Sử dụng công nghệ AI xác định xu hướng của cổ phiếu!

Muon xay dung thi lam sao? Co guideline kg?

Hỏi Google nhé.

keyword sao bac

Bác hỏi khó thế. Keyword thì phải do mình định làm cái gì rồi từ đó mới xác định được tìm cái gì?

Ví dụ cho phương pháp CART thì keyword sẽ là supervised learning, nếu muốn in cái biểu đồ như trong hình thì keyword là rpart. Nếu muốn hiểu về phương pháp dự báo tự hồi quy thì từ khóa là ARIMA...

Nếu bắt đầu thì đầu tiên phải hiểu về AI và ML đã. Ngoài ra phải hiểu về Quantitative Analysis. Hiểu được nó rồi thì phải chọn được công cụ để mà sử dụng. Biết công cụ thì bắt đấu mới đến việc lựa chọn các mô hình sao cho phù hợp... Cái này chỉ bàn về mặt ý tưởng thôi. Còn thực hiện thì là cả quá trình dài, liệt kê biết bao nhiêu keyword cho đủ.

Các Bác đã từng nghe nói nhiều về áp dụng AI trong trading, mục tiêu của topic này là muốn share 1 góc nhìn về nó và wellcome các Bác đã có hứng thú với nó cùng thảo luận chứ không có ý định guide line - mà muốn guide line thì qua diễn đàn làm sao diễn tả hết được.

...

Vậy ngài cho f319 trải nghiệm chút AI nhé.

Bác không tiếp tục chủ đề này nữa sao? Mình cũng đang tìm hiểu xu hướng dùng ML trong trading. Không thử CK VN mà coin. Tool: python. Bác có hứng thú thì hú nhé.

Vâng Tôi đang dùng R. Bác có thể chia sẻ một số mô hình Bác đã thực hiện trên python?

Cám ơn Bác đã phản hồi. Thực tế tôi cũng đang thử nhưng chưa gọi được là mô hình.

Tôi thử chơi coin trên Bittrex. Có python API nối với sàn, đọc dữ liệu giao dịch, bao gồm cả Order book.

Theo mẫu tôi viết 1 con robot, quét khối lượng giao dịch theo số lượng lệnh, độ lớn lệnh để tìm tín hiệu PUMP and DUMP rồi tự mua bán theo tín hiệu mình đặt . Tỷ lệ thắng thua cũng tạm, tuy nhiên thường xuyên phải chỉnh lại các tham số do thị trường biến động khó lường (có thể do tôi chưa theo dõi xu thế của BTC nói chung - giống như VNINDEX Bác đang theo dõi).

Vì vậy tôi nghĩ liệu có thể dùng ML để con robot này học đc tín hiệu tự tìm tham số tối ưu. Tôi đã thử cho các tham số lọc vào mô hình SVC , SVR để xác định khả năng tăng, giảm giá nhưng kết quả backtest không ổn. Vấn đề theo tôi nghĩ có thể do số lượng dữ liệu có thể học rất ít trong rất nhiều dữ liệu. (Dữ liệu tôi lấy từ sàn rất nhiều - từng lệnh mua bán, trong khi các lệnh pump and dump không nhiều).

Trên youtube có 1 vài video đã train đc robot chơi game Mairo theo dạng self learning, dùng reward để robot tự học. Vì vậy tôi tìm hiểu và tìm đc 1 vài mẫu tham khảo:
https://hackernoon.com/the-self-learning-quant-d3329fcc9915

Trong ví dụ này, đc này đã train đc máy thử qua 3 dạng tín hiệu, tuyến tính, hình sin và dữ liệu giá thực.





Sau một hồi trainning thì nó đã tự biết mua thấp bán cao! Có vẻ khả quan.

Tôi đang chỉnh sửa các tham số đầu vào để cố gắng giảm bớt tín hiệu nhiễu thì đọc đc bài của Bác. Có phải Bác đang tìm Corellations của VNINDEX với các chỉ số TA?

Tôi đang thử normalized data theo mẫu ở link này: https://github.com/talolard/MarketVectors/blob/master/preparedata.ipynb
Vài lời của newbie, mong Bác chia sẻ thêm.
PS: Tôi chỉ mới học python và tìm mẫu để làm theo, cũng mong có cộng đồng cùng quan tâm để học hỏi và chia sẻ.

Cái quan trọng nhất của AI là dùng mô hình nào, tham biến nào, dự báo cái gì? Phải clear cái đó thì mới tính tiếp được làm như thế nào. Cái việc train bằng hình thức nào ko quan trọng bằng cái ý tưởng áp dụng cái gì trong thị trường.

Việc quét các tín hiệu DUMP or PUMP chưa phải là AI. Bác cứ nói về mặt ý tưởng trước, Tôi sẽ trao đổi về phương pháp triển khai. Python hay R hay các công cụ khác không phải là vấn đề.