Từ chuỗi giá VN-Index đến mô hình LSTM–GRU: thử nghiệm dự báo trên dữ liệu thị trường Việt Nam

Công nghệ cốt lõi

Sapo. Biến động giá chứng khoán khiến việc dự báo từ dữ liệu lịch sử luôn là bài toán khó. Nhóm nghiên cứu do TS. Trịnh Viết Giang chủ nhiệm đã xây dựng và so sánh sáu mô hình thống kê, máy học và học sâu trên dữ liệu VN-Index; trong phạm vi thử nghiệm của báo cáo, mô hình kết hợp LSTM–GRU cho kết quả R² được báo cáo cao nhất.

So sánh nhiều cách học từ chuỗi thời gian

Giá đóng cửa ngày hôm nay chịu ảnh hưởng của diễn biến những ngày trước, nhưng thị trường còn biến động theo nhiều yếu tố khó thể hiện đầy đủ trong dữ liệu lịch sử. Vì vậy, một mô hình khớp tốt với dữ liệu quá khứ chưa chắc dự báo tốt trong mọi giai đoạn hoặc phù hợp để đưa ra quyết định đầu tư.

Báo cáo sử dụng bộ dữ liệu VN-Index gồm 3.668 quan sát với các trường giá mở cửa, cao nhất, thấp nhất, đóng cửa, khối lượng giao dịch và tỷ suất lợi nhuận. Dữ liệu được làm sạch, đưa về cùng thang đo bằng chuẩn hóa Min–Max, rồi chia thành 2.934 mẫu huấn luyện và 734 mẫu kiểm tra. Nhóm đặt sáu phương pháp lên cùng bài toán so sánh: ARIMA; K-nearest neighbors (KNN); support vector machine (SVM); và ba mạng học sâu LSTM, GRU, LSTM–GRU phức hợp.

LSTM xử lý chuỗi, GRU tiếp tục tinh chỉnh

Kiến trúc LSTM-GRU được huấn luyện

LSTM và GRU là các kiến trúc mạng nơ-ron hồi tiếp được dùng để học quan hệ theo thời gian. Trong mô hình phức hợp được báo cáo, lớp LSTM nhận chuỗi đầu vào, lớp GRU tiếp tục xử lý biểu diễn tuần tự, rồi lớp Dense tạo đầu ra. Bảng cấu hình huấn luyện ghi nhận tổng cộng 167.684 tham số. Ý tưởng của cách kết hợp là khai thác khả năng xử lý chuỗi của cả hai kiến trúc; hiệu quả của nó cần được xem trong phép thử và tập dữ liệu cụ thể, không mặc định đúng cho mọi thị trường.

Kết quả nổi bật trong phép thử VN-Index

Trên tập kiểm tra, báo cáo ghi R² Score của LSTM–GRU là 0,9866 và MAPE là 0,0098. Ở cột R² trong bảng so sánh, mô hình này đứng trên GRU (0,9816), LSTM (0,9716), ARIMA (0,9516), KNN (0,9216) và SVM (0,8816). Đây là kết quả do nhóm nghiên cứu báo cáo cho thiết lập thực nghiệm nói trên, không phải cam kết dự báo chính xác ở tương lai hay thước đo lợi nhuận đầu tư.

So sánh giá đóng cửa thực tế và dự báo chỉ số VNIndex-Mô hình LSTM-GRU Hybrid

Báo cáo còn mô tả thử nghiệm mô hình được chọn trên VN30 và các mã VCB, BID, VIC, HPG. Đây là phần mở rộng dữ liệu trong báo cáo, chưa thay thế đánh giá độc lập trên giai đoạn thị trường mới hoặc kiểm định khi đưa vào vận hành.

Giá trị và giới hạn sử dụng

Đầu ra chính của đề tài là quy trình thực nghiệm và kết quả so sánh các mô hình dự báo chuỗi giá, trong đó LSTM–GRU là phương án có chỉ số R² báo cáo cao nhất trên VN-Index. Kết quả có thể làm tư liệu tham khảo cho nghiên cứu tiếp theo và hoạt động đào tạo phân tích dữ liệu tài chính. Báo cáo cũng đề xuất hướng sử dụng kết quả để hỗ trợ phân tích thị trường, nhưng không cung cấp bằng chứng về một hệ thống dự báo thời gian thực, triển khai tại doanh nghiệp hay sản phẩm thương mại.

R²được báo cáo trên bộ kiểm tra VN-Index

Các chỉ số cần được diễn giải trong phạm vi dữ liệu và cách chia mẫu của phép thử. Kết quả không bảo đảm hiệu quả trên những giai đoạn khác và không thay thế việc đánh giá rủi ro hay tư vấn đầu tư.

Nhóm thực hiện: Chủ nhiệm TS. Trịnh Viết Giang; báo cáo liệt kê các thành viên tại trang bìa. Nguồn tư liệu: Báo cáo tổng kết đề tài KH&CN cấp Trường 2024, tháng 5/2025.