Nâng cao khả năng dự báo giá cổ phiếu bằng mô hình học sâu Mamba

DOI: https://doi.org/10.55228/JTST14040801

Keywords

Dự đoán giá cổ phiếu, Mô hình Mamba, Mô hình dãy trại tháng có chọn lọc, Giảm tốc độ học, Hàm mất mát

Abstract

Dự báo giá chứng khoán là một thách thức quan trọng trong phân tích tài chính, đòi hỏi các mô hình có khả năng xử lý hiệu quả dữ liệu chuỗi thời gian và đảm bảo hiệu suất tính toán. Nghiên cứu này tập trung phát triển một mô hình học sâu dựa trên kiến trúc Mamba, sử dụng mô hình Không gian Trạng thái Chọn lọc để xử lý dữ liệu hiệu quả, cải thiện độ chính xác dự báo giá chứng khoán, đặc biệt trong thị trường biến động. Mô hình này đồng thời tận dụng các đặc trưng của Mamba như Kernel Fusion, Parallel Scan và Recomputation trong như tối ưu hóa phần cứng để giảm thiểu tài nguyên tính toán. Quá trình huấn luyện mô hình đã được áp dụng kỹ thuật tối ưu hoá riêng. Kết quả thực nghiệm cho thấy mô hình này phù hợp với các ứng dụng tài chính thời gian thực và mở ra tiềm năng phát triển mới.

Downloads

Download data is not yet available.