Dựa v&agrave;o m&ocirc; h&igrave;nh học s&acirc;u ti&ecirc;n tiến, sinh vi&ecirc;n Nguyễn Quốc Anh (Đại học RMIT) đ&atilde; giải b&agrave;i to&aacute;n dự đo&aacute;n gi&aacute; cổ phiếu với độ ch&iacute;nh x&aacute;c cao.

<img alt="" src="https://static.fireant.vn/Upload/20240818/images/cong-nghe-du-doan-gia-co-phieu-2-8309.jpg" style="height:370px; width:555px">

Quốc Anh thuyết tr&igrave;nh về sản phẩm dự đo&aacute;n gi&aacute; cổ phiếu.

Giảm thiểu rủi ro

Nguyễn Quốc Anh chia sẻ, thị trường chứng kho&aacute;n bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như t&acirc;m l&yacute; ti&ecirc;u d&ugrave;ng, kinh tế vĩ m&ocirc; v&agrave; vi m&ocirc;, cũng như ch&iacute;nh s&aacute;ch tiền tệ. Tất cả khiến ng&aacute;ch t&agrave;i ch&iacute;nh n&agrave;y trở n&ecirc;n kh&oacute; đo&aacute;n đối với những nh&agrave; giao dịch t&igrave;m kiếm lợi nhuận ổn định với mức rủi ro thấp.

Vậy n&ecirc;n, c&acirc;u hỏi &ldquo;liệu c&oacute; chỉ b&aacute;o n&agrave;o gi&uacute;p giảm rủi ro trong giao dịch t&agrave;i ch&iacute;nh?&rdquo; đ&atilde; khơi gợi ở Quốc Anh hứng th&uacute; nghi&ecirc;n cứu giao dịch bằng thuật to&aacute;n. Đ&acirc;y l&agrave; kh&iacute;a cạnh vẫn chưa được khai ph&aacute; nhiều ở Đ&ocirc;ng Nam &Aacute; bởi m&ocirc;i trường giao dịch thiếu linh động v&agrave; độ thanh khoản thấp so với c&aacute;c nước Bắc Mỹ hoặc ch&acirc;u &Acirc;u.

Do đ&oacute;, c&aacute;c m&ocirc; h&igrave;nh học m&aacute;y v&agrave; học s&acirc;u ở khu vực n&agrave;y chưa tiến bộ đ&aacute;ng kể. &ldquo;Trong t&agrave;i ch&iacute;nh, d&ugrave; dữ liệu chuỗi gi&aacute; trị (time series) kh&aacute; phong ph&uacute;, phương thức tiếp cận vẫn theo hướng truyền thống&rdquo;, Quốc Anh n&oacute;i.

Dưới sự hướng dẫn của TS H&agrave; Xu&acirc;n Sơn v&agrave; TS Th&aacute;i Trung Hiếu - giảng vi&ecirc;n ng&agrave;nh Kinh doanh (chuy&ecirc;n ng&agrave;nh Kinh doanh tr&ecirc;n ứng dụng Blockchain) tại RMIT Việt Nam, Quốc Anh đ&atilde; ho&agrave;n th&agrave;nh nghi&ecirc;n cứu với ti&ecirc;u đề: &ldquo;M&ocirc; h&igrave;nh phương tr&igrave;nh vi ph&acirc;n c&ugrave;ng Thuyết t&aacute;i tạo kh&ocirc;ng gian pha trong dự b&aacute;o gi&aacute; cổ phiếu&rdquo;.

Theo đ&oacute;, Quốc Anh đề xuất một ứng dụng mới của c&aacute;c phương tr&igrave;nh vi ph&acirc;n (neural ODE hoặc NODE) trong dự b&aacute;o gi&aacute; cổ phiếu. NODE c&oacute; thể được hiểu l&agrave; một m&ocirc; h&igrave;nh học s&acirc;u gồm nhiều mạng nơ-ron tinh vi cho m&ocirc; h&igrave;nh dự đo&aacute;n.

&ldquo;Em đặt mục ti&ecirc;u kiểm tra khả năng dự b&aacute;o của m&ocirc; h&igrave;nh dựa tr&ecirc;n gi&aacute; cổ phiếu hằng ng&agrave;y của 6 c&ocirc;ng ty Mỹ trong c&aacute;c lĩnh vực c&ocirc;ng nghệ, t&agrave;i ch&iacute;nh v&agrave; dược phẩm từ năm 2003 đến năm 2023&rdquo;, Quốc Anh cho biết.

&ldquo;M&ocirc; h&igrave;nh tu&acirc;n theo theo tỉ lệ 70:20:10. Trong đ&oacute;, 70% dữ liệu được ph&acirc;n bổ cho việc huấn luyện, 20% để tinh chỉnh/x&aacute;c nhận, v&agrave; 10% c&ograve;n lại d&ugrave;ng cho qu&aacute; tr&igrave;nh so s&aacute;nh giữa gi&aacute; trị thực v&agrave; gi&aacute; trị dự b&aacute;o&rdquo;, Quốc Anh chia sẻ.

Nghi&ecirc;n cứu đ&atilde; sử dụng m&ocirc; h&igrave;nh NODE, tức một m&ocirc; h&igrave;nh học s&acirc;u dạng thần kinh (Neural) c&oacute; khả năng xử l&yacute; c&aacute;c phương tr&igrave;nh vi ph&acirc;n (Ordinary Differential Equations) theo thời gian li&ecirc;n tục. N&oacute;i một c&aacute;ch đơn giản, h&atilde;y tưởng tượng những thăng trầm về gi&aacute; cổ phiếu h&agrave;ng ng&agrave;y như một đo&agrave;n t&agrave;u lượn si&ecirc;u tốc.

Việc dự đo&aacute;n t&agrave;u lượn sẽ đi tiếp đến đ&acirc;u kh&ocirc;ng dễ d&agrave;ng, nhưng đ&oacute; l&agrave; những g&igrave; mọi người cố gắng l&agrave;m khi họ đầu tư v&agrave;o cổ phiếu. C&aacute;c m&ocirc; h&igrave;nh thuật to&aacute;n c&oacute; thể học hỏi từ những thăng trầm trong qu&aacute; khứ của t&agrave;u lượn.

Nhưng thay v&igrave; chỉ nh&igrave;n v&agrave;o c&aacute;c điểm ri&ecirc;ng biệt tr&ecirc;n t&agrave;u lượn si&ecirc;u tốc (như gi&aacute; của một cổ phiếu v&agrave;o những ng&agrave;y kh&aacute;c nhau, c&aacute;c đỉnh cổ phiếu&hellip;), m&ocirc; h&igrave;nh NODE nh&igrave;n to&agrave;n bộ chuyến đi như một d&ograve;ng chảy trơn tru theo thời gian.

Để tận dụng khả năng dự b&aacute;o của m&ocirc; h&igrave;nh, t&aacute;c giả đ&atilde; kết hợp một kỹ thuật tiền xử l&yacute; dữ liệu gọi l&agrave; &ldquo;t&aacute;i tạo kh&ocirc;ng gian pha&rdquo; - Phase Space Reconstruction (PSR) từ l&yacute; thuyết hỗn loạn để chuyển đổi dữ liệu cổ phiếu ban đầu, gồm gi&aacute; mở cửa, gi&aacute; cao, gi&aacute; thấp, gi&aacute; đ&oacute;ng cửa, khối lượng giao dịch th&agrave;nh một kh&ocirc;ng gian đa chiều.

Bằng c&aacute;ch đưa dữ liệu v&agrave;o một kh&ocirc;ng gian đa chiều, PSR cung cấp cho m&ocirc; h&igrave;nh NODE một c&aacute;i nh&igrave;n to&agrave;n diện hơn về thị trường, gi&uacute;p n&oacute; c&oacute; thể ph&aacute;t hiện ra những quy luật ẩn chứa trong dữ liệu m&agrave; người ta kh&oacute; c&oacute; thể t&igrave;m thấy nếu chỉ d&ugrave;ng phương ph&aacute;p thống k&ecirc; truyền thống để nh&igrave;n v&agrave;o từng chỉ số ri&ecirc;ng lẻ.

<img alt="" src="https://static.fireant.vn/Upload/20240818/images/cong-nghe-du-doan-gia-co-phieu-1-1459.jpg" style="height:362px; width:555px">

Dự đo&aacute;n d&agrave;i hạn ch&iacute;nh x&aacute;c vượt trội

Để kiểm tra khả năng của m&ocirc; h&igrave;nh NODE, Nguyễn Quốc Anh đ&atilde; so s&aacute;nh m&ocirc; h&igrave;nh của m&igrave;nh với 6 m&ocirc; h&igrave;nh học s&acirc;u hiện đại kh&aacute;c, gồm: RNN, Transformer, SVR, LSTM, CNN v&agrave; CNN-LSTM.

Tất cả c&aacute;c m&ocirc; h&igrave;nh đều được lấy trực tiếp hoặc cảm hứng v&agrave; sửa đổi từ c&aacute;c nghi&ecirc;n cứu h&agrave;ng đầu đ&atilde; c&ocirc;ng bố. Kết quả, NODE cho thấy độ dự đo&aacute;n ch&iacute;nh x&aacute;c vượt trội so với đối thủ gần nhất LSTM trong việc dự đo&aacute;n c&aacute;c gi&aacute; trị d&agrave;i hạn với sai số tối thiểu qua 1.000 bước thời gian, giảm lỗi hơn 70% cho mỗi cổ phiếu.

Quốc Anh chia sẻ, nh&igrave;n chung, c&oacute; sự kh&aacute;c nhau giữa c&aacute;c ng&agrave;nh cổ phiếu. Cổ phiếu c&ocirc;ng nghệ được th&uacute;c đẩy bởi sự đổi mới s&aacute;ng tạo, thường tăng trưởng nhanh v&agrave; biến động cao, hấp dẫn c&aacute;c nh&agrave; đầu tư c&oacute; khả năng chịu rủi ro.

Cổ phiếu t&agrave;i ch&iacute;nh ổn định hơn, hưởng lợi từ biến động l&atilde;i suất v&agrave; chu kỳ kinh tế, khiến ch&uacute;ng ph&ugrave; hợp với c&aacute;c nh&agrave; đầu tư bảo thủ t&igrave;m kiếm cổ tức ổn định.

Cổ phiếu dược phẩm, phụ thuộc v&agrave;o mức độ R&amp;D của c&ocirc;ng ty sẽ mang lại những rủi ro ri&ecirc;ng biệt li&ecirc;n quan đến qu&aacute; tr&igrave;nh ph&ecirc; duyệt theo quy định v&agrave; hết hạn bằng s&aacute;ng chế, nhưng c&oacute; thể mang lại lợi nhuận đ&aacute;ng kể nếu c&oacute; c&aacute;c lần ra mắt sản phẩm th&agrave;nh c&ocirc;ng. Những đặc điểm ri&ecirc;ng biệt của từng lĩnh vực tạo ra những th&aacute;ch thức kh&aacute;c nhau đối với m&ocirc; h&igrave;nh dựa tr&ecirc;n học s&acirc;u trong việc dự đo&aacute;n.

TS H&agrave; Xu&acirc;n Sơn cho biết m&ocirc; h&igrave;nh n&agrave;y giải quyết những hạn chế của c&aacute;c phương ph&aacute;p học s&acirc;u truyền thống trong việc nắm bắt c&aacute;c động lực thị trường chứng kho&aacute;n phức tạp v&agrave; phi tuyến.

&ldquo;M&ocirc; h&igrave;nh cho thấy độ dự đo&aacute;n ch&iacute;nh x&aacute;c d&agrave;i hạn vượt trội v&agrave; hiệu quả trong việc nắm bắt những biến động đột ngột tr&ecirc;n thị trường như c&aacute;c vụ sụp đổ chớp nho&aacute;ng. Kh&ocirc;ng chỉ dự đo&aacute;n gi&aacute; cổ phiếu, m&ocirc; h&igrave;nh c&ograve;n c&oacute; triển vọng trong việc dự đo&aacute;n c&aacute;c hệ thống hỗn mang kh&aacute;c, như được chứng minh qua những b&agrave;i kiểm tra tr&ecirc;n c&aacute;c tập dữ liệu Lorenz v&agrave; Mackey-Glass&rdquo;, TS Sơn chia sẻ.

Để tạo ra sản phẩm n&agrave;y, nh&oacute;m sinh vi&ecirc;n phải tự học c&aacute;c ng&ocirc;n ngữ như Python, SQL, LaTeX, sử dụng c&aacute;c c&ocirc;ng cụ GitHub, MongoDB, Lightning AI, k&eacute;o dữ liệu từ API, v&agrave; nắm vững kỹ năng t&igrave;m kiếm v&agrave; đọc hiểu nghi&ecirc;n cứu, chủ yếu qua c&aacute;c diễn đ&agrave;n c&ocirc;ng nghệ hoặc c&aacute;c hướng dẫn tr&ecirc;n YouTube.

Quốc Anh đặt mục ti&ecirc;u kh&aacute;m ph&aacute; c&aacute;c ứng dụng ti&ecirc;n tiến trong khoa học dữ liệu, nghi&ecirc;n cứu s&acirc;u hơn về tầm quan trọng của dữ liệu chuỗi thời gian v&agrave; ph&aacute;t triển c&aacute;c m&ocirc; h&igrave;nh tự động ho&aacute; nhằm giải quyết những nhu cầu x&atilde; hội đa dạng, từ nhận dạng mẫu đến ph&aacute;t hiện ung thư sớm.

Nhật Mai

<a href="https://giaoducthoidai.vn/sinh-vien-phat-kien-cong-nghe-du-doan-gia-co-phieu-post694920.html">Link gốc</a>

Dựa vào mô hình học sâu tiên tiến, sinh viên Nguyễn Quốc Anh (Đại học RMIT) đã giải bài toán dự đoán giá cổ phiếu với độ chính xác cao.

Dựa v&agrave;o m&ocirc; h&igrave;nh học s&acirc;u ti&ecirc;n tiến, sinh vi&ecirc;n Nguyễn Quốc Anh (Đại học RMIT) đ&atilde; giải b&agrave;i to&aacute;n dự đo&aacute;n gi&aacute; cổ phiếu với độ ch&iacute;nh x&aacute;c cao.

<img alt="" src="https://static.fireant.vn/Upload/20240818/images/cong-nghe-du-doan-gia-co-phieu-2-8309.jpg" style="height:370px; width:555px" />

Quốc Anh thuyết tr&igrave;nh về sản phẩm dự đo&aacute;n gi&aacute; cổ phiếu.

Giảm thiểu rủi ro

Nguyễn Quốc Anh chia sẻ, thị trường chứng kho&aacute;n bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như t&acirc;m l&yacute; ti&ecirc;u d&ugrave;ng, kinh tế vĩ m&ocirc; v&agrave; vi m&ocirc;, cũng như ch&iacute;nh s&aacute;ch tiền tệ. Tất cả khiến ng&aacute;ch t&agrave;i ch&iacute;nh n&agrave;y trở n&ecirc;n kh&oacute; đo&aacute;n đối với những nh&agrave; giao dịch t&igrave;m kiếm lợi nhuận ổn định với mức rủi ro thấp.

Vậy n&ecirc;n, c&acirc;u hỏi &ldquo;liệu c&oacute; chỉ b&aacute;o n&agrave;o gi&uacute;p giảm rủi ro trong giao dịch t&agrave;i ch&iacute;nh?&rdquo; đ&atilde; khơi gợi ở Quốc Anh hứng th&uacute; nghi&ecirc;n cứu giao dịch bằng thuật to&aacute;n. Đ&acirc;y l&agrave; kh&iacute;a cạnh vẫn chưa được khai ph&aacute; nhiều ở Đ&ocirc;ng Nam &Aacute; bởi m&ocirc;i trường giao dịch thiếu linh động v&agrave; độ thanh khoản thấp so với c&aacute;c nước Bắc Mỹ hoặc ch&acirc;u &Acirc;u.

Do đ&oacute;, c&aacute;c m&ocirc; h&igrave;nh học m&aacute;y v&agrave; học s&acirc;u ở khu vực n&agrave;y chưa tiến bộ đ&aacute;ng kể. &ldquo;Trong t&agrave;i ch&iacute;nh, d&ugrave; dữ liệu chuỗi gi&aacute; trị (time series) kh&aacute; phong ph&uacute;, phương thức tiếp cận vẫn theo hướng truyền thống&rdquo;, Quốc Anh n&oacute;i.

Dưới sự hướng dẫn của TS H&agrave; Xu&acirc;n Sơn v&agrave; TS Th&aacute;i Trung Hiếu - giảng vi&ecirc;n ng&agrave;nh Kinh doanh (chuy&ecirc;n ng&agrave;nh Kinh doanh tr&ecirc;n ứng dụng Blockchain) tại RMIT Việt Nam, Quốc Anh đ&atilde; ho&agrave;n th&agrave;nh nghi&ecirc;n cứu với ti&ecirc;u đề: &ldquo;M&ocirc; h&igrave;nh phương tr&igrave;nh vi ph&acirc;n c&ugrave;ng Thuyết t&aacute;i tạo kh&ocirc;ng gian pha trong dự b&aacute;o gi&aacute; cổ phiếu&rdquo;.

Theo đ&oacute;, Quốc Anh đề xuất một ứng dụng mới của c&aacute;c phương tr&igrave;nh vi ph&acirc;n (neural ODE hoặc NODE) trong dự b&aacute;o gi&aacute; cổ phiếu. NODE c&oacute; thể được hiểu l&agrave; một m&ocirc; h&igrave;nh học s&acirc;u gồm nhiều mạng nơ-ron tinh vi cho m&ocirc; h&igrave;nh dự đo&aacute;n.

&ldquo;Em đặt mục ti&ecirc;u kiểm tra khả năng dự b&aacute;o của m&ocirc; h&igrave;nh dựa tr&ecirc;n gi&aacute; cổ phiếu hằng ng&agrave;y của 6 c&ocirc;ng ty Mỹ trong c&aacute;c lĩnh vực c&ocirc;ng nghệ, t&agrave;i ch&iacute;nh v&agrave; dược phẩm từ năm 2003 đến năm 2023&rdquo;, Quốc Anh cho biết.

&ldquo;M&ocirc; h&igrave;nh tu&acirc;n theo theo tỉ lệ 70:20:10. Trong đ&oacute;, 70% dữ liệu được ph&acirc;n bổ cho việc huấn luyện, 20% để tinh chỉnh/x&aacute;c nhận, v&agrave; 10% c&ograve;n lại d&ugrave;ng cho qu&aacute; tr&igrave;nh so s&aacute;nh giữa gi&aacute; trị thực v&agrave; gi&aacute; trị dự b&aacute;o&rdquo;, Quốc Anh chia sẻ.

Nghi&ecirc;n cứu đ&atilde; sử dụng m&ocirc; h&igrave;nh NODE, tức một m&ocirc; h&igrave;nh học s&acirc;u dạng thần kinh (Neural) c&oacute; khả năng xử l&yacute; c&aacute;c phương tr&igrave;nh vi ph&acirc;n (Ordinary Differential Equations) theo thời gian li&ecirc;n tục. N&oacute;i một c&aacute;ch đơn giản, h&atilde;y tưởng tượng những thăng trầm về gi&aacute; cổ phiếu h&agrave;ng ng&agrave;y như một đo&agrave;n t&agrave;u lượn si&ecirc;u tốc.

Việc dự đo&aacute;n t&agrave;u lượn sẽ đi tiếp đến đ&acirc;u kh&ocirc;ng dễ d&agrave;ng, nhưng đ&oacute; l&agrave; những g&igrave; mọi người cố gắng l&agrave;m khi họ đầu tư v&agrave;o cổ phiếu. C&aacute;c m&ocirc; h&igrave;nh thuật to&aacute;n c&oacute; thể học hỏi từ những thăng trầm trong qu&aacute; khứ của t&agrave;u lượn.

Nhưng thay v&igrave; chỉ nh&igrave;n v&agrave;o c&aacute;c điểm ri&ecirc;ng biệt tr&ecirc;n t&agrave;u lượn si&ecirc;u tốc (như gi&aacute; của một cổ phiếu v&agrave;o những ng&agrave;y kh&aacute;c nhau, c&aacute;c đỉnh cổ phiếu&hellip;), m&ocirc; h&igrave;nh NODE nh&igrave;n to&agrave;n bộ chuyến đi như một d&ograve;ng chảy trơn tru theo thời gian.

Để tận dụng khả năng dự b&aacute;o của m&ocirc; h&igrave;nh, t&aacute;c giả đ&atilde; kết hợp một kỹ thuật tiền xử l&yacute; dữ liệu gọi l&agrave; &ldquo;t&aacute;i tạo kh&ocirc;ng gian pha&rdquo; - Phase Space Reconstruction (PSR) từ l&yacute; thuyết hỗn loạn để chuyển đổi dữ liệu cổ phiếu ban đầu, gồm gi&aacute; mở cửa, gi&aacute; cao, gi&aacute; thấp, gi&aacute; đ&oacute;ng cửa, khối lượng giao dịch th&agrave;nh một kh&ocirc;ng gian đa chiều.

Bằng c&aacute;ch đưa dữ liệu v&agrave;o một kh&ocirc;ng gian đa chiều, PSR cung cấp cho m&ocirc; h&igrave;nh NODE một c&aacute;i nh&igrave;n to&agrave;n diện hơn về thị trường, gi&uacute;p n&oacute; c&oacute; thể ph&aacute;t hiện ra những quy luật ẩn chứa trong dữ liệu m&agrave; người ta kh&oacute; c&oacute; thể t&igrave;m thấy nếu chỉ d&ugrave;ng phương ph&aacute;p thống k&ecirc; truyền thống để nh&igrave;n v&agrave;o từng chỉ số ri&ecirc;ng lẻ.

<img alt="" src="https://static.fireant.vn/Upload/20240818/images/cong-nghe-du-doan-gia-co-phieu-1-1459.jpg" style="height:362px; width:555px" />

Dự đo&aacute;n d&agrave;i hạn ch&iacute;nh x&aacute;c vượt trội

Để kiểm tra khả năng của m&ocirc; h&igrave;nh NODE, Nguyễn Quốc Anh đ&atilde; so s&aacute;nh m&ocirc; h&igrave;nh của m&igrave;nh với 6 m&ocirc; h&igrave;nh học s&acirc;u hiện đại kh&aacute;c, gồm: RNN, Transformer, SVR, LSTM, CNN v&agrave; CNN-LSTM.

Tất cả c&aacute;c m&ocirc; h&igrave;nh đều được lấy trực tiếp hoặc cảm hứng v&agrave; sửa đổi từ c&aacute;c nghi&ecirc;n cứu h&agrave;ng đầu đ&atilde; c&ocirc;ng bố. Kết quả, NODE cho thấy độ dự đo&aacute;n ch&iacute;nh x&aacute;c vượt trội so với đối thủ gần nhất LSTM trong việc dự đo&aacute;n c&aacute;c gi&aacute; trị d&agrave;i hạn với sai số tối thiểu qua 1.000 bước thời gian, giảm lỗi hơn 70% cho mỗi cổ phiếu.

Quốc Anh chia sẻ, nh&igrave;n chung, c&oacute; sự kh&aacute;c nhau giữa c&aacute;c ng&agrave;nh cổ phiếu. Cổ phiếu c&ocirc;ng nghệ được th&uacute;c đẩy bởi sự đổi mới s&aacute;ng tạo, thường tăng trưởng nhanh v&agrave; biến động cao, hấp dẫn c&aacute;c nh&agrave; đầu tư c&oacute; khả năng chịu rủi ro.

Cổ phiếu t&agrave;i ch&iacute;nh ổn định hơn, hưởng lợi từ biến động l&atilde;i suất v&agrave; chu kỳ kinh tế, khiến ch&uacute;ng ph&ugrave; hợp với c&aacute;c nh&agrave; đầu tư bảo thủ t&igrave;m kiếm cổ tức ổn định.

Cổ phiếu dược phẩm, phụ thuộc v&agrave;o mức độ R&amp;D của c&ocirc;ng ty sẽ mang lại những rủi ro ri&ecirc;ng biệt li&ecirc;n quan đến qu&aacute; tr&igrave;nh ph&ecirc; duyệt theo quy định v&agrave; hết hạn bằng s&aacute;ng chế, nhưng c&oacute; thể mang lại lợi nhuận đ&aacute;ng kể nếu c&oacute; c&aacute;c lần ra mắt sản phẩm th&agrave;nh c&ocirc;ng. Những đặc điểm ri&ecirc;ng biệt của từng lĩnh vực tạo ra những th&aacute;ch thức kh&aacute;c nhau đối với m&ocirc; h&igrave;nh dựa tr&ecirc;n học s&acirc;u trong việc dự đo&aacute;n.

TS H&agrave; Xu&acirc;n Sơn cho biết m&ocirc; h&igrave;nh n&agrave;y giải quyết những hạn chế của c&aacute;c phương ph&aacute;p học s&acirc;u truyền thống trong việc nắm bắt c&aacute;c động lực thị trường chứng kho&aacute;n phức tạp v&agrave; phi tuyến.

&ldquo;M&ocirc; h&igrave;nh cho thấy độ dự đo&aacute;n ch&iacute;nh x&aacute;c d&agrave;i hạn vượt trội v&agrave; hiệu quả trong việc nắm bắt những biến động đột ngột tr&ecirc;n thị trường như c&aacute;c vụ sụp đổ chớp nho&aacute;ng. Kh&ocirc;ng chỉ dự đo&aacute;n gi&aacute; cổ phiếu, m&ocirc; h&igrave;nh c&ograve;n c&oacute; triển vọng trong việc dự đo&aacute;n c&aacute;c hệ thống hỗn mang kh&aacute;c, như được chứng minh qua những b&agrave;i kiểm tra tr&ecirc;n c&aacute;c tập dữ liệu Lorenz v&agrave; Mackey-Glass&rdquo;, TS Sơn chia sẻ.

Để tạo ra sản phẩm n&agrave;y, nh&oacute;m sinh vi&ecirc;n phải tự học c&aacute;c ng&ocirc;n ngữ như Python, SQL, LaTeX, sử dụng c&aacute;c c&ocirc;ng cụ GitHub, MongoDB, Lightning AI, k&eacute;o dữ liệu từ API, v&agrave; nắm vững kỹ năng t&igrave;m kiếm v&agrave; đọc hiểu nghi&ecirc;n cứu, chủ yếu qua c&aacute;c diễn đ&agrave;n c&ocirc;ng nghệ hoặc c&aacute;c hướng dẫn tr&ecirc;n YouTube.

Quốc Anh đặt mục ti&ecirc;u kh&aacute;m ph&aacute; c&aacute;c ứng dụng ti&ecirc;n tiến trong khoa học dữ liệu, nghi&ecirc;n cứu s&acirc;u hơn về tầm quan trọng của dữ liệu chuỗi thời gian v&agrave; ph&aacute;t triển c&aacute;c m&ocirc; h&igrave;nh tự động ho&aacute; nhằm giải quyết những nhu cầu x&atilde; hội đa dạng, từ nhận dạng mẫu đến ph&aacute;t hiện ung thư sớm.

Nhật Mai

<a href="https://giaoducthoidai.vn/sinh-vien-phat-kien-cong-nghe-du-doan-gia-co-phieu-post694920.html">Link gốc</a>