Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
Từ khóa -dữ liệu số chiều cao, giảm chiều dữ liệu, giá cổ phiếu, mô hình ARCH, mô hình hóa dự báo tài chính. I. GIỚI THIỆU VẤN ĐỀDự báo thị trường chứng khoán gồm 2 nội dung quan trọng nhất là dự báo giá trị của chỉ số chứng khoán và giá của các cổ phiếu được niêm yết trên thị trường [17]. So với dự báo chỉ số chứng khoán thì dự báo giá cổ phiếu nhìn chung là khó khăn hơn bởi sự dễ thay đổi của nó.Do có quá nhiều yếu tố tác động đến giá hàng hóa và giá dịch vụ nói chung, chỉ số chứng khoán và giá cổ phiếu nói riêng nên có một thời gian rất dài người ta cho rằng không thể dự báo được giá. Đến năm 1978, người ta nhận thấy khẳng định trên là đúng khi thị trường hoạt động hiệu quả, trong thị trường hoạt động không hiệu quả thì có thể dự báo được giá một phần do các yếu tố tâm lý của những người tham gia thị trường cùng với khả năng thị trưởng không thể phản ứng được ngay với những thông tin mới được công bố [16].Hiện tại đã có khá nhiều kỹ thuật được ứng dụng trong xây dựng mô hình dự báo giá cố phiếu của thị trường chứng khoán [6,17,22]. Các kỹ thuật dự báo chỉ số giá cổ phiếu có thể được phân thành 2 nhóm theo 2 cách tiếp cận khác nhau [22] là nhóm các kỹ thuật thống kê và nhóm các kỹ thuật trí tuệ nhân tạo.-Các kỹ thuật dự báo thống kê nói chung thường đòi hỏi các biến phải được đưa về chuỗi dừng trước khi ứng dụng nó và các kỹ thuật này yêu cầu phải thực hiện rất nhiều kiểm định thống kê khác nhau nhằm chẩn đoán, khắc phục và đánh giá chất lượng của mô hình trước khi tiến hành dự báo tương lai. Ưu điểm chính của các kỹ thuật dự báo thống kê là đưa ra được giá trị dự báo tương lai một cách cụ thể và nếu tương lai không có những biến động bất thường so với hiện tại và quá khứ thì độ chính xác của dự báo được thực hiện bằng những kỹ thuật này thường khá cao. Các kỹ thuật dự báo thống kê có thể xem xét và phân tích hành vi, phát hiện và xử lý tốt các dữ liệu ngoại lai, cung cấp một cách tường minh về hàm dự báo và cho biết một cách rõ ràng các quan hệ giữa các yếu tố đầu vào và biến đích đầu ra. Trong lĩnh vực kinh tế -xã hội các mối quan hệ giữa các yếu tố đầu vào và biến đích đầu ra là hàm ý những quy luật kinh tế đặc thù, chúng gợi ý những phản ứng chính sách cần có để tận dụng hoặc giảm nhẹ tác động của những quy luật ấy. Trong điều hành và quản lý nền kinh tế, việc phát hiện được những quy luật kinh tế đặc thù nói chung được xem trọng hơn so với việc đưa ra những kết quả dự báo cụ thể. Nhược điểm chính của các kỹ thuật dự báo thống kê là khó tự động hóa được toàn bộ quá trình dự báo và không thể thực hiện được trên các tập dữ liệu số chiều cao. Để xây dựng được mô hình dự báo trên tập dữ liệu có số chiều cao trước hết phải chuyển tập dữ liệu số chiều cao về tập dữ liệu số chiều thấp nhưng cơ bản phải giữ được khá đầy đủ thông tin trong tập dữ liệu số chiều cao và bảo toàn được quan hệ giữa biến đích đầu ra với các biến gốc đầu vào nhiều như có thể.-Các kỹ thuật dự báo trí tuệ nhân tạo (như mạng nơtron, hệ suy luận nơtron-mờ, giải thuật di truyền, luật kết hợp, khai phá mẫu chuỗi, k-người láng giềng gần nhất, mạn...
Từ khóa -dữ liệu số chiều cao, giảm chiều dữ liệu, giá cổ phiếu, mô hình ARCH, mô hình hóa dự báo tài chính. I. GIỚI THIỆU VẤN ĐỀDự báo thị trường chứng khoán gồm 2 nội dung quan trọng nhất là dự báo giá trị của chỉ số chứng khoán và giá của các cổ phiếu được niêm yết trên thị trường [17]. So với dự báo chỉ số chứng khoán thì dự báo giá cổ phiếu nhìn chung là khó khăn hơn bởi sự dễ thay đổi của nó.Do có quá nhiều yếu tố tác động đến giá hàng hóa và giá dịch vụ nói chung, chỉ số chứng khoán và giá cổ phiếu nói riêng nên có một thời gian rất dài người ta cho rằng không thể dự báo được giá. Đến năm 1978, người ta nhận thấy khẳng định trên là đúng khi thị trường hoạt động hiệu quả, trong thị trường hoạt động không hiệu quả thì có thể dự báo được giá một phần do các yếu tố tâm lý của những người tham gia thị trường cùng với khả năng thị trưởng không thể phản ứng được ngay với những thông tin mới được công bố [16].Hiện tại đã có khá nhiều kỹ thuật được ứng dụng trong xây dựng mô hình dự báo giá cố phiếu của thị trường chứng khoán [6,17,22]. Các kỹ thuật dự báo chỉ số giá cổ phiếu có thể được phân thành 2 nhóm theo 2 cách tiếp cận khác nhau [22] là nhóm các kỹ thuật thống kê và nhóm các kỹ thuật trí tuệ nhân tạo.-Các kỹ thuật dự báo thống kê nói chung thường đòi hỏi các biến phải được đưa về chuỗi dừng trước khi ứng dụng nó và các kỹ thuật này yêu cầu phải thực hiện rất nhiều kiểm định thống kê khác nhau nhằm chẩn đoán, khắc phục và đánh giá chất lượng của mô hình trước khi tiến hành dự báo tương lai. Ưu điểm chính của các kỹ thuật dự báo thống kê là đưa ra được giá trị dự báo tương lai một cách cụ thể và nếu tương lai không có những biến động bất thường so với hiện tại và quá khứ thì độ chính xác của dự báo được thực hiện bằng những kỹ thuật này thường khá cao. Các kỹ thuật dự báo thống kê có thể xem xét và phân tích hành vi, phát hiện và xử lý tốt các dữ liệu ngoại lai, cung cấp một cách tường minh về hàm dự báo và cho biết một cách rõ ràng các quan hệ giữa các yếu tố đầu vào và biến đích đầu ra. Trong lĩnh vực kinh tế -xã hội các mối quan hệ giữa các yếu tố đầu vào và biến đích đầu ra là hàm ý những quy luật kinh tế đặc thù, chúng gợi ý những phản ứng chính sách cần có để tận dụng hoặc giảm nhẹ tác động của những quy luật ấy. Trong điều hành và quản lý nền kinh tế, việc phát hiện được những quy luật kinh tế đặc thù nói chung được xem trọng hơn so với việc đưa ra những kết quả dự báo cụ thể. Nhược điểm chính của các kỹ thuật dự báo thống kê là khó tự động hóa được toàn bộ quá trình dự báo và không thể thực hiện được trên các tập dữ liệu số chiều cao. Để xây dựng được mô hình dự báo trên tập dữ liệu có số chiều cao trước hết phải chuyển tập dữ liệu số chiều cao về tập dữ liệu số chiều thấp nhưng cơ bản phải giữ được khá đầy đủ thông tin trong tập dữ liệu số chiều cao và bảo toàn được quan hệ giữa biến đích đầu ra với các biến gốc đầu vào nhiều như có thể.-Các kỹ thuật dự báo trí tuệ nhân tạo (như mạng nơtron, hệ suy luận nơtron-mờ, giải thuật di truyền, luật kết hợp, khai phá mẫu chuỗi, k-người láng giềng gần nhất, mạn...
Đồng bằng sông Cửu Long được hình bởi phù sa của sông Tiền và sông Hậu và là đồng bằng lớn nhất Việt Nam. Khu vực này có chế độ thủy động lực học rất phức tạp do tương tác giữa biển với hệ thống các cửa sông, sông và kênh rạch chằng chịt, đặc biệt là khu vực hạ lưu của đồng bằng sông Cửu Long (từ Mỹ Thuận và Cần Thơ đến các cửa sông và ven biển). Nơi đây được đánh giá là một trong những đồng bằng dễ bị tổn thương nhất do các tác động tiêu cực của nước biển dâng (NBD) và biến đổi khí hậu. Theo kịch bản biến đổi khí hậu do Bộ Tài nguyên và Môi trường công bố năm 2020, khoảng gần một nửa diện tích (47,29%) đồng bằng sông Cửu Long có nguy cơ bị ngập vào năm 2100 nếu mực nước biển dâng tối đa trên 100 cm. Hệ quả là tác động từ biển làm trầm trọng thêm xói lở bờ và thay đổi chế động thủy động lực. Bài báo này trình bày kết quả nghiên cứu đánh giá và dự báo sự biến động của chế độ thủy động lực khu vực hạ lưu của đồng bằng sông Cửu Long do nước biển dâng trong tương lai bằng mô hình số hai chiều MIKE 21. Kết quả mô phỏng đã làm sáng tỏ rằng sóng lan truyền vào cửa Hàm Luông trong mùa khô 2020 cao hơn so với các cửa sông khác. Ngoài ra, kết quả cũng cho thấy NBD trong tương lai sẽ gây ra sự gia tăng chiều cao sóng cả khi triều lên và triều rút. Trong khi đó, hiện tượng này chỉ làm cho vận tốc dòng chảy tăng lên khi triều rút và giảm xuống khi triều lên
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.