Ứng dụng học máy trong nghiên cứu và dự báo giá chứng khoán

Khám phá ứng dụng học máy trong nghiên cứu và dự báo giá chứng khoán, giúp tối ưu hóa quyết định đầu tư và nâng cao hiệu quả giao dịch.

• Tác giả: Đào Thanh Kiên
• Người hướng dẫn: TS. Lưu Thu Quang
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Ứng Dụng Học Máy Trong Nghiên Cứu Và Dự Báo Giá Chứng Khoán
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU VỀ ĐỀ TÀI NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.7. Bố cục bài nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT
• 2.1. Tổng quan về dự báo chứng khoán
• 2.2. Khái niệm dự báo
• 2.3. Tổng quan chung về dữ liệu
• 2.4. Dữ liệu chỉ số cơ bản
• 2.5. Dữ liệu chỉ số kỹ thuật
• 2.6. Dữ liệu vĩ mô
• 2.7. Dữ liệu khác
• 2.8. Tổng quan về Python
• 2.9. Tổng quan về Machine Learning
• 2.10. Giới thiệu về học máy
• 2.11. Khai phá dữ liệu
• 2.12. Giới thiệu một số máy học
• 2.13. Mô hình mạng nơron nhân tạo
• 2.14. Mô hình Long Short-Term Memory (LSTM)
• 2.15. Mô hình Rừng Ngẫu Nhiên
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH NGHIÊN CỨU
• 3.1. Tổng quan xây dựng Machine Learning
• 3.2. Xây dựng mô Machine Learning
• 3.3. Thu thập và chuẩn bị Dữ liệu
• 3.4. Khám phá và Tiền xử lý Dữ liệu
• 3.5. Xây dựng mô hình học máy
• 3.6. Kiểm định và đánh giá mô hình
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Tổng quan dữ liệu và phương pháp nghiên cứu
• 4.2. Thống kê dữ liệu đầu vào
• 4.3. Đánh giá mức độ tương quan giữa hai biến số
• 4.4. Chuẩn hóa dữ liệu
• 4.5. Chia dữ liệu thành tập huấn luyện và kiểm tra
• 4.6. Kết quả xây dựng mô hình
• 5. CHƯƠNG 5: KẾT LUẬN VÀ ĐÁNH GIÁ
• 5.1. Tóm tắt nghiên cứu
• 5.2. Tiềm năng có thể khai thác

Tóm tắt

I. Tổng quan về dự báo giá chứng khoán bằng học máy

Dự báo giá chứng khoán là một lĩnh vực quan trọng trong tài chính, đặc biệt trong bối cảnh công nghệ phát triển mạnh mẽ. Việc ứng dụng học máy trong dự báo giá chứng khoán đã mở ra nhiều cơ hội mới cho các nhà đầu tư. Học máy cho phép xử lý lượng lớn dữ liệu và phát hiện các mô hình phức tạp, từ đó đưa ra những dự đoán chính xác hơn về xu hướng giá trong tương lai.

1.1. Khái niệm và tầm quan trọng của dự báo giá chứng khoán

Dự báo giá chứng khoán là quá trình ước lượng giá trị của cổ phiếu trong tương lai dựa trên dữ liệu lịch sử. Điều này giúp các nhà đầu tư đưa ra quyết định đầu tư thông minh hơn và tối ưu hóa lợi nhuận.

1.2. Lịch sử và phát triển của phương pháp dự báo

Trong quá khứ, các phương pháp truyền thống như phân tích kỹ thuật và phân tích cơ bản đã được sử dụng. Tuy nhiên, với sự phát triển của công nghệ, học máy đã trở thành một công cụ mạnh mẽ trong việc dự đoán giá chứng khoán.

II. Thách thức trong dự báo giá chứng khoán hiện nay

Dự báo giá chứng khoán gặp nhiều thách thức do tính không ổn định và phi tuyến tính của thị trường. Các yếu tố như tâm lý nhà đầu tư, tin tức kinh tế và biến động thị trường có thể ảnh hưởng lớn đến giá cổ phiếu. Việc hiểu rõ những thách thức này là rất quan trọng để phát triển các mô hình dự báo hiệu quả.

2.1. Tính không ổn định của thị trường chứng khoán

Thị trường chứng khoán thường xuyên biến động do nhiều yếu tố bên ngoài. Điều này làm cho việc dự đoán giá trở nên khó khăn hơn, đòi hỏi các mô hình phải có khả năng thích ứng nhanh chóng.

2.2. Ảnh hưởng của tâm lý nhà đầu tư

Tâm lý nhà đầu tư có thể dẫn đến những quyết định không hợp lý, gây ra sự biến động giá cổ phiếu. Việc phân tích tâm lý này là một thách thức lớn trong việc dự đoán giá chứng khoán.

III. Phương pháp học máy trong dự báo giá chứng khoán

Các phương pháp học máy như Long Short-Term Memory (LSTM) và Random Forest đã được áp dụng để dự đoán giá chứng khoán. Những mô hình này có khả năng xử lý dữ liệu lớn và phát hiện các mẫu phức tạp, từ đó cải thiện độ chính xác của dự đoán.

3.1. Mô hình Long Short Term Memory LSTM

LSTM là một loại mạng nơ-ron hồi tiếp, được thiết kế để xử lý và dự đoán chuỗi thời gian. Mô hình này có khả năng ghi nhớ thông tin lâu dài, giúp cải thiện độ chính xác trong dự đoán giá chứng khoán.

3.2. Mô hình Rừng Ngẫu Nhiên Random Forest

Random Forest là một phương pháp học máy mạnh mẽ, sử dụng nhiều cây quyết định để đưa ra dự đoán. Mô hình này giúp giảm thiểu rủi ro overfitting và cải thiện độ chính xác của dự đoán.

IV. Ứng dụng thực tiễn của học máy trong dự báo giá chứng khoán

Việc ứng dụng học máy trong dự báo giá chứng khoán đã mang lại nhiều kết quả tích cực. Các mô hình học máy không chỉ giúp dự đoán giá mà còn cung cấp thông tin hữu ích cho các nhà đầu tư trong việc ra quyết định.

4.1. Kết quả nghiên cứu từ mô hình LSTM

Nghiên cứu cho thấy mô hình LSTM có khả năng dự đoán giá cổ phiếu với độ chính xác cao hơn so với các phương pháp truyền thống. Điều này chứng tỏ tiềm năng của học máy trong lĩnh vực tài chính.

4.2. Ứng dụng Random Forest trong phân tích dữ liệu

Mô hình Random Forest đã được sử dụng để phân tích dữ liệu lịch sử và đưa ra dự đoán chính xác về xu hướng giá. Kết quả cho thấy mô hình này có thể hỗ trợ các nhà đầu tư trong việc đưa ra quyết định đầu tư.

V. Kết luận và tương lai của học máy trong dự báo giá chứng khoán

Học máy đang trở thành một công cụ quan trọng trong dự báo giá chứng khoán. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ với sự phát triển của công nghệ và các thuật toán mới. Việc tiếp tục nghiên cứu và phát triển các mô hình học máy sẽ giúp cải thiện độ chính xác trong dự đoán giá chứng khoán.

5.1. Tiềm năng phát triển của học máy

Học máy có tiềm năng lớn trong việc cải thiện các mô hình dự đoán giá chứng khoán. Các nghiên cứu tiếp theo có thể tập trung vào việc phát triển các thuật toán mới và cải thiện độ chính xác của dự đoán.

5.2. Hướng đi mới trong nghiên cứu dự báo

Nghiên cứu có thể mở rộng sang việc kết hợp nhiều phương pháp học máy khác nhau để tối ưu hóa kết quả dự đoán. Điều này sẽ giúp các nhà đầu tư có thêm thông tin để ra quyết định chính xác hơn.

Trích đoạn nội dung tài liệu

Chương 1 sẽ mang đến cho người đọc cái nhìn tổng quát nhất về đề tài nghiên cứu, qua tạo tiền đề để tìm hiểu các chương tiếp theo. CHƢƠNG 2: TỔNG QUAN LÝ THUYẾT Ở Chương 2, chúng tôi sẽ trình bày tổng quan lý thuyết về thị trường chứng khoán, phân loại dữ liệu, khai phá dữ liệu và giới thiệu các Machine Learning. Mục tiêu giúp người đọc có thể nắm rõ được những kiến thức được sử dụng trong bài nghiên cứu. CHƢƠNG 3: XÂY DỰNG MÔ HÌNH NGHIÊN CỨU Chương 3 sẽ đề cập đến quy trình cụ thể và các bước để tiến hành nghiên cứu về đề tài, lựa chọn các biến đưa vào mô hình và chọn ra các mô hình phù hợp để xây dựng, phục vụ cho việc so sánh và đánh giá kết quả.

CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 6 Chương 4 này tiến hành trình bày các kết quả nghiên cứu, từ giá trị biến đầu vào, xử lý biến, và các nguyên tắc xây dựng – tiến hành đánh giá so sánh mô hình Machine Learning. CHƢƠNG 5: KẾT LUẬN VÀ ĐÁNH GIÁ Chương 5 đưa ra những kết luận về tính ứng dụng của Machine Learning, đề cập các ưu – nhược điểm của học máy và đề xuất một số hướng phát triển nghiên cứu trong tương lai. 7 CHƢƠNG 2: TỔNG QUAN LÝ THUYẾT 2. Tổng quan về dự báo chứng khoán 2.

Khái niệm dự báo Dự báo - “Progrosis” là một thuật ngữ bắt nguồn từ Hy Lạp (Progrosis có nghĩa là biết trước). Dự báo là quá trình ước tính hoặc dự đoán về tương lai dựa trên thông tin và dữ liệu có sẵn. Đây là một trong những yếu tố quan trọng của quyết định quản lý và kinh doanh, giúp các cá nhân và tổ chức đề ra kế hoạch, đưa ra quyết định và ứng phó với tình hình tương lai. Dự báo chứng khoán Sự quan tâm của người bình thường đối với thị trường chứng khoán đã tăng trưởng theo cấp số nhân trong vài thập kỷ qua(Badolia, 2016).

Nếu một người tham gia thị trường là nhà đầu tư các nhân hoặc tổ chức có thể dự báo chính xác hành vi của thị trường, điều này sẽ cho phép họ liên tục kiếm được lợi nhuận từ thị trường. Nhưng dự đoán giá chứng khoán chưa bao giờ là bài toán dễ ngay cả đối với các nhà kinh tế, thống kê và tài chính. Thị trường chứng khoán là nơi cổ phiếu có thể được giao dịch, chuyển nhượng và phân phối. Thị trường chứng khoán mang đến cho các công ty cơ hội mở rộng thông qua việc phát hành cổ phiếu nhằm huy động tiền từ công chúng, các nhà đầu tư có thể đầu tư vào cổ phiếu của nhiều công ty khác nhau.

Thị trường chứng khoán rất khó lường vì giá cổ phiếu của các công ty rất linh động và liên tục thay đổi tùy thuộc vào khối lượng cổ phiếu được mua vào, bán ra trên thị trường. Thị trường chịu ảnh hưởng của các chính sách quốc gia, kinh tế khu vực và toàn cầu cũng như các yếu tố tâm lý và con người do đó các yếu tố bên ngoài như mạng xã hội và tin tức tài chính có tác động tích cực hoặc tiêu cực đến giá cổ phiếu. Do giá chứng khoán có tính lịch sử, tồn tại dưới dạng chuỗi thời gian nên thực tế phần lớn người tham gia thị trường sử dụng thông tin về giá thị trường trong quá khứ, thông tin cụ thể của công ty như thu nhập và lợi nhuận trong quá khứ cũng 8 như các yếu tố khác để xây dựng kỳ vọng của họ về giá cổ phiếu trong tương lai (Patel & Marwala, 2006). Hơn nữa, các nhà đầu tư thường kỳ vọng rằng lợi nhuận ngắn hạn sẽ tiếp tục tăng vì lợi nhuận trong quá khứ có thể phản ánh tâm lý nhà đầu tư (Bustos et al., 2011), việc sử dụng thông tin về quá khứ để dự báo thị trường chứng khoán có vẻ hợp lý.

Tổng quan chung về dữ liệu Nhìn chung, trong các nghiên cứu dự đoán thị trường chứng khoán thường có hai phương pháp phân tích chính là phân tích cơ bản và phân tích kỹ thuật (Lam, 2004; Lohrmann & Luukka, 2019). Phân tích cơ bản tập trung vào thông tin cơ bản. Trong trường hợp dự đoán giá cổ phiếu hoặc lợi nhuận của công ty, thông trường tin cơ bản là, ví dụ, doanh thu và chi phí của công ty, tốc độ tăng trưởng hàng năm, vị trí trên thị và các thông tin khác có trong báo cáo hoặc báo cáo tài chính s (Bodie et al. Bên cạnh đó, các chỉ số chung, các đo lường vĩ mô cũng được sử dụng để phân tích tác động đến hoạt động của công ty.

Dữ liệu chỉ số cơ bản Dữ liệu chỉ số cơ bản (Fundamental Indicators): là số liệu phân tích chứng khoán, đóng vai trò là các biến mang tính nền tảng tác động, ảnh hưởng hoặc là nguyên nhân gây ra sự thay đổi giá trị nội tại của chứng khoán trên thị trường. Những yếu tố này có thể là: hoạt động kinh doanh của công ty, thu nhập trên mỗi cổ phiếu (EPS), tỷ lệ giá trên thu nhập (P/E), lợi nhuận trên vốn chủ sở hữu (ROE), tăng trưởng doanh thu, cổ tức,… 2. Dữ liệu chỉ số kỹ thuật Dữ liệu chỉ số kỹ thuật (Technical Indicators): là những dữ liệu phản ánh thị trường trong cả quá khứ lẫn hiện tại để chỉ ra trạng thái của thị trường trong một thời điểm xác định, thường mang tính xu huớng của thị trường: thường là các biến về dữ liệu về giá đóng – mở cửa, giá cao – thấp nhất trong ngày, khối lượng giao dịch của chứng khoán và các chỉ báo chỉ được ưa chuộng và phổ biến (MACD, RSI,…). Dữ liệu vĩ mô Ngoài ra, các nhân tố vĩ mô đóng vai trò quan trọng trong việc hiểu và dự đoán sự biến đổi của nền kinh tế một quốc gia nói chung và thị trường chứng khoán nói riêng (Enke et al., 2011; Zhong & Enke, 2017a, 2017b)Những yếu tố này cung cấp cái nhìn tổng thể về tình hình kinh tế, giúp chúng ta thấu hiểu các xu hướng, tác động và tương quan giữa các yếu tố khác nhau.

Các nhân tố vĩ mô thường được chia thành các hạng mục quan trọng như sau: Tăng trưởng kinh tế, lạm phát, tỷ lệ thất nghiệp, chính sách tiền tệ và tài khóa: Chính sách tiền tệ bao gồm quản lý lãi suất, cung tiền,… 2. Dữ liệu khác Cuối cùng, các biến được phân loại là ''các biến khác'', dựa trên dữ liệu là các biến đo lường định tính. Ví dụ, một số nghiên cứu dự đoán một thị trường chứng khoán cụ thể triển khai dữ liệu giá của các chỉ số khác (Niaki & HOSEin zade, 2013) hoặc các biến trích từ tin tức tài chính (Chen et al., 2017), thông báo đặc biệt (Feuerriegel & Gordon, 2018), dữ liệu email (Zhou et al., 2018) và tweet (Shi et al. Tổng quan về Python Python là một ngôn ngữ lập trình hướng đối tượng, bậc cao, có mã nguồn mở, được thiết kế để dễ đọc và viết.

Nó được phát triển bởi Guido van Rossum vào năm 1989 và lần đầu tiên được phát hành vào năm 1991. Python được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm khoa học máy tính, khoa học dữ liệu, học máy, trí tuệ nhân tạo, lập trình web, phát triển phần mềm, tự động hóa,. Python có một số ưu điểm nổi bật sau:  Dễ đọc và dễ viết: Python được thiết kế với cú pháp đơn giản và dễ đọc giúp người lập trình dễ dàng hiểu và viết mã. Cấu trúc của Python sử dụng khoảng trắng (thụt đầu dòng) để định nghĩa các khối mã, điều này giúp mã Python luôn có độ thẩm mỹ cao.

10  Đa năng: Python hỗ trợ nhiều phong cách lập trình, bao gồm lập trình hướng đối tượng, lập trình thủ tục và lập trình hàm. Điều này cho phép người lập trình lựa chọn cách tiếp cận phù hợp với dự án của họ.  Thư viện và framework phong phú: Python có một cộng đồng phát triển mạnh mẽ và nhiều thư viện, framework, và công cụ mạnh mẽ. Ví dụ, NumPy và Pandas cho xử lý dữ liệu, Flask và Django cho phát triển web, TensorFlow và PyTorch cho học máy và trí tuệ nhân tạo, và nhiều thư viện khác nữa.

 Di động và di động: Python có thể chạy trên nhiều hệ điều hành khác nhau, bao gồm Windows, macOS và Linux. Nó cũng hỗ trợ phát triển ứng dụng di động bằng các framework như Kivy và PyQT.  Cộng đồng lớn và hỗ trợ tốt: Python có một cộng đồng lập trình viên rất lớn, đồng nghĩa với việc có sẵn tài liệu dày đặc và các diễn đàn để giải quyết vấn đề. Có thể tìm kiếm giúp đỡ từ cộng đồng Python khi gặp khó khăn trong quá trình phát triển.

 Miễn phí và mã nguồn mở: Python là một phần mềm miễn phí và mã nguồn mở, điều này có nghĩa là có thể sử dụng, sửa đổi và phân phối nó mà không cần phải trả bất kỳ khoản phí nào.  Hỗ trợ đa nền tảng: Python có sẵn trên nhiều nền tảng khác nhau và có thể tích hợp dễ dàng với các ngôn ngữ khác như C, C++, và Java.Python là một ngôn ngữ lập trình phổ biến và được sử dụng bởi nhiều doanh nghiệp và tổ chức lớn trên thế giới. Nó là một lựa chọn tuyệt vời cho người mới bắt đầu học lập trình hoặc những người muốn tìm một ngôn ngữ lập trình dễ học và hiệu quả. Dưới đây là một số ví dụ về các ứng dụng của Python:  Khoa học máy tính: Python được sử dụng trong nhiều lĩnh vực của khoa học máy tính, bao gồm học máy, trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên,.

 Khoa học dữ liệu: Python là một ngôn ngữ phổ biến để phân tích và xử lý dữ liệu. 11  Lập trình web: Python được sử dụng để phát triển các trang web và ứng dụng web.  Phát triển phần mềm: Python được sử dụng để phát triển các ứng dụng máy tính.  Tự động hóa: Python được sử dụng để tự động hóa các tác vụ, chẳng hạn như kiểm tra tự động và DevOps.

Tổng quan về Machine Learning 2. Giới thiệu về học máy Sự phát triển công nghệ của thời đại đã thúc đẩy việc sử dụng phương pháp học máy và trí tuệ tính toán để tạo ra các mô hình chính xác để dự đoán thị trường chứng khoán. Thật vậy, một số lượng lớn các nghiên cứu được công bố đã cố gắng dự báo thị trường chứng khoán một cách chính xác bằng cách phát triển các mô hình/hệ thống dự báo phức tạp và một số nghiên cứu báo cáo rằng mô hình của họ có thể tạo ra lợi nhuận.