Mạng noron wavelet và ứng dụng cho dự báo chứng khoán

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LẠI XUÂN TRƯỜNG MẠNG NORON WAVELET VÀ ỨNG DỤNG CHO DỰ BÁO CHỨNG KHOÁN LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN, 2017 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LẠI XUÂN TRƯỜNG MẠNG NORON WAVELET VÀ ỨNG DỤNG CHO DỰ BÁO CHỨNG KHOÁN Chuyên ngành: Khoa học máy tính Mã số: : 60 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: PGS.TS LÊ BÁ DŨNG THÁI NGUYÊN, 2017 LỜI CAM ĐOAN Tôi xin cam đoan luận văn kết tìm hiểu, nghiên cứu tài liệu cách nghiêm túc hướng dẫn PGS TS Lê Bá Dũng Nội dung luận văn phát triển từ ý tưởng, sáng tạo thân kết có hoàn toàn trung thực Học viên Lại Xuân Trường LỜI CẢM ƠN Lời đầu tiên, em xin gửi lời biết ơn sâu sắc đến PGS.TS Lê Bá Dũng, người tận tình hướng dẫn, bảo, giúp đỡ em suốt trình làm luận văn Em xin bày tỏ lòng biết ơn tới thầy tham gia giảng dạy chia sẻ kinh nghiệm quý báu cho tập thể lớp nói chung cá nhân em nói riêng Tôi xin gửi lời cảm ơn tới gia đình, bạn bè, đồng nghiệp ủng hộ, động viên giúp đỡ để hoàn thành tốt luận văn Tôi xin gửi lời cảm ơn tới Ban giám hiệu trường Đại học công nghệ thông tin & truyền thông – Đại học Thái Nguyên tạo điều kiện thuận lợi cho tham gia khóa học hoàn thành luận văn Một lần nữa, xin chân thành cảm ơn Thái Nguyên, tháng 06 năm 2017 Học viên Lại Xuân Trường MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN .2 MỤC LỤC MỤC LỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ MỞ ĐẦU CHƯƠNG I MẠNG NORON WAVELET VÀ NHỮNG KHÁI NIỆM CƠ BẢN .3 1.1 Mạng nơron sinh học 1.2 Mạng nơron nhân tạo 1.3- Phép biến đổi Wavelet liên tục 14 1.4 - Các tính chất hàm wavelet 16 CHƯƠNG II 29 CÁC THUẬT TOÁN HỌC TRONG MẠNG NƠRON 29 2.1 Các luật học 29 2.1.1 Quy tắc học mạng nơron nhân tạo 29 2.1.2 Học có giám sát 29 2.1.3 Học không giám sát 30 2.1.4 Học tăng cường 31 2.2 Các thuật toán học mạng Noron Wavelet 32 2.3 Chương trình học tập tham số Ghép 33 CHƯƠNG III 37 ỨNG DỤNG MẠNG NƠRON WAVELET TRONG BÀI TOÁN PHÂN 37 TÍCH ĐÁNH GIÁ DỰ BÁO CÁC CHỈ SỐ KINH TẾ VÀ 37 THỬ NGHIỆM 37 3.1 Bài toán dự báo chứng khoán 37 3.1.1 Một số khái quát thị trường tài 37 3.1.2 Sự cần thiết việc dự báo giá chứng khoán 39 3.1.3 Phân tích chứng khoán 40 3.1.4 Xác định giá mở cửa thị trường chứng khoán 41 3.2.1 Xây dựng mô hình hệ thống WNN 42 3.2.2 Vấn đề xác định quan hệ liệu 47 3.2.3 Biến đổi tiền xử lý liệu 53 3.3 Đánh giá kết 61 3.3.1 Giá trị thực tế thay đổi hàng ngày việc cần thiết phải dự báo 62 3.3.2 Số bước dự đoán 63 3.4 Đánh giá 64 3.4.1 Ưu điểm 65 3.4.2 Hạn chế 65 Tài liệu tham khảo 66 MỤC LỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ Hình 1.1: Mô hình nơron sinh học Hình 1.2: Mô hình nơron nhân tạo Hình 1.3: Đồ thị dạng hàm truyền Hình 1.4: Mạng nơron lớp Hình 1.5: Một số dạng mạng nơron 11 Hình 1.6: Cấu trúc mạng Hopfield 12 Hình 1.7: Ba dạng hàm Wavelet 16 Hình 1.8a: Biểu diễn hệ số Wavelet hệ tọa độ ba trục vuông góc 18 Hình 1.8b: Tín hiệu f(t) 18 Hình 1.8c: Biến đổi Fourier tín hiệu f(t) 19 Hình 1.9: Biểu diễn hệ số wavelet tỉ lệ đồ dạng đường đẳng trị 20 Hình:1.10: Hàm Wavelet Mexican ba tỉ lệ s khác 22 Hình 1.11: Hình tín hiệu f(x), hình biến đổi wavelet tín hiệu sử dụng làm wavelet đạo hàm bậc hàm Gauss 23 Hình 1.12: Cấu trúc mạng Noron Wavelet 27 Hình 2.1: Học có giám sát 30 Hình 2.2: Học không giám sát 31 Hình 2.3: Tổ hợp tuyến tính cấu trúc mạng Noron Wavelet 32 Hình 3.1 Biểu diễn giá số chứng khoán VNINDEX ngày 42 Hình 3.2: Lưu đồ thuật toán dự báo số chứng khoán sử dụng WNN 46 Hình 3.3 Hàm Wavelet Haar mẹ 47 Hình 3.4 Cấu trúc mạng WNN 49 Hình 3.5 Giá trị chứng khoán thay đổi ngày VNINDEX 59 Hình 3.6 Kết dự báo tỷ giá hối đoái 60 Hình 3.7 Kết dự báo sử dụng WNN cho toán tỷ giá hối đoái 61 MỤC LỤC CÁC BẢNG BIỂU Bảng 3.1: So sánh dự báo thay đổi hàng ngày số 63 Bảng 3.2 Ảnh hưởng bước dự báo 63 Bảng 3.3 So sánh thiết kế MLP, mô hình MA-5 ngày tương thích WNN 65 MỞ ĐẦU Lý chọn đề tài: Mạng Noron nhân tạo (Artificial Neural Network-ANN) nói chung Mạng Nơron Wavelet nói riêng nghiên cứu, ứng dụng mạnh mẽ thành công nhiều lĩnh vực năm gần Với trình như: xấp xỉ phi tuyến, dự báo thị trường chứng khoán, dự báo mô hệ thống điều khiển…được đưa ra, giải có nhiều kết Các lớp toán lĩnh vực sử dụng giải theo phương pháp truyền thống phương pháp thống kê, quy hoạch tuyến tính … Mạng nơron nhân tạo, mạng Nơron Wavelet hình thành có nhiều khả vượt trội việc tuyến tính hóa, dự báo, phân tích, đánh giá liệu, áp dụng thành công cho số lĩnh vực khoa học, kỹ thuật, kinh tế… Sử dụng Mạng Nơron Wavelet cho xấp xỉ dự báo phương pháp quan tâm gần nhiều tác giả, đặc biệt lĩnh vực dự báo chứng khoán Được gợi ý thầy hướng dẫn nhận thấy tính thiết thực vấn đề em chọn đề tài: “Nơron Wavelet ứng dụng cho dự báo chứng khoán” làm khoá luận tốt nghiệp cho luận văn tốt nghiệp Mục tiêu nghiên cứu: Mục tiêu đề tài hướng đến việc xây dựng mô hình mạng Noron Wavelet Để hoàn thành mục tiêu trên, đề tài trả lời cho câu hỏi: - Thế mô hình mạng Noron nhân tạo? Những đặc điểm bật so với mạng truyền thống chế vận hành nào? - Cấu trúc mô hình mạng để dự báo giá chứng khoán 53 3.2.3 Biến đổi tiền xử lý liệu Dữ liệu thô thường biến đổi trước đưa chúng vào hệ thống WNN Mục đích việc biến đổi tăng hiệu thông tin chuỗi thời gian biến đổi Các biến đổi điển hình bao gồm tính toán tỉ số khác nhau, san chuỗi cách tính toán giá trị trung bình động, xác định tỉ lệ phóng to thu nhỏ tiêu chuẩn hóa Dữ liệu gồm cột đại diện cho giá số lượng theo dạng thức sau: < OPEN >< CLOSE >< HIGH >< LOW >< VOLUME > Dữ liệu chuẩn hóa [0,1] biểu diễn giá trị lớn liệu X  X X norm  X max  X (3.4) Trong Xnorm giá trị chuẩn hóa; Xmax giá trị lớn liệu, Xmin giá trị nhỏ Đây liệu quan trọng ngày giao dịch chứng khoán Dựa liệu input WNN cho giá mở cửa ngày hôm sau 3.2.4 Kết dự báo Giá trị thực Giá trị dự báo Giá trị thực 15,218 17,275 19,882 21,898 15,307 17,364 19,971 21,987 15,341 17,398 20,005 22,021 Giá trị dự báo 15,923 17,98 20,587 22,603 Giá trị thực 16,497 18,554 21,161 23,177 Giá trị dự báo 16,986 18,043 21,65 23,666 54 23,793 24,992 26,577 28,254 29,007 29,103 28,593 28,731 29,942 30,952 30,854 31,809 32,471 30,014 27,148 24,476 22,041 19,842 17,86 16,076 14,469 13,023 11,721 10,549 0,9495 0,8546 0,7692 0,6923 0,6231 0,5608 0,5047 0,4543 0,4089 0,3682 23,882 24,081 26,666 28,343 29,096 29,192 28,682 28,82 29,031 30,041 30,943 31,898 32,56 30,103 27,237 24,565 22,13 19,931 17,949 16,165 14,558 13,112 11,81 10,638 10,185 0,9436 0,7582 0,7813 0,7121 0,6498 0,5937 0,5433 0,4979 0,4572 23,916 25,115 26,341 28,377 29,589 29,226 28,716 28,854 30,065 31,075 30,977 31,932 32,594 30,137 27,271 24,599 22,164 19,965 17,983 16,199 14,992 13,146 11,844 10,672 10,725 0,9821 0,8967 0,8198 0,7506 0,6883 0,6322 0,5818 0,5364 0,4957 23,498 25,697 26,282 28,959 29,712 29,808 28,298 28,436 30,647 31,657 30,559 31,514 32,176 30,719 27,853 24,181 22,746 19,547 17,565 16,781 14,174 13,728 11,426 10,254 106,545 0,5596 14,742 13,973 0,3281 0,2658 0,2097 0,1593 0,1139 0,0732 25,072 26,271 27,856 29,533 30,286 30,382 29,872 30,011 31,221 32,231 32,133 33,088 33,753 31,293 28,427 25,755 23,32 21,121 19,139 17,355 15,748 14,302 12,614 11,828 22,285 21,336 20,482 19,713 19,021 18,398 17,837 17,333 16,879 16,472 25,561 26,76 27,345 29,022 30,775 30,871 29,361 30,499 31,71 32,72 32,622 33,599 33,261 31,804 28,938 25,266 23,831 21,632 19,65 17,866 15,259 13,813 12,511 11,339 22,395 21,446 20,592 19,823 19,131 18,508 17,845 17,341 16,887 16,48 55 0,3319 0,3012 0,2732 0,2542 0,2498 0,2768 0,3685 0,5654 0,866 12,039 15,138 17,676 19,614 21,007 21,931 22,462 22,669 22,612 22,342 21,907 21,356 20,745 20,169 19,813 20,043 21,42 23,478 22,107 20,037 18,069 16,276 14,656 13,196 11,88 0,4209 0,389 0,3622 0,3432 0,3388 0,3658 0,4575 0,6544 0,955 12,128 15,227 17,765 19,703 21,096 22,02 22,551 22,758 22,701 22,431 21,996 21,445 20,666 20,09 19,734 19,964 21,341 23,399 22,028 19,958 17,99 16,197 14,577 13,117 11,801 0,4594 0,4275 0,4007 0,3817 0,3773 0,4043 0,496 0,6929 0,9935 12,162 15,261 17,799 19,737 21,13 22,054 22,585 22,792 22,735 22,465 22,03 21,479 20,868 20,292 19,936 20,166 21,543 23,601 22,23 20,16 18,192 16,399 14,779 13,319 12,003 0,0369 0,005 0,9782 0,9592 0,9548 0,9818 0,456 0,6829 0,9635 12,744 15,843 17,381 19,319 21,712 22,636 22,167 22,374 22,317 22,047 22,612 21,061 20,45 20,874 19,518 20,748 21,125 23,946 22,575 20,505 18,537 16,744 15,124 13,664 12,348 16,109 1,579 15,522 15,332 15,288 15,558 16,475 18,444 2,145 13,318 16,417 18,955 20,893 22,286 23,21 23,741 23,948 23,891 23,621 23,186 22,635 22,024 21,448 21,092 21,322 22,699 24,757 23,386 21,316 19,348 17,555 15,935 14,475 13,159 16,117 1,587 15,53 15,34 15,296 15,566 16,483 18,452 2,153 13,326 16,425 18,963 20,901 22,294 23,218 23,749 23,956 23,899 23,629 23,194 22,643 22,032 21,456 21,1 21,33 22,707 24,765 23,394 21,324 19,356 17,563 15,943 14,483 13,167 56 10,696 0,963 0,8672 0,781 0,7035 0,634 0,5717 0,5158 0,4654 0,4195 0,3778 0,3405 0,3076 0,2797 0,2592 0,2521 0,2734 0,3541 0,5355 0,8247 11,617 14,776 17,398 19,422 20,898 21,898 22,499 22,766 22,756 22,523 22,116 21,583 20,98 20,394 10,617 0,884 0,7882 0,702 0,6245 0,555 0,4927 0,4368 0,3864 0,3405 0,2988 0,2615 0,2286 0,2007 0,1802 0,1731 0,1944 0,2751 0,4565 0,7457 11,538 14,697 17,319 19,343 20,819 21,819 22,42 22,687 22,677 22,444 22,037 21,504 20,901 20,315 10,819 1,086 0,9902 0,904 0,8265 0,757 0,6947 0,6388 0,5884 0,5425 0,5008 0,4635 0,4306 0,4027 0,3822 0,3751 0,3964 0,4771 0,6585 0,9477 11,74 14,899 17,521 19,545 21,021 22,021 22,622 22,889 22,879 22,646 22,239 21,706 21,103 20,517 10,164 1,431 0,3352 0,249 0,1715 0,357 0,6847 0,9838 0,9334 0,8875 0,8458 0,8085 0,7756 0,7477 0,5272 0,4201 0,4414 0,5221 0,4035 0,8477 11,085 14,244 17,866 19,89 21,366 22,366 22,967 22,234 22,224 22,991 22,584 21,551 21,448 20,862 11,975 2,242 21,462 2,06 19,825 1,913 18,507 17,948 17,444 16,985 16,568 16,195 15,866 15,587 15,382 15,311 15,524 16,331 18,145 21,037 12,896 16,055 18,677 20,701 22,177 23,177 23,778 24,045 24,035 23,802 23,395 22,862 22,259 21,673 11,983 2,25 21,47 2,068 19,833 1,921 18,515 17,956 17,452 16,993 16,576 16,203 15,874 15,595 15,39 15,319 15,532 16,339 18,153 21,045 12,904 16,063 18,685 20,709 22,185 23,185 23,786 24,053 24,043 23,81 23,403 22,87 22,267 21,681 57 19,996 20,121 21,315 23,504 22,426 20,359 18,364 16,543 14,896 13,412 12,075 10,871 0,9787 0,8813 0,7936 0,7149 0,6441 0,5807 0,5238 0,4725 0,4259 0,3836 0,3457 0,3121 0,2834 0,2615 0,2517 0,2671 0,3358 0,4996 0,7747 11,095 14,318 17,031 19,917 20,042 21,236 23,425 22,347 20,28 18,285 16,464 14,817 13,333 11,996 10,792 0,8997 0,9503 0,8626 0,7839 0,7131 0,6497 0,5928 0,5415 0,4949 0,4526 0,4147 0,3811 0,3524 0,3305 0,3207 0,3361 0,4048 0,5686 0,8437 11,164 14,387 17,1 20,119 20,244 21,438 23,627 22,549 20,482 18,487 16,666 15,019 13,535 12,198 10,994 11,017 10,043 0,9166 0,8379 0,7671 0,7037 0,6468 0,5955 0,5489 0,5066 0,4687 0,4351 0,4064 0,3845 0,3747 0,3901 0,4588 0,6226 0,8977 11,218 14,441 17,154 20,464 20,589 21,783 23,972 22,894 20,827 18,832 16,011 15,364 13,88 12,543 10,339 10,467 13,493 0,8616 0,1829 0,6121 0,5487 0,9918 0,9405 0,8939 0,8516 0,8137 0,7801 0,7514 0,7295 0,7197 0,8681 0,9368 0,5226 0,7977 11,696 14,919 17,632 21,275 21,4 22,594 24,783 23,705 21,638 19,643 17,822 16,175 14,691 13,354 12,15 22,577 21,603 20,726 19,939 19,231 18,597 18,028 17,515 17,049 16,626 16,247 15,911 15,624 15,405 15,307 15,461 16,148 17,786 20,537 12,374 15,597 18,31 21,283 21,408 22,602 24,791 23,713 21,646 19,651 17,83 16,183 14,699 13,362 12,158 22,585 21,611 20,734 19,947 19,239 18,605 18,036 17,523 17,057 16,634 16,255 15,919 15,632 15,413 15,315 15,469 16,156 17,794 20,545 12,382 15,605 18,318 58 19,145 20,7 21,768 22,425 22,737 22,765 22,563 22,179 21,662 21,064 20,468 20,023 20,036 21,027 23,237 22,653 20,619 18,606 16,763 15,095 13,591 12,236 11,016 0,9918 0,893 0,8042 0,7244 0,6527 0,5883 0,5307 0,4787 0,4316 0,3888 0,3503 19,214 20,769 21,837 22,494 22,806 22,834 22,632 22,248 21,731 21,133 20,537 20,092 20,105 21,096 23,306 22,722 20,688 18,675 16,832 15,164 13,66 12,305 11,085 10,608 0,8962 0,8732 0,7934 0,7217 0,6573 0,5997 0,5477 0,5006 0,4578 0,4193 19,268 20,823 21,891 22,548 22,86 22,888 22,686 22,302 21,785 21,187 20,591 20,146 20,159 21,15 23,36 22,776 20,742 18,729 16,886 15,218 13,714 12,359 11,139 11,148 1,016 0,9272 0,8474 0,7757 0,7113 0,6537 0,6017 0,5546 0,5118 0,4733 19,746 20,301 21,369 22,026 22,338 22,366 22,164 22,78 21,263 21,665 20,069 20,624 20,637 21,628 23,838 22,254 21,22 18,207 17,364 15,696 13,192 12,837 11,617 11,928 1,494 0,8052 0,7254 0,6537 0,8893 0,5317 0,6797 0,5326 0,6898 0,3513 20,424 21,979 23,047 23,704 24,016 24,044 23,842 23,458 22,941 22,343 21,747 21,302 21,315 22,306 24,516 23,932 21,898 19,885 18,042 16,374 14,871 13,515 12,295 22,708 2,172 20,832 20,034 19,317 18,673 18,097 17,577 17,106 16,678 16,293 20,432 21,987 23,055 23,712 24,024 24,052 23,85 23,466 22,949 22,351 21,755 21,31 21,323 22,314 24,524 23,94 21,906 19,893 18,05 16,382 14,878 13,523 12,303 22,716 2,181 20,84 20,042 19,325 18,681 18,105 17,585 17,114 16,686 16,301 59 0,3161 0,2868 0,2638 0,2519 0,263 0,3851 0,3558 0,3328 0,3209 0,1932 0,4391 0,4098 0,3868 0,3749 0,3861 0,5171 0,4878 0,3648 0,3529 0,4254 15,951 15,658 15,428 15,309 1,542 15,959 15,666 15,436 15,317 1,551 1.3 GIA TRI X TAI CAC THOI DIEM TINH 1.2 1.1 0.9 0.8 0.7 0.6 0.5 0.4 10 15 CAC THOI DIEM TINH X 20 25 Hình 3.5 Giá trị chứng khoán thay đổi ngày VNINDEX Trên hình 3.5 trình dự báo chứng khoán thực ngày đường liền giá trị thực điểm rời rạc giá trị tính toán dự báo qua WNN Các kết dự báo tương đối sát với thực tế Cũng với mạng WNN thiết kế cho dự báo xử lý số liệu tiến hành loạt phân tích so sánh để đánh giá hiệu suất WNN Thứ nhất, thử nghiệm hệ thống với chuỗi thời gian Mackey-Glass mà chuẩn mực tiếng sử dụng phân tích số nhà nghiên cứu Thứ hai, mô hình đề xuất sử dụng để dự đoán giá hối đoái thực tế tỷ lệ theo chuỗi thời gian Và thứ ba, so sánh hiệu suất phương pháp WNN với nghiên cứu khác Ta nhìn thấy từ bảng 3.1(trang 59) mô hình đề xuất nhanh so với phương pháp khác thử nghiệm Cũng bảng 3.1, kết từ mô hình WNN tốt so với kết từ bảng 3.2 60 (trang 60) Trong hoạt động kinh doanh ngoại hối, nửa tất giao dịch liên quan trực tiếp trao đổi đô la Tầm quan trọng việc kinh doanh ngoại tệ khác từ Đô la Mỹ phát sinh từ thực tế đại lý tiền tệ báo giá đơn vị tiền tệ khác so với đồng USD giao dịch với Do đó, trình so sánh này, tất tỷ giá hối đoái trích dẫn dạng số đơn vị nước theo tiền tệ đô la Mỹ Tập liệu mà sử dụng lấy từ trang web Ngân hàng Dự trữ Liên bang Mỹ Tỷ giá chọn bao gồm Đô la Canada / Đô la Mỹ, Đan Mạch Kroner / Mỹ Dollar, Yên Nhật / Đô la Mỹ, New Peso Mexico / Đô la Mỹ, Na Uy Kroner / Đô la Mỹ, Rand / Nam Phi Nam Phi, Franc Thụy Sĩ / Đô la Mỹ, Đô la Mỹ / Đô la Úc, Đô la Mỹ / Euro, Đô la Mỹ / Đô la New Zealand, Và Đô la Mỹ / Bảng Anh Lấy liệu hàng ngày từ ngày tháng năm 1999 đến 31 tháng năm 2007 với tổng cộng 2032 quan sát Hình 3.6 Kết dự báo tỷ giá hối đoái Cũng với liệu sử dụng để dự báo dùng WNN có kết hình 3.6 61 BIEU DO GIA TRI THUC - VA DU BAO + THOI DIEM TINH CAC GIA TRI THUC VA DU BAO 3.5 2.5 1.5 0.5 0 50 100 150 200 250 300 350 CAC GIA TRI THUC VA GIA TRIJ DU BAO 400 450 Hình 3.7 Kết dự báo sử dụng WNN cho toán tỷ giá hối đoái 3.3 Đánh giá kết Trên lý thuyết Charles H Dow tinh William Hamilton, có ảnh hưởng thị trường tài đặt móng cho giao dịch kỹ thuật Lý thuyết Dow nói có tồn xu hướng cấp khác thị trường chứng khoán, cụ thể xu hướng chính, xu hướng vừa xu hướng nhỏ, sở phân tích kỹ thuật cho phép dự đoán biến động thị trường loạt số, xu hướng, vv Các thông tin quan trọng phân tích kỹ thuật đường trung bình giá khứ khối lượng giao dịch Trong thực tế, hầu hết số phân tích kỹ thuật thường sử dụng, Ví dụ, OSCP (giá dao động) tính dao động trung bình, "Chênh lệch Days" tính giá hàng ngày theo dao động trung bình: OSCP  MA5  MA10 MA5 (3.5) 62 Disparity days  Ct  100 MA5 (3.6) Trước vào chi tiết việc xây dựng hệ thống dự báo cổ phiếu, cần thiết để xác định rõ hiệu suất có Hiệu suất sử dụng phổ biến cho mạng Noron sai số bình phương trung bình (MSE) Sử dụng N để biểu thị số lượng giá trị dự đoán, MSE dự đoán MSE= g  y    n predict t arg et N (3.7) ANNs sử dụng để dự đoán ISE100 Index tỷ lệ sai số trung bình sử dụng để đo lường hiệu suất, tức là, phần trăm sản lượng dự đoán lệch từ đầu mong muốn Biện pháp cho phép MSE loại bỏ giá trị Cũng sử dụng giá trị tuyệt đối tỷ lệ phần trăm (MAD%) MAD%= g predict  yt arg et  100% n y N t arg et (3.8) Hiệu suất mạng WNN thường sử dụng hệ thống dự đoán thị trường, sử dụng MSE MAD thông qua tỷ lệ sai số dự đoán tài khoản Do đó, biện pháp khác là, tỷ lệ thành công việc phát nhân tố hợp lý, gọi tỷ lệ thành công: Success Rate  No.of Directions Correctly Deteced  100% N (3.9) 3.3.1 Giá trị thực tế thay đổi hàng ngày việc cần thiết phải dự báo 63 Trong số phương pháp dự báo chứng khoán, giá trị thay đổi hàng ngày sử dụng Ví dụ giá trị thay đổi hàng ngày sử dụng Thượng Hải Index dự đoán Phương pháp MSE sử dụng biện pháp hiệu với giá trị đạt 0,0139 Tuy nhiên, hàng loạt thay đổi hàng ngày sàn chứng khoán Thượng Hải khoảng -10% ~ + 10% có giá trị tuyệt đối tương đối nhỏ Do đó, thử nghiệm sử dụng thay đổi hàng ngày giá trị thực tế liệu từ 10 tháng năm 2006 đến tháng 18 tháng năm 2008, bảng 3.1 Bảng 3.1: So sánh dự báo thay đổi hàng ngày số MSE Tỷ lệ thành công Thay đổi hàng ngày 0.006875 46.2% Giá trị số thực tế 62291.2 51.3% 3.3.2 Số bước dự đoán Trong hầu hết quốc gia, nhà đầu tư phải nộp thuế trước bạ, đánh phần giá trị thương mại Kết là, đầu tư ngắn hạn không phù hợp với hầu hết nhà đầu tư chi phí giao dịch cao, trừ thay đổi giá cổ phiếu lớn Đầu tư dài hạn cho phép nhà đầu tư để đạt lợi ích tốt hơn, kể tăng vốn tích lũy trang trải chi phí giao dịch Vì vậy, thích hợp cho hệ thống dự báo để dự đoán nhiều bước Trong mục này, nghiên cứu hệ thống xây dựng dự đoán giá trị số chứng khoán Kết thể bảng 3.3 Bảng 3.2 Ảnh hưởng bước dự báo 64 S.lượng giá trị tương lai MSE 60242 76512 88539 102490 72584 112886 MAD (%) 1.7 1.9 1.9 2.1 1.8 2.4 Tỷ lệ thành công 73.2 73.2 75.6 71.8 64.1 58.5 (%) Bảng 3.2 Kết bảng 3.2 cho thấy việc sử dụng hệ thống để dự đoán bước (ví dụ dự đoán số giá trị ba ngày tới) mang lại tỷ lệ thành công cao Lý có thông tin để phục vụ lên đến ba ngày, ngày thứ ba giá trị thực tế gần với giá trị dự tính Điều thực phù hợp với mong đợi Tuy nhiên, dự đoán ba bước làm tăng MAD% so với dự đoán bước Vì vậy, tồn đánh đổi tỷ lệ thành công MAD%, yếu tố phụ thuộc vào mục tiêu nhà đầu tư 3.4 Đánh giá Một hệ thống dự báo chứng khoán dựa Wavelet Neural Network (WNN) xây dựng sử dụng dự báo khác Nó rằng, mạng WNN có lợi mạng nơron MLP truyền thống Với toán dự báo chứng khoán hàng ngày giá trị số bốn ngày trước đó, hay 10 ngày 20 ngày giá trị trung bình di chuyển lựa chọn đầu vào cho phép dự báo mạng tốt 65 Bảng 3.3 So sánh thiết kế MLP, mô hình MA-5 ngày tương thích WNN Model MAD% Adaptive WNN 1.65 MLP 1.62 MA-5 days 2.17 3.4.1 Ưu điểm Sử dụng WNN cho hệ thống hội tụ nhanh đảm bảo độ xác mong muốn Là mạng phù hợp toán dự báo xấp xỉ phi tuyến 3.4.2 Hạn chế Hệ thống WNN huấn luyện chậm Vấn đề chọn hàm wavelet mẹ đóng vai trò quan trọng xác định số node ẩn cần yêu cầu đặt Trong việc xây dựng hệ thống WNN KẾT LUẬN Mạng WNN mạng nơron kết hợp với Wavelet cho phép áp dụng vào nhiều lĩnh vực khác ngành khoa học kỹ thuật Mạng Noron nhân tạo (Artificial Neural Network-ANN) nói chung Mạng Nơron Wavelet nói riêng nghiên cứu, ứng dụng mạnh mẽ thành công nhiều lĩnh cực năm gần Với trình như: xấp xỉ phi tuyến, dự báo thị trường chứng khoán, dự báo mô hệ thống điều khiển…được đưa ra, giải có nhiều kết Các lớp toán lĩnh vực sử dụng giải theo phương pháp 66 truyền thống phương pháp thống kê, quy hoạch tuyến tính,… Mạng nơron nhân tạo, Mạng Nơron Wavelet hình thành có nhiều khả vượt trội việc tuyến tính hóa, dự báo, phân tích, đánh giá liệu, áp dụng thành công cho số lĩnh vực khoa học, kỹ thuật, kinh tế, đặc biệt lĩnh dự báo chứng khoán Tài liệu tham khảo * Tiếng Việt: [1] Lê Bá Dũng, Bài giảng mạng Nơron ứng dụng lớp Cao học Thái Nguyên, 2012 [2] Bùi Công Cường, Nguyễn Doãn Phước, Hệ thống mạng Nơron mờ ứng dụng, NXB Khoa học Công nghệ , 2006 [3] Nguyễn Đình Thúc (2000), Trí tuệ nhân tạo Mạng nơron phương pháp & ứng dụng , Nhà xuất Giáo dục * Tiếng Anh: [4] Chong Tan, Financial Time Series Forecasting Using Improved Wavelet Neural Network, Master's Thesis 2009 [5]S Haykin, Neural Networks: A Comprehensive Foundation, Second Edition, Prentice Hall,NewJersay, 1999 [6] C.T Lin and C.S.G Lee, Neural Fuzzy Systems, Prentice Hall, London, 1996 [7] J.S.R.Jang,C.I Sun and E.Mizutani, Neuro-fuzzy and soft computing : a computational approach to learning and machine intelligence, Prentice-Hall, NJ , 1997 [8] Zhang Q G., Benveniste A.: Wavelet Networks IEEE Trans 67 Neural Network, 3, 1992, pp.889-898 [9] Moddy J., Darken C J.: Fast learning in network of locally tuned processing units Neural Comput., 1, 1989, pp 281-294 [10] Cao J., Lin X.: Application of the diagonal recurrent wavelet neural network to solar irradia- tion forecast assisted with fuzzy technique Eng Appl Artif Intel., 21, 2008, pp 1255-1263 [11] Zainuddin Z., Ong P.: Modified wavelet neural network in function approximation and its application in prediction of time-series pollution data Appl Soft Comput., 11, 2011, pp 4866-4874 [12] Zainuddin Z., Wan Daud W R., Ong P., Shafie A.: Wavelet Neural Networks Applied to Pulping of Oil Palm Fronds Bioresource Technol., 102, 2011, pp 10978-10986 ... Chương I: Mạng Noron Wavelet khái niệm Chương II: Các thuật toán học mạng Noron Chương III: Ứng dụng mạng Noron Wavelet cho toán dự báo chứng khoán 3 NỘI DUNG CHƯƠNG I MẠNG NORON WAVELET VÀ NHỮNG... tài: “Nơron Wavelet ứng dụng cho dự báo chứng khoán làm khoá luận tốt nghiệp cho luận văn tốt nghiệp Mục tiêu nghiên cứu: Mục tiêu đề tài hướng đến việc xây dựng mô hình mạng Noron Wavelet Để... liệu, áp dụng thành công cho số lĩnh vực khoa học, kỹ thuật, kinh tế… Sử dụng Mạng Nơron Wavelet cho xấp xỉ dự báo phương pháp quan tâm gần nhiều tác giả, đặc biệt lĩnh vực dự báo chứng khoán Được