Đề tài khoa học và công nghệ cấp cơ sở: Mô hình dự báo giá cổ phiếu dựa trên việc tích hợp mô hình mờ TSK và tri thức tiên nghiệm

Mô Hình Dự Báo Giá Cổ Phiếu Dựa Trên Việc Tích Hợp Mô Hình Mờ TSK Và Tri Thức Tiên Nghiệm

Tác giả: Nguyễn Đức Hiển

Lĩnh vực: Khoa học và Công nghệ

Nội dung tài liệu:

Báo cáo tổng kết đề tài khoa học và công nghệ cấp cơ sở này trình bày về việc xây dựng mô hình dự báo giá cổ phiếu. Đề tài tập trung vào việc tích hợp mô hình mờ TSK (Takagi-Sugeno), được trích xuất từ dữ liệu bằng kỹ thuật máy học Véc-tơ hỗ trợ (SVM), với tri thức tiên nghiệm. Mục tiêu chính là nâng cao hiệu quả dự báo giá cổ phiếu thông qua việc đảm bảo tính chính xác và khả năng diễn dịch của mô hình.

Nghiên cứu đề xuất một thuật toán mới, SVM-IF, kết hợp máy học Véc-tơ hỗ trợ với mô hình mờ để trích xuất luật mờ. Đề tài cũng xem xét vai trò của tri thức tiên nghiệm trong việc học mô hình mờ và các kịch bản tích hợp tri thức này để cải thiện hiệu quả. Cuối cùng, một mô hình tích hợp nhiều giai đoạn được đề xuất và thực nghiệm để giải quyết bài toán dự báo giá cổ phiếu.

Mục lục chi tiết:

• MỤC LỤC
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC TỪ VIẾT TẮT
• THÔNG TIN KẾT QUẢ NGHIÊN CỨU
• MỞ ĐẦU
• Tổng quan
• Tính cấp thiết của đề tài
• Mục tiêu đề tài
• Cách tiếp cận và phương pháp nghiên cứu
• Đối tượng và phạm vi nghiên cứu
• Nội dung nghiên cứu
• Chương 1. CƠ SỞ LÝ THUYẾT MÔ HÌNH MỜ TSK VÀ MÁY HỌC VÉC-TƠ
• Mô hình mờ
• Mô hình mờ Mamdani
• Mô hình mờ Takagi-Sugeno
• Cơ sở lý thuyết Máy học Véc-tơ hỗ trợ
• Máy học Véc-tơ hỗ trợ
• Máy học Véc-tơ hỗ trợ cho vấn đề tối ưu hóa hồi qui
• Sự tương tự giữa máy học Véc-tơ hỗ trợ và mô hình mờ
• Trích xuất luật mờ từ dữ liệu dựa trên sự kết hợp máy học SVM và mô hình
• Chương 2. VIỆC HỌC MÔ HÌNH MỜ VỚI TRI THỨC TIÊN NGHIỆM
• Vai trò của tri thức tiên nghiệm
• Học dựa trên sự giải thích (EBL)
• Học dựa trên sự phù hợp (RBL)
• Học quy nạp dựa trên tri thức (KBIL)
• Chương 3. TÍCH HỢP TRI THỨC TIÊN NGHIỆM VÀO QUÁ TRÌNH HỌC
• Điều kiện đảm bảo tính “có thể diễn dịch được” của mô hình mờ
• Tích hợp tri thức tiên nghiệm trong mô hình mờ dựa trên máy học véc-tơ hỗ trợ
• Chương 4. MỘT SỐ KẾT QUẢ THỰC NGHIỆM
• Ví dụ hồi quy phi tuyến tính
• Chuỗi thời gian hỗn loạn Mackey-Glass
• Hệ thống Lorenz
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO