Ứng dụng kĩ thuật học sâu cho phân tích sắc thái tình cảm trong văn bản tài chính chứng khoán
Luận văn · Thạc sĩ · năm 2023 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Tài chính, ngân hàng |
| Tác giả | Nguyễn Duy Linh |
| Người hướng dẫn | Vũ Tiến Dũng |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2023 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Xây dựng được mô hình học sâu trong việc đánh giá triển vọng thị trường chứng khoán thông qua bài toán phân loại văn bản. Quá trình huấn luyện được tiến hành dựa trên kỹ thuật mạng nơ ron sâu, kỹ thuật mô hình pre-trained. Đánh giá hiệu quả việc sử dụng mô hình CNN, BiLSTM, PhoBERT cho bài toán phân loại văn bản tiếng Việt trong lĩnh vực tài chính, chứng khoán. Xây dựng bộ dữ liệu cho bài toán phân loại văn bản trong lĩnh vực tài chính, chứng khoán. Thông qua việc sử dụng các mô hình học sâu chúng ta đã phần nào có đánh giá khách quan được các tin tức trên thi trường tác động như thế nào đến thị trường chứng khoán Việt Nam. Với kết quả thực nghiệm trên các mô hình khác nhau của bộ dữ liệu ta thu được một kết quả lý tưởng cho việc đánh giá mức độ cảm xúc trên thị trường tài chính, từ đó có thể dự đoán xu hướng trong thời gian trung hạn. Cùng với đó là việc đánh giá hiệu suất của các mô hình học máy khác nhau bao gồm CNN, BiLSTM, PhoBERT từ đó giúp cho việc phát triển các nghiên cứu khác trong tương lai. Bên cạnh đó, việc nghiên cứu cũng nhận ra một số điểm hạn chế trong nghiên cứu cũng như trong việc thu thập dữ liệu như sau: Thứ nhất, với cùng mỗi tin tức nhưng có mức độ tích cực và tiêu cực khác nhau đến tâm lý nhà đầu tư, ví dụ 2 tin: "số lượng tài khoản mở mới tháng 6 tiếp tục tăng cao" và "Lãi lớn, nhóm cổ phiếu logistics gia tăng sức hấp dẫn" đều là các tin có tính tích cực nhưng tin đầu tiên có tính dài hạn và tác động trực tiếp đến thị trường, tin thứ hai thì tác động vào một nhóm ngành cụ thể và có sức ảnh hưởng không lớn như tin thứ nhất nhưng lại đang được đánh giá như nhau. Thứ hai, một số tin tức có tính chất thuật lại diễn biến quá khứ chưa được xử lý loại bỏ vì những tin này không có tính chất cho kỳ vọng tương lai.
Bản toàn văn lưu tại thư viện Đại học Quốc gia 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
- Enhancing the efficiency of capital use in the New Technology Application and Tourism one member company limited (Newtatco)
- Quản trị rủi ro hoạt động đầu tư của doanh nghiệp bảo hiểm tại Việt Nam
- Quản lý nhân lực tại Bảo hiểm tiền gửi Việt Nam
- Nghiên cứu Mô hình học máy cực trị tiến hóa trong chấm điểm tín dụng đối tượng khách hàng cá nhân
- Machine learning models to analyze financial ratios for the commercial banking industry in the U.S.
- Nâng cao vai trò của marketing mạng xã hội trong lĩnh vực ngân hàng : nghiên cứu cụ thể tại BIDV
- Hoạt động đầu tư vốn của Bảo hiểm tiền gửi Việt Nam
- Factor affecting the financial performance of companies: a case study of listed small and medium enterprise (SME) companies in Vietnam
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.