Tất cả câu hỏi

Đáp án đúng: "Regression model". Lợi suất tài sản là một đại lượng liên tục, như +0,8% hay -1,2% trong một ngày, nên bài toán dự đoán nó là hồi quy: mô hình hồi quy như hồi quy tuyến tính hay mạng nơ-ron với tầng đầu ra tuyến tính cho ra một số thực và được tối ưu bằng mất mát như MSE. "Classification model" dự đoán nhãn rời rạc, ví dụ giá tăng hay giảm; có thể biến bài toán lợi suất thành phân loại hướng đi, nhưng khi đó không còn dự đoán giá trị lợi suất liên tục nữa. "Clustering model" là học không giám sát, gom các tài sản hay giai đoạn thị trường giống nhau thành cụm, không có biến mục tiêu để dự đoán. "Reinforcement learning model" học một chính sách hành động mua, bán, giữ để tối đa hoá phần thưởng tích luỹ, chứ không trực tiếp xuất ra dự báo lợi suất liên tục.

Đáp án đúng: "Regression". Lợi suất cổ phiếu là một số liên tục, ví dụ 1,3% hay −0,8%, và mô hình học từ dữ liệu quá khứ đã biết lợi suất thực tế, nên đây là bài toán hồi quy (regression) có giám sát. "Clustering" là học không giám sát, gom các cổ phiếu giống nhau thành nhóm mà không có biến mục tiêu. "Association rule mining" tìm các luật kiểu mặt hàng hay xuất hiện cùng nhau, không dự đoán một giá trị số. "Dimensionality reduction" như PCA chỉ nén số đặc trưng, thường là bước tiền xử lý chứ không phải nhiệm vụ dự đoán lợi suất.

Đáp án đúng: "The assumption that prices will return to their historical average". Hồi quy về trung bình (mean reversion) là giả định giá, hay chênh lệch giữa hai tài sản liên quan, lệch xa mức trung bình lịch sử thì có xu hướng quay trở lại; chênh lệch giá thống kê dựa vào đó để bán phía đang đắt, mua phía đang rẻ khi độ lệch, thường đo bằng z-score, vượt ngưỡng, rồi đóng vị thế khi chênh lệch về lại trung bình. "The tendency of prices to move in one direction" mô tả quán tính hay xu hướng (momentum), chính là điều ngược lại với hồi quy về trung bình. "The process of diversifying investments" là đa dạng hoá, nhằm giảm rủi ro chứ không nói về hành vi của giá. "The analysis of market volatility" là phân tích độ biến động, đo độ lớn dao động chứ không khẳng định giá sẽ quay về đâu.

Đáp án đúng: "Epoch". Trong huấn luyện học sâu, một epoch là một lượt mô hình đi qua toàn bộ tập huấn luyện đúng một lần; mỗi epoch gồm nhiều bước cập nhật theo từng lô (batch), và huấn luyện thường chạy nhiều epoch, như tham số epochs trong hàm fit của Keras, cho tới khi mất mát trên tập kiểm định ngừng giảm. "Trading cycle" là chu kỳ giao dịch, khái niệm của hoạt động mua bán trên thị trường chứ không phải của khâu huấn luyện mô hình. "Portfolio iteration" chỉ một vòng điều chỉnh danh mục đầu tư, không liên quan tới số lần duyệt dữ liệu huấn luyện. "Market rebalancing period" là khoảng thời gian định kỳ cân bằng lại tỷ trọng tài sản trong danh mục, ví dụ hằng tháng hay hằng quý, cũng là khái niệm quản lý danh mục chứ không phải thuật ngữ của framework học sâu.

Đáp án đúng: "Using neural networks to approximate Q-values for trading actions". Q-learning cổ điển lưu giá trị Q(s, a), tức phần thưởng tích luỹ kỳ vọng khi chọn hành động a ở trạng thái s, trong một bảng; với trạng thái thị trường liên tục và nhiều chiều như giá, chỉ báo, vị thế đang nắm, bảng đó không thể liệt kê hết. Deep Q-Learning (DQN) thay bảng bằng một mạng nơ-ron nhận trạng thái và trả về giá trị Q cho từng hành động mua, bán, giữ, huấn luyện theo mục tiêu Bellman với bộ nhớ phát lại trải nghiệm (experience replay) và mạng mục tiêu (target network) để ổn định. "Calculating exchange transaction costs using deep models" sai vì chi phí giao dịch tính theo biểu phí, không phải mục đích của DQN. "Predicting brokerage account tax obligations" sai vì nghĩa vụ thuế là nghiệp vụ kế toán, không liên quan tới học tăng cường. "Simulating financial market regulations" sai vì DQN học chính sách hành động, không mô phỏng hệ thống quy định pháp lý.

Đáp án đúng: "To improve convergence during training". Các đặc trưng tài chính có thang đo rất khác nhau, như giá vài trăm đô la, khối lượng hàng triệu cổ phiếu, lợi suất chỉ vài phần trăm; nếu không chuẩn hoá (normalize) về cùng thang, như z-score hay min-max, gradient sẽ bị chi phối bởi đặc trưng lớn, mặt hàm mất mát méo và hạ gradient hội tụ chậm hoặc dao động. "To eliminate market volatility" sai vì chuẩn hoá chỉ đổi thang số, không làm biến động thị trường biến mất. "To increase brokerage profits" không liên quan, phí môi giới không phụ thuộc cách xử lý dữ liệu của mô hình. "To reduce transaction latency" là vấn đề hạ tầng mạng và hệ thống khớp lệnh, không phải tiền xử lý đặc trưng.

Đáp án đúng: "Exploitation". Trong học tăng cường, giá trị Q(s,a) ước lượng tổng phần thưởng kỳ vọng khi làm hành động a ở trạng thái s; chọn hành động có Q lớn nhất là khai thác (exploitation), tức tận dụng hiểu biết hiện có để lấy phần thưởng tốt nhất theo ước lượng, như nhánh tham lam trong chiến lược epsilon-greedy. "Exploration" là khám phá, cố ý thử hành động chưa chắc tốt, thường chọn ngẫu nhiên với xác suất epsilon, để thu thêm thông tin, ngược với việc chọn Q cao nhất. "Diversification" là đa dạng hoá danh mục trong tài chính để giảm rủi ro, không phải chiến lược chọn hành động của tác tử. "Arbitrage" là kinh doanh chênh lệch giá giữa các thị trường, một chiến lược giao dịch chứ không phải khái niệm cân bằng khám phá và khai thác.

Đáp án đúng: "It can be used to uncover potentially profitable patterns through statistical analysis of data.". Giao dịch định lượng (quantitative trading) dùng mô hình toán học, thống kê và thuật toán trên dữ liệu giá, khối lượng hay dữ liệu thay thế để tìm quy luật có thể sinh lời, kiểm định lại trên lịch sử rồi thực thi có hệ thống. "It is a method that relies solely on qualitative analysis." sai vì định lượng ngược với định tính; nó dựa vào số liệu và mô hình chứ không dựa hoàn toàn vào nhận định chủ quan. "It is not widely adopted in modern financial markets." sai vì quỹ định lượng, nhà tạo lập thị trường và giao dịch thuật toán chiếm phần lớn khối lượng ở nhiều thị trường hiện đại. "It focuses exclusively on equity trading." sai vì phương pháp định lượng áp dụng cho cả trái phiếu, ngoại hối, hàng hoá, phái sinh lẫn tiền mã hoá.

Đáp án đúng: "It allows models to learn relationships between features and future market outcomes". Học có giám sát cần mỗi mẫu đi kèm nhãn, tức kết quả đúng như lợi suất ngày kế tiếp hay xu hướng tăng giảm; nhờ có nhãn, mô hình so sánh dự đoán với kết quả thật, tính mất mát và điều chỉnh trọng số để học quan hệ giữa đặc trưng như giá, khối lượng, chỉ báo với kết quả thị trường tương lai. "It eliminates the need for model evaluation" sai vì có nhãn mới đánh giá được, và việc đánh giá trên tập kiểm định, kiểm tra vẫn bắt buộc để phát hiện quá khớp. "It guarantees profitable trading strategies" sai vì mô hình học tốt trên dữ liệu quá khứ không bảo đảm có lãi khi thị trường đổi chế độ, chưa kể chi phí giao dịch và trượt giá. "It removes market volatility from the dataset" sai vì gắn nhãn không làm thay đổi dữ liệu gốc; biến động vẫn còn nguyên trong dữ liệu và trong thị trường.

Đáp án đúng: "$212". Mức tăng 6% trên giá 200 đô la là 200 × 0,06 = 12 đô la, nên giá dự đoán là 200 + 12 = 212 đô la, hay gọn hơn 200 × 1,06 = 212. "$208" ứng với mức tăng 4% (200 × 1,04), không phải 6%. "$210" ứng với mức tăng 5%, hụt 2 đô la so với đúng. "$216" ứng với mức tăng 8%, quá cao so với dự báo của mô hình quán tính (momentum) trong câu hỏi. Mô hình momentum giả định cổ phiếu đang tăng sẽ tiếp tục tăng, nên dự báo được biểu diễn bằng phần trăm thay đổi và chỉ cần nhân giá hiện tại với một cộng tỉ lệ đó để ra giá mục tiêu.

Đáp án đúng: "To learn hierarchical representations of financial market patterns". Mạng nơ-ron sâu xếp nhiều tầng ẩn để mỗi tầng xây trên đầu ra của tầng trước: tầng đầu học các mẫu đơn giản như biến động ngắn hạn của lợi suất, tầng sau kết hợp chúng thành mẫu phức tạp hơn như xu hướng, chế độ biến động hay quan hệ giữa các tài sản; biểu diễn phân cấp này giúp mô hình nắm quan hệ phi tuyến mà một tầng khó biểu diễn gọn. "To reduce training dataset size" sai vì thêm tầng không làm dữ liệu nhỏ đi, trái lại mạng sâu nhiều tham số thường cần nhiều dữ liệu hơn. "To eliminate market volatility" sai vì mô hình chỉ dự báo, không tác động được tới biến động của thị trường. "To automatically optimize trading portfolios" là bài toán phân bổ danh mục, có thể dùng mạng sâu nhưng không phải lý do để thêm nhiều tầng ẩn.

Đáp án đúng gồm ba ý: "Overfitting", "Market regime changes" và "Data leakage". Quá khớp (overfitting) xảy ra khi mô hình học cả nhiễu của dữ liệu lịch sử, nên backtest đẹp nhưng giao dịch thật thua lỗ. Thay đổi chế độ thị trường (market regime changes), như chuyển từ xu hướng tăng ổn định sang biến động mạnh, làm quan hệ mà mô hình đã học không còn đúng. Rò rỉ dữ liệu (data leakage) là khi thông tin tương lai lọt vào khâu huấn luyện, ví dụ chuẩn hoá trên toàn bộ dữ liệu hay dùng giá đóng cửa để quyết định lệnh trong cùng phiên, khiến hiệu năng kiểm thử bị thổi phồng. "Data compression" là kỹ thuật lưu trữ, truyền dữ liệu cho gọn, không phải rủi ro của chiến lược giao dịch. "Batch size splits" là cách chia lô khi huấn luyện, một siêu tham số ảnh hưởng tốc độ và độ ổn định hội tụ, không phải rủi ro cần cân nhắc khi triển khai chiến lược.

Đáp án đúng: "Measuring predictive performance on financial datasets". Chỉ số đánh giá (evaluation metrics) như MAE, RMSE cho hồi quy lợi suất hay accuracy, precision cho phân loại xu hướng được khai báo trong model.compile và tính trên tập huấn luyện, tập kiểm định sau mỗi epoch, cho biết mô hình dự đoán tốt đến đâu; khác với hàm mất mát dùng để tối ưu, chỉ số đánh giá dùng để theo dõi và so sánh, giúp phát hiện quá khớp khi chỉ số trên tập kiểm định xấu đi. "Determining brokerage commission rates" sai vì mức hoa hồng do nhà môi giới quy định theo hợp đồng, không do mô hình đo. "Calculating exchange listing fees" sai vì phí niêm yết là khoản doanh nghiệp trả cho sàn, hoàn toàn nằm ngoài việc huấn luyện mạng. "Managing trading accounts" sai vì quản lý tài khoản giao dịch là nghiệp vụ của nhà môi giới và hệ thống quản trị rủi ro, không phải chức năng của chỉ số đánh giá.

Đáp án đúng: "3". Không gian hành động (action space) của agent gồm mọi lựa chọn nó có ở mỗi bước; ở đây là mua (buy), bán (sell) và giữ nguyên (hold), đếm được đúng ba hành động rời rạc, nên lớp ra của mạng như DQN sẽ có ba nút, mỗi nút là giá trị Q của một hành động. "2" bỏ sót một hành động, thường là hold, khiến agent buộc phải giao dịch mọi lúc. "4" và "5" thừa hành động không có trong đề; chúng chỉ đúng khi thêm lựa chọn như mua nửa vị thế hay bán khống, điều câu hỏi không nêu.

Đáp án đúng: "It can adapt strategies based on sequential decision-making in markets". Học tăng cường mô hình hoá giao dịch như chuỗi quyết định nối tiếp: tại mỗi thời điểm tác tử quan sát trạng thái thị trường và vị thế, chọn hành động mua, bán hay giữ, nhận phần thưởng là lãi lỗ đã trừ chi phí, rồi điều chỉnh chính sách để tối đa hoá tổng phần thưởng chiết khấu về sau; vì hành động hôm nay ảnh hưởng tới vị thế và cơ hội ngày mai, khung này hợp với giao dịch. "It eliminates all trading risks" sai vì không phương pháp nào xoá được rủi ro thị trường; học tăng cường chỉ có thể đưa rủi ro vào hàm phần thưởng. "It guarantees constant trading profits" sai vì chính sách học từ dữ liệu quá khứ vẫn có thể thua lỗ khi thị trường đổi chế độ. "It replaces financial market regulations" sai vì quy định pháp lý là khuôn khổ bên ngoài mà mọi chiến lược phải tuân thủ.

Đáp án đúng: "They stabilize variance and simplify compounding calculations". Lợi suất logarit (log return) tính bằng ln của giá kỳ này chia giá kỳ trước. Lợi suất nhiều kỳ chỉ là tổng các lợi suất logarit từng kỳ, ví dụ hai kỳ lần lượt ln(1,1) và ln(0,9) thì cả giai đoạn là ln(0,99), nên phép ghép lãi kép thành phép cộng, dễ tính và dễ mô hình hoá. Lấy logarit cũng nén các biến động lớn, làm phân phối gần chuẩn và phương sai ổn định hơn so với dùng giá hay lợi suất đơn. "They eliminate trading risks" sai vì đây chỉ là cách đo lợi suất, rủi ro vẫn nguyên. "They replace machine learning models" sai vì lợi suất logarit thường là đặc trưng hoặc biến mục tiêu đưa vào mô hình học máy, không thay mô hình. "They guarantee positive investment returns" sai vì khi giá giảm thì tỉ số nhỏ hơn 1 và lợi suất logarit âm.

Đáp án đúng: "Computational graph". Trong TensorFlow, đồ thị tính toán (computational graph) biểu diễn mô hình dưới dạng các nút là phép toán và các cạnh là tensor chảy giữa chúng; cấu trúc mạng nơ-ron, từ các tầng, trọng số tới thứ tự phép tính, được mô tả bằng đồ thị này. Ở TensorFlow 2, mã chạy tức thời nhưng tf.function vẫn dựng đồ thị để tối ưu và triển khai, và GradientTape dựa trên chuỗi phép toán đã ghi để tính gradient. "Market order book" là sổ lệnh của sàn, liệt kê các lệnh mua bán đang chờ theo từng mức giá, là dữ liệu thị trường chứ không phải thành phần của TensorFlow. "Portfolio allocation matrix" là ma trận tỉ trọng phân bổ vốn cho các tài sản, đầu ra của bài toán tối ưu danh mục. "Trading commission schedule" là biểu phí giao dịch của nhà môi giới, không liên quan gì tới cấu trúc mạng.

Đáp án đúng gồm ba ý: "Use autoregressive terms based on past values", "Include differencing to remove trends" và "Model error terms with moving averages". ARIMA(p, d, q) ghép ba phần đúng như tên gọi: AR (autoregressive) dùng p giá trị trễ của chuỗi để dự báo, I (integrated) lấy sai phân d lần để khử xu hướng cho chuỗi dừng, và MA (moving average) mô hình hoá sai số hiện tại qua q sai số quá khứ. "Optimize portfolio allocation weights" là bài toán tối ưu danh mục như mô hình Markowitz, ARIMA chỉ dự báo một chuỗi đơn và không phân bổ vốn. "Detect arbitrage trading opportunities" là mục tiêu của các chiến lược chênh lệch giá; ARIMA có thể là công cụ hỗ trợ nhưng việc phát hiện kinh doanh chênh lệch không phải đặc điểm của mô hình.

Đáp án đúng: "They train faster and provide quick insights into model viability.". Khi dựng nguyên mẫu, mô hình đơn giản như hồi quy tuyến tính, logistic hay cây nông huấn luyện nhanh, dễ diễn giải và đóng vai trò mốc chuẩn (baseline), giúp biết sớm dữ liệu có chứa tín hiệu hay không trước khi bỏ công vào mô hình phức tạp. "They require less data preprocessing." không đúng như một ưu thế chung: mô hình tuyến tính thường còn cần chuẩn hoá, mã hoá biến phân loại và xử lý ngoại lai kỹ hơn so với các mô hình cây. "They are always more accurate than complex models." sai vì chữ always quá tuyệt đối; mô hình đơn giản thường kém chính xác hơn khi quan hệ thật phi tuyến. "They can handle larger datasets without overfitting." lẫn lộn hai chuyện: mô hình đơn giản ít quá khớp vì ít tham số, chứ không phải vì xử lý được dữ liệu lớn hơn.

Đáp án đúng: "All is correct". BigQuery ML là tính năng học máy tích hợp trong kho dữ liệu BigQuery, và cả bốn phát biểu đều mô tả đúng nó. "Write ML models with SQL" đúng vì mô hình được tạo bằng câu lệnh CREATE MODEL và dự đoán bằng ML.PREDICT. "Experiment and iterate right where your data lives -- in BigQuery" đúng vì huấn luyện chạy ngay trên bảng trong BigQuery, không phải xuất dữ liệu sang hệ thống khác. "Build classification (binary and multi-class) and forecasting models" đúng vì nó hỗ trợ hồi quy logistic cho phân loại nhị phân và nhiều lớp, cùng mô hình chuỗi thời gian ARIMA_PLUS để dự báo. "Inspect model weights and adjust hyperparameters too" đúng vì có hàm ML.WEIGHTS để xem trọng số và mệnh đề OPTIONS để đặt siêu tham số, kể cả tinh chỉnh siêu tham số tự động. Chọn riêng một ý là bỏ sót các khả năng kia.