22/03/2024
32,420 lượt đọc
Cách lấy dữ liệu bằng thư viện Vnstock
Tiếp nối phần trước về cách lấy dữ liệu bằng VNQuant. Bài viết này, QM Capital sẽ giới thiệu một phương pháp khác là Vnstock và thư viện này cũng dùng chung nền tảng là Python. Vnstock là thư viện Python được thiết kế bởi tác giả Vũ Thịnh nhằm để tải dữ liệu chứng khoán Việt Nam một cách dễ dàng và hoàn toàn miễn phí. Thư viện này sử dụng các nguồn cấp dữ liệu đáng tin cậy từ công ty chứng khoán và công ty phân tích thị trường tại Việt Nam. Gói này cũng được thiết kế dựa trên nguyên tắc về sự đơn giản và mã nguồn mở, hầu hết các hàm được viết dựa trên thư viện request và pandas có sẵn trên môi trường Google Colab do đó người dùng không cần cài đặt thêm các gói thư viện kèm theo.
Hình 1.1. Danh sách mã chỉ số
Hình 1.2. Dữ liệu lịch sử giá của hợp đồng tương lai VN30F1M
Hình 1.3. Dữ liệu khớp lệnh trong ngày giao dịch
Hình 1.4. Dữ liệu lịch sử của VNINDEX
Hình 1.5. Xuất file dữ liệu để sẵn sàng sử dụng với Amibroker

Hình 1.6. Biểu đồ nến và khối lượng của MWG
Dưới đây là Link Google Colab hướng dẫn chi tiết:
Phương pháp 2: Download dữ liệu từ thư viện Vnstock
Trên đây là một số ưu, nhược điểm của thư viện Vnstock mà QM Capital đã tổng hợp, hẹn mọi người trong bài viết sau về cách lấy dữ liệu từ các sàn giao dịch trên thế giới từ Tradingview bằng thư viện Tvdatafeed .
0 / 5
Trong giao dịch theo hệ thống, khoảnh khắc khó chịu nhất không phải là một phiên thua lỗ lớn, mà là một chuỗi thua đều đặn kéo dài. Ở thị trường Việt Nam, đặc biệt với phái sinh VN30F1M, sáu tháng liên tục không hiệu quả là đủ để khiến phần lớn trader bắt đầu nghi ngờ mọi thứ mình đang làm.
Một trong những giả định ngầm nhưng có ảnh hưởng lớn nhất đến cách nhà đầu tư tiếp cận thị trường là việc coi thị trường tài chính như một cỗ máy. Theo cách nhìn này, nếu hiểu đủ rõ các biến số đầu vào, nếu xây dựng được mô hình đủ tinh vi, ta có thể dự đoán chính xác đầu ra – giá sẽ đi đâu, khi nào, và bao xa.
Mô hình head and shoulders (vai đầu vai) là một trong những mô hình phân tích kỹ thuật cơ bản nhưng rất mạnh mẽ trong việc dự đoán xu hướng thị trường. Mô hình này rất phổ biến trong các giao dịch chứng khoán cơ sở và phái sinh, đặc biệt là tại các thị trường có độ biến động cao như Việt Nam. Được coi là mô hình đảo chiều, head and shoulders thường xuất hiện sau một xu hướng tăng, báo hiệu rằng giá có thể đảo chiều giảm, hoặc có thể xuất hiện ngược lại sau một xu hướng giảm, báo hiệu sự đảo chiều thành tăng.
Khi trader mới bước vào thị trường, đặc biệt là phái sinh VN30, một trong những câu chuyện được kể nhiều nhất là: “Có market maker kéo giá quét stop”. Sau vài lần bị hit stop rất gọn, đúng đỉnh đúng đáy, cảm giác đó là hoàn toàn thật. Nhưng nếu dừng lại ở mức “có ai đó săn mình”, thì rất dễ đi lạc hướng.
Nếu phải mô tả thị trường tài chính giai đoạn 2026 bằng một cụm từ, thì đó là: khó định hình nhưng không hề yên ắng. Sau nhiều năm thị trường bị dẫn dắt bởi những câu chuyện lớn – từ COVID, kích thích tiền tệ, lạm phát cho tới AI – nhà đầu tư dần nhận ra một vấn đề: những narrative này không còn vận hành theo đường thẳng. Lãi suất không tăng mạnh nữa nhưng cũng không quay về mức cực thấp. Lạm phát hạ nhiệt nhưng vẫn dai dẳng. AI tiếp tục thay đổi nền kinh tế, nhưng lợi nhuận không còn phân bổ đồng đều như giai đoạn đầu. Trong một môi trường như vậy, đầu tư dựa trên một kịch bản duy nhất trở nên cực kỳ mong manh.
Với rất nhiều người bước vào trading định lượng, data mining gần như là phản xạ tự nhiên đầu tiên. Bạn có dữ liệu giá, có indicator, có máy tính đủ mạnh, vậy thì việc “quét” hàng trăm, hàng nghìn tổ hợp tham số để tìm ra chiến lược có lợi nhuận nghe rất hợp lý. Cảm giác này đặc biệt mạnh với những ai có nền tảng kỹ thuật: code chạy được, backtest ra equity curve đẹp, drawdown thấp, Sharpe cao – mọi thứ trông rất khoa học và thuyết phục.
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!