Abstract

Nghiên cứu đánh giá hiệu quả của các mô hình học máy trong việc dự đoán biến động của chỉ số VNIndex. Kết quả nghiên cứu cho thấy, phương pháp mạng tích chập thời gian (Temporal Convolutional Networks - TCN) và mạng bộ nhớ dài ngắn (Long Short - Term Memory - LSTM) có khả năng dự báo biến động chỉ số VNIndex với độ chính xác cao, trong đó LSTM thể hiện có hiệu quả dự báo tốt hơn. Phát hiện từ nghiên cứu này không chỉ góp phần vào lý thuyết dự báo tài chính mà còn cung cấp công cụ hữu ích cho các nhà đầu tư và các nhà quản lý quỹ trong việc ra quyết định đầu tư trên thị trường chứng khoán Việt Nam. [This research evaluates the effectiveness of machine learning models in predicting VNIndex fluctuations. Research results show that the method of temporal convolutional networks (TCN) and long short–term memory networks (LSTM) are capable of predicting VNIndex fluctuations with high accuracy, in which LSTM shows better forecasting performance. Findings from this study not only contribute to financial forecasting theory but also provide useful tools for investors and fund managers in making investment decisions in the Vietnamese stock market.]