(Luận văn) nghiên cứu một số kỹ thuật ngoại suy và ứng dụng

I ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG - NGUYỄN THỊ NGỌC TÚ lu an n va p ie gh tn to NGHIÊN CỨU MỘT SỐ KỸ THUẬT NGOẠI SUY VÀ ỨNG DỤNG d oa nl w lu ll u nf va an Chuyên ngành: Khoa học máy tính oi m z at nh z Thái Nguyên - 2015 m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si II LỜI CAM ĐOAN Tôi xin cam đoan Luận văn " Nghiên cứu số kỹ thuật ngoại suy ứng dụng " đƣợc thực theo mục tiêu đề dƣới hƣớng dẫn TS Nguyễn Văn Huân Kết đạt đƣợc luận văn sản phẩm cá nhân tơi Trong tồn luận văn, điều đƣợc trình bày cá nhân đƣợc tổng hợp từ nhiều nguồn tài liệu Tất tài liệu tham khảo có xuất xứ rõ ràng đƣợc trích dẫn hợp pháp Tơi xin chịu hồn tồn trách nhiệm chịu hình thức kỷ luật theo lu quy định cho lời cam đoan an va Thái Nguyên, ngày tháng năm 2015 n Người cam đoan p ie gh tn to w d oa nl Nguyễn Thị Ngọc Tú ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si III LỜI CẢM ƠN Tôi xin bày tỏ lời cảm ơn chân thành tới tập thể thầy cô giáo Viện Công nghệ thông tin - Viện Hàn lâm Khoa học Công nghệ Việt Nam, thầy cô giáo trƣờng Đại học Công nghệ thông tin Truyền thơng - Đại học Thái Ngun tận tình giảng dạy nhƣ tạo điều kiện để học tập nghiên cứu năm học cao học Tôi xin chân thành cảm ơn sâu sắc tới thầy giáo TS Nguyễn Văn Huân cho nhiều bảo quý báu, tận tình hƣớng dẫn tạo điều kiện cho tơi hồn thành tốt luận văn tốt nghiệp lu an Quá trình thực đề tài khơng tránh khỏi thiếu sót, tơi mong n va tiếp tục nhận đƣợc đóng góp ý kiến thầy giáo, cô giáo, bạn tn to đồng nghiệp đề tài nghiên cứu tơi để đề tài đƣợc hồn thiện Thái Nguyên, ngày tháng năm 201 p ie gh Tôi xin chân thành cảm ơn! d oa nl w Người cam đoan va an lu ll u nf Nguyễn Thị Ngọc Tú oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si IV MỤC LỤC LỜI CAM ĐOAN I LỜI CẢM ƠN III DANH MỤC HÌNH VẼ IV DANH MỤC BẢNG BIỂU VIII MỤC LỤC IV MỞ ĐẦU Chƣơng GIỚI THIỆU CHUNG VỀ DỮ LIỆU CHUỖI THỜI GIAN 1.1 Khái niệm Dữ liệu lu 1.1.1 Dữ liệu định tính liệu định lƣợng an n va 1.1.2 Dữ liệu sơ cấp liệu thứ cấp 1.2.1 Chuỗi thời gian gh tn to 1.2 Chuỗi thời gian Dữ liệu chuỗi thời gian p ie 1.2.2 Dữ liệu chuỗi thời gian 12 w 1.3 Tổng quan dự báo 16 oa nl 1.3.1 Đặc điểm dự báo 16 d 1.3.2 Các loại dự báo 17 lu va an 1.3.3 Các phƣơng pháp dự báo 21 u nf Chƣơng MỘT SỐ KỸ THUẬT NGOẠI SUY 22 ll 2.1 Khái niệm ngoại suy 22 m oi 2.1.1 Khái niệm ngoại suy 22 z at nh 2.1.2 Khi nên sử dụng phƣơng pháp ngoại suy để dự báo 22 2.1.3 Ƣu nhƣợc điểm phƣơng pháp ngoại suy 23 z gm @ 2.1.4 Tính xác dự báo 23 l 2.1.5 Ứng dụng kỹ thuật ngoại suy vào toán dự báo 25 m co 2.2 Ngoại suy dựa dựa vào mơ hình hồi quy tuyến tính 26 an Lu 2.2.1 Bài toán hồi quy 26 2.2.2 Các phƣơng pháp đƣa dạng tuyến tính 29 n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si V 2.2.3 Hồi quy nhiều chiều (Hồi quy bội) 30 2.3 Ngoại suy phƣơng pháp trung bình động giản đơn (moving average forecast) 31 2.4 Ngoại suy phƣơng pháp san mũ (Exponential Smoothing Methods) 33 2.5 Ngoại suy dựa vào mơ hình san mũ Holt- Winters 36 2.5.1 San mũ Holt 36 2.5.2 San mũ Holt- Winters 37 2.6 Ngoại suy dựa vào mơ hình ARIMA (AutoRegressive Integrated Moving lu an Average) 39 n va 2.6.1 Các công cụ áp dụng mơ hình 40 2.6.3 Mơ hình MA(q) (Moving Average) 45 gh tn to 2.6.2 Mơ hình AR(p) (Auto Regression) 44 p ie 2.6.4 Sai phân I(d) 46 2.6.5 Mơ hình ARIMA 47 w oa nl 2.6.6 Các bƣớc phát triển mơ hình ARIMA 48 d 2.7 Các bƣớc tiến hành ngoại suy 49 lu va an Chƣơng ÁP DỤNG KỸ THUẬT NGOẠI SUY VÀO BÀI TOÁN DỰ BÁO 52 u nf 3.1 Mơ hình ARIMA cho dự báo tài chính, chứng khốn 52 ll 3.1.1 Dữ liệu tài 52 m oi 3.1.2 Mô hình ARIMA cho tốn dự báo tài 52 z at nh 3.1.3 Thiết kế mơ hình ARIMA cho liệu 53 z 3.2 Áp dụng 55 gm @ 3.2.1 Môi trƣờng thực nghiệm 55 l 3.2.2 Dữ liệu 55 m co 3.2.3 Kiểm tra tính dừng chuỗi chứng khốn VNM 57 an Lu 3.2.4 Nhận dạng mô hình 57 3.2.5 Ƣớc lƣợng kiểm định với mô hình ARIMA 60 n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si VI 3.2.6 Thực dự báo 62 KẾT LUẬN 64 TÀI LIỆU THAM KHẢO 65 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si VII DANH MỤC HÌNH VẼ Hình 1.1 Xu hƣớng giảm theo thời gian 13 Hình 1.2 Thành phần mùa 14 Hình 1.3 Thành phần chu kỳ 15 Hình 3.1: chọn giadongcua làm mục tiêu dự báo 56 Hình 3.2: Xác định d = 0,1,2 ? 57 Hình 3.3: Biểu đồ SAC SPAC chuỗi giadongcua 58 Hình 3.4: Biểu đồ SPAC SAC ứng với d=1 59 lu Hình 3.5: Ƣớc lƣợng mơ hình ARIMA(2,1,1) 60 an n va Hình 3.6: Kết mơ hình ARIMA(2,1,1) 60 tn to Hình 3.7: Kiểm tra phần dƣ có nhiễu trắng 61 p ie gh Hình 3.8: Dự báo 62 d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si VIII DANH MỤC BẢNG BIỂU Bảng 3.1: Dữ liệu đầu vào 56 Bảng 3.2: Tiêu chuẩn đánh giá mơ hình ARIMA 62 Bảng 3.3: Đánh giá dự báo 63 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si MỞ ĐẦU Sự phát triển mạnh mẽ Công nghệ thông tin Truyền thông kéo theo nhiều lĩnh vực khác phát triển nhƣ khoa học máy tính, đồ họa máy tính, khí tƣợng thủy văn, tự động hóa, thiết kế - xây dựng, kinh tế, tài chính, giáo dục đào tạo, y tế,… Điều góp phần vào nghiệp cơng nghiệp hóa – đại hóa đất nƣớc Trong thực tế, quốc gia, có Việt Nam muốn phát triển trở thành nƣớc cơng nghiệp vấn đề khơng thể thiếu phải nghiên cứu, khảo sát, phân tích tình hình phát triển đất nƣớc lịch sử để làm sở cho việc ngoại lu an suy hay suy luận, xây dựng kế hoạch phát triển tƣơng lai với tất n va lĩnh vực, ngành nghề,… tn to Vì ngoại suy hay suy luận khoa học nghệ thuật tiên đoán gh việc xảy tƣơng lai, sở phân tích khoa học p ie liệu thu thập đƣợc Khi tiến hành ngoại suy cần vào việc thu thập, w xử lý số liệu khứ để xác định xu hƣớng vận động oa nl tƣợng tƣơng lai nhờ vào số mơ hình tốn học (Định lƣợng) Tuy d nhiên, ngoại suy ngoại suy chủ quan trực giác tƣơng lu va an lai (Định tính) để ngoại suy định tính đƣợc xác hơn, ngƣời ta cố loại u nf trừ tính chủ quan đối tƣợng ngoại suy ll Ngoại suy trƣớc hết thuộc tính thiếu tƣ m oi ngƣời, ngƣời luôn nghĩ đến ngày mai, hƣớng tƣơng lai Trong thời z at nh đại công nghệ thơng tin tồn cầu hóa, ngoại suy lại đóng vai trị quan trọng z nhu cầu thơng tin thị trƣờng, tình hình phát triển thời điểm gm @ tƣơng lai cao Ngoại suy đƣợc sử dụng nhiều lĩnh vực khác m co suy đƣợc sử dụng khác l nhau, lĩnh vực có yêu cầu ngoại suy riêng nên phƣơng pháp ngoại an Lu Trong ngoại suy, đại lƣợng khảo sát thƣờng không đƣợc cho dƣới dạng hàm liên tục Trong đó, phƣơng pháp giải tích tốn học thƣờng n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si tính tốn với hàm cho cơng thức, khơng thể áp dụng trực tiếp hàm cho dƣới dạng rời rạc nhƣ Cũng có ta biết đại lƣợng y hàm đại lƣợng x , tức y = f (x ), nhƣng ta biểu thức hàm f (x )mà biết số giá trị y i ứng với giá trị x điểm x i Thông thƣờng x < x < x < < x n điểm phân bố cách không cách Mặc dù ta biết giá trị y lu điểm mốc x i nhƣng nhiều trƣờng hợp ta cần tính tốn với giá trị y an vị trí khác x Một vấn đề đƣợc đặt cho điểm x không n va nó, cho tận dụng tối đa thơng tin có Nếu giả định giá trị gh tn to thuộc điểm x i làm ta tính đƣợc giá trị y tƣơng ứng với p ie cần tìm gần y điểm x nằm khoảng éx , x ù êë n ú û w áp dụng toán nội suy oa nl Nhƣng thực tế, tốn khơng phải lúc điểm x d nằm khoảng éêëx 0, x n ù ú û, chẳng hạn nhƣ số toán ngoại suy: an lu u nf va (1) Trong tƣơng lai tình tiếp tục diễn nhƣ xảy khứ; (2) Đối tƣợng ngoại suy bi quan ngƣợc lại lạc quan tình ll oi m cần ngoại suy kết ngoại suy bị ảnh hƣởng sai lệch; z at nh (3) Đối tƣợng ngoại suy nhiều tình ngoại suy Khi cần giả định diễn biến tƣơng lai tƣơng tự nhƣ z khứ Với tốn x chắn nằm ngồi khoảng @ m co dụng đƣợc phƣơng pháp nội suy [1] l gm éx , x ù, nhƣ để tìm giá trị gần y , áp êë n ú û an Lu Nhằm tìm giá trị gần y , phƣơng pháp đƣợc sử dụng phổ biến áp dụng phƣơng pháp ngoại suy n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 51 Ƣớc lƣợng chu kỳ Sử dụng chu kỳ thấy có chứng thời điểm biên độ tƣơng lai có độ xác cao Bước 4: Đánh giá tính bất định Đánh giá tính bất định dựa nguyên tắc sau: - Sử dụng ƣớc lƣợng thực chứng rút từ phép kiểm nghiệm từ mẫu - Đối với số liệu theo thang tỷ lệ, ƣớc lƣợng khoảng thời gian dự báo cách sử dụng dạng loga giá trị thực giá trị dự báo lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 52 Chƣơng ÁP DỤNG KỸ THUẬT NGOẠI SUY VÀO BÀI TỐN DỰ BÁO 3.1 Mơ hình ARIMA cho dự báo tài chính, chứng khốn 3.1.1 Dữ liệu tài Dữ liệu sử dụng liệu chuỗi thời gian Đặc điểm để phân biệt liệu có phải thời gian thực hay khơng tồn cột thời gian đƣợc đính kèm đối tƣợng quan sát Nói cách khác, liệu thời gian thực chuỗi giá trị quan sát biến Y : Y = {y1, y 2, y 3, , yt - 1, yt , yt + 1, , y n } với y t giá trị biến Y thời lu điểm t an n va Mục đích việc phân tích chuỗi thời gian thực thu đƣợc tn to mơ hình dựa giá trị khứ biến quan sát ie gh y1, y 2, y 3, , yt - 1, yt cho phép ta dự đoán đƣợc giá trị biến Y tƣơng p lai, tức dự đoán đƣợc giá trị yt + 1, yt + 2, , y n nl w Trong toán chúng ta, liệu chứng khoán đƣợc biết tới nhƣ d oa chuỗi thời gian đa dạng có nhiều thuộc tính đƣợc ghi thời điểm an lu Với liệu xét, thuộc tính là: Ngày Thay đổi, Mở cửa, Cao u nf va nhất, Thấp nhất, Đóng cửa, Trung bình, Đóng cửa ĐC, Khối lƣợng 3.1.2 Mơ hình ARIMA cho tốn dự báo tài ll oi m Dựa vào trình tự phƣơng pháp luận cấu trúc hoạt z at nh động mơ hình ARIMA chƣơng Để áp dụng mơ hình ARIMA vào tốn dự báo giá cổ phiếu, ta xây dựng mơ hình dự báo z @ Mơ hình gồm q trình chính: gm Xác định mơ hình: Với đầu vào tập liệu chuỗi thời gian tài m co l giúp cho việc xác định ban đầu thành phần mơ hình p, d, q, S • Ƣớc lƣợng, kiểm tra: Mơ hình ARIMA phƣơng pháp lặp, sau an Lu xác định thành phần, mơ hình ƣớc lƣợng tham số, sau kiểm n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 53 tra độ xác mơ hình: Nếu hợp lý, tiếp bƣớc sau, khơng hợp lý, quay trở lại bƣớc xác định • Dự báo: Sau xác định tham số, mơ hình đƣa dự báo cho ngày 3.1.3 Thiết kế mơ hình ARIMA cho liệu Việc thiết kế thành cơng mơ hình ARIMA phụ thuộc vào hiểu biết rõ ràng vấn đề, mơ hình, dựa vào kinh nghiệm chun gia dự báo… Trong q trình tìm hiểu, khóa luận đƣa bƣớc để xây dựng lu mơ hình nhƣ sau: an Chọn tham biến va n Chuẩn bị liệu to • Xác định yếu tố mùa vụ • Xác định yếu tố xu p ie gh tn • Xác định tính dừng chuỗi liệu nl w Xác định thành phần p, q mơ hình ARMA d oa Ƣớc lƣợng tham số chẩn đốn mơ hình phù hợp an lu Dự báo ngắn hạn u nf va 3.1.3.1 Chọn tham biến Hƣớng tiếp cận phổ biến liệu tài tập trung xây dựng ll 3.1.3.2 Chuẩn bị liệu z at nh (Đóng cửa ĐC) oi m mơ hình dự báo giá cổ phiếu đóng cửa sau kết thúc phiên giao dịch z • Xác định tính dừng chuỗi liệu: Dựa vào đồ thị chuỗi đồ l gm @ thị hàm tự tƣơng quan m co • Nếu đồ thị chuỗi Y = f (t ) cách trực quan chuỗi đƣợc an Lu coi dừng đồ thị chuỗi cho trung bình phƣơng sai không đổi theo thời gian (chuỗi dao động quanh giá trị trung bình chuỗi) n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 54 • Dựa vào đồ thị hàm tự tƣơng quan ACF đồ thị cho ta chuỗi giảm mạnh tắt dần sau q độ trễ.và tắt dần sau q độ trễ • Xác định yếu tố mùa vụ cho chuỗi liệu: Dựa vào đồ thị chuỗi liệu Y = f (t ) • Xác định yếu tố xu cho chuỗi liệu 3.1.3.3 Xác định thành phần p, q mơ hình ARMA Sau loại bỏ thành phần: Xu thế, mùa vụ, tính dừng liệu trở thành dạng áp dụng mơ hình ARMA cho trình dự báo Việc xác định thành phần p q lu • Chọn mơ hình AR(p) đồ PACF có giá trị cao độ trễ 1, 2, an n va …, p giảm nhiều sau p dạng hàm ACF giảm dần tn to • Chọn mơ hình MA(q) đồ thị ACF có giá trị cao độ trễ 1, 2, …, gh q giảm nhiều sau q dạng hàm PACF giảm dần p ie 3.1.3.4 Ước lượng thơng số mơ hình kiểm định mơ hình phù hợp w Có nhiều phƣơng pháp khác để ƣớc lƣợng Ở đây, khóa luận tập oa nl trung vào: Khi chọn đƣợc mơ hình, hệ số mơ hình đƣợc ƣớc d lƣợng theo phƣơng pháp tối thiểu tổng bình phƣơng sai số Kiểm định lu va an hệ số a, b mơ hình thống kê t Ƣớc lƣợng sai số bình phƣơng trung å e n- r = t- t - Y t ) n- r z at nh t- (Y oi S = å m n t ll n u nf bình phần dƣ S : z Trong đó: et = Y t - Y t = phần dƣ thời điểm t m co l gm r = tổng số hệ số ƣớc lƣợng @ n = số phần dƣ Tuy nhiên: công thức đƣa để tham khảo Hiện phƣơng pháp n va SHAZAM, Eviews an Lu ƣớc lƣợng có hầu hết phần mềm thống kê: ET, MICRO TSP vaø http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 55 Nếu phần dƣ nhiễu trắng dừng dùng mơ hình để dự báo 3.1.3.5 Kiểm tra mơ hình phù hợp Dựa vào kiểm định nhƣ • BIC nhỏ (Schwarz criterion đƣợc xác định bởi: n.Log(SEE) + k.Log(n) • SEE nhỏ [11] 1/ é e2 ù å iú SEE= êê ú êën - ú û • R2 lớn: R-squared = (TSS-RSS)/TSS [11] lu an TSS= n va å ( Yi - Y ) , RSS= å ei = å Y i - Y i ( ( ) ) tn to 3.1.3.6 Dự báo ngắn hạn mơ hình Dựa vào mơ hình đƣợc chọn tốt nhất, với liệu khứ tới thời gh p ie điểm t, ta sử dụng để dự báo cho thời điểm t + w 3.2 Áp dụng oa nl Ứng dụng mơ hình ARIMA vào toán dự báo chứng khoán của d Công ty Công ty Cổ phần Sữa Việt Nam (VNM: HOSE) lu va an Sử dụng Phần mềm EVIEWS để dự đốn (Ứng dụng mơ hình u nf ARIMA cho toán dự đoán chuỗi thời gian) ll 3.2.1 Môi trường thực nghiệm m oi Môi trƣờng thực nghiệm Eview chạy hệ điều hành Window XP z at nh 3.2.2 Dữ liệu Chọn loại liệu dự báo: Dữ liệu đƣợc lấy từ z gm @ http: //www.stockbiz.vn/Stocks/VNM/HistoricalQuotes.aspx an Lu Dữ liệu có dạng nhƣ sau: m co Giá đóng cửa l Trong ta chọn Cổ phiếu có mã VNM để dự đốn, sử dụng riêng n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 56 Bảng 3.1: Dữ liệu đầu vào Giá đóng cửa 110,69 MaCK Ngày tháng VNM Ngày tháng 05/05/2014 VNM 12/08/2014 Giá đóng cửa 112,5 VNM 06/05/2014 107,45 VNM 13/08/2014 114 VNM 07/05/2014 108,26 VNM 14/08/2014 116 VNM 08/05/2014 100,99 VNM 15/08/2014 116 VNM 09/05/2014 105,03 VNM 18/08/2014 115 VNM 12/05/2014 100,18 VNM 19/08/2014 114 VNM 13/05/2014 99,36 VNM 20/08/2014 112 VNM 14/05/2014 101,82 VNM 21/08/2014 113 VNM 15/05/2014 98,54 VNM 22/08/2014 113 VNM …… VNM 25/08/2014 112 MaCK lu an n va tn to gh Dữ liệu cho trình dự báo đƣợc ngày 05/05/2014 đến p ie ngày 25/08/2014 Ở ta tập trung vào Giá đóng cửa, trình dự d oa nl w báo giúp ta xác định đƣợc Giá đóng cửa ngày sau ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va Hình 3.1: chọn giadongcua làm mục tiêu dự báo http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 57 3.2.3 Kiểm tra tính dừng chuỗi chứng khốn VNM Dựa vào biểu đồ biến giá đóng cửa chổi chứng khoán GIADONGCUA 120 116 112 108 lu 104 an va 100 n to tn 96 2014M06 2014M07 2014M08 p ie gh 2014M05 w nl 3.2.4 Nhận dạng mơ hình d oa Xác định tham số p, d, q mơ hình ARIMA ll u nf va an lu oi m z at nh z l gm @ m co Hình 3.2: Xác định d = 0,1,2 ? Ta xác định tham số p, d, q mơ hình ARIMA dựa vào an Lu biểu đồ tƣơng quan n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 58 lu an n va p ie gh tn to nl w d oa Hình 3.3: Biểu đồ SAC SPAC chuỗi giadongcua an lu Nhìn vào hình, ta thấy biểu đồ hàm tự tƣơng quan ACF giảm dần ll u nf va cách từ từ Chuỗi chƣa dừng, ta phải tính sai phân lần oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 59 Kiểm tra đồ thị Correlogram chuỗi sai phân bậc lu an n va p ie gh tn to d oa nl w lu va an Hình 3.4: Biểu đồ SPAC SAC ứng với d=1 u nf Nhƣ sau lấy sai phân bậc chuỗi dừng: → d=1, ACF tắt ll nhanh sau độ trễ →q=1, PAC giảm nhanh sau độ trễ: → p=2 oi m z at nh z m co l gm @ an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 60 3.2.5 Ước lượng kiểm định với mơ hình ARIMA Xây dựng mơ hình ARIMA (2,1,1) Chọn Quick/Estimate Equation, sau gõ" LS GIADONGCUA C AR(2) MA(1)" lu an n va ie gh tn to p Hình 3.5: Ước lượng mơ hình ARIMA(2,1,1) d oa nl w Click “Ok” kết là: ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.6: Kết mơ hình ARIMA(2,1,1) n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 61 Chọn “View/Residual tests/Correlogram-Q- Statistic” lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh Hình 3.7: Kiểm tra phần dư có nhiễu trắng Nhƣ vậy, sai số mơ hình ARIMA(2,1,1) chuỗi dừng z có phân phối chuẩn Sai số nhiễu trắng @ m co l mơ hình khác nhau: gm Ta có bảng xác định tiêu chuẩn đánh giá sau thử với vài an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 62 Bảng 3.2: Tiêu chuẩn đánh giá mơ hình ARIMA Mơ hình ARIMA BIC Adjusted R2 SEE ARIMA(1,1,1) 3.98 0.91 1.66 ARIMA(1,1,2) 3.96 0.91 1.63 ARIMA(2,1,1) 3.93 0.91 1.62 ARIMA(2,1,2) 4.43 0.86 2.08 3.2.6 Thực dự báo Tại cửa sổ Equation ấn nút Forecas lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh Hình 3.8: Dự báo Tại Forecast sample: ta chỉnh ngày dự báo: 25/08/2014 - 29/08/2014 z m co l gm @ Kết là: an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 63 lu an va n Hình 3.9: Kết dự báo 04 ngày: 26/08/2014 - 29/08/2014 tn to gh Bảng 3.3: Đánh giá dự báo Giá thực tế Giá dự báo Đánh giá Sai số (%) 112 110.9012 1.10 0.98 112 110.1849 1.82 1.62 111 109.4208 1.58 1.42 111 108.9157 2.08 1.88 p ie Ngày w 26/08/2014 u nf va an lu 29/08/2014 d 28/08/2014 oa nl 27/08/2014 Ta xác định đƣợc sai số trung bình bình phƣơng đƣợc MSE nhƣ sau: ll ( f oi m n  gi )2 z at nh MSE  i i 1 n  0.155 z gm @ Qua thực nghiệm dự báo đƣợc ngày từ ngày 26/08/2014 29/08/2014, nhận thấy kết đƣa xác so với giá thực l m co tế mã chứng khoán VMN (Mức độ sai số thấp, từ xấp xỉ 0.98% đến 1.88%) an Lu Tuy số lƣợng ngày dự báo thử nghiệm chƣa nhiều song nhận n va định mơ hình ARIMA(2,1,1) phù hợp để dự báo mã CK VNM http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 64 KẾT LUẬN Luận văn trình bày đƣợc tổng quan liệu, liệu chuỗi thời gian số kỹ thuật ngoại suy liệu Trong luận văn tập trung vào ngoại suy liệu chuỗi thời gian áp dụng vào toán thực tế đƣợc quan tâm tốn dự báo nói chung dự báo giá chứng khốn nói riêng Luận văn trình bày đƣợc số nội dung sở lý thuyết chuỗi thời gian thực, mô hình hồi quy tuyến tính, mơ hình san mũ Holt-Winter mơ hình ARIMA (các cơng cụ áp dụng mơ hình, quy trình xây dựng mơ hình) áp dụng Eviews để thi hành bƣớc mơ hình lu ARIMA dự báo chứng khoán an Luận văn áp dụng sở lý thuyết nghiên cứu tiến hành thực va n nghiệm chuỗi chứng khoán (chỉ số chứng khoán VNM) dựa liệu gh tn to lịch sử chuỗi (gồm 81 quan sát khứ) dự báo đƣợc giá ie đóng cửa ngày Kết dự báo đƣợc phân tích, kiểm tra, p đối chiếu với giá thực tế cho thấy kết xác, độ tin cậy nl w cao Nhƣ cho thấy mơ hình ARIMA đƣa cho chuỗi chứng d oa khoán luận văn phù hợp để dự báo ngắn hạn giá cổ phiếu an lu Bên cạnh kết đạt đƣợc, luận văn số hạn chế: u nf va - Thuật toán để ƣớc lƣợng nhƣ đánh giá nhiều hạn chế - Trong phiên giao dịch cịn có tác động yếu tố ngoại ll oi m lai lớn nhƣ tâm lý nhà đầu tƣ, tác động thị trƣờng chứng khốn khác, z at nh thơng tin thay đổi sách, … làm cho sai số dự báo tăng Do kết mơ hình đƣa mang tính chất tham khảo nhiều Đây z mơ hình phân tích kĩ thuật, chƣa thể dự báo cách sách, @ vào nhiều yếu tố m co l gm phụ thuộc vào biến – Thời gian, trình dự báo phụ thuộc an Lu n va http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si 65 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Vũ Đức Thi (1997), Cơ sở liệu – Kiến thức Thực hành, NXB Thống kê, Hà Nội [2] Nguyễn Thị Hiền Nhã Sử dụng mơ hình ARIMA cho việc giải tốn dự báo tỷ giả Luận văn thạc sĩ tin học, Đại học Khoa Học Tự Nhiên – Đại Học Quốc Gia TP.HCM, 2002 [3] Nguyễn Văn Huân, Phạm Việt Bình, Nguyễn Việt Hùng, Nguyễn Thị Hằng, Nguyễn Thị Hải Yến, (2013), Phân tích liệu dự báo kinh tế, NXB Đại học Quốc gia Hà Nội lu [4] Nguyễn Quang Dong, Nguyễn Thị Minh (2012), Giáo trình Kinh tế lượng, NXB Đại học Kinh tế quốc dân an n va ie gh tn to [5] Phùng Duy Quang, (2007), Mô hình chuỗi thời gian dùng để dự báo biến động giá chứng khoán áp dụng vào thị trường chứng khoán Việt Nam, Đề tài Cấp trƣờng Đại học Ngoại Thƣơng, Mã số NT 2007-02 p [6] TS Trần Tiến Khai, ThS Trƣơng Đăng Thụy, ThS Lƣơng Vinh Quốc Duy, ThS Nguyễn Thị Song An, ThS Nguyễn Hoàng Lê (2009), Phương pháp nghiên cứu kinh tế, Khoa Kinh tế Phát triển, Trƣờng ĐH Kinh tế TP Hồ Chí Minh d oa nl w va an lu Tiếng Anh ll u nf [7] Boris Kovalerchuk and Evgenii Vityaev (2001) Data Mining in Finance: Advances in Relational and Hybrid Methods, Kluwer Academic Publishers, Boston, Dordrecht - London, 2001 oi m z at nh [8] Roy Batchelor Box-Jenkins Analysis Cass Business School, City of Lodon z [9] http: //www.pstat.ucsb.edu/faculty/feldman/174-3/lectures/l13.pdf Sample PACF; Durbin - Levinson algorithm gm @ m co l [10] Ross Ihaka Time Series Analysis, Lecture Notes for 475.726, Statistics Department, University of Auckland, 2005 an Lu [11] http: //www.stata.com/statalist/archive/2006-06/msg00554.html R-Squared with ARIMA n va [12] http: //en.wikipedia.org/wiki/Extrapolation http://www.lrc.tnu.edu.vn ac th Số hóa Trung tâm Học liệu – ĐHTN si