Tạp chí Học viện Tài chính xuất bản
Duyệt Tạp chí Học viện Tài chính xuất bản theo Chủ đề "Bộ nhớ ngắn hạn dài (LSTM)"
- Ấn phẩmSo sánh mô hình dự báo Autoarima và học sâu LSTM cho dự báo giá cổ phiếu trên thị trường chứng khoán việt nam bằng Python(Học viện Tài chính, 2024) Trịnh Viết Giang TS; Ngô Thị Thu Hồng PGS.TS; Đỗ Đức Tài PGS.TSTrong hoạt động sản xuất kinh doanh và hoạch định chính sách của chính phủ thì dự báo dữ liệu chuỗi thời gian là rất cần thiết. Qua tổng quan các công trình nghiên cứu trước, các mô hình thống kê như GDP, chỉsố giá tiêu dùng, lạm phát, giá cổ phiếu đã sử dụng dữ liệu chuỗi thời gian để dự báo. Tuy nhiên, giá cổ phiếu là dữ liệu phi tuyến rất phức tạp, bị ảnh hưởng bởi nhiều yếu tố cho nên dự báo là rất khó khăn. Hơn nữa, các nghiên cứu trước đặc biệt ở Việt Nam rất ít được tìm thấy việc sử dụng máy học và học sâu được thiết kế bởi Python với các gói hỗtrợ có sẵn để dự báo biến số kinh tế. Bài viết này tập trung vào đánh giá so sánh các mô hình ARIMA và học sâu LSTM dự báo cho chỉ số VN-index trên sàn giao dịch chứng khoán Hồ Chí Minh (HSX) từ 11/1/2010 đên 11/08/2024. Kết quả đánh giá mô hình học sâu cho thấy tỷ lệ sai lệch so với thực tế là thấp nhất. Từ đó, khuyến nghị các doanh nghiệp, các nhà đầu tư và nhà hoạch định chính sách nên tăng cường sử dụng công nghệ trong việc dự báo nhằm hỗ trợ đưa ra quyết định.
