ការវិភាគស៊េរីពេលវេលាសេដ្ឋកិច្ច៖ វិធីសាស្រ្តមួយពីគំរូសេដ្ឋកិច្ចមាត្រ និងការរៀនម៉ាស៊ីន

ការផ្ទុះឡើងនៃទិន្នន័យ និងទីផ្សារដែលមានការប្រែប្រួលខ្លាំងកំពុងបង្ខំឱ្យមានការផ្លាស់ប្តូរយ៉ាងសំខាន់នៅក្នុងគំរូព្យាករណ៍សេដ្ឋកិច្ច និងហិរញ្ញវត្ថុ។ សិក្ខាសាលា "ការវិភាគស៊េរីពេលវេលាសេដ្ឋកិច្ច" បង្ហាញពីនិន្នាការឆ្ពោះទៅរកការរួមបញ្ចូលគ្នារវាងសេដ្ឋកិច្ចមាត្រដ្ឋានប្រពៃណីជាមួយនឹងបច្ចេកទេសរៀនម៉ាស៊ីន ដែលបើកផ្លូវសម្រាប់ការព្យាករណ៍ដែលមានភាពបត់បែន និងត្រឹមត្រូវជាងមុន។

នៅក្នុងបរិបទនៃទិន្នន័យធំៗ ទីផ្សារដែលមានការផ្លាស់ប្តូរយ៉ាងឆាប់រហ័ស និងទំនាក់ទំនង សេដ្ឋកិច្ច កាន់តែស្មុគស្មាញ តម្រូវការលើឧបករណ៍ព្យាករណ៍សេដ្ឋកិច្ច និងហិរញ្ញវត្ថុកំពុងផ្លាស់ប្តូរយ៉ាងខ្លាំង។

នេះត្រូវបានបង្ហាញយ៉ាងច្បាស់នៅក្នុងសិក្ខាសាលា វិទ្យាសាស្ត្រ "ការវិភាគស៊េរីពេលវេលាសេដ្ឋកិច្ច៖ វិធីសាស្រ្តពីគំរូសេដ្ឋកិច្ចមាត្រ និងការរៀនម៉ាស៊ីន" ដែលរៀបចំដោយបណ្ឌិត្យសភាហិរញ្ញវត្ថុ និងមជ្ឈមណ្ឌលអន្តរជាតិសម្រាប់ការស្រាវជ្រាវ និងបណ្តុះបណ្តាលគណិតវិទ្យា ដោយមានបទបង្ហាញដោយលោកបណ្ឌិត Cu Thu Thuy និង MSc. Hoang Huu Son។

ការពិភាក្សានេះមិនត្រឹមតែផ្តល់នូវទិដ្ឋភាពទូទៅដ៏ទូលំទូលាយនៃគំរូស៊េរីពេលវេលាបែបប្រពៃណីប៉ុណ្ណោះទេ ប៉ុន្តែសំខាន់ជាងនេះទៅទៀត វាបានគូសបញ្ជាក់ពីជំហានថ្មីមួយទៅមុខទៀត៖ ការធ្វើឱ្យប្រសើរឡើងនូវគំរូសេដ្ឋកិច្ចមាត្រជាមួយនឹងបច្ចេកទេសរៀនម៉ាស៊ីនទំនើប។

ផ្នែកណែនាំនៃសិក្ខាសាលានេះ រៀបចំប្រព័ន្ធលក្ខណៈនៃស៊េរីពេលវេលាដូចជា និន្នាការ រដូវកាល វដ្ត ភាពស្ថិតស្ថេរ សំឡេងរំខាន និងគំរូបុរាណដូចជា ARIMA, SARIMA, ARDL, ECM, VAR/VECM ឬ GARCH...។

អនុបណ្ឌិត ហ័ង ហ៊ូវ សឺន បានធ្វើបទបង្ហាញនៅក្នុងសិក្ខាសាលាស្តីពីគំរូរៀនម៉ាស៊ីនក្នុងការវិភាគស៊េរីពេលវេលា។

ឧបករណ៍ទាំងនេះបានបង្កើតមូលដ្ឋានគ្រឹះនៃការស្រាវជ្រាវសេដ្ឋកិច្ចមាត្រអស់រយៈពេលជាច្រើនទសវត្សរ៍មកហើយ ជាមួយនឹងគុណសម្បត្តិច្បាស់លាស់៖ អំណាចបកស្រាយល្អ ក្របខ័ណ្ឌទ្រឹស្តីស្តង់ដារ ថ្លៃដើមគណនាទាប និងភាពសមស្របសម្រាប់ទិន្នន័យខ្នាតតូច។

សព្វថ្ងៃនេះ ទីផ្សារហិរញ្ញវត្ថុដំណើរការជាមួយនឹងរចនាសម្ព័ន្ធចម្រុះដែលត្រូវបានកំណត់លក្ខណៈដោយភាពមិនប្រាកដប្រជាខ្ពស់ ការប៉ះទង្គិចជាច្រើន និងការពឹងផ្អែករយៈពេលវែង។ ចំនួនអថេរ និងប្រភពទិន្នន័យកំពុងពង្រីកយ៉ាងឆាប់រហ័ស ចាប់ពីទិន្នន័យប្រេកង់ខ្ពស់រហូតដល់ទិន្នន័យមិនមានរចនាសម្ព័ន្ធ។ នៅក្នុងបរិយាកាសបែបនេះ ការសន្មត់បែបប្រពៃណី (ភាពស្ថិតស្ថេរ ការចែកចាយធម្មតា ភាពលីនេអ៊ែរ។ល។) ជារឿយៗលែងសមស្របទៀតហើយ ដែលកំណត់ភាពត្រឹមត្រូវនៃគំរូបែបប្រពៃណី។ ការរៀនម៉ាស៊ីនគឺជាវិធីសាស្រ្តទំនើប និងពាក់ព័ន្ធមួយ។

អ្នកប្រហែលជាចូលចិត្តផងដែរ

ដាក់ឡាក់ធ្វើឱ្យយន្តការ "ឆានែលបៃតង" សកម្ម។ថ្មីៗនេះ គណៈកម្មាធិការប្រជាជនខេត្តដាក់ឡាក់បានចេញឯកសារមួយដោយយល់ព្រមអនុវត្តយន្តការ "បណ្តាញបៃតង" ដោយផ្តោតលើការលុបបំបាត់ឧបសគ្គ ការដោះសោធនធាន ការកែលម្អបរិយាកាសវិនិយោគ និងធុរកិច្ច និងការបង្កើនភាពប្រកួតប្រជែងរបស់ខេត្ត។ តាមរយៈការទាក់ទាញគម្រោងសំខាន់ៗ ការកែលម្អប្រសិទ្ធភាពការប្រើប្រាស់ដីធ្លី និងការបង្កើនល្បឿននៃការបញ្ចេញដើមទុនវិនិយោគសាធារណៈ ស្រុកនេះប្តេជ្ញាពន្លឿនកិច្ចខិតខំប្រឹងប្រែងរបស់ខ្លួនដើម្បីសម្រេចបាននូវគោលដៅកំណើនពីរខ្ទង់។

បណ្ឌិត្យសភាហិរញ្ញវត្ថុកំពុងកសាងបរិយាកាសសិក្សាពហុវប្បធម៌បន្តិចម្តងៗ។GD&TĐ - បណ្ឌិត្យសភាហិរញ្ញវត្ថុប្តេជ្ញាកែលម្អគុណភាពនៃការបណ្តុះបណ្តាលរបស់ខ្លួនដើម្បីឈានដល់ស្តង់ដារអន្តរជាតិ ដោយកសាងបន្តិចម្តងៗនូវបរិយាកាសសិក្សាពហុវប្បធម៌។

បញ្ញាសិប្បនិម្មិត (AI) មិនទាន់អាចជំនួសគំរូអាកាសធាតុបែបប្រពៃណីបាននៅឡើយទេ។VTV.vn - បញ្ញាសិប្បនិម្មិត (AI) កំពុងត្រូវបានប្រើប្រាស់ក្នុងការព្យាករណ៍អាកាសធាតុ និងការធ្វើគំរូអាកាសធាតុ ប៉ុន្តែបច្ចេកវិទ្យានេះនៅតែមានដែនកំណត់ ហើយមិនទាន់អាចជំនួសរូបវិទ្យាអាកាសធាតុបាននៅឡើយទេ។

ដូច្នេះ សិក្ខាសាលានេះសង្ខេបចំណេះដឹងជាមូលដ្ឋានអំពីការរៀនម៉ាស៊ីន និងតួនាទីរបស់វា បណ្តាញសរសៃប្រសាទ និងការរៀនស៊ីជម្រៅក្នុងការវិភាគស៊េរីពេលវេលាដូចជា MLP, RNN, LSTM, Bi-LSTM និង Stacked LSTM។ មិនដូចគំរូលីនេអ៊ែរបុរាណទេ ការរៀនម៉ាស៊ីនបានយកឈ្នះលើដែនកំណត់នៃគំរូសេដ្ឋកិច្ចមាត្រប្រពៃណី និងអនុញ្ញាតឱ្យមានការធ្វើជាគំរូនៃទំនាក់ទំនងមិនមែនលីនេអ៊ែរ ការចងចាំរយៈពេលវែង និងការរៀនគំរូដោយស្វ័យប្រវត្តិនៅក្នុងស៊េរីទិន្នន័យ។

លោកបណ្ឌិត Cu Thu Thuy បានថ្លែងនៅក្នុងសិក្ខាសាលាស្តីពីសេដ្ឋកិច្ចមាត្រដ្ឋាន និងការរៀនសូត្ររបស់ម៉ាស៊ីន។

តាមរយៈការបង្ហាញការព្យាករណ៍តម្លៃពិសោធន៍សម្រាប់ Bitcoin និង VN-Index ដោយប្រើគំរូផ្សេងៗគ្នា វាត្រូវបានបង្ហាញថាគំរូ LSTM ផ្តល់កំហុស RMSE, MAE និង MAPE ទាប ទោះបីជាមានទិន្នន័យមានសំឡេងរំខានខ្លាំងក៏ដោយ។ លើសពីនេះ គំរូ LSTM ឆ្លុះបញ្ចាំងយ៉ាងត្រឹមត្រូវអំពីលក្ខណៈសេដ្ឋកិច្ចនៃទិន្នន័យដែលបានព្យាករណ៍ ដោយហេតុនេះបង្ហាញពីគុណសម្បត្តិច្បាស់លាស់នៃការរៀនម៉ាស៊ីន និងការរៀនស៊ីជម្រៅក្នុងការព្យាករណ៍សេដ្ឋកិច្ច និងហិរញ្ញវត្ថុ។

ចំណុចសំខាន់មួយដែលត្រូវបានគូសបញ្ជាក់នៅក្នុងសិក្ខាសាលានេះគឺថា សេដ្ឋកិច្ចមាត្រ និងការរៀនដោយម៉ាស៊ីនមិនមែនជារឿងផ្ទុយគ្នាទេ ប៉ុន្តែជាការបំពេញបន្ថែម និងបង្កើនគ្នាទៅវិញទៅមក។ សេដ្ឋកិច្ចមាត្រផ្តល់នូវក្របខ័ណ្ឌទ្រឹស្តី រចនាសម្ព័ន្ធមូលហេតុ និងផលប៉ះពាល់ និងសមត្ថភាពបកស្រាយគោលនយោបាយ។ ការរៀនដោយម៉ាស៊ីនផ្តល់នូវសមត្ថភាពកុំព្យូទ័រដ៏មានឥទ្ធិពល ការធ្វើគំរូមិនមែនលីនេអ៊ែរ សមត្ថភាពក្នុងការដោះស្រាយសំណុំទិន្នន័យធំៗ និងភាពស៊ាំនឹងសំឡេងរំខាន។

ការរួមបញ្ចូលគ្នានេះបានបង្កើតគំរូជំនាន់ថ្មីមួយ - ចាប់ពី VAR-LSTM, hybrid State Space + Deep Learning រហូតដល់ការផ្លាស់ប្តូរស៊េរីពេលវេលា - ដែលកំពុងក្លាយជានិន្នាការស្រាវជ្រាវអន្តរជាតិ។

លើសពីនេះ បទបង្ហាញ និងការពិភាក្សានៅក្នុងសិក្ខាសាលាក៏បានបញ្ជាក់ពីសារៈសំខាន់នៃការវិនិយោគលើហេដ្ឋារចនាសម្ព័ន្ធ និងទិន្នន័យសម្រាប់ការរៀនដោយម៉ាស៊ីន និងការរៀនស៊ីជម្រៅផងដែរ។

ដោយសារតែ​កន្លែង​ស្រាវជ្រាវ​ប៉ះពាល់​ដោយផ្ទាល់​ដល់​ស្ថាបត្យកម្ម ប្រសិទ្ធភាព​កុំព្យូទ័រ​របស់​គំរូ​ក្នុងការ​ដោះស្រាយ​បញ្ហា​ក្នុង​ពិភព​ពិត ក៏ដូចជា​ការ​តម្រង់​គោលដៅ​សម្រាប់​ការបោះពុម្ពផ្សាយ​អន្តរជាតិ​ដែល​មាន​គុណភាព​ខ្ពស់។

អ្នកប្រហែលជាចូលចិត្តផងដែរ

ទីក្រុងហូជីមិញទាក់ទាញការវិនិយោគចំនួន ២ ពាន់លានដុល្លារសម្រាប់មជ្ឈមណ្ឌលទិន្នន័យទ្រង់ទ្រាយធំ។ទីក្រុងហូជីមិញកំពុងតម្រង់ទិសការអភិវឌ្ឍហេដ្ឋារចនាសម្ព័ន្ធឌីជីថលជាអាទិភាពយុទ្ធសាស្ត្រ ដោយផ្តោតលើការកសាងមជ្ឈមណ្ឌលទិន្នន័យទ្រង់ទ្រាយធំមួយ។

ឈាន​ទៅ​ជិត​ដល់​គោលដៅ​នៃ​ការ​ការពារ​ជំងឺមហារីក​សួត​តាំងពី​ដំបូង។អ្នកវិទ្យាសាស្ត្របានកំណត់អត្តសញ្ញាណ "សញ្ញាសម្គាល់" នៅក្នុងឈាមដែលអាចទស្សន៍ទាយហានិភ័យនៃជំងឺមហារីកសួតជាងប្រាំឆ្នាំមុនពេលរោគសញ្ញាលេចឡើង។

បញ្ញាសិប្បនិម្មិត និងកម្មវិធីទិន្នន័យធំ៖ កត្តាជំរុញដ៏សំខាន់មួយក្នុងការព្រមានពីគ្រោះមហន្តរាយ។គ្រោះមហន្តរាយធម្មជាតិកាន់តែធ្ងន់ធ្ងរ និងមិនអាចទាយទុកជាមុនបាន កំពុងបង្កើតតម្រូវការបន្ទាន់សម្រាប់ការច្នៃប្រឌិតថ្មីក្នុងវិធីសាស្ត្រព្យាករណ៍ និងព្រមាន។ នៅក្នុងបរិបទនេះ បច្ចេកវិទ្យាឌីជីថល ជាពិសេសបញ្ញាសិប្បនិម្មិត (AI) និងទិន្នន័យធំ កំពុងក្លាយជាកម្លាំងចលករដ៏សំខាន់មួយ ដើម្បីបង្កើនសមត្ថភាពឆ្លើយតប និងកាត់បន្ថយការខូចខាត។

សិក្ខាសាលានេះបានបញ្ជាក់ពីការផ្លាស់ប្តូរក្នុងការគិតស្រាវជ្រាវ ពីការពឹងផ្អែកទាំងស្រុងលើគំរូលីនេអ៊ែរ ទៅជាការប្រើប្រាស់គំរូសិក្សាស៊ីជម្រៅ ពីសំណុំទិន្នន័យតូចៗទៅសំណុំទិន្នន័យធំៗ និងពីការវិភាគពិពណ៌នា ទៅជាការព្យាករណ៍ដែលមានភាពត្រឹមត្រូវខ្ពស់។

នេះ​គឺជា​ទិសដៅ​ដ៏សំខាន់​មួយ​សម្រាប់​វិស័យ​សេដ្ឋកិច្ច​គណិតវិទ្យា ហិរញ្ញវត្ថុ និង​ធនាគារ ការវិភាគទិន្នន័យ និង​វិទ្យាសាស្ត្រទិន្នន័យ​នៅ​បណ្ឌិត្យសភា​ហិរញ្ញវត្ថុ។

ប្រភព៖ https://daibieunhandan.vn/phan-tich-chuoi-thoi-gian-kinh-te-tiep-can-tu-mo-hinh-kinh-te-luong-va-hoc-may-10399890.html