Xây dựng mô hình chuỗi thời gian dựa vào sự cải tiến các mối quan hệ mờ và mô hình hồi quy vector hỗ trợ

Abstract

This study develops a time series model based on improvements in the input data for a machine learning model. First, the original series is partitioned into clusters with an appropriate number, and the elements within each cluster are automatically determined according to the variability of the series. The results are then used to establish fuzzy relationships between each element and the clusters, from which fuzzy rules for the series are constructed. The fuzzified series is subsequently employed as input data for applying the support vector regression model. By integrating these enhancements, a new forecasting model has been built. Applied to the stock data of Hau Giang Pharmaceutical Joint Stock Company, the proposed model produced superior results, outperforming several other models, including both machine learning and statistical approaches.

Tóm tắt

Mô hình chuỗi thời gian được xây dựng trong nghiên cứu dựa trên sự cải tiến dữ liệu đầu vào cho một mô hình học máy. Đầu tiên, chuỗi nguồn được chia thành các chùm với một số lượng thích hợp và những phần tử trong mỗi chùm được xác định một cách tự động căn cứ vào mức độ biến động của chuỗi. Kết quả này sau đó được sử dụng để xây dựng các mối quan hệ mờ giữa mỗi phần tử và các chùm để từ đó xây dựng nguyên tắc mờ hóa chuỗi. Chuỗi mờ hóa này sau đó được sử dụng làm dữ liệu đầu vào để áp dụng mô hình hồi quy vector hỗ trợ. Kết hợp những cải tiến này, một mô hình dự báo mới đã được xây dựng. Áp dụng trên cổ phiếu Công ty Cổ phần Dược Hậu Giang, mô hình đề nghị đã cho kết quả tốt, vượt qua nhiều mô hình khác, bao gồm các mô hình học máy và thống kê.