Lời cảm ơn Lời đầu tiên, em xin gửi lời cám ơn chân thành tới thày cô giáo thuộc trường Đại học Bách Khoa Hà Nội, người tận tình dạy tất kiến thức đại cương chuyên ngành cho em suốt trình học tập nghiên cứu trường Trong trình thực đồ án tốt nghiệp em học hỏi thêm nhiều điều, hội để em tổng kết kiến thức học, đồng thời rút kinh nghiệm quý báu Mặc dù có số khó khăn vướng mắc thời gian hoàn thiện đồ án, nhờ bảo, hướng dẫn tận tình thầy giáo, PGS TS Trần Đình Khang - mơn Hệ thống thơng tin – Viện Công Nghệ Thông Tin Truyền Thông - trường Đại học Bách Khoa Hà Nội, em kịp thời khắc phục nói đồ án hoàn thành mức độ định Bên cạnh kết đạt được, chắn em khơng tránh khỏi thiếu sót hạn chế Sự phê bình, nhận xét thầy học quý báu cho công việc nghiên cứu em sau Một lần em xin chân thành cảm ơn giúp đỡ thầy cô, đặc biệt PGS TS Trần Đình Khang giúp đỡ em hoàn thành đồ án tốt nghiệp Em xin gửi lời cảm ơn sâu sắc đến gia đình, bạn bè ln bên, ủng hộ, động viên tinh thần cho em suốt trình thực đồ án Xin kính chúc q thầy mạnh khỏe, hạnh phúc, tiếp tục đạt nhiều thành công nghiên cứu khoa học nghiệp trồng người Sinh viên thực hiện: TÓM TẮT NỘI DUNG ĐỒ ÁN TỐT NGHIỆP Đồ án giới thiệu phương pháp mơ hình hóa mờ sử dụng tập mờ loại hai ứng dụng dự báo điều khiển tài cụ thể dự báo giá cổ phiếu thị trường chứng khoán Sử dụng kỹ thuật mơ hình hóa mờ dự báo tài có ý nghĩa thực tiễn lớn, đặc biệt lĩnh vực thị trường chứng khoán, việc sử dụng phương pháp góp phần làm tăng độ xác kết tính tốn so với phương pháp sử dụng trước với tập mờ loại thơng thường Mơ hình xây dựng đồ án dựa tảng Hệ suy diễn mờ Mamdani, kết cấu từ mơ hình mờ nhúng; sau lựa chọn mơ hình phù hợp để suy diễn với liệu đầu vào cho trước Kết qủa thực nghiệm liệu cổ phiếu Michio Sugeno Takahiro Yasukawa cung cấp “A Fuzzy-Logic-Based Approach to Qualitative Modeling” lEEE TRANSACTIONS ON FUZZY SYSTEMS, VOL I, NO I FEBRUARY 1993 Sinh viên thực hiện: ABSTRACT OF THE THESIS My project introduces a new fuzzy system modeling method, that using Type fuzzy sets in finance control, specifically, is stock price prediction in securities market Applying fuzzy system modelling technology in finance prediction has a major practical meaning Especially, in securities market area, and the usage of this new method can contribute to increasing degree of accuracy in calculating result in compared with the methods have used before with normal Type fuzzy sets The built model in project was based on the foundation of “ Mamdani Fuzzy Deducing System”, that was composited from a set of embedding fuzzy model; then choose the most appropriate model to deduce with any given input data The experimental result on stock data supported by Michio Sugeno and Takahiro Yasukawa in “ A Fuzzy-Logic-Based Approach to Qualitative Modeling” LEEE TRANSACTIONS ON FUZZY SYSTEM, VOL I NO I FEBRUARY 1993 Sinh viên thực hiện: PHIẾU GIAO NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Thông tin sinh viên Họ tên sinh viên: Điện thoại liên lạc: 0904 572 594 Email: son.workingnow@gmail.com Lớp: HTTTB - K50 Hệ đào tạo: Đại học quy Đồ án tốt nghiệp thực tại: Bộ môn HTTT – Viện CNTT & Truyền Thông Thời gian làm ĐATN: Từ ngày 16 / 02 /2010 đến 28 / 05 /2010 Mục đích nội dung ĐATN Tìm hiểu logic mờ mơ hình hóa mờ Xây dựng mơ hình mờ nhúng từ liệu luyện tập, mơ hệ thống dự báo giá cổ phiếu thị trường chứng khoán Các nhiệm vụ cụ thể ĐATN - Tìm hiểu logic mờ mơ hình hóa mờ: + Tìm hiểu logic mờ: khái niệm lý thuyết tập mờ có liên quan đến mơ hình hóa mờ + Tìm hiểu mơ hình hóa mờ sử dụng tập mờ loại thơng thường tập mờ loại hai rời rạc - Xây dựng hệ suy diễn mờ sử dụng công cụ Fuzzy Logic Toolbox Matlab - Xây dựng hệ thống dự báo giá cổ phiếu Matlab với mục đích nghiên cứu, có giao diện dễ sử dụng - Đánh giá kết so sánh với phương pháp khác Lời cam đoan sinh viên: Tôi Đào Mạnh Sơn cam kết ĐATN cơng trình nghiên cứu thân tơi hướng dẫn PGS.TS Trần Đình Khang Các kết nêu ĐATN trung thực, khơng phải chép tồn văn cơng trình khác Xác nhận giáo viên hướng dẫn mức độ hoàn thành ĐATN cho phép bảo vệ: Hà Nội, ngày Sinh viên thực hiện: tháng năm MỤC LỤC Lời cảm ơn TÓM TẮT NỘI DUNG ĐỒ ÁN TỐT NGHIỆP ABSTRACT OF THE THESIS .3 PHIẾU GIAO NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP MỤC LỤC DANH MỤC BẢNG VÀ HÌNH VẼ .8 THUẬT NGỮ VÀ CÁC TỪ VIẾT TẮT 10 Thuật ngữ 10 Giải thích 10 FCM 10 Viết tắt Fuzzy C-Means, phương pháp phân cụm mờ giúp xác định tâm cụm liệu độ thuộc liệu cụm mờ 10 LFR 10 Viết tắt Linguistic Fuzzy Rulebase sở luật ngữ nghĩa dùng cho mơ hình mờ điển hình mơ hình Mamdani 10 FT2FS 10 Viết tắt Full Type Fuzzy Sets, FT2FS mờ đặc trưng với hàm thuộc mờ với giá trị vô hướng khoảng đơn vị 10 IVT2FS 10 Viết tắt Interval Type Fuzzy Sets, IVT2FS trường hợp đặc biệt FT2FS có độ thuộc thứ cấp 10 DT2FS 10 Viết tắt Discrete Type Fuzzy Sets, giống với IVT2FS với giá trị rời rạc 10 RMSE 10 Viết tắt Root Mean Square Error, sai số bình phương tiêu chuẩn tiêu dùng để đánh giá sai số đồ án 10 FDT 10 Viết tắt Fuzzy Decision Tree, giải thuật định dùng lo – gic mờ Mohd Noor Md Sap Rashid Hafeez Khokhar sử dụng để dự báo chiều tăng giảm giá cổ phiếu 10 ANFIS 10 Viết tắt Adaptive Neuro-Fuzzy Inference System, kỹ thuật ghép nối điều khiển mờ mạng nơ-ron mang lại nhiều thành công kỹ thuật điều khiển 10 Sinh viên thực hiện: NN 10 LR 10 LỜI MỞ ĐẦU 11 CHƯƠNG I: GIỚI THIỆU ĐỀ TÀI 12 1.1 GIỚI THIỆU ĐỀ TÀI 12 1.2 MỤC TIÊU VÀ GIẢ I PHÁP 12 1.2.1 Mục tiêu 12 1.2.2 Giải pháp .12 1.2.2.1 Tìm hiểu logic mờ mơ hình hóa 12 1.2.2.2 Xây dựng mơ hình mờ loại nhúng 12 1.2.2.3 Xây dựng mơ hình mờ loại hai 13 1.3 NỘI DUNG ĐỒ ÁN 13 1.4 KẾT LUẬN 14 CHƯƠNG II: CÁC KHÁI NIỆM CƠ BẢN 15 2.1 GIỚI THIỆU 15 2.2 CÁC KHÁI NIỆM CƠ BẢN .15 2.2.1 Tập mờ loại (type fuzzy sets) 15 2.2.2 Một số dạng hàm thuộc loại tính chất 17 2.2.3 Luật mờ if-then (if then rules) 20 2.3 MƠ HÌNH HĨA MỜ 22 2.4 MƠ HÌNH MỜ SỬ DỤNG TẬP MỜ LOẠI MỘT 26 2.4.1 Kiến trúc .26 2.4.2 Hoạt động mơ hình mờ sử dụng tập mờ loại 27 2.4.3 Mơ hình mờ Mamdani 28 2.5 MƠ HÌNH MỜ SỬ DỤNG TẬP MỜ LOẠI HAI KHOẢNG RỜI RẠC 29 2.6 KIẾN TRÚC VÀ NGUYÊN LÝ HOẠT ĐỘNG CỦA HỆ MỜ TRONG DỰ BÁO GIÁ CỔ PHIẾU .39 2.7 KẾT LUẬN .40 CHƯƠNG III: XÂY DỰNG MÔ HÌNH MỜ 41 3.1 XÂY DỰNG CÁC MƠ HÌNH MỜ NHÚNG 41 3.2 XÂY DỰNG MƠ HÌNH MỜ NHÚNG SỬ DỤNG TẬP MỜ LOẠI HAI 41 3.2.1 Tối ưu mơ hình mờ loại hai 41 3.2.2 Xây dựng bảng tra cứu m 42 3.2.3 Các bước suy diễn .43 3.2.4 Bộ liệu huấn luyện 45 3.3 KẾT LUẬN 49 CHƯƠNG IV: XÂY DỰNG HỆ THỐNG DỰ BÁO GIÁ CỔ PHIẾU TRONG THỊ TRƯỜNG CHỨNG KHOÁN .51 4.1.1 Xây dựng mơ hình mờ với Fuzzy Logic Toolbox Matlab 51 4.1.1.1 FIS Editor .52 4.1.1.2 Membership Function Editor .53 4.1.1.3 Rule editor 55 Sinh viên thực hiện: 4.1.1.4 The Rule Viewer 56 4.1.1.5 The Surface Viewer .57 4.2.1 Xây dựng hệ suy diễn công cụ Matlab 59 4.2.2 Xây dựng hệ thống dự báo giá cổ phiếu 62 4.2.2.1 Chức phạm vi sử dụng 62 Biểu đồ phân rã chức 62 Thị trường chứng khốn đã, đóng góp giá trị phần khơng nhỏ cho kinh tế tồn cầu; nên hoạt động nghiên cứu xung quanh vấn đề dự báo giá cổ phiếu ý quan tâm khơng nhà phân tích tài mà nhà đầu tư chứng khốn hay tất người hoạt động kinh doanh lĩnh vực liên quan 69 Ưu điểm: 70 + Phương pháp có khả biểu diễn nhanh, trực quan chiều tăng giảm giá cổ phiếu 70 + Bộ liệu mẫu quen thuộc với giao dịch chứng khoán thực tế giúp .70 người dễ dàng tìm kiếm thông tin 70 Nhược điểm: 70 + Chúng ta dự báo giá cổ phiếu tăng hay giảm mà cụ thể bao nhiêu, nhiều hay 70 + Với liệu mẫu lớn kích cỡ định tăng theo dẫn đến rắc rối cho người dùng 70 CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 73 5.1 KẾT LUẬN .73 5.2 PHƯƠNG HƯỚNG PHÁT TRIỂN 73 TÀI LIỆU THAM KHẢO 75 Sinh viên thực hiện: DANH MỤC BẢNG VÀ HÌNH VẼ Hình 2.1: Một số dạng hàm thuộc thơng dụng………………………………………… 16 Hình 2.2: Hàm thuộc có mức chuyển đổi tuyến tính………………………………… 16 Hình 2.3: Miền xác định miền tin cậy tập mờ…………………………… 17 Hình 2.4: Hàm thuộc tuyến tính khúc dạng tam giác (trimf) dạng hình thang (trapmf) ……………………………………………………………………….18 Hình 2.5: Một số dạng hàm thuộc trơn………………………………………………… 19 Hình 2.6: Ví dụ hàm thuộc loại hai.………………………………………………….21 Hình 2.7: Sơ đồ chu trình nhận dạng hệ thống tổng quát 22 Hình 2.8: Sơ đồ q trình mơ hình hố mờ ba giai đoạn 24 Hình 2.9: Cơ chế suy diễn mờ 26 Hình 2.10: Mơ hình mờ Mamdani sử dụng product max cho phép toán AND mờ OR mờ 28 Hình 2.11: Mơ hình mờ Mamdani sử dụng max cho phép toán AND mờ OR mờ 29 Hình 2.12: Kiến trúc mơ hình mờ sử dụng tập mờ loại hai 29 Hình 2.13:Tập liệu chiều 33 Hình 2.14: Phân cụm liệu theo phương pháp K-means 33 Hình 2.15 : Phân cụm liệu theo phương pháp Fuzzy C-means 33 Hình 2.16: Phân cụm 20 liêu thơ 35 Hình 2.17: Phân cụm liệu với m = 35 Hình 2.18: Tối ưu phân cụm liệu 36 Hình 2.19: Dạng hàm thuộc biến đầu vào biến đầu 37 Hình 2.20: Kiến trúc mơ hình mờ loại hai sử dụng 38 Hình 2.21: Kiến trúc ngun tắc hoạt động mơ hình mờ nhúng 39 Hình 3.1: Bộ liệu cổ phiếu luyện tập cổ phiếu A 44 Hình 3.2: Bộ liệu kiểm thử cổ phiếu A 45 Hình 3.3: biểu đồ mức độ thay đổi giá cổ phiếu A 46 Hình 3.4: Tập luật sở Michio Sugeno Takahiro Yasukawa 47 Hình 4.1: Giao diện đồ họa Matlab mô hệ suy diễn mờ 50 Hình 4.2: Cửa sổ giao diện (Fuzzy Inference system) 51 Hình 4.3: Khai báo tham số vào hệ thống 52 Hình 4.4: Hàm thuộc tương ứng với biến vào 53 Sinh viên thực hiện: Hình 4.5: Định nghĩa hàm thuộc cho biến 54 Hình 4.6: Xây dựng sở luật 55 Hình 4.7: Sơ đồ trình suy diễn 55 Hình 4.8: Surface Viewer 56 Hình 4.9: Fuzzy C-means Clustering Demo 57 Hình 4.10: Khai báo số biến vào mơ hình 58 Hình 4.11: Dạng hàm thuộc tương ứng với biến vào 59 Hình 4.12: Tập luật học từ tập liệu huấn luyện 59 Hình 4.13: Cấu trúc mơ hình suy diễn, hàm thuộc biến vào tập luật mơ hình mờ nhúng thứ 60 Hình 4.14: Cấu trúc mơ hình suy diễn, hàm thuộc biến vào tập luật mơ hình mờ nhúng thứ tư 60 Hình 4.15: Biểu đồ phân rã chức hệ thống 61 Hình 4.16: Biểu đồ mức khung cảnh 63d Hình 4.17: Thiết kế form giao diện chương trình 63 Hình 4.18: Hàm Callback button “Setup System” 64 Hình 4.19: Giao diện chương trình 65 Hình 4.20: Chọn liệu huấn luyện 65 Hình 4.21: Chức Optimal c 67 Hình 4.22: Thực kiểm thử mơ hình mờ nhúng tương ứng 67 Hình 4.23 : Bộ liệu mẫu liệu huấn luyện mơ hình theo giải thuật FDT 68 Hình 4.24 : Cây định dự báo giá cổ phiếu 68 Hình 4.25 : Hệ suy diễn mờ Anfis 69 Hình 4.26 : Kiến trúc mạng nơron 70 Hình 4.27 : Các liệu kiểm thử kết cho mơ hình Anfis 70 Hình 4.28: Kết sai số phương pháp khác đánh giá theo RMSE 71 Sinh viên thực hiện: THUẬT NGỮ VÀ CÁC TỪ VIẾT TẮT Thuật ngữ Giải thích FCM Viết tắt Fuzzy C-Means, phương pháp phân cụm mờ giúp xác định tâm cụm liệu độ thuộc liệu cụm mờ LFR Viết tắt Linguistic Fuzzy Rulebase sở luật ngữ nghĩa dùng cho mơ hình mờ điển hình mơ hình Mamdani FT2FS Viết tắt Full Type Fuzzy Sets, FT2FS mờ đặc trưng với hàm thuộc mờ với giá trị vô hướng khoảng đơn vị IVT2FS Viết tắt Interval Type Fuzzy Sets, IVT2FS trường hợp đặc biệt FT2FS có độ thuộc thứ cấp DT2FS Viết tắt Discrete Type Fuzzy Sets, giống với IVT2FS với giá trị rời rạc RMSE Viết tắt Root Mean Square Error, sai số bình phương tiêu chuẩn tiêu dùng để đánh giá sai số đồ án FDT Viết tắt Fuzzy Decision Tree, giải thuật định dùng lo – gic mờ Mohd Noor Md Sap Rashid Hafeez Khokhar sử dụng để dự báo chiều tăng giảm giá cổ phiếu ANFIS Viết tắt Adaptive Neuro-Fuzzy Inference System, kỹ thuật ghép nối điều khiển mờ mạng nơ-ron mang lại nhiều thành công kỹ thuật điều khiển NN Viết tắt Notron Network, phương pháp mạng nơ-ron LR Viết tắt Linear Regression, phương pháp hồi quy tuyến tính Sinh viên thực hiện: Ta thu hệ suy diễn lưu tên file “FLS1.fis” ứng với mơ hình mờ nhúng thứ nhất, tương tự với mơ hình mờ nhúng khác Hình 4.13: Cấu trúc mơ hình suy diễn, hàm thuộc biến vào tập luật mơ hình mờ nhúng thứ Hình 4.14: Cấu trúc mơ hình suy diễn, hàm thuộc biến vào tập luật mơ hình mờ nhúng thứ tư Sinh viên thực hiện: 4.2.2 Xây dựng hệ thống dự báo giá cổ phiếu Sau xây dựng xong mơ hình mờ nhúng cụ thể “FLS1.fis” đến “FLS11.fis” sử dụng hệ thống dự báo giá cổ phiếu Khi cho liệu đầu vào qua bảng tra cứu m ta tìm mơ hình mờ nhúng thích hợp liệu Áp dụng luật sở để tiếp tục suy diễn kết rõ giá cổ phiếu Y 4.2.2.1 Chức phạm vi sử dụng Chương trình có năm chức chính: Nhập liệu đầu vào Khởi tạo mơ hình từ tập liệu luyện tập Xử lí liệu Suy diễn kết Hiển thị kết Biểu đồ phân rã chức Hệ thống dự báo giá cổ phiếu Nhập liệu Khởi tạo mơ hình Xử lí liệu Hiển thị kết Chọn liệu luyện tập Tạo mô hình mờ nhúng Tính tâm cụm mờ Hiển thị số cụm tối ưu c* Chọn tham số đầu vào Tối ưu mơ hình theo c Tính bảng tra cứu m Hiển thị mơ hình mờ Tính kết đầu Hiển kết đầu Số cụm mờ c Độ mờ m Hình 4.15: Biểu đồ phân rã chức hệ thống Sinh viên thực hiện: - Chức nhập liệu: Mục đích để đưa vào liệu luyện tập để huấn luyện mô hình mờ nhúng từ kết hợp tạo thành mơ hình mờ cần dùng đồ án Gồm chức : + Chức chọn liệu huấn luyện: liệu người dùng đưa vào thống để huấn luyện + Chức nhập tham số mơ hình {m,c} m mức độ mờ, c số phân cụm mờ - Chức khởi tạo mơ hình : Mục đích tạo mơ hình mờ nhúng Bao gồm: + Tạo mơ hình mờ nhúng + Tối ưu theo tham số c vơi số lượng cụm tốt c* - Chức xử lí liệu: Mục đích tiếp tục tính tốn với liệu sau phân cụm tính giá trị: + Tâm cụm mờ + Bảng tra cứu m + Kết đầu rõ mơ hình - Chức hiển thị: + Hiển thị số cụm mờ tối ưu c* + Hiển thị mơ hình mờ nhúng + Hiển thị kết đầu rõ Sinh viên thực hiện: Biểu đồ mức khung cảnh: Chọn liệu luyện tập Chọn tham số {m,c} Người dùng Thông tin hệ thống ( số cụm tối ưu c* bảng m-lookup table) Hệ thống dự báo giá cổ phiếu Nhập liệu kiểm thử đầu vào Kết đầu Hình 4.16: Biểu đồ mức khung cảnh 4.2.2.3 Thiết kế chương trình Form giao diện thiết kế sau Hình 4.17: Thiết kế form giao diện chương trình Sinh viên thực hiện: Các Component GUI nằm phía trái cửa sổ gồm 14 loại Trong đó: Các Button “Import Training Data”, “Setup System”, “Optimal ”, “Look-up table”, “Display”, “Calculate”, “RMSE”, “Introduction”, “Help”, chọn loại Push Button Các khung hiển thị c, m giá trị nhập vào giá trị đầu chọn loại edit text Khi lập trình giao diện: Để điều khiển tương ứng hoạt động có kiện kích hoạt ta phải định nghĩa file Matlab lập trình kiện Đối với loại kiện ta cần có ứng xử tương ứng Các ứng xử xây dựng hàm Callback Mỗi xảy kiện, hàm Callback tương ứng gọi Hàm Callback “Setup System”: Hình 4.18: Hàm Callback button “Setup System” Sinh viên thực hiện: 4.2.2.2 Hoạt động chương trình Hình 4.19: Giao diện chương trình Để khởi tạo mơ hình ta click button “Import Traning Data”: Hình 4.20: Chọn liệu huấn luyện Sinh viên thực hiện: Sau ta click button “Setup System” để khởi tạo mơ hình dùng cho hệ thống Tiếp đến để tối ưu mơ hình theo tham số c ta click button “Optimal c” Hình 4.21: Chức Optimal c Và bước cuối khởi tạo mơ hình cho hệ thống ta thiết lập bảng tra cứu m, click button “Look-up Table” để thực việc thiết lập Sau khởi tạo xong, kiểm thử mơ hình 50 liệu cung cấp Chạy chương trình kiểm thử: Sau khởi tạo xong mơ hình ta tiếp tục tiến hành kiểm thử cách ấn Button RUN để bắt đầu đánh giá sai số Cho giá trị đầu vào là: x4 : present separation ratio moving average over a middle period ( tỉ lệ khoảng cách trung bình động trung hạn tại) x8 : past separation ratio moving average over a short period ( tỉ lệ khoảng cách trung bình động ngắn hạn khứ) x10 : present separation ratio moving average over a short period ( tỉ lệ khoảng cách trung bình động ngắn hạn tại) Sinh viên thực hiện: Tính đầu ra: deltaY : prediction of stock price ( mức thay đổi giá cổ phiếu) Chạy thử nhập giá trị đầu vào x4, x8, x10 để tính giá trị đầu DeltaY ta click button “Calculate” ta tính giá trị đầu Delta Y giá trị m tương ứng bảng tra cứu Và để hiển thị mơ hình mờ nhúng tương ứng với giá trị m vừa tính ta click button “Display Model” Hình 4.22: Thực kiểm thử mơ hình mờ nhúng tương ứng Với liệu đầu vào: x4=-10.440 x8= 2.981 x10= -2.483 Kết đầu mô hình: DeltaY= 4.587 Thực tế 7.024 Sinh viên thực hiện: 4.3 SO SÁNH VÀ ĐÁNH GIÁ VỚI CÁC PHƯƠNG PHÁP KHÁC Thị trường chứng khoán đã, đóng góp giá trị phần khơng nhỏ cho kinh tế toàn cầu; nên hoạt động nghiên cứu xung quanh vấn đề dự báo giá cổ phiếu ý quan tâm không nhà phân tích tài mà nhà đầu tư chứng khoán hay tất người hoạt động kinh doanh lĩnh vực liên quan Đã có nhiều cách sử dụng giải thuật khác để dự báo giá cổ phiếu, sau em trình bày số phương pháp : Phương pháp định mờ (FDT) Sử dụng “Fuzzy Decision Tree for Data Mining of Time Series Stock Market Databases” Từ liệu mẫu lấy theo giá mở cửa, giá đóng cửa, giá cao nhất, giá thấp khối lượng giao dịch ngày, kết ta sinh định mờ Hình 4.23 : Bộ liệu mẫu liệu huấn luyện mơ hình theo giải thuật FDT Hình 4.24 : Cây định dự báo giá cổ phiếu Sinh viên thực hiện: Ưu nhược điểm phương pháp: - Ưu điểm: + Phương pháp có khả biểu diễn nhanh, trực quan chiều tăng giảm giá cổ phiếu + Bộ liệu mẫu quen thuộc với giao dịch chứng khoán thực tế giúp người dễ dàng tìm kiếm thơng tin - Nhược điểm: + Chúng ta dự báo giá cổ phiếu tăng hay giảm mà cụ thể bao nhiêu, nhiều hay + Với liệu mẫu lớn kích cỡ định tăng theo dẫn đến rắc rối cho người dùng So sánh: o Phương pháp sử dụng đồ án giúp ta biết xác giá cổ phiếu tăng hay giảm, cụ thể Từ giúp nhà đầu tư lựa chọn xác phân vân nhiều loại cổ phiếu có giá tăng, hay bán trước loại cổ phiếu có giá bị giảm nhiều Điều có ý nghĩa thực tế o Nhược điểm phương pháp đề xuất liệu mẫu dùng cho người phân tích biểu đồ, kĩ thuật, khó tìm kiếm phương tiện truyền thơng đại chúng, dẫn đến phương pháp dùng với mục đích nghiên cứu cho người có trình độ chuyên sâu Hệ thống suy luận nơron-mờ thích nghi (ANFIS ) Sử dụng “Momentum Analysis based Stock Market Prediction using Adaptive Neuro - Fuzzy Inference System (ANFIS)” Ta có hệ suy diễn mờ kiến trúc mơ hình phương pháp: Hình 4.25 : Hệ suy diễn mờ Anfis Sinh viên thực hiện: Hình 4.26 : Kiến trúc mạng nơron Mơ hình dựa hệ suy diễn mờ Sugeno với luật có dạng sau : Rule 1: if (x is A1) and (y is B1) then (f1 = p1 x +q1 y + r1) Rule 2: if (x is A2) and (y is B2) then (f2 = p1 x +q2 y + r2) … Tập tiền đề biểu diễn giá trị ngơn ngữ cịn tập kết luận đầu biểu diễn hàm Áp dụng liệu cổ phiếu : Hình 4.27 : Các liệu kiểm thử kết cho mơ hình Anfis Ưu nhược điểm phương pháp: - Ưu điểm: Sinh viên thực hiện: + Nhờ có việc đánh giá trọng số luật luật sở mà phương pháp Anfis có kết xác - Nhược điểm: + Nếu đầu mơ hình hàm tính tốn phức tạp cho việc tính tốn đầu rõ khó khăn So sánh: o Thứ nhất, phương pháp đồ án dựa nên tảng mơ hình mờ Mamdani với tập tiền đề kết luận biểu diễn giá trị ngơn ngữ, cịn phương pháp Anfis sử dụng mơ hình mờ Sugeno với tập kết luận biểu diễn hàm o Thứ hai, phương pháp đề xuất đồ án sử dụng tập mơ hình mờ nhúng để chọn lựa suy diễn, cịn Anfis có mơ hình mờ Ngồi cịn có số phương pháp khác mà áp dụng liệu đồ án ta thu kết sai số đánh giá theo RMSE cung cấp Ozge Uncu, Kemal Kilic, I.B Turksen, “A New Fuzzy Inference Approach Based on Mamdani Inference Using Discrete Type Fuzzy Sets” sau : Hình 4.28: Kết sai số phương pháp khác đánh giá theo RMSE Trong đó: NN: Notron Network – phương pháp mạng nơ-ron, LR: Linear Regression – phương pháp hồi quy tuyến tính 4.4 KẾT LUẬN Các chương trước trình bày bước để xây dựng hệ suy diễn mờ cho toán dự báo: Từ tảng sở mơ hình hóa, thuật tốn xây dựng sở luật từ thực nghiệm thuật toán điều chỉnh tối ưu tham số hệ thống Trong chương IV ta triển khai ý tưởng thuật toán, giải vấn đề đặt đồ án: Ứng dụng mơ hình hóa mờ dự báo giá cổ phiếu Sau tiến hành đánh giá kết so sánh với số phương pháp khác Sinh viên thực hiện: CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 KẾT LUẬN Kết đạt Sau tìm hiểu kiến thức logic mờ, mơ hình hóa mờ thị trường chứng khoán, em đạt số kết quả: Cơ nắm lí thuyết tập mờ, logic mờ Nắm kiến trúc hoạt động mơ hình mờ loại từ phát triển ứng dụng mơ hình mờ loại hai Có khả xây dựng mơ hình mờ Xây dựng mơ hình từ tập liệu thực nghiệm Bằng cách kết hợp với công cụ Matlab em xây dựng hệ thống dự báo giá cổ phiếu thị trường chứng khốn Thơng tin phân tích từ thực nghiệm dựa theo hướng phân tích dựa vào biểu đồ dạng đường Đây loại biểu đồ sử dụng phổ biến ngành khoa học dùng để mô vấn đề kinh tế xã hội đồng thời loại biểu đồ sử dụng thời gian lâu dài Tuy nhiên nhược điểm phương pháp có liệu mẫu với loại cổ phiếu khác tìm phương tiện thông tin đại chúng, nên chưa đánh giá cách khách quan hiệu Và thị trường chứng khốn khoa học kĩ thuật phát triển, diễn biến thị trường chứng khốn ngày phức tạp, phụ thuộc vào nhiều yếu tố, cụ thể 10 yếu tố liệu khoảng thời gian khác ảnh hưởng tham số tới giá cổ phiếu khác Nhưng dùng có tham số với trọng số ngang 5.2 PHƯƠNG HƯỚNG PHÁT TRIỂN Hồn chỉnh phần mơ hình Để đạt mơ hình hồn chỉnh cần cải thiện số yếu tố sau: Sử dụng mô hình mờ Mamdani theo hướng kết hợp hệ mờ mạng Neuron để tăng thêm độ xác cho mơ hình Sinh viên thực hiện: Sử dụng phương pháp đánh giá trọng số “A Novel Fuzzy System Modeling Approach: Multidimensional Structure Identification and Inference” để xác định mức độ ảnh hưởng tham số đầu vào tới giá cổ phiếu Sử dụng giải thuật phân cụm K-Means trước để xác định tâm cụm thô dùng Fuzzy C-Means Số lượng tập liệu luyện tập mẫu cần phải có nhiều Phát triển để tài để ứng dụng vào thực tế Đề tài có ích việc nghiên cứu dự đốn giá cổ phiếu thị trường kinh doanh sôi động với nhiều loại mã cổ phiếu khác Do nên có phương hướng phát triển đắn Do hệ thống chưa hoàn chỉnh nên cần phải phát triển trước áp dụng đề tài vào thực tế Để ứng dụng vào thực tế phần em đưa số yếu tố cải thiện dựa quan điểm cá nhân Ở phần em xin đưa số giải pháp thực hiện: Về phần mơ hình: Tăng số lượng mơ hình mờ hóa cách thay đổi tham số m c, giúp cho bảng tra cứu đầy đủ hơn, từ suy diễn xác Sử dụng giải thuật phân cụm K-Means dùng để khởi tạo tâm cụm thô trước sử dụng giải thuật Fuzzy C-Means Về phần phân tích chứng khốn: Liên hệ với chuyên gia lĩnh vực phân tích đầu tư chứng khoán để cung cấp số lượng mẫu luyện tập nhiều Sinh viên thực hiện: TÀI LIỆU THAM KHẢO A Sách: “Fuzzy system” Alan Holland – University College Cork “Fuzzy Sets and Fuzzy Logic: Theory and Applications” - George J Klir and Bo Yuan - Prentice Hall P T R Upper Saddle River, NewJersey “Technical Analysis of Futures Markets”, John J Murphy -N.YI.F., 1988 “Fuzzy Logic with Engineering Applications”, Timothy J Ross University of New Mexico, USA - John Wiley & Sons, Ltd “Fuzzy logic toolbox user guide” - Matlab Document B Tạp chí: “A New Fuzzy Inference Approach Based on Mamdani Inference Using Discrete Type Fuzzy Sets”, Ozge Uncu, Kemal Kilic, I.B Turksen - IEEE International Conference on Systems, Man and Cybernetics 2004 “A Fuzzy-Logic-Based Approach to Qualitative Modeling ”, Michio Sugeno, Takahiro Yasukawa - lEEE Transactions on Fuzzy Systems, Vol I, No I February 1993 “ Fuzzy C-Means Clustering”, Mahdi Amiri - Sharif University of Technology “Type-2 Fuzzy Logic Systems”, Nilesh N Karnik, Jerry M Mendel, and Qilian Liang - lEEE Transactions on Fuzzy Systems, Vol 7, No 6, December 1999 “A Novel Fuzzy System Modeling Approach: Multidimensional Structure Identification and Inference”, Onze Uncu, I.B Tũrksen - IEEE International Fuzzy Systems Conference 2001 “A Fuzzy Clustering-Based Rapid Prototyping for Fuzzy Rule-Based Modeling”, M Delgado, Antonio F.Gosmez-Skarmeta, and F Martin - IEEE Transactions of Fuzzy Systems, Vol 5, No 2, May 1997 “Fuzzy Decision Tree for Data Mining of Time Series Stock Market Databases”, Mohd Noor Md Sap, Rashid Hafeez Khokhar - Faculty of Computer Science and Information System University Technology of Malaysia, 81310 Skudai, Johor, Malaysia Sinh viên thực hiện: ... hình hóa mờ Xây dựng mơ hình mờ nhúng từ liệu luyện tập, mô hệ thống dự báo giá cổ phiếu thị trường chứng khoán Các nhiệm vụ cụ thể ĐATN - Tìm hiểu logic mờ mơ hình hóa mờ: + Tìm hiểu logic mờ: ... mơ hình hóa mờ Chương III: Xây dựng mơ hình mờ sử dụng tập mờ loại hai cho toán dự báo thị trường chứng khoán Đưa thuật tốn xây dựng tập mơ hình mờ sử dụng tập mờ loại nhúng mờ dự tập liệu thực... TIÊU VÀ GIẢ I PHÁP 1.2.1 Mục tiêu Mục tiêu đồ án tìm hiểu logic mờ sử dụng tập mờ loại hai rời rạc Nghiên cứu tìm hiểu hệ mờ, mơ hình hóa hệ mờ dựa liệu thực nghiệm mô hệ thống nhằm dự đoán giá cổ