Chương 1: Cơ sở lý thuyết và các nghiên cứu liên quan. 10 Không được phát hành quá nhiều vì tránh nguy cơ lạm phát. Tính thanh khoản cao, sử dung dé dàng, thuận tiện và nhanh chóng. Là phương tiện trao đổi ngang giá trung gian, hoạt động ở môi trường điện tử trên nên tảng thuật toán.
Kế từ khi Bitcoin ra đời vào năm 2009, việc triển vai trò điện tử đã rất rõ rảng đối với công chúng. Hình thức tiền tệ mới đã tự khẳng định mình là một nguồn tiền tệ phô biến và khả thi trên toàn thế giới vì tính chất tự chủ và tiện lợi của nó. Các dạng tiền ảo khác nhau đã được phát minh dé phục vu như một nguồn tiền tệ thay thế. Tính đến tháng 12 năm 2021, có gần 6000 loại tiền ảo tồn tại.
Thêm vào đó, gần 36,5 triệu người ở Mỹ sở hữu hoặc đầu tư vào một số loại tiền tệ. Các loại tiền ảo như Bitcoin được yêu thích vì chúng cung cấp một loại tiền tệ mới và dua trên kỹ thuật số hơn. Các trang web này không sử dụng bên thứ ba để tương tác với các giao dịch. Điều này cho phép các giao dịch đi trực tiếp từ người mua sang người bán.
Bitcoin cũng đã được hoan nghênh vì nhiều lợi ích của nó như phí giao dịch thấp và xử lý nhanh hơn. Điều này giải thích tại sao trong những năm gần đây, đã có hàng trăm tỷ đô la đồ vào các hình thức tiền tệ mới. Blockchain, công nghệ đăng sau tiền ảo, cuối cùng cũng đã tiến một bước trở thành xu hướng chủ đạo. Tiền ảo cung cấp nhiều ưu đãi cho các doanh nhân trên toàn cầu.
Nó đã giúp các doanh nhân dễ dàng tiếp cận thị trường quốc tế hơn là chỉ bám chặt vào thị trường quốc gia. Điều này đã cho phép người bán tạo mối quan hệ và nuôi dưỡng lòng tin với các thị trường chưa từng có trước đây và là điều tuyệt vời đối với các quốc gia đang phát triển. Trong ba tháng cuối năm 2021, trung bình mỗi ngày có 400 nghìn giao dịch Bitcoin được xác nhận trên toàn thế gidi. Hình thức tiền tệ mới này vẫn tồn tai những nhược điểm khiến nó không thé thực hiện bước tiếp theo đó.
Một trong những vấn đề lớn với tiền tệ trực tuyến là không bảo vệ được người mua. Bởi vì các trang web chống lại việc sử dụng bên thứ ba dé uy quyén giao dịch, một sỐ người mua bị lừa. Các loại tiền tệ như Bitcoin chỉ được chấp nhận bởi một nhóm rất nhỏ người mua trực tuyến. Tiền ảo đã cung cấp một cách thức kinh doanh dựa trên công nghệ mới.
Thị trường đã mang lại nhiều người mua mới và cho phép thương mại quốc tế diễn ra thuận lợi hơn. Mặc dù thị trường đang trên đà phát triển, nó vẫn còn nhiều cách đề đi trước khi có thể có bước nhảy vọt tiếp theo đề trở thành một hình thức tiền tệ được sử dụng rộng rãi hơn. Học máy và thị trường tiền ảo Cách mạng Công nghiệp 4.0 mang đến những thay đổi bước ngoặt, toàn diện trong mọi mặt của cuộc sống. “Thế giới vận hành bằng công nghệ” trở thành xu thé tat yếu, là mục tiêu tranh đua cho mọi nền kinh tế, mọi doanh nghiệp cùng hướng đến.
Trong cuộc cách mạng Công nghiệp lần thứ IV, Trí tuệ nhân tạo (A.I) và Học máy Đồ án tốt nghiệp đại học Chương 1: Cơ sở lý thuyết và các nghiên cứu liên quan. 11 hoc (Machine Learning) là những thành phan quan trong, nổi bật, đã va dang được nghiên cứu, ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau trong đó có ngành ngân hàng nói chung và lĩnh vực công nghệ tài chính (FinTech) nói riêng, tạo ra những bứt phá mạnh mẽ về tính hiệu quả, kịp thời, chính xác trong công tác giám sát, dự báo và hỗ trợ ra quyết định. - Hoc máy (tiếng Anh: machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "hoc" tự động từ dir liệu dé giải quyết những van dé cụ thé. Ví dụ như các máy có thé "học" cách phân loại thư điện tử xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng.
Học máy rất gần với suy diễn thống kê (statistical inference) tuy có khác nhau về thuật ngữ. - Học máy có liên quan lớn đến thống kê, vì cả hai lĩnh vực đều nghiên cứu việc phân tích đữ liệu, nhưng khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán. - Nhiều bài toán suy luận được xếp vào loại bài toán NP-khó, vì thế một phần của học máy là nghiên cứu sự phát triển các giải thuật suy luận xấp xi mà có thé xử lý được. - Hoc máy hiện nay được áp dụng rộng rãi bao gồm máy truy tìm đữ liệu, chan đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và cử động rô-bốt (robot locomotion).
- Trén thé giới, Machine Learning hiện được ap dung rộng rãi trong nhiều lĩnh vực, bao gồm: Khai thác đữ liệu, chan đoán y khoa, phát hiện thẻ tin dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và điều hướng rô-bốt (robot locomotion). TAt cả các ứng dụng trên có một điểm chung là sử dụng “bộ não logic” được cấu thành từ các thuật toán Machine Learning, tiếp nhận dữ liệu đầu vào đã được số hóa và thực hiện xử lý, phân tích qua nhiều lớp, với độ phức tạp và mức độ “thông minh” ngày càng tăng (deep learning). - Thue tế đã chứng minh, nhờ áp dụng chính xác phương pháp Machine Learning trong vận hành các hệ thống trí tuệ nhân tạo, các tập đoàn và công ty lớn trên thế giới như Facebook, Amazon, Google. đều đạt được những bước phát triển thần kỳ, chỉ trong vòng dưới 10 năm.
- - Trong lĩnh vực tai chính, ngân hàng, TTCK, Machine Learning, khi được kết hợp với các mô hình phân tích định lượng, phát huy hiệu quả đặc biệt trong việc tìm kiếm các bộ mẫu dữ liệu, đưa ra những dự đoán, hỗ trợ hiệu quả ra quyết định giúp đảm bảo hoạt động kinh doanh liên tục và kiểm soát rủi ro. Trên thé giới, cuộc chạy đua trong ngành Ngân hàng cũng như các thị trường chứng khoán diễn ra đặc biệt sôi động. Từ các công ty công nghệ mới thành lập như Feedzai (trong mảng thanh Đồ án tốt nghiệp đại học Chương 1: Cơ sở lý thuyết và các nghiên cứu liên quan. 12 toán), Shift Technology (trong mảng bảo hiểm), tới các tập đoàn công nghệ không 16 như IBM và nhóm dẫn đầu về công nghệ hiện tại như Google, Alibaba và các Fintech, dang dựa vào ưu thế công nghệ dé cạnh tranh, lấn sân sang lĩnh vực ngân hàng, tài chính, tiền ảo thị trường.
Rất nhiều ví dụ về ứng dụng hiệu quả Machine Learning trong lĩnh vực tài chính, ngân hàng, TTCK có thể ké đến như: Monzo - một ngân hàng khởi nghiệp tại Anh, đã xây dựng một mô hình phân tích, dự báo đủ nhanh, để kịp thời phát hiện và ngăn chặn những kẻ lừa đảo giả mạo trong quá trình hoàn tất giao dịch, giúp giảm tỷ lệ lừa đảo trên thẻ trả trước từ 0,85% vào tháng 6/2016 xuống dưới 0,1% vào tháng 1/2017. Các công ty công nghệ khác như Xcelerit hay Kinetica, cung cấp cho các ngân hàng và công ty đầu tư, một hệ thống có khả năng theo dõi và phát hiện các rủi ro tiềm ân theo thời gian thực, cho phép ngân hàng giám sát chặt chẽ các yêu cầu về nguồn vốn. Trong năm 2017, JPMorgan Chase giới thiệu COiN, một nền tang quan lý hợp đồng thông minh, sử dụng Machine Learning, có khả năng xem xét 12.000 hợp đồng tín dụng thương mại trong vài giây, tương đương khối lượng công việc trong 360.000 giờ làm việc của một nhân viên bình thường. Trong thị trường tiền ảo, với khả năng xử lý dữ liệu mạnh mẽ trên nhiều lĩnh vực, học máy cũng được sử dụng một cách rộng rãi trong lĩnh vực tài chính như: dự đoán thị trường tiền ảo, đầu tư tối ưu, xử lý thông tin tài chính và thực hiện các chiến lược giao dịch tai chính.
Do đó, thị trường tiền ảo được xem là một trong những lĩnh vực khá phổ biến và quý giá nhất trong lĩnh vực tài chính trong quá trình nghiên cứu và phát triển của học máy. Học sâu - Deep learning 1. Lược sử học sâu Những năm gần đây, khi mà khả năng tính toán của máy tính được nâng lên một tầm cao mới cùng với lượng dit liệu không 16 được thu thập, Machine Learning đã tiến thêm một bước dai và Deep Learning một lĩnh vực mới được ra đời. Deep Learning được lấy cảm hứng từ mạng nơ-ron sinh học và bao gồm nhiều lớp trong mạng nơ-ron nhân tạo được tạo thành từ phần cứng và GPU.
Deep Learning sử dụng một tang các lớp đơn vị xử lý phi tuyến dé trích xuất hoặc chuyền đổi các tính năng (hoặc biểu điễn) của dữ liệu. Đầu ra của một lớp phục vụ như là đầu vào của lớp kế tiếp. Deep learning, tập trung giải quyết các vấn đề liên quan đến mạng thần kinh nhân tạo nhằm nâng cấp các công nghệ như nhận diện giọng nói, dịch tự động (machine translation), xử lý ngôn ngữ tự nhiên. Đồ án tốt nghiệp đại học Chương 1: Cơ sở lý thuyết và các nghiên cứu liên quan.
13 Deep Neural Network (Pretraining) Multi-layered XOR Perceptron ADALINE Problem (Backpropagation) Perceptron Golden Age Dark Age (“Al Winter”) Electronic Brain 1943 1957 1960 1969 1986 1995 1940 1960 1970 1980 1990 SÀ McCulloch - W. Papert Š r 24d avn %4 Sie | H ay D. Ruslan «| XANDY XORY NOTX Foward Activity ===Ề> eo 0 RR 9 ele o'e AZ | 4 — Backward Error = * Adjustable Weights + Learnable Weights and Threshold * Solution to nonlinearly separable problems + Limitations of learning prior knowledge + Hierarchical feature Lear ning * XOR Problem * Big computation, local optima and overfiting_ + Kemel function: Human Intervention + Weights are not Learned Hình 1.1: Lược sử học sâu Deep Learning [27]. Trong số các thuật toán học máy hiện đang được sử dụng và phát triển, học sâu thu hút được nhiều dữ liệu nhất và có thể đánh bại con người trong một số nhiệm vụ nhận thức.
Do những thuộc tính này, học tập sâu đã trở thành phương pháp tiếp cận có tiềm năng đáng kể trong lĩnh vực trí tuệ nhân tạo.