Tất cả câu hỏi

Đáp án đúng: "They accelerate large-scale matrix computations in neural networks". Huấn luyện mạng nơ-ron chủ yếu là nhân ma trận và các phép toán tensor lặp lại hàng triệu lần ở cả lan truyền xuôi lẫn ngược; GPU có hàng nghìn lõi xử lý song song nên làm các phép này nhanh hơn CPU nhiều lần, rút ngắn thời gian huấn luyện mô hình giao dịch trên chuỗi giá dài hay nhiều tài sản, và TensorFlow tự đặt phép tính lên GPU khi có. "They automatically execute financial trades" sai vì GPU là phần cứng tính toán, việc đặt lệnh do phần mềm thực thi kết nối nhà môi giới đảm nhiệm. "They replace historical market data" sai vì GPU không tạo ra hay thay thế dữ liệu; mô hình vẫn cần dữ liệu lịch sử thật để học. "They calculate brokerage commissions" sai vì tính hoa hồng môi giới là phép cộng nhân đơn giản, không cần sức mạnh tính toán song song của GPU.

Đáp án đúng: "The set of portfolios offering maximum return for a given risk level". Theo lý thuyết danh mục hiện đại của Markowitz, đường biên hiệu quả (efficient frontier) là tập hợp các danh mục tối ưu: với mỗi mức rủi ro, đo bằng độ lệch chuẩn, nó cho lợi suất kỳ vọng cao nhất, hay tương đương rủi ro thấp nhất với mỗi mức lợi suất; danh mục nằm dưới đường biên bị coi là kém hiệu quả. "The set of stocks with the highest trading volume" nói về thanh khoản, không liên quan tới đánh đổi rủi ro và lợi suất. "The group of assets with identical market capitalization" chỉ là nhóm theo quy mô vốn hoá. "The list of assets traded on the same exchange" là danh sách niêm yết, không phải khái niệm tối ưu danh mục.

Đáp án đúng gồm ba ý: "Quality of historical financial data", "Feature engineering from technical indicators" và "Neural network architecture design". Hiệu năng của mạng nơ-ron trong mô hình định lượng phụ thuộc trước hết vào dữ liệu: dữ liệu lịch sử thiếu, sai, lệch sống sót (survivorship bias) hay rò rỉ thông tin tương lai sẽ làm mô hình học sai quy luật. Kỹ thuật tạo đặc trưng (feature engineering) như lợi suất trễ, đường trung bình, RSI giúp đưa tín hiệu có ý nghĩa vào mạng vốn rất nhiễu với dữ liệu giá thô. Thiết kế kiến trúc gồm số tầng, số nơ-ron, loại tầng như LSTM hay tích chập và cách chính quy hoá quyết định mạng khớp vừa đủ hay quá khớp. "Brokerage tax regulations" ảnh hưởng tới lợi nhuận ròng sau thuế nhưng không tác động tới việc mạng học và dự báo. "Exchange opening hours" chỉ quy định khi nào được giao dịch, không phải yếu tố làm mạng dự báo tốt hay kém.

Đáp án đúng: "Learning optimal strategies in complex and nonlinear financial markets". Học tăng cường sâu (deep reinforcement learning) kết hợp tác tử học từ phần thưởng với mạng nơ-ron sâu để xấp xỉ chính sách hay hàm giá trị, nên có thể học quyết định mua, bán, giữ trực tiếp từ dữ liệu thị trường nhiều chiều, phi tuyến, nơi quy tắc viết tay khó bao quát. Tác tử thử hành động, nhận lãi lỗ làm phần thưởng và dần tìm chiến lược tối ưu hoá lợi nhuận đã điều chỉnh rủi ro. "Reducing brokerage account registration time" là thủ tục hành chính của công ty môi giới, không phải bài toán ra quyết định tuần tự. "Standardizing exchange order execution" là việc của sàn giao dịch và quy định thị trường. "Managing financial compliance records" thuộc hệ thống quản lý tuân thủ và lưu trữ hồ sơ, không cần tác tử học chiến lược.

Đáp án đúng: "To store long-term dependencies in the input sequence". Trạng thái ô (cell state) là đường truyền thông tin chạy dọc qua mọi bước thời gian của LSTM, chỉ bị thay đổi qua các phép nhân và cộng có kiểm soát: cổng quên xoá bớt, cổng vào thêm thông tin mới. Nhờ đường truyền gần như tuyến tính này, gradient ít bị biến mất và mạng ghi nhớ được phụ thuộc dài hạn, như một xu hướng giá kéo dài nhiều phiên. "To adjust the learning rate during training" sai vì tốc độ học là siêu tham số của bộ tối ưu, nằm ngoài kiến trúc ô LSTM. "To compute the gradients for backpropagation" sai vì gradient được tính bởi cơ chế lan truyền ngược theo thời gian (backpropagation through time), ví dụ qua GradientTape; trạng thái ô chỉ là một đại lượng mà gradient đi qua, không phải bộ tính gradient. "None of the above" sai vì đã có mô tả đúng vai trò của trạng thái ô.

Đáp án đúng: "Future asset return". Mô hình dự đoán trong giao dịch định lượng nhằm hỗ trợ quyết định mua bán, nên biến mục tiêu (target variable) thường là lợi suất tương lai của tài sản, ví dụ lợi suất ngày mai hay năm ngày tới, hoặc chiều tăng giảm của nó; đặc trưng đầu vào là giá, khối lượng, chỉ báo kỹ thuật quá khứ. "Brokerage account balance" là số dư tài khoản của nhà đầu tư, kết quả của giao dịch chứ không phải thứ thị trường tạo ra để dự đoán. "Market opening hours" là giờ giao dịch cố định do sàn quy định, không cần mô hình dự đoán. "Trading exchange identifier" chỉ là mã định danh sàn, một thuộc tính phân loại, không mang thông tin về biến động giá.

Đáp án đúng: "Predicting future spread movements using historical financial data". Giao dịch cặp (pair trading) mua một tài sản và bán khống tài sản có quan hệ chặt với nó, kiếm lời khi chênh lệch giá (spread) giữa hai bên quay về mức cân bằng; học máy được dùng để chọn cặp, ước lượng tỉ lệ phòng hộ và dự báo spread sẽ mở rộng hay thu hẹp dựa trên dữ liệu lịch sử, từ đó quyết định thời điểm vào và ra lệnh. "Automatically replacing the stock exchange infrastructure" sai vì hệ thống giao dịch cặp chỉ là người tham gia thị trường, chạy trên hạ tầng sàn có sẵn. "Calculating brokerage tax reports" là việc kế toán, hành chính, không liên quan đến tín hiệu giao dịch. "Determining market trading holidays" là lịch do sàn công bố, chỉ cần tra cứu chứ không cần mô hình học máy dự đoán.

Đáp án đúng: "It stabilizes gradient updates and improves training convergence". Đặc trưng tài chính có thang đo rất khác nhau, như giá hàng trăm đô la, khối lượng hàng triệu cổ phiếu và lợi suất cỡ phần trăm. Nếu không chuẩn hoá, đặc trưng lớn chi phối tổng có trọng số, gradient theo các hướng chênh nhau nhiều nên bước cập nhật dao động, dễ bão hoà hàm kích hoạt và hội tụ chậm. Đưa các đặc trưng về cùng thang, ví dụ z-score, giúp gradient cân đối và huấn luyện ổn định hơn. "It increases trading frequency" sai vì tần suất giao dịch do quy tắc chiến lược quyết định, không do bước tiền xử lý. "It eliminates portfolio risk" sai vì rủi ro thị trường vẫn còn nguyên dù dữ liệu được chuẩn hoá thế nào. "It guarantees accurate financial forecasts" sai vì chuẩn hoá chỉ giúp mô hình học tốt hơn, không bảo đảm dự báo chính xác trên thị trường nhiễu và thay đổi.

Đáp án đúng: "Training machine learning models for financial prediction". Trong hệ thống giao dịch định lượng, TensorFlow là thư viện học máy dùng để xây và huấn luyện mô hình như mạng nơ-ron sâu, LSTM hay Q-network trên dữ liệu giá, khối lượng, chỉ báo kỹ thuật, nhằm dự báo lợi suất, xu hướng hoặc đưa ra tín hiệu mua bán; tín hiệu đó sau đó mới được chuyển cho khối thực thi. "Executing trades directly on stock exchanges" sai vì việc đặt lệnh do hệ thống thực thi qua API của nhà môi giới hoặc sàn đảm nhiệm, TensorFlow không có chức năng kết nối sàn. "Calculating brokerage fees automatically" sai vì phí môi giới được tính theo biểu phí của nhà môi giới, là phép tính kế toán đơn giản, không cần tới thư viện học máy. "Replacing financial market regulators" sai vì cơ quan quản lý thị trường là tổ chức pháp lý, không phần mềm nào thay thế được vai trò giám sát và ban hành quy định.

Đáp án đúng: "10". Chênh lệch giá (spread) trong giao dịch cặp (pairs trading) được định nghĩa là A − B, nên chỉ cần lấy giá cổ phiếu A trừ giá cổ phiếu B: 120 − 110 = 10 đô la. Nhà giao dịch theo dõi spread này, khi nó lệch xa mức trung bình lịch sử thì bán bên đắt, mua bên rẻ và chờ spread quay về. "8" thiếu 2 đô la so với phép trừ đúng. "9" lệch 1 đô la, có thể do tính nhầm. "12" lớn hơn hiệu thực tế 2 đô la và không ứng với phép tính nào trên hai mức giá đã cho.

Đáp án đúng: "Intermediate transformations of financial features during learning". Tầng ẩn (hidden layer) nằm giữa tầng đầu vào và tầng đầu ra, mỗi nơ-ron tính tổng có trọng số của đầu vào rồi qua hàm kích hoạt phi tuyến, nên tầng ẩn biến đổi các đặc trưng tài chính thô như lợi suất trễ, chỉ báo kỹ thuật thành biểu diễn trung gian mà mạng tự học được trong huấn luyện, trước khi tầng đầu ra đưa ra dự báo. "Historical stock market datasets" là dữ liệu đầu vào dùng để huấn luyện, không phải một thành phần bên trong mạng. "Portfolio optimization constraints" là ràng buộc của bài toán tối ưu danh mục như hạn mức tỉ trọng, nằm ngoài kiến trúc mạng. "Trading execution strategies" là cách đặt lệnh và khớp lệnh trên thị trường, một tầng xử lý sau khi đã có tín hiệu, không phải tầng ẩn.

Đáp án đúng: "Sigmoid". Phân loại nhị phân cần đầu ra là xác suất thuộc lớp dương; hàm sigmoid nén mọi số thực về khoảng 0 đến 1, nên một nơ-ron đầu ra sigmoid kết hợp hàm mất mát binary cross-entropy là cấu hình chuẩn, và lấy ngưỡng 0,5 để ra nhãn. "ReLU (Rectified Linear Unit)" cho giá trị từ 0 tới vô cùng, không phải xác suất, nên dùng ở lớp ẩn chứ không ở đầu ra phân loại. "Tanh" cho giá trị từ −1 đến 1, cũng không diễn giải trực tiếp thành xác suất, thường dùng ở lớp ẩn hoặc lớp hồi quy. "Softmax" dùng cho phân loại nhiều lớp, chia xác suất trên nhiều nơ-ron đầu ra có tổng bằng 1; với hai lớp nó tương đương sigmoid nhưng cần hai nơ-ron, nên lựa chọn thông dụng cho bài nhị phân vẫn là một nơ-ron sigmoid.

Đáp án đúng: "All of the above". Để xây dựng và kiểm tra một hệ thống giao dịch cần đủ bốn khối, mỗi khối giải một việc khác nhau. "Trading strategy" là quy tắc vào lệnh, ra lệnh dựa trên một lợi thế như theo đà hay hồi quy về trung bình. "Backtesting system" chạy chiến lược trên dữ liệu lịch sử, mô phỏng chi phí và trượt giá, đo lợi suất, tỉ số Sharpe, mức sụt giảm để đánh giá trước khi dùng tiền thật. "Execution system" chuyển tín hiệu thành lệnh gửi tới nhà môi giới hoặc sàn, quản lý trạng thái lệnh và giảm chi phí thực thi. "Risk management system" giới hạn khối lượng vị thế, đòn bẩy, mức lỗ tối đa để hệ thống không bị một chuỗi thua lỗ xoá sổ. Thiếu một khối thì hệ thống hoặc không kiểm chứng được, hoặc không giao dịch được, hoặc không an toàn, nên đáp án tổng hợp là đúng.

Đáp án đúng: "ReLU (Rectified Linear Unit)". ReLU tính max(0, x), đạo hàm bằng 1 với đầu vào dương nên gradient không bị co nhỏ dần khi lan truyền ngược qua nhiều lớp, lại rẻ để tính, vì vậy là mặc định cho lớp ẩn của mạng sâu. "Sigmoid" nén đầu ra vào 0 tới 1 và bão hoà ở hai đầu, gây triệt tiêu gradient (vanishing gradient) khi mạng sâu, nay chủ yếu dùng ở lớp ra nhị phân hoặc trong cổng LSTM. "Tanh" đối xứng quanh 0 tốt hơn sigmoid nhưng vẫn bão hoà, thường thấy trong RNN hơn là mạng sâu truyền thẳng. "Softmax" chuyển điểm số thành phân phối xác suất, dành cho lớp ra phân loại nhiều lớp chứ không cho lớp ẩn.

Đáp án đúng: "All of the above". Lặp chính sách (policy iteration) xen kẽ hai bước: đánh giá chính sách, tính giá trị của từng trạng thái bằng phương trình Bellman, rồi cải thiện chính sách bằng cách chọn hành động tốt nhất theo giá trị vừa tính, lặp tới khi chính sách không đổi. "Weighting state prime" thuộc khái niệm này vì mỗi bước đánh giá đều lấy giá trị của trạng thái kế tiếp s' nhân với xác suất chuyển và hệ số chiết khấu. "Value iteration complexity" thường được đặt cạnh khi phân tích, vì lặp giá trị là cách tiếp cận song song và hai phương pháp được so sánh về độ phức tạp mỗi vòng cùng số vòng hội tụ. "Modify policy iteration complexity" ứng với lặp chính sách cải biên (modified policy iteration), chỉ đánh giá chính sách vài bước thay vì giải trọn để giảm chi phí. Mỗi ý chỉ là một khía cạnh nên phương án tổng hợp là đầy đủ nhất.

Đáp án đúng: "BigQuery Machine Learning". BigQuery ML cho phép tạo, huấn luyện, đánh giá và dự đoán bằng mô hình học máy ngay trong kho dữ liệu BigQuery bằng câu lệnh giống SQL như CREATE MODEL, ML.EVALUATE và ML.PREDICT, nên người phân tích dữ liệu không cần viết Python hay chuyển dữ liệu ra ngoài. "Tensorflow" là thư viện học máy lập trình bằng Python hay C++, xây mô hình bằng mã chứ không bằng cú pháp SQL. "Perception APIs" là nhóm API dựng sẵn của Google Cloud cho thị giác, ngôn ngữ, giọng nói, gọi để lấy kết quả từ mô hình Google đã huấn luyện chứ không để tự xây mô hình bằng SQL. "Cloud Vision" là một API cụ thể trong nhóm đó, nhận diện nhãn, chữ, khuôn mặt trong ảnh, cũng không phải công cụ dựng mô hình bằng truy vấn.

Đáp án đúng: "Cover market costs and Capture level of profit". Mức thoát lệnh chốt lời (profit exit level) là ngưỡng giá mà tại đó hệ thống đóng vị thế có lãi, và nó phải thoả hai yêu cầu: đủ xa để bù được chi phí thị trường như chênh lệch mua bán, trượt giá, phí, và đủ để thu được mức lợi nhuận mục tiêu mà chiến lược đặt ra. "Cover market costs and Brokerage commissions" thiếu hẳn yếu tố lợi nhuận, và hoa hồng môi giới vốn đã nằm trong chi phí thị trường nên nêu lại là trùng. "Brokerage commissions and Capture level of profit" chỉ tính một loại phí, bỏ qua chênh lệch giá và trượt giá, nên mức thoát có thể chưa đủ bù chi phí thật. "Capture level of profit and Meets required return on trading capital" bỏ mất yêu cầu bù chi phí; lợi suất yêu cầu trên vốn là mục tiêu ở cấp chiến lược hay danh mục, không phải nội dung của một mức thoát lệnh riêng lẻ.

Đáp án đúng: "3". Phát triển một chiến lược học tăng cường sâu được chia thành ba giai đoạn: phát triển (xây môi trường giao dịch, định nghĩa trạng thái, hành động, phần thưởng và huấn luyện agent), kiểm thử (đánh giá agent trên dữ liệu chưa thấy, backtest) và tối ưu (tinh chỉnh siêu tham số, phần thưởng, kiến trúc mạng). Cần nói thẳng rằng số bước phụ thuộc cách chia của từng tài liệu và không có con số chuẩn chung, nhưng ba giai đoạn phát triển, kiểm thử, tối ưu là cách chia gọn nhất bao trọn quy trình. "1" quá ít vì gộp mất khâu kiểm thử bắt buộc. "5" và "7" là cách tách nhỏ hơn các bước bên trong ba giai đoạn ấy, không phải cách chia được chọn ở đây.

Đáp án đúng: "All of the above". Dropout là kỹ thuật chính quy hoá: trong mỗi bước huấn luyện, mỗi nơ-ron bị đặt đầu ra bằng 0 với xác suất p, khi suy luận thì dùng toàn mạng với trọng số đã được bù tỉ lệ. Mục đích chính là "To regularize the network and prevent overfitting", buộc mạng không dựa dẫm vào vài nơ-ron cụ thể mà học các đặc trưng bền vững. "To randomly disable neurons during training" đúng vì đó chính là cơ chế hoạt động của dropout. "To reduce the model's capacity" cũng đúng vì mỗi bước chỉ một mạng con được huấn luyện, làm giảm dung lượng hiệu dụng, và đó là hệ quả dẫn tới chống quá khớp. Ba ý lần lượt là cơ chế, hệ quả và mục đích của cùng một kỹ thuật, nên chọn riêng lẻ một ý là chưa đủ, phương án tổng hợp mới mô tả trọn dropout.

Đáp án đúng: "Tanh (Hyperbolic Tangent)". Ở lớp hồi quy của RNN, trạng thái ẩn được tính lặp qua từng bước thời gian, nên hàm kích hoạt cần chặn giá trị trong khoảng từ −1 đến 1 và đối xứng quanh 0 để trạng thái không phình to sau nhiều bước; tanh đáp ứng điều đó, và các lớp SimpleRNN, LSTM, GRU trong Keras đều để kích hoạt mặc định là tanh. "ReLU (Rectified Linear Unit)" phổ biến ở lớp ẩn của mạng truyền thẳng và CNN, nhưng không bị chặn trên nên khi lặp trong vòng hồi quy dễ làm giá trị bùng nổ. "Sigmoid" có mặt trong RNN nhưng ở vai trò cổng (gate) của LSTM, GRU, cho ra hệ số từ 0 đến 1 để quyết định giữ hay quên thông tin, không phải kích hoạt chính của trạng thái ẩn. "Softmax" dùng ở lớp đầu ra để biến điểm số thành phân phối xác suất trên nhiều lớp, không dùng bên trong lớp hồi quy.