ỨNG DỤNG SVM và CHUỖI THỜI GIAN dự đoán THỜI điểm MUA bán cổ PHIẾU CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CƠNG NGHỆ THƠNG TIN KHOA KHOA HỌC MÁY TÍNH TRẦN QUỐC BẢO – CH1301004 LUẬN VĂN THẠC SỸ ỨNG DỤNG SVM VÀ CHUỖI THỜI GIAN DỰ ĐOÁN THỜI ĐIỂM MUA BÁN CỔ PHIẾU CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM THẠC SỸ NGÀNH KHOA HỌC MÁY TÍNH GIẢNG VIÊN HƯỚNG DẪN TS DƯƠNG MINH ĐỨC TP HỒ CHÍ MINH, 2017 LỜI CẢM ƠN Lời đầu tiên, em xin chân thành cảm ơn thầy Dương Minh Đức Thầy tận tâm, nhiệt tình hướng dẫn bảo em suốt q trình thực khóa luận Khơng có quan tâm, theo dõi chặt chẽ Thầy chắn em khơng thể hồn thành khóa luận Em xin cảm ơn q Thầy Cơ Khoa Khoa Học Máy Tính, trường Đại học Cơng Nghệ Thơng Tin – Đại học Quốc gia Thành phố Hồ Chí Minh, trang bị cho em kiến thức kinh nghiệm quí báu suốt năm học tập trường Con xin cảm ơn ba mẹ sinh thành, nuôi dưỡng, dạy dỗ để có thành ngày hôm Ba mẹ nguồn động viên, nguồn sức mạnh lớn lao gặp khó khăn sống Cuối cùng, chúng tơi xin gửi lời cảm ơn chân thành đến người bạn chia ủng hộ chúng thời gian thực khóa luận TP Hồ Chí Minh, tháng 07 năm 2017 Học viên Trần Quốc Bảo LỜI CAM ĐOAN Em xin cam đoan cơng trình nghiên cứu thân hướng dẫn Tiến sĩ Dương Minh Đức Các số liệu, kết trình bày khóa luận trung thực Các tư liệu sử dụng luận văn có nguồn gốc trích dẫn cách rõ ràng, đầy đủ TP Hồ Chí Minh, tháng 07 năm 2017 Học viên Trần Quốc Bảo MỤC LỤC Chương TỔNG QUAN .5 1.1 Tình hình nghiên cứu .5 1.1.1 Các nghiên cứu nước .5 1.1.2 Các nghiên cứu nước 1.2 Mục tiêu đề tài 1.3 Đối tượng nghiên cứu: 1.4 Phạm vi nghiên cứu: 1.5 Tính đóng góp đề tài: .8 1.5.1.1 Ý nghĩa khoa học: .8 1.5.1.2 Ý nghĩa thực tiễn: 1.6 Bố cục đề tài Chương CƠ SỞ LÝ THUYẾT 10 2.1 Giới thiệu 10 2.2 Kiến thức thị trường chứng khoán cổ phiếu .10 2.2.1 Các khái niệm .10 2.2.1.1 Thị trường chứng khoán 10 2.2.1.2 Cổ phiếu 11 2.2.1.3 Vai trò TTCK 11 2.2.2 Nguyên tắc hoạt động TTCK 12 2.2.3 Các số kỹ thuật 13 2.2.3.1 Đường trung bình MA 14 2.2.3.2 Đường trung bình động phân kỳ hội tụ MACD 14 2.2.3.3 Đường số sức mạnh tương đối RSI 16 2.2.3.4 Đường Stochatics oscillator 17 2.2.3.5 Đường Williams %R .19 2.2.3.6 Khối lượng giao dịch 20 2.3 Phương pháp phân tích hồi quy đa biến BMA .21 2.3.1 Giới thiệu BMA 21 2.3.2 Chi tiết BMA .21 2.4 Phương pháp phân đoạn liệu theo xu hướng TBSM 22 2.4.1 Giới thiệu TBSM 22 2.4.2 Quy trình thực thuật toán TBSM .22 2.4.2.1 Ý tưởng thuật toán TBSM .22 2.4.2.2 Mã giả cài đặt thuật toán TBSM 23 2.5 Phương pháp hồi quy véc-tơ hỗ trợ SVR .25 2.5.1 Giới thiệu SVR 25 2.5.2 Mơ hình SVR 26 2.5.3 Các tham số SVR 27 2.5.4 Xác định tham số tối ưu SVR thuật toán Grid Search 27 2.5.5 Ứng dụng SVR vào toán dự báo thời điểm mua bán chứng khoán 28 2.5.6 Kết luận 30 Chương MƠ HÌNH DỰ BÁO THỜI ĐIỂM MUA BÁN CHỨNG KHOÁN ĐỀ XUẤT 31 3.1 Giới thiệu 31 3.2 Quá trình huấn luyện 32 3.3 Q trình dự đốn 37 3.4 Kết luận 38 Chương KẾT QUẢ THỰC NGHIỆM – ĐÁNH GIÁ .40 4.1 Giới thiệu 40 4.1.1 Mô tả liệu 40 4.1.2 Độ đo chất lượng dự đoán .41 4.1.3 Mô thực giao dịch: 41 4.1.4 Cài đặt 41 4.1.5 Kết thực nghiệm 43 4.2 Đánh giá 54 Chương KẾT LUẬN – HƯỚNG PHÁT TRIỂN .61 5.1 Kết luận 61 5.1.1 Kết đạt 61 5.1.2 Ý nghĩa khoa học .62 5.1.3 Ý nghĩa thực tiễn .62 5.2 Hướng phát triển 62 DANH MỤC HÌNH VẼ Hình 2.1 Minh họa đường trung bình động đơn giản SMA .14 Hình 2.2 Minh họa đường trung bình động MACD 16 Hình 2.3 Minh họa đường số sức mạnh tương đối RSI .17 Hình 2.4 Minh họa đường Stochatics oscillator .18 Hình 2.5 Minh họa đường William %R 20 Hình 2.7 Mơ kết phân đoạn thuật toán TBSM 23 Hình 2.8 Mã giả cài đặt thuật tốn TBSM .23 Hình 2.9 Ví dụ minh họa thuật tốn TBSM .24 Hình 2.10 Minh họa hàm lỗi thông thường hàm lỗi  - insensitive [5] .26 Hình 2.11 Minh họa mục tiêu SVR 29 Hình 3.1 Mơ hình nghiên cứu [15] 32 Hình 3.2 Sơ đồ trình huấn luyện .32 Hình 3.3 Minh họa liệu thô ban đầu 34 Hình 3.4 Mơ q trình thực TBSM .35 Hình 4.1 Mối liên hệ tín hiệu giao dịch giá trị đầu SVR 43 Hình 4.2 Mô tả tần suất chọn đặc trưng đầu vào .45 Hình 4.3 Tín hiệu giao dịch dự báo cho BVH giá trị đầu SVR tương ứng .46 Hình 4.4 Tín hiệu giao dịch khuyến nghị cho GMD .47 Hình 4.5 Tín hiệu giao dịch dự báo cho HHS 48 Hình 4.6 Tín hiệu giao dịch dự báo cho MBB 49 Hình 4.7 Tín hiệu giao dịch dự báo cho HVG 50 Hình 4.8 Tín hiệu giao dịch dự báo cho VNM 51 Hình 4.9 Tín hiệu giao dịch dự báo cho HHS 52 Hình 4.10 Tín hiệu giao dịch dự báo cho PVT 53 Hình 4.12 Tín hiệu giao dịch dự báo cho STB 54 DANH MỤC BẢNG Bảng 3.1 Danh sách số kỹ thuật sử dụng huấn luyện liệu 34 Bảng 4.1 Mô tả liệu thử nghiệm 40 Bảng 4.2 Mô tả tham số cài đặt cho SVR 42 Bảng 4.3 Mô tả tham số cài đặt cho TBSM .42 Bảng 4.4 Kết lựa chọn đặc trưng đầu vào BMA 44 Bảng 4.5 Kết so sánh lợi nhuận mơ hình với chiến thuật mua-giữ (Việt Nam, %) giai đoạn tháng đầu tư .55 Bảng 4.6 Lợi nhuận thu giai đoạn tháng (Việt Nam, tính theo %) với Radial 55 Bảng 4.7 Kết so sánh tổng lợi nhuận với chiến thuật mua-giữ rổ VN30 tháng (Việt Nam, %) tháng 57 Bảng 4.8 Kết so sánh tổng lợi nhuận với chiến thuật mua-giữ rổ VN30 tháng (Việt Nam, %) tháng 59 DANH MỤC TỪ VIẾT TẮT STT VIẾT TẮT TTCK ANN EMA MA MACD MAE NMSE PLR 10 RMSE RSI SMA 11 BMA 12 13 14 SVM SVR TBSM MƠ TẢ Thị trường chứng khốn Mạng nơ ron nhân tạo (Artificial Neural Network) Chỉ số trung bình trượt lũy thừa (Exponential Moving Average) Chỉ số đường trung bình (Moving Average) Chỉ số trung bình biến đổi hội tụ, phân kỳ (Moving Average Convergence Divergence) Sai số trung bình tuyệt đối (Mean Absolute Error) Tối thiểu hóa trung bình độ lỗi (Normalized Mean Square Error) Phương pháp phân đoạn liệu (Pieciewise Linear Representation) Sai số bình phương trung bình (Root Mean Square Error) Chỉ số sức mạnh tương đối (Relative Strength Index) Chỉ số trung bình trượt đơn giản (Simple Moving Average) Phương pháp phân tích hồi quy dựa theo thuyết thông kê Bayes (Bayesian Model Average) Phương pháp máy học véc-tơ hỗ trợ (Support Vector Machine) Phương pháp hồi quy véc-tơ hỗ trợ (Support Vector Regression) Phương pháp phân đoạn liệu dựa xu hướng (Trend Based Segmentation Method) TÓM TẮT ĐỀ TÀI Trong đề tài nghiên cứu này, chúng tơi dựa mơ hình TBSM-SVR xây dựng nhóm tác giả Pei-Chann Chang, Jheng-Long Wu cộng [15] để xây dựng mơ hình dự báo thời điểm mua bán chứng khoán thị trường Việt Nam Mơ hình chúng tơi đề xuất nhằm cải tiến mơ hình gốc TBSM-SVR tác giả cách giai đoạn tiền xử lý sử dụng phương pháp BMA thay phương pháp SRA để chọn số kỹ thuật xác thật có ảnh hưởng đến giá cổ phiếu nhằm cải tiến hiệu xuất mơ hình TBSM dùng để phân đoạn chuỗi liệu thành xu hướng, xu hướng kết hợp với số kỹ thuật đưa vào SVR huấn luyện để khuyến nghị điểm mua bán cho nhà đầu tư Đây hướng nghiên cứu thị trường Việt Nam Để đánh giá hiệu suất mô hình, chúng tơi so sánh lợi nhuận thu từ mơ hình đề xuất với lợi nhuận thu từ mơ hình gốc tác giả đồng thời so sánh với phương pháp mua giữ, kết thử nghiệm cho thấy, phương pháp đem lại kết tốt phù hợp với nhu cầu nhà đầu tư chứng khốn Hình 4.7 Tín hiệu giao dịch dự báo cho HVG 50 Hình 4.8 Tín hiệu giao dịch dự báo cho VNM 51 Hình 4.9 Tín hiệu giao dịch dự báo cho HHS 52 Hình 4.10 Tín hiệu giao dịch dự báo cho PVT 53 Hình 4.11 Tín hiệu giao dịch dự báo cho STB 4.2 Đánh giá Đối với mã cổ phiếu thị trường Việt Nam, để đánh giá hiệu mơ hình đề xuất, so sánh lợi nhuận thu từ mô hình đề xuất với mơ hình gốc tác giả đồng thời so sánh với chiến thuật mua – giữ kết chi tiết Bảng 4.3 54 Bảng 4.5 Kết so sánh lợi nhuận mơ hình với chiến thuật mua-giữ (Việt Nam, %) giai đoạn tháng đầu tư STT Mã cổ phiếu Mơ hình đề xuất(BMA) Mơ hình gốc (SRA) Mua – giữ Radial Sigmoid Radial Sigmoid BVH 42.44 14.55 42.91 14.40 8.20 HVG 37.00 -13.11 50.88 23.86 -8.37 HHS 34.68 -10.72 -4.75 8.37 -59.23 PVT 32.69 12.07 25.65 33.86 MBB 32.28 16.42 30.60 5.13 4.9 CSM 22.11 131.14 17.16 44.82 -25.07 VNM 21.60 34.56 13.84 44.60 -24.04 STB 7.56 -32.94 7.77 9.55 2.72 SSI 1.45 32.55 -2.34 24.90 -9.10 10 GMD -40.15 8.67 -27,37 23.18 14.44 15.60 20.98 -4.30 Trung bình lợi nhuận Từ Bảng 4.3 trên, ta thấy rằng, mơ hình đề xuất với hàm nhân RBF (Radial Basis Function) hiệu thị trường Việt Nam việc lợi nhuận thu cao mơ hình gốc tác giả chiến thuật mua-giữ trung bình 23.18% tất 10 mã cổ phiếu Duy có mã HVG mơ hình chúng tơi đem lại lợi nhuận thấp mơ hình gốc mã PVT thấp chiến thuật mua-giữ Con số chênh lệch không đáng kể so với mã lại mà mơ hình chúng tơi đạt lợi nhuận cao Thông tin Bảng 4.4 bên lợi nhuận thu từ mơ hình khuyến nghị theo giai đoạn thời gian tháng Chúng tiếp tục so sánh lợi nhuận mô hình cải tiến với mơ hình gốc tác giả đồng thời so sánh với chiến thuật mua-giữ để đánh giá hiệu mơ hình Bảng 4.6 Lợi nhuận thu giai đoạn tháng (Việt Nam, tính theo %) với Radial 55 STT Mã cổ phiếu tháng Mơ hình Mơ hình BMA SRA Muagiữ HVG 25.95 26.76 -20.45 BVH -2.83 -5.66 MBB 5.59 5.59 -0.70 CSM 4.22 17.74 VNM 3.81 6.18 4.69 GMD 0 -9.0 HHS 9.37 -32.28 PVT 0 SSI 0 -4.95 10 STB -3.69 -4.50 -18.90 4.2 4.0 -7.0 Trung bình Kết cho thấy, thời gian tháng mơ hình chúng tơi cải tiển cho lợi nhuận cao mơ hình gốc, nhiên cao không nhiều thời gian tháng mơ hình đem lại kết cao chiến thuật mua-giữ Sỡ dĩ thơi gian tháng mơ hình cho lợi nhuận thấp so với thời gian tháng mơ hình tạo số lượng tín hiếu giao dịch hơn, từ lợi nhuận khơng sinh nhiều thời gian tháng Điều kết luận mơ hình TBSM-SVR mà chúng tơi cải tiến dự báo chứng khoán cho thị trường Việt Nam phù hợp với dự báo ngắn hạn trung hạn Ngoài chúng tơi đồng thời chạy thực nghiệm mơ hình mã cổ phiểu thuộc rổ VN30 với thời gian đầu tư tháng kết Bảng 4.7 56 Bảng 4.7 Kết so sánh tổng lợi nhuận với chiến thuật mua-giữ rổ VN30 tháng (Việt Nam, %) tháng STT Mã cổ phiếu Mô hình đề xuất(BMA) Mơ hình gốc (SRA) Mua – giữ Radial Sigmoid Radial Sigmoid BVH 26.93 24.05 38.37 7.25 11.32 BID 19.98 -9.47 19.98 -9.47 -15.87 CII 1.33 24.44 1.33 20.8 21.2 CTG 7.5 5.14 9.41 -4.73 -9.19 DPM 6.8 5.32 -4.81 FLC -3.49 14.28 -9.16 -3.09 -25.32 FPT 2.68 -27.06 -14.1 -26.05 -13.64 GAS 10.93 68.29 9.26 40.07 71.23 GMD -37.06 4.39 -37.3 10 HAG -1.35 47.4 -36.44 -29.81 11 HCM 2.01 8.6 2.01 8.6 -3.24 12 HNG 13.22 39.54 2.3 -71.97 13 HPG 47.14 33.72 -13.71 36.08 14 HSG 56.71 14.25 47.36 18.4 29.06 15 ITA 2.22 -5.82 9.19 -16.24 -24.56 16 KBC 35.48 18.13 33.05 5.98 18.32 17 KDC 49.43 65.23 10.48 18 MBB 16.9 18.05 6.4 17.03 3.47 19 MSN 11.19 -6.98 -4.71 -13.07 57 20 MWG 66.66 -3.77 17.33 43.97 56.69 21 NT2 57.67 9.59 5.56 29.96 22 PPC -15.73 -15.18 -8.7 9.34 -21.31 23 PVD 93.84 90.61 35.21 15.24 24 REE 1.48 -20.54 -7.45 -18.65 25 SBT 34.49 40.36 -5.05 29.58 29.46 26 SSI 11.7 18.13 -6.31 27 STB 7.56 -19.08 6.79 14.63 29.46 28 VCB 32.87 10.88 7.99 29 VIC 14.28 50.25 2.24 41.24 8.33 30 VNM 13.11 37.84 7.66 33.94 10.16 16.949 16.231 6.903 10.532 3.11 Trung bình lợi nhuận Từ Bảng 4.7 trên, chúng tơi thực thi mơ hình thời gian tháng 30 mã cổ phiếu rỗ VN30 Cụ thể mơ hình chúng tơi thực hàm nhân Radial Sigmoid Kêt cho thấy mơ hình đề xuất cho lợi nhuận cao mơ hình gốc hàm nhân Đối với hàm nhân Radial (16.949 > 6.903), hàm nhân Sigmoid (16.231 > 10.532) cao chiến thuật mua-giữ (3.11) Trung bình lợi nhuận mơ hình đề xuất hàm nhân cao cao mơ hình gốc (16.59 > 8.72) Điều kết luận mơ hình TBSM-SVR mà chúng tơi cải tiến dự báo chứng khốn cho thị trường Việt Nam phù hợp với dự báo trung hạn Hơn nữa, đồng thời chạy thực nghiệm mơ hình mã cổ phiểu thuộc rổ VN30 với thời gian đầu tư tháng kết Bảng 4.8 58 Bảng 4.8 Kết so sánh tổng lợi nhuận với chiến thuật mua-giữ rổ VN30 tháng (Việt Nam, %) tháng STT Mã cổ phiếu Mơ hình đề xuất(BMA) Mơ hình gốc (SRA) Mua – giữ Radial Sigmoid Radial Sigmoid BVH 9.91 4.02 9.8 -5.66 BID 11.9 -4.59 11.9 -4.59 -19.71 CII 1.28 3.46 4.46 5.76 9.22 CTG -2.3 -3.97 -5.11 -4.55 -11.35 DPM 10.66 -0.91 6.7 -0.69 FLC -2.94 1.46 -4.34 -4.22 -18.99 FPT 1.85 -2.64 0.82 -5.62 -2.69 GAS 10.93 23.75 18.23 12.33 GMD 5.5 4.17 -9.09 10 HAG 30.49 -19.6 -25 11 HCM -0.33 2.85 -0.33 2.85 -6.15 12 HNG 3.88 5.46 0.02 -72.32 13 HPG 11.27 -8.62 1.37 14 HSG 12.3 5.76 11.5 6.84 7.81 15 ITA 6.04 5.84 -0.34 -15.79 16 KBC 5.29 6.01 1.6 1.83 -3.05 17 KDC 10.3 13.04 -5.24 18 MBB 5.59 4.68 5.59 7.05 -0.69 19 MSN 9.4 -3.96 10.16 -2.72 -6.54 59 20 MWG 3.28 3.61 13.31 -3.82 21 NT2 30.94 11.14 26.18 8.22 24.34 22 PPC 14.56 10.46 23.91 2.73 23 PVD 17.96 63.51 -7.58 -11.9 24 REE -8.29 -1.59 -3.17 25 SBT 25.9 18.17 -4.91 20.33 26 SSI 2.61 -0.2 -4.95 27 STB -3.69 -13.6 -4.5 3.77 -18.9 28 VCB 7.84 4.37 6.1 -6.39 29 VIC 0.22 13.12 5.82 3.51 30 VNM 19.67 6.18 12.83 4.69 5.329 7.80 2.68 2.85 -5.52 Trung bình lợi nhuận Từ Bảng 4.8 trên, chúng tơi thực thi mơ hình thời gian tháng 30 mã cổ phiếu rỗ VN30 Cụ thể mơ hình chúng tơi thực hàm nhân Radial Sigmoid Kêt cho thấy mơ hình chúng tơi đề xuất cho lợi nhuận cao mơ hình gốc hàm nhân Đối với hàm nhân Radial (5.329 > 2.68), hàm nhân Sigmoid (7.80 > 2.85) cao chiến thuật mua-giữ (-5.52) Trung bình lợi nhuận mơ hình chúng tơi đề xuất hàm nhân cao cao mơ hình gốc (6.5645 > 2.77) Trong thơi gian tháng mơ hình cho lợi nhuận thấp so với thời gian tháng mơ hình tạo số lượng tín hiếu giao dịch hơn, từ lợi nhuận khơng sinh nhiều thời gian tháng Điều kết luận mơ hình TBSM-SVR mà chúng tơi cải tiến dự báo chứng khốn cho thị trường Việt Nam phù hợp với dự báo trung hạn 60 CHƯƠNG 5: KẾT LUẬN – HƯỚNG PHÁT TRIỂN 5.1 Kết luận 5.1.1 Kết đạt Bài toán dự đoán thời điểm mua bán cổ phiếu TTCK Việt Nam toán thú vị thu hút quan tâm nhiều nhà đầu tư lần nhà nghiên cứu Tuy nhiên, nghiên cứu toán phương pháp sử dụng kỹ thuật máy học Trong khuôn khổ đề tài, chúng tơi tìm hiểu nghiên cứu kỹ thuật máy học áp dụng cho toán dự đốn TTCK, cụ thể chúng tơi nghiên cứu xây dựng mơ hình kết hợp hai kỹ thuật TBSM SVR để dự báo thời điểm giao dịch TTCK Việt Nam cho lợi nhuận cao, làm nguồn thơng tin hữu ích cho nhà đầu tư tham khảo Lợi nhuận trung bình thu 10 mã cổ phiếu tháng (23,18%) cao mơ hình gốc tác giả (15,60%) cao hẳn so với chiến thuật mua-giữ (4,30%) Lợi nhuận trung bình thu 30 mã cố phiếu rổ VN30 tháng (16.949%) cao mô hình gốc tác giả (10.532%) cao hẳn so với chiến thuật Mua-Giữ (3.11%) Tuy nhiên mơ hình phù hợp với dự báo trung hạn (3 tháng) dài hạn (>1 năm), với khoản thời gian đầu tư ngắn hạn (vài tuần tháng) mơ hình khơng cho điểm khuyến nghị mua bán nên lợi nhuận trung bình 0% Mơ hình thật phù hợp với TTCK Viêt Nam TTCK Viêt Nam khơng bị ảnh hưởng nhiều yếu tố khác kinh tế, trị, xã hội lạm phát đất nước ta đất nước có kinh tế, trị tương đổi ổn định 61 5.1.2 Ý nghĩa khoa học Mơ hình gốc tác giả cải tiến việc thay đổi tín hiệu tạo khuyến nghị giao dịch, thay đổi khoảng để quét tham số kỹ thuật TBSM phương pháp hồi quy BMA Theo đó, việc có ngưỡng phù hợp cho kỹ thuật TBSM tạo phân đoạn giống với mơ hình giá, kèm với việc sử dụng phương pháp vét cạn SVR để tìm tham số (Cost, gamma) cho mơ hình có độ lỗi thấp 5.1.3 Ý nghĩa thực tiễn Đây hướng nghiên cứu mẻ thị trường nhiên thực cần thiết hữu ích với nhà đầu tư hệ thống hỗ trợ định mua/bán rõ ràng giúp nhà đầu tư khơng hoang mang định đầu tư chứng khốn Hơn nữa, chứng minh hữu ích mơ hình kết thực nghiệm thu 10 mã cổ phiếu rổ VN30 với lợi nhuận đạt tốt khuyến nghị mua/bán hợp lý Mơ hình dự báo chứng khốn chúng tơi có tính thực tiễn cao thị trường Việt Nam Tuy nhiên mơ hình phù hợp cho việc dự đoán thời điểm mua bán khoảng thời gian đầu tư từ tháng trở lên 5.2 Hướng phát triển Trong tương lai, mơ hình cần bổ sung thêm số kỹ thuật khác nhằm đánh giá độ mạnh, yếu xu hướng kết đạt tốt số mơ hình có xu hướng mạnh làm ảnh hưởng đến số kỹ thuật Ngồi ra, kết hợp với kỹ thuật phân tích khác phân tích bản, phân tích kỹ thuật để tăng độ chắn chắn an tồn Ngồi ra, chúng tơi thay đổi phương pháp chọn lọc đặc trưng đầu vào để lựa chọn đặc trưng cách tối ưu nhất; nữa, việc áp dụng kỹ thuật máy học để chọn tham số cho TBSM hướng mà tương lai chúng tơi muốn hồn thành để cải thiện hiệu suất mơ hình dự báo thời điểm mua bán chứng khoán 62 TÀI LIỆU THAM KHẢO TIẾNG VIỆT [1] Vạn Duy Thanh Long, Lê Minh Duy, Phương pháp dự đoán xu hướng cổ phiếu việc kết hợp K - Means SVM với ước lượng xác suất, 2011 [2] Trần Trung Kiên, Bành Trí Thành, Xây dựng ứng dụng hỗ trợ dự đoán giá cổ phiếu Việt Nam dựa mơ hình lai GA-SVR, Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT, Tập V-1, Số (27), tháng 5/2012 [3] Trịnh Thanh Ngọc (2013), “Dự đoán xu hướng thị trường chứng khoán cách sử dụng Twitter”, Đại học Công nghệ, Đại học Quốc gia Hà Nội, Tr 155 – 180 [4] Nguyễn Tiến Tùng (2011), “Sử dụng kỹ thuật tương quan chéo, kỹ thuật phân tích nhân dự đốn xu hướng số chứng khốn dựa phân tích tâm trạng từ phương tiện xã hội”, Đại học Công nghệ, Đại học Quốc gia Hà Nội, Tr 130-145 TIẾNG ANH [5] Bishop C.M., Pattern Recognition and Machine Learning, Springer, 2007 [6] Chang C-C., Lin C-J., LIBSVM: A library for Support Vector Machines http://www.csie.ntu.edu.tw/~cjlin/libsvm [7] Davoud G., Seyed D M T., Afshin M., Mohammadi B M., Investigating the Performance of Technical Indicators in Electrical Industry in Tehran's Stock Exchange Using Hybrid Methods of SRA, PCA and Neural Networks, IEEE, 2014, pp 75-82 [8] Duc-Hien Nguyen, Manh-Thanh Le, A two-stage architecture for stock price forecasting by combining SOM and fuzzy-SVM, International Journal of Computer Science and Information Security, Vol 12, No 8, 2014, pp 20-25 [9] H Wu, B Salzberg, D Zhang, Online event-driven subsequence matching over financial data streams, Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD '04), 2004, pp 23–34 [10] Hsu C-W., Chang C-C., Lin C-J., A Practical Guide to Support Vector Classication http://www.csie.ntu.edu.tw/~cjlin [11] Hsu S-H., Hsieh JJ.P-A., Chih T-C., Hsu K-C., A two-stage architecture for stock price forecasting by integrating self-organizing map and support vector regression, Expert Systems with Applications 36, 2009, pp 7947–7951 [12] Huang C-L., Tsai C-Y., A hybrid SOFM-SVR with a filter-based feature selection for stock market forecasting, Expert Systems with Applications 36, 2009, pp 1529–1539 63 [13] Huang S-C., Wu T-K., Integrating GA-based time-scale feature extractions with SVMs for stock index forecasting, Expert Systems with Applications 35, 2008, pp 2080–2088 [14] J Murphy, Technical Analysis of Financial Markets, New York Institute of Finance, USA, 1999 [15] Jheng-Long Wu, Pei-Chann Chang, Yi-Fang Pan, A Trend-Based Segmentation Method and the Support Vector Regression for Financial Time Series Forecasting, Mathematical Problems in Engineering Volume 2012 [16] Kwon, Y., Moon, B., A hybrid neurogenetic approach for stock forecasting, IEEE, 2007, 851–864 [17] Pei-Chann Chang, Chen-Hao Liu, Jun-Lin Lin, Chin-Yuan Fan, Celeste S.P Ng, A neural network with a case based dynamic window for stock trading prediction, Expert Systems with Applications 36, 2009, 6889–6898 [18] Pei-Chann Chang, Chin-Yuan Fan, Chen-Hao Liu, Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction, IEEE, Vol.39, 2009, pp 80-92 [19] Trafalis T B., Ince H., “Support vector machine for regression and applications to financial forecasting”, Proc IEEE-INNS-ENNS Int Joint Conf on Neural Networks 2000 (IJCNN 2000), vol 6, 2000, pp 348–353 [20] Teixeira L.A, Oliveira A.L.I, A method for automatic stock trading combining technical analysis and nearest neighbor classification, Expert Systems with Applications 37, 2010, pp 6885–6890 WEBSITE [21] http://stockcharts.com/ [22] http://trieuphong.blogspot.com/ [23] https://www.tvsi.com.vn [24] https://www.wattpad.com [25] http://learning.stockbiz.vn [26] http://cophieu68.vn/export.php [27] http://finance.yahoo.com 64 ... thuật máy học sử dụng đề tài Chương Mô hình dự đốn thời điểm mua bán cổ phiếu đề xuất: Trình bày mơ hình đề xuất để giải toán dự đoán thời điểm mua bán thị trường chứng khoán Việt Nam Chương Kết... đốn thời điểm mua bán cổ phiếu Mục tiêu đề tài tập trung vào nghiên cứu xây dựng mô hình kỹ thuật máy học để đự đốn thời điểm mua bán cổ phiếu cho lợi nhuận cao thị trường chứng khốn Việt Nam Cụ... đến dự đoán thị trường chứng khoán cụ thể có nhiều nghiên cứu dự đốn thời điểm mua bán cổ phiếu Vào năm 2000, nhóm tác giả Trafalis cộng [15] nghiên cứu ứng dụng SVR để xây dựng mơ hình dự đốn thời