Đồ án HCMUTE: Dự đoán chỉ số VNIndex sử dụng Machine Learning

• Tác giả: Tống Trần Khánh Duy
• Người hướng dẫn: Trần Kim Toại
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh
• Chuyên ngành: Thương Mại Điện Tử
• Đề tài: Dự đoán chỉ số VNIndex bằng Machine Learning
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Tp. Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU VỀ THUẬT TOÁN K NEAREST NEIGHBORS
• 1.1. KNN (K Nearest Neighbors) là gì? Ưu điểm và nhược điểm của KNN
• 1.2. Các khái niệm liên quan
• 1.3. Decision Tree Regressor (CART)
• 1.4. Support Vector Regressor (SVM)
• 1.5. Mô hình thuật toán KNN
• 1.6. Mô hình KNN và các đặc điểm cơ bản
• 1.7. Cách thức một thuận toán KNN hoạt động
• 1.8. Một số thước đo trong việc lựa chọn mô hình thuật toán
• 1.9. Sự vượt trội của dự báo
• 1.10. Việc ứng dụng mô hình KNN trong dự báo – bằng chứng thực nghiệm
• 2. CHƯƠNG 2: THIẾT KẾ MÔ HÌNH HỒI QUY DỰ BÁO GIÁ CHỨNG KHOÁN
• 2.1. Thiết kế mô hình hồi quy để dự báo giá chứng khoán với nhóm biến kinh tế vĩ mô
• 2.2. Lựa chọn biến kinh tế vĩ mô tác động đến giá chứng khoán
• 2.3. Thu nhập dữ liệu Kinh tế
• 2.4. Các bước thực hiện
• 2.5. Chọn ra mô hình thuật toán tốt nhất: KNN
• 2.6. Cải thiện thuật toán với phương pháp tinh chỉnh Hyperparameter
• 2.7. So sánh với các thuật toán sử dụng phương pháp Ensemble
• 2.8. So sánh GBM và KNN
• 2.9. Sử dụng thuật toán KNN để dự đoán giá VNINDEX
• 2.9.1. K-Nearest Neighbors là gì?
• 2.9.2. Phương pháp và cách thức
• 2.9.3. Sử dụng mô hình KNN
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
• 3.1. Sự tác động giữa VNINDEX và các chỉ số khác
• 3.2. Kết quả chọn lựa thuật toán
• 3.2.1. Sai số toàn phương của các mô hình thuật toán
• 3.2.2. Hiệu chỉnh mô hình KNN
• 3.2.3. Phương pháp Ensemble và hiệu chỉnh Ensemble
• 3.2.4. So sánh GBM và KNN
• 3.3. Áp dụng mô hình để tạo chiến lược trao đổi
• 4. CHƯƠNG 4: MỘT SỐ ĐỀ XUẤT VÀ HƯỚNG PHÁT TRIỂN TỪ QUÁ TRÌNH PHÂN TÍCH VÀ DỰ BÁO GIÁ CHỨNG KHOÁN VIỆT NAM
• 4.1. Xu hướng dự báo giá chứng khoán tại thị trường Việt Nam
• 4.2. Nhu cầu chơi chứng khoán
• 4.3. Nhu cầu muốn đoán giá chứng khoán
• 4.4. Ưu điểm của phương pháp mang lại cho thị trường chứng khoán tại Việt Nam
• 4.5. Những hạn chế của quá trình nghiên cứu
• 4.6. Một số đề xuất từ quá trình nghiên cứu và hướng phát triển của dự án cho thị trường chứng khoán Việt Nam
• 4.7. Một số các đề xuất của nhóm
• 4.8. Hướng phát triển dự án
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

I. Giới thiệu về Dự đoán VNIndex bằng Machine Learning tại HCMUTE

Bài viết tập trung vào việc ứng dụng Machine Learning để dự đoán chỉ số chứng khoán VNIndex, một nghiên cứu được thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE).

1.1 Bối cảnh và Sự cần thiết

Trong bối cảnh thị trường tài chính ngày càng phức tạp và biến động, việc dự đoán chỉ số chứng khoán như VNIndex đóng vai trò quan trọng cho các nhà đầu tư. Machine learning, với khả năng phân tích dữ liệu lớn và nhận dạng xu hướng, nổi lên như một công cụ hữu ích cho mục tiêu này.

1.2 Mục tiêu của Nghiên cứu

Nghiên cứu tại HCMUTE nhắm đến việc xây dựng mô hình dự đoán VNIndex dựa trên Machine Learning, sử dụng dữ liệu lịch sử của thị trường chứng khoán. Mục tiêu là tạo ra một công cụ hỗ trợ đầu tư hiệu quả, giúp dự báo xu hướng thị trường.

II. Phương pháp Machine Learning được sử dụng

Bài viết tập trung vào thuật toán K Nearest Neighbors (KNN), một phương pháp học máy có giám sát, để dự đoán VNIndex.

2.1 Giới thiệu về KNN

KNN là một thuật toán đơn giản và hiệu quả, hoạt động dựa trên việc tìm kiếm các điểm dữ liệu gần nhất trong không gian đặc trưng. Trong dự đoán VNIndex, KNN sử dụng dữ liệu lịch sử của các chỉ số tài chính để tìm ra các mẫu và xu hướng tương tự, từ đó dự đoán giá trị VNIndex trong tương lai.

2.2 Các bước thực hiện

Nghiên cứu thực hiện các bước thu thập dữ liệu, tiền xử lý dữ liệu, huấn luyện mô hình KNN và đánh giá hiệu suất mô hình. Việc lựa chọn bộ dữ liệu phù hợp, bao gồm các chỉ số kinh tế vĩ mô và chỉ số thị trường chứng khoán, đóng vai trò quan trọng trong việc xây dựng mô hình dự đoán chính xác.

III. Kết quả và Ứng dụng

Nghiên cứu đã đạt được kết quả khả quan trong việc dự đoán VNIndex bằng thuật toán KNN.

3.1 Hiệu suất Mô hình

Mô hình KNN được đánh giá dựa trên các chỉ số như MSE (Mean Squared Error). Kết quả cho thấy mô hình có khả năng dự đoán xu hướng của VNIndex với độ chính xác cao.

3.2 Ứng dụng thực tế

Mô hình dự đoán VNIndex được xây dựng có thể ứng dụng trong đầu tư chứng khoán, hỗ trợ các nhà đầu tư đưa ra quyết định mua hoặc bán cổ phiếu. Kết quả nghiên cứu cũng có thể được sử dụng để phân tích thị trường tài chính và dự báo xu hướng kinh tế.