LuanVan.vnLuận Văn
Gửi thư

Applying LSTM and XGBoost for Stock Price Forecasting: A Case Study on Vietnam’s Stock Market

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhTài chính, ngân hàng
Tác giảPhan Đức Huy
Người hướng dẫnHà Thị Thư Trang
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Đánh giá khả năng dự báo giá cổ phiếu trên thị trường chứng khoán Việt Nam bằng hai mô hình độc lập: Long Short-Term Memory (LSTM) và Extreme Gradient Boosting (XGBoost). Dựa trên dữ liệu lịch sử 10 năm của các mã HPG, FPT và VNM, phân tích hiệu quả dự báo theo các thước đo MAE, MAPE và R². Kết quả cho thấy LSTM vượt trội trong việc nắm bắt quan hệ chuỗi thời gian, trong khi XGBoost cho khả năng diễn giải đặc trưng tốt và hoạt động hiệu quả với dữ liệu đã xử lý. Nghiên cứu đóng góp hiểu biết về ứng dụng machine learning trong tài chính và gợi ý hướng mở rộng như mô hình lai và tích hợp yếu tố tâm lý thị trường.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn tài chính, ngân hàng · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.