Ứng Dụng Deep Learning Trong Dự Đoán Giá Chứng Khoán VIC

Tài liệu nghiên cứu Chuyên đề thực tập ứng dụng deep learning viết chương trình thử nghiệm dự đoán giá chứng khoán vic, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Lê Hà Giang
• Người hướng dẫn: ThS. Nguyễn Thị Thùy Trang
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Ứng Dụng Deep Learning Dự Đoán Giá Chứng Khoán VIC
• Loại tài liệu: chuyên đề thực tập
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI MỞ ĐẦU
• 1. Lý do chọn đề tài
• 2. Mục tiêu nghiên cứu
• 3. Phương pháp nghiên cứu
• 4. Đối tượng và phạm vi nghiên cứu
• 5. Đóng góp của nghiên cứu
• 6. Kết cấu của đề tài
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU
• 1.1. LÝ THUYẾT CƠ BẢN VỀ THỊ TRƯỜNG CHỨNG KHOÁN VÀ GIÁ CHỨNG KHOÁN
• 1.1.1. Thị trường chứng khoán
• 1.1.2. Cách thức hoạt động của thị trường chứng khoán
• 1.1.3. Chức năng của thị trường chứng khoán
• 1.1.4. Giá chứng khoán
• 1.2. Mạng nơ-ron nhân tạo và mô hình hoạt động
• 1.2.1. Mạng nơ-ron nhân tạo
• 1.2.2. Mô hình hoạt động
• 1.2.3. Kiến trúc mạng
• 1.2.4. Ứng dụng mạng RNN
• 1.3. Một số các biến thể
• 1.4. Đánh giá sai số dự báo
• 1.5. Tổng quan nghiên cứu
• 2. CHƯƠNG 2: THỰC TRẠNG HOẠT ĐỘNG CỦA VINGROUP VÀ GIÁ CHỨNG KHOÁN VIC
• 2.1. Thực trạng kinh tế và thị trường chứng khoán Việt Nam
• 2.1.1. Tình hình kinh tế Việt Nam trong 10 năm qua
• 2.1.2. Diễn biến thị trường chứng khoán VN trong giai đoạn nghiên cứu
• 2.2. Giới thiệu tập đoàn Vingroup và VIC
• 2.2.1. Tập đoàn Vingroup
• 2.2.2. Giá chứng khoán VIC
• 3. CHƯƠNG 3: KẾT QUẢ DỰ ĐOÁN GIÁ CHỨNG KHOÁN VIC
• 3.1. Giới thiệu bộ dữ liệu
• 3.2. Mô hình LSTM
• 3.2.1. Xây dựng mô hình dự đoán
• 3.2.1.1. Phát biểu bài toán – Tiến trình
• 3.2.1.2. Dữ liệu và trích xuất đặc trưng
• 3.2.1.3. Cấu trúc mô hình LSTM
• 3.2.2. Kết quả thực nghiệm
• 3.2.3. Hạn chế của bài nghiên cứu
• 3.2.4. So sánh với bài nghiên cứu khác, phương pháp khác
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về ứng dụng Deep Learning trong dự đoán giá chứng khoán VIC

Thị trường chứng khoán Việt Nam đang phát triển mạnh mẽ, với nhiều cơ hội đầu tư hấp dẫn. Việc dự đoán giá chứng khoán, đặc biệt là giá cổ phiếu VIC của tập đoàn Vingroup, trở thành một thách thức lớn. Ứng dụng Deep Learning trong dự đoán giá chứng khoán không chỉ giúp cải thiện độ chính xác mà còn tối ưu hóa quy trình ra quyết định đầu tư. Nghiên cứu này sẽ trình bày các khái niệm cơ bản về Deep Learning và cách thức mà nó có thể được áp dụng để dự đoán giá cổ phiếu VIC.

1.1. Khái niệm về Deep Learning và ứng dụng trong tài chính

Deep Learning là một nhánh của Machine Learning, sử dụng các mạng nơ-ron sâu để phân tích và dự đoán dữ liệu. Trong lĩnh vực tài chính, Deep Learning đã được áp dụng để dự đoán xu hướng giá cổ phiếu, phân tích rủi ro và tối ưu hóa danh mục đầu tư.

1.2. Tại sao chọn giá chứng khoán VIC để nghiên cứu

Giá chứng khoán VIC là một trong những chỉ số quan trọng phản ánh tình hình kinh tế của Việt Nam. Nghiên cứu giá cổ phiếu này giúp các nhà đầu tư có cái nhìn tổng quát về xu hướng thị trường và đưa ra quyết định đầu tư chính xác hơn.

II. Thách thức trong việc dự đoán giá chứng khoán VIC

Dự đoán giá chứng khoán không phải là một nhiệm vụ đơn giản. Thị trường chứng khoán thường xuyên biến động và chịu ảnh hưởng bởi nhiều yếu tố như chính trị, kinh tế và tâm lý nhà đầu tư. Những thách thức này đòi hỏi các nhà nghiên cứu phải tìm ra phương pháp hiệu quả để cải thiện độ chính xác của dự đoán.

2.1. Các yếu tố ảnh hưởng đến giá chứng khoán

Giá chứng khoán bị ảnh hưởng bởi nhiều yếu tố vĩ mô như lạm phát, tỷ giá hối đoái và các chính sách kinh tế. Những yếu tố này có thể tạo ra sự biến động lớn trong giá cổ phiếu, làm cho việc dự đoán trở nên khó khăn.

2.2. Tính không ổn định của thị trường chứng khoán

Thị trường chứng khoán thường xuyên thay đổi, và giá cổ phiếu có thể bị ảnh hưởng bởi các tin tức bất ngờ. Điều này tạo ra sự không chắc chắn trong việc dự đoán giá, khiến cho các mô hình dự đoán phải liên tục được cập nhật và điều chỉnh.

III. Phương pháp Deep Learning trong dự đoán giá chứng khoán VIC

Mô hình Long Short-Term Memory (LSTM) là một trong những phương pháp Deep Learning hiệu quả nhất trong việc dự đoán chuỗi thời gian. LSTM có khả năng ghi nhớ thông tin từ quá khứ và sử dụng nó để dự đoán giá trong tương lai. Nghiên cứu này sẽ trình bày cách thức xây dựng mô hình LSTM để dự đoán giá cổ phiếu VIC.

3.1. Cấu trúc mô hình LSTM

Mô hình LSTM bao gồm nhiều lớp nơ-ron, cho phép nó học từ dữ liệu lịch sử và dự đoán giá trong tương lai. Cấu trúc này giúp mô hình xử lý các điểm dữ liệu không liên tục và giảm thiểu sai số dự đoán.

3.2. Quy trình huấn luyện mô hình

Quá trình huấn luyện mô hình LSTM bao gồm việc sử dụng dữ liệu lịch sử giá cổ phiếu VIC để tối ưu hóa các tham số của mô hình. Việc này giúp mô hình học được các mẫu và xu hướng trong dữ liệu, từ đó cải thiện độ chính xác của dự đoán.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã áp dụng mô hình LSTM để dự đoán giá cổ phiếu VIC trong khoảng thời gian từ 2013 đến 2021. Kết quả cho thấy mô hình có khả năng dự đoán chính xác xu hướng giá trong ngắn hạn, giúp các nhà đầu tư đưa ra quyết định kịp thời.

4.1. Đánh giá hiệu quả của mô hình

Mô hình LSTM đã cho kết quả dự đoán chính xác với tỷ lệ sai số thấp. Điều này chứng tỏ rằng Deep Learning có thể là một công cụ hữu ích trong việc dự đoán giá chứng khoán.

4.2. Ứng dụng trong thực tiễn đầu tư

Kết quả nghiên cứu có thể được áp dụng trong thực tiễn để hỗ trợ các nhà đầu tư cá nhân và tổ chức trong việc ra quyết định đầu tư. Việc sử dụng mô hình LSTM giúp tối ưu hóa lợi nhuận và giảm thiểu rủi ro.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu đã chỉ ra rằng việc ứng dụng Deep Learning trong dự đoán giá chứng khoán VIC là khả thi và hiệu quả. Tương lai, các phương pháp này có thể được cải tiến và mở rộng để áp dụng cho nhiều loại chứng khoán khác nhau.

5.1. Hướng phát triển tiếp theo

Nghiên cứu có thể được mở rộng để bao gồm nhiều yếu tố khác nhau ảnh hưởng đến giá chứng khoán, từ đó cải thiện độ chính xác của mô hình dự đoán.

5.2. Tác động của công nghệ mới

Sự phát triển của công nghệ AI và Deep Learning sẽ tiếp tục tạo ra những cơ hội mới trong lĩnh vực tài chính, giúp các nhà đầu tư có thể đưa ra quyết định chính xác hơn.

Trích đoạn nội dung tài liệu

Chương 1. CƠ SỞ LÝ LUẬN VA TONG QUAN NGHIÊN CUU 1.1 LY LUAN CO BAN VE THI TRUONG CHUNG KHOAN VA GIA CHUNG KHOAN 1.1 Thi trường chứng khoán Khái niệm Theo Wikipedia “Thị trường chứng khoán là một tập hợp bao gồm những người mua và người bán cô phiếu (hay chứng khoán), thứ đại diện cho quyền sở hữu của họ đối với một doanh nghiệp; chúng có thé bao gồm các cổ phiếu được niêm yết trên sàn giao dịch chứng khoán đại chúng, hoặc những cô phiếu được giao dịch một cách không công khai.” Theo trang Investopedia, TTCK được định nghĩa như sau: “Thi trường chứng khoán là tập hợp các thị trường và sở giao dịch thường xuyên diễn ra các hoạt động mua, bán và phát hành cô phiếu của các công ty đại chúng”. Hai thuật ngữ “thị trường chứng khoán” và “sé giao dịch chứng khoán” không mang tinh chat tương đương mặc dù vẫn được dùng thay thế cho nhau. Thực chất, thuật ngữ “thị trường chứng khoán” mang nghĩa rộng hơn.

Thị trường chứng khoán đóng vai trò là kênh dẫn vốn quan trọng, nhằm mục đích huy động những nguồn vốn tiết kiệm nhỏ trong xã hội tập trung thành nguồn vốn lớn tài trợ cho doanh nghiệp, các tổ chức kinh tế và Chính phủ dé nâng cao sản xuất, thúc đây tăng trưởng kinh tế hoặc tập trung vốn vào các dự án đầu tư lớn. Cách thức hoạt động của thị trường chứng khoán TTCK đem đến cho các nhà đầu tư một môi trường uy tín và được quản lý chặt chẽ, giúp các nhà đầu tư có thể tiến hành giao dịch cổ phiếu và thực hiện các công cụ khác một cách thuận tiện. TTCK hoạt động như “thi trường so cấp” và “thi trường thứ cap” tuân theo các quy tac được nêu ra bởi cơ quan quản lý. Sở giao dịch chứng khoán là bên đảm bảo sự minh bach về giá cả, tính thanh khoản va sự chuẩn mực trong các hoạt động giao dịch đó.

Hầu hết các sàn giao dich chứng khoán lớn trên Thế giới hiện nay đều hoạt động theo phương thức điện tử, do đó hệ thống quản lý các lệnh mua và lệnh bán từ các bên tham gia thị trường được 11181217-Lé Hà Giang Trang 12 Chuyên đề thực tập chuyên ngành Toán Kinh tế chú trọng và duy trì hiệu quả. Chúng thực hiện “chức năng khớp giá” để tạo ra sự công bằng minh bạch trong khi thực hiện giao dịch cho cả người mua và người bán. Một công ty niêm yết có thé bổ sung chào bán cô phiếu thông qua các đợt chào bán ở giai đoạn sau, có thể là thông qua phát hành quyền hoặc thông qua một đợt chào bán tiếp theo. Bên cạnh đó, họ cũng có thé hủy niêm yết hoặc mua lại cổ phiếu của họ.

Các giao dịch đó được sở giao dịch chứng khoán hỗ trợ, tạo điều kiện dé có thé dễ dàng thực hiện. Ngoài ra các tin tức, báo cáo tài chính hay các thông báo của công ty được cập nhật trên trang web chính thức của họ. Sở giao dịch chứng khoán cũng tạo điều kiện giúp đỡ nhiều hoạt động giao dịch khác ở cấp độ doanh nghiệp. Thông thường, khi một công ty có lợi nhuận, họ sẽ trích một phần từ thu nhập của họ dé trả cho các nhà dau tư dưới hình thức cô tức.

Khi đó, các thông tin này sẽ được sàn giao dịch lưu giữ lại và sẽ hỗ trợ xử lý khi các công ty cần đến nó. Chức năng của thị trường chứng khoán Thị trường chứng khoán chủ yếu phục vụ các chức năng sau: Đảm bảo công bằng trong giao dịch chứng khoán: Sở giao dịch chứng khoán giúp tat cả những nhà dau tư hoàn toàn có quyền truy cập dữ liệu như nhau, dam bảo tính công bằng giúp định giá chứng khoán minh bạch. Bên cạnh đó, nó có chức năng thực hiện khớp lệnh giữa lệnh mua và lệnh bán một cách phù hợp và hiệu quả. Khám phá hiệu quả: Thị trường chứng khoán đảm bảo một “cơ chế hiệu quả” để khám phá giá, quyết định giá của một chứng khoán bang cách đánh giá cung-cầu của thị trường và những yếu tổ tác động đến giao dịch.

Duy trì tính thanh khoản: Thị trường chứng khoán giúp cho những ai có đủ điều kiện giao dịch va san sang giao dich đều có thé dễ dàng truy cập đề đặt lệnh và thực hiện giao dịch. Tính bảo mật và tính hợp lệ của các giao dịch: Điều này đem đến su an toàn cho các bên tham gia, không có chỗ cho bat kỳ bên nào trong số các bên vỡ nợ. Mọi người khi tham gia đều phải tuân thủ các quy định đã đề ra và hoạt động trong khuôn khổ pháp lý của các cơ quan quản lý. Bảo vệ nhà đâu tw: Bên cạnh các nhà đầu tư lớn mạnh, thị trường chứng khoán đặc biệt bảo vệ những nhà đầu tư nhỏ, là những nhà đầu tư có kiến thức tài chính hạn 11181217-Lé Hà Giang Trang 13 Chuyên đề thực tập chuyên ngành Toán Kinh tế hẹp.

Họ không có những nhận thức đầy đủ về chứng khoán và dễ dàng mắc phải những cam bay khi tham gia đầu tư. Giúp những nhà dau tư này tránh được tôn thất về tài chính và củng cé lòng tin khách hàng là một trong những nhiệm vụ hang đầu của sở giao dịch chứng khoán.2 Giá chứng khoán Chứng khoán là một tài sản chính có thể giao dịch. Theo luật Chứng khoán: “chứng khoán là băng chứng xác nhận quyền và lợi ích hợp pháp của người sở hữu đối với tài sản hoặc phần vốn của tô chức phát hành. Được thê hiện bằng chứng chỉ, đữ liệu điện tử hoặc bút toán”.

Có 4 loại chứng khoán chính mà các doanh nghiệp thường phát hành: cô phiếu, trái phiếu, chứng khoán phái sinh và chứng chỉ quỹ dau tư. Bảng giá chứng khoán thé hiện các thông tin liên quan đến giao dịch của cô phiếu trên thị trường chứng khoán. Từ những thông tin trên bảng giá chứng khoán ta có thể biết được một mã chứng khoán nào đấy hiện đang được giao dịch với mức giá nào, khối lượng cô phiếu khớp lệnh là bao nhiêu? Nhà đầu tư nước ngoài mua bán bao nhiêu? Các chỉ tiêu chính trên bảng giá chứng khoán Giá trần Mã chứng khoán (MCK) Giá sàn Giá tham chiếu (TC) Tổng khối lượng 1.1 Mạng nơ-ron nhân tạo 12.11 Kiến trúc Mạng nơ-ron nhân tạo (ANN) là một chuỗi những thuật toán được đưa ra dé tim kiếm các mối quan hệ cơ bản trong tập hợp các dữ liệu thông qua việc bat trước cách thức hoạt động của não bộ con người. Nó có thể lưu giữ thông tin và sử dụng các thông tin đó để đưa ra những dự đoán về dữ liệu chưa biết ở tương lai.

11181217-Lé Hà Giang Trang 14 Chuyên đề thực tập chuyên ngành Toán Kinh tế Mạng Neural Network là sự kết hợp của các tầng perceptron, mỗi Neural Network thường bao gồm 3 kiểu tầng sau: - Tang input layer: Tang này năm ngoài cùng bên trái, biểu diễn các thông tin đầu vào. - Tang output layer: tang này nằm ngoài cùng bên phải, biểu diễn các thông tin đầu ra. - Tang hidden layer: Là tang nằm ở vi trí trung gian, biểu diễn quá trình suy @InputLayer @@HiddenLayer @ Output Layer Hình 1. Kiến trúc mạng nơ -ron nhân tao (Nguồn: Internet) Tại mỗi tầng, số lượng nút mạng có thé sẽ khác nhau, tùy thuộc vào bài toán.

Ưu diém lớn nhât của mang ANN là khả năng được sử dụng như một “cơ chê xâp xi hàm tùy ý” mà học được từ các dữ liệu quan sát. Mô hình hoạt động Tại mỗi nút riêng lẻ ta có các dit liệu đầu vào x;, các trọng số w;, độ lệch (bias) và đầu ra. Công thức tính toán như sau: m » W; xX; + bias = Wxạ + W;x; + W3XxX3 + bias i=1 11181217-Lé Ha Giang Trang 15 Chuyên đề thực tập chuyên ngành Toán Kinh tế Lif ) wx +b >0 Output = f(x) = Oif > wi +b <0 Các trong số đóng vai trò phân định tam quan trọng của các biến, xác định biến nao có đóng góp ít, biến nào có đóng góp nhiều. Các giá trị đầu vào x; được nhân với các trọng số tương ứng rồi cộng với giá trị bias.

Sau đó, các giá trị này sẽ đi qua một hàm gọi là Activation, hàm này sẽ trả về giá trị 0 hoặc 1. Cuối cùng dẫn đến kết quả đầu ra và tiếp tục trở thành đầu vào của trạng thái tiếp theo. Quá trình này được minh họa băng sơ đô sau: Summation and Bias Activation Output Hình 1. Mạng no-ron nhiều lớp với chức năng Sigmoid (Nguồn: Internet) Hàm tổng của một nơ-ron cho biết khả năng kích hoạt của nơ-ron đó.

Hàm chuyên đổi thé hiện mối quan hệ giữa hàm tổng và kết quả. Lựa chọn hàm chuyền đổi phù hợp là cực kỳ quan trọng, nó tác động lớn đến output của mang ANN. Một sỐ hàm chuyên đổi phi tuyến được sử dụng phô biến trong mạng ANN: fC) = TS e*-e* f(x) = tanh(x) = e+e flax) = uf x œ(e* — 1) véix <0 với x > 0 11181217-Lé Ha Giang Trang 16 Chuyên đề thực tập chuyên ngành Toán Kinh tế Trong đó, hàm tanh là phiên bản khác tỉ lệ của hàm sigmoid, nói cách khác đó là khoảng giá trị output của hàm chuyên đồi thuộc khoảng [-1,1] nên còn được gọi là hàm chuân hóa. Mạng nơ-ron dự đoán dựa trên lan truyền thang là phép nhân ma trận với hàm kích hoạt dé thu được output.

Nếu input là vector hai chiều thì có thé xác định J như sau: xX, = kM) + bị a, = tanh(x,) Xp =a,W,+ b; ay = ộ = softmax(x2) Trong đó, x, va a, lần lượt là input va output của lớp thứ I sau khi áp dụng hàm kích hoạt. W và b; là các thông số của mô hình mà chúng ta cần đi tìm. Trong các bài toán hồi quy, thường sử dụng các hàm mắt mát như sai số tuyệt đối trung bình (MAE) hay sai số toàn phương trung bình (MSE).3 Ứng dung Mang ANN được áp dung phô biến cho nhiều lĩnh vực khác nhau như phân tích kinh doanh, tài chính, giao dịch, dự báo thời tiết, đánh giá rủi ro, nhận diện vật thể, phát hiện gian lận. Ngoài ra ANN còn được ứng dụng trong phân tích dữ liệu lịch sử, từ đó đưa ra những đánh giá hiện tại và dự báo tương lai.

Một ứng dung phổ biến đó là bài toán phân loại mẫu: nhận dạng kí tự, giọng nói, .2 Mạng nơ-ron hồi quy 1.1 Kiến trúc Mạng nơ-ron hồi quy, còn được biết đến như là RNNs, là một lớp của ANN mà các sự liên kết giữa các nút hình thành một dây truyền tuần tự. Tức là chúng không liên kết thành chuỗi, đầu ra và đầu vào không phụ thuộc nhau. RNN có thé ghi nhớ các thông tin được tính toán trước đó.