Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh nền kinh tế số và thị trường tài chính phát triển mạnh mẽ, việc tiếp cận các kênh đầu tư trực tuyến ngày càng trở nên thuận tiện đối với công chúng. Theo số liệu thống kê từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), lũy kế cả năm 2022 ghi nhận nhà đầu tư cá nhân trong nước mở mới gần 2,6 triệu tài khoản chứng khoán – con số kỷ lục trong suốt 22 năm hoạt động của thị trường. Sự gia tăng nhanh chóng của lượng nhà đầu tư mới (F0) kéo theo nhu cầu tiếp nhận và xử lý khối lượng lớn thông tin kinh tế xã hội. Tuy nhiên, phần lớn nhà đầu tư cá nhân mới tham gia thường chỉ tập trung vào các công cụ phân tích kỹ thuật mà thiếu đi nền tảng phân tích cơ bản, dẫn đến việc đưa ra các quyết định đầu tư thiếu cơ sở và tiềm ẩn nhiều rủi ro.

Sự bùng nổ của mạng xã hội, báo điện tử và các cổng thông tin trực tuyến tạo ra một lượng dữ liệu tin tức khổng lồ với tốc độ lan truyền nhanh chóng. Tin tức tích cực có thể thúc đẩy tâm lý thị trường, trong khi các thông tin tiêu cực dễ dàng tạo ra biến động mạnh và làm suy giảm lòng tin của nhà đầu tư. Để đánh giá chính xác tác động của một bài báo tài chính, người đọc cần phân tích đa chiều: từ nội dung cốt lõi, nguồn tin, bối cảnh thị trường cho đến các chỉ số tài chính liên quan. Việc phân tích xúc cảm theo từng khía cạnh cụ thể (Aspect-Based Sentiment Analysis - ABSA) đối với tin tức kinh tế tại Việt Nam hiện vẫn chưa được phổ biến và khai thác sâu rộng. Do đó, đề tài "Xây dựng hệ thống thu thập và xử lý tin tức tài chính" được nhóm tác giả lựa chọn nhằm xây dựng công cụ hỗ trợ nhà đầu tư định lượng hóa mức độ tác động của tin tức đến các khía cạnh tài chính.

Đề tài xác định 6 mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Tìm hiểu về kiến trúc các mô hình mạng nơ-ron hồi quy bao gồm Recurrent Neural Network (RNN), Gated Recurrent Unit (GRU) và Long Short-Term Memory (LSTM) trong bài toán xử lý ngôn ngữ tự nhiên (NLP).
  2. Nghiên cứu việc áp dụng các mô hình học máy (RNN, GRU, LSTM) cho nhiệm vụ xử lý ngôn ngữ tiếng Việt chuyên biệt trong lĩnh vực tài chính.
  3. Nghiên cứu kỹ thuật học có giám sát (Supervised Learning).
  4. Tìm hiểu và ứng dụng công cụ ChatGPT trong việc hỗ trợ gán nhãn dữ liệu.
  5. Áp dụng kết hợp API của ChatGPT để xử lý nhãn dữ liệu tự động, sau đó đưa vào mô hình học sâu để huấn luyện trên tập ngữ liệu tin tức kinh tế tại Việt Nam.
  6. Đề xuất phương pháp xây dựng mô hình dự đoán mức độ tác động của tin tức tài chính trên nhiều khía cạnh khác nhau nhằm cung cấp thông tin định lượng cho quá trình ra quyết định đầu tư.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các bài báo, bản tin kinh tế - tài chính tiếng Việt liên quan đến các doanh nghiệp niêm yết và hoạt động tại thị trường Việt Nam; mức độ tác động của văn bản tin tức lên các khía cạnh tài chính doanh nghiệp.
  • Phạm vi dữ liệu: Ngữ liệu bài viết được thu thập tự động từ các chuyên trang tài chính trực tuyến tại Việt Nam (tiêu biểu như CafeF).
  • Phạm vi kỹ thuật: Tập trung vào các kỹ thuật tiền xử lý văn bản tiếng Việt, nhúng từ FastText, các kiến trúc mạng nơ-ron hồi quy tuần tự (RNN, GRU, LSTM) và tối ưu hóa siêu tham số bằng Grid Search.

Cơ sở lý thuyết và phương pháp

Đề tài xây dựng trên nền tảng lý thuyết xử lý ngôn ngữ tự nhiên (NLP) và bài toán phân tích xúc cảm theo khía cạnh (ABSA - Aspect-Based Sentiment Analysis):

  • Khung lý thuyết phân tích xúc cảm: Phân tích xúc cảm (Sentiment Analysis - SA) là quá trình phân loại nhãn hoặc dự đoán giá trị xúc cảm từ một đoạn văn bản (như phân loại tích cực, tiêu cực, trung tính hoặc gán giá trị thực trong đoạn $[-1, 1]$). Đối với phân tích theo khía cạnh (ABSA), bài toán được phân tách thành các nhiệm vụ phụ: trích xuất thuật ngữ, phát hiện khía cạnh và xác định độ phân cực tác động của từng khía cạnh tài chính xuất hiện trong bài báo.
  • Kỹ thuật xử lý ngôn ngữ tự nhiên:
    • Tách từ (Tokenization): Phân chia văn bản thành các đơn vị từ/cụm từ cấu thành.
    • Loại bỏ từ dừng (Stop Words Removal): Loại bỏ các từ hư từ, liên từ phổ biến không mang nhiều giá trị thông tin ngữ nghĩa (như "và", "hay", "hoặc", "nếu").
    • Nhúng từ (Word Embeddings): Sử dụng mô hình FastText tiếng Việt để biểu diễn các từ dưới dạng vector nhiều chiều trong không gian ngữ nghĩa liên tục.
    • Mô hình hóa ngôn ngữ (Language Modeling): Dự đoán phân phối xác suất của từ/chuỗi từ để nắm bắt cấu trúc ngữ pháp và ngữ cảnh.
  • Kỹ thuật chuẩn hóa và tối ưu hóa:
    • Chuẩn hóa Min-Max Scaler: Biến đổi các giá trị dữ liệu về khoảng cố định theo công thức: $$x_{std} = \frac{x - x_{min}}{x_{max} - x_{min}}$$ $$x_{scaled} = x_{std} \times (max - min) + min$$
    • Thuật toán tối ưu: Nghiên cứu và so sánh giữa thuật toán hạ độ dốc ngẫu nhiên (Stochastic Gradient Descent - SGD) và thuật toán tối ưu hóa thích ứng Adam.
    • Grid Search: Kỹ thuật duyệt vét cạn không gian siêu tham số để xác định tổ hợp tham số huấn luyện tối ưu nhất cho từng kiến trúc mạng.
  • Phương pháp đánh giá: Sử dụng ba chỉ số đánh giá sai số mô hình hồi quy gồm Sai số bình phương trung bình (MSE - Mean Square Error), Sai số căn bậc hai trung bình (RMSE - Root Mean Square Error) và Sai số tuyệt đối trung bình (MAE - Mean Absolute Error): $$\text{MAE} = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|$$

Thiết kế và triển khai

Hệ thống được thiết kế theo quy trình xử lý dữ liệu và huấn luyện mô hình khép kín:

[Thu thập dữ liệu: Selenium / CafeF] 
[Gán nhãn tự động & Đánh giá phương sai (ChatGPT API)] 
[Tiền xử lý văn bản (Z-score filter, FastText, Tokenize, Stopwords)]
[Xây dựng từ điển (1.000 từ đặc trưng)]
[Huấn luyện & Tinh chỉnh siêu tham số Grid Search (RNN, GRU, LSTM)]
[Đánh giá trên tập Test & Triển khai dự đoán đa khía cạnh]

1. Thu thập dữ liệu và tinh lọc khía cạnh

Nhóm nghiên cứu sử dụng công cụ Selenium để tự động hóa việc thu thập các bài báo tài chính từ các trang thông tin kinh tế (chủ yếu là CafeF).

  • Khảo sát ban đầu áp dụng 27 khía cạnh tài chính (kế thừa từ nghiên cứu ABSA của Hitkul Jangid và cộng sự). Thử nghiệm gán nhãn trên 2.000 bài báo ban đầu cho thấy nhiều khía cạnh có tỷ lệ giá trị không ảnh hưởng ($0.0$) lên tới gần 100%.
  • Nhóm tiến hành sàng lọc, chỉ giữ lại 8 khía cạnh có tỷ lệ không ảnh hưởng dưới 60%, bao gồm:
    1. Reputation: Danh tiếng của công ty.
    2. Financial: Tình hình tài chính doanh nghiệp.
    3. Regulatory: Cơ quan quản lý, chính sách, pháp lý.
    4. Risks: Các yếu tố rủi ro.
    5. Fundamentals: Các chỉ số phân tích cơ bản (P/E, P/B, EPS, tỷ lệ nợ trên tài sản).
    6. Conditions: Điều kiện vĩ mô, môi trường kinh doanh.
    7. Market: Yếu tố thị trường.
    8. Volatility: Mức độ biến động và độ rủi ro thị trường.
  • Sau khi chốt 8 khía cạnh cốt lõi, tập dữ liệu được mở rộng thu thập lên 10.000 bài báo hoàn chỉnh.

2. Gán nhãn tự động và kiểm soát chất lượng dữ liệu

Nhóm tận dụng API của OpenAI (ChatGPT) để gán nhãn giá trị tác động của từng khía cạnh trong đoạn $[-1, 1]$ (từ tiêu cực đến tích cực). Để đảm bảo tính khách quan và nhất quán của nhãn tự động, nhóm thực hiện gán nhãn lặp lại 3 lần cho mỗi bài báo và tính toán phương sai: $$\sigma^2 = \frac{\sum (X - \mu)^2}{N}$$ Trong đó $X$ là giá trị nhãn qua các lần gán, $\mu$ là giá trị trung bình qua 3 lần, $N=3$. Các mẫu dữ liệu giữ lại đều thỏa mãn điều kiện độ lệch phương sai $\sigma^2 < 0.2$. Kết quả cho thấy phương sai giữa các lần gán rất nhỏ, do đó dữ liệu đợt gán thứ nhất được chọn làm nhãn đại diện chính thức.

3. Tiền xử lý văn bản và chọn lọc ngữ liệu

  • Lọc theo độ dài văn bản: Độ dài bài báo được chuẩn hóa qua hệ số Z-score trong khoảng $[-2, 2]$. Với độ dài trung bình là 216 từ và độ lệch chuẩn khoảng 75 từ, nhóm chọn lọc các bài báo có độ dài từ 66 từ đến 365 từ (chiếm 96,79% tổng thể phân phối dữ liệu).
  • Xây dựng bộ từ điển: Tập dữ liệu gốc có tổng cộng 29.718 từ duy nhất (unique words). Nhóm xây dựng từ điển 1.300 từ có tần suất xuất hiện tối thiểu 142 lần, sau đó chọn lọc ra bộ từ điển 1.000 từ hàng đầu gắn liền với 8 khía cạnh tài chính nhằm hạn chế hiện tượng quá khớp (overfitting) và tối ưu hóa việc lưu giữ ngữ cảnh.
  • Phân chia tập dữ liệu: Toàn bộ dữ liệu được phân chia theo tỷ lệ 70% tập huấn luyện (Train), 10% tập kiểm định (Validation) và 20% tập kiểm tra (Test).

4. Môi trường và công cụ phát triển

  • Ngôn ngữ lập trình: Python.
  • Framework học sâu: PyTorch (xây dựng kiến trúc RNN, GRU, LSTM).
  • Công cụ theo dõi thực nghiệm: Weights & Biases (Wandb) để trực quan hóa loss và tham số.
  • Môi trường tính toán: Nền tảng đám mây Kaggle.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này phân tích bối cảnh phát triển của thị trường chứng khoán Việt Nam, sự gia tăng đột biến của số lượng nhà đầu tư cá nhân và vấn đề quá tải thông tin kinh tế. Tác giả chỉ ra hạn chế của các nhà đầu tư khi phụ thuộc quá mức vào phân tích kỹ thuật mà bỏ quên phân tích cơ bản. Từ đó, chương trình bày lý do chọn đề tài, xác định 6 mục tiêu nghiên cứu, phạm vi dữ liệu thu thập từ các công ty hoạt động tại Việt Nam và làm rõ ý nghĩa khoa học lẫn giá trị ứng dụng thực tiễn của bài toán ABSA trong tài chính.

Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan

Chương 2 tổng thuật các nghiên cứu trong nước và quốc tế về bài toán phân tích xúc cảm (SA) và phân tích xúc cảm theo khía cạnh (ABSA), tiêu biểu như các nghiên cứu của Minh-Hao Nguyen, Quang-Linh Tran, Hitkul Jangid. Chương đi sâu vào các khái niệm nền tảng: Tokenization, Stop Words Removal, Word Embeddings (FastText tiếng Việt), Language Modeling, phương pháp chuẩn hóa Min-Max Scaler. Đồng thời, chương trình bày cơ sở toán học của các chỉ số đánh giá sai số hồi quy (MSE, RMSE, MAE) và các thuật toán tối ưu hóa tham số (Grid Search, SGD, Adam).

Chương 3: Phương pháp thực hiện và mô hình đề xuất

Chương 3 trình bày chi tiết quy trình thực nghiệm từ khâu nhận diện văn bản đầu vào đến dự đoán đầu ra đa khía cạnh, thiết lập tỷ lệ phân chia tập dữ liệu (70% Train, 10% Validation, 20% Test) và giới thiệu các công cụ hỗ trợ (Python, PyTorch, Wandb, Kaggle). Chương phân tích cấu trúc toán học và cơ chế truyền trạng thái ẩn của 3 mô hình mạng nơ-ron:

  • Mô hình RNN truyền thống với các trọng số chia sẻ $W_{aa}, W_{ax}, W_{ya}$.
  • Mô hình GRU tích hợp 2 cổng điều khiển: Cổng cập nhật (Update Gate - $\Gamma_u$) và Cổng liên quan/đặt lại (Reset Gate - $\Gamma_r$).
  • Mô hình LSTM với cấu trúc 4 tầng ẩn tương tác gồm Cổng vào (Input Gate - $\Gamma_u$), Cổng quên (Forget Gate - $\Gamma_f$), Cổng ra (Output Gate - $\Gamma_o$) và Trạng thái ô nhớ (Cell state - $c^{\langle t \rangle}$).

Chương 4: Thực nghiệm và kết quả

Chương 4 ghi lại chi tiết toàn bộ quá trình thu thập và tinh chỉnh dữ liệu:

  • Quá trình sàng lọc 27 khía cạnh ban đầu trên 2.000 bài báo để chọn ra 8 khía cạnh cốt lõi có tần suất xuất hiện thông tin cao, mở rộng tập dữ liệu lên 10.000 bài báo.
  • Đánh giá phương sai gán nhãn qua 3 lần lặp bằng ChatGPT API ($\sigma^2 < 0.2$).
  • Lọc độ dài văn bản theo Z-score từ 66 đến 365 từ (chiếm 96,79% dữ liệu).
  • Xây dựng từ điển 1.000 từ đặc trưng từ 29.718 từ unique.
  • Thực nghiệm Grid Search qua 1.458 mô hình (chạy 20 epochs) để tìm ra bộ siêu tham số tối ưu cho từng cấu trúc.
  • Huấn luyện chuyên sâu (RNN: 100 epochs, GRU: 100 epochs, LSTM: 400 epochs) và đánh giá đối sánh trên tập Test thông qua các chỉ số MSE, MAE, RMSE.

Chương 5: Kết luận và hướng phát triển

Chương tổng kết các kết quả đạt được, khẳng định mô hình GRU tối ưu mang lại hiệu năng dự đoán tốt nhất trên tập Test. Chương cũng thẳng thắn chỉ ra các hạn chế về kinh phí gán nhãn API, phạm vi độ dài văn bản và thiếu hụt sự thẩm định thủ công từ chuyên gia tài chính; đồng thời đề xuất hướng phát triển ứng dụng kiến trúc Transformer/LLM và tích hợp dữ liệu chuỗi thời gian giá cổ phiếu trong tương lai.

Kết quả và đóng góp

1. Kết quả tối ưu hóa siêu tham số bằng Grid Search

Thông qua việc khảo sát 1.458 cấu hình mô hình khác nhau bằng Grid Search với không gian tham số: Batch size $\in [64, 128, 256]$, số lớp ẩn $\in [1, 2, 3]$, số node $\in [64, 128, 256]$, learning rate $= 0.001$, optimizer $\in [\text{Adam}, \text{SGD}]$, dropout $\in [0.5]$, nhóm tác giả đã xác định được bộ siêu tham số tối ưu nhất cho từng kiến trúc:

Kiến trúc Batch size Số lớp ẩn Số đặc trưng / node mỗi lớp Tốc độ học (Learning rate) Thuật toán tối ưu Tỷ lệ Dropout
LSTM 64 1 128 0.001 Adam 0.5
GRU 64 2 256 0.001 Adam 0.5
RNN 128 3 64 0.001 Adam 0.5

2. Đánh giá hiệu năng trên tập Test

Sau khi huấn luyện chuyên sâu với số lượng epochs mở rộng, các mô hình tối ưu được kiểm thử trên tập dữ liệu Test độc lập:

  • Mô hình RNN đạt giá trị loss validation dừng ở mức tương đối cao so với hai kiến trúc còn lại.
  • Mô hình LSTM đạt kết quả cải thiện nhưng có biểu hiện quá khớp (overfitting) với độ chênh lệch giữa validation loss và training loss xấp xỉ $0.05$, đòi hỏi số lượng epoch lớn (400 epochs) và tốc độ hội tụ chậm.
  • Mô hình GRU (huấn luyện 100 epochs) cho kết quả tối ưu nhất với mức sai số trên tập Test đạt giá trị thấp nhất ở cả 3 thước đo (MSE, RMSE, MAE), đồng thời kiểm soát tốt hiện tượng overfitting.

Do đó, nhóm tác giả đề xuất sử dụng kiến trúc GRU làm mô hình chính cho bài toán dự đoán mức độ tác động của tin tức tài chính tiếng Việt trên 8 khía cạnh.

3. Đóng góp của đề tài

  • Đóng góp khoa học: Xây dựng quy trình xử lý hoàn chỉnh cho bài toán ABSA trong lĩnh vực tài chính đối với ngôn ngữ tiếng Việt; đề xuất phương pháp gán nhãn tự động kết hợp kiểm định phương sai qua nhiều lần lặp trên mô hình ngôn ngữ lớn để tạo lập tập ngữ liệu chuẩn.
  • Đóng góp thực tiễn: Cung cấp giải pháp định lượng hóa các khía cạnh tác động trong tin tức bài báo kinh tế, giúp nhà đầu tư có cái nhìn đa chiều và hỗ trợ quá trình ra quyết định đầu tư an toàn, giảm thiểu rủi ro.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  1. Giới hạn kinh phí dữ liệu: Do chi phí gọi API OpenAI có hạn, quy mô tập dữ liệu dừng lại ở mức 10.000 bài báo và chưa thể mở rộng số lần gán nhãn kiểm chứng cho toàn bộ tập ngữ liệu lớn hơn.
  2. Thiếu thẩm định chuyên gia: Quá trình gán nhãn hoàn toàn dựa vào mô hình ngôn ngữ tự động (ChatGPT) và kiểm tra phương sai toán học, chưa có sự tham gia đối soát thủ công từ các chuyên gia tài chính do rào cản chi phí.
  3. Phạm vi độ dài văn bản: Mô hình được tối ưu và hoạt động chính xác nhất trên các tin tức có độ dài trong khoảng từ 66 đến 365 từ (chiếm 96,79% tập dữ liệu được chọn lọc).

Hướng nghiên cứu tiếp theo

  • Thử nghiệm và tích hợp các kiến trúc mô hình học sâu tiên tiến hơn như Transformer hoặc các mô hình ngôn ngữ lớn (LLMs) được tinh chỉnh (fine-tuning) trên tập ngữ liệu tài chính tiếng Việt quy mô lớn.
  • Kết hợp dữ liệu văn bản tin tức với dữ liệu chuỗi thời gian về biến động giá và khối lượng giao dịch cổ phiếu thực tế của doanh nghiệp tại thời điểm tin tức được công bố, từ đó nâng cao độ chính xác trong dự báo xu hướng thị trường.

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

  • Sinh viên và học viên chuyên ngành Khoa học dữ liệu, Công nghệ thông tin, Trí tuệ nhân tạo: Cung cấp tài liệu thực nghiệm chi tiết về pipeline xử lý ngôn ngữ tự nhiên tiếng Việt, từ khâu cào dữ liệu web, gán nhãn tự động qua API, xử lý stopwords, nhúng từ FastText đến kỹ thuật tìm kiếm siêu tham số Grid Search trên PyTorch.
  • Nghiên cứu sinh trong lĩnh vực Phân tích tài chính định lượng (Quantitative Finance / FinTech): Tham khảo phương pháp phân tách 8 khía cạnh tài chính trọng yếu từ văn bản tin tức và cách thức chuyển đổi dữ liệu phi cấu trúc thành các chỉ số định lượng phục vụ mô hình hóa rủi ro.

Câu hỏi thường gặp

1. Tại sao nhóm nghiên cứu lại rút gọn từ 27 khía cạnh tài chính ban đầu xuống còn 8 khía cạnh?

Khi thử nghiệm gán nhãn trên 2.000 bài báo đầu tiên, nhóm phát hiện có nhiều khía cạnh chứa giá trị không ảnh hưởng ($0.0$) chiếm tỷ lệ rất cao (thậm chí gần 100%). Nhóm đã lọc và chỉ giữ lại 8 khía cạnh có tỷ lệ không ảnh hưởng dưới 60% (gồm Reputation, Financial, Regulatory, Risks, Fundamentals, Conditions, Market, Volatility) để đảm bảo mô hình học tập trung và hiệu quả.

2. Nhóm tác giả đã kiểm soát chất lượng gán nhãn của ChatGPT API bằng cách nào?

Nhóm thực hiện gán nhãn lặp lại 3 lần cho mỗi bài báo và tính toán phương sai ($\sigma^2$) của các giá trị nhãn. Kết quả thực nghiệm cho thấy phương sai giữa các lần gán đều nhỏ hơn $0.2$, chứng minh tính nhất quán cao của nhãn dữ liệu, từ đó nhóm sử dụng kết quả đợt gán thứ nhất làm nhãn đại diện.

3. Tiêu chí lựa chọn độ dài văn bản đưa vào mô hình được xác định ra sao?

Nhóm áp dụng phương pháp chuẩn hóa Z-score trong đoạn $[-2, 2]$. Với độ dài trung bình của ngữ liệu khoảng 216 từ và độ lệch chuẩn xấp xỉ 75 từ, khoảng dữ liệu được chọn tương ứng với các bài báo có độ dài từ 66 đến 365 từ, bao phủ 96,79% tổng thể phân phối dữ liệu.

4. Tại sao cấu trúc mạng GRU lại được đề xuất thay vì LSTM hay RNN?

Qua thực nghiệm Grid Search trên 1.458 mô hình và đánh giá trên tập Test, mạng RNN thuần cho mức sai số cao, trong khi LSTM gặp hiện tượng quá khớp (chênh lệch giữa train loss và validation loss khoảng $0.05$) và cần tới 400 epochs để hội tụ. Mô hình GRU với 2 lớp ẩn (256 node) đạt giá trị sai số MSE, RMSE, MAE thấp nhất trên tập Test và tốc độ huấn luyện ổn định.

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống thu thập và xử lý tin tức tài chính" của nhóm sinh viên ngành Khoa học dữ liệu đã giải quyết thành công bài toán phân tích xúc cảm theo khía cạnh (ABSA) trên dữ liệu tin tức tài chính tiếng Việt. Bằng việc kết hợp phương pháp thu thập dữ liệu tự động, gán nhãn qua ChatGPT API có kiểm soát phương sai và tối ưu hóa 1.458 cấu hình mô hình học sâu, đề tài đã chứng minh tính hiệu quả vượt trội của kiến trúc GRU trong việc định lượng hóa mức độ tác động của tin tức lên 8 khía cạnh tài chính cốt lõi. Kết quả nghiên cứu đóng vai trò là tài liệu tham khảo thực nghiệm giá trị, mở ra tiền đề cho các hướng nghiên cứu kết hợp giữa xử lý ngôn ngữ tự nhiên và phân tích dữ liệu thị trường chứng khoán trong tương lai.