K- láng giềng gần nhất đƣợc coi nhƣ là một phƣơng pháp khá cổ điển và phổ biến khi sử dụng trong các bài tốn dự báo. K - NN áp dụng nhiều trong các bài
tốn cĩ độ liên quan tới mùa vụ nhƣ dự báo giá nơng sản, dự báo giá thị trƣờng cổ phiếu, dự báo giá dầu, ...
Khalid Alkhatib và các cộng sự trong năm 2013 đã đề xuất một phƣơng pháp dự báo giá cổ phiếu dựa trên K-NN. Họ cho rằng, các đây là một chủ đề luơn luơn cần đƣợc nghiên cứu tại các nƣớc phát triển. Hiện nay, thị trƣờng chứng khốn đƣợc coi là một giao dịch nhiều lĩnh vực bởi trong nhiều trƣờng hợp nĩ mang lại lợi nhuận dễ dàng với tỷ lệ rủi ro thấp trở lại. Thị trƣờng chứng khốn với số khổng lồ
26
và nguồn thơng tin năng động đƣợc xem nhƣ là một mơi trƣờng thích hợp cho khai thác và kinh doanh dữ liệu nghiên cứu. Họ áp dụng K-NN và phƣơng pháp hồi quy phi tuyến tính để dự đốn giá cổ phiếu cho một mẫu sáu cơng ty lớn niêm yết trên thị trƣờng chứng khốn Jordan để hỗ trợ các nhà đầu tƣ, quản lý, ra quyết định, và ngƣời sử dụng trong việc đƣa ra chính xác và thơng báo các khoản đầu tƣ quyết định. Theo kết quả, các thuật tốn K-NN là cĩ tỷ lệ lỗi nhỏ; kết quả là hợp lý với độ
chính xác khá cao. Ngồi ra, tùy thuộc vào giá cổ phiếu dữ liệu thực tế; các kết quảdự báo là gần gũi và gần nhƣ song song với giá cổ phiếu thực tế [2].