Chuyên Đề Thực Tập: Ứng Dụng Deep Learning trong Dự Báo Chuỗi Thời Gian

Chuyên đề thực tập ứng dụng deep learning trong dự báo chuỗi thời gian, khám phá phương pháp và kỹ thuật hiệu quả để phân tích dữ liệu thời gian.

• Tác giả: Vũ Nhật Quang
• Người hướng dẫn: Pgs. Ts. Nguyễn Thị Minh
• Trường học: Đại học Kinh tế Quốc dân
• Chuyên ngành: Toán Kinh tế
• Đề tài: Ứng dụng Deep Learning trong Dự Báo Chuỗi Thời Gian
• Loại tài liệu: chuyên đề thực tập
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• MỞ ĐẦU
• 0.1. Lý do lựa chọn chủ đề nghiên cứu
• 0.2. Mục tiêu nghiên cứu
• 0.3. Đối tượng và phạm vi nghiên cứu
• 0.4. Phương pháp nghiên cứu
• 0.5. Kết cấu chuyên đề
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU
• 1.1. CƠ SỞ LÝ THUYẾT VỀ DỰ BÁO CHUỖI THỜI GIAN
• 1.1.1. Khái niệm chuỗi thời gian
• 1.1.2. Một số đặc trưng của chuỗi thời gian
• 1.1.3. Đánh giá sai số trong dự báo chuỗi thời gian
• 1.1.4. Bài toán dự báo chuỗi thời gian trong kinh tế - kinh doanh
• 1.2. TỔNG QUAN NGHIÊN CỨU VỀ DỰ BÁO CHUỖI THỜI GIAN
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. CƠ SỞ CỦA DEEP LEARNING
• 2.2. ĐỊNH NGHĨA DEEP LEARNING
• 2.3. MỘT SỐ PHƯƠNG PHÁP DỰ BÁO CHUỖI THỜI GIAN VỚI DEEP LEARNING
• 2.3.1. Các phương pháp dự báo chuỗi thời gian với Deep Learning
• 2.3.2. Mô hình tự hồi quy (Recurrent Neural Network - RNN) và vấn đề phụ thuộc ngăn (vanishing gradient)
• 2.3.3. MÔ HÌNH LONG SHORT-TERM MEMORY
• 2.3.3.1. Giới thiệu mô hình LSTM
• 2.3.3.2. Cấu trúc mô hình LSTM
• 2.3.4. Ưu điểm và nhược điểm của các mô hình dự báo với DL
• 2.3.4.1. Ưu điểm của các mô hình dự báo với DL
• 2.3.4.2. Nhược điểm của các mô hình dự báo với DL
• 2.3.5. Một số phương pháp dự báo khác
• 2.3.5.1. Phương pháp Machine Learning
• 2.3.5.2. Phương pháp thống kê
• 3. CHƯƠNG 3: DỰ BÁO SỬ DỤNG DEEP LEARNING SO VỚI CÁC PHƯƠNG PHÁP KHÁC TRONG DỰ BÁO CHUỖI THỜI GIAN TRƯỜNG HỢP GIÁ CỔ PHIẾU
• 3.1. BÀI TOÁN ĐẶT RA
• 3.2. Phần mềm và các thư viện
• 3.3. DỰ BÁO VỚI MÔ HÌNH LSTM
• 3.4. DỰ BÁO VỚI MÔ HÌNH RANDOM FOREST (RF)
• 3.5. DỰ BÁO VỚI MÔ HÌNH ARIMA
• 3.6. SO SÁNH VÀ ĐÁNH GIÁ KẾT QUẢ DỰ BÁO
• 4. CHƯƠNG 4: KẾT LUẬN VÀ KIẾN NGHỊ
• PHỤ LỤC
• A. Bảng kết quả kiểm định và dự báo
• B. Code script
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về Deep Learning và Dự báo Chuỗi Thời Gian

Deep Learning đã trở thành một công cụ mạnh mẽ trong việc phân tích và dự báo chuỗi thời gian. Với khả năng học sâu từ dữ liệu, các mô hình Deep Learning như LSTM (Long Short-Term Memory) và RNN (Recurrent Neural Network) đã chứng minh hiệu quả vượt trội so với các phương pháp truyền thống như ARIMA và Random Forest. Dự báo chuỗi thời gian là quá trình dự đoán các giá trị tương lai dựa trên dữ liệu lịch sử, và Deep Learning đã mở ra những hướng đi mới trong lĩnh vực này.

1.1. Khái niệm cơ bản về Deep Learning

Deep Learning là một nhánh của Machine Learning, tập trung vào việc xây dựng các mạng nơ-ron nhân tạo có khả năng học từ dữ liệu. Các mô hình này thường bao gồm nhiều lớp (layers) để xử lý thông tin phức tạp. Trong dự báo chuỗi thời gian, Deep Learning giúp nắm bắt các mối quan hệ phi tuyến và phụ thuộc dài hạn trong dữ liệu, điều mà các phương pháp truyền thống khó có thể làm được.

1.2. Tầm quan trọng của Dự báo Chuỗi Thời Gian

Dự báo chuỗi thời gian đóng vai trò quan trọng trong nhiều lĩnh vực như kinh tế, tài chính, và thời tiết. Ví dụ, trong dự báo tài chính, việc dự đoán chính xác giá cổ phiếu có thể giúp các nhà đầu tư đưa ra quyết định hiệu quả. Deep Learning đã mang lại những cải tiến đáng kể trong việc dự báo các chuỗi thời gian phức tạp, đặc biệt là khi dữ liệu có tính chất phi tuyến và nhiễu cao.

II. Các Mô Hình Deep Learning trong Dự Báo Chuỗi Thời Gian

Các mô hình Deep Learning như LSTM, RNN, và GRU (Gated Recurrent Unit) đã được áp dụng rộng rãi trong dự báo chuỗi thời gian. Những mô hình này có khả năng xử lý dữ liệu tuần tự và nắm bắt các mối quan hệ phụ thuộc dài hạn, điều mà các phương pháp truyền thống như ARIMA không thể làm được.

2.1. Mô hình LSTM Long Short Term Memory

LSTM là một biến thể của RNN, được thiết kế để giải quyết vấn đề vanishing gradient thường gặp trong các mô hình RNN truyền thống. LSTM sử dụng các cổng (gates) để kiểm soát thông tin, giúp mô hình có thể nhớ các thông tin quan trọng trong thời gian dài. Điều này làm cho LSTM trở thành một công cụ mạnh mẽ trong dự báo chuỗi thời gian, đặc biệt là khi dữ liệu có tính chất phức tạp và nhiễu cao.

2.2. Mô hình RNN Recurrent Neural Network

RNN là một mô hình nơ-ron được thiết kế để xử lý dữ liệu tuần tự. Mỗi nơ-ron trong RNN có một trạng thái ẩn (hidden state) giúp lưu trữ thông tin từ các bước thời gian trước đó. Tuy nhiên, RNN thường gặp phải vấn đề vanishing gradient, khiến mô hình khó học các phụ thuộc dài hạn. Mặc dù vậy, RNN vẫn là một công cụ hữu ích trong dự báo chuỗi thời gian, đặc biệt là khi kết hợp với các kỹ thuật như GRU.

III. Ứng Dụng Deep Learning trong Dự Báo Tài Chính

Trong lĩnh vực tài chính, Deep Learning đã được áp dụng để dự báo giá cổ phiếu, dự báo thị trường, và dự báo rủi ro. Các mô hình như LSTM và RNN đã chứng minh hiệu quả trong việc dự đoán các biến động thị trường, giúp các nhà đầu tư đưa ra quyết định chính xác hơn.

3.1. Dự Báo Giá Cổ Phiếu

Dự báo giá cổ phiếu là một bài toán phức tạp do tính chất biến động cao của thị trường. Deep Learning đã được sử dụng để dự đoán giá cổ phiếu dựa trên dữ liệu lịch sử. Các mô hình như LSTM và RNN đã cho thấy khả năng nắm bắt các xu hướng và mô hình phức tạp trong dữ liệu, giúp cải thiện độ chính xác của dự báo.

3.2. Dự Báo Rủi Ro

Dự báo rủi ro là một phần quan trọng trong quản lý tài chính. Deep Learning đã được áp dụng để dự đoán các rủi ro tiềm ẩn trong thị trường tài chính. Các mô hình như LSTM và RNN có thể phân tích các dữ liệu lịch sử để dự đoán các sự kiện rủi ro, giúp các nhà quản lý đưa ra các biện pháp phòng ngừa hiệu quả.

IV. So Sánh Deep Learning với Các Phương Pháp Truyền Thống

Deep Learning đã chứng minh hiệu quả vượt trội so với các phương pháp truyền thống như ARIMA và Random Forest trong dự báo chuỗi thời gian. Các mô hình Deep Learning có khả năng nắm bắt các mối quan hệ phi tuyến và phụ thuộc dài hạn trong dữ liệu, điều mà các phương pháp truyền thống khó có thể làm được.

4.1. So Sánh với ARIMA

ARIMA là một phương pháp truyền thống được sử dụng rộng rãi trong dự báo chuỗi thời gian. Tuy nhiên, ARIMA chỉ phù hợp với các chuỗi thời gian có tính chất tuyến tính và ổn định. Trong khi đó, Deep Learning có thể xử lý các chuỗi thời gian phi tuyến và nhiễu cao, giúp cải thiện độ chính xác của dự báo.

4.2. So Sánh với Random Forest

Random Forest là một phương pháp Machine Learning được sử dụng trong dự báo chuỗi thời gian. Tuy nhiên, Random Forest không thể nắm bắt các mối quan hệ phụ thuộc dài hạn trong dữ liệu. Deep Learning, đặc biệt là các mô hình như LSTM, có khả năng xử lý các phụ thuộc dài hạn, giúp cải thiện hiệu suất dự báo.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Dự báo chuỗi thời gian trong lĩnh vực tài chính là bài toán thực tiễn quan trọng đối với các nhà quản trị doanh nghiệp, nhà hoạch định chính sách và các nhà đầu tư trên thị trường chứng khoán. Việc nắm bắt xu hướng biến động giá của tài sản tài chính hỗ trợ công tác quản trị rủi ro và ra quyết định đầu tư kịp thời. Bên cạnh các mô hình kinh tế lượng và thống kê truyền thống, sự phát triển của Trí tuệ nhân tạo (AI), Học máy (Machine Learning - ML) và Học sâu (Deep Learning - DL) đã mang lại các hướng tiếp cận mới trong việc khai phá các cấu trúc phi tuyến phức tạp từ dữ liệu chuỗi thời gian.

Trong khi các mô hình ML truyền thống đòi hỏi quy trình trích xuất đặc trưng thủ công dựa nhiều vào kinh nghiệm chuyên ngành, các mạng nơ-ron của Deep Learning có khả năng tự động học các biểu diễn đặc trưng thông qua cấu trúc mạng nhiều tầng ẩn. Thị trường chứng khoán Việt Nam có tốc độ tăng trưởng nhanh và độ biến động cao, tuy nhiên tại thời điểm thực hiện đề tài (năm 2021), các nghiên cứu thực nghiệm ứng dụng mạng nơ-ron học sâu để dự báo giá chứng khoán tại Việt Nam còn tương đối hạn chế.

Đề tài "Ứng dụng Deep Learning trong Dự Báo Chuỗi Thời Gian" được thực hiện bởi sinh viên Vũ Nhật Quang (Mã sinh viên: 11173943, Lớp Toán Kinh Tế 59, Trường Đại học Kinh tế Quốc dân) dưới sự hướng dẫn của PGS. TS Nguyễn Thị Minh nhằm giải quyết các nhiệm vụ và mục tiêu nghiên cứu cụ thể:

1. Mục tiêu nghiên cứu: Tìm hiểu cơ sở lý thuyết của các thuật toán Học sâu, xây dựng và ứng dụng mô hình Long Short-Term Memory (LSTM) trong bài toán dự báo chuỗi thời gian tài chính; tiến hành so sánh, đánh giá hiệu năng dự báo của mô hình LSTM với mô hình kinh tế lượng truyền thống (ARIMA) và mô hình học máy (Random Forest).
2. Đối tượng nghiên cứu: Chuỗi giá mở cửa (Open price) của hai mã cổ phiếu niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) gồm:
   • Mã cổ phiếu MWG của Công ty Cổ phần Đầu tư Thế giới Di động.
   • Mã cổ phiếu SHB của Ngân hàng Thương mại Cổ phần Sài Gòn - Hà Nội.
3. Phạm vi nghiên cứu:
   • Phạm vi phương pháp: Tập trung vào ba nhóm thuật toán tiêu biểu gồm mô hình thống kê chuỗi thời gian (ARIMA), mô hình học máy dạng cây (Random Forest) và mô hình học sâu chuỗi (LSTM).
   • Phạm vi không gian và thời gian của dữ liệu: Dữ liệu chuỗi thời gian theo ngày được thu thập từ ngày 30/05/2017 đến ngày 05/04/2021 (tổng quy mô 970 quan sát cho mỗi mã cổ phiếu).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Đề tài thiết lập nền tảng lý thuyết dựa trên ba nhóm mô hình dự báo chuỗi thời gian:

• Mô hình Thống kê chuỗi thời gian cổ điển (Box - Jenkins):
  • Mô hình tự hồi quy $AR(p)$: $y_t = a_0 + a_1 y_{t-1} + a_2 y_{t-2} + \dots + a_p y_{t-p} + \varepsilon_t$.
  • Mô hình trung bình trượt $MA(q)$: $y_t = \beta_0 + \varepsilon_t + \beta_1 \varepsilon_{t-1} + \dots + \beta_q \varepsilon_{t-q}$.
  • Mô hình Tự hồi quy tích hợp trung bình trượt $ARIMA(p, d, q)$, trong đó $d$ là bậc sai phân để đưa chuỗi không dừng về chuỗi dừng, $p$ và $q$ được xác định thông qua hàm tự tương quan (ACF) và hàm tự tương quan riêng phần (PACF). Điều kiện kiểm định mô hình tối ưu là phần dư phải thỏa mãn tính chất nhiễu trắng (white noise).
• Mô hình Học máy (Machine Learning):
  • Mô hình Cây quyết định (Decision Tree - DT) cho bài toán hồi quy.
  • Thuật toán Rừng ngẫu nhiên (Random Forest - RF) kết hợp kỹ thuật lấy mẫu tái lặp (bootstrapping / bagging) và chọn tập thuộc tính ngẫu nhiên tại mỗi điểm phân nhánh, giúp giảm hiện tượng quá khớp (overfitting).
• Mô hình Mạng nơ-ron học sâu (Deep Learning):
  • Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN): Sử dụng trạng thái ẩn $h_t = \sigma_h (U x_t + W h_{t-1})$ để lưu giữ thông tin chuỗi theo thời gian, tuy nhiên gặp giới hạn triệt tiêu đạo hàm (vanishing gradient) đối với các chuỗi dài.
  • Mạng nơ-ron Bộ nhớ dài - ngắn (Long Short-Term Memory - LSTM): Khắc phục hiện tượng vanishing gradient bằng kiến trúc ba cổng điều khiển và tế bào trạng thái (cell state $c_t$):
    • Cổng quên lãng (Forget gate): $f_t = \sigma(x_t U_f + h_{t-1} W_f + b_f)$
    • Cổng đầu vào (Input gate): $i_t = \sigma(x_t U_i + h_{t-1} W_i + b_i)$ và trạng thái ứng viên $\tilde{c}t = \tanh(x_t U_c + h{t-1} W_c + b_c)$
    • Cập nhật Cell state: $c_t = f_t * c_{t-1} + i_t * \tilde{c}_t$
    • Cổng đầu ra (Output gate): $o_t = \sigma(x_t U_o + h_{t-1} W_o + b_o)$ và trạng thái ẩn $h_t = o_t * \tanh(c_t)$

Phương pháp nghiên cứu và công cụ xử lý dữ liệu

Nghiên cứu sử dụng phương pháp định lượng thực nghiệm thông qua các bước: thu thập dữ liệu, kiểm tra tính dừng (Augmented Dickey-Fuller Test), biến đổi trễ (lag transformation), chuẩn hóa dữ liệu, phân chia tập dữ liệu huấn luyện - kiểm định (Train/Test ratio: 70:30), huấn luyện mô hình, kiểm định giả định phần dư và so sánh sai số dự báo.

Công cụ và môi trường lập trình được tác giả sử dụng:

• Ngôn ngữ thống kê R và môi trường RStudio (phiên bản 1.4).
• Môi trường Anaconda (phiên bản 1.0) tích hợp Python 3.3 hỗ trợ thư viện Keras và TensorFlow.
• Các gói thư viện chuyên dụng trên R: quantmod, dplyr, lubridate, readr, readxl, tidyr, writexl, ggplot2, timetk, fable, astsa, tseries, keras, tensorflow, randomForest, forecast, MASS.

Các chỉ số đánh giá độ chính xác của mô hình:

• Sai số bình phương trung bình gốc (Root Mean Square Error - RMSE): $$\text{RMSE} = \sqrt{\frac{1}{n} \sum_{t=1}^n (y_t - \hat{y}_t)^2}$$
• Sai số phần trăm tuyệt đối trung bình (Mean Absolute Percentage Error - MAPE): $$\text{MAPE} = \frac{1}{n} \sum_{t=1}^n \left| \frac{y_t - \hat{y}_t}{y_t} \right| \times 100%$$

Công cụ / Thư viện	Vai trò trong nghiên cứu
quantmod, readr, dplyr, tidyr	Thu thập, trích xuất và biến đổi tiền xử lý dữ liệu chuỗi thời gian
tseries, forecast, astsa	Kiểm định tính dừng (ADF), vẽ đồ thị ACF/PACF, ước lượng mô hình ARIMA
keras, tensorflow	Thiết lập kiến trúc mạng nơ-ron LSTM nhiều tầng ẩn, tối ưu hóa thuật toán ADAM
randomForest	Xây dựng mô hình hồi quy rừng ngẫu nhiên, tối ưu số lượng cây và biến trễ
ggplot2	Trực quan hóa dữ liệu thực tế và chuỗi kết quả dự báo

Nội dung chính theo từng chương

Chương 1. Cơ sở lý luận và tổng quan nghiên cứu

Chương 1 hệ thống hóa các khái niệm nền tảng về chuỗi thời gian và lược sử các phương pháp dự báo:

• Đặc trưng chuỗi thời gian: Trình bày 4 thành phần cơ bản gồm tính thời vụ (seasonal), tính xu hướng (trend), tính chu kỳ (cyclical) và tính ngẫu nhiên/nhiễu (noise). Phân tích khái niệm chuỗi dừng (stationary time series) với kỳ vọng, phương sai và hiệp phương sai không đổi theo thời gian, cùng định nghĩa nhiễu trắng (white noise).
• Thước đo sai số: Phân loại và so sánh ưu - nhược điểm của các chỉ số đo sai số tuyệt đối (MAE, RMSE) và tương đối (MAPE).
• Tổng quan nghiên cứu: Điểm lại các mốc phát triển từ phương pháp san bằng mũ đơn giản (SES của Charles C. Holt, 1957; Peter R. Holt-Winters, 1960), mô hình không gian trạng thái của Snyder (1985), mô hình kinh tế lượng Box - Jenkins (1970) với các biến thể (SARIMA, ARIMAX, VAR, VECM). Đánh giá các công trình ứng dụng học máy (SVM, Random Forest) và các nghiên cứu học sâu hiện đại trên chuỗi tài chính, thời tiết và y tế (Giles 2001, Hochreiter & Schmidhuber 1997, Srushti 2008, Karevan 2020, Vidal 2020, Rudo 2019).

Chương 2. Phương pháp nghiên cứu

Chương 2 tập trung trình bày bản chất kỹ thuật và cấu trúc toán học của các thuật toán được áp dụng:

• Cơ sở Deep Learning: Khởi nguồn từ tế bào nơ-ron sinh học đến cấu trúc Perceptron, mạng nơ-ron truyền thẳng (ANN), thuật toán hạ độ dốc (Gradient Descent) và lan truyền ngược (Backpropagation). Phân tích vai trò của các hàm kích hoạt phi tuyến như Sigmoid và Tanh.
• Mô hình RNN và LSTM: Phân loại 4 dạng cấu trúc RNN (One-to-One, One-to-Many, Many-to-One, Many-to-Many). Phân tích chi tiết nguyên nhân dẫn đến hiện tượng triệt tiêu đạo hàm (vanishing gradient) khi tăng số tầng ẩn trong RNN và cơ chế khắc phục thông qua ba cổng tín hiệu cùng Cell State của kiến trúc LSTM. Liệt kê các biến thể mở rộng như Vanilla LSTM, CNN-LSTM, Encoder-Decoder LSTM, Bidirectional LSTM và Generative LSTM.
• Phương pháp Machine Learning và Thống kê: Mô tả cơ chế hoạt động của thuật toán Cây quyết định (Decision Tree), thuật toán Rừng ngẫu nhiên (Random Forest) với quy trình tạo tập mẫu Bootstrapping. Trình bày quy trình 3 bước xây dựng mô hình ARIMA theo chu trình Box - Jenkins gồm: kiểm định tính dừng, nhận dạng tham số $p, d, q$ bằng biểu đồ ACF/PACF, ước lượng mô hình và kiểm định phần dư Box - Pierce / Ljung - Box.

Chương 3. Dự báo sử dụng Deep Learning so với các phương pháp khác trong dự báo chuỗi thời gian trường hợp giá cổ phiếu

Chương 3 là phần thực nghiệm cốt lõi của chuyên đề, tiến hành áp dụng ba mô hình trên dữ liệu cổ phiếu MWG và SHB:

• Mô tả dữ liệu: Dữ liệu giá mở cửa 970 phiên giao dịch từ 30/05/2017 đến 05/04/2021. Chuỗi giá MWG biến động mạnh liên tục trong toàn bộ giai đoạn, trong khi chuỗi giá SHB đi ngang ở giai đoạn đầu và biến động mạnh ở giai đoạn sau.
• Quy trình triển khai mô hình LSTM:
  • Kiểm định tính dừng: Chuỗi giá gốc không dừng (kiểm định ADF cho giá trị thống kê $DF = -1.7096$, bậc trễ = 9, $p\text{-value} = 0.7013$). Sau khi lấy sai phân bậc 1, chuỗi đạt tính dừng ($DF = -9.5281$, $p\text{-value} = 0.01$).
  • Cấu trúc dữ liệu đầu vào: Chuyển đổi chuỗi thành ma trận có giám sát với $k = 60$ biến trễ (tương đương 60 phiên giao dịch, khoảng 2 tháng).
  • Chuẩn hóa: Áp dụng phương pháp Min-Max Scaling để chuẩn hóa dữ liệu về khoảng $(-1, 1)$.
  • Thiết lập mạng: Xây dựng mô hình với 5 tầng ẩn, hàm mất mát sai số bình phương trung bình (MSE), thuật toán tối ưu hóa Adaptive Moment Estimation (ADAM) với tốc độ học (learning rate) là $0.02$, tốc độ giảm dần (decay) là $1 \times 10^{-6}$, tổng số tham số cần ước lượng là $14,941$ tham số.
• Quy trình triển khai mô hình Random Forest:
  • Thiết lập vòng lặp thử nghiệm số biến trễ tối ưu dựa trên tiêu chí MAPE nhỏ nhất. Kết quả đồ thị MAPE xác định số biến trễ tối ưu là 1.
  • Xây dựng mô hình RF dạng hồi quy (Regression) với số cây $ntree = 100$.
• Quy trình triển khai mô hình ARIMA:
  • Qua phân tích đồ thị ACF và PACF trên chuỗi sai phân, tác giả xác định tham số $p = 1, d = 1, q = 1$, thiết lập mô hình $ARIMA(1,1,1)$.
  • Hệ số ước lượng $ar1 = 0.2517$, phương sai phần dư $\sigma^2 = 5.98$.
  • Kiểm định Box - Ljung xác nhận phần dư của mô hình thỏa mãn điều kiện nhiễu trắng.
• Đánh giá và so sánh kết quả: So sánh chuỗi giá dự báo bước nhảy $1$ phiên với giá thực tế trên tập kiểm định (test set chiếm 30% dữ liệu) thông qua đồ thị và chỉ số RMSE, MAPE. Chia tập dự báo thành 12 khoảng thời gian nhỏ (mỗi khoảng 30 phiên) để kiểm tra độ ổn định của sai số giữa LSTM và ARIMA.

Chương 4. Kết luận và kiến nghị

Chương 4 tổng kết các phát hiện chính từ kết quả thực nghiệm:

• Đánh giá khả năng thích ứng của mạng LSTM trong việc nắm bắt các phụ thuộc thời gian phức tạp của chuỗi giá chứng khoán.
• Chỉ ra các ưu thế và nhược điểm thực tế của từng mô hình (LSTM, ARIMA, Random Forest) khi áp dụng vào bài toán dự báo ngắn hạn trên thị trường chứng khoán Việt Nam.
• Đề xuất các khuyến nghị cho nhà đầu tư khi lựa chọn công cụ dự báo và gợi ý các hướng mở rộng kỹ thuật cho các nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả thực nghiệm chính

Kết quả thực nghiệm trên tập dữ liệu kiểm định của hai mã cổ phiếu MWG và SHB ghi nhận các đặc điểm sau:

1. Hiệu năng của mô hình LSTM và ARIMA: Cả hai mô hình đều cho kết quả dự báo bám sát đường giá thực tế với sai số nhỏ. Khi phân chia chuỗi dự báo thành 12 khoảng thời gian độc lập (30 phiên/khoảng), LSTM và ARIMA thể hiện mức độ tương đồng cao về khả năng nắm bắt xu thế ngắn hạn.
2. Hạn chế của mô hình Random Forest: Thuật toán Random Forest cho kết quả dự báo kém nhất trong cả hai trường hợp. Do bản chất thuật toán cây quyết định chỉ lấy giá trị trung bình tại các lá ngọn, Random Forest không có khả năng ngoại suy đối với các giá trị nằm ngoài phạm vi cực trị (min - max) của tập dữ liệu huấn luyện, dẫn đến sai số tăng vọt khi thị trường thiết lập đỉnh hoặc đáy mới trong giai đoạn thử nghiệm.

Mã cổ phiếu	Mô hình	MAPE	RMSE	Nhận xét hiệu năng
MWG	LSTM	Thấp	Thấp	Bám sát xu hướng thực tế, xử lý tốt dữ liệu 60 phiên trễ
MWG	ARIMA(1,1,1)	Thấp	Thấp	Dự báo bước ngắn ($t+1$) chính xác, phần dư đạt chuẩn nhiễu trắng
MWG	Random Forest	Cao	Cao	Kém hiệu quả do không ngoại suy được vượt khoảng giá tập train
SHB	LSTM	Thấp	Thấp	Dự báo tốt ở cả giai đoạn đi ngang lẫn giai đoạn bùng nổ biến động
SHB	ARIMA(1,1,1)	Thấp	Thấp	Tương đương LSTM trong bài toán dự báo 1 bước
SHB	Random Forest	Cao	Cao	Sai lệch lớn ở giai đoạn giá tăng mạnh về cuối chuỗi

Đóng góp của đề tài

• Thực hiện kiểm chứng thực nghiệm độc lập mô hình học sâu LSTM trên dữ liệu thị trường chứng khoán Việt Nam tại sàn HOSE, đặt trong mối tương quan so sánh trực tiếp với phương pháp kinh tế lượng (ARIMA) và học máy (Random Forest).
• Cung cấp quy trình xử lý dữ liệu hoàn chỉnh từ khâu kiểm định dừng, cấu trúc biến trễ có giám sát, chuẩn hóa dữ liệu, đến lập trình mạng nơ-ron hồi quy nhiều tầng ẩn trên ngôn ngữ R kết nối Keras/TensorFlow.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và nội dung trình bày trong chuyên đề, các hạn chế và định hướng phát triển gồm:

• Hạn chế về không gian và biến số: Nghiên cứu chỉ tập trung vào dữ liệu đơn biến là giá mở cửa của 2 mã cổ phiếu đơn lẻ (MWG và SHB), chưa mở rộng trên quy mô toàn ngành hoặc kết hợp các biến ngoại sinh như khối lượng giao dịch, chỉ số VN-Index, lãi suất và các chỉ số kinh tế vĩ mô.
• Hạn chế về kiến trúc mô hình: Mô hình Deep Learning trong bài chỉ sử dụng kiến trúc LSTM thuần túy (5 tầng ẩn cơ bản), chưa thử nghiệm các kiến trúc lai phức tạp hơn (như CNN-LSTM để đọc biểu đồ kỹ thuật kết hợp dữ liệu số) hay cơ chế tập trung (Attention mechanism).
• Hướng nghiên cứu tiếp:
  • Thử nghiệm kết hợp mô hình học sâu với các biến đầu vào đa biến (multivariate time series).
  • Tích hợp phương pháp phân tích tâm lý thị trường từ tin tức tài chính hoặc xử lý hình ảnh đồ thị kỹ thuật kết hợp học tăng cường (Reinforcement Learning).

Giá trị tham khảo

Chuyên đề thực tập có giá trị tham khảo thiết thực cho các đối tượng:

• Sinh viên, học viên ngành Toán kinh tế, Kinh tế lượng, Khoa học dữ liệu tài chính: Có thể tham khảo tài liệu như một cẩm nang mẫu về quy trình nghiên cứu thực nghiệm chuỗi thời gian, từ việc thiết lập cơ sở toán học của mạng nơ-ron đến việc hiện thực hóa bằng mã nguồn lập trình.
• Người làm đề tài về Dự báo tài chính / Fintech: Cung cấp phương pháp chuyển đổi chuỗi thời gian một chiều thành cấu trúc bảng có giám sát ($k$ bước trễ), kỹ thuật chuẩn hóa Min-Max Scaling và quy trình so sánh đa mô hình (ARIMA vs RF vs LSTM).
• Phần đáng tham khảo nhất: Chương 2 (chi tiết cấu trúc toán học của các cổng LSTM) và Chương 3 (toàn bộ các bước tinh chỉnh siêu tham số, thiết lập tối ưu hóa ADAM và quy trình kiểm định Box - Jenkins trên phần mềm R).

Câu hỏi thường gặp

1. Khóa luận sử dụng những tiêu chí và thước đo nào để đánh giá sai số giữa các mô hình dự báo?
Nghiên cứu sử dụng hai thước đo chính gồm: Sai số bình phương trung bình gốc (RMSE) dùng để so sánh sai số tuyệt đối giữa 3 mô hình trên cùng một bộ dữ liệu, và Sai số phần trăm tuyệt đối trung bình (MAPE) để đo lường sai số tương đối không phụ thuộc vào đơn vị dữ liệu giữa hai mã cổ phiếu khác nhau.

2. Quy mô và nguồn gốc bộ dữ liệu thực nghiệm trong chuyên đề được thu thập như thế nào?
Dữ liệu giá mở cửa của hai mã cổ phiếu MWG (CTCP Đầu tư Thế giới Di động) và SHB (Ngân hàng TMCP Sài Gòn - Hà Nội) được thu thập từ ngày 30/05/2017 đến ngày 05/04/2021 với tổng số 970 quan sát cho mỗi mã, sau đó được tổng hợp và xử lý định dạng qua ngôn ngữ VBA trên Excel trước khi đưa vào môi trường R.

3. Kiến trúc mô hình LSTM trong nghiên cứu được thiết lập với các siêu tham số cụ thể nào?
Mô hình LSTM được xây dựng gồm 5 tầng ẩn, dữ liệu đầu vào sử dụng 60 biến trễ (tương đương 60 phiên giao dịch). Hàm mất mát được sử dụng là sai số bình phương trung bình (MSE), thuật toán tối ưu hóa là ADAM với tốc độ học $0.02$, tốc độ giảm dần $1 \times 10^{-6}$, chỉ số theo dõi là accuracy và tổng số tham số huấn luyện là $14,941$.

4. Tại sao mô hình Random Forest lại có kết quả dự báo kém hơn so với LSTM và ARIMA trong bài toán này?
Mô hình Random Forest xây dựng dựa trên tập hợp các cây quyết định, dự báo giá trị liên tục bằng cách tính trung bình các mẫu tại lá ngọn. Do đó, mô hình này không có khả năng ngoại suy ra ngoài phạm vi giá trị cực đại và cực tiểu đã có trong tập huấn luyện, dẫn đến sai số lớn khi chuỗi giá cổ phiếu thực tế tiếp tục tăng trưởng hoặc giảm sâu vượt đỉnh/đáy lịch sử ở tập kiểm định.

5. Kết quả kiểm định tính dừng của chuỗi giá gốc và việc lựa chọn bậc mô hình ARIMA(1,1,1) diễn ra ra sao?
Chuỗi giá mở cửa gốc ban đầu qua kiểm định Dickey-Fuller có $p\text{-value} = 0.7013$ (không dừng). Sau khi lấy sai phân bậc 1 ($d=1$), chuỗi đạt tính dừng với $p\text{-value} = 0.01$. Dựa vào đồ thị tự tương quan (ACF) và tự tương quan riêng phần (PACF), tác giả xác định được bậc $p=1$ và $q=1$, tạo thành mô hình $ARIMA(1,1,1)$ với phần dư được kiểm định là nhiễu trắng qua kiểm định Box - Ljung.

Kết luận

Chuyên đề tốt nghiệp "Ứng dụng Deep Learning trong Dự Báo Chuỗi Thời Gian" của tác giả Vũ Nhật Quang đã hệ thống hóa hoàn chỉnh cơ sở lý luận từ các phương pháp thống kê cổ điển đến các mô hình học máy và học sâu hiện đại. Qua thực nghiệm dự báo giá mở cửa hai mã cổ phiếu MWG và SHB trên sàn HOSE giai đoạn 2017 - 2021, nghiên cứu chứng minh mô hình LSTM và ARIMA đạt hiệu quả dự báo ngắn hạn vượt trội so với thuật toán Random Forest. Đề tài cung cấp tài liệu tham khảo có giá trị học thuật và thực tiễn cao cho sinh viên, học viên chuyên ngành Toán kinh tế và Phân tích dữ liệu tài chính trong việc áp dụng Deep Learning vào chuỗi thời gian.

Trích đoạn nội dung tài liệu

Chương 1. CƠ SỞ LÝ LUẬN VA TONG QUAN NGHIÊN CỨU 1. CƠ SỞ LÝ THUYET VE DỰ BAO CHUOI THỜI GIAN Với sự phát triên của công nghiệp hiện đại, rât nhiêu ngành công nghiệp, nêu không muốn nói là tất cả đều dựa trên các dựa các dự báo dé đưa ra kế hoạch sản xuất hoặc quyết định quan trọng. Ví dụ, dự báo tốt về nhu cầu từng mặt hàng trong tương lai rõ ràng sẽ giúp doanh nghiệp lập kế hoạch sản xuất, kế hoạch vận chuyền, kho bãi dễ dang hơn và giảm thiểu lượng hàng phải bỏ đi do quá han sử dụng.

Do đó, kết quả dự báo tốt đóng vai trò thiết yếu trong nhiều lĩnh vực hoạt động khoa học, công nghiệp, thương mại và kinh tế. Đề làm được điều đó, các nhà quản trị hay nhà hoạch định chiến lược thường sử dụng các thông tin trong quá khứ hay chuỗi thời gian để đưa ra dự báo trong tương lai. Airlines’ Stock Price Oscillations in 2020 Price Change as a Percentage of Adj Close Price on January 2nd & Major Events Price Change 2020 (%) 1 allelfGnt | +2.68%| from COVID-19 top 200,000 -25% -75% Hình 1 :Minh hoa sự thay đối của chuối giá cô phiếu cổ phiếu của 9 hãng hang không của Mỹ 1. Khái niệm chuỗi thời gian Chuỗi thời gian là một tập hợp các quan sát được thực hiện tuần tự qua thời gian.

Vi dụ (i) doanh số bán một sản phẩm cụ thé trong những tháng liên tiếp, (ii) nhiệt độ tại một địa điêm cụ thê vào buôi trưa của những ngày liên tiép và (iii) tiêu thụ điện ở một 11173943 — Vũ Nhật Quang 3 Chuyên đề thực tập - chuyên ngành Toán Kinh Tế khu vực cụ thê trong khoảng thời gian một giờ liên tiếp. Một số ứng dụng của dự báo chuỗi thời gian có thé ké đến như: Dự báo bán hàng eWNAm Kiểm soát hàng tồn kho Lập kế hoạch sản xuất và năng lực Đánh giá các chiến lược kinh tế thay thế Lập ngân sách Quản lý rủi ro tài chính Dự báo nhiệt độ thời tiết 1. Một số đặc trưng của chuỗi thời gian Chuỗi thời gian có 4 tính chất chính là tính thời vụ (seasonal), tính xu hướng (trend), tính chu kì (cyclical) và tính nhiễu (noise). Tính thời vụ biêu thị qua sự biến động có chu kì thời gian nhất định.

Tính thời vụ đặc biệt quan trọng trong dự báo vì tại một thời điểm dự báo nhất định, giá trị dự báo có thé cao hơn (hoặc thấp hơn) bất thường. Với số liệu kinh tế thông thường, mỗi một thời kì thường tính theo tháng, quý hoặc năm, nhưng với một vài số liệu đặc biệt, một thời kì có thê kéo dài tới vài năm. Sunspots Hình 2: Chuỗi thời gian có yếu t6 mùa vụ Tính xu hướng phản ánh xu hướng tăng (giảm) của chuỗi thơi gian trong cả quá trình. 11173943 — Vũ Nhật Quang 4 Chuyên đề thực tập - chuyên ngành Toán Kinh Tế E-Commerce Retail Sales in the United States 0 01-10-1999 27-06-2002 23-03-2005 18-12-2007 13-09-2010 09-06-2013 05-03-2016 30-11-2018 Quarter Hình 3: Chuỗi thời gian có yếu to xu thé Tính chu kì, giống với tính thời vụ, cũng thé hiện sự biến động theo chu kì nhưng độ đài của chu kì thường thay đổi, không thể biết trước được.

Dow Jones Industrials. % change in closing price from previous year The great depression (1929-30) The downturn of 2002 Economic The dot.com depression 1907 Banker's Recession bubble (1893-97) pant (1937-38) (2000-2001) 1920 1940 Year Hình 4: Chuỗi thời gian có yếu to chu kì Tính nhiễu thê hiện sự ngẫu nhiên sau khi đã bỏ qua tính thời vụ và tính chu kì khỏi chuỗi thời gian. Tính nhiễu là một thành phần không thê biết trước được hay đo lường được, là tác động ngẫu nhiên của các yếu tô biết hoặc chưa được biết.