I. Tổng Quan Về Dự Đoán Xu Hướng Cổ Phiếu Bằng Mẫu Tuần Tự
Thị trường chứng khoán đầy biến động mang đến cơ hội lợi nhuận lớn nhưng cũng tiềm ẩn rủi ro mất vốn. Việc dự đoán xu hướng cổ phiếu trở nên quan trọng, thu hút nhiều nghiên cứu xây dựng các phương pháp, kỹ thuật phân tích dựa trên dữ liệu khác nhau. Bài toán dự đoán này rất khó khăn vì giá cổ phiếu chịu ảnh hưởng bởi nhiều yếu tố như tâm lý nhà đầu tư, chính sách kinh tế. Các nhà đầu tư thường dùng phân tích cơ bản hoặc phân tích kỹ thuật để dự đoán, nhưng đòi hỏi kiến thức chuyên môn. Vì vậy, các công cụ đơn giản hơn để dự đoán xu hướng cổ phiếu là yếu tố được quan tâm. Luận văn này nghiên cứu và trình bày mô hình dự đoán xu hướng cổ phiếu dựa trên phương pháp khai thác mẫu tuần tự trên dữ liệu lịch sử, hứa hẹn mang lại một công cụ hiệu quả.
1.1. Tầm Quan Trọng Của Việc Dự Đoán Thị Trường Chứng Khoán
Dự đoán chứng khoán giúp giảm rủi ro cho nhà đầu tư, cung cấp công cụ hỗ trợ ra quyết định giao dịch. Thị trường chứng khoán là nơi huy động vốn của các công ty, góp phần thúc đẩy nền kinh tế quốc gia phát triển. Vốn hóa thị trường chứng khoán toàn cầu rất lớn, cho thấy tiềm năng và tầm quan trọng của lĩnh vực này. Mục đích của luận văn là xây dựng mô hình dự đoán xu hướng cổ phiếu ngắn hạn, giảm rủi ro cho nhà đầu tư, cung cấp công cụ dễ sử dụng, không phức tạp và đòi hỏi nhiều kiến thức chuyên môn. Mô hình dự đoán xu hướng cổ phiếu dựa vào phương pháp khai thác mẫu tuần tự được kỳ vọng cho kết quả dự đoán tốt.
1.2. Khai Thác Mẫu Tuần Tự Giải Pháp Tiềm Năng Dự Báo Cổ Phiếu
Gần đây, các mô hình máy học, học sâu được nghiên cứu để dự đoán sự biến động giá cổ phiếu dựa vào dữ liệu lịch sử, báo giá chứng khoán. Tuy nhiên, các mô hình này tỏ ra cồng kềnh. Ví dụ như mô hình Long Short-Term Memory (LSTM) đòi hỏi tài nguyên máy tính nhất định (như GPU) và cần rất nhiều dữ liệu. Ngoài ra, việc chỉnh sửa các tham số trong mô hình cần có kiến thức chuyên ngành. Các phương pháp khai thác dữ liệu được xem là phương pháp máy học sử dụng phổ biến và có kết quả khả quan.
II. Thách Thức Trong Dự Đoán Xu Hướng Cổ Phiếu Hiện Nay
Dự đoán xu hướng cổ phiếu là một công việc rất khó khăn và phức tạp do giá cổ phiếu phụ thuộc vào nhiều yếu tố như tâm lý nhà đầu tư, chính sách kinh tế thay đổi,... Các nhà đầu tư trong lĩnh vực kinh tế thường sử dụng phương pháp phân tích cơ bản hay phân tích kỹ thuật để dự đoán xu hướng cổ phiếu. Các phương pháp này đòi hỏi các nhà đầu tư có kiến thức về kinh tế tài chính. Vì vậy, các nhà đầu tư mới khi tham gia vào thị trường chứng khoán chưa có kiến thức hoặc có quá ít kiến thức về kinh tế tài chính sẽ gặp rất nhiều khó khăn trong dự đoán xu hướng cổ phiếu. Nên việc tìm kiếm các công cụ sử dụng đơn giản hơn để dự đoán xu hướng cổ phiếu là yếu tố được các nhà đầu tư quan tâm.
2.1. Hạn Chế Của Các Phương Pháp Dự Đoán Truyền Thống Cổ Phiếu
Các nhà đầu tư kinh tế thường sử dụng hai phương pháp truyền thống phổ biến là phân tích kỹ thuật và phân tích cơ bản nhằm dự đoán và phân tích chứng khoán. Phân tích cơ bản chú trọng vào giá trị nội tại của công ty. Dựa trên các tìm hiểu dữ liệu công khai như doanh thu, thu thập, tỷ suất lợi nhuận để đánh giá cổ phiếu công ty có tiềm năng hay không. Vì thông tin công ty được công khai theo khoảng thời gian nhất định hàng quý, hàng năm nên thường phù hợp cho chiến lược đầu tư dài hạn. Ngược lại, phân tích kỹ thuật dựa vào biểu đồ nến, dữ liệu lịch sử, chỉ báo kỹ thuật để phân tích dự đoán giá trị của cổ phiếu.
2.2. Sự Cần Thiết Của Các Công Cụ Dự Đoán Cổ Phiếu Đơn Giản
Các phương pháp dự đoán truyền thống đòi hỏi cần có kinh nghiệm và kiến thức nhất định, các phương pháp này không phù hợp với những người mới tham gia vào thị trường chứng khoán. Vì vậy, các công cụ dự đoán đơn giản, dễ sử dụng là một nhu cầu thiết yếu để hỗ trợ nhà đầu tư mới đưa ra các quyết định thông minh.
III. Phương Pháp Khai Thác Mẫu Tuần Tự Dự Đoán Xu Hướng Cổ Phiếu
Đầu tiên, dữ liệu lịch sử được biểu diễn thành cây nến trong luận văn này gọi là c-line. Mỗi c-line có các mức giá khác nhau được mã hóa theo hình thái của chúng. Chuỗi các c-line được phân đoạn theo các điểm thay đổi trên đường giá đóng và được gán nhãn xu hướng gọi là mẫu c-line. Thứ hai, phương pháp khai thác mẫu tuần tự dự đoán xu hướng cổ phiếu là cách tiếp cận mới. Để phương pháp có thể phù hợp với mô hình dự đoán xu hướng cổ phiếu, ngưỡng hỗ trợ tối thiểu được thay bằng độ chính xác của mẫu c-line. Độ tương tự của chuỗi c-line được đề xuất để cải thiện kết quả dự đoán xu hướng cổ phiếu. Cuối cùng, mô hình dự đoán thực nghiệm trên dữ liệu chứng khoán thực tế được thu thập trên website Yahoo Finance. Kết quả cho thấy mô hình có hiệu quả trong dự đoán xu hướng cổ phiếu.
3.1. Mã Hóa Dữ Liệu Cổ Phiếu Thành Cây Nến C line
Dữ liệu cổ phiếu là chuỗi thời gian đa biến gồm giá đóng cửa, giá mở cửa, giá cao nhất, giá thấp nhất, khối lượng giao dịch. Nó được biểu diễn thành cây nến Nhật (candle) trong biểu đồ nến. Gọi c-line là cây nến gồm giá mở cửa, giá cao nhất, giá đóng cửa, giá thấp nhất phản ánh các mức giá khác nhau của cổ phiếu. Màu của c-line phản ánh giá đóng cửa có cao hay thấp hơn giá mở cửa.
3.2. Sử Dụng Độ Tương Tự Chuỗi Tuần Tự Để Nâng Cao Độ Chính Xác
Để cải thiện kết quả dự đoán xu hướng cổ phiếu được tốt hơn, thông qua các tài liệu nghiên cứu liên quan, cách đánh giá độ tương tự của các chuỗi tuần tự là trong những yếu tố giúp giải quyết vấn đề các mẫu c-line có cùng độ chính xác. Vì vậy việc sử dụng độ tương tự giúp lọc ra những mẫu có khả năng dự đoán đúng cao hơn.
3.3. Thay Đổi Ngưỡng Hỗ Trợ Tối Thiểu Bằng Độ Chính Xác Mẫu C line
Phương pháp khai thác mẫu tuần tự dự đoán xu hướng cổ phiếu là cách tiếp cận mới. Để phương pháp có thể phù hợp với mô hình dự đoán xu hướng cổ phiếu, ngưỡng hỗ trợ tối thiểu được thay bằng độ chính xác của mẫu c-line. Điều này giúp ưu tiên các mẫu có độ chính xác cao hơn trong việc dự đoán.
IV. Thực Nghiệm Đánh Giá Mô Hình Dự Đoán Xu Hướng Cổ Phiếu
Mô hình dự đoán xu hướng cổ phiếu dựa vào phương pháp khai thác mẫu tuần tự và độ tương tự chuỗi tuần tự gọi là mô hình đề xuất. Mô hình dự đoán xu hướng cổ phiếu ngày thứ 6 với chuỗi c-line là dữ liệu của 5 ngày trước đó. Dữ liệu lịch sử thu thập là dữ liệu thực tế trên website Yahoo Finance trong khoảng thời gian từ ngày 04/01/2021 đến 12/05/2021. Các cổ phiếu là công ty trong chỉ số Nasdaq-100. Các yếu tố ảnh hưởng đến giá cổ phiếu chưa được xét đến trong tập dữ liệu lịch sử.
4.1. Thiết Lập Mô Hình Thực Nghiệm Trên Dữ Liệu Thực Tế
Mô hình đề xuất dự đoán ngày thứ 6 dựa trên 5 ngày trước đó tương ứng với các ngày giao dịch từ thứ 2 đến thứ 6 trong 1 tuần. Với mẫu 5 ngày, mô hình khai thác dữ liệu lịch sử xem mẫu có lặp lại trong quá khứ không. Đầu vào mô hình là giá cổ phiếu 5 ngày liên tục (giá cổ phiếu 1 ngày gồm giá mở cửa, giá cao nhất, giá thấp nhất, giá đóng cửa) và đầu ra là dự đoán xu hướng cổ phiếu cho ngày tiếp theo (tức là ngày thứ 6) tăng, giảm hay không có xu hướng (không tăng, không giảm).
4.2. So Sánh Với Các Mô Hình Khác Để Đánh Giá Hiệu Quả
Đánh giá tính hiệu quả mô hình dự đoán xu hướng cổ phiếu và so sánh mô hình dự đoán với các mô hình khác. Mô hình cung cấp thêm thông tin cho người đầu tư về thị trường chứng khoán, người đầu tư có thể lập các chiến lược đầu tư cho riêng mình.
V. Kết Luận Hướng Phát Triển Dự Đoán Cổ Phiếu Tương Lai
Luận văn đã xây dựng mô hình dự đoán xu hướng cổ phiếu có thể áp dụng trên các sàn chứng khoán khác nhau. Hướng tiếp cận mô hình dự đoán xu hướng được kỳ vọng trong các phương pháp máy học để tăng hiệu quả mô hình. Kết quả cho thấy mô hình có hiệu quả trong việc dự đoán xu hướng cổ phiếu, đặc biệt khi kết hợp với độ tương tự của chuỗi tuần tự.
5.1. Ưu Điểm Và Hạn Chế Của Mô Hình Hiện Tại
Chương 5 Kết luận và hướng phát triển: Mô tả kết quả đạt được trong luận văn, trình bày ưu điểm và hạn chế của mô hình. Cuối cùng, hướng phát triển của luận văn.
5.2. Hướng Nghiên Cứu Tiềm Năng Để Nâng Cao Độ Chính Xác
Hướng tiếp cận mô hình dự đoán xu hướng được kỳ vọng trong các phương pháp máy học để tăng hiệu quả mô hình. Các hướng phát triển trong tương lai bao gồm việc tích hợp thêm các yếu tố ảnh hưởng đến giá cổ phiếu (tin tức, mạng xã hội), cải thiện thuật toán khai thác mẫu tuần tự, và áp dụng các kỹ thuật học sâu tiên tiến.
