Khóa luận tốt nghiệp: Một số phương pháp khai phá dữ liệu quan hệ trong tài chính và chứng khoán (mô hình ARIMA)

Trong bối cảnh kinh tế thị trường ngày càng phát triển và biến động phức tạp, bài toán dự báo tài chính và chứng khoán trở thành một lĩnh vực quan trọng, thu hút sự quan tâm lớn. Các nhà đầu tư và chuyên gia tài chính luôn tìm kiếm những công cụ hiệu quả để phân tích dữ liệu, nhằm đưa ra quyết định đầu tư sáng suốt. Kỹ thuật khai phá dữ liệu đã nổi lên như một giải pháp then chốt, đặc biệt là trong việc dự báo sự lên xuống của thị trường. Trong số các phương pháp dự báo chuỗi thời gian, mô hình ARIMA nổi bật với khả năng nhận dạng, ước lượng tham số và dự báo dựa trên các biến động lịch sử. Khóa luận này tập trung nghiên cứu và ứng dụng mô hình ARIMA vào bài toán khai phá dữ liệu quan hệ trong tài chính và chứng khoán, hướng tới việc cung cấp một công cụ dự báo đáng tin cậy.

Các nhà nghiên cứu, sinh viên ngành Công nghệ thông tin, Kinh tế, Tài chính; chuyên gia phân tích tài chính và các nhà đầu tư quan tâm đến dự báo thị trường chứng khoán bằng phương pháp định lượng.

Nghiên cứu này đề cập đến tầm quan trọng của dự báo trong lĩnh vực tài chính và chứng khoán, một nhu cầu thiết yếu trong bối cảnh thị trường biến động không ngừng. Để giải quyết bài toán phức tạp này, chúng tôi tập trung vào việc áp dụng các phương pháp khai phá dữ liệu, đặc biệt là mô hình ARIMA (AutoRegressive Integrated Moving Average) cho dữ liệu chuỗi thời gian. Luận văn trình bày một cách chi tiết cơ sở lý thuyết của mô hình ARIMA, bao gồm các thành phần như hàm tự tương quan (ACF), hàm tự tương quan riêng phần (PACF), các mô hình AR, MA và khái niệm sai phân. Quy trình xây dựng mô hình được mô tả qua các bước nhận dạng, ước lượng tham số và kiểm định để đảm bảo tính chính xác. Phương pháp này dựa trên nguyên lý phân tích các mối quan hệ và xu hướng của dữ liệu lịch sử để dự đoán giá trị tương lai. Để chứng minh tính khả thi và hiệu quả, mô hình ARIMA đã được thực nghiệm trên dữ liệu tài chính thực tế, cụ thể là dữ liệu vnIndex, với sự hỗ trợ của phần mềm Eviews 5.1. Kết quả thực nghiệm đã cung cấp những đánh giá ban đầu về khả năng dự báo của mô hình trong môi trường chứng khoán Việt Nam. Nghiên cứu này không chỉ góp phần làm sâu sắc thêm hiểu biết về ứng dụng khai phá dữ liệu trong tài chính mà còn mở ra hướng phát triển các công cụ dự báo định lượng, hỗ trợ các nhà đầu tư và phân tích đưa ra quyết định dựa trên bằng chứng, từ đó nâng cao hiệu quả đầu tư.