Dự đoán giá cổ phiếu sử dụng mô hình chuỗi thời gian với BigDL

Abstract

Dự đoán thị trường cổ phiếu là một trong những vấn đề quan trọng và nhiều thách thức. Đây là một bài toán thú vị thu hút được sự quan tâm của các nhà nghiên cứu lẫn các nhà đầu tư từ quá khứ cho đến thời điểm hiện tại. Trong nghiên cứu này, chúng tôi sẽ xây dựng các mô hình chuỗi thời gian dựa trên nền tảng BigDL để phục vụ cho bài toán dự đoán giá cổ phiếu, chúng tôi tiếp cận theo ba phương pháp: AutoTS Pipeline (với các mô hình TCN, LSTM, Seq2Seq), Standalone Forecaster Pipeline (với các mô hình LSTM, TCN, Prophet, Seq2Seq, NBeats) và mô hình tự xây dựng (GRU, LSTM). Các phương pháp được thực nghiệm và so sánh, đánh giá trên bộ dữ liệu về giá cổ phiếu của Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) do chúng tôi tự thu thập, đây là cổ phiếu có chuỗi ngày giao dịch trong phạm vi rộng lớn và chúng tôi sẽ sử dụng các mô hình để dự đoán giá đóng cửa hàng ngày. Kết quả thu được, phương pháp tiếp cận AutoTS Pipeline với mô hình LSTM cho kết quả tốt nhất với RMSE = 2.30, MAPE = 1.35. Trong tương lai, chúng tôi sẽ nghiên cứu thêm cách cải thiện hiệu suất các mô hình, tiếp cận các phương pháp mới để giải quyết bài toán này đồng thời mở rộng công việc, giải quyết các bài toán có liên quan khác.