SỬ DỤNG MÔ HÌNH HỌC SÂU LSTM TRONG DỰ ĐOÁN GIÁ TRỊ CỔ PHIẾU

Tóm tắt

Trong thời gian gần đây, thị trường chứng khoán đã thu hút nhiều đối tượng khác nhau, từ những tổ chức và các chuyên gia tài chính với các cách thức đầu tư khác nhau. Mục tiêu chung của nhà đầu tư là gia tăng lợi nhuận nhờ việc đầu tư. Nhiều cách thức về dự đoán đảm bảo rủi ro đã được đề xuất, tuy nhiên sử dụng trí tuệ nhân tạo trong dự đoán giá trị cổ phiếu vẫn được quan tâm và nghiên cứu. Đặc biệt, việc dự đoán dữ liệu chuỗi thời gian trở nên thách thức khi dữ liệu mang tính bất thường, không tuân theo quy luật cố định, điển hình là dữ liệu giá trị cổ phiếu, với các biến động khó lường và không theo mô hình định trước. Bài báo đưa ra phương pháp sử dụng mô hình học sâu Long Short-Term Memory trong dự đoán giá trị cổ phiếu và nghiên cứu tổng quan về mô hình này. Kết quả bài báo có thể dự đoán được xu hướng giá trị cổ phiếu của giá đóng điều chỉnh với sai số độ lệch bình phương trung bình gốc, sai số tuyệt đối trung bình lần lượt là 0,1387 và 0,1007. Tuy phương pháp Long Short-Term Memory không thể dự đoán giá trị cổ phiếu ở mức độ chính xác cao nhưng có thể cung cấp một kết quả theo xu hướng gần đúng so với dữ liệu thực tế.