Ứng dụng kỹ thuật học máy để xây dựng mô hình dự báo đầu ra cho dữ liệu khoảng giá trị của chuỗi thời gian

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP TRƯỜNG ỨNG DỤNG KỸ THUẬT HỌC MÁY ĐỂ XÂY DỰNG MƠ HÌNH DỰ BÁO ĐA ĐẦU RA CHO DỮ LIỆU KHOẢNG GIÁ TRỊ CỦA CHUỖI THỜI GIAN Mã số: T2019-06-128 Chủ nhiệm đề tài: ThS Lê Thị Thùy Linh Đà Nẵng, Tháng 6/2020 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP TRƯỜNG ỨNG DỤNG KỸ THUẬT HỌC MÁY ĐỂ XÂY DỰNG MƠ HÌNH DỰ BÁO ĐA ĐẦU RA CHO DỮ LIỆU KHOẢNG GIÁ TRỊ CỦA CHUỖI THỜI GIAN Mã số: T2019-06-128 Xác nhận quan chủ trì đề tài Chủ nhiệm đề tài DANH SÁCH THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI Lê Thị Thùy Linh DANH SÁCH ĐƠN VỊ PHỐI HỢP CHÍNH Trường Đại học Sư phạm Kỹ thuật - Đại học Đà Nẵng MỤC LỤC PHẦN MỞ ĐẦU .4 CHƯƠNG I TỔNG QUAN NGHIÊN CỨU 14 1.1 Cơng nghệ trí thơng minh nhân tạo lĩnh vực dự báo 14 1.2 Dự báo khoảng thời gian 16 1.2.1 Chuỗi thời gian .16 1.2.2 Phân loại dự báo liệu chuỗi thời gian 18 1.2.3 Tầm quan trọng dự báo chuỗi thời gian thị trường tài 19 1.2.4 Dự báo khoảng thời gian liệu chuỗi thời gian 21 1.3 Các thuật tốn tối ưu hóa siêu liệu 23 1.3.1 Kỹ thuật học máy 23 1.3.2 Các thuật tốn tối ưu hóa siêu liệu .27 CHƯƠNG II PHƯƠNG PHÁP NGHIÊN CỨU .32 2.1 Mơ hình dự báo 32 2.2 Ứng dụng phương pháp “trễ” cho dự báo chuỗi thời gian .34 2.3 Phương pháp kỹ thuật học máy 38 2.3 Thuật toán tối ưu hóa để điều chỉnh tham số .40 2.4 Đánh giá hiệu suất dự báo 43 CHƯƠNG III MƠ HÌNH LAI ĐA ĐẦU RA CHO DỰ BÁO CHUỖI THỜI GIAN 45 3.1 Đánh giá thuật tốn tối ưu hóa 45 3.2 Cấu trúc mơ hình dự báo .47 3.3 Phần mềm ứng dụng .49 CHƯƠNG IV ỨNG DỤNG MƠ HÌNH DỰ BÁO .51 4.1 Thu thập liệu 51 4.1.1 Sàn chứng khống thành phố Hồ Chí Minh 51 4.1.2 Cặp liệu chứng khoáng VN- Index 100 S&P500 54 4.2 Dự báo giá chứng khoáng dựa liệu thực 57 KẾT LUẬN VÀ KIẾN NGHỊ 62 TÀI LIỆU THAM KHẢO .64 DANH MỤC CÁC BẢNG Số Tên bảng Trang hiệu Khoảng thời gian giá trị số VN-Index 100 21 Bảng 2.1 Kết kiểm chứng từ hàm tiêu chuẩn 34 Đánh giá hiệu suất dự báo trước bước 46 Bảng Đánh giá hiệu suất dự báo trước ba bước 48 3.1 Bảng 4.1 Bảng 4.2 DANH MỤC CÁC HÌNH VÀ BIỂU ĐỒ Số hiệu Tên bảng Trang Hình 1.1 Trí tuệ nhân tạo Hình 1.2 Chỉ số chứng khống VN-Index 100 10 Hình 1.3 Đàn cá săn mồi 19 Hình 1.4 Đàn chim bay 20 Biểu đồ Giá trị khoảng thời gian ngày số VN-Index 100 22 2.1 Cấu trúc khoảng thời gian 23 Hình 2.1 Xây dựng cửa sổ trượt không gian pha 24 Hình 2.2 Cửa sổ trượt cho nghiên cứu chuỗi thời 25 Hình 2.3 gian Hình 2.4 Tái tạo khơng gian pha để phân tích chuỗi 26 thời gian 27 Hình 2.5 Minh họa MLSSVR 39 Hình 3.1 Mơ hình dự báo MIMO-S-LSSVR 42 Biểu đồ Chỉ số VN-Index100 nửa đầu năm 2020 46 4.1 Biểu đồ Chỉ số S&P500 nửa đầu năm 2020 47 4.2 Đánh giá hiệu suất dự báo trước bước Hình 4.1 số (a) VN-Index 100 (b) S&P500 48 Hình 4.2 Đánh giá hiệu suất dự báo trước ba bước số (a) VN-Index 100 (b) S&P500 ABC DANH MỤC CÁC CHỮ VIẾT TẮT AI Artificial Bee Colony AIS Artificial intelligence ANN artificial immune system ARMA Artificial neural network ARIMA Autoregressive moving average CPU Autoregressive integrated moving average CPSO Central processing unit DAX Chaotic Particle Swarm Optimization DE German stock price DM Differential Evolution GA Data mining GANN Genetic algorithm GRNN Genetic neural network GUI Generalized neural network GUIDE Graphical user interface iMLP Graphical user interface development environment ITS Multi-layer perceptron model adapted to interval data LSSVR Interval-valued time series MAE Least squares support vector regression MAPE Mean absolute error MCR Mean absolute percentage error MIMO MATLAB complier runtime MISO Multi-Input Multi-Output Multi-Input Single-Output