Thị trường cổ phiếu có một vai trò quan trọng trong sự phát triển của xã hội hiện đại. Chúng cho phép triển khai các nguồn lực kinh tế. Sự thay đổi giá cổ phiếu phản ánh những thay đổi trên thị trường. Với khả năng xử lý dữ liệu mạnh mẽ trên nhiều lĩnh vực, học sâu cũng được sử dụng một cách rộng rãi trong lĩnh vực tài chính như: Dự đoán thị trường cổ phiếu, đầu tư tối ưu, xử lý thông tin tài chính và thực hiện các chiến lược giao dịch tài chính. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Nha Trang ngày 8-9 10 2020 DOI DỰ ĐOÁN THỊ TRƯỜNG CỔ PHIẾU BẰNG PHƯƠNG PHÁP HỌC SÂU KHÔNG GIÁM SÁT GENERATIVE ADVERSARIAL NETWORK Bùi Thanh Hùng Nguyễn Minh Lợi Lab Phân tích dữ liệu và Trí tuệ nhân tạo Viện Kỹ thuật - Công nghệ Đại học Thủ Dầu Một Số 6 Trần Văn Ơn phƣờng Phú Hòa thành phố Thủ Dầu Một Bình Dƣơng Việt Nam nmloi2010@ TÓM TẮT Thị trường cổ phiếu có một vai trò quan trọng trong sự phát triển của xã hội hiện đại. Chúng cho phép triển khai các nguồn lực kinh tế. Sự thay đổi giá cổ phiếu phản ánh những thay đổi trên thị trường. Với khả năng xử lý dữ liệu mạnh mẽ trên nhiều lĩnh vực học sâu cũng được sử dụng một cách rộng rãi trong lĩnh vực tài chính như dự đoán thị trường cổ phiếu đầu tư tối ưu xử lý thông tin tài chính và thực hiện các chiến lược giao dịch tài chính. Do đó dự đoán thị trường cổ phiếu được xem là một trong những lĩnh vực khá phổ biến và quý giá nhất trong lĩnh vực tài chính. Trong nghiên cứu này chúng tôi đề xuất phương pháp học không giám sát Generative Adversarial Network GAN trong dự đoán giá cổ phiếu. Mô hình GAN gồm 2 lớp một lớp bộ nhớ ngắn dài 2 chiều Bidirectional Long Short-Term Memory Bi-LSTM được dùng để phân biệt Discriminator và lớp Long Short- Term Memory LSTM được sử dụng để dự đoán giá cổ phiếu Generator . LSTM dựa trên dữ liệu cổ phiếu đã giao dịch và tạo ra dữ liệu giả giống như dữ liệu đã phân phối trong khi đó lớp phân biệt được thiết kế bởi giải thuật Bi-LSTM với mục đích phân biệt dữ liệu cổ phiếu thật và dữ liệu cổ phiếu giả được tạo ra. Chúng tôi thực nghiệm trên cổ phiếu AMZN Amazon là cổ phiếu có chuỗi ngày giao dịch trong phạm vi rộng lớn và dùng chúng để thử dự đoán giá đóng hàng ngày. Kết quả thực nghiệm cho thấy phương pháp GAN đề xuất của chúng tôi có thể đạt được kết quả tốt trong việc dự đoán giá cổ phiếu so với nhiều mô hình dự đoán khác. Từ khóa .
