Sự ảnh hưởng của các kỹ thuật giải mờ đối với dự báo thị trường chứng khoán

Bài viết này đề xuất một kỹ thuật giải giải mờ mới nhằm nâng cao hiệu quả dự báo. Dựa trên kết quả thực nghiệm đối với bài toán dự báo thị trường chứng khoán Đài Loan (TAIFEX) cho thấy tính hiệu quả của kỹ thuật giải mờ được đề xuất đối với cả chuỗi thời gian mờ bậc nhất và bậc cao.
Nội dung trích xuất từ tài liệu:
Sự ảnh hưởng của các kỹ thuật giải mờ đối với dự báo thị trường chứng khoánHội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải SỰ ẢNH HƯỞNG CỦA CÁC KỸ THUẬT GIẢI MỜ ĐỐI VỚI DỰ BÁO THỊ TRƯỜNG CHỨNG KHOÁN Phạm Đình Phong*, Hoàng Văn Thông Trường Đại học Giao thông Vận tải, Số 3 Cầu Giấy, Hà Nội * Tác giả liên hệ: Email: phongpd@utc.edu.vnTóm tắt. Kỹ thuật giải mờ là một trong ba yếu tố chính ảnh hưởng đến kết quả dự báochuỗi thời gian mờ. Thực tế cho thấy, một kỹ thuật giải mờ có thể tốt đối với mô hìnhchuỗi thời gian bậc nhất nhưng lại kém đối với chuỗi thời gian mờ bậc cao và ngượclại. Dựa trên sự phân tích sự ảnh hưởng của các kỹ thuật giải mờ đối với bài toán dựbáo thị trường chứng khoán dựa trên mô hình chuỗi thời gian mờ đã được đề xuất, bàibáo này đề xuất một kỹ thuật giải giải mờ mới nhằm nâng cao hiệu quả dự báo. Dựatrên kết quả thực nghiệm đối với bài toán dự báo thị trường chứng khoán Đài Loan(TAIFEX) cho thấy tính hiệu quả của kỹ thuật giải mờ được đề xuất đối với cả chuỗithời gian mờ bậc nhất và bậc cao.Từ khóa: dự báo, chuỗi thời gian mờ, giải mờ, quan hệ logic mờ.1. ĐẶT VẤN ĐỀ Mô hình dự báo chuỗi thời gian đã và đang thu hút cộng đồng các nhà khoa họcnghiên cứu trong những năm gần đây. Một số mô hình dự báo chuỗi thời gian dựa trêntiếp cận thống kê như ARMA, ARIMA, MA [1], … đã được đề xuất. Các mô hình nàychỉ cho kết quả tốt đối với các chuỗi thời gian có nhiều dữ liệu quan sát (trên 50 mẫu)và không thể dự báo các chuỗi thời gian mà có chứa các giá trị ngôn ngữ như “low”,“medium”, “high”, “very high”, etc. Nhận thấy các nhược điểm của các phương pháp dự báo truyền thống nêu trên,Song và Chissom [2-4] đã đề xuất hai mô hình dự báo chuỗi thời gian mờ phụ thuộcthời gian và mô hình chuỗi thời gian mờ không phụ thuộc thời gian nhằm khắc phụcnhững nhược điểm của các phương pháp dự báo truyền thống và áp dụng để dự báo sốlượng sinh viên nhập học của trường Đại học Alabama. Do mô hình dự báo chuỗi thờigian mờ của Song và Chissom có nhiều ưu điểm, một loạt các đề xuất xây dựng môhình dự báo dựa trên ý tưởng này đã được công bố nhằm ứng dụng giải quyết các bàitoán dự báo thuộc nhiều lĩnh vực khác nhau. Chen [5] đã đưa ra phương pháp mới đơngiản và hữu hiệu hơn so với phương pháp của Song và Chissom bằng cách sử dụng cácphép tính số học thay vì các phép tính kết hợp max-min phức tạp trong xử lý mối quanhệ mờ. Yu đề xuất mô hình chuỗi thời gian mờ có trọng số bằng cách gán các trọng sốcho các quan hệ logic mờ nhằm giải quyết tình trạng lặp lại của các quan hệ logic mờ -257-Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tảivà phản ảnh được tầm quan trọng của chúng. Các công trình này cùng với mô hìnhchuỗi thời gian mờ bậc cao [7] là nền tảng cho sự phát triển mạnh mẽ của mô hìnhchuỗi thời gian mờ trong những khoảng thời gian tiếp sau. Chúng ta có thể thấy rằng, các mô hình dự báo chuỗi thời gian mờ bao gồm bapha chính: 1) Mờ hóa miền giá trị chuỗi thời gian bằng các tập mờ; 2) Thiết lập cácnhóm quan hệ logic mờ dựa trên chuỗi thời gian mờ cho việc lập luận mờ; 3) Giải mờcác đầu ra mờ để thu được các giá trị rõ. Độ chính xác của mô hình dự báo chủ yếuphụ thuộc vào ba pha này. Vấn đề lựa chọn số khoảng chia và việc xác định độ dài củacác khoảng đó ảnh hưởng lớn đến độ chính xác của kết quả dự báo. Một số kỹ thuậtđược áp dụng để tối ưu các khoảng chia trong pha thứ nhất như thuật toán di truyền [8,9], tối ưu bầy đàn [10, 11], phân cụm [12], … Để thiết lập được các nhóm quan hệlogic mờ hiệu quả trong pha thứ hai, Chen đã đề xuất mô hình chuỗi thời gian mờ bậccao với việc thiết lập nhóm quan hệ mờ bậc cao [7], Lee [13] và Wang [14] đề xuất môhình chuỗi thời gian đa nhân tố. Nhân tố chính thứ ba ảnh hưởng đến độ chính xác củacác mô hình dự báo là kỹ thuật giải mờ. Chen đã đề xuất kỹ thuật giải mờ với giá trị rõcủa giá trị dự báo của năm hiện tại được tính là trung bình cộng của các điểm giữa củacác khoảng mờ tương ứng với các tập mờ bên tay phải của nhóm quan hệ logic mờ [5].Yu gán thêm trọng số theo thứ tự xuất hiện của các tập mờ bên phải của các nhómquan hệ mờ [6]. Dựa vào các phân tích trên, chúng tôi thấy rằng kỹ thuật giải mờ là một trong cácyếu tố quan trọng ảnh hưởng đến kết quả dự báo, bài báo này đề xuất một kỹ thuật giảimờ mới nhằm nâng cao độ chính xác của kết quả dự báo và áp dụng thử nghiệm vàobài toán dự báo thị trường chứng khoán Đài Loan.2. MỘT SỐ MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN MỜ2.1 Một số khái nhiệm về chuỗi thời gian mờ Mô hình dự báo chuỗi thời gian mờ được Son và Chissom giới thiệu năm 1993[1-3] và được cải tiến bởi Chen [4] và Yu [6]. Một số khái niệm về chuỗi thời gian mờnhư sau:Định ...