AI đọc biểu đồ: đọc được gì, không đọc được gì, dùng thế nào

Từ năm 2023, “gửi ảnh chụp biểu đồ cho AI để nó nói bước tiếp theo” đã thành một cách dùng phổ biến. Những gì nó làm được nhiều hơn bạn tưởng; những gì nó không làm được cũng nhiều hơn những gì truyền thông hứa hẹn.

AI đọc được gì trên biểu đồ

• Nhận diện cấu trúc: đường xu hướng, biên vùng đi ngang, đỉnh và đáy trước, hỗ trợ kháng cự rõ ràng
• Đánh dấu mô hình: xác định vị trí nhấn chìm, búa, hai đỉnh và hai đáy
• Tính nhất quán: xử lý vài chục biểu đồ theo cùng một chuẩn, không mệt và không bỏ sót như con người
• Giải thích: diễn đạt bằng lời vì sao vùng này quan trọng, hữu ích cho việc học và đúc kết

Những gì nó không làm được

Một, nó không dự báo. Biểu đồ không chứa thông tin về tương lai. Mọi khẳng định kiểu “đọc biểu đồ để đoán giá” thực chất là tìm quy luật trong dữ liệu quá khứ, và quy luật đó có đứng vững ngoài mẫu hay không thì phải kiểm chứng độc lập.

Hai, nó không xử lý quan hệ nhân quả. Nó thấy hình dạng giá, không thấy “vì sao”: lộ trình lãi suất, phát ngôn của ngân hàng trung ương, cấu trúc vị thế. Trong khi đó đây chính là nguồn gốc của biến động ngoại hối.

Ba, nó dễ suy diễn quá mức. Bảo nó “tìm mô hình” thì kiểu gì nó cũng tìm ra vài cái, kể cả khi biểu đồ chẳng có gì. Đây là xu hướng cố hữu của mô hình sinh: khi bị yêu cầu kết luận, nó sẽ kết luận.

Một kết quả nghiên cứu đáng lưu ý

Một nghiên cứu công bố năm 2025 trên Humanities and Social Sciences Communications (thuộc nhóm Nature) đã kiểm tra khả năng của các mô hình đa phương thức trong việc dự đoán diễn biến biểu đồ tài chính. Kết luận: “khả năng dự báo” mà các mô hình này thể hiện bị đánh giá cao hơn thực tế rõ rệt, và lợi thế thu hẹp mạnh ngay khi kiểm soát chặt các bài kiểm tra ngoài mẫu.

Điều này không có nghĩa AI vô dụng với biểu đồ, mà là giá trị của nó nằm ở đọc và đánh dấu, không nằm ở dự báo. Nhầm lẫn hai việc này chính là điểm khởi đầu của phần lớn cách dùng sai.

Ba cách dùng sai điển hình

Sai một: coi kết luận của AI là tín hiệu. “AI nói sẽ tăng” và “tôi nghĩ sẽ tăng” có sức mạnh chứng cứ như nhau, và cả hai đều không thay thế được kiểm chứng ngoài mẫu.

Sai hai: dùng ảnh chụp thay cho dữ liệu. Ảnh chụp làm mất giá chính xác, dấu thời gian và khối lượng. Cùng một hình dạng có thể ứng với những môi trường biến động hoàn toàn khác nhau.

Sai ba: chỉ hỏi “làm gì” mà không hỏi “vì sao”. Cách dùng tốt là để nó giải thích cấu trúc (“vì sao vùng này là kháng cự”), không phải để nó cho hướng (“giờ nên mua hay bán”).

Cách dùng đúng: AI làm lượt một, người làm lượt hai

• AI đánh dấu: để nó liệt kê các vùng then chốt, mô hình và cấu trúc xu hướng
• Người kiểm tra: soát từng dòng xem có đúng quy tắc của bạn không (khung thời gian đúng chưa, vị trí đúng chưa)
• Ghi vào kế hoạch: chỉ những kết luận đã qua kiểm tra mới vào kế hoạch giao dịch, đầu ra thô của AI không tham gia quyết định
• Ghi chép: lưu lại “AI đã nói gì, thực tế diễn ra thế nào”, để tích lũy dữ liệu sai lệch của chính bạn

Cách đặt câu hỏi: ba yếu tố quyết định chất lượng

Với cùng một biểu đồ, cách hỏi khác nhau cho kết quả rất khác. Một câu hỏi hiệu quả thường gồm ba yếu tố:

Một, nêu rõ khung thời gian và mã. “Đây là EUR/USD khung 4 giờ” tốt hơn hẳn việc chỉ gửi một tấm ảnh — nếu không, mô hình phải đoán từ trục tọa độ, và đoán sai khung là toàn bộ phân tích lệch theo.

Hai, giới hạn loại nhiệm vụ. Nói rõ “chỉ mô tả cấu trúc: hướng xu hướng, biên vùng, các vùng then chốt gần nhất”, thay vì “bạn nghĩ tiếp theo thế nào”. Nhiệm vụ càng cụ thể, đầu ra càng kiểm chứng được.

Ba, yêu cầu nêu căn cứ. “Mỗi kết luận phải chỉ ra bạn dựa vào những cây nến nào” — yêu cầu này giảm mạnh xác suất bịa, vì mô hình buộc phải chỉ vào vị trí cụ thể trên biểu đồ.

Ngược lại, cách hỏi tệ nhất là “phân tích biểu đồ này”. Một câu hỏi mở như vậy sẽ tạo ra câu trả lời trông đầy đủ nhưng không thể kiểm chứng.

Cách kiểm tra chất lượng đánh dấu

Đừng đánh giá bằng cảm giác. Hãy làm một bài kiểm tra đơn giản: lấy 30 biểu đồ lịch sử (đã đi xong), để AI đánh dấu vùng then chốt và mô hình, rồi bạn tự đánh dấu theo cùng bộ tiêu chí, và ghi lại ba thứ:

• Trong các vùng then chốt nó đánh dấu, bao nhiêu vùng bạn thấy hợp lý (độ chính xác)
• Trong các vùng then chốt bạn xác nhận, bao nhiêu vùng nó bỏ sót (độ bao phủ)
• Trong các phán đoán mô hình của nó, bao nhiêu là suy diễn quá mức (tỷ lệ dương tính giả)

Chạy xong 30 biểu đồ, bạn có bộ số liệu của riêng mình. Nếu độ chính xác quanh 70% và tỷ lệ dương tính giả vượt 30%, hãy chỉ coi nó là “lượt đánh dấu thô đầu tiên”, tuyệt đối không đưa thẳng vào quyết định.

Giá trị của bài tập này không nằm ở việc chấm điểm AI, mà ở chỗ buộc bạn viết rõ tiêu chí của mình. Nhiều người làm xong mới phát hiện mình chưa từng có định nghĩa rõ ràng cho “vùng then chốt”.

Ba tình huống dùng được ngay

Tình huống một: mười phút trước phiên. Gửi biểu đồ ngày của ba mã và để nó liệt kê “hướng xu hướng hiện tại cộng hai vùng then chốt phía trên và phía dưới”. Sau khi kiểm tra, bạn ghi vào kế hoạch trong ngày: cách này nhanh hơn tự đọc lại từ đầu.

Tình huống hai: đúc kết ảnh chụp của chính mình. Gửi ảnh chụp giao dịch trong tuần và hỏi “các điểm vào này có đặc điểm chung gì”. Những mô tả quy luật nó đưa ra dùng làm manh mối, sau đó bạn xác nhận bằng dữ liệu của mình.

Tình huống ba: học một mô hình mới. Để nó tìm trên một biểu đồ tất cả các mô hình nhấn chìm có thể có và giải thích vì sao: cách này gần với biểu đồ thật hơn hình minh họa trong sách.

Điểm chung của ba tình huống: AI chịu trách nhiệm nhìn, bạn chịu trách nhiệm phán đoán. Ngay khi để nó vượt sang tầng phán đoán, giá trị của nó biến thành nhiễu.

Câu hỏi thường gặp

AI có thay được việc đúc kết không? Nó thay được bước “đánh dấu biểu đồ”, không thay được bước “phán đoán đúng sai”. Cốt lõi của đúc kết là tìm ra sai lệch thực thi của bạn, việc đó cần quy tắc của chính bạn làm chuẩn.

Có thể phân tích nhiều khung thời gian bằng AI không? Được, nhưng mỗi lần chỉ một khung, để nó đánh dấu riêng rồi bạn tự tổng hợp. Gửi nhiều ảnh cùng lúc thì mô hình dễ nhầm khung.

Nó chính xác hơn ở những mã nào? Với những mã thanh khoản tốt và cấu trúc rõ (EUR/USD, USD/JPY, vàng), chất lượng đánh dấu thường tốt hơn; các cặp chéo và tiền tệ phụ nhiễu hơn.

Module Charti trên site đúng là hướng sản phẩm biến bước “đọc và đánh dấu biểu đồ” thành công cụ: đưa vào một biểu đồ, nó trả ra cấu trúc, vùng then chốt và mô hình, còn phán đoán vẫn để cho bạn.