Agentic Trading là gì? AI Agent hoạt động thế nào #17

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: AI agent trong trading là hệ thống dùng model để tự chọn các bước và công cụ nhằm hoàn thành một mục tiêu trong giới hạn đã đặt. Agentic trading là cách áp dụng hệ thống đó vào quy trình trading. Khác biệt quan trọng không nằm ở câu trả lời hay, mà ở quyền hành động được cấp.

Đọc xong, bạn sẽ hiểu:

• Agent khác chatbot, workflow cố định, bot quy tắc và RL agent ở đâu.
• Một vòng agentic trading đi qua tool, permission gate, log và điểm dừng như thế nào.
• Cách điền Agent Permission Card trước khi cho hệ thống chạm vào tài khoản demo.

1. AI Agent và Agentic Trading khác chatbot ở đâu?

a. Có quyền làm việc, không chỉ có khả năng trả lời

Chatbot tóm tắt một bản tin nhưng không tự lấy dữ liệu mới, gọi công cụ rồi chọn bước tiếp theo thì vẫn là trợ lý trả lời. Một AI agent nhận goal — kết quả cần hoàn thành — rồi điều phối workflow, tức chuỗi bước từ yêu cầu tới kết quả. Agent có thể gọi tool/API để đọc hoặc thay đổi hệ thống. OpenAI cũng đặt model, tool và guardrail vào nền tảng thiết kế agent.

Người đọc menu giống chatbot; người được giao thẻ để đặt món đã có quyền hành động. Chính quyền này làm rủi ro tăng.

b. Sáu mảnh cần nhìn cho đủ

Agent thường có:

• Model chọn bước tiếp theo; goal nói kết quả cần đạt.
• Context/state là thông tin hiện tại; memory giữ dữ liệu cho lượt sau.
• Tool đọc dữ liệu, tính toán, ghi báo cáo hoặc gửi action.
• Instructions là quy tắc hành vi; guardrail kiểm tra giới hạn.
• Stop condition buộc agent kết thúc, hỏi người hoặc chuyển sang trạng thái an toàn.

Guardrail phải thành kiểm tra: chỉ đọc dữ liệu được phép, từ chối timestamp thiếu, chặn action vượt hạn mức và giới hạn số lượt.

c. Đừng gom mọi chữ “agent” vào một rổ

Workflow cố định đi theo nhánh code viết trước. Bot quy tắc chạy điều kiện xác định. LLM agent chọn bước hoặc tool tiếp theo từ context. Anthropic cũng tách workflow định sẵn khỏi agent tự điều phối và lưu ý độ linh hoạt đổi lấy thêm chi phí, độ trễ trong hướng dẫn về agent.

RL agent ở bài #16 học policy từ reward. LLM agent ở đây điều phối workflow bằng instructions, context và tool. Một hệ thống có thể dùng cả hai, nhưng chúng không đồng nghĩa.

Hình 1 — Model chỉ đề xuất bước tiếp theo; gate quyền hạn mới quyết định hành động có được chạy hay không.

2. Một vòng agentic trading chạy như thế nào?

a. Từ mục tiêu tới hành động có kiểm soát

Vòng cơ bản có thể đọc như sau:

1. Goal: nhận nhiệm vụ.
2. Observe: lấy dữ liệu, kiểm tra độ mới.
3. Plan: chọn bước tiếp theo.
4. Select tool: chọn công cụ và tham số.
5. Permission + risk gate: kiểm tra quyền và hạn mức.
6. Act hoặc ask human: hành động hoặc hỏi người.
7. Observe result: đọc kết quả thật từ tool.
8. Log: ghi input, lý do, output và thời gian.
9. Stop/continue: dừng hoặc lặp trong giới hạn.

OpenAI mô tả agent run như vòng lặp tới output cuối, lỗi hoặc điều kiện thoát. Trong trading, stop condition phải rõ để tránh tốn phí hay lặp hành động vô hạn.

b. Ví dụ demo: dữ liệu cũ thì đứng ngoài

Goal là: “Đọc CSV demo và tạo WAIT hoặc REVIEW.” Agent thấy giá 100 nhưng timestamp đã cũ 90 phút. Permission gate yêu cầu freshness <= 5 phút, nên agent ghi stale_data, không gọi execution tool và trả WAIT — cần dữ liệu mới. Không giao dịch cũng có thể là kết quả đúng.

Tách rõ:

• Model output: câu model đề xuất.
• Proposal: hành động đã được chuẩn hóa thành dữ liệu có cấu trúc.
• Risk approval: kết quả kiểm tra quyền và giới hạn.
• Execution result: phản hồi thật từ hệ thống nhận action.

Model nói “đã gửi” không chứng minh hệ thống đã nhận. Accepted cũng chưa chắc lệnh đã khớp.

c. Mạng lag không được biến thành hai hành động

Tool timeout rồi retry có thể tạo hai lệnh. Idempotency nghĩa cùng yêu cầu được thử lại vẫn không sinh action trùng, thường nhờ mã duy nhất. Giống chuyển khoản khi mạng lag, agent phải đọc trạng thái mã cũ trước khi tạo yêu cầu mới.

3. Agentic không có nghĩa là tự do toàn phần

a. Tăng quyền từng bậc

Có thể chia quyền thành bốn mức:

1. Research-only: chỉ đọc dữ liệu và viết báo cáo.
2. Proposal-only: tạo đề xuất có cấu trúc nhưng không gửi action.
3. Human-approved action: người duyệt từng action tại một gate xác định.
4. Bounded auto-execution: được tự thực hiện trong allowlist, hạn mức và thời gian nhỏ đã kiểm thử.

Human-in-the-loop phải chỉ rõ người duyệt ở gate nào, thấy gì và hệ thống làm gì khi không phản hồi.

Hình 2 — Tăng quyền từng bậc; đừng nhảy từ chatbot thẳng sang gửi lệnh.

b. Một agent trước, nhiều agent sau

Thêm agent cũng thêm chỗ truyền sai context, độ trễ, chi phí và log. OpenAI khuyên tận dụng một agent trước; chỉ tách khi vai trò thật sự khác. Nếu Research Agent và Risk Agent bất đồng, rule phải là dừng và chuyển người, không cho Execution tự chọn phe.

c. Kill switch phải nằm ngoài lời hứa của model

Kill switch ngắt hành động ngay và nằm ngoài quyền sửa của model. API key nên bắt đầu read-only, dùng quyền tối thiểu và thu hồi được ngay.

d. Agentic Trading không phải chatbot đọc biểu đồ

Một chatbot có thể nhìn ảnh chart, viết nhận xét rồi kết thúc. Agentic Trading chỉ bắt đầu khi hệ thống giữ trạng thái công việc, tự chọn công cụ, tạo đề xuất có cấu trúc và đọc kết quả thật để quyết định bước kế tiếp. Vì vậy, câu hỏi kiểm tra không phải “model nói có hay không?”, mà là:

• Nó quan sát dữ liệu nào và dữ liệu đó mới đến đâu?
• Nó được gọi tool nào, với tham số và quyền gì?
• Ai hoặc cơ chế nào chặn action vượt giới hạn?
• Sau action, nguồn nào xác nhận trạng thái thật?
• Điều kiện nào buộc vòng lặp dừng?

LLM không nên được xem là nguồn giá, số dư hay trạng thái lệnh có thẩm quyền. Nó có thể đề xuất BUY, nhưng order adapter vẫn phải kiểm tra instrument, đơn vị, tick size, hạn mức và trạng thái tài khoản bằng dữ liệu máy đọc được. Nếu broker trả UNKNOWN, agent không được tự suy ra “lệnh thất bại” rồi gửi lại.

e. Tách control plane khỏi execution plane

Thiết kế dễ kiểm soát hơn khi tách control plane — nơi agent lập kế hoạch — khỏi execution plane — nơi code xác định kiểm tra và gửi lệnh. Agent tạo proposal theo schema; policy engine và risk engine quyết định proposal có đủ điều kiện đi tiếp hay không. Execution adapter chỉ nhận action đã duyệt, còn reconciliation đọc lại trạng thái từ broker hoặc sàn.

Mỗi vòng nên tạo một decision record gồm input version, prompt/instruction version, proposal, rule đã chạy, người duyệt nếu có, tool result và timestamps. Record này không làm hệ thống có lợi nhuận; nó giúp tái hiện sự cố và chứng minh quyền nào đã được dùng.

Nguyên tắc triển khai là tăng quyền theo bằng chứng: research-only trước, proposal-only sau, human-approved action tiếp theo và chỉ cân nhắc bounded execution khi test lỗi, forward test, log và kill switch đều hoạt động. “Tự chủ hơn” không tự động nghĩa là “tốt hơn”.

4. Bảy chỗ Agentic Trading dễ hỏng và checklist trước khi cấp quyền

a. Bảy lỗi không nên xem nhẹ

1. Hallucination: model bịa hoặc nối sai dữ kiện.
2. Stale data: dữ liệu đã quá cũ.
3. Prompt injection: nội dung ngoài dụ model bỏ instructions. Tờ giấy lạ không có quyền sửa nội quy.
4. Wrong tool: chọn nhầm tool, đơn vị hoặc tham số.
5. Over-permission: API key rộng quyền hơn nhiệm vụ.
6. Duplicate action: retry tạo action trùng.
7. Missing audit trail: không truy lại được lý do và kết quả.

Audit log giúp phát lại chuỗi input–tool–gate–output. Log không làm agent đúng, nhưng thiếu log thì khó biết nó sai ở đâu.

FINRA ghi nhận trade execution agent có thể phân tích thị trường, tạo chiến lược và thực hiện giao dịch với mức giám sát khác nhau; đây là quan sát ngành, không bảo đảm sản phẩm nào an toàn FINRA, Types of AI Agents.

b. Checklist theo đúng thứ tự

Trước khi tăng quyền, kiểm tra:

• Goal đo được, phạm vi hẹp.
• Data/tool/action nằm trong allowlist.
• Bắt đầu read-only; output có schema và validation.
• Risk limit nằm ngoài prompt.
• Approval gate và kill switch độc lập với model.
• Log đủ replay; retry có idempotency.
• Demo, test lỗi và forward test trước khi tăng quyền.
• Có ngày review và người chịu trách nhiệm.

Đứng ngoài nếu thiếu timestamp, log, kết quả tool hoặc cách thu hồi quyền.

c. “Có AI” không phải bằng chứng hiệu quả

FINRA cảnh báo dịch vụ auto-trading chưa đăng ký có thể thổi phồng lợi nhuận/AI, xin credential nhạy cảm hoặc gây lỗ trước khi người dùng nhận ra. Gắn nhãn AI để tạo vẻ hiện đại là AI washing.

Guardrail giảm lỗi đã biết; nó không chứng minh lợi thế. LLM cũng không tự thành nguồn giá thời gian thực. Hiệu quả vẫn cần dữ liệu, backtest, forward test và quản trị rủi ro riêng.

5. Bài tập 15 phút: điền Agent Permission Card

a. Công cụ và nhiệm vụ

Dùng Google Sheets, LibreOffice hoặc Markdown miễn phí. Chọn nhiệm vụ: Đọc tối đa 20 dòng CSV giả, tính hai thống kê đơn giản và tạo WAIT/REVIEW. Không cần broker, API key hay tiền thật.

b. Mẫu đối chiếu đã điền

c. Tự kiểm

Che cột mẫu rồi tự trả lời: agent đọc gì, gọi tool nào, ai duyệt và khi nào dừng? Còn ô mơ hồ thì giữ research-only.

Hình 3 — Chưa mô tả được quyền, điểm dừng và log thì chưa cấp execution.

Bài tập dừng tại bản thiết kế. Chưa nhập API key, chưa kết nối broker và chưa dùng tiền thật.

6. Tổng kết

a. Năm ý chính

• AI agent khác chatbot chủ yếu ở khả năng tự chọn bước, gọi tool và hành động trong giới hạn.
• Agentic trading là workflow có quyền hạn; model output không đồng nghĩa execution result.
• Quyền nên tăng từ research-only tới bounded execution, không nhảy cóc.
• Permission gate, stop condition, idempotency, audit log và kill switch phải thành cơ chế kiểm tra cụ thể.
• Không có Agent Permission Card rõ ràng thì chưa nên cấp execution.

b. Câu hỏi tự kiểm tra

• Một chatbot phân tích tin nhưng không gọi tool có phải trading agent thực thi không?
• Permission gate khác prompt “hãy cẩn thận” ở đâu?
• Vì sao retry một execution tool có thể nguy hiểm?
• Khi nào nên giữ agent ở mức research-only?

c. Gợi ý đáp án

Xem gợi ý câu 1

Chưa. Nó mới trả lời; chưa tự điều phối workflow hoặc hành động qua tool. → xem mục 1.

Xem gợi ý câu 2

Permission gate kiểm tra quyền và điều kiện bằng cơ chế cụ thể trước action; một câu nhắc trong prompt vẫn có thể bị diễn giải sai. → xem mục 2.

Xem gợi ý câu 3

Timeout có thể che việc action đầu đã được nhận; retry thiếu idempotency dễ tạo hành động trùng. → xem mục 2.

Xem gợi ý câu 4

Giữ research-only khi thiếu timestamp, log, giới hạn, approval hoặc khả năng thu hồi quyền ngay. → xem mục 4.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• OpenAI — A practical guide to building AI agents
• Anthropic — Building effective agents
• FINRA — Types of AI Agents
• FINRA — Risks of Auto-Trading Services Offered by Unregistered Entities
• NIST — AI Risk Management Framework

Đọc lại Năm lớp của một hệ thống AI Trading và Reinforcement Learning trong Trading, học tiếp Kiến trúc dữ liệu thời gian thực cho AI Trading, hoặc quay về AI Trading là gì?.

Chọn đúng bài trong lộ trình

Bài này tập trung vào agentic trading là gì — định nghĩa agentic trading, tool, quyền và guardrail. Nếu bạn cần bức tranh chung trước khi đi sâu, hãy bắt đầu từ AI Trading là gì? Hướng dẫn từ nền tảng đến kiểm định. Các bước liên quan trực tiếp là Reinforcement Learning trong Trading, Human-in-the-loop và Kill Switch và Tương lai AI Trading: từ bot tới hệ thống đa tác nhân.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.