Bàn về robot chứng khoán phái sinh

Ok, hướng đi của bác này khá ổn

Thông tin của bác rất quý

Tôi suy nghĩ hơi khác so với bác.
Ở thông tin đầu tiên, người ta cho rằng ngành tài chính có quá nhiều tin (tôi tạm cho là dữ liệu động đầu vào đi) gây nhiễu và kết luận rằng không nên deep learning. Đây thực sự là ý kiến quá chủ quan.
Mọi người đều biết chỉ báo đầu ra chỉ có tăng, giảm hoặc đi ngang (Thực ra chỉ có tăng hoặc giảm nếu xét trên một đơn vị thời gian) và công việc của bot là đưa ra chỉ báo đúng. Nếu bot đưa ra chỉ báo sai nghĩa là do năng lực dự báo của bot kém.
Một bot tạm gọi là thông minh nếu nó thường xuyên dự báo đúng xu hướng, và sẽ thông minh hơn nếu nó dự báo được thời điểm và độ lớn của xu hướng sẽ kết thúc, và một bot thực sự thông minh nếu nó có thể xử lý được hầu hết các biến cố xảy ra lúc trading.

Thông tin thứ hai của bác Peaxi được tôi đánh giá cao hơn. Đây có vẻ là sự tổng hợp những chiến lược giao dịch tốt nhất của một trader và được người này đưa cả vào bot. Tuy nhiên, tác giả cũng cho rằng bản thân có tham gia vào việc lọc nhiễu giúp bot.

Chẳng cần robot cứ nhìn DJ tương lai mà đánh ăn đậm. Hold long 920 cuối tuần mai ATO kéo lên 5 điểm nữa có gần 20 điểm robot chỉ ăn 2-3 điểm

Bác giỏi thật, rồi cuối phiên mai bác hold long hay short hay chốt

em đang backtest con này (http://www.goldencompassquant.com/2...s-hang-seng-index-futures-longshort-strategy/ ) có dùng Neural Network (một sub-class của deep learning) nên em xin phép phản biện bác thế này ah.
+ thông tin đầu vào càng nhiều thì càng tốt cho machine learning ( thông tin đầu vào lớn thì có thể hiểu là big data). Cho nên bác kết luận thông tin đầu vào lớn gây nhiễu là không chính xác.
+ noisy thường dùng để cho dữ liệu giá, dữ liệu noisy có nghĩa là dữ liệu thì nhiều mà thông tin rút ra từ nó chẳng có là bao nhiêu. Trong xây dựng trading strategy ở timeframe intraday thì bắt buộc phải dùng dữ liệu giá là chủ yếu (dữ liệu FA thông thường chỉ cập nhật hàng quý). Về bản chất của machine learning là training một mô hình dựa vào một data có sẵn (training data + model -> trained model) sau đó dùng prediction (trained model + new data -> prediction), nên dữ liệu bị noisy có nghĩa là kg chứa thông tin hoặc pattern thì nó sẽ prediction khá kém.

Em biết là bác thích AI và machine learning, em cũng thích lắm nhưng phải dựa vào thực tế bác ah.

Ok bác, tôi đồng ý với 2 ý trên. Tuy nhiên theo tôi hiểu là bác cho rằng AI và machine learning là quá khó và không thực tế ?! Nếu tư duy khác đi một chút, tôi nghĩ chúng ta hoàn toàn có thể xây dựng được một bot thông minh và tự biết học hỏi. Bằng cách nào ...
Bằng cách kết hợp điểm mạnh của tất cả các bot của các bác với nhau, không chỉ vậy phải xây dựng được một trung tâm xử lý trung ương, để từ đó đưa ra mô hình vận động của xu thế một cách chính xác nhất.

Tôi đặt gạch trước nhé:
Để dễ hình dung, chúng ta hãy xem mỗi bot của các bác chỉ như là một neural trong toàn bộ mạng lưới của một bot mẹ, ngoài mạng lưới này, bot mẹ còn có:
1. Trung tâm tiếp nhận dữ liệu từ các bot con.
2. Trung tâm lọc và phân tích dữ liệu.
3. Trung tâm backtest nội với mô hình dự báo sẵn của bot mẹ
4. Trung tâm ra chỉ báo chiến lược trade.
5. Trung tâm backtest ngoại với realtime
5. Trung tâm lưu trữ dữ liệu
6. Trung tâm xử lý sự cố trong thời gian trading
7. Trung tâm cảnh báo sớm cơ hội và nguy cơ
8. Trung tâm gì gì nữa...ai biết góp gạch

Em chỉ đồng ý với quan điểm là dữ liệu tài chính noisy ( đặc biệt là dữ liệu giá) nên việc áp dụng machine learning (deep network/ neural network) trực tiếp vào prediction chưa mang lại kết quả như mong muốn. Còn model của bác chắc phù hợp cho các tổ chức lớn, em đầu tư nhỏ nên chỉ áp dụng model đơn giản và thực tế hơn.

Cần tuyển 8 giám đốc phụ trách 8 trung tâm. Còn bác là CEO nhé!

Hôm nay em chém kinh quá , mod @peaxi bỏ qua cho em. Em hứa từ h đến tối sẽ không post bài nào nữa.