MẠNG NEURAL VÀ ỨNG DỤNG TRONG DỰ BÁO GIÁ CHỨNG KHOÁN TẠI TRUNG TÂM GIAO DỊCH CHỨNG KHOÁN TP. HỒ CHÍ MINH Mục tiêu của đề tài là hướng đến việc xây dựng mô hình mạng neural phù hợp để dự báo giá chứng khoán Tp. Hồ Chí Minh. Để hoàn thành mục tiêu trên, đề tài sẽ lần lượt trả lời cho các câu hỏi: Thế nào là mô hình mạng Neural nhân tạo? Những đặc điểm nổi bật gì so với các mạng truyền thống và cơ chế vận hành như thế nào? Cấu trúc mô hình mạng để dự báo giá chứng khoán tại Tp. Hồ Chí Minh.
HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG PHẠM THÀNH PHƢỚC MẠNG NEURAL VÀ ỨNG DỤNG TRONG DỰ BÁO GIÁ CHỨNG KHOÁN TẠI TRUNG TÂM GIAO DỊCH CHỨNG KHOÁN TP. HỒ CHÍ MINH Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2013 Luận văn được hoàn thành tại: HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG Người hướng dẫn khoa học: …TS.ĐẶNG THỊ THU HIỀN……… Phản biện 1: …………………………………………………………………………… Phản biện 2: ………………………………………………………………………… Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bưu chính Viễn thông Vào lúc: giờ ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện của Học viện Công nghệ Bưu chính Viễn thông 1 MỞ ĐẦU Lý do chọn đề tài: Hiện nay, thời đại của chúng ta là thời đại mang xu hướng toàn cầu hóa và khu vực hóa. Khi được trở thành thành viên của tổ chức thương mại thế giới thì đồng nghĩa Việt Nam cũng gặp nhiều khó khăn và đồng thời cũng gặt hái được nhiều thành công. Để thu được kết quả tốt từ quá trình hội nhập chúng ta phải đánh giá, nhận định về cơ hội cũng như là thách thức đang đặt ra, chúng ta phải biết đâu là thế mạnh mình phải phát huy và đâu là điểm yếu cần phải khắc phục. Và đặc biệt hơn nữa chúng ta phải nhận định được xu hướng đi chung của thế giới, những yếu tố nào các nước đang chú trọng. Chính vì điều đó, mà em thấy rằng thị trường chứng khoán trên thế giới hiện nay là một thị trường nóng bỏng và có nhiều triển vọng đi lên. Nó không chỉ là một kênh huy động vốn có hiệu quả cho hoạt động đầu tư trong nền kinh tế mà còn là nhân tố thúc đẩy hoạt động của nền kinh tế diễn ra suôn sẻ hơn. Thị trường chứng khoán đã đi vào hoạt động với rất nhiều biến động và đóng góp vào sự phát triển của nền kinh tế nước ta. Đến nay thị trường đóng vai trò là một kênh huy động vốn hiệu quả cho những người cần vốn đồng thời cũng mang lại mức lợi nhuận cao cho các nhà đầu tư. Chính vì vậy thị trường không chỉ thu hút sự quan tâm của các nhà đầu tư trong nước mà còn đông đảo các nhà đầu tư nước ngoài. Do đó, đề tài “Mạng Neural và ứng dụng trong dự báo giá chứng khoán tại trung tâm giao dịch chứng khoán TP. Hồ Chí Minh” là đề tài mà em tập trung nghiên cứu vào nhằm giúp cho các nhà đầu tư có thể dự báo giá chứng khoán một cách tốt nhất và từ đó có thể đưa ra quyết định đầu tư của mình. Mục tiêu nghiên cứu: Mục tiêu của đề tài là hướng đến việc xây dựng mô hình mạng neural phù hợp để dự báo giá chứng khoán Tp. Hồ Chí Minh. Để hoàn thành mục tiêu trên, đề tài sẽ lần lượt trả lời cho các câu hỏi: - Thế nào là mô hình mạng Neural nhân tạo? Những đặc điểm nổi bật gì so với các mạng truyền thống và cơ chế vận hành như thế nào? - Cấu trúc mô hình mạng để dự báo giá chứng khoán tại Tp. Hồ Chí Minh. Cấu trúc của luận văn: 2 Chương 1: Trình bày tổng quan về thị trường chứng khoán, các tham số ảnh hưởng và trình bày về mạng neural nhân tạo. Chương 2: Trình bày về cách thiết kế, các vấn đề và các bước thiết kế mô hình mạng neuron dự báo. Chương 3: Xây dựng, thiết kế một chương trình dự báo giá chứng khoán. 3 1. Chƣơng 1 – TỔNG QUAN VỀ THỊ TRƢỜNG CHỨNG KHOÁN VÀ NEURAL NETWORK 1.1. Tổng quan chung về thị trƣờng chứng khoán 1.1.1. Khái niệm thị trường chứng khoán Thị trường chứng khoán là nơi diễn ra các giao dịch mua bán, trao đổi các loại chứng khoán. Chứng khoán được hiểu là các loại giấy tờ có giá hay là bút toán ghi sổ, nó cho phép chủ sở hữu có quyền yêu cầu về thu nhập và tài sản của tổ chức phát hành hoặc quyền sở hữu. Các quyền yêu cầu này có sự khác nhau giữa các loại chứng khoán, tùy theo tính chất sở hữu của chúng. 1.1.2. Vai trò của thị trường chứng khoán Xu thế hội nhập kinh tế quốc tế và khu vực với sự ra đời của tổ chức thương mại thế giới (WTO), của liên minh Châu Âu, của các khối thị trường chung, đòi hỏi các quốc gia phải thúc đẩy phát triển kinh tế với tốc độ và hiệu quả cao. Thực tế phát triển kinh tế ở các quốc gia trên thế giới đã khẳng định vai trò quan trọng của thị trường chứng khoán trong phát triển kinh tế. Vai trò của thị trường chứng khoán thể hiện trên nhiều khía cạnh khác nhau. Song vai trò tích cực hay tiêu cực của thị trường chứng khoán có thực sự phát huy hay hạn chế phụ thuộc đáng kể vào các chủ thể tham gia thị trường và sự quản lý của nhà nước.[6] 1.1.3. Nhóm yếu tố thị trường Các yếu tố thị trường, là những nhân tố bên trong của thị trường, bao gồm sự biến động thị trường và mối quan hệ cung cầu có thể được coi là nhóm yếu tố thứ ba tác động tới giá cổ phiếu. Sự biến động thị trường là một hiện tượng chờ đợi thái quá từ việc dự tính quá cao giá trị thực chất của cổ phiếu khi giá cổ phiếu cao nhờ sự phát đạt của công ty, và ngược lại do dự đoán thấp giá trị tại thời điểm thị trường đi xuống. Mối quan hệ giữa cung và cầu được trực tiếp phản ánh thông qua khối lượng giao dịch trên thị trường, hoạt động của những nhà đầu tư có tổ chức, giao dịch ký quỹ … cũng có ảnh hưởng đáng kể. Mặc dù số lượng giao dịch ký quỹ tăng khi mà giá cổ phiếu tăng, nhưng một khi giá cổ phiếu giảm số lượng cổ phiếu bán ra tăng và làm cho giá càng giảm. 1.1.4. Chỉ số chứng khoán việt nam (VN – Index) 4 Chỉ số VN – index xây dựng căn cứ vào giá thị trường của tất cả các cổ phiếu được niêm yết. Với hệ thống chỉ số này, nhà đầu tư có thể đánh giá và phân tích thị trường một cách tổng quát. VN – index được tính theo công thức sau : ∑ (P 1i * Q 1i ) * 100 VN-INDEX = P 0i * Q 0i Trong đó : P 1i : giá hiện hành của cổ phiếu i Q 1i : khối lượng đang lưu hành của cổ phiếu i P 0i : giá của cổ phiếu i thời kỳ gốc Q 0i : khối lượng cổ phiếu i thời kỳ gốc 5 1.2. Tổng quan về mô hình mạng Neural 1.2.1. Neural sinh học và neural nhân tạo 1.2.1.1. Neural sinh học Qua quá trình nghiên cứu về bộ não, người ta thấy rằng: bộ não con người bao gồm khoảng 10 11 neural tham gia vào khoảng 10 15 kết nối trên các đường truyền. Mỗi đường truyền này dài khoảng hơn một mét. Các neural có nhiều đặc điểm chung với các tế bào khác trong cơ thể, ngoài ra chúng còn có những khả năng mà các tế bào khác không có được, đó là khả năng nhận, xử lý và truyền các tín hiệu điện hóa trên các đường mòn neural, các con đường này tạo nên hệ thống giao tiếp của bộ não. 1.2.1.2. Neural nhân tạo Một neural là một đơn vị xử lý thông tin và là thành phần cơ bản của một mạng neural. Cấu trúc của một neural được mô tả trên hình dưới. Hình 1.1: Neural nhân tạo Các thành phần cơ bản của một neural nhân tạo bao gồm: ♦ Tập các đầu vào: Là các tín hiệu vào (input signals) của neural, các tín hiệu này thường được đưa vào dưới dạng một vector N chiều. ♦ Tập các liên kết: Mỗi liên kết được thể hiện bởi một trọng số (gọi là trọng số liên kết – Synaptic weight). Trọng số liên kết giữa tín hiệu vào thứ j với neural k thường được kí hiệu là w kj . Thông thường, các trọng số này được khởi tạo một cách 6 ngẫu nhiên ở thời điểm khởi tạo mạng và được cập nhật liên tục trong quá trình học mạng. ♦ Bộ tổng (Summing function): Thường dùng để tính tổng của tích các đầu vào với trọng số liên kết của nó. ♦ Ngƣỡng (còn gọi là một độ lệch - bias): Ngưỡng này thường được đưa vào như một thành phần của hàm truyền. ♦ Hàm truyền (Transfer function) : Hàm này được dùng để giới hạn phạm vi đầu ra của mỗi neural. Nó nhận đầu vào là kết quả của hàm tổng và ngưỡng đã cho. Thông thường, phạm vi đầu ra của mỗi neural được giới hạn trong đoạn [0,1] hoặc [-1, 1]. Các hàm truyền rất đa dạng, có thể là các hàm tuyến tính hoặc phi tuyến. Việc lựa chọn hàm truyền nào là tuỳ thuộc vào từng bài toán và kinh nghiệm của người thiết kế mạng. Một số hàm truyền thường sử dụng trong các mô hình mạng neural được đưa ra trong bảng 1 . ♦ Đầu ra: Là tín hiệu đầu ra của một neural, với mỗi neural sẽ có tối đa là một đầu ra. 1.2.2. Giới thiệu về mạng neural nhân tạo 1.2.2.1. Mạng neural nhân tạo là gi? Định nghĩa: Mạng neural nhân tạo, Artificial Neural Network (ANN) gọi tắt là mạng neural, neural network, là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ neural sinh học. Nó được tạo lên từ một số lượng lớn các phần tử (gọi là phần tử xử lý hay neural) kết nối với nhau thông qua các liên kết (gọi là trọng số liên kết) làm việc như một thể thống nhất để giải quyết một vấn đề cụ thể nào đó. Một mạng neural nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân loại dữ liệu, ) thông qua một quá trình học từ tập các mẫu huấn luyện. Về bản chất học chính là quá trình hiệu chỉnh trọng số liên kết giữa các neural.[5] 1.2.2.2. Lịch sử phát triển mạng neural 1.2.2.3. So sánh mạng neural với máy tính truyền thống 7 Các mạng neural có cách tiếp cận khác trong giải quyết vấn đề so với máy tính truyền thống. Các máy tính truyền thống sử dụng cách tiếp cận theo hướng giải thuật, tức là máy tính thực hiện một tập các chỉ lệnh để giải quyết một vấn đề. Vấn đề được giải quyết phải được biết và phát biểu dưới dạng một tập chỉ lệnh không nhập nhằng. Những chỉ lệnh này sau đó phải được chuyển sang một chương trình ngôn ngữ bậc cao và chuyển sang mã máy để máy tính có thể hiểu được. Trừ khi các bước cụ thể mà máy tính cần tuân theo được chỉ ra rõ ràng, máy tính sẽ không làm được gì cả. Điều đó giới hạn khả năng của các máy tính truyền thống ở phạm vi giải quyết các vấn đề mà chúng ta đã hiểu và biết chính xác cách thực hiện. Các máy tính sẽ trở lên hữu ích hơn nếu chúng có thể thực hiện được những việc mà bản thân con người không biết chính xác là phải làm như thế nào. Các mạng neural xử lý thông tin theo cách thức giống như bộ não con người. Mạng được tạo nên từ một số lượng lớn các phần tử xử lý được kết nối với nhau làm việc song song để giải quyết một vấn đề cụ thể. Các mạng neural học theo mô hình, chúng không thể được lập trình để thực hiện một nhiệm vụ cụ thể. Các mẫu phải được chọn lựa cẩn thận nếu không sẽ rất mất thời gian, thậm chí mạng sẽ hoạt động không đúng. Điều hạn chế này là bởi vì mạng tự tìm ra cách giải quyết vấn đề, thao tác của nó không thể dự đoán được. 1.2.3. Cơ sở lý thuyết phát triển ứng dụng 1.2.3.1. Cấu trúc mạng Neural Mỗi Neural (nút) là một đơn vị xử lý thông tin của mạng neural, là yếu tố cơ bản để cấu tạo nên mạng neural. Input output y k b Hình 1.2: Cấu trúc 1 Neural x i : các tín hiệu input wk 1 wk 2 wk 3 ∑ F (.) 8 w kp : trọng số của từng input f(.): hàm hoạt động y k : kết xuất của Neural b: thông số ảnh hưởng đến ngưỡng ra của output Phân loại cấu trúc mạng Neural 1.2.3.1.1. Mạng truyền thẳng một lớp 1.2.3.1.2. Mạng truyền thẳng nhiều lớp 1.2.3.2. Hàm hoạt động 1.2.3.3. Tiến trình học Tiến trình học là tiến trình quan trọng của con người, nhờ học mà bộ não ngày càng tích luỹ những kinh nghiệm để thích nghi với môi trường và xử lý tình huống tốt hơn. Mạng neural xây dựng lại cấu trúc bộ não thì cần phải có khả năng nhận biết dữ liệu thông qua tiến trình học, với các thông số tự do của mạng có thể thay đổi liên tục bởi những thay đổi của môi trường và mạng neural ghi nhớ giá trị. teach/use X1 W1 X2 W2 Inputs Output X3 Wn Neural Teaching input Tiến trình học Trong quá trình học, giá trị đầu vào được đưa vào mạng và theo dòng chảy trong mạng tạo thành giá trị ở đầu ra. Tiếp đến là quá trình so sánh giá trị tạo ra bởi mạng Neural với giá trị ra mong muốn. Nếu hai giá trị này giống nhau thì không thay đổi gì cả. Tuy nhiên, nếu [...]... BackPropagation Sau đây là những form chính của chương trình Hình 3 1: Form giao diện chƣơng trình dự báo Chức năng chính của chương trình là dự báo giá chứng khoán (Vn-Index) tại trung tâm giao dịch chứng khoán Tp.Hcm Nội dung chính là dự báo giá: o Giá chứng khoán theo ngày o Giá chứng khoán theo tháng o Giá đóng cửa cuối năm 3.1 Dự báo dựa vào giá của những ngày quá khứ 3.1.1 Chuẩn bị dữ liệu 3.1.1.1 Lựa chọn,... độ chính xác cao và độ chính xác sẽ giảm dần nếu dự đoán trong khoản thời gian càng rộng Chương trình sẽ dự đoán tương đối chính xác giá của ngày mai, hay tháng sau, và sẽ giảm dần độ chính xác nếu dự đoán theo quý, và đặc biệt chương trình không còn chính xác nữa nếu dự đoán phiên giao dịch đóng cửa cuối cùng của năm (xác suất chính xác rất thấp) Ví dự như giá chứng khoán bão hòa ở các phiên giao dịch. .. các neural thuộc tầng ẩn thứ nhất; các neural tại đây tiếp nhận như là tín hiệu đầu vào, xử lý và gửi kết quả đến tầng ẩn thứ 2;…; quá trình tiếp tục cho đến khi các neural thuộc tầng ra cho kết quả 1.2.5 Ứng dụng của mạng Neural Ngày nay, mạng neural ngày càng được ứng dụng nhiều trong thực tế Đặc biệt là các bài toán nhận dạng mẫu, xử lý, lọc dữ liệu, điều khiển, và dự báo Ứng dụng của mạng neural. .. động, … - Lọc và phân loại dữ liệu: chuẩn đoán bệnh, tìm kiếm, … - Dự báo: dự đoán thị trường chứng khoán, dự báo thời tiết, dự báo tài chính, dự báo lưu lượng nước, … 14 2 Chƣơng 2 – THIẾT KẾ MÔ HÌNH MẠNG NEURAL DỰ BÁO 2.1 Huấn luyện mạng Neural 2.1.1 Các phương pháp học Khái niệm: Học là quá trình thay đổi hành vi của các vật theo một cách nào đó làm cho chúng có thể thực hiện tốt hơn trong tương lai... động của thị trường là không nhiều) Hướng phát triển: Để mạng lại ứng dụng rộng rãi, đề tài đã xây dựng cơ bản mô hình dự báo giá, do vậy ngoài phạm vi áp dụng sàn giao dịch Tp.Hcm, đề tài hoàn toàn có thể áp dụng sàn giao dịch chứng khoán bất kỳ nào khác Mặt khác, bên cạnh thì mô hình còn có thể phát triển để ứng dụng như dự báo tỷ giá, tốc độ tăng trưởng kinh tế… ... Chƣơng 3 – XÂY DỰNG CHƢƠNG TRÌNH DỰ BÁO GIÁ CHỨNG KHOÁN - Chương trình dự báo được xây dựng dựa trên công cụ: o Visual Studio 2012 o Nền tảng Framework 4.5 - Mô hình neural được chọn là mô hình mạng MLP truyền thẳng gồm: o Mạng Neural MLP (mạng Neural 3 lớp) nhiều đầu vào nhiều đầu ra - Có rất nhiều thuật toán huấn luyện mạng nhưng em chọn thuật toán o BackPropagation Sau đây là những form chính của... độ chính xác cao,… Tuy nhiên trong khuôn khổ luận văn tốt nghiệp em chỉ tìm hiểu về cấu tạo noron sinh học, mô hình mạng noron nhân tạo, mô hình mạng, một số phương pháp huấn luyện mạng, ứng dụng của mạng trong bài toán dự đoán Trên cơ sở lý thuyết đã tìm hiểu em đã tiến hành cài đặt thuật toán backpropagation dự báo giá thị trường chứng khoán Chương trình dự báo hoạt động rất tốt đối với việc dự báo. .. Nhận thấy mạng neural MLP học rất tốt, dự báo đúng hơn 95% 3.2 Dự báo dựa vào giá của những biến động trên thị trƣờng: 3.2.1 Dựa vào biến động của nền kinh tế trong 10 năm về trước: Với dữ liệu học, đầu ra của mạng ít trùng khớp với đầu ra yêu cầu (hình chữ nhật màu đỏ ít trùng khớp với hình chữ nhật màu xanh) Nhận thấy mạng neural MLP học tương đối, dự báo chưa được tốt lắm 3.2.2 Dựa vào biến động... mỗi neural Neural nào là của lớp ẩn và neural nào là của lớp xuất Ta cần biết các ký hiệu: wij: vector trọng số của neural j số đầu vào i uj: vector giá trị kết xuất của neural trong lớp j x1 tj Wij x2 W2j fj (.) xi – 1 W(i – 1)j tổng Neural j x3 Wij Mô hình tính toán một neural ej 10 1.2.4 Mô hình mạng neural 1.2.4.1 Các kiểu mô hình mạng neural ♦ Tự kết hợp (autoassociative): là mạng có các neural. .. là tập các vấn đề và Y là tập các lời giải tương ứng cho vấn đề đó Các mẫu (x, 15 y) với x = (x1, x2, , xn) ∈ X, y = (yl, y2, , ym) ∈ Y được cho trước Học có giám sát trong các mạng neural thường được thực hiện theo các bước sau: ♦ B1: Xây dựng cấu trúc thích hợp cho mạng neural, chẳng hạn có (n + 1) neural vào (n neural cho biến vào và 1 neural cho ngưỡng x0), m neural đầu ra, và khởi tạo các trọng . Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2013 Luận văn được hoàn thành tại: