FORECASTING VN-INDEX TIME SERIES BASED ON CEEMDAN DECOMPOSITION AND DEEP LEARNING

Tóm tắt

Trong bài báo này tác giả đề xuất mô hình dự báo cho chuỗi thời gian VN-Index bằng việc sử dụng kết hợp ba mô hình học sâu gồm Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN), mạng tích chập theo thời gian (TCN) và mạng nơ ron hồi tiếp có cổng (GRUNN). Ý tưởng chính trong mô hình đề xuất là phân chia các thành phần IMF thành hai nhóm, một nhóm có hệ số PE cao, một nhóm có hệ số PE thấp. Điều này giúp giảm đáng kể thời gian tìm các siêu tham số tối ưu cho các mô hình huấn luyện. Kết quả tính toán số cho thấy mô hình đề xuất này cho kết quả tốt hơn một số mô hình khác.