ĐỒ ÁN CƠ SỞ: Nghiên cứu về mạng Neuron áp dụng dự đoán thị trường giá Vàng

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ Nghiên cứu về mạng Neuron áp dụng dự đoán thị trường giá Vàng Giảng viên hướng dẫn VƯƠNG XUÂN CHÍ Sinh viên. Chương 1: Tổng quan về mạng Neural 1.1. Tìm hiểu mạng Neural nhân tạo. 1.1.1. Khái niệm. Là một hệ thống bao gồm nhiều phần tử xử lý đơn giản (hay còn gọi là neural) tựa như neural thần kinh của não người, hoạt động song song và được nối với nhau bởi các liên kết neural. Mỗi liên kết kèm theo một trọng số nào đó, đặc trưng cho tính kích hoạt hoặc ức chế giữa các neural. Có thể xem các trọng số là phương tiện để lưu trữ thông tin dài hạn trong mạng neural và nhiệm vụ của quá trình huấn luyện của mạng là cập nhật các trọng số khi có thêm thông tin về mẫu học. Hay nói một cách khác, các trọng số đều được điều chỉnh sao cho dáng điệu vào ra của mạng sẽ mô phỏng hoàn toàn phù hợp với môi trường đang xem xét. Mô hình mạng neural ở trên gồm 3 lớp: lớp nhập (input), lớp ẩn(hidden) và lớp xuất (output). Mỗi nút trong lớp nhập nhận giá trị của một biến độc lập và chuyển vào mạng. Dữ liệu từ tất cả các nút trong lớp nhập được tích hợp – ta gọi là tổng trọng số – và chuyển kết quả cho các nút trong lớp ẩn. Gọi là “ẩn” vì các nút trong lớp này chỉ liên lạc với các nút trong lớp nhập và lớp xuất, và chỉ có người thiết kế mạng mới biết lớp này (người sử dụng không biết lớp này). Các nút trong lớp xuất nhận các tín hiệu tổng trọng hóa từ các nút trong lớp ẩn. Mỗi nút trong lớp xuất tương ứng với một biến phụ thuộc.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ Nghiên cứu mạng Neuron áp dụng dự đoán thị trường giá Vàng Giảng viên hướng dẫn: VƯƠNG XUÂN CHÍ Sinh viên thực hiện: QUÁCH MINH QUANG MSSV: 201154800 Khoá: 2020 Ngành/ chuyên ngành: Khoa học liệu Tp HCM, tháng 09 năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ Nghiên cứu mạng Neuron áp dụng dự đoán thị trường giá Vàng Giảng viên hướng dẫn: VƯƠNG XUÂN CHÍ Sinh viên thực hiện: QUÁCH MINH QUANG MSSV: 2011549800 Khoá: 2020 Ngành/ chuyên ngành: Khoa học liệu Tp HCM, tháng 09 năm 2022 Trường Đại học Nguyễn Tất Thành CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Khoa Công Nghệ Thông Tin � � � � Độc lập – Tự – Hạnh phúc � � � � NHIỆM VỤ ĐỒ ÁN CƠ SỞ Họ tên: Quách Minh Quang MSSV: 2011549800 Chuyên ngành: Khoa học liệu Lớp: 20DTH2A Email: quachminhquang997@gmail.com SĐT: 0942975646 Tên đề tài: Nghiên cứu mạng Neuron áp dụng dự đốn thị trường giá Vàng Gíao viên hướng dẫn: Vương Xuân Chí Thời gian thực hiện: 20 /6 /2022 đến 20 /9 /2022 MÔ TẢ ĐỀ TÀI: Dự đoán toán khoa học sở sử dụng chuỗi liệu theo quy luật đó, có nhiều phương pháp dự đoán toán học Sử dụng khả nguyên tắc để ứng dụng thành công mạng Neural nhân tạo việc dự đoán giá vàng tương lai NỘI DU G VÀ PHƯƠNG PHÁP: - Nghiên cứu khái niệm, thức tạo mạng Neural nhận tạo nhiều lớp - Tìm hiểu đặc trưng mạng Neural nhân tạo, bước thiết kế mơ hình mạng Neural - Ứng dụng mạng Neural vào thị trường tài chính, sử dụng mơ hình ANNs - Kết luận YÊU CẦU: - Có kiến thức, đam mê, hiểu biết công nghệ Mạng neural, Machine Learning, Deep Learning… Đọc hiểu tài liệu tiếng Anh, kỹ trình bày văn máy tính tốt - Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả làm việc độc lập làm việc nhóm tốt Nội dung yêu cầu thông qua Bộ môn TP.HCM, ngày 26 tháng năm 2022 Q TRƯỞNG BỘ MÔN (Ký ghi rõ họ tên) GIÁO VIÊN HƯỚNG DẪN (Ký ghi rõ họ tên) ThS Vương Xuân Chí ThS Vương Xuân Chí LỜI CẢM ƠN Trong thực tế lĩnh vực, việc người trước bảo giúp đỡ điều may mắn Em xin cảm ơn thầy Vương Xuân Chí bảo, dẫn đắt em mơn học học kì Ngồi việc học lí thuyết thầy cịn chia sẻ kĩ nâng giúp ích cho thân em không mà cịn sau Cảm ơn thầy buổi học thú vị, vui vẻ đầy nghiêm túc Em xin trân thành cảm ơn! Sinh viên thực Quách Minh Quang LỜI MỞ ĐẦU Ngày khơng phủ nhận vai trị quan trọng máy tính nghiên cứu khoa học kỹ thuật đời sống Máy tính làm điều kỳ diệu giải vấn đề tưởng chừng nan giải Một máy tính, dù có mạnh đến đâu nữa, phải làm việc theo chương trình xác hoạch định trước chuyên gia Bài toán phức tạp việc lập trình cơng phu Trong người làm việc cách học tập rèn luyện, làm việc người có khả liên tưởng, kết nối việc với việc khác, quan trọng hết, họ sáng tạo Con người dễ dàng làm nhiều điều mà việc lập trình cho máy tính địi hỏi nhiều công sức Từ lâu nhà khoa học nhận thấy ưu điểm óc người tìm cách bắt chước để thực máy tính, tạo cho có khả học tập, nhận dạng phân loại Các mạng neural nhân tạo đời từ nỗ lực Nó thực ý nhanh chóng trở thành hướng nghiên cứu đầy triển vọng mục đích xây dựng máy thơng minh tiến gần tới trí tuệ người Đặc biệt lĩnh vực dự đoán thị trường giá vàng TRƯỜNG ĐH NGUYỄN TẤT THÀNH KỲ THI KẾT THÚC HỌC PHẦN TRUNG TÂM KHẢO THÍ HỌC KỲ III NĂM HỌC 2021 - 2022 PHIẾU CHẤM THI TIỂU LUẬN/ĐỒ ÁN Môn thi: Đồ án sở Khoa học liệu Lớp học phần: 20DTH2A Nhóm sinh viên thực hiện: Trần Phát Huy Quách Minh Quang Thamgia đóng góp: Ngày thi: Tham gia đóng góp: Phịng thi: Đề tài tiểu luận/báo cáo sinh viên: Nghiên cứu mạng Neuron áp dụng dự đoán thị trường giá Vàng Phần đánh giá giảng viên (căn thang rubrics mơn học): Tiêu chí (theo CĐR HP) Cấu trúc báo cáo Nội dung - Các nội dung thành phần - Lập luận Đánh giá GV Điểm tối đa Điểm đạt - Kết luận Trình bày TỔN G ĐIỂM Giảng viên chấm thi (ký, ghi rõ họ tên) MỤC LỤC DANH MỤC CÁC BẢNG HÌNH Hình 1.2: Cấu trúc Neural nhân tạo 1.2 Đặc trưng mạng Neural nhân tạo 1.2.1 Tính phi tuyến Một neural tính tốn cách tuyến tính hay phi tuyến Một mạng neural, cấu thành kết nối neural phi tuyến tự có tính phi tuyến Hơn nữa, điều đặc biệt tính phi tuyến phân tán tồn mạng Tính phi tuyến thuộc tính quan trọng, chế vật lý sinh tín hiệu đầu vào (ví dụ tín hiệu tiếng nói) vốn phi tuyến 1.2.2 Tính chất tương ứng đầu vào đầu Mặc dù khái niệm “học” hay “huấn luyện” chưa bàn đến để hiểu mối quan hệ đầu vào-đầu mạng neural, đề cập sơ qua khái niệm Một mơ hình học phổ biến gọi học với người dạy hay học có giám sát liên quan đến việc thay đổi trọng số liên kết mạng neural việc áp dụng tập hợp mẫu tích luỹ hay ví dụ tích luỹ Mỗi ví dụ bao gồm tín hiệu đầu vào đầu mong muốn tương ứng Mạng neural nhận ví dụ lấy cách ngẫu nhiên từ tập hợp nói đầu vào nó, trọng số liên kết mạng biến đổi cho cực tiểu hố sai khác đầu mong muốn đầu thực mạng theo tiêu chuẩn thống kê thích hợp Sự tích luỹ mạng lặp lại với nhiều ví dụ tập hợp mạng đạt tới trạng thái ổn định mà khơng có thay đổi đáng kể trọng số liên kết Các ví dụ tích luỹ áp dụng trước áp dụng lại thời gian phiên tích luỹ theo thứ tự khác Như mạng neural học từ ví dụ cách xây dựng nên tương ứng đầu vào-đầu cho vấn đề cần giải 1.2.3 Tính chất thích nghi Các mạng neural có khả mặc định biến đổi trọng số liên kết tuỳ theo thay đổi môi trường xung quanh Đặc biệt, mạng neural tích luỹ để hoạt động mơi trường xác định tích luỹ lại cách dễ dàng có thay đổi nhỏ điều kiện mơi trường hoạt động 1.2.4 Tính chất đưa lời giải có chứng Trong ngữ cảnh phân loại mẫu, mạng neural thiết kế để đưa thông tin không mẫu phân loại, mà tin cậy định thực Thơng tin sử dụng để loại bỏ mẫu mơ hồ hay nhập nhằng 1.2.5 Tính chất chấp nhận sai sót Một mạng neural, cài đặt dạng phần cứng, vốn có khả chấp nhận lỗi, hay khả tính tốn thơ, với ý nghĩa tính thối hố có điều kiện hoạt động bất lợi Ví dụ, neural hay liên kết kết nối bị hỏng, việc nhận dạng lại mẫu lưu trữ suy giảm chất lượng Khả cài đặt VLSI(Very-large-scale-intergrated) Bản chất song song đồ sộ mạng neural làm cho nhanh tính tốn số cơng việc Đặc tính tạo cho mạng neural khả phù hợp cho việc cài đặt sử dụng kỹ thuật Very-large-scale-intergrated (VLSI) Kỹ thuật cho phép xây dựng mạch cứng tính tốn song song quy mơ lớn Chính mà ưu điểm bật VLSI mang lại phương tiện hữu hiệu để xử lý hành vi có độ phức tạp cao 1.2.6 Tính chất đồng dạng phân tích thiết kế Về bản, mạng neural có tính chất chung xử lý thơng tin Chúng ta nêu điều với ý nghĩa cho tất lĩnh vực có liên quan tới việc ứng dụng mạng neural Đặc tính thể số điểm sau: Các neural, dạng dạng khác, biểu diễn thành phần chung cho tất mạng neural Tính thống đem lại khả chia sẻ lý thuyết thuật toán học nhiều ứng dụng khác mạng neural Các mạng tổ hợp (modular) xây dựng thơng qua tích hợp mơ hình khác 1.3 Phương pháp học mạng Neural 1.3.1 Học có giám sát Một thành phần thiếu phương pháp có mặt người thầy (ở bên ngồi hệ thống) Người thầy có kiến thức mơi trường thể qua tập hợp cặp đầu vào - đầu biết trước Hệ thống học (ở mạng neural) phải tìm cách thay đổi tham số bên (các trọng số ngưỡng) để tạo nên ánh xạ có khả ánh xạ đầu vào thành đầu mong muốn Sự thay đổi tiến hành nhờ việc so sánh đầu thực đầu mong muốn 1.3.2 Học không giám sát Trong học khơng có giám sát, ta cho trước số liệu x hàm chi phí cần cực tiểu hóa hàm liệu x đầu mạng, f – hàm chi phí định phát biểu toán Phần lớn ứng dụng nằm vùng tốn ước lượng mơ hình hóa thống kê, nén, lọc, phân cụm 1.3.3 Học tăng cường Dữ liệu x thường không tạo trước mà tạo trình agent tương tác với môi trường Tại thời điểm t, agent thực hành động yt môi trường tạo quan sát xt với chi phí tức thời Ct, theo quy trình động (thường khơng biết) Mục tiêu sách lược lựa chọn hành động để cực tiểu hóa chi phí dài hạn đó, nghĩa chi phí tích lũy mong đợi Quy trình hoạt động mơi trường chi phí dài hạn cho sách lược thường khơng biết, ước lượng Mạng neural nhân tạo thường dùng học tăng cường phần thuật tốn tồn cục Các tốn thường giải học tăng cường tốn điều khiển, trị chơi nhiệm vụ định (sequential decision making) khác 1.4 Một số ứng dụng mạng Neural Trong hàng không: Máy bay không người lái, mô đường bay máy bay Hệ thống dẫn đường tự động: Điều khiển bơm nhiên liệu, phanh tự động, phân tích hoạt động bảo hành Ngân hàng: Đánh giá hoạt động tín dụng, phân loại cơng ty, đo lường rủi ro tín dụng Trong quốc phịng: Chỉ huy vũ khí, theo dõi mục tiêu, tạo cảm biến mới, ngăn chặn tìm kiếm tội phạm Điện: Bố trí chíp mạch phù hợp, điều khiển q trình, phân tích lỗi chip Giải trí: Hoạt hình, dự báo thị trường Trong hoạt động dự báo, dự đoán: dự báo thời tiết, giá vàng, chứng khoáng, … Ngồi cịn nhiều ứng dụng khác mạng Neural: Dầu khí, robot, tiếng nói, hình ảnh, an ninh, truyền thông, giao thông,… Chương 2: Ứng dụng mạng Neuron vào dự đoán giá Vàng 2.1 Khái niệm hệ thống dự đoán thị trường giá Vàng 2.1.1 Khái niệm Hệ thống dự đoán thị trường giá vàng chương trình sử dụng thuật tốn để dự đốn xu hướng tương lai thị trường vàng Các thuật toán sử dụng hệ thống dự đoán giá vàng ban đầu sử dụng để nghiên cứu khoa học lĩnh vực di truyền học, thiên văn học vật lý lượng tử Tuy nhiên, nhà khoa học sớm phát thuật tốn áp dụng cho thị trường giá vàng lĩnh vực tạo lượng lớn liệu tuân theo số kiểu mẫu Các kỹ thuật sử dụng phổ biến dự đoán thị trường giá vàng bao gồm thuật toán di truyền (GA) mạng nơ-ron nhân tạo (ANN) Việc sử dụng phương pháp ANN để dự đoán giá vàng chứng minh thành cơng ANN dự đốn mức thấp tương lai cách phân tích giá thấp độ trễ thời gian, mức cao tương lai dự đoán cách sử dụng mức cao bị trễ Những dự đốn sau sử dụng để xác định giá mua bán 2.1.2 Lợi ích việc sử dụng Hệ thống dự đoán giá vàng Dự đoán hiệu hoạt động thị trường giá vàng thách thức rủi ro Có nhiều yếu tố xem xét – yếu tố thể chất, yếu tố tâm lý hành vi Những khía cạnh khiến giá cổ phiếu khơng ổn định khó dự đốn xác Tuy nhiên, với việc sử dụng thuật toán khoa học liệu, dự đoán cải thiện Sau số lợi ích việc sử dụng hệ thống dự đoán giá vàng: - Sử dụng hệ thống ANN, sử dụng cách tiếp cận phân loại trái ngược với cách tiếp cận đầu định lượng truyền thống, tạo độ tin cậy dự đoán tốt - Một số loại liệu mà trước khơng thể thu thập xử lý, chẳng hạn liệu văn khơng có cấu trúc, sử dụng để đưa dự đoán với trợ giúp thuật toán Dữ liệu văn phi cấu trúc đề cập đến báo cáo tin tức tình cảm cơng chúng Sử dụng kỹ thuật Dữ liệu lớn giúp bạn theo dõi giá trị, ý kiến mơ hình hành vi người đưa dự đoán; điều có nghĩa dự đốn khơng dựa liệu kỹ thuật số - Các thuật tốn giúp xử lý nhanh chóng lượng liệu khổng lồ dễ hỏng Trên thị trường giá vàng, điều kiện thay đổi liên tục nhanh chóng Điều có nghĩa để dự đốn kiện tương lai thị trường, cần có hệ thống đáng tin cậy nhanh chóng Các thuật tốn cung cấp lợi ích Các thuật tốn sử dụng liệu xử lý trước, giảm không gian lưu trữ liệu tăng tốc độ tính tốn 2.1.3 Cách thức hoạt động Dữ liệu đưa vào hệ thống dự báo xử lý thuật tốn Sau nhiều lần xử lý phần mềm đưa kết liệu mức chênh lệch thấp Với mức chênh lệch kết thấp độ xác dự đốn cao 2.1.4 Chức hệ thống Hệ thống dự báo thị trường giá vàng có chức dự báo sau: - Dự báo giá vàng theo ngày - Dự báo giá vàng theo tháng - Dự báo giá vàng đầu năm cuối năm 2.2 Các bước q trình dự đốn hệ thống 2.2.1 Dự đốn dựa vào giá vàng ngày trước (quá khứ) 2.2.1.1 Chuẩn bị liệu Lựa chọn, thu thập tổ chức liệu: - Dữ liệu dạng file text - Dữ liệu chia theo hàng cột, bao gồm ID, đầu vào cuối đầu Có thể sử dụng MS Excel để biên soạn liệu, sau lưu vào file text file csv Tính số Neural liệu: - Số lượng Neural phụ thuộc vào số chiều liệu đầu vào Chuẩn hóa liệu Phân chia liệu phù hợp 2.2.1.2 Tìm thơng số thích hợp cho mạng Neural Lựa chọn số Neural cho lớp ẩn: số Neural ẩn phụ thuộc vào người sử dụng Lựa chọn hàm biến đổi cho lớp ẩn Sử dụng hàm truyền Thuyết lặp điều kiện dừng: - Số lần lặp (lặp với số lần định để đưa kết với độ chênh lệch thấp có thể) - Thời gian học (thuật toán Gradient descent tốc độ học) 2.2.1.3 Huấn luyện mạng ANN huấn luyện (Training) hay học (Learning) theo kĩ thuật học có giám sát Q trình huấn luyện lặp lặp lại đến kết đầu đạt giá trị mong muốn Áp dụng cho kĩ thuật mạng Neural lan truyền ngược Quá trình học mạng Neural nhân tạo mơ tả: Tính giá trị đầu từ giá trị đầu vào So sánh giá trị đầu với giá trị mong muốn Nếu chưa đạt giá trị mong muốn điều chỉnh lại thơng số tính lại giá trị đầu Sau tính tốn giá trị đầu vào, ta nhận giá trị đầu Giá trị mà ta mong muốn biết trước Sự chênh lệch giá trị đầu giá trị mong muốn gọi lỗi, tức ta lấy hai giá trị trừ cho Mục đích việc làm để tìm lỗi nhỏ tốt ( Nếu khơng có chênh lệch hai giá trị hồn hảo) cách điều chỉnh thơng số đầu vào, tiếp tục tính giá trị đẩu so sánh với giá tri mong muốn, điều chỉnh thông số dừng phù hợp Tiến hành huấn luyện mạng nhiều lần chọn lần huấn luyện có lỗi nhỏ (khi kết dự đốn xác cao hơn) 2.2.1.4 Kiểm tra liệu mơ hình hóa (modeling) Sau q trình mạng học xong, ta kiểm tra liệu, đầu liệu có dạng đồ thị, để dễ dàng so sánh thơng số đầu kết qua mong muốn Hình 2.1: biểu đồ - Màu đỏ giá trị đầu - Màu xanh giá trị mong muốn Với liệu học, ta thấy đầu mạng gần trùng với kết mong muốn Mạng học tốt dự báo với độ xác cao 2.2.2 Dự báo dựa vào biến động thị trường 2.2.2.1 Dựa vào biến động giá vàng nhiều năm trước (hơn năm) Hình 2.2: biểu đồ Với liệu đầu dự liệu mong muốn có chênh lệch đáng kể Mạng học tương đối dự báo với độ xác khơng cao 2.2.2.2 Dựa vào biến động giá vàng năm Hình 2.3: biểu đồ Với liệu đầu dự liệu mong muốn có chênh lệch không đáng kể Mạng học tương đối dự báo với độ xác cao Chương 3: Kết luận Mạng Neural nhân tạo lĩnh vực nghiên cứu rộng lớn Nó ngày ứng dụng nhiều thực tế Mạng với ưu điểm cấu trúc đơn giản, độ xác cao hơn,… Tuy nhiên em tìm hiểu phương pháp huấn luyện ứng dụng vào toán dự đoán giá vàng mức lý thiết để dự báo thị trường Chương trình hoạt động tốt khoảng thời gian ngắn hạn, với tỉ lệ xác cao (thường 90%) Với việc chương trình hoạt động tốt khoảng thời gian định giúp cho nhà đầu tư sinh lời hạn chế rủi ro thấp Chương trình dự đốn thiếu xác dần theo khoảng thời gian xa, xác suất dự đốn xác thấp Như vậy, chương trình hoạt động tốt phạm vi thời gian ngắn sai số nhiều vượt phạm vi thời gian DANH MỤC TÀI LIỆU THAM KHẢO ThS Phạm Đình Tài, Mạng Neural Giải thuật di truyền, Khoa Công nghệ thông tin, Trường Đại học Nguyễn Tất Thành ... 2: Ứng dụng mạng Neuron vào dự đoán giá Vàng 2.1 Khái niệm hệ thống dự đoán thị trường giá Vàng 2.1.1 Khái niệm Hệ thống dự đoán thị trường giá vàng chương trình sử dụng thuật tốn để dự đốn xu...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ Nghiên cứu mạng Neuron áp dụng dự đoán thị trường giá Vàng Giảng viên hướng dẫn:... vàng có chức dự báo sau: - Dự báo giá vàng theo ngày - Dự báo giá vàng theo tháng - Dự báo giá vàng đầu năm cuối năm 2.2 Các bước q trình dự đốn hệ thống 2.2.1 Dự đoán dựa vào giá vàng ngày trước