Câu hỏi: AIE301m - Phần 2: Học có giám sát và mô hình chuỗi thời gian ARIMA

Đáp án đúng: "Each term in the model is correlated to one output prior.". Trong ARIMA(p, d, q), p là bậc của phần tự hồi quy, tức số giá trị quá khứ của chuỗi được dùng làm biến giải thích; p=1 nghĩa là mỗi giá trị được hồi quy theo đúng một giá trị ngay trước nó, x_t phụ thuộc x_{t-1}, nên mỗi số hạng tương quan với một đầu ra trước đó. "One error term is used to predict the output." mô tả q=1, bậc của phần trung bình trượt (MA), nơi sai số dự báo trước đó được đưa vào mô hình, không phải p. "It's stationary." và "It's not stationary." đều không suy ra được từ p: tính dừng (stationarity) liên quan tới tham số d, số lần lấy sai phân cần để chuỗi dừng, và tới việc hệ số AR có nằm trong miền dừng hay không, chứ bản thân việc p=1 không nói chuỗi có dừng hay không.

Đáp án đúng: "Use variables to explain the response". Hồi quy (regression) mô hình hoá biến phụ thuộc, còn gọi là biến phản hồi (response), như một hàm của các biến giải thích, ví dụ lợi suất cổ phiếu theo tăng trưởng lợi nhuận và lãi suất; trọng tâm là lượng hoá quan hệ giữa các biến. "Use past data to predict future" là định nghĩa của dự báo chuỗi thời gian, dựa vào giá trị quá khứ của chính chuỗi. "Use past data to explain the response" trộn hai khái niệm: hồi quy không nhất thiết dùng dữ liệu quá khứ của chuỗi mà dùng các biến khác. "Use past to explain the response" cũng nhấn vào quá khứ thay vì các biến giải thích, nên không đúng bản chất của hồi quy.

Đáp án đúng gồm hai ý: "Linear regression" và "Time series". Dự báo (forecasting) là dự đoán một giá trị số trong tương lai, nên trong BigQuery ML có hai nhóm mô hình phục vụ việc này. "Linear regression" (model_type LINEAR_REG) dự đoán một giá trị liên tục từ các đặc trưng, như dự báo giá đóng cửa của cổ phiếu từ các giá trước đó. "Time series" là mô hình ARIMA_PLUS, tự xử lý xu hướng, mùa vụ, ngày lễ và cho ra dự báo nhiều bước bằng ML.FORECAST. "K-means clustering" là học không giám sát, gom các điểm dữ liệu thành cụm như phân nhóm khách hàng hay nhóm cổ phiếu có hành vi giống nhau, không cho ra một giá trị dự báo cho tương lai. "Matrix factorization" là mô hình gợi ý (recommendation), phân rã ma trận người dùng và sản phẩm để đề xuất sản phẩm, không phải mô hình dự báo theo thời gian.

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: "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: "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.

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 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: "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: "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: "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: "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: "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: "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: "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: "$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.