Áp dụng của Tính toán Thông minh trong Giao dịch Thương mại dựa trên Dữ liệu - Bài 4 - Việt-Anh

Bài 4/4	Áp dụng của Tính toán Thông minh trong Giao dịch Thương mại dựa trên Dữ liệu
Bộ phận mới của giao dịch dựa trên dữ liệu	The new paradigm of data-driven trading
Quá trình toàn cầu hóa giao dịch tài sản, cùng với sự xuất hiện của truyền thông cực nhanh và công nghệ máy tính hiệu suất cao, đã khiến con người không thể cạnh tranh hiệu quả với các thuật toán trong quá trình ra quyết định cấp thấp.	The globalization of asset trading, coupled with the emergence of ultrafast communications and high-performance computing technology, has made it impossible for humans to efficiently compete with algorithms in the low-level decision-making process.
Ngày nay, hầu hết các quyết định giao dịch ở cấp độ vi mô trên thị trường được niêm yết đều được thực hiện bằng các thuật toán xác định cách thực hiện giao dịch (ở mức giá và số lượng) và nơi đặt lệnh.	Nowadays most of the micro-level trading decisions in the listed markets are made by algorithms that define how to execute a trade (at what price and quantity) and where to route the order.
Do tính chất rất phức tạp của thị trường tài chính hiện đại, các thuật toán giao dịch phải hoạt động trên nhiều cấp độ chi tiết.	Given the very complex nature of the modern financial markets, trading algorithms have to operate on multiple levels of granularity.
Quá trình ra quyết định thường được thúc đẩy bởi dữ liệu thị trường và các mô hình định lượng.	The decision-making process is generally driven by market data and quantitative models.
Cho đến gần đây, các thuật toán giao dịch là một hỗn hợp của các mô hình định lượng thể hiện quan điểm khoa học về thế giới và các quy tắc kinh nghiệm thể hiện kinh nghiệm thực tế và sở thích của các nhà giao dịch con người.	Up until very recently the trading algorithms were a mixture of quantitative models expressing a scientific view of the world, and heuristic rules which expressed the very practical experience and preferences of human traders.
Logic của một thuật toán giao dịch truyền thống thường được gói gọn trong hàng chục nghìn dòng mã.	The logic of a traditional trading algorithm is generally encapsulated in tens of thousand lines of code.
Các thuật toán do con người mã hóa này phải liên tục được duy trì, điều chỉnh hoặc cải tiến để xử lý tính chất luôn thay đổi của thị trường.	These human-coded algorithms have to be continuously maintained, tweaked, or improved to handle the ever-changing nature of the markets.
Ngành tài chính cũng bị quản lý chặt chẽ bằng cách đặt ra một số yêu cầu rất cụ thể đối với những người tham gia.	The financial industry is also heavily regulated by placing some very specific requirements on the participants.
Đạt được hiệu quả mong muốn trong giao dịch đồng thời tuân thủ tất cả các ràng buộc pháp lý đang trở thành một thách thức lớn đối với hầu hết các công ty kinh doanh.	Achieving the desired efficiency in trading while conforming to all the regulatory constraints is becoming a huge challenge for most of the trading firms.
Khả năng sử dụng cách tiếp cận lấy dữ liệu làm trung tâm cho vấn đề này tự nó thể hiện như một cơ hội rất hấp dẫn đối với ngành tài chính.	The possibility of using a data-centric approach to this problem presents itself as a very attractive opportunity to the financial industry.
Khi công nghệ máy tính đang phát triển với tốc độ cấp số nhân và việc tạo ra dữ liệu đang biến đổi hoàn toàn xã hội của chúng ta, ngành tài chính đang cảm nhận được tác động mạnh mẽ mà dữ liệu có thể có trong tương lai của chính nó.	As computing technologies are developing at an exponential rate and data generation is completely transforming our society, the financial industry is sensing the powerful impact that data could have in its own future.
Tác động này dường như mang tính giật gân hơn là gợn sóng.	This impact seems to be more of a splash than a ripple.
Trong lịch sử, ngành tài chính đã dựa vào các yếu tố đầu vào rất chính xác và kịp thời cho các mô hình ra quyết định của mình.	Historically, the financial industry has relied on very accurate and timely inputs into its decision-making models.
Theo truyền thống, các con số được đúc kết bởi con người và các quyết định được đưa ra dựa trên các suy luận rút ra từ các tính toán và mô hình này.	Traditionally, numbers were crunched by humans and decisions were made based on inferences drawn from these computations and models.
Ngày nay, máy tính đang hoạt động trong môi trường này bằng cách sử dụng đầu vào từ vô số nguồn và thực hiện tính toán ở quy mô lớn để tạo ra kết quả chính xác hơn gần như ngay lập tức.	Nowadays, computers are operating in this environment by using inputs from a multitude of sources and performing computations at a massive scale in order to generate more accurate outcomes almost instantaneously.
Lịch sử giao thương đan xen với lịch sử văn minh nhân loại.	The history of trading is intertwined with the history of human civilization.
Bất kể mô hình nào đang thúc đẩy phong cách giao dịch của một thời đại nhất định, thành công trong giao dịch luôn phụ thuộc vào ba thuộc tính vượt thời gian:	No matter what paradigm was driving the trading style of a certain epoch, the success in trading was always dependent on three attributes that transcend time:
Kiến thức tốt về thị trường - giao dịch những gì	Good knowledge of the market – what to trade
Ý thức thời gian nhạy bén - khi nào giao dịch	Acute sense of timing – when to trade
Khả năng Điều chỉnh nhanh chóng để phù hợp với các điều kiện thị trường hiện tại nhất	Ability to adjust quickly to the most current market conditions
Nếu thuộc tính đầu tiên - kiến thức thị trường - có thể được thu thập thông qua giáo dục và kinh nghiệm, thì thuộc tính thứ hai - thời điểm thị trường - là một năng khiếu đặc trưng cho các nhà giao dịch thành công và do đó có thiên hướng sống sót quan trọng.	If the first attribute – market knowledge – could be acquired through education and experience, the second one – market timing – is more of an aptitude that is characteristic to successful traders and therefore has an important survivorship bias.
Thuộc tính thứ ba, khả năng thích ứng nhanh chóng với các điều kiện thị trường đang thay đổi, là cái mà ngày nay người ta gọi là giao dịch theo hướng dữ liệu.	The third attribute, the ability to rapidly adapt to changing market conditions, is what one calls nowadays data-driven trading.
Là một lĩnh vực nghiên cứu tương đối mới và là một mô hình mới, giao dịch theo hướng dữ liệu lấy cảm hứng từ một kho kiến thức giao dịch khổng lồ cũng như từ lĩnh vực Khoa học Dữ liệu đa ngành.	As a relatively new field of research and as a new paradigm, data-driven trading draws inspiration from a vast repository of trading knowledge as well as from the multidisciplinary field of Data Science.
Sự khôn ngoan của thị trường khẳng định rằng hiệu suất trong quá khứ không phải là biểu hiện của hiệu suất trong tương lai - hay nói cách khác, người ta không nên quan tâm nhiều đến hiệu suất trong quá khứ, mà thay vào đó hãy cố gắng dự báo hiệu quả hoạt động của một chiến lược trong tương lai.	The wisdom of markets claims that past performance is not indicative of future performance – or in other words, one should not care much about past performance, but instead try to forecast how well a strategy is going to perform in the future.
Mặt khác, Khoa học Dữ liệu dạy rằng dữ liệu lịch sử là phương tiện duy nhất mà người ta có thể sử dụng để đào tạo các mô hình học tập.	On the other hand, Data Science teaches that historical data is the only vehicle that one could utilize to train the learning models on.
Điều quan trọng không kém là thực tế là không phải tất cả các khía cạnh của dữ liệu trong quá khứ đều có khả năng xảy ra trong tương lai.	Equally important is the fact that not all aspects of past data are likely to occur in the future.
Thích ứng với điều kiện thị trường hiện tại không phải là một nỗ lực mới.	Adapting to current market conditions is not a new endeavor.
Điều thực sự mới là khả năng của những người tham gia thị trường khai thác vào một nguồn dữ liệu khổng lồ, có thể là dữ liệu thị trường thuần túy (lịch sử hoặc thời gian thực), hoặc cái mà người ta gọi là dữ liệu thay thế.	What is really new is the ability of market participants to tap into a huge data pool, be it pure market data (historical or real-time), or what one calls alternative data.
Thế giới dữ liệu thay thế đang phát triển với tốc độ rất nhanh và nó đang trở thành một công cụ rất thời thượng cho các công ty quản lý đầu tư đang tìm kiếm alpha (Giải thích them: Seeking Alpha là cộng đồng đầu tư lớn nhất thế giới. Được hỗ trợ bởi sự thông thái và đa dạng của nguồn cung ứng cộng đồng - hàng triệu nhà đầu tư đam mê kết nối hàng ngày để khám phá và chia sẻ những ý tưởng đầu tư mới, thảo luận về tin tức mới nhất, tranh luận về giá trị của cổ phiếu và đưa ra quyết định đầu tư sáng suốt.).	The world of alternative data is developing at a very rapid pace, and it is becoming a very fashionable tool for investment management firms that are seeking alpha.
Từ thông tin vị trí địa lý đến giao dịch thẻ tín dụng, từ nội dung truyền thông xã hội đến đánh giá sản phẩm và phản hồi của khách hàng, thị trường dữ liệu thay thế đang phát triển rất nhanh và đang mở rộng phạm vi của các nguồn dữ liệu thị trường truyền thống.	From geolocation information to credit card transactions, from social media content to product reviews and customer feedback, the market for alternative data is growing very fast and is expanding the realm of traditional market data sources.
Nhưng sự sẵn có của một lượng lớn dữ liệu để hỗ trợ quá trình ra quyết định là không đủ.	But the availability of large amounts of data to assist in the decision-making process is not enough.
Một cơ sở hạ tầng thuật toán phức tạp cũng được yêu cầu để trích xuất thông tin có thể hành động từ dữ liệu này.	A complex algorithmic infrastructure is also required to extract actionable information from this data.
Sự ra đời của các kỹ thuật Trí tuệ Tính toán để thực hiện việc khai thác kiến thức này là một bước tiến quan trọng trong sự phát triển của giao dịch theo hướng dữ liệu.	The advent of Computational Intelligence techniques to perform this knowledge extraction was a major step forward in the development of data-driven trading.
Tuy nhiên, vẫn còn những trở ngại lớn cần được giải quyết:	Nevertheless, there are still major hurdles that need to be addressed:
Với bản chất của thị trường tài chính, về cơ bản là các quá trình phi tuyến tính và không ổn định, quá trình học hỏi từ dữ liệu quá khứ cần phải được kết hợp với các kỹ thuật ngoại sinh khác có thể báo hiệu sự rời đi lớn khỏi ổn định điều kiện và nhu cầu đào tạo lại các thuật toán học tập trên các tập dữ liệu có liên quan hơn.	Given the very nature of financial markets, which are fundamentally nonlinear and nonstationary processes, the learning process from past data needs to be coupled with other exogenous techniques that could signal major departures from stable conditions, and the need to retrain the learning algorithms on more relevant data sets.
Đôi khi không thể mã hóa các thuật toán mô hình đúng tình hình thị trường hiện tại, do độ phức tạp thuật toán của chúng quá cao hoặc do chúng không thể mã hóa bằng các kỹ thuật máy tính cứng hiện tại.	Sometimes the algorithms that properly model a current market situation could not be coded, either because their algorithmic complexity is too high or because they are not encode-able using current hard computing techniques.
Chủ đề này sẽ được đề cập sau này khi chúng tôi giới thiệu các khái niệm về Trí tuệ tính toán (Tính toán Thông minh) và tính toán mềm.	This subject will be addressed later when we will introduce the concepts of Computational Intelligence and soft computing.
Có tầm nhìn xa về định hướng thị trường là giấc mơ của mọi nhà đầu tư và điều này đang thúc đẩy các công ty đầu tư tài chính khai thác dữ liệu trong nền kinh tế thông tin kỹ thuật số (thay vì vàng).	Having foresight of market directionality is every investor’s dream, and this is driving financial investment firms to mine for data in the digital information economy (rather than for gold).
Các nhà giao dịch và nhà đầu tư theo truyền thống đã đưa ra quyết định của họ dựa trên các nguyên tắc cơ bản, trực giác và phân tích được rút ra từ các nguồn dữ liệu tài chính truyền thống.	Traders and investors have traditionally based their decisions on fundamentals, intuition, and analysis drawn from traditional financial data sources.
Trong mô hình hướng dữ liệu mới, các công cụ Tính toán Hiệu suất Cao và Trí tuệ Tính toán (Tính toán Thông minh) cung cấp một khuôn khổ mạnh mẽ hơn để tạo ra lợi nhuận dựa trên dữ liệu.	In the new data-driven paradigm, High Performance Computing and Computational Intelligence tools offer a more robust framework to generate data-driven profits.
Các kỹ thuật Trí tuệ Tính toán (Computational Intelligence) về cơ bản khác với phong cách dựa trên yếu tố phổ biến được sử dụng bởi các phương pháp định lượng truyền thống, hiện chiếm khoảng 1,5 nghìn tỷ đô la trong tổng tài sản được quản lý (AUM).	Computational Intelligence techniques differ fundamentally from the ubiquitous factor-driven style used by traditional quantitative methods that account nowadays for about $1.5 trillion in total assets under management (AUM).
Các phương pháp tiếp cận dựa trên yếu tố này mô hình hóa thị trường thông qua lăng kính đơn giản hóa, hạn chế tuyến tính.	These factor-driven approaches model the markets through a simplified, linearly constrained lens.
Mặt khác, Trí tuệ Tính toán có thể tích hợp một loạt các quan điểm đa chiều vào mỗi quyết định đầu tư thông qua một nhóm các mô hình khác nhau bằng cách tổng hợp thông tin thích hợp nhất để hướng dẫn việc ra quyết định.	Computational Intelligence, on the other hand, could integrate a multidimensional set of perspectives into each investment decision through an ensemble of different models by synthesizing the most pertinent information to guide decision-making.
So với cách tiếp cận định lượng truyền thống cách điệu và đơn giản, Trí tuệ Tính toán có nhiều điểm chung hơn với cách tiếp cận do con người điều khiển bằng cách kết hợp các khía cạnh phù hợp nhất của kỹ thuật mô hình hóa theo hướng dữ liệu với hướng dẫn các lý trí giống như con người.	Compared to a stylized and simplistic traditional quantitative approach, Computational Intelligence has more in common with a human-driven approach by combining the most appropriate aspects of data-driven modeling techniques with guiding human-like rationales.
Các nhà giao dịch và nhà đầu tư coi trọng thông tin hơn tất cả mọi thứ khác.	Traders and investors value information above everything else.
Sự khác biệt giữa thành công và thất bại phụ thuộc nhiều vào thông tin mà họ có thể có sẵn để đưa ra quyết định phù hợp: từ những gì họ nhìn thấy trên màn hình đến cách tìm kiếm thông tin phù hợp vào đúng thời điểm để thực hiện giao dịch nhanh chóng - thị trường tài chính rộng lớn.	The difference between success and failure depends heavily on what information they may have available to reach the proper decisions: from what they see on their screens to how to search through the right information at the right time in order to make the right trade in a fast-paced financial market.
Chỉ dựa vào các nguồn dữ liệu tài chính truyền thống không còn đủ để đảm bảo thành công trên thị trường.	Relying only on traditional sources of financial data is no longer sufficient to ensure success in the markets.
Việc sử dụng dữ liệu thay thế trong quá trình ra quyết định của họ ngày càng trở nên phổ biến đối với các nhà giao dịch cũng như các nhà đầu tư.	Using alternative data in their decision-making processes is becoming increasingly common for traders and investors alike.
Việc sử dụng dữ liệu thay thế cung cấp cho những người tham gia thị trường cái nhìn trực tiếp về thị trường ngoài lăng kính truyền thống, làm nổi bật thông tin và động lực mới để bổ sung kiến thức hiện có của họ.	The use of alternative data offers market participants a firsthand glance into the markets beyond the traditional lenses, highlighting new information and dynamics to complement their existing knowledge.
Thậm chí, việc tiếp cận thông tin thời gian thực từ các nguồn dữ liệu thay thế mang lại cho các nhà giao dịch lợi thế cạnh tranh để nhanh chóng khai thác những hiểu biết mới, đánh giá tình huống và đưa ra các quyết định kinh doanh quan trọng khi các sự kiện diễn ra.	Even more so, the access to real-time information from alternative data sources gives traders a competitive advantage to quickly harness new insights, assess situations, and make critical business decisions as events unfold.
Một trong những thiếu sót của vũ trụ các tập dữ liệu thay thế này được thể hiện bởi sự mở rộng và tốc độ mà nó đang bắn phá người dùng với hàng trăm luồng dữ liệu cùng một lúc.	One of the shortcomings of this universe of alternative data sets is represented by its expanse and the speed at which it is bombarding the users with hundreds of data streams at once.
Nguồn chính của dữ liệu thay thế được đại diện bởi phương tiện truyền thông xã hội.	The primary source of alternative data is represented by the social media.
Một tweet duy nhất từ một nhân vật nổi tiếng có thể làm chao đảo thị trường.	A single tweet from a prominent figure could roil the markets.
Các nguồn dữ liệu thay thế có sẵn công khai khác là blog, thông tin vệ tinh hoặc thậm chí các trang web bán lẻ có thể cung cấp nhiều thông tin theo ngữ cảnh.	Other sources of publicly available alternative data are blogs, satellite information, or even retail sites that could provide a wealth of contextual information.
Nhưng vì phạm vi của các nguồn dữ liệu thay thế vô cùng rộng, nên giá trị nội tại của mỗi nguồn phụ thuộc nhiều vào ngữ cảnh.	But because the range of alternative data sources is incredibly broad, the intrinsic value of each source is highly dependent on context.
Hầu hết thời gian, việc kết hợp nhiều điểm dữ liệu từ nhiều nguồn khác nhau có thể cung cấp cho các nhà giao dịch và nhà đầu tư những hiểu biết sâu sắc để nâng cao lợi thế cạnh tranh của họ.	Most of the time, combining multiple data points from a variety of sources could provide traders and investors with significant insights to sharpen their competitive edge.
Việc sử dụng dữ liệu thay thế cung cấp cho các nhà giao dịch và nhà đầu tư bức tranh toàn cảnh hơn về thị trường.	The use of alternative data provides traders and investors with a more complete picture of the market.
Các bộ dữ liệu định giá và thông cáo báo chí càng thiên về truyền thống sẽ thiếu bối cảnh thời gian thực quan trọng.	The more traditional pricing data sets and press releases lack critical, real-time context.
Bằng cách kết hợp thông tin nhạy cảm về thời gian vào quy trình thực hiện của họ, những người tham gia thị trường có thể mở rộng và đào sâu quan điểm của họ về các sự kiện thị trường.	By incorporating time-sensitive information into their execution workflows, market participants could expand and deepen their views of market events.
Có những tình huống trong đó dữ liệu thay thế có thể giải thích các chuyển động thị trường gần đây hoặc thậm chí có thể dự báo một động thái thị trường.	There are situations in which alternative data could explain recent market movements in or could even forecast a market move.
Vào thời điểm thông tin được công bố rộng rãi thường là quá muộn để thu lợi từ thông tin đó.	By the time information is widely publicized it is usually too late to profit from that information.
Mặc dù ngày càng được các nhà giao dịch và các nhà đầu tư áp dụng, phương pháp tiếp cận theo hướng dữ liệu vẫn còn sơ khai.	Despite the growing adoption by traders and investors alike, the data-driven approach is still in its infancy.
Những thách thức lớn vẫn phải được giải quyết bởi cả người dùng cá nhân và các công ty tài chính đang tìm cách kết hợp mô hình mới này vào các quy trình hiện có của họ.	Major challenges remain to be addressed by both individual users and the financial firms that are looking to incorporate this new paradigm into their existing processes.
Người sử dụng mô hình giao dịch mới này cần phải học cách thu được những hiểu biết sâu sắc có thể hành động từ tất cả dữ liệu có sẵn và cuối cùng là cách thúc đẩy các quyết định giao dịch tốt hơn.	The users of this new trading paradigm need to learn how to derive actionable insights from all data available and ultimately how to drive better trading decisions.
Với lượng dữ liệu khổng lồ hiện có, việc các công ty thương mại, và đặc biệt là đối với những người tham gia thị trường cá nhân, để nắm bắt nó ngày càng trở nên khó khăn và tốn kém, chưa nói đến việc tận dụng nó.	With an enormous amount of data currently available, it’s becoming increasingly difficult and expensive for trading firms, and especially for individual market participants, to capture it, let alone to make use of it.
Thách thức lớn nhất là tóm tắt thông tin mà bản chất của nó là phức tạp và không có cấu trúc.	The biggest challenge is to summarize information that by its very nature is complex and unstructured.
Đây là nơi những phát triển mới nhất trong Trí tuệ Tính toán và đặc biệt là trong Học máy phát huy tác dụng.	This is where the latest developments in Computational Intelligence and specifically in Machine Learning come into play.
Mô hình giao dịch theo hướng dữ liệu mới sẽ trở thành người tiêu dùng lớn của các kỹ thuật Máy học và Trí tuệ Tính toán.	The new data-driven trading paradigm is going to be a big consumer of Computational Intelligence and Machine Learning techniques.
Bằng cách áp dụng các phương pháp thuật toán này cho các tập dữ liệu tài chính và thay thế mới được mở rộng, mô hình hướng dữ liệu đang tìm cách khám phá các tính năng dự đoán nhất quán và các mẫu hữu ích tiềm năng về thị trường ngoài những gì hiện có từ các nguồn dữ liệu tài chính truyền thống.	By applying these algorithmic methods to the newly expanded financial and alternative data sets, the data-driven paradigm is looking to discover consistently predictive features and potentially useful patterns about the markets beyond what is currently available from traditional financial data sources.
Mô hình giao dịch theo hướng dữ liệu mới này sẽ tạo điều kiện cho cả nhà giao dịch và nhà đầu tư giao dịch chính xác và thông tin hơn.	This new data-driven trading paradigm will create the conditions for both traders and investors to trade more accurately and informedly.

Áp dụng của Tính toán Thông minh trong Giao dịch Thương mại dựa trên Dữ liệu – Bài 4

Leave a Reply Cancel reply