CHƯƠNG 1: TONG QUAN DE TÀI 1.1 Lý do chọn đề tai Hiện nay, đầu tư chứng khoán là một lĩnh vực rất tiềm năng với khả năng sinh lợi nhuận cao, thu hút sự quan tâm của nhiều nhà đầu tư. Thị trường chứng khoán ngày càng phát triển và trở thành một kênh đầu tu hap dẫn không chỉ đối với các tổ chức tài chính mà còn đối với các nha đầu tư cá nhân. Tuy nhiên, dé trở thành một nha đầu tư chứng khoán thành công, không chỉ cần có vốn mà còn đòi hỏi phải có sự hiểu biết sâu rộng về thị trường, tài chính, và các yêu tố ảnh hưởng đến giá cô phiếu. Quyết định đầu tư cần dựa trên nhiều yếu tố phức tạp và thông tin cập nhật liên tục, từ những biến động kinh tế, chính trị đến những tin tức doanh nghiệp, điều này làm cho việc đầu tư trở nên cực kỳ khó khăn.
Đi kèm với tiềm năng phát triển của các mô hình máy học, học sâu, học tăng cường có khả năng hỗ trợ đưa ra các quyết định giao dịch hỗ trợ người dùng. Trong bài nghiên cứu [18] của David W. Lu đã ứng dụng thành công Reinforcement Learning va LSTM Neural Networks dé đạt được kết quả giao dich với phan thưởng cao trong khoảng thời gian đài. Trong dự án nghiên cứu [17] của Bram Bakker đề xuất phương pháp kết hợp Reinforcement Learning và LSTM để cải tiến thuật toán Reinforcement Learning dé giải quyết các bài toán mang tính đài hạn và độ phức tạp lớn.
Nghiên cứu [14] đã chứng minh sự ưu việt của các thuật toán Deep Reinforcement Learning trong lĩnh vực đầu tư chứng khoán. Trong khảo sát [10] của Thomas G. Fischer đã tổng hợp 50 bài báo nghiên cứu về ứng dụng Reinforcement Learning trong lĩnh vực đầu tư tài chính và chứng khoán trong thời gian hai thập kỷ qua chỉ ra sự phát triển, cải tiến nhanh chóng và tiềm năng phát trién của Reinforcement Learning. Chính vì những lý do này, nhóm quyết định thực hiện đề tài Xây Dựng Hệ Thống Dự Đoán Giá Chứng Khoán, Phát Hiện Điểm Bat Thường và Gợi Ý Giao Dịch Chứng Khoán Thông Qua Trí Tuệ Nhân Tạo.
Mục tiêu của hệ thống này là hỗ trợ nhà đầu tư trong việc ra quyết định một cách chính xác và hiệu quả hơn. Hệ thống sẽ cung cấp các dự đoán hữu ích về giá chứng khoán trong tương lai, giúp nhà đầu tư có thêm cơ sở để đưa ra các quyết định đầu tư. 12 Mục tiêu đề tài Dé tăng cường sự tiện lợi và hiệu quả cho nhà đầu tư, nhóm sẽ xây dựng ứng dụng trên nền tảng di động. Ứng dụng này cho phép người dùng xem các thông tin dự đoán về giá chứng khoán theo từng sàn giao dịch và mã chứng khoán trong tương lai.
Đồng thời, ứng dụng sẽ gửi các cảnh báo về dự đoán sự bất thường của các mã chứng khoán thông qua thông báo thời gian thực, giúp nhà đầu tư kịp thời nắm bắt và điều chỉnh chiến lược. Nhóm kết hợp mô hình Long Short-Term Memory (LSTM) và Isolation Forest dé dự đoán giá va phat hiện các điểm bat thường trong giá chứng khoán tương lai. Mô hình 21 LSTM được sử dụng để phân tích các chuỗi thời gian phức tạp và dự đoán giá chứng khoán, trong khi Isolation Forest giúp phát hiện các điểm dữ liệu bất thường, cung cấp thông tin cảnh báo kip thời cho người dùng. Ngoài ra, nhóm phát triển “Bot Trading” thông qua mô hình Reinforcement Learning.
Người dùng có thể cung cấp một khoảng tiền ảo và ra lệnh cho Bot tiến hành đầu tư theo mã chứng khoán mong muốn trong một khoảng thời gian nhất định trong tương lai. Ứng dụng sẽ theo dõi và so sánh giá dự báo của Bot với giá chứng khoán thực tế theo thời gian thực, cho phép người dùng quan sát kết quả lời hay lỗ của các giao dịch. Sự thành công của “Bot Trading” sẽ được đánh giá qua lợi nhuận ma Bot đạt được sau khi thực hiện đầu tư trong khoảng thời gian nhất định. Với những tính năng này, ứng dụng di động của nhóm sẽ trở thành một công cụ đắc lực, hỗ trợ nhà đầu tư tối ưu hóa quyết định đầu tư, nâng cao hiệu quả và giảm thiểu rủi ro trong thị trường chứng khoán.3 Đối tượng nghiên cứu - Ung dụng mô hình Long Short-Term Memory (LSTM), Isolation Forest, Reinforcement Learning vào lĩnh vực chứng khoán.` - _ Hệ thống khuyến nghị hỗ trợ dự báo các điểm bat thường trong giao dịch chứng khoán ở tương lai.
- _ Hệ thống khuyến nghị hỗ trợ đưa ra các gợi ý, tham khảo giao dịch cho nhà đầu tư chứng khoán.4 Phạm vi nghiên cứu Ở phần nghiên cứu dự báo các điểm bất thường, nhóm tập trung vào hai mã chứng khoán tiêu biểu trên hai sàn giao dịch lớn. Thứ nhất, nhóm sẽ nghiên cứu mã TSLA cua Tesla, INC trên san giao dịch chứng khoán Hoa Ky (NASDAQ). Thứ hai, nhóm sẽ nghiên cứu mã STB của Ngân hang TMCP Sài Gòn Thương Tín (SacomBank) trên sàn giao dich HOSE (Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh). Dữ liệu chứng khoán sẽ được thu thập từ năm 2014 đến nay dé đảm bảo độ dai và sự đầy đủ của chuỗi dữ liệu.
Nhóm sẽ phát triển và áp dụng mô hình Long Short-Term Memory (LSTM) đề dự đoán giá chứng khoán trong tương lai. Mô hình LSTM đã chứng minh hiệu quả trong việc xử lý và phân tích chuỗi thời gian dài và phức tạp. Kết quả dự đoán sẽ được so sánh với giá thực tế dé đánh giá độ chênh lệch và hiệu quả của mô hình. Dựa trên các nghiên cứu và khảo sát về các mô hình phát hiện bất thường (Anomaly Detection), nhóm nhận thấy mô hình Isolation Forest cho kết quả rất tốt về độ chính xác và hiệu suất.
Tuy nhiên, mô hình này chủ yếu phát hiện các điểm bất thường từ dữ liệu quá khứ đến hiện tại. Do đó, nhóm sẽ kết hợp mô hình LSTM với 22 Isolation Forest để không chỉ dự đoán giá chứng khoán mà còn phát hiện các điểm bất thường trong đữ liệu tương lai. Ngoài ra, nhóm nghiên cứu và ứng dụng mô hình Reinforcement Learning trong giao dịch mua bán chứng khoán. Mô hình này sẽ đưa ra đề xuất thời điểm mua hoặc bán tôi ưu trong tương lai.
Trên cơ sở các đề xuất này, nhóm sẽ xây dựng “Bot Trading” để gợi ý người dùng về các thời điểm giao dịch tốt nhất. Bot cũng có thể tự động đầu tư dựa trên dữ liệu thực tế từ sàn giao dịch chứng khoán, giúp người dùng theo dõi và so sánh kết quả thực tế với du đoán. Độ đo hiệu quả của mô hình này sẽ là khoảng tiền lời sau khi “Bot Trading” thực hiện đầu tư trong khoảng thời gian từ ba đến năm ngày. Tổng quát hơn, nghiên cứu này sẽ mang lại những giải pháp trong dự đoán giá chứng khoán, phát hiện bất thường và tối ưu hóa giao dịch thông qua việc ứng dụng các mô hình học máy và trí tuệ nhân tạo.
Nhóm tin rằng những kết quả từ nghiên cứu này sẽ hỗ trợ đáng ké cho các nhà đầu tư trong việc đưa ra các quyết định đầu tư hiệu quả và chính xác.5 Phương pháp nghiên cứu Nhóm sẽ tiễn hành thu thập và xử lý đữ liệu của các mã chứng khoán trong và ngoài nước. Quá trình này bao gồm việc tổng hợp dữ liệu từ các nguồn uy tín, làm sạch và chuẩn hóa dit liệu dé đảm bảo tính nhất quán và độ chính xác. Bước đầu tiên là xây dung mô hình Long Short-Term Memory (LSTM) và khảo sát, so sánh trong dự đoán chuỗi thời gian. Mô hình LSTM được lựa chọn vì khả năng xử lý các chuỗi dữ liệu dài hạn và phức tạp, giúp dự đoán giá chứng khoán với độ chính xác cao.
Tiếp theo, nhóm sẽ nghiên cứu và phát triển mô hình Isolation Forest để phát hiện sự bất thường trên dit liệu chuỗi thời gian. Mô hình này sẽ giúp nhận diện các điểm dữ liệu bất thường, cung cấp các cảnh báo kịp thời cho nhà đầu tư. Sau đó, nhóm sẽ kết hợp mô hình dự báo LSTM và Isolation Forest dé có thé dự báo được sự bất thường của dữ liệu chứng khoán trong tương lai. Sự kết hợp này nhằm tăng cường khả năng dự đoán và cảnh báo, giúp nhà đầu tư năm bắt thông tin quan trọng một cách chính xác hơn.
Ngoài ra, nhóm sẽ nghiên cứu và xây dựng mô hình Reinforcement Learning trong giao dịch chứng khoán. Mô hình này sẽ được áp dung dé xác định thời điểm mua và bán tối ưu, dựa trên các dữ liệu lịch sử và xu hướng thị trường. Từ mô hình Reinforcement Learning, nhóm sẽ phát triển "Bot Trading". Bot này sẽ thực hiện các giao dịch tự động dựa trên các tín hiệu từ mô hình, giúp người dùng tối ưu hóa lợi nhuận đầu tư mà không cần can thiệp thủ công.
23 Kết quả nghiệm thu của các mô hình sẽ được đánh giá thông qua khoảng tiền lời sau một thời gian đầu tư. Các độ đo này sẽ giúp xác định hiệu quả và độ chính xác của các mô hình dự đoán và giao dịch. Nhóm cũng sẽ nghiên cứu và thiết kế cơ sở dữ liệu phù hợp với đữ liệu chuỗi thời gian dé tối ưu hóa về tốc độ và trải nghiệm người dùng. Cơ sở dữ liệu nay sẽ đảm bao việc lưu trữ và truy xuất đữ liệu diễn ra một cách nhanh chóng và hiệu quả.
Cuối cùng, hệ thống backend sẽ được thiết kế và ứng dụng sẽ được triển khai trên nên tang di động. Điều này nhằm mang lai sự tiện lợi và hiệu quả cho người dùng trong việc theo dõi và đầu tư chứng khoán, giúp họ có thể đưa ra các quyết định chính xác và kịp thời.1 Ý nghĩa khoa học Đề tài "Xây dựng Hệ Thống Dự Đoán Giá Chứng Khoán, Phát Hiện Điểm Bắt Thường và Gợi Ý Giao Dịch Chứng Khoán Thông Qua Trí Tuệ Nhân Tạo" mang ý nghĩa khoa học đáng ké trong lĩnh vực học máy và trí tuệ nhân tạo. Bằng việc áp dung mô hình Long Short-Term Memory (LSTM), Isolation Forest va Reinforcement Learning, dé tài hướng đến việc nghiên cứu và phat triển các công nghệ mới giúp cải thiện khả năng dự đoán và quản lý rủi ro trong giao dịch chứng khoán. Mô hình LSTM được lựa chọn vì khả năng xử lý các chuỗi thời gian dài và phức tạp, từ đó cung cấp dự đoán về giá cô phiêu có độ chính xác cao.
Kết hợp với Isolation Forest, dé tài còn tạo ra khả năng phát hiện các diém bat thường trong dữ liệu, giúp nhà đầu tư nhận biết và phản ứng kịp thời trước những biến động không mong muốn trên thị trường.