BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ NGHIÊN CỨU VỀ MẠNG NEURAL ÁP DỤNG DỰ ĐOÁN GIÁ THỊ TRƯỜNG CHỨNG KHOÁN Giảng viên giảng dạy VƯƠNG XUÂN CHÍ Sin. CHƯƠNG I: KHÁI NIỆM MẠNG CÁCH THỨC TẠO MẠNG NEURAL NHÂN TẠO NHIỀU LỚP VÀ TỔNG QUAN THỊ TRƯỜNG CHỨNG KHOÁN 1. Tổng quan chung về thị trường chứng khoán 1.1. Khái niệm thị trường chứng khoán Thị trường chứng khoán là nơi diễn ra các giao dịch mua bán, trao đổi các loại chứng khoán. Chứng khoán được hiểu là các loại giấy tờ có giá hay là bút toán ghi sổ, nó cho phép chủ sở hữu có quyền yêu cầu về thu nhập và tài sản của tổ chức phát hành hoặc quyền sở hữu. Các quyền yêu cầu này có sự khác nhau giữa các loại chứng khoán, tùy theo tính chất sở hữu của chúng. 1.2. Vai trò của thị trường chứng khoán Xu thế hội nhập kinh tế quốc tế và khu vực với sự ra đời của tổ chức thương mại thế giới (WTO), của liên minh Châu Âu, của các khối thị trường chung, đòi hỏi các quốc gia phải thúc đẩy phát triển kinh tế với tốc độ và hiệu quả cao. Thực tế phát triển kinh tế ở các quốc gia trên thế giới đã khẳng định vai trò quan trọng của thị trường chứng khoán trong phát triển kinh tế. Vai trò của thị trường chứng khoán thể hiện trên nhiều khía cạnh khác nhau. Song vai trò tích cực hay tiêu cực của thị trường chứng khoán có thực sự phát huy hay hạn chế phụ thuộc đáng kể vào các chủ thể tham gia thị trường và sự quản lý của nhà nước.6 1.3. Nhóm yếu tố thị trường Các yếu tố thị trường, là những nhân tố bên trong của thị trường, bao gồm sự biến động thị trường và mối quan hệ cung cầu có thể được coi là nhóm yếu tố thứ ba tác động tới giá cổ phiếu. Sự biến động thị trường là một hiện tượng chờ đợi thái quá từ việc dự tính quá cao giá trị thực chất của cổ phiếu khi giá cổ phiếu cao nhờ sự phát đạt của công ty, và ngược lại do dự đoán thấp giá trị tại thời điểm thị trường đi xuống. Mối quan hệ giữa cung và cầu được trực tiếp phản ánh thông qua khối lượng giao dịch trên thị trường, hoạt động của những nhà đầu tư có tổ chức, giao dịch ký quỹ … cũng có ảnh hưởng đáng kể. Mặc dù số lượng giao dịch ký quỹ tăng khi mà giá cổ phiếu tăng, nhưng một khi giá cổ phiếu giảm số lượng cổ phiếu bán ra tăng và làm cho giá càng giảm.
Trang 1BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH
KHOA CÔNG NGHỆ THÔNG TIN
ĐỒ ÁN CƠ SỞ
NGHIÊN CỨU VỀ MẠNG NEURAL
ÁP DỤNG DỰ ĐOÁN GIÁ THỊ TRƯỜNG
CHỨNG KHOÁN
Giảng viên giảng dạy : VƯƠNG XUÂN CHÍ
Sinh viên thực hiện : NGUYỄN KHÁNH MINH
MSSV : 2000006157
Chuyên ngành : Khoa Học Dữ Liệu
Môn học : Đồ án cơ sở Khoa Học Dữ Liệu
Khóa : 2021 – 2022
Tp.HCM, tháng năm
Trang 3BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH
KHOA CÔNG NGHỆ THÔNG TIN
ĐỒ ÁN CƠ SỞ
NGHIÊN CỨU VỀ MẠNG NEURAL
ÁP DỤNG DỰ ĐOÁN GIÁ THỊ TRƯỜNG
CHỨNG KHOÁN
Giảng viên giảng dạy : VƯƠNG XUÂN CHÍ
Sinh viên thực hiện : NGUYỄN KHÁNH MINH
MSSV : 2000006157
Chuyên ngành : Khoa Học Dữ Liệu
Môn học : Đồ án cơ sở Khoa Học Dữ Liệu
Khóa : 2021 – 2022
Tp.HCM, tháng năm
Trang 5(Sinh viên phải đóng tờ này vào báo cáo)
Email: nguyenkhanhminh2002@gmail.com SĐT: 0983962254
Tên đề tài:Nghiên cứu về mạng Neural áp dụng dự đoán giá thị trường chứng khoán
Gíao viên hướng dẫn: Vương Xuân Chí
Thời gian thực hiện: 20 /6 /2022 đến 20 /9 /2022
- Có kiến thức, đam mê, hiểu biết về công nghệ mới như Mạng neural, Machine
Learning, Deep Learning… Đọc hiểu tài liệu tiếng Anh, kỹ năng trình bày văn bản
trên máy tính tốt
- Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả năng làm việc độc
lập hoặc làm việc trong nhóm tốt
Nội dung và yêu cầu đã được thông qua Bộ môn.
Trang 6ThS Vương Xuân Chí ThS Vương Xuân Chí
LỜI CẢM ƠN
Em xin bày tỏ lòng kính trọng và biết ơn sâu sắc tới Thầy ThS.Vương Xuân Chí
đã tận tình hướng dẫn và động viên chúng em rất nhiều trong quá trình làm đồ án củanhóm chúng em Nhờ kiến thức thầy đã dạy cho chúng em mà nhóm chúng em đã cóthể hoàn thành được phần nghiên cứu đề tài về mạng neural và áp dụng dự đoán giáthị trường chứng khoán một cách hoàn chỉnh và đầy đủ
Cảm ơn các bạn trong nhóm đã đồng hành cùng mình để hoàn thành đồ án củanhóm.Tuy nhiều lúc có khó khăn trong quá trình hoàn thành sản phẩm, nhưng nhờ sựđồng tâm hiệp lực mà nhóm đã có thể vượt qua được khó khăn
Ngoài ra mình còn cảm ơn các bạn thuộc nhóm khác khi đã hỗ trợ khi nhómmình gặp khó khăn không thể giải quyết tốt Sản phẩm của nhóm mình hoàn thànhđược là nhờ một phần sự giúp đỡ của các bạn
Trang 7LỜI MỞ ĐẦU
Hiện nay, thời đại của chúng ta là thời đại mang xu hướng toàn cầu hóa và khu vực hóa Khi được trờ thành thành viên của tổ chức thương mại thế giới thì đồng nghĩa Việt Nam cũng gặp nhiều khó khăn và đồng thời cũng gặt hái được nhiều thành công Để thu được kết quả tốt từ quá trình hội nhập chúng ta phải đánh giá, nhận định
về cơ hội cũng như là thách thức đang đặt ra, chúng ta phải biết đâu là thế mạnh mình phải phát huy và đâu là điểm yếu cần phải khác phục Và đặt biệt hơn nữa chúng ta phải nhận định được xu hướng đi chung của thế giới, những yếu tố nào các nước đang chú trọng Chính vì điều đó, mà chúng em thấy rằng thị trường chứng khoán trên thế giới hiện nay và Việt Nam là một thị trường nóng bỏng và có nhiều triển vọng đi lên
Nó không chỉ là một kênh huy động vốn có hiệu quả cho hoạt động đầu tư trong nền kinh tế mà còn là nhân tố thúc đẩy hoạt động đầu tư trong nền kinh tế mà còn là nhân
tố thúc đầy hoạt động của nền kinh tế diễn ra suôn sẻ hơn Thị trường chứng khoán đã
đi vào hoạt động với nhiều biến động và đóng góp vào sự phát triển của nền kinh tế nước ta Đến nay thị trường đóng vai trò là một kênh huy động vốn hiệu quả cho những người cần vốn đồng thời cũng mang lại mức lợi nhuận cao cho các nhà đầu tư Chính vì vậy thị trường không chỉ thu hút sự quan tâm của các nhà đầu tư trong nước
mà còn đông đảo các nhà đầu tư nước ngoài Do đó, đề tài “ Mạng Neural và ứng dụng trong dự báo giá chứng khoán “ là đề tài mà em nghiên cứu vào nhàm giúp cho các nhà đầu tư có thể dự báo giá chứng khoán một cách tốt nhất và từ đó có thể đưa ra quyết định đầu tư của mình
Mục tiêu nghiên cứu đề tài là : Hướng đến việc xây dựng mô hình mạng Neural phù hợp để dự báo giá chứng khoán Để hoàn thành mục tiêu trên, đề tài sẽ lần lượt trả lời những câu hỏi sau
- Nghiên cứu các khái niệm về mạng Neural, cách thức tạo ra mạng Neural nhân tạo nhiều lớp
- Các bước thiết kế mô hình mạng Neural
- Ứng dụng mạng Neural vào thị trường tài chính, sử dụng mô hình ANNs
Trang 8PHIẾU CHẤM THI TIỂU LUẬN/ĐỒ ÁN
Môn thi: Đồ án cơ sở Khoa học dữ liệu Lớp học phần: 20DTH2A
Nhóm sinh viên thực hiện:
1.Tham gia đóng góp: Nguyễn Khánh Minh
2.Tham gia đóng góp: Nguyễn Hoàng Hiếu
Đề tài tiểu luận/báo cáo của sinh viên: Tìm hiểu giải thuật di truyền và các ứng dụng Phần đánh giá của giảng viên (căn cứ trên thang rubrics của môn học):
Tiêu chí (theo CĐR HP) Đánh giá của GV Điểm tối đa Điểm đạt được
Cấu trúc của báo cáo
Trang 9PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN
Điểm giáo viên hướng dẫn:
Điểm giảng viên chấm vòng 2:
TPHCM, Ngày …… tháng …… năm
Giáo viên chấm vòng 2 Giáo viên hướng dẫn
Trang 10Mục lục
Chương I: Khái niệm mạng cách thức tạo mạng Neural nhân tạo nhiều lớp và
tổng quan thị trường chứng khoán 9
1 Tổng quan chung về thị trường chứng khoán 9
1.1 Khái niệm thị trường chứng khoán 9
1.2 Vai trò của thị trường chứng khoán 9
1.3 Nhóm yếu tố thị trường 9
1.4 Chỉ số chứng khoán việt nam (VN – Index) 10
2 Mạng Neural nhân tạo 10
2.1 Khái niệm 10
2.2 Lịch sử của Neural nhân tạo 11
3 Các đặc trưng cơ bản của mạng nơron 12
4 Các thành phần cơ bản của mạng nơ-ron nhân tạo 12
4.1 Đơn vị xử lý 12
4.2 Hàm kích hoạt 13
5 Các hình trạng của mạng 15
5.1 Mạng truyền thẳng (Feed-forward neural network): 15
5.2 Mạng hồi quy (Recurrent neural network): 16
6 Huấn luyện mạng 17
Trang 116.1 Học có thầy (Supervised learning): 17
6.2 Học không có thầy (Unsupervised Learning): 18
7 Hàm mục tiêu 18
8 Mạng truyền thẳng và thuật toán lan truyền ngược 19
8.1 Mạng truyền thẳng MLP 19
8.2 Thiết kế cấu trúc mạng 20
8.3 Thuật toán lan truyền ngược (Back-Propagation) 22
9 Các bước thiết kế mô hình mạng nơ-ron 23
Chương II: Ứng dụng mạng Neural vào thị trường tài chính 25
1 Dự báo dựa vào giá của những ngày quá khứ 25
2 Dự báo dựa vào giá của những biến động trên thị trờng: 27
Kết luận 28
Tài liệu tham khảo 29
Trang 12Danh mục hình
Hình 1: Hình ảnh thí nghiệm của David Hubel và Torsten Wiesel trên mèo 12
Hình 2: Đơn vị xử lý ( Processing) 13
Hình 3 : Đồ thị biểu diễn hàm Sigmoid 15
Hình 4 : Một số hàm kích hoạt 15
Hình 5 : Mạng Neural truyền thẳng nhiều lớp (Feed-forward neural network) 17
Hình 6 : Mạng Neural hồi quy 17
Hình 7 : Mô hình học có thầy 18
Hình 8 : Mô hình mạng Neural truyền thẳng nhiều lớp (MLP) 20
Hình 9 : Quy trình thiết kế mạng Neural 25
Hình 10 : Mô tả quy trình học của mạng Neural 27
Hình 11 : Đồ thị so sánh kết quả thực tế và mong muốn 28
Trang 13CHƯƠNG I: KHÁI NIỆM MẠNG CÁCH THỨC TẠO MẠNG NEURAL NHÂN TẠO NHIỀU LỚP VÀ TỔNG QUAN THỊ TRƯỜNG CHỨNG KHOÁN
1 Tổng quan chung về thị trường chứng khoán
1.1 Khái niệm thị trường chứng khoán
Thị trường chứng khoán là nơi diễn ra các giao dịch mua bán, trao đổi các loạichứng khoán Chứng khoán được hiểu là các loại giấy tờ có giá hay là bút toán ghi sổ,
nó cho phép chủ sở hữu có quyền yêu cầu về thu nhập và tài sản của tổ chức phát hànhhoặc quyền sở hữu Các quyền yêu cầu này có sự khác nhau giữa các loại chứngkhoán, tùy theo tính chất sở hữu của chúng
1.2 Vai trò của thị trường chứng khoán
Xu thế hội nhập kinh tế quốc tế và khu vực với sự ra đời của tổ chức thươngmại thế giới (WTO), của liên minh Châu Âu, của các khối thị trường chung, đòi hỏicác quốc gia phải thúc đẩy phát triển kinh tế với tốc độ và hiệu quả cao Thực tế pháttriển kinh tế ở các quốc gia trên thế giới đã khẳng định vai trò quan trọng của thịtrường chứng khoán trong phát triển kinh tế
Vai trò của thị trường chứng khoán thể hiện trên nhiều khía cạnh khác nhau.Song vai trò tích cực hay tiêu cực của thị trường chứng khoán có thực sự phát huy hayhạn chế phụ thuộc đáng kể vào các chủ thể tham gia thị trường và sự quản lý của nhànước.[6]
1.3 Nhóm yếu tố thị trường
Các yếu tố thị trường, là những nhân tố bên trong của thị trường, bao gồm sựbiến động thị trường và mối quan hệ cung cầu có thể được coi là nhóm yếu tố thứ batác động tới giá cổ phiếu Sự biến động thị trường là một hiện tượng chờ đợi thái quá
từ việc dự tính quá cao giá trị thực chất của cổ phiếu khi giá cổ phiếu cao nhờ sự phátđạt của công ty, và ngược lại do dự đoán thấp giá trị tại thời điểm thị trường đi xuống.Mối quan hệ giữa cung và cầu được trực tiếp phản ánh thông qua khối lượng giao dịch
Trang 14trên thị trường, hoạt động của những nhà đầu tư có tổ chức, giao dịch ký quỹ … cũng
có ảnh hưởng đáng kể Mặc dù số lượng giao dịch ký quỹ tăng khi mà giá cổ phiếutăng, nhưng một khi giá cổ phiếu giảm số lượng cổ phiếu bán ra tăng và làm cho giácàng giảm
1.4 Chỉ số chứng khoán việt nam (VN – Index)
Chỉ số VN – index xây dựng căn cứ vào giá thị trường của tất cả các cổ phiếuđược niêm yết Với hệ thống chỉ số này, nhà đầu tư có thể đánh giá và phân tích thịtrường một cách tổng quát VN – index được tính theo công thức sau :
∑ (P1i * Q1i ) * 100 VN-INDEX = -
P0i * Q0i Trong đó : P1i : giá hiện hành của cổ phiếu i
Q1i : khối lượng đang lưu hành của cổ phiếu i P0i : giá của cổ phiếu i thời kỳ gốc
Q0i : khối lượng cổ phiếu i thời kỳ gốc
2 Mạng Neural nhân tạo.
2.1 Khái niệm
Mạng neural nhân tạo hay thường gọi ngắn gọn là mạng neural (tiếng Anh
là artificial neural network - ANN hay neural network - NN) là một mô hình toán
học hay mô hình tính toán được xây dựng dựa trên các mạng neural sinh học Nó gồm
có một nhóm các neural nhân tạo (nút) nối với nhau, và xử lý thông tin bằng cáchtruyền theo các kết nối và tính giá trị mới tại các nút (cách tiếp cận connectionism đốivới tính toán) Trong nhiều trường hợp, mạng neural nhân tạo là một hệ thống thích
ứng (adaptive system) tự thay đổi cấu trúc của mình dựa trên các thông tin bên ngoài
hay bên trong chảy qua mạng trong quá trình học
Mạng nơ-ron nhân tạo (Neural Network - NN) là một mô hình lập trình rất đẹplấy cảm hứng từ mạng nơ-ron thần kinh Kết hợp với các kĩ thuật học sâu (DeepLearning - DL), NN đang trở thành một công cụ rất mạnh mẽ mang lại hiệu quả tốtnhất cho nhiều bài toán khó như nhận dạng ảnh, giọng nói hay xử lý ngôn ngữ tựnhiên
Trang 152.2 Lịch sử của Neural nhân tạo
Vào năm 1943, nhà thần kinh học Warren McCulloch đã cùng nhà toánhọcWalter Pitts đã viết một cuốn sách về cách mạng thần kinh hoạt động Và họ đãthực hiện mô phỏng một mạng thần kinh đơn giản trên một mạch điện
Vào năm 1949, Donald Hebb đã viết cuốn sách Organization of Behavior.
Điểm nhấn chính là mạng thần kinh nào được sử dụng nhiều sẽ được tăng cường
Vào năm 1959, David Hubel và Torsten Wiesel đã xuất bản cuốn sách
Receptivefields of single neurons in the cat’s striate cortex, miêu tả về phản ứng của
các tế bào thần kinh thị giác trên loài mèo, cũng như cách loài mèo ghi nhớ và nhậndiện hình dạng trên kiến trúc vỏ não của nó
Hình 1: Hình ảnh thí nghiệm của David Hubel và Torsten Wiesel trên mèo
Vào năm 1989, Yann LeCun đã áp dụng thuật toán học cho mạng nơ ron theokiểu lan truyền ngược vào kiến trúc mạng nơ ron tích chập của Fukushima Sau đó vàinăm, LeCun đã công bố LeNet-5 [13] Có thể nói, LeNet-5 là một trong những mạng
nơ ron tích chập sơ khai nhất, tuy nhiên các dấu ấn của nó vẫn tồn tại tới ngày nay, cóthể thấy thông qua một số thành phần thiết yếu mà các mạng nơ ron tích chập củangày nay vẫn đang sử dụng
3 Các đặc trưng cơ bản của mạng nơron
- Gồm một tập các đơn vị xử lý (các noron nhân tạo)
- Trạng thái kích hoạt hay đầu ra của đơn vị xử lý
- Liên kết giữa các đơn vị Xét tổng quát, mỗi liên kết được định nghĩa bởi mộttrọng số Wjk cho ta biết hiệu ứng mà tín hiệu của đơn vị j có trên đơn vị k
- Một luật lan truyền quyết định cách tính tín hiệu ra của từng đơn vị từ đầu vào
Trang 16của nó
- Một hàm kích hoạt, hay hàm chuyển (activation function, transfer function),xác định mức độ kích hoạt khác dựa trên mức độ kích hoạt hiện tại
- Một đơn vị điều chỉnh (độ lệch) (bias, offset) của mỗi đơn vị
- Phương pháp thu thập thông tin (luật học - learning rule)
- Môi trường hệ thống có thể hoạt động
4 Các thành phần cơ bản của mạng nơ-ron nhân tạo
θj : độ lệch (bias)
aj : đầu vào mạng (net-input)
zj : đầu ra của nơron g(x): hàm chuyển (hàm kích hoạt)
Trong một mạng nơron có ba kiểu đơn vị:
- Các đơn vị đầu vào (Input units), nhận tín hiệu từ bên ngoài
Trang 17- Các đơn vị đầu ra (Output units), gửi dữ liệu ra bên ngoài
- Các đơn vị ẩn (Hidden units), tín hiệu vào (input) và ra (output) của nó
nằm trong mạngMỗi đơn vị j có thể có một hoặc nhiều đầu vào: x0, x1, x2, … xn, nhưng chỉ cómột đầu ra zj Một đầu vào tới một đơn vị có thể là dữ liệu từ bên ngoài mạng, hoặcđầu ra của một đơn vị khác, hoặc là đầu ra của chính nó
4.2 Hàm kích hoạt
- Phần lớn các đơn vị trong mạng nơron chuyển net input bằng cách sử dụngmột hàm vô hướng (scalar-to-scalar function) gọi là hàm kích hoạt, kết quả của hàmnày là một giá trị gọi là mức độ kích hoạt của đơn vị (unit's activation) Loại trừ khảnăng đơn vị đó thuộc lớp ra, giá trị kích hoạt được đưa vào một hay nhiều đơn vị khác.Các hàm kích hoạt thường bị ép vào một khoảng giá trị xác định, do đó thường đượcgọi là các hàm bẹp (squashing)
-Hàm logsig hoặc sigmoid là hàm truyền đạt được sử dụng nhiều nhất-Hàm có dạng đồng biến, có thể coi là trung gian giữa hàm tuyến tính vàhàm ngưỡng
Trang 18Hình 4 : Một số hàm kích hoạt
Với mạng Neural Network thì mỗi nút mạng là một sigmoid nơron nhưngchúng lại có hàm kích hoạt khác nhau Thực tế, người ta thường sử dụng có cùng loạivới nhau để việc tính toán thuận lợi hơn. Tại mỗi tầng, số lượng nút mạng có thể khácnhau còn tùy vào bài toán hoặc cách giải quyết
Tuy nhiên, khi làm việc người ta sẽ để các tầng ẩn số với số lượng nowrowrronkhác nhau Ngoài ra, những nơron nằm ở tầng thường sẽ liên kết đôi với nhau để tạothành mạng kết nối đầy đủ nhất Khi đó, người dùng có thể tính toán được kích cỡ củamạng dựa vào tầng và số lượng nơ ron.
Trang 195 Các hình trạng của mạng
Hình trạng của mạng được định nghĩa bởi: số lớp (layers), số đơn vị trên mỗilớp, và sự liên kết giữa các lớp như thế nào Các mạng về tổng thể được chia thành hailoại dựa trên cách thức liên kết các đơn vị:
5.1 Mạng truyền thẳng (Feed-forward neural network):
Dòng dữ liệu từ đơn vị đầu vào đến đơn vị đầu ra chỉ được truyền thẳng Việc
xử lý dữ liệu có thể mở rộng ra nhiều lớp, nhưng không có các liên kết phản hồi.Nghĩa là, các liên kết mở rộng từ các đơn vị đầu ra tới các đơn vị đầu vào trong cùngmột lớp hay các lớp trước đó là không cho phép
Hình 5 : Mạng Neural truyền thẳng nhiều lớp (Feed-forward neural network)
5.2 Mạng hồi quy (Recurrent neural network):
Có chứa các liên kết ngược Khác với mạng truyền thẳng, các thuộc tính động củamạng mới quan trọng Trong một số trường hợp, các giá trị kích hoạt của các đơn vị trảiqua quá trình nới lỏng (tăng giảm số đơn vị và thay đổi các liên kết) cho đến khi mạng đạtđến một trạng thái ổn định và các giá trị kích hoạt không thay đổi nữa Trong các ứngdụng khác mà cách chạy động tạo thành đầu ra của mạng thì những sự thay đổi các giá trịkhông đáng quan tậm