Số Kỳ 2 tháng 11 (300)-2025 Tạp chí Nghiên cứu Tài chính Kế toán - Trang 64

Tóm tắt tiếng Việt:

Nghiên cứu này tập trung vào việc dự báo độ biến động của nhóm cổ phiếu bất động sản niêm yết tại Việt Nam giai đoạn 2015-2025 thông qua việc so sánh hiệu quả dự báo giữa mô hình GARCH truyền thống và các mô hình học sâu LSTM đơn biến và đa biến. Kết quả thực nghiệm cho thấy mô hình LSTM thể hiện khả năng vượt trội so với GARCH. Đặc biệt, mô hình Multivariate LSTM đạt sai số dự báo (MSE) thấp nhất ở hầu hết các cổ phiếu. Những phát hiện này góp phần bổ sung bằng chứng thực nghiệm về ứng dụng học sâu trong dự báo rủi ro tài chính tại Việt Nam, đồng thời gợi ý các hàm ý quan trọng cho quản trị rủi ro và chiến lược đầu tư.

English Summary:

This study forecasts the volatility of listed real estate stocks in Vietnam during the period 2015-2025 by comparing the predictive performance of the traditional GARCH model with both univariate and multivariate LSTM deep learning models. The empirical results indicate that LSTM consistently outperforms GARCH. In particular, the multivariate LSTM model achieves the lowest mean squared error (MSE) across most stocks. These findings contribute to the body of empirical evidence on the application of deep learning in financial risk forecasting in Vietnam and offer important implications for risk management and investment strategies.

Từ khóa: volatility, GARCH, LSTM, bất động sản, thị trường chứng khoán Việt Nam

Số lượt đọc: 8 - Số lượt tải về: 3

DOI Code: https://doi.org/10.71374/jfarv.v25.i300.15