PHÂN TÍCH THỊ TRƯỜNG CHỨNG KHOÁN SỬ DỤNG MÔ HÌNH HỒI QUY TUYẾN TÍNH

Đề tài Phân tích thị trường chứng khoán sử dụng mô hình hồi quy tuyến tính nhằm mục tiêu áp dụng trí tuệ nhân tạo và kỹ thuật học máy để nghiên cứu và phân tích thị trường chứng khoán. Trong đó, mô hình hồi quy tuyến tính được lựa chọn làm công cụ chính để dự đoán và phân tích xu hướng giá cổ phiếu. Để thực hiện đề tài, công việc nghiên cứu sẽ bao gồm các bước sau: Khảo sát và phân tích thị trường chứng khoán: Trước khi xây dựng mô hình hồi quy tuyến tính, cần tiến hành khảo sát và phân tích các yếu tố ảnh hưởng đến giá cổ phiếu, như chỉ số kinh tế, thông tin công ty, tin tức thị trường, và các yếu tố khác có thể có tác động đến giá cổ phiếu. Thu thập dữ liệu: Dữ liệu thị trường chứng khoán, bao gồm giá cổ phiếu và các yếu tố ảnh hưởng, sẽ được thu thập từ các nguồn đáng tin cậy. Cần đảm bảo tính chính xác và đầy đủ của dữ liệu để đảm bảo kết quả phân tích đáng tin cậy. Tiền xử lý dữ liệu: Dữ liệu thu thập được sẽ được tiền xử lý để loại bỏ nhiễu, xử lý dữ liệu thiếu, chuẩn hóa dữ liệu và chuẩn bị cho quá trình huấn luyện mô hình hồi quy tuyến tính. Xây dựng mô hình hồi quy tuyến tính: Mô hình hồi quy tuyến tính sẽ được xây dựng dựa trên dữ liệu đã được tiền xử lý. Quá trình huấn luyện mô hình sẽ sử dụng các phương pháp tối ưu hóa để tìm ra các thông số phù hợp nhằm dự đoán giá cổ phiếu.

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CHUYÊN NGÀNH NGÀNH: KHOA HỌC MÁY TÍNH ĐỀ TÀI: PHÂN TÍCH THỊ TRƯỜNG CHỨNG KHỐN SỬ DỤNG MƠ HÌNH HỒI QUY TUYẾN TÍNH Giảng viên hướng dẫn: TS Nguyễn Mạnh Cường Lớp: KHMT01 – K15 Nhóm: Sinh viên thực hiện: Hà Tuấn Anh - 2020607487 Bùi Văn Bắc - 2020603560 Vũ Văn Hùng - 2020601712 Hà Nội - 2023 MỤC LỤC MỤC LỤC MỤC LỤC HÌNH ẢNH MỤC LỤC BẢNG BIỂU LỜI CẢM ƠN LỜI NÓI ĐẦU CHƯƠNG 1.1 KHẢO SÁT VÀ PHÁT BIỂU BÀI TOÁN 11 Khảo Sát Và Tìm Hiểu Thị Trường Chứng Khoán Việt Nam 11 1.1.1 Sự đời thị trường chứng khoán: 11 1.1.2 Khái niệm thị trường chứng khoán: 12 1.1.3 Phân loại thị trường chứng khoán: 14 1.2 Ứng dụng công nghệ cao Phân Tích Chứng Khốn 16 1.2.1 Hướng Xử Lý Hiện Nay 17 1.2.2 Xác Định Yêu Cầu Của Hệ Thống 18 1.3 Phát Biểu Bài Toán 19 CHƯƠNG CÁC KỸ THUẬT GIẢI QUYẾT BÀI TOÁN 23 2.1 Phương hướng tiếp cận 23 2.2 Một số kỹ thuật giải toán 23 2.2.1 Hồi quy tuyến tính 25 2.2.2 Mạng nơ-ron 26 2.2.3 Cây định 28 2.2.4 Máy vector hỗ trợ (SVM) 36 CHƯƠNG 3.1 THỰC NGHIỆM 42 Dữ liệu thực nghiệm 42 3.2 Phân tích liệu 44 3.2.1 Phân tích liệu cơng ty Apple 44 3.2.2 Phân tích liệu công ty Google 47 3.2.3 Phân tích liệu cơng ty Meta 50 3.2.4 Phân tích liệu cơng ty Amazon 53 3.2.5 Phân tích liệu công ty Microsoft 56 3.3 Chia liệu huấn luyện mơ hình 59 3.3.1 Chia liệu 59 3.3.2 Chuẩn hóa mơ hình 60 3.3.3 Huấn luyện mơ hình 62 3.3.4 Đánh giá mơ hình 63 3.4 Lưu mơ hình 66 CHƯƠNG DEMO CHƯƠNG TRÌNH 67 4.1 Giới thiệu framework sử dụng 67 4.2 Phân tích thiết kế hệ thống 68 4.2.1 Biểu đồ use case tổng quát 68 4.2.2 Mô tả chi tiết use case 68 4.3 Thiết kế giao diện hệ thống 75 KẾT LUẬN 81 TÀI LIỆU THAM KHẢO 82 MỤC LỤC HÌNH ẢNH Hình 2.1 Mơ hình định 28 Hình 2.2 Hai phương pháp xác định độ thành công 31 Hình 2.3 Hàm Entropy 32 Hình 2.4 Thuật tốn máy hỗ trợ vec-tơ (SVM) 37 Hình 2.5 Thuật tốn SVM tuyến tính 39 Hình 2.6 bươc Thuật toán hỗ trợ máy vec-tơ 40 Hình 3.1 Dữ liệu chứng khốn cơng ty Meta 42 Hình 3.2 Dữ liệu chứng khốn cơng ty Apple 42 Hình 3.3 Dữ liệu chứng khốn cơng ty Microsoft 43 Hình 3.4 Dữ liệu chứng khốn cơng ty Google 43 Hình 3.5 Dữ liệu chứng khốn cơng ty Amazon 44 Hình 3.6 Bảng phân tích mơ tả liệu cơng ty Apple 44 Hình 3.7 Đồ thị cột biểu diễn thuộc tính tập liệu Apple 45 Hình 3.8 Đồ thị hộp biểu diễn thuộc tính tập liệu Appl 45 Hình 3.9 Đồ thị heatmap thể tương quan thuộc tính 46 Hình 3.10 Bảng phân tích mơ tả liệu cơng ty Google 47 Hình 3.11 Đồ thị cột biểu diễn thuộc tính tập liệu Google 47 Hình 3.12 Đồ thị hộp biểu diễn thuộc tính tập liệu Google 48 Hình 3.13 Đồ thị heatmap thể tương quan thuộc tính 48 Hình 3.14 Đồ thị Scatter thể tuyến tính thuộc tính với Adj Close 49 Hình 3.15 Bảng phân tích mơ tả liệu cơng ty Meta 50 Hình 3.16 Đồ thị cột biểu diễn thuộc tính tập liệu Meta 50 Hình 3.17 Đồ thị hộp biểu diễn thuộc tính tập liệu Meta 51 Hình 3.18 Đồ thị heatmap thể tương quan thuộc tính 51 Hình 3.19 Đồ thị Scatter thể tuyến tính thuộc tính với Adj Close 52 Hình 3.20 Bảng phân tích mơ tả liệu cơng ty Amazon 53 Hình 3.21 Đồ thị cột biểu diễn thuộc tính tập liệu Amazon 53 Hình 3.22 Đồ thị hộp biểu diễn thuộc tính tập liệu Amazon 54 Hình 3.23 Đồ thị heatmap thể tương quan thuộc tính 54 Hình 3.24 Đồ thị Scatter thể tuyến tính thuộc tính với Adj Close 55 Hình 3.25 Bảng phân tích mơ tả liệu cơng ty Microsoft 56 Hình 3.26 Đồ thị cột biểu diễn thuộc tính tập liệu Microsoft 56 Hình 3.27 Đồ thị hộp biểu diễn thuộc tính tập liệu Microsoft 57 Hình 3.28 Đồ thị heatmap thể tương quan thuộc tính 57 Hình 3.29 Đồ thị Scatter thể tuyến tính thuộc tính với Adj Close 58 Hình 3.30 Dữ liệu đầu vào X 59 Hình 3.31 Dữ liệu đầu y 60 Hình 3.32 chia dư liệu train va test 60 Hình 3.33 Chuẩn hóa liệu đầu vào 61 Hình 3.34 Mơ hình huấn luyện 62 Hình 3.35 Source code đánh giá mơ hình 63 Hình 3.36 lưu mơ hình 66 Hình 4.1 use case tổng quát 68 Hình 4.2 Trang chủ giao diện 75 Hình 4.3 Chọn cơng ty 75 Hình 4.4 chọn ngày tháng 76 Hình 4.5 Dữ liệu lịch sử chứng khốn 77 Hình 4.6 Biểu đồ giá đóng cửa hàng ngày 77 Hình 4.7 Nhập thơng tin giao dịch 78 Hình 4.8 Thơng tin mơ hình sử dụng 78 Hình 4.9 Kết dự báo 79 Hình 4.10 Biểu đồ sau lần dự báo 79 Hình 4.11 Giao diện sau reset lại 80 MỤC LỤC BẢNG BIỂU Bảng 4.1 Bảng Mô tả use case chọn công ty 69 Bảng 4.2 Bảng mô tả use case chọn ngày 70 Bảng 4.3 Bảng Mô tả use case xem liệu 71 Bảng 4.4 Bảng Mô tả use case nhập thông tin giao dịch 72 Bảng 4.5 Bảng Mô tả use case xem thơng tin mơ hình huấn luyện 73 Bảng 4.6 Bảng Mô tả use case dự báo 73 Bảng 4.7 Bảng mô tả use case reset 74 LỜI CẢM ƠN Với tình cảm chân thành sâu sắc nhất, nhóm em mong muốn bày tỏ đến tất cá nhân, tổ chức tạo điều kiện hỗ trợ giúp đỡ nhóm suốt trình nghiên cứu đề tài Trong thời gian qua, nhóm em nhận nhiều quan tâm quý thầy cô, nhà trường bạn bè Trải qua thời gian vừa qua, nhóm em nhận quan tâm đồng hành từ quý thầy cô, nhà trường bạn bè Đây nguồn động viên định hướng quan trọng hành trình nghiên cứu học tập nhóm Đặc biệt, chúng em xin gửi lời cảm ơn sâu sắc tới thầy TS Nguyễn Mạnh Cường, người truyền đạt vốn kiến thức cần có cho chúng tơi suốt q trình học tập môn học Sự tận tâm bảo tận tình thầy giúp chúng tơi hồn thành đề tài cách tốt Mặc dù báo cáo học phần chúng em thực khoảng thời gian ngắn, chắn không tránh khỏi sai sót Vì vậy, chúng em mong nhận đóng góp ý kiến từ thầy để giúp nhóm hồn thiện kiến thức bổ sung thêm thông tin cần thiết cho báo cáo học phần Một lần nữa, chúng em xin chân thành cảm ơn thầy tất người giúp đỡ đồng hành chúng em chặng đường Em xin chân thành cảm ơn! Sinh viên thực Hà Tuấn Anh Bùi Văn Bắc Vũ Văn Hùng LỜI NĨI ĐẦU Đề tài "Phân tích thị trường chứng khốn sử dụng mơ hình hồi quy tuyến tính" nhằm mục tiêu áp dụng trí tuệ nhân tạo kỹ thuật học máy để nghiên cứu phân tích thị trường chứng khốn Trong đó, mơ hình hồi quy tuyến tính lựa chọn làm cơng cụ để dự đốn phân tích xu hướng giá cổ phiếu Để thực đề tài, công việc nghiên cứu bao gồm bước sau: - Khảo sát phân tích thị trường chứng khốn: Trước xây dựng mơ hình hồi quy tuyến tính, cần tiến hành khảo sát phân tích yếu tố ảnh hưởng đến giá cổ phiếu, số kinh tế, thông tin công ty, tin tức thị trường, yếu tố khác có tác động đến giá cổ phiếu - Thu thập liệu: Dữ liệu thị trường chứng khoán, bao gồm giá cổ phiếu yếu tố ảnh hưởng, thu thập từ nguồn đáng tin cậy Cần đảm bảo tính xác đầy đủ liệu để đảm bảo kết phân tích đáng tin cậy - Tiền xử lý liệu: Dữ liệu thu thập tiền xử lý để loại bỏ nhiễu, xử lý liệu thiếu, chuẩn hóa liệu chuẩn bị cho q trình huấn luyện mơ hình hồi quy tuyến tính - Xây dựng mơ hình hồi quy tuyến tính: Mơ hình hồi quy tuyến tính xây dựng dựa liệu tiền xử lý Q trình huấn luyện mơ hình sử dụng phương pháp tối ưu hóa để tìm thơng số phù hợp nhằm dự đốn giá cổ phiếu - Đánh giá kiểm thử mơ hình: Mơ hình hồi quy tuyến tính đánh giá kiểm thử tập liệu độc lập để đánh giá hiệu suất độ xác mơ hình - Ứng dụng phân tích kết quả: Kết từ mơ hình hồi quy tuyến tính áp dụng để phân tích thị trường chứng khoán, dự đoán xu hướng giá cổ phiếu đưa khuyến nghị đầu tư Đề tài "Phân tích thị trường chứng khốn sử dụng mơ hồi quy tuyến tính" có tiềm mang lại nhiều lợi ích Bằng cách sử dụng mơ hình hồi quy tuyến tính, ta dự đốn xu hướng giá cổ phiếu cung cấp thơng tin hữu ích cho nhà đầu tư Điều giúp họ đưa định đầu tư thơng minh tối ưu hóa lợi nhuận Tuy nhiên, cần lưu ý mơ hình hồi quy tuyến tính có giới hạn giả định Mơ hình giả định mối quan hệ tuyến tính biến đầu vào biến mục tiêu, thị trường chứng khốn có tính khơng đồng phức tạp Do đó, kết dự đốn từ mơ hình khơng ln xác đáng tin cậy Ngồi ra, việc phân tích thị trường chứng khốn khơng dựa mơ hình hồi quy tuyến tính mà liên quan đến nhiều yếu tố khác phân tích kỹ thuật, phân tích bản, nhận định thị trường Sự kết hợp nhiều phương pháp cơng cụ phân tích giúp tăng cường độ xác độ tin cậy kết phân tích Trong bối cảnh sử dụng trí tuệ nhân tạo kỹ thuật học máy phân tích thị trường chứng khốn, việc nghiên cứu mơ hình hồi quy tuyến tính phần q trình phát triển cơng cụ phương pháp phân tích tiên tiến Việc áp dụng trí tuệ nhân tạo vào lĩnh vực mở nhiều hội thách thức mới, góp phần cải thiện hiệu suất hiệu q trình đầu tư chứng khốn Trong báo cáo nhóm chia thành nội dung theo trình tự sau: 4.2 Phân tích thiết kế hệ thống 4.2.1 Biểu đồ use case tổng qt Hình 4.1 use case tổng qt 4.2.2 Mơ tả chi tiết use case Mô tả use case chọn công ty Mã use case UC1 Tên use case Chọn tên cơng ty Tóm tắt Actor Use case cho phép lựa chọn tên cơng ty để tiến hành tìm hiểu thông tin dự báo Người dùng 68 Tiền điều kiện Thiết bị người dùng khởi động ứng dụng thành công Nếu người dùng không chọn tên cơng ty mặc định Apple Đảm bảo tối thiểu Người dùng chọn tên công ty cơng ty có sẵn Đảm bảo thành cơng Tự động Kích hoạt Luồng kiện: Người dùng truy cập vào trang chủ ứng dụng Nhấn dấu mũi tên mục ‘Chọn công ty’ Chọn công ty muốn Bảng 4.1 Bảng Mơ tả use case chọn công ty Mô tả use case chọn ngày Mã use case UC2 Tên use case Chọn ngày Tóm tắt Actor Use case cho phép lựa chọn ngày theo lịch bao gồm ngày bắt đầu ngày kết thúc Người dùng 69 Tiền điều kiện Thiết bị người dùng khởi động ứng dụng thành công Đảm bảo tối thiểu Đảm bảo thành công Nếu người dùng không chọn ngày mặc định ngày bao gồm ngày bắt đầu kết thúc Người dùng chọn ngày bắt đầu ngày kết thúc mong muốn Tự động Kích hoạt Luồng kiện: Người dùng nhấn chọn ngày bắt đầu cách chọn lịch hệ thống 2.Người dùng nhấn chọn ngày kết thúc cách chọn lịch hệ thống Bảng 4.2 Bảng mô tả use case chọn ngày Mô tả use case xem liệu Mã use case UC3 Tên use case Xem liệu Tóm tắt Actor Tiền điều kiện Use case cho phép người dùng xem liệu lịch sử công ty chọn theo ngày tháng tùy ý Người dùng Người dùng chọn tên công ty ngày bắt đầu, kết thúc 70 Nếu người dùng ấn xem ln mà khơng có tiền điều kiện thực theo tiền điều kiện mặc định Đảm bảo tối thiểu Người dùng xem liệu lịch sử chứng khoán biểu đồ giao dịch Đảm bảo thành cơng Tự động Kích hoạt Luồng kiện: Người dùng ấn nút Xem thông tin liệu Bảng 4.3 Bảng Mô tả use case xem liệu Mô tả use case nhập thông tin giao dịch Mã use case UC4 Tên use case Nhập thông tin giao dịch Tóm tắt Actor Tiền điều kiện Use case cho phép người dùng nhập liệu giao dịch muốn dự báo Người dùng Thiết bị người dùng khởi động ứng dụng thành công Đảm bảo tối thiểu Đảm bảo thành công Nếu người dùng không nhập mặc định liệu Người dùng nhập thành cơng liệu giao dịch 71 Kích hoạt Tự động Luồng kiện: Người dùng nhập vào ô trống Bảng 4.4 Bảng Mô tả use case nhập thông tin giao dịch Mô tả use case xem thông tin mơ hình huấn luyện Mã use case UC5 Tên use case Xem thơng tin mơ hình huấn luyện Tóm tắt Actor Tiền điều kiện Đảm bảo tối thiểu Đảm bảo thành cơng Kích hoạt Use case cho phép người dùng xem mơ hình sử dụng để dự báo giao dịch chứng khoán Người dùng Người dùng chọn tên công ty Nếu người dùng ấn xem mà khơng có tiền điều kiện thực theo tiền điều kiện mặc định Người dùng xem thơng tin mơ mã cơng ty Tự động Luồng kiện: Người dùng ấn nút Xem thơng tin mơ hình huấn luyện 72 Bảng 4.5 Bảng Mơ tả use case xem thơng tin mơ hình huấn luyện Mô tả use case dự báo Mã use case UC6 Tên use case Dự báo Tóm tắt Actor Use case cho phép người dùng dự báo giá đóng cửa tùy chỉnh dựa vào yếu tố: mở cửa, đóng cửa, thấp, cao Người dùng Tiền điều kiện Người dùng chọn tên công ty nhập xong thông tin giao dịch Đảm bảo tối thiểu Nếu người dùng ấn dự báo mà khơng có tiền điều kiện thực theo liệu mặc định Đảm bảo thành cơng Kích hoạt Người dùng dự báo giá trị dựa liệu nhập Tự động Luồng kiện: Người dùng ấn nút dự báo Bảng 4.6 Bảng Mô tả use case dự báo Mô tả use case reset Mã use case UC7 Tên use case Reset 73 Tóm tắt Actor Tiền điều kiện Use case cho phép người dùng xóa hết liệu cũ để dự báo lại từ đầu (xóa hết session) Người dùng Người dùng mở chương trình ứng dụng Đảm bảo tối thiểu Đảm bảo thành công Khơng có Người dùng xóa hết liệu cũ Tự động Kích hoạt Luồng kiện: Người dùng ấn nút reset Bảng 4.7 Bảng mô tả use case reset 74 4.3 Thiết kế giao diện hệ thống Hình 4.2 Trang chủ giao diện Đầu tiên, tiến hành chọn cơng ty mong muốn Hình 4.3 Chọn cơng ty 75 Tiếp đó, ta tiến hành chọn ngày bắt đầu ngày kết thúc Hình 4.4 chọn ngày tháng 76 Ta thu kết sau Hình 4.5 Dữ liệu lịch sử chứng khốn Hình 4.6 Biểu đồ giá đóng cửa hàng ngày 77 Tiến hành nhập thơng tin giao dịch Hình 4.7 Nhập thơng tin giao dịch Sau ấn nút xem thông tin mô hình huấn luyện, ta thu kết sau Hình 4.8 Thơng tin mơ hình sử dụng 78 Sau ấn nút dự báo, ta thu kết sau: Hình 4.9 Kết dự báo Ta tiến hành lưu kết lần dự báo, sau tạo nên biểu đồ đường để trực quan hóa tăng giảm thị trường Hình 4.10 Biểu đồ sau lần dự báo 79 Sau ấn reset, liệu bị xóa quay trở lại ban đầu Hình 4.11 Giao diện sau reset lại 80 KẾT LUẬN Thời gian làm đồ án chuyên ngành vừa qua em thời gian vô thú vị Em tìm hiểu kỹ thuật khác trí tuệ nhân tạo để giải toán dự báo giá cổ phiếu Em học kỹ làm việc nhóm kỹ làm việc độc lập, qua nâng cao khả học tập em hành trang vững giúp em bước ngồi mơi trường giảng đường Em tìm hiểu nghiên cứu dự án sáng tạo nhóm em khơng tham khảo tài liệu mạng mà xây dựng dựa kiến thức em học biết Trong trình làm dự án, em học nhiều thứ cách thức nghiên cứu triển khai code em mạch lạc rõ ràng Chúng em cảm ơn thầy Nguyễn Mạnh Cường đồng hành nhóm em q trình xây dựng đồ án, khiến kiến thức sáng tạo hướng tiêu chuẩn đầu Hệ thống thành cơng phân tích liệu có kết đánh giá mơ hình cao lên đến 99-100% Tuy thời gian có hạn tài nguyên hạn chế, nên hệ thống chưa tồn vẹn chưa có giao diện đẹp, số lượng công ty muốn dự báo hạn chế Trong tương lai, nhóm em cố gắng phát triển hệ thống lên tầm cao đem vào áp dụng thị trường Nhóm em xin gửi lời cảm ơn chân thành tới thầy giáo, Tiến sĩ Nguyễn Mạnh Cường tận tình hướng dẫn em thực đề tài Nhóm em xin chúc thầy luôn mạnh khỏe thành công nghiên cứu tới 81 TÀI LIỆU THAM KHẢO [1] Tổng quan thị trường chứng khoán: https://doc.edu.vn/tai-lieu/detai-tong-quan-ve-thi-truong-chung-khoan-viet-nam-16660/ [2] Hồi quy tuyến tính: https://aws.amazon.com/vi/what-is/linearregression/ [3] Tìm hiểu mạng noron: https://luanvan.co/luan-van/de-tai-tim-hieu-vemang-noron-kohonen-17394/ [4] Tìm hiểu thuật tốn định: https://www.123tailieufree.com/2016/01/su-dung-cay-quyet-dinh-de-phanloai-du-lieu-nhieu.html [5] Tìm hiểu máy vecto hỗ trợ: https://123docz.net/trichdoan/1300331-bo-phan-loai-vector-ho-tro-support-vector-machine-svm.htm 82