[Project AI/ML/DL – K3] Dự báo giá chứng khoán SP500 bằng LSTM

Người thực hiện: Học viên Lương Trung Dũng – K3 Khóa AI/Machine Learning/Deep Learning Foundation

1. Giới thiệu đề tài Dự đoán giá chứng khoán

Với khả năng xử lý dữ liệu mạnh mẽ trên nhiều lĩnh vực, học sâu (Deep Learning) 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. Và LSTM là một trong những mô hình học sâu (Deep Learning) mạnh có khả năng dự đoán chính xác các biến động giá cổ phiếu. 

Kết thúc khóa học, học viên Lương Trung Dũng thực hiện đề tài Dự đoán giá chứng khoán SP500 bằng LSTM để tổng kết các kiến thức đã được học. 

2. Giới thiệu Kỹ thuật – Công nghệ được sử dụng trong bài toán: Mạng LSTM

Long Short-Term Memory (LSTM) là phiên bản mở rộng của mạng nơ ron hồi quy (Recurrent Neural Network – RNN) được thiết kế để giải quyết các bài toán về phụ thuộc xa (long-term dependencies). LSTM có thể áp dụng vào các bài toán với dữ liệu là các chuỗi liên kết khác nhau đặc biệt là các dạng bài sử dụng thông tin trong quá khứ để dự đoán tương lai. Một số bài toán ứng dụng của LSTM như: Dự đoán giá nhà, Dự đoán tần suất, Dự đoán mực nước, Dự đoán thời tiết,…

3. Các bước xây dựng bài toán Dự đoán độ lún nền đường tuyến cao tốc Hà Nội – Hải Phòng

Bước 1: Load dữ liệu và thư viện 

Bước 2: Chia tập dữ liệu theo tỷ lệ 80% Train – 20% Test

Bước 3: Huấn luyện mô hình LSTM, epoch = 3, batch_size = 64

Bước 4: Đánh giá kết quả

Xem chi tiết phần trình bày của học viên Lương Trung Dũng tại:

Trí tuệ nhân tạo đang ngày càng nổi lên như 1 xu hướng trên thế giới và dường như không thể đo lường được hết những ứng dụng của nó khi mà các công nghệ đặc biệt là Trí tuệ nhân tạo mỗi ngày lại có những đổi mới cải tiến hơn. 

Với kinh nghiệm tổ chức hàng trăm khóa Đào tạo ngắn hạn về AI – Data Science, Cole tự hào giới thiệu tới quý anh/chị các dự án cá nhân của học viên khóa học AI Basic vô cùng xuất sắc và có ứng dụng thực tiễn cao trong nhiều lĩnh vực khác nhau.