Chương I: Tổng quan về lý thuyết 1. Giới thiệu chung về AI Trí tuệ nhân tạo, hay còn được gọi là AI, là một ngành thuộc lĩnh vực khoa học máy tính. Nó là sự phát triển của trí tuệ được lập trình bởi con người, nhằm mục đích giúp máy tính có khả năng thực hiện các hành vi thông minh tương tự con người. Thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để chỉ các máy móc hoặc máy tính có khả năng mô phỏng các chức năng "nhận thức" mà con người thường liên kết với tâm trí, chẳng hạn như "học tập" và "giải quyết vấn đề".
Một số ví dụ phổ biến về AI bao gồm ô tô tự lái, trợ lý ảo, nhận dạng đối tượng và đặc biệt có thể kể đến Chat GPT (Chat Generative Pre-training Transformer) của OpenAI, một công ty công nghệ ở Mỹ, đã mang lại sự đột phá trong việc áp dụng AI. Công nghệ AI có thể được chia thành 4 loại dựa trên mức độ phức tạp: Công nghệ AI phản ứng. Công nghệ AI với bộ nhớ hạn chế. Lý thuyết trí tuệ nhân tạo.
Công nghệ tự nhận thức. AI có ứng dụng rộng rãi trong nhiều lĩnh vực như vận tải, dịch vụ, hàng không, kinh tế,. Nếu được áp dụng đúng loại AI vào từng tình huống, nó sẽ mang lại nhiều lợi ích quan trọng trong cuộc sống như giảm rủi ro, hạn chế, thúc đẩy sự sáng tạo, tiết kiệm sức lao động và tối ưu hóa hiệu suất làm việc. Giới thiệu tổng quan về thuật toán Hồi quy tuyến tính và Cây quyết định 2.
Thuật toán Hồi quy tuyến tính Hồi quy tuyến tính là thuật toán tìm ra phương trình tuyến tính dựa trên tập dữ liệu quan hệ giữa X (dữ liệu đầu vào) và Y (dữ liệu đầu ra). X là biến giải thích và Y là biến phụ thuộc. Khi có một biến đầu vào duy nhất (x), phương pháp này được gọi là hồi quy tuyến tính đơn giản (simple linear regression). Khi có nhiều biến đầu vào, ta có phương pháp là hồi quy tuyến tính nhiều biến (multiple linear regression).
Cách biểu diễn của mô hình hồi quy tuyến tính là một phương trình tuyến tính kết hợp một tập giá trị đầu vào cụ thể (x), nghiệm là đầu ra dự đoán cho tập giá trị đầu vào đó (y). Cả giá trị đầu vào (x) và giá trị đầu ra (y) đều là dạng số (numeric). Ưu và nhược điểm của mô hình hồi quy tuyến tính Ưu điểm: Nhanh chóng để mô hình hóa và đặc biệt hữu ích khi mối quan hệ được mô hình hóa không quá phức tạp và nếu bạn không có nhiều dữ liệu. Hồi quy tuyến tính là đơn giản để hiểu, nó rất có giá trị cho các quyết định kinh doanh Nhược điểm: Nhạy cảm với dữ liệu nhiễu.
Không biểu diễn được những mô hình phức tạp. Biến độc lập phải độc lập với nhau nhưng trong thực tế rất hiếm Đối với dữ liệu phi tuyến tính, hồi quy đa thức có thể khá khó khăn để thiết kế, vì người ta phải có một số thông tin về cấu trúc của dữ liệu và mối quan hệ giữa các biến tính năng. Thuật toán Cây quyết định (Decision Tree) Thứ nhất, Mô hình cây quyết định là một phương pháp máy học trong đó dữ liệu được biểu diễn dưới dạng cây quyết định. Cây quyết định là một cấu trúc dữ liệu dạng cây có nút gốc, các nút nội bộ và các nút lá.
Mỗi nút nội bộ trong cây đại diện cho một thuộc tính và các cạnh đi từ nút nội bộ đến các nút con tương ứng với các giá trị của thuộc tính đó. Các nút lá đại diện cho các nhãn hoặc giá trị dự đoán. Thứ hai, ưu và nhược điểm của thuật toán cây quyết định Ưu điểm: Mô hình sinh ra các quy tắc dễ hiểu cho người đọc, tạo ra bộ luật với mỗi nhánh lá là một luật của cây. Dữ liệu đầu vào có thể là là dữ liệu missing, không cần chuẩn hóa hoặc tạo biến giả Có thể làm việc với cả dữ liệu số và dữ liệu phân loại Có thể xác thực mô hình bằng cách sử dụng các kiểm tra thống kê Có khả năng là việc với dữ liệu lớn Nhược điểm: Mô hình cây quyết định phụ thuộc rất lớn vào dữ liệu.
Thậm chí, với một sự thay đổi nhỏ trong bộ dữ liệu, cấu trúc mô hình cây quyết định có thể thay đổi hoàn toàn. Cây quyết định hay gặp vấn đề overfitting. 4 lOMoARcPSD|48904900 Chương II: Thực trạng và lý do chọn bài toán Dự đoán nhu cầu mở tài khoản chứng khoán 1. Phát biểu bài toán và lí do chọn bài toán Tác động của đại dịch Covid-19 đã lan rộng khắp thế giới và tác động mạnh mẽ đến nền kinh tế toàn cầu, gồm cả kinh tế của chúng ta.
Trong bối cảnh này, lãi suất tiền gửi liên tục giảm, tạo ra một thách thức lớn cho các nhà đầu tư và người dân trong việc tìm kiếm cách để tăng thu nhập và bảo vệ giá trị tài sản. Điều này đã thúc đẩy nhiều nhà đầu tư cá nhân chuyển hướng và quan tâm đến thị trường chứng khoán. Sự khả quan về tiềm năng sinh lời và khả năng đa dạng hóa danh mục đầu tư đã làm tăng số lượng tài khoản chứng khoán một cách nổi bật. Điều này, trong khi tạo ra cơ hội lớn cho các công ty chứng khoán, cũng đồng nghĩa với việc tăng cường sự cạnh tranh trong ngành.
Các công ty chứng khoán ngày càng phải đưa ra các chiến lược và biện pháp mới để thu hút và duy trì khách hàng của mình. Việc dự đoán nhu cầu mở tài khoản đóng một vai trò quan trọng trong chiến lược kinh doanh của họ, bởi vì nó giúp xác định và hiểu rõ hơn về khách hàng tiềm năng và tìm cách thu hút họ. Đánh giá tỉ mỉ về hoàn cảnh gia đình, mức độ chịu rủi ro và mục tiêu đầu tư của khách hàng là những yếu tố quan trọng mà các công ty chứng khoán phải xem xét. Bằng cách tiếp cận thông tin và phân tích sâu sắc về khách hàng tiềm năng, các công ty có thể tối ưu hóa quá trình tìm kiếm và tiếp cận khách hàng một cách hiệu quả hơn.
Điều này giúp rút ngắn thời gian và công sức để tìm kiếm khách hàng, đồng thời tạo ra cơ hội để tăng năng suất kinh doanh. So sánh các giải pháp truyền thống và giải pháp ứng dụng AI 5 lOMoARcPSD|48904900 Những nhược điểm còn tồn tại của các giải pháp truyền thống: Giải pháp 1: Việc nghiên cứu nhu cầu mở tài khoản của khách hàng thông qua tư vấn qua điện thoại và tin nhắn giúp chúng ta thu thập thông tin nhanh chóng mà còn tạo dựng mối quan hệ tốt với khách hàng và hiểu rõ hơn về nhu cầu của họ. Tuy nhiên, việc tổng hợp thông tin từ một số lượng khách hàng lớn có thể gặp nhiều khó khăn. Hơn nữa, phương thức này tốn nhiều thời gian và tiền bạc để tiếp xúc.
Đồng thời, cũng có khả năng thiếu tính khách quan. Giải pháp 2: Tìm hiểu nhu cầu mở tài khoản chứng khoán của khách hàng, ta có thể thực hiện khảo sát thông qua các phương tiện truyền thông và mạng xã hội. Giải pháp này đã trở nên phổ biến và có lợi hơn giải pháp 1, giúp tiếp cận được nhiều khách hàng hơn và thu thập ý kiến đa dạng. Tuy nhiên, sự thành công của quá trình khảo sát này phụ thuộc vào tính trung thực của khách hàng khi khai báo thông tin.
Đặc biệt, việc quảng cáo và thực hiện khảo sát trên các nền tảng mạng xã hội có thể gây tốn kém về chi phí. Giải pháp 3: Đi đến các khuôn viên trường đại học, mở bàn trực tìm khách hàng. Đây là hoạt động tìm khách hàng một cách trực tiếp, việc này sẽ giúp chúng ta tiếp xúc trực tiếp với khách hàng, dễ dàng thuyết phục khách hàng, có thể tư vấn trực tiếp cho khách hàng để lấy niềm tin. Tuy nhiên đây là phương pháp tốn thời gian công sức nhất trong ba phương pháp, mà hiệu quả mang lại cũng không cao, do sinh viên bận rộn với việc lên giảng đường, không quan tâm đến bàn trực.
Giải pháp 4: Ứng dụng AI trong xây dựng mô hình dự đoán nhu cầu mở tài khoản chứng khoán của khách hàng: Lựa chọn giải pháp này bởi lợi ích mà nó đem lại là vô cùng to lớn: Mô hình có ứng dụng AI tạo sự linh hoạt và có tính chính xác đối với nhu cầu mở tài khoản của các đối tượng. Qua đó, sẽ giúp tiết kiệm thời gian, chi phí, nâng 6 lOMoARcPSD|48904900 cao hiệu quả làm việc của các công ty chứng khoán trong việc lọc dữ liệu data khách hàng để tìm kiếm đối tượng có tiềm năng. Điển hình trên thế giới, Goldman Sachs là một trong những công ty chứng khoán hàng đầu thế giới và có một loạt các công cụ và phân tích dữ liệu mạnh mẽ để dự đoán nhu cầu mở tài khoản. Công ty này đã đầu tư mạnh vào công nghệ và có thể sử dụng các phương pháp phân tích dữ liệu tiên tiến để đưa ra dự báo chính xác về nhu cầu của khách hàng.
Goldman Sachs có thể đạt được nhiều lợi ích khi sử dụng trí tuệ nhân tạo (AI) để dự đoán nhu cầu mở tài khoản: Dự đoán nhu cầu; Tối ưu hóa chiến lược tiếp thị; Cải thiện trải nghiệm khách hàng; Khả năng xử lý dữ liệu lớn Chương III: Giải pháp thực hiện bài toán Dự đoán Nhu cầu mở tài khoản chứng khoán 1. Phân tích thuộc tính dữ liệu 1. Mô tả các thuộc tính các dữ liệu cần thu thập ST Tên thuộc Phân tích T tính 1 Giới tính Nam Nam giới thường có xu hướng rất tự tin, tin vào khả năng của mình dẫn đến việc họ ưa mạo hiểm nhiều hơn, dẫn đến việc nhóm đối tượng này thường giao dịch nhiều hơn trên thị trường. Nữ Nữ giới thường có xu hướng thận trọng hơn với việc đầu tư, họ thường nghiên 7 lOMoARcPSD|48904900 cứu kĩ càng trước khi đưa ra quyết định nên nhóm đối tượng này giao dịch ít hơn và đầu tư ít mạo hiểm hơn.
2 Độ tuổi Từ 18 - Đa số đối tượng trong độ tuổi này là sinh 22 viên và những người chưa có việc làm ổn định, mức thu nhập thường thấp và nhóm đối tượng này thường có nhu cầu mở tài khoản để trải nghiệm nên nhu cầu mở tài khoản ở mức trung bình. Từ 23 - Đa số là những người đang có công việc 50 và mức thu nhập ổn định vậy nên họ muốn có thêm một kênh đầu tư sinh lời. Nhu cầu mở tài khoản thường ở mức trung bình hoặc khá cao.