Có mấy cách xử lý khi dữ liệu bị thiếu

Phân tích dữ liệu chứng khoán để dự đoán xu hướng dựa trên giá cả và khối lượng giao dịch là một bài toán phổ biến trong lĩnh vực tài chính định lượng. Các phương pháp sau đây có thể được sử dụng:

a. Hồi quy (Regression): Hồi quy là một phương pháp thống kê dùng để mô hình hóa mối quan hệ giữa một biến phụ thuộc (trong trường hợp này là xu hướng giá chứng khoán) và một hoặc nhiều biến độc lập (ví dụ: giá, khối lượng giao dịch của các ngày trước đó). Hồi quy có thể giúp xác định mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc và dự đoán giá trị của biến phụ thuộc trong tương lai.

b. San bằng mũ (Exponential Smoothing): Đây là một phương pháp dự báo chuỗi thời gian, trong đó các quan sát gần đây có trọng số lớn hơn các quan sát xa hơn. San bằng mũ có thể hữu ích để dự đoán xu hướng ngắn hạn của giá chứng khoán, nhưng có thể không hiệu quả bằng hồi quy khi xem xét nhiều biến độc lập.

c. Trung bình trượt (Moving Average): Phương pháp này tính trung bình của giá trong một khoảng thời gian nhất định (ví dụ: 5 ngày, 10 ngày) và sử dụng giá trị trung bình này để dự đoán giá trong tương lai. Tương tự như san bằng mũ, trung bình trượt thường được sử dụng để dự đoán xu hướng ngắn hạn.

Trong trường hợp này, hồi quy là phương pháp phù hợp nhất vì nó cho phép xem xét nhiều biến độc lập (giá, khối lượng giao dịch) và mô hình hóa mối quan hệ giữa chúng để dự đoán xu hướng giá chứng khoán. Các phương pháp khác như san bằng mũ và trung bình trượt có thể được sử dụng, nhưng thường kém hiệu quả hơn khi có nhiều biến ảnh hưởng đến giá.

Thuộc tính "Loại khách hàng" với các giá trị "VIP", "Premium" và "Economic" thể hiện sự phân loại khách hàng thành các nhóm khác nhau. Các nhóm này có thể được sắp xếp theo thứ tự (ví dụ: VIP > Premium > Economic) hoặc không. Tuy nhiên, quan trọng là chúng đại diện cho các danh mục riêng biệt.

• Liên tục: Dữ liệu liên tục là dữ liệu có thể nhận bất kỳ giá trị nào trong một phạm vi nhất định (ví dụ: chiều cao, cân nặng). Loại khách hàng không thuộc loại này.
• Định danh: Dữ liệu định danh (nominal) là dữ liệu được sử dụng để gán nhãn hoặc phân loại các đối tượng, nhưng không có thứ tự tự nhiên giữa các nhãn (ví dụ: màu sắc, giới tính). Loại khách hàng có thể được coi là định danh nếu không có sự xếp hạng nào giữa chúng.
• Rời rạc: Dữ liệu rời rạc là dữ liệu chỉ có thể nhận một số giá trị hữu hạn hoặc đếm được (ví dụ: số lượng sản phẩm, số lượng khách hàng). Mặc dù số lượng loại khách hàng là hữu hạn, nhưng bản chất của thuộc tính này không phải là số đếm.
• Xếp hạng/thứ tự: Dữ liệu xếp hạng (ordinal) là dữ liệu có thể được sắp xếp theo một thứ tự nhất định, nhưng khoảng cách giữa các giá trị không nhất thiết phải bằng nhau (ví dụ: mức độ hài lòng, thứ hạng trong một cuộc thi). Trong trường hợp này, "VIP", "Premium", và "Economic" có thể được hiểu là các thứ hạng khác nhau của khách hàng.

Vì "Loại khách hàng" có các giá trị đại diện cho các cấp bậc hoặc thứ tự khác nhau, nên nó thuộc kiểu dữ liệu "Xếp hạng/ thứ tự". Tuy nhiên, nếu không có sự xếp hạng mặc định, nó có thể là "Định danh". Trong các lựa chọn được đưa ra, "Xếp hạng/ thứ tự" phù hợp nhất nếu ta giả định có một thứ bậc ngầm định giữa các loại khách hàng.

Câu hỏi này kiểm tra kiến thức về các công cụ thống kê trong Excel dùng để tổng hợp dữ liệu đa chiều.

a. Subtotal: Hàm Subtotal được dùng để tính toán các giá trị tổng hợp (như tổng, trung bình, v.v.) cho một danh sách hoặc cơ sở dữ liệu. Nó có thể được sử dụng để tạo ra các tổng phụ theo các nhóm, nhưng không linh hoạt như PivotTable trong việc tổng hợp dữ liệu đa chiều.

b. Tất cả đều đúng: Phương án này chỉ đúng khi cả Subtotal, PivotTable và Consolidate đều có khả năng tổng hợp dữ liệu đa chiều hiệu quả. Tuy nhiên, PivotTable là công cụ mạnh nhất cho mục đích này.

c. PivotTable: PivotTable là một công cụ mạnh mẽ trong Excel cho phép tổng hợp, phân tích và trình bày dữ liệu một cách linh hoạt. Nó cho phép bạn kéo và thả các trường dữ liệu vào các vùng hàng, cột, giá trị và bộ lọc, tạo ra các báo cáo tổng hợp dữ liệu đa chiều một cách dễ dàng. Đây là công cụ phù hợp nhất để tổng hợp dữ liệu đa chiều.

d. Consolidate: Consolidate cho phép bạn tổng hợp dữ liệu từ nhiều nguồn khác nhau vào một bảng duy nhất. Nó hữu ích khi bạn có dữ liệu từ nhiều bảng tính hoặc tệp và muốn tạo ra một bản tóm tắt duy nhất. Tuy nhiên, nó không linh hoạt bằng PivotTable trong việc khám phá và phân tích dữ liệu đa chiều.

Vì vậy, đáp án chính xác nhất là PivotTable, vì nó được thiết kế đặc biệt để tổng hợp dữ liệu đa chiều một cách linh hoạt và hiệu quả.

Cây quyết định và mạng nơ-ron là hai thuật toán có thể xử lý nhiều kiểu dữ liệu khác nhau (số, phân loại, v.v.). Tuy nhiên, mạng nơ-ron có khả năng xử lý dữ liệu phức tạp và phi tuyến tính tốt hơn so với cây quyết định. Logistic Regression thường được sử dụng cho các bài toán phân loại nhị phân và SVM hoạt động tốt với dữ liệu số và yêu cầu tiền xử lý kỹ lưỡng cho dữ liệu hỗn hợp. Vì vậy, mạng nơ-ron là lựa chọn phù hợp nhất trong các thuật toán được liệt kê để xử lý nhiều kiểu dữ liệu khác nhau một cách hiệu quả.

Trong bài toán phân lớp đa nhãn/đa lớp, các chỉ số Accuracy, Recall, Precision và F1-score đều có thể được sử dụng để đánh giá hiệu quả của mô hình. Tuy nhiên, F1-score thường được ưu tiên hơn vì nó là trung bình điều hòa của Precision và Recall, giúp cân bằng giữa hai yếu tố này. Accuracy có thể không phù hợp trong trường hợp dữ liệu không cân bằng. Do đó, F1-score là lựa chọn tốt nhất để đánh giá mô hình trong bài toán này.