Hình 11: Thống kê dữliệu output
Phần Output của lịch sử tỉ giá đƣợc tính dựa trên xu hƣớng dự báo là Up hoặc Down. Tổng số dữ liệu thực nghiệm là 257 giao dịch và trong đĩ cĩ 167 giao dịch tăng (Up) và 88 giao dịch giảm (Down).
Phân bố của tỉ giá đĩng cửa (Close) nhƣ sau:
Hình 13: Phân bố của giao dịch Close
Dễ dàng nhận thấy hầu hết các giao dịch đĩng cửa (Close) nằm trong khoảng từ 22.690 VND/1USD đến 22.225 VND/1USD. Cá biệt cĩ giai đoạn gần đây (khoảng từ đầu năm 2018), giao dịch VND/USD tăng nhanh lên mức gần 22.790 VND/1USD.
3.3.2. S d ng phử ụ ương pháp SVM
Thuật tốn sử dụng
Ý tƣởng của thuật tốn SVM nhƣ sau:
Để giải bài tốn đối ngẫu tối ƣu, thì bài tốn quy về giải bài tốn tìm các cặp α sao cho thỏa mãn:
1. Loop until no improvements are possible
2. Use heuristics to select two multipliers α1, and α2
3. Optimize W(α) by assuming all other multipliers are constant
4. End Loop
Các bƣớc cụ thể của thuật tốn
Step 1: Prepare the pattern matrix from training data
Step 2: Select the kernel function
Step 3: Select the kernel parameters and value of C
Step 4: Excute the training algorithm and obtain two optimal α1, and α2 (see above algorithm)
Step 5: Define the support vectors and classify the data
Thực nghiệm
Việc sử dụng phƣơng pháp máy véc tơ hỗ trợ đƣợc thực hiện với các tham số cụ thể nhƣ sau:
Hệ số hỗ trợ: C=1.0
Hàm nhân sử dụng PolyKernel với hàm mũ 1
Số véc tơ hỗ trợ: 93
Mơ hình khung thực hiện đƣợc thể hiện nhƣ sau:
Hình 14: Mơ hình sửdụng
Kết quả
Kết quả chạy thực hiện mơ hình với 254 mẫu quan sát đạt độ chính xác là 99.6%. Cụ thể nhƣ ở mơ tả dƣới đây:
=================================
Correctly Classified Instances Incorrectly Classified Instances Kappa statistic
K&B Relative Info Score K&B Information Score Class complexity | order 0 Class complexity | scheme Complexity improvement (Sf) Mean absolute error
Root mean squared error Relative absolute error Root relative squared error Total Number of Instances
=== Detailed Accuracy By Class ===
TP Rate 0.994 1