Ứng dụng mô hình học sâu trong dự báo giá cổ phiếu bất động sản: Bằng chứng thực nghiệm từ thị trường chứng khoán Việt Nam

Tóm tắt

Nghiên cứu này phân tích khả năng ứng dụng các mô hình học sâu trong dự báo giá cổ phiếu của 15 doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2015–2025. Mô hình ARIMA truyền thống được so sánh với ba kiến trúc học sâu LSTM, GRU và CNN-LSTM. Các mô hình được đánh giá theo bốn tiêu chí: RMSE, MAE, MAPE và độ chính xác xu hướng (DA). Kết quả thực nghiệm cho thấy GRU vượt trội hơn cả, đạt sai số RMSE và MAE thấp nhất ở hầu hết các mã cổ phiếu, trong khi ARIMA có sai số lớn nhất. Mặc dù các mô hình học sâu cải thiện rõ rệt độ chính xác tuyệt đối, nhưng DA chỉ đạt khoảng 45–46%, phản ánh hạn chế trong dự báo xu hướng. Kết quả chỉ ra rằng GRU là mô hình phù hợp nhất cho dự báo ngắn hạn tại Việt Nam, đồng thời gợi ý nghiên cứu tương lai nên tích hợp dữ liệu vĩ mô và phi cấu trúc để nâng cao khả năng dự báo xu hướng.