Sử dụng học máy tích hợp cho việc tối ưu hóa danh mục đầu tư dựa trên dự đoán giá chứng khoán và lý thuyết trò chơi

Tóm tắt

Luận văn "Sử dụng học máy tích hợp cho việc tối ưu hóa danh mục đầu tư dựa trên dự đoán giá chứng khoán và lý thuyết trò chơi" tập trung vào việc phát triển một phương pháp để tối ưu hóa danh mục đầu tư chứng khoán trên thị trường Việt Nam, đặc biệt là các cổ phiếu thuộc rổ VN30. Để đạt được mục tiêu, mô hình đề xuất kết hợp các kỹ thuật học máy với lý thuyết cân bằng Nash từ lý thuyết trò chơi, nhằm tìm ra chiến lược phân bổ vốn tối ưu trong môi trường đầu tư cạnh tranh. Phương pháp này cho phép xem xét đồng thời nhiều yếu tố thị trường và hành vi của các nhà đầu tư khác như một tập hợp các "người chơi" trong hệ thống. Kết quả thực nghiệm chỉ ra rằng mô hình kết hợp này có cải thiện hơn với các phương pháp truyền thống về các chỉ số hiệu suất đầu tư quan trọng như tỷ suất lợi nhuận điều chỉnh theo rủi ro, khả năng phân tán rủi ro, và độ ổn định của danh mục trong các điều kiện thị trường biến động. Luận văn đóng góp vào việc phát triển các công cụ hỗ trợ quyết định đầu tư thông minh trên thị trường chứng khoán Việt Nam, đặc biệt là trong bối cảnh thị trường mới nổi có nhiều đặc thù riêng biệt. Các kết quả nghiên cứu còn cung cấp cơ sở cho việc xây dựng các chiến lược đầu tư dài hạn bền vững và hiệu quả.