Số phát hành: Số 18 - Tháng 8- 2024Tài chính - Ngân hàng - Bảo hiểm
Dự báo giá cổ phiếu Byddy sử dụng Lstm và Genetic Algorithm
Xuất bản: tháng 7 28, 2026
Tóm tắt
Bài nghiên cứu tập trung vào dự báo giá cổ phiếu BYDDY của Công ty BYD Company Limited, nhà sản xuất ô tô điện, pin sạc, tấm pin mặt trời hàng đầu Trung Quốc, sử dụng mạng Bộ nhớ ngắn hạn dài LSTM tối ưu. Kết quả nghiên cứu cho thấy, mô hình LSTM tối ưu nắm bắt hiệu quả những biến động phi tuyến của giá cổ phiếu BYDDY đóng cửa. Các số liệu hiệu suất chính của mô hình LSTM tối ưu trên tập dữ liệu kiểm tra như STD = 0.015, MAE = 0.025, MSE = 0.001, RMSE = 0.031 và mức độ phù hợp của mô hình là R2 = 0.92. Nghiên cứu này không chỉ nêu bật tính hiệu quả của mạng LSTM được tối ưu hóa trong dự báo giá cổ phiếu, mà còn cung cấp khuôn khổ cho nghiên cứu trong tương lai trong việc áp dụng kỹ thuật học sâu vào dự đoán thị trường tài chính.
Từ khóa
dự báo giá cổ phiếugiá cổ phiếu BYDDYGenetic Algorithmkỹ thuật học sâuLSTM.
Tài liệu tham khảo
1.
Đỗ Văn Thành (2017). Mô hình hóa dự báo giá cổ phiếu trong ngữ cảnh dữ liệu có số chiều cao. Kỷ yếu Hội nghị Quốc gia lần thứ X về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Đà Nẵng, ngày 17- 18/08/2017.
2.
Phùng Đại Khánh, Nguyễn Xuân Huy (2022). Dự báo khai thác dầu khí sử dụng giải thuật di truyền (GA) dựa trên việc huấn luyện mạng nơ ron hồi quy có bộ nhớ ngắn hạn định hướng dài hạn (LSTM). Tạp chí Khí tượng Thủy văn, EME4, 355-361
3.
Trần Đăng Tuyên (2023). Đánh giá hiệu suất mô hình phức hợp LSTM-GRU: Nghiên cứu điển hình về dự báo chỉ số đo lường xu hướng biến động giá cổ phiếu trên Sàn Giao dịch chứng khoán Hồ Chí Minh. Tạp chí Khoa học Đại học Cần Thơ, 60(1), 235-249.
4.
Vũ Thị Loan, Nguyễn Thị Anh Thu, Nông Thị Hương Ly và Vũ Mai Linh (2023). Dự báo giá cổ phiếu trước các thông tin tài chính và phi tài chính: Áp dụng phân tích Event Study và Random Forest. VNU Journal of Economics and Business, 3(3), 94-104.
5.
Bao, W. & Yue, J. & Rao, Y. (2017). A deep learning framework for financial time series using stacked autoencoders and long-short term memory. PLoS ONE, 12(7), e0180944.
6.
Bianmengyan J. & Xiyuan T. & Xiaohan W. (2023). The stock price of BYD prediction using LSTM and ARIMA. Financial Engineering and Risk Management, 6, 73-79.
7.
Fischer, T. & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions, European Journal of Operational Research, 270(2), 654-669.
Cùng chuyên mục
Bài viết liên quan
Các bài trong chuyên đề «Tài chính - Ngân hàng - Bảo hiểm».
