he tro giup quyet dinh tran dinh khang nhom 12

BÁO CÁO
HỆ TRỢ GIÚP QUYẾT ĐỊNH

Hệ Thống Hỗ Trợ Quyết Định Chỉ Số Cổ Phiếu Thương Mại

Giảng viên hướng dẫn :

Sinh viên thực hiện : 1.

PGS.TS Trần Đình Khang.

MSSV :

2.

MSSV :

3.

MSSV :

4.

MSSV :

1


Nội dung báo cáo

I.

Giới Thiệu Bài Toán.

II. Mô Tả Bài Toán.
III. Phương Pháp Giải Quyết Bài Toán.

IV.
V.

Thử Nghiệm.
Kết Luận

2


I.Giới thiệu bài toán



Ngày nay, sự phát triển vượt bậc của tin học đã giúp ích rất nhiều cho ngành tài chính đặc biệt là chứng khoán.



Tỉ giá của chứng khoán không chuyển động tự do, ngẫu nhiên và không hề liên quan một cách phi tuyến tính đến dữ liệu cũ.



Những hệ thống sử dụng kỹ năng phân tích, những kiểu máy tính nhận diện biểu đồ đã và đang phát triển nhanh chóng.

3

I.Giới thiệu bài toán.



Hệ thống hỗ trợ quyết định là công cụ hữu ích trong việc trợ giúp người sử dụng lên kế hoạch và đưa ra những quyết định và có giao
diện đơn giản.



Trong quá khứ, trước sự phổ biến của mạng lưới nơ ron các nghiên cứu hầu hết tập trung vào phân tích chuỗi thời gian đặc biệt là những
hệ thống máy tính thông minh.



Kuo đã đề xuất một hệ thống hỗ trợ quyết định dành riêng cho thị trường chứng khoán thông qua sự kết hợp của những mạng lười nơ ron
và ngôn ngữ lập trình Delphi.

4


I.Mô Tả Bài Toán



Trong toàn bộ thị trường liệu có thể tìm ra một mô hình có thể thích hợp với tất cả các loại chứng khoán và tỉ giá.



Để giải quyết vấn đề này, hệ thống trao đổi chứng khoán đã được phát triển và sử dụng mạng nơ ron nhân tạo để dự đoán biến động tỉ giá chứng
khoán.



Việc dự đoán tỉ giá trong tương lai hiệu quả hơn so với việc tạo ra lợi nhuận và sẽ tạo ra những quyết định hợp lý trong kinh doanh.

5


II.Mô Tả bài toán.



Mạng nơ ron nhân tạo được phát minh dựa trên cấu trúc và chức năng của mạng nơ ron sinh học. Nó đã trở thành một công cụ quan trọng
trong việc định hình các dữ liệu thống kê, đặc biệt phát hiện ra mối quan hệ phi tuyến tính giữa nguồn vào và kết quả dữ liệu.



Thuật toán Backpropagation được sử dụng rộng rãi trong mô hình mạng lưới nơ ron nhân tạo. Nó là sự khái quát của phép đo sai số toàn
phương trung bình, làm thay đổi trọng số trong mạng lưới để giảm thiểu sai số giữa kết quả mong muốn và kết quả thực.

6


II.Mô Tả Bài Toán



PSO là phương thức tính toán giảm thiểu tối ưu những vấn đề thông qua việc cải thiện nhiều giải pháp lẫn nhau dựa trên chức

năng phép đo lường tương ứng.



Quá trình tối ưu bầy đàn ( PSO ) chỉ dừng lại khi đạt được mục tiêu hoặc khi đạt những phép đo tối đa.



Hệ thống này sử dụng một mạng lưới nơ ron nhân tạo để dự đoán những chuyển động của tỉ giá chứng khoán trong tương lai.

7


II.Mô Tả Bài Toán.








Kết quả mạng nơ ron tiêu chuẩn rơi vào khoảng từ 0 đến 1. Các kết quả rơi vào các trường hợp sau :
Từ 0,5 đến 1 cho biết tỉ giá đang tăng.
Từ 0 đến 0,5 biểu thị sự đi xuống của tỉ giá.
Bằng 1 hệ thống đưa ra gợi ý là mua hoặc giữ tỉ giá chứng khoán.
Bằng 0 hệ thống khuyên người dung nên bán.

Hệ thống này sẽ điều chỉnh sao cho phù hợp để thích hợp với từng loại tỉ giá chứng khoán một cách tối ưu nhất.

8


III.Phương Pháp Giải Quyết Bài Toán.

 Phương Pháp Thích Nghi


Việc lựa chọn nguyên liệu đầu vào của mạng nơ ron có ảnh hưởng rất lớn tới sự chính xác của việc dự đoán và hoạt động của các mạng
lưới.



Sự phân tích những yếu tố chính, giải thuật di truyền, những cây quyết định được sử dụng rộng rãi để lọc ra những biến số đại diện.



Dữ liệu đầu vào sẽ được chọn lựa trong những nhóm số tiềm năng mà các chuyên gia khuyên dùng và có thể khác nhau trong một số
trường hợp.

9


III.Phương Pháp Giải Quyết Bài Toán.



N
Với N biến số, sự kết hợp nguồn dự liệu đầu vào khác nhau trong mạng lưới có thể là 2 -1 khi N tăng thì con số này rất lớn sẽ tiêu thụ nhiều tài
nguyên. Vì vậy phải giảm kích cỡ mạng lưới sử dụng.



Các nhà nghiên cứu đã phát hiện ra mô hình hoàn hảo nhất chỉ cần 5 biến số hoặc có thể ít hơn. Kết quả là khi họ đặt nguồn dữ liệu đầu vào mạng nơ
ron lớn nhất là 5, sự kết hợp các dữ liệu đó được giảm xuống :

Trong đó với N là biến số.

10


III.Phương Pháp Giải Quyết Bài Toán.










Có một vài cách khác được phát triển để sử dụng những mẫu lai của mạng lưới nơ ron và logic mờ. Ví dụ :

Atsalakis và Valvanis phát triển hệ thống điều chỉnh thị trường chứng khoán.
Cheng, Chen, Teoh và Chiang đề xuất mô hình chuỗi thời gian mờ để dự báo tỉ giá.
Hadavandi et al đã tổng hợp hệ thống lai mờ và mạng lưới nơ ron để sự báo tỉ giá chứng khoán.
Samaras và Matsatsinis miêu tả hệ thống hỗ trợ quyết định đa tiêu chuẩn để giới thiệu sự ước tính trên sàn giao dịch Athen.
Tsaih, Hsu và Lai đã phát triển hệ thống trí tuệ nhân tạo để dự đoán chỉ số của 500 công ty giao dịch công khai trên thị trường Mỹ.
Hsiao đã tổng hợp rất nhiều đặc điểm của các phương pháp lựa chọn khác nhau để hỗ trọ việc dự đoán.

Amornwatana, Enake và Dagli miêu tả việc sử dụng mô hình lai để tìm ra lựa chọn hợp lý nhất trao đổi và dự đoán biến động chứng khoán.

11


III.Phương Pháp Giải Quyết Bài Toán.



Sự dự đoán phương hướng chính xác ( DPC ) và các điểm lợi từ quá trình đánh giá giả định sẽ được tính toán và sử dụng như là công
cụ để xác định kiểu mẫu cuối cùng cho các quá trình tiếp theo.



Phương pháp của sổ chuyển động để thử nghiệm các dữ liệu sẽ phản ánh mối quan hệ gần nhất giữa những dữ liệu đầu vào và ra.



Những nghiên cứu về thuật toán Backpropagation được sử dụng mạng nơ ron để giảm tải tối thiểu sai số toàn phương giữa những kết
quả ước tính và thực tế.

12


III.Phương Pháp Giải Quyết Bài Toán.

Hệ thống bao gồm 4 mô đun :







Mô đun tiền xử lý dữ liệu.
Mô đun khởi tạo mạng nơ ron.
Mô đun thử nghiệm mạng lưới nơ ron.
Mô đun dữ liệu đầu ra.
13


III.Phương Pháp Giải Quyết Bài Toán.



Quá trình tiền xử lý dữ liệu:



Đây là mô đun đầu tiên của toàn bộ hệ thống, nó có nhiệm vụ làm đơn giản hóa dữ liệu đầu vào ở khoảng từ 0 đến 1.



Có rất nhiều phương pháp để đơn giản hóa dữ liệu.



Trong nghiên cứu này quá trình đơn giản hóa được diễn ra như sau:







Trong đó:
Vi là dữ liệu gốc.
Vmin và Vmax là dữ liệu nhỏ nhất, lớn nhất.
Vn thể hiện giá trị sau khi đơn giản hóa.

14


III.Phương Pháp Giải Quyết Bài Toán.



Particle swarm trong mô đun khởi tạo mạng nơ ron:



Mô đun này được thiết kế để giải quyết những bất lợi của thuật toán Backpropagation.



Thuật toán bầy đàn được sử dụng để nâng cao tính hiệu quả của mô đun này.



Thuật toán này có một khoảng tìm kiếm khá lớn, điều này giúp mạng nơ ron tránh được những điểm mù cục bộ.



Mô đun này sẽ trở nên rất hiệu quả trong việc giảm thiểu thời gian tiêu thụ.

15


III.Phương Pháp Giải Quyết Bài Toán.



Mô đun thử nghiệm mạng lưới nơ ron:



Mô đun này gồm 3 lớp điều khiển, 1 lớp bị ẩn.



Nguyên tắc đánh giá phổ biến là những điểm mấu chốt trong các lớp bị ẩn phải ít hơn 2 lần so với số lượng dữ liệu đầu vào.



Những lớp mấu chốt bị ẩn phải bằng 2N-1 trong đó N là số lượng dữ liệu đầu vào.



Mô đun này thiết kế để tiến hành những cuộc thử nghiệm và dự đoán.

16

III.Phương Pháp Giải Quyết Bài Toán.



Mô đun dữ liệu đầu ra



Tín hiệu mua bán sẽ xuất hiện trong mô đun này. Mô đun có 3 quá trình khác nhau : mua, sở hữu và bán.



Nếu các thương gia không sở hữu chứng khoán có chỉ số dự đoán cao hơn 0.5 ( tín hiệu bán ), họ sẽ mua chứng khoán, nếu không thì
những thương gia không làm gì cả.



Nếu như chỉ số chứng khoán dự đoán lơn hơn 0.5, họ sẽ giữ lại, nếu không trong trường hợp chỉ số thấp hơn 0.5 ( tín hiệu bán ) chứng
khoán này sẽ bị bán.

17


III.Phương Pháp Giải Quyết Bài Toán.



Biến số độc lập



Những phân tích được bắt đầu từ việc lựa chọn những biến số tiềm năng, những biến số này sẽ được sử dụng trong những mô hình dữ
liệu đầu vào.



Những chỉ số được thông báo từng quý thường không có biến động nào còn đối với dự báo thường nhật, những thông số quan trọng
thường là giá cả và lượng chỉ số chứng khoán trong ngày cuối cùng mua và bán.



Rất nhiều những phép đo lường kỹ thuật cùng với dữ liệu cơ bản về chỉ số chứng khoán đều đã được nghiên cứu kỹ lưỡng.

18


III.Phương Pháp Giải Quyết Bài Toán.



Đường trung bình là phương pháp đo lường phổ biến thường được sử dụng để phân tích, nó chỉ ra được những chiều hướng ngắn và dài
hạn dựa trên số trung bình của những chu kỳ.



Đường trung bình trong 5 ngày giao dịch được miêu tả trong hệ thống này cùng với việc phân tích xu hướng ngắn hạn.



Khoảng thời gian ngắn hạn sẽ phù hợp với việc mua bán thường nhật.



Đường trung bình đơn giản được tính qua công thức :

Trong đó: Pt-n là của chứng khoán tại thời điểm t-n

19


III.Phương Pháp Giải Quyết Bài Toán.



Hỗ trợ và độ bền có thể đo lường được tần suất của chứng khoán và các chỉ số để có thể hỗ trợ cho việc giá cả bị giảm hoặc kháng cự
cho giá cao.



Để biết được chỉ số MPP trong số ngày K cuối cùng ta dung công thức:

Trong đó :





P là tỉ giá hiện tại.
Pmin, Pmax tỉ giá nhỏ nhất và lớn nhất.

Máy dao động tỉ lệ phần trăm của giá ( MPO ) là cung cụ xung lượng kỹ thuật cho biết mối quan hệ giữa tỉ lệ trung bình ngắn hạn và dài
hạn.



Trong cái nhìn truyền thống, tín hiệu bán gặp vấn đề khi PPO nhỏ hơn 0. Công thức tính PPO:



EMA là đường trung bình số mũ.

20


IV. Thử Nghiệm



Hệ thống kể trên đã thực nghiệm mạng nơ ron với những dữ liệu thường nhật trong vòng 2 năm từ 1/2008 đến 12/2009



Mẫu thử 1 năm từ 1/2010 đến 12/2010 đã được giữ lại để truy cập trình dự báo của mạng nơ ron.

21


IV. Thử Nghiệm



Để có thể đánh giá cách thức hoạt động của mạng nơ ron trong việc tạo ra tín hiệu mua bán, DCP đã được tính toán cụ thể. Nếu DCP
lớn hơn 50%, hệ thống sẽ phát sinh ra lợi nhuận.



Trong mô phỏng này, phần mềm hoạt động một lần trong khi mua bán đã có được 252 lần trao đổi.



Những cuộc trao đổi trong hệ thống hỗ trợ được coi trọng rất nhiều so với bản sao của chúng.

22


IV. Thử Nghiệm



Đối với chỉ số 500 S&P nguồn dữ liệu đầu vào MAt-1 ( 5 ngày ) DPt-1,DPt-2 và PRt-1 ( 30 ngày ). Độ chính xác của việc dự đoán
phương hướng đạt 57.54% với tiền thu về là 14.7%.



Đối với IXIC, dữ liệu đầu vào MAt-1,DPt-1DPt-2 với DCP thu về lần lượt là 59.52% và 20.24%



Kết quả này cho thấy mô hình 1 không thể phù hợp với tất cả chỉ số.

23


IV. Thử Nghiệm



Những chỉ số ETFs là một kết hợp tốt giữa và vốn nhỏ cổ phiếu lớn cùng với lựa chọn các chỉ só quốc tế và trong nước.



Các chỉ số được chọn được liệt kê trong bảng dưới đây.

24


IV. Thử Nghiệm



Sự cải thiện của hệ thống đề xuất trên các chỉ số của Mỹ có vẻ khá nhất quán. Độ chính xác dự đoán trung bình và cải tiến là
58.39% và 46.30% tương ứng. ( 58,39=DCP/5 46,3=Impro/5 )



Việc thực hiện các lĩnh vực được lựa chọn là tương tự như chỉ số của Mỹ. Hệ thống đề xuất tang lợi nhuận khoang 10%

25