Mạng nơron thích nghi mờ anfis và ứng dụng

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG PHẠM THỊ HƢỜNG MẠNG NƠRON THÍCH NGHI MỜ ANFIS VÀ ỨNG DỤNG Chuyên ngành: Khoa học máy tính Mã số: 60 48 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Ngƣời hƣớng dẫn khoa học: PGS.TS Lê Bá Dũng Thái Nguyên, 2013 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ i LỜI CẢM ƠN Để hồn thành chƣơng trình cao học viết luận văn này, nhận đƣợc hƣớng dẫn, giúp đỡ góp ý nhiệt tình q thầy trƣờng Đại học Công nghệ thông tin Truyền thông Đăc biệt thầy cô Viện công nghệ thơng tin Hà Nội tận tình dạy bảo cho suốt thời gian học tập trƣờng Tôi xin gửi lời cảm ơn sâu sắc đến PGS.TS Lê Bá Dũng dành nhiều thời gian tâm huyết hƣớng dẫn tơi hồn thành luận văn Mặc dù tơi có nhiều cố gắng hồn thiện luận văn tất lực mình, nhiên khơng thể tránh khỏi thiếu sót, mong nhận đƣợc đóng góp q báu q thầy bạn Tơi xin chân thành cảm ơn! Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ ii LỜI CAM ĐOAN Tôi xin cam đoan tất nội dung luận văn hồn tồn đƣợc hình thành phát triển từ quan điểm cá nhân tơi, dƣới hƣớng dẫn bảo PGS.TS Lê Bá Dũng Các số liệu kết có đƣợc luận văn tốt nghiệp hoàn toàn trung thực Học viên Phạm Thị Hƣờng Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ iii MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii MỤC LỤC iii DANH MỤC CÁC TỪ VIẾT TẮT vi DANH MỤC CÁC HÌNH VẼ v MỞ ĐẦU Chƣơng 1: TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO VÀ HỆ MỜ 1.1 Cấu trúc mơ hình mạng nơron 1.1.1 Mơ hình nơron sinh học 1.1.2 Cấu trúc mơ hình nơron nhân tạo 1.2 Cấu tạo phƣơng thức làm việc mạng nơron 1.2.1 Mạng nơron lớp 1.2.2 Mạng nơron truyền thẳng nhiều lớp 1.2.3 Mạng nơron phản hồi 1.2.4 Mạng nơron hồi quy 1.2.5 Mạng Hopfield 1.2.6 Mạng BAM 11 1.3 Các luật học 12 1.3.1 Học có giám sát 12 1.3.2 Học khơng có giám sát .12 1.3.3 Học củng cố 13 1.4 Thuật toán lan truyền ngƣợc 14 Hệ mờ mạng nơron 20 1.5.1 Kiến trúc hệ mờ tổng quát 20 1.5.2 Sự kết hợp logic mờ mạng nơron 26 1.6 Kết luận 28 Chƣơng 2: MƠ HÌNH MẠNG ANFIS VÀ KHẢ NĂNG ỨNG DỤNG .29 2.1 Hệ suy diễn mờ dựa mạng thích nghi 29 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ iv 2.1.1 Các mơ hình kết hợp hệ mờ mạng nơron 29 2.1.2 Luật mờ if then hệ thống suy diễn mờ .29 2.1.3 Mạng thích nghi .32 2.1.4 Cấu trúc ANFIS 33 2.2 Thuật toán ANFIS 35 2.2.1 Thuật toán học lan truyền ngƣợc 35 2.2.2 Thuật toán học lai 35 2.3 Khả ứng dụng mạng ANFIS 37 Chƣơng 3: ỨNG DỤNG MƠ HÌNH ANFIS TRONG BÀI TỐN PHÂN TÍCH ĐÁNH GIÁ DỰ BÁO CÁC CHỈ SỐ KINH TẾ VÀ THỬ NGHIỆM 38 3.1 Bài toán dự báo chứng khoán .38 3.1.1 Một số khái quát thị trƣờng tài 38 3.1.2 Sự cần thiết việc dự báo giá chứng khoán .40 3.1.3 Phân tích chứng khốn 40 3.1.4 Xác định giá mở cửa thị trƣờng chứng khoán 41 3.2 Ứng dụng mạng ANFIS việc dự báo số chứng khoán 42 3.2.1 Xây dựng mơ hình hệ thống .42 3.2.2 Vấn đề xác định quan hệ liệu 42 3.2.3 Biến đổi tiền xử lý liệu 44 3.3 Chƣơng trình thử nghiệm 45 3.3.1 Các chức chƣơng trình 45 3.3.2 Giao diện chƣơng trình 46 3.3.3 Đánh giá kết thực chƣơng trình 50 KẾT LUẬN 51 TÀI LIỆU THAM KHẢO 52 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ v DANH MỤC CÁC TỪ VIẾT TẮT Artificial Neural Network ANN Mạng nơron nhân tạo ANFIS Adaptive Neuro Fuzzy Insference System Hệ suy luận mờ PE Processing Element Phần tử xử lý MLP Multilayer Perceptrons BAM Bidirectional Associative Memory MIMO Multi Input Multi Output Nhiều đầu vào – nhiều đầu MISO Multi Inpus Single Output Nhiều đầu vào – đầu BP Back Propagation Lan truyền ngƣợc LSE Least Square Error Ƣớc lƣợng sai số bình phƣơng tối thiểu TTCK Thị trƣờng chứng khoán DIIA Chỉ số trung bình ngành cơng nghiệp TSE Chỉ số tổng hợp NYSE Chỉ số tổng hợp thị trƣờng chứng khoán New York ASE Chỉ số tổng hợp thị trƣờng chứng khốn Hoa Kỳ Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ vi DANH MỤC CÁC HÌNH VẼ Hình 1.1 Một nơron sinh học Hình 1.2 Sự liên kết nơron Hình 1.3 Mơ hình nơron nhân tạo Hình 1.4 Đồ thị dạng hàm truyền Hình 1.5 Mạng nơron ba lớp .6 Hình 1.6 Một số dạng mạng nơron .8 Hình 1.7 Cấu trúc mạng Hopfield 10 Hình 1.8 Cấu trúc BAM .11 Hình 1.9 Học có giám sát 12 Hình 1.10 Học khơng có giám sát 13 Hình 1.11 Học củng cố 13 Hình 1.12: Mạng lớp lan truyền ngƣợc 14 Hình 1.13 Kiến trúc hệ mờ tổng quát 20 Hình 1.14 Hệ mờ nhiều đầu vào đầu .21 Hình 1.15 Hàm thuộc hệ mờ đầu vào luật 23 Hình 1.16 Hàm thuộc hệ mờ hai đầu vào luật 24 Hình 1.17 Mơ hình hệ mờ - nơ ron 27 Hình 2.1 Hệ suy diễn mờ 30 Hình 2.2 Mạng thích nghi 32 Hình 2.3 Cấu trúc ANFIS 33 Hình 3.1 Ví dụ đồ thị biểu diễn số VNINDEX ngày 42 Hình 3.2 Giao diện chƣơng trình 46 Hình 3.3 Nhập liệu .46 Hình 3.4 Cấu hình cho fis 47 Hình 3.5 Các tham số huấn luyện .47 Hình 3.6 Kết kiểm tra 48 Hình 3.7 Lựa chọn hiển thị .49 Hình 3.8 Thông số ANFIS .49 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ MỞ ĐẦU Ngày mạng noron nhân tạo (ANN) đƣợc ứng dụng thành công, nhà khoa học kĩ sƣ năm gần có nhiều nghiên cứu ứng dụng việc xấp xỉ hàm, nhận dạng điều khiển, xử lý ảnh, dự đoán chuỗi thời gian … Các hệ mờ - noron công cụ thống kê phƣơng pháp khác đƣợc sử dụng dự đốn số kinh tế, tài Các mạng noron chứa số lƣợng lớn tham số đầu vào cho phép việc học bên quan hệ khơng tuyến tính chuỗi thời gian, tăng cƣờng khả dự báo ANN đƣợc ứng dụng thành cơng cho việc dự báo tài số thị trƣờng quan trọng Dự báo giá chứng khoán luôn đối tƣợng thu hút quan tâm nhà đầu tƣ chuyên gia phân tích Tuy nhiên, việc tìm thời điểm tốt đề mua hay bán cịn cơng việc khó khăn có nhiều yếu tố ảnh hƣởng tới chứng khoán Trong năm gần đây, thị trƣờng chứng khoán thƣơng gia tin tƣởng sử dụng hệ thống thông minh khác nhau, ANN hệ suy diễn mờ - noron (ANFIS) đƣợc ứng dụng lĩnh vực Các phần mềm tính tốn đƣợc ứng dụng dự báo chứng khoán phần mềm sử dụng số lƣợng đầu vào, nhƣ số kĩ thuật, yếu tố định tính, ảnh hƣởng trị, dự báo thị trƣờng chứng khốn tự động phân tích chiều hƣớng Trong Luận văn này, em sử dụng ANFIS việc dự báo số thị trƣờng chứng khoán, Luận văn bao gồm nội dung sau: Chƣơng 1:Tổng quan mạng Nơron nhân tạo hệ mờ Chƣơng 2: Mơ hình mạng ANFIS khả ứng dụng Chƣơng 3:Ứng dụng mơ hình Anfis tốn phân tích, đánh giá, dự báo số kinh tế thử nghiệm Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ Chƣơng TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO VÀ HỆ MỜ 1.1 Cấu trúc mô hình mạng nơron 1.1.1 Mơ hình nơron sinh học Phần tử xử lý mạng nơron sinh học nơron, phần tử chia làm bốn thành phần nhƣ sau: dendrites, soma, axon, synapses - Dendrites: phần nhận tín hiệu đầu vào - Soma: hạt nhân - Axon: phần dẫn tín hiệu xử lý - Synapses: đƣờng tín hiệu điện hóa giao tiếp nơron Kiến trúc sở não ngƣời có vài đặc tính chung Một cách tổng quát, nơron sinh học nhận đầu vào từ nguồn khác nhau, kết hợp chúng lại với nhau, thực thi tổ hợp phi tuyến chúng kết cuối đầu Hình 1.1 mối quan hệ bốn phần tử nơron sinh học Hình 1.1 Một nơron sinh học Một nơron sinh học có số chức nhƣ vậy, ta nhận thấy khả xử lý thơng tin yếu Để có đƣợc khả xử lý thơng tin hồn hảo nhƣ não ngƣời, nơron phải kết hợp trao đổi thơng tin với Ta hình dung sơ đồ liên kết, trao đổi thông tin hai nơron nhƣ hình 1.2 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ Hình 1.2 Sự liên kết nơron 1.1.2 Cấu trúc mơ hình nơron nhân tạo Mơ hình tốn học nơron nhân tạo đƣợc đề xuất McCulloch Pitts, thƣờng đƣợc gọi nơron M-P, ngồi cịn đƣợc gọi phần tử xử lý đƣợc ký hiệu PE (Processing Element) Mơ hình nơron có m đầu vào x1, x2, , xm, đầu yi nhƣ sau: Hình 1.3 Mơ hình nơron nhân tạo Giải thích thành phần bản: - Tập đầu vào: Là tín hiệu vào nơron, tín hiệu thƣờng đƣợc đƣa vào dƣới dạng vector m chiều - Tập liên kết (các trọng số): Mỗi liên kết đƣợc thể trọng số (thƣờng đƣợc gọi trọng số liên kết) Trọng số liên kết tín hiệu Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 39 ty, cổ đông đƣợc chia lãi theo tỷ lệ góp vốn vào cơng ty, nhƣng phải chịu rủi ro mà công ty gặp phải Các số thị trƣờng chứng khoán: Các số thị trƣờng chứng khoán đƣợc xây dựng nhằm đƣa câu trả lời nhanh cho thắc mắc “Sức khỏe thị trƣờng chứng khoán nhƣ nào?” Rất nhiều số số trung bình thị trƣờng chứng khốn (TTCK) đƣợc công bố để đo lƣờng nhiều tƣợng khác nhau, vài số thông dụng là: □ Số trung bình ngành cơng nghiệp DowJones (DIIA) □ Số trung bình tổng hợp DowJones □ Số trung bình ngành vận tải DowJones □ Số trung bình ngành phục vụ cơng cộng DowJones □ Chỉ số tổng hợp 300 TSE (TTCK Toronto) □ Số trung bình chứng khốn Standard & Poor từ 900 loại hàng hố cơng nghiệp khác □ Số trung bình 400 (S&P400) chứng khốn ngành cơng nghiệp Standard & Poor □ Số trung bình tổng hợp 500 chứng khoán Standard & Poor Các số thời báo New York: □ Chỉ số tổng hợp TTCK New York( NYSE) Chỉ số NIKKEI(Nhật bản) □ Chỉ số TTCK thời báo tài (FT-SE) Ln đơn □ Số trung bình 50 chứng khốn Barron □ Chỉ số TTCK Hoa kỳ (ASE) □ Chỉ sơ" 5000 chứng khốn vơn Wilshire Một số số tiếng trái phiếu thị trƣờng chứng khoán Hoa Kỳ bao gồm: □ Chỉ số DowJones 20 loại trái phiếu □ Chỉ số trái phiếu ngành công nghiệp DowJones □ Chỉ số trái phiếu đô thị Standard & Poor □ Chỉ số trái phiếu đô thị Salomon Brother □ Chỉ số trái phiếu phủ Hoa kỳ Standard & Poor hành trăm số trái phiếu khác Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 40 3.1.2 Sự cần thiết việc dự báo giá chứng khoán Nhà đầu tƣ cần cổ phiếu phải nắm vững vấn đề chất phân tích dự báo giá cổ phiếu, để có đƣợc điều cần phải xem xét tồn diện, tổng thể nội dung sau:Tiến hành phân tích cổ phiếu thị trƣờng với mục tiêu đƣa dự báo giá cổ phiếu xu hƣớng giá cổ phiếu tƣơng lai, tìm khả sinh lời cao Đó nội dung quan trọng xác định giai đoạn chu kỳ cổ phiếu tăng trƣởng giúp nhà đầu tƣ cân nhắc để đến định đầu tƣ cổ phiếu có hiệu Đầu tƣ chứng khốn với tính chất sinh lợi rủi ro cao, nhà đầu tƣ thƣờng sử dụng lƣợng tiền lớn để kinh doanh chứng khoán họ quan tâm việc diễn biến giá cổ phiếu Nếu dự báo mang lại thành cơng lớn, ngƣợc lại bị thất bại có dẫn đến phá sản Chính phân tích cổ phiếu trở thành ngành khoa học có xu hƣớng ngày phát triển Tuy nhiên muốn phân tích cổ phiếu để dự báo tốt diễn biến giá cổ phiếu, nhà đầu tƣ cần phải xem xét, nghiên cứu trả lời thỏa đáng cụ thể vấn đề sau: -Các cổ phiếu lên giá - ? -Các cổ phiếu lên giá bao nhiêu-do đâu ? -Trong thời gian cổ phiếu đạt mức tăng nhƣ vậy? 3.1.3 Phân tích chứng khốn  Phân tích Loại nhằm vào số hoạt động công ty đăng ký cổ phiếu: thu nhập, doanh thu, tài sản có, tài sản nợ, luồng tiền mặt, tỷ suất lợi nhuận nhằm vào tiêu kinh tế chung nghành kinh tế toàn kinh tế mà chủ yếu chu kỳ kinh tế Phân tích nhằm dự đốn thay đổi điều kiện kinh tế, môi trƣờng kinh tế để đƣa định thời điểm mua bán chứng khoán cụ thể Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 41  Phân tích kỹ thuật Loại phân tích trọng đến diễn biến giá khối lƣợng giao dịch khứ từ sử dụng kỹ thuật dự đoán giá theo đồ thị loại chứng khốn Phân tích nhằm chọn chứng khốn thích hợp cho mua bán, phân tích kỹ thuật xác định thời điểm đầu tƣ vào chứng khoán 3.1.4 Xác định giá mở cửa thị trường chứng khoán Trong ngày giao dịch thị trƣờng chứng khoán vấn đề xác định giá mở cửa (Open Price) quan trọng trung tâm giao dịch chứng khoán nhà đầu tƣ chứng khoán (mua bán cổ phiếu) Trong phân tích dự báo chứng khốn, giá mở cửa (Open Price) đƣợc thực nhƣ sau: Khớp giá định kỳ: Khớp giá trƣớc mở cửa Trƣớc mở cửa, sau tập hợp lệnh bán lệnh mua (với giá chào mua giá chào bán khác nhau, khối lƣợng mong muốn giao dịch khác nhau) xác định giá mở cửa khối lƣợng chứng khoán giao dịch đƣợc lớn Giá thỏa mãn nhu cầu ngƣời đặt lệnh, nghĩa bán rẻ giá chào bán mình, khơng phải mua đắt giá chào mua Quá trình gọi khớp giá Giá tham chiếu: Ngồi ra, giá đóng cửa (Close Price)của thị trƣờng chứng khốn ngày hơm trƣớc đƣợc tham chiếu để xác định giá mở cửa (Open Price) ngày hôm sau, tham chiếu mang tính gián tiếp ngƣời thực việc tham chiếu ngƣời đặt lệnh mua bán, cách khớp giá để tìm giá mở cửa khớp lệnh định kỳ, từ sau khớp giá liên tục Giá đóng cửa ngày hơm trƣớc quan trọng để xác định giá mở cửa ngày hôm sau, nhiên theo sơ đồ sau (biểu diễn giá số chứng khoán VNINDEX ngày) thấy thông thƣờng hai giá trị khác nhau, xây dựng mơ hình dự báo giá mở cửa thị trƣờng chứng khoán vấn đề cần đƣợc giải Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 42 Hình 3.1 Ví dụ đồ thị biểu diễn số VNINDEX ngày 3.2 Ứng dụng mạng ANFIS việc dự báo số chứng khốn 3.2.1 Xây dựng mơ hình hệ thống - Input: Mơ hình ANFIS đƣợc sử dụng chƣơng trình gồm có đầu vào, số hàm thuộc cho input là: Open Price: hàm thuộc Close Price: hàm thuộc High Price : hàm thuộc Low Price : hàm thuộc Volume : hàm thuộc - Output: Một nút output giá mở cửa ngày Mơ hình ANFIS đƣợc sử dụng hệ thống dự báo chứng khoán đề tài gồm 405 luật Số hàm thuộc cho input đầu 3, số hàm thành viên cho input thứ (Volume) Sự biến đổi giá chứng khoán lên, xuống phẳng lặng số hàm thuộc đƣợc chọn cho liệu cho đầu vào Trong số phiên giao dịch có nhiều mức thay đổi nên số hàm thuộc đƣợc chọn 3.2.2 Vấn đề xác định quan hệ liệu Tạo mơ hình ANFIS bao gồm phán đoán mối quan hệ giới thực, sau kiểm tra xem phán đốn có đủ xác hay có ích Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 43 không Bản chất thống kê quan hệ tài khó khơng thể biết tìm đƣợc mơ hình tốt Bản chất động quan hệ tài làm rắc rốì mơ hình thống kê mối quan hệ thị trƣờng thay đổi theo thời gian Thiết kế đƣa bao gồm định nghĩa dự đốn trƣớc (biến độc lập) nhƣ định xem đầu vào (các biến phụ thuộc) đƣợc dùng để dự đốn Hai tập đƣợc định nghĩa xác tốt Ví dụ, biến độc lập đƣợc định nghĩa phần trăm thay đổi giá số chứng khoán VNINDEX chu kỳ thời gian tuần biến phụ thuộc đƣợc định nghĩa giá trị ngày trƣớc Nếu có thể, tất biến độc lập không độc lập, đƣợc biểu diễn thành số hạng vô hƣớng Chẳng hạn, dùng tỉ số giá-lợi tức số vô hƣớng, dùng lợi tức, có chiều đơn vị tiền tệ la (dollar) Tƣơng tự, thay đổi nên đƣợc biểu diễn phần trăm Việc dự đoán mức thay đổi trung bình giá cuối hàng ngày dễ dàng dự đốn mức thay đổi thơ giá Tuy nhiên, dấu hiệu rút từ việc dự đốn mức thay đổi trung bình cần phải đƣợc kiểm tra kĩ so với giá giao dịch thực để xem việc kinh doanh có mang lại lợi nhuận hay không Một vấn đề quan trọng việc tổ chức liệu đầu vào kích thƣớc liệu nên dùng bao nhiêu? Thông thƣờng liệu đƣợc chia thành tập nhƣ sau: Tập liệu huấn luyện tập liệu test Hai vấn đề cần phải làm định cần có điểm liệu : tính đầy đủ liệu khoảng thời gian thích hợp Dữ liệu phải đƣợc tổ chức để cân khía cạnh Tập huấn luyện phải bao gồm trƣờng hợp trình quan sát, nhận xét thấy trƣớc tƣơng lai Ví dụ, để có tín hiệu mẫu tình giống tháng 09/2013, phải có quan sát giống với khoảng thời gian tập huấn luyện Mặt khác, nhiều liệu làm ảnh hƣởng đến mơ hình Nếu quan hệ đƣợc mơ hình hóa thay đổi theo thời gian, quan sát, nhận xét cũ khơng Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 44 đóng góp đƣợc cả, chí cịn gây lỗi sai mơ hình Để q trình mơ hình hóa thành cơng, mối quan hệ giới thực phải đƣợc giữ lại suốt thời gian đƣợc mơ hình hố Một số vấn đề quan tâm là: Để dùng nhiều biến độc lập, phải có nhiều quan sát để mơ hình khơng tràn liệu Nếu dùng nhiều quan s t , mối quan hệ không đổi Nếu quan hệ đƣợc thiết lập, mô hình xác khoảng thời gian dài số vấn đề quan hệ thay đổi Giới hạn số quan sát giới hạn số biến độc lập Và quan sát liên quan đến quan hệ phải đắn Nếu mơ hình gần với quan hệ khoảng thời gian ngắn, phải đƣợc huấn luyện lại xây dựng lại theo định kỳ Dữ liệu cuối ngày cung cấp cho mơ hình thƣờng đƣợc dùng lúc trừ thời gian ngày (intra-day) Giao dịch ngày (Intra-day trading) đòi hỏi khoảng khắc nhịp thời gian ngắn thông tin giá cả, khối lƣợng lợi tức giao dịch tiến hành biến số dùng mô tả thị trƣờng Dữ liệu cuối ngày luận văn đƣợc lấy từ website Dữ liệu đƣợc lấy từ thời gian 01/2003 đến 09/2013 Để huấn luyện dùng liệu đến 06/2013 phần liệu lại dùng để kiểm tra phân tích so sánh Nếu cần thiết chuyển liệu báo cáo thành khoảng thời gian dài (nhƣ hàng tháng) ngắn (hàng ngày) thành khoảng có chiều dài đƣợc dùng mơ hình (hàng tuần), xếp liệu theo thứ tự thời gian kiểm tra xem tất biến có số data points tất thời điểm thích hợp với hay khơng Khơng đƣợc thừa thiếu giá trị Cũng phải xác minh xem nhận xét (row) đại diện cho tập liệu có sẵn sàng lúc hay khơng 3.2.3 Biến đổi tiền xử lý liệu Dữ liệu thô thƣờng đƣợc biến đổi trƣớc đƣa chúng vào hệ thống ANFIS Mục đích việc biến đổi tăng hiệu thông tin chuỗi thời gian đƣợc biến đổi Các biến đổi điển hình bao gồm tính tốn tỉ số khác nhau, san Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 45 chuỗi cách tính tốn 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 lƣợng theo dạng thức sau: < OPEN >< CLOSE >< HIGH >< LOW >< VOLUME > Dữ liệu đƣợc chuẩn hóa [0,1] biểu diễn giá trị lớn liệu (3.1) Trong Xnorm giá trị đƣợc chuẩn hóa; Xmax giá trị lớn liệu, Xmin giá trị nhỏ Đây liệu quan trọng ngày giao dịch chứng khoán Dựa liệu input ANFIS cho giá mở cửa ngày hơm sau 3.3 Chƣơng trình thử nghiệm 3.3.1 Các chức chương trình Chƣơng trình đƣợc thiết kế môi trƣờng Matlab với giao diện đồ họa Chƣơng trình có số chức sau: -Chức nhập liệu: cho phép ngƣời sử dụng nhập liệu để huấn luyện mạng, liệu để kiểm tra đánh giá, liệu vào để tiên đoán giá mở cửa ngày Các mẫu liệu đƣợc lƣu trữ file „vnindex.xls‟ -Chức huấn luyện mạng : chức để ngƣời sử dụng huấn luyện mạng dựa tập liệu đầu vào -Chức hiển thị: cho phép hiển thị thông tin bao gồm: liệu đầu vào, liệu kiểm tra, liệu tiên đoán,…trên bảng liệu, hiển thị đầu thực tế, đầu tiên đốn đồ thị bảng Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 46 3.3.2 Giao diện chương trình Hình 3.2 Giao diện chương trình Các bƣớc thực hiện: Bƣớc 1: Nhập liệu Dữ liệu phục vụ chƣơng trình đƣợc chứa file vnindex.xls , có liệu phục vụ huấn luyện liệu phục vụ kiểm tra Hình 3.3 Nhập liệu Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 47 Bƣớc 2: Thiết lập thông số cho hệ suy diễn mờ Hình 3.4 Cấu hình cho fis Những thơng số bao gồm số lƣợng hàm thành viên cho đầu vào, kiểu toán tử T-norm, kiểu hàm thuộc đầu ra, kiểu hàm thuộc đầu vào Với cách lựa chọn thơng số nhƣ hình 3.3 đầu vào có số lƣợng hàm thuộc đầu vào cuối có số hàm thuộc Nếu tất đầu vào có số lƣợng hàm thành viên cần nhập số Tƣơng tự nhƣ kiểu hàm thuộc đầu vào Trong trƣờng hợp hình tất đầu vào có hàm thuộc kiểu chng (gbell) Bƣớc 3: Huấn luyện (dạy học) kiểm tra Hình 3.5 Các tham số huấn luyện Để thực việc huấn luyện cần lựa chon thuật toán huấn luyện, bƣớc học sai số, số epoch, thông số khác lấy giá trị mặc định Khi huấn luyện xong mạng ANFIS đƣợc kiểm tra liệu mẫu, việc kiểm tra cho ta biết sai số đầu tiên đoán đầu thực tế Kết kiểm tra đƣợc hiển thị dƣới dạng đồ thị dƣới dạng bảng số liệu Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 48 Hình 3.6 Kết kiểm tra Đầu Thực tế Đầu Thực tế 471.3 472.8 493.4 492.7 465.9 473.8 494.6 494.4 470.8 469.6 490.0 493.3 479.0 473.3 489.0 490.9 486.5 482.5 485.4 488.1 483.4 487.2 488.5 485.8 490.7 485.3 491.6 493.8 499.2 496.1 493.7 493.5 502.9 499.8 500.5 494.7 510.1 504.8 507.5 503.7 511.4 509.6 506.0 506.2 510.0 507.3 501.8 505.1 509.1 508.2 497.4 499.6 498.6 505 495.9 495.7 498.9 498.5 495.3 496.4 499.1 499.5 495.4 494.7 500.0 501.4 488.1 496.1 499.1 498.9 482.8 485.1 497.3 499.5 485.3 484.4 492.7 496.9 481.9 487.8 Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 49 Ngƣời dùng lựa chọn hiển thị liệu mà muốn bảng thơng qua giao diện Hình 3.7 Lựa chọn hiển thị Các thông tin ANFIS đƣợc hiển thị thơng qua giao diện sau: Hình 3.8 Thơng số ANFIS Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 50 3.3.3 Đánh giá kết thực chương trình 3.3.3.1 Ưu điểm  Bằng cách sử dụng giải thuật học lai, kiến trúc ANFIS tinh chỉnh đƣa luật mờ If then thay chúng đƣợc cung cấp từ chuyên gia hệ thống phức tạp  Nếu khơng có sẵn tri thức chuyên gia, khởi tạo hàm thành viên trực giác hợp lý bắt đầu trình học để sinh tập luật mờ if then nhằm xấp xỉ tập liệu mong muốn  Sử dụng giải thuật học lai làm cho hệ thống hội tụ nhanh nhƣng đảm bảo độ xác mong muốn  Vấn đề xác định số nút ẩn không yêu cầu đặt 3.3.3.2 Hạn chế  Hệ thống ANFIS có đầu đƣợc áp dụng hệ thống xấp xỉ dự báo hàm phi tuyến có đầu  Số hàm thành viên đƣợc kết hợp với input đƣợc gán từ thời điểm ban đầu, q trình huấn luyện khơng điều chỉnh đƣợc, vấn đề chọn hàm thành viên đóng vai trò quan trong việc xây dựng hệ thống ANFIS Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 51 KẾT LUẬN Phân tích dự báo nói chung phân tích dự báo số kinh tế nói riêng toán đƣợc nhiều ngƣời quan tâm Luận văn tốt nghiệp “Mạng nơ ron thích nghi mờ ANFIS ứng dụng” giải đƣợc số công việc sau: - Về mặt lý thuyết + Chắt lọc hệ thống hóa lý thuyết liên quan đến mạng nơ ron, hệ suy diễn mờ mơ hình kết hợp chúng Nêu rõ cấu trúc mạng ANFIS, thuật toán huấn luyện + Khái quát kiến thức thị trƣờng chứng khoán, toán dự báo số chứng khoán - Về mặt thực nghiệm + Xây dựng mơ hình mạng ANFIS cho toán dự báo số VNINDEX với đầu vào, đầu + Thu thập liệu, tiền xử lý liệu phục vụ việc huần luyện kiểm tra + Cài đặt mơ hình mạng ANFIS mơi trƣờng matlab Chƣơng trình thực nghiệm chạy cho kết dự đốn xác Để có kết dự báo xác hƣớng nghiên cứu là: + Nghiên cứu ảnh hƣởng số khác đến số VNINDEX nhƣ giá vàng, giá xăng, tỉ giá USD/VND từ xem xét bổ sung , điều chỉnh đầu vào hệ thống + Phân tích liệu loại bỏ mẫu liệu cực đoan để có đƣợc tập liệu tốt phục vụ huấn luyện + Nghiên cứu cài đặt thêm modul tự động cập nhật liệu internet Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 52 TÀI LIỆU THAM KHẢO * Tiếng Việt: [1] Lê Bá Dũng, Bài giảng mạng Nơron ứng dụng lớp Cao học Thái Nguyên, 2012 [2] Bùi Cơng Cƣờng, Nguyễn Dỗn Phƣớc, Hệ thống mạng Nơron mờ ứng dụng, NXB Khoa học Công nghệ , 2006 [3] Nguyễn Nhƣ Hiền, Lại Khắc Lãi, Hệ mờ nơ-ron kỹ thuật điều khiển, NXB Khoa học tự nhiên công nghệ, 2007 * Tiếng Anh: [4] S.Haykin, Neural Networks: A Comprehensive Foundation, Second Edition, Prentice Hall,NewJersay, 1999 [5] C.T.Lin and C.S.G Lee, Neural Fuzzy Systems, Prentice Hall, London, 1996 [6] 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 [7] Eleftherios Giovanis, Application of adaptive neuro-fuzzy inference system in interest rates effects on stock returns, Indian Journal of Computer Science and Engineering (IJCSE) [8] Bui Cong Cuong, Pham Van Chien, an experiment result based on adaptive neuro-fuzzy, Inference system for stock price predict on, journal of computer science and cybernetics, v.27, n.1 (2011), 51–60 [9] P.C Chang and C H Liu, A TSK type Fuzzy Rule Based System for stock price prediction, Expert Systems with Applications 34 (2008) 135-144 [10] S.H Chun and S.H Kim, Data mining for financial prediction and trading: application to single and multiple markets, Expert Systems with Applications 26 (2004) 131-139 [11] B.C Cuong and N.D Phuoc ( Eds.), Fuzzy Systems, Neural Networks And Applications, Second Ed., Science and Technology Pub., Hanoi, 2006 [12] B.C Cuong and T.D Hoan, A neural fuzzy system and a soft computing procedure for predicting exchange rate, The Proceedings of the 20th Scientific Conference, Section: Applied Mathemtics and Informatics, Hanoi University of Technology, 2006 (pp.9-13) Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ 53 [13] B.C Cuong, L.Q Phuc and N.T.A Binh, A Combination of context-fuzzy clustering method an learning with forgetting algorithm in a neural network model to generating fuzzy rules, Jour Of Computer Science and Cybernetics 24 (4) (2008) 295-306 [14] E.H Ruspini, P.P Bosnissone, and W Pedrycz ( Eds.), Handbook of fuzzy computation, Institute of Physics Pub , Bristone, 1998 [15] R.Zemouri, D.Racoceanu and N Zerhouni, Recurrent radial basis function network for time-series prediction, Engineeering Applications and Artifical Intelligence 16 (2003) 453-463 [16] Jang, J.-S.R (1993): ANFIS: Adaptive-Network-based Fuzzy Inference Systems IEEE Transactions on Systems, Man, and Cybernetics, 23(3), pp 665-685 [17] Glosten, L R., Jagannathan, R., Runkle, D E (1993): On the Relationship Between the Expected Value and the Volatility of the Nominal Excess Returns on Stocks Journal of Finance, 48, pp 1779-1801 [18] Fama, E (1981) Stock Returns, Real Activity, Inflation and Money American Economic Review,71, pp 545-565 * Website: [19] http://www.cophieu68.vn/export.php [20] http://vietstock.vn/ [21] http://www.mathworks.com/help/fuzzy/anfis.html [22] http://equipe.nce.ufrj.br/adriano/fuzzy/transparencias/anfis/anfis.pdf Số hóa trung tâm học liệu http://lrc.tnu.edu.vn/ ... MƠ HÌNH MẠNG ANFIS VÀ KHẢ NĂNG ỨNG DỤNG 2.1 Hệ suy diễn mờ dựa mạng thích nghi 2.1.1 Các mơ hình kết hợp hệ mờ mạng nơron -Neural Fuzzy system: Sử dụng mạng nơron nhƣ cơng cụ mơ hình mờ -Fuzzy... Hệ mờ mạng nơron 1.5.1 Kiến trúc hệ mờ tổng quát Một hệ mờ tiêu biểu có kiến trúc nhƣ hình vẽ Cơ sở luật mờ Tham khảo luật mờ Đầu vào (số) Bộ mờ hoá Đầu vào (tập mờ) Bộ suy diễn mờ Đầu (tập mờ) ... nơron lớp có tên nơron nội hay nơron ẩn Đầu nơron đƣợc đƣa đến nơron đƣa tín hiệu mơi trƣờng bên Các nơron lớp đầu đƣợc gọi nơron đầu Hình 1.5 Mạng nơron ba lớp Mạng nơron đƣợc xây dựng nhƣ mạng