Ma Trận, Tensor và Đại Số Nhiệt Đới: Đại Số Tuyến Tính cho Phát Hiện Chênh Lệch Giá

Phần 4 của loạt bài "Chuỗi Chênh Lệch Giá Phức Tạp Giữa Hợp Đồng Tương Lai và Giao Ngay"

Hãy tưởng tượng một đại sảnh khổng lồ nơi hàng trăm nhà giao dịch đổi tiền tệ đồng thời. Mỗi người có tỷ giá, phí và đặc điểm riêng. Bạn đứng ở giữa với một cuốn sổ tay, cố tìm một lộ trình đổi tiền mang lại lợi nhuận: đô la sang euro, euro sang yên, yên trở lại đô la—và bước ra với nhiều hơn khi bắt đầu. Rất dễ bị lạc. Nhưng nếu bạn ghi tất cả tỷ giá vào một bảng—một ma trận—thì sự hỗn loạn đột nhiên có cấu trúc. Các giá trị riêng của ma trận này sẽ cho bạn biết liệu có tồn tại chênh lệch giá hay không. Đại số nhiệt đới sẽ tìm ra lộ trình tối ưu. Và phân rã tensor sẽ tiết lộ các mẫu hình vô hình với mắt thường.

Trong bài viết này, chúng ta sẽ hành trình từ một bảng tỷ giá đơn giản đến các phương pháp phân tích đa chiều nâng cao—và mỗi bước sẽ được hỗ trợ bằng một cài đặt trong Rust.

Trực quan hóa ma trận tỷ giá giữa các tiền điện tử: các cạnh đồ thị biểu diễn các cặp giao dịch, và chu kỳ được tô sáng đại diện cho cơ hội chênh lệch giá được phát hiện.

1. Ma Trận Tỷ Giá: Nền Tảng

1.1 Từ Hỗn Loạn đến Bảng

Giả sử chúng ta có n tài sản: BTC, ETH, USDT, SOL, v.v. Mỗi cặp có thể được trao đổi theo một tỷ giá nhất định. Ma Trận Tỷ Giá R là một bảng n × n trong đó phần tử R[i][j] cho biết chúng ta nhận được bao nhiêu đơn vị tài sản j cho một đơn vị tài sản i.

Thuộc tính của một ma trận được xây dựng tốt:

• Đường chéo: R[i][i] = 1—trao đổi một tài sản với chính nó không thay đổi gì.
• Tính dương: R[i][j] > 0 cho tất cả các cặp.
• Tính nghịch đảo (trong thị trường lý tưởng): R[i][j] * R[j][i] = 1.

Trong Rust, chúng ta có thể biểu diễn điều này bằng nalgebra:

use nalgebra::DMatrix;

/// Builds an exchange rate matrix from a set of trading pairs
fn build_exchange_rate_matrix(
    assets: &[&str],
    rates: &[((usize, usize), f64)],
) -> DMatrix<f64> {
    let n = assets.len();
    let mut matrix = DMatrix::from_element(n, n, 0.0);

    // Diagonal: exchange for self = 1
    for i in 0..n {
        matrix[(i, i)] = 1.0;
    }

    // Fill known rates
    for &((i, j), rate) in rates {
        matrix[(i, j)] = rate;
        // Reciprocal rate (if there is no direct one)
        if matrix[(j, i)] == 0.0 {
            matrix[(j, i)] = 1.0 / rate;
        }
    }

    matrix
}

1.2 Điều Kiện Không Có Chênh Lệch Giá

Đây là định lý then chốt mà mọi thứ khác đều được xây dựng dựa trên đó.

Định lý. Một thị trường không có chênh lệch giá khi và chỉ khi với bất kỳ chu kỳ tài sản nào (i₁, i₂, ..., iₖ, i₁), tích của các tỷ giá dọc theo chu kỳ bằng một:

R[i₁][i₂] * R[i₂][i₃] * ... * R[iₖ][i₁] = 1

Công thức tương đương: Ma trận R không có chênh lệch giá khi và chỉ khi hạng của nó là 1 (theo nghĩa nhân). Điều này có nghĩa là tồn tại một vectơ giá p = (p₁, p₂, ..., pₙ) sao cho:

R[i][j] = pj / pi   for all i, j

Ma trận R phân rã thành tích ngoài R = (1/p) * pᵀ—và đây là một ma trận hạng 1. Nếu ma trận thực tế lệch khỏi hạng 1—thì ở đâu đó đang ẩn một cơ hội chênh lệch giá.

2. Phương Pháp Giá Trị Riêng: Chênh Lệch Giá trong O(n³)

2.1 Định Lý của Ming Ma

Một trong những cách tiếp cận thanh lịch nhất để phát hiện chênh lệch giá được đề xuất bởi Ming Ma vào năm 2007. Ý tưởng thật xuất sắc và đơn giản.

Định lý (Ming Ma). Cho R là ma trận tỷ giá n × n. Nếu thị trường không có chênh lệch giá, thì:

1. Giá trị riêng lớn nhất λ_max = n.
2. Tất cả các giá trị riêng khác đều bằng không.
3. Vectơ riêng tương ứng v đại diện cho giá cân bằng.

Tại sao nó hoạt động? Một ma trận không có chênh lệch giá có hạng 1, và vết của nó (tổng các phần tử đường chéo) bằng n (vì mỗi R[i][i] = 1). Đối với ma trận hạng 1, giá trị riêng duy nhất khác không bằng vết. Do đó, λ_max = n.

Tiêu chí chênh lệch giá: Chênh lệch giá tồn tại khi và chỉ khi λ_max > n. Độ lệch δ = λ_max - n ước lượng định lượng quy mô của cơ hội chênh lệch giá.

3. Đại Số Nhiệt Đới (Max-Plus): Phương Pháp Thanh Lịch Nhất

3.1 Khi Phép Cộng Trở Thành Giá Trị Lớn Nhất

Đây có lẽ là phát hiện đẹp nhất trong nghiên cứu của chúng ta. Đại số nhiệt đới là một hệ thống đại số trong đó các phép tính quen thuộc được định nghĩa lại:

• "Phép cộng": a ⊕ b = max(a, b)
• "Phép nhân": a ⊗ b = a + b

Phép nhân ma trận trong đại số này tự động tìm kiếm đường đi có tổng trọng số lớn nhất. Đây chính xác là những gì cần thiết để tìm chu kỳ chênh lệch giá có lợi nhất.

3.2 Giá Trị Riêng Nhiệt Đới và Chênh Lệch Giá

Lấy ma trận log của tỷ giá L[i][j] = ln(R[i][j]). Tính giá trị riêng nhiệt đới λ của ma trận L.

Định lý. λ > 0 khi và chỉ khi tồn tại chênh lệch giá. Hơn nữa, exp(λ) là hệ số lợi nhuận của chu kỳ tốt nhất.

/// Tropical (max-plus) matrix multiplication
fn tropical_matmul(a: &DMatrix<f64>, b: &DMatrix<f64>) -> DMatrix<f64> {
    let n = a.nrows();
    let m = b.ncols();
    let k = a.ncols();
    let mut result = DMatrix::from_element(n, m, f64::NEG_INFINITY);

    for i in 0..n {
        for j in 0..m {
            for l in 0..k {
                // Tropical multiplication: max instead of sum, + instead of *
                let val = a[(i, l)] + b[(l, j)];
                if val > result[(i, j)] {
                    result[(i, j)] = val;
                }
            }
        }
    }
    result
}

4. PCA và Mô Hình Nhân Tố: Chênh Lệch Giá Thống Kê

Chuyển từ chênh lệch giá xác định (chênh lệch giá trực tiếp) sang chênh lệch giá thống kê—tìm kiếm các sai lệch hệ thống so với mô hình nhân tố.

Phân Tích Thành Phần Chính (PCA) phân rã lợi nhuận tài sản thành các nhân tố hệ thống và phần dư đặc thù:

ri(t) = αi + Σk βik * Fk(t) + εi(t)

trong đó Fk(t) là nhân tố thứ k, βik là hệ số tải, và εi(t) là phần dư—tín hiệu chênh lệch giá.

4.1 Lý Thuyết Ma Trận Ngẫu Nhiên (RMT)

Câu hỏi then chốt: giữ bao nhiêu nhân tố? Phân phối Marchenko-Pastur mô tả phổ giá trị riêng của một ma trận hiệp phương sai ngẫu nhiên. Các giá trị riêng trên giới hạn trên $λ_+$ mang tín hiệu thực sự, trong khi những giá trị trong giới hạn là nhiễu.

5. Phương Pháp Tensor: Chiều Thứ Ba của Chênh Lệch Giá

Chênh lệch giá tiền điện tử liên quan đến nhiều chiều đồng thời. Ma trận tỷ giá chỉ là một lát cắt 2D. Bức tranh thực tế là một Tensor:

T(a, e, i) = price/rate for asset a on exchange e for instrument i

Các chiều:

• Mode 1 (Tài sản): BTC, ETH, SOL, ...
• Mode 2 (Sàn giao dịch): Binance, Kraken, Coinbase, ...
• Mode 3 (Công cụ): Giao ngay, Vĩnh cửu, Hợp đồng tương lai, ...

Phân rã CP (CANDECOMP/PARAFAC) phân tích tensor thành tổng của các tensor hạng 1. Phần dư T - T_approx tiết lộ các bất thường nơi các tổ hợp giá/sàn giao dịch/công cụ cụ thể được định giá sai so với cấu trúc nhân tố thị trường tổng thể.

Kết Luận

Từ các bảng đơn giản đến các tensor đa chiều, đại số tuyến tính cung cấp một ngôn ngữ chính thức cho thị trường tiền điện tử. Rust cho phép chúng ta thực thi các mô hình phức tạp này với tốc độ cần thiết cho HFT.

Trong phần tiếp theo, chúng ta sẽ khám phá GNN, Transformers và RL cho Chênh Lệch Giá, xem xét cách mạng thần kinh học cách giao dịch.

Đang phân tích các tín hiệu đa chiều? Xem Tensor-Based Trading Engine trên GitHub của chúng tôi.