I. Giới thiệu và mục tiêu nghiên cứu
Luận văn thạc sĩ này tập trung vào việc dự báo nhiều bước trên dữ liệu chứng khoán bằng cách sử dụng mạng nơron, áp dụng cụ thể vào thị trường chứng khoán Việt Nam. Mục tiêu chính của nghiên cứu là xây dựng một hệ thống dự báo hiệu quả, sử dụng các chiến lược dự báo khác nhau để dự đoán giá cổ phiếu trong tương lai. Nghiên cứu này nhằm đóng góp vào lĩnh vực trí tuệ nhân tạo và học máy trong tài chính, đặc biệt là trong bối cảnh thị trường chứng khoán Việt Nam.
1.1. Vấn đề nghiên cứu
Dự báo nhiều bước trên dữ liệu chuỗi thời gian là một thách thức lớn trong lĩnh vực dự báo tài chính. Các phương pháp truyền thống thường tập trung vào dự báo một bước, trong khi dự báo nhiều bước đòi hỏi các mô hình phức tạp hơn. Mạng nơron được chọn làm công cụ chính do khả năng xử lý dữ liệu phi tuyến và hiệu quả trong các bài toán dự báo.
1.2. Mục tiêu cụ thể
Nghiên cứu nhằm xây dựng và đánh giá các mô hình dự báo sử dụng mạng nơron trên dữ liệu chứng khoán của Việt Nam. Các chiến lược dự báo bao gồm chiến lược lặp, chiến lược trực tiếp, và chiến lược kết hợp (DirRec, MIMO, DirMO). Kết quả thực nghiệm sẽ được so sánh để xác định chiến lược hiệu quả nhất.
II. Phương pháp nghiên cứu và dữ liệu
Nghiên cứu sử dụng kết hợp giữa phân tích dữ liệu và mô hình hóa để xây dựng hệ thống dự báo. Dữ liệu chứng khoán được thu thập từ thị trường Việt Nam, bao gồm giá đóng cửa của các cổ phiếu và chỉ số VNINDEX. Các bước tiền xử lý dữ liệu như chuẩn hóa và phân chia tập dữ liệu được thực hiện để đảm bảo tính chính xác của mô hình.
2.1. Phương pháp dự báo
Các phương pháp dự báo được áp dụng bao gồm chiến lược lặp, chiến lược trực tiếp, và chiến lược kết hợp. Mỗi chiến lược có ưu nhược điểm riêng, và nghiên cứu sẽ đánh giá hiệu quả của từng phương pháp thông qua các chỉ số như MSE và MAPE.
2.2. Dữ liệu sử dụng
Dữ liệu tài chính được sử dụng bao gồm giá đóng cửa của cổ phiếu FPT và chỉ số VNINDEX. Ngoài ra, nghiên cứu cũng sử dụng tập dữ liệu chuẩn NN3 để so sánh và đánh giá hiệu quả của các mô hình.
III. Kết quả và đánh giá
Kết quả thực nghiệm cho thấy chiến lược DirREC đạt hiệu quả cao nhất trong dự báo nhiều bước trên dữ liệu chứng khoán Việt Nam. Các chiến lược khác như MIMO và DirMO cũng cho kết quả khả quan nhưng không vượt trội so với DirREC. Nghiên cứu cũng chỉ ra rằng việc khử tính mùa và lựa chọn biến đầu vào có ảnh hưởng lớn đến độ chính xác của dự báo.
3.1. So sánh các chiến lược
Chiến lược DirREC cho kết quả dự báo tốt nhất với lỗi dự báo thấp nhất trên cả hai tập dữ liệu FPT và VNINDEX. Chiến lược MIMO và DirMO cũng cho kết quả khả quan nhưng không ổn định bằng DirREC.
3.2. Ứng dụng thực tế
Kết quả nghiên cứu có thể được áp dụng trong các hệ thống dự đoán giá cổ phiếu và quản lý danh mục đầu tư tại Việt Nam. Các nhà đầu tư có thể sử dụng mô hình này để đưa ra quyết định đầu tư chính xác hơn.
IV. Kết luận và hướng phát triển
Luận văn thạc sĩ này đã thành công trong việc xây dựng và đánh giá các mô hình dự báo sử dụng mạng nơron trên dữ liệu chứng khoán Việt Nam. Chiến lược DirREC được xác định là phương pháp hiệu quả nhất. Nghiên cứu cũng mở ra hướng phát triển mới trong việc ứng dụng trí tuệ nhân tạo và học máy trong lĩnh vực tài chính.
4.1. Kết luận
Nghiên cứu đã chứng minh hiệu quả của mạng nơron trong dự báo nhiều bước trên dữ liệu chứng khoán. Chiến lược DirREC là phương pháp tối ưu nhất trong các chiến lược được thử nghiệm.
4.2. Hướng phát triển
Trong tương lai, nghiên cứu có thể mở rộng bằng cách áp dụng các mô hình học sâu phức tạp hơn như LSTM hoặc GRU để cải thiện độ chính xác của dự báo. Ngoài ra, việc tích hợp thêm các yếu tố kinh tế vĩ mô cũng có thể được xem xét.
