Trading & Investment hoạt động

Tổng quan

Overview — Tổng quan lĩnh vực

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Thống kê mô tả từ file Phân phối, phân vị, ngoại lai, kiểm định chuẩn

Bước đầu tiên với bất kỳ dữ liệu nào: nó phân phối thế nào, có ngoại lai không, và có gần chuẩn đủ để dùng trung bình với độ lệch chuẩn hay không.

Đang chạy trên dữ liệu mẫu, không phải dữ liệu của bạn. Các ô còn nguyên mẫu dựng sẵn: Dữ liệu (dán hoặc tải file CSV). Chọn nguồn dữ liệu khác ở cột bên trái rồi chạy lại để có kết quả của riêng bạn.
Số quan sát 15
Trung bình 13.8800
Độ lệch chuẩn 2.6211
Số ngoại lai (IQR) 1 (6.7%)
Kết luận Không phải phân phối chuẩn
① Nguồn dữ liệu

Nhận dấu phẩy, chấm phẩy hoặc tab; tự nhận dòng tiêu đề; hiểu cả 1.234.567 lẫn 1.234,56.

Chỉ tải http/https tới địa chỉ công khai; địa chỉ nội bộ bị từ chối.

② Tham số

Giá trị mặc định là ví dụ chạy được — bấm Tính ngay để xem kết quả, rồi thay dữ liệu của bạn vào.

Phân phối giá trị

Phân phối giá trị3.362.241.12-4.441e-1612: 312.5: 113: 313.5: 214: 314.5: 115: 115.5: 016: 016.5: 017: 017.5: 018: 018.5: 019: 019.5: 020: 020.5: 021: 021.5: 022: 022.5: 11213.51516.51819.52122.5

Trung bình 13.88, trung vị 13.3. Hai con số lệch nhau càng nhiều thì phân phối càng lệch, và trung bình càng kém đại diện.

Diễn giải nhanh

Độ lệch = +3.02

Dưới |0,5| coi như cân đối. Lệch dương nghĩa là đuôi kéo về phía giá trị lớn, và khi đó trung bình bị kéo cao hơn trung vị.

Độ nhọn thừa = +5.62

Dương nghĩa là đuôi béo hơn phân phối chuẩn — biến cố cực đoan xảy ra thường xuyên hơn công thức chuẩn dự báo.

Jarque–Bera = 42.60 → bác bỏ chuẩn ở mức 5%

Ngưỡng là χ²(2) = 5,99. Bác bỏ nghĩa là mọi công thức giả định phân phối chuẩn trên dữ liệu này đều sai lệch, đặc biệt ở đuôi.

1 ngoại lai (6.7%)

Theo quy tắc 1,5×IQR: ngoài khoảng 10.43 – 16.23. Kiểm tra xem đó là lỗi nhập liệu hay biến cố thật trước khi loại.

Khi nào con số này sai: Trung bình và độ lệch chuẩn chỉ mô tả tốt dữ liệu gần chuẩn. Với phân phối lệch hoặc đuôi béo — kết quả Jarque–Bera ở dưới cho biết — hãy đọc trung vị và các phân vị thay vì trung bình.

Chi tiết

Nhỏ nhất / lớn nhất 11.8000 / 22.7000
Trung vị 13.3000
Q1 / Q3 / IQR 12.6000 / 14.0500 / 1.4500
p05 / p95 11.8700 / 17.3800
Độ lệch (skew) +3.0233
Độ nhọn thừa (kurtosis) +5.6208
Jarque–Bera 42.597 → BÁC BỎ phân phối chuẩn ở mức 5%
Ngưỡng ngoại lai < 10.4250 hoặc > 16.2250
Hệ số biến thiên 0.1888

Phân phối giá trị

Phân phối giá trị3.362.241.12-4.441e-1612: 312.5: 113: 313.5: 214: 314.5: 115: 115.5: 016: 016.5: 017: 017.5: 018: 018.5: 019: 019.5: 020: 020.5: 021: 021.5: 022: 022.5: 11213.51516.51819.52122.5

Trung bình 13.88, trung vị 13.3. Hai con số lệch nhau càng nhiều thì phân phối càng lệch, và trung bình càng kém đại diện.

Chuỗi theo thứ tự nhập

Chuỗi theo thứ tự nhập24.0119.51510.49

Vẽ để phát hiện bậc thang, đứt gãy hoặc xu hướng — những thứ mà thống kê mô tả không nhìn thấy vì nó bỏ qua thứ tự.

Toàn bộ chỉ số

Nhỏ nhất / lớn nhất 11.8000 / 22.7000
Trung vị 13.3000
Q1 / Q3 / IQR 12.6000 / 14.0500 / 1.4500
p05 / p95 11.8700 / 17.3800
Độ lệch (skew) +3.0233
Độ nhọn thừa (kurtosis) +5.6208
Jarque–Bera 42.597 → BÁC BỎ phân phối chuẩn ở mức 5%
Ngưỡng ngoại lai < 10.4250 hoặc > 16.2250
Hệ số biến thiên 0.1888

Công thức đang dùng

Jarque–Bera = n/6·(S² + K²/4), bác bỏ chuẩn khi > 5.99

Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng. API tại /api/v1/tools/series-stats gọi đúng hàm này, nên kết quả trên trang và qua API không thể lệch nhau.

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Với ô dữ liệu: dán vài chục dòng để thử, hoặc tải file CSV/TXT lên để chạy thật. File tối đa 32 MB, 200.000 dòng; bộ đọc nhận dấu phẩy, chấm phẩy hoặc tab, tự nhận dòng tiêu đề, và hiểu cả 1.234.567 lẫn 1.234,56.
  3. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  4. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Tổng quan là gì

Quantitative trading là việc thay phán đoán bằng quy tắc kiểm chứng được: mọi quyết định vào lệnh, thoát lệnh và định cỡ vị thế đều viết thành hàm của dữ liệu, rồi đo trên lịch sử theo cách không cho phép nhìn trộm tương lai. Điểm khác biệt với giao dịch thủ công không nằm ở tốc độ mà ở chỗ bạn có thể chứng minh — hoặc bác bỏ — chiến lược trước khi đặt tiền thật.

Làm thế nào

  1. Phát biểu giả thuyết dưới dạng có thể sai: 'sau X thì Y xảy ra với xác suất cao hơn ngẫu nhiên'.
  2. Gán nhãn dữ liệu bằng triple-barrier (chạm TP, chạm SL, hết hạn) thay vì lấy lợi suất kỳ sau — nhãn phải phản ánh đúng cách lệnh thật kết thúc.
  3. Kiểm định bằng purged walk-forward có embargo, không phải train/test ngẫu nhiên.
  4. Phạt kết quả theo số lần thử: Deflated Sharpe và PBO.
  5. Định cỡ vị thế theo rủi ro cố định, không theo mức độ tự tin.

Cần dữ liệu gì

Nến OHLCV có timestamp UTC nhất quánSpread và phí thực tế theo từng khung giờLịch sự kiện kinh tế để loại các nến không đại diện

Đo bằng chỉ số nào

Expectancy (R) lãi kỳ vọng mỗi lệnh tính theo bội số rủi ro
Profit factor tổng lãi chia tổng lỗ; dưới 1.1 là biên quá mỏng
Deflated Sharpe Sharpe sau khi trừ phần do may mắn khi thử nhiều
Max drawdown mức sụt vốn sâu nhất từ đỉnh

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Dự đoán hướng giá bằng ML. Đo trên 385k nến H1 của 4 thị trường, AUC ngoài mẫu đạt 0.529 — kỹ năng có thật — nhưng expectancy −0.018R so với chi phí 0.019R, tức bằng đúng 0 sau spread.
! Tối ưu tham số rồi báo cáo kết quả tốt nhất. Trên bộ 8 tháng, quy trình chọn ngưỡng cho ra cấu hình xếp dưới trung vị ngoài mẫu 80% số lần (PBO 0.80).
! Đóng băng ngưỡng xác suất tuyệt đối. Model retrain trên dữ liệu dài hơn có phân phối dự báo co về 0.5, nên ngưỡng cũ dần chặn hết tín hiệu và chiến lược im lặng ngừng giao dịch.

Mô hình định lượng dùng trong Trading

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Bayesian Inferencebeta

Cập nhật niềm tin khi có dữ liệu mới.

Monte Carlohoạt động

Lấy mẫu ngẫu nhiên để ước lượng phân phối kết quả.

Markov Chainsắp có

Trạng thái kế tiếp chỉ phụ thuộc trạng thái hiện tại.

Hidden Markov Modelsắp có

Suy ra trạng thái ẩn từ quan sát.

Câu hỏi thường gặp

Tổng quan là gì?

Quantitative trading là việc thay phán đoán bằng quy tắc kiểm chứng được: mọi quyết định vào lệnh, thoát lệnh và định cỡ vị thế đều viết thành hàm của dữ liệu, rồi đo trên lịch sử theo cách không cho phép nhìn trộm tương lai. Điểm khác biệt với giao dịch thủ công không nằm ở tốc độ mà ở chỗ bạn có thể chứng minh — hoặc bác bỏ — chiến lược trước khi đặt tiền thật.

Tổng quan được làm như thế nào?

1. Phát biểu giả thuyết dưới dạng có thể sai: 'sau X thì Y xảy ra với xác suất cao hơn ngẫu nhiên'. 2. Gán nhãn dữ liệu bằng triple-barrier (chạm TP, chạm SL, hết hạn) thay vì lấy lợi suất kỳ sau — nhãn phải phản ánh đúng cách lệnh thật kết thúc. 3. Kiểm định bằng purged walk-forward có embargo, không phải train/test ngẫu nhiên. 4. Phạt kết quả theo số lần thử: Deflated Sharpe và PBO. 5. Định cỡ vị thế theo rủi ro cố định, không theo mức độ tự tin.

Tổng quan hay sai ở đâu?

Dự đoán hướng giá bằng ML. Đo trên 385k nến H1 của 4 thị trường, AUC ngoài mẫu đạt 0.529 — kỹ năng có thật — nhưng expectancy −0.018R so với chi phí 0.019R, tức bằng đúng 0 sau spread. Tối ưu tham số rồi báo cáo kết quả tốt nhất. Trên bộ 8 tháng, quy trình chọn ngưỡng cho ra cấu hình xếp dưới trung vị ngoài mẫu 80% số lần (PBO 0.80). Đóng băng ngưỡng xác suất tuyệt đối. Model retrain trên dữ liệu dài hơn có phân phối dự báo co về 0.5, nên ngưỡng cũ dần chặn hết tín hiệu và chiến lược im lặng ngừng giao dịch.

Đo tổng quan bằng chỉ số nào?

Expectancy (R) — lãi kỳ vọng mỗi lệnh tính theo bội số rủi ro; Profit factor — tổng lãi chia tổng lỗ; dưới 1.1 là biên quá mỏng; Deflated Sharpe — Sharpe sau khi trừ phần do may mắn khi thử nhiều; Max drawdown — mức sụt vốn sâu nhất từ đỉnh.

Tổng quan trên QuantHub đã dùng được chưa?

Đã chạy được: công cụ tính toán thật trên nền tảng này.

Chủ đề khác trong Trading

Toàn bộ Trading
Market Analysis Trading Tools Risk Pricing Models Reports API Documentation