22/03/2024
33,836 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 đầu tư và quant trading, alpha được hiểu là phần lợi nhuận vượt trội mà một strategy tạo ra so với thị trường. Nếu một chiến lược có thể kiếm được lợi nhuận tốt hơn mức tăng chung của thị trường một cách ổn định, người ta nói rằng strategy đó có alpha. Ví dụ nếu chỉ số thị trường tăng trung bình 10% mỗi năm, nhưng một strategy trading tạo ra lợi nhuận 15% mỗi năm, thì phần 5% vượt trội có thể được xem là alpha. Nhiệm vụ chính của các trader định lượng và các quỹ quant chính là tìm ra những signal hoặc pattern trong dữ liệu có thể tạo ra alpha như vậy.
Một trong những khái niệm quan trọng nhất trong quant trading là Signal vs Noise. Nói đơn giản, signal là thông tin thực sự có giá trị dự báo cho biến động giá trong tương lai, còn noise là những biến động ngẫu nhiên của thị trường không mang nhiều ý nghĩa. Vấn đề là trong thị trường tài chính, hai thứ này gần như luôn trộn lẫn với nhau. Mỗi ngày thị trường tạo ra hàng nghìn chuyển động nhỏ: tin tức, dòng tiền ngắn hạn, giao dịch của các quỹ, thậm chí là các lệnh stop loss của trader cá nhân. Phần lớn những chuyển động này thực ra chỉ là noise, nhưng vì trader nhìn thấy giá thay đổi liên tục nên rất dễ nhầm lẫn rằng mọi biến động đều là tín hiệu.
Những giai đoạn thị trường giảm mạnh do chiến tranh hoặc căng thẳng địa chính trị thường khiến nhà đầu tư rơi vào trạng thái rất khó giao dịch. Tin tức tiêu cực xuất hiện liên tục, tâm lý thị trường thay đổi nhanh và dòng tiền có xu hướng rút khỏi tài sản rủi ro. Trong những thời điểm như vậy, nhiều chiến lược đầu tư truyền thống như “mua và giữ” thường gặp khó khăn vì thị trường không còn tăng ổn định mà chuyển sang trạng thái biến động mạnh.
Phần lớn các chiến lược quant không bắt đầu từ những mô hình toán học phức tạp, mà từ một giả thuyết khá đơn giản về hành vi của thị trường. Quant trading thực chất là quá trình biến những quan sát như vậy thành rule có thể kiểm tra bằng dữ liệu. Trên thị trường chứng khoán Việt Nam, một trong những giả thuyết phổ biến nhất là momentum – tức là những cổ phiếu tăng mạnh trong một khoảng thời gian thường có xu hướng tiếp tục tăng thêm một thời gian nữa vì dòng tiền vẫn đang tập trung vào đó. Điều này có thể thấy khá rõ trong thực tế. Ví dụ trong giai đoạn thị trường tích cực, nhiều cổ phiếu dẫn dắt thường tăng mạnh hơn chỉ số chung.
Trong quant trading, dữ liệu không chỉ là nguyên liệu đầu vào mà thực chất là nền tảng quyết định toàn bộ chất lượng của chiến lược. Không giống discretionary trading, nơi trader có thể dựa vào trực giác hoặc kinh nghiệm, quant trading phụ thuộc hoàn toàn vào việc phân tích dữ liệu lịch sử để tìm ra các pattern có thể lặp lại trong tương lai. Những dữ liệu này có thể rất đa dạng: market data truyền thống như giá và khối lượng giao dịch, dữ liệu order book, dữ liệu macro như lãi suất hoặc CPI, thậm chí các dạng alternative data như sentiment từ tin tức hoặc dữ liệu vệ tinh theo dõi hoạt động logistics
Khi bắt đầu xây dựng một chiến lược trading, đa số mọi người thường bắt đầu từ một ý tưởng rất đơn giản. Ví dụ như: mua khi giá vượt lên trên đường trung bình 50 ngày và bán khi giá rơi xuống dưới. Logic phía sau khá trực quan: khi giá giao dịch cao hơn mức trung bình trong một thời gian dài, có thể thị trường đang hình thành xu hướng tăng.
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!