034adarsh/Stock-Price-Prediction-Using-LSTM

📈 Dự đoán giá cổ phiếu bằng LSTM từ dữ liệu thời gian thực

Dự án sử dụng mạng nơ-ron LSTM để học từ lịch sử giá cổ phiếu và dự báo xu hướng giá trong tương lai.

Đây là dự án mã nguồn mở mang tên Stock-Price-Prediction-Using-LSTM, được xây dựng dưới dạng notebook Jupyter trên Google Colab. Dự án tận dụng thuật toán Long Short-Term Memory (LSTM) – một kiến trúc mạng nơ-ron hồi tuồn (RNN) mạnh mẽ trong việc xử lý chuỗi thời gian, để dự đoán giá cổ phiếu. Thay vì tải dữ liệu thủ công, dự án kết nối trực tiếp với Yahoo Finance thông qua thư viện yfinance, chỉ cần nhập mã công ty là có thể bắt đầu.

✨ Điểm nổi bật

• Lấy dữ liệu tự động: Sử dụng thư viện yfinance để tải dữ liệu lịch sử giá cổ phiếu thời gian thực từ Yahoo Finance.
• Xây dựng mô hình LSTM: Dựa trên TensorFlow/Keras để xây dựng mạng nơ-ron học sâu dự báo xu hướng giá.
• Tiền xử lý dữ liệu: Chia dữ liệu thành tập huấn luyện và kiểm tra, thực hiện chuẩn hóa và biến đổi cần thiết.
• Điều chỉnh siêu tham số: Tùy chỉnh số lớp ẩn, số nơron và tốc độ học để tối ưu hiệu năng mô hình.
• Ngăn overfitting: Sử dụng kỹ thuật dropout và regularization để cải thiện khả năng tổng quát hóa.
• Đánh giá chi tiết: Tính toán MSE, RMSE, MAE và trực quan hóa kết quả dự báo so với giá thực.
• Dễ chạy cục bản: Hỗ trợ chạy trên Google Colab và môi trường Jupyter Notebook.

💡 Vì sao đáng chú ý

Không giống các dự án khác yêu cầu tải dataset về tay, dự án này linh hoạt cho phép người dùng chỉ cần nhập mã công ty (ví dụ: AAPL, GOOGL) để bắt đầu ngay. Mô hình LSTM được thiết kế đặc biệt để nắm bắt các phụ thuộc dài hạn trong chuỗi thời gian, phù hợp với bản chất dòng thời gian của dữ liệu giá cổ phiếu. Kết quả được đánh giá bằng nhiều chỉ số định lượng và trực quan hóa rõ ràng, giúp người dùng dễ dàng so sánh độ chính xác của dự báo.

#StockPrediction #LSTM #MachineLearning #Python #TiniX