D bo th trng chng khon da trn
Dự báo thị trường chứng khoán dựa trên khai phá dữ liệu Tweeter Học viên: Phạm Huyền Trang GV hướng dẫn: PGS. TS Hà Quang Thụy 1 26 May 2021
Nội dung chính Giới thiệu Các nghiên cứu liên quan Nghiên cứu của J. Bollen về Dự báo thị trường chứng khoán dựa trên Tweeter Kết luận Định hướng nghiên cứu 2 26 May 2021
INTRODUCTION Ø Bài toán dự báo thị trường chứng khoán ØBài toán dự báo thị trường chứng khoán dựa trên Tweeter 3 26 May 2021
Có thực sự dự đoán được thị trường chứng khoán? Nguyên lý Bước đi ngẫu nhiên (Walk random) và giả thuyết Thị trường hiệu quả (Efficient Market) Không thể dự đoán thị trường chứng khoán 4 Lý thuyết phân tích cổ phiếu (Chartist theory) Có thể dự đoán được dựa vào quá khứ 26 May 2021
Các nghiên cứu liên quan 2005, Gruhl và cộng sự đã nghiên cứu cách làm thế nào để hoạt động chat online có thể dự đoán được việc bán sách 2006, Mishne và Rijke sử dụng các đánh giá của các quan điểm được thể hiện trên blog để dự đoán việc bán phim 2007, Liu và cộng sự dự đoán việc bán các sản phẩm sử dụng mô hình phân tích ngữ nghĩa ẩn xác suất (PLSA) để trích xuất các chỉ sổ của quan điểm từ các blog. 2009, Schumaker và Chen điều tra mối quan hệ giữa các tin tức về công ty phá sản với sự thay đổi về giá cả trong thị trường 2010, Asur và Huberman chỉ ra rằng những quan điểm liên quan đến các phim được thể hiện công khai trên Tweeter thực sự có thể dự đoán được doanh thu phòng vé Gần đây, 2011, Johan Bollen và công sự đã có nghiên cứu chỉ ra rằng có thể dự đoán thị trường chứng khoán dựa trên các Tweet của các công ty trong thị trường chứng khoán, với độ chính xác lên đến > 85% 5 26 May 2021
Dự báo thị trường chứng khoán Kinh tế học hành vi chỉ ra rằng: Cảm xúc có thể ảnh hưởng đến các hành vi của cá nhân và trong việc đưa ra 1 quyết định nào đó Các quyết định tài chính được thúc đẩy bởi cảm xúc và tâm trạng của con người Þ Giả thuyết: Tâm trạng, cảm xúc có thể ảnh hưởng đến giá trị chứng khoán tương đương với việc các tin tức ảnh hưởng đến thị trường chứng khoán Bài toán dự báo thị trường chứng khoán chia thành 2 loại: Dự báo chỉ số chứng khoán sẽ tăng hay giảm Dự báo chỉ số chứng khoán sẽ tăng lên bao nhiêu hoặc giảm xuống bao nhiêu 6 Ý nghĩa của bài toán: Giúp các nhà đầu tư đưa ra được các quyết định đầu tư tức thời => đem lại lợi nhuận cao cho các nhà đầu tư 26 May 2021
Dự báo thị trường chứng khoán dựa trên Tweeter Cộng đồng sử dụng và chia sẻ trạng thái của mình trên Twitter cho biết họ đang cảm thấy như thế nào về ngày hôm đó Þdẫn dắt các quyết định mua bán trên thị trường Þảnh hưởng đến giá cả trong thị trường chứng khoán ÞCó thể dự đoán được chỉ số chứng khoán dựa trên Tweeter 7 26 May 2021
Tại sao chọn Tweeter? Có thể trích xuất các nội dung tweet để đánh giá được tâm trạng của công chúng trực tiếp, theo thời gian thực một cách nhanh chóng và tiết kiệm => Phù hợp đáp ứng cho sự biến động, tăng giảm của chỉ số chứng khoán Tweeter là 1 trong các mạng xã hội được sử dụng phổ biến nhất trên thế giới => Là 1 nguồn cấp dữ liệu có quy mô rất lớn 8 26 May 2021
Phương pháp dự báo thị trường chứng khoán dựa trên Tweeter của Johan Bollen và cộng sự Ø Các bước ØƯu và nhược điểm 9 26 May 2021
Dữ liệu Nguồn dữ liệu: 9. 83. 498 Tweet trên trang Tweeter, được post bởi gần 2. 7 triệu người dùng trong các công ty trong thị trường DJIA Các thông tin trích xuất trong mỗi tweet gồm: Thông tin xác định tweet Ngày submit Kiểu submit Nội dung (không quá 140 ký tự) Thời gian: 28/2/2008 – 19/12/2008 Các bước chuẩn bị dữ liệu: 10 Loại bỏ từ dừng, dấu chấm câu Nhóm các tweet được submit trên cùng ngày vào 1 nhóm Chú ý: Chỉ quan tâm những tweet chứa tâm trạng rõ ràng của tác giả 26 May 2021
Các bước Phân tích cảm xúc người dùng Đo độ trễ cảm xúc Dự đoán giá cổ phiếu 11 26 May 2021
Bước 1: Sinh chuỗi thời gian cảm xúc (OF và GPOMS) Opinion. Finder: Phân tích quan điểm ở mức câu Đo cảm xúc của người dùng: tích cực hay tiêu cực Xác định tỉ lệ tweet tích cực so với tweet tiêu cực mỗi ngày GPOMS: Đo cảm xúc của người dùng trên 6 chiều khác nhau: Calm, Alert, Sure, Vital, Kind, Happy Đo cảm xúc người dùng thành 7 chiều 12 26 May 2021
Bước 2: Đánh giá OF và GPOMS 13 26 May 2021
Bước 2: Đánh giá OF và GPOMS – hồi quy đa biến 14 26 May 2021
Vây, các sự kiện văn hóa, xã hội có tác động lên cảm xúc, tâm trạng của cộng đồng. Có thể đoán được cảm xúc của cộng đồng thông qua các tweet của mỗi cá nhân trên Tweeter Câu hỏi đặt ra: Những tâm trạng, cảm xúc đó liên quan gì đến sự thay đổi trong thị trường chứng khoán, cụ thể là chỉ số DJIA? 15 26 May 2021
Bước 3: Phân tích mối quan hệ nhân quả giữa tâm trạng và giá DJIA Giả thuyết: Nếu 1 biến X gây ra Y thì những thay đổi trong X sẽ xuất hiện 1 cách hệ thống trước những thay đổi trong Y. => Các giá trị trễ của X biểu hiện 1 mối tương quan có ý nghĩa thống kê đối với Y Áp dụng: Tâm trạng chung của cộng đồng trên Twitter có sự tương đồng với thị trường chứng khoán, nhưng chúng phản ánh trước diễn biến từ 3 4 ngày chứ không phải là một kết quả trong việc tăng giảm của thị trường. Nếu người dùng có cảm nhận tích cực về mã chứng khoán của 1 công ty thì trong 1 ngày nào đó trong tương lai, giá cổ phiếu của công ty đó sẽ tăng, và ngược lại 16 26 May 2021
Bước 3: Phân tích mối quan hệ nhân quả giữa tâm trạng và giá DJIA (cont. ) 17 26 May 2021
Bước 3: Phân tích mối quan hệ nhân quả giữa tâm trạng và giá DJIA (cont. ) Ý nghĩa: Đo độ trễ cảm xúc so với chứng khoán, tức là nên đo cảm xúc của ngày thứ bao nhiêu ( i – n) để dự đoán giá chứng khoán ngày i (tác giả chọn giá trị này là 3 ngày)) Giá trị p values < 0. 05 => Bác bỏ giả thuyết null: chuỗi tâm trạng của người dùng không thể dự đoán được giá trị DJIA 18 26 May 2021
Bước 4: Dự đoán thị trường chứng khoán Sử dụng mô hình Self organizing Fuzzy neural Network(SOFNN) để dự đoán giá trị DJIA trên 2 tập đầu vào: Giá trị DJIA 3 ngày trước Các hoán vị khác nhau của chuỗi cảm xúc Để dự đoán giá trị DJIA ngày t, đầu vào cho SOFNN gồm: Các giá trị DJIA Các giá trị đo tâm trạng của n ngày trước 19 26 May 2021
Bước 4: Dự đoán thị trường chứng khoán (cont. ) Tác giả thử 7 hoán vị của các biến đầu vào đối với mô hình SOFNN: IOF = {DJIAt 3, 2, 1 , XOF, t 3, 2, 1} Trong đó: DJIA t 3, 2, 1: giá trị DJIA và X 1, t 3, 2, 1: giá trị chiều 1 của tâm trạng được đo bởi GPOMS tại thời điểm t 3, t 2, t 1 I 1, 3; I 1, 4; I 1, 5; I 1, 6: kết hợp giữa giá trị DJIA trong quá khớ với chiều 3, 4, 5 , 6 tại thời giẩm t 3, t 2, t 1 20 26 May 2021
Bước 4: Dự đoán thị trường chứng khoán (cont. ) Kết quả: Kết luận: Cảm xúc được đo bởi OF là không hiệu quả Ngoài Calm, tác giả tìm thấy độ chính xác cao nhất với I 1 Happy không có mối quan hệ nhân quả Granger tốt nhưng khi kết hợp với Caml thì dự đoán chính xác hơn 21 26 May 2021
Ưu và nhược điểm Ưu điểm: Độ chính xác khá cao Nhược điểm: Chỉ dự đoán được sự tăng, giảm của thị trường chứng khoán Chưa giới hạn được vùng địa lý và ngôn ngữ Với những sự kiện xảy ra đột ngột (Ví dụ Steve Job mất , …) thì độ trễ 3 ngày là quá lớn để dự đoán chứng khoán 22 26 May 2021
Phương pháp đề xuất Ø Mô hình ØPhân lớp SVM-k. NN ØDự báo thị trường chứng khoán 23 26 May 2021
Mô hình
Điểm khác biệt Tập từ POMS: J. Bollen: Mở rộng dựa trên n gram theo Google Đề xuất: Kết hợp mở rộng dựa trên n gram theo Google và tập các từ đồng nghĩa. Dự đoán chỉ số DJIA: J. Bollen: dùng Mạng noron mờ tự tổ chức (SOFNN) Đề xuất: Áp dụng phương pháp phân lớp bán giám sát SVM k. NN hoặc EM hoặc …
Dự đoán xu hướng Input: n: số ngày cảm xúc trễ Các chỉ số đóng DJIA của n ngày trước đó Chuỗi tâm trạng theo thời gian của công chúng trong n ngày trước đó tính theo 6 chiều. Output: Xu hướng của chứng khoán ngày t Tăng so với ngày t 1 Giảm so với ngảy t 1 Bằng ngày t 1
Dự đoán xu hướng (cont. ) Vector thể hiện đặc trưng: Vit = <dt 1, dt 2, …, dt n, Xi, t 1 , Xi, t 2 , …, Xi, t n> vit : vector thể hiện đặc trưng của cảm xúc theo chiều I dt : giá trị chỉ số DJIA ngày t Xi, t : giá trị cảm xúc chiều i trong ngày t. n: số ngày cảm xúc trễ Gán nhãn: dựa trên chỉ số đóng DJIA mỗi ngày +1: chỉ số ngày t > ngày t 1 1: chỉ số ngày t < ngày t 1 0: chỉ số ngày t = ngày t 1
Kết luận Báo cáo đã: Giới thiệu về bài toán dự đoán thị trường chứng khoán dựa trên khai phá quan điểm từ dữ liệu Tweeter Tìm hiểu về chứng minh giả thuyết “Tâm trạng có thể dự đoán được thị trường chứng khoán” của J. Bollen. Đề xuất 1 hướng giải quyết nhằm cải tiến kết quả
Định hướng nghiên cứu Cài đặt và thử nghiệm cho mô hình đã đề xuất Nghiên cứu các mô hình bán giám sát khác và áp dụng với bài toán dự báo thị trường chứng khoán trên tweeter Nghiên cứu hướng dự đoán chứng khoán sẽ tăng lên bao nhiêu hoặc giảm xuống bao nhiêu 29 26 May 2021
Tài liệu tham khảo 2008. Eugene F. Fama. The behavior of Stock Market Prices 2010. X. Zhang, H. Fuehres, P. A. Gloor, Predicting Stock Market Indicators Through Twitter I Hope It is Not as Bad as I Fear, Collaborative Innovation Networks (COINs), Savannah, GA, 2011. Johan Bollen và công sự, Twitter mood predicts the stock market 30 26 May 2021
Thank you for your listening!
- Slides: 31