Câu hỏi: AIE301m - Phần 4: Chiến lược giao dịch định lượng và TensorFlow

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: "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: "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: "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: "$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.