1. Trang chủ
  2. » Luận Văn - Báo Cáo

Ứng dụng mô hình học sâu lstm trong bài toán dự báo giá cổ phiếu ở thời điểm đóng cửa cho một số mã cổ phiếu ở thị trường chứng khoán việt nam

66 8 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Ứng Dụng Mô Hình Học Sâu Lstm Trong Bài Toán Dự Báo Giá Cổ Phiếu Ở Thời Điểm Đóng Cửa Cho Một Số Mã Cổ Phiếu Ở Thị Trường Chứng Khoán Việt Nam
Tác giả Nguyễn Thị Hậu
Người hướng dẫn ThS. Vũ Duy Hiến
Trường học Học viện Ngân hàng
Chuyên ngành Hệ thống thông tin quản lý
Thể loại khóa luận tốt nghiệp
Năm xuất bản 2021
Thành phố Hà Nội
Định dạng
Số trang 66
Dung lượng 2,28 MB

Nội dung

HỌC VIỆN NGÂN HÀNG KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ  KHÓA LUẬN TỐT NGHIỆP ỨNG DỤNG MƠ HÌNH HỌC SÂU LSTM TRONG BÀI TOÁN DỰ BÁO GIÁ CỔ PHIẾU Ở THỜI ĐIỂM ĐÓNG CỬA CHO MỘT SỐ MÃ CỔ PHIẾU TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM Giáo viên hướng dẫn: ThS Vũ Duy Hiến Sinh viên thực hiện: Nguyễn Thị Hậu Mã sinh viên: 20A4040046 Lớp: K20HTTTB Khóa: K20 Hệ: Đại học quy HÀ NỘI, 2021 Tai ngay!!! Ban co the xoa dong chu nay!!! 17014129653861000000 LỜI CẢM ƠN Trong q trình thực khóa luận tốt nghiệp em nhận quan tâm động viên giúp đỡ từ nhiều phía Lời đầu tiên, em xin gửi lời cảm ơn đến tất quý thầy cô giáo Học viện Ngân hàng, đặc biệt quý thầy cô khoa Hệ thống thông tin quản lý giảng dạy, truyền đạt cho hệ khóa chúng em kiến thức bổ ích suốt bốn năm qua học tập trường Đồng thời, tạo điều kiện cho chúng em có hội tiếp cận với toán thực tế dựa kiến thức học trường lớp Để hồn thành khóa luận tốt nghiệp này, em xin bày tỏ lòng biết ơn sâu sắc chân thành cảm ơn thầy Vũ Duy Hiến hướng dẫn, giúp đỡ em suốt trình thực đề tài Và em xin cảm ơn tất anh/chị cơng ty FSS góp ý, giúp đỡ em trình tìm tài liệu để em hồn thành tốt khóa luận tốt nghiệp Trong thời gian qua, em cố gắng, tập trung, nỗ lực để hồn thành tốt khóa luận Vì thời gian lực cịn hạn chế nên khơng thể tránh sai sót trình thực đề tài Vì vậy, em mong nhận nhiều nhận xét, góp ý từ thầy cô Em xin chân thành cảm ơn! i LỜI CAM ĐOAN Tôi xin cam đoan kết đạt báo cáo sản phẩm nghiên cứu, tìm hiểu riêng cá nhân tơi Trong tồn nội dung báo cáo, điều trình bày cá nhân em tổng hợp từ nhiều nguồn tài liệu Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp Tơi xin hồn tồn chịu trách nhiệm lời cam đoan này! Hà Nội, ngày tháng năm 2021 Sinh viên thực Nguyễn Thị Hậu ii iii NHẬN XÉT (Của giáo viên hướng dẫn) Ưu điểm: - Đề tài phù hợp với chuyên ngành đào tạo HTTTQL Học viện Ngân hàng - Đề tài mang tính chất thời sự, cấp thiết gắn liền với vấn đề thực tiễn xã hội - Nội dung khóa luận có cấu trúc chặt chẽ logic Đồng thời, khóa luận thể hiểu biết sinh viên kiến thức học tự nghiên cứu lĩnh vực học máy ứng dụng chúng để giải toán mà đề tài khóa luận đặt Bên cạnh đó, khóa luận nêu bật lên đóng góp sinh viên lĩnh vực ngành tài chính-ngân hàng - Hình thức trình bày tương đối phù hợp với tiêu chuẩn khóa luận tốt nghiệp; nội dung tham khảo trích dẫn cách nghiêm túc, rõ ràng - Kết kiểm tra trùng lặp (Lời mở đầu, kết luận hai chương chính) 11%, đáp ứng yêu cầu Học viện Khoa đề Hạn chế: - Trong thời gian đầu thực khóa luận, sinh viên chưa thật chủ động việc tìm hiểu tốn, nghiên cứu tài liệu hoàn thành yêu cầu giảng viên đề Việc dẫn đến chậm trễ tiến độ số nhiệm vụ giao - Kỹ trình bày tài liệu khoa học sử dụng ứng dụng tin học văn phòng hạn chế - Năng lực tự học, tự nghiên cứu cần cải thiện Hà Nội, ngày tháng năm 2021 Giáo viên hướng dẫn (Ký tên) Vũ Duy Hiến iv DANH MỤC BẢNG BIỂU HÌNH VẼ Hình Biểu đồ thể số lượng nghiên cứu kỹ thuật học sâu từ năm 20152020 .8 Hình Biểu đồ thể phần trăm số nghiên cứu kỹ thuật học sâu từ năm 2015-2020 Hình Hình thể số tượng tài khoản nhà đầu tư chứng khốn 12 Hình Biểu đồ thể số lượng tài khoản chứng khoán nhà đầu tư nước mở 13 Hình Đồ thị thể đường phân tích kỹ thuật .14 Hình Hình thể cấu trúc mạng nơron 18 Hình Hình thể tham số để liên kết mạng 19 Hình Hình thể kiến trúc mạng RNN 21 Hình Hình thể kiến trúc mạng LSTM 22 Hình 10 Hình thể mơ hình mạng LSTM 22 Hình 11 Hình thể đường trạng thái (cell state) mạng LSTM 23 Hình 12 Hình thể cổng hàm sigmoid LSTM 24 Hình 13 Hình thể tầng cổng quên LSTM 25 Hình 14 Hình thể giá trị xử lý thơng qua hàm 26 Hình 15 Hình thể ô trạng thái LSTM 26 Hình 16 Hình thể thơng tin đầu xử lý hàm 27 Hình 17 Hình thể biến thể kết nối lỗ nhìn trộm LSTM 28 Hình 18 Hình thể cấu trúc điều chỉnh thêm bỏ qua LTSM 28 Hình 19 Hình thể cấu trúc LSTM có thêm cổng cập nhật .29 Hình 20 Hình thể trình xử lý giá trị truyền vào mơ hình dự báo LSTM 30 Hình 21 Hình thể quy trình xây dựng mơ hình dự báo LSTM 31 Hình 22 Hình thể giá trị thuộc tính chứng khốn .32 Hình 23 Hình thể liệu dự báo 33 v Hình 24 Đồ thị thể đường giá đóng cửa mã cổ phiếu ACB 34 Hình 25 Đồ thị thể đường giá đóng cửa mã cổ phiếu FPT 34 Hình 26 Đồ thị thể đường giá đóng cửa mã cổ phiếu MBB 34 Hình 27 Đồ thị thể đường giá đóng cử mã cổ phiếu SSI 35 Hình 28 Đồ thị thể đường giá đóng cửa mã cổ phiếu VNM .35 Hình 29 Đồ thị thể tần suất sử dụng thư viện học sâu .36 Hình 30 Hình thể lớp (layer) mạng nơron .37 Hình 31 Hình thể thuật toán tối ưu 38 Hình 32 Hình thể hàm mát (Loss function) 40 Hình 33 Đồ thị thể giá thực dự đoán tập liệu train mã cổ phiếu ACB 42 Hình 34 Đồ thị thể giá thực dự đoán tập liệu test mã cổ phiếu ACB 42 Hình 35 Đồ thị thể giá thực dự đoán tập liệu train mã cổ phiếu FPT 43 Hình 36 Đồ thị thể giá thực dự đoán tập liệu test mã cổ phiếu FPT 43 Hình 37 Đồ thị thể giá thực dự đoán tập liệu train mã cổ phiếu MBB 44 Hình 38 Đồ thị thể giá thực dự đoán tập liệu test mã cổ phiếu MBB 44 Hình 39 Đồ thị thể giá thực dự đoán tập liệu train mã cổ phiếu SSI .45 Hình 40 Đồ thị thể giá thực dự đoán tập liệu test mã cổ phiếu SSI .45 Hình 41 Đồ thị thể giá thực dự đoán tập liệu train mã cổ phiếu VNM 46 Hình 42 Đồ thị thể giá thực dự đoán tập liệu test mã cổ phiếu VNM 46 Hình 43 Đồ thị thể đường dự đoán mã cổ phiếu ACB 47 vi Hình 44 Đồ thị thể đường dự đoán mã cổ phiếu FPT .47 Hình 45 Đồ thị thể đường dự đoán mã cổ phiếu MBB .48 Hình 46 Đồ thị thể đường dự đoán mã cổ phiếu SSI .48 Hình 47 Đồ thị thể đường dự đốn mã cổ phiếu VNM .49 Bảng So sánh số MSE LSTM ARIMA 49 Bảng So sánh kết dự báo phương pháp kỹ thuật học sâu LSTM mã cổ phiếu ACB với giá trị thực tế .50 vii MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii DANH MỤC BẢNG BIỂU HÌNH VẼ .v MỤC LỤC viii LỜI MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ THỊ TRƯỜNG CHỨNG KHOÁN VÀ VẤN ĐỀ DỰ BÁO GIÁ CỔ PHIẾU 1.1 Khái quát thị trường chứng khoán phương pháp dự báo giá cổ phiếu giới 1.1.1 Sơ lược thị trường chứng khoán 1.1.2 Các phương pháp dự báo giá cổ phiếu giới 1.1.3 Các nghiên cứu liên quan giới 1.2 Khái quát thị trường chứng khoán phương pháp dự báo giá cổ phiếu Việt Nam 11 1.2.1 Khái quát thị trường chứng khoán Việt Nam 11 1.2.2 Phương pháp dự báo chứng khoán nước 13 1.2.3 Các nghiên cứu liên quan Việt Nam 16 1.3 Lựa chọn phương pháp 17 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CỦA PHƯƠNG PHÁP DỰ BÁO GIÁ CỔ PHIẾU DỰA TRÊN KỸ THUẬT HỌC SÂU LSTM 18 2.1 Sơ lược mạng nơron 18 2.1.1 Khái niệm .18 2.1.2 Mơ hình mạng nơron .19 2.2 Tổng quan thuật toán LSTM .20 2.2.1 Lịch sử đời LSTM .20 2.2.2 Cơ chế hoạt động 22 viii 2.3 Môi trường sử dụng để huấn luyện mơ hình học sâu 29 CHƯƠNG 3: XÂY DỰNG MƠ HÌNH DỰ BÁO GIÁ ĐÓNG CỬA CỦA MỘT SỐ MÃ CỔ PHIẾU SỬ DỤNG PHƯƠNG PHÁP LSTM 31 3.1 Xây dựng mơ hình dự báo LSTM 31 3.1.1 Chuẩn bị liệu tiền xử lý liệu 31 3.1.2 Xây dựng mơ hình 35 3.1.3 Huấn luyện mơ hình .41 3.2 Đánh giá mơ hình 49 KẾT LUẬN 51 ix

Ngày đăng: 05/12/2023, 19:19

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Duc Huu Dat Nguyen, Loc Phuoc Tran and Vu Nguyen, "Predicting Stock Prices Using Dynamic LSTM Models," in International Conference on Communications in Computer and Information Science, Madrid, 2019 Sách, tạp chí
Tiêu đề: Predicting Stock Prices Using Dynamic LSTM Models
[2] Xuan Ji, Jiachen Wang and Zhijun Yan, "A stock price prediction method based on deep learning technology," International Journal of Crowd Science, 2020 Sách, tạp chí
Tiêu đề: A stock price prediction method based on deep learning technology
[3] David M. Q. Nelson, Adriano C. M. Pereira, Renato A. de Oliveira, "Stock market’s price movement prediction with LSTM neural networks," in 2017 International Joint Conference on Neural Networks, 2017 Sách, tạp chí
Tiêu đề: Stock market’s price movement prediction with LSTM neural networks
[4] Sreelekshmy Selvin, Vinayakumar R, Gopalakrishnan E.A, Vijay Krishna Menon, Soman K.P, "Stock price prediction using LSTM, RNN and CNN-sliding window model," in 2017 International Conference on Advances in Computing, Communications and Informatics, 2017 Sách, tạp chí
Tiêu đề: Stock price prediction using LSTM, RNN and CNN-sliding window model
[5] Kai Chen, Yi Zhou and Fangyan Dai, "A LSTM-based method for stock returns prediction: a case," in IEEE International Conference on Big Data (Big Data), 2015 Sách, tạp chí
Tiêu đề: A LSTM-based method for stock returns prediction: a case
[6] Yujin Baek, Ha Young Kim, "ModAugNet: A new forecasting framework for stock market index value with an overfitting prevention LSTM module and a prediction LSTM module," Expert Systems with Applications, pp. 457-480, 2018 Sách, tạp chí
Tiêu đề: ModAugNet: A new forecasting framework for stock market index value with an overfitting prevention LSTM module and a prediction LSTM module
[7] Zexin Hu, Yiqi Zhao and Matloob Khushi, "A Survey of Forex and Stock Price Prediction Using Deep Learning," Applied System Innovation, 2021 Sách, tạp chí
Tiêu đề: A Survey of Forex and Stock Price Prediction Using Deep Learning
[8] M. Tu ấn, "Lịch sử thị trường chứng khoán thế giới," 07 08 2009. [Online]. Available: https://cafef.vn/tai-chinh-quoc-te/lich-su-thi-truong-chung-khoan-the-gioi-20090807032914113.chn Sách, tạp chí
Tiêu đề: Lịch sử thị trường chứng khoán thế giới
[9] B. Linh, "Các th ị trường chứng khoán trên thế giới có quy mô như thế nào?," 02 12 2019. [Online]. Available: https://cafef.vn/cac-thi-truong-chung-khoan-tren-the-gioi-co-quy-mo-nhu-the-nao-201912021055395.chn Sách, tạp chí
Tiêu đề: Các thị trường chứng khoán trên thế giới có quy mô như thế nào
[10] Xiao Ding, Yue Zhang, "Using Structured Events to Predict Stock Price Movement," in Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 2019, pp. P1415-P1425 Sách, tạp chí
Tiêu đề: Using Structured Events to Predict Stock Price Movement
[11] S. Lahmiri, "A Comparison of PNN and SVM for Stock Market Trend Prediction using Economic and Technical Information," International Journal of Computer Applications, pp. 24-30, 2011 Sách, tạp chí
Tiêu đề: A Comparison of PNN and SVM for Stock Market Trend Prediction using Economic and Technical Information
[12] Weiling Chen, Chai Kiat Yeo, Chiew Tong Lau, Bu Sung Lee, "Leveraging social media news to predict stock index movement using RNN-boost," Data &Knowledge Engineering, pp. 14-24, 2018 Sách, tạp chí
Tiêu đề: Leveraging social media news to predict stock index movement using RNN-boost
[13] P. N. H. J. S. S. A. M. Mojtaba Nabipour, "Predicting Stock Market Trends Using Machine Learning and Deep Learning Algorithms Via Continuous and Binary Data; a Comparative Analysis”," IEEE Access, pp. 150199-150212, 12 08 2020 Sách, tạp chí
Tiêu đề: Predicting Stock Market Trends Using Machine Learning and Deep Learning Algorithms Via Continuous and Binary Data; a Comparative Analysis”
[14] Mahla Nikou, Gholamreza Mansourfar, Jamshid Bagherzadeh, "Stock price prediction using DEEP learning algorithm and its comparison with machine learning algorithms," Intelligent system in Accounting, Finance and Management, pp. 1-11, 2019 Sách, tạp chí
Tiêu đề: Stock price prediction using DEEP learning algorithm and its comparison with machine learning algorithms
[15] M. M. Y. A. A. S. M. Maqsood, "A local and global event sentiment based efficient stock exchange forecasting using deep learning," International Journal of Information Management, pp. 432-451, 2020 Sách, tạp chí
Tiêu đề: A local and global event sentiment based efficient stock exchange forecasting using deep learning
[16] Ehsan Hoseinzade, Saman Haratizadeh, "CNNpred: CNN-based stock market prediction using a diverse set of variables," Expert Systems with Applications, pp.273-285, 2019 Sách, tạp chí
Tiêu đề: CNNpred: CNN-based stock market prediction using a diverse set of variables
[17] Zhichao Zou, Zihao Qu, "Using LSTM in Stock prediction and Quantitative," Standford university, 2020 Sách, tạp chí
Tiêu đề: Using LSTM in Stock prediction and Quantitative
[18] K. GIANG, "Ch ứng khoán Việt Nam - Hành trình 20 năm," 15 07 2020. [Online]. Available: https://nhandan.vn/chungkhoan-thitruong/chung-khoan-viet-nam-hanh-trinh-20-nam--608695/ Sách, tạp chí
Tiêu đề: Chứng khoán Việt Nam - Hành trình 20 năm
[19] V. Giáp, "T ổng giá trị vốn hóa thị trường cổ phiếu đạt gần 64% GDP," 07 12 2020. [Online]. Available: https://bnews.vn/tong-gia-tri-von-hoa-thi-truong-co- Sách, tạp chí
Tiêu đề: Tổng giá trị vốn hóa thị trường cổ phiếu đạt gần 64% GDP
[20] M. Anh, "Nhà đầu tư trong nước tiếp tục mở mới hơn 110.000 tài khoản chứng khoán trong tháng 4," 10 05 2021. [Online]. Available: https://cafef.vn/nha-dau- tu-trong-nuoc-tiep-tuc-mo-moi-hon-110000-tai-khoan-chung-khoan-trong-thang-4-20210510135752532.chn Sách, tạp chí
Tiêu đề: Nhà đầu tư trong nước tiếp tục mở mới hơn 110.000 tài khoản chứng khoán trong tháng 4

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN