Xây dựng chiến lược giao dịch

CHIẾN LƯỢC GIAO DỊCH VÀ 2 HƯƠNG VỊ?

Bạn có thể sử dụng chủ yếu 2 phương pháp chính trong việc phát triển 1 hệ thống giao dịch: Model-Based (tức là dựa trên mô hình) và Data-mining (tức là phương pháp đào dữ liệu).

Hệ thống Model-based bắt đầu với mô hình của 1 thị trường không hiệu quả, hay còn gọi là Market Inefficiency –dựa trên tâm lý của trader, nền kinh tế, cấu trúc thị trường hoặc các yếu tố tác động tới giá khác. Sự không hiệu quả tạo nên sự  dị thường của đường cong giá (a price curve anomaly) hoặc các khuôn mẫu (pattern) chệch khỏi quy tắc bước ngẫu nhiên (random-walk) – khi có thể dự đoán dc, chúng được dùng cho các thuật toán để giao dịch. Một vài ví dụ về phương pháp giao dịch dựa trên mô hình bao gồm:
1. Giao dịch theo xu hướng (Trend-Following)
2. Giao dịch theo xu hướng đảo chiều về trung bình (Mean-Reversion)
3. 
Giao dịch theo chu kì giá (Price cycles)
4. 
Giao dịch theo phân cụm giá (Price Clusters)
5. Giao dịch theo chiến lược chênh lệnh giá thống kê (Statistical Arbitrage)
6. Giao dịch theo tính mùa vụ (Price Seasonality)

Vấn đề ở chỗ: 1 mô hình không phải là một thứ gì đó thực tế. Đó chỉ là một hình ảnh được đơn giản hóa. Người ta không thể chứng minh được là nó đúng, cũng chẳng thể chứng minh được ràng nó sai. Giá trị của nó chỉ có thể được xác định bởi ảnh hưởng của nó lên trên đường cong giá (Price Curve). Sự hữu ích của phương pháp này phụ thuộc vào tầm quan trọng (Significance) và sự ổn định của các dị thường trên đường cong giá trong dài hạn. Để quyết định một mô hình đúng hay sai, bạn cần có những thuật toán tốt để kiểm định. (Good test algorithms)

Hệ thống còn lại Pure data mining method tư duy theo lối ngược lại. Tức là nó nhìn vào khuôn mẫu của các đường cong về giá và cố gắng tạo nên 1 thuật toán để fit với chính khuôn mẫu đó. 1 giả thiết được đặt ra lúc này, đó là lịch sử sẽ lặp lại trong tương lai.Điều này cho phép chúng ta tạo nên một hệ thống giao dịch, thông thường, với các công cụ và phần mềm về máy học (Machine-learning software and tool).
Một trong số những phương pháp phổ biến nhất ở dạng này bao gồm:
1. P
hương pháp thử và sai trong phân tích kĩ thuật (Trial-and-Error Method)
2. 
Các mô hình nến trong kĩ thuật (Candle patterns)
3. 
Hồi quy (regression)
4. 
Tự tương quan (autocorrelation)
5.
 Thuật toán phân cụm K-means (K-means clustering)
6. 
Mạng lưới Neuron(Neural networks)
7. 
Phương pháp máy vec-tơ hỗ trợ (Support Vector Machine)
8. 
Mô hình cây quyết định (Decision tree)

Ích lợi của phương pháp đào dữ liệu là gì, đó là bạn không cần phải quá quan tâm đến các giả thuyết về thị trường (Market Hypotheses). Bất lợi ở chỗ, những phương pháp trên thường đưa ra rất nhiều các khuôn mẫu mang tính chất ngẫu nhiên, và tất yếu là tạo nên rất nhiều những chiến lược vô giá trị. Phương pháp đào dữ liệu gần như là 1 cách tiếp cận mù (blind approach), phân biệt giữa những khuôn mẫu thật – tạo ra bởi sự thiếu hiệu quả của thị trường, và những khuôn mẫu ngẫu nhiên là 1 nhiệm vụ thử thách. Ngay cả những phương pháp phức tạp tinh vi nhất thông thường cũng không thể loại bỏ tất cả các yếu tố sai lệch. Không có nhiều hệ thống giao dịch thành công được tạo nên từ phương pháp đào dữ liệu trong những năm trở lại đây.

BẠN CÓ THÔNG MINH HƠN THỊ TRƯỜNG?

Lẽ dĩ nhiên, không có hệ thống giao dịch nào hoạt động nếu như sự không hiệu quả của thị trường không tồn tại. Và hệ thống đó cũng không thể hoạt động ngay cả khi tồn tại 1 thị trường không hiệu quả bởi những tay chơi được trang bị tốt hơn đã làm điều đó trước mất rồi. Trong phần đầu của series này, tôi nhìn vào khả năng giao dịch tốt hơn đa số những người tham gia thị trường, điều kiện tiên quyết của 1 chiến lược giao dịch thành công.

Trong kinh tế học hiện đại, có 3 giả thiết về thị trường mà trong chúng ta vô cùng quen thuộc:

Giả thiết 1: Thị trường hiệu quả (The markets are efficient) – Giá cả đi theo những sự kiện thực, giả dụ như công bố kết quả kinh doanh, và phản ánh giá trị thực của tài sản. Tất cả những tay giao dịch (trader) trên thị trường đều được cung cấp thông tin, họ hành động duy lý và hành động ngay tức thời. Đường cong giá hầu như là đường cong ngẫu nhiên và tất nhiên không thể dùng đường cong này để dự đoán giá cả trong tương lai. Các hệ thống giao dịch gần như không hoạt động, hoặc nếu có tạo được alpha, đó cũng chỉ là may mắn.

Giả thiết 2: Thị trường không hiệu quả, nhưng không dành cho những tay giao dịch nhỏ lẻ (The markets are not efficient, but their inefficiencies are of no value). Chỉ những công ty giao dịch lớn, các quỹ đầu cơ phòng hộ, các công ty quản lý tài sản mới có thể khai thác thành công, bởi họ có nguồn vốn dồi dạo, hệ thống máy tính đắt tiền và những chuyên viên phân tích kì cựu, và hơn hết họ có những tay quant thông minh hơn cả bạn và tôi :). Lúc này, những tay giao dịch nhỏ lẻ sẽ trở thành miếng mồi béo bở.

Giả thiết 3: Một thị trường thiếu hiệu qua và là cơ hội cho tất cả mọi người để khai thác (Enough market inefficiencies are free for you to exploit). Ngay cả những định chế lớn với nguồn lực dồi dào cũng gặp khó khăn trong việc khai thác sự thiếu hiệu quả của thị trường.

Không nhiều người trong chúng ta tin vào giả thiết 1. Có thể dễ dàng lên mạng, search 1 mã cổ phiếu,  và chứng minh đường cong giá của nó không hề theo nguyên tắc của 1 bước ngẫu nhiên. Bạn có thể tham khảo bài báo này (http://www.turingfinance.com/hacking-the-random-walk-hypothesis/) để hiểu rõ hơn. Và cuối cùng, giá của tài sản khác xa giá trị thực của nó. Có rất nhiều giai thoại nhưng sự thật, việc tìm ra khuôn mẫu giá để có thể khai thác là hoàn toàn có thể. Thị trường phản ứng rất nhanh trước những thông tin chỉ ra phương hướng 1 cách chính xác. Tuy nhiên, khi thông tin trở nên tinh tế hơn, yêu cầu một chút logic và giải thích, thị trường lại phản ứng chậm chạp, hoặc không phản ứng chút nào. Và dưới đây là phân tích cụ thể về trường hợp đồng Franc của Thụy Sỹ – đồng tiền của một trong những quốc gia phát triển nhất trên thế giới, cho chúng ta thấy rằng thị trường luôn thiếu hiệu quả

THE SWISS FRANC CASE:

Vào tháng 9 năm 2011, ngân hàng Quốc Gia Thụy Sỹ (SNB) công bố mức giá trần đối với Đồng CHF. Mục đích là để bảo vệ ngành du lịch và công nghiệp xuất khẩu. Cụ thể hơn, đồng CHF được đặt mức trần ở mức giá 1.20 CHF ăn 1 EUR (EUR/CHF = 1.20), và ngân hàng Quốc Gia Thụy Sỹ thể rằng sẽ bảo vệ đồng CHF trước bất kì kẻ thù nào. Lưu ý là cặp EUR/CHF bị niêm yết theo kiểu indirect, tức là khi cặp này giảm, đồng CHF mạnh lên. Ý định của SNB là không cho cặp này giảm, bảo vệ đồng CHF không bị overvalued ( lý thuyết kinh tế là khi đồng tiền tăng giá, nó ảnh hưởng đến hoạt động xuất khẩu của doanh nghiệp nội địa)

Việc đặt ra giá trần của 1 đồng tiền là việc hiếm thấy và tạo nên 1 thị trường thiếu hiệu quả. Nó có thể được khai thác ngay lập tức ra 1 mức tỷ suất lợi nhuận cao, gần như là phi rủi ro (cách thức khai thác sẽ được trình bày ở bên dưới). Thông thường, về mặt lý thuyết tài chính, mọi người đều trông đợi 1 phản ứng mãnh liệt của thị trường trước thông tin này, tuy nhiên, phản ứng này thực tế lại diễn ra vô cùng chậm.

Hầu hết các công ty giao dịch (trading firms) ở Mỹ hiểu được Thụy Sỹ là 1 miếng pho mát béo bở cho họ. Tuy nhiên, họ đã không hề nhận ra một chút nào về mức giá trần của đồng Thụy Sỹ, hoặc là họ đã quên không lắp cho những văn phòng chi nhánh ở Châu Âu những công nghê liên lạc hiện đại.

Mãi cho tới tháng 1 năm 2012, phần lớn người tham gia thị trường mới biết đến ý tưởng này, tuy nhiên vẫn không có 1 hệ thống giao dịch nào được thiết lập. Thay vào đó, họ bắt đầu mua 1 cái điên cuồng đồng CHF để tạo áp lực lên cặp tiền tệ EUR/CHF.

1

1 ý tưởng rõ ràng là khi có một giới hạn về mức giá, chắc chắn sẽ có rủi ro trong việc phá vỡ giới hạn đó. Rất nhiều nỗ lực, sự kiên nhẫn và tiền đã được đặt vào trong trò cá cược này. Bắt đầu từ tháng 5 năm 2012, cặp EUR/CHF đã được cố định ở mức giá 1.20. Trong năm 2012, ngân hàng Quốc Gia Thụy Sỹ đã tạo nên bức tường trị giá 200 tỷ đô la nhằm bảo vệ mức giá trần cho đồng tiền của mình. Những ai có ý định tấn công CHF đều không thành. Đồng CHF được điều chỉnh sao cho nó không vượt quá mức trần cho phép. Vì tỷ giá ở đây được quote theo hướng indirect, từ là 1.20 CHF ăn 1 EUR, khi tỉ giá giảm tức là đồng CHF mạnh lên tương đối so với đồng EUR. Dễ dàng nhận thấy mức giá của CHF chỉ có thể yếu đi, tức là tỉ giá EURCHF quoted bên dưới chỉ có thể tăng lên chứ không thể giảm.

2

Vào tháng 1 năm 2013, những hackers đầu tiên đã bắt đầu khai thác sự thiếu hiệu quả của thị trường bằng một phương pháp, gọi là GRID TRADER. Đây chính là 1 cỗ máy in tiền thực sự

THUẬT TOÁN CHO CHIẾC MÁY IN TIỀN:

GRID TRADER thực ra là 1 hệ thống vô cùng đơn giản. Nó đặt lệnh chờ, cả mua và bán ở 2 đầu của giá hiện tại, với giá mục tiêu ở cao hơn hoặc thấp hơn mức giá đặt lệnh đúng bằng khoảng cách của lệnh chờ tới giá hiện tại.

Nói thế này cho dễ hiểu, giả sử mức giá hiện tại là 1.20. Grid line trong trading system của tôi là 0.05. Hệ thống đặt 1 lệnh chờ mua ở mức giá 1.205 và 1 lệnh chờ bán ở mức 1.195. Giả sử giá tăng lên 1.205, lệnh chờ của tôi được khớp, tôi đang ở vị thế long position ở mức giá 1.205. Sau đó, với grid line là 0.05, hệ thống đặt tiếp 1 lệnh chờ mua nữa ở mức giá 1.21 và 1 lệnh chờ bán ở mức giá 1.20. Hệ thống cứ như vậy lặp lại mỗi khi giá của tôi bứt qua được ngưỡng Grid line là + hoặc – 0.05 điểm. Giả sử giá tăng lên từ 1.205 tới 1.21, lệnh mua ở giá 1.205 được chốt lời và closed, hệ thống lại đưa tôi vào 1 long position mới với giá là 1.21, grid line lúc này tạo nên 2 ngưỡng 1.215 và 1.205

Những tay giao dịch sử dụng phương pháp GRID TRADER này thường áp dụng thêm một hệ thống phòng hộ ảo, tức là khi giá bứt lên phía trên hoặc phía dưới, lệnh đặt ở phía ngược lại sẽ tự động đóng lại. Giả sử khi giá bứt lên từ 1.20 tới 1.205, lệnh chờ bán ở mức giá 1.195 được đóng lại. Tuy nhiên hệ thống như vậy sẽ khiến bạn bị lỗ khi giá di chuyển ngược với phán đoán của bạn. Phán đoán ở đây được đưa ra tức là EURCHF sẽ chỉ có thể tăng mà không giảm do có cap rate ở phía bên dưới.

Đây là hệ thống được viết trên ngôn ngữ dưới đây là đoạn code rất ngắn gọn được viết bằng ngôn ngữ C++ và được execute ở Metatrader 4  (nguồn Zorro Script). Ở đây anh ta sử dụng hàm IF điều kiện với long và short cho open trades và close trades, grid anh ta đặt là bội số của 20 Pip tùy vào từng trường hợp nhất định.3.png
Hệ thống giao dịch GRID TRADER thuộc loại Model-Based System. Nó đặt ra giả thiết rằng sẽ có những lực thị trường giữ giá giao động trong một biên độ nhất định. Cap Rate không cho phép đồng CHF tăng giá, tức là cho cặp EURCHF giảm giá (indirect quote), nhưng chính cap rate cũng không cho phép cặp EURCHF tăng lên quá nhanh ảnh hưởng tới các hoạt động chính của nền kinh tế. Bởi vậy, thông qua hệ thống ngân hàng, SNB phải mua lại đồng CHF để bảo vệ mức cap rate không đi quá xa mức 1.20. Mô hình toán học của GRID TRADER dựa trên lý thuyết về bước ngẫu nhiên (random walk) cùng với 1 số biến số trượt (trong kinh tế lượng chuỗi thời gian gọi là drift term) khiến cặp EURCHF giao động giảm. Nhân tố chính trong GRID TRADER chính là ràng buộc grid kết hợp với ràng buộc cap rate không thấp hơn mức 1.20, tức là khi giá bứt qua ngưỡng Grid tính toán, long position mới có thể close và 1 long position ở mức giá cao hơn được Open. Gần như rủi ro khi viết ra thuật toán với 2 ràng buộc này là 0% trừ khi bạn sử dụng cơ chế phòng hộ ảo, xóa lệnh short khi lệnh long khớp ở mức giá tăng.

Dưới đây là đường P&L của chiến lược GRID TRADER, được tác giả của Blog financial-hacker backtest trong cả năm 2013. Trong khoảng thời gian từ tháng 1 và tháng 5, giá dao động mạnh với biên độ cao hơn, mức drawdown (drawdown là mức giảm tối đa kể từ đỉnh gần nhất) là tương đối lớn, tuy nhiên chỉ cần giữ đủ tiền để không bị cháy tài khoản, mức lợi nhuận trong cả năm là 130%, sharpe ratio là 1.7 với 0% rủi ro, một con số gần như không tưởng.

Hệ thống GRID TRADER được phổ biến trong năm 2013, ngày càng nhiều các tay giao dịch nhỏ lẻ và cả tổ chức tham gia vào trò chơi này. 3 năm sau, sự biến động của cặp EURCHF giảm, và tới cuối tháng 1 năm 2015, gần như cặp EURCHF chỉ giao động quanh ngưỡng 1.20

4
Vào ngày 15 tháng 1 năm 2015, SNB hủy bỏ chương trình cap rate,  lúc này, ảnh hưởng của thông báo không như lúc nó được đưa ra lần đầu trong thị trường, chỉ trong tích tắc, cặp EURCHF giảm xuống mức 1.00 chỉ trong vài phút.

BÀI HỌC RÚT RA:

Thị trường tài chính phản ứng rất nhanh với những thông tin chỉ rõ hướng đi của giá

Với những thông tin đòi hỏi sự giải thích 1 cách tinh tế, thị trường phản ứng rất chậm chạp

Hệ thống giao dịch luôn có 1 tuổi đời ngắn hạn, GRID TRADER chỉ tồn tại được trong khoảng thời gian là 2 năm với profit % giảm nhanh trong năm 2014.

Quant – mô hình đầu tư năng động

Mô hình phân tích định lượng – Quant mà ông Michael Kokalari, Cố vấn cao cấp CTCP Quản lý Quỹ Việt Nam (VFM) đã đề cập  là sự kết tinh ưu việt của cả hai phương pháp trên kết hợp với việc phân tích số liệu thống kê. Khác với các quỹ đầu tư truyền thống tập trung vào chiến lược mua/giữ và hướng đến sự tăng trưởng trong dài hạn, mô hình Quant tìm kiếm các cơ hội đầu tư dựa trên sự biến động thị trường. Nhiều quỹ đầu tư chuyên nghiệp đang hướng tới việc sử dụng Quant như một công cụ đầu tư tối ưu tạo ra lợi nhuận vượt trội. Trong giai đoạn hậu khủng hoảng, các thị trường mới nổi như Việt Nam thường dao động rất mạnh – đây là mảnh đất lý tưởng để mô hình Quant phát huy hiệu quả. Nhằm giúp NĐT hiểu rõ về loại hình mới mẻ này, ĐTCK xin giới thiệu đến bạn đọc bài viết của nhóm nghiên cứu Quant tại VFM.

Quá trình hình thành và phát triển

Ngay từ khi ra đời vào năm 1980, Quant đã tạo ra được sự chú ý của giới đầu tư bởi tính ưu việt, sau đó nó được nhân rộng tại TTCK nhiều nước. Cho đến nay, Quant đã trở thành phương thức đầu tư phổ biến không chỉ ở những thị trường phát triển. Những thông tin sau sẽ cho chúng ta thấy rõ điều đó:

– Trung bình 51% tài sản được quản lý bởi 11 quỹ đầu tư lớn nhất trên thế giới đang sử dụng Quant (xem bảng số liệu);

– Tất cả những ngân hàng đầu tư lớn trên thế giới đều có bộ phận giao dịch và phân tích đầu tư sử dụng Quant;

– Hơn một nửa các lệnh giao dịch chứng khoán tại TTCK các nước phát triển được quyết định tự động bởi mô hình đầu tư Quant;

– Cộng đồng các nhà nghiên cứu và sử dụng Quant họp bàn thường xuyên tại các trường đại học danh tiếng trên thế giới như Harvard. Các chuyên viên mô hình Quant thường trao đổi kinh nghiệm và giao lưu trên diễn đàn trang web www.wilmott.com;

– Một nghiên cứu về thu nhập của các chuyên viên đầu tư cho thấy, các chuyên gia sử dụng Quant đang có mức lương trung bình cao nhất tại Phố Wall.

Có 3 lý do chính khiến Quant được tín nhiệm

Một là sự phát triển nhanh chóng của công nghệ máy tính – công cụ xử lý số liệu, máy tính đã trở nên rẻ hơn vào những năm đầu thập niên 80 của thế kỷ trước.

Hai là lý thuyết toán kinh tế ứng dụng trong lĩnh vực đầu tư được đề xuất vào những năm 60 – 70 là cơ sở lý luận cho việc xây dựng các thuật toán trong mô hình Quant.

Ba là kết quả kinh doanh thuyết phục của hầu hết các quỹ đầu tư năng động tiên phong áp dụng mô hình Quant vào đầu thập niên 80.

Sự ưu việt so với phương pháp đầu tư truyền thống

Như đã nói ở trên, mô hình Quant có tầm bao quát hơn các phương pháp đầu tư truyền thống, khi nó vận dụng các ưu điểm của phân tích cơ bản, phân tích kỹ thuật và phân tích thống kê. Đồng thời, dựa trên các thuật toán tiên tiến, Quant tìm kiếm chính xác và xử lý nhanh chóng các thông tin thị trường, xác định dấu hiệu mua – bán và đưa ra chiến lược phân bổ đầu tư hợp lý cho từng khoản đầu tư riêng lẻ, nhằm tối ưu hóa lợi nhuận và giảm thiểu rủi ro cho toàn bộ danh mục. Quá trình này sử dụng nhiều thuật toán phức tạp và tinh vi đòi hỏi có sự hỗ trợ của phần mềm máy tính.

Quant bao gồm 4 “trường phái” chính:

– Đầu tư theo xu hướng thị trường (Trend following);

– Đầu tư vào các sản phẩm chứng khoán phái sinh (Derivatives);

– Đầu tư thống kê dựa vào chênh lệch giá trị (Statistical Arbitrage);

– Đầu tư ngắn hạn (High frequency/Algorithmic trading);

Hiệu quả đầu tư khi ứng dụng mô hình Quant

Qua nghiên cứu về hoạt động của các quỹ đầu tư áp dụng mô hình Quant trong vòng 20 năm qua cho thấy, lợi nhuận các quỹ đạt từ 15% đến 35%/năm, tỷ lệ trung bình khoảng 20%. Trong đó nổi tiếng là Quỹ Renaissance Technologies (Ren Tech) (nguồn: Bloomberg), có tài sản 20 tỷ USD, được điều hành bởi James Simmons – giáo sư toán Trường Harvard. 25 năm qua, quỹ này luôn đạt lợi nhuận (sau phí) trung bình 35%/năm. Mặc dù các quỹ thường ít công bố chi tiết hoạt động, nhưng chúng ta có thể nhận thấy khối lượng tài sản đầu tư sử dụng mô hình Quant đang ngày càng tăng lên. Biểu hiện bên ngoài của việc này là hoạt động tuyển dụng chuyên viên Quant của các ngân hàng và quỹ đầu tư ngày càng ráo riết hơn.

Tuy nhiên, tấm huy chương nào cũng có mặt trái. Mô hình Quant cũng có những rủi ro tiềm ẩn mà khi áp dụng chúng ta cần phải chú ý như rủi ro về việc chọn lựa mô hình, rủi ro về chất lượng thông tin đầu vào và đặc biệt là rủi ro về tính thanh khoản của thị trường. Điển hình là trường hợp thất bại của Quỹ LTCM vào năm 1998, được điều hành bởi giáo sư Myron Scholes, đoạt giải Nobel về khoa học kinh tế năm 1997. Theo đánh giá của các chuyên gia thì lý do chính yếu nhất gây ra thất bại của LTCM là do có quá nhiều quỹ đầu tư sử dụng Quant vào thời điểm đó. Tại Việt Nam, mô hình Quant hiện nay vẫn hoàn toàn mới mẻ. Vì vậy, đây là thời điểm thích hợp cho việc đưa một  mô hình đầu tư ưu việt áp dụng vào một TTCK trẻ trung. Cơ hội càng lớn hơn khi nền kinh tế toàn cầu vừa mới chớm vượt qua cuộc khủng hoảng.

Ưu điểm của mô hình Quant

Triết lý đầu tư xuyên suốt của mô hình Quant là việc sử dụng các nguyên lý khoa học chính xác để đầu tư, tránh được tối đa rủi ro của việc dự báo theo cảm tính. Góp phần vào sự thành công đó có vai trò phần mềm máy tính thông minh và các công cụ toán học phức tạp, bao gồm:

– Thuật toán trí tuệ nhân tạo (Machine Learning);

– Lý thuyết thông tin (Information Theory);

– Máy học thống kê (Statistical Learning);

– Lý thuyết điều khiển tối ưu (Optimal control Theory);

– Phương trình vi phân ngẫu nhiên (Stochastic Differential Equations).

Vì sao máy tính và công cụ toán học lại đóng vai trò quan trọng đến như vậy? Có hai lý do chính:

Thứ nhất, máy tính ưu việt hơn con người khi có thể xử lý khối lượng thông tin khổng lồ ngay lập tức để dò tìm các dấu hiệu mua – bán. Quan trọng hơn, máy tính không bị chi phối bởi cảm tính thông thường – đơn giản con người khó lòng vượt qua được “lòng tham và nỗi sợ hãi” trong hoạt động đầu tư;

Thứ hai, công cụ toán học có thể nhanh chóng kiểm tra mức độ tin cậy của dấu hiệu mua – bán trên thị trường mà máy tính đã phát hiện, đồng thời quyết định phân bổ khối lượng đầu tư cho từng khoản đầu tư riêng lẻ một cách hợp lý, tối ưu hóa hiệu quả đầu tư và kiểm sóat rủi ro của toàn bộ danh mục. Máy móc đã bổ trợ tối đa cho con người.

Theo các cuộc nghiên cứu và thăm dò thị trường của VFM, chúng tôi thấy tại TTCK Việt Nam giai đoạn hậu khủng hoảng, việc ứng dụng mô hình Quant trong đầu tư là hoàn toàn khả thi. TTCK Việt Nam mang đặc tính cố hữu của các thị trường mới nổi: biến động mạnh do yếu tố tâm lý của các NĐT cá nhân chi phối nhưng thị trường có tiềm năng tăng trưởng dài hạn dựa trên yếu tố cơ bản như kinh tế vĩ mô, đặc biệt ở TTCK Việt Nam chưa có sự cạnh tranh cao trong việc sử dụng mô hình Quant. Tại VFM, chúng tôi mong muốn là người tiên phong ứng dụng các mô hình đầu tư tiên tiến này vào thực tiễn.

Quant – mô hình đầu tư năng động

Mô hình đầu tư phân tích định lượng Quant thực sự đã trở thành công cụ đầu tư chiến lược tại các trung tâm tài chính lớn như ở London, New York, Singapore, Hong Kong và Tokyo. Nắm bắt xu thế này, VFM đã sớm trang bị nhiều công cụ hiện đại phục vụ cho quá trình thực hiện đầu tư hiệu quả, bao gồm hệ thống máy tính cao cấp, những phần mềm mạnh được xây dựng chuyên biệt cho mô hình Quant. Và quan trọng hơn hết là chúng tôi đã đầu tư xây dựng đội ngũ chuyên gia, chuyên viên nghiên cứu chuyên nghiệp ứng dụng mô hình này vào TTCK Việt Nam. Nhóm nghiên cứu Quant tại VFM quy tụ nhiều chuyên viên đầu tư có học vị cao thuộc chuyên ngành tài chính, kinh tế, toán học có nhiều kinh nghiệm trong công tác quản lý quỹ và đầu tư chứng khoán mà đứng đầu là Ông Michael Kokalari – Cố vấn cao cấp, người có 15 năm kinh nghiệm giao dịch chứng khoán dùng mô hình Quant tại các ngân hàng lớn trên thế giới, ông đã từng quản lý các danh mục đầu tư có giá trị trên 1 tỷ USD.

 

Tổng tài sản quản lý Giá trị tài sản sử dụng mô  hình Quant % Tài sản sử dụng mô hình Quant (*)
Bridgewater Associates 38,6 38,6 100%
JP Morgan Asset Management 32,0 23,0 70%
Paulson & Co. 29,0 0,0 0%
D.E. Shaw & Co. 28,6 22,9 80%
Brevan Howard Asset Management 26,8 2,7 10%
Man Investments 24,4 24,4 100%
Och-Ziff Capital Management Group 22,1 2,2 10%
Soros Fund Management 21 2,1 10%
Goldman Sachs Asset Management 20,6 10,3 50%
Farallon Capital Management 20 2,0 10%
Renaissance Technologies Corp. 20 20,0 100%
Tổng tài sản quản lý (tỷ USD) 284 146,2 51%

(Nguồn: Theo số liệu tổng hợp của VFM)

2015 Chevrolet Camaro ZL1 Coupe

Admit it. There are times when you wish you could get away from it all by moving to your own private island. Well, some cruise passengers actually can at least for a day. Each of the following cruise lines below offer passengers a day of fun in the sun on their very own private island. For many cruisers, this stop is the highlight of the trip. After all, what could be better than sitting on a white-sand beach, drinking a pia colada and soaking in the rays without crowds?

“It’s a wonderful destination, we will come back next year for sure!”

All of these islands have pristine shores, swaying palm trees, aquamarine waters and lots of ocean-side adventure. There usually are fees for shore excursions and equipment rental. Every destination offers something a little different for cruise passengers.

View of buildings on the coast of tropical island San Andres y Providencia

Even at first glance, CocoCay looks like the quintessential Caribbean hideaway. There are wide stretches of beach in quiet coves, island huts in bright Caribbean pinks and blues, and a colorful straw market offering Bahamian crafts and goods.

Many of the island buildings look brand new and they are. In 2002, the company invested more than US$ 21 million to turn this 140-acre (0.5 km) slip of land into a destination their passengers would never forget. Nature trails wind through the isle, which is home to wild chickens, peacocks and occasional iguanas. Those seeking solitude will enjoy the hammocks that are hung under coconut trees in quiet locations.

English Harbour, Hurricane Hole

Sea lovers have plenty of activities to choose from. Hop on a jet ski (US $ 95 for 50 minutes) and speed across waters so clear that you can see orange starfish 20 feet below, or don a snorkel mask and explore life under the sea up close.

For a great view of the island, try your hand at parasailing (US $ 79 per hour). You’ll soar 200-400 feet in the air and maybe even take a cooling dip in the water before returning to the boat. Children will enjoy Caylana’s Castle Cove and SeaTrek Aqua Park (US$ 15 adults, $10 children). Its floating sand castle and aquatic trampolines are just the things for those who are young at heart.

A staff of 45 people lives on CocoCay, and it’s obvious they take pride in keeping the island’s natural beauty in top condition. Their pampering service makes the island experience so pleasurable that you won’t want to leave when dusk falls all too soon.

“Disney knows children, so it’s no wonder that they feel at home on Castaway Cay”

The cruise ship docks right at the island (other cruise ships use tender boats to ferry passengers back and forth), so youngsters can head right down the ship’s ramp and out to explore Castaway Cay. There is a beach just for families, and Scuttle’s Cove is a safe and fun club for children. Parents need some time on their own, so there is Serenity Bay, a secluded beach for adults. For a little pampering, have a relaxing massage in the open-air cabanas at the seaside spa.

Street in Key West

Game for a little exploration? Then grab a bike (child seats are available for little ones) and hit the trails (US$ 6 per hour). This is, after all, a secluded island getaway, and there are miles of empty shoreline and tropical forest to explore.

If you prefer the water, check out the Walking and Kayak Nature Adventure ($60). Participants walk with a guide through the island’s lush fauna and kayak through an ecologically sensitive mangrove environment. If paddling wears you out, just jump in for a refreshing swim in the crystal clear island waters.

Teens can get into their own adventure on The Wild Side (US$ 35), an excursion that includes snorkeling, biking and kayaking. Families who want to adventure together can try the Seahorse Catamaran Snorkel Adventure (US$ 49 adults, US$ 29 children). This easy 45-minute sail takes you out to calm waters and unspoiled coral reefs. Even younger children will enjoy floating in the turquoise Caribbean Sea with schools of colored fish.

View of the Caribbean Sea

Visitors to the tiny islet of Motu Mahana (Polynesian for sunlit island) are greeted with the sounds of Polynesia. Les Gauguines, an eight-woman song and dance troupe, perform beguiling love songs in their Polynesian tongue while guests enjoy a scrumptious feast under the shade of thatched huts. After lunch, guests can relax in the sea or wade for yards in the shallow waters while waiters wearing bathing suits offer tropical drinks to those in need of refreshment. Try out the complimentary water sports like kayaking or snorkeling. For a different experience, board a motorized outrigger canoe and head to the beautiful island lagoon of Tahaa. Tahaa is known for two things: producing vanilla and black pearls.

Guests can take a four-wheel drive tour into the hills to tour the vanilla plantations (US$ 65) or view French Polynesia’s rare jewel, the black pearl, at the Motu Pearl Farm (US$ 64). From there, head to the lagoon for some quality time with the region’s underwater fauna. There is even a small lagoonarium where rays, turtles, sharks and fish are enclosed in four different pools.

Hiện tượng Mean Reversion giúp giải thích các chuyển động phi lý trí của thị trường tài chính

Chắc bạn còn nhớ câu chuyện về Issac Newton và quả táo rơi giúp ông phát hiện ra luật hấp dẫn, và hiểu được trọng lực của Trái Đất. Thị trường tài chính cũng tồn tại một loại lực như vậy mà giới chuyên môn thường gọi là hiện tượng Mean Reversion (đảo chiều về giá trị trung bình). Hiện tượng này sẽ giúp bạn giải thích rất nhiều chuyển động thú vị và khó lường của thị trường.

hien-tuong-mean-reversion-giup-giai-thich-cac-chuyen-dong-phi-ly-tri-traderviet-1. ​

Hiện tượng Mean Reversion xảy ra khi một tài sản tăng giá đột biến và giảm mạnh sau đó (giảm về giá trị trung bình), và ngược lại tăng sau một đợt giảm mạnh (tăng về giá trị trung bình).

Điều này đặc biệt quan trọng dù bạn là nhà đầu tư hay Trader. Thông thường, nhiều Trader muốn trade đuổi theo giá mỗi khi thị trường có chiều hướng tăng mạnh hay giảm mạnh. Đây là tâm lý hết sức bình thường vì trong chúng ta luôn tồn tại nỗi sợ bị bỏ lỡ. Việc cố gắng trade đuổi theo giá giúp chúng ta có cảm giác mình không đánh mất cơ hội có được lợi nhuận khi giá di chuyển nhanh, mạnh. Tuy nhiên, hiện tượng Mean Reversion lại cho bạn biết điều ngược lại, khi thị trường đi cành nhanh và mạnh về một hướng, nó thường là dấu hiệu cho thấy thị trường sẽ đảo chiều vì giá luôn có khuynh hướng trở lại giá trị trung bình.

Hiện tượng Mean Reversion thường xuất hiện trong thời điểm ra tin


Trong một số thống kê, người ta nhận thấy thị trường thường có phản ứng thái quá với những tin tức bất ngờ. Nhưng cho dù tin tức có tác động tiêu cực hay tích cực, sau một khoảng thời gian nhất định giá cũng sẽ đảo chiều trở về giá trị cũ (mean reversion). Thống kê này cũng không phân biệt loại tin tức xuất hiện, bất kể tin yếu hay tin mạnh, tin breaking news (tin bất ngờ) hay tin trên lịch thông tin kinh tế.

hien-tuong-mean-reversion-giup-giai-thich-cac-chuyen-dong-phi-ly-tri-traderviet. ​

Như vậy, nếu bạn là Trader thường giao dịch tin tức, bạn nên lưu ý tránh giao dịch đuổi theo giá ngay sau tin. Bởi vì theo thống kê, giá sẽ đảo chiều trở lại giá trị cũ nhiều hơn. Bạn có thể tận dụng kiến thức này để giao dịch sau tin.

Kế hoạch tự học để trở thành một nhà phát triển định lượng

Bất cứ một công việc nào trong lãnh vực tài chính định lượng đều đòi hỏi kiến thức rộng rãi, bao quát hơn là sự chuyên môn hóa. Vị trí phát triển định lượng cũng vậy. Ở một mức độ nào đó, họ phải biết thật nhiều kiến thức để phù hợp với một đội gồm các nhà giao dịch, các kỹ sư tài chính cũng như các chuyên viên hỗ trợ CNTT nhằm giúp các ngân hàng đầu tư định giá và bán các sản phẩm đầu tư cấu trúc hay giúp các quỹ phát triển cơ sở hạ tầng và các hệ thống quản lý danh mục đầu tư.

Tính toán khoa học (Scientific Computing)
Con đường phổ biến nhất để trở thành một nhà phát triển định lượng là dựa vào kiến thức nền tảng về tính toán khoa học. Bởi vì những kỹ năng tất yếu của một nhà phát triển định lượng là các kỹ năng về lập trình nâng cao và cài đặt các phương pháp tính toán số (numerical algorithm). Những kỹ năng này là nội dung học trong môi trường nghiên cứu sau đại học trong các ngành như Khoa học vật lý hay Kỹ thuật. Nếu đó đã là nền tảng của bạn rồi thì nhiệm vụ của bạn là nắm được về các sản phẩm riêng biệt và các thuật toán số sử dụng trong tài chính định lượng, đồng thời, phát triển các kỹ năng cài đặt và lập trình một cách đầy đủ.

Tuy nhiên, nếu nền tảng của bạn không phải là về tính toán khoa học, bạn vẫn có nhiều cơ hội để trở thành một nhà phát triển định lượng dựa vào nền tảng về lập trình. Ở phần sau tôi sẽ bàn về lập trình các thuật toán.

Các kỹ năng lập trình
Trước nhất, một nhà phát triển định lượng là một nhà phát triển phần mềm. Do đó, công việc của họ gần như 100% là dựa trên nền tảng lập trình. Bạn phải tối ưu các mã nguyên mẫu về giao dịch (trading prototype) hoặc xây dựng từ đầu cơ sở hạ tầng cho việc giao dịch. Nếu bạn muốn có một công việc trong ngân hàng, bạn cần phải sử dụng C++, Java hay C# trong môi trường Microsoft Windows. Nếu bạn muốn làm việc trong các quỹ đầu tư, bạn cần phải biết cách chuyển từ MatLab hay R sang C++ hay Python. Các quỹ có khuynh hướng ít sử dụng Java và C# vì họ thường làm việc trong môi trường UNIX vốn dùng nhiều C++ và Python. Nếu bạn có nền tảng ở một trong những môi trường lập trình trên, bạn nên phát triển kỹ năng của mình và gắn bó với những ngôn ngữ mình nắm vững. Do đó, nếu bạn biết dùng Java, bạn nên nhắm đến một công việc trong ngân hàng đầu tư. Tôi đã viết một bài về việc chọn các ngôn ngữ lập trình cho công việc phát triển định lượng, bạn có thể tham khảo thêm tại đây.

Giả sử bạn là một lập trình viên có năng lực và sẵn sang chuyển sang lập trình các ngôn ngữ được dùng nhiều nhất trong ngành tài chính, C++ và Python là 2 ngôn ngữ thích hợp nhất vì chúng mang đến cho bạn khả năng tiêu biểu qua các vị trí khác nhau trong ngành công nghiệp tài chính.Đây là kế hoạch tự học tôi nghĩ bạn nên theo để có thể trở thành một nhà lập trình C++ giỏi:

  • Đọc hết quyển Accelerated C++ của Andrew Koenig. Nó sẽ cho bạn một cái nhìn về cú pháp C++ và đi sâu vào chi tiết của con trỏ cũng như việc quản lý dữ liệu. Đây là một phần mà nhiều nhà lập trình (cả với Java lẫn C#) không nắm vững. Tốt nhất là vừa đọc vừa thực hành bằng Microsoft Visual Studio hay GCC trên Linux/UNIX để có thể rèn luyện cách sử dụng cú pháp, hơn là khi bạn chỉ đọc sách.
  • Đọc nhiều lần quyển sách Effective C++ của Scott Meyers. Đây là điều tôi luôn muốn nhắc. Quyển sách này sẽ biến bạn từ một lập trình viên C++ non tay thành một lập trình viên trung cấp, sẵn sàng cho buổi phỏng vấn phỏng vấn. Với quyển sách này, bạn sẽ khó thực hành hơn một chút vì nó chứa những ví dụ phức tạp của Meyers. Bạn có thể thông suốt quyển sách bằng cách xác định phần nào trong dự án của bạn có thể áp dụng các mẫu hướng đối tượng trong quyển sách.
  • Nếu bạn muốn tìm một công việc C++, gần như chắc chắn bạn sẽ phải đọc thêm nữa. Bạn có thể đọc 2 quyển sách khác của Scott Meyers là More Effective C++ và Effective STL. Bạn cần nghiên cứu thư viện Boost, lập trình đa luồng và kiến thức nền tảng về hệ điều hành Linux để có thể trở thành một chuyên gia thật thụ.

Tương tự với Python:
224-ke-hoach-tu-hoc-de-tro-thanh-nha-phat-trien-dinh-luong-2.jpg 

  • Nếu bạn là một lập trình viên có kiến thức về C++/Java/C#, hãy xem qua vài phần trong quyển Learning Python của Mark Lutz. Nói rõ hơn, bạn nên đọc lướt qua các chương 4-9, vốn nói về các kiểu mẫu nội tại của Python. Các chương 10-13, vốn giới thiệu cú pháp của Python về câu điều kiện rẽ nhánh và vòng lặp, cũng nên được đọc sơ qua. Tuy nhiên, bạn nên dành nhiều thời gian cho các chương 14-20, vốn nói về các đặc trưng của Python như Iteration/Comprehension cũng như cách sử dụng hàm nâng cao. Phần V và VI sẽ đề cập đến namespacing, lập trình hướng đối tượng cũng như sự khác biệt của các khái niệm này trong Python với các ngôn ngữ như C++/Java. Nếu bạn muốn trở thánh một lập trình viên Python cấp trung lành nghề, bạn cũng nên xem các chương còn lại. Hãy nhớ rằng quyển sách này dày hơn 1000 trang nên bạn cần phải chọn ra những phần thích hợp với mình.
  • Quyển sách thứ 2 của Mark Lutz, Programming Python, hướng dẫn cách xây dựng ứng dụng bằng Python. Lúc này, bạn sẽ cần đến kiến thức về cú pháp trong quyển sách thứ nhất, chúng sẽ giúp bạn xây dựng các ứng dụng mạnh. Việc này sẽ giúp bạn trở thành một kỹ sư lập trình Python tốt hơn nhiều.
  • Với những ai xác định cho mình con đường giao dịch định lượng, việc biết cách phân tích dữ liệu trên Python là rất cần thiết. Đây lá một kỹ năng thường được giảng dạy ở bậc sau đại học, quyển sách Python for Data Analysis của McKinney chứa đựng một số thư viện mới như SciPy và pandas.

Nếu bảo đảm theo sát kế hoạch như trên, bạn sẽ có cơ hội rất tốt ở bất cứ buổi phỏng vấn C++/Python nào. Tuy nhiên, để phát triển các kỹ năng lập trình của mình, bạn nên tìm hiểu các tiến bộ gần đây trong kỹ thuật lập trình, vốn được xem là chỉ có thể học được trong quá trình làm việc, nhưng thật ra có thể được học và thực hành tại nhà vào lúc rãnh rỗi.

Kỹ thuật lập trình
Để có thể trở thành một ứng cử viên tốt cho vị trí phát triển định lượng, bạn phải vừa là một lập trình viên giỏi, vừa là một nhà phát triển phần mềm giỏi. Với vế đầu, bạn có học từ sách vở và thực hành. Còn vế sau chỉ có thể được học khi làm trong các dự án phần mềm lớn với các nhà phát triển khác. Tuy nhiên, điều này không có nghĩa là ta không thể đưa kỹ năng trên vào một qua trình tự học! Hiện tại, không khó để có thể tham gia vào các dự án phần mềm mã nguồn mở trên internet. Một trong những dự án tài chính định lượng là dự án QuantLib. Việc đọc qua một số mã nguồn của dự án này sẽ cho bạn thấy cách mà các dự án C++ lớn được viết.

Để trở thành một nhà phát triển phần mềm giỏi, bạn cần phải hiểu được cách thực hiện các dự án cỡ lớn. Với việc phát triển phần mềm ngày nay, điều này đòi hỏi việc sử dụng chức năng kiểm soát phiên bản, sự tích hợp liên tục và các chức năng linh hoạt khác.Đây là kế hoạch tự học để bạn có thể nắm được các vấn đề trên:

  • Đọc cả 2 quyển Code Complete của Steve McConnell và Clean Code của Robert Martin. Cả 2 quyển sách này đều sẽ khiến cho bạn xem xét lại một cách nghiêm túc về vấn đề thiết kế phần mềm, từ những thứ cơ bản nhất. Ví dụ, bạn dành bao nhiêu thời gian để thiết kế phần mềm trước khi bắt tay vào gõ những dòng lệnh đầu tiên? 2 quyển sách này sẽ giúp bạn tiết kiệm thời gian trong quá trình phát triển phần mềm. Bạn nên áp dụng thật nhiều thủ thuật trong quyển sách càng sớm càng tốt để tránh các thói quen xấu. Đây cũng là một lợi thế trong quá trình phỏng vấn, vốn lúc nào cũng đòi hỏi bạn phải viết một vài đoạn mã lệnh.
  • Kế hoạch học tập của bạn sẽ không hoàn chỉnh nếu không đề cập đến mẫu thiết kế hướng đối tượng (Design Patterns), cũng được biết với tên “Gang Of Four”. Quyển sách này rất thích hợp với các ngôn ngữ như C++,hơn là với các ngôn ngữ kịch bản như Python. Có thể bạn sẽ nhận ra mình đang sử dụng các thiết kế tương tự cho mã lệnh của mình. Quyển sách này sẽ giúp bạn xác định khi nào thì nên sử dụng các thiết kế cũng như sử dụng chúng ở đâu. Các nhà phát triển khác sẽ nhận ra các thiết kế này – điều này rất có lợi vì nó khiến các thiết kế của bạn trở phổ biến hơn trong nhóm phát triển. Sẽ rất khó cho những người tự học, do đó, hãy xem xét kỹ 2-3 thiết kế trong quyển sách như Factory, Decorator hay Singleton, đây là những thiết kế được sử dụng thường xuyên nhất.
  • Khi bạn làm việc trong những dự án phần mềm cỡ lớn với nhiều thành viên, việc sử dụng phần mềm kiểm soát phiên bản là cực kỳ quan trọng. Khả năng rà soát tự động, hủy bỏ, rẻ nhánh/kết hợp cũng như khả năng kiểm tra cao khiến cho việc kiểm soát phiên bản có ở khắp nơi trong hầu hết các công ty phần mềm tốt. 2 công cụ lớn có thể kể đến là Git và Subversion (SVN). Làm quen với Git hay SVN cũng tương tự nhau, hầu hết các công ty đều thay thế SVN bằng Git tương ứng. Có một ebook học Git miễn phí tên là Pro Git, bạn nên xem qua quyển sách này, nó sẽ giúp bạn tiết kiệm rất nhiều thời gian.
  • Hiện nay, một số tập đoàn đang chuyển qua quá trình tích hợp liên tục, vốn khuyến khích việc kiểm tra liên tục và việc triển khai code thông qua một hệ thống triển khai, kiểm tra tự động. Mặc dù bạn có thể nắm được cách hoạt động của một hệ thống CI thông qua quá trình làm việc, bạn vẫn có thể tạo ấn tượng trong buổi phỏng vấn bằng cách thể hiện kiến thức của mình về chủ đề này nhờ một quyển sách của Paul Duvall tên là Continous Integration.

Sự tương tác dữ liệu
Mặc dù việc là một lập trình viên, một nhà phát triển phần mềm xuất sắc là tiền đề quan trọng để vượt qua buổi phỏng vấn, bạn cũng cần tìm hiểu thêm về việc lưu trữ, phân tích dữ liệu. Mộ phần quan trọng trong công việc của một nhà phát triển định lượng ngày nay là tương tác với cơ sở dữ liệu. Do đó, sở hữu khả năng xử lý cơ sở dữ liệu là việc cần thiết. Nếu bạn chưa bao giờ sử dụng một hệ lưu trữ dữ liệu, thứ đầu tiên bạn nên tìm hiểu là Các Hệ Quản Lý Cơ Sở Dữ Liệu Quan Hệ (RDBMS) và ngôn ngữ của chúng – Ngôn Ngữ Truy Vấn (SQL). RDBMS thông dụng bao gồm Microsoft SQL Server, Oracle và MySQL. Các loại hệ lưu trữ dữ liệu khác thì có những hệ NoSQL, bao gồm MongoDB và Cassandra.

224-ke-hoach-tu-hoc-de-tro-thanh-nha-phat-trien-dinh-luong-3.png ​

Cách tốt nhất để bắt đầu học RDBMS là cài đặt một phiên bản mã nguồn mở (bạn có thể tải về miễn phí) và đọc các quyển sách phía dưới. Việc hướng dẫn cách cài đặt một RDBMS nằm ngoài phạm vi của bài này, nhưng bạn có thể thử dùng MySQL, một cơ sở dữ liệu rất phổ biến trong các quỹ đầu tư. SQL Server và Oracle thì thịnh hành trong các ngân hàng. Sau khi bạn cài đặt một hệ cơ sở dữ liệu như MySQL, hãy đọc những quyển sách sau để hiểu được sự lưu trữ và truy cập dữ liệu:

  • Nếu bạn không quen thuộc với SQL, quyển O’Reilly Learning SQL của Alan Beaulieu sẽ rất thích hợp. Nó bao gồm các kiến thức của SQL sơ cấp và trung cấp mà bạn cần để lưu trữ, truy cập cũng như cung cấp báo cáo về dữ liệu. Nó cũng có một phần ngắn gọn về việc tối ưu hóa cơ sở dữ liệu. Hãy đọc hết quyển sách này cũng như các tài liệu liên quan. Với một số công việc cụ thể về cơ sở dữ liệu, bạn nên xem quyển O’Reilly SQL Cookbook. Tôi nhận thấy quyển sách này rất hữu dụng từ những ngày còn làm công việc phát triển định lượng, tôi đã phải dùng đến nó rất nhiều. Bạn không cần đọc toàn bộ quyển sách, hãy xem qua mục lục để tìm những phần nào cần thiết cho mình nhất.
  • Dù các nhà phát triển định lượng thường không phải là nhà quản trị dữ liệu nhưng nếu bạn muốn tìm hiểu thêm về việc tối ưu hóa MySQL nâng cao, hãy đọc 2 quyển sách sau đây, dù không thật sự cần thiết nhưng chúng sẽ tỏ ra hữu dụng nếu bạn gặp phải các vấn đề về cơ sở dữ liệu: High Performance MySQL và MySQL High Availability.

Tài chính và các thuật toán số 
Bởi vì những nhà phát triển định lượng làm việc trong các thị trường tài chính, việc hiểu các sản phẩm mà ngân hàng đưa ra cũng như các công cụ được giao dịch ở các quỹ đầu tư là cần thiết. Do đó, bạn cần phải tìm hiểu về các thị trường vốn, thị trường ngoại hối, thị trường công cụ nợ thu nhập cố định (fixed income), thị trường hàng hóa và các thị trường phái sinh liên quan. Cụ thể hơn, bạn phải hiểu được cách dữ liệu được biểu diễn, lưu trữ và truy cập vì một phần quan trọng trong công việc của một nhà phát triển định lượng là cung cấp chức năng lưu trữ và truy cập dữ liệu tài chính. Khi đã là một nhà phát triển định lượng, bạn gần như chỉ tập trung sâu vào một lãnh vực riêng biệt nào đó, vậy hãy chắc rằng kiến thức ban đầu của mình đủ rộng để có thể thích nghi với điều đó.

Quan trọng hơn là các thuật toán được sử dụng trong tài chính định lượng trong cả việc định giá công cụ tài chính và giao dịch bằng thuật toán. Những ngân hàng đầu tư đưa ra các kỹ thuật định giá hầu như đều tập trung vào các phương pháp Monte Carlo và Sai Phân Hữu Hạn, cả 2 đều dựa trên kiến thức về xác suất, thống kê, giải tích số và phương trình đạo hàm riêng. Đây đều là những kiến thức học viên cao học có thể nắm vững, nhưng với những người chuyển qua từ ngành khác, việc tìm hiểu những phương pháp này là rất cần thiết nếu họ mong muốn trở thành một nhà phát triển định lượng chuyên định giá các quyền chọn trong ngân hàng.
224-ke-hoach-tu-hoc-de-tro-thanh-nha-phat-trien-dinh-luong-4.png

Mô phỏng Monte Carlo 

Với các quỹ đầu tư, thường thì bạn sẽ làm công việc lập trình phát triển cơ sở hạ tầng giao dịch, tần suất thấp hoặc cao. Tức là sẽ nhận một thuật toán được viết bằng MatLab, R hay Python (hay thậm chí là C++) rồi tối ưu hóa nó bằng một ngôn ngữ nhanh hơn như C++ cũng như kết nối thuật toán này với các giao thức lập trình các ứng dụng broker (API) hàng đầu và thực thi các giao dịch. Các kỹ năng yêu cầu trong trường hợp này rất khác nhau. Bạn phải biết cách lấy dữ liệu từ nhiều nguồn, đặt vào một ngữ cảnh chính xác, thực hiện quá trình này một cách nhanh chóng, sau đó sinh ra các báo cáo theo yêu cầu thành dạng cố định (PDF), trên một trang web hoặc thành một API. Đây là những kỹ năng khó có thể học từ sách, chúng cần vài năm kinh nghiệm phát triển phần mềm trong lãnh vực công nghệ.
Để tìm hiểu sâu hơn, bạn có thể xem qua các bài về lập trình C++, lập trình Python của tôi cũng như danh sách sách cần đọc về tài chính định lượng..

Ứng tuyển vào vài công việc
Mặc dù danh sách trên có vẻ như là một danh sách bao quát nhưng thật ra đó là dành cho những người hoàn toàn mới trong lãnh vực lập trình. Vị trí phát triển định lượng có vẻ như không thích hợp cho một người như vậy. Tôi giả sử nền tảng thật sự của bạn là lập trình hoặc khoa học vật lý. Hãy chỉ đọc những phần nào thật sự phù hợp với hoàn cảnh của bạn, nếu không bạn sẽ phải dành vài năm để học hết những thứ trên!
Một khi bạn tin rằng mình đã sẵn sàng cho buổi phỏng vấn, hãy bắt đầu liên hệ với các nhà tuyển dụng. Có một số công ty đặc biệt chuyên tuyển dụng cho các ngân hàng đầu tư và quỹ đầu tư. Nếu bạn muốn có một cái tên cụ thể, hãy gửi thư cho tôi vào địa chỉ mike@quantstart.com , tôi sẵn sàng hướng dẫn bạn.

Những nhà tuyển dụng giỏi sẽ xem xét kiến thức của bạn rất kỹ bởi vì khi tiến cử bạn đến những buổi phỏng vấn, họ đã đặt uy tín công ty mình vào đó. Có thể họ không có kiến thức chuyên sâu về các vấn đề kỹ thuật định lượng, và họ cũng không cần phải có, nhưng điều đó có nghĩa là việc ra quyết định của họ sẽ dựa trên quá trình lọc CV nhiều hơn. Hãy chắc rằng nếu bạn giỏi về C++, hãy ghi vào “Kỹ năng C++ – tốt” và chỉ ra STL, Boost cũng như bất cứ dự án C++ nào bạn đã từng tham gia. Đừng tỏ ra khiêm tốn nhưng cũng đừng quá phóng đại khả năng của mình. Nếu bạn viết gì vào CV của mình, khả năng rất cao là bạn sẽ phải chứng minh trong buổi phỏng vấn!

Vì thị trường việc làm hiện này (2013) chưa đạt trình trạng tốt nhất, đặc biệt là với nhân viên mới, có thể sẽ mất một khoản thời gian bạn mới có thể có được công việc mình muốn. Thủ thuật ở đây là hãy tham gia mọi cuộc phỏng vấn bạn được gọi, qua đó bạn sẽ biết thêm được nhiều về những thứ mà các nhà tuyển dụng và người phỏng vấn tìm kiếm, từ đó bạn có thể định hướng kế hoạch học tập của mình cho phù hợp.
Nếu bạn có bất cứ câu hỏi nào về việc trở thành một nhà phát triển định lượng, bạn có thể xem qua kinh nghiệm của tôi khi còn là một nhà phát triển định lượng hoặc gửi thư cho tôi vào địa chỉ mike@quantstart.com

Giao dịch thuật toán/định lượng cơ bản

Bài viết này sẽ cung cấp một số khái niệm cơ bản về hệ thống giao dịch định lượng (quantitative trading system). Đối tượng của bài viết này bao gồm hai nhóm. Trước tiên sẽ là những ai đang có mục tiêu trở thành một chuyên viên giao dịch định lượng trong các quỹ đầu tư. Thứ hai là những người muốn cố gắn thiết kế thuật toán giao dịch cho công việc kinh doanh cá nhân.

Giao dịch định lượng (quantitative trading) là gì?

Giao dịch định lượng (giao dịch bằng thuật toán) là một lĩnh vực cực kỳ tinh vi, phức tạp của tài chính định lượng. Nghiên cứu nó có thể cần một khoảng thời gian lớn để nắm bắt những kiến thức cần thiết nhằm vượt qua một cuộc phỏng vấn nghề nghiệp hay xây dựng một chiến lược giao dịch riêng cho bản thân. Không chỉ vậy nó còn đòi hỏi kỹ năng lập trình trên nhiều ngôn ngữ như MATLAB, R hay Python. Khi mà chiến thuật giao dịch tần số cao đang gia tăng thì công nghệ càng ngày quan trọng và có liên quan mật thiết. Do đó việc nắm vững và sử dụng các ngôn ngữ lập trình, đặc biệt là C/C++ là một điều tối quan trọng.

Một hệ thống giao dịch định lượng bao gồm 4 thành phần chính như sau:

1. Xác định chiến lược (Strategy Identification): Tìm một chiến lược, khai thác lợi thế đó và quyết định tần suất giao dịch

2. Kiểm định lại chiến lược (Strategy Backtesting): Khai thác dữ liệu, phân tích hiệu quả của chiến lược và loại bỏ những sai lệch.

3. Thực thi hệ thống (Execution System): Tạo một liên kết tới khu môi giới (broker), tự động hóa các giao dịch và giảm thiểu chi phí giao dịch.

4. Quản trị rủi ro (Risk Management): Phân bổ nguồn vốn tối ưu nhằm giảm thiểu rủi ro.

Xác định chiến lược (Strategy Identification)

Tất cả tiến trình giao dịch định lượng đều bắt đầu với vấn đề nghiên cứu. Quá trình nghiên cứu này bao gồm việc tìm kiếm một chiến lược, xem thử chiến lược có phù hợp với danh mục đầu tư của các chiến lược khác đang thực hiện, thu thập các dữ liệu cần thiết để kiểm tra chiến lược và thử tìm cách tối ưu hóa chiến lược để đạt được lợi nhuận cao hơn và/hoặc rủi ro thấp hơn. Chúng ta sẽ cần tính đến lượng vốn cần thiết nếu thực hiện nếu là một nhà giao dịch cá nhân và sự ảnh hưởng của chi phí giao dịch đến chiến lược.

Trái ngược với quan niệm phổ biến cho rằng sẽ khá dễ để tìm một chiến lược có lợi nhuận qua nhiều nguồn tài nguyên công cộng, việc tìm kiếm một chiến lược khả thi và tin cậy đòi hỏi công sức và nền tảng kiến thức lý thuyết cũng như thực tế để phát triển thuật toán cho chính mình. Các nhà nghiên cứu thường công bố những kết quả giao dịch theo lý thuyết trong khi các blog về tài chính định lượng sẽ thảo luận các chiến lược một cách chi tiết còn các tạp chí giao dịch sẽ tổng hợp các chiến lược được sử dụng của những quỹ đầu tư. Bạn có thể đặt câu hỏi tại sao các cá nhân và tổ chức lại sẵn sàng thảo luận về những chiến lược liên quan đến lợi nhuận của họ, đặc biệt là họ lại biết rất rõ đám đông nhà đầu tư còn lại có thể áp dụng chiến thuật này và làm nó trở nên mất hiệu lực trong dài hạn. Lý do nằm ở chỗ ho sẽ không nói về những thông số và phương pháp điều chỉnh mà họ đã thực hiện. Những tham số được tối ưu hóa mới chính là chìa khóa để biến một chiến lược tầm thường thành một chiến lược có lợi nhuận cao. Do đó trong thực tế một trong những cách tốt nhất để tạo ra một chiến lược độc đáo có lợi nhuận là dựa trên các phương pháp tương tự và sau đó tiến hành các thủ thuật để tối ưu hóa theo cách riêng của mình.

Một số website có thể dùng để tìm kiếm chiến lược giao dịch:

·         Social Science Research Network – www.ssrn.com

·         arXiv Quantitative Finance – arxiv.org/archive/q-fin

·         Seeking Alpha – www.seekingalpha.com

·         Elite Trader – www.elitetrader.com

·         Nuclear Phynance – www.nuclearphynance.com

·         Quantivity – quantivity.wordpress.com

Nhiều chiến lược khi bạn xem xét thường rơi vào các nhóm mean-reversion và trend-following/momentum. Chiến lược mean-reverting cố gắng để khai thác vấn đề trung bình trong dài hạn của một chuỗi giá (price series) và những sai lệch trong ngắn hạn này sẽ được điều chỉnh về quy luật của nó trong dài hạn. Chiến lược momentum lại cố gắng khai thác cả tâm lý nhà đầu tư và chiến lược của các quỹ lớn để đi theo xu hướng bằng cách tìm kiếm các đà tăng/giảm của thị trường cho đến khi nó bị đảo ngược.

Một khía cạnh rất quan trọng khác của giao dịch định lượng là tần số của chiến lược giao dịch. Giao dịch tần suất thấp (Low frequency trading – LFT ) thường được dùng để đề cập đến chiến lược nào giữ các tài sản dài hơn một ngày giao dịch. Tương ứng thì giao dịch tần suất cao (High frequency trading – HFT) dùng để đề cập đến các chiến lược chỉ giữ tài sản trong ngày giao dịch và giao dịch tần suất siêu cao (Ultra-high frequency trading – UHFT) là giữ tài sản chỉ trong vài giây hoặc mili giây. Do tính chất rất phức tạp của HFT và UHFT nên bài viết này sẽ không nghiên cứu 2 loại chiến lược này chi tiết.


Giao dịch định lượng cơ bản (P2)

Kiểm định lại chiến lược (Strategy Backtesting)

Mục tiêu của việc kiểm định lại chiến lược là tìm các bằng chứng xác thực khả năng sinh lời của một chiến lược khi ứng dụng vào dữ liệu lịch sử (historical data) và dữ liệu ngoài mẫu(*) (out-of-sample data). Bước kiểm định này dễ tạo ra kỳ vọng rằng sẽ có các chiến lược tạo ra lợi nhuận tốt trên thị trường thực. Tuy nhiên thực sự khâu kiểm định không đảm bảo cho sự thành công vì nhiều lý do. Đây chính là phần nhạy cảm nhất của giao dịch định lượng khi mà nó đòi hỏi phải vô số các sai lệch (bias) phải được xem xét cẩn thận và loại bỏ càng nhiều càng tốt. Chúng ta sẽ bàn đến một số loại sai lệch thông thường bao gồm look-ahead bias, survivorship bias và optimisation bias (hay còn gọi là data-snooping bias). Một số vấn đề quan trọng khác ảnh hưởng đến mô hình là tính khả dụng và độ “trong sạch” của dữ liệu, phân tích các chi phí giao dịch trong thực tế cũng như việc đưa ra quyết định dựa trên nền tảng vững chắc của khâu kiểm định. Chúng ta sẽ nói thêm về chi phí giao dịch trong phần thực thi hệ thống bên dưới.

(*Out-of-sample data: Ví dụ một mô hình được xây dựng dựa trên dữ liệu từ 1970-1979, sau đó người ta thử nghiệm mô hình này với dữ liệu từ 1980-1989 thì dữ liệu này gọi là out-of-sample).

Một khi chiến lược đã được xác định thì phải tiến hành thu thập dữ liệu lịch sử rồi tiến hành thử nghiệm và cải tiến mô hình. Có rất nhiều nhà cung cấp dữ liệu cần thiết cho tất cả các loại tài sản, thông thường chi phí họ yêu cầu tỉ lệ với chất lượng, độ sâu và độ lâu dài của dữ liệu. Cách truyền thống để trở thành một chuyên viên giao dịch quant (ít nhất ở vị trí sales) là sử dụng các bộ dữ liệu miễn phí trên Yahoo Finance.

Những vấn đề chính cần phải quan tâm đối với dữ liệu lịch sử (historical data) bao gồm tính chính xác/trong sạch, survivorship bias và điều chỉnh số liệu lại do những hoạt động của công ty như chia cổ tức và tách cổ phiếu:

  • Tính chính xác (Accuracy) gắn liền với chất lượng tổng thể của dữ liệu. Một vài lỗi có thể dễ dàng tìm thấy bằng cách sử dụng các bộ lọc các điểm bất thường (spike filter), bộ lọc này sẽ tìm ra các điểm bất thường này trong chuỗi dữ liệu thời gian và chỉnh sửa lại cho phù hợp. Tuy nhiên sẽ có những lỗi rất khó phát hiện, vì vậy cần thiết phải có hai hay nhiều nguồn cung cấp dữ liệu trở lên để kiểm tra lẫn nhau.
  • Survivorship bias thường là đặc điểm của dữ liệu rẻ hoặc miễn phí. Bộ dữ liệu có survivorship bias nghĩa là nó không có hoặc thiếu dữ liệu về những tài sản đã không còn được giao dịch. Một ví dụ trường hợp loại tài sản vốn như cổ phiếu bị hủy niêm yết, vỡ nợ. Thiên kiến sai lệch này cho thấy bất kỳ chiến lược giao dịch của phiếu kiểm định trên bộ dữ liệu này dễ dẫn đến có kết quả tốt hơn so với kết quả thực giống như người chiến thắng đã được lịch sử lựa chọn trước.
  • Các hoạt động của công ty (Coporate actions) những hoạt động có tác động đến dữ liệu như giá cổ phiếu cần phải được điều chỉnh cho phù hợp, trường hợp điển hình là điều chỉnh cho việc chia cổ tức và tách cổ phiếu. Quá trình thực hiện các công việc điều chỉnh này gọi là quá trình điều chỉnh (back adjustment process). Một lưu ý khá quan trọng là cần phải phân biệt rõ ràng giữa việc chia tách cổ phiếu và điều chỉnh lại lợi nhuận cho phù hợp vì nhiều giao dịch viên thường không phân biệt rõ ràng sự khác biệt giữa hai khái niệm này.

Để thực hiện thủ tục kiểm định lại này cần phải sử dụng một phần mềm làm nền tảng. Có thể thực hiện kiểm định bằng phần mềm kiểm định chuyên dụng như Tradestation, phần mềm chuyên tính toán như Excel, MATLAB hoặc sử dụng ngôn ngữ lập trình để tự tạo ra một công cụ kiểm định riêng cho mình ví dụ như Python hay C++. Chúng ta sẽ không quan tâm nhiều đến phương pháp sử dụng các phần mềm có sẵn để kiểm định, thay vào đó là xây dựng các công cụ bằng cách tự lập trình. Một trong những lợi ích của cách làm này là chúng ta có thể tích hợp (liên kết) phần mềm kiểm định và hệ thống thực thi, điều này cho phép tính toán các phép tính thống kê phức tạp hơn trên hệ thống ngay cả khi hệ thống đang giao dịch, đặc biệt đối với các chiến lược HFT.

Công việc kiểm định phải định lượng được hiệu suất của hệ thống tốt đến mức nào. Các tiêu chuẩn để định lượng các chiến lược là maximum drawdown và Sharpe ratio. Maximum drawdown là chỉ số đặc trưng cho mức giảm lớn nhất (từ đỉnh đến đáy) của đường cong tài khoản vốn (account equity curve) trong một khoảng thời gian (thường là một năm). Chỉ số này thường được thể hiện ở tỉ số phần trăm, thông thường chiến lược LFT sẽ có maximum drawdown lớn hơn so với HFT do một số yếu tố khi thống kê. Kiểm định lại lịch sử giao dịch sẽ cho thấy maximum drawdown lớn nhất trong quá khứ từ đó có thể định hướng và kiểm soát các chiến lược có drawdown phù hợp. Chỉ số thứ hai cần phải quan tâm là Sharpe ratio, chỉ số này là trung bình của tỉ suất sinh lợi vượt trội chia cho độ lệch chuẩn của các tỉ suất sinh lợi vượt trội đó. Tỉ suất sinh lợi vượt trội là phần chên lệch giữa lợi nhuận chiến lược tạo ra và một tỉ suất sinh lợi tiêu chuẩn như chỉ số S&P 500 hay trái phiếu kho bạc T-bill kỳ hạn 3 tháng. Một vấn đề nữa là không nên sử dụng lợi nhuận hàng năm để làm thước đo tính hiệu quả của chiến lược hiện tại vì chiến lược có thể được điều chỉnh qua thời gian.

 

Backtesting bằng cách sử dụng phần mềm MATLAB

Một khi chiến lược đã được kiểm định và nó hạn chế được các sai lệch càng nhiều càng tốt đồng thời được thử nghiệm và có chỉ số Sharpe tốt cũng như các drawdown nhỏ sẽ được tiến hành bước tiếp theo – xây dựng hệ thống thực thi.

Thực thi hệ thống (Execution Systems)

Thực thi hệ thống là danh sách các lệnh được tạo ra bởi chiến lược sẽ được gửi đến và thực hiện bởi broker. Các hệ thống giao dịch của sàn giao dịch thế hệ mới có thể bán tự động hoặc hoàn toàn tự động và cơ chế thực hiện của hệ thống của chúng ta xây dựng có thể bằng tay, bán tự động (qua 1 click chuột) hay tự động hoàn toàn. Đối với chiến lược LFT thường sử dụng kỹ thuật bằng tay và bán tự động trong khi chiến lược HFT cần phải tạo ra một cơ chế giao dịch tự động hoàn toàn.

Những vấn đề quan trọng khi tạo ra một hệ thống thực thi là quá trình tương tác với broker, tối thiểu hóa chi phí giao dịch (bao gồm hoa hồng, sự trượt giá…) và sự khác biệt của hiệu năng thực tế với hiệu năng trong khâu kiểm định.

Có nhiều cách để tương tác với broker. Từ việc đơn giản như gọi điện trực tiếp đến các broker qua điện thoại tới sử dụng các chương trình ứng dụng tương tác (API – Application Programming Interface) hoàn toàn tự động. Lý tưởng nhất chính là tự động hóa các công việc điều hành giao dịch càng nhiều càng tốt. Điều này sẽ giải phóng chúng ta khỏi các tác vụ này và tập trung sâu hơn vào khâu nghiên cứu cũng như thử nghiệm nhiều chiến lược giao dịch khác nhau cùng lúc, thậm chí là chiến lược tần suất cao HFT (trong thực tế, chiến lược HFT không thể thực hiện mà không sử dụng phương pháp tự động). Các phần mềm kiểm định đã được nói ở trên như MATLAB, Excel và Tradestation thì phù hợp với các chiến lược đơn giản, tần suất thấp. Tuy nhiên, cần thiết phải xây dựng một hệt thống thực thi được viết trên một ngôn ngữ lập trình có hiệu năng cao như C++ nhằm thực thi những chiến lược HFT bởi vì các ngôn ngữ mạnh như C/C++ cho phép chúng ta xử lý dữ liệu với tần suất là phút, giây hay tới mili giây và micro giây – một đặc tính lý tưởng với HFT.

Các quỹ lớn thông thường không phải là nơi phù hợp với những chuyên gia giao dịch định lượng để tối ưu hóa các hoạt động đầu tư của họ. Tuy nhiên trong những quỹ nhỏ hơn hay các công ty HFT, các chuyên gia giao dịch cũng là những nhà điều hành do đó cần thiết kỹ năng chuyên môn rộng hơn. Nếu bạn vẫn muốn làm cho một quỹ đầu tư lớn, kỹ năng lập trình vẫn quan trọng không kém kỹ năng về thống kê và kinh tế lượng.

Một vấn đề chính trong khâu thực thi là giảm thiểu chi phí giao dịch. Thông thường có ba loại chi phí giao dịch: hoa hồng (hoặc thuế) được trả cho các broker hay chi phí giao dịch cho SEC (Ủy ban chứng khoán Hoa Kỳ) hoặc cơ quan đại diện tương đương; sự trượt giá là sự thay đổi giữa giá được đặt mua và giá thực sự mua được; sự chênh lệch (spread) về giá bid/ask (mua/bán) của cổ phiếu được giao dịch. Sự chênh lệch về giá mua/bán không cố định và phụ thuộc vào tính thanh khoản hiện tại trên thị trường.

Các chi phí giao dịch có thể tạo ra sự khác biệt giữa một chiến lược cực kỳ lợi nhuận với tỉ số Sharpe tốt và một chiến lược không có lợi nhuận với tỉ số Sharpe không tốt. Tuy nhiên dự đoán chi phí giao dịch chính xác ở khâu kiểm định chiến lược là một điều khá khó khăn. Dựa vào tần suất của chiến lược, chúng ta cần tiếp cận với các dữ liệu giao dịch trong quá khứ bao gồm cả dữ liệu của giá bid/ask.

Vấn đề chính cuối cùng đối với hệ thống thực thi là sự khác biệt giữa hiệu năng chiến lược trên thực tế với hiệu năng ở khâu kiểm định, điều này xảy ra do nhiều nguyên nhân đã được nói đến ở trên như các sai lệch (look-ahead bias, optimisatoin bias) khi xem xét ở khâu kiểm định. Tuy nhiên vẫn có một số chiến lược không dễ kiểm tra những sai lệch này trước khi triển khai thực hiện. Điều này thường xảy ra đối với các chiến lược HFT, UHFT như có thể xuất hiện các lỗi trong hệ thống thực thi cũng như lỗi trong chiến lược giao dịch mà không xuất hiện khi kiểm định mà chỉ xuất hiện khi giao dịch thực tế. Ngoài ra, thị trường hoàn toàn có thể thay đổi sau khi triển khai các chiến lược giao dịch như môi trường pháp lý thay đổi, tâm lý nhà đầu tư thay đổi và các hiện tượng kinh tế vĩ mô dẫn đến thị trường sẽ có những hành vi khác dự tính ảnh hưởng đến lợi nhuận của chiến lược.


Giao dịch định lượng cơ bản (P3-phần cuối)

Quản trị rủi ro (Risk management)

Công việc cuối cùng phải làm đối với hệ thống giao dịch là tiến trình quản trị rủi ro. Rủi ro ở đây bao gồm tất cả những lệch lạc mà chúng ta đã nói đến các phần trước. Nó bao gồm rủi ro về công nghệ ví dụ như các hệ thống máy chủ (server) ở sàn giao dịch đột nhiên xuất hiện lỗi đĩa cứng; rủi ro về broker như broker bị phá sản (bankrupt)…Tóm lại, những rủi ro này bao gồm gần như tất cả mọi thứ có thể gây trở ngại đến việc thực thi giao dịch của hệ thống và mỗi rủi ro là lại có thể có nhiều nguyên nhân gây ra nó. Hầu hết tất cả các quyển sách nói về chiến lược giao dịch đều đề cập đến quản trị rủi ro một cách chi tiết và đầy đủ, do đó trong phạm vi tính chất bài viết này sẽ không đề cập đầy đủ tất cả những nguyên nhân gây ra rủi ro với hệ thống.

Quản trị rủi ro cũng bao hàm cả khái niệm phân bổ nguồn vốn tối ưu (optimal capital allocation) là một nhánh của lý thuyết danh mục đầu tư. Khái niệm này có nghĩa là bao nhiêu vốn sẽ được phân phối tương ứng cho các chiến lược khác nhau và cho những giao dịch trong những chiến lược đó. Đây là một lĩnh vực phức tạp và nó dựa rất nhiều vào các kỹ thuật toán học để tính toán. Trong thực tế tiêu chuẩn được sử dụng trong việc phân bổ nguồn vốn tối ưu và tỉ lệ đòn bẩy của các chiến lược có liên quan đến khái niệm Tiêu chuẩn Kelly (Kelly criterion). Do bài viết này chỉ mang tính chất giới thiệu nên chúng tôi sẽ không đề cập sâu đến các vấn đề tính toán.

Công thức tiêu chuẩn Kelly: Kelly% = W – [(1-W)/R]

Có hai thành tố chính trong công thức này cần tính toán khi áp dụng vào việc giao dịch: W: xác suất xảy ra lợi nhuận dương của một giao dịch và R (win/loss): tỉ lệ giữa tổng những giao dịch lời và tổng những giao dịch lỗ.

Thành phần quan trọng khác của quản trị rủi ro là đối mặt với vấn đề tâm lý của bản thân mình. Có nhiều lệch lạc do nhận thức cảm tính của chuyên viên giao dịch, thiết kế hệ thống có thể đan xen vào công việc giao dịch. Có thể thừa nhận rằng các vấn đề về tâm lý sẽ được loại bỏ nếu như các chuyên viên giao dịch để hệ thống tự động thực thi mà không can thiệp. Một lệch lạc thông thường là “cảm giác mất mát” khi mà bạn đang bị thua lỗ nhưng không muốn đóng giao dịch đó lại vì điều đó đồng nghĩa với việc thừa nhận thua lỗ đó. Tương tự như vậy, trong trường hợp có lời thì giao dịch thường sẽ bị đóng quá sớm vì sợ mất lợi nhuận đã đạt được một cách tuyệt vời. Một lệch lạc khác thường được nhắc đến là lệch lạc gần đây (recency bias) có nghĩa là nhà đầu tư đặt quá nhiều trọng tâm vào các giao dịch/sự kiện xảy ra trong thời gian gần đây và không lâu dài, ví dụ như các chuyên viên giao dịch tính toán mức độ sinh lời của chiến lược dựa trên những kết quả giao dịch gần đây mà không phải trong một khoảng thời gian đủ dài, điều đó sẽ dẫn đến đánh giá không chính xác hiệu năng của chiến lược. Và tất nhiên không thể không nhắc đến một cặp lệch lạc cảm xúc truyền thống chính là sợ hãi và tham lam. 2 lệch lạc này thường dẫn đến việc sử dụng đòn bẩy quá thấp hoặc quá cao dẫn đến tình trạng blow-up (tài khoản vốn bị thua lỗ về 0 hoặc tình trạng xấu hơn) hay làm giảm lợi nhuận.

Tổng kết

Có thể thấy rằng giao dịch định lượng cực kỳ phức tạp mặc dù rất thú vị và cũng là một nhánh của tài chính định lượng. Bài viết trên chỉ đề cập đến những khía cạnh bề ngoài của giao dịch định lượng mọt cách đơn giản nhất, có rất nhiều quyển sách, bài nghiên cứu đã được viết ra chỉ dành riêng cho một chủ đề nhỏ đã nhắc đến ở trên. Do đó, bất kỳ ai muốn làm việc cho các quỹ ở vị trí giao dịch thì cần phải sẵn sàng học và nghiên cứu một khối lượng kiến thức lớn. Ít nhất thì các chuyên viên này phải có nền tảng vững ở lĩnh vực thống kê và kinh tế lượng với kinh nghiệm trong việc áp dụng chúng bằng các phần mềm như MATLAB, Python hay R. Đối với các chiến lược tinh vi, phức tạp hơn như giao dịch tần suất cao thì cần thêm các kỹ năng bao gồm lập trình nhân của Linux (Linux kernel), lập trình C/C++ và assembly, tối ưu hóa mạng lưới độ trễ.

Nếu bạn đang muốn thử tạo ra một chiến lược giao dịch cho bản thân, lời khuyên chúng tôi đưa ra là phải có kỹ năng lập trình tốt trước tiên. Tự xây dựng các chương trình thu thập dữ liệu, kiểm định lại chiến lược và hệ thống điều hành cho bản thân càng nhiều càng tốt. Nếu như vốn của bạn đang được giao dịch trên hệ thống, ít nhất bạn có thể ngủ ngon khi biết rằng hệ thống đã được kiểm tra đầy đủ và những rủi ro đã được tính toán trước. Sử dụng phần mềm được gia công bởi các nhà cung cấp khác có thể giúp tiết kiệm thời gian trong ngắn hạn, tuy nhiên trong dài hạn lại có thể rất tốn kém vì khó điều chỉnh lại hệ thống theo mục tiêu của mình cũng như tối ưu hóa các vấn đề khác.


Source: https://www.quantstart.com/articles/Beginners-Guide-to-Quantitative-Trading

Giao dịch theo phương pháp định lượng mà các quỹ hay dùng

Giao dịch định lượng (quantitative trading) là gì?

Giao dịch định lượng là phương pháp giao dịch dựa trên các nghiên cứu định lượng (quantitative analysis). Nghiên cứu này dựa trên trên thống kê, toán học và các con số để tìm kiếm cơ hội giao dịch. Phương pháp quant trading này thường được dùng bởi các tổ chức tài chính lớn và các quỹ tương hỗ (hedge fund). Khối lượng giao dịch thường lớn và bao gồm cả trăm ngàn cổ phiếu hoặc các loại chứng khoán khác. Tuy nhiên, gần đây thì giao dịch định lượng đã bắt đầu phổ biến trong giới trader cá nhân.

Tìm hiểu sâu hơn về Giao dịch định lượng

Giá cả và khối lượng giao dịch là 2 trong số các dữ liệu đầu vào thường được dùng trong phân tích định lượng để sử dụng các thuật toán.

Giao dịch định lượng có thể bao gồm cả giao dịch kiểu #high frequency trading , #algo trading hoặc giao dịch kiểu thống kê để ăn chênh lệch (statistical arbitrage). Những cách thức giao dịch này là dạng vào nhanh ra nhanh và thời gian nắm lệnh rất ngắn. Cũng có một số quant trader sử dụng các công cụ để phân tích định lượng, như là trung bình động (#moving average ) hay bộ đo dao động (#oscillator )

Những kiến thức khác về Giao dịch định lượng

thuậNhững Quant Trader thường có lợi điểm nhờ công nghệ hiện đại, sử dụng toán học và sự sẵn có của cơ sở dữ liệu toàn diện nhắm giúp việc ra quyết định giao dịch trở nên hợp lý

Quant Trader dùng các phương pháp giao dịch rồi tạo ra các thuật toán dựa trên đó, xong lại phát triển hệ thống máy tính và sử dụng thuật toán này vào dữ liệu giá quá khứ của thị trường. Sau đó, thuật toán sẽ được kiểm chứng và tùy chỉnh. Nếu kết quả đầu ra là tốt thì hệ thống này được đem vào dùng thực tế với tiền thật.

Cách vận hành Quant Trading cũng giống như cách dự báo thời tiết vậy. Đôi khi dự báo thời tiết cho khả năng ngày mai 90% trời mưa mặc dù hôm nay nắng. Con số 90% này được lấy ra bằng cách trong quá khứ, các nhà khí tượng học thu nhập dữ liệu như độ ẩm, nhiệt độ…và cho vào máy tính. Máy sẽ tạo thành một mẫu hình mà trong đó giúp dự đoán sự chuyển mưa mặc dù thời tiết đang nắng. Mẫu hình này được kiểm chứng trong quá khứ (backtest) và nếu ra 90 lần mưa / 100 lần thì con số 90% sẽ ra đời. Trading theo kiểu định lượng cũng y như vậy thôi.

Ưu điểm và nhược điểm của Giao dịch định lượng

Mục tiêu của trading là tính toán xác suất tối ưu của việc thắng 1 lệnh nào đó. Một trader bình thường chỉ có thể theo dõi, phân tích và ra quyết định giao dịch trên 1 số lượng nhất định mã chứng khoán nào đó, vì nếu quá nhiều dữ liệu đầu vào sẽ khiến trader quá tải. Việc sử dụng Giao dịch định lượng giúp gỡ bỏ hạn chế này do đã dùng máy tính hoàn toàn.

Kiểm soát cảm xúc cũng là một vấn đề cực lớn của trading. Dù tham hay sợ thì trong trading, các yếu tố cảm xúc đó cũng chỉ khiến suy nghĩ lý trí bị lu mờ và thường sẽ dẫn đến thua lỗ. Máy tính và toán học thì không như vậy, vì vậy chúng vượt qua được điểm khó khăn này.

Tuy nhiên, Giao dịch định lượng cũng có vấn đề của nó. Thị trường tài chính là một thực thể rất năng động. Giao dịch định lượng muốn thành công thì thuật toán của nó phải theo kịp sự biến đổi không ngừng của thị trường. Rất nhiều Quant Trader phát triển được thuật toán theo kịp thị trường và có lợi nhuận ban đầu, vì nó phù hợp với tính chất thị trường tại thời điểm đó. Tuy nhiên, khi thị trường thay đổi, thuật toán đã không theo kịp, dẫn đến thất bại hoàn toàn.