27/06/2024
4,566 lượt đọc
Nêm giảm là một mẫu hình tăng giá và được coi là mẫu hình đảo chiều. Trong bài viết này QM Capital sẽ giải thích khái niệm của mẫu hình nêm giảm, tầm quan trọng của nó cũng như cách tiếp cận kỹ thuật để giao dịch mẫu hình này.
Falling Wedge là một mẫu hình tăng giá bắt đầu rộng ở đỉnh và thu hẹp lại khi giá giảm xuống. Mẫu hình nêm giảm hình thành khi giá của một chứng khoán có vẻ như đang xoắn xuống, và hai đường hướng xuống được tạo ra với giá chạm thấp hơn (1, 3, 5) và cao hơn thấp (2, 4). Hai đường của mẫu hình giao nhau tạo thành một tam giác hẹp. Tuy nhiên, khác với mẫu hình tam giác giảm, cả hai đường cần phải có một độ dốc xuống rõ rệt, với đường trên có sự giảm mạnh hơn.

Biểu đồ minh họa mẫu hình nêm giảm
Mẫu hình này thường được liên kết với thị trường không rõ ràng, vì sự co lại (thu hẹp) của phạm vi thị trường chỉ ra rằng không có phe bò hay phe gấu nào kiểm soát. Tuy nhiên, có một khả năng rõ ràng là các nhà tham gia thị trường sẽ đổ xô vào hoặc bán ra, và giá có thể di chuyển lên hoặc xuống với khối lượng lớn (dẫn đến sự phá vỡ).


Loại chỉ báo tốt nhất cho mẫu hình nêm giảm là sự phân kỳ trên các bộ dao động giá-xung lượng như Bộ dao động ngẫu nhiên hoặc Chỉ số sức mạnh tương đối (RSI).
Mẫu hình nêm giảm đóng vai trò như một mẫu hình đảo chiều trong ví dụ này. Giá của các cổ phiếu đã chứng kiến các đỉnh thấp hơn và các đáy thấp hơn sau một đợt giảm mẫu hình nêm giảm dần hoạt động như một mẫu hình đảo chiều trong xu hướng giảm. Trong ví dụ dưới đây QM Capital sẽ giới thiệu 2 mã cổ phiếu (DBD và EVE) đang sở hữu mẫu hình nên giảm được hình thành trong thời gian 6 tháng năm đầu 2024.
Mã cổ phiếu: EVE

Mã cổ phiếu EVE

Một số mã cổ phiếu có mẫu hình nêm giảm trên nền tảng QMTrade
Với QMTrade, tính năng tự động cập nhật mẫu hình, cho phép người dùng dễ dàng và nhanh chóng xác định xu hướng của các mẫu hình họ quan tâm.
Lưu ý: Để hạn chế tổn thất tiềm năng khi giá đột nhiên đi theo hướng ngược lại, nhà đầu tư nên xem xét đặt một lệnh dừng bán ở hoặc dưới mức giá đột phá.
Nguồn:
Strike. (2024). Falling Wedge Pattern: What is it? How it Works? and How to Trade?. [Online]. Strike. Last Updated: 2024. Available at: https://www.strike.money/technical-analysis/falling-wedge-pattern
📌 HÃY KIỂM THỬ CHIẾN LƯỢC VỚI CHỈ BÁO TRÊN TẠI QMTRADE NGAY HÔM NAY: QMTRADE
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!