Tổng quan nghiên cứu

Trong kỷ nguyên dữ liệu số, dự báo chuỗi thời gian (Time Series Forecasting - TSF) đóng vai trò then chốt đối với các quyết định quản trị chiến lược trong kinh tế, tài chính và kỹ thuật. Tuy nhiên, các chuỗi dữ liệu thực tế thường có dung lượng rất lớn, dao động từ 2.500 đến hơn 10.000 điểm quan sát liên tục, chứa đựng nhiều biến động phức tạp như xu hướng dài hạn, tính mùa vụ và các nhiễu ngẫu nhiên. Khi đưa trực tiếp các tập dữ liệu kích thước lớn này vào mô hình Mạng nơron nhân tạo (Artificial Neural Network - ANN), hệ thống thường gặp phải trở ngại nghiêm trọng về chi phí tính toán, thời gian huấn luyện kéo dài và nguy cơ quá khớp dữ liệu (overfitting).

Nhằm giải quyết bài toán nút thắt cổ chai này, đề tài nghiên cứu tập trung tìm hiểu, thiết kế và thử nghiệm giải pháp kết hợp mạng nơron lan truyền tiến (Feedforward Neural Network - FFNN) với các phương pháp thu giảm số chiều hiện đại gồm Xấp xỉ bao gộp đoạn (Piecewise Aggregate Approximation - PAA) và Điểm quan trọng (Perceptually Important Points - PIP). Mục tiêu cốt lõi của nghiên cứu là đánh giá mức độ cải thiện hiệu năng huấn luyện và độ chính xác dự báo của mạng nơron khi áp dụng hệ số thu giảm chiều dữ liệu từ 5 đến 20 lần so với mô hình xử lý dữ liệu thô ban đầu.

Nghiên cứu được triển khai thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh, hoàn thành và bảo vệ vào tháng 12 năm 2012. Phạm vi thử nghiệm bao quát 6 bộ dữ liệu chuỗi thời gian chuẩn trong các lĩnh vực chứng khoán, ngoại hối, trái phiếu, việc làm, thương mại và hiệu năng hệ thống. Kết quả nghiên cứu có ý nghĩa thực tiễn sâu sắc, mang lại giải pháp cân bằng tối ưu giữa việc cắt giảm 50% đến 80% thời gian xử lý dữ liệu và việc kiểm soát sai số dự báo thông qua chỉ số Căn bậc hai trung bình bình phương sai số (Root Mean Squared Error - RMSE).

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nền tảng lý thuyết của đề tài được xây dựng trên sự giao thoa giữa mô hình học máy kết nối và các kỹ thuật tiền xử lý dữ liệu chuỗi thời gian nâng cao.

Mô hình Mạng nơron lan truyền tiến (FFNN) đa tầng được lựa chọn làm kiến trúc dự báo trung tâm. Trong mô hình này, tín hiệu đầu vào được truyền một chiều từ tầng nhập, qua các tầng ẩn và kết thúc tại tầng xuất. Để tối ưu hóa quá trình học, nghiên cứu ứng dụng giải thuật Resilient Backpropagation (RPROP) do Riedmiller đề xuất năm 1993, thay thế cho giải thuật Lan truyền ngược truyền thống (Backpropagation) và Lan truyền ngược kết hợp Momentum. RPROP tự động điều chỉnh tốc độ cập nhật trọng số dựa hoàn toàn vào sự đổi dấu của đạo hàm riêng với giá trị cập nhật giới hạn trong khoảng từ 1e-6 đến 50.0, sử dụng hệ số giảm 0.5 và hệ số tăng 1.2, giúp mạng hội tụ nhanh và loại bỏ sự phụ thuộc vào kinh nghiệm chọn hệ số học thủ công.

Bên cạnh mô hình học máy, hai kỹ thuật thu giảm số chiều được đặt trong mối quan hệ so sánh trực tiếp:

  1. Phương pháp PAA do Eamonn Keogh giới thiệu năm 2000: Chia chuỗi thời gian ban đầu thành các khung bằng nhau và tính giá trị trung bình trên từng khung, có ưu thế vượt trội về độ phức tạp tính toán tuyến tính O(n) và khả năng phản ánh chi tiết dao động cục bộ.
  2. Phương pháp PIP do Fu và cộng sự phát triển năm 2001: Trích xuất các điểm mốc hình thái quan trọng dựa trên khoảng cách hình học, trong đó biến thể Khoảng cách thẳng đứng (Vertical Distance - PIP-VD) thể hiện tính ưu việt trong việc nắm bắt 5 dạng cấu trúc đồ thị cơ bản gồm đỉnh nhọn, đỉnh bầu, hai đỉnh, ba đỉnh, và mô hình đầu và hai vai.

Các khái niệm then chốt được chuẩn hóa bao gồm: Chuỗi thời gian (Time Series), Cửa sổ trượt (Sliding Window), Hệ số thu giảm (Compression Ratio - CR), Sai số RMSE, và Điểm mốc trực quan (PIPs).

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ 6 tập dữ liệu chuỗi thời gian thực tế đa dạng: Treasury (lợi suất trái phiếu kho bạc), Payroll (bảng lương phi nông nghiệp), Sales (doanh số bán hàng), VNINDEX (chỉ số thị trường chứng khoán Việt Nam), Exchange Rate (tỷ giá hối đoái USD/VND), và Memory (thông số sử dụng bộ nhớ máy tính). Quy mô mẫu của các tập dữ liệu dao động từ 500 đến 2.500 điểm quan sát theo trật tự thời gian cố định.

Phương pháp chọn mẫu áp dụng nguyên tắc phân vùng chuỗi thời gian chuẩn tắc với 70% tổng số điểm quan sát đầu tiên dành cho tập huấn luyện (training set) và 30% điểm quan sát kế tiếp dành cho tập kiểm tra độc lập (testing set). Dữ liệu được đưa vào mạng thông qua cơ chế cửa sổ trượt tịnh tiến từng bước (sliding window) theo từng epoch nhằm bảo toàn trật tự nhân quả của dữ liệu lịch sử.

Lý do lựa chọn phương pháp phân tích thực nghiệm kết hợp đối chứng là nhằm định lượng hóa chính xác hiệu quả của hai phương thức tích hợp giảm chiều:

  • Cách tiếp cận thứ nhất: Thu giảm số chiều trực tiếp trên toàn bộ chuỗi dữ liệu ban đầu trước khi chia thành các cửa sổ huấn luyện.
  • Cách tiếp cận thứ hai: Sử dụng cửa sổ trượt ảo kích thước mở rộng (y điểm) rồi thực hiện thu giảm số chiều về kích thước cửa sổ thật (s điểm) trước khi đưa vào nốt nhập của mạng nơron.

Toàn bộ quá trình nghiên cứu, xây dựng công cụ phần mềm chuyên dụng và đo lường chỉ số RMSE được triển khai nghiêm ngặt từ tháng 9/2012 đến tháng 12/2012.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối chứng trên 6 bộ dữ liệu mẫu với nhiều mức hệ số thu giảm khác nhau đã mang lại các phát hiện cốt lõi sau:

Thứ nhất, về hiệu quả tiết giảm thời gian tính toán, phương pháp PAA thể hiện ưu thế vượt trội với độ phức tạp tính toán O(n), trong khi thuật toán PIP-VD có độ phức tạp xấp xỉ O(n*N). Khi áp dụng hệ số thu giảm CR = 10 (thu nhỏ từ 1.000 điểm xuống còn 100 điểm dữ liệu), tổng thời gian tiền xử lý và huấn luyện mạng nơron giảm hơn 65% so với mô hình nơron thuần túy không qua thu giảm số chiều.

Thứ hai, về khả năng dự báo trong cách kết hợp thứ nhất (thu giảm toàn bộ tập dữ liệu), phương pháp PAA cho sai số RMSE thấp hơn phương pháp PIP từ 12% đến 18% trên các tập dữ liệu tài chính có tần suất dao động dày đặc như VNINDEX và Exchange Rate. Nguyên nhân là do PAA bảo toàn tính phân bố đều theo trục thời gian, tương thích hoàn hảo với cơ chế tiếp nhận dữ liệu của mạng FFNN.

Thứ ba, trong cách kết hợp thứ hai (thu giảm qua cửa sổ trượt ảo), việc mở rộng cửa sổ ảo từ y = 50 điểm xuống cửa sổ thật s = 10 điểm giúp mạng tiếp thu lượng thông tin quá khứ dài hạn gấp 5 lần mà không cần tăng số lượng nốt nhập. Kết quả kiểm tra cho thấy sai số RMSE của mô hình cửa sổ ảo kết hợp PAA giảm từ 8% đến 15% so với mô hình cửa sổ trượt truyền thống có cùng cấu hình nơron.

Thứ tư, về khả năng đại diện hình thái của PIP-VD, thực nghiệm khẳng định rằng chỉ cần từ 7 đến 10 điểm PIPs là đã đủ để mô tả trọn vẹn 100% các mẫu hình sóng phức tạp (như mô hình ba đỉnh hoặc đầu và hai vai), duy trì sai số tái tạo hình học ở mức dưới 5% ngay cả khi hệ số nén đạt ngưỡng 25 lần.

Thảo luận kết quả

Nguyên nhân căn bản dẫn đến sự khác biệt về hiệu năng dự báo giữa hai phương pháp bắt nguồn từ bản chất toán học của quá trình giảm chiều. PAA thực hiện phép lấy mẫu trung bình theo từng phân đoạn đều đặn, nhờ đó giữ lại được các đặc trưng biến thiên liên tục (local fluctuations) và nhịp điệu chu kỳ của chuỗi số liệu. Ngược lại, PIP-VD tập trung trích xuất các điểm cực trị hình học, dẫn đến khoảng cách thời gian giữa các điểm PIP không đồng đều. Khi ép chuỗi PIP không đều này vào các nốt nhập phân bố đều của mạng nơron, mô hình có thể phát sinh hiện tượng lệch pha tín hiệu, làm tăng nhẹ chỉ số RMSE trong các bài toán dự báo bước kế tiếp.

So sánh với các nghiên cứu tiền đề, kết quả này hoàn toàn nhất quán với nhận định của Eamonn Keogh (2000) về tính hiệu quả của PAA so với các phép biến đổi Fourier (DFT) hay Wavelet (DWT). Đồng thời, luận văn đã mở rộng công trình của Fu và cộng sự (2001) khi chứng minh rằng PIP-VD thích hợp nhất cho bài toán nhận diện mẫu hình xu hướng dài hạn, trong khi PAA lại là lựa chọn hàng đầu cho bài toán dự báo giá trị số cụ thể qua mạng nơron.

Các kết quả sai số thực nghiệm hoàn toàn có thể được trực quan hóa sinh động thông qua biểu đồ đường (line chart) đối sánh quỹ đạo giá thực tế và giá dự báo, kết hợp cùng bảng ma trận đối chiếu chỉ số RMSE theo từng mức hệ số nén CR = 5, 10, 20. Cách trình bày trực quan này minh chứng rõ nét rằng mô hình kết hợp vừa duy trì được độ mượt của đường dự báo, vừa loại bỏ hiệu quả các thành phần nhiễu tần số cao.

Đề xuất và khuyến nghị

Dựa trên các kết luận rút ra từ nghiên cứu thực nghiệm, bốn nhóm giải pháp kỹ thuật cụ thể được đề xuất nhằm nâng cao hiệu quả ứng dụng thực tế:

Thứ nhất, chuẩn hóa quy trình tiền xử lý chuỗi thời gian bằng phương pháp PAA đối với các hệ thống dự báo tài chính tần suất cao. Đội ngũ Kỹ sư Dữ liệu (Data Engineers) cần thiết lập hệ số thu giảm CR từ 5 đến 10 cho toàn bộ dữ liệu đầu vào, hướng tới mục tiêu giảm 60% chi phí tài nguyên máy chủ và rút ngắn thời gian xử lý theo chu kỳ hàng ngày, hoàn thành quy chuẩn hóa trong vòng 3 tháng đầu triển khai.

Thứ hai, triển khai cơ chế cửa sổ trượt ảo thích nghi trong kiến trúc mạng nơron. Nhóm Phát triển Trí tuệ Nhân tạo (AI Developers) nên thiết lập kích thước cửa sổ ảo y từ 30 đến 50 điểm và nén về cửa sổ thật s từ 7 đến 10 nốt nhập. Giải pháp này giúp mô hình tiếp nhận đầy đủ bối cảnh dài hạn, hướng đến mục tiêu kéo giảm sai số RMSE xuống dưới ngưỡng 0.05, hoàn thành thử nghiệm và tích hợp trong thời hạn 6 tháng.

Thứ ba, tối ưu hóa các siêu tham số của giải thuật huấn luyện RPROP. Chuyên viên Tối ưu Mô hình Học máy cần áp dụng bộ thông số chuẩn với hệ số giảm 0.5, hệ số tăng 1.2, biên độ giá trị cập nhật từ 1e-6 đến 50.0, kết hợp cấu hình số nơron tầng ẩn từ 10 đến 25 nốt để đảm bảo tốc độ hội tụ nhanh dưới 300 epoch, duy trì giám sát và tinh chỉnh định kỳ mỗi 2 tháng.

Thứ tư, xây dựng mô hình lai ghép đa tầng kết hợp giữa PIP-VD và PAA. Trưởng nhóm Nghiên cứu Khoa học Dữ liệu cần chủ trì thiết kế hệ thống phân tích đa khung thời gian: sử dụng 7 đến 10 điểm PIP-VD để lọc xu hướng vĩ mô dài hạn, sau đó dùng PAA để khớp dữ liệu vi mô dự báo ngắn hạn, nhằm nâng cao độ chính xác dự báo toàn diện thêm 10% đến 15%, hoàn thiện lộ trình thử nghiệm trong vòng 9 đến 12 tháng.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng chính:

Thứ nhất, Giảng viên, Nghiên cứu sinh và Học viên Cao học ngành Khoa học Máy tính và Công nghệ Thông tin. Luận văn cung cấp khung tham chiếu phương pháp luận hoàn chỉnh, chứng minh toán học chặt chẽ về thuật toán RPROP, PAA, PIP và cách thiết kế mạng FFNN cho bài toán chuỗi thời gian. Tài liệu là nguồn tham khảo đắc lực để phát triển các đề tài mở rộng về học sâu (Deep Learning) và xử lý dữ liệu lớn.

Thứ hai, Chuyên viên Phân tích Định lượng (Quantitative Analysts) tại các quỹ đầu tư và công ty chứng khoán. Luận văn cung cấp ca ứng dụng thực tế trên dữ liệu chỉ số VNINDEX và tỷ giá ngoại tệ, giúp các chuyên gia xây dựng thuật toán giao dịch tự động, dự báo biến động giá với độ trễ tính toán thấp và cắt giảm đến 70% dung lượng lưu trữ dữ liệu lịch sử.

Thứ ba, Kỹ sư Trí tuệ Nhân tạo và Khoa học Dữ liệu (AI/Data Scientists). Các kỹ sư có thể tái sử dụng trực tiếp các mã giả thuật toán, quy trình trích xuất PIP-VD và giải pháp cửa sổ trượt ảo để tối ưu hóa kích thước mạng nơron, đặc biệt hữu ích khi triển khai mô hình học máy trên các thiết bị biên (Edge Devices) hoặc hệ thống IoT có năng lực phần cứng hạn chế.

Thứ tư, Quản lý Khối Vận hành và Dự báo Kinh doanh tại các doanh nghiệp quy mô lớn. Thông qua các case study về dữ liệu doanh số bán hàng (Sales) và phân bổ lao động (Payroll), nhà quản lý có thể ứng dụng các mô hình dự báo nhu cầu thị trường với độ chính xác cao, tối ưu hóa chuỗi cung ứng và quản trị rủi ro tồn kho hiệu quả.

Câu hỏi thường gặp

Mạng nơron truyền thẳng huấn luyện bằng giải thuật RPROP có ưu thế gì vượt trội so với giải thuật Lan truyền ngược truyền thống? Giải thuật RPROP khắc phục hoàn toàn nhược điểm phụ thuộc vào hệ số học và hệ số quán tính vốn đòi hỏi thử nghiệm sai số phức tạp. RPROP cập nhật trọng số dựa trực tiếp trên dấu của đạo hàm riêng, giúp mô hình hội tụ nhanh chóng chỉ sau 200 đến 500 epoch, ngăn ngừa tình trạng kẹt tại cực trị cục bộ và tránh hiện tượng dao động vô hạn quanh điểm tối ưu.

Khi nào nên lựa chọn phương pháp PAA và khi nào nên ưu tiên sử dụng phương pháp PIP-VD? PAA là lựa chọn tối ưu khi bài toán yêu cầu dự báo giá trị số liên tục cho bước kế tiếp vì phương pháp này giữ được các chi tiết biến thiên cục bộ và có tốc độ xử lý nhanh O(n). Ngược lại, PIP-VD phù hợp nhất cho bài toán nhận dạng mẫu hình kỹ thuật và phân loại xu hướng nhờ khả năng trích xuất 7 đến 10 điểm mốc hình thái then chốt.

Hệ số thu giảm số chiều (Compression Ratio) ở mức nào là hợp lý nhất để không làm suy giảm chất lượng dự báo? Kết quả thực nghiệm trên 6 bộ dữ liệu cho thấy hệ số thu giảm từ 5 đến 10 lần mang lại sự cân bằng hoàn hảo nhất. Mức nén này giúp cắt giảm 50% đến 80% khối lượng tính toán của mạng nơron, trong khi chỉ số sai số RMSE chỉ dao động chênh lệch dưới 3% so với khi sử dụng toàn bộ chuỗi dữ liệu gốc.

Cơ chế thu giảm qua cửa sổ trượt ảo mang lại lợi ích cụ thể gì so với cửa sổ trượt thông thường? Cơ chế cửa sổ ảo cho phép bao quát một phân đoạn dữ liệu lịch sử dài hạn (ví dụ y = 50 điểm) rồi nén về kích thước cửa sổ thật (s = 10 điểm). Điều này cung cấp bối cảnh xu hướng sâu rộng hơn cho mạng nơron mà không cần tăng số lượng nốt ở tầng nhập, giúp giảm sai số RMSE từ 8% đến 15%.

Tại sao trong ba biến thể khoảng cách của PIP thì biến thể khoảng cách thẳng đứng (PIP-VD) lại được đánh giá cao nhất? Thực nghiệm trên tập dữ liệu 2.500 điểm chứng minh PIP-VD cho sai số nhận dạng hình thái thấp nhất ở mọi mức nén. Ngay cả tại hệ số thu giảm cực đại lên tới 250 lần, PIP-VD vẫn tái hiện chuẩn xác các điểm đảo chiều và hình thái đỉnh đáy của đồ thị tốt hơn rõ rệt so với khoảng cách Euclide (ED) và khoảng cách vuông góc (PD).

Kết luận

Công trình nghiên cứu đã giải quyết thành công bài toán tối ưu hóa chi phí tính toán và nâng cao độ chính xác trong dự báo chuỗi thời gian thông qua các đóng góp nổi bật:

  • Chứng minh tính khả thi và hiệu quả cao của việc tích hợp các giải thuật thu giảm số chiều PAA và PIP-VD vào quy trình huấn luyện mạng nơron nhân tạo.
  • Xác định phương pháp PAA là giải pháp vượt trội cho bài toán dự báo chuỗi thời gian liên tục nhờ khả năng bảo toàn dao động cục bộ và độ phức tạp tính toán tối ưu O(n).
  • Khẳng định khả năng nắm bắt hình thái cấu trúc toàn thể xuất sắc của phương pháp PIP-VD chỉ với 7 đến 10 điểm mốc quan trọng trên các dạng đồ thị phức tạp.
  • Đề xuất và kiểm chứng thành công hai phương thức kết hợp thu giảm: trên toàn bộ chuỗi huấn luyện và thông qua kỹ thuật cửa sổ trượt ảo mở rộng.
  • Đạt mức tiết giảm thời gian huấn luyện từ 50% đến 80% trong khi vẫn kiểm soát sai số RMSE ở mức tối ưu trên 6 bộ dữ liệu thực nghiệm đa lĩnh vực.

Về định hướng phát triển trong giai đoạn 6 đến 12 tháng tới, mô hình có thể được mở rộng nghiên cứu trên các kiến trúc mạng học sâu hiện đại như LSTM, GRU hoặc Transformer, đồng thời thử nghiệm trên các chuỗi thời gian đa biến phức tạp. Hãy tải toàn văn luận văn thạc sĩ và áp dụng ngay giải pháp kết hợp PAA-FFNN để tối ưu hóa hiệu năng cho hệ thống phân tích dữ liệu của bạn ngay hôm nay.