VIẾT CHƯƠNG TRÌNH THỬ NGHIỆM DỰ BÁO SỰ BIẾN ĐỘNG CỦA GIÁ CHỨNG KHOÁN ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUẢN LÝ VÀ CƠNG NGHỆ HẢI PHỊNG - ISO 9001:2015 ĐỒ ÁN TỐT NGHIỆP NGÀNH: CÔNG NGHỆ THÔNG TIN Sinh viên : Lê Gia Tiến Giảng viên hướng dẫn: Ths Nguyễn Thị Xuân Hương HẢI PHÒNG – 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUẢN LÝ VÀ CƠNG NGHỆ HẢI PHỊNG TÌM HIỂU NGƠN NGỮ LẬP TRÌNH PYTHON VIẾT CHƯƠNG TRÌNH THỬ NGHIỆM DỰ BÁO SỰ BIẾN ĐỘNG CỦA GIÁ CHỨNG KHOÁN ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY NGÀNH: CƠNG NGHỆ THƠNG TIN Sinh viên : LÊ GIA TIẾN Giảng viên hướng dẫn : Ths NGUYỄN THỊ XUÂN HƯƠNG HẢI PHÒNG – 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUẢN LÝ VÀ CƠNG NGHỆ HẢI PHỊNG NHIỆM VỤ ĐỀ TÀI TỐT NGHIỆP Sinh viên: LÊ GIA TIẾN Lớp Mã SV: 1512111031 : CT1901C Ngành : CÔNG NGHỆ THÔNG TIN Tên đề tài: Tìm hiểu ngơn ngữ lập trình python, viết chương trình thử nghiệm dự báo biến động giá chứng khoán NHIỆM VỤ ĐỀ TÀI Nội dung yêu cầu cần giải nhiệm vụ đề tài tốt nghiệp - Tìm hiểu ngơn ngữ lập trình python - Tìm hiểu tốn dự báo python - Viết chương trình thử nghiệm dự báo biến động giá chứng khoán ngôn ngữ python Các tài liệu, số liệu cần thiết - Số liệu: Số liệu giá cổ phiếu công ty niêm yết thị trường chứng khoán Việt Nam Địa điểm thực tập tốt nghiệp - Trường Đại Quản lý Cơng nghệ Hải Phịng CÁN BỘ HƯỚNG DẪN ĐỀ TÀI TỐT NGHIỆP Họ tên : Nguyễn Thị Xuân Hương Học hàm, học vị : Thạc sỹ Cơ quan công tác : Trường Đại học Quản lý Cơng nghệ Hải Phịng Nội dung hướng dẫn: - Tìm hiểu ngơn ngữ lập trình python - Tìm hiểu tốn dự báo - Tìm hiểu tốn dự báo giá chứng khốn - Viết chương trình dự báo biến động giá chứng khốn ngơn ngữ python Đề tài tốt nghiệp giao ngày 03 tháng 08 năm 2020 Yêu cầu phải hoàn thành xong trước ngày 17 tháng 10 năm 2020 Đã nhận nhiệm vụ ĐTTN Sinh viên Đã giao nhiệm vụ ĐTTN Giảng viên hướng dẫn Hải Phịng, ngày tháng năm 2020 TRƯỞNG KHOA CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN TỐT NGHIỆP Họ tên giảng viên: Nguyễn Thị Xuân Hương Đơn vị công tác: Khoa Công nghệ Thông tin – Trường Đại học quản lý Công nghệ Hải Phòng Họ tên sinh viên: ……………………………… Ngành: ………………………………… Nội dung hướng dẫn: - Tìm hiểu ngơn ngữ lập trình python - Tìm hiểu tốn dự báo - Tìm hiểu tốn dự báo biến động giá chứng khoán - Viết chương trình dự báo biến động giá chứng khốn ngôn ngữ python Tinh thần thái độ sinh viên trình làm đề tài tốt nghiệp - Nghiên túc, chịu khó có tinh thần học hỏi, tự nghiên cứu - Hoàn thành yêu cầu giáo viên hướng dẫn đề Đánh giá chất lượng đồ án/khóa luận (so với nội dung yêu cầu đề nhiệm vụ Đ T T N mặt lý luận, thực tiễn, tính tốn số liệu…) - Về mặt lý thuyết, sinh viên Lê Gia Tiến tìm hiểu trình bày cách logic để lập trình ngơn ngữ Python Sinh viên tìm hiểu tốn dự báo toán dự báo biến động giá chứng khoán - Về thực nghiệm, sinh viên thực viết chương trình thử nghiệm số mơ hình dự báo thống kê ngôn ngữ Python - Đồ án đạt mục tiêu đề ra, đề nghị cho sinh viên bảo vệ trước hội đồng chấm tốt nghiệp ngành Công nghệ Thông tin Ý kiến giảng viên hướng dẫn tốt nghiệp Đạt Không đạt Điểm:…………………………………… Hải Phòng, ngày… … tháng … năm 2020 Giảng viên hướng dẫn (Ký ghi rõ họ tên) CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN CHẤM PHẢN BIỆN Họ tên giảng viên: ……………………………………………………………………… Đơn vị công tác: …………………………………………………………………………… Họ tên sinh viên: ……………………………… Ngành: ……………………………… Đề tài tốt nghiệp: Tìm hiểu ngơn ngữ lập trình python, viết chương trình thử nghiệm dự báo biến động giá chứng khoán Phần nhận xét giảng viên chấm phản biện Những mặt hạn chế Ý kiến giảng viên chấm phản biện Được bảo vệ Không bảo vệ Điểm…………………… Hải Phòng, ngày …… tháng … năm 2020 Giảng viên chấm phản biện (Ký ghi rõ họ tên) LỜI CẢM ƠN Lời em xin chân thành cảm ơn Thầy, Cô khoa Công nghệ Thông tin tồn thể Thầy, Cơ trường Đại học Dân lập Hải Phòng trường Đại học Quản lý Cơng nghệ Hải Phịng giảng dạy, truyền đạt cho em kiến thức quý báu tạo điều kiện thuận lợi cho em suốt trình học tập trường thời gian thực đồ án tốt nghiệp Đặc biệt, em muốn gửi lời cảm ơn tới Thạc Sỹ Nguyễn Thị Xuân Hương giảng viên trực tiếp hướng dẫn tận tình bảo giúp em khắc phục khó khăn, thiếu sót để hồn thành phần đồ án tốt nghiệp từ tìm hiểu lý thuyết thực hành sử dụng công cụ Xin cảm ơn bạn bè, người thân đồng hành suốt thời gian qua cho chỗ dựa vững để đạt kết ngày hôm Với hiểu biết tìm tịi thân bảo hướng dẫn tận tình giảng viên em cố gắng hoàn thành đồ án cách tốt khơng thể tránh thiếu sót Kính mong nhận đóng góp ý kiến từ thầy để em nâng cao bổ sung thêm kiến thức cho thân, hoàn thiện đồ án với kết tốt hoản chỉnh Em xin chân thành cảm ơn! Hải Phòng, ngày tháng năm 2020 Sinh viên thực Lê Gia Tiến MỤC LỤC MỤC LỤC MỞ ĐẦU 14 Chương 1NGƠN NGỮ LẬP TRÌNH PYTHON 16 1 Giới thiệu 16 Tại Sao Nên Học Lập Trình Python? 17 Cài đặt môi trường làm việc “cài đặt PyCharm” 17 Cài đặt python 19 Tạo file viết mã Python PyCharm 20 Các Khái Niệm Cơ Bản Trong Lập Trình Python 21 Comments python 21 Cấu trúc liệu gì, kiểu cấu trúc liệu python 22 Cấu trúc điều khiển python 23 Lệnh IF 23 Lệnh FOR 24 Lệnh While 26 Cài đặt gói thư viện python 27 Cài đặt pip 27 số gói thư viện thông dụng cho Python 28 Sử Dụng Hàm Trong Python 29 Hàm (Function) 29 Các thông số Hàm (Function Parameters) 30 Câu lệnh return Python 31 2.3 Tiêu chuẩn dự báo Các tiêu chuẩn chung đánh giá thành cơng mơ hình dự báo áp dụng vào tập liệu là: - Trùng nhiều với thay đổi ngẫu nhiên liệu tốt - Khơng vượt q xa đặc tính liệu Xét mặt sai số, hai loại đặc tính cần quan tâm thử nghiệm công thức dự báo liệu là: Các đặc tính thống kê: Một phương pháp dự báo tốt thường cho sai số trung bình nhỏ Trong mơ hình dự báo, người ta thường sử dụng loại sai số sai số ei = xi– fi với fi dự báo xi Các đặc tính định dạng: Trong mơ hình dự báo, có mặt dạng sai số (như tính lệch, tính chu kì, tính kiên định, v.v.) bị xem dấu hiệu không tốt Sự xuất xu sai số nên khử nhanh tốt Có thể sai phân hóa chuỗi giá trị ban đầu để đối phó với tác động Như có hai tiêu chuẩn dự báo định lượng định tính là: sai số nhỏ không tuân theo định dạng 50 Chương BÀI TOÁN DỰ BÁO GIÁ CỔ PHIẾU VÀ THỰC NGHIỆM 3.1 Giới thiệu toán dự báo giá cổ phiếu Đầu tư tài cách thức kiếm tiền phổ biến người dùng Bằng việc phân tích yếu tố hay yếu tố định lượng để dự báo tăng giảm giá cổ phiếu, nhà đầu tư định mua hay bán cổ phiếu nhằm tìm kiếm lợi nhuận cho Tuy nhiên, thị trường chứng khốn ln có yếu tố bất ngờ khơng theo ý chủ quan người dùng, dự đoán xu thị trường chứng khoán toán quan trọng thu hút quan tâm nhà đầu tư, chuyên gian kinh tế học nhà khoa học Bên cạnh đó, phát triển mạnh mẽ cơng nghệ thông tin giúp cho việc trao đổi lưu trữ liệu chứng khoán trở lên dễ dàng hết Người dùng dễ dàng tra cứu lịch sử tăng giảm mã cổ phiếu mà họ quan tâm Mặt khác nhiều công cụ ứng dụng phát triển nhằm khai thác xử lý liệu tài khổng lồ cho mơ hình dự báo làm cho cơng việc trở lên dễ dàng, nhanh xác Dự báo giá cổ phiếu ln tốn thách thức tính khơng thể đốn trước Giả thuyết thị trường hàng ngày dự báo giá cổ phiếu giá cổ phiếu ngẫu nhiên Tuy nhiên, phân tích kỹ thuật cho thấy hầu hết giá cổ phiếu phản ánh liệu trước đó, xu hướng vận động giá quan trọng để dự đoán giá hiệu Hơn nữa, nhóm cổ phiếu thị trường chứng khoán bị ảnh hưởng số yếu tố kinh tế kiện trị, điều kiện kinh tế chung, số giá hàng hóa, kỳ vọng nhà đầu tư, vận động thị trường chứng khoán khác, tâm lý nhà đầu tư, v vv.v Giá trị nhóm chứng khốn tính tốn với vốn hóa thị trường cao Có thơng số kỹ thuật khác để xác định liệu thống kê từ giá trị giá cổ phiếu Thông thường, số chứng khoán đạt đươc từ giá cổ phiếu có đầu tư thị trường cao từ đưa đánh giá tình trạng kinh tế quốc gia 51 Bản chất vận động giá cổ phiếu mơ hồ làm cho khoản đầu tư có tính rủi ro cao Trên thực tế, giá chứng khốn nói chung động, khơng tham số phi tuyến tính; chúng thường làm giảm hiệu mơ hình thống kê khơng thể dự đốn giá vận động xác Học máy cơng cụ mạnh bao gồm thuật toán khác để tăng hiệu số trường hợp định Học máy có khả xác định thơng tin phát mẫu từ liệu Các mơ hình học nhóm dựa máy học học tăng cường (boosting) học bao đóng (Bagging) cho kết vượt trội so với phương pháp dự đoán chuỗi thời gian Gần mơ hình dựa thuật toán tăng cường độ dốc (gradient boosting) XGBoost nhà khoa học liệu hàng đầu sử dụng thi Thêm nữa, xu hướng đại học máy học sâu (Deep Learning) có khả tuyệt vời để trích xuất thơng tin từ chuỗi thời gian tài Mạng nơ ron hồi quy (RNN) đạt thành cơng đáng kể lĩnh vực phân tích tài với hiệu tuyệt vời Có thể thấy, q trình dự đốn thị trường chứng khốn khơng liên quan đến thông tin mà liệu trước đóng vai trị quan trọng Việc huấn luyện mơ hình khơng đủ sử dụng liệu vào thời điểm gần RNN sử dụng mạng để trì nhớ kiện gần xây dựng kết nối đơn vị mạng, đó, hồn tồn phù hợp với dự báo kinh tế Mơ hình nhớ dài ngắn (LSTM) cải tiến phương pháp RNN sử dụng lĩnh vực học sâu LSTM có ba đầu khác để loại bỏ vấn đề nơ ron RNN xử lý điểm liệu đơn lẻ toàn chuỗi liệu nhiều nghiên cứu sử dụng phương pháp sử dụng dự báo thị trường Đã có nhiều phương pháp dự báo sử dụng cho dự báo biến động giá chứng khoán Các tiếp cận thống kê như: làm mịn theo cấp số nhân (exponential smooothing), trung bình động (moving average) ARIMA mơ hình tuyến tính phổ biến kinh tế để dự đoán xu vận động giá tương lai Bên cạnh đó, số nghiên cứu cho toán dự báo Mạng nơ ron 52 nhân tạo (ANN), giải thuật di truyền (GA), logic mờ, số phương pháp học máy thống kê đại RNN, LSTM, v.v nghiên cứu thời gian gần có khả xử lý biến động thị trường chứng khốn với độ xác dự đoán cao 3.2 Phát biểu toán Thị trường chứng khốn Việt Nam có chặng đường dài phát triển với 20 năm hoạt động Trong thời gian đó, tổng sản phẩm quốc nội (GDP) bình qn đầu người tăng khoảng lần Việt Nam từ nước nghèo trở thành quốc gia có thu nhập trung bình Đất nước hình chữ S tham gia cách sâu rộng vào kinh tế giới với việc bình thường hóa quan hệ thương mại với Mỹ, gia nhập tổ chức thương mại giới WTO ký hàng loạt hiệp định thương mại tự với hầu hết cường quốc giới, có hiệp định hệ CPTPP, EVFTA, EVIPA, v.v Do đó, thấy kết đạt thị trường chứng khốn thể rõ vai trị kênh dẫn vốn quan trọng kinh tế, theo nhiều góc độ định lượng quy mơ vốn hóa, sở nhà đầu tư, số lượng sản phẩm, quy mơ giao dịch hàng ngày, v.v hay định tính tính chuyên nghiệp thành viên, v.v Sau 20 năm vận hành, quy mô thị trường đặc biệt cơng ty chứng khốn (CTCK) có nhiều thay đổi số lượng, quy mô lẫn chất lượng, sản phẩm cung cấp cho nhà đầu tư Số lượng CTCK tăng vọt, quy mô vốn tăng hàng trăm lần so với thời điểm thành lập với xuất nhiều CTCK ngoại Phí giao dịch ngày thấp, nhiều CTCK miễn phí giao dịch Nhiều sản phẩm đời, áp dụng công nghệ vào hoạt động hỗ trợ nhà đầu tư giao dịch thay viết phiếu lệnh cách thực Online Các báo cáo phân tích thực chun nghiệp, nhiều cơng ty thực báo cáo tiếng Anh để hỗ trợ cho NĐT nước ngồi Các CTCK khơng cung cấp dịch vụ mơi giới mà cịn có nhiều nghiệp vụ khác Ngân hàng đầu tư (IB), tư vấn niêm yết, bảo lãnh phát hành trái phiếu, cung cấp sản phẩm phái sinh (HĐTL số VN30, HĐTL trái 53 phiếu phủ), v.v Khơng vậy, nhiều CTCK áp dụng công nghệ vào hoạt động môi giới tư vấn đầu tư Việc dễ dàng tham gia thị trường tìm kiếm thông tin tạo sức hút lớn nhà đầu tư Nhiều trang web cho phép người dùng xem tải liệu lịch sử báo cáo hoạt động công ty niêm yết thị trường cách dễ dàng như: cafef vn, cophieu68 vn, investing com, tradingview com, v.v Giúp nhà đầu tư có liệu để thực phân tích kỹ thuật phân tích định lượng nhằm xác định xu hướng giá cổ phiếu mà quan tâm hoạt động đầu tư Trong nghiên cứu này, em thực phân tích dự báo tăng giảm giá cổ phiếu thị trường chứng khoán việt nam dựa phân tích chuỗi thời gian Xây dựng mơ hình thực u cầu sau: Input: Cho giá mã chứng khoán ngày t Output: Giá mã chứng khốn ngày t+1 3.3 Một số mơ hình dự báo thống kê 3.3.1 Mơ hình trượt đơn Moving Average (MA) để phân tích dự báo giá chứng khốn Mơ hình trung bình trượt đơn (Moving average) cách tiếp cận ngây thơ mơ hình chuỗi thời gian Mơ hình thực quan sát giá trị trung bình tất quan sát q khứ Mơ hình trượt đơn sử dụng để xác định xu hướng quan tâm liệu Ta định nghĩa cửa sổ trượt để áp dụng mô hình trượt để làm trơn cho chuỗi thời gian đánh dấu xu hướng khác 54 Dự báo thời điểm t+1 điều chỉnh dự báo thời điểm t trước Khi N tăng đủ lớn lượng điều chỉnh xt / N – x t-N / N →0 trung bình trượt trở thành trung bình mẫu phương pháp ngây thơ Chỉ nên áp dụng phương pháp số giá trị quan sát tập liệu có tính ổn định theo thời gian Mặt khác, mơ hình trượt đơn sử dụng để xác định xu hướng quan tâm liệu Ta định nghĩa cửa sổ trượt để áp dụng mơ hình trượt để làm trơn cho chuỗi thời gian đánh dấu xu hướng khác 3.3.2 Mơ hình làm mịn theo cấp số nhân (exponential smoothing) Mơ hình làm mịn theo cấp số nhân “exponential smoothing” phương pháp dự báo chuỗi thời gian cho liệu đơn biến Mơ hình làm mịn theo cấp số nhân thực tương tự mơ hình trung bình động, sử dụng trọng số giảm dần khác gán cho quan sát Nói cách khác, quan sát lâu (về khứ) xo với đánh giá quan trọng Khi đó, cơng thức làm trơn theo cấp số nhân thực sau: Trong đó, ∝ hệ số làm mịn nhận giá trị từ đến Nó định trọng số giảm nhanh quan sát trước Alpha ( ∝): Hệ số làm mịn cho cấp độ 55 Hình 3.3-1 Ví dụ mơ hình làm mịn theo cấp số nhân Trong ví dụ trên, đường màu xanh lam đậm biểu thị độ làm mịn theo cấp số nhân chuỗi thời gian sử dụng hệ số làm mịn 0, 3, đường màu cam sử dụng hệ số làm mịn 0, 05 Ta thấy, hệ số làm mịn nhỏ chuỗi thời gian mượt Điều có nghĩa hệ số làm mịn tiến tới 0, mơ hình tiệm cận mơ hình trung bình động Các phương pháp làm trơn hàm mũ coi phương pháp ngang hàng phương pháp thay cho loại phương pháp phổ biến Box-Jenkins ARIMA để dự báo chuỗi thời gian 3.3.3 Mơ hình làm mịn hàm mũ kép “Double exponential smoothing” Làm mịn theo cấp số nhân kép phần mở rộng làm mịn theo cấp số nhân (exponential smoothing), bổ sung hỗ trợ cách rõ ràng cho xu hướng chuỗi thời gian đơn biến Phương pháp đơn giản cách sử dụng đệ quy làm trơn hai lần theo cấp số nhân Ngoài tham số alpha (∝) để kiểm soát hệ số làm mịn cho cấp độ, hệ số làm mịn bổ sung thêm vào để kiểm soát suy giảm ảnh hưởng thay đổi xu hướng gọi beta ( ) Công thức thực sau: 56 Alpha (∝): Hệ số làm mịn cho cấp độ Beta ( ) : Yếu tố làm mịn xu hướng Ngoài tham số ∝ hệ số làm mịn nhận giá trị khoảng từ đến (tương tự mơ hình làm mịn theo cấp số nhân), mơ hình sử dụng thêm tham số tham số làm mượt xu hướng, nhận giá trị khoảng từ đến Chương trình thực nghiệm Dữ liệu: Dữ liệu giá mã chứng khoán VNM công ty cổ phần Vinamilk từ năm 2014 đến năm 2018 niêm yết thị trường chứng khoán Việt Nam Dữ liệu tải từ trang cophieu68 dạng file CSV Hình 3.3-2 Minh họa bảng liệu Cơng cụ: Ngơn ngữ lập trình python Môi trường thực nghiệm: windows 10 version(1909) 57 3.3.4 Kết mơ hình trượt đơn Moving Average (MA) Kết thực nghiệm với kích thước cửa sổ trượt =60 Hình 3.3-3 Kết thực nghiệm mơ hình Moving Average kích thước cửa sổ trượt 60 Kết thực nghiệm với kích thước cửa sổ trượt =30 Hình 3.3-4 Kết thực nghiệm mơ hình Moving Average kích thước cửa sổ trượt 30 58 Kết thực nghiệm với kích thước cửa sổ trượt =15 Hình 3.3-5 Kết thực nghiệm mơ hình Moving Average kích thước cửa sổ trượt 15 Chú thích đồ thị: Rolling mean trend: Xu hướng trung bình(giá trị giá dự đoán) Actual values: Giá trị giá thực tế Upper bound/Lower bound: Giá trị giá cao nhất/giá trị giá thấp Windows size: Cửa sổ trượt (giá trị trung bình giá ngày trước đó) Nhận xét: Qua đồ thị áp dụng mơ hình Moving Average với kích thước cửa sổ trượt 60, 30, 15 cho thấy thay đổi rõ ràng dự báo giá chứng khốn kích thước cửa sổ trượt thay đổi Khi áp dụng mơ hình Moving Average kích thước cửa sổ trượt (Windows size) lớn độ chênh lệch với thực tế lớn, ngược lại 59 3.3.5 Kết thực nghiệm mơ hình làm mịn theo cấp số nhân (exponential smoothing) Hình 3.3-6 Kết thực nghiệm mơ hình làm mịn theo cấp số nhân Chú thích đồ thị: Alpha 05: Giá trị ∝ = 05 Alpha 3: Giá trị ∝ = Actual : Giá trị thực tế Nhận xét: Khi áp dụng mơ hình (exponential smoothing) làm mịn theo cấp số nhân vào toán qua đồ thị thấy giá trị ∝ = giá trị dự đốn gần với giá trị thực tế giá trị ∝ = 05 60 3.3.6 Kết thực nghiệm mơ hình làm mịn hàm mũ kép “Double exponential smoothing” Hình 3.3-7 Kết thực nghiệm mơ hình làm mịn hàm mũ kép Chú thích đồ thị: Alphal beta 9: Giá trị ∝ = 9, Alphal beta 02: Giá trị ∝ = 9, Alphal 02 beta 9: Giá trị ∝ = 02, Alphal beta 02: Giá trị ∝ = 9, = = 02 = = 02 Actual: Giá trị thực tế Nhận xét: Sự thay đổi rõ ràng áp dụng mơ hình (Double exponential smoothing) hai tham số Alphal (∝= 02) beta ( = 02) đạt cực tiểu ( nhỏ có thể) giá trị làm mịn tối đa (giảm xu hướng) 61 Và Alphal (∝= 9) beta ( = 02) cho giá trị độ sai lệch (gần nhất) với giá trị thực tế 3.3.7 Tổng kết Qua mơ hình đồ thị mơ hình có ưu nhược điểm riêng Moving Average (MA) mơ hình trượt đơn: kết mơ hình phụ thuộc nhiều vào liệu đầu vào trước Chỉ nên áp dụng phương pháp số giá trị quan sát tập liệu có tính ổn định theo thời gian Exponential smoothing mơ hình làm mịn theo cấp số nhân : kết mơ hình cho thấy giá trị alpha(∝) lớn độ sai lệch ít, giá trị dự báo gần so với giá trị thực tế Alpha thường đặt thành giá trị từ đến Giá trị lớn mơ hình chủ yếu ý đến quan sát gần khứ, giá trị nhỏ lịch sử tính đến nhiều đưa dự đốn Double exponential smoothing mơ hình làm mịn hàm mũ kép: Phương pháp cho thấy ưu so với phương pháp Moving Average (MA) mơ hình trượt đơn tốn liệu lớn, liệu đủ lớn theo xu hướng (tăng giảm), tham số beta làm giảm xu hướng theo thời gian Điểm chung: Cả mơ hình có điểm chung giá trị dự báo phụ thuộc vào giá trị quan sát gần hay xa khứ, gần độ xác dự báo cao ngược lại 62 KẾT LUẬN Sau thời gian tham khảo tìm tịi bảo cô hướng dẫn tập đồ án Tìm hiểu ngơn ngữ lập trình python, viết chương trình thử nghiệm dự báo biến động giá chứng khoán khoảng thời gian định dành cho việc thực đề tài, nên số vấn đề chưa hoàn chỉnh Tuy nhiên, đồ án đạt số kết Những kết đạt đồ án: - Tìm hiểu ngơn ngữ python - Tìm hiểu mơi trường lập trình PyCharm - Tìm hiểu tốn dự báo - Tìm hiểu tốn ưng dụng dự báo giá cổ phiếu - Viết chương trình thử nghiệm dự báo toán giá cổ phiếu Tuy nhiên trình thực cịn số điều cần bổ sung như: - Chưa thao tác thành thục lập trình python - Chưa hiểu sâu tốn dự báo - Chương trình thử nghiệm chưa tối ưu hóa giao diện Trong thời gian tiếp theo, em cố gắng để ngày hoàn thiện, trau dồi kĩ lập trình trở nên tốt hơn, tìm hiểu phương pháp học máy đại mạng nơ ron, mạng nơ ron học sâu để thử nghiệm với phương pháp dự báo cho kết thực tốt Em xin chân thành cảm ơn! 63 DANH MỤC TÀI LIỆU THAM KHẢO Sách tự học lập trình Python bản-NXB Đại Học Quốc Gia HCM Phân tích chuỗi thời gian dự báo “Nguyễn Thị Vinh – Đại học thủy lợi” https://www w3schools com/ https://youtube com/howkteam Cophieu68 64