LuanVan.vnLuận Văn
Gửi thư

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 liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảMai Thị Thùy Linh
Người hướng dẫnVũ Việt Quảng
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2024
NguồnThư 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

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.