Phân tích và dự báo tỷ suất sinh lời của cổ phiếu sử dụng dữ liệu VN30 tần suất cao bằng phương pháp Deep Learning
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Mai Thị Thùy Linh |
| Người hướng dẫn | Vũ Việt Quảng |
| Cơ sở đào tạo | Trường Đại học Kinh tế TP. Hồ Chí Minh |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Luận văn này nghiên cứu việc áp dụng mạng học sâu (deep learning networks) để phân tích và dự đoán thị trường chứng khoán, với dữ liệu từ 30 cổ phiếu thuộc chỉ số VN30. Dữ liệu được thu thập với tần suất cao, mỗi 5 phút một lần trong khoảng thời gian từ ngày 01/04/2021 đến ngày 16/04/2024. Mục tiêu chính của nghiên cứu là đánh giá khả năng của các thuật toán học sâu trong việc trích xuất đặc trưng và dự đoán giá cổ phiếu, dựa trên các phương pháp như Phân tích thành phần chính (PCA), Autoencoder, và Máy Boltzmann Hạn chế (RBM). Phương pháp nghiên cứu bao gồm việc tính toán lợi nhuận logarit của cổ phiếu, tạo các đặc trưng trễ (lagged features) và sử dụng các mô hình học sâu để dự đoán hành vi thị trường tương lai. Kết quả nghiên cứu chỉ ra rằng mạng nơ-ron sâu có khả năng trích xuất thông tin từ các phần dư của mô hình hồi quy tự hồi và cải thiện hiệu suất dự đoán thị trường chứng khoán. Ngoài ra, mô hình này cũng giúp ước lượng hiệp phương sai chính xác hơn khi áp dụng trong phân tích cấu trúc thị trường. Kết quả của nghiên cứu không chỉ cung cấp một cái nhìn sâu sắc về tiềm năng của các mô hình học sâu trong việc dự đoán thị trường chứng khoán, mà còn mở ra các hướng nghiên cứu mới về việc áp dụng các công cụ học sâu trong lĩnh vực tài chính.
Bản toàn văn lưu tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh
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 công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Xây dựng cơ sở dữ liệu về phục hồi rừng thứ sinh nghèo tại xã Nậm Ty, huyện Hoàng Su Phì, tỉnh Hà Giang phục vụ công tác quản lý phát triển Lâm nghiệp
- Xây dựng cơ sở dữ liệu cho bản đồ địa chính phường Vạn Phúc, quận Hà Đông, TP. Hà Nội phục vụ công tác quản lý đất đai
- Thành lập bản đồ địa chính thị trấn Yên Bình, huyện Yên Bình, tỉnh Yên Bái từ số liệu đo trực tiếp bằng phần mềm Microstation và Famis
- Thành lập bản đồ địa chính từ số liệu đo trực tiếp từ phần mềm MicroStation và Famis tại xã Linh Hồ, huyện Vị Xuyên, tỉnh Hà Giang
- Xây dựng bản đồ hiện trạng sử dụng đất huyện Quốc Oai, tỉnh Hà Tây dựa trên cơ sở ứng dụng Hệ thống thông tin địa lý (GIS)
- Thành lập tờ bản đồ địa chính xã Văn Võ – Huyện Chương Mỹ - Tp Hà Nội từ số liệu đo đạc trực tiếp bằng phần mềm Microstation và Famis
- Nghiên cứu chất lượng động lực học của máy phay trục nghiêng LS - 201
- Nâng cao mức độ hài lòng của nhân viên triển khai phần mềm tại Tập đoàn FPT
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.