Tất cả câu hỏi

Đáp án đúng: "navigate("/user/123");". Hook useNavigate của React Router v6 trả về hàm navigate; gọi hàm này với một chuỗi đường dẫn đã điền sẵn giá trị cụ thể như /user/123 thì router chuyển tới URL đó, route khai báo theo mẫu path="/user/:id" sẽ khớp và component đích đọc lại id bằng useParams. Dấu hai chấm chỉ dùng khi KHAI BÁO mẫu route chứ không dùng khi điều hướng, nên "navigate("/user:id");" đẩy tới đúng chuỗi ký tự /user:id, vừa thiếu dấu gạch chéo vừa không thay bằng giá trị thật. "navigate("/user?id=123");" vẫn chuyển trang được nhưng id lúc này là tham số truy vấn (query string), phải đọc bằng useSearchParams, không phải tham số route mà useParams nhận. "navigate({ path: "/user/123" });" sai vì đối tượng đích mà navigate nhận dùng khoá pathname (kèm search, hash), không có khoá path, nên đường dẫn /user/123 không được dùng tới.

Đáp án đúng gồm bốn ý: "Data pipeline", "Predictive model", "Execution strategy" và "Portfolio management". Một hệ thống giao dịch dựa trên học máy đi theo chuỗi: đường ống dữ liệu (data pipeline) thu thập, làm sạch và tạo đặc trưng từ giá, khối lượng; mô hình dự đoán (predictive model) sinh tín hiệu; quản lý danh mục (portfolio management) quyết định phân bổ vốn và kiểm soát rủi ro từ các tín hiệu đó; chiến lược thực thi (execution strategy) đặt lệnh lên sàn sao cho chi phí và trượt giá thấp nhất. "Processing pipeline" không phải một thành phần riêng: việc xử lý, biến đổi dữ liệu đã nằm trong đường ống dữ liệu, nên tách nó ra chỉ là gọi lại cùng một khâu bằng tên khác.

Đáp án đúng: "All of the above". AutoML, học máy tự động, là cách tự động hoá các bước vốn làm tay khi xây mô hình như tiền xử lý, chọn đặc trưng, chọn thuật toán, tinh chỉnh siêu tham số và đánh giá, ví dụ Vertex AI AutoML hay các thư viện như AutoKeras. "A process that automates the process of building machine learning models" đúng vì đó là định nghĩa cốt lõi. "applying machine learning models to real-world problems using automation" cũng đúng vì AutoML hướng tới đưa học máy vào bài toán thực tế từ đầu đến cuối bằng tự động hoá. "A method to make machine learning available for non-machine learning experts" đúng vì một mục tiêu lớn của AutoML là để người không chuyên vẫn tạo được mô hình tốt. Ba ý mô tả cùng một khái niệm từ ba góc là quy trình, ứng dụng và đối tượng người dùng, nên chọn riêng một ý là chưa đầy đủ, phương án tổng hợp mới đúng.

Đáp án đúng: "Scalable data processing and model training". Điện toán đám mây cho phép thuê tài nguyên tính toán và lưu trữ theo nhu cầu, tăng thêm máy, GPU hay TPU khi cần xử lý lượng lớn dữ liệu thị trường hoặc huấn luyện mô hình lớn, rồi thu nhỏ khi không dùng; các dịch vụ như BigQuery hay Vertex AI giúp xử lý dữ liệu và huấn luyện mô hình ở quy mô lớn mà không phải tự dựng hạ tầng. "Eliminating financial risks" sai vì hạ tầng tính toán không loại bỏ được rủi ro thị trường hay rủi ro mô hình. "Removing need for datasets" sai vì mô hình học máy vẫn cần dữ liệu để huấn luyện; đám mây chỉ giúp lưu và xử lý dữ liệu dễ hơn. "Guaranteeing profits" sai vì không công nghệ nào bảo đảm lợi nhuận, kết quả vẫn phụ thuộc chất lượng chiến lược và diễn biến thị trường.

Đáp án đúng gồm ba ý: "Historical price data to compute asset returns", "Ranking assets based on past performance" và "Portfolio construction based on momentum scores". Chiến lược theo đà (momentum) dựa trên giả định tài sản tăng mạnh gần đây sẽ tiếp tục tăng, nên cần đủ ba khâu: dữ liệu giá lịch sử để tính lợi suất trong cửa sổ quá khứ như 3 hoặc 12 tháng; xếp hạng tài sản theo hiệu suất đó thành điểm đà; rồi lập danh mục mua nhóm đứng đầu, có thể bán nhóm đứng cuối, và tái cân bằng định kỳ. "Automatic stock exchange regulation enforcement" sai vì thực thi quy định của sàn là việc của sàn và cơ quan quản lý, không phải thành phần mà nhà giao dịch xây trong hệ thống của mình. "Brokerage tax reporting automation" sai vì báo cáo thuế là nghiệp vụ hành chính sau giao dịch, không ảnh hưởng tới việc tạo tín hiệu hay lập danh mục theo đà.

Đáp án đúng: "$192". Giảm 4% trên giá 200 đô la tức mất 200 × 0,04 = 8 đô la, nên giá dự đoán là 200 − 8 = 192 đô la, hay tính gọn 200 × 0,96 = 192. "$190" ứng với mức giảm 5%, lớn hơn dự báo. "$194" ứng với mức giảm 3%. "$196" ứng với mức giảm 2%, hoặc là kết quả khi nhầm lấy 4 đô la thay vì 4% của 200. Chỉ có phép nhân với 0,96 cho đúng giá trị mô hình TensorFlow dự đoán. Trong thực tế mô hình thường xuất ra lợi suất dự báo, ở đây là −4%, và hệ thống giao dịch phải đổi lợi suất đó thành mức giá bằng cách nhân giá hiện tại với một cộng lợi suất.

Đáp án đúng: "$127.2". Giá dự đoán bằng giá hiện tại nhân với một cộng tỉ lệ tăng: mức tăng là 120 × 6% = 120 × 0,06 = 7,2 USD, nên giá mới là 120 + 7,2 = 127,2 USD, cũng chính là 120 × 1,06. "$124" ứng với mức tăng 4 USD, tức chỉ khoảng 3,33%, có lẽ do cộng nhầm một con số tròn thay vì tính phần trăm. "$125" ứng với mức tăng 5 USD, khoảng 4,17%, không khớp với 6%. "$130" ứng với mức tăng 10 USD, khoảng 8,33%, vượt xa 6% đã cho. Câu này nhắc lại cách đổi lợi suất dự báo của mô hình thành mức giá mục tiêu: giá mục tiêu bằng giá hiện tại nhân (1 + lợi suất dự báo), một bước thường dùng khi đặt mức chốt lời từ dự báo.

Đáp án đúng: "10%". Lợi suất động lượng (momentum return) trong một giai đoạn nhìn lại (lookback period) là phần trăm thay đổi giá từ đầu đến cuối giai đoạn, tính bằng giá cuối trừ giá đầu rồi chia cho giá đầu. Ở đây là 110 trừ 100 bằng 10, chia 100 được 0,10, tức 10%; chiến lược động lượng dùng con số này để xếp hạng tài sản, mua mã tăng mạnh và tránh hoặc bán mã giảm mạnh. "8%" sai vì không khớp với phép tính nào từ dữ kiện, thấp hơn mức tăng thật. "9%" sai vì gần với lợi suất logarit ln(1,1) khoảng 9,5%, nhưng câu hỏi dùng lợi suất đơn theo giá. "12%" sai vì cao hơn mức tăng thực tế; muốn đạt 12% thì giá cuối phải là 112.

Đáp án đúng: "To model and forecast future market behavior based on historical patterns". Phân tích chuỗi thời gian (time-series analysis) khai thác thứ tự thời gian của dữ liệu giá, lợi suất, khối lượng để nhận diện xu hướng, mùa vụ, tự tương quan, rồi dựng mô hình như ARIMA hay LSTM dự báo giá trị tương lai; dự báo đó là nền cho tín hiệu giao dịch. "To compress historical price datasets" sai vì nén dữ liệu là bài toán lưu trữ, không phải mục đích của phân tích chuỗi thời gian. "To generate synthetic trading portfolios" sai vì việc lập danh mục thuộc bài toán tối ưu danh mục; mô phỏng dữ liệu tổng hợp có thể dùng chuỗi thời gian nhưng không phải mục đích chính. "To visualize financial correlations" chỉ là một bước hỗ trợ: vẽ biểu đồ hay ma trận tương quan giúp khám phá dữ liệu, nhưng giá trị cốt lõi của phân tích chuỗi thời gian là mô hình hoá và dự báo.

Đáp án đúng: "abcefd". Phương thức replace của chuỗi Python thay mọi lần xuất hiện của chuỗi con 'cd' bằng '12'; lần theo chuỗi 'abcefd', các ký tự là a, b, c, e, f, d, sau c là e chứ không phải d, nên chuỗi con 'cd' không xuất hiện lần nào, replace trả về nguyên chuỗi ban đầu và print in ra abcefd. "ab12ef" là kết quả nếu chuỗi gốc là 'abcdef', tức nhầm thứ tự ký tự. "ab1ef2" giả định c và d được thay riêng lẻ ở hai vị trí khác nhau, trong khi replace chỉ khớp nguyên cụm liền nhau. "abf12" vừa làm mất ký tự e vừa đặt '12' ở cuối, không ứng với cách replace hoạt động.

Đáp án đúng: "Overfitting". Quá khớp xảy ra khi mô hình giao dịch học thuộc cả nhiễu và các mẫu ngẫu nhiên của giai đoạn huấn luyện, nên backtest trong mẫu rất đẹp nhưng gặp dữ liệu thị trường mới thì lợi nhuận sụt hẳn; cách phát hiện là kiểm tra ngoài mẫu hay walk-forward, cách giảm là bớt tham số, chính quy hoá và tránh tối ưu quá nhiều lần trên cùng dữ liệu. "Diversification" là đa dạng hoá danh mục để giảm rủi ro riêng lẻ, không mô tả việc mô hình kém đi trên dữ liệu mới. "Portfolio hedging" là phòng hộ, dùng vị thế ngược chiều để giảm rủi ro, là kỹ thuật quản lý vị thế chứ không phải lỗi mô hình. "Arbitrage trading" là kinh doanh chênh lệch giá, một loại chiến lược, không phải hiện tượng mô hình chỉ tốt trên dữ liệu huấn luyện.

Đáp án đúng: "Concept drift in market behavior". Trôi khái niệm (concept drift) là khi quan hệ thống kê giữa đặc trưng và biến mục tiêu thay đổi theo thời gian, nên mô hình học từ giai đoạn 2015–2020 không còn khớp với hành vi thị trường năm 2024, khi lãi suất, mức biến động và các yếu tố dẫn dắt đã khác. Cách xử lý là theo dõi hiệu năng liên tục, huấn luyện lại định kỳ trên dữ liệu gần hơn hoặc dùng cửa sổ trượt. "Model training failure" sai vì mô hình đã huấn luyện thành công và có thể chạy tốt trên dữ liệu cũ; vấn đề nằm ở dữ liệu mới đã khác phân phối. "Behavior overload" không phải thuật ngữ trong học máy hay tài chính để mô tả hiện tượng này. "Market network disconnection" là sự cố kết nối, sẽ làm thiếu dữ liệu hoặc không đặt được lệnh, chứ không làm dự báo kém dần trên dữ liệu đầy đủ.

Đáp án đúng: "Optimizer". Trong TensorFlow và Keras, bộ tối ưu (optimizer) như SGD, Adam, RMSprop nhận gradient của hàm mất mát theo từng trọng số, thường tính bằng GradientTape hoặc tự động trong model.fit, rồi cập nhật tham số theo quy tắc của nó, ví dụ trọng số mới bằng trọng số cũ trừ tốc độ học nhân gradient; lời gọi optimizer.apply_gradients chính là bước cập nhật. "Market index" là chỉ số thị trường như S&P 500, một chuỗi dữ liệu có thể làm đặc trưng đầu vào, không cập nhật tham số nào. "Trading commission calculator" là công cụ tính phí giao dịch, thuộc khâu mô phỏng chi phí trong kiểm thử ngược. "Portfolio rebalancing engine" điều chỉnh lại tỉ trọng tài sản trong danh mục theo định kỳ hay theo tín hiệu, là thành phần của hệ thống giao dịch chứ không phải của quá trình huấn luyện mô hình.

Đáp án đúng: "Building and training neural network models for financial prediction". TensorFlow 2 là thư viện tính toán học sâu, còn Keras là API cấp cao tích hợp sẵn trong đó (tf.keras) để định nghĩa lớp, biên dịch và huấn luyện mạng nơ-ron; trong hệ thống giao dịch, chúng đảm nhận phần mô hình dự đoán giá, lợi suất hay tín hiệu. "Executing stock trades automatically on exchanges" là việc của hệ thống thực thi lệnh kết nối tới sàn qua API môi giới, không phải thư viện học máy. "Monitoring brokerage commissions for portfolios" là chức năng kế toán và quản lý chi phí. "Calculating stock market regulatory fees" là nghiệp vụ tính phí theo quy định, không cần tới mạng nơ-ron.

Đáp án đúng: "They capture temporal market patterns". Lợi suất trễ (lagged returns) là lợi suất của các kỳ trước như r(t−1), r(t−2), được đưa vào làm đặc trưng để mô hình nhận ra quan hệ theo thời gian như quán tính ngắn hạn, hồi quy về trung bình hay tự tương quan, giống tinh thần của mô hình tự hồi quy AR trong chuỗi thời gian. "They eliminate transaction costs" sai vì chi phí giao dịch phát sinh khi đặt lệnh, cách chọn đặc trưng không xoá được nó. "They replace neural networks" sai vì lợi suất trễ là dữ liệu đầu vào, còn mạng nơ-ron là mô hình xử lý đầu vào đó; hai thứ bổ sung chứ không thay thế nhau. "They reduce brokerage taxes" sai vì thuế và phí môi giới do quy định và hợp đồng với công ty chứng khoán, không liên quan đến đặc trưng của mô hình.

Đáp án đúng: "$214". Mạng nơ-ron dự báo giá tài sản tăng 7%, tức giá dự báo bằng giá hiện tại nhân với 1 cộng 7%. Tính từng bước: phần tăng là 200 nhân 0,07 bằng 14 đô la, cộng vào 200 được 214 đô la, cũng chính là 200 nhân 1,07. "$212" sai vì ứng với mức tăng 6%, phần tăng chỉ 12 đô la. "$213" sai vì ứng với mức tăng 6,5%, phần tăng 13 đô la, không khớp với 7%. "$216" sai vì ứng với mức tăng 8%, phần tăng 16 đô la, cao hơn dự báo. Cách nhanh nhất để kiểm tra là đổi phần trăm thành hệ số nhân rồi nhân với giá gốc; phép tính này cũng là cách quy đổi dự báo lợi suất của mô hình thành dự báo giá trong các chiến lược giao dịch dùng học máy.

Đáp án đúng: "Integrated component involving differencing of the series". Trong ARIMA, I là Integrated, ứng với tham số d: số lần lấy sai phân (differencing) chuỗi, tức thay x_t bằng x_t trừ x_{t-1}, để loại xu hướng và biến chuỗi không dừng như giá cổ phiếu thành chuỗi dừng như thay đổi giá; sau khi mô hình hoá phần AR và MA trên chuỗi sai phân, kết quả được cộng dồn (tích phân) ngược lại để ra dự báo ở thang ban đầu. "Investment factor" là nhân tố đầu tư trong các mô hình định giá tài sản, không phải thành phần của ARIMA. "Indicator variable" là biến giả nhận giá trị 0 hoặc 1 trong hồi quy, không nằm trong tên ARIMA. "Interest-rate predictor" là biến dự báo lãi suất, có thể là một biến ngoại sinh trong mô hình khác, nhưng ARIMA thuần chỉ dùng chính quá khứ của chuỗi.

Đáp án đúng: "To capture recent market trends for prediction". Trung bình động 10 ngày (moving average) lấy trung bình giá đóng cửa 10 phiên gần nhất, làm trơn dao động ngày và cho thấy xu hướng ngắn hạn; trong học có giám sát nó là một đặc trưng đầu vào giúp mô hình nhận biết giá đang đi lên hay đi xuống. "To replace the target variable in regression" sai vì đặc trưng là đầu vào, còn biến mục tiêu như lợi suất tương lai là thứ cần dự đoán, hai vai trò không thay thế nhau. "To eliminate volatility from market data" nói quá: trung bình động làm trơn nhiễu nhưng không loại bỏ được biến động. "To compute portfolio weights automatically" là việc của bước tối ưu danh mục, không phải của một đặc trưng.

Đáp án đúng gồm ba ý: "Market volatility and noise", "Delayed reward signals" và "Limited historical training data". Dữ liệu giá có tỉ lệ tín hiệu trên nhiễu rất thấp và độ biến động thay đổi theo chế độ thị trường, nên tác tử dễ học theo nhiễu và chính sách kém ổn định. Phần thưởng bị trễ vì lãi lỗ của một quyết định vào lệnh chỉ lộ ra sau nhiều bước, gây khó cho việc gán công cho đúng hành động (credit assignment). Dữ liệu lịch sử có hạn vì thị trường chỉ có một quá khứ, không mô phỏng lại vô hạn như trò chơi, trong khi học tăng cường cần rất nhiều trải nghiệm, nên dễ quá khớp. "Brokerage tax reporting systems" là thủ tục kế toán thuế, không ảnh hưởng tới quá trình tác tử học. "Exchange listing procedures" là quy trình niêm yết của doanh nghiệp, nằm ngoài bài toán huấn luyện tác tử giao dịch.

Đáp án đúng: "8". Trong học tăng cường, phần thưởng (reward) là tín hiệu môi trường trả về sau hành động; ở đây phần thưởng được định nghĩa bằng lợi nhuận của giao dịch. Tác tử mua ở 100 đô la và bán ở 108 đô la nên lợi nhuận là 108 trừ 100 bằng 8, đó chính là phần thưởng nhận được, chưa tính phí hay chiết khấu vì đề không nêu. "6" sai vì chỉ ra được khi trừ thêm một khoản phí 2 đô la mà đề không cho. "7" sai vì cũng không khớp phép tính nào từ dữ kiện; lệch 1 so với lợi nhuận thật. "10" sai vì đó là lợi nhuận khi giá bán là 110, hoặc là nhầm lẫn với một con số tròn, trong khi giá bán thực tế là 108. Ghi nhớ: khi phần thưởng bằng lợi nhuận, chỉ cần lấy giá bán trừ giá mua, và lợi suất tương ứng là 8 chia 100 bằng 8%.