Đại Học Quốc Gia Tp. Hồ Chí Minh TRƢỜNG ĐẠI HỌC BÁCH KHOA -------------------- LÂM KHÁNH HẢI DỰ BÁO XU THẾ GIÁ CỔ PHIẾU VỚI MÔ HÌNH MẠNG NƠ RON NHÂN TẠO Chuyên ngành: QUẢN TRỊ KINH DOANH LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 08 năm 2010 CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI TRƢỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán bộ hướng dẫn khoa học: PGS. NGUYỄN THỐNG Cán bộ chấm nhận xét 1: TS.
CAO HÀO THI Cán bộ chấm nhận xét 2: TS. TRỊNH THÙY ANH Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM ngày 17 tháng 08 năm 2010 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1. CAO HÀO THI 3.
TRỊNH THÙY ANH 4. ĐẶNG NGỌC ĐẠI 5. VŨ VIỆT HẰNG Xác nhận của Chủ tịch Hội đồng đánh giá LV và Bộ môn quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có). Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành TS.
CAO HÀO THI TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA QUẢN LÝ CÔNG NGHIỆP Độc Lập - Tự Do - Hạnh Phúc ---------------- ---oOo--- Tp. HCM, ngày 28 tháng 06 năm 2010 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ và tên học viên : LÂM KHÁNH HẢI Phái : NAM Ngày, tháng, năm sinh: 17/03/1984 Nơi sinh: TIỀN GIANG Chuyên ngành : Quản trị kinh doanh MSHV : 01708023 1- TÊN ĐỀ TÀI: DỰ BÁO XU THẾ GIÁ CỔ PHIẾU VỚI MÔ HÌNH MẠNG NƠ RON NHÂN TẠO 2- NHIỆM VỤ LUẬN VĂN: Tìm hiểu sơ bộ về lý thuyết mạng nơ ron nhân tạo để có thể hiểu các yếu tố ảnh hưởng đến khả năng hoạt động của mạng Khảo sát khả năng dự báo xu thế giá cổ phiếu của mạng nơ ron Khảo sát ảnh hưởng của cách chuẩn hóa biến đầu vào và hàm truyền ảnh hưởng đến kết quả tỷ lệ dự báo đúng xu hướng và tỷ suất sinh lợi tích lũy thu được từ dự báo Khảo sát ảnh hưởng của chi phí giao dịch lên tỷ suất sinh lợi tích lũy từ dự báo 3- NGÀY GIAO NHIỆM VỤ : 15/01/2010 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 28/06/2010 5- HỌ VÀ TÊN CÁN BỘ HƢỚNG DẪN: PGS. NGUYỄN THỐNG Nội dung và đề cương Luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua. CÁN BỘ HƢỚNG DẪN KHOA QL CHUYÊN NGÀNH PGS.
NGUYỄN THỐNG PGS. LÊ NGUYỄN HẬU LỜI CẢM ƠN Đầu tiên, tôi xin gửi lời cảm ơn chân thành đến PGS. Nguyễn Thống đã nhiệt tình hướng dẫn, giúp đỡ tôi trong suốt quá trình thực hiện luận văn. Xin chân thành cảm ơn đến Thầy Cô khoa Quản Lý Công Nghiệp, những người đã tận tình truyền đạt cho tôi những kiến thức quý báu trong suốt quá trình học tập tại trường.
Tôi cũng xin gửi lời cảm ơn đến các đồng nghiệp và các bạn học viên MBA khóa 2008 đã đóng góp những ý kiến, kinh nghiệm thực tế quý báu giúp tôi hoàn thành luận văn. Cuối cùng, tôi xin gửi cảm ơn ba mẹ và gia đình đã động viên và tạo điều kiện tốt nhất về vật chất và tinh thần để tôi có thể hoàn thành tốt quá trình học tập tại trường Vì thời gian hữu hạn nên chắc chắn quyển luận văn không thể tránh được những thiếu sót và hạn chế. Rất mong nhận được sự đóng góp của quý Thầy Cô, bạn bè và đồng nghiệp để luận văn được hoàn thiện hơn. Trân trọng, Tp.HCM, ngày 28 tháng 06 năm 2010 Học viên Lâm Khánh Hải TÓM LƢỢC Thị trường chứng khoán luôn luôn là một lĩnh vực hấp dẫn và đầy thách thức cho các nhà nghiên cứu bởi vì chưa có một phương pháp nào được tìm thấy có thể dự đoán hành vi của giá cổ phiếu một cách chính xác.
Điều đó cho thấy đầu tư chứng khoán luôn tiềm ẩn sự rủi ro hơn bất cứ một lĩnh vực đầu tư nào khác. Bên cạnh những phương pháp truyền thống thường dùng trong đầu tư chứng khoán như phân tích cơ bản và phân tích kỹ thuật, luận văn này nhằm đề cập đến một phương pháp khác. Đó là mạng nơ ron nhân tạo (ANN). Mạng nơ ron nhân tạo là mô hình toán học mô phỏng theo nguyên lý hoạt động của bộ não con người.
ANN có khả năng nhận dạng các mối quan hệ phi tuyến phức tạp giữa các biến. Vì vậy ANN có thể phù hợp để dự báo hành vi của giá cổ phiếu Mục tiêu của luận văn này là đánh giá khả năng áp dụng mạng nơ ron nhân tạo trong việc dự báo xu thế giá cổ phiếu ở thị trường chứng khoán Việt Nam. Kết quả khi so sánh với chiến thuật mua và giữ cho thấy mạng nơ ron nhân tạo với biến đầu vào là các chỉ báo phân tích kỹ thuật có thể áp dụng tốt trong thị trường chứng khoán Việt Nam khi chi phí giao dịch nhỏ. Muốn phát huy khả năng mạng nơ ron, cần kết hợp phân tích cơ bản và phân tích kỹ thuật nên dữ liệu cần phải đủ lớn.
Tuy nhiên do thị trường chứng khoán Việt Nam còn non trẻ nên chắc chắn mạng nơ ron chưa phát huy hết năng lực của mình. Lưu ý rằng dự báo bằng mô hình mạng nơ ron có thể sai khi mối quan hệ giữa các biến trong quá khứ không còn đúng ở tương lai. Vì thế nhà đầu tư nên sử dụng mô hình mạng nơ ron như công cụ hỗ trợ ra quyết định đầu tư bên cạnh các phương pháp truyền thống như phân tích cơ bản và phân tích kỹ thuật. ABSTRACT The stock market has always been an attractive and challenging field for researchers because it isn’t found method to predict the behavior of stock prices accurately.
This shows that investment securities are always potential more risky than other investments. Besides the traditional methods used in investment securities as fundamental analysis and technical analysis, this thesis refer to a different method. It is Artificial Neural Network (ANN). Artificial Neural Networks are mathematical models simulating the operation principle of the human brain.
ANN have the ability to identify nonlinear relationships between variables complex. Therefore, ANN can be adapted to predict the behavior of stock prices. The objective of this thesis is to evaluate application of Artificial Neural network in forecasting the trend of share prices in Vietnam's stock market. Comparing results with buy and hold strategy, Artificial Neural network can be applied well in Vietnam's securities market when the cost of small transactions.
In order to promote neural network capabilities, fundamental analysis and technical analysis should be incorporated anh data must be enough. However, Vietnam's stock market is still fledgling, certainly neural network should not develop its own power. Note that the prediction by neural network models may be wrong when the relationship between variables in the past is not true in the future. Investors should use neural network models as tool to support decision making investment besides traditional methods such as fundamental analysis and technical analysis.
MỤC LỤC CHƢƠNG 1.2 Mục tiêu nghiên cứu .3 Ý nghĩa thực tiễn đề tài .4 Phạm vi thực hiện. CƠ SỞ LÝ THUYẾT MẠNG NƠ RON NHÂN TẠO .1 Cấu tạo nơ ron sinh học .2 Mạng nơ ron nhân tạo .1 Khái niệm mạng nơ ron nhân tạo .2 Phần tử xử lý .3 Mô hình kết nối giữa các mạng nơ ron nhân tạo .4 Huấn luyện mạng .5 Thuật học lan truyền ngược (back – propagation).6 Phương pháp giảm gradient .7 Lịch sử phát triển ANN .8 Ứng dụng ANN. DỰ BÁO THỊ TRƢỜNG CHỨNG KHOÁN .2 Thông tin trong thị trường chứng khoán .3 Thuyết thị trường hiệu quả .1 Những nghiên cứu ủng hộ thuyết EMH .2 Những nghiên cứu mâu thuẫn với thuyết thị trường hiệu quả .4 Dự báo thị trường chứng khoán .1 Phân tích cơ bản .2 Phân tích kỹ thuật .3 Dự báo chuỗi thời gian .4 Mạng nơ ron nhân tạo. THIẾT KẾ NGHIÊN CỨU .1 Xác định biến đầu vào và biến cần dự báo.1 Xác định biến dự báo .2 Xác định biến đầu vào .2 Thu thập dữ liệu .3 Xử lý dữ liệu .4 Phân chia tập dữ liệu .5 Tiêu chí đánh giá kết quả .1 Tỷ lệ dự báo đúng xu hướng tăng giảm .2 Tiêu chí tỷ suất sinh lợi tích lũy .6 Cấu trúc mạng nơ ron – Huấn luyện mạng .1 Xác định cấu trúc mạng nơ ron .2 Huấn luyện mạng.
THU THẬP VÀ XỬ LÝ DỮ LIỆU .1 Thu thập dữ liệu .2 Xử lý dữ liệu .3 Giới thiệu các bước chạy neural network trong SPSS 18 .4 Xử lý dữ liệu sau khi dự báo .1 Tính toán phần trăm dự báo đúng xu hướng .2 Tính toán tỷ suất sinh lợi. KẾT QUẢ VÀ BÀN LUẬN .1 Tóm tắt quá trình thực hiện .2 Kết quả dự đoán đúng xu hướng .3 Kết quả tỷ suất sinh lợi tích lũy thu được từ các chiến thuật. KẾT LUẬN – KIẾN NGHỊ .1 Tóm tắt nội dung nghiên cứu luận văn .2 Kết luận – kiến nghị. 71 TÀI LIỆU THAM KHẢO PHỤ LỤC 1.
KẾT QUẢ DỰ BÁO XU THẾ GIÁ CỔ PHIẾU PHỤ LỤC 2. KẾT QUẢ TỶ SUẤT SINH LỢI PHỤ LỤC 3. THUẬT TOÁN LAN TRUYỀN NGƢỢC DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT ANN: Artificial Neural Network (Mạng nơ ron nhân tạo) EMH: Efficient market hypothesis (Thuyết thị trường hiệu quả) Chiến thuật Stand-hyp: Chuẩn hóa biến đầu vào theo phân phối chuẩn (Standarized), hàm truyền lớp ẩn là Hyberbolic tangent trong khoảng (-1,1) Chiến thuật Nor-hyp: Chuẩn hóa biến đầu vào trong khoảng (0,1) (Normalized), hàm truyền lớp ẩn là Hyberbolic tangent trong khoảng (-1,1) Chiến thuật Adj-hyp: Chuẩn hóa biến đầu vào trong khoảng (-1,1) (Adjust Normalized), hàm truyền lớp ẩn là Hyberbolic tangent trong khoảng (-1,1) Chiến thuật None-hyp: Không chuẩn hóa biến đầu vào (None), hàm truyền lớp ẩn là Hyberbolic tangent trong khoảng (-1,1) Chiến thuật Stand-sig: Chuẩn hóa biến đầu vào theo phân phối chuẩn (Standarized), hàm truyền lớp ẩn là Sigmoid trong khoảng (0,1) Chiến thuật Nor-sig: Chuẩn hóa biến đầu vào trong khoảng (0,1) (Normalized), hàm truyền lớp ẩn là Sigmoid trong khoảng (0,1) Chiến thuật Adj-sig: Chuẩn hóa biến đầu vào trong khoảng (-1,1) (Adjust Normalized), hàm truyền lớp ẩn là Sigmoid trong khoảng (0,1) Chiến thuật None-sig: Không chuẩn hóa biến đầu vào (None), hàm truyền lớp ẩn là Sigmoid trong khoảng (0,1) DANH MỤC CÁC HÌNH Số hiệu hình Tên hình Trang 2.1 Cấu tạo nơ ron sinh học 5 2.2 Cấu trúc cơ bản của mạng nơ ron nhân tạo 6 2.3 Cấu trúc cơ bản một phần tử xử lý 7 2.4 Hàm truyền Sigmoid 8 2.5 Hàm truyền Hyberbolic tangent 8 2.6 Cấu trúc nơ ron sinh học 9 2.7 Cấu trúc nơ ron nhân tạo 9 2.8 Mạng nơ ron truyền thẳng nhiều lớp 10 2.9 Mạng hồi tiếp.10 Mạng hồi quy 10 Minh hoạ về huấn luyện mạng nơ ron với input và 2.11 11 target tương ứng 2.12 Mô hình học có giám sát và học củng cố 12 2.13 Mô hình học không có giám sát 13 2.
