25/05/2024
10,110 lượt đọc
Một trong những chỉ báo cơ bản mà các nhà đầu tư khi tiếp cận trường phái phân tích kỹ thuật thường sử dụng là mây Ichimoku (tên đầy đủ là Ichimoku Kinko Hyo) do ký giả người Nhật Goichi Hosada phát triển và công bố vào cuối những năm 60 của thế kỷ trước.
Mây Ichimoku bao gồm nhóm 5 đường chỉ báo kỹ thuật (gồm Tenkan, Kijun, Senkou A, Senkou B và Chikou). Trong đó, hai đường Senkou đóng vai trò tạo mây Kumo, còn các đường còn lại giúp tạo các điều kiện đủ để thực hiện giao dịch. Công thức và lý giải đầy đủ, mọi người có thể đọc tại bài blog của QM Capital.
Ý tưởng cơ bản để xây dựng chiến lược giao dịch liên quan tới mây Ichimoku là sự kết hợp giữa mây Kumo để tìm kiếm xu hướng tiềm năng và sự giao nhau giữa hai trong những đường còn lại để xác nhận xu hướng.
Trong bài này, QM Capital gửi tới bạn cách tạo chiến lược giao dịch cơ bản với chỉ báo trên QM Platform. Khi mây Kumo xanh (đường Senkou A nằm trên đường Senkou B), đây là tín hiệu thông báo cổ phiếu có xu hướng tăng trong tương lai, và ngược lại. Để xác nhận xu hướng tăng này, bạn có thể kết hợp tín hiệu đường Tenkan cắt lên đường Kijun. Ngoài ra, bạn có thể sử dụng các phương pháp khác để xác nhận xu hướng.
Thành phần chính:
Các thành phần của Ichimoku bao gồm 5 đường quan trọng, mỗi đường có thể đóng vai trò như một mức hỗ trợ hoặc kháng cự, và sự giao nhau giữa chúng thường được xem xét như một tín hiệu bổ sung:

Đám mây Ichimoku được dịch chuyển về phía trước 26 ngày so với dữ liệu hiện tại, giúp nhà đầu tư nhận diện sự hỗ trợ hoặc kháng cự tiềm năng trong tương lai. Trong ví dụ về cổ phiếu BID, giá đang trong xu hướng tăng, thể hiện qua việc giá nằm trên và cách xa đám mây Ichimoku màu xanh, với Span A cao hơn Span B. Điều này còn dự báo sự hỗ trợ mạnh ở mức giá 50 trong những ngày sắp tới.
Tín hiệu tăng giá:
Tín hiệu giảm giá:
Khởi tạo vị thế mua: (SenkanA > SenkanB) và (Tenkan cắt lên Kijun)
Cài đặt chỉ báo:
Độ dài đường Senkan: 52
Độ dài đường Kijun: 26
Độ dài đường Tenkan: 9
Điều kiện đóng lệnh: Điều kiện thoát vị thế sẽ được sử dụng bằng các lệnh dừng: Chốt lời, Cắt lỗ, Trailing take profit, Trailing stop loss.
Tỉ lệ chốt lời: 20 %
Tỉ lệ cắt lỗ: 10 %
Trailing take profit: 8 %
Trailing stop loss: 3 %
Tín hiệu mua được xác định khi có hai điều kiện:
Chiến lược được kiểm thử với các mã cổ phiếu FPT, MWG, VIC và chỉ số VNINDEX trong giai đoạn 2014 - 2024

Kết quả nổi bật:
| Kết quả | FPT | MWG | VIC | VNINDEX |
| Tỉ lệ thắng | 73.07% | 79.16% | 72.72% | 80% |
| Lợi nhuận cộng dồn | 77.91% | 122.23% | 127.29% | 124.08% |
| Số lượng lệnh | 26 | 24 | 22 | 20 |
| Hệ số Sharpe | 0.60 | 0.81 | 0.81 | 1.11 |
Kết quả chi tiết với mã cổ phiếu MWG:

Chi tiết kết quả kiểm thử chiến lược

Các chỉ số khác của chiến lược

Tín hiệu mua/bán của chiến lược

Kết quả lợi nhuận hàng tháng của chiến lược

Kết quả lợi nhuận hàng năm 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.
📌 Đầu tư không dựa vào cảm tính: Nền tảng cung cấp các công cụ phân tích giúp nhà đầu tư đưa ra các quyết định dựa trên dữ liệu và phân tích kỹ thuật, không dựa vào cảm tính cá nhân.
📢 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!