ỨNG DỤNG FUZZY TIME SERIES VÀ PARTICLE SWARM OPTIMIZATION VÀO DỰ BÁO CHỨNG KHOÁN

Abstract

Trong luận văn này, chúng tôi sử dụng hai mô hình: Một là mô hình dự báo chuỗi thời gian mờ (Fuzzy Time Series – FTS) dựa trên các vector trọng số tối ưu của các nhóm quan hệ xu hướng mờ bậc hai hai yếu tố (Two-Factors Second-Order FuzzyTrend Logical Relationship Groups - TSFTLRGs) và các kỹ thuật tối ưu bầy đàn (Particle Swarm Optimization – PSO). Hai là mô hình dự báo FTS dựa trên các phần tối ưu của các khoảng trong tập nền và các vector trọng số tối ưu của TSFTLRGs, mô hình này sử dụng các kỹ thuật PSO để thu được các phân vùng tối ưu giữa các khoảng và các vector trọng số tối ưu đồng thời. Độ chính xác của hai mô hình trên được đánh giá bằng phương pháp tính sai số trung bình bình phương gốc (Root Mean Squared Error – RMSE) cho thấy kết quả của hai mô hình tốt hơn những mô hình trước đó, trong đó mô hình thứ hai được áp dụng đã giải quyết được vấn đề xác định độ dài các khoảng cho tập nền.