3. Cấu trúc của luận văn
4.3.2Kết quả việc hỗ trợ quyết định
Việc hỗ trợ quyết định hành động mua bán yêu cầu dữ liệu thực nghiệm phải tuơng đối chính xác, do đó chúng tôi tiến hành thực nghiệm trên dữ liệu của các công ty nƣớc ngoài.
Hỗ trợ quyết định cho các công ty nƣớc ngoài với các số liệu nhƣ sau: Công ty IBM:
Với Hạng = 0.00175 Chỉ số MACD=2.26 Chỉ số RSI= 64 Chỉ số CCI= 168
Cho ta quyết định: MUA
Ngoài ra kết quả của một số công ty khác đƣợc liệt kê trong bảng sau:
Bảng 4-7 Hỗ trợ quyết định cho các công ty
STT Mã Công ty Hạng công ty Chỉ số MACD Chỉ số RSI Chỉ số CCI Quyết định
1 BAC 0.0021 -045 43 -124 BÁN
2 INTC -0.0008 0.69 66 182 MUA
3 CQ 0.00205 2.9 51 30 GIỮ LẠI
4 MSFT -0.0062 0.21 52 42 GIỮ LẠI
5 DIS 0.0029 0.9 65 93 GIỮ LẠI
6 GM 0.00021 -0.08 47 -58 BÁN NHIỀU 7 IBM 0.00175 2.26 64 168 MUA 8 CVX -0.0076 2.35 70 165 MUA 9 GE -0.0008 -0.51 40 -117 BÁN 10 MMM -0.0002 -0.43 50 7 GIỮ LẠI 4.4 Đánh giá và phân tích
Với các nhà đầu tƣ chỉ sử dụng phân tích kỹ thuật thì họ chỉ nhìn vào các chỉ số một cách độc lập. Nghĩa là với chỉ số MACD thì nếu chỉ số này > 0 thì họ quyết định MUA, ngƣợc lại quyết định BÁN. Với các chỉ số RSI hay CCI thì không đƣợc sử dụng nhiều.
Ở đây mô hình kết hợp ba chỉ số và các miền quyết định tƣơng đối linh hoạt để đƣa ra một quyết định chính xác nhất.
Với các nhà phân tích tài chính thì họ chỉ xác định đƣợc hoạt động kinh doanh thông qua các biến số tài chính và báo cáo hoạt động kinh doanh. Họ chỉ xác định đƣợc là doanh nghiệp sẽ hoạt động tốt hay xấu trong tƣơng lai. Với việc áp dụng mô hình chúng tôi không chỉ dự đoán đƣợc tình hình kinh doanh xấu tốt mà còn xác định đƣợc hạng của công ty so với các công ty khác.
Mô hình của chúng tôi kết hợp phân lớp dự báo, hệ logic mờ và phân tích kỹ thuật tạo ra một hệ hỗ trợ quyết định tƣơng đối đầy đủ và chính xác.
Để đánh giá độ chính xác của mô hình so với thực tế chúng tôi đã tiến hành thực nghiệm việc hỗ trợ quyết định mua/bán cho công ty Intel trong các ngày của năm 2007 và 2008. Dƣới đây là bảng đánh giá
Bảng 4-8 Kết quả so sánh giữa quyết định từ MACD, mô hình và thực tế
STT Ngày Quyết định từ MACD Quyết định từ Hệ thống Thực tế
1 29/3/2007 BÁN (-0.32) BÁN (0.38) BÁN
2 30/6/2007 MUA (0.46) GIỮ MUA
3 14/7/2007 MUA (0.74) MUA (0.62) MUA
4 20/8/2007 MUA (0.21) BÁN (0.32) BÁN 5 30/9/2007 BÁN (-0.37) BÁN (0.40) BÁN 6 31/12/2007 BÁN (-0.26) BÁN (0.31) MUA … … … … … 22 02/01/2008 MUA (0.52) BÁN (0.24) BÁN 23 17/01/2008 MUA (0.73) MUA (0.67) BÁN 24 15/2/2008 BÁN (-0.40) BÁN (0.45) BÁN
25 29/3/2008 MUA (0.68) MUA (0.75) MUA
Giải thích bảng so sánh và đánh giá:
Cột đầu tiên là số thứ tự của lần thực nghiệm, cột thứ hai là ngày, cột thứ ba là cột quyết định của nhà đầu tƣ chỉ sử dụng chỉ số MACD. Cột thứ ba là quyết định của hệ thống và cột cuối cùng là kết quả thực tế. Ví dụ trong lần thử thứ nhất ngày 29/03/2007, ngƣời đầu tƣ chỉ dựa vào chỉ số MACD=-0.32 là <0 và theo kinh nghiệm thị trƣờng đang bán quá mức sẽ đƣa ra quyết định là BÁN. Hệ thống cũng đƣa ra quyết định BÁN với chỉ số hỗ trợ 0.38. Thực tế sau một khoảng thời gian 12 ngày, giá của cố phiếu giảm có nghĩa là nhà đầu tƣ quyết định BÁN sẽ thắng.
Trong lần thử lần thứ hai tại ngày 30/06/2007, chỉ số MACD = 0.46 có nghĩa thị trƣờng đang mua quá mức nhà đầu tƣ sẽ quyết định MUA. Tuy nhiên, hệ thống kết hợp các chỉ số và không quyết định MUA hay BÁN mà chỉ đƣa ra khuyến cáo là GIỮ. Kết quả thực tế là giá cố phiếu trên thị trƣờng có tăng nhƣng tăng nhẹ, có nghĩa là MUA là hợp lý.
Trong lần thử thứ ba tại ngày 24/07/2007, nhà đầu tƣ chỉ sử dụng chỉ số MACD, hệ thống và thực tế đều cho kết quả là MUA.
Hiệu suất của nhà đầu tƣ chỉ sử dụng chỉ số MACD: đoán đúng 14/25 tƣơng đƣơng với 56%.
Hiệu suất của nhà đầu tƣ sử dụng hệ thống: đoán đúng 18/25 tƣơng đƣơng với 75%. (adsbygoogle = window.adsbygoogle || []).push({});
0% 10% 20% 30% 40% 50% 60% 70% 80% MACD Hệ thống Số lần đoán chính xác Hình 4-5 Tỷ lệ chính xác
Thực tế tôi đã thử nghiệm độ chính xác trong vòng 6 tháng từ ngày 01/01/2008 đến ngày 01/07/2008 với các phƣơng thức đánh giá theo kỳ hạn: quý, tháng và thu đƣợc kết quả về độ chính xác nhƣ biểu đồ dƣới đây:
66% 67% 67% 68% 68% 69% 69% 70% 70% Quý 1 Quý 2 Số lần đoán chính xác Hình 4-6 Tỷ lệ chính xác theo quý
Quý 1 dự đoán trong 40 lần trong đó có 27 lần chính xác, 13 lần dự đoán sai, tỉ lệ đoán chính xác là 67%, quý 2 dự đoán trong 58 lần thì có 41 lần chính xác, 17 lần dự đoán sai. Tỉ lệ đoán chính xác là 70%
Để thấy khả năng hỗ trợ quyết định chi tiết hơn việc quyết định từ các chỉ số đơn lẻ, tôi Đã thực nghiệm so sánh và có bảng kết quả sau:
Bảng 4-9 So sánh việc ba chỉ số với hệ thống
STT Ngày MACD RSI CCI Hệ thống
1 1/1/2008 0.17 51 -13 GIỮ 2 2/1/2008 0.05 43 -154 MUA NHIỀU 3 3/1/2008 -0.11 40 -203 BÁN 4 4/1/2008 -0.38 32 -288 BÁN NHIỀU 5 7/1/2008 -0.58 33 -230 BÁN NHIỀU 6 15/01/2008 -1.07 37 -76 GIỮ 7 22/1/2008 -1.79 26 -137 BÁN 8 24/1/2008 -1.68 38 -72 GIỮ ... 26/3/2008 0.32 54 108 MUA 44 29/3/2008 0.2 47 7 MUA NHIỀU 45 31/3/2008 0.18 49 11 MUA NHIỀU Phân tích bảng so sánh:
Với nhà đầu tƣ chỉ sử dụng chỉ số MACD thì ở ngày 1/1/2008 chỉ số đó bằng 0.17>0 có nghĩa là thị trƣờng có dấu hiệu mua vào. Kết hợp chỉ số RSI=51 có nghĩa là thị trƣờng đang ở mức bình thƣờng. Chỉ số CCI=-13<0 có nghĩ thị trƣờng có dấu hiệu bán ra. Lúc này nhà đầu tƣ sẽ không biết nên quyết định mua hay bán. Hệ thống đã kết hợp 3 chỉ số này để đƣa ra quyết định là GIỮ lại, không bán không mua.
Tƣơng tự với lần thử thứ 2 vào ngày 2/1/2008, chỉ số MACD=0.05 nằm trên đƣờng zero, có nghĩa thị trƣờng đang có dấu hiệu mua vào. Chỉ số RSI = 43 nằm trong khoảng [30-50] có nghĩa thị trƣờng bình thƣờng. Tiếp đến nhà đầu tƣ nhìn vào chỉ số CCI=-154 dƣới mức -100 có nghĩa thị trƣờng rất xấu. Hệ thống đƣa ra kết luận là mua nhiều.Thống kê quá trình dự đoán tôi có biểu đồ so sánh ba chỉ số với hệ thống nhƣ sau: 0% 10% 20% 30% 40% 50% 60% 70%
MACD RSI CCI Hệ thống
Số lần đoán chính xác
Hình 4-7 So sánh tỷ lệ chính xác
So sánh nhà đầu tƣ sử dụng một chỉ số MACD duy nhất với hệ thống ta thấy có kết quả gần giống nhau. Hệ thống có sự hỗ trợ mạnh hơn trong việc quyết định mua hay mua nhiều, bán hay bán nhiều. Trong những trƣờng hợp, không thể đƣa ra quyết định chính xác là mua hay bán hệ thống sẽ đƣa ra quyết định là giữ lại.
4.5 Kết luận
Với việc áp dụng mô hình học máy, việc đánh giá và dự đoán đạt đƣợc những ƣu điểm hơn hẳn so với việc dùng các phƣơng pháp thống kê truyền thống. Cụ thể:
- Phƣơng pháp có khả năng dự đoán nhiều biến, không bị giới hạn nhƣ trong MSExcel hay Lotus và đặc biệt cho kết quả chính xác hơn.
- Không cần biết những thông tin trong tƣơng lai vẫn có thể dự đoán cho một yếu tố mà nó phụ thuộc vào các thông tin đó.
- Mạng Nơron có thể dự đoán trên chính những số liệu của mình đã có trong quá khứ
Theo các kết quả thực nghiệm, ta thấy rằng kết quả dự báo của mô hình tốt hơn so với việc chỉ dùng mô hình mạng nơron. Mô hình mạng nơron chỉ dự báo đƣợc tình hình kinh doanh của công ty trong quí sau là tốt hay xấu. Việc kết hợp logic mờ và phân tích kỹ thuật cho phép ta dự báo tình hình biến động về giá trong ngày tới. Từ đó giúp nhà đầu tƣ đƣa ra quyết định mua hay bán chính xác và có cơ sở hơn.
KẾT LUẬN
Luận văn định hƣớng nghiên cứu vào mạng nơron, logic mờ mà phân tích kỹ thuật trong đầu tƣ chứng khoán. Chúng tôi đã xây dựng và sử dụng Mô hình kết hợp giữa mạng nơron với logic mờ và phân tích kỹ thuật áp dụng vào bài toán đánh giá rủi ro, hỗ trợ quyết định cho các doanh nghiệp.
Chúng tôi đã đƣa ra một mô hình dựa trên phân tích kỹ thuật và mạng nơron, hệ mờ cho việc dự báo, đánh giá rủi ro trong lĩnh vực đầu tƣ và kinh doanh chứng khoán. Những đóng góp chính của luận văn là:
1. Hệ thống hoá đƣợc các nội dung cơ bản về tài chính, một số kiến thức cơ bản về mạng nơron và logic mờ.
2. Nghiên cứu và xây dựng mô hình kết hợp mạng nơron, hệ mờ và phân tích kỹ thuật.
3. Xây dựng phần mềm dự báo và hỗ trợ quyết định cho doanh nghiệp trong lĩnh vực đầu tƣ và kinh doanh chứng khoán.
Những nghiên cứu khả quan về kết hợp mạng nơron, logic mờ và phân tích kỹ thuật trong việc đánh giá rủi ro, hỗ trợ quyết định đã chứng tỏ đây là một mô hình có thể ứng dụng hiệu quả trong thực tế. Có thể nói nó là một công cụ hữu ích cho các nhà đầu tƣ không chuyên trong việc quyết định đầu tƣ. Tuy nhiên, mô hình vẫn còn có một số hạn chế nhất định nhƣ không có các giá trị rõ và các định nghĩa chuẩn cho việc xác định giá trị trong quá trình mờ và giải mờ. Việc chọn các giá trị vẫn phải dựa vào kinh nghiệm của các chuyên gia.
Do đó một trong các hƣớng phát triển tiếp theo của đề tài là nghiên cứu, cải tiến cà thử nghiệm các phƣơng pháp học máy tiên tiến khác nhƣ Support Vertor Machine, Cây quyết định… để có thể nâng cao đƣợc kết quả và có thể ứng dụng trong thực tế. Ngoài ra hệ thống cần kết nối trực tuyến với máy chủ dữ liệu để có thể lấy dữ liệu mới nhất cho việc dự báo và kinh doanh chứng khoán.
Về lĩnh vực tài chính, đề tài sẽ nghiên cứu thêm về phân tích kỹ thuật nhằm nâng cấp, bố sung thêm luật cho tập luật. Đồng thời nghiên cứu thêm về các tỷ số tài chính trong các báo cáo tài chính để đánh giá rủi ro một cách rõ ràng, chính xác hơn.
TÀI LIỆU THAM KHẢO Tiếng Việt (adsbygoogle = window.adsbygoogle || []).push({});
[1]. Bùi Công Cƣờng, Nguyễn Doãn Phƣớc (2006), Hệ mờ Mạng Nơron và ứng dụng, Nhà xuất bản khoa học và kỹ thuật.
[2]. Phan Thị Bích Nguyệt (2007), Phân tích kỹ thuật, Nhà xuất bản Lao động – Xã
hội.
[3]. Nguyễn Thị Ngọc Trang (2006), Quản trị rủi ro tài chính, Nhà xuất bản thống kê.
Tiếng Anh
[4]. Fie Chen (2004), Learning accurate and understandable rules from SVM classifiers, Thesis, pp. 1-6.
[5]. Dimitri Pissarenko (2002), Neural Networks For Financial Time Series Prediction, pp. 104-120.
[6]. Ali Ghodsi Boushehri (2000), Appying Fuzzy logic to stock price prediction
[7]. Zhou, Xu Shen; Dong, Ming (2004). Can fuzzy logic make technical analysis 20/20? Financial Analyst Journal, 54–73
[8]. Wee Mien Cheung and Uzay Kaymak (2007), A Fuzzy Logic Based Trading System, Econometric Institute, pp. 1-6.
[9]. Boris Kovalerchuk and Evgenii Vityaev (2001), Data minng in finance, Kluwer
academic publicsher.
PHỤ LỤC
Phụ lục A – Giới thiệu về phần mềm FRPredictor
Giao diện của chƣơng trình dự báo rủi ro tài chính:
Huấn luyện mạng
Phụ lục B – Cấu trúc các bảng cơ sở dữ liệu tài chính
Bảng giá chứng khoán
Thuộc tính Ý nghĩa
Ticker Mã công ty
Period Kỳ báo cáo (Quí hoặc năm)
Date Ngày tháng
Open Giá mở cửa
High Giá cao nhất trong ngày
Low Giá thấp nhất trong ngày
Close Giá đóng cửa
Volume Khối lƣợng giao dịch
Cân đối kế toán
Thuộc tính Ý nghĩa
Ticker Mã công ty (adsbygoogle = window.adsbygoogle || []).push({});
[Cash & Equivalents] Tiền và các khoản tƣơng đƣơng tiền [Short Term Investments] Các khoản đầu tƣ tài chính ngắn hạn [Accounts Receivable - Trade, Net] Các khoản phải thu
[Total Inventory] Hàng tồn kho
[Other Current Assets, Total] Tài sản ngắn hạn khác [Total Receivables, Net] Các khoản phải thu dài hạn [Property/Plant/Equipment, Total - Gross] Tài sản cố định
[Long Term Investments] Các khoản đầu tƣ tài chính dài hạn [Other Long Term Assets, Total] Tài sản dài hạn khác
[Total Current Liabilities] Nợ ngắn hạn
[Total Long Term Debt] Nợ dài hạn
[Total Liabilities & Shareholders' Equity] Nguồn kinh phí và quỹ khác
[Total Equity] Tổng cộng nguồn vốn
Báo cáo lưu chuyển tiền tệ
Thuộc tính Ý nghĩa
Ticker Mã công ty
[Cash from Operating Activities] Lƣu chuyển tiền từ hoạt động kinh doanh [Cash from Investing Activities] Lƣu chuyển tiền từ hoạt động đầu tƣ [Cash from Financing Activities] Lƣu chuyển tiền từ hoạt động tài chính [Net Income/Starting Line] Lƣu chuyển tiền thuần trong kỳ
[Cash Interest Paid, Supplemental] Tiền và tƣơng đƣơng tiền đầu kỳ [Cash Taxes Paid, Supplemental] Tiền và tƣơng đƣơng tiền cuối kỳ
Kết quả hoạt động kinh doanh
Thuộc tính Ý nghĩa
Ticker Mã công ty
[Total Revenue] Doanh thu bán hàng và cung cấp dịch vụ
[Total Revenue] Các khoản giảm trừ doanh thu
[Gain (Loss) on Sale of Assets]: D.thu thuần về bán hàng và cung cấp d.vụ
[Sale Capital Cost] Giá vốn hàng bán
[Selling, Service Revenue] Lợi nhuận gộp về bán hàng và cung cấp Dịch vụ
[Fiancial Revenue] Doanh thu hoạt động tài chính [Financial Expenses] Chi phí tài chính
[Selling Expenses] Chi phí bán hàng
[Other Operating Expenses, Total]: Chi phí quản lý doanh nghiệp
[Other, Net] Thu nhập khác
[Other, Expenses] Chi phí khác
[Other Revenue] Lợi nhuận khác
[Income Before Tax]: Tổng lợi nhuận kế toán trƣớc thuế
[Present Taxes] Chi phí thuế TNDN hiện hành
[Deferred Taxes] Chi phí thuế TNDN hoãn lại (adsbygoogle = window.adsbygoogle || []).push({});
[Income After Tax] Lợi nhuận sau thuế TNDN
[Net Income after Stock Based Comp.
Expense] Lãi cơ bản trên cổ phiếu
Thông tin Công ty
Thuộc tính Ý nghĩa
Ticker Mã công ty
Name Tên công ty
Phụ lục B – Dữ liệu dùng trong thực nghiệm
Dữ liệu huấn luyện và kiểm tra
STT Mã Công Ty Tên Công ty Thời gian Ngày Nhãn
1 ABT Q 31/03/2008 Xấu 2 ACL Q 01/10/2007 Xấu 3 ACL Q 31/03/2008 Xấu 4 AGF Q 13/7/2007 Xấu 5 AGF Q 1/10/2007 Xấu 6 AGF Q 2/01/2008 Xấu 7 AGF Q 31/03/2008 Xấu 8 AGF Q 07/07/2008 Xấu 9 ALP Q 2/01/2008 Xấu 10 ALP Q 31/03/2008 Xấu 11 ALT Q 13/07/2007 Xấu 13 ALT Q 31/03/2008 Xấu 14 ALT Q 31/03/2008 Tốt 15 ASP Q 31/03/2008 Xấu 16 ASP Q 7/7/2008 Xấu 17 BBC Q 2/10/2006 Tốt 18 BBC Q 30/6/2006 Xấu 19 BBC Q 13/7/2007 Xấu 20 BBC Q 1/10/2007 Xấu 21 BBC Q 31/03/2008 Xấu 22 BBT Q 31/12/2004 Xấu
23 BBT Q 3/1/2006 Tốt 24 BBT Q 17/03/2006 Xấu 25 BBT Q 1/10/2007 Xấu 26 BBT Q 2/1/2008 Xấu 27 BBT Q 31/3/2008 Xấu 28 BBT Q 7/7/2008 Tốt 29 BT6 Q 31/12/2004 Xấu 30 BT6 Q 30/6/2005 Tốt 31 BT6 Q 3/1/2006 TT 32 BT6 Q 13/7/2006 Xấu 33 BT6 Q 1/10/2007 Xấu 34 BT6 Q 2/1/2008 Tốt 35 BT6 Q 31/3/2008 Xấu 36 BTC Q 31/12/2004 Xấu 37 BTC Q 13/7/2007 Tốt 38 BTC Q 1/10/2007 Tốt 39 BTC Q 2/1/2008 Xấu 40 DHG Q 31/3/2008 Xấu 41 DHG Q 7/7/2008 Xấu 42 DHG Q 13/7/2007 Tốt 43 DHG Q 2/1/2008 Xấu 44 DHG Q 31/3/2008 Tốt 45 DHG Q 7/7/2008 Xấu 46 FPC Q 31/3/2008 Tốt 47 FPC Q 7/7/2008 Xấu
48 IFS Q 31/3/2008 Xấu 49 IFS Q 7/7/2008 Tốt 50 PVD Q 31/03/2008 Xấu 51 PVD Q 7/7/2008 Tốt 52 SFC Q 31/03/2008 Xấu 53 SFC Q 7/7/2008 Tốt