Ứng dụng thuật toán di truyền xác định quy tắc giao dịch tối ưu trên trị trường chứng khoán Việt Nam

MỤC LỤC MỞ ĐẦU..................................................................................................................... 1 CHƯƠNG 1: GIỚI THIỆU ....................................................................................... 2 1.1 Giới thiệu về thuật toán di truyền và ứng dụng ...................................................... 2 1.2 Thuật toán di truyền trong lĩnh vực tài chính .......................................................... 4 1.3 Phương pháp luận của đề tài ................................................................................... 7 CHƯƠNG 2: THUẬT TOÁN DI TRUYỀN ............................................................. 9 2.1 Nguyên lý cơ bản về thuật toán di truyền................................................................ 9 2.1.1 Tổng quan về nguyên lý của thuật toán di truyền............................................ 10 2.1.2 Thiết kế thuật toán.......................................................................................... 12 2.1.2.1 Mã hóa dữ liệu ....................................................................................... 12 2.1.2.2 Hàm thích nghi ...................................................................................... 14 2.1.3 Các phép toán của thuật toán di truyền ........................................................... 14 2.1.3.1 Tái sinh (Reproduction) ......................................................................... 15 2.1.3.2 Lai ghép (Crossover).............................................................................. 16 2.1.3.3 Đột biến (Mutation) ............................................................................... 17 2.1.4 Cấu trúc thuật toán tổng quát......................................................................... 18 2.2 Định lý cơ bản về thuật toán di truyền .................................................................... 20 2.2.1 Định lý cơ bản của Holland ............................................................................ 20 2.2.2 Định lý phác đồ chuẩn – Exact Schema Theorem ........................................... 23 CHƯƠNG 3: PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU ............................... 25 3.1 Định nghĩa quy tắc giao dịch .................................................................................. 25 3.2 Quy tắc giao dịch với thuật toán di truyền .............................................................. 26 3.3 Các thử nghiệm và dữ liệu nghiên cứu.................................................................... 30 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU & NHẬN ĐỊNH ...................................... 35 4.1 Kết quả nghiên cứu................................................................................................. 35 4.1.1 Kết quả với chỉ số VN-index .......................................................................... 35 4.1.2 Kết quả nghiên cứu với các cổ phiếu .............................................................. 41 4.2 Một số nhận định về kết quả nghiên cứu................................................................. 49 KẾT LUẬN................................................................................................................. 56 PHỤ LỤC 1: CODE VBA .......................................................................................... 57 PHỤ LỤC 2: ƯỚC LƯỢNG MÔ HÌNH GARCH.................................................... 61 PHỤ LỤC 3: RANDOM WALK ............................................................................... 68 TÀI LIỆU THAM KHẢO.......................................................................................... 74 Bảng 2.1: Các thuật ngữ của thuật toán di truyền.......................................................... 9 Bảng 3.1 Phương pháp tính toán một số chỉ số PTKT................................................... 26 Bảng 3.2 Cấu trúc tổng quát của quy tắc giao dịch ....................................................... 29 Bảng 3.3 Thời gian thử nghiệm GAs với VN-index...................................................... 30 Bảng 3.4 Quy tắc giao dịch với GARCH ...................................................................... 32 Bảng 3.5 Các giai đoạn thử nghiệm với các cổ phiếu cụ thể ......................................... 33 Bảng 3.6 Danh sách các cổ phiếu thử nghiệm............................................................... 33 Bảng 4.1 So sánh giá trị t-prob giữa các mô hình tự hồi quy AR(p) .............................. 36 Bảng 4.2 So sánh giá trị t-prob giữa các mô trung bình trượt MA(q) ............................ 37 Bảng 4.3 Tổng hợp kết quả nghiên cứu với chỉ số VN-index........................................ 39 Bảng 4.4 Kết quả – training 4/1/2010-31/12/2010, test 04/01/2011-28/02/2011 ........... 41 Bảng 4.5 Kết quả – training 01/04/2010-31/03/2011, test 01/04/2011-31/05/2011 ....... 43 Bảng 4.6 Kết quả – training 01/07/2010-30/06/2011, test 01/07/2011-31/08/2011 ....... 45 Bảng 4.7 Kết quả – training 01/10/2010-30/09/2011, test 03/10/2011-30/11/2011 ....... 47 Bảng 4.8 Kết quả tối ưu hóa trong mẫu (training) của các cổ phiếu .............................. 49 Bảng 4.9 Tổng hợp tỷ suất sinh lời của cổ phiếu qua các giai đoạn............................... 50 Bảng 4.10 Kết quả thuật toán di truyền trong trường hợp cổ phiếu giảm ...................... 52 Bảng 4.11 Trường hợp GAs không hiệu quả ................................................................ 54 Hình 2.1: Sơ đồ mã hóa dữ liệu thuật toán di truyền ..................................................... 12 Hình 2.2: Lai ghép hai nhiễm sắc thể 1 điểm bắt chéo .................................................. 17 Hình 2.3: Sơ đồ cấu trúc thuật toán di truyền tổng quát ................................................ 19 Hình 4.1 Kết quả kiệm định nghiệm đơn vị chuỗi TSSL............................................... 36 Hình 4.2 Kết quả ước lượng mô hình AR(2)................................................................. 37 Hình 4.3 Kiểm định ảnh hưởng ARCH(7) .................................................................... 38 Hình 4.4 Kết quả ước lượng mô hình GARCH(1,1)...................................................... 38 Hình 4.5 Thống kê TSSL của các chuỗi ngẫu nhiên ..................................................... 40 Hình 4.6 Tỷ suất sinh lợi trung bình của GAs và cổ phiếu qua các giai đoạn ................ 51 TSSL Tỷ suất sinh lợi PTKT Phân tích kỹ thuật TTCK Thị trường chứng khoán GAs Genetic Algrithms – Thuật toán di truyền NNs Neural Networks – Mô hình mạng thần kinh FL Fuzzy Logic – Hệ suy luận mờ SC Soft Computing AI Artificial intelligence MỞ ĐẦU Cùng với sự phát triển của thị trường chứng khoán (TTCK), các phương pháp phân tích đầu tư chứng khoán cũng được hình thành và phát triển như một nhu cầu không thể thiếu. Phân tích kỹ thuật (PTKT) là phương pháp phổ biến được áp dụng ở hầu hết các thị trường chứng khoán. Những nghiên cứu của Brock, Lakonishok và LeBaron (1992), nghiên cứu của Bessembinder và Chan (1995) [1] đã chỉ ra rằng phân tích kỹ thuật có những hạn chế nhất định và không phải lúc nào cũng tỏ ra hiệu quả. Sự bùng nổ của cuộc cách mạng công nghệ thông tin cuối thế kỉ 20 có thể coi là một bước ngoặt lớn trong lịch sử loài người. Với sự ra đời và phát triển của máy tính, các công cụ dự báo và ra quyết định cũng trở nên đa dạng và chính xác hơn, các mô hình dự báo không chỉ dừng lại ở những mô hình cổ điển mà ngày càng được phát triển với nhiều thuật toán phức tạp và năng động hơn. Trong thời gian gần đây, các mô hình trí tuệ nhân tạo - artificial intelligence (soft computing) bao gồm: mô hình mạng thần kinh (Neural Networks – NNs), hệ suy luận mờ (Fuzzy Logic – FL) và thuật toán di truyền (Genetic Algrithms – GAs) đã thể hiện được sự vượt trội so với những mô hình dự báo và ra quyết định truyền thống. Thuật toán di truyền GAs là thuật toán mô phỏng quy luật tiến hóa tự nhiên, được ứng dụng trong các bài toán tìm kiếm và tối ưu hóa. GAs đã được nhiều nhà nghiên cứu ứng dụng thành công trong lĩnh vự tài chính. Tuy nhiên, ở Việt Nam, việc ứng dụng thuật toán di truyền trong việc ra quyết định còn chưa phổ biến. Bài nghiên cứu sẽ đưa ra cái nhìn tổng quan về thuật toán di truyền và thử nghiệm một trong những ứng dụng nổi bật nhất của thuật toán di truyền trong tài chính đó là xác định các quy tắc đầu tư tối ưu, với các biến đầu vào là các chỉ số PTKT đã được chuẩn hóa, với mục tiêu phát triển một công cụ đầu tư mới trền nền tảng PTKT để tối đa hóa tỷ suất sinh lợi trên TTCK.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM CÔNG TRÌNH DỰ THI GIẢI THƯỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN “NHÀ KINH TẾ TRẺ – NĂM 2012” TÊN CÔNG TRÌNH: ỨNG DỤNG THUẬT TOÁN DI TRUYỀN XÁC ĐỊNH QUY TẮC GIAO DỊCH TỐI ƯU TRÊN TRỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ MỤC LỤC MỞ ĐẦU 1 CHƯƠNG 1: GIỚI THIỆU 2 1.1 Giới thiệu về thuật toán di truyền và ứng dụng 2 1.2 Thuật toán di truyền trong lĩnh vực tài chính 4 1.3 Phương pháp luận của đề tài 7 CHƯƠNG 2: THUẬT TOÁN DI TRUYỀN 9 2.1 Nguyên lý cơ bản về thuật toán di truyền 9 2.1.1 Tổng quan về nguyên lý của thuật toán di truyền 10 2.1.2 Thiết kế thuật toán 12 2.1.2.1 Mã hóa dữ liệu 12 2.1.2.2 Hàm thích nghi 14 2.1.3 Các phép toán của thuật toán di truyền 14 2.1.3.1 Tái sinh (Reproduction) 15 2.1.3.2 Lai ghép (Crossover) 16 2.1.3.3 Đột biến (Mutation) 17 2.1.4 Cấu trúc thuật toán tổng quát 18 2.2 Định lý cơ bản về thuật toán di truyền 20 2.2.1 Định lý cơ bản của Holland 20 2.2.2 Định lý phác đồ chuẩn – Exact Schema Theorem 23 CHƯƠNG 3: PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU 25 3.1 Định nghĩa quy tắc giao dịch 25 3.2 Quy tắc giao dịch với thuật toán di truyền 26 3.3 Các thử nghiệm và dữ liệu nghiên cứu 30 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU & NHẬN ĐỊNH 35 4.1 Kết quả nghiên cứu 35 4.1.1 Kết quả với chỉ số VN-index 35 4.1.2 Kết quả nghiên cứu với các cổ phiếu 41 4.2 Một số nhận định về kết quả nghiên cứu 49 KẾT LUẬN 56 PHỤ LỤC 1: CODE VBA 57 PHỤ LỤC 2: ƯỚC LƯỢNG MÔ HÌNH GARCH 61 PHỤ LỤC 3: RANDOM WALK 68 TÀI LIỆU THAM KHẢO 74 DANH MỤC BẢNG Bảng 2.1: Các thuật ngữ của thuật toán di truyền 9 Bảng 3.1 Phương pháp tính toán một số chỉ số PTKT 26 Bảng 3.2 Cấu trúc tổng quát của quy tắc giao dịch 29 Bảng 3.3 Thời gian thử nghiệm GAs với VN-index 30 Bảng 3.4 Quy tắc giao dịch với GARCH 32 Bảng 3.5 Các giai đoạn thử nghiệm với các cổ phiếu cụ thể 33 Bảng 3.6 Danh sách các cổ phiếu thử nghiệm 33 Bảng 4.1 So sánh giá trị t-prob giữa các mô hình tự hồi quy AR(p) 36 Bảng 4.2 So sánh giá trị t-prob giữa các mô trung bình trượt MA(q) 37 Bảng 4.3 Tổng hợp kết quả nghiên cứu với chỉ số VN-index 39 Bảng 4.4 Kết quả – training 4/1/2010-31/12/2010, test 04/01/2011-28/02/2011 41 Bảng 4.5 Kết quả – training 01/04/2010-31/03/2011, test 01/04/2011-31/05/2011 43 Bảng 4.6 Kết quả – training 01/07/2010-30/06/2011, test 01/07/2011-31/08/2011 45 Bảng 4.7 Kết quả – training 01/10/2010-30/09/2011, test 03/10/2011-30/11/2011 47 Bảng 4.8 Kết quả tối ưu hóa trong mẫu (training) của các cổ phiếu 49 Bảng 4.9 Tổng hợp tỷ suất sinh lời của cổ phiếu qua các giai đoạn 50 Bảng 4.10 Kết quả thuật toán di truyền trong trường hợp cổ phiếu giảm 52 Bảng 4.11 Trường hợp GAs không hiệu quả 54 DANH MỤC HÌNH Hình 2.1: Sơ đồ mã hóa dữ liệu thuật toán di truyền 12 Hình 2.2: Lai ghép hai nhiễm sắc thể 1 điểm bắt chéo 17 Hình 2.3: Sơ đồ cấu trúc thuật toán di truyền tổng quát 19 Hình 4.1 Kết quả kiệm định nghiệm đơn vị chuỗi TSSL 36 Hình 4.2 Kết quả ước lượng mô hình AR(2) 37 Hình 4.3 Kiểm định ảnh hưởng ARCH(7) 38 Hình 4.4 Kết quả ước lượng mô hình GARCH(1,1) 38 Hình 4.5 Thống kê TSSL của các chuỗi ngẫu nhiên 40 Hình 4.6 Tỷ suất sinh lợi trung bình của GAs và cổ phiếu qua các giai đoạn 51 DANH MỤC TỪ VIẾT TẮT TSSL Tỷ suất sinh lợi PTKT Phân tích kỹ thuật TTCK Thị trường chứng khoán GAs Genetic Algrithms – Thuật toán di truyền NNs Neural Networks – Mô hình mạng thần kinh FL Fuzzy Logic – Hệ suy luận mờ SC Soft Computing AI Artificial intelligence 1 MỞ ĐẦU Cùng với sự phát triển của thị trường chứng khoán (TTCK), các phương pháp phân tích đầu tư chứng khoán cũng được hình thành và phát triển như một nhu cầu không thể thiếu. Phân tích kỹ thuật (PTKT) là phương pháp phổ biến được áp dụng ở hầu hết các thị trường chứng khoán. Những nghiên cứu của Brock, Lakonishok và LeBaron (1992), nghiên cứu của Bessembinder và Chan (1995) [1] đã chỉ ra rằng phân tích kỹ thuật có những hạn chế nhất định và không phải lúc nào cũng tỏ ra hiệu quả. Sự bùng nổ của cuộc cách mạng công nghệ thông tin cuối thế kỉ 20 có thể coi là một bước ngoặt lớn trong lịch sử loài người. Với sự ra đời và phát triển của máy tính, các công cụ dự báo và ra quyết định cũng trở nên đa dạng và chính xác hơn, các mô hình dự báo không chỉ dừng lại ở những mô hình cổ điển mà ngày càng được phát triển với nhiều thuật toán phức tạp và năng động hơn. Trong thời gian gần đây, các mô hình trí tuệ nhân tạo - artificial intelligence (soft computing) bao gồm: mô hình mạng thần kinh (Neural Networks – NNs), hệ suy luận mờ (Fuzzy Logic – FL) và thuật toán di truyền (Genetic Algrithms – GAs) đã thể hiện được sự vượt trội so với những mô hình dự báo và ra quyết định truyền thống. Thuật toán di truyền GAs là thuật toán mô phỏng quy luật tiến hóa tự nhiên, được ứng dụng trong các bài toán tìm kiếm và tối ưu hóa. GAs đã được nhiều nhà nghiên cứu ứng dụng thành công trong lĩnh vự tài chính. Tuy nhiên, ở Việt Nam, việc ứng dụng thuật toán di truyền trong việc ra quyết định còn chưa phổ biến. Bài nghiên cứu sẽ đưa ra cái nhìn tổng quan về thuật toán di truyền và thử nghiệm một trong những ứng dụng nổi bật nhất của thuật toán di truyền trong tài chính đó là xác định các quy tắc đầu tư tối ưu, với các biến đầu vào là các chỉ số PTKT đã được chuẩn hóa, với mục tiêu phát triển một công cụ đầu tư mới trền nền tảng PTKT để tối đa hóa tỷ suất sinh lợi trên TTCK. 2 CHƯƠNG 1: GIỚI THIỆU 1.1 Giới thiệu về thuật toán di truyền và ứng dụng Thuật toán di truyền là thuật toán tối ưu ngẫu nhiên dựa trên cơ chế chọn lọc tự nhiên và tiến hóa di truyền. Nguyên lý cơ bản của thuật toán di truyền đã được Holland giới thiệu vào năm 1962. Cơ sở toán học đã được phát triển từ cuối những năm 1960 và được giới thiệu trong cuốn sách đầu tiên của Holland: Adaptive in Natural and Artificial Systems. Thuật toán di truyền được ứng dụng đầu tiên trong hai lĩnh vực chính: tối ưu hóa và học tập của máy (learning machine). Trong lĩnh vực tối ưu hóa, thuật toán di truyền được phát triển nhanh chóng và ứng dụng trong nhiều lĩnh vực khác nhau như tối ưu hàm, xử lý ảnh, bài toán hành trình người bán hàng, nhận dạng hệ thống và điều khiển. Thuật toán di truyền cũng như các thuật toán tiến hóa nói chung, hình thành dựa trên quan điểm cho rằng, quá trình tiến hóa tự nhiên là quá trình hoàn hảo nhất, hợp lý nhất và tự nó đã mang tính tối ưu. Quan niệm này có thể xem như một tiên đề đúng, không chứng minh được nhưng phù hợp với thực tế khách quan. Quá trình tiến hóa thể hiện tính tối ưu ở chỗ, thế hệ sau bao giờ cũng tốt hơn (phát triển hơn, hoàn thiện hơn) thế hệ trước vì tính kế thừa và đấu tranh sinh tồn. Thuật giải di truyền cung cấp một cách tiếp cận cho việc tối ưu hóa dựa vào mô phỏng sự tiến hóa. Các giả thuyết thường được mô tả bằng các chuỗi bit, việc hiểu các chuỗi bit này tùy thuộc vào ứng dụng, ý tưởng các giả thuyết cũng có thể được mô tả bằng các biểu thức kí hiệu hoặc các chương trình máy tính. Tìm kiếm giả thuyết thích hợp bắt đầu với một quần thể, hay một tập hợp có chọn lọc ban đầu của các giả thuyết. Các cá thể của quần thể hiện tại khởi nguồn cho quần thể thế hệ kế tiếp bằng các hoạt động lai ghép và đột biến ngẫu nhiên – được lấy mẫu sau các quá trình tiến hóa sinh học. Ở mỗi bước, các giả thuyết trong quần thể hiện tại được ước lượng liên hệ với đại lượng thích nghi được cho, với các giả thuyết phù hợp nhất được chọn theo xác suất là các hạt giống cho việc sản sinh thế hệ kế tiếp. Thuật giải di truyền đã được ứng dụng một cách thành công cho nhiều tác vụ thuộc nhiều lĩnh vực khác nhau. 3 Ứng dụng của thuật toán di truyền Ưu điểm vượt trội của thuật toán di truyền là nó dễ dàng thích nghi và xử lí với bất kì rằng buộc nào của hàm mục tiêu. Đặc biệt với các bài toán tối ưu trong không gian tìm kiếm lớn và không có những phân tích toán học có sẵn, ngay cả trường hợp mà phương pháp truyền thống không thể tiếp cận được, GAs vẫn có thể giải quyết và đưa ra phương án tối ưu. GAs được ứng dụng trong nhiều lĩnh vực khác nhau, bao gồm cả khoa học, kỹ thuật, kinh tế, xã hội.  Lĩnh vực tối ưu hóa: GAs được sử dụng trong hàng loạt các vấn đề tối ưu, bao gồm cả tối ưu hóa số học và tối ưu hóa tổ hợp, ví dụ bài toán hành trình của người bán hàng (TSP), thiết kế mạch Louis 1993, lập kế hoạch công việc của cửa hàng Goldstein 1991 và tối ưu hóa chất lượng âm thanh & hình ảnh.  Lập trình tự động hóa: GAs được sử dụng để phát triển các chương trình máy tính thực hiện các nhiệm vụ chuyên biệt và thiết kế một số cấu trúc tính toán khác ví dụ như thiết kế mạng lưới tính toán và phân loại tự động.  Học tập của máy và robot: GAs có nhiều ứng dụng trong lĩnh vực “học tập của máy” để phân loại, dự báo và dự báo cấu trúc của chuỗi Protein. GAs cũng được sử dụng để thiết kế mạng thần kinh NNs, phát triển các quy tắc phân loại hệ thống và logo sản xuất, thiết kế quy trình điều khiển robot.  Mô hình hệ thống miễn dịch: GAs được sử dụng để mô hình hóa các khía cạnh khác nhau của hệ thống miễn dịch tự nhiên, bao gồm cả đột biến soma trong suốt vòng đời của cá thể và các nhóm gen đa trong quá trình tiến hóa.  Mô hình sinh thái: GAs được sử dụng để mô hình hóa các hiện tượng sinh thái như các cuộc đua tranh vũ khí sinh học, vật chủ - kí sinh trùng đồng tiến hóa, cộng sinh và nguồn tài nguyên trong hệ sinh thái.  Mô hình của các hệ thống xã hội: GAs đã được sử dụng để nghiên cứu các khía cạnh tiến hóa của các hệ thống xã hội, chẳng hạn như sự tiến hóa của hợp tác [Chughtai 1995], sự phát triển của truyền đạt thông tin, và hành vi theo lối mòn ở loài kiến. 4 1.2 Thuật toán di truyền trong lĩnh vực tài chính Phương pháp trí tuệ nhân tạo nói chung và thuật toán di truyền nói riêng ngày càng thể hiện sự vượt trội so với các phương pháp truyền thống. Với mạng thần kinh (NNs) được sử dụng để dự báo, hệ suy luận mờ (FL) để đối phó với những bất thường và không chắc chắn, GAs cho tìm kiếm và tối ưu, lĩnh vực trí tuệ nhân tạo hứa hẹn sẽ là hướng đi định lượng mới, sẽ được ứng dụng rộng rãi trong tương lai. GAs được ứng dụng thành công trong nhiều khía cạnh khác nhau trong lĩnh vực tài chính như: dự báo, xác định các quy tắc giao dịch, định giá quyền chọn và xây dựng danh mục đầu tư. Dự báo Aiken và Bsat (1999) sử dụng FFNN (Feed-forward Neural Network: quá trình dữ liệu được đưa từ neural đầu vào, qua lớp neural ẩn đến neural đầu ra để trả ra kết quả dự báo ban đầu được gọi bằng thuật ngữ Feedforward – tức dữ liệu được đẩy lần lượt từ đầu vào đến đầu ra) với dữ liệu đã được training bằng thuật toán di truyền (GAs) để dự báo lãi suất kì hạn 3 tháng của trái phiếu kho bạc Mỹ (U.S Treasury Bill). Họ kết luận NN kết hợp với GAs có thể dự báo một cách chính xác lãi suất này. Tansel và cộng sự (1999) đã so sánh mô hình hồi quy truyền thống với NN, GAs và các mô hình dự báo chuỗi thời gian trên các tiêu chí: mức độ chính xác của mô hình, sự tiện dụng và thời gian tính toán. Kết quả nghiên cứu cho thấy, các mô hình hồi quy tuyến tính truyền thống là mô hình ước lượng tốt nhất. GAs cũng có thể cho kết quả ước lượng chính xác nếu dữ liệu được giới hạn trong một miền nhất định và được ước lượng một cách gần đúng. Nhưng NN lại cho kết quả ước lượng kém chính xác nhất. Mặc dù vậy, họ nhấn mạnh rằng, mô hình phi tuyến được xây dựng kết hợp giữa GAs và NN có thể là một công cụ dự báo mạnh, phù hợp với tiêu chuẩn ước lượng tổng quát. Kim và Han (2000) sử dụng phương pháp mạng thần kinh NN với sự hỗ trợ của thuật toán di truyền để dự báo chỉ số giá chứng khoán. Trong trường hợp này, GAs được sử dụng để hạn chế sự phức tạp của những khoảng thời gian đặc biệt bằng cách tối ưu hóa sự [...]... cận cụ thể hơn về các quy tắc giao dịch theo phương pháp thuật toán di truyền và một số phương pháp khác 26 3.2 Quy tắc giao dịch với thuật toán di truyền Như đã trình bày, trong bài nghiên cứu sẽ sử dụng thuật toán di truyền với các biến số đầu vào là những chỉ số phân tích kỹ thuật Cụ thể, thuật toán di truyền sẽ được sử dụng để tìm ra các giá trị ngưỡng cho các quy tắc giao dịch như đã được trình... những quy luật – một quy tắc giao dịch có thể mang lại một TSSL cao hơn so với các quy tắc giao dịch khác Do đó, các quy tắc giao dịch tối ưu trong quá khứ có thể mang lại một TSSL cao trong tương lai nếu trong những khoảng thời gian khác nhau này, giá cả vận động theo cùng một quy luật, quy luật chung của sự tiến hóa Dựa trên quan điểm đó, bài nghiên cứu sẽ sử dụng thuật toán di truyền GAs để xác định. .. mang lại hiệu quả trong quy t định đầu tư GAs là một công cụ mạnh để xác định các quy tắc giao dịch (định nghĩa về quy tắc giao dịch sẽ được trình bày cụ thể ở phần sau của bài nghiên cứu), có thể mang lại những quy t định đầu tư hợp lý, đây là ưu điểm nổi trội của GAs so với NNs và FL Frick và cộng sự (1996) đã nghiên cứu để tìm ra một quy tắc giao dịch mua và bán chứng khoán dựa trên các mẫu hình của... đó, có vô số các quy tắc giao dịch trên thị trường và mỗi nhà đầu tư đều có một chiến lược riêng cho mình Quy tắc giao dịch được định nghĩa trong bài nghiên cứu là phương pháp giao dịch không đổi trong một thời gian nhất định, dựa trên cơ sở là các giá trị tới ngưỡng của các chỉ báo của một công cụ phân tích nhất định Bài nghiên cứu sẽ sử dụng phương pháp thuật toán di truyền, sử dụng các dữ liệu quá... định và kiếm chứng các quy tắc giao dịch tối ưu ở những thời điểm cụ thể, với những cổ phiếu cụ thể trên TTCK Việt Nam 9 CHƯƠNG 2: THUẬT TOÁN DI TRUYỀN Bài nghiên cứu sẽ dành toàn bộ chương 2 để trình bày một cách khái quát những nguyên lý hoạt động và cơ sở toán học cơ bản về thuật toán di truyền Các thuật ngữ, phương pháp tổ chức và mã hóa cơ sở dữ liệu, xây dựng hàm thích nghi, các phép toán cơ bản... áp dụng thuật giải này trên các cấu trúc dữ liệu tổng quát hơn nên gọi là lập trình di truyền Bài nghiên cứu dựa trên quan điểm: "thuật giải di truyền" là một phương pháp giải quy t bài toán bằng cách mô phỏng quá trình tiến hóa, thích nghi của sinh vật Còn "lập trình di truyền" là kỹ thuật lập trình sử dụng "thuật giải di truyền" để giải quy t vấn đề - bài toán trên máy tính Do đó, khi nói đến "thuật. .. tính tối ưu, thuật toán di truyền luôn được xem là một công cụ hữu ích trong các bài toán tối ưu phức tạp Trong phần tiếp theo của đề tài, chúng ta sẽ cùng nhau xây dựng một mô hình khai thác dữ liệu (data minning) để kết hợp phương pháp phân tích kỹ thuật và thuật toán di truyền để tối ưu hóa tỷ suất sinh lợi trong kinh doanh chứng khoán 25 CHƯƠNG 3: PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU 3.1 Định nghĩa quy. .. thuyết toán học ban đầu này trở thành cấu trúc nền để lập trình di truyền – Genetic Programming phát triển Những phần mềm tối ưu hóa nói riêng và lập trình di truyền nói chung đều được tạo ra và phải thỏa mãn các định lý cơ bản về thuật toán Trên đây là toàn bộ nền tảng toán học và nguyên lý hoạt động cơ bản của thuật toán di truyền Đây là cơ sở để xây dựng các chương trình và ứng dụng tối ưu hóa Với... Luo, Jiarui Ni, Dan Luo, Chengqi Zhang về các chứng khoán trên TTCK Australia (ASX) đã cho thấy thuật toán di truyền mang lại một TSSL vượt trội so với TSSL thu được từ các phương pháp khác Với mục đích thử nghiệm thuật toán di truyền trên TTCK Việt Nam, bài nghiên cứu xây dựng mô hình thuật toán di truyền với cả chỉ số tổng hợp VN-index và một số chứng khoán cụ thể Những thử nghiệm được thiết kế cụ thể... cấu trúc thuật toán di truyền tổng quát Bắt đầu Khởi động Đánh giá Hội tụ? Mã hóa Chọn lọc Kết thúc Sinh sản Đột biến Giải mã Nguồn: Giáo trình công nghệ tính toán phần mềm – Đại học sư phạm kỹ thuật tp HCM 20 2.2 Định lý cơ bản về thuật toán di truyền 2.2.1 Định lý cơ bản của Holland Định lý cơ bản của thuật toán di truyền được Holland giới thiệu vào năm 1975 và được phát triển bởi Goldberg Định lý . theo cùng một quy luật, quy luật chung của sự tiến hóa. Dựa trên quan điểm đó, bài nghiên cứu sẽ sử dụng thuật toán di truyền GAs để xác định và kiếm chứng các quy tắc giao dịch tối ưu ở những. GIAO DỊCH TỐI ƯU TRÊN TRỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ MỤC LỤC MỞ ĐẦU 1 CHƯƠNG 1: GIỚI THIỆU 2 1.1 Giới thiệu về thuật toán di truyền và ứng dụng. hóa tỷ suất sinh lợi trên TTCK. 2 CHƯƠNG 1: GIỚI THIỆU 1.1 Giới thiệu về thuật toán di truyền và ứng dụng Thuật toán di truyền là thuật toán tối ưu ngẫu nhiên dựa trên cơ chế chọn lọc