Chứng khoán Cơ bản → Nâng cao
Trang chủ / Phần 5 · Nâng cao / Module 22
🐍 Module 22 / 24 · 5 ngày Nâng cao

Phân tích định lượng với Python

Dùng Python/pandas tính lợi suất, độ biến động, Sharpe, drawdown, tương quan; backtest chiến lược cắt MA có tính phí; cách tránh look-ahead bias, overfitting và survivorship bias.

PythonpandasBacktestSharpe
📌 Vì sao module này quan trọng

Là lập trình viên (hoặc người muốn học), bạn có lợi thế lớn: có thể kiểm chứng ý tưởng bằng dữ liệu thay vì tin truyền miệng. Backtest không dự đoán tương lai nhưng giúp loại bỏ những ý tưởng tệ và hiểu rủi ro.

🎯 Mục tiêu học tập

  • Nạp dữ liệu giá và tính lợi suất
  • Tính biến động, Sharpe, drawdown, tương quan
  • Viết một backtest cắt MA có chi phí và tránh look-ahead
  • Diễn giải kết quả backtest một cách thận trọng
  • Hiểu các sai lầm thống kê phổ biến

Chuẩn bị dữ liệu

Dữ liệu lịch sử có thể lấy từ nhà cung cấp dữ liệu, API của CTCK hoặc xuất từ nền tảng biểu đồ. Cần cột date, open, high, low, close, volume. Kiểm tra giá điều chỉnh (adjusted) theo cổ tức, chia tách để lợi suất đúng.

import numpy as np
import pandas as pd

df = pd.read_csv("prices.csv", parse_dates=["date"], index_col="date").sort_index()
df = df[["close", "volume"]].dropna()

ret = df["close"].pct_change().dropna()          # lợi suất ngày
print(ret.describe())

Các thước đo cơ bản

TRADING_DAYS = 250                 # xấp xỉ số phiên giao dịch/năm
rf = 0.05                          # lãi suất phi rủi ro giả định (năm)

ann_return = (1 + ret).prod() ** (TRADING_DAYS / len(ret)) - 1
ann_vol    = ret.std() * np.sqrt(TRADING_DAYS)
sharpe     = (ret.mean() * TRADING_DAYS - rf) / ann_vol

equity = (1 + ret).cumprod()
drawdown = equity / equity.cummax() - 1
max_dd = drawdown.min()

print(f"CAGR={ann_return:.1%}  Vol={ann_vol:.1%}  Sharpe={sharpe:.2f}  MaxDD={max_dd:.1%}")
Thước đoÝ nghĩaLưu ý
CAGRLợi suất kép hằng nămNhạy với điểm bắt đầu/kết thúc
Độ biến động (volatility)Độ lệch chuẩn lợi suất, thước đo rủi ro cơ bảnKhông phân biệt biến động tăng/giảm
SharpeLợi suất vượt phi rủi ro trên mỗi đơn vị biến độngGiả định phân phối chuẩn; kỳ vọng nhỏ hơn trên dữ liệu thật
Max drawdownMức sụt giảm lớn nhất từ đỉnhQuan trọng cho tâm lý và vốn
Tương quanMức cùng chiều giữa hai tài sảnThay đổi, tăng lên khi khủng hoảng

Backtest chiến lược cắt MA (có phí, tránh look-ahead)

fast = df["close"].rolling(20).mean()
slow = df["close"].rolling(50).mean()

signal = (fast > slow).astype(int)       # 1 = nắm giữ, 0 = đứng ngoài
pos = signal.shift(1).fillna(0)          # QUAN TRỌNG: dùng tín hiệu của phiên trước (tránh look-ahead)

cost = 0.0040                            # ~0,4% mỗi vòng mua+bán (phí + thuế), giả định
trades = pos.diff().abs().fillna(0)      # = 1 khi mở/đóng vị thế
strat_ret = pos * df["close"].pct_change() - trades * (cost / 2)

bt = pd.DataFrame({"buy_hold": (1 + df["close"].pct_change().fillna(0)).cumprod(),
                   "ma_cross": (1 + strat_ret.fillna(0)).cumprod()})
print(bt.iloc[-1])
print("Số lần đổi vị thế:", int(trades.sum()))
Bốn câu hỏi bắt buộc khi đọc kết quả

(1) Có thắng buy-and-hold sau chi phí không? (2) Drawdown tối đa có chịu nổi không? (3) Kết quả có bền với các tham số lân cận (MA 18/48, 22/52...) hay chỉ đúng một bộ? (4) Có ổn định giữa các giai đoạn (ví dụ chia dữ liệu làm hai nửa)?

Các sai lầm thống kê

Sai lầmMô tảCách tránh
Look-ahead biasDùng dữ liệu chưa có tại thời điểm quyết định (quên shift tín hiệu)Luôn trễ tín hiệu 1 kỳ; kiểm tra bằng đọc lại từng dòng
OverfittingDò quá nhiều tham số để lấy kết quả đẹpGiới hạn tham số, kiểm chứng ngoài mẫu
Survivorship biasChỉ dùng cổ phiếu hiện còn niêm yếtDùng dữ liệu gồm cả mã đã huỷ niêm yết
Bỏ qua chi phí / trượt giáKết quả đẹp, thực tế âmTính phí, thuế, trượt giá thực tế
Mẫu nhỏVài chục lệnh không đủ kết luậnCần đủ mẫu và nhiều giai đoạn
Data snoopingThử nhiều ý tưởng, chỉ giữ cái tốt nhấtĐiều chỉnh ý nghĩa thống kê, kiểm chứng độc lập
# Tương quan lợi suất của nhiều mã
rets = pd.concat([pd.read_csv(f"{s}.csv", parse_dates=["date"], index_col="date")["close"].pct_change()
                  for s in ["AAA", "BBB", "CCC"]], axis=1, keys=["AAA", "BBB", "CCC"]).dropna()
print(rets.corr())
Cảnh báo cuối

Một backtest đẹp chỉ là điều kiện cần, không phải đủ. Thị trường thay đổi; hãy thử trên tài khoản giả lập rồi vốn rất nhỏ trước khi tin.

⚠️ Sai lầm thường mắc

❌ Quên shift tín hiệu

Vì sao nguy hiểm: Kết quả đẹp phi thực tế vì “biết trước tương lai”.

Cách làm đúng: Dùng tín hiệu của phiên trước để vào lệnh phiên sau.

❌ Tối ưu tham số đến khi đẹp

Vì sao nguy hiểm: Overfitting, thất bại ngoài mẫu.

Cách làm đúng: Dùng tham số chuẩn, kiểm tra độ nhạy.

❌ Không tính phí và thuế

Vì sao nguy hiểm: Chiến lược giao dịch nhiều trông đẹp nhưng thực tế âm.

Cách làm đúng: Thêm cost vào mỗi lần đổi vị thế.

❌ Chỉ nhìn tổng lợi nhuận

Vì sao nguy hiểm: Bỏ qua drawdown, rủi ro, độ ổn định.

Cách làm đúng: Xem Sharpe, max drawdown, phân phối lợi suất.

❌ Backtest trên một mã trong một giai đoạn

Vì sao nguy hiểm: Kết luận không khái quát.

Cách làm đúng: Thử nhiều mã và giai đoạn.

📌 Cần nhớ
  • Tính lợi suất, biến động, Sharpe, drawdown từ chuỗi giá.
  • Luôn shift tín hiệu để tránh look-ahead.
  • Tính chi phí giao dịch trong backtest.
  • Kiểm chứng ngoài mẫu và độ nhạy tham số.

🧩 Tự kiểm tra (bấm để xem đáp án)

1. Vì sao cần signal.shift(1)?
Để quyết định của phiên T chỉ dựa vào thông tin đã biết tại cuối phiên T−1 (tránh look-ahead bias).
2. Max drawdown phản ánh điều gì?
Mức sụt giảm lớn nhất từ đỉnh vốn xuống đáy tiếp theo.
3. Survivorship bias là gì?
Chỉ phân tích các mã còn tồn tại nên bỏ qua mã thất bại, làm kết quả đẹp hơn thực tế.
4. Một chiến lược có Sharpe cao trên 1 mã, 1 giai đoạn. Đáng tin chưa?
Chưa; cần kiểm chứng nhiều mã, giai đoạn, ngoài mẫu và sau chi phí.

🏋️ Bài tập thực hành

Backtest của riêng bạn

Lấy dữ liệu 5–10 năm của một chỉ số/ETF. Viết backtest cắt MA như mẫu, thử 3 bộ tham số khác nhau. Lập bảng: CAGR, Sharpe, max drawdown, số lần giao dịch, và so với buy-and-hold. Viết 5 nhận xét thận trọng.

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Tính được Sharpe, drawdown bằng pandas
  • Viết backtest có shift và chi phí
  • Biết 5 loại sai lầm thống kê
  • Hoàn thành backtest cá nhân
Miễn trừ trách nhiệm: Nội dung chỉ nhằm mục đích giáo dục, không phải lời khuyên đầu tư, không khuyến nghị mua/bán bất kỳ cổ phiếu hay sản phẩm tài chính nào. Mọi công ty, mã cổ phiếu, số liệu và biểu đồ trong ví dụ đều là giả định/giả lập trừ khi ghi rõ. Quy định (phí, thuế, biên độ, giờ giao dịch, tỷ lệ margin...) thay đổi theo thời gian; hãy đối chiếu với văn bản pháp luật và thông báo mới nhất của UBCKNN, HOSE, HNX, VSDC và công ty chứng khoán. Đầu tư chứng khoán có rủi ro mất một phần hoặc toàn bộ vốn.