“Sau cùng, NODE cho thấy độ dự đoán chính xác vượt trội so với đối thủ gần nhất LSTM trong việc dự đoán các giá trị dài hạn với sai số tối thiểu qua 1.000 bước thời gian, giảm lỗi hơn 70% cho mỗi cổ phiếu”.
Tiến sĩ Hà Xuân Sơn cho biết mô hình này giải quyết những hạn chế của các phương pháp học sâu truyền thống trong việc nắm bắt các động lực thị trường chứng khoán phức tạp và phi tuyến.
“Mô hình cho thấy độ dự đoán chính xác dài hạn vượt trội và hiệu quả trong việc nắm bắt những biến động đột ngột trên thị trường như các vụ sụp đổ chớp nhoáng”.
“Không chỉ dự đoán giá cổ phiếu, mô hình còn có triển vọng trong việc dự đoán các hệ thống hỗn mang khác, như được chứng minh qua những bài kiểm tra trên các tập dữ liệu Lorenz và Mackey-Glass”, Tiến sĩ Sơn chia sẻ.
Quốc Anh gặp khá nhiều thách thức trong quá trình nghiên cứu, với đòi hỏi trình độ công nghệ là “khó nhằn” nhất.
“Tôi phải tự học các ngôn ngữ như Python, SQL, LaTeX, sử dụng các công cụ GitHub, MongoDB, Lightning AI, kéo dữ liệu từ API, và nắm vững kỹ năng tìm kiếm và đọc hiểu nghiên cứu, chủ yếu qua các diễn đàn công nghệ hoặc các hướng dẫn trên YouTube”, Quốc Anh cho biết.
Tiến sĩ Sơn khen Quốc Anh có thiên hướng bẩm sinh về nghiên cứu học thuật, thể hiện kỹ năng phân tích sắc bén và tài năng giải quyết vấn đề sáng tạo. “Khả năng nắm bắt các khái niệm phức tạp nhanh chóng và áp dụng chúng một cách sáng tạo khiến Quốc Anh trở thành một học giả trẻ đầy triển vọng”.
Ngoài “Mô hình phương trình vi phân cùng Thuyết tái tạo không gian pha trong dự báo giá cổ phiếu”, Quốc Anh cũng là tác giả chính của nghiên cứu “Chuyển đổi dự báo giá chứng khoán: Kiến trúc học sâu và kĩ thuật tính năng chiến lược”. Bài báo này sẽ được công bố trong Ghi chú giảng dạy về Trí tuệ nhân tạo (LNAI) của Springer và được trình bày tại Hội nghị quốc tế lần thứ 21 về Mô hình hóa các quyết định cho trí tuệ nhân tạo (MDAI) 2024, tổ chức tại Đại học Meiji, Nhật Bản.