Tìm kiếm
Đang tải khung tìm kiếm
Kết quả 1 đến 1 của 1

    TIẾN SĨ Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế ­Trường hợp thị trường chứng khoán Việt Nam

    D
    dream dream Đang Ngoại tuyến (18524 tài liệu)
    .:: Cộng Tác Viên ::.
  1. Gửi tài liệu
  2. Bình luận
  3. Chia sẻ
  4. Thông tin
  5. Công cụ
  6. Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế ­Trường hợp thị trường chứng khoán Việt Nam

    Luận án tiến sĩ
    Đề tài: Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế ­Trường hợp thị trường chứng khoán Việt Nam
    Định dạng file word

    MỞ ĐẦU

    1. Tính cấp thiết của luận án

    Việc nghiên cứu những công cụ hoặc mô hình dự báo thị trường tài chính và nền
    kinh tế có một lịch sử lâu đời. Phân tích chuỗi thời gian là một trong những cách tiếp
    cận truyền thống được sử dụng rộng rãi nhất trong lĩnh vực này. Có hai loại mô hình
    mô tả hành vi của chuỗi thời gian như sau.
    Thứ nhất là các mô hình tuyến tính: phương pháp tuyến tính để phân tích chuỗi thời
    gian thường được áp dụng thông qua một trong những kỹ thuật sau đây:
    Kỹ thuật Box ­ Jenkins
    Bộ lọc Kalman
    Lý thuyết san bằng hàm mũ của Brown
    Hồi quy mẫu nhỏ

    Thứ hai là các mô hình phi tuyến:
    Lý thuyết Taken
    Phương trình Mackey­Glass

    Những kỹ thuật này cố gắng tái tạo lại chuỗi thời gian dựa trên các mẫu dữ liệu để dự
    đoán giá trị tương lai. Mặc dù những kỹ thuật này có ý nghĩa thống kê nhưng chúng
    có tỷ lệ thành công thấp khi được sử dụng để dự báo thị trường tài chính.
    Những bằng chứng gần đây chỉ ra rằng thị trường tài chính là phi tuyến. Tuy nhiên,
    phương pháp tuyến tính vẫn cung cấp những cách tiếp cận tốt để mô tả hệ thống phi
    tuyến được tìm thấy trong phân tích chuỗi thời gian thị trường tài chính (Fang và
    cộng sự, 1994). Bollerslev (1986) cung cấp một cái nhìn tổng quát về sự tồn tại của
    tính phi tuyến trong dữ liệu tài chính, và phát triển một mô hình để dự đoán chuỗi
    thời gian tài chính được gọi là GARCH (Generalized Autoregressive conditional
    heteroskedasticity ­ GARCH) kết hợp tất cả các đặc trưng quan sát được trong chuỗi
    này. Nhưng nền kinh tế đang phát triển nhanh chóng (chứ không phải đi từ từ) theo
    thời gian. Tuy nhiên, những đặc trưng này không dễ dàng được tính toán bằng các
    mô hình tuyến tính, và điều này được chứng minh qua việc các hệ số ước lượng có
    độ dốc lớn. Nhiều nhân tố tác động đến thị trường tài chính và nền kinh tế bao gồm
    các sự kiện chính trị, điều kiện kinh tế nói chung, và kỳ vọng của nhà đầu tư. Vì vậy,
    dự báo thị trường tài chính và sự chuyển động của nền kinh tế là khá khó khăn.
    Mạng thần kinh nhân tạo ­ Artificial Neural Network (ANN) ­ là một công cụ hữu
    ích trong tài chính định lượng hiện đại và được biết đến như một kỹ thuật mô hình
    hóa thống kê hữu ích. ANN là một công cụ tốt cho cả các nhà nghiên cứu và những
    nhà thực nghiệm. Mô hình ANN có thể tìm ra mối quan hệ hàm trong một tập hợp dữ
    liệu và thực hiện các nhiệm vụ như nhận dạng mẫu hình, phân loại, đánh giá, mô
    hình hóa, dự báo và kiểm soát (Anderson và Rosenfeld, 1988; Hecht­Nielsen, 1990;
    Hertz và cộng sự, 1991; Hiemstra và Jones, 1994). Một vài tính năng khác biệt của
    ANN làm cho chúng có giá trị và hấp dẫn trong dự báo.
    Một số bài viết xem xét những báo cáo trên tạp chí cách mà ANN có thể áp dụng cho
    thị trường tài chính và nền kinh tế. Chatterjee và cộng sự (2000) cung cấp một tổng
    quan về hệ thống ANN và phạm vi sử dụng rộng rãi của chúng trên thị trường tài
    chính. Công trình của họ thảo luận về ưu điểm vượt trội của ANN so với các phương
    pháp truyền thống. Nghiên cứu kết luận với một mô tả về việc sử dụng thành công
    ANN bởi nhiều tổ chức tài chính trong việc dự báo giá chứng khoán. Trong sách
    Neural Network cho dự báo tài chính của Edward Gately, mô tả phương pháp chung
    để xây dựng, huấn luyện, và kiểm tra một ANN bằng cách sử dụng phần mềm
    thương mại hiện hữu. Luận án sẽ tập trung vào phương pháp này để triển khai quá
    trình phân tích và dự báo giá chứng khoán trên thị trường chứng khoán Việt Nam
    như là một minh chứng cho khả năng ứng dụng của ANN trong dự báo kinh tế.
    Không chỉ trong lĩnh vực dự báo giá chứng khoán, luận án còn mong muốn sử dụng
    phương pháp ANN áp dụng cho các lĩnh vực tài chính và nền kinh tế như là một
    công cụ dự báo hỗ trợ cho các phương pháp truyền thống. Chính vì vậy, tác giả chọn
    đề tài với tên gọi “Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế –
    Trường hợp thị trường chứng khoán Việt Nam” làm nội dung nghiên cứu cho luận án
    tiến sĩ của mình.
    Tình hình nghiên cứu liên quan đến nội dung luận án
    Từ những nghiên cứu sơ khai của Mc Culloch và Pitts trong những năm 1940, trải
    qua nhiều năm phát triển, cho đến hơn 10 năm trở lại đây cùng với sự phát triển
    mạnh mẽ của ngành công nghệ thông tin trong việc xử lý dữ liệu cho cả phần cứng
    và phần mềm đã giúp cài đặt những ứng dụng phức tạp của lý thuyết mạng thần kinh
    nhân tạo. Lý thuyết mạng thần kinh nhân tạo những năm gần đây mới thực sự được
    chú ý và nhanh chóng trở thành một hướng nghiên cứu đầy triển vọng trong mục
    đích xây dựng mô hình mô phỏng theo trí tuệ con người. Sức mạnh thuộc về bản chất
    tính toán của các thuật toán mạng, song những nghiên cứu thực nghiệm đã thành
    công trong nhiều lĩnh vực, những nghiên cứu thực nghiệm trong lĩnh vực tài chính
    cũng được sự quan tâm và cho ra nhiều kết quả tốt ở những nền kinh tế khác nhau.
    Từ những nghiên cứu việc ứng dụng ANN để phân tích những chuỗi dữ liệu thời
    gian nên được thực hiện dựa trên trấu trúc ANN nào cho các chỉ tiêu dự báo như tăng
    trưởng kinh tế, biến động tỷ giá hối đoái, và thậm chí là giá chứng khoán trên các thị
    trường. Quá trình nghiên cứu mạng ANN còn được so sánh với những mô hình
    truyền thống hiện đang được sử dụng cho việc phân tích và dự báo trong lĩnh vực
    kinh tế như mô hình hồi quy tuyến tính, mô hình hồi quy phi tuyến. Quá trình nghiên
    cứu này đã cho ra những kết quả lợi thế của mô hình ANN đặc biệt là ở những thị
    trường mới nổi trong phân tích và dự báo. Như vậy, ở thị trường Việt Nam liệu quá
    trình triển khai nghiên cứu ứng dụng mô hình ANN có hiệu quả không và có vượt
    trội hơn các công cụ phân tích và dự báo khác? Trên cơ sở tiếp cận này, tôi đi vào
    nghiên cứu quá trình hoạt động của mạng ANN trong lĩnh vực kinh tế, tài chính và
    những kết quả nghiên cứu đạt được ở các thị trường khác trên thế giới để làm nền
    tảng cho việc nghiên cứu.
    Mục tiêu nghiên cứu

    Trên phương diện nghiên cứu mô hình mạng ANN và những nguyên lý hoạt động
    của nó để từ đó ứng dụng vào lĩnh vực kinh tế và tài chính vẫn còn là một nội dung
    chưa được quan tâm nhiều. Trong phạm vi của nền kinh tế Việt Nam, tác giả tập
    trung nghiên cứu việc ứng dụng mô hình này để nhằm phân tích và dự báo giá chứng
    khoán trên thị trường chứng khoán Việt Nam trước các biến giải thích khác nhau,
    như là một minh chứng cho khả năng ứng dụng của mô hình ANN trong dự báo kinh
    tế. Qua quá trình ứng dụng ANN vào thị trường chứng khoán Việt Nam, luận án sẽ
    giải quyết thêm một số vấn đề khác như: cấu trúc mạng ANN nào tốt cho vấn đề dự
    báo giá chứng khoán trên thị trường chứng khoán Việt Nam, hiệu quả của mô hình
    ANN so với mô hình hồi quy tuyến tính biến nào sẽ tác động lên sự biến động của
    giá chứng khoán Cụ thể hơn, luận án sẽ giải quyết bốn mục tiêu nghiên cứu sau:
    Khả năng ứng dụng mô hình ANN trong dự báo giá chứng khoán trên thị
    trường chứng khoán Việt Nam.
    Lựa chọn cấu trúc mạng ANN phù hợp trong dự báo giá chứng khoán.
    Hiệu quả ứng dụng mô hình ANN tốt hơn mô hình hồi quy tuyến tính.
    Tìm ra nhóm biến có thể giúp dự báo giá chứng khoán trên thị trường chứng
    khoán Việt Nam qua đó gợi ý một số chính sách liên quan.

    Chương 1: QUAN ĐIỂM VÀ BẰNG CHỨNG THỰC NGHIỆM VIỆC ỨNG
    DỤNG MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO TRONG DỰ
    BÁO
    Mỗi một mô hình phân tích và dự báo đều dựa trên những nền tảng giả định khác
    nhau. Các mô hình trước nay được sử dụng phổ biến để phân tích và dự báo đều dựa
    trên phương pháp phân phối chuẩn của các biến đưa vào mô hình. Quan điểm về
    phân phối chuẩn đã đưa ra nền tảng toán học cho học thuyết thị trường hiệu quả.
    Quan điểm này đã đưa đến việc hình thành các mô hình phân tích và định giá chứng
    khoán như mô hình định giá tài sản vốn ­ CAPM, mô hình định giá quyền chọn Black
    – Scholes, mô hình đa nhân tố, mô hình Fama­French Tuy nhiên, các mô hình này
    lại không mấy hiệu quả khi phân tích và dự báo những chỉ tiêu đầy tính biến động
    trong thị trường tài chính. Một phương pháp mô phỏng bộ não con người được xây
    dựng dựa trên những nền tảng tiếp cận khác với các phương pháp trên. Quá trình
    mô phỏng này được gọi là mô hình mạng thần kinh nhân tạo ­ ANN. Những quy tắc
    khi ứng dụng mô hình ANN không như những phương pháp dựa trên quan điểm phân
    phối chuẩn. Quá trình ứng dụng mô hình ANN dựa trên quan điểm: các chủ thể tham
    gia thị trường, quyết định xu hướng thị trường là những nhà đầu tư với những hiểu
    biết khác nhau. Nói cách khác, chính nhà đầu tư khi tiếp nhận thông tin và sẽ đưa ra
    quyết định trước những thông tin này dựa trên những hiểu biết và phân tích của
    chính mình. Việc ứng dụng mô hình ANN khá phổ biến trong lĩnh vực điện tử, sản
    xuất rô bốt hay như trong lĩnh vực y học Quá trình ứng dụng mô hình ANN trong
    thị trường tài chính để phân tích và dự báo chỉ được quan tâm trong hơn một thập
    niên gần đây. Quá trình ứng dụng này lớn mạnh nhờ sự hỗ trợ của ngành công nghệ
    thông tin đã mang lại một số thành tựu nhất định về tính hiệu quả của mô hình.
    Chính vì vậy, tiếp cận nghiên cứu mô hình ANN ở Việt Nam là rất cần thiết.
    Quan điểm lựa chọn công cụ phân tích và dự báo

    Phương pháp phân phối chuẩn hay đường cong hình chuông là một công cụ phổ biến
    trong việc phân tích dữ liệu kinh tế tài chính đặc biệt là trong phân tích giá chứng
    khoán. Phương pháp phân phối chuẩn chính là nền tảng toán học cho học thuyết thị
    trường hiệu quả của lĩnh vực tài chính. Quan điểm của phương pháp phân phối chuẩn
    cho rằng, giá chứng khoán là độc lập ngẫu nhiên với nhau. Phương pháp này giúp
    chúng ta hiểu một cách dễ dàng bằng cách đơn giản hóa và loại bỏ những yếu tố trừu
    tượng mà chúng ta nghĩ rằng không phù hợp với hệ thống. Vấn đề ở đây chính là “sự
    không phù hợp”. Trong thế giới thực, những thứ được xem là “không phù hợp” này
    không cho thấy là không quan trọng mà hơn thế nó lại rất quan trọng. Benoit
    Mandelbrot, tại trung tâm nghiên cứu của IBM tại Yorktown Heights, New York, đã
    phát hiện ra rằng, các con số hoàn toàn khác so với quan điểm của phân phối chuẩn.
    “Mỗi sự thay đổi giá cụ thể là ngẫu nhiên và không thể dự báo được. Tuy nhiên,
    chuỗi sự thay đổi lại có sự phụ thuộc nhau trong một phạm vi” (Gleick, 1987, trang
    86). Thực tế, giá cả hàng hóa và giá cả chứng khoán có quan hệ phi tuyến. Nhưng
    câu hỏi đặt ra là tại sao giá chứng khoán lại có mối quan hệ phi tuyến hay có xu
    hướng?
    Thế kỷ 20 được đánh dấu bởi 3 phát minh đáng nhớ: (1) thuyết tương đối (relative
    theory) và (2) kỹ thuật định lượng (quantum mechanic) và (3) khoa học hỗn loạn
    (chaos science) đã cho thấy rằng bản chất của tự nhiên là không hề độc lập. Sự
    chuyển động của các vật chất luôn có ảnh hưởng lẫn nhau hay phụ thuộc lẫn nhau.
    Thị trường chứng khoán (TTCK), một phần của thế giới tự nhiên cũng nằm trong
    quy luật đó. Điều này đã nói lên khoa học hỗn loạn giúp chúng ta trả lời câu hỏi trên.
    Bill William (1995) cho rằng, cả thế giới tự nhiên và não người đều là hỗn loạn.
    TTCK, một phần của thế giới tự nhiên và là nơi phản ánh hoạt động của con người,
    cũng có tính hỗn loạn. Nói cách khác, chính do não người có tính hỗn loạn là nguồn
    gốc tạo ra sự phi tuyến tính của giá cả chứng khoán. Bill William (1995) bộ não
    người gồm 3 bộ phận khác nhau: não trái, não giữa và não phải. Mỗi bộ phận đảm
    nhận một chức năng khác nhau. Não trái liên quan đến vấn đề lý trí và mang tính
    tuyến tính. Não giữa có chức năng xử lý các tri thức thành kinh nghiệm. Não phải
    liên quan đến cảm xúc, là phi tuyến và trông giống như tính hỗn loạn. Bộ não chúng
    ta cũng tạo nên các hành vi khác nhau, phụ thuộc vào dòng năng lượng. Prigogine
    viết: “bộ não là một phát minh của tính hỗn loạn” (Prigogin và Stangers, 1984, trang
    48). Có thể hình dung rằng khi giao dịch trên thị trường, các nhà kinh doanh bị ảnh
    hưởng bởi cảm xúc (của não phải) như tham lam và sợ hãi đã tác động đến quyết
    định đầu tư dẫn đến các hành vi phi tuyến tính. Tuy nhiên, các hành vi tham lam hay
    sợ hãi đó có tính bầy đàn và hình thành nên xu hướng của giá chứng khoán (chính là
    cấu trúc). Như vậy, chủ thể tham gia quyết định nên xu hướng thị trường là các nhà
    đầu tư, là những người không hoàn toàn duy lý (Sargent (1997, 1999)).
    Dựa trên quan điểm này, luận án tập trung vào việc lựa chọn phương pháp phân tích
    và dự báo giá chứng khoán theo giả định “sự hợp lý có chừng mực” của nhà đầu tư.
    Nói cách khác nhà đầu tư không hoàn toàn duy lý trong các quyết định của mình.
    Phương pháp hồi quy dựa trên các biến cố quan sát là độc lập và ngẫu nhiên, nó dựa
    trên giả thuyết sự hợp lý hoàn toàn và sự tối ưu của con người. Mô hình mạng thần
    kinh nhân tạo ­ ANN được mô phỏng theo bộ não con người được dùng để dự báo
    các biến kinh tế trong thị trường tài chính, đặc biệt là giá chứng khoán được thiết lập
    trên nền tảng giả định “sự hợp lý có chừng mực” nêu trên. Do đó, luận án sẽ tiếp cận

    Kết luận


    Thành công của một số nghiên cứu trên thế giới và một phần trong việc triển khai
    quá trình ứng dụng mô hình mạng ANN ở chương 2 của luận án đã cho thấy mô hình
    mạng ANN cho ra kết quả dự báo tốt các biến kinh tế và nhất là dự báo giá chứng
    khoán trên TTCK VN. Mô hình mạng ANN có thể cải thiện mô hình tuyến tính nếu
    các mối quan hệ được nghiên cứu có sự phi tuyến đáng kể. Mô hình mạng ANN nên
    được xem như là một sự bổ sung tốt cho mô hình hồi quy tuyến tính. Các nhà nghiên
    cứu quan tâm đến việc xây dựng một mô hình mạng ANN có thể sử dụng mô hình
    tuyến tính như là điểm bắt đầu tốt nhất. Nói chung, mô hình mạng ANN là hữu ích
    để hỗ trợ cho các nhà kinh tế trong việc dự báo kinh tế vĩ mô. Ít nhất, chúng xứng
    đáng để được nghiên cứu thêm nữa. Bằng cách sử dụng mô hình mạng ANN trong
    một bối cảnh cụ thể, sẽ cho phép các nhà kinh tế đánh giá đúng tính hữu ích của nó.
    Tất nhiên, yêu cầu thực hiện một mô hình mạng ANN có chất lượng cao sẽ phải đầu
    tư nhiều thời gian và công sức. Sự đầu tư này có thể đáng giá chỉ khi chúng ta có
    được sự cải thiện tính chính xác trong việc dự báo lớn hơn những đầu tư cần thiết để
    thực hiện mô hình. Nói chung sẽ đúng trong trường hợp của các biến số kinh tế vĩ
    mô vốn còn nhiều cơ hội để gia tăng việc cải thiện dự báo, nghĩa là các biến số vẫn
    có sai số dự báo khá lớn đối với các kỹ thuật hiện tại. Điều này cũng sẽ đúng cho các
    biến có mức độ ảnh hưởng lớn khi mà mức độ cải thiện biến trong tính chính xác là
    đáng mong đợi. Như vậy có thể là trường hợp của tăng trưởng GDP danh nghĩa, lãi
    suất hoặc tỷ giá hối đoái, là những biến số quan trọng trong việc hoạch định chính
    sách tài khóa và tiền tệ.
    Kết quả nghiên cứu của luận án đã góp phần cung cấp bằng chứng cho tính hiệu quả
    khi ứng dụng mô hình mạng ANN trong dự báo kinh tế điển hình là giá chứng khoán.
    Dựa trên việc khảo sát các nhóm biến khác nhau, mô hình mạng ANN luôn cho kết
    quả tốt hơn mô hình hồi quy tuyến tính đặc biệt là cấu trúc mạng truyền thẳng và
    hàm phi tuyến sẽ cho kết quả cho sự tác động của các biến khi đưa vào mô hình.
    Đồng thời, qua việc khảo sát cách biến khác nhau, luận án đã chỉ ra nhóm viến tài
    chính có tác động mạnh đến sự thay đổi giá chứng khoán trên TTCK VN. Quá trình
    phân tích từ mô hình mạng ANN đã giúp cho luận án thấy được mức độ tác động của
    các biến giải thích lên giá chứng khoán để làm cơ sở cho một số đề xuất chính sách
    trong chương 3. Chính vì vậy, luận án đề xuất quá trình triển khai ứng dụng mô hình
    mạng ANN trong công tác phân tích và dự báo kinh tế như là một bằng chứng củng
    cố thêm cho những phương pháp truyền thống đang được thực hiện.

    Xem Thêm: Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế ­Trường hợp thị trường chứng khoán Việt Nam
    Nội dung trên chỉ thể hiện một phần hoặc nhiều phần trích dẫn. Để có thể xem đầy đủ, chi tiết và đúng định dạng tài liệu, bạn vui lòng tải tài liệu. Hy vọng tài liệu Ứng dụng mô hình mạng thần kinh nhân tạo trong dự báo kinh tế ­Trường hợp thị trường chứng khoán Việt Nam sẽ giúp ích cho bạn.
    #1
  7. Đang tải dữ liệu...

    Chia sẻ link hay nhận ngay tiền thưởng
    Vui lòng Tải xuống để xem tài liệu đầy đủ.

    Gửi bình luận

    ♥ Tải tài liệu

social Thư Viện Tài Liệu
Tài liệu mới

Từ khóa được tìm kiếm

Nobody landed on this page from a search engine, yet!

Quyền viết bài

  • Bạn Không thể gửi Chủ đề mới
  • Bạn Không thể Gửi trả lời
  • Bạn Không thể Gửi file đính kèm
  • Bạn Không thể Sửa bài viết của mình
  •  
DMCA.com Protection Status