Bài thuyết trình Dự báo thị trường chứng khoán dựa trên khai phá dữ liệu Tweeter - Phạm Huyền Trang

Nội dung text: Bài thuyết trình Dự báo thị trường chứng khoán dựa trên khai phá dữ liệu Tweeter - Phạm Huyền Trang

1. 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 June 14, 2021
2. 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 June 14, 2021
3. INTRODUCTION ØBài toán dự báo thị trường chứng khoán ØBài toán dự báo thị trường chứng khoán dựa trên Tweeter 3 June 14, 2021
4. Có thực sự dự đoán được thị trường chứng khoán? Nguyên lý Bước đi ngẫu nhiên (Walk random) Lý thuyết phân tích và giả thuyết Thị trường cổ phiếu hiệu quả (Chartist theory) (Efficient Market) ­ Có thể dự đoán được ­Không thể dự đoán thị dựa vào quá khứ trường chứng khoán 4 June 14, 2021
5. 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 June 14, 2021
6. 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  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 6 June 14, 2021
7. 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 June 14, 2021
8. 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 June 14, 2021
9. Phương pháp dự báo thị trường chứng khoán dựa trên Tweeter của Johan Bollen và cộng sự ØCác bước ØƯu và nhược điểm 9 June 14, 2021
10. 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:  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 10 June 14, 2021
11. Các bước Đo độ trễ Phân tích cảm cảm xúc xúc người dùng Dự đoán giá cổ phiếu 11 June 14, 2021
12. Bước 1: Sinh chuỗi thời gian cảm xúc (OF và GPOMS)  OpinionFinder:  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 June 14, 2021
13. Bước 2: Đánh giá OF và GPOMS 13 June 14, 2021
14. Bước 2: Đánh giá OF và GPOMS – hồi quy đa biến 14 June 14, 2021
15. 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 June 14, 2021
16. 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 3­4 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 June 14, 2021
17. Bước 3: Phân tích mối quan hệ nhân quả giữa tâm trạng và giá DJIA (cont.) 17 June 14, 2021
18. 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 p­values Bác bỏ giả thuyết null: chuỗi tâm trạng của người dùng không thể dự đoán được giá trị DJIA 18 June 14, 2021
19. Bước 4: Dự đoán thị trường chứng khoán  Sử dụng mô hình Self­organizing 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 June 14, 2021
20. 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 = {DJIAt­3, 2,1 , XOF, t­3,2,1}  Trong đó:  DJIA t­3,2,1: giá trị DJIA và X1,t­3,2,1: giá trị chiều 1 của tâm trạng được đo bởi GPOMS tại thời điểm t­3, t­2, t­1  I1,3; I1,4; I1,5; I1,6: kết hợp giữa giá trị DJIA trong quá khớ với chiều 3, 4, 5 , 6 tại thời giẩm t­3, t­2, t­1 20 June 14, 2021
21. 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 I1  Happy không có mối quan hệ nhân quả Granger tốt nhưng khi kết hợp với Caml thì dự đoán chính xác hơn 21 June 14, 2021
22. 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 June 14, 2021
23. Phương pháp đề xuất ØMô hình ØPhân lớp SVM-kNN ØDự báo thị trường chứng khoán 23 June 14, 2021
24. Mô hình
25. Điểm khác biệt  Tập từ POMS:  J.Bollen: Mở rộng dựa trên n­gram theo Google  Đề xuất: Kết hợp mở rộng dựa trên n­gram 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 SVM­kNN hoặc EM hoặc
26. 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 t­1  Giảm so với ngảy t­1  Bằng ngày t­1
27. Dự đoán xu hướng (cont.)  Vector thể hiện đặc trưng: Vit =  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 t­1  ­1: chỉ số ngày t < ngày t­1  0: chỉ số ngày t = ngày t­1
28. 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
29. 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 June 14, 2021
30. 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 June 14, 2021
31. Thank you for your listening!