Ứng Dụng Các Mô Hình Học Máy Trong Dự Báo Giá Cổ Phiếu Trên Sàn Chứng Khoán HOSE: Hiệu Quả Dự Báo

• Tác giả: Nguyễn Phạm Chí Bảo
• Người hướng dẫn: TS. Lê Hoàng Anh
• Trường học: Trường Đại học Ngân hàng Thành phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Ứng Dụng Mô Hình Học Máy Trong Dự Báo Giá Cổ Phiếu Trên Sàn Chứng Khoán HOSE
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
• 1.1. Tính cấp thiết của đề tài nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.2.3. Câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.4. Những đóng góp của nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Cấu trúc của nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về học máy (machine learning)
• 2.2. Lịch sử phát triển của các mô hình học máy
• 2.3. Tổng quan lý thuyết về các mô hình học máy được sử dụng để dự báo giá cổ phiếu
• 2.3.1. Artificial Neural Network
• 2.4. Các nghiên cứu có liên quan
• 2.4.1. Các nghiên cứu trong nước
• 2.4.2. Các nghiên cứu trên thế giới
• 2.5. Các thông số dùng đánh giá các mô hình
• 2.5.1. Coefficient of determination
• 2.5.2. Mean Squared Error (MSE)
• 2.5.3. Root Mean Squared Error (RMSE)
• 2.5.4. Mean Absolute Error (MAE)
• 2.6. TÓM TẮT CHƯƠNG 2
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Phương pháp thu thập dữ liệu
• 3.2.1. Phương pháp thu thập dữ liệu giá cổ phiếu
• 3.2.2. Phương pháp thu thập dữ liệu các độ trễ của tỷ suất sinh lời của từng mã cổ phiếu
• 3.2.3. Phương pháp thu thập dữ liệu các chỉ số tài chính khác
• 3.3. Tiền xử lý dữ liệu
• 3.3.1. Kiểm tra tính dừng của bộ dữ liệu
• 3.3.2. Tính dừng của dữ liệu giá cổ phiếu
• 3.3.3. Tính dừng của TSSL
• 3.4. Chuẩn hóa dữ liệu nghiên cứu
• 3.5. Mẫu nghiên cứu
• 3.6. Quá trình xây dựng các mô hình mô hình học máy
• 3.6.1. Các thư viện cần thiết
• 3.6.2. Phân chia tập dữ liệu và tập kiểm tra
• 3.6.3. Xây dựng mô hình
• 3.7. TÓM TẮT CHƯƠNG 3
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả
• 4.2. Kết quả huấn luyện và hiệu suất của các mô hình
• 4.2.1. Artificial Neural Network
• 4.2.2. Cải thiện hiệu suất dự báo đối với các mô hình ML
• 4.2.2.1. Cải thiện chung cho các mô hình
• 4.2.2.2. Cải thiện cho Random Forest
• 4.2.2.3. Cải thiện cho KNN
• 4.2.2.4. Cải thiện cho ANN
• 4.2.3. Kết quả hồi quy và đánh giá hiệu suất của các mô hình sau cải thiện
• 4.2.3.1. Artificial Neural Network
• 4.2.4. So sánh hiệu suất của các mô hình
• 4.3. TÓM TẮT CHƯƠNG 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Hạn chế và hướng nghiên cứu tiếp theo
• 5.2. Ứng dụng thực tế
• TÀI LIỆU THAM KHẢO

I. Tổng Quan Về Ứng Dụng Mô Hình Học Máy Trong Dự Báo Giá Cổ Phiếu

Trong bối cảnh thị trường chứng khoán ngày càng biến động, việc ứng dụng mô hình học máy trong dự báo giá cổ phiếu trên sàn chứng khoán HOSE trở nên cần thiết. Các mô hình này không chỉ giúp phân tích dữ liệu lớn mà còn cải thiện độ chính xác trong dự đoán. Nghiên cứu này sẽ khám phá các mô hình phổ biến như Linear Regression, Random Forest và KNN, đồng thời đánh giá hiệu quả của chúng trong việc dự báo giá cổ phiếu.

1.1. Khái Niệm Về Mô Hình Học Máy

Mô hình học máy là một lĩnh vực của trí tuệ nhân tạo, cho phép máy tính học hỏi từ dữ liệu mà không cần lập trình cụ thể. Các mô hình này có khả năng phân tích và dự đoán dựa trên các mẫu dữ liệu lịch sử.

1.2. Tầm Quan Trọng Của Dự Báo Giá Cổ Phiếu

Dự báo giá cổ phiếu là một yếu tố quan trọng trong quyết định đầu tư. Việc sử dụng các mô hình học máy giúp nhà đầu tư đưa ra quyết định chính xác hơn, từ đó tối ưu hóa lợi nhuận.

II. Thách Thức Trong Dự Báo Giá Cổ Phiếu Trên Sàn Chứng Khoán HOSE

Thị trường chứng khoán HOSE đối mặt với nhiều thách thức trong việc dự báo giá cổ phiếu. Sự biến động của thị trường, tâm lý nhà đầu tư và các yếu tố kinh tế vĩ mô đều ảnh hưởng đến giá cổ phiếu. Những yếu tố này tạo ra sự không chắc chắn, làm cho việc dự đoán trở nên khó khăn hơn.

2.1. Sự Biến Động Của Thị Trường

Thị trường chứng khoán thường xuyên biến động do nhiều yếu tố như tin tức kinh tế, chính trị và tâm lý nhà đầu tư. Điều này làm cho việc dự đoán giá cổ phiếu trở nên phức tạp.

2.2. Tâm Lý Nhà Đầu Tư

Tâm lý nhà đầu tư có thể ảnh hưởng lớn đến giá cổ phiếu. Những quyết định dựa trên cảm xúc có thể dẫn đến sự biến động không lường trước được trong giá cổ phiếu.

III. Phương Pháp Ứng Dụng Mô Hình Học Máy Trong Dự Báo Giá Cổ Phiếu

Nghiên cứu này sẽ áp dụng các mô hình học máy như Linear Regression, Random Forest và KNN để dự báo giá cổ phiếu. Mỗi mô hình sẽ được huấn luyện và kiểm tra trên dữ liệu lịch sử để đánh giá hiệu suất dự đoán.

3.1. Mô Hình Linear Regression

Linear Regression là một trong những mô hình đơn giản nhưng hiệu quả trong việc dự đoán giá cổ phiếu. Mô hình này giúp xác định mối quan hệ tuyến tính giữa các biến độc lập và giá cổ phiếu.

3.2. Mô Hình Random Forest

Random Forest là một mô hình mạnh mẽ sử dụng phương pháp ensemble learning. Mô hình này có khả năng xử lý dữ liệu lớn và phức tạp, giúp cải thiện độ chính xác trong dự đoán.

3.3. Mô Hình K Nearest Neighbors KNN

KNN là một mô hình dựa trên nguyên tắc tìm kiếm các điểm dữ liệu gần nhất để dự đoán giá cổ phiếu. Mặc dù đơn giản, nhưng KNN có thể gặp khó khăn trong việc xử lý dữ liệu lớn.

IV. Kết Quả Nghiên Cứu Về Hiệu Suất Dự Báo Giá Cổ Phiếu

Kết quả nghiên cứu cho thấy mô hình Random Forest đạt hiệu suất cao nhất trong việc dự báo giá cổ phiếu, trong khi KNN có hiệu suất thấp nhất. Các chỉ số như MSE, RMSE và MAE sẽ được sử dụng để đánh giá hiệu quả của từng mô hình.

4.1. Đánh Giá Hiệu Suất Mô Hình

Các mô hình sẽ được đánh giá dựa trên các chỉ số như MSE, RMSE và MAE. Kết quả cho thấy Random Forest có độ chính xác cao nhất trong dự báo giá cổ phiếu.

4.2. So Sánh Các Mô Hình

So sánh hiệu suất giữa các mô hình cho thấy sự khác biệt rõ rệt. Random Forest vượt trội hơn hẳn so với Linear Regression và KNN trong việc dự đoán giá cổ phiếu.

V. Kết Luận Và Hướng Phát Triển Tương Lai Trong Dự Báo Giá Cổ Phiếu

Nghiên cứu này khẳng định rằng mô hình học máy có thể cải thiện đáng kể khả năng dự báo giá cổ phiếu trên sàn chứng khoán HOSE. Hướng phát triển tương lai có thể bao gồm việc áp dụng các mô hình phức tạp hơn và tích hợp nhiều nguồn dữ liệu khác nhau.

5.1. Tầm Quan Trọng Của Mô Hình Học Máy

Mô hình học máy không chỉ giúp cải thiện độ chính xác trong dự đoán mà còn mở ra nhiều cơ hội mới cho các nhà đầu tư trong việc ra quyết định.

5.2. Hướng Phát Triển Tương Lai

Hướng phát triển trong tương lai có thể bao gồm việc tích hợp dữ liệu từ nhiều nguồn khác nhau và áp dụng các mô hình học sâu để nâng cao khả năng dự đoán.