- TÌM HIỂU MỘT SỐ MÔ HÌNH KHAI PHÁ DỮ LIỆU THỜI GIAN THỰC ÁP DỤNG VÀO BÀI TOÁN DỰ BÁO ỨNG. - Tôi xin cam đoan luận văn “Tìm hiểu một số mô hình khai phá dữ liệu thời gian thực áp dụng vào bài toán dự báo ứng dụng trong phân tích số liệu tài chính". - 1.1 Một số khái niệm về tài chính. - 1.1.1 Phân tích tài chính. - 1.1.2 Phương pháp phân tích tài chính. - 10 1.1.3 Dự báo tình hình tài chính. - 1.2 Phân tích kỹ thuật trong dự báo thị trường chứng khoánError! Bookmark not defined.. - 1.2.1 Thị trường chứng khoán. - 1.2.2 Phân tích kỹ thuật. - MỘT SỐ MÔ HÌNH TRONG BÀI TOÁN DỰ BÁO. - 2.1 Tổng quan về khai phá dữ liệu thời gian thực . - 2.2 Phân lớp dữ liệu. - 2.3 Một số mô hình dùng trong khai phá dữ liệu thời gian thựcError! Bookmark not defined.. - 2.3.1 Mô hình mạng nơ-ron nhân tạo (ANN – Artificial Neural Network)Error!. - 2.3.2 Mô hình máy vector hỗ trợ (SVM. - 2.4 Mô hình ARIMA. - 3.2 Xây dựng mô hình. - 3.3 Thu thập và tiền xử lý dữ liệu. - 3.3.1 Thu thập dữ liệu. - 3.3.2 Tiền xử lý dữ liệu. - 3.4 Tổ chức dữ liệu. - 3.6 Đánh giá mô hình và dự báo kết quả. - 4.2 Dữ liệu dùng trong thực nghiệm. - 4.3 Kết quả thực nghiệm. - 4.3.1 Kết quả chạy với mô hình ANN. - 4.3.2 Kết quả chạy với mô hình máy vector hỗ trợ (SVM)Error! Bookmark not defined.. - 4.3.3 Kết quả chạy với mô hình ARIMA. - 4.4 So sánh và đánh giá kết quả. - KDD Knowledge Discorvery and Data Mining PTKT Phân tích kỹ thuật. - PTKT Phân tích kỹ thuật. - Bảng 3.1 Tổ chức dữ liệu IBM. - Bảng 3.2 Tổ chức dữ liệu của mô hình. - Bảng 4.2 Kết quả độ chính xác đối với mô hình ANN . - Bảng 4.3 Kết quả độ chính xác đối với mô hình SVM . - Bảng 4.4 So sánh kết quả trung bình giữa mô hình ANN và SVMError! Bookmark not defined.. - Bảng 4.5 Kết quả đưa ra lời khuyên cho người dùng. - Hình 1.1 Biểu đồ dạng đường. - Hình 1.2 Biểu đồ dạng then chắn. - Hình 1.3 Kí tự trong biểu đồ dạng then chắn. - Hình 1.4 Biểu đồ dạng cây nến. - Hình 2.1 Mô hình khai phá dữ liệu. - Hình 2.2 Mô hình nơ-ron sinh học. - Hình 2.3 Cấu trúc của một nơ-ron. - Hình 2.4 Cách tính hàm tổng. - Hình 2.5 Cấu trúc của mạng nơ-ron. - Hình 2.6 Hàm sigmoid. - Hình 2.7 Siêu phẳng phân chia dữ liệu theo phương pháp SVMError! Bookmark not defined.. - Hình 2.8 Minh họa bài toán phân lớp nhị phân bằng phương pháp SVM. - Hình 2.9 Ví dụ về chiều hướng giảm đều khác nhau [2]Error! Bookmark not defined.. - Hình 3.1 Mô hình dự báo đề xuất. - Hình 3.2 Tạo tập huấn luyện trong mạng nơ-ron. - Hình 3.3 Quá trình dự đoán trong mô hình mạng nơ-ronError! Bookmark not defined.. - Hình 4.1 Giá đóng cửa và số lượng giao dịch. - Hình 4.2 Biểu đồ thể hiện tính mùa vụ của close và volumeError! Bookmark not defined.. - Hình 4.3 Đồ thị giá đóng cửa và MA10, MA20. - Hình 4.4 Đồ thị biểu diễn giá đóng cửa, MA10 và EMAError! Bookmark not defined.. - Hình 4.5 Kết quả dự đoán của mô hình mạng nơ-ron. - Hình 4.6 Kết quả dự đoán mô hình mạng nơ-ron với bộ tham số tối ưu. - Hình 4.7 Mô hình mạng nơ-ron với bộ tham số tối ưu theo phương pháp vét cạn Error!. - Hình 4.8 Kết quả dự đoán của mô hình SVM. - Hình 4.9 Mô hình dự đoán SVM tối ưu theo phương pháp vét cạnError! Bookmark not defined.. - Hình 4.10 Sơ đồ quá trình kết hợp giải thuật GA –SVMError! Bookmark not defined.. - Hình 4.11 Kết quả mô hình dự đoán SVM tối ưu theo phương pháp GA. - Hình 4.12 Kết quả dự đoán bằng mô hình ARIMA kết hợp phương pháp vét cạn. - Dữ liệu tài chính luôn là nguồn dữ liệu vô cùng phong phú trong giai đoạn hiện nay. - Đặc biệt, sự phát triển mạnh mẽ của công nghệ thông tin cùng mạng internet đã giúp con người có thể dễ dàng tiếp cận với kho dữ liệu khổng lồ đó. - Tuy nhiên, trên thực tế, con người cần phải biết chắt lọc, chọn lựa những thông tin có ích nhằm phân tích, khai thác, phát hiện tri thức bên trong dữ liệu đó một cách hiệu quả. - Các phương pháp quản trị và khai thác dữ liệu thủ công, truyền thống tỏ ra kém hiệu quả trước nhu cầu khai thác và phát hiện thông tin trong giai đoạn hiện nay. - Từ đó, kỹ thuật phát hiện tri thức và khai phá dữ liệu (KDD – Knowledge Discorvery and Data Mining) ra đời đã đem lại hiệu quả cao trong vấn đề khai thác và phát hiện tri thức, áp dụng trên nhiều lĩnh vực khác nhau, đặc biệt là trong quản lý vĩ mô và kinh doanh mà cụ thể hơn nữa là trong thị trường chứng khoán.. - Vì vậy, làm thế nào để dự đoán chính xác được sự lên xuống của thị trường là một bài toán mà mọi nhà đầu tư đều quan tâm, tìm hiểu, nghiên cứu và phân tích.. - Đã có rất nhiều nghiên cứu trên thế giới (trong đó có Việt Nam) về bài toán dự báo thị trường chứng khoán sử dụng các mô hình khai phá dữ liệu khác nhau. - Năm 2001, Efstathios Kalyvas đã phân tích thị trường chứng khoán sử dụng mô hình mạng nơ-ron và đạt được những kết quả nhất định. - Và mới đây, năm 2007 trong luận văn thạc sĩ của học viên Phạm Thị Hoàng Nhung (ĐHQGHN) cũng đã nghiên cứu về mạng nơ-ron ứng dụng vào dự báo lưu lượng nước đến hồ Hòa Bình với kết quả dự báo chính xác lớn trên 80%.. - Trong khuôn khổ của luận văn, tác giả tập trung tìm hiểu nghiên cứu về một số mô hình khai phá dữ liệu thời gian thực áp dụng cho bài toán phân tích thị trường chứng khoán, cụ thể là mô hình mạng nơ-ron nhân tạo, mô hình máy vector hỗ trợ và. - mô hình arima. - Mục tiêu của luận văn là áp dụng giải thuật gen di truyền để tối ưu mô hình mạng nơ-ron và mô hình máy vector hỗ trợ, từ đó so sánh, đánh giá để tìm ra mô hình phù hợp hơn với bộ dữ liệu ban đầu. - Chƣơng 1: Một số khái niệm cơ bản về tài chính. - Trong chương này, tác giả sẽ giới thiệu một số khái niệm cơ bản về tài chính và thị trường chứng khoán. - Chương 1 của luận văn tập trung đi nghiên cứu về các chỉ số cơ bản trong chứng khoán và phân tích kỹ thuật ứng dụng trong dự báo chứng khoán.. - Chƣơng 2: Tổng quan về khai phá dữ liệu thời gian thực. - Chương này giới thiệu tổng quan về khai phá dữ liệu thời gian thực và một số mô hình dùng trong khai phá dữ liệu như mô hình mạng nơ-ron nhân tạo (ANN), mô hình máy vector hỗ trợ (SVM) và mô hình Arima.. - Chƣơng 3: Mô hình dự báo thị trƣờng chứng khoán. - Chương 3 tập trung vào tìm hiểu về mô hình dự báo trong thị trường chứng khoán. - Nội dung chủ yếu là lý thuyết tìm hiểu về quy trình trong bài toán khai phá dữ liệu áp dụng cho dự báo thị trường chứng khoán như: giới thiệu về bài toán, xây dựng mô hình, thu thập và tiền xử lý dữ liệu, đánh giá mô hình.. - Nội dung chủ yếu của chương 4 là ứng dụng 3 mô hình đã nghiên cứu để dự báo thị trường chứng khoán. - Mỗi mô hình lần lượt được chạy trên bộ tham số ngẫu nhiên, bộ tham số tối ưu sử dụng phương pháp vét cạn và bộ tham số sau khi đã tối ưu sử dụng phương pháp học máy (cụ thể là phương pháp gen di truyền). - Từ đó so sánh, đánh giá kết quả và đưa ra lựa chọn mô hình phù hợp với bộ dữ liệu cũng như lời khuyên cho người dùng.. - 1.1 Một số khái niệm về tài chính 1.1.1 Phân tích tài chính. - Các hệ thống tài chính chứa đựng một kho dữ liệu khổng lồ, phức tạp. - Việc phân tích tài chính là một nghiệp vụ cần thiết nhằm đánh giá tình hình kinh tế của đất nước, của từng ngành, từng địa phương và trên cơ sở đó xác định được nhu cầu cần thiết của xã hội và có những định hướng thỏa đáng. - Đối với doanh nghiệp và các nhà đầu tư thì việc đánh giá, phân tích hoạt động kinh doanh nhằm nắm bắt tình hình tài chính, kinh doanh của doanh nghiệp, giúp họ đưa ra những phương hướng, quyết định đúng đắn trong hoạt động kinh doanh, giúp doanh nghiệp tồn tại và phát triển theo một hướng đi tốt.. - Vậy Phân tích hoạt động tài chính doanh nghiệp là quá trình thu thập, xử lý các thông tin kế toán, nhằm xem xét, kiểm tra, đối chiếu, so sánh tài chính hiện hành với quá khứ, giúp người sử dụng thông tin có thể đánh giá tình hình tài chính DN, đánh giá về tiềm năng, hiệu quả kinh doanh cũng như rủi ro trong tương lai.. - Ý nghĩa của việc phân tích tài chính có giá trị khác nhau tùy thuộc vào mục đích, nhu cầu của người sử dụng. - Tuy nhiên, để phân tích được chính xác thì cần có một thông tin đầy đủ, chính xác để giúp họ có quyết định đúng đắn khi ra quyết định đầu tư, cho vay, sản xuất.... - Đây là ý nghĩa quan trọng nhất của việc phân tích tài chính doanh nghiệp nói riêng và phân tích tình hình tài chính của một quốc gia nói chung.. - 1.1.2 Phƣơng pháp phân tích tài chính. - Để tiến hành phân tích tài chính, thông thường người ta sử dụng kết hợp nhiều phương pháp phân tích để đánh giá tình hình doanh nghiệp một cách xác thực và tối ưu.. - Phương pháp chủ yếu hiện nay là phương pháp so sánh và phân tích tỉ lệ [1].. - So sánh là phương pháp được sử dụng phổ biến trong phân tích để xác định xu hướng, mức độ biến động của chỉ tiêu phân tích. - (2009), Dự Báo và Phân Tích Dữ Liệu trong Kinh Tế và Tài Chính, NXB Thống Kê.