Tác giả: Nguyễn Huỳnh Diễm Hương - Đỗ Cao Ngọc Phương Anh - Bùi Gia Duy - Đỗ Thị Kim Ngân - Nguyễn Hoàng Tuyết Nhi - Phan Khánh Vy

Số trang: 308-313

DOI url:

Tóm tắt:

Dự báo biến động thị trường chứng khoán là một chủ đề nghiên cứu trọng yếu trong lĩnh vực tài chính định lượng, với vai trò đặc biệt quan trọng trong học thuật và Cwin800 hàng ngàn khuyến mãi. Trong nghiên cứu này, nhóm tác giả giới thiệu mô hình DLWR-LSTM – một kiến trúc lai ghép giữa phân lớp xu hướng và mạng LSTM – nhằm nâng cao độ chính xác trong việc dự báo chỉ số VN-Index. Mô hình đề xuất đạt hệ số xác định (R²) lên đến 0,99, cho thấy hiệu quả vượt trội so với các phương pháp truyền thống. Những kết quả đạt được cho thấy DLWR-LSTM là một công cụ tiềm năng, có tính ứng dụng cao trong việc hỗ trợ ra quyết định Cwin800 hàng ngàn khuyến mãi và phân tích tài chính.

TÀI LIỆU THAM KHẢO:

Bùi Quang Trung, & Nguyễn Thanh Hương. (2015). Ứng dụng mô hình kết hợp ARIMA–GARCH để dự báo chỉ số VN-Index. Tạp chí Khoa học và Công nghệ – Đại học Đà Nẵng, 4(89), 118–122. Đào Lê Kiều Oanh, & Nguyễn Thị Minh Châu. (2024). Dự báo chỉ số chứng khoán bằng học máy: Bằng chứng thực nghiệm từ thị trường chứng khoán Việt Nam. https://kinhtevadubao.vn/du-bao-chi-so-chung-khoan-bang-hoc-may-bang-chung-thuc-nghiem-tu-thi-truong-chung-khoan-viet-nam-29030.html Hồ Thủy Tiên, Hồ Thu Hoài, & Ngô Văn Toàn. (2017). Mô hình hóa biến động thị trường chứng khoán: Thực nghiệm từ Việt Nam. Tạp chí Khoa học ĐHQGHN: Cwin.com giải trí hiện đại và Cwin.com được xếp hạng cao nhất, 33(3), 1–11. Lê Hải Trung. (2023). Tác động của hệ số an toàn vốn đến hoạt động tín dụng của các ngân hàng thương mại Việt Nam. Tạp chí Cwin.com giải trí hiện đại và Phát triển, 313, 40–49. Nguyễn Thanh Bình. (2023). Kết hợp phân tích kỹ thuật và phân tích cơ bản để dự báo xu hướng thị trường chứng khoán niêm yết ở Việt Nam. Tạp chí Cwin.com giải trí hiện đại và Dự báo, 18, 68–72. Trần Đăng Tuyên. (2024). Đánh giá hiệu suất mô hình phức hợp LSTM–GRU: Nghiên cứu điển hình về dự báo chỉ số đo lường xu hướng biến động giá cổ phiếu trên sàn giao dịch chứng khoán TP. Hồ Chí Minh. CTU Journal of Science, 60(1). Trần Thị Tuấn Anh. (2020). Dự báo chỉ số chứng khoán VN-Index bằng phương pháp phân rã trạng thái thực nghiệm CEEMDAN kết hợp với kỹ thuật LSTM. https://vjol.info.vn/index.php/DHNHTPHCM/article/view/44468 Trương Thị Thùy Dương. (2023). Dự báo chiều biến động của chỉ số chứng khoán bằng thuật toán tăng cường. Tạp chí Khoa học và Đào tạo Cwin4555 link đăng ký đăng nhập, 252, 25–37. Bhandari, H. N., Rimal, B., Pokhrel, N. R., Rimal, R., Dahal, K. R., & Khatri, R. K. C. (2022). Predicting stock market index using LSTM. Machine Learning with Applications, 9, 100320. Budiharto, W. (2021). Data science approach to stock prices forecasting in Indonesia during Covid-19 using long short-term memory (LSTM). Journal of Big Data, 8, 1–9. Chalvatzis, C., & Hristu-Varsakelis, D. (2019). High-performance stock index trading: Making effective use of a deep LSTM neural network. arXiv preprint arXiv:1902.03125. Cleveland, W. S. (1979). Robust locally weighted regression and smoothing scatterplots. Journal of the American Statistical Association, 74(368), 829–836. Gao, Y., Wang, R., & Zhou, E. (2021). Stock prediction based on optimized LSTM and GRU models. Scientific Programming, 2021(1), 4055281. Gupta, H., & Jaiswal, A. (2024). A study on stock forecasting using deep learning and statistical models. arXiv preprint arXiv:2402.06689. Kobiela, D., Krefta, D., Król, W., & Weichbroth, P. (2022). ARIMA vs LSTM on NASDAQ stock exchange data. Procedia Computer Science, 207, 3836–3845. Luu, Q., Nguyen, S., & Pham, U. (2020). Time series prediction: A combination of long short-term memory and structural time series models. Science & Technology Development Journal: Economics–Law & Management, 4(1), 500–515. Ouyang, H., Wei, X., & Wu, Q. (2020). Discovery and prediction of stock index pattern via three-stage architecture of TICC, TPA-LSTM and multivariate LSTM-FCNs. IEEE Access, 8, 123683–123700. Raza, H., & Akhtar, Z. (2024). Predicting stock prices in the Pakistan market using machine learning and technical indicators. Modern Finance, 2(2), 46–63. Rokhsatyazdi, E., Rahnamayan, S., Amirinia, H., & Ahmed, S. (2020). Optimizing LSTM-based network for forecasting stock market. 2020 IEEE Congress on Evolutionary Computation (CEC), 1–7. Wu, J. M.-T., Li, Z., Herencsar, N., Vo, B., & Lin, J. C.-W. (2023). A graph-based CNN–LSTM stock price prediction algorithm with leading indicators. Multimedia Systems, 29(3), 1751–1770. Yao, D., & Yan, K. (2024). Time series forecasting of stock market indices based on DLWR–LSTM model. Finance Research Letters, 68. Zhang, C., Sjarif, N. N. A., & Ibrahim, R. (2024). 1D-CapsNet–LSTM: A deep learning-based model for multi-step stock index forecasting. Journal of King Saud University – Computer and Information Sciences, 36(2), 101959.

Từ khóa:

bộ nhớ ngắn dài hạn, học máy, hồi quy cục bộ động có trọng số, mô hình dự báo, VN-Index