So sánh kết quả giữa các mô hình để xem xét tính hiệu quả của việc phân cụm thuộc cách đánh giá nào sau đây:

Phân tích dữ liệu chứng khoán để dự đoán xu hướng dựa trên giá cả và khối lượng giao dịch là một bài toán phổ biến trong lĩnh vực tài chính định lượng. Các phương pháp sau đây có thể được sử dụng:

a. Hồi quy (Regression): Hồi quy là một phương pháp thống kê dùng để mô hình hóa mối quan hệ giữa một biến phụ thuộc (trong trường hợp này là xu hướng giá chứng khoán) và một hoặc nhiều biến độc lập (ví dụ: giá, khối lượng giao dịch của các ngày trước đó). Hồi quy có thể giúp xác định mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc và dự đoán giá trị của biến phụ thuộc trong tương lai.

b. San bằng mũ (Exponential Smoothing): Đây là một phương pháp dự báo chuỗi thời gian, trong đó các quan sát gần đây có trọng số lớn hơn các quan sát xa hơn. San bằng mũ có thể hữu ích để dự đoán xu hướng ngắn hạn của giá chứng khoán, nhưng có thể không hiệu quả bằng hồi quy khi xem xét nhiều biến độc lập.

c. Trung bình trượt (Moving Average): Phương pháp này tính trung bình của giá trong một khoảng thời gian nhất định (ví dụ: 5 ngày, 10 ngày) và sử dụng giá trị trung bình này để dự đoán giá trong tương lai. Tương tự như san bằng mũ, trung bình trượt thường được sử dụng để dự đoán xu hướng ngắn hạn.

Trong trường hợp này, hồi quy là phương pháp phù hợp nhất vì nó cho phép xem xét nhiều biến độc lập (giá, khối lượng giao dịch) và mô hình hóa mối quan hệ giữa chúng để dự đoán xu hướng giá chứng khoán. Các phương pháp khác như san bằng mũ và trung bình trượt có thể được sử dụng, nhưng thường kém hiệu quả hơn khi có nhiều biến ảnh hưởng đến giá.