Đề án tốt nghiệp Thạc sĩ: Phân tích xu hướng giá cổ phiếu dựa trên các kỹ thuật học sâu

Trong bối cảnh thị trường chứng khoán ngày càng sôi động và phức tạp, đặc biệt là tại Việt Nam, việc dự đoán chính xác xu hướng giá cổ phiếu trở thành một thách thức lớn nhưng cũng đầy tiềm năng. Sự biến động của giá cổ phiếu chịu ảnh hưởng bởi nhiều yếu tố, đòi hỏi các phương pháp phân tích tinh vi. Đề tài này đặt trọng tâm vào việc khai thác sức mạnh của các kỹ thuật học sâu, cụ thể là mạng nơ-ron hồi quy (RNN) và LSTM, để phân tích và dự báo xu hướng giá cổ phiếu. Mục tiêu là xác định mối liên hệ giữa giá cổ phiếu và các chỉ báo kỹ thuật, từ đó nâng cao hiệu quả dự đoán.

Các nhà nghiên cứu, sinh viên sau đại học trong lĩnh vực khoa học máy tính, trí tuệ nhân tạo, và tài chính định lượng; các chuyên gia tài chính và nhà đầu tư quan tâm đến việc ứng dụng công nghệ để dự báo thị trường chứng khoán.

Nghiên cứu này giải quyết bài toán phân tích và dự đoán xu hướng giá cổ phiếu, một lĩnh vực có tính ứng dụng cao nhưng cũng đầy thử thách do sự phức tạp và biến động của thị trường chứng khoán. Phương pháp tiếp cận đề xuất tích hợp các kỹ thuật học sâu tiên tiến, bao gồm mạng nơ-ron hồi quy (RNN) và biến thể Long Short-Term Memory (LSTM), với các chỉ báo kỹ thuật truyền thống. Cụ thể, đề tài tập trung vào việc xác định mối liên hệ và mức độ ảnh hưởng của các chỉ báo kỹ thuật đến giá cổ phiếu, đồng thời đánh giá sự phù hợp và hiệu suất của các mô hình học sâu này trong việc dự báo giá cổ phiếu trên thị trường chứng khoán Việt Nam. Quy trình bao gồm thu thập, tiền xử lý và chuẩn hóa dữ liệu cổ phiếu, sau đó huấn luyện và đánh giá các mô hình RNN và LSTM cùng các biến thể của chúng. Kết quả thực nghiệm đã chứng minh tính hiệu quả của việc kết hợp học sâu và chỉ báo kỹ thuật, không chỉ khẳng định tiềm năng của phương pháp mà còn mở ra hướng nghiên cứu mới, giúp các nhà đầu tư và phân tích đưa ra quyết định sáng suốt hơn.