Câu hỏi: AIE301m Ứng dụng trí tuệ nhân tạo cho giao dịch – Bộ ôn tập cuối kỳ số 2

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: "$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: "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: "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: "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: "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: "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: "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: "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: "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: "8". Trong học tăng cường, phần thưởng (reward) là tín hiệu môi trường trả về sau hành động; ở đây phần thưởng được định nghĩa bằng lợi nhuận của giao dịch. Tác tử mua ở 100 đô la và bán ở 108 đô la nên lợi nhuận là 108 trừ 100 bằng 8, đó chính là phần thưởng nhận được, chưa tính phí hay chiết khấu vì đề không nêu. "6" sai vì chỉ ra được khi trừ thêm một khoản phí 2 đô la mà đề không cho. "7" sai vì cũng không khớp phép tính nào từ dữ kiện; lệch 1 so với lợi nhuận thật. "10" sai vì đó là lợi nhuận khi giá bán là 110, hoặc là nhầm lẫn với một con số tròn, trong khi giá bán thực tế là 108. Ghi nhớ: khi phần thưởng bằng lợi nhuận, chỉ cần lấy giá bán trừ giá mua, và lợi suất tương ứng là 8 chia 100 bằng 8%.

Đáp án đúng gồm ba ý: "Market volatility and noise", "Delayed reward signals" và "Limited historical training data". Dữ liệu giá có tỉ lệ tín hiệu trên nhiễu rất thấp và độ biến động thay đổi theo chế độ thị trường, nên tác tử dễ học theo nhiễu và chính sách kém ổn định. Phần thưởng bị trễ vì lãi lỗ của một quyết định vào lệnh chỉ lộ ra sau nhiều bước, gây khó cho việc gán công cho đúng hành động (credit assignment). Dữ liệu lịch sử có hạn vì thị trường chỉ có một quá khứ, không mô phỏng lại vô hạn như trò chơi, trong khi học tăng cường cần rất nhiều trải nghiệm, nên dễ quá khớp. "Brokerage tax reporting systems" là thủ tục kế toán thuế, không ảnh hưởng tới quá trình tác tử học. "Exchange listing procedures" là quy trình niêm yết của doanh nghiệp, nằm ngoài bài toán huấn luyện tác tử giao dịch.

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: "$214". Mạng nơ-ron dự báo giá tài sản tăng 7%, tức giá dự báo bằng giá hiện tại nhân với 1 cộng 7%. Tính từng bước: phần tăng là 200 nhân 0,07 bằng 14 đô la, cộng vào 200 được 214 đô la, cũng chính là 200 nhân 1,07. "$212" sai vì ứng với mức tăng 6%, phần tăng chỉ 12 đô la. "$213" sai vì ứng với mức tăng 6,5%, phần tăng 13 đô la, không khớp với 7%. "$216" sai vì ứng với mức tăng 8%, phần tăng 16 đô la, cao hơn dự báo. Cách nhanh nhất để kiểm tra là đổi phần trăm thành hệ số nhân rồi nhân với giá gốc; phép tính này cũng là cách quy đổi dự báo lợi suất của mô hình thành dự báo giá trong các chiến lược giao dịch dùng học máy.

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: "Building and training neural network models for financial prediction". TensorFlow 2 là thư viện tính toán học sâu, còn Keras là API cấp cao tích hợp sẵn trong đó (tf.keras) để định nghĩa lớp, biên dịch và huấn luyện mạng nơ-ron; trong hệ thống giao dịch, chúng đảm nhận phần mô hình dự đoán giá, lợi suất hay tín hiệu. "Executing stock trades automatically on exchanges" là việc của hệ thống thực thi lệnh kết nối tới sàn qua API môi giới, không phải thư viện học máy. "Monitoring brokerage commissions for portfolios" là chức năng kế toán và quản lý chi phí. "Calculating stock market regulatory fees" là nghiệp vụ tính phí theo quy định, không cần tới mạng nơ-ron.

Đáp án đúng: "Optimizer". Trong TensorFlow và Keras, bộ tối ưu (optimizer) như SGD, Adam, RMSprop nhận gradient của hàm mất mát theo từng trọng số, thường tính bằng GradientTape hoặc tự động trong model.fit, rồi cập nhật tham số theo quy tắc của nó, ví dụ trọng số mới bằng trọng số cũ trừ tốc độ học nhân gradient; lời gọi optimizer.apply_gradients chính là bước cập nhật. "Market index" là chỉ số thị trường như S&P 500, một chuỗi dữ liệu có thể làm đặc trưng đầu vào, không cập nhật tham số nào. "Trading commission calculator" là công cụ tính phí giao dịch, thuộc khâu mô phỏng chi phí trong kiểm thử ngược. "Portfolio rebalancing engine" điều chỉnh lại tỉ trọng tài sản trong danh mục theo định kỳ hay theo tín hiệu, là thành phần của hệ thống giao dịch chứ không phải của quá trình huấn luyện mô hình.

Đáp án đúng: "Concept drift in market behavior". Trôi khái niệm (concept drift) là khi quan hệ thống kê giữa đặc trưng và biến mục tiêu thay đổi theo thời gian, nên mô hình học từ giai đoạn 2015–2020 không còn khớp với hành vi thị trường năm 2024, khi lãi suất, mức biến động và các yếu tố dẫn dắt đã khác. Cách xử lý là theo dõi hiệu năng liên tục, huấn luyện lại định kỳ trên dữ liệu gần hơn hoặc dùng cửa sổ trượt. "Model training failure" sai vì mô hình đã huấn luyện thành công và có thể chạy tốt trên dữ liệu cũ; vấn đề nằm ở dữ liệu mới đã khác phân phối. "Behavior overload" không phải thuật ngữ trong học máy hay tài chính để mô tả hiện tượng này. "Market network disconnection" là sự cố kết nối, sẽ làm thiếu dữ liệu hoặc không đặt được lệnh, chứ không làm dự báo kém dần trên dữ liệu đầy đủ.