21/05/2024
11,509 lượt đọc
Chỉ báo Relative Strength Index (RSI) là một công cụ quan trọng trong phân tích kỹ thuật được sử dụng để đo lường tốc độ (động lượng) và biên độ (độ lớn) của các chuyển động giá theo hướng. Chỉ báo này giúp nhà đầu tư xác định sự mua quá mức hoặc bán quá mức và tìm hiểu về tình hình tương quan giữa lực mua và lực bán.
Cách sử dụng chỉ báo kỹ thuật RSI hiệu quả
(Việc xét ngưỡng của chỉ báo sẽ tùy thuộc vào từng chiến lược của nhà đầu tư)

Engulfing là một mô hình nến Nhật Bản có thể giúp các nhà giao dịch phân tích tâm lý thị trường và xác định một xu hướng mới khi nó bắt đầu.

Điều kiện đóng lệnh:
Chiến lược được kiểm thử với các mã cổ phiếu: HPG, FPT và chỉ số VNIndex trong giai đoạn 2007 - 2024

Kết quả chi tiết với chỉ số VNIndex:

Chi tiết kết quả kiểm thử chiến lược

Lợi nhuận hàng năm của chiến lược

Các chỉ số khác của chiến lược
Điều kiện Mở lệnh và Đóng lệnh của chiến lược sẽ hiển thị như sau:
Kết quả với tín hiệu lệnh mua/bán

Tín hiệu mua/bán của chiến lược
QM Platform được thiết kế giúp nhà đầu tư có thể dễ dàng Backtest và tạo bot giao dịch:
📌 Không cần am hiểu về lập trình: Nền tảng QM Platform thân thiện với người dùng nhờ tính năng kéo thả, cho phép nhà đầu tư dễ dàng Backtest với các chiến lược.
📌 Hiệu suất nhanh chóng: Kết quả kiểm thử chiến lược được trả về trong vài giây với một khối lượng lớn dữ liệu, các mã cổ phiếu. Từ đó giúp đánh giá và so sánh với các tiêu chí một cách nhanh chóng.
📌 Nguồn dữ liệu phong phú: Kho dữ liệu của QM Platform bao gồm một loạt các chỉ báo kỹ thuật và mẫu nến, từ cơ bản đến nâng cao, cho phép người dùng có cái nhìn toàn diện về thị trường. Sự đa dạng này giúp nhà đầu tư phân tích và đánh giá các khía cạnh khác nhau của thị trường, từ xu hướng và động lượng đến khối lượng và biến động.
📌 Tùy chỉnh linh hoạt: Nhà đầu tư có thể dễ dàng điều chỉnh với các chiến lược, các tham số phù hợp với khẩu vị rủi ro của bản thân.
📢 HÃY THỬ NGHIỆM CHIẾN LƯỢC CỦA BẠN NGAY TRÊN NỀN TẢNG: QM PLATFORM NGAY HÔM NAY
0 / 5
Trong lĩnh vực quantitative finance, có một số công cụ mạnh mẽ nhưng ít được chú ý đến so với những mô hình phổ biến như Deep Learning hay SMA crossover. Một trong những công cụ mạnh mẽ đó chính là Mô hình Không gian Trạng thái (State-space models) và Bộ lọc Kalman (Kalman filter). Mặc dù có vẻ phức tạp, nhưng những công cụ này lại cực kỳ hữu ích và mạnh mẽ khi áp dụng vào việc phân tích và dự đoán thị trường tài chính. Mặc dù nghe có vẻ như là những mô hình nguyên thủy, thực tế chúng là những công cụ cực kỳ mạnh mẽ và bền bỉ (robust), đặc biệt trong môi trường thay đổi nhanh chóng của các thị trường tài chính.
Khi thực hiện bất kỳ chiến lược giao dịch nào trên thị trường tài chính, một yếu tố không thể thiếu chính là khả năng giải thích (interpretability) của mô hình giao dịch. Điều này đặc biệt quan trọng trong bối cảnh môi trường biến động và khi quản lý rủi ro là yếu tố sống còn đối với các quỹ đầu tư và các trader chuyên nghiệp. Mỗi chiến lược giao dịch không chỉ cần phải hiệu quả mà còn phải dễ hiểu, có thể giải thích một cách rõ ràng tại sao tín hiệu mua/bán lại được đưa ra trong một tình huống cụ thể.
Trong thực tế, rất nhiều ý tưởng giao dịch nghe qua đều có vẻ hợp lý. Ví dụ như mua khi giá vượt MA dài hạn, mua khi cổ phiếu breakout kèm thanh khoản tăng, hoặc đứng ngoài khi thị trường chung nằm dưới đường trung bình dài hạn. Nếu chỉ nhìn chart bằng mắt, rất dễ cảm thấy những ý tưởng như vậy “có vẻ đúng”. Vấn đề là cảm giác đó không đủ để dùng tiền thật. Với QM Capital, giá trị đầu tiên và lớn nhất của vectorized backtesting không phải là để khoe một equity curve đẹp, mà là để biến một ý tưởng mơ hồ thành một bộ quy tắc kiểm tra được.
Khi mới học quant trading, nhiều người thường tập trung gần như toàn bộ vào phần mô hình. Họ nghĩ rằng nếu dự báo đúng hơn một chút, hoặc nếu tìm được một tín hiệu chính xác hơn phần còn lại của thị trường, thì kết quả giao dịch chắc chắn sẽ tốt. Cách nghĩ này không sai hoàn toàn, nhưng mới đúng một nửa. Trong giao dịch thực tế, dự báo chỉ là điểm bắt đầu. Sau đó còn một bước quan trọng hơn nhiều: biến tín hiệu đó thành vị thế thật, giao dịch thật, lợi nhuận thật.
Nếu phải chọn một rủi ro làm hỏng nhiều chiến lược định lượng nhất, thì đó thường không phải là thiếu mô hình hiện đại, mà là overfitting. Nói đơn giản, overfitting xảy ra khi mô hình học quá kỹ dữ liệu quá khứ đến mức nó không chỉ học tín hiệu thật, mà còn học luôn cả nhiễu. Khi nhìn lại lịch sử, mọi thứ trông rất đẹp: độ chính xác cao, equity curve mượt, drawdown dễ chịu, Sharpe ratio hấp dẫn. Nhưng đến khi đem sang giai đoạn mới, hoặc live trading, mô hình bắt đầu hỏng rất nhanh.
Có một hiểu lầm rất phổ biến khi mới bước vào quant trading: cứ nghe đến “quant” là nghĩ ngay đến deep learning, transformers, reinforcement learning, foundation models, hay ít nhất cũng phải có một thứ gì đó đủ phức tạp để nghe giống phòng lab hơn là bàn giao dịch. Nhưng nếu nhìn vào cách nhiều tổ chức thật đang vận hành, bức tranh lại bớt hào nhoáng hơn nhiều.
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!