01 / Khái niệm
Quantitative finance rộng hơn chiến lược giao dịch
Trong tài chính định lượng (quantitative finance), câu hỏi có thể là giá trị của một công cụ phái sinh dưới giả định biến động, mức đa dạng hóa của danh mục theo hiệp phương sai, hoặc rủi ro mô hình khi một giả định sai. Quant trading tập trung vào quy tắc tạo và đánh giá quyết định giao dịch. Algorithmic trading là tự động hóa việc gửi và quản lý lệnh; một thuật toán khớp lệnh không nhất thiết là mô hình dự báo.
Ví dụ một danh mục hai tài sản không thể đánh giá rủi ro bằng cách cộng đơn giản hai độ biến động: tương quan và hiệp phương sai quyết định phần rủi ro chung. Mô hình định giá phái sinh cũng phụ thuộc giả định về biến động và cách chiết khấu; đây là ví dụ phạm vi ngành, không phải tuyên bố năng lực định giá của dự án. Riêng nghiên cứu quy tắc giao dịch, chuỗi dữ liệu → giả thuyết → kiểm tra ngoài mẫu → quản lý rủi ro giúp nhận diện rò rỉ thời gian, phí bỏ quên và chọn mô hình sau khi xem kết quả.
Ví dụ số học nhỏ
Giả sử giá đóng cửa ba ngày là 100, 102 và 99. Lợi suất ngày 2 là (102/100 − 1) = 2%; ngày 3 là (99/102 − 1) ≈ −2,94%. Trung bình hai phiên khoảng −0,47% không đủ để dự báo phiên thứ tư. Đây chỉ là mô tả quá khứ; cỡ mẫu nhỏ và chưa tính phí.
02 / Công việc
Researcher, developer và trader khác nhau ở đâu?
Researcher
Đặt giả thuyết, kiểm tra thiên lệch, thiết kế tập kiểm tra ngoài mẫu và ghi lại cả kết quả âm.
Developer
Kiểm tra dữ liệu, tự động hóa tính toán, tái lập môi trường và thử lỗi của hệ thống.
Trader / risk
Theo dõi khớp lệnh, hạn mức và vị thế; phân biệt hiệu quả mô phỏng với khả năng thực thi.
Một người có thể đảm nhiệm nhiều vai trò, nhưng mỗi giả định vẫn cần bằng chứng riêng. Hồ sơ Phan Công Đông mô tả phạm vi công việc công khai của người xây dựng DONK QUANT LAB.
03 / Nền tảng
Học theo câu hỏi có thể kiểm tra
Toán xác suất giúp hiểu phân phối và bất định; thống kê giúp phân biệt quan sát với nhiễu; lập trình giúp chạy lại cùng một phép tính; dữ liệu có dấu thời gian giúp biết lúc nào thông tin thật sự sẵn có. Bài tập ở đây tập trung vào kiểm chứng giao dịch, một nhánh của quant.
Đọc lộ trình học quant để thực hành từng bước, Python cho quant để tính lợi suất mà không nhìn trước dữ liệu, và quant crypto để phân biệt thị trường liên tục với mô hình đơn giản trên giấy.
Một mô phỏng cần ghi rõ cửa sổ huấn luyện, giai đoạn ngoài mẫu, quy tắc vào lệnh sau khi tín hiệu được biết và giả định phí. Backtest, win rate và drawdown giải thích vì sao ba con số không thể tách khỏi bối cảnh.
Nguồn tham khảo
Đọc tiếp từ tài liệu gốc
- NIST — Statistical Methods: nền tảng đo lường và sai số.
- Python — statistics: cách tính thống kê mô tả; không phải công cụ dự báo.
Các đường dẫn bên ngoài là tài liệu học, không xác nhận lợi nhuận hay hiệu quả chiến lược.