Thực nghiệm mô hình dự báo chuỗi thời gian trên giá chỉ số hợp đồng tương lai gạo thô

Abstract

Đề tài này giúp làm rõ việc thực nghiệm để ứng dụng các mô hình chuỗi thời gian trong dự báo giá chỉ số hợp đồng tương lai gạo thô một cách có hiệu quả. Bộ dữ liệu được áp dụng là giá chỉ số hợp đồng tương lai gạo thô theo ngày có mã RR=F trên sàn CBOT từ ngày 1 tháng 6 năm 2000 đến ngày 6 tháng 8 năm 2020. Bộ dữ liệu này có tỉ lệ dữ liệu khuyết lên đến 19% và có sự đột biến dữ liệu lớn do chỉ số giá thay đổi giảm mạnh từ hàng ngàn xuống còn chục dollar và được thử nghiệm trên ba mô hình BAYES RIDGE REGRESSION, LSTM và ARIMA. Sự bất ổn về dữ liệu này đòi hỏi cần có những hướng giải quyết về xử lý dữ liệu sao cho các mô hình thực nghiệm dự báo sẽ cho ra độ chính xác cao và thời gian chạy thử nghiệm mô hình là tối ưu nhất. Bằng cách dùng các phương pháp tiền xử lý dữ liệu như khử dữ liệu bị khuyết pchip và cupid, đồng thời kết hợp với ba mức phân chia tỷ lệ tập huấn luyên/tập kiểm thử khác nhau là 70/30, 80/20 và 90/10. Bên cạnh đó là chia tập dữ liệu nguồn thành hai tập dữ liệu con có giá trị khác nhau do đột biến. Lần lượt chạy thử nghiệm mô hình trên các tỷ lệ split trên từng mô hình với các kỹ thuật để so sánh và lựa chọn phương án tối ưu nhất, tiếp sau đó là áp dụng mô hình để dự báo cho tập dữ liệu bị đột biến. Trong nghiên cứu này đã lựa chọn được mô hình BAYES RIDGE REGRESSION có khả năng xác định độ tin cậy cao và thời gian thực hiện nhanh nhất cho dự đoán, tạo thêm lợi thế cho khả năng vận dụng dự báo trong thực tế.