Phần mềm đợc xây dựng với giao diện khá đơn giản. Hình vẽ dới đây cho thấy giao diện chính của phần mềm.
Hình 4.1.Giao diện của phần mềm dự báo giá cổ phiếu
4.3.1. Giao diện
Giao diện của phần mềm gồm các phần nh sau:
-Thực đơn: Phần thực đơn bao gồm các mục: Tệp, Soạnthảo, Hiển thị, Định dạng, Ký hiệu, Phân tích, Công cụ... thể hiện các chức năng cơ bản của chơng trình.
-Thanh công cụ: cho phép thực hiện nhanh một số thao tác của chơng trình mà không cần phải dùng thực đơn nh: mở, đóng, tạo mới dữ liệu, in ấn, cắt, dán, hiển thị biểu bảng, định dạng màu sắc...
-Danh mục đầu t: là cửa sổ ở bên trái màn hình hiển thị danh sách ký hiệu tất cả các công ty đang đợc theo dõi để dự báo. Chỉ cần nhấp chuột vào ký hiệu của bất kỳ một công ty nào thì phần mềm sẽ làm việc với dữ liệu công ty đó.
-Phần đồ thị: là cửa sổ ở bên phải màn hình hiển thị đồ thị của giá cổ phiếu công ty đợc chọn theo thời gian đợc tính theo ngày, tuần hoặc tháng. Các đờng
màu trắng, xanh, đỏ là các đờng biểu thị cho các thông số khác nhau của một cổ phiếu: đó là giá mở cửa (Open), giá đóng cửa (Close), giá cao nhất trong ngày (Hi), giá thấp nhất (Low), độ biến động (Volume).
Phần đồ thị phía dới biểu diễn khuynh của dữ liệu, nó chỉ rõ giá cổ phiếu đợc chọn đang lên hay đang xuống.
4.3.2. Chức năng
Phần mềm cho phép quản lý dữ liệu giá cổ phiếu của tất cả các công ty đợc nhập vào. Danh mục các công ty đợc hiển thị ở cửa sổ bên trái.
Để nhập vào dữ liệu của một công ty, chọn thực đơn Tệp/Mở dữ liệu và chọn File chứa dữ liệu của công ty đợc chọn.
Sau khi một công ty đợc chọn, toàn bộ dữ liệu của công ty sẽ đợc hiển thị trên đồ thị ở phía bên phải. Ngoài ra dữ liệu cụ thể cũng có thể đợc hiển thị ở dạng biểu bảng nh hình dới đây bằng cách chọn chức năng Hiển thị ở dạng biểu bảng.
Khi dữ liệu đợc hiển thị ở dạng biểu bảng, ta có thể dễ dàng sửa đổi dữ liệu của từng ngày, từng thông số nh chúng ta vẫn thờng làm trong phần mềm Excel. Sau khi chọn một ngày các thông số sẽ hiển thị ở phía bên trái của bảng biểu. Đặt con trỏ vào từng ô, ta có thể thay đổi các giá trị đó.
Phần mềm cũng cho phép bổ sung thêm dữ liệu một ngày mới bằng cách chọn hàng trên cùng của bảng biểu (có chữ new), rồi nhập các số liệu vào các ô nh phần sửa dữ liệu. Sau đó nhấp vào nút lệnh Đồng ý, dữ liệu sẽ đợc cập nhập và tự động hiển thị trên bảng biểu cũng nh đồ thị.
Hình 4.2. Hiển thị dữ liệu giá cổ phiếu ở dạng biểu bảng
Sau khi nhập dữ liệu, sữa chữa hoặc bổ sung, chọn chức năng Dự báo trong mục Phân tích, thì phần mềm sẽ tiến hành dự báo giá cổ phiếu cho những ngày tiếp theo (chọn dự báo ngắn hạn-một ngày, hoặc dự báo dài hạn) và dữ liệu đó sẽ tiếp tục đợc bổ sung vào các hàng tiếp theo của Bảng biểu cũng nh tự động cập nhật vào đồ thị.
Căn cứ vào dữ liệu đã dự báo đó, ta sử dụng chiến thuật Mua và giữ để chọn đúng thời điểm giá cổ phiếu xuống thấp nhất để mua và chọn thời điểm giá cổ phiếu lên cao nhất để bán.
Với chức năng quản lý danh mục tất cả các loại cổ phiếu của các công ty, ta có thể theo dõi đợc giá cả của tất cả các loại cổ phiếu. Từ đó, cứ mỗi ngày mới, chúng ta có thể cập nhật, sửa đổi các thông số và theo dõi giá cả của tất cả các loại cổ phiếu để ra quyết định mua bán.
Sau khi hoàn thành chơng trình, chúng tôi đã thu thập dữ liệu của các công ty niêm yết tại thị trờng chứng khoán Việt Nam từ các Website:
và dự báo. Do sự biến động về giá cả của Thị trờng chứng khoán Việt Nam còn ít nên sai số của mô hình cho các cổ phiếu là không quá 2%.
Chúng tôi cũng đã tiến hành dự báo giá cho các loại cổ phiếu và trực tiếp tham gia vào Thị trờng chứng khoán ảo tại Website: www.tvcstock.com. Website này là một câu lạc bộ dành cho các nhà đầu t chứng khoán nghiệp d mong muốn đợc học hỏi kinh nghiệm về đầu t chúng khoán. Tại đây mỗi thành viên đăng ký ban đầu đợc cấp một số vốn ảo là 100 triệu đồng. Sau đó, mỗi thành viên sẽ dùng số tiền đó đầu t (mua) các loại cổ phiếu ảo với tên thực và giá thực đợc niêm yết trong thị trờng thực. Chỉ có điều là quá trình mua và bán chỉ diễn ra những nhà đầu t ảo với nhau. Sau quá trình đầu t và mua bán, mỗi thành viên sẽ sở hữu một số loại cổ phiếu cũng nh tiền mặt. Nếu thành viên nào hoạt động tốt, số tiền 100 triệu ban đầu có thể tăng lên, nếu thành viên nào hoạt động không hiệu quả, số tiền đó sẽ bị giảm xuống thậm chí là mất hết. Đây thực sự là một môi tr- ờng rèn luyện đầu t chứng khoán rất bổ ích, chúng ta có dịp làm quen với thị trờng thực, cổ phiếu thực nhng với tiền ảo.
Hiện nay chúng tôi cũng đã bắt đầu tham gia thị trờng ảo này và đang đầu t vào một số loại cổ phiếu. Các loại cổ phiếu mà chúng tôi đầu t đang lên giá, và số tiền 100 triệu ban đầu có nhiều khả năng tăng lên. Chúng tôi sẽ tiếp tục kiểm chứng thực tiễn trong thời gian tới.
Kết luận
Trong khuôn khổ đề tài, chúng tôi đã nghiên cứu, tìm hiểu và thu đợc một số kết quả nh sau:
-Tìm hiểu và trình bày về chuỗi thời gian và dự báo chuỗi thời gian. Trong đó đề cập đến mô hình dự báo tuyến tính ARIMA, từ đó kế thừa thuật toán tính hệ số tơng quan mẫu và tự tơng quan mẫu để sử dụng cho việc xác định mẫu đầu vào của mạng neural nhân tạo.
-Trình bày một cách khá đầy đủ về mô hình mạng neural nhân tạo mô phỏng hoạt động của mạng neural sinh học. Mô hình neuron và các loại mạng neural đợc trình bày một cách chi tiết với sơ đồ minh hoạ. Đặc biệt, chúng tôi đã trình bày về thuật toán Lan truyền ngợc, một thuật toán phổ biến để huấn luyện mạng neural nhân tạo
-Xác định các vấn đề cần giải quyết khi sử dựng mô hình mạng neural nhân tạo để dự báo và xây dựng lợc đồ dự báo.
-Tìm hiểu về Thị trờng chứng khoán, cổ phiếu và giá cổ phiếu. Những vấn đề cần đặt ra khi đầu t cổ phiếu, trong đó nhận mạnh chiến lợng Mua và giữ với chú ý chọn thời điểm mua và bán cổ phiếu trên thị trờng.
-Xây dựng phần mềm dự báo giá cổ phiếu bằng mạng neural nhân tạo, cập nhật dữ liệu các công ty niêm yết tại thị trờng chứng khoán Việt Nam, tiến hành dự báo và bắt đầu thực nghiệm tại thị trờng chứng khoán ảo tvcstock. (adsbygoogle = window.adsbygoogle || []).push({});
Trong thời gian tới, chúng tôi sẽ tiếp tục tiến hành thực nghiệm trên thị trờng chứng khoán ảo, kiểm chứng giả thiết khoa học; đồng thời tìm hiểu sâu hơn về mạng neural, vận dụng thêm các mô hình toán học mới, cải tiến chơng trình dự báo để thu đợc những kết quả chính xác hơn và có thể dự báo đợc kể cả đối với thị trờng chứng khoán có nhiều biến động mạnh.
Tài liệu tham khảo
Tiếng Việt
[1] Nguyễn Trung Hòa (1997), Một số thuật toán mô phỏng và phân tích chuỗi thời gian, Luận văn Tiến sĩ Toán Lý, ĐH Bách khoa Hà Nội
[2] Nguyễn Hồ Quỳnh (2001), Chuỗi thời gian: phân tích và nhận dạng, Khoa Toán ứng dụng-ĐH Bách khoa Hà Nội
Tiếng Anh
[3] Feng Lin, Xing Huo Yu, Shirley Gregor, Richard Irons (1995), Times Series Forecasting with Neural Network, Complexity International – Volume 02, Queensland University Australia
[4] Martin T. Hagan, Howard B. Demuth, Mark Beale (1996), Neural Network Design, PWS Publishing Company
[5] Minglei Duan, B.S. (2002), Time Series Predictability, A thesis submitted for The Degree of Master of Science, Marquette University
[6] Peter J. Brokerwell and Richar A. Davis (1991), Time Series: Theory and methods, Spinger-Verlag
[7] Richard Povinelli (1999), Time Series Data Mining: Indentifying Temporal Patterns for Characterization and Prediction of Time Series Events, A Thesis submitted for The Degree of Doctor of Philosophy, Marquette University
[8] Steven Gonzalez (2000), Neural Networks for Macroeconomic Forecasting: A Complementary Approach to Linear Regression Models, Working Paper in Departerment of Finance, Canada
[9] Tae-Hwy Lee, Burak Saltoglu (2002), Assessing the Risk Forecast for Japanese Stock Market, Japan and the World Economy Vol. 14
[10] Uros Lotric and Andry Dobnikar (2002), Wavelet Based Smoothing in Time Series Prediction with Neural Networks, University of Liubliana, Slovenia