3 Trong khoa học về ứng dụng ANN, một tập hợp gồm toàn bộ các mẫu dữ liệu được gọi bằng thuật ngữ Epoch Mỗi mẫu trong bộ dữ liệu được gọi bằng tên Exemplar.
2.3.2. Kết quả của mơ hình hồi quy tuyến tính truyền thống
Phụ lục 3 “Xây dựng mơ hình hồi quy tuyến tính truyền thống để phân tích và dự báo VNIndex” trong việc khảo sát các biến tài chính để phân tích và dự báo VNI trên TTCK VN thời gian qua cho chúng ta kết quả sau:
Mơ hình hồi quy đơn biến với biến giải thích lần lược là biến CM và PE có hiện tượng phương sai thay đổi hay nói cách khác, mơ hình hồi quy đơn biến với hai biến trên khơng phù hợp.
Mơ hình hồi quy tuyến tính đơn biến với biến giải thích lần lược là biến ROA, ROE, PB, EPS, PM khơng có hiện tượng phương sai thay đổi. Tuy nhiên, mơ hình hồi quy đơn biến với biến giải thích ROA có hiện tượng tự tương quan nên mơ hình với biến này khơng phù hợp. Nói cách khác, biến ROA khơng thể sử dụng để giải thích cho sự thay đổi trong VNI.
Với mơ hình hồi quy đơn biến, các biến giải thích cịn lại là ROE, PB, EPS, PM thì mơ hình đơn biến với biến PB cho ra mức độ giải thích cao nhất lên đến 44,7% trong mơ hình. Như vậy chúng ta có thể kết luận mơ hình hồi quy đơn biến với biến PB là mơ hình tối ưu nhất, chúng ta sử dụng mơ hình nàyđể đưa thêm biến vào mơ hình.
Kết quả hồi quy đa biến với một biến PB được lựa chọn và đưa thêm các biến cịn lại vào mơ hình để kiểm định thì biến giải thích PE thích hợp cho mơ hình khi dừng lại việc kiểm định phương sai thay đổi và tự tương quan. Tuy nhiên khi kiểm định tính chất đa cộng tuyến giữa các biến giải thích thì mơ hình khơng phù hợp.
Kết luận: Nếu cấu trúc mạng ANN khơng có lớp ẩn và sử dụng hàm truyền là hàm
tuyến tính đã cho kết quả dự báo tốt hơn mơ hình hồi quy tuyến tính truyền thống. Tuy nhiên, liệu rằng mơ hình phi tuyến của hệ thống mạng ANN có thể hồn thiện hơn kết quả dự báo này hay không? Phần tiếp theo sẽ đi vào xây dựng các cấu trúc mạng ANN phi tuyến và tiến hành dự báo ngoài mẫu cho VNIndex và so sánh với kết quả của cấu trúc mạng ANN tuyến tính trên.