SEAS 2026

ỨNG DỤNG HỌC TĂNG CƯỜNG TRONG TÀI CHÍNH ĐỊNH LƯỢNG

Thị trường chứng khoán luôn biến động phức tạp và rất khó dự đoán chính xác. Trong khi đó, các chiến lược giao dịch cố định lại thiếu tính linh hoạt và khó thích ứng kịp thời trước những thay đổi bất ngờ của thị trường.

Đến với SEAS, nhóm đã ứng dụng Học tăng cường (Reinforcement Learning - RL) để xây dựng một Agent thông minh có khả năng tự học và tối ưu hóa quyết định giao dịch. Hệ thống thiết lập môi trường mô phỏng thị trường thực tế, cung cấp cho Agent đầy đủ dữ liệu về giá, xu hướng và trạng thái danh mục đầu tư.

Agent tự đưa ra quyết định mua, bán và phân bổ tỷ trọng vốn dựa trên hàm Reward được thiết kế tối ưu giữa lợi nhuận và mức độ rủi ro. Thông qua quá trình huấn luyện và đánh giá Backtesting trên dữ liệu lịch sử, mô hình học cách nâng cao hiệu quả đầu tư, hạn chế các giao dịch dư thừa và kiểm soát rủi ro tốt hơn so với các phương pháp truyền thống.

Nghiên cứu mở ra tiềm năng lớn trong việc tự động hóa giao dịch, tối ưu hóa danh mục tài sản và quản trị rủi ro, tạo tiền đề vững chắc để phát triển các hệ thống AI Trading hay Robo-advisor thông minh trong tương lai.

Bối cảnh

Thị trường chứng khoán có tính biến động cao và khó dự đoán chính xác.
Quyết định đầu tư cần cân nhắc đồng thời lợi nhuận và rủi ro.
Các chiến lược giao dịch cố định khó thích ứng với sự thay đổi của thị trường.
AI và Reinforcement Learning mở ra khả năng giúp hệ thống tự học và tối ưu quyết định giao dịch.
Câu hỏi nghiên cứu: Liệu RL có thể học được chiến lược giao dịch hiệu quả từ dữ liệu thị trường?

Giải pháp

Xây dựng môi trường mô phỏng thị trường tài chính.
Sử dụng Reinforcement Learning Agent để học chiến lược giao dịch.
Cung cấp cho Agent các thông tin về giá, xu hướng và trạng thái danh mục đầu tư.
Agent lựa chọn và phân bổ tỷ trọng vốn.
Xây dựng hàm Reward dựa trên lợi nhuận và mức độ rủi ro.
Huấn luyện và đánh giá Agent thông qua Backtesting trên dữ liệu lịch sử.

Mục tiêu

Xây dựng một Agent có khả năng tự học chiến lược giao dịch.
Tối ưu hóa lợi nhuận và phân bổ vốn.
Hạn chế rủi ro và những giao dịch không cần thiết.
So sánh hiệu quả của mô hình RL với các chiến lược giao dịch cơ bản.
Đánh giá khả năng thích ứng của Agent trước những thay đổi của thị trường.

Ứng dụng

Tự động hóa giao dịch và hỗ trợ ra quyết định đầu tư.
Tối ưu hóa danh mục đầu tư và phân bổ tài sản.
Hỗ trợ quản trị rủi ro trong đầu tư tài chính.
Làm nền tảng cho các hệ thống AI Trading / Robo-advisor trong tương lai.

Thành viên

Giảng viên hướng dẫn: Đỗ Châu Tuấn, Nguyễn Phú Vinh, Nguyễn Vũ Ánh Ngọc

Thành viên nhóm: Trần Đăng Đạt, Hoàng Văn Quyền, Vương Khánh Toàn, Nguyễn Tiến Trình, Nguyễn Thanh Trà My

Phỏng vấn thành viên dự án

Học viên SEAS 2026

Trần Đăng Đạt

Quá trình hoàn thiện dự án của nhóm bạn diễn ra như thế nào? Có kỉ niệm nào đáng nhớ không?

Mình đánh giá quá trình hoàn thiện dự án của mình khá là kịch tính. Ngày đầu tiên, chúng mình học về những kiến thức cơ bản của Reinforcement Learning như Q-learning, State, Action và Reward. Chúng mình thực sự cảm thấy khá là khó nhưng mà cũng rất là hay, vì đây là một lĩnh vực mà chúng mình rất hứng thú và rất tò mò. Đến ngay ngày tiếp theo, trong khi chúng mình vẫn đang cày lý thuyết, các nhóm khác đã bắt tay vào làm và thậm chí có nhóm đã làm slide, khiến mình cảm thấy khá áp lực. Kiến thức lý thuyết mặc dù khá là dày đặc, nhưng mà may mắn thay tụi mình cũng đã tổng hợp, rút gọn và speedrun để xong bài thuyết trình. Thật sự rất vui trong khoảng thời gian cùng nhau. Kỷ niệm đáng nhớ nhất có lẽ là lúc cả nhóm brainstorm cách thu hút người nghe ngay từ đoạn đầu. Sau một hồi suy nghĩ, tụi mình đã nảy ra ý tưởng làm một video về “Đạt tỷ phú” – kể về hành trình từ một người chơi chứng khoán thua lỗ đến khi trở thành tỷ phú nhờ Reinforcement Learning. Dù ý tưởng khá “điên”, cả nhóm lại rất hào hứng và cuối cùng chính nó đã trở thành một trong những phần vui nhất của dự án.

Ý tưởng dự án xuất phát từ đâu, hoặc bài toán thực tế nào mà dự án muốn giải quyết?

Mình đã học được một bài học rất quý giá: Muốn đi xa thì phải làm cùng nhau. Trong quá trình thực hiện dự án, mình nhận ra rằng một người có thể có rất nhiều ý tưởng hay, nhưng để biến những ý tưởng đó thành một sản phẩm hoàn chỉnh thì cần sự phối hợp của cả nhóm. Mỗi thành viên đều có thế mạnh riêng, từ tìm hiểu kiến thức, xây dựng mô hình, xử lý dữ liệu cho đến thiết kế slide và thuyết trình. Đặc biệt, mình cảm giác như các thành viên trong nhóm luôn cùng nhau ủng hộ tinh thần, động viên nhau mỗi khi gặp khó khăn. Hoặc ít nhất, mình cảm thấy bản thân như là một mảnh linh hồn của nhóm, cùng mọi người chia sẻ những khoảnh khắc căng thẳng, vui vẻ và cả những lúc tưởng như không kịp hoàn thành dự án. Sau khi hoàn thành dự án, mình càng cảm thấy hứng thú với Reinforcement Learning và muốn tiếp tục tìm hiểu sâu hơn về lĩnh vực này. Trong tương lai, mình định áp dụng những kiến thức về Reinforcement Learning để nghiên cứu các bài toán thực tế, đặc biệt là trong lĩnh vực tài chính định lượng và giao dịch.

Câu hỏi thường gặp

Có 3 lí do chính dẫn tới việc mình lựa chọn bài toán này:

Trong quá trình theo dõi các TA khác đề xuất ý tưởng của bản thân, thì mình nhận thấy là đa phần mọi người sẽ tập trung vào các mảng hot hiện tại trong AI như LLM, NLP, Computer Vision và chưa có ai làm về mảng Reinforcement Learning. Chính vì vậy mình cũng muốn nhân dịp này giới thiệu cho các bạn 1 mảng khá niche là Reinforcement Learning. Và trong vô vàn các ứng dụng và bài toán mà Reinforcement Learning có thể xử lý như Robotics, Game, Self-Driving, AI Agentic, etc… thì mình quyết định chọn hướng ứng dụng RL vào trong Quant Finance, Quant Trading. Đối với các bạn giỏi Toán, Lý, Lập trình thì ngoài việc làm nghiên cứu ở các lĩnh vực về khoa học tự nhiên hay trí tuệ nhân tạo thì làm Quant ở các hedge fund, bank cũng là một hướng đi rất tốt và đem lại thu nhập rất lớn.

Đỗ Châu Tuấn – Trợ giảng

Khi tham gia dự án này thì các bạn học viên sẽ được trang bị các kiến thức về:

• Toán: Xác suất thống kê, quá trình ngẫu nhiên, đại số tuyến tính, tối ưu hóa.

• Lập trình: cấu trúc dữ liệu, quy hoạch động, vv..

• Reinforcement Learning: Markov Decision Process, Bellman equation, Deep Q-Learning, PPO, etc..

Đỗ Châu Tuấn – Trợ giảng

Tảng đá lớn nhất mà team mình phải đối diện chính là việc hiểu được các concept cơ bản của tài chính để có thể áp dụng được các kiến thức kỹ thuật đã được học. Về mặt kỹ thuật và kiến thức nền tảng như Toán, lập trình, AI thì mình rất ngạc nhiên và cũng siêu tự hào là các thành viên nhóm mình rất thông minh.

Đỗ Châu Tuấn – Trợ giảng

Chính vì lượng kiến thức khổng lồ cần thiết để có thể thực hiện project này, mình đã chuẩn bị các notebook chi tiết về kiến thức kèm code lab để thực hành ứng với mỗi chủ đề mà các bạn học sinh cần nắm được để hoàn thành chủ đề này. Ví dụ trên notebook về Markov Chain, Introduction to Reinforcement Learning, Q-Learning, Deep Q-Learning, Project Demo và dành trọn 2 ngày đầu tiên để các bạn làm quen và nắm bắt các kiến thức cần cho project. Tiếp theo đó thì các bạn học viên đã tự research về các potential project mà có thể áp dụng được từ các kiến thức đã học. Trong quá trình thực hiện thì mình rất bất ngờ về khả năng tìm hiểu và tự học của cả nhóm, từ những kiến thức nhập môn cơ bản, cả nhóm đã tự mình tìm hiểu rất nhiều mô hình và kỹ thuật advance và sáng tạo làm mới đi so với các project mà trước đây đã được thực hiện trên mạng.

Đỗ Châu Tuấn – Trợ giảng

Không dừng lại ở việc xây dựng code “chạy được” với kết quả những con trading agent chỉ được backtest và đạt được kết quả tốt trên dữ liệu lịch sử của thị trường mà nhóm mình đã xây dựng được 1 hệ thống live trading trên dữ liệu real-time được cào trực tiếp qua API và showcase được cho tất cả mọi người cách agent đưa ra hành động (buy, hold, sell) và số lượng vào từng mã cổ phiếu và crypto. Kết quả mà mô hình đạt được vẫn còn khá là khiêm tốn do thời gian có hạn và các signal bọn mình sử dụng làm state còn tương đối cơ bản chỉ phụ thuộc thuần vào bản chất giá của tài sản chưa có thêm các yếu tố bên ngoài như chính trị, social media. Chính vì vậy mà tương lai project này sẽ còn có khả năng phát triển thêm rất nhiều và biết đâu vid ở đầu bài thuyết trình lại thành hiện thực 😂.

Đỗ Châu Tuấn – Trợ giảng

VIDEO THUYẾT TRÌNH DỰ ÁN

SLIDES DỰ ÁN

YouTube video Slides PDF