lOMoARcPSD|11598335

HỌC VIỆN NGÂN HÀNG
Khoa Hệ thống Thông tin Quản lý

BÀI BÁO CÁO
Học phần: Trí tuệ nhân tạo trong kinh doanh
Đề tài:

ỨNG DỤNG AI TRONG VIỆC DỰ ĐOÁN GIÁ CỔ
PHIẾU CỦA APPLE

Giảng viên hướng dẫn: Cơ Nguyễn Phan Tình
Nhóm thực hiện

: Nhóm 3

Mã lớp

: 211IS42A14

Hà Nội, ngày 5 tháng 1 năm 2021


lOMoARcPSD|11598335

Danh sách sinh viên thực hiện nhóm 3:

LỜI CẢM ƠN
Chúng em cũng xin gửi lời cảm ơn chân thành đến cơ Nguyễn Phan Tình - Giảng viên
Khoa Hệ thống thơng tin và Quản lý, Học viện Ngân hàng. Trong suốt q trình học tập và thực

hiện bài báo cáo cơ đã luôn tạo điều kiện giúp đỡ để chúng em hoàn thành được bài báo cáo
này.
Chúng em đã cố gắng hoàn thiện bài báo cáo với tất cả sự nỗ lực và cố gắng của cả nhóm.
Tuy nhiên, do cịn thiếu nhiều kinh nghiệm, chắc chắn bài báo cáo sẽ khơng tránh khỏi thiếu
sót. Chúng em rất mong nhận được sự quan tâm, những góp ý q báu của cơ để bài báo cáo
của chúng em được hoàn thiện hơn.
Chúng em xin chân thành cảm ơn cô!


lOMoARcPSD|11598335

MỤC LỤC
I. Xác định vấn đề.............................................................................................................1
1.1. Phát biểu bài toán và lý do chọn bài toán.................................................................1
1.2. Giới thiệu chung về doanh nghiệp............................................................................1
II. Xây dựng mơ hình tổng quan......................................................................................2
2.1. Cách thu thập dữ liệu................................................................................................2
2.2. Cách mơ hình hoạt động...........................................................................................4
III. Tổng quan về thuật toán LTSM................................................................................5
3.1. Giới thiệu thuật toán..............................................................................................5
3.2. Sử dụng lý thuyết tốn học.......................................................................................6
IV. Mã lệnh mơ hình.........................................................................................................6
4.1. Đọc dữ liệu, tiền xử lý dữ liệu..................................................................................6
4.2. Xây dựng mơ hình..................................................................................................10
4.3. Huấn luyện mơ hình và xác định độ chính xác của mơ hình...................................11
4.4. Sử dụng mơ hình....................................................................................................14
V. Kết luận....................................................................................................................... 14
TÀI LIỆU THAM KHẢO..............................................................................................16



I. Xác định vấn đề
1.1. Phát biểu bài toán và lý do chọn bài tốn
Thị trường tài chính có ln có một sức ảnh hưởng rõ rệt đến nền kinh tế của mỗi
quốc gia. Trong vài năm qua, những giao dịch như mua cổ phiếu hay chứng khoán đã trở
thành trung tâm của sự chú ý, thu hút nhiều nhà đầu tư trên khắp cả nước. Theo số liệu
Trung tâm Lưu ký Việt Nam (VSD), chỉ trong tháng 10 năm 2021 đã có hơn 129.500 tài
khoản chứng khốn được mở mới. Con số này tăng gần 13% so với tháng 9 cùng năm.
Tính đến cuối tháng 10-2021, tổng số tài khoản đã mở trên thị trường chứng khoán Việt
Nam là hơn 3,86. Trong số đó, các nhà đầu tư trong nước nắm giữ gần 99% (gần 3,83
triệu) tài khoản, khoảng 1% cịn lại là do nhà đầu tư nước ngồi nắm giữ (hơn 38.700) tài
khoản.
Để có thể thu được lợi nhuận, các nhà đầu tư phải có những hiểu biết nhất định để có
thể tiến hành q trình phân tích - dự đốn. Q trình này nhằm xác định những chuyển
động trong tương lai của giá trị cổ phiếu tại một sàn giao dịch nào đó. Nếu có thể dự đốn
một cách chính xác, các nhà đầu tư có thể ra những quyết định mua- bán đúng đắn, tối đa
hóa lợi nhuận trong khi giữ được rủi ro thấp.
Tuy nhiên, thị trường chứng khốn khơng phải lúc nào cũng có thể được dự đoán một
cách dễ dàng bởi đặc điểm phi tuyến tính, vận động liên tục của nó. Ngồi ra, cịn có rất
nhiều yếu tố có thể khiến q trình dự đốn này bị chệch hướng chẳng hạn như lãi suất,
chính trị, tăng trưởng kinh tế,...
Với sự tiến bộ của AI, viêc dự đốn có thể diễn ra một cách nhanh chóng và chuẩn
xác hơn bằng cách dựa vào những thông tin thị trường trên một vài website như BBC,
Bloomberg, Yahoo Finance,... kết hợp với thuật tốn của trí tuệ nhân tạo.
Chính vì những lý do trên, nhóm chúng em quyết định lựa chọn chủ đề: “Ứng dụng
AI trong dự đoán giá cổ phiếu của Apple” để nghiên cứu và kiểm chứng.
1.2. Giới thiệu chung về doanh nghiệp
Về doanh nghiệp Apple
Apple là một tập tập đồn cơng nghệ có trụ sở tại Cupertino, CA. Đồng thời, đây
cũng là một trong những cơng ty có giá trị nhất trên thế giới. Nó sản xuất các tiện ích kỹ
1



thuật số phổ biến, bao gồm máy Mac, iPod, iPhone và iPad. Công ty được thành lập vào
năm 1976 bởi Steve Jobs và Steve Wozniak.
Hiện nay, Apple đã lớn mạnh hơn với sự đa dạng sản phẩm mà công ty cung cấp cho
người dùng như:
 Điện tử gia dụng - Ipad, iPhone, iPod
 Máy tính Apple cá nhân - MacBook
 Máy chủ
 Phần mềm máy tính - Macintosh
 Phân phối phương tiện kỹ thuật số - iTunes
Apple đã là người tạo ra xu hướng ở Thung lũng Silicon trong gần 4 thập kỷ. Các
Apple II, Macintosh, iPod, iPhone và iPad đều được phân phối rộng rãi trên toàn thế giới.
Về cổ phiếu của Apple
Cổ phiếu của Apple đã thu hút rất nhiều nhà đầu tư trong vài năm trở lại đây. Điều
này là vì cơng ty đã cho thấy khả năng nhạy bén trong việc làm mới các sản phẩm cũ như
iPhone, iPad và dịng máy tính Mac của mình theo những cách khiến người tiêu dùng
trung thành với thương hiệu của họ.
Thêm vào đó, đại dịch Coronavirus đã thúc đẩy nhu cầu của người tiêu dùng đối với
các sản phẩm của họ khi hàng trăm triệu người trên toàn thế giới bắt đầu làm việc, học tập
và giải trí tại nhà. Cổ phiếu của Apple đang đạt mức cao kỷ lục và hồn tồn có thể ghi
nhận mức cao hơn.
Tuy vậy, cũng có một số rủi ro đến từ hoạt động đầu tư vào Apple. Đặc biệt là với sự
phát triển như vũ bão hiện nay của công nghệ, một số thương hiệu điện thoại, đồ điện tử
với những cách tân về ngoại hình sản phẩm như của Samsung hay cung cấp lợi ích khác
biệt về giá như Trung Quốc sẽ cạnh tranh trực tiếp với Apple. Điều này có thể dẫn đến sụt
giảm giảm doanh thu và tiếp theo là giảm giá trị cổ phiếu của tập đoàn này.

II. Xây dựng mơ hình tổng quan
2.1. Cách thu thập dữ liệu

Dữ liệu thu thập từ trang web
2


/>lấy từ thời gian 01/01/2014 đến 22/12/2021. Sau đó lưu dữ liệu về máy với tên
“datastockApple.csv”. Mở tập tin datastockApple chứa dữ liệu trong 7 năm. Chúng ta sẽ
thấy nó chứa 7 cột: date (ngày), open (mức giá lúc mở cửa), high (mức giá cao nhất trong
ngày), low (mức giá thấp nhất trong ngày), close (mức giá lúc đóng cửa), adj close (giá
đóng cửa điều chỉnh) và volume (khối lượng giao dịch trong ngày).
Đầu tiên chúng ta sẽ xem xu hướng giá cổ phiếu của công ty Apple như thế nào:

Hình1: Bảng số liệu cổ phiếu của cơng ty Apple
Xác định thuộc tính cần mơ tả của dữ liệu:








Date: Ngày
High: Mức giá cao nhất trong ngày
Low: Mức giá thấp nhất trong ngày
Open: Mức giá lúc mở cửa
Close: Mức giá lúc đóng cửa
Volume: Khối lượng giao dịch trong ngày

3



Hình 2: Biểu đồ giá cổ phiếu của cơng ty Apple 2014-2021
Từ biều đồ ta có thể thấy được giá cổ phiếu của Apple biến đổi khó lường và khó có
thể xác định bằng mắt thường được. Thuật tốn LSTM (Long short term memory) là một
loại mạng thần kinh thường xun có khả năng ghi nhớ thơng tin q khứ và trong khi dự
đốn các giá trị tương lai, nó cần thơng tin trong q khứ từ đó có thể dự đoán được các
dữ liệu trong tương lai một cách chính xác 80-90%.
2.2. Cách mơ hình hoạt động

Hình 3: Mơ hình đề xuất tổng quát
4


Trong mơ hình đề xuất tổng qt gồm hai phần lớn: Huấn luyện mơ hình và ứng dụng
web.
 Huấn luyện mơ hình: từ dữ liệu thơ, là một tập các dữ liệu cổ phiếu, ta tiền xử lý
nó. Sau đó tiến hành xử lý lấy đặt trang từ dữ liệu đã có thể huấn luyện ra model, cuối
cùng huấn luyện sử dụng mơ hình học sâu với mạng LSTM.
 Ứng dụng web: Dựa vào dữ liệu cổ phiếu của công ty Apple, tiền xử lý dữ liệu.
Sau đó sử dụng mơ hình LSTM để dự đốn và in ra kết quả.

III. Tổng quan về thuật toán LTSM
3.1. Giới thiệu thuật toán
Dự đoán được coi là một trong những vấn đề khó giải quyết nhất trong ngành khoa
học dữ liệu. Chúng có thể ứng dụng trong hầu hết các lĩnh vực bao gồm dự đốn doanh số
bán hàng đến tìm kiếm các mẫu trong dữ liệu của thị trường chứng khoán. Người ta thấy
rằng đối với hầu hết các vấn đề dự đoán này, mạng bộ nhớ ngắn hạn dài hạn, hay còn gọi
là LSTM được coi là giải pháp hiệu quả nhất.
LSTM là viết tắt của cụm Long Short Term Memory, được sử dụng trong lĩnh vực
Học sâu. Nó là một loạt các mạng nơ-ron lặp lại (RNN) có khả năng học các phụ thuộc

dài hạn, đặc biệt là trong các bài tốn dự đốn trình tự. LSTM có các kết nối phản hồi, tức
là nó có khả năng xử lý toàn bộ chuỗi dữ liệu, ngoại trừ các điểm dữ liệu đơn lẻ như hình
ảnh.
Một đơn vị LSTM thơng thường bao gồm một tế bào (cell), một cổng vào (input
gate), một cổng ra (output gate) và một cổng quên (forget gate). Tế bào ghi nhớ các giá trị
trong các khoảng thời gian bất ý và ba cổng sẽ điều chỉnh luồng thông tin ra/vào tế bào.
LSTM cho thấy hiệu suất vượt trội đối với nhiều lĩnh vực khác nhau như:
 Dịch máy
 Nhận dang chữ viết
 Chú thích hình ảnh
 Câu trả lời câu hỏi
 Chuyển đổi video thành văn bản
5


 Mơ hình âm nhạc đa hình
 Tổng hợp giọng nói

 Dự đốn cấu trúc bậc hai của protein
3.2. Sử dụng lý thuyết toán học
Dự báo dài hạn là ước lượng tương lai trong thời gian dài, thường hơn một năm. Dự
báo dài hạn rất cần thiết trong quản trị sản xuất để trợ giúp các quyết định chiến lược về
hoạch định sản phẩm, quy trình cơng nghệ và các phương tiện sản xuất.
Phương pháp hồi quy tuyến tính. Phân tích hồi quy tuyến tính là một mơ hình dự báo
thiết lập mối quan hệ giữa biến phụ thuộc với hai hay nhiều biến độc lập. Trong phần này,
chúng ta chỉ xét đến một biến độc lập duy nhất. Nếu số liệu là một chuỗi theo thời gian thì
biến độc lập là giai đoạn thời gian và biến phụ thuộc thông thường là doanh số bán ra hay
bất kỳ chỉ tiêu nào khác mà ta muốn dự báo.
Ta có: y – biến phụ thuộc cân bằng dự báo:
x - biến độc lập

a – độ dốc của đường xu hướng
b – tung độ gốc
n – số lượng quan sát
Mơ hình này có cơng thức: Y = ax + b, với a = và b =

IV. Mã lệnh mơ hình
4.1. Đọc dữ liệu, tiền xử lý dữ liệu
Đầu tiên ta cần phải khai báo thư viện đầu vào để đọc dữ liệu:

6


Đầu tiên ta dùng pandas_datareader để có thể tải trực tiếp dữ liệu chứng khốn của
Apple:

Sau đó ta mơ tả lại thuộc tính của dữ liệu:

7


Việc đầu tiên đối với mỗi bài toán xây dựng mơ hình là bước tiền xử lý dữ liệu, ở đây
chúng ta cần kiểm tra xem có giá trị nào cịn thiếu trong mơ hình khơng?
Mơ tả lại các hệ số của tập dữ liệu:

Mô tả lại loại dữ liệu:

8


Hiển thị thông tin dữ liệu trong mỗi cột:


Giá cổ phiếu trong ngày được xác định bằng với mức giá lúc đóng cửa (Close), vậy
nên ở bài này chúng ta sẽ tập trung xây dựng mơ hình dựa trên dữ liệu ở mức giá đóng
cửa của Apple. Do đó sẽ tạo một dataframe mới chỉ chứa cột “Close” rồi chuyển đổi
khung dữ liệu thành một mạng numpy. Tạo một khung dữ liệu chứa dữ liệu cần xây dựng,
sau đó chia dữ liệu thành 2 phần: Huấn luyện (chiếm 80%) và thử nghiệm (chiếm 20%).

Tạo tập dữ liệu đào tạo theo tỷ lệ:

9


Mơ hình LSTM hoạt động tốt nhất khi dữ liệu đầu vào ở dạng 3-d, vì vậy tiếp theo
chúng ta cần định hình lại dữ liệu

4.2. Xây dựng mơ hình
Đầu tiên ta gán model với mơ hình tuần tự Sequential(), sau đó ta thêm một lớp
LSTM, truyền lớp này 50 tế bào thần kinh, đặt giá trị trả về là true, hình dạng đầu vào có
số bước thời gian bằng với số bước x_train.shape [1] và số lượng tính năng là 1. Tiếp theo
ta tạo một lớp LSTM khác và nó cũng sẽ có 50 tế bào thần kinh và các chuỗi trẩ về sẽ là
false. Cuối cùng ta sử dụng lớp Dense, đây là lớp mạng lưới thần kinh giúp kết nối các
mạng lưới lại với nhau, vì vậy ở lớp Dense đầu tiên ta truyền vào 25 tế bào thần kinh và ở
lớp Dense tiếp theo ta truyền vào 1 tế bào thần kinh.

Cuối cùng chúng ta sẽ biên dịch mơ hình đã tạo:

10


4.3. Huấn luyện mơ hình và xác định độ chính xác của mơ hình

Chúng ta sẽ huấn luyện mơ hình với các giá trị ở tệp dữ liệu huấn luyện. Ở đây có thử
đến 100 tuy nhiên ở epochs = 4 thì giá trị loss là hợp lý nhất.
.

Tạo tập dữ liệu thử nghiệm và định hình lại dữ liệu:

11


Cuối cùng sẽ cho mơ hình chạy với những dữ liệu ở tệp dữ liệu thử nghiệm và xem
kết quả.

12


Đánh giá kết quả:
Ở đây ta sử dụng phương pháp RMSE để đánh giá độ chính xác của mơ hình: Lỗi
trung bình bình phương gốc (RMSE) là thước đo mức độ hiệu quả của mơ hình. Nó thực
hiện điều này bằng cách đo sự khác biệt giữa các giá trị dự đoán và giá trị thực tế. RMSE
càng nhỏ tức là sai số càng bé thì mức độ ước lượng cho thấy độ tin cậy của mơ hình có
thể đạt cao nhất.

Biểu diễn dưới dạng biểu đồ để có thể thấy được độ chính xác của thuật tốn:

4.4. Sử dụng mơ hình
13


Sử dụng LSTM để dự đoán giá trị cổ phiếu của Apple vào ngày 23/12/2021


Giá trị thực tế của cổ phiếu công ty Apple vào ngày 23/12/2021: 176,27999

V. Kết luận
Rất nhiều hoạt động kinh doanh và đời sống hiện nay đều đã sử dụng trí tuệ nhân tạo
(AI) như một công cụ hỗ trợ công việc. Nếu như con người không thể quét hàng triệu dữ
liệu để lọc ra các dữ liệu có liên quan đến cổ phiếu trong vài giây thì với ứng dụng trí tuệ
nhân tạo AI có thể làm được điều này. Chúng ta có thể dễ dàng nhận thấy, với khả năng
thu thập và phân tích lượng dữ liệu khổng lồ đó, những ứng dụng này sẽ giúp các nhà đầu
tư thực hiện giao dịch chính xác hơn, giảm bớt rủi ro và gia tăng lợi nhuận.
Một ưu điểm vượt trội hơn khi sử dụng ứng dụng trí tuệ nhân tạo là các nhà đầu tư sẽ
loại bỏ được yếu tố cảm xúc khi quyết định lựa chọn một danh mục đầu tư. Dường như
với ứng dụng trí tuệ nhân tạo, việc dự đốn giá cổ phiếu trở nên dễ dàng hơn rất nhiều.
Ngoài ra, áp dụng AI vào việc dự đốn giá cổ phiếu cịn giúp tiết kiệm được thời gian và
tiền bạc thuê chuyên gia tư vấn, từ đó giúp ta phân bổ thời gian một cách hợp lý hơn để
đạt hiệu quả tốt nhất.
Tuy nhiên việc áp dụng AI cũng mang đến một số hạn chế. Một trong số đó là việc
một khi ứng dụng trí tuệ nhân tạo được sử dụng rộng rãi thì con người sẽ làm gì? Nếu như
trước đây, khi nhà đầu tư muốn mua cổ phiếu họ sẽ cần đến một chuyên gia tư vấn để
14


giúp họ phân tích tất cả các yếu tố để đưa ra quyết định đầu tư thì nay những cơng việc
này sẽ được thay thế bởi trí tuệ nhân tạo. Nhưng đó chỉ là một vấn đề nhỏ vì robot có thể
xử lý cơng việc hiệu quả hơn con người ở nhiều lĩnh vực và vị trí cơng việc, tuy nhiên con
người lại sở hữu nhiều khả năng tiềm tàng mà robot khơng bao giờ có được, bởi robot
cũng chỉ là sản phẩm của trí tuệ con người mà thơi.
Trong lĩnh vực đầu tư cổ phiếu, dù đạt tới đỉnh cao của trí tuệ nhưng robot khơng thể
đọc được sắc thái trong nhu cầu của các nhà đầu tư, chỉ con người mới có thể làm được
điều này. Hay như với những khoản đầu tư mang tính phức tạp cao hơn, địi hỏi phải có sự
đánh giá kỹ lưỡng các yếu tố “thiên thời” thì máy móc cũng chưa thể đảm nhiệm được.

Trong quá trình thực hiện nghiên cứu đề tài “Ứng dụng AI trong dự đoán giá cổ
phiếu của Apple”, mơ hình LSTM đã được áp dụng. Mơ hình này cho khả năng dự đoán
trong thời gian ngắn và có tính chính xác ở mức khá. Mơ hình được thực hiện nhiều lần
thử và các kết quả có thể thay đổi giữa các lần. Tuy nó khơng cho ra kết quả tuyệt đối
nhưng nó cũng đã dự đốn đúng sự tăng trưởng của cổ phiếu. Trong trường hợp dự đốn
những dữ liệu về lâu dài thì thơng tin dự đốn chỉ mang tính chất tương đối.
Có thể nói, việc áp dụng AI nói chung và mơ hình LSTM mang lại rất nhiều lợi ích.
Tuy vẫn cịn một số sai sót và hạn chế nhất định nhưng mơ hình LSTM có rất nhiều tiềm
năng. Vậy nên, nếu mơ hình được huấn luyện kỹ hơn hứa hẹn sẽ có thể trở thành một
tham chiếu để tham khảo trong quá trình dự đoán các giá trị tương lai của thị trường giao
dịch.

15


TÀI LIỆU THAM KHẢO
1. Nguồn code tham khảo:
Brownlee, J (2017) Multivariate Time Series Forecasting with LSTMs in Keras in Deep
Learning for Time Series.
< />fbclid=IwAR1hrHoA_Kr5FHV3U61D6mKlqoASaNx9lODviEjTcU-FZJeDcu4g7j9_Flk>
< />fbclid=IwAR32RbdZxILSurtj2acbIA-x1_Vfxzxzq4b8FFjqJN1AwWeMjsR7kvXt6AE>
2. Dữ liệu tham khảo của Apple:
/>3. What is LTSM (2021), < />4. Slide tài liệu mơn “Trí tuệ nhân tạo trong kinh doanh – Khoa Hệ thống Thông Tin và
Quản lý”, Học Viện Ngân Hàng.
5. Nguyễn Minh Lợi (2020), Dự đoán giá cổ phiếu bằng phương pháp học sâu không
giám sát”, Luận văn Thạc Sỹ, Khoa Hệ thống thông tin, Trường Đại Học Thủ Dầu Một.
< />6. Ngọc Quang (2019), Nhà đầu tư được lợi gì khi cơng ty chứng khoán ứng dụng AI vào
giao dịch.
< />7. Triệu Phong (2021), LTSM là gì?
< />8. Sử dụng mạng LTSM để dự đốn số liệu hướng thời gian

< />
16