Các nhà khoa học từ ĐH Thủ Dầu Một, ĐH Công Thương TPHCM, và ĐH Quốc gia Việt Nam đã hợp tác thử nghiệm, sử dụng thuật toán bộ nhớ dài-ngắn (LSTM) để dự đoán giá cổ phiếu của VN-Index với độ chính xác cao.
Dự đoán phương hướng tương lai của giá cổ phiếu là một lĩnh vực thú vị đối với các nhà nghiên cứu và đầu tư. Tuy nhiên, điều này lại rất khó thực hiện do phải xem xét nhiều yếu tố và nguồn thông tin. Và dĩ nhiên, dự đoán chính xác giá cổ phiếu là điều bất khả. Nhiều nhà nghiên cứu đã tìm cách giải quyết vấn đề, đưa ra nhiều cách tiếp cận để đạt được mục tiêu này.
Các nhà khoa học từ ĐH Thủ Dầu Một, ĐH Công Thương TPHCM, và ĐH Quốc gia Việt Nam đã hợp tác thử nghiệm, sử dụng thuật toán bộ nhớ dài-ngắn (LSTM) và các chỉ báo kỹ thuật tương ứng với từng mã cổ phiếu bao gồm: đường trung bình động đơn giản (SMA), đường trung bình động phân kỳ hội tụ (MACD) và chỉ số sức mạnh tương đối (RSI); và dữ liệu thứ cấp từ các cổ phiếu VN-Index và VN-30. Độ dài dữ liệu của bộ thử nghiệm bao gồm các quan sát từ ngày 1/1/2021 tới 1/4/2021. Như vậy, có tất cả 78 phiên giao dịch được được quan sát trong bộ thử nghiệm. Với mỗi mã chứng khoán khác nhau, hiệu quả dự báo của mô hình này cũng khác biệt.
Các nhà nghiên cứu nhận thấy dự báo giá từ mô hình LSTM tương tự với xu hướng biến động giá thực tế trên dữ liệu. Ngoài ra, mức chênh lệch giữa giá dự báo và giá thực tế không đáng kể.
Trong đó, mã chứng khoán PNJ đạt độ chính xác dự báo cao nhất là 97,7%, tiếp theo là các cổ phiếu MSN và TPB cũng đạt độ chính xác xấp xỉ 97%. Tuy nhiên, mô hình LSTM vẫn cho ra kết quả dự báo với độ chính xác không cao đối với cổ phiếu NVL là 78,9%; mã TCH là 86,8%; xấp xỉ 89% đối với mã FPT, PLX, POW, VPB và VRE.
Kết quả của nghiên cứu cho thấy mô hình dự báo có độ chính xác lên tới 93% đối với hầu hết dữ liệu chứng khoán được sử dụng, chứng tỏ sử dụng mô hình LSTM và bộ dữ liệu thử nghiệm để đánh giá hiệu quả của mô hình là phù hợp. Đồng thời, nó cũng cho thấy mô hình này cũng thích hợp để phân tích và dự đoán chuyển động giá chứng khoán trong nền tảng học máy.
Nghiên cứu đã được công bố trên tạp chí truy cập mở Humanities and Social Sciences Communications thuộc Nature Porfolio.
Nguồn:
Phương Anh