Khóa luận tập trung nghiên cứu và xây dựng mô hình dự báo chỉ số VN-Index bằng phương pháp học máy đa biến nhằm nâng cao độ chính xác trong dự báo xu hướng thị trường chứng khoán Việt Nam. Nghiên cứu sử dụng dữ liệu chuỗi thời gian kết hợp giữa các chỉ số kinh tế vĩ mô và dữ liệu thị trường, bao gồm chỉ số giá tiêu dùng (CPI), lãi suất, giá vàng và diễn biến của thị trường chứng khoán. Dữ liệu được thu thập, tiền xử lý và phân tích để đánh giá mối quan hệ giữa các yếu tố kinh tế vĩ mô với biến động của VN-Index. Trên cơ sở đó, các mô hình học máy được xây dựng, huấn luyện và so sánh thông qua các chỉ số đánh giá nhằm lựa chọn mô hình có hiệu quả dự báo tốt nhất. Kết quả nghiên cứu góp phần đánh giá khả năng ứng dụng của học máy trong dự báo thị trường chứng khoán và hỗ trợ quá trình ra quyết định đầu tư.nTrên cơ sở thu thập, xử lý và phân tích dữ liệu theo chuỗi thời gian, nghiên cứu đánh giá mối quan hệ giữa các biến kinh tế vĩ mô và sự biến động của VN-Index. Các mô hình học máy được xây dựng, huấn luyện và so sánh dựa trên những chỉ số đánh giá phù hợp nhằm lựa chọn phương pháp có khả năng dự báo tốt nhất.nKết quả nghiên cứu hướng đến việc làm rõ mức độ ảnh hưởng của CPI, lãi suất, giá vàng và các yếu tố thị trường đến chỉ số VN-Index, đồng thời đánh giá khả năng ứng dụng của học máy đa biến trong dự báo xu hướng thị trường chứng khoán Việt Nam. Qua đó, khóa luận cung cấp thêm cơ sở tham khảo cho nhà đầu tư và các bên liên quan trong quá trình phân tích, nhận diện xu hướng và hỗ trợ ra quyết định đầu tư.n

Từ khóa:

Chỉ số VNIndex, Học máy đa biến, Dự báo chỉ số

Abstract:

This thesis focuses on developing a multivariate machine learning model to forecast the VN-Index and improve the accuracy of stock Marketingket trend prediction in Vietnam. The study employs time-series data that combine macroeconomic indicators with stock Marketingket information, including the Consumer Price Index (CPI), interest rates, gold prices, and Marketingket performance data. The collected data are preprocessed and analyzed to investigate the relationships between macroeconomic variables and fluctuations in the VN-Index. Based on these data, several machine learning models are developed, trained, and compared using appropriate evaluation metrics to identify the most effective forecasting model. The research also evaluates the applicability of multivariate machine learning techniques in predicting Vietnam’s stock Marketingket trends. The findings are expected to provide valuable insights into the influence of macroeconomic factors on the VN-Index while offering a practical reference for investors and researchers in Marketingket analysis and investment decision-making.nBased on the collection, preprocessing, and analysis of time-series data, the study examines the relationships between macroeconomic variables and fluctuations in the VN-Index. Several machine learning models are developed, trained, evaluated, and compared using appropriate performance metrics to identify the model with the most reliable forecasting capability.nThe study aims to clarify the extent to which CPI, interest rates, gold prices, and Marketingket-related factors affect the VN-Index, while also assessing the applicability of multivariate machine learning techniques to forecasting trends in Vietnam’s stock Marketingket. The research findings are expected to provide useful references for investors and relevant stakeholders in Marketingket analysis, trend identification, and investment decision-making.n

Key word:

VNIndex forecasting, Multivariate machine learning, Stock index prediction