Xin chào cộng đồng! 👋
Thị trường tiền điện tử là sự hỗn loạn, biến động và căng thẳng 24/7. Liệu có thể kiểm soát nó bằng toán học và mã hóa không?
Gần đây tôi đang làm việc trên một dự án cá nhân — một trợ lý giao dịch dựa trên Học tập Tập hợp (Ensemble Machine Learning). Đây không chỉ đơn thuần là một "bot RSI", mà là một kiến trúc phức tạp kết hợp ba mạng nơ-ron khác nhau để đưa ra quyết định.
Mình muốn chia sẻ các chi tiết kỹ thuật và kiến trúc. Đây là một cái nhìn thuần túy kỹ thuật về thử nghiệm, không phải là lời kêu gọi hành động.
🧠 "Bộ não" của hệ thống: Ensemble Learning là gì?
Một mô hình thường hay sai. Vì vậy, mình đã sử dụng phương pháp Ensemble — giống như một hội đồng quản trị, nơi quyết định được đưa ra bằng cách bỏ phiếu từ ba chuyên gia khác nhau.
Agent của mình phân tích các cặp (BTC, ETH, BNB, SOL, XRP) trên các khung thời gian khác nhau, sử dụng ba mô hình:
1. CatBoost (Analyst):
• Thuật toán tăng cường gradient.
• Điều gì đang diễn ra: Tìm kiếm các mối liên hệ phi tuyến giữa 31 chỉ báo (RSI, khối lượng, biến động).
• Điểm mạnh: Độ chính xác cao nhất (AUC ~0.75) trên dữ liệu bảng.
2. Transformer (Strategist):
• Cùng một kiến trúc nền tảng của ChatGPT, nhưng cho số liệu.
• Điều gì đang diễn ra: Phân tích 512 nến lịch sử thông qua cơ chế Self-Attention.
• Điểm mạnh: Nhìn thấy các mẫu toàn cầu và ngữ cảnh dài hạn.
3. TCN (Tactics):
• Mạng Nơ-ron Tích Chập Thời Gian (Temporal Convolutional Network).
• Điều gì đang diễn ra: Tập trung vào các xu hướng địa phương.
• Điểm mạnh: Rất nhanh và hiệu quả cho các dự đoán ngắn hạn.
📊 Quyết định được đưa ra như thế nào?
Mỗi mô hình "bỏ phiếu". Agent lấy trung bình có trọng số của các dự đoán của chúng. Điều này cho phép lọc tín hiệu sai: nếu một mô hình hoảng loạn, trong khi hai mô hình khác bình tĩnh — giao dịch sẽ không được mở.
🛡 Quản lý rủi ro > Lợi nhuận
Vấn đề lớn nhất của bot là chúng có thể "đốt" tài khoản trong một đêm. Vì vậy, mình đã xây dựng một hệ thống bảo vệ trước khi dạy nó giao dịch:
• Dừng lỗ động: Stop-Loss và Take-Profit không cố định, mà điều chỉnh theo biến động của thị trường (thông qua ATR). Nếu thị trường biến động mạnh — dừng lỗ rộng hơn, nếu thị trường đi ngang — dừng lỗ hẹp hơn.
• Kiến trúc hai tốc độ:
• Chu kỳ chậm (5 phút): Nghĩ, chọn những đồng coin tốt nhất cho Watchlist.
• Chu kỳ nhanh (1 giây): Thực hiện giao dịch, theo dõi chênh lệch và thanh khoản.
• Bảo vệ khỏi "Tilt": Giới hạn giảm giá trong ngày (tối đa 3%), giới hạn số vị thế mở và thời gian cooldown giữa các giao dịch.
📈 Kết quả thử nghiệm (Số liệu thật)
Trên dữ liệu lịch sử (Backtesting), hệ thống cho thấy chỉ số AUC ở mức 0.71-0.73.
Để tham khảo: AUC 0.5 — giống như tung đồng xu. AUC 0.7+ — đã có khả năng dự đoán hướng đi có ý nghĩa thống kê.
Điều này không có nghĩa là nút "tiền", nhưng nó mang lại kỳ vọng toán học tích cực khi tuân thủ quản lý rủi ro (tỷ lệ Rủi ro/Phần thưởng 1:2).
🚀 Lộ trình: Tiếp theo là gì?
Dự án đang trong giai đoạn phát triển tích cực. Đây là những gì mình dự định thêm vào:
1. Phân Tích Orderbook: Dạy mạng nơ-ron không chỉ nhìn vào giá cả, mà còn vào chồng lệnh (cân bằng giữa người mua/người bán).
2. Điều Chỉnh Chế Độ: Agent phải tự hiểu thị trường hiện tại: xu hướng hay đi ngang, và tự động thay đổi trọng số của các mô hình.
3. Học Tăng Cường (RL): Thêm một agent học cách quản lý kích thước vị thế, "trừng phạt" bản thân cho những khoản lỗ và "thưởng" cho những điểm vào đúng.
💻 Tech stack: Python, Asyncio, PyTorch, CatBoost. Phần cứng: NVIDIA RTX 4070.
Thú vị khi nghe ý kiến của những nhà phát triển và trader khác: các bạn nghĩ sao về AI trong giao dịch? Các bạn có tin rằng các thuật toán có thể vượt qua thị trường trong dài hạn không?
Viết trong phần bình luận! 👇
