Tại Việt Nam, vấn đề dự báo giá cổ phiếu cũng đã thu hút được nhiều sự quan tâm từ cộng đồng nghiên cứu và đã có nhất nhiều luận văn thạc sĩ, luận án tiến sĩ cũng như các bài báo phân tích và nghiên cứu các mô hình dự báo giá cổ phiếu.
Trong tạp chí khoa học và công nghệ đại học Đà Nằng, những nhà nghiên cứu trong công trình [21] đề xuất sử dụng mô hình kết hợp ARIMA - GARCH để dự báo dự báo chỉ số VN-Index dựa theo chuỗi dữ liệu của thời gian. Đây được kết hợp từ hai mô hình đơn lẻ là mô hình ARIMA được trang bị cho dữ liệu chuỗi thời gian để dự báo các điểm trong tương lai và mô hình GARCH. Mô hình ARIMA-GARCH với ý nghĩa mô phỏng lại hành vi diễn biến trong quá khứ, từ đó làm cơ sở cho dự báo kế tiếp là một trong những công cụ dự báo mạnh và được sử dụng phổ biến trên thế giới trong thời gian gần đây. Tuy nhiên, mô hình kết hợp ARIMA GARCH chỉ phù hợp với công tác dự báo các điểm tương lai rất gần với thời điểm cuối cùng của chuỗi dữ liệu, thể hiện đặc điểm về tính dự báo ngắn hạn. Bên cạnh đó, do việc định dạng mô hình ARIMA trong mô hình kết hợp ARIMA-GARCH ảnh hưởng rất lớn đến kết quả dự báo, người sử dụng mô hình cần phải linh hoạt để tránh tình trạng bỏ sót các mô hình có ý nghĩa khác. Ngoài ra còn sử dụng dẫn xuất máy vectơ hỗ trợ (SVM) phân tích hướng chuyển động của giá với giá tương lại có độ chính xác đáng mong đợi.
Hồ Thủy Tiên, Hồ Thu Hoài, Ngô Văn Toàn đưa ra bài nghiên cứu “Mô hình hóa biến động thị trường chứng khoán Thực nghiệm từ Việt Nam” được đăng trong tạp chí
Khoa học ĐHQGHN: Kinh tế và Kinh doanh. Bài tập trung nghiên cứu mô hình hóa biến động của thị trường chứng khoán Việt Nam dựa trên dữ liệu chuỗi thời gian là giá đóng cửa hàng ngày của chỉ số VN-Index trong giai đoạn 2005 - 2016. Các phân tích được thực hiện bằng mô hình GARCH. Nghiên cứu chứng minh rằng GARCH và EGARCH được đánh giá là mô hình thích hợp nhất để đo lường các dao động đối xứng và bất đối xứng của VN-Index. Nghiên cứu cũng cung cấp cho nhà đầu tư một công cụ để dự báo tỷ suất lợi tức của thị trường chứng khoán. Bên cạnh đó, giá trị của nghiên cứu mạng lại giúp các nhà đầu tư đánh giá được mức lợi nhuận cũng như sự thay đổi trên thị trường chứng khoán, quá đó nhà đầu tư dễ dàng hơn trong việc đưa ra quyết định sáng suốt hơn trong việc nắm giữ các chứng khoán [22].
Năm 2019, có bài nghiên cứu “A Technique to Predict Short-term Stock Trend Using Bayesian Classifier” được đưa ra bởi Hồ Vũ, Võ Văn, Nguyễn Minh , and Nguyễn Trang. Trong bài nghiên cứu này, dữ liệu chuỗi thời gian được chuyển thành dữ liệu dạng bảng, sau đó sử dụng bộ phân loại Bayer, thử nghiệm trên cổ phiếu ở Việt Nam. Nó cho kết quả hoạt động hợp lý, có thể coi là phương pháp tiềm năng dự báo xu hướng chứng khoán ngắn hạn. [22].
Nghiên cứu của nhóm Duc Huu Dat Nguyen và cộng sự phát hành năm 2019 [1] sử dụng dữ liệu giá mở cửa, đóng cửa, giá cao, giá thấp, khối lượng giao dịch để dự báo giá đóng cửa của bốn mã cổ phiếu trên sàn chứng khoán NASDAQ. Kết quả cho sai số MSE là 0,0242.