AIE301m - Ứng dụng trí tuệ nhân tạo cho giao dịch

Ứng dụng trí tuệ nhân tạo cho giao dịch (AIE301m) là môn 3 tín chỉ bậc cử nhân của Đại học FPT, học sau PFP191 và AIL303m. Thị trường tài chính sinh ra một dòng dữ liệu giá và lệnh khớp liên tục, và câu hỏi của người giao dịch định lượng là trong dòng dữ liệu đó có quy luật nào đủ ổn định để biến thành lệnh mua bán còn lời sau khi trừ phí hay không. Một ý tưởng giao dịch cần qua kiểm thử ngược trên dữ liệu quá khứ trước khi đặt tiền thật, và chính bước này dễ đánh lừa người làm: một mô hình khớp quá sát lịch sử thường thua lỗ khi gặp dữ liệu mới. Ở một hướng khác, học tăng cường coi giao dịch là một chuỗi quyết định: tác nhân quan sát trạng thái thị trường, chọn mua, bán hay đứng ngoài, nhận phần thưởng là lãi hoặc lỗ, rồi tự cải thiện chính sách qua thử sai thay vì cần nhãn đúng cho từng ngày. Các chiến lược kinh điển vẫn là điểm xuất phát. Giao dịch theo đà đặt cược rằng xu hướng đang có sẽ còn tiếp diễn, và số mũ Hurst giúp phân biệt chuỗi có xu hướng với chuỗi hay quay về trung bình. Giao dịch cặp chọn hai tài sản vốn đi cùng nhau, chờ khoảng chênh giữa chúng giãn bất thường rồi đặt cược nó sẽ thu hẹp. Về mô hình hoá, hồi quy trên đặc trưng giá được đặt cạnh ARIMA, mô hình dựa vào chính quá khứ của chuỗi thời gian, rồi tới mạng nơ-ron viết trên TensorFlow, nơi chuyện khái quát hoá và quá khớp trở lại ở dạng mới. Về hạ tầng, BigQuery ML huấn luyện mô hình ngay trên kho dữ liệu bằng truy vấn SQL, còn sổ tay Jupyter trên máy ảo đám mây dùng để thử nghiệm nhanh. Tối ưu danh mục phân bổ vốn giữa nhiều tài sản, và AutoML tự dò kiến trúc cùng siêu tham số. Các khái niệm cần nắm chắc gồm quá khớp, ARIMA, kiểm thử ngược, giao dịch cặp, tensor, actor-critic, Q-learning và quá trình quyết định Markov. Học xong, người học biết đưa một chuỗi giá thô thành đặc trưng và nhãn để huấn luyện mô hình, đọc một bản kết quả kiểm thử ngược với thái độ hoài nghi, và nhận ra khi nào đường lãi đẹp chỉ là dấu vết của dữ liệu tương lai lọt vào hay tham số bị dò quá tay.