he tro giup quyet dinh tran dinh khang nhom 12

40 588 0
he tro giup quyet dinh tran dinh khang nhom 12

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

he tro giup quyet dinh thay tran dinh khang dai hoc bach khoa ha noi. Nhom 12 de tai tim hieu he tro giup quyet dinh, ra quyet dinh ve chung khoan va ngan hang tai chinh thuong mai 20161cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc

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 : PGS.TS Trần Đình Khang MSSV : MSSV : MSSV : MSSV : 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 I.Giới thiệu toán  Ngày nay, phát triển vượt bậc tin học giúp ích nhiều cho ngành tài đặc biệt chứng khoán  Tỉ giá chứng khoán không chuyển động tự do, ngẫu nhiên không liên quan cách phi tuyến tính đến liệu cũ  Những hệ thống sử dụng kỹ phân tích, kiểu máy tính nhận diện biểu đồ phát triển nhanh chóng I.Giới thiệu toán  Hệ thống hỗ trợ định công cụ hữu ích việc trợ giúp người sử dụng lên kế hoạch đưa định có giao diện đơn giản  Trong khứ, trước phổ biến mạng lưới nơ ron nghiên cứu hầu hết tập trung vào phân tích chuỗi thời gian đặc biệt hệ thống máy tính thông minh  Kuo đề xuất hệ thống hỗ trợ định dành riêng cho thị trường chứng khoán thông qua kết hợp mạng lười nơ ron ngôn ngữ lập trình Delphi I.Mô Tả Bài Toán  Trong toàn thị trường liệu tìm mô hình thích hợp với tất loại chứng khoán tỉ giá  Để giải vấn đề này, hệ thống trao đổi chứng khoán phát triển sử dụng mạng nơ ron nhân tạo để dự đoán biến động tỉ giá chứng khoán  Việc dự đoán tỉ giá tương lai hiệu so với việc tạo lợi nhuận tạo định hợp lý kinh doanh II.Mô Tả toán  Mạng nơ ron nhân tạo phát minh dựa cấu trúc chức mạng nơ ron sinh học Nó trở thành công cụ quan trọng việc định hình liệu thống kê, đặc biệt phát mối quan hệ phi tuyến tính nguồn vào kết liệu  Thuật toán Backpropagation sử dụng rộng rãi mô hình mạng lưới nơ ron nhân tạo Nó khái quát phép đo sai số toàn phương trung bình, làm thay đổi trọng số mạng lưới để giảm thiểu sai số kết mong muốn kết thực II.Mô Tả Bài Toán  PSO phương thức tính toán giảm thiểu tối ưu vấn đề thông qua việc cải thiện nhiều giải pháp lẫn dựa chức phép đo lường tương ứng  Quá trình tối ưu bầy đàn ( PSO ) dừng lại đạt mục tiêu đạt phép đo tối đa  Hệ thống sử dụng mạng lưới nơ ron nhân tạo để dự đoán chuyển động tỉ giá chứng khoán tương lai II.Mô Tả Bài Toán       Kết mạng nơ ron tiêu chuẩn rơi vào khoảng từ đến Các kết rơi vào trường hợp sau : Từ 0,5 đến cho biết tỉ giá tăng Từ đến 0,5 biểu thị xuống tỉ giá Bằng hệ thống đưa gợi ý mua giữ tỉ giá chứng khoán Bằng hệ thống khuyên người dung nên bán Hệ thống điều chỉnh cho phù hợp để thích hợp với loại tỉ giá chứng khoán cách tối ưu III.Phương Pháp Giải Quyết Bài Toán  Phương Pháp Thích Nghi  Việc lựa chọn nguyên liệu đầu vào mạng nơ ron có ảnh hưởng lớn tới xác việc dự đoán hoạt động mạng lưới  Sự phân tích yếu tố chính, giải thuật di truyền, định sử dụng rộng rãi để lọc biến số đại diện  Dữ liệu đầu vào chọn lựa nhóm số tiềm mà chuyên gia khuyên dùng khác số trường hợp III.Phương Pháp Giải Quyết Bài Toán  N Với N biến số, kết hợp nguồn dự liệu đầu vào khác mạng lưới -1 N tăng số lớn tiêu thụ nhiều tài nguyên Vì phải giảm kích cỡ mạng lưới sử dụng  Các nhà nghiên cứu phát mô hình hoàn hảo cần biến số Kết họ đặt nguồn liệu đầu vào mạng nơ ron lớn 5, kết hợp liệu giảm xuống : Trong với N biến số 10 IV Thử Nghiệm  Đối với số iShare hệ thống đề xuất thực tốt Lợi nhuận trung bình đạt 31.55% tang khoảng 10% ( 31.55=cột /3 ) 26 IV Thử Nghiệm  Sự cải thiện trở lại chỏ số dầu OHI nhẹ  So với số cổ phiếu khác hệ thống đề nghị cung cấp cải thiện lĩnh vực thực tế hàng hóa kinh tế vĩ mô indicatorsvalues không sử dụng mô hình đề xuất 27 IV Thử Nghiệm  Bảy số quốc tế mô Như thể bảng độ xác dự đoán trung bình 54.74% cải thiện trung bình 154.80%  So với kết mô từ nghiên cứu khác quan sát dự đoán xác mô tương đối thấp    Có hai lý dẫn tới dự đoán tương đối thấp Không giống dự báo hang tháng, hang quý động tác thường ngày nhỏ mang tiếng ồn Sự trở lại thay độ xác dự đoán sử dụng tiêu chuẩn việc lựa chọn mô hình cuối 28 IV Thử Nghiệm  Lợi nhuận từ ngành nghề mà theo kết đầu tín hiệu từ hệ thống đề xuất tốt người thu từ chiến lược buy-and-hold 136.53%  Sự trở lại XLV cải thiện 2.49% - 16.48% trở lại FIX cải thiện 4.54% – 28.07%  Dựa kết mô hệ thống đề nghị xuất để cung cấp trở lại cao đáng kể so với chiến lược mua nắm giữ 29 IV Thử Nghiệm  Chiến lược mua, nắm giữ truyền thống tín hiệu giao dịch xuất từ hệ thống đề xuất thể hai dòng thời điểm 100 sau tách theo thời gian  Hệ thống giúp tránh suy thoái vào ngày 12, 78, 89, 122,150 160  Vào cuối ngày 252 lợi nhuận kỷ lục 126 30 IV Thử Nghiệm  Giao dịch mức loại bỏ hội lợi nhuận tiềm giá trị xem xét cách tốt để đối phó với biến động thị trường chứng khoán  Việc bán cổ phiếu nơi suy giảm dẫn đến nhiều giao dịch phát sinh chi phí giao dịch cao  Phí giao dịch tổng trở nên cao dẫn đến nhà đầu tư không lợi nhuận 31 IV Thử Nghiệm  Wavelets coi công cụ hữu ích cho việc trích xuất thông tin từ loại giữ liệu khác  Các mô hình cho tín hiệu nhiễu mô tả sau: s(n) = f(n) + σe(n) Trong đó:     s(n) ồn tín hiệu f(n) biến động nội dung σ e(n) tiếng ồn Quá trình giảm nhiễu thiết kế để lọc tiếng ồn phục hồi tín hiệu f Tín hiệu f coi hữu ích với tiếng ồn 32 IV Thử Nghiệm  Hình bên mô tả việc chuyển đổi liệu gốc vào liệu de-noised ETF SPY  Ta thấy de-noised phong trào khối lượng làm nhẵn  Các xu hướng liệu rõ ràng 33 IV Thử Nghiệm  Hình bên kết tiến hành mô giao dịch số SPY sử dụng liệu de-noised  Ta thấy hệ thống giao dịch giúp tránh nhiều suy thoái lớn xảy vào ngày 12, 78, 144 210  Hệ thống cải thiện cách bỏ qua biến động nhỏ hiệu việc phát xu hướng lớn 34 IV Thử Nghiệm  Hệ thống thành công thời kỳ suy thoái lớn ngày 30 210 Số lượng giao dịch 14 252 ngày giao dịch  Sự trở lại sau tín hiệu giao dịch đạt 42% mà cải tiến từ 27.58% mà không giảm nhiễu giữ liệu  Sự trở lại cách sử dụng chiến lược mua giữ có khoảng 13% 35 IV Thử Nghiệm  Các phương pháp giảm nhiễu tiếp tục cải thiện hiệu suất hệ thống 87.8% từ tiếp cận trước không áp dụng giảm nhiễu     Số lượng giao dịch bình quân 14 xuống từ mức 50 mà không giảm nhiễu Phương pháp giảm nhiễu giúp hệ thống thương mại hai khía cạnh: Lợi nhuận cải thiện nhiều Số lượng giao dịch thấp đáng kể chi phí giao dịch giảm 36 IV Thử Nghiệm  Lợi nhuận trung bình 42%, 28% 13% để giảm nhiễu giao dịch tiếp cận tín hiệu chiến lược mua nắm giữ sau tương ứng  Giả sử $100.000 đầu tư thông qua nhà môi giới giảm giá trực tuyến điển hình mà nhà môi giới sạc $9.99 cho giao dịch quỹ ETF đầu tư có sẵn cho số kết bảng bên 37 IV Thử Nghiệm  Để nâng cao lợi nhuận hiệu bán ngắt xem xét  Hy vọng hưởng lợi từ việc sụt giảm giá cổ phiếu họ dụng mua thấp bán tiếp cận cao cách dự đoán hướng di chuyển giá cổ phiếu  Để minh họa bảng tóm tắt mô 252 ngày năm 2010 liệt kê hình bên  Với giúp đỡ lợi nhuận hệ thống dự báo hướng thực suy giảm số chứng khoán gia tăng 38 V Kết Luận  Đối với nghiên cứu cổ phiếu giao dịch hệ thống hỗ trợ định thông minh thích ứng đề xuất sử dụng tối ưu bầy đàn mạng lưới thần kinh nhân tạo  Hệ thống khắc phục điểm yếu lớn Phuong pháp tiếp cận mạng lưới thần kinh nhân tạo truyền thống  Sự đời mô đun bầy đàn vào hệ thống giúp giảm bớt tiêu thời gian tính toán làm cho chiến lược điều tra tính khả thi cho ứng dụng thời gian thực không giống hệ thống phức tạp khác 39 V Kết Luận  Hệ thống giới hạn việc sử dụng số kỹ thuật mô đầu vào  Về định hướng tương lai số lĩnh vực xem xét  Có thể sử dụng hệ thống đề xuất cho loại tài sản khác loại chứng khoán, cổ phiếu riêng lẻ hàng hóa hợp đồng tương lai xem xét  Thêm vào số phân tích kỹ thuật phổ biến mẫu coi liệu kinh tế vĩ mô  Mô hình phân loại khác mạng truyền thẳng đơn giản xem xét bao gồm người thường xuyên thực tốt với liệu tài 40 [...]... 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... giữ truyền thống và tín hiệu giao dịch được xuất ra từ hệ thống đề xuất thể hiện hai dòng bắt đầu từ cùng thời điểm 100 và sau đó tách ra theo thời gian  Hệ thống đã giúp tránh suy thoái vào những ngày 12, 78, 89, 122 ,150 và 160  Vào cuối ngày 252 lợi nhuận kỷ lục 126 30 IV Thử Nghiệm  Giao dịch quá mức có thể loại bỏ các cơ hội lợi nhuận tiềm năng đó là giá trị xem xét những cách tốt hơn để đối phó... 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... 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... 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... 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... sự trở lại của chỏ số dầu OHI là nhẹ  So với chỉ số cổ phiếu khác hệ thống đề nghị cung cấp ít cải thiện trong lĩnh vực này có thể do thực tế là hàng hóa và kinh tế vĩ mô indicatorsvalues không được sử dụng trong mô hình đề xuất 27 IV Thử Nghiệm  Bảy chỉ số quốc tế được mô phỏng Như thể hiện trong bảng trên độ chính xác dự đoán trung bình là 54.74% và sự cải thiện trung bình là 154.80%  So với kết... dẫn tới dự đoán tương đối thấp Không giống như dự báo hang tháng, hang quý các động tác thường ngày là nhỏ trong khi mang tiếng ồn hơn Sự trở lại thay vì độ chính xác dự đoán được sử dụng như là tiêu chuẩn trong việc lựa chọn các mô hình cuối cùng 28 IV Thử Nghiệm  Lợi nhuận từ các ngành nghề mà theo các kết quả đầu ra tín hiệu từ hệ thống đề xuất tốt hơn những người thu được từ chiến lược buy-and-hold... 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... de-noised  Ta thấy rằng hệ thống giao dịch giúp tránh được nhiều cuộc suy thoái lớn đã xảy ra vào ngày 12, 78, 144 và 210  Hệ thống có thể cải thiện được bằng cách bỏ qua những biến động nhỏ nhưng vẫn hiệu quả trong việc phát hiện xu hướng lớn hơn 34 IV Thử Nghiệm  Hệ thống này đã thành công trong thời kỳ suy thoái lớn tại ngày 30 và 210 Số lượng giao dịch là 14 trên 252 ngày giao dịch  Sự trở

Ngày đăng: 30/11/2016, 16:49

Từ khóa liên quan

Mục lục

  • Slide 1

  • Slide 2

  • Slide 3

  • Slide 4

  • Slide 5

  • Slide 6

  • Slide 7

  • Slide 8

  • Slide 9

  • Slide 10

  • Slide 11

  • Slide 12

  • Slide 13

  • Slide 14

  • Slide 15

  • Slide 16

  • Slide 17

  • Slide 18

  • Slide 19

  • Slide 20

  • Slide 21

  • Slide 22

  • Slide 23

  • Slide 24

  • Slide 25

  • Slide 26

  • Slide 27

  • Slide 28

  • Slide 29

  • Slide 30

  • Slide 31

  • Slide 32

  • Slide 33

  • Slide 34

  • Slide 35

  • Slide 36

  • Slide 37

  • Slide 38

  • Slide 39

  • Slide 40

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan