Mơ hình mạng trí tuệ nhân tạo đƣợc xây dựng cho việc tìm kiếm các tri thức trong tập dữ liệu mà khơng cần sự tác động của con ngƣời. Hệ thống tự huấn luyện để sinh ra các tập luật, các chiến lƣợc quyết định dựa trên dữ liệu đầu vào và đầu ra. Mơ hình này cĩ thể đƣợc xây dựng nhƣ là một nhà đầu tƣ thực sự trên thị trƣờng giao dịch với đầy đủ các tri thức và kĩ năng để phân tích thị trƣờng.
Với những ƣu điểm của mơ hình mạng trí tuệ nhân tạo trong việc phân tích dữ liệu nhƣ: một khi mạng đƣợc huấn luyện thì hiệu quả của việc phân lớp khơng giảm nhiều nếu tập dữ liệu khơng đủ lớn. Nĩ khơng địi hỏi ngƣời sử dụng nhập vào mức độ quan trọng của các thuộc tính, vì chính nĩ sẽ làm điều đĩ khi học. Hơn nữa, nĩ cĩ thể điều khiển trong trƣờng hợp chất lƣợng dữ liệu kém (Carney và cộng sự, 1996).
Mơ hình học cĩ giám sát khai phá dữ liệu trong bài tốn giao dịch tỷ giá để dự báo xu hƣớng của tỷ giá cĩ thể thực hiện theo các bƣớc nhƣ ở Hình 8.
Hình 8: Mơ hình học cĩ giám sát khai phá dữ liệu của bài tốn giao dịch tỷ giá
Các bƣớc đƣợc tiến hành nhƣ sau:
Bƣớc 1: Chọn tập thuộc tính. Việc hiểu bài tốn giao dịch với các cặp tiền tệ nào
là rất quan trọng. Các thuộc tính trong tập dữ liệu thơ thƣờng bao gồm cả những thuộc tính khơng cần thiết cho bài tốn dự báo. Việc chọn ra các thuộc tính cĩ liên quan đến bài tốn dự báo chính là thu hẹp phạm vi và hƣớng đến mục đích của bài tốn giao dịch ngoại hối do ngƣời dùng đặt ra.
Bƣớc 2: Xác định tập dữ liệu. Chi phí và chất lƣợng của dữ liệu cũng cần phải đề
cập ở bƣớc này. Cĩ 4 vấn đề cần lƣu ý đĩ là: phƣơng pháp tính tốn, dữ liệu khơng bị
Mơ hình học cĩ giám sát (NN, SVM...) Input Output Hiệu chỉnh Tính sai số Chọn thuộc tính Chọn tập dữ liệu của các cặp tỉ giá Xu hƣớng tỉ giá ngoại hối
27
sửa chữa trƣớc đĩ, một độ trễ phù hợp với dữ liệu, và sự đảm bảo rằng nguồn này vẫn cịn cĩ thể sử dụng trong tƣơng lai.
Bƣớc 3: Xử lý dữ liệu. Dữ liệu đƣợc chia thành các tập huấn luyện, kiểm thử và
kiểm chứng (Training, Testing, và Validation) và đƣa vào mơ hình học cĩ giám sát. Các giá trị của thuộc tính cần đƣợc biến đổi vào đoạn . Kích thƣớc của tập kiểm thử thƣờng là từ 10 đến 30% kích thƣớc của tập huấn luyện nhằm mục đích tạo ra đƣợc mơ hình học với kết quả tốt nhất. Tập kiểm chứng đƣợc sử dụng để kiểm tra lần cuối hiệu quả của việc học. Thơng thƣờng tập kiểm chứng là các mẫu đƣợc lấy từ những khoảng thời gian gần đây nhất.
Bƣớc 4: Thiết lập cấu trúc của mơ hình học cĩ giám sát. Ở bƣớc này cần lựa
chọn mơ hình, các tham số cho mơ hình…
Bƣớc 5: Đánh giá. Việc đánh giá đƣợc thực hiện thơng qua việc sử dụng độ
lệch/lỗi giữa output dự báo và output trong tập huấn luyện. Phƣơng pháp chủ yếu đƣợc dùng với bài tốn giao dịch ngoại hối là MSE (Mean Square Error). Việc đánh giá này cịn kiểm tra xem cĩ rơi vào tình trạng Over-Training khơng, để cĩ thể phải thay đổi số lần lặp hoặc các tham số cho phù hợp.
Đầu ra cuối cùng của mơ hình chính là việc xác định đƣợc xu hƣớng tỷ giá ngoại hối của cặp mong muốn. Việc xây dựng mơ hình để áp dụng cho robot giao dịch ngoại hối thì đây là đầu ra mà ta sẽ sử dụng cho việc đƣa ra quyết định thực hiện các giao dịch.