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

Trả lời ngắn: Khung hồi quy (Regression Framework) là chuỗi cổng nối câu hỏi, dữ liệu, đặc tả, khớp, chẩn đoán và đánh giá với quyết định có điều kiện. Nó không phải công thức mới: mỗi cổng cần bằng chứng, và R² cao không cho phép bỏ qua phạm vi, thời gian hay bất định.

Đọc xong, bạn sẽ hiểu:

  • Định tuyến câu hỏi mô tả, ước lượng, dự báo và mô phỏng sang đúng nhánh.
  • Truy ngược một ví dụ tám kỳ từ hiệp phương sai đến R², sai số dư và độ nhạy.
  • Tự điền hộ chiếu hồi quy và dừng khi bằng chứng chưa đủ.

1. Khung hồi quy là gì? Một chuỗi cổng, không phải công thức mới

Một cổng là điểm kiểm tra phải có bằng chứng trước khi sang bước tiếp. Khung này có tám cổng:

  1. Câu hỏi và cách dùng kết quả.
  2. Hợp đồng dữ liệu.
  3. Khám phá quan hệ.
  4. Đặc tả mô hình.
  5. Khớp hệ số.
  6. Chẩn đoán và kiểm độ nhạy.
  7. Đánh giá theo đúng thời gian/giao thức.
  8. Quyết định dùng, giữ lại để điều tra hoặc bác bỏ.

Penn State đặt “biết mục tiêu và câu hỏi nghiên cứu” ở đầu chiến lược xây mô hình, rồi mới khám phá dữ liệu, chia phần phát triển/đánh giá, so mô hình và xem sai số dư (STAT 501 — Model Building). Đảo thứ tự dễ tạo câu chuyện rất tròn nhưng trả lời sai câu hỏi.

Bốn đích thường bị trộn:

  • Mô tả liên hệ: hai biến đã quan sát đi cùng nhau ra sao.
  • Ước lượng có điều kiện: Y khớp thay đổi thế nào khi X thay đổi, giữ các điều kiện đã nêu.
  • Dự báo: ước lượng mục tiêu tương lai bằng thông tin thật sự có tại mốc cắt.
  • Truyền bất định: cho đầu vào thay đổi theo giả định rồi xem phân phối đầu ra.

Chín bài trước mỗi bài giữ một việc:

Bài Vai trò trong khung
Correlation #31 Chuẩn hóa chiều và độ chặt tuyến tính của một cặp
Covariance #32 Giữ dấu đồng biến và đơn vị tích
Linear Regression #33 Viết quan hệ một X–một Y thành đường khớp
Multiple Regression #34 Thêm X và đọc hệ số khi giữ biến khác cố định
R-squared #35 Đo phần biến thiên giảm được so với mức nền
Regression Assumptions #36 Đọc dấu vết còn lại trong sai số dư
Time Series #37 Giữ thứ tự, tần suất và độ trễ
Forecasting #38 Khóa mốc, chân trời, mức chuẩn và sai số
Monte Carlo #39 Truyền giả định thành phân phối mô phỏng

Hình 1 — Một chỉ số đẹp không cho phép nhảy qua cổng dữ liệu, chẩn đoán hoặc đánh giá.

2. Định tuyến câu hỏi và khóa hợp đồng dữ liệu

Trước hết, viết một câu hỏi có động từ. “X và Y liên quan không?” là mô tả. “Khi X tăng một đơn vị, Y khớp thay đổi bao nhiêu?” là ước lượng có điều kiện. “Y kỳ sau là bao nhiêu?” là dự báo. “Nếu tham số đầu vào dao động thì Y trải ra sao?” là truyền bất định.

Ví dụ, bảng chuyến taxi cũ có thể mô tả quãng đường và tiền đi cùng nhau hoặc tóm tắt mức cước khớp mỗi km. Báo giá chuyến sáng mai lại cần điểm đón, thời gian, phụ phí và giao thức đánh giá riêng.

Mục tiêu (Y) là biến câu hỏi muốn mô tả hoặc ước lượng. Biến giải thích (X) là đầu vào được ghép với Y; chữ “giải thích” không biến X thành nguyên nhân. Nếu muốn diễn giải tác động, dữ liệu quan sát và hồi quy đơn thuần thường chưa kiểm soát đủ yếu tố gây nhiễu.

Tiếp theo là hợp đồng dữ liệu: bản ghi phạm vi, đơn vị, thời gian, khóa ghép và thời điểm sẵn có. Tối thiểu ghi:

  • Y là gì, đơn vị gì, đo lúc nào?
  • Mỗi X có cùng hàng, cùng kỳ và có trước Y không?
  • Dữ liệu là toàn bộ nhóm hay một mẫu?
  • Ô thiếu, trùng, sửa lại và ngoại lệ được xử lý thế nào?
  • Kết luận được phép là mô tả, diễn giải hay dự báo?

Giá mỗi kg ngày thứ Hai không thể ghép với tổng tiền ngày thứ Sáu rồi gọi là cùng giao dịch. Với dữ liệu thời gian, rò rỉ xảy ra khi thông tin tương lai chui vào bước khớp hoặc đánh giá.

Nếu có nhiều X, Multiple Regression #34 đòi hỏi từng cột có lý do, có sẵn lúc sử dụng và phù hợp câu hỏi “giữ các X khác cố định”. Quy trình chọn biến dự báo không phù hợp khi mục tiêu là nghiên cứu tác động từng biến (FPP3 — Selecting Predictors).

Hình 2 — Công cụ được chọn sau câu hỏi, không phải câu hỏi được uốn theo công cụ.

3. Từ hai cột đến mô hình: đi hết ví dụ tám kỳ

Ta dùng lại tám cặp thay đổi hoàn toàn giả định từ #31–#36. Đơn vị là điểm phần trăm; X và Y cùng kỳ:

Kỳ X Y
1 −1,2 −0,9
2 −0,4 −0,1
3 0,2 0,1
4 0,7 0,5
5 1,1 0,8
6 −0,8 −0,6
7 0,5 0,4
8 1,4 1,0

Tầng khám phá

Biểu đồ phân tán gần một đường đi lên. Hiệp phương sai mẫu bằng 0,6035714286 (điểm phần trăm)²; dấu dương nói hai độ lệch thường cùng chiều. Tương quan Pearson bằng 0,9936151218; thước đã chuẩn hóa cho thấy liên hệ tuyến tính dương rất chặt trong tám cặp. Cả hai chưa chứng minh nhân quả hoặc ổn định ở giai đoạn khác.

Tầng khớp

Đường bình phương tối thiểu là:

ŷ = 0,0159297652 + 0,7150412524X

Hệ số góc nói: trong phạm vi tám cặp, X tăng một điểm phần trăm đi cùng Y khớp tăng khoảng 0,715041 điểm phần trăm. Hệ số chặn là Y khớp khi X bằng 0. Đây là mô tả có điều kiện của đường, không phải lời hứa.

Sai số dư là e=Y−ŷ. SSE cộng bình phương tám sai số dư:

SSE = 0,0389507087

Sai số dư có độ lớn lớn nhất nằm ở kỳ 2: khoảng |e|=0,170087. Bảng sai số cho biết đường bỏ lại gì; nó không phải sai số dự báo tương lai vì cả tám hàng đã tham gia khớp.

Tầng độ khớp

R² = 0,9872710102 nghĩa đường làm giảm khoảng 98,73% tổng biến thiên bình phương của Y quanh trung bình trong mẫu này. NIST cảnh báo R² cao không bảo đảm mô hình phù hợp và đặt phân tích đồ thị sai số dư vào trung tâm xác nhận mô hình (NIST — Model Fit).

Một phép thử độ nhạy làm câu chuyện đổi hẳn. Thêm điểm giả định (1,8;−1,5) vào bản sao:

  • Hệ số góc còn 0,226277.
  • Hệ số chặn thành −0,116302.
  • R² còn 0,076802.

Không phải “xóa điểm xấu”. Việc đúng là điều tra nguồn, thời điểm và cơ chế; báo cả hai kết quả. Mẫu nhỏ khiến một hàng có sức nặng lớn.

Hình 3 — Mỗi tầng thêm bằng chứng nhưng độ nhạy có thể đảo câu chuyện.

4. Chẩn đoán, thời gian và bất định: ba nhánh không được gộp

Nhánh chẩn đoán

Chẩn đoán kiểm mẫu hình sai số dư và độ nhạy. Bốn cổng cốt lõi liên quan dạng tuyến tính, sự độc lập, độ rộng sai số ổn định và phân phối sai số cho suy luận. Penn State dùng đồ thị sai số dư theo giá trị khớp, thứ tự và xác suất để đọc chúng (STAT 501 — Model Assumptions).

Đường cong trong sai số dư gợi ý dạng tuyến tính thiếu cấu trúc. Hình quạt gợi ý độ rộng sai số thay đổi. Một chuỗi chạy theo thứ tự gợi ý phụ thuộc. Đuôi dày hoặc điểm rất xa làm khoảng/kiểm định cổ điển dễ sai. Với nhiều X, đa cộng tuyến và điểm có ảnh hưởng là kiểm tra đi kèm, không phải tên khác của bốn giả định.

Nhánh thời gian và dự báo

Khi hàng có thứ tự thời gian, chia ngẫu nhiên có thể cho tương lai chui vào quá khứ. Đánh giá ngoài mẫu dùng quan sát không tham gia ước lượng. FPP3 yêu cầu mỗi tập huấn luyện chỉ gồm quan sát có trước quan sát kiểm tra trong time-series cross-validation (FPP3 — Time Series Cross-validation).

Muốn dự báo, phải khóa mốc cắt, chân trời và mức chuẩn, tức phương pháp đơn giản dùng làm chuẩn. Ví dụ #38 cố định tại kỳ 8 có sai số [1,7,16,10], MAE 8,5 và RMSE 10,0747. Đó là bốn bước từ một mốc; không được xếp hạng trực tiếp với cuốn chiếu một bước vì hai bên nhận lượng thông tin khác nhau.

Nếu câu hỏi là dự báo, một đường khớp đẹp trong mẫu chưa trả lời đúng câu hỏi.

Nhánh bất định và mô phỏng

Khoảng dự báo cần giả định về sai số và giao thức bao phủ. Monte Carlo lấy mẫu lặp từ phân phối đầu vào rồi truyền qua mô hình; NIST yêu cầu khai báo biến, phân phối và số lượt trước khi chạy (NIST — Monte Carlo Tool).

Nhiều đường mô phỏng không sửa công thức thiếu biến, quan hệ phụ thuộc sai hoặc chế độ chưa có trong đầu vào. Monte Carlo đứng sau cổng mô hình và giả định, không phải tấm vé vượt qua chúng.

Hình 4 — Dự báo kiểm trình tự thời gian, còn mô phỏng kiểm hệ quả của giả định.

5. Bảy lỗi, danh sách kiểm tra và hộ chiếu hồi quy 15 phút

Bảy lỗi phải chặn

  1. Chạy tương quan trước khi khóa câu hỏi và cách ghép hàng.
  2. Đổi tương quan hoặc hệ số hồi quy thành câu chuyện nhân quả.
  3. Thêm X vì R² tăng, không vì câu hỏi và thời điểm sẵn có.
  4. Chọn mô hình bằng chính dữ liệu dùng để báo hiệu quả.
  5. Nhìn R² rồi bỏ đồ thị sai số dư và phép thử độ nhạy.
  6. Xáo dữ liệu thời gian hoặc so chéo giao thức dự báo.
  7. Dùng Monte Carlo để làm mô hình yếu trông “định lượng” hơn.

Danh sách kiểm tra theo thứ tự

  1. Viết câu hỏi, mục tiêu dùng và điều không được suy ra.
  2. Khóa Y, X, đơn vị, kỳ, khóa ghép và thời điểm sẵn có.
  3. Vẽ dữ liệu; kiểm thiếu, trùng, ngoại lệ và đổi chế độ.
  4. Ghi mô hình ứng viên trước khi nhìn kết quả thuận mắt.
  5. Khớp hệ số; báo SSE/R² cùng phạm vi trong hay ngoài mẫu.
  6. Xem sai số dư, ảnh hưởng, độ nhạy và các giả định liên quan.
  7. Nếu có thời gian, dùng cách chia theo thời gian, mức chuẩn, chân trời và lỗi.
  8. Nếu mô phỏng, khóa phân phối, phụ thuộc, số lượt và chỉ số đầu ra.
  9. Đối chiếu với cổng chấp nhận đã định trước: dùng, dừng hoặc bác bỏ.

Penn State tách phần phát triển để ước lượng và phần xác nhận để đo khả năng dự báo, đồng thời yêu cầu xem sai số dư, tính gọn và khả năng đo X (STAT 501 — Model Building).

Bài Google Sheets miễn phí

Dùng 15 phút, dữ liệu giả và không dùng tiền thật:

  1. Nhập Kỳ/X/Y ở mục 3 vào A2:C9.
  2. Vẽ biểu đồ phân tán.
  3. =COVARIANCE.S(B2:B9,C2:C9) → 0,6035714286.
  4. =CORREL(B2:B9,C2:C9) → 0,9936151218.
  5. =SLOPE(C2:C9,B2:B9) → 0,7150412524.
  6. =INTERCEPT(C2:C9,B2:B9) → 0,0159297652.
  7. =RSQ(C2:C9,B2:B9) → 0,9872710102.
  8. D2 tính ŷ; E2 =C2-D2; F2 =E2^2; kéo xuống. Tổng F là 0,0389507087.
  9. Trong bản sao, thêm X=1,8, Y=−1,5; ghi hệ số góc/R² mới và không xóa hàng gốc.

Google Sheets liệt kê chính thức CORREL, COVARIANCE.S, SLOPE, INTERCEPT, RSQ và LINEST trong nhóm hàm thống kê (Google Sheets Function List).

Mẫu đối chiếu đã điền

Cổng Bằng chứng Trạng thái
Câu hỏi Mô tả quan hệ tuyến tính cùng kỳ X/Y; không nhân quả ĐẠT
Dữ liệu 8 cặp giả định, điểm %, cùng kỳ, không thiếu ĐẠT minh họa
Khám phá Hiệp phương sai 0,603571; r 0,993615; điểm gần thẳng ĐẠT mô tả
Khớp ŷ=0,015930+0,715041X; SSE 0,038951; R² 0,987271 ĐẠT trong mẫu
Chẩn đoán max ` e
Độ nhạy thêm (1,8;−1,5) làm hệ số góc 0,226277, R² 0,076802 KHÔNG ĐẠT
Thời gian chưa có giao thức dự báo ngoài mẫu theo thời gian CHƯA KIỂM TRA
Quyết định chỉ dùng để học; không dự báo, không triển khai DỪNG

Hình 5 — Đạt trong mẫu vẫn kết thúc ở trạng thái dừng khi độ nhạy và ngoài mẫu chưa đạt.

6. Tổng kết Giai đoạn 4 và sang định lượng cho nhà đầu tư

Năm ý chính

  • Khung hồi quy là chuỗi cổng bằng chứng, không phải công thức thứ mười.
  • Câu hỏi quyết định nhánh mô tả, ước lượng, dự báo hay mô phỏng.
  • Hiệp phương sai, tương quan, hệ số, SSE và R² trả lời các câu khác nhau.
  • Sai số dư, độ nhạy và ngoài mẫu có thể bác câu chuyện đẹp trong mẫu.
  • Dừng là kết quả hợp lệ khi dữ liệu, thời gian hoặc bất định chưa đạt cổng.

Câu hỏi tự kiểm tra

  • Vì sao tương quan cao không cho phép bỏ cổng hợp đồng dữ liệu?
  • R² 0,987271 trong ví dụ đã nói được và chưa nói được gì?
  • Khi nào phải dùng cách chia theo thời gian thay vì chia ngẫu nhiên?
  • Monte Carlo đứng ở đâu trong chuỗi tám cổng?

Gợi ý đáp án

Xem gợi ý câu 1

Tương quan chỉ tóm tắt cặp đã ghép; sai kỳ, đơn vị hoặc thời điểm làm con số trả lời sai phạm vi. → xem mục 2.

Xem gợi ý câu 2

Nó đo phần biến thiên giảm được trong tám hàng; chưa chứng minh nhân quả, độ bền, giả định hoặc dự báo ngoài mẫu. → xem mục 3.

Xem gợi ý câu 3

Khi mục tiêu nằm trong tương lai, mọi quan sát phát triển phải có trước quan sát kiểm tra; chia ngẫu nhiên có thể rò rỉ. → xem mục 4.

Xem gợi ý câu 4

Monte Carlo đứng sau khi mô hình, phân phối và phụ thuộc đã được khóa; nó truyền giả định chứ không xác nhận giả định. → xem mục 4.

Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
Khung hồi quy Chuỗi cổng từ câu hỏi đến quyết định có điều kiện
Hợp đồng dữ liệu Bản ghi phạm vi, đơn vị, thời gian và khóa ghép
Mục tiêu Y Biến câu hỏi muốn mô tả hoặc ước lượng
Biến giải thích X Đầu vào ghép với Y, không tự động là nguyên nhân
Đặc tả mô hình Lựa chọn biến, dạng hàm và quan hệ cần khớp
Sai số dư Y quan sát trừ Y khớp
R² Phần biến thiên giảm được so với mức nền trong phạm vi
Ngoài mẫu Dữ liệu không dùng để ước lượng hệ số
Mức chuẩn Phương pháp đơn giản làm chuẩn cùng giao thức
Cổng chấp nhận Tiêu chí định trước cho dùng, dừng hoặc bác bỏ

Nguồn tham khảo

Giai đoạn 4 dừng ở một mô hình có điều kiện và điểm dừng, không phải giấy chứng nhận. Tiếp tục Beta #41 để sang phần định lượng cho nhà đầu tư; khi cần, quay lại Monte Carlo #39 hoặc toàn bộ Quantitative Finance Zero to Hero.

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.