Selection of importance indicators for machine learning models in forex trading area

hân nhỏ lẻ trên 
toàn thế giới [1]. Hàng ngày có đến trên 1,9 nghìn tỷ dollar giao dịch được ghi nhận vào năm 
2016. Giao dịch cơ bản trong thị trường này là các giao dịch trao đổi ngoại tệ - mua một đồng 
này và bán một đồng khác. Lúc này, giá trị của một đồng tiền tệ được định giá thông qua việc so 
sánh với một đồng ngoại tệ khác thông qua tỉ giá. Một vài đồng ngoại tệ lớn trong thị trường 
gồm: EUR (euro), USD (United States dollar), JPY (Japanese yen), GBP (British pound),... Các 
đồng tiền tệ này sẽ được giao dịch thành các cặp như: EUR/USD, GBP/USD,... các nhà đầu tư sẽ 
quyết định mua hay bán một cặp tiền tệ nào đó với kỳ vọng sẽ mang về khoản lợi nhuận chênh 
lệch. Có hai trường phái cơ bản trong việc phân tích để đưa ra quyết định mua, bán hay giữ các 
cặp tiền tệ là phân tích kỹ thuật và phân tích cơ bản. Trong phần này, chúng tôi quan tâm đến 
phân tích kỹ thuật, đây là mô hình phân tích dựa trên các chỉ số và được xây dựng trên cơ sở 
những hiểu biết về giá nhằm giúp các nhà đầu tư đưa ra các quyết định. Các chỉ số được sử dụng 
phổ biến gồm: SAR, Bollinger Bands, MACD, Stochastic, RSI, MA, ADX,... Rất nhiều các chỉ 
số được giới thiệu, việc lựa chọn các chỉ số thích hợp cho việc phân tích của mình sẽ ảnh hưởng 
trực tiếp đến quyết định của các nhà đầu tư và lợi nhuận của họ. Chúng tôi nhận định rằng, việc 
lựa chọn các chỉ số này cũng tương tự như việc lựa chọn các thuộc tính đặc trưng quan trọng 
trong các mô hình học máy và kỳ vọng sẽ giúp giải quyết được vấn đề các nhà đầu tư đang gặp 
phải là làm sao chọn đúng những chỉ số quan trọng. Thông thường việc lựa chọn, kết hợp các chỉ 
số để đưa gia các quyết định giao dịch được thực hiện thủ công dựa trên kinh nghiệm của các nhà 
đầu tư. Những thông tin này thường là bí mật kinh doanh do vậy rất ít khi được công bố. Do vậy 
nhóm nghiên cứu cố gắng chỉ ra cách lựa chọn được những chỉ số có ảnh hưởng lớn đến kết quả 
đầu tư dựa trên đánh giá trực quan của mô hình máy học. Từ đó chứng minh việc chỉ ra các chỉ số 
tốt là dựa trên cơ sở khoa học không còn dựa trên cảm tính và kinh nghiệm cá nhân. 
 Như chúng ta đã biết các mô hình học máy là một phần của việc khai phá dữ liệu và phát hiện 
tri thức từ các tập dữ liệu lớn [2]. Việc khai phá tri thức từ dữ liệu lớn luôn gặp phải những khó 
khăn như: dữ liệu lớn thường được biết tới với hai vấn đề, đó là lớn về mặt số lượng dữ liệu và 
lớn về mặt số chiều dữ liệu [3]. Trong đó, số chiều dữ liệu được quan tâm hơn cả vì nó ảnh 
hưởng trực tiếp đến tốc độ huấn luyện và kết quả của các mô hình học máy. Do đó, việc giảm 
chiều dữ liệu thực sự nhận được rất nhiều sự quan tâm của cộng đồng nghiên cứu khoa học. Giảm 
 161 Email: jst@tnu.edu.vn 
 TNU Journal of Science and Technology 226(07): 160 - 165 
chiều dữ liệu có thể được thực hiện thông qua việc lựa chọn các thuộc tính hữu ích [4]. Việc lựa 
chọn thuộc tính được thực hiện bằng cách chọn ra một tập con thuộc tính từ các thuộc tính ban 
đầu sao cho kết quả của mô hình học máy xấp xỉ với tập thuộc tính ban đầu nhưng có tốc độ học 
nhanh hơn, tốn ít chi phí hơn. Thuật toán đánh giá vai trò của các thuộc tính được sử dụng phổ 
biến là Random Uniform Forests. 
 Random Uniform Forests (RUF) là thuật toán học có giám sát, có thể được sử dụng cho cả 
phân lớp và hồi quy [5]. RUF tạo ra cây quyết định trên các mẫu dữ liệu được chọn ngẫu nhiên, 
được dự đoán từ mỗi cây và chọn giải pháp tốt nhất bằng cách bỏ phiếu. Nó cũng cung cấp một 
chỉ báo khá tốt về tầm quan trọng của tính năng. 
 Trong bài toán phân lớp nhị phân, giả sử chúng ta có tập huấn luyện 푛 = {( 푖, 푌푖), 1 ≤ 𝑖 ≤
푛} với 푌 ∈ {0,1}, ta có cây quyết định dữ liệu thuộc về một nhãn lớp nào đó được viết như sau: 
 푛 푛
 1, 푛ế ∑ { 푖∈,푌푖=1} > ∑ { 푖∈ ,푌푖=0} , ∈ 
 𝑔 ( , , 푛) = 𝑔 ( ) = { 
 푖=1 푖=1
 0, 푡 표푛𝑔 á 푡 ườ푛𝑔 ℎợ ℎá 
 Ngoài ra, RUF cũng cung cấp cho chúng ta các thông tin liên quan đến tầm quan trọng của các 
thuộc tính trong tập dữ liệu huấn luyện, các thông tin bao gồm: 
 - Biến quan trọng toàn cục: Mức độ quan trọng của biến được đo lường trên tất cả các nút và 
tất cả các cây, dẫn đến tất cả các biến đều có một giá trị, vì các điểm cắt là ngẫu nhiên. Do đó, mỗi 
biến có cơ hội được chọn như nhau nhưng nó sẽ chỉ có tầm quan trọng nếu nó là biến làm giảm 
nhiều nhất entropy tại mỗi nút. Mức độ quan trọng của biến toàn cục tạo ra các biến làm giảm sai số 
dự đoán nhiều nhất nhưng nó không cho chúng ta biết gì về cách một biến quan trọng ảnh hưởng 
đến các phản hồi. Do vậy, RUF cung cấp cho chúng ta thông tin về độ quan trọng toàn cục của các 
biến, nó chỉ ra những biến quan trọng ảnh hưởng trực tiếp đến lỗi của mô hình dự đoán. 
 - Biến quan trọng cục bộ: Thể hiện mức độ quan trọng của mỗi biến tới kết quả dự đoán tại 
mỗi nhánh. 
 - Biến quan trọng từng phần: Thể hiện độ quan trọng của các biến tới từng lớp dữ liệu. 
 Việc sử dụng các điểm cắt ngẫu nhiên giúp cho RUF giảm tình trạng Overfitting, tạo được độ 
lệch thấp, phương sai thấp. Việc sử dụng thuật toán RUF với các thông tin về biến quan trọng 
toàn cục, quan trọng cục bộ, quan trọng từng phần sẽ giúp chúng ta thuận tiện trong việc chỉ ra 
những thuộc tính nào được cho là quan trọng và ảnh hưởng trực tiếp đến kết quả của các mô hình 
dự đoán. 
 Chọn lựa thuộc tính là một quá trình để tìm ra một tập con tốt nhất các thuộc tính theo một số 
tiêu chí nào đó. Việc lựa chọn các thuộc tính quan trọng dựa trên RUF giúp chúng ta có thể giải 
quyết được bài toán đặt ra ban đầu nhanh chóng và hiệu quả. 
2. Phương pháp nghiên cứu 
 Để thực hiện tìm ra những chỉ số quan trọng ảnh hưởng đến chất lượng của một số mô hình 
học máy, cụ thể trong trường hợp cần nghiên cứu là phân loại dữ liệu. Phương pháp của nhóm 
thực hiện qua một số bước sau: 
2.1. Thu thập dữ liệu và chuẩn hóa dữ liệu 
 Việc thu thập dữ liệu được thực hiện thông qua phần mềm MT4, dữ liệu thu thập gồm các 
thông tin về giá của các cặp ngoại tệ phổ biến, trên các khung thời gian khác nhau trong một 
khoảng thời gian cụ thể đủ lớn. Dữ liệu thô thu thập gồm các thông tin như giá mở cửa (Open), 
đóng cửa (Close), giá cao nhất trong phiên (High), giá thấp nhất trong phiên (Close). 
2.2. Chuyển đổi dữ liệu 
 Dữ liệu sau khi thu thập sẽ được tiến hành làm sạch, loại bỏ các điểm thiếu dữ liệu. Từ dữ liệu 
thô ban đầu sẽ được sử dụng để xây dựng các chỉ số thường được các nhà đầu tư sử dụng để phân 
tích nhằm đưa ra các quyết định như: ADX, ATR, CCI, MACD, RSI,... 
 162 Email: jst@tnu.edu.vn 
 TNU Journal of Science and Technology 226(07): 160 - 165 
2.3. Đánh nhãn dữ liệu 
 Việc chúng ta dựa vào các chỉ số để thực hiện việc phân tích và đưa ra quyết định mua hoặc 
bán một cặp tiền tệ cũng tương tự việc phân loại thị trường thành hai loại: 1 tương ứng với quyết 
định mua và kỳ vọng thị trường đi lên; -1 với quyết định bán và kỳ vọng thị trường đi xuống. 
Như vậy, mô hình học máy của chúng ta định sử dụng là phân lớp với 2 nhãn lớp. Việc đánh 
nhãn lớp có thể thực hiện theo nhiều cách khác nhau. Cách đơn giản nhất chúng ta có thể sử dụng 
kỹ thuật One Step a Head, tức là dữ liệu phần nhãn của ngày hôm trước sẽ được đánh nhãn bằng 
kết quả thực tế của ngày hôm sau. Ví dụ, nhãn lớp của ngày hôm qua sẽ được gán nhãn là 1 nếu 
giá đóng cửa của phiên giao dịch ngày hôm nay cao hơn giá mở cửa và nhãn là -1 nếu giá đóng 
cửa của ngày hôm nay thấp hơn giá mở cửa của ngày hôm nay. Hoặc chúng ta sẽ sử dụng chỉ số 
Zigzag để đánh nhãn cho các lớp tương ứng, kỹ thuật này sẽ giúp ta đánh giá được nhãn lớp theo 
tính chu kỳ của dữ liệu. Tóm lại, chúng ta sẽ có 2 nhãn dữ liệu là -1 và 1 để phục vụ bài toán lựa 
chọn những thuộc tính quan trọng đối với bài toán phân lớp dữ liệu. 
2.4. Đánh giá và đưa ra các chỉ số quan trọng 
 Dựa trên các các thông tin thu được trong quá trình học mô hình phân lớp dựa trên Random 
Uniform Forests, đặc biệt các thông tin liên quan đến thuộc tính quan trọng toàn cục, thuộc tính 
quan trọng cục bộ và thuộc tính quan trọng thành phần sẽ giúp chúng ta lựa chọn ra các chỉ số 
quan trọng ảnh hưởng đến mô hình phân lớp, những thuộc tính nào ảnh hưởng đến các lớp như 
thế nào. 
 Thông qua 5 bước trên sẽ giúp chúng ta giải quyết được bài toán đã đặt ra ban đầu là bằng 
cách nào có thể chọn lựa ra các thuộc tính có ảnh hưởng thực sự đến quyết định của các nhà đầu 
tư và giúp giảm bớt chiều dữ liệu từ đó giúp cho chúng ta có thể tăng tốc độ học và chất lượng 
của các mô hình học máy. 
3. Kết quả 
3.1. Dữ liệu gốc 
 Bảng 1. Thông tin dữ liệu 
 Min, 1st Qu, Median Mean 3rd Qu Max, NA's 
 DX 0,007527 10,18 21,64 24,73 36,96 80,91 16 
 ADX 7,207 16,22 22,45 24,65 31,24 56,44 31 
 oscDX -70,37 -4,556 12,14 10,09 27,49 65,62 16 
 ar -100 -50 0 1,048 56,25 100 16 
 tr 0 0,00016 0,00035 0,00047 0,00064 0,0048 1 
 atr 0,000141 0,000348 0,000446 0,00047 0,000569 0,00126 16 
 cci -417,9 -84,85 6,332 2,624 88,79 408,8 15 
 chv -0,6307 -0,3113 -0,01492 0,1006 0,4292 2,732 31 
 cmo -98,39 -28,06 1,669 2,378 31,28 96,28 16 
 sign -0,156 -0,03687 0,002712 0,000936 0,03982 0,1935 33 
 vsig -0,2014 -0,02604 0,000525 0,000114 0,02722 0,1792 34 
 rsi 11,55 40,4 50,53 50,94 61,57 87,28 16 
 slowD 0,03721 0,2782 0,5225 0,5186 0,7609 0,9736 19 
 oscK -0,4095 -0,04513 0,00233 3,50E-07 0,04829 0,36 17 
 SMI -75,55 -25,96 2,755 3,482 34,31 80,05 25 
 signal -72,27 -23,34 2,718 3,412 31,09 76,99 33 
 vol 0,002066 0,004582 0,006125 0,006313 0,007671 0,01432 16 
 Chúng tôi sử dụng dữ liệu gồm 5.000 bản ghi (gồm giá mở cửa (Open), giá cao nhất (High), 
giá thấp nhất (Low) và giá đóng cửa (Close)) của cặp ngoại tệ EUR/USD tại khung thời gian 
M30 để phục vụ quá trình nghiên cứu. 
 163 Email: jst@tnu.edu.vn 
 TNU Journal of Science and Technology 226(07): 160 - 165 
 Thông tin tổng hợp về dữ liệu các chỉ số được thể hiện ở bảng 1, bao gồm 17 chỉ số thông 
dụng trong lĩnh vực ngoại hối. 
 Dữ liệu phân loại gồm 2.438 có nhãn -1 (tương ứng với trạng thái thị trường đi xuống) và 
2.526 nhãn 1 (tương ứng với thị trường đi lên). 
3.2. Công cụ sử dụng 
 Việc thu thập dữ liệu được thực hiện trên phần mềm MT4. Xử lý và chuẩn hóa dữ liệu thực 
hiện trên R và thư viện randomUniformForest để thực thi mô hình phân lớp dữ liệu sử dụng thuật 
toán Random Uniform Forests. 
3.3. Lựa chọn các thuộc tính quan trọng 
 Để lựa chọn ra những thuộc tính quan trọng, có ảnh hưởng đến chất lượng phân lớp của mô 
hình phân lớp dữ liệu bằng cách: đầu tiên, sử dụng thuật toán Random Uniform Forests và lấy ra 
các thông tin liên quan đến các biến quan trọng toàn cục, biến quan trọng cục bộ và quan trọng 
thành phần. Tiếp theo, chúng tôi tìm hiểu cách các biến ảnh hưởng đến chỉ số lỗi của mô hình, 
xem xét mối quan hệ giữa các chỉ số. Cuối cùng, chúng tôi có được khi nào và làm thế nào biến 
có thể/ quan trọng bằng cách xem xét thông qua các tập dữ liệu training và test. 
3.3.1. Các chỉ số quan trọng toàn cục 
 Chỉ số quan trọng toàn cục cho phép ta giảm tối đa lỗi dự đoán. Cụ thể nó cho chúng ta biết 
chỉ số nào có ảnh hưởng mạnh hơn đến việc phân lớp dữ liệu. Việc này được thực hiện bởi thuật 
toán Random Uniform Forests trong trình cắt tỉa ngẫu nhiên cây quyết định giúp tạo ra cơ hội ảnh 
hưởng của các chỉ số là như nhau lên kết quả phân loại. Hình 1 cho chúng ta thấy danh sách 10 
chỉ số có ảnh hưởng toàn cục. 
Hình 1. Danh sách 10 chỉ số có ảnh hưởng toàn cục Hình 2. Độ quan trọng của mỗi chỉ số trong mỗi lớp 
3.3.2. Tầm quan trọng của các chỉ số với các lớp 
 Các biến quan trọng cục bộ có vai trò chỉ ra ảnh hưởng của mình trong mỗi lớp. Hình 2 cho ta 
thấy được độ quan trọng của các chỉ số trong mỗi lớp. 
3.3.3. Các chỉ số quan trọng của mỗi lớp 
 Việc tìm kiếm các chỉ số quan trọng toàn cục, quan trọng cục bộ và quan trọng từng phần trong 
Random Uniform Forests sẽ giúp chúng ta xác định được những chỉ số quan trọng đối với mỗi lớp dữ 
liệu, từ đó sẽ giúp chúng ta lựa chọn các chỉ số thực sự hiệu quả cho các mô hình máy học. 
 Như vậy với các thông tin thu được sau khi sử dụng thuật toán Random Uniform Forests, 
chúng ta đã tìm ra những chỉ số nào là quan trọng và tìm hiểu được sự ảnh hưởng của chúng lên mỗi 
lớp thông qua thuộc tính quan trọng toàn cục. Cùng đó là xem xét điều gì khiến nó có ảnh hưởng như 
 164 Email: jst@tnu.edu.vn 
 TNU Journal of Science and Technology 226(07): 160 - 165 
vậy và sự tương tác giữa các biến lên từng phần của cây quyết định thông qua các biến quan trọng cục 
bộ. Cùng với các thông tin liên quan đến độ quan trọng từng phần của các chỉ số thì chúng có thể thấy 
được những chỉ số ảnh hưởng lớn đến kết quả phân lớp dữ liệu cho lớp -1 thông qua hình 3 và hình 4 
thể hiện những chỉ số quan trọng đối với việc phân lớp ở lớp 1. 
 Hình 3. Các chỉ số quan trọng với nhãn lớp -1 Hình 4. Các chỉ số quan trọng với nhãn lớp 1 
4. Kết luận 
 Thông qua việc thực nghiệm trên 5.000 bản ghi dữ liệu bằng phương pháp kết hợp thuật toán 
Random Uniform Forests và các thông tin liên quan đến các biến quan trọng toàn cục, quan trọng 
cục bộ và quan trọng từng phần. Nghiên cứu đã chỉ ra được 05 chỉ số có ảnh hưởng nhất đến kết 
quả phân lớp dữ liệu, điều này giúp giải quyết được câu hỏi lớn đặt ra trong phần đầu của các nhà 
đầu tư. Hơn nữa, việc này đã giúp giảm chiều dữ liệu (từ 17 chiều xuống 05 chiều, tương ứng với 
giảm bớt 70% số chiều dữ liệu); từ đó giúp nâng cao tốc độ huấn luyện và chất lượng của mô 
hình học máy, cụ thể là mô hình phân lớp dữ liệu và hồi quy. Kết quả mà nhóm thực hiện được 
giúp mở ra cách thức lựa chọn các thuộc tính có ảnh hưởng thật sự tới tập dữ liệu bất kỳ, đều rất 
quan trọng đối với sự thành công của phát hiện tri thức và khai phá dữ liệu và đảm bảo rằng dữ 
liệu được cung cấp tốt về chất lượng và phù hợp về số lượng nhằm đưa ra các kết quả tin cậy và 
đầy đủ như người sử dụng mong muốn. 
 TÀI LIỆU THAM KHẢO/ REFERENCES 
[1] M. Nassimi, Y. S. Asfaranjan, A. Keshvarsima, and F. Baradari, “Trading in the Foreign Exchange 
 Market (Forex): A Study on Purchase Intention,” International Journal of Scientific and Research 
 Publications (IJSRP), vol. 4, no. 3, pp. 1-10, 2014. 
[2] M. N. O. Sadiku, A. E. Shadare, and S. M. Musa, "Data mining: a brief introdcution," European 
 Scientific Journal, vol. 11, no. 2, pp. 509-513, 2015. 
[3] S. Velliangiria, S. Alagumuthukrishnanb, and S. I. T. Joseph, "A Review of Dimensionality Reduction 
 Techniques for Efficient Computation," International Conference on Recent Trends in Advanced 
 Computing (ICRTAC), 2019, pp. 104-111. 
[4] Z. M. Hira and D. F. Gillies, "A Review of Feature Selection and Feature Extraction Methods Applied 
 on Microarray Data," Advances in Bioinformatics, vol. 2015, pp. 1-13, 2015. 
[5] A. Pretorius, S. Bierman, and S. J. Steel, "A meta-analysis of research in random forests for 
 classification," Pattern Recognition Association of South Africa and Robotics and Mechatronics 
 International Conference (PRASA-RobMech), 2016, pp. 1-6. 
 165 Email: jst@tnu.edu.vn