Ứng dụng mô hình hồi quy tuyến tính trong phân tích kĩ thuật

HỌC VIỆN CHÍNH SÁCH VÀ PHÁT TRIỂN KHOA KINH TẾ SỐ KHĨA LUẬN TỐT NGHIỆP ĐỀ TÀI: ỨNG DỤNG MƠ HÌNH HỒI QUY TUYẾN TÍNH TRONG PHÂN TÍCH KĨ THUẬT GVHD:TS.Nguyễn Hữu Xuân Trường SVTH: Nguyễn Hải Ninh MSV: 7103101333 Hà Nội – 2023 LỜI CAM ĐOAN Em xin cam đoan Khóa luận với đề tài “Ứng dụng mơ hình hồi quy tuyến tính phân tích kĩ thuật” tự thân thực hiện, có hỗ trợ giáo viên hướng dẫn không chép cơng trình nghiên cứu người khác Các số liệu Khóa luận sử dụng trung thực trích dẫn rõ ràng Nếu sai em xin hoàn toàn chịu trách nhiệm Hà Nội, tháng năm 2023 Sinh viên Nguyễn Hải Ninh LỜI CẢM ƠN Để hồn thành xuất sắc khóa luận, em xin gửi lời cảm ơn chân thành đến Ban Giám đốc Học viện Chính sách Phát triển, q thầy Khoa Kinh Tế Số - Học viện Chính sách Phát triển tạo điều kiện thuận lợi để tơi hồn thành Khóa luận Trong q trình thu thập thông tin số liệu liên quan, em nhận dẫn giúp đỡ, hỗ trợ tận tình giảng viên giúp đỡ TS Nguyễn Hữu Xuân Trường giảng viên khác khoa Kinh Tế Số - Học viện Chính sách Phát triển V ới điều kiện thời gian kinh nghiệm cịn hạn chế, q trình hồn thiện Khóa luận, em khơng thể tránh khỏi sai sót, mong nhận bảo, đóng góp ý kiến từ q thầy cơ, để đề tài hoàn thiện Em xin chân thành cảm ơn! Hà Nội, tháng năm 2023 Sinh viên Nguyễn Hải Ninh MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC HÌNH - BIỂU ĐỒ MỞ ĐẦU Đặt vấn đề Lý chọn đề tài Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu 10 Phương pháp nghiên cứu 10 Bố cục đề tài 10 CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 11 1.1 Tổng quan học máy 11 1.1.1 Khái niệm Machine Learning 11 1.1.2 Khái niệm học máy 12 1.1.3 Các kĩ thuật Học máy 12 1.2 Tổng quan Phương pháp phân tích kỹ thuật 15 1.2.1 Khái niệm Phân tích kỹ thuật 16 1.2.2 Ưu điểm Phân tích kỹ thuật 16 1.2.3 Nhược điểm phân tích kỹ thuật 16 1.2.4 Cơng cụ Phân tích kỹ thuật 17 1.3 Thuật tốn hồi quy tuyến tính 27 1.3.1 Khái niệm hồi quy tuyến tính 27 1.3.2 Các loại hồi quy tuyến tính 28 1.3.3 Thiết lập công thức 28 1.3.4 Kiểm định mơ hình 30 1.3.5 Hạn chế Hồi quy tuyến tính 32 CHƯƠNG 2: ỨNG DỤNG PYTHON TRONG PHÂN TÍCH KỸ THUẬT 33 2.1 Thu thập liệu chứng khoán 33 2.2 Biểu đồ Giá cổ phiếu 35 2.3 Xây dựng biểu đồ Nến 36 2.4 Xây dựng đường Simple Moving Average 37 2.5 Xây dựng báo RSI 38 2.6 Xây dựng báo MACD 41 2.7 Xây dựng báo OBV 43 2.8 Xác định tín hiệu mua/bán với MACD, RSI, OBV 46 KẾT LUẬN CHƯƠNG 48 CHƯƠNG 3: TRIỂN KHAI THUẬT TOÁN HỒI QUY TUYẾN TÍNH TRONG DỮ BÁO GIÁ CỔ PHIẾU 49 3.1 Thơng tin khái qt q trình hình thành, phát triển công ty 49 3.2 Triển khai thuật tốn Hồi quy tuyến tính với Python 51 KẾT LUẬN CHƯƠNG 56 KẾT LUẬN 58 TÀI LIỆU THAM KHẢO 59 DANH MỤC HÌNH - BIỂU ĐỒ Ví dụ học có giám sát Hình 1.1.3.a Hình 1.1.3.b Ví dụ học khơng giám sát Hình 1.2.4.a Biểu đồ biến động giá ngân hàng VCB Hình 2.1.1 Ví dụ hồi quy tuyến tính: Hình 3.2 Biểu đồ giá cổ phiếu VND giai đoạn 2017 – 2022 Hình 3.3 Biểu đồ Nến cổ phiếu VNDirect Hình 3.4 Biểu đồ đường SMA Hình 3.5 Biểu đồ đường RSI Hình 3.6 Biểu đồ đường MACD Hình 3.7 Biều đồ Đường OBV Hình 4.2.a Biểu đồ Giá đường SMA-10 Hình 4.2.b Biểu đồ Giá dự báo Giá thực tế MỞ ĐẦU Đặt vấn đề Chúng ta sống thời đại lượng lớn liệu, máy tính mạnh mẽ trí tuệ nhân tạo Những năm gần đây, trí tuệ nhân tạo (Artificial intelligence, AI) dần lên minh chứng cho cách mạng công nghiệp lần thứ tư, sau động nước, lượng điện cơng nghệ thơng tin Trí tuệ nhân tạo trở thành nhân tố cốt lõi hệ thống cơng nghệ cao Thậm chí, len lỏi vào hầu hết lĩnh vực đời sống mà khơng nhận Việc ứng dụng công nghệ thông tin vào kinh tế kinh doanh thịnh hành Các doanh nghiệp ngày quen thuộc với việc vận dụng công nghệ thơng tin vào hoạt động từ việc đơn giản hay phức tạp Thế giới công nghệ thay đổi ngày ngày đơn giản hóa cơng việc, tìm giải pháp nhanh cho vấn đề Để theo kịp thời đại thân phải thay đổi mình, phải tạo cho thân thích ứng với giới mới, phải không ngừng phát triển thân Lý chọn đề tài Nền kinh tế Việt Nam ngày phát triển hội nhập cách sâu sắc, tích cực vào nên kinh tế Thế giới Cùng với việc hội nhập lĩnh vực quan trọng kinh tế Việt Nam công nghệ thông tin, tài ngân hàng, thị trường chứng khốn, hấp dẫn nhiều nhà đầu tư ngồi nước Trong đặc biệt phải kể đến “Thị trường chứng khốn Việt Nam”, sau 20 năm hình thành phát triển, thị trường chứng khoán ngày chứng tỏ “ phong vũ biểu” kinh tế, phận quan trọng kinh tế thị trường, với vai trò kênh huy động vốn quan trọng hiệu kinh tế, đồng thời cửa sổ hội nhập, liên thông với thị trường tài chính, tiền tệ quốc tế Vào năm gần đây, thị trường chứng khoán nhanh chóng trở thành kênh đầu tư hấp dẫn, thu hút nhiều nhà đầu cá nhân nhỏ lẻ, nhà đầu tư chuyên nghiệp, tổ chức với nhiều phong cách đầu tư khác Họ mong muốn có lợi nhuận, mức sinh lời cao dĩ nhiên kèm theo rủi ro tiềm ẩn khơng Do việc dự báo xác giá tổ chức phân tích chứng khốn ln đặt lên hàng đầu , từ việc phân tích kỹ thuật đến phân tích nhà đầu tư có chiến lược phong cách đầu tư phù hợp cho Nhưng với kinh tế với số liệu không minh bạch, hành lang pháp lý nhiều sơ hở dẫn đến thao túng giá cổ phiếu xảy hàng phút bảng điện tử, liệu nhà đầu tư có cịn tin vào báo cáo đơn định tính khơng? Liệu tài định lượng áp dụng vào hoạt động phân tích giá thị trường chứng khốn Việt nam khơng? Qua q trình tìm hiểu cơng ty cổ phần chứng khốn VNDIRECT với hoạt động phân tích quan sát hoạt động phân tích qua tham khảo báo cáo phân tích VNDIRECT, Nghiên cứu khoa học nhằm tìm hiểu, áp dụng mơ hình định lượng đặt vào việc phân tích giá chứng khốn Mục tiêu nghiên cứu Mục tiêu chung:  Giới thiệu tổng quan Machine learning Phương pháp phân tích kỹ thuật  Đi sâu vào nghiên cứu, phân tích dự đốn giá cổ phiếu CTCP VNDIRECT giai đoạn năm 2017 – 2022 Mục tiêu cụ thể:  Ứng dụng lập trình Python phân tích kỹ thuật  Ứng dụng lập trình Python xây dựng thuật toán Hồi quy  Rút ưu, nhược điểm thuật tốn Hồi quy tuyến tính Đối tượng phạm vi nghiên cứu  Đối tượng nghiên cứu: Phân tích dự đốn giá cổ phiếu CTCP VNDIRECT  Phạm vi nghiên cứu: Giai đoạn năm 2017 – 2022 Phương pháp nghiên cứu  Phương pháp thu thập liệu: Nghiên cứu, áp dụng cơng cụ để thu thập liệu chứng khốn  Phương pháp xử lý số liệu: Sử dụng ngôn ngữ Lập trình Python phân tích kỹ thuật triển khai Thuật tốn hồi quy để phân tích dự báo  Phương pháp xử lý số liệu: Thông qua việc mơ hình hóa, bảng biểu, biểu đồ để giải trình số liệu sau xử lý kết hồi quy  Phương pháp phân tích thống kê mơ tả: Sử dụng ngơn ngữ lập trình Python để vẽ biểu đồ nến, phân tích liệu dự đoán xu hướng thay đổi giá cổ phiếu Bố cục đề tài Ngoài phần mở đầu kết luận, nghiên cứu khoa học kết cấu gồm chương: Chương 1: Cơ Sở Lý Thuyết Chương 2: Ứng Dụng Python Trong Phân Tích Kỹ Thuật Chương 3: Triển Khai Thuật Toán Hồi Quy Trong Dự Đốn Giá Cổ Phiếu Hình 3.7 Biều đồ Đường OBV Xác định tín hiệu mua/bán với OBV Trong phần tìm hiểu ý nghĩa OBV để xác định tín hiệu mua/bán tiến hành xác định thời điểm mua/bán với khối lệnh sau: obv_signal = [] obv_price = [] s = for i in range(0,len(data)): if data['OBV'][i] > data['OBV_EMA'][i] and s != 1: obv_signal.append('Mua') obv_price.append(data['Low'][i]) s = elif data['OBV'][i] < data['OBV_EMA'][i] and s != -1: obv_signal.append('Bán') obv_price.append(data['High'][i]) s = -1 else: obv_signal.append('Giữ') obv_price.append(data['Close'][i]) Thực khối lệnh sau để có điểm mua/bán: data['OBV_Price'] = obv_price data['OBV_Signal'] = obv_signal data.drop(['Open','High','Low','Close','Adj Close', 'Volume','OBV','OBV_EMA'], axis = 1, inplace = True) data.loc[data['OBV_Signal'] != 'Giữ'] Sau thực khối lệnh, kết có sau: Date OBV_Price OBV_Signal 2017-01-11 12418,7 Mua 2017-01-17 12630,6 Bán … … … 2020-09-22 22800 Bán 2020-09-30 22100 Mua 2.8 Xác định tín hiệu mua/bán với MACD, RSI, OBV Từ điểm mua/bán xác định từ ba báo trên, tiến hành xác định thời điểm mua/ bán báo xác định điểm mua bác xác định điểm mua bán Để xác định điểm áp dụng khối lệnh sau: final_signal = [] final_price = [] for i in range(0, len(data)): if data['MACD_Signal'][i] == data['OBV_Signal'][i]: final_signal.append(data['MACD_Signal'][i]) final_price.append(data['MACD_Price'][i]) elif data['MACD_Signal'][i] == data['RSI_Signal'][i]: final_signal.append(data['MACD_Signal'][i]) final_price.append(data['MACD_Price'][i]) elif data['OBV_Signal'][i] == data['RSI_Signal'][i]: final_signal.append(data['OBV_Signal'][i]) final_price.append(data['OBV_Price'][i]) else: final_signal.append('Giữ') final_price.append(Buy_Sell['MACD_Price'][i]) Thực khối lệnh sau để có điểm mua/bán: data['Final_Price'] = final_price data['Final_Signal'] = final_signal data = data[['Date','OBV_Signal','MACD_Signal','RSI_Signal','Final_Price', 'Final_Signal']] data.loc[data['Final_Signal'] != 'Giữ'] Sau thực khối lệnh, kết có sau: Date OBV_Signal MACD_Signal RSI_Signal Final_Price Final_Signal 2017-08-21 Bán Bán Mua 17793,6 Bán 2018-03-22 Bán Bán Giữ 28800 Bán 2018-04-18 Bán Bán Giữ 33650 Bán 2018-06-05 Mua Mua Giữ 19650 Mua 2019-03-19 Bán Bán Giữ 18200 Bán 2019-07-22 Bán Bán Giữ 15200 Bán 2020-01-21 Mua Mua Giữ 14400 Mua 2020-02-03 Bán Bán Giữ 14550 Bán 2020-04-09 Mua Mua Giữ 10900 Mua KẾT LUẬN CHƯƠNG Trên sở lý luận Phương pháp phân tích kỹ thuật làm rõ chương 1, với ứng dụng ngơn ngữ lập trình Python Chương tiến hành xây dựng biểu đồ phân tích kỹ thuật gồm biểu đồ thể giá cổ phiếu (Biểu đồ giá, biểu đồ nến), đường báo (SMA, RSI, MACD, OBV) từ tạo tảng cho trình phân tích kỹ thuật sử dụng báo để xác định thời điểm mua/bán cổ phiếu CHƯƠNG 3: TRIỂN KHAI THUẬT TOÁN HỒI QUY TUYẾN TÍNH TRONG DỮ BÁO GIÁ CỔ PHIẾU 3.1 Thơng tin khái qt q trình hình thành, phát triển cơng ty 3.1.1 Thơng tin khái qt CƠNG TY CỔ PHẦN CHỨNG KHỐN VNDIRECT Tên giao dịch: CƠNG TY CỔ PHẦN CHỨNG KHOÁN VNDIRECT Tên tiếng anh: VNDIRECT SECURITIES CORPORATION Biểu tượng cơng ty Loại hình hoạt động: Cơng ty cổ phần Mã chứng khốn: VND Địa trụ sở chính: Số 01, Nguyễn Thượng Hiền, Nguyễn Du, Hai Bà Trung, Hà Nội Điện thoại: 028.38125960 Wesite: vndirect.com.vn Người đại diện: Điêu Ngọc Tuấn Ngày thành lập: 07/11/2006 Ngày hoạt động: 07/11/2006 (Đã hoạt động 16 năm) 4.1.2 Q trình hình thành phát cơng ty Ngày 28/7/2000 đánh dấu cột mốc quan trọng thị trường chứng khoán Việt Nam, phiên giao dịch chứng khoán vỏn vẹn cổ phiếu diễn Trung tâm Giao dịch chứng khoán TP.HCM Ngày coi ngày sở số VN-Index tận Trong thời gian dài hoạt động khuôn khổ pháp lý vơ bất cập, làm kìm hãm phát triển sơ khai Thị trường chứng khoán Việt Nam thời điểm Nhận bất cập vào thời điểm đó, đến năm 2000 Chính phủ ban hành Nghị định số 144/2003/NĐ-CP văn hướng dẫn thi hành, tạo khung pháp lý tương đối đồng hoạt động thị trường phát hành, niêm yết, kinh doanh, giao dịch, công bố thơng tin Vào ngày 29/6/2006 Luật Chứng khốn Quốc hội khố XI, kỳ họp thứ thơng qua Đây hành lang pháp lý quan trọng tạo điều kiện cho thị trường chứng khoán Việt Nam phát triển ổn định, có khả hội nhập sâu với thị trường vốn quốc tế Vì năm 2006 - Cơng ty cổ phần Chứng khốn VNDIRECT đời thời kỳ phát triển mà mặt pháp lý - thị trường hình thành, công ty với mục tiêu hỗ trợ nhà đầu tư cá nhân hoạt động môi giới, lưu ký chứng khốn, tư vấn tài doanh nghiệp, tự doanh, bảo lãnh phát hành quản lý danh mục đầu từ ngày thành lập công bắt tay hợp tác với nhiều đối tát vào ngồi nước, nói đến ngày 29/01/2013 cơng ty VNDIRECT trở thành thành viên thức Hiệp hội Thương mại điện tử Việt Nam (VECOM) Trong năm, VNDIRECT ký hợp đồng hợp tác phân phối chứng quỹ mở với Công ty TNHH Quản lý quỹ Eastspring Investments (thành viên Tập đoàn bảo hiểm Prudential – Anh Quốc) vào ngày 21/05/2013, nhận quyền thực hiện, quảng bá, phân phối bán Chứng quỹ Eastspring Investments quản lý cho nhà đầu tư phạm vi lãnh thổ Việt Nam Hay nói đến sau năm đó, vào năm 2014 VNDIRECT thức bắt tay hợp tác chiến lược với Công ty Chứng khoán Quốc tế CIMB (Singapore) lĩnh vực nghiên cứu, phân tích thị trường chứng khốn, dịch vụ giao dịch cổ phiếu, tư vấn doanh nghiệp thị trường vốn Gần hai thập kỷ hoạt động lĩnh vực chứng khốn, VNDIRECT dần khẳng định vị trí lịng nhà đầu tư, cơng ty ln ln hướng đến hài lòng mong muốn nhà đầu tư Cơng ty VNDIRECT có nhiều lợi phần công ty hoạt động lĩnh vữc nói tới như:  Phí giao dịch thấp: Chỉ từ 0,15%/giao dịch, VNDIRECT cơng ty có mức phí giao dịch thấp thị trường Mức phí cơng ty khác luôn dao động từ 0,15 - 0,4%  Môi giới chuyên nghiệp: Đội ngũ môi giới VNDIRECT chăm sóc khách hàng đánh giá tốt thị trường có thái độ chăm sóc tận tình, tích cực  Hệ thống thân thiện với người dùng: Bảng giá VNDIRECT Website ứng dụng di động dễ sử dụng, thao tác đơn giản, tạo gần gũi nhà đầu tư  Bảo mật an tồn: Giao dịch an tồn ln cơng ty ý yếu tố hàng đầu đưa công ty đến gần nhà đầu tư, chế giao dịch an toàn đặt lệnh, chuyển tiền với mã pin mã OTP xác nhận 3.2 Triển khai thuật tốn Hồi quy tuyến tính với Python Ở phần sử dụng Mơ hình hồi quy tuyến tính để tìm hiểu xu hướng giá cổ phiếu sau dự đốn giá cổ phiếu, từ cung cấp giúp nhà đầu tư có nhìn tổng qt xu hướng cổ phiếu Bài sử dụng hai báo gồm SMA MACD làm biến độc lập để dự báo giá cổ phiếu, phương thức tính đề cập phần trước Sử dụng khối lệnh sau để biểu diễn giá đóng cửa SMA10: import seaborn as sns import matplotlib.pyplot as plt plt.style.use('bmh') fig = plt.figure(figsize=(25,10)) sns.lineplot(y = data['Close'], x = data['Date'], color = 'green', label = "Giá cổ phiếu") sns.lineplot(y = data['SMA10'], x = data['Date'], color = 'blue', label = "SMA-10") plt.xlabel("Thời gian", fontsize = 15) plt.ylabel("Giá cổ phiếu", fontsize= 15) plt.title("Giá cổ phiếu CTCP VNDrict giai đoạn 2017 - 2022", fontsize= 15) Sau thực khối lệnh cho biểu đồ sau Hình 4.2.a Biểu đồ Giá đường SMA-10 Nguồn: Khóa luận Đặt giá trị biến độc lập (X) biến phụ thuộc (Y)  X: biến độc lập SMA MACD  Y: biến phụ thuộc giá đóng cửa cổ phiếu X = data[['SMA10','MACD']] y = data.Close Chia liệu Mơ hình địi hỏi tối thiểu có hai liệu để đạt hiệu gồm Dữ liệu đào tạo (train) Dữ liệu thử nghiệm (test) Trong phân chia 80/20 80% cho train 20% cho test Bởi liệu chứng khoản liệu Chuỗi thời gian nên không sử dụng phân chia liệu ngẫu nhiên t = 0.8 t = int(t*len(data)) X_train = X[:t] y_train = y[:t] X_test = X[t:] y_test = y[t:] Huấn luyện mơ hình Sử dụng thư viện Scikit-learn để thực huấn luyện mơ hình Hồi quy tuyến tính Python:  Hàm fit giúp huấn luyện liệu train liệu test from sklearn.linear_model import LinearRegression lr = LinearRegression().fit(X_train, y_train) Để tính giá trị sử dụng hàm sau:   Hàm intercept_ giúp tính giá trị hệ số chặn: Hàm coef_ giúp tính giá trị hệ số góc print("Intercept: ", lr.intercept_) print("Coefficients:") list(zip(X, lr.coef_)) Giá trị tính sau thực khối lệnh: Intercept: 960.3255920013835 Coefficients: [('SMA10', 0.9464474442063657), ('MACD', 0.7673071473807818)] Dữ liệu thực tế liệu dự báo Để tiến hành dự báo sử dụng hàm predict khối lệnh sau: prediction = lr.predict(X_test) df2 = pd.DataFrame({'Actual':y_test, 'Predicted':prediction}) Sau có giá trị dự đốn tiến hành xây dựng biểu đồ: fig = plt.figure(figsize=(25,10)) plt.plot(df2['Actual'], label = 'Dữ liệu train') plt.plot(df2['Predicted'] , label = 'Giá dự đoán') plt.title('Mơ hình dự đốn với Linear Regression') plt.xlabel('Thời Gian') plt.ylabel('Giá đóng cửa') plt.legend() plt.show() Sau thực khối lệnh sau, có biểu đồ sau: Hình 4.2.b Biểu đồ Giá dự báo Giá thực tế Chỉ số đánh giá Ở phần sử dụng Python để tiến hành tính số đánh giá mơ hình hồi quy nhắc tới phần 2.5 với khối lệnh sau: from sklearn import metrics meanAbErr = metrics.mean_absolute_error(y_test, prediction) rootMeanSqErr = np.sqrt(metrics.mean_squared_error(y_test, prediction) ) print('R squared: {:.2f}'.format(lr.score(X,y)*100)) print('Mean Absolute Error:', meanAbErr) print('Root Mean Square Error:', rootMeanSqErr) Giá trị tính sau thực khối lệnh: R squared: 97.05 Mean Absolute Error: 492.7129661739044 Root Mean Square Error: 732.403816516062 R Squared R bình phương hiệu chỉnh Giá trị R Square 97,05 cho thấy 97,05% liệu phù hợp với mơ hình hồi quy Mean Absolute Error: Giá trị thấp, hiệu suất mô hình tốt MAE thu cho mơ hình cụ thể 492, cho thấy mơ hình tốt Root Mean Square Error: Giá trị thấp, hiệu suất mơ hình tốt Lỗi trung bình bình phương gốc (RMSE) thu cho mơ hình cụ thể 732, cho thấy mơ hình tốt KẾT LUẬN CHƯƠNG Trong giai đoạn từ năm 2017 đến 2022, giá cổ phiếu CTCP VNDIRECT trải qua số biến động thay đổi đáng kể Dưới số nhận xét giá cổ phiếu công ty giai đoạn này:  Tăng trưởng: Trong nhiều năm liên tiếp, giá cổ phiếu VNDIRECT tăng trưởng đáng kể, đặc biệt từ năm 2019 đến năm 2021 Trong năm 2021, giá cổ phiếu VNDIRECT tăng gấp đôi so với giá trị vào đầu năm  Biến động: Tuy nhiên, giá cổ phiếu VNDIRECT trải qua số biến động đáng kể giai đoạn Đặc biệt đợt giảm giá mạnh mẽ vào cuối năm 2018, giá cổ phiếu giảm 40% so với đầu năm  Tính ổn định:Tính chất ổn định giá cổ phiếu VNDIRECT giai đoạn chưa đảm bảo, đặc biệt bối cảnh thị trường chứng khoán Việt Nam chịu ảnh hưởng nhiều yếu tố khác nhau, giới, trị, kinh tế, tài chính, dịch bệnh, vv Tổng quan lại, giá cổ phiếu CTCP VNDIRECT trải qua số biến động thay đổi đáng kể giai đoạn từ 2017 đến 2022 Tuy nhiên, với tăng trưởng mạnh mẽ năm 2020 2021, VNDIRECT cổ phiếu có tiềm tăng giá thời gian tới, tùy thuộc vào nhiều yếu tố khác thị trường Tổng kết: Trong chương giới thiệu tổng qt cơng ty q trình hình thành, phát tiển cơng ty chứng khốn VNDIRECT, tiếp sau tiến hành xây dựng mơ hình Dự báo giá cổ phiếu – VND từ hỗ trợ cho q trình đưa đưa định đầu tư chứng khoán Và trình bày q trình ứng dụng ngơn ngữ lập trình Python cho việc xây dựng mơ hình giải toán Hồi quy KẾT LUẬN Qua trình thu thập số liệu, tìm hiểu tài liệu nghiên cứu vấn đề liên quan, đề tài nghiên cứu hoàn chỉnh hoàn thiện với chương từ chương đến chương 4, làm rõ hệ thống hóa lý thuyết khái Machine learning Phương pháp phân tích kỹ thuật chứng khốn Từ làm tảng để ứng dụng ngơn ngữ lập trình Python phân tích kỹ thuật triển khai thuật tốn Hồi quy tuyến tính cho dự báo giá cổ phiếu CTCK VNDIRECT Mặc dù cố gắng hoàn thành thực nghiên cứu, hạn chế mặt kiến thức, thời gian nên chắn nghiên cứu em có sai sót khơng mong muốn, mong đóng góp ý kiến từ thầy (cơ) để nghiên cứu hoàn thiện Em xin chân thành cảm ơn! TÀI LIỆU THAM KHẢO [1] Vũ Hữu Tiệp (2020), Machine Learning Cơ Bản, Nhà xuất Khoa học Kỹ thuật, Tp Hồ Chí Minh [2] Nguyễn Thanh Tuấn (2019), Deep Learning Cơ Bản, Nhà xuất Thông tin Truyền thông, Hà Nội [3] Nguyễn Văn Tuấn (2020), Mơ hình hồi quy Khám phá Khoa học, Nhà xuất Tổng hợp, Tp Hồ Chí Minh [4] Andreas C Müller Sarah Guido (2016), Introduction to Machine Learning with Python | A Guide for Data Scientists, Nhà xuất O'Reilly Media, USA [5] Aurélien Géron (2019), Hands-on Machine Learning with Scikit-Learn, Keras & Tensorflow, Nhà xuất O'Reilly Media, USA [6] Steven B Achelis (2011), Phân tích kỹ thuật từ A đến Z, Vietstock dịch, Nhà xuất Thông Tấn, Hà Nội [7] Kiến thức phân tích kỹ thuật từ [8] Tìm hiều biểu đồ nến từ < https://www.payvnn.com/bieu-do-nen/> [9] “Công ty Cổ phần Chứng khốn VNDIRECT” (2013) từ