Tác giả: Trần Thị Mỹ Linh
Số trang: 308-313
DOI url: 10.62831/202512004
Tóm tắt:TÀI LIỆU THAM KHẢO:Dự báo chính xác biến động thị trường chứng khoán là một nhiệm vụ đầy thách thức do tính biến động cao và phi tuyến tính của thị trường tài chính. Với sự phát triển của trí tuệ nhân tạo và khả năng tính toán ngày càng mạnh mẽ, các phương pháp dự báo tối ưu đã chứng minh hiệu quả cao hơn trong việc dự đoán giá cổ phiếu. Nghiên cứu này sử dụng hai kỹ thuật là Bộ nhớ ngắn dài hạn (LSTM) và Rừng ngẫu nhiên (Random Forest - RF) để dự báo giá đóng cửa của cổ phiếu cho 10 công ty niêm yết trên thị trường chứng khoán Việt Nam từ năm 2019 đến 2024. Các mô hình được đánh giá thông qua các chỉ số chiến lược tiêu chuẩn: RMSE, MAPE và R². Các giá trị sai số thấp cho thấy các mô hình có hiệu quả trong việc dự báo giá đóng cửa cổ phiếu trên thị trường Việt Nam, trong đó Random Forest thường có hiệu suất tốt hơn so với LSTM trong hầu hết các trường hợp.
Adhikari, R., & cộng sự. (2021). Deep learning model for stock price prediction using sentiment analysis. Expert Systems with Applications. Gülmez, B. (2023). Stock price prediction using optimized deep LSTM networks with artificial neural optimization. Expert Systems with Applications, 227, 120346. Li, Y., Bu, H., Li, J., & Wu, J. (2020). The role of investor sentiment extracted from text in predicting Chinese stock returns using deep learning. International Journal of Forecasting, 36(4), 1541–1562. Mei, J., He, D., Harley, R., Habetler, T., & Qu, G. (2014). A stochastic approach for real-time price prediction in the New York electricity market. IEEE PES General Meeting, 1–5. Nguyen, T. N. L., & Nguyen, V. C. (2020). Determinants of profitability in listed firms: Evidence from the Vietnamese stock market. The Journal of Asian Finance, Economics and Business, 7(1), 47–58. Rout, A. K., Dash, P. K., Dash, R., & Bisoi, R. (2017). Time series financial prediction using hybrid neural networks with low-complexity recurrent networks and evolutionary algorithms. Journal of King Saud University-Computer and Information Sciences, 29(4), 536–552. Selvin, S., Vinayakumar, R., Gopalakrishnan, E. A., Menon, V. K., & Soman, K. P. (2017). Stock price prediction using LSTM, RNN and CNN models. International Conference on Advances in Computing, Communications and Informatics (ICACCI), 1643–1647. Shah, D., Isah, H., & Zulkernine, F. (2019). Stock market analysis: A review and classification of prediction techniques. International Journal of Financial Studies, 7(2), 26. Vijh, M., Chandola, D., Tikkiwal, V. A., & Kumar, A. (2020). Stock price prediction using machine learning techniques. Procedia Computer Science, 167, 599–606. Xie, C., Rajan, D., & Chai, Q. (2021). Interpretable Hammerstein–Wiener neural network for stock price prediction. Information Sciences, 577, 324–335.
Từ khóa:dự báo giá cổ phiếu, kỹ thuật học máy, thị trường chứng khoán Việt Nam.
