Giá cổ phiếu là dữ liệu phi tuyến rất phức tạp, bị ảnh hưởng bởi nhiều yếu tố, do đó dự đoán chỉ số giá cổ phiếu là công việc rất khó khăn. Tại Việt Nam, hiện rất ít mô hình phức hợp sử dụng máy học và học sâu được thiết kế bởi Python với các gói hỗ trợ có sẵn để dự báo biến số kinh tế. Nghiên cứu này đánh giá so sánh các mô hình học sâu LSTM, GRU và mô hình phức hợp của chúng để dự báo cho chỉ số Vn-Index trên Sở Giao dịch Chứng khoán Hồ Chí Minh từ ngày 01/01/2009 đến ngày 01/01/2024. Kết quả đánh giá mô hình học sâu phức hợp cho thấy tỷ lệ sai lệch so với thực tế là thấp nhất, từ đó, khuyến nghị các doanh nghiệp,các nhà đầu tư và nhà hoạch định chính sách nên tăng cường sử dụng công nghệ trong việc dự báo nhằm hỗ trợ đưa ra quyết định.Stock prices are highly complex, nonlinear data, influenced by numerous factors, making the prediction of stock price indices a challenging task. In Vietnam, there are currently very few complex models using machine learning and deep learning, designedwith Python and its available support packages, for forecasting economic variables. This tudy focuses on a comparative evaluation of deep learning models, including LSTM, GRU, and their hybrid models, to forecast the Vn-Index on the Ho Chi Minh Stock Exchange from January 1, 2009, to January 1, 2024. The evaluation results of the hybrid deep learning model show the lowest deviation from actual values.Hence, it is recommended that businesses, investors, and policymakers should enhance the use of technology in forecasting to support decision-making processes.