Khi nghiên cứu cùng AI, rất dễ bỏ lỡ lúc nên dừng lại. Thử xong một ý tưởng, ta lại tò mò về một điều kiện khác. Kiểm tra xong điều kiện đó, ta muốn thử trên thị trường khác. Hỏi AI thì thường sẽ có cách làm. Có thể sửa mã rồi chạy lại.
Tôi đã nghiên cứu giao dịch theo hệ thống như vậy khoảng một năm.
Quá trình đó khá thú vị. Tôi thích việc có thể thực sự kiểm tra một ý tưởng vốn chỉ nằm trong đầu. Nếu mỗi khi có câu hỏi, tôi đều phải lo xem mình có đủ khả năng triển khai hay không, có lẽ tôi đã bỏ qua khá nhiều ý tưởng. Làm cùng AI giúp tôi có thêm nhiều thứ để thử.
Nhưng có nhiều lựa chọn hơn cũng đi kèm một cái giá. Chính tôi phải quyết định điều gì không nên thử.
Chẳng hạn, nếu không hài lòng với kết quả kiểm thử trên dữ liệu quá khứ, luôn có chỗ để điều chỉnh. Có thể đổi một điều kiện vào lệnh, xem kỹ riêng giai đoạn có kết quả đặc biệt kém, hoặc áp dụng chiến lược sang thị trường khác. AI hỗ trợ từng lần thử. Thường còn có cả lời giải thích nghe khá hợp lý.
Đây là lúc ranh giới trong nghiên cứu trở nên mờ nhạt. Sửa một giả định sai và liên tục đổi điều kiện cho đến khi có kết quả ưng ý có thể trông rất giống nhau trong lúc làm. Cả hai đều là sửa mã rồi chạy lại.
Vì vậy, những điều cần ghi lại ngày càng nhiều. Trước thí nghiệm: lần này muốn xác minh điều gì, kết quả nào sẽ khiến tôi bỏ ý tưởng này. Sau đó: tôi đã thay đổi điều kiện nào sau khi xem kết quả. Tuy phiền, nhưng nếu không ghi lại, về sau tôi có thể nhớ cả lý do sửa đổi theo cách thuyết phục hơn thực tế.
Với mã chương trình cũng có chuyện tương tự. Chạy xong và thấy số liệu xuất hiện thì dễ yên tâm. Nhưng có số liệu không có nghĩa phép tính đã đúng. Thời điểm tạo tín hiệu và thời điểm đặt lệnh có thể không khớp. Việc làm tròn khối lượng lệnh có thể làm mất một giao dịch dự định thực hiện. Chỉ nhìn đường cong vốn thì khó thấy những chi tiết này.
Bởi vậy, yêu cầu tôi đưa cho AI cũng phải cụ thể. Ngoài việc nhờ triển khai chiến lược, tôi cần kiểm tra vì sao một lệnh xuất hiện vào ngày đó, lúc ấy đã đọc dữ liệu nào và khối lượng được tính ra sao. Đang bàn kết quả tổng thể, cuối cùng vẫn quay về một giao dịch hay một dòng tính toán.
Nhìn từ bên ngoài, công việc này có lẽ chẳng có gì đáng kể. Làm cả ngày mà kết luận có thể chỉ là “kết quả này cần kiểm tra lại”. Nhưng nếu bỏ qua bước đó, đến thí nghiệm tiếp theo tôi sẽ không biết mình đang dựa vào điều gì.
AI giúp khá nhiều ở đây. Tôi có thể cùng nó đọc lại mã đã viết, so sánh các lần chạy và tìm những giả định bỏ sót. Tuy nhiên, nó không thể chịu trách nhiệm thay tôi về việc liệu tôi có đang dẫn câu hỏi về phía câu trả lời mình muốn hay không. Phần đó vẫn là việc của tôi.
Đó cũng là lý do tôi muốn bắt đầu viết blog. Trong lúc nghiên cứu, việc tiếp theo cứ xuất hiện nên hiếm có dịp giải thích rõ quá trình đã đi qua. Viết ra có lẽ sẽ giúp phân biệt phần tôi thật sự hiểu với phần đã lướt qua một cách mơ hồ.
Tôi định mỗi lần nói về một thí nghiệm hoặc một câu hỏi: vì sao ban đầu thấy đáng thử, thực tế có gì khác và sau đó đã thay đổi điều gì.
Nhìn những ghi chép tích lũy suốt năm qua, có lẽ trước mắt tôi chưa thiếu chuyện để viết. Chỉ là việc sắp xếp chúng đang chậm hơn một chút.