បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាដែលក្បួនដោះស្រាយការជួញដូរភាគច្រើនពឹងផ្អែកតែលើទិន្នន័យលេខរៀងតាមពេលវេលា (Time-series data) ដោយមិនអើពើនឹងព័ត៌មានពីការសន្ទនាផ្ទាល់ (Real-time verbal communications) ដូចជាការហៅទូរស័ព្ទស្តីពីប្រាក់ចំណូល ដែលជះឥទ្ធិពលខ្លាំងដល់ទីផ្សារ។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើតភ្នាក់ងារពង្រឹងការរៀនសូត្រ (Reinforcement Learning Agent) ដែលដំណើរការទិន្នន័យអត្ថបទនិងទិន្នន័យទីផ្សារបូកបញ្ចូលគ្នាដើម្បីធ្វើការសម្រេចចិត្តទិញ លក់ ឬរក្សាទុក។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Static FinBERT Classifier (Baseline) ការចាត់ថ្នាក់មនោសញ្ចេតនាអត្ថបទ FinBERT ថេរ (ម៉ូដែលមូលដ្ឋាន) |
មានស្ថិរភាពខ្ពស់ក្នុងការសម្រេចចិត្ត និងផ្តល់ប្រាក់ចំណេញជាមធ្យម ព្រមទាំងកម្រិតហានិភ័យ (Sharpe Ratio) ល្អជាងគេ។ ការពារមិនឱ្យមានការខាតបង់ធំដុំ។ | មិនអាចបត់បែន ឬសម្របខ្លួនទៅតាមបរិបទនៃសាច់រឿងដែលកំពុងវិវត្ត (Evolving context) ធ្វើឱ្យខកខានឱកាសចំណេញពីព្រឹត្តិការណ៍ធំៗ។ | អត្រាចំណេញជាមធ្យម (Average Return): ០%, អនុបាត Sharpe (Sharpe Ratio): ០.៥៨ និងការធ្លាក់ចុះជាមធ្យម: -០.៦១%។ |
| RL with MLP Policy ភ្នាក់ងារ RL ប្រើប្រាស់បណ្តាញ MLP |
មានភាពស្ងប់ស្ងាត់និងមានស្ថិរភាពជាងគេក្នុងចំណោមភ្នាក់ងារ RL ទាំងអស់ ដោយចៀសវាងការខាតបង់ធ្ងន់ធ្ងរ។ | មិនមានសមត្ថភាពចងចាំទិន្នន័យពីមុន (No explicit temporal modeling) ដែលធ្វើឱ្យប្រតិកម្មយឺត និងរំលងឱកាសទិញលក់ល្អៗ។ | អត្រាចំណេញជាមធ្យម: -០.០១%, ការធ្លាក់ចុះជាមធ្យម (Drawdown): -០.៥៤%។ |
| RL with GRU Policy ភ្នាក់ងារ RL ប្រើប្រាស់បណ្តាញ GRU |
អាចទាញយកប្រយោជន៍ពីព្រឹត្តិការណ៍ទីផ្សារធំៗបានល្អ តាមរយៈការចងចាំទំនាក់ទំនងពេលវេលា (Temporal dependencies) នៃអត្ថបទ។ | មានហានិភ័យនិងភាពប្រែប្រួល (Volatility) ខ្ពស់ ដោយជារឿយៗមានប្រតិកម្មជ្រុលចំពោះអត្ថបទដែលស្រពិចស្រពិល។ | អត្រាចំណេញអតិបរមា: ៤.៦០%, ប៉ុន្តែអត្រាចំណេញជាមធ្យមគឺ -០.៨៩% និងការធ្លាក់ចុះជាមធ្យម -៣.២៩%។ |
| RL with Causal Attention Transformer Policy ភ្នាក់ងារ RL ប្រើប្រាស់បណ្តាញ Transformer |
តាមទ្រឹស្តី វាមានសក្តានុពលខ្ពស់ក្នុងការស្វែងយល់ពីទំនាក់ទំនងនៃប្រយោគវែងៗ (Long-range dependencies) នៅក្នុងរបាយការណ៍សេដ្ឋកិច្ច។ | ជួបប្រទះបញ្ហាអស្ថិរភាពក្នុងការហ្វឹកហាត់យ៉ាងខ្លាំងនៅក្នុងបរិស្ថានទីផ្សារដែលមានទិន្នន័យរំខាន (Noisy) ដែលធ្វើឱ្យវាមិនអាចរៀនយុទ្ធសាស្រ្តជួញដូរបាន។ | មិនមានសកម្មភាពជួញដូរត្រឹមត្រូវ (រាល់សូចនាករទាំងអស់ស្មើ ០)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានកុំព្យូទ័រនិងទិន្នន័យកម្រិតខ្ពស់ ជាពិសេសសម្រាប់ការដំណើរការម៉ូដែលភាសាខ្នាតធំ និងការទាញយកទិន្នន័យទីផ្សារពេលវេលាជាក់ស្តែង។
ការសិក្សានេះត្រូវបានអនុវត្តទាំងស្រុងទៅលើទិន្នន័យរបស់ក្រុមហ៊ុនបច្ចេកវិទ្យាធំៗចំនួន ២០ នៅក្នុងសន្ទស្សន៍ S&P 500 របស់សហរដ្ឋអាមេរិក។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទទីផ្សារដែលមានភាពចាស់ទុំ សកម្មភាពខ្ពស់ និងរងឥទ្ធិពលខ្លាំងពីព័ត៌មានភាសាអង់គ្លេស។ សម្រាប់កម្ពុជា លទ្ធផលនេះមិនអាចយកមកអនុវត្តដោយផ្ទាល់បានភ្លាមៗទេ ដោយសារទីផ្សារមូលបត្រកម្ពុជានៅតូច ប៉ុន្តែវិធីសាស្ត្រនៃការចាប់យកព័ត៌មានពីអត្ថបទមកវិភាគគឺមានសារៈសំខាន់សម្រាប់ការស្រាវជ្រាវអនាគត។
ទោះបីជាទីផ្សារហិរញ្ញវត្ថុកម្ពុជាមិនទាន់ស្មុគស្មាញដល់កម្រិត High-Frequency Trading ក៏ដោយ ក៏បច្ចេកវិទ្យាវិភាគអត្ថបទនេះអាចផ្តល់អត្ថប្រយោជន៍ដល់វិស័យមួយចំនួននៅកម្ពុជា។
ជារួម ការស្រាវជ្រាវនេះគឺជាមូលដ្ឋានគ្រឹះដ៏ល្អសម្រាប់ស្ថាប័នហិរញ្ញវត្ថុកម្ពុជាក្នុងការចាប់ផ្តើមធ្វើសមាហរណកម្មបច្ចេកវិទ្យា AI (NLP) ទៅក្នុងការវិភាគព័ត៌មានសេដ្ឋកិច្ច ជាជាងការពឹងផ្អែកតែលើទិន្នន័យតួលេខសាមញ្ញ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Reinforcement Learning (RL) | ជាវិធីសាស្ត្របង្រៀនបញ្ញាសិប្បនិម្មិត (AI) ឱ្យចេះធ្វើការសម្រេចចិត្តជាបន្តបន្ទាប់ ដោយផ្តល់រង្វាន់នៅពេលវាធ្វើត្រូវ និងពិន័យនៅពេលវាធ្វើខុស ដើម្បីឱ្យវារកឃើញយុទ្ធសាស្ត្រទិញលក់ភាគហ៊ុនដ៏ល្អបំផុតដោយខ្លួនឯង។ | ដូចជាការបង្ហាត់សត្វឆ្កែឱ្យចេះស្តាប់បង្គាប់ ដោយឱ្យចំណីពេលវាធ្វើតាមបញ្ជា និងមិនឱ្យចំណីពេលវាធ្វើខុស។ |
| Transformer embeddings | ជាដំណើរការបំប្លែងប្រយោគ ឬអត្ថបទពីសេចក្តីប្រកាសសេដ្ឋកិច្ច ទៅជាទិន្នន័យលេខ (Vectors) ដោយរក្សាទុកនូវអត្ថន័យជ្រាលជ្រៅនិងបរិបទនៃពាក្យនីមួយៗ ដើម្បីឱ្យកុំព្យូទ័រអាចយល់ពីអារម្មណ៍និងអត្ថន័យលាក់កំបាំងក្នុងការសន្ទនា។ | ដូចជាការបកប្រែអារម្មណ៍ និងអត្ថន័យនៃពាក្យសម្តីរបស់មនុស្ស ទៅជាតួលេខដែលម៉ាស៊ីនអាចអាន និងយល់បានភ្លាមៗ។ |
| Proximal Policy Optimization (PPO) | ជាក្បួនដោះស្រាយ (Algorithm) មួយជួយគ្រប់គ្រងរបៀបដែល AI ផ្លាស់ប្តូរយុទ្ធសាស្ត្ររបស់វា ដោយមិនអនុញ្ញាតឱ្យមានការផ្លាស់ប្តូរធំដុំពេកក្នុងពេលតែមួយ ដើម្បីធានាថាការរៀនសូត្ររបស់វាមានស្ថិរភាព និងមិនងាយភ្លេចនូវអ្វីដែលធ្លាប់រៀនរួច។ | ដូចជាការរៀនជិះកង់ដោយកែសម្រួលជំហរខ្លួនបន្តិចម្តងៗ ជាជាងការកាច់ចង្កូតខ្លាំងៗភ្លាមៗដែលអាចធ្វើឱ្យដួល។ |
| Sharpe Ratio | ជាសូចនាករហិរញ្ញវត្ថុសម្រាប់វាស់ស្ទង់ថាតើប្រាក់ចំណេញដែលទទួលបានពីការជួញដូរ គឺពិតជាស័ក្តិសមនឹងទំហំហានិភ័យដែលបានប្រឈមដែរឬទេ (ចំណេញច្រើនតែប្រថុយខ្លាំង គឺមានតម្លៃ Sharpe Ratio ទាប)។ | ដូចជាការប្រៀបធៀបអ្នកបើកបរពីរនាក់ដែលទៅដល់គោលដៅលឿនដូចគ្នា តែម្នាក់បើកបរដោយសុវត្ថិភាព ចំណែកម្នាក់ទៀតបើកបរដោយប្រថុយប្រថានបំពានភ្លើងស្តុប។ |
| Maximum Drawdown | ជារង្វាស់នៃការខាតបង់ធំបំផុត ដោយគិតចាប់ពីចំណុចដែលផលប័ត្រ (Portfolio) ឬដើមទុនមានតម្លៃខ្ពស់បំផុត ធ្លាក់ចុះមកដល់ចំណុចទាបបំផុត មុនពេលវាចាប់ផ្តើមងើបឡើងវិញ។ គិតជាភាគរយដើម្បីវាស់ស្ទង់ហានិភ័យធ្លាក់ចុះ។ | ដូចជាការវាស់ជម្រៅនៃជ្រលងភ្នំដ៏ជ្រៅបំផុត ដែលអ្នកបានធ្លាក់ចុះ អំឡុងពេលនៃការធ្វើដំណើរឡើងភ្នំ មុននឹងអាចបន្តដំណើរឡើងទៅលើវិញបាន។ |
| Gated Recurrent Unit (GRU) | ជាប្រភេទបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (Neural Network) ដែលមានសមត្ថភាព "ចងចាំ" ទិន្នន័យចាស់ៗតាមលំដាប់លំដោយពេលវេលា ដោយវាចេះសម្រេចចិត្តថាតើព័ត៌មានពីមុនណាមួយគួររក្សាទុក ហើយព័ត៌មានណាមួយគួរលុបចោលដើម្បីទស្សន៍ទាយនិន្នាការទីផ្សារ។ | ដូចជាមនុស្សដែលកំពុងអានសៀវភៅប្រលោមលោក ហើយចេះចងចាំតែតួអង្គនិងព្រឹត្តិការណ៍សំខាន់ៗពីជំពូកមុនៗ ដើម្បីយល់សាច់រឿងនៅជំពូកបន្ទាប់។ |
| Causal Attention | ជាយន្តការនៅក្នុងម៉ូដែល AI ដែលបង្ខំឱ្យវាវិភាគទិន្នន័យអត្ថបទដោយមើលតែព័ត៌មានក្នុងអតីតកាល និងបច្ចុប្បន្នកាលប៉ុណ្ណោះ ដោយហាមឃាត់មិនឱ្យវាលួចមើលទិន្នន័យនាពេលអនាគត ដើម្បីធានាថាការពិសោធន៍គឺដូចទៅនឹងការជួញដូរក្នុងពិភពពិត។ | ដូចជាការបិទភ្នែកម្ខាងមិនឱ្យមើលចម្លើយនៃវិញ្ញាសាប្រឡង ដើម្បីធានាថាអ្នកកំពុងដោះស្រាយលំហាត់ដោយពឹងផ្អែកលើចំណេះដឹងដែលមានស្រាប់ប៉ុណ្ណោះ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
