập dữ liệu cổ phiếu Apple (AAPL) qua thư viện yfinance trên chuỗi thời gian thực từ 2012 đến 2023. Tác giả tiến hành tính toán trực tiếp các biến phái sinh kỹ thuật gồm SMA (chu kỳ 20 ngày), EMA, VWAP, RSI (chu kỳ 14 ngày), CCI và OBV. Tổng hợp toàn bộ các biến số vào bảng mô tả biến nghiên cứu (Bảng 3.2).
  • Khám phá dữ liệu và tiền xử lý: phát hiện cấu trúc mẫu, áp dụng kỹ thuật điền giá trị gần nhất để xử lý dữ liệu khuyết tật (missing values), và thực hiện chuẩn hóa Min-Max đưa toàn bộ các biến về đoạn $[0, 1]$. Tác giả xác định giữ nguyên toàn bộ các biến đầu vào và không sử dụng thêm mô hình lọc nhiễu phức tạp ở bước này nhằm duy trì cấu trúc đơn giản cho mô hình.
  • Thiết lập chi tiết cấu trúc ba mô hình thử nghiệm: LSTM, Random Forest Regression (RFR) và mô hình chuỗi thời gian ARIMAX.
  • Quy chuẩn hóa quy trình kiểm định mô hình: phân chia tập dữ liệu thành tập huấn luyện, kiểm định và kiểm tra; xác định phương pháp tối ưu hóa siêu tham số và thiết lập các chỉ số định lượng MAE, MAPE, MedAE, MedAPE và $R^2$ để đối chiếu kết quả.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Chương 4 triển khai các phân tích thực nghiệm trên bộ dữ liệu 2.933 mẫu:

  • Thống kê mô tả dữ liệu đầu vào: Tác giả lập bảng thống kê mô tả (Bảng 4.1) thể hiện các tham số mẫu gồm số lượng quan sát (2.933), giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất (MAX) và giá trị nhỏ nhất (MIN) của các biến thị trường và biến kỹ thuật (với biến giá mở cửa Open bắt đầu có giá trị trung bình là 64,...).
  • Đánh giá tương quan: Sử dụng ma trận tương quan (Hình 4.1) để đo lường mức độ liên kết tuyến tính giữa các biến đầu vào với nhau và giữa các biến với giá đóng cửa của AAPL.
  • Thực hiện chuẩn hóa dữ liệu Min-Max trên toàn bộ tập mẫu và phân chia dữ liệu thành tập huấn luyện và tập kiểm tra theo trật tự thời gian.
  • Trình bày danh mục các thư viện Python được sử dụng trong mã nguồn nghiên cứu (Bảng 4.2).
  • Báo cáo kết quả kiểm định mô hình (Bảng 4.2 trong mục kết quả): đối chiếu hiệu suất sai số của mô hình LSTM, Random Forest và ARIMAX qua các thước đo sai số MAE, MAPE, MedAE, MedAPE nhằm xác định năng lực dự báo giá đóng cửa của cổ phiếu Apple.

CHƯƠNG 5: KẾT LUẬN VÀ ĐÁNH GIÁ

Chương kết luận tổng kết lại toàn bộ kết quả đạt được từ quá trình xây dựng và đánh giá thực nghiệm:

  • Tóm tắt kết quả nghiên cứu về tính khả thi của việc ứng dụng các thuật toán học máy vào việc dự báo chuỗi thời gian tài chính.
  • Phân tích ưu và nhược điểm thực tế của học máy trong việc nhận diện quy luật giá chứng khoán.
  • Đề xuất các tiềm năng có thể khai thác và các hướng nghiên cứu mở rộng trong tương lai nhằm nâng cao độ chính xác dự báo.

Kết quả và đóng góp

Văn bản khóa luận đã hệ thống hóa và triển khai quy trình xây dựng mô hình dự báo chuỗi thời gian tài chính đa biến với các kết quả cụ thể:

  • Bộ dữ liệu thực nghiệm gồm 2.933 quan sát liên tục trong giai đoạn từ 01/01/2012 đến tháng 08/2023, bao gồm đầy đủ các chiều kích: giá giao dịch OHLCV của cổ phiếu Apple (AAPL), chỉ số thị trường đại diện S&P 500, các chỉ số kinh tế vĩ mô Hoa Kỳ (CPI, GDP, DGS) và 06 chỉ báo phân tích kỹ thuật (SMA 20, EMA, VWAP, RSI 14, CCI, OBV).
  • Hoàn thiện quy trình tiền xử lý dữ liệu tài chính bao gồm kỹ thuật làm sạch dữ liệu khuyết bằng giá trị gần nhất và chuẩn hóa thang đo toàn diện bằng Min-Max về khoảng $[0, 1]$.
  • Thực hiện huấn luyện, kiểm định và so sánh đồng thời ba mô hình đại diện cho hai trường phái: mô hình học sâu (LSTM), mô hình học máy truyền thống (Random Forest Regression) và mô hình kinh tế lượng chuỗi thời gian có biến ngoại sinh (ARIMAX).
  • Đánh giá hiệu suất sai số của các mô hình thông qua bộ chỉ tiêu thống kê chuẩn hóa: MAE, MAPE, MedAE, MedAPE và $R^2$.

Đóng góp khoa học và thực tiễn do tác giả tự nêu:

  • Đem đến một hướng tiếp cận ứng dụng công nghệ mới bằng việc sử dụng ngôn ngữ Python và các thuật toán học máy hiện đại phục vụ nghiên cứu và phân tích giá chứng khoán doanh nghiệp, tạo thêm công cụ hỗ trợ ra quyết định đầu tư trên thị trường tài chính.
  • Đề xuất khung tích hợp đa chiều các yếu tố đầu vào (kết hợp đồng thời giữa chỉ báo kỹ thuật, biến động thị trường chung và các biến số kinh tế vĩ mô) thay vì chỉ sử dụng chuỗi giá quá khứ đơn thuần.
  • Mở ra nền tảng định hướng cho các nghiên cứu tiếp nối trong việc lựa chọn và xây dựng các yếu tố tác động phù hợp với từng góc nhìn phân tích thị trường.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu:

  • Xử lý dữ liệu nhiễu: Tác giả ghi nhận thị trường tài chính có nhiều yếu tố phức tạp và độ nhiễu cao; tuy nhiên, do mục tiêu xây dựng một mô hình đơn giản và thử nghiệm ban đầu, nghiên cứu chưa tích hợp các thuật toán học máy chuyên dụng để lọc và khử nhiễu dữ liệu trước khi đưa vào mô hình dự báo.
  • Mức độ chính xác của kết quả: Tác giả thẳng thắn chỉ ra các kết quả thực nghiệm của mô hình tuy chưa thực sự đạt mức độ tối ưu cao nhưng đủ điều kiện cung cấp thông tin định hướng ban đầu cho bài toán dự báo.
  • Phạm vi dữ liệu và đối tượng: Khóa luận chỉ tập trung kiểm định trên một mã cổ phiếu duy nhất là Apple (AAPL) thuộc thị trường Hoa Kỳ, sử dụng các cổng dữ liệu công khai miễn phí.
  • Chưa bao quát dữ liệu định tính: Dù chương tổng quan lý thuyết có đề cập đến tác động của các biến phi cấu trúc (tin tức tài chính, mạng xã hội, email, tweet), mô hình thực nghiệm chưa tích hợp các biến số phân tích cảm xúc (Sentiment Analysis) này vào biến giải thích.

Hướng nghiên cứu tiếp theo:

  • Nghiên cứu và tích hợp thêm các mô hình học máy phụ trợ để xử lý triệt để dữ liệu nhiễu và các điểm ngoại lai trước khi dự báo.
  • Đưa thêm các yếu tố định tính và dữ liệu phi cấu trúc (tin tức, tâm lý nhà đầu tư từ mạng xã hội) vào mô hình nhằm nâng cao năng lực phản ứng với các biến động thị trường đột ngột.
  • Mở rộng quy mô thử nghiệm sang nhiều cổ phiếu thuộc các nhóm ngành kinh tế khác nhau hoặc áp dụng kiểm chứng trên thị trường chứng khoán Việt Nam.

Giá trị tham khảo

Khóa luận có giá trị tham khảo học thuật và thực tiễn đối với:

  • Sinh viên và học viên chuyên ngành Tài chính - Ngân hàng, Công nghệ tài chính (Fintech) và Khoa học dữ liệu: Cung cấp tài liệu mẫu về quy trình nghiên cứu định lượng ứng dụng Machine Learning vào chuỗi thời gian tài chính, từ khâu trích xuất dữ liệu bằng yfinance, tính toán chỉ báo kỹ thuật trên Python đến khâu lập mô hình và kiểm định.
  • Người làm đề tài nghiên cứu về dự báo chứng khoán: Phần cấu trúc biến số tại Chương 3 (kết hợp giá OHLCV, chỉ báo SMA, EMA, VWAP, RSI, CCI, OBV và các chỉ số vĩ mô CPI, GDP, DGS) là tài liệu tham khảo chi tiết về công thức toán học và cách thức thu thập dữ liệu.
  • Nhà phân tích và đầu tư cá nhân: Bức tranh so sánh về mặt phương pháp luận giữa mô hình chuỗi thời gian truyền thống (ARIMAX) và các thuật toán học máy (LSTM, Random Forest) trong việc nắm bắt tính phi tuyến của thị trường.

Câu hỏi thường gặp

Khóa luận lựa chọn cổ phiếu của doanh nghiệp nào để làm dữ liệu thực nghiệm và trong giai đoạn nào?

Nghiên cứu lựa chọn dữ liệu giá cổ phiếu của Tập đoàn công nghệ Apple (mã giao dịch: AAPL) niêm yết trên thị trường chứng khoán Hoa Kỳ thuộc chỉ số S&P 500. Dữ liệu được thu thập từ ngày 01 tháng 01 năm 2012 đến tháng 08 năm 2023 qua cổng dữ liệu Yahoo Finance với tổng quy mô mẫu là 2.933 quan sát.

Những mô hình nào đã được tác giả xây dựng để dự báo giá đóng cửa cổ phiếu?

Tác giả đã xây dựng và kiểm định ba mô hình gồm: mô hình mạng nơ-ron hồi quy Long Short-Term Memory (LSTM), mô hình Rừng ngẫu nhiên (Random Forest Regression) và mô hình chuỗi thời gian kinh tế lượng kết hợp biến ngoại sinh ARIMAX (AutoRegressive Integrated Moving Average with eXogenous variables) đóng vai trò làm mô hình đối chứng so sánh.

Những biến số kinh tế vĩ mô nào được đưa vào mô hình nghiên cứu?

Nghiên cứu đưa vào ba biến số kinh tế vĩ mô của Hoa Kỳ thu thập từ Yahoo Finance gồm: Chỉ số giá tiêu dùng (CPI) đại diện cho lạm phát, Tổng sản phẩm nội địa (GDP) đại diện cho tăng trưởng kinh tế, và Lợi suất chứng khoán Chính phủ Mỹ (DGS - Government Securities Yield) đại diện cho lãi suất thị trường.

Những chỉ báo kỹ thuật nào được tính toán thêm để làm biến đầu vào cho mô hình?

Tác giả đã tính toán 06 chỉ báo kỹ thuật phái sinh từ dữ liệu giá và khối lượng gồm: Đường trung bình động đơn giản (SMA chu kỳ 20 ngày), Đường trung bình động hàm mũ (EMA), Giá trung bình theo khối lượng (VWAP), Chỉ số sức mạnh tương đối (RSI chu kỳ 14 ngày), Chỉ số kênh hàng hóa (CCI) và Chỉ số khối lượng cân bằng (OBV).

Tác giả sử dụng phương pháp nào để xử lý giá trị thiếu và chuẩn hóa dữ liệu?

Để xử lý giá trị thiếu (missing values), tác giả áp dụng phương pháp điền các giá trị gần nhất vào ô dữ liệu bị thiếu. Đối với việc chuẩn hóa dữ liệu, tác giả áp dụng phương pháp chuẩn hóa Min-Max để chuyển đổi toàn bộ giá trị của các biến số về phạm vi đồng nhất từ 0 đến 1 trước khi đưa vào huấn luyện mô hình học máy.

Kết luận

Khóa luận tốt nghiệp của tác giả Đào Thanh Kiên đã thiết lập một quy trình thực nghiệm hoàn chỉnh về việc ứng dụng học máy trong dự báo giá đóng cửa của cổ phiếu Apple (AAPL) trên thị trường chứng khoán Hoa Kỳ giai đoạn 2012 - 2023. Đề tài đã xây dựng hệ thống 15 biến đầu vào bao gồm dữ liệu giá cơ sở, chỉ số thị trường S&P 500, các biến số kinh tế vĩ mô (CPI, GDP, DGS) và 06 chỉ báo phân tích kỹ thuật phái sinh. Thông qua việc huấn luyện và kiểm định đối chiếu giữa mô hình học sâu LSTM, mô hình học máy Random Forest và mô hình kinh tế lượng ARIMAX theo các tiêu chí sai số tiêu chuẩn (MAE, MAPE, MedAE, MedAPE, $R^2$), nghiên cứu đã cung cấp những luận cứ thực nghiệm và mở ra định hướng ứng dụng công nghệ dữ liệu trong phân tích tài chính đầu tư.