MỘT SỐ ĐỀ XUẤT TỪ Q TRÌNH PHÂN TÍCH VÀ DỰ BÁO GIÁ CHỨNG KHOÁN TRÊN THỊ TRƯỜNG
3.4. Những hạn chế của quá trình nghiên cứu này
Những luận cứ của việc ủng hộ mơ hình mạng ANN hiện nay trên thế giới trong lĩnh vực tài chính cịn khá ít những bằng chứng, khi mà hệ thống công nghệ thông tin được phát triển mạnh đã tạo điều kiện cho quá trình ứng dụng mạng ANN trở nên phổ biến hơn. Q trình xử lý dữ liệu theo mơ hình mạng ANN khá phức tạp và lớn nếu khơng một cơng cụ nào có thể xử lý mãi cho đến khi công nghệ thông tin phát triển và những bộ vi xử lý với tốc độ cao đã giúp cho quá trình nghiên cứu thực nghiệm được thuận lợi hơn. Chính vì vậy, những bằng chứng hiện nay đang được nghiên cứu trên các thị trường tài chính phát triển.
Một vấn đề khá quan trọng cho việc ứng dụng mơ hình mạng ANN là bộ dữ liệu phải lớn, có thể nói, lớn hơn nhiều so với các phương pháp phân tích và dự báo khác. Quá trình ứng dụng mơ hình mạng ANN địi hỏi một bộ dữ liệu dùng để huấn luyện mạng. Nếu q trình huấn luyện khơng đáp ứng u cầu thì khả năng dự báo sẽ kém. Chính vì vậy, khi thu thập dữ liệu, luận án chưa thể đưa tất cả các biến vào trong cùng một mơ hình. Nếu sử dụng biến tài chính thì số quan sát thu thập được chỉ có từ năm 2007 đến tháng 9/2010. Do đó nếu đưa các biến tài chính vào các biến kinh tế vĩ mơ thì số quan sát sẽ ít, trong khi đó số biến đưa vào mơ hình q lớn sẽ xảy ra trường hợp quá trình xử lý từ mơ hình mạng ANN địi hỏi phải có nhiều lớp ẩn và nhiều PE trong mỗi lớp ẩn. Q trình này khơng thể cho ra một kết quả dự báo tốt, đây là khuyến cáo của nhiều nghiên cứu về việc ứng dụng mơ hình mạng ANN được trình bày trên.
Một hạn chế khác của mơ hình ANN là thuật tốn di truyền. Hiện nay, nhiều nhà nghiên cứu trên thế giới đang tìm hiểu liệu yếu tố di truyền tác động thế nào đến quá trình huấn luyện dữ liệu và thuật toán di truyền sẽ là gì? Luận án khơng tìm kiếm một mơ hình thuật tốn di truyền trong mơ hình ANN.