Giới thiệu dự án

Thị trường chứng khoán (TTCK) đóng vai trò huyết mạch trong việc dẫn vốn và phân bổ nguồn lực kinh tế tại các quốc gia đang phát triển. Tại Việt Nam, quy mô vốn hóa thị trường cổ phiếu đã chứng kiến mức tăng trưởng vượt bậc từ 986 tỷ đồng (chiếm 0,28% GDP năm 2000) lên hơn 3.894 nghìn tỷ đồng (tương đương 64,5% GDP), huy động trên 2,4 triệu tỷ đồng cho nền kinh tế quốc gia. Tuy nhiên, thị trường tài chính luôn biến động phức tạp với tính chất phi tuyến tính (non-linearity), độ nhiễu cao (high noise level) và chịu sự chi phối của hàng loạt yếu tố vĩ mô lẫn tâm lý nhà đầu tư.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH & BÀI TOÁN                                    |
|  - Quy mô vốn hóa TTCK Việt Nam: >3.894 nghìn tỷ VNĐ (~64,5% GDP)                 |
|  - Thách thức: Dữ liệu tài chính phi tuyến, biến động mạnh, rủi ro cao            |
|  - Giải pháp: Mạng nơ-ron hồi quy bộ nhớ ngắn-dài (LSTM) xử lý phụ thuộc thời gian|
+-----------------------------------------------------------------------------------+

Bài toán đặt ra là làm thế nào để xây dựng một hệ thống dự báo giá đóng cửa hàng ngày với độ chính xác cao, giúp nhà đầu tư cá nhân và các tổ chức tài chính tối ưu hóa danh mục, hạn chế rủi ro đu đỉnh/bắt đáy và nâng cao hiệu suất sinh lời. Đồ án tốt nghiệp chuyên ngành Kỹ thuật Dữ liệu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM của nhóm tác giả Nguyễn Tấn Phúc và Võ Thị Thanh Ngân, dưới sự hướng dẫn của ThS. Quách Đình Hoàng, tập trung giải quyết bài toán này thông qua việc ứng dụng học sâu (Deep Learning).

Mục tiêu cụ thể của dự án:

  1. Thu thập, làm sạch và chuẩn hóa chuỗi dữ liệu giao dịch lịch sử từ các nguồn dữ liệu tài chính uy tín (investing.vn) cho 4 mã cổ phiếu đại diện cho các nhóm ngành trọng điểm: VNM (CTCP Sữa Việt Nam - Tiêu dùng), POW (Tổng công ty Điện lực Dầu khí Việt Nam - Năng lượng), HAG (CTCP Hoàng Anh Gia Lai - Nông nghiệp/Đa ngành), HPG (CTCP Tập đoàn Hòa Phát - Công nghiệp/Thép).
  2. Thiết kế và triển khai kiến trúc mạng nơ-ron hồi quy bộ nhớ ngắn-dài (Long Short-Term Memory - LSTM) nhằm khắc phục hiện tượng triệt tiêu đạo hàm (Vanishing Gradient) vốn xuất hiện trên các mạng hồi quy truyền thống (RNN).
  3. Đánh giá toàn diện hiệu năng mô hình qua 4 độ đo định lượng chuẩn mực: Hệ số xác định ($R^2$), Sai số tuyệt đối trung bình (MAE), Sai số toàn phương trung bình (RMSE), và Sai số phần trăm tuyệt đối trung bình (MAPE).
  4. So sánh thực nghiệm với các phương pháp phân tích thống kê cổ điển và mô hình mạng nơ-ron cơ bản để xác nhận tính tối ưu.

Phạm vi nghiên cứu tập trung vào chuỗi thời gian giá đóng cửa theo ngày giao dịch trên Sở Giao dịch Chứng khoán TP.HCM (HOSE), với giới hạn không xét đến các biến động đột ngột từ tin tức thiên nga đen (black swan events) hoặc thao túng giá ngắn hạn ngoài quy luật dữ liệu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi mô hình học sâu ra đời, dự báo tài chính chủ yếu dựa trên phân tích kỹ thuật (Technical Analysis - TA) và các mô hình chuỗi thời gian tuyến tính như ARIMA (AutoRegressive Integrated Moving Average). Tuy nhiên, các giải pháp này bộc lộ nhiều điểm hạn chế rõ rệt khi đối mặt với dữ liệu tài chính biến động mạnh.

Tiêu chí so sánh Phân tích kỹ thuật truyền thống Mô hình chuỗi thời gian ARIMA Mạng nơ-ron hồi quy RNN Mô hình đề xuất LSTM
Bản chất toán học Quy tắc hình học, chỉ báo trễ (MA, RSI, MACD) Thống kê tuyến tính kết hợp sai số trượt Mạng nơ-ron hồi quy phi tuyến tính Mạng nơ-ron hồi quy có cơ chế cổng nhớ
Xử lý tính phi tuyến Rất kém, phụ thuộc cảm tính chuyên gia Kém, chỉ hoạt động trên chuỗi dừng (stationary) Tốt, học được các đặc trưng phi tuyến Xuất sắc, xấp xỉ hàm phi tuyến phức tạp
Ghi nhớ dài hạn Không có bộ nhớ thuật toán Bị giới hạn bởi bậc tự hồi quy ($p, d, q$) Kém (bị lỗi Vanishing/Exploding Gradient) Rất tốt nhờ cơ chế tế bào nhớ ($C_t$) và cổng quên ($f_t$)
Khả năng tự động hóa Thấp, cần can thiệp thủ công liên tục Trung bình, đòi hỏi kiểm định nghiệm đơn vị Cao, chạy hoàn toàn tự động theo pipeline Rất cao, tích hợp tốt vào hệ thống MLOps

Theo phương pháp phân loại yêu cầu MoSCoW:

  • Must-have: Tiền xử lý dữ liệu khuyết thiếu, chuẩn hóa dữ liệu với MinMaxScaler về khoảng $[0, 1]$, mô hình hóa chuỗi thời gian trượt (sliding window), kiến trúc LSTM đa cổng (Input Gate, Forget Gate, Output Gate).
  • Should-have: Trực quan hóa tương quan giá thực tế và giá dự báo, tính toán tự động 4 chỉ số sai số định lượng ($R^2$, MAE, RMSE, MAPE).
  • Could-have: Tinh chỉnh siêu tham số (Hyperparameter tuning) tự động về số lượng nơ-ron, kích thước cửa sổ trượt (lookback window), và tỷ lệ Dropout.
  • Won't-have: Xử lý ngôn ngữ tự nhiên (NLP) phân tích sắc thái tin tức thị trường trong phiên bản hiện tại.

Thách thức kỹ thuật lớn nhất nằm ở việc cân bằng giữa hiện tượng quá khớp (overfitting) và chưa khớp (underfitting) trên chuỗi dữ liệu biến động cao, đòi hỏi kỹ thuật điều hòa trọng số nghiêm ngặt.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình xử lý dữ liệu dòng khép kín từ khâu thu thập đến trích xuất kết quả:

[Dữ liệu thô CSV/investing.vn] 
       │
       ▼
[Tiền xử lý: Làm sạch, Xử lý Null, Sắp xếp thứ tự thời gian]
       │
       ▼
[Chuẩn hóa dữ liệu: MinMaxScaler (0 -> 1)]
       │
       ▼
[Tạo chuỗi thời gian trượt: Sliding Window (Lookback = 60 days)]
       │
       ▼
[Phân chia tập dữ liệu: Train (80%) / Test (20%)]
       │
       ▼
[Mô hình LSTM: LSTM Layers -> Dropout (0.2) -> Dense Layer]
       │
       ▼
[Nghịch đảo chuẩn hóa: Inverse Transform -> Giá trị thực tế]
       │
       ▼
[Đánh giá sai số & Trực quan hóa: MAE, RMSE, MAPE, R2]

Technology Stack triển khai bao gồm:

  • Ngôn ngữ lập trình: Python 3.9.12
  • Thư viện tính toán & xử lý dữ liệu: NumPy 1.22.3, Pandas 1.4.2
  • Khung học sâu: TensorFlow 2.8.0 / Keras 2.8.0
  • Tiền xử lý & Đánh giá: Scikit-learn 1.0.2
  • Trực quan hóa: Matplotlib 3.5.1, Seaborn 0.11.2
  • Môi trường huấn luyện: Google Colab Pro với GPU Nvidia Tesla T4 (16GB VRAM)

Về mặt toán học, mạng LSTM giải quyết bài toán phụ thuộc dài hạn thông qua 4 thành phần nơ-ron cốt lõi tại bước thời gian $t$:

  1. Cổng quên (Forget Gate): Xác định tỷ lệ thông tin từ trạng thái trước $C_{t-1}$ cần loại bỏ: $$f_t = \sigma(W_f x_t + U_f h_{t-1} + b_f)$$

  2. Cổng đầu vào (Input Gate): Điều hòa lượng thông tin mới nạp vào trạng thái ô nhớ: $$i_t = \sigma(W_i x_t + U_i h_{t-1} + b_i)$$ $$\tilde{C}t = \tanh(W_c x_t + U_c h{t-1} + b_c)$$

  3. Cập nhật trạng thái ô nhớ (Cell State Update): $$C_t = f_t * C_{t-1} + i_t * \tilde{C}_t$$

  4. Cổng đầu ra (Output Gate): Quyết định giá trị ẩn $h_t$ phát ra tiếp theo: $$o_t = \sigma(W_o x_t + U_o h_{t-1} + b_o)$$ $$h_t = o_t * \tanh(C_t)$$

Trong đó $\sigma$ là hàm kích hoạt Sigmoid đưa giá trị về khoảng $(0, 1)$, $\tanh$ nén giá trị trong khoảng $(-1, 1)$, $W$ và $U$ là các ma trận trọng số liên kết, $b$ là vector độ lệch (bias).

Methodology

Quy trình phát triển tuân thủ phương pháp luận khoa học dữ liệu kết hợp Agile Scrum trong khung thời gian 20 tuần (01/03/2022 – 15/07/2022):

  • Giai đoạn 1 (Tuần 1-5): Khảo sát lý thuyết tài chính, cấu trúc thị trường HOSE/HNX, phân tích toán học mạng nơ-ron hồi quy và cơ chế cổng LSTM.
  • Giai đoạn 2 (Tuần 6-9): Thu thập bộ dữ liệu lịch sử của VNM, POW, HAG, HPG từ investing.vn; xây dựng module tiền xử lý và kiểm định tính toàn vẹn dữ liệu.
  • Giai đoạn 3 (Tuần 10-13): Xây dựng pipeline huấn luyện mô hình LSTM trên Google Colab; cấu hình các hàm tối ưu hóa Adam, thử nghiệm các hàm kích hoạt (ReLU, LeakyReLU, Tanh, ELU).
  • Giai đoạn 4 (Tuần 14-17): Đánh giá mô hình trên tập kiểm thử độc lập, tinh chỉnh siêu tham số, so sánh định lượng với các baseline.
  • Giai đoạn 5 (Tuần 18-20): Tổng hợp báo cáo, trực quan hóa biểu đồ phân tích kỹ thuật và nghiệm thu đề tài.

Chiến lược giảm thiểu rủi ro: Áp dụng phương pháp phân chia dữ liệu theo thứ tự thời gian nghiêm ngặt (Chronological Split: 80% Train, 20% Test), tuyệt đối không dùng K-Fold ngẫu nhiên để tránh hiện tượng rò rỉ dữ liệu tương lai (Data Leakage/Look-ahead Bias).

Implementation và kết quả

Development process

Quá trình cài đặt mô hình được cấu trúc thành các module xử lý dữ liệu chuẩn hóa, khởi tạo kiến trúc mạng nơ-ron sâu với các tầng điều hòa để chống quá khớp.

import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropout

def build_and_train_stock_lstm(df, lookback=60, epochs=50, batch_size=32):
    # 1. Trích xuất thuộc tính giá đóng cửa và chuẩn hóa [0, 1]
    data = df[['Close']].values
    scaler = MinMaxScaler(feature_range=(0, 1))
    scaled_data = scaler.fit_transform(data)
    
    # 2. Tạo tập mẫu dạng chuỗi thời gian trượt (Sliding Window)
    X, y = [], []
    for i in range(lookback, len(scaled_data)):
        X.append(scaled_data[i-lookback:i, 0])
        y.append(scaled_data[i, 0])
    X, y = np.array(X), np.array(y)
    X = np.reshape(X, (X.shape[0], X.shape[1], 1))
    
    # 3. Phân chia Train/Test theo tỷ lệ 80:20 không xáo trộn
    train_size = int(len(X) * 0.8)
    X_train, X_test = X[:train_size], X[train_size:]
    y_train, y_test = y[:train_size], y[train_size:]
    
    # 4. Xây dựng cấu trúc mạng LSTM nhiều tầng
    model = Sequential([
        LSTM(units=50, return_sequences=True, input_shape=(X_train.shape[1], 1)),
        Dropout(0.2),
        LSTM(units=50, return_sequences=False),
        Dropout(0.2),
        Dense(units=25, activation='relu'),
        Dense(units=1)
    ])
    
    # 5. Biên dịch và huấn luyện mô hình với Adam Optimizer
    model.compile(optimizer='adam', loss='mean_squared_error')
    model.fit(X_train, y_train, epochs=epochs, batch_size=batch_size, 
              validation_split=0.1, verbose=1)
    
    return model, scaler, X_test, y_test

Kỹ thuật áp dụng đảm bảo tính tối ưu:

  • Batch Size 32 kết hợp Lookback 60 phiên (tương đương 3 tháng giao dịch) giúp mô hình nắm bắt đầy đủ chu kỳ biến động ngắn và trung hạn của cổ phiếu.
  • Dropout 0.2 được đặt xen kẽ giữa các tầng LSTM nhằm vô hiệu hóa ngẫu nhiên 20% nơ-ron trong quá trình lan truyền ngược, hạn chế hiện tượng phụ thuộc quá mức vào các điểm dữ liệu nhiễu.

Testing và validation

Hiệu năng của mô hình LSTM được kiểm định độc lập trên tập dữ liệu kiểm thử (Testing Set - chiếm 20% tổng số phiên giao dịch gần nhất) cho cả 4 mã cổ phiếu và so sánh trực tiếp với 2 mô hình đối sánh là ARIMA và Vanilla RNN.

Mã cổ phiếu Mô hình MAE (VNĐ) RMSE (VNĐ) MAPE (%) $R^2$ Score
VNM ARIMA 2.150,40 2.840,12 2,75% 0,812
Vanilla RNN 1.620,15 2.110,30 2,05% 0,885
LSTM (Đề xuất) 1.085,20 1.420,50 1,38% 0,958
HPG ARIMA 1.840,60 2.450,80 4,12% 0,794
Vanilla RNN 1.250,30 1.730,45 2,80% 0,891
LSTM (Đề xuất) 760,40 1.015,10 1,72% 0,964
POW ARIMA 680,50 920,30 5,10% 0,768
Vanilla RNN 450,20 610,15 3,35% 0,872
LSTM (Đề xuất) 280,10 375,60 2,08% 0,945
HAG ARIMA 790,20 1.050,40 6,85% 0,742
Vanilla RNN 510,80 730,20 4,42% 0,860
LSTM (Đề xuất) 315,50 440,25 2,74% 0,938

Kết quả đạt được

Đồ án đã hoàn thành toàn bộ các mục tiêu đặt ra với các kết quả định lượng cụ thể:

  • Độ chính xác dự báo vượt trội: Mô hình LSTM đạt hệ số $R^2 > 0,93$ trên toàn bộ các mã cổ phiếu thử nghiệm, trong đó cao nhất là HPG ($R^2 = 0,964$) và VNM ($R^2 = 0,958$), chứng minh khả năng giải thích tới hơn 95% sự biến thiên của giá đóng cửa thực tế.
  • Kiểm soát sai số tuyệt đối: Chỉ số MAPE trên toàn bộ 4 tập kiểm thử đều duy trì ở mức rất thấp, dao động từ $1,38%$ đến $2,74%$, thấp hơn đáng kể so với ngưỡng sai số chấp nhận được trong dự báo tài chính ($< 5%$).
  • Khả năng bám sát xu hướng: Đường đồ thị giá dự đoán khớp sát với quỹ đạo giá thực tế tại các điểm đảo chiều và xu hướng tăng/giảm trung hạn, giảm thiểu tối đa hiện tượng trễ pha (lagging effect) thường gặp ở các chỉ báo kỹ thuật cổ điển.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ nét cả về mặt học thuật ứng dụng lẫn giá trị thực tiễn cho ngành kỹ thuật dữ liệu tài chính:

  1. Khắc phục triệt để bài toán suy giảm đạo hàm: So với mạng nơ-ron hồi quy tiêu chuẩn RNN, cơ chế cổng tích hợp của LSTM cho phép gradient lan truyền ngược qua hàng chục bước thời gian ($t=60$) mà không bị suy giảm về 0, giúp mô hình ghi nhớ các đặc trưng chu kỳ dài hạn hiệu quả.
  2. Cải thiện độ chính xác vượt bậc so với các giải pháp hiện hành:
    • Giảm sai số phần trăm tuyệt đối trung bình (MAPE) từ 49,8% đến 60,0% so với mô hình chuỗi thời gian cổ điển ARIMA.
    • Cải thiện độ chính xác dự báo thêm 32,6% đến 38,6% so với mạng nơ-ron hồi quy đơn giản (Vanilla RNN).
  3. Pipeline tiền xử lý thích ứng với biên độ TTCK Việt Nam: Thiết kế quy trình chuẩn hóa chuỗi dữ liệu giao dịch có khả năng xử lý tốt các giai đoạn biến động chạm trần/sàn ($\pm7%$ trên sàn HOSE), giữ cho phân phối dữ liệu đầu vào ổn định trong suốt quá trình hội tụ của thuật toán tối ưu hóa Adam.
  4. Đóng góp học liệu thực nghiệm có tính tái lập cao: Cung cấp bộ mã nguồn mẫu hoàn chỉnh, cấu trúc tham số chuẩn hóa và báo cáo benchmark chi tiết trên các cổ phiếu trụ cột của nền kinh tế Việt Nam, làm tài liệu tham khảo giá trị cho sinh viên và các nhà nghiên cứu dữ liệu.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Hệ thống hỗ trợ ra quyết định (Decision Support System - DSS): Tích hợp vào bảng điều khiển (dashboard) của các công ty chứng khoán, cung cấp cho chuyên viên tư vấn đầu tư (Broker) và khách hàng cá nhân góc nhìn dự báo định lượng về mức giá mục tiêu trong phiên kế tiếp.
  • Chiến lược giao dịch thuật toán (Algorithmic Trading): Sử dụng tín hiệu chênh lệch giữa giá dự báo $P_{t+1}$ và giá hiện tại $P_t$ làm điều kiện kích hoạt các lệnh mua/bán tự động khi biên lợi nhuận kỳ vọng vượt qua chi phí giao dịch.
  • Quản trị rủi ro danh mục (Portfolio Risk Management): Hỗ trợ các quỹ đầu tư ước lượng mức sụt giảm giá trị danh mục (Value at Risk - VaR) dựa trên phân phối sai số dự báo của mô hình.
                    KIẾN TRÚC TRIỂN KHAI THỰC TẾ
[Sở Giao dịch HOSE/HNX] ──(API/Kafka)──> [Dịch vụ Ingestion & ETL]
                                                  │
                                                  ▼
[Lưu trữ Dữ liệu: PostgreSQL] ─────────> [FastAPI Model Serving]
                                                  │ (Batch/Real-time)
                                                  ▼
[Frontend Dashboard / Telegram Bot] <──── [Dự báo Giá & Tín hiệu]

Chiến lược triển khai và yêu cầu hệ thống

  • Yêu cầu phần cứng:
    • Môi trường phát triển & Huấn luyện: CPU 8 cores, 16GB RAM, GPU Nvidia tương thích CUDA (tối thiểu 8GB VRAM như GTX 1080 / RTX 3060).
    • Môi trường phục vụ dự báo (Inference Server): CPU 4 cores, 8GB RAM, không bắt buộc GPU (CPU inference cho 1 mẫu đơn lẻ chỉ mất $\sim 15\text{ms}$).
  • Yêu cầu phần mềm: Docker 20.10+, Python 3.9+, FastAPI 0.78+, Redis (lưu cache kết quả dự báo trong ngày).
  • Lộ trình triển khai:
    • Giai đoạn 1 (Tháng 1): Đóng gói mô hình thành Docker Container, xây dựng API endpoint phục vụ dự báo theo ngày.
    • Giai đoạn 2 (Tháng 2): Thiết lập Cronjob tự động cào dữ liệu đóng cửa lúc 15:15 hàng ngày sau khi thị trường kết phiên, chạy ETL và cập nhật dự báo cho phiên kế tiếp.
    • Giai đoạn 3 (Tháng 3): Tích hợp cảnh báo tự động qua Telegram/Email Bot và mở cổng giao tiếp với các nền tảng phân tích kỹ thuật.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí hạ tầng điện toán: Triển khai trên môi trường đám mây (AWS EC2 t3.medium cho API + S3 Storage) chỉ tốn khoảng $25 - $35/tháng.
  • Hiệu quả kinh tế (ROI): Giúp giảm thiểu tỷ lệ bắt đáy sai điểm trong các đợt điều chỉnh mạnh của thị trường, nâng cao tỷ suất sinh lời danh mục thêm $8% - 15%$/năm so với chiến lược mua và nắm giữ thụ động, mang lại thời gian hoàn vốn đầu tư công nghệ dưới 3 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  1. Phụ thuộc vào dữ liệu đơn biến (Univariate Time Series): Mô hình hiện tại chủ yếu huấn luyện trên chuỗi giá đóng cửa lịch sử, chưa kết hợp khối lượng giao dịch (Volume), bước giá chi tiết (Order Book) hoặc các chỉ báo kỹ thuật phái sinh.
  2. Chưa phản ánh thông tin phi cấu trúc: Thị trường chứng khoán chịu tác động mạnh mẽ từ tin tức kinh tế vĩ mô, biến động lãi suất điều hành của Ngân hàng Nhà nước và báo cáo tài chính quý của doanh nghiệp. Mô hình thuần toán học chưa thể phản ánh ngay lập tức các cú sốc thông tin ngoài dự kiến.
  3. Hiện tượng dịch chuyển phân phối (Distribution Drift): Khi thị trường chuyển từ trạng thái đi ngang (Sideway) sang xu hướng giá xuống mạnh (Downtrend/Bear Market), phân phối dữ liệu thay đổi khiến mô hình cần thời gian thích ứng lại nếu không được tái huấn luyện (retrain) kịp thời.

Hướng phát triển trong tương lai

  • Mở rộng mô hình đa biến (Multivariate Time Series): Bổ sung thêm các thuộc tính mở cửa (Open), giá cao nhất (High), giá thấp nhất (Low), khối lượng khớp lệnh (Volume) và các chỉ báo kỹ thuật cơ bản (RSI, Bollinger Bands, MACD) vào vector đầu vào $X_t$.
  • Tích hợp mô hình ngôn ngữ lớn (LLMs & Sentiment Analysis): Kết hợp mô hình BERT/PhoBERT để thu thập và phân tích sắc thái cảm xúc từ các diễn đàn tài chính (F319, Vietstock) và báo chí chính thống, tạo vector đặc trưng tâm lý kết hợp cùng dữ liệu chuỗi thời gian.
  • Ứng dụng kiến trúc Transformer hiện đại: Nghiên cứu thử nghiệm các kiến trúc Temporal Fusion Transformer (TFT) hoặc Informer để tăng cường khả năng dự báo chuỗi thời gian đa bước (multi-step ahead forecasting) với độ dài vượt trội.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
|  - Sinh viên / Học viên: Giáo trình mẫu về Deep Learning trên dữ liệu tài chính   |
|  - Kỹ sư AI / Developers: Kiến trúc tham chiếu LSTM chuẩn hóa, sẵn sàng deploy    |
|  - Nhà đầu tư / Doanh nghiệp: Tối ưu hóa điểm mua bán, giảm rủi ro danh mục       |
|  - Nhà nghiên cứu: Dữ liệu thực nghiệm phong phú trên thị trường mới nổi (VN)     |
+-----------------------------------------------------------------------------------+
  • Sinh viên và học viên ngành Khoa học Dữ liệu / Trí tuệ Nhân tạo: Tiếp cận một đồ án tốt nghiệp mẫu mực với đầy đủ phương pháp luận, quy trình tiền xử lý chuỗi thời gian và kỹ thuật lập trình học sâu thực chiến.
  • Kỹ sư AI và Lập trình viên FinTech: Sở hữu cấu trúc pipeline dữ liệu đã được kiểm chứng, tiết kiệm tới 70% thời gian xây dựng khung sườn (boilerplate code) cho các dự án dự báo chuỗi thời gian.
  • Nhà đầu tư cá nhân và Công ty chứng khoán: Nhận được công cụ tham khảo định lượng độc lập, giúp loại bỏ yếu tố tâm lý cảm tính và nâng cao tỷ lệ giao dịch thành công.
  • Nhà nghiên cứu học thuật: Nguồn dữ liệu thực nghiệm và chỉ số benchmark tin cậy về hành vi của mô hình học sâu trên thị trường chứng khoán mới nổi (Emerging Market) như Việt Nam.

Câu hỏi thường gặp

1. Cấu hình phần cứng tối thiểu để triển khai và huấn luyện mô hình LSTM này là gì?

Để huấn luyện mô hình với tập dữ liệu từ 3-5 năm giao dịch (khoảng 1.000 - 1.500 dòng), bạn chỉ cần một máy tính cá nhân trang bị CPU Intel Core i5/AMD Ryzen 5, 8GB RAM. Nếu sử dụng GPU (hoặc môi trường đám mây miễn phí như Google Colab), thời gian huấn luyện cho 50 epochs chỉ mất chưa đầy 1-2 phút cho mỗi mã cổ phiếu. Khi đưa vào vận hành thực tế (Inference), CPU thông thường hoàn toàn đáp ứng tốt thời gian phản hồi dưới 20ms.

2. Tại sao mô hình LSTM lại vượt trội hơn các mô hình chuỗi thời gian cổ điển như ARIMA trong dự đoán giá chứng khoán?

Mô hình ARIMA xây dựng trên giả định chuỗi thời gian là tuyến tính và phải có tính dừng (hoặc dừng sau khi lấy sai phân). Tuy nhiên, dữ liệu giá chứng khoán biến động phi tuyến tính mạnh mẽ với nhiều cấu trúc phức tạp. LSTM sở hữu các hàm kích hoạt phi tuyến (Sigmoid, Tanh) và các cổng nhớ chọn lọc, cho phép mô hình tự động trích xuất các quy luật tiềm ẩn và học các mối quan hệ phi tuyến mà không cần các giả định thống kê ngặt nghèo.

3. Làm thế nào để tích hợp mô hình vào hệ thống giao dịch tự động (Algorithmic Trading System) hiện có?

Bạn có thể đóng gói mô hình đã huấn luyện (định dạng file .h5 hoặc SavedModel của TensorFlow) vào một Web API viết bằng FastAPI hoặc Flask. Sau khi phiên giao dịch kết thúc (15:00 hàng ngày), hệ thống tự động gọi API lấy dữ liệu mới nhất, truyền qua pipeline tiền xử lý, đưa ra dự đoán giá ngày $t+1$ và gửi tín hiệu trực tiếp về cơ sở dữ liệu giao dịch của bạn qua Webhook hoặc Message Queue (RabbitMQ/Kafka).

4. Quy trình bảo trì và cập nhật lại trọng số (Retraining) của mô hình nên diễn ra theo tần suất nào?

Thị trường tài chính luôn có sự dịch chuyển về mặt xu hướng và biên độ dao động. Khuyến nghị thực tế là nên thiết lập lịch trình tự động tái huấn luyện (Retrain) định kỳ hàng tuần hoặc hàng tháng với cửa sổ dữ liệu trượt mới nhất. Kỹ thuật Fine-tuning (chỉ huấn luyện tiếp một số ít epochs trên trọng số có sẵn) sẽ giúp mô hình cập nhật xu hướng thị trường mới mà không tốn nhiều chi phí tính toán.

5. Chi phí triển khai thực tế và thời gian hoàn vốn (ROI) khi ứng dụng giải pháp này cho công ty chứng khoán là bao lâu?

Chi phí ban đầu để phát triển và tích hợp hệ thống dao động từ $1.500 - $3.000 (chủ yếu là công kỹ sư). Chi phí vận hành máy chủ đám mây định kỳ dưới $50/tháng. Đối với các đội ngũ tự doanh hoặc môi giới, việc giảm thiểu sai số dự báo và tối ưu hóa điểm vào/ra lệnh giúp nâng cao hiệu suất đầu tư, mang lại thời gian hoàn vốn ước tính chỉ từ 2 đến 4 tháng.

Kết luận

Khóa luận tốt nghiệp "Dự đoán giá cổ phiếu với học máy" của sinh viên Nguyễn Tấn Phúc và Võ Thị Thanh Ngân (Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã chứng minh tính hiệu quả vượt trội của mạng nơ-ron hồi quy bộ nhớ ngắn-dài (LSTM) trong việc giải quyết bài toán dự báo chuỗi thời gian tài chính phức tạp. Với việc đạt hệ số $R^2 > 0,93$ và chỉ số sai số MAPE duy trì dưới mức $2,8%$ trên các mã cổ phiếu đa ngành (VNM, POW, HAG, HPG), nghiên cứu đã khẳng định tiềm năng to lớn của học sâu trong việc hỗ trợ ra quyết định đầu tư tại thị trường chứng khoán Việt Nam.

Đồ án không chỉ là một công trình học thuật chỉn chu, hoàn chỉnh về mặt phương pháp luận mà còn mở ra nền tảng vững chắc để phát triển các hệ thống tư vấn đầu tư và giao dịch tự động thông minh. Các nhà phát triển, nhà đầu tư và chuyên viên phân tích dữ liệu có thể ứng dụng trực tiếp kiến trúc này vào thực tế hoặc tiếp tục mở rộng nghiên cứu sang các mô hình Transformer đa biến kết hợp phân tích sắc thái tin tức tài chính.