Dự báo tỷ giá bitcoin (btc) sử dụng mạng neural nhân tạo

MẪU ĐỒ ÁN (HOẶC LUẬN VĂN ) TỐT NGHIỆP I LỜI CẢM ƠN Trước tiên với tình cảm sâu sắc và chân thành nhất, cho phép em được bày tỏ lòng biết ơn đến thầy TS Trương Hải Bằng đã hướng dẫn em trong suốt quá t.

LỜI CẢM ƠN Trước tiên với tình cảm sâu sắc chân thành nhất, cho phép em bày tỏ lòng biết ơn đến thầy TS Trương Hải Bằng hướng dẫn em suốt trình học tập nghiên cứu đề tài “Dự báo tỷ giá bitcoin (btc) sử dụng mạng neural nhân tạo” Trong suốt thời gian từ bắt đầu học môn Học máy ứng dụng, em nhận nhiều quan tâm, giúp đỡ quý Thầy Với lòng biết ơn sâu sắc nhất, em xin gửi lời cảm ơn đến quý Thầy truyền đạt vốn kiến thức quý báu cho em suốt thời gian học tập Nhờ có lời hướng dẫn, dạy bảo Thầy nên đề tài nghiên cứu em hồn thiện tốt đẹp Một lần nữa, em xin chân thành cảm ơn Thầy người trực tiếp giúp đỡ, quan tâm, hướng dẫn em hoàn thành tốt báo cáo Em xin chân thành cảm ơn! Tp HCM ngày 25 tháng 05 năm 2021 Phan Thanh Tồn I LỜI NĨI ĐẦU Hiện nay, công tác dự báo ứng dụng rộng rãi hầu hết lĩnh vực như: Dự báo giá xăng dầu, dự báo chứng khoán, dự báo thời tiết… Cơng tác dự báo nhằm mục đích dự báo trước thay đổi đối tượng dự báo dựa sở nghiên cứu quy luật đối tượng dự báo Những năm gần tiền điện tử bắt đầu trọng đầu tư nhiều giới Giao dịch thời điểm tương đối xác cách tiếp cận mang lại lợi nhuận lớn, giao dịch dựa chuyển động khơng xác gặp rủi ro thua lỗ lớn Cần sử dụng phù hợp cơng cụ phân tích phương pháp tốt làm giảm ảnh hưởng sai lầm Chính thấy lợi ích việc dự báo nên em chọn đề tài: “Dự báo tỷ giá Bitcoin (BTC) sử dụng mạng Neural nhân tạo” để giúp nhà đầu tư đưa sách đắn Mục đích đề tài Tìm hiểu sở lý thuyết phương pháp mạng neural (ANN), giải thuật lan truyền ngược (BP), kết hợp giải thuật lan truyền ngược mạng neural (BP – ANN) Thử nghiệm ứng dụng phương pháp ANN, BP, BP – ANN giải toán dự đoán điểm thi tốt nghiệp điểm thi đại học học sinh, đồng thời từ số điểm ta dự đốn học sinh đậu trường đại học Với hai mục tiêu cấu trúc luận văn gồm chương với nội dung sau: Nội dung đồ án chia làm năm chương Chương 1: Tổng quan mạng Neural Chương 2: Tổng quan toán dự báo Chương 3: Mơ tả tốn dự báo giá tăng Bitcoin Chương 4: Chạy thử nghiệm dự báo giá Bitcoin cao ngày Chương 5: Kết luận II MỤC LỤC Chương TỔNG QUAN VỀ MẠNG NEURAL 1.1 Giới thiệu mạng Neural sinh học 1.2 Mạng Neural nhân tạo 1.2.1 Lịch sử phát triển 1.2.2 Định nghĩa mạng Neural nhân tạo 1.2.3 Phân loại mạng Neural nhân tạo 1.3 Luật học 1.3.1 Học có tham số 1.3.2 Học cấu trúc 1.4 Mạng truyền thẳng nhiều lớp thuật toán lan truyền ngược 1.4.1 Tổng quan mạng neural đa lớp truyền thẳng 1.4.2 Kiến trúc mạng 1.4.3 Xác định cấu trúc mạng tối ưu 10 1.4.4 Cấu trúc luật học lan truyền ngược 11 1.4.5 Luật học lan truyền ngược 12 1.5 Một số vấn đề mạng Neural nhiều lớp 13 1.6 Ưu nhược điểm mạng lan truyền thẳng 13 Chương TỔNG QUAN VỀ BÀI TOÁN DỰ BÁO 15 2.1 Lịch sử trình dự báo 15 2.2 Khái niệm dự báo 15 2.3 Mục đích dự báo 15 2.4 Những thách thức dự báo 16 2.5 Các phương pháp dự báo 17 2.6 Quy trình thực dự báo 17 2.7 Phương pháp dự báo sử dụng mạng Neural 20 2.8 Đánh giá mơ hình dự báo 20 Chương MƠ TẢ BÀI TỐN DỰ BÁO GIÁ TĂNG BITCOIN 21 3.1 Phát biểu toán 21 III 3.2 Dự liệu giá Bitcoin 21 3.3 Chọn phương án chọn cấu trúc liệu 22 3.4 Chọn phương án chọn cấu trúc liệu 22 3.5 Thiết kế mạng Neural 24 3.5.1 Số lớp neural 24 3.5.2 Cấu trúc mạng 24 3.5.3 Hàm tương tác đầu 25 Chương CHẠY THỬ NGHIỆM DỰ BÁO GIÁ BITCOIN CAO NHẤT TRONG NGÀY 26 4.1 Dự báo chạy thử nghiệm với Matlab 26 4.2 Dự báo Visual Gene Developer 28 4.3 Dự báo trung bình cộng 29 4.4 Kết dự báo ba phương pháp 31 Chương KẾT LUẬN 32 5.1 Các đóng góp 32 5.2 Lợi ích 32 5.3 Xu hướng phát triển 32 TÀI LIỆU THAM KHẢO 33 IV DANH MỤC CÁC HÌNH Hình Mơ hình neural sinh học Hình Mơ hình mạng nhiều lớp neural Hình Các dạng học Hình Mạng truyền thẳng nhiều lớp Hình Cấu trúc mạng lan truyền ngược 11 Hình Quy tình thực dự báo 18 Hình Quy trình lựa chọn mơ hình dự báo 19 Hình Lỗi MSE 27 Hình Kết kiểm tra mạng Matlab 27 Hình 10 Kết kiểm tra mạng Visual Gene Developer 28 Hình 11 Kết kiểm tra mạng phương pháp trung bình cộng 30 V DANH MỤC CÁC BẢNG Bảng Một số hàm phi tuyến thường sử dụng mơ hình neural Bảng Giá Bitcion 21 Bảng Dữ liệu giá Bitcoin cao ngày 22 Bảng Bảng liệu học giá theo USD 23 Bảng Kết huấn luyện dự báo giá BTC Matlab 26 Bảng Kết huấn luyện dự báo giá BTC Visual Gene Developer 28 Bảng Kết huấn luyện dự báo giá BTC phương pháp trung bình cộng 29 Bảng Kết dự báo năm phương pháp khác 31 VI DANH MỤC CÁC TỪ VIẾT TẮT STT Ký hiệu chữ viết tắt Chữ viết đầy đủ ANN BP BTC Bitcoin MSE Mean Square Error MAE Mean Absolute Error GA MAPE Artificial Neural Networks Backpropagation Genetic Algorithm Mean absolute percentage error VII Chương TỔNG QUAN VỀ MẠNG NEURAL 1.1 Giới thiệu mạng Neural sinh học Bộ não người chứa khoảng 1011 tế bào thần kinh (còn gọi neural) kết nối có 104 neural nên người có khả đưa định phức tạp nhanh chóng Mỗi tế bào thần kinh gồm thành phần chính: soma, dendrites axon Nguồn [Ben Krose and Patrick van der Smagt, 1996] Hình Mơ hình neural sinh học Mơ hình neural nhân tạo có nguồn gốc từ mơ hình tế bào thần kinh (hay cịn gọi neural) sinh vật Một tế bào neural gồm bốn phần là: Các nhánh rễ: Là phận nhận thông tin Các đầu nhậy đầu neural khác bám vào rễ nhánh neural Khi đầu vào từ ngồi có chênh lệch nồng độ K+, Na+ hay Cl- so với nồng độ bên xảy tượng thấm từ ngồi vào thơng qua chế màng thấm đặc biệt Hiện tượng thẩm thấu tạo nên chế truyền đạt thông tin Mức độ thẩm thấu đặc trưng chế màng tượng trưng tỷ lệ Tỷ lệ gọi tỷ trọng trọng (weight) Thân Thần kinh (Soma): Chứa nhân quan tổng hợp protein Các ion vào tổng hợp biến đổi Khi nồng độ ion đạt đến giá trị định, xảy q trình phát xung (hay kích thích) Xung phát đầu neural Dây dẫn đầu xung gọi dây thần kinh (axon) Dây thần kinh (Axon): Là nhánh dài mang tín hiệu đầu Đó phương tiện truyền dẫn tín hiệu Dây thần kinh cấu tạo gồm đốt dài từ micro mét đến vài mét tùy kết cấu cụ thể Đầu truyền tín hiệu đến neural khác Khớp thần kinh (Synape): Là phận tiếp xúc đầu neural với rễ, nhánh neural khác Chúng có cấu trúc màng đặc biệt để tiếp nhận tín hiệu có chênh lệch nồng độ ion bên bên Nếu nồng độ lớn việc truyền ion nhiều ngược lại 1.2 Mạng Neural nhân tạo 1.2.1 Lịch sử phát triển Năm 1890 William nghiên cứu tâm lý học với liên kết neural thần kinh Năm 1940, McCulloch Pitts neural mơ hình hóa thiết bị ngưỡng (giới hạn) để thực phép tính logic Trong thời gian Wiener nghiên cứu mối liên hệ nguyên lý phản hồi chức não Vào năm 1960 số mơ hình neural đưa như: Perception Rosenbatt, Adaline Widrow ma trận học Stinbuck Trong mơ hình Perception ý tính đơn giản Nhưng Minsky Papert chứng mơ hình Perception khơng dùng cho hàm logic phức Đầu năm 80 có đóng góp Grossberg, Kohonen Hoppfield Đặc biệt đóng góp lớn Hoppfield đưa mạng rời rạc (1982) mạng liên tục (1984) Từ làm sở để Rumelhart Hinton đề xuất thuật toán sai số truyền ngược để huấn luyện mạng neural nhiều lớp nhằm giải tốn mà mạng khác khơng làm Từ năm 1987 đến nay, hàng năm giới mở hội nghị toàn cầu chuyên ngành neural IJCNN (International Joint Conference on Neural networks) Ở Việt Nam mạng neural nghiên cứu từ năm 1980 ứng dụng lĩnh vực như: Tin học viễn thông, đo lường điều khiển…Một số chip neural sử dụng kỹ thuật lọc số ứng dụng khác 1.2.2 Định nghĩa mạng Neural nhân tạo Mạng neural nhân tạo liên kết neural nhân tạo với Mỗi liên kết neural kèm theo trọng số mang tính đặc trưng tính kích thích hay ức chế neural Các neural gọi nút (node) Các nút xếp theo thứ tự định mạng chia thành ba lớp Lớp đầu vào (input player), lớp đầu (output player) lớp ẩn (hiden layer) Chức mạng xác định bởi: cấu trúc mạng, trình xử lý bên neural, mức độ liên kết neural Mức độ liên kết neural xác định thông qua trình học mạng (quá trình huấn luyện mạng) Có thể xem trọng số phương tiện để lưu trữ thông tin dài hạn mạng neural Nhiệm vụ trình huấn luyện mạng cập nhật trọng số có thơng tin mẫu học Một số định nghĩa mạng neural: Mạng neural hệ thống gồm nhiều phần tử xử lý hoạt động song song Chức xác định cấu trúc liên kết phần tử xử lý, trình xử lý phần tử xử lý Một mạng neural xử lý song song đồ sộ, có xu hướng tự nhiên lưu trữ thông tin, tri thức dựa kinh nghiệm tích lũy để tạo tri thức Nó tương tự với não hai khía cạnh: - Tri thức có thơng qua q trình học - Các giá trị liên kết neural dùng phương tiện lưu trữ thông tin - Một mạng neural, tập hợp tế bào vật lý, liên kết với nhằm mục đích thu thập, lưu trữ sử dụng tri thức, kinh nghiệm cách tốt để tạo tri thức tốt Bước 4: Xem xét liệu xem xét đến yếu tố liệu như: Nguồn cung cấp, bước phân loại, đánh giá, xử lý liệu trước sử dụng Trong báo cáo sử dụng nguồn liệu thu thập từ https://coinmarketcap.com Vì vậy, liệu xác đáng tin cậy Bước 5: Lựa chọn mơ hình Để lựa chọn mơ hình thích hợp cho dự báo cần xem xét yếu tố như: Dữ liệu đầu vào, yêu cầu thời gian, yêu cầu kết đầu ra, tài ngun sẵn có… Quy trình lựa chọn mơ hình dự báo lựa chọn dựa số chiến lược dự báo sau: Tiền định: Dựa mối quan hệ mật thiết tương lai Triệu chứng: Dựa dấu hiệu để dự báo cho tương lai Hệ thống: Tức cho xu hướng phát triển tương lai tuân thủ theo quy tắc đó, chẳng hạn q trình tăng giảm Bitcoin (BTC) Nhận định đánh giá chung Xác định vấn đề dự báo cụ thể Xác định yêu cầu đầu Xác định chiến dược dự báo Xác định đầu vào Xác định lập mơ hình sơ Lựa chọn mơ hình Hình Quy trình lựa chọn mơ hình dự báo 19 Bước 6: Đánh giá mơ hình Với phương pháp dự báo định tính cần quan tâm đến việc đánh giá mơ hình với phương pháp định lượng phải đánh giá mức độ phù hợp mơ hình độ xác dự báo Nếu mơ hình khơng phù hợp quay lại bước Để đánh giá độ phù hợp mơ hình báo cáo sử dụng hai tiêu chí sai số tuyệt đối phần trăm (APE) sai số tuyệt đối trung bình phần trăm (MAPE) Bước 7: Chuẩn bị dự báo, chuẩn bị số liệu để phục vụ cho việc dự báo Bước 8: Trình bày kết dự báo Khi trình bày dự báo phải đảm bảo tính ngắn gọn, rõ ràng, độ tin cậy cảu dự báo Có nhiều cách để trình bày kết dự báo như: Bảng biểu, đồ thị hay hình ảnh minh họa trình bày dạng viết dạng nói Bước 9: Theo dõi kết dự báo Sau dự báo phải xem xét kết dự báo tức xem xét độ lệch giá trị dự báo giá trị thực Mục tiêu việc theo dõi kết để tìm lý lại có sai số xác định độ lớn sai số, qua bảo trì nâng cấp hệ thống dự báo 2.7 Phương pháp dự báo sử dụng mạng Neural Mơ hình mạng neural mơ hình có khả “học” từ liệu khứ, cập nhật tham số Vì lựa chọn tham số tối ưu mơ hình xấp xỉ tốt đường cong dịch chuyển đối tượng cần dự báo Kết dự báo có độ xác cao Đây mơ hình lựa chọn cho toán dự báo tuyển sinh luận văn, cụ thể vấn đề liên quan đến mạng neural trình bày chương sau 2.8 Đánh giá mơ hình dự báo Để xác định sai số, sai số tuyệt đối phần trăm (APE) sai số tuyệt đối trung bình phần trăm (MAPE) sử dụng định nghĩa sau: APE =| 𝐺𝑖á 𝑡ℎự𝑐 −𝐺𝑖á 𝑑ự 𝑏á𝑜 𝐺𝑖á 𝑡ℎự𝑐 |* 100 MAPE = ∑𝑛 𝐴𝑃𝐸 = 4.44 % 𝑛 20 Chương MƠ TẢ BÀI TỐN DỰ BÁO GIÁ TĂNG BITCOIN 3.1 Phát biểu toán Trong xã hội ngày phát triển loại tiền điện tử đời từ đại diện cho loại tiền điện tử Bitcoin Tiền điện tử nhiều doanh nghiệp giới chấp nhận cho việc toán Tiền điện tử nhà đầu tư coi vàng chọn để đầu tư kiếm lợi nhuận Ngày nay, với phát triển mạnh mẽ khoa học công nghệ, đặc biệt với trợ giúp máy tính cơng nghệ tính tốn ANN, BP, ta xây dựng cơng cụ cho phép dự đốn giá tăng giảm giá Bitcoin 3.2 Dự liệu giá Bitcoin Bảng liệu giá Bitcoin sử dụng trình dự báo website https://coinmarketcap.com/ từ ngày 06/01/2020 đến 02/05/2021 Bao gồm thông tin ngày, giá mở cửa, giá đóng cửa, giá cáo ngày, giá thấp ngày Trong dự báo dự báo giá Bitcoin cao ngày Các yếu tố ảnh hướng đến giá Bitcoin áp dụng dự báo dựa theo giá lịch sử Trong báo cáo dự báo giá BTC cao ngày Stt Ngày Giá mở của* Giá cao Giá thấp Giá đóng Jan 06, 2020 $7,410.45 $7,781.87 $7,409.29 $7,769.22 Jan 07, 2020 $7,768.68 $8,178.22 $7,768.23 $8,163.69 Jan 08, 2020 $8,161.94 $8,396.74 $7,956.77 $8,079.86 Jan 09, 2020 $8,082.30 $8,082.30 $7,842.40 $7,879.07 473 Apr 29, 2021 $54,858.09 $55,115.84 $52,418.03 $53,555.11 474 Apr 30, 2021 $53,568.66 $57,900.72 $53,129.60 $57,750.18 475 May 01, 2021 $57,714.66 $58,448.34 $57,052.27 $57,828.05 476 May 02, 2021 $57,825.86 $57,902.59 $56,141.91 $56,631.08 Bảng Giá Bitcion 21 3.3 Chọn phương án chọn cấu trúc liệu Phương án đặc trưng 476 tuần giá Bitcoin cao ngày Giá biết thời gian có nhiều biến động, có ảnh hưởng đến số liệu tuần Ngoài ra, số liệu trải dài 476 tuần đủ dùng việc dự báo ngắn hạn giá Bitcoin Sử dụng đặc trưng làm cấu trúc liệu cho toán nên phương án giải toán dự báo dạng hồi quy Tức sử dụng liệu tuần trước để dự báo cho tuần Ta có bảng liệu sau: Stt Ngày Giá cao Jan 06, 2020 $7,781.87 Jan 07, 2020 $8,178.22 Jan 08, 2020 $8,396.74 Jan 09, 2020 $8,082.30 473 Apr 29, 2021 $55,115.84 474 Apr 30, 2021 $57,900.72 475 May 01, 2021 $58,448.34 476 May 02, 2021 $57,902.59 Bảng Dữ liệu giá Bitcoin cao ngày 3.4 Chọn phương án chọn cấu trúc liệu Từ bảng liệu xây dựng toán sau: - Lấy ngày đầu từ 06/01/2020 đến 12/01/2020 để dự báo cho ngày 13/01/2020 - Sau lại lấy tiến lên ngày từ 07/01/2020 đến 13/01/2020 để dự báo cho ngày 14/01/2020 - Cứ tiếp tục cho dự báo đến năm 02/05/2021 Bài toán gồm pha sau: Pha 1: Pha học Dữ liệu dùng để học lấy từ ngày 06/01/2020 đến ngày 10/12/2020 ta có 340 mẫu mẫu gồm đầu vào giá cao Bitcon ngày Mẫu 22 giá Bitcoin cao ngày từ 06/01/2020 đến 12/01/2020 đầu giá Bitcoin cao ngày 13/01/2020 Mẫu lấy tiến lên ngày giá Bitcoin cao ngày từ 07/01/2020 đến 13/01/2020 đầu giá Bitcoin cao ngày 14/01.2020 Cứ ta có đến mẫu liệu 340 giá Bitcoin cao 10/03/2021 Dữ liệu từ năm 11/12/2020 đến năm 02/05/2021 sử dụng để làm liệu kiểm tra độ xác dự báo Ta có bảng liệu học sau: Đầu x1 x2 x3 x4 x5 x6 x7 Đầu k=1 7781.87 8178.22 8396.74 8082.30 8166.55 8218.36 8200.06 8197.79 k=2 8178.22 8396.74 8082.30 8166.55 8218.36 8200.06 8197.79 8879.51 k=3 8396.74 8082.30 8166.55 8218.36 8200.06 8197.79 8879.51 8890.12 k=4 8082.30 8166.55 8218.36 8200.06 8197.79 8879.51 8890.12 8846.46 vào k=337 19411.83 19283.48 18626.29 18553.30 18268.45 18919.55 19381.54 19305.10 k=338 19283.48 18626.29 18553.30 18268.45 18919.55 19381.54 19305.10 19525.01 k=339 18626.29 18553.30 18268.45 18919.55 19381.54 19305.10 19525.01 21458.91 k=340 18553.30 18268.45 18919.55 19381.54 19305.10 19525.01 21458.91 23642.66 Bảng Bảng liệu học giá theo USD Ta mơ tả tốn sau: y1 = w11x1 + w12x2 + … + w17x7 = x8 (13-01-2020) = d1 y2 = w21x1 + w22x2 + … + w27x7 = x8 (14-01-2020) = d2 -y430 = w4661x1 + w4662x2 + … + w4667x7 = x8 (15-04-2021) =d430 Hay Y = [y1 , y2 , …, y466] T ; x =[x1 , x2 ,…,x7] T ; W = [wij] Pha 2: Pha chạy - Từ kết tập huấn luyển ta tìm W = [wij] - Cho tập liệu năm [06/01/2020 02/05/2021] - Cho tập liệu giá BTC cao ngày [7,781 … 57,903] 23 - Bài toán xác định y số giá BTC ngày 03/05/2021 Nếu muốn dự báo số giá vào 04/05/2021 ta có bước sau: Bước 1: Lấy liệu năm 03/05/2021 cho học lại Bước 2: Lấy liệu ngày 27/04/2021 – 03/05/2021 để tìm y 04/05/2021 Cứ sử dụng liệu ngày trước để dự báo cho ngày sau 3.5 Thiết kế mạng Neural Trong toán, ta xác định cặp đầu vào (x(k), d(k)) k=1…340 giá trị liệu giá cao Bitcoin cao ngày 06/01/2020 đến ngày 10/12/2020 3.5.1 Số lớp neural Trong báo cáo lựa chọn mơ hình mạng neural với lớp (1 lớp vào, lớp ẩn, lớp ra) cấu trúc toán 3.5.2 Cấu trúc mạng Số neural lớp vào Trong luận văn lựa chọn neural lớp vào cho tập mẫu ứng vào giá trị đầu vào mạng giá cao ngày tuần Bitcoin Đầu tập mẫu trước đầu vào cho tập mẫu sau Số neural lớp ẩn Để lựa chọn xác số neural cho lớp ẩn khó số neural lớp ẩn lựa chọn qua thực nghiệm toán Qua thực nghiệm toán lựa chọn số neural lớp ẩn neural Số neural lớp Bài toán đặt dự báo giá cao Bitcoin tăng cao ngày ngày Do có đầu là: giá Bitcoin cao ngày sau Hằng số học Hằng số học  lựa chọn phương pháp thực nghiệm 24 3.5.3 Hàm tương tác đầu Hàm kích hoạt sử dụng lớp vào lớp ẩn hàm Log-sigmoid, hàm thuận lợi sử dụng cho mạng huấn luyện thuật tốn lan truyền ngược BP, dễ lấy đạo hàm 𝑦 = 𝑓(𝑁𝑒𝑡𝑖 ) = 1 + 𝑒 −𝑁𝑒𝑡𝑖 Hàm log-sigmoid phù hợp với tốn có đầu mong muốn rơi vào khoảng [0,1] Hàm kích hoạt sử dụng lớp hàm tổng SUM giá trị đầu giá trị thực tế chuẩn hóa theo đơn vị đầu 25 Chương CHẠY THỬ NGHIỆM DỰ BÁO GIÁ BITCOIN CAO NHẤT TRONG NGÀY 4.1 Dự báo chạy thử nghiệm với Matlab Mẫu Ngày Giá trị thực BTC/USD Giá trị dự báo BTC/USD Tỷ lệ % Lỗi MAE 13/1/2020 8,197.79 8,666.49 94.59 0.98 14/1/2020 8,879.51 8,774.65 98.82 0.22 15/1/2020 8,890.12 9,069.24 98.02 0.38 473 29/4/2021 55,115.8 56,251.76 97.98 2.39 474 30/4/2021 57,900.7 56,598.60 97.75 2.74 475 01/5/2021 58,448.3 58,382.22 99.89 0.14 476 02/5/2021 57,902.6 59,833.56 96.77 4.06 Bảng Kết huấn luyện dự báo giá BTC Matlab Như kết dự báo sử dụng công cụ mạng neural truyền thẳng với thuật toán lan truyền ngược sai số cho kết dự báo tương đối xác, sai số chấp nhận Trong hình Bảng hiển thị kết huấn luyện mạng neural sau 1000 vịng với số lỗi MAE tìm qua trình huấn luyện lỗi MSE Hình Các thông số mạng khởi tạo là: Mạng hội tụ vòng huấn luyện thứ 961 hiệu suất tốt 26 Hình Lỗi MSE Hình Kết kiểm tra mạng Matlab Hình mô tả kết kiểm tra mạng với liệu kiểm tra từ ngày 06/01/2020 đến 02/05/2021 Đường màu xanh mô ta giá trị thực tế thu thập đường màu cam 27 đường thể giá trị dự báo Nhìn vào biểu đồ kiểm tra kết mạng ta nhận thấy kết dự báo mạng tương đối xác, tức sai số dự báo nhỏ Để xác định sai số, sai số tuyện đối phần trăm (APE) sai số tuyệt đối trung bình phần trăm (MAPE) sử dụng định nghĩa sau: APE =| 𝐺𝑖á 𝑡ℎự𝑐 −𝐺𝑖á 𝑑ự 𝑏á𝑜 𝐺𝑖á 𝑡ℎự𝑐 |* 100 MAPE = ∑𝑛 𝐴𝑃𝐸 = 4.44 % 𝑛 4.2 Dự báo Visual Gene Developer Mẫu Ngày Giá trị thực BTC/USD Giá trị dự báo BTC/USD 13/1/2020 8,197.79 9,569.54 85.67 2.88183 14/1/2020 8,879.51 9,648.80 92.03 1.616159 15/1/2020 8,890.12 9,660.84 92.02 1.619159 473 29/4/2021 55,115.8 49,893.78 90.53 10.97072 474 30/4/2021 57,900.7 49,843.01 86.08 16.92796 475 01/5/2021 58,448.3 49,911.09 85.39 17.9354 476 02/5/2021 57,902.6 49,937.34 86.24 16.73373 Tỷ lệ % Lỗi MAE Bảng Kết huấn luyện dự báo giá BTC Visual Gene Developer Hình 10 Kết kiểm tra mạng Visual Gene Developer 28 Để xác định sai số, sai số tuyện đối phần trăm (APE) sai số tuyệt đối trung bình phần trăm (MAPE) sử dụng định nghĩa sau: APE =| 𝐺𝑖á 𝑡ℎự𝑐 −𝐺𝑖á 𝑑ự 𝑏á𝑜 𝐺𝑖á 𝑡ℎự𝑐 |* 100 MAPE = ∑𝑛 𝐴𝑃𝐸 = 11.99 % 𝑛 Như kết dự báo sử dụng công cụ mạng neural truyền thẳng với thuật toán lan truyền ngược sai số cho kết dự báo Visual Gene Developer tương đối nhiều với Matlab 4.3 Dự báo trung bình cộng Mẫu Ngày Giá trị thực BTC/USD Giá trị dự báo BTC/USD Tỷ lệ % Lỗi MAE 13/1/2020 8,197.79 8,146.30 85.67 0.108172 14/1/2020 8,879.51 8,205.72 92.03 1.415531 15/1/2020 8,890.12 8,305.90 92.02 1.22735 473 29/4/2021 55,115.8 53,590.97 90.53 3.203514 474 30/4/2021 57,900.7 53,548.91 86.08 9.142455 475 01/5/2021 58,448.3 54,374.62 85.39 8.558244 476 02/5/2021 57,902.6 55,414.73 86.24 5.226603 Bảng Kết huấn luyện dự báo giá BTC phương pháp trung bình cộng 29 Hình 11 Kết kiểm tra mạng phương pháp trung bình cộng Để xác định sai số, sai số tuyện đối phần trăm (APE) sai số tuyệt đối trung bình phần trăm (MAPE) sử dụng định nghĩa sau: APE =| 𝐺𝑖á 𝑡ℎự𝑐 −𝐺𝑖á 𝑑ự 𝑏á𝑜 𝐺𝑖á 𝑡ℎự𝑐 |* 100 MAPE = ∑𝑛 𝐴𝑃𝐸 = 4.71 % 𝑛 30 4.4 Kết dự báo ba phương pháp Mẫu Giá trị thực BTC/USD Matlab Visual Gene Developer Giá trị dự báo BTC/USD Tỷ lệ % Trung bình cộng Giá trị dự Tỷ lệ Giá trị dự Tỷ lệ báo % báo % BTC/USD BTC/USD 8,197.79 8,666.49 94.59 9,569.54 85.67 8,146.30 85.67 8,879.51 8,774.65 98.82 9,648.80 92.03 8,205.72 92.03 8,890.12 9,069.24 98.02 9,660.84 92.02 8,305.90 92.02 473 55,115.8 56,251.76 97.98 49,893.78 90.53 53,590.97 90.53 474 57,900.7 56,598.60 97.75 49,843.01 86.08 53,548.91 86.08 475 58,448.3 58,382.22 99.89 49,911.09 85.39 54,374.62 85.39 476 57,902.6 59,833.56 96.77 49,937.34 86.24 55,414.73 86.24 Bảng Kết dự báo năm phương pháp khác Qua kết thực nghiệm thu q trình thử nghiệm cơng cụ dự báo điều sau: - Mạng neural nhân tạo có tính ứng dụng đa dạng, hiệu toán dự báo - Mức độ xác mơ hình phụ thuộc vào nhiều thông số, nhiên lại chưa có phương pháp để xác định xác định tính định lượng thơng số Ta phải thông qua phương pháp thực nghiệm để xác định giá trị thông số tối ưu 31 Chương KẾT LUẬN 5.1 Đóng góp Trong báo cáo nghiên cứu tổng quan mạng neural nhân tạo, sâu vào nghiên cứu mạng neural lan truyền thẳng huấn luyện thuật toán lan truyền ngược sai số nhằm đạt tới kết tốt cho toán tối ưu trọng số mạng neural nhân tạo 5.2 Lợi ích Giúp nhà đầu tư giao dịch thời điểm tương đối xác với cách tiếp cận mang lại lợi nhuận lớn, tránh gặp rủi ro chủ động đưa đinh đắng để mang lại lợi nhuận Nên cần sử dụng mạng neural nhân tạo phù hợp xem cơng cụ phân tích pháp tốt làm giảm ảnh hưởng sai lầm đưa định 5.3 Xu hướng phát triển Những kết thực nghiệm khả quan dựa nghiên cứu ứng dụng mạng neural nhân tạo với thuật toán học lan truyền ngược sai số toán dự báo giá BTC cao ngày vào ngày tới cho thấy mơ hình hiệu Vì vậy, hướng phát triển báo cáo cải tiến phương pháp dự báo để có kết xác Ngồi ra, sử dụng kết hợp với logic mờ giải thuật di truyền (GA) kết dự báo xác dự báo thêm nhiều loại tiền điện tử khác 32 TÀI LIỆU THAM KHẢO [1] Môn Học máy ứng dụng [2] Dương Thu Trang (2017) , xem 03/05/2021 [3] MathWorks https://www.mathworks.com/discovery/neural-network.html, xem 18/04/2021 [4] Visual Gene Developer , xem 10/05/2021 33 ... ngày, giá mở cửa, giá đóng cửa, giá cáo ngày, giá thấp ngày Trong dự báo dự báo giá Bitcoin cao ngày Các yếu tố ảnh hướng đến giá Bitcoin áp dụng dự báo dựa theo giá lịch sử Trong báo cáo dự báo giá. .. loại dự báo như: - Dựa vào thời gian dự báo phân làm ba loại là: Dự báo dài hạn, dự báo trung hạn dự báo ngắn hạn Theo phương pháp dự báo lại phân thành: - Dự báo phương pháp chuyên gia, dự báo. .. cơng tác dự báo ứng dụng rộng rãi hầu hết lĩnh vực như: Dự báo giá xăng dầu, dự báo chứng khoán, dự báo thời tiết… Công tác dự báo nhằm mục đích dự báo trước thay đổi đối tượng dự báo dựa sở nghiên