Tin tức

Phân Tích Dữ Liệu Thị Trường

26/09/2026 Đặng Trí Thanh 71 lượt xem ~3 phút đọc
Mục lục bài viết
    Phân Tích Dữ Liệu Thị Trường

    Phân Tích Dữ Liệu Thị Trường trong Giao Dịch Định Lượng

    Trong bài viết này, chúng ta sẽ tìm hiểu về cách phân tích dữ liệu thị trường để xây dựng chiến lược giao dịch định lượng.

    Thu thập dữ liệu

    Sử dụng API

    import yfinance as yf
    import pandas as pd
    import numpy as np
    
    # Tải dữ liệu chứng khoán
    def get_stock_data(symbol, start_date, end_date):
        data = yf.download(symbol, start=start_date, end=end_date)
        return data
    
    # Tải dữ liệu crypto
    def get_crypto_data(symbol, start_date, end_date):
        data = yf.download(f"{symbol}-USD", start=start_date, end=end_date)
        return data

    Xử lý dữ liệu cơ bản

    def process_market_data(data):
        # Tính toán các chỉ báo kỹ thuật
        data['Returns'] = data['Close'].pct_change()
        data['SMA_20'] = data['Close'].rolling(window=20).mean()
        data['SMA_50'] = data['Close'].rolling(window=50).mean()
        data['Volatility'] = data['Returns'].rolling(window=20).std()
    
        return data

    Phân tích kỹ thuật

    Chỉ báo xu hướng

    def calculate_trend_indicators(data):
        # RSI
        delta = data['Close'].diff()
        gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()
        loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()
        rs = gain / loss
        data['RSI'] = 100 - (100 / (1 + rs))
    
        # MACD
        data['EMA_12'] = data['Close'].ewm(span=12).mean()
        data['EMA_26'] = data['Close'].ewm(span=26).mean()
        data['MACD'] = data['EMA_12'] - data['EMA_26']
        data['Signal_Line'] = data['MACD'].ewm(span=9).mean()
    
        return data

    Chỉ báo khối lượng

    def calculate_volume_indicators(data):
        # OBV (On-Balance Volume)
        data['OBV'] = (np.sign(data['Close'].diff()) * data['Volume']).fillna(0).cumsum()
    
        # Volume SMA
        data['Volume_SMA_20'] = data['Volume'].rolling(window=20).mean()
    
        return data

    Phân tích thống kê

    Phân tích phân phối

    def analyze_distribution(data):
        # Tính toán các thống kê cơ bản
        stats = {
            'mean': data['Returns'].mean(),
            'std': data['Returns'].std(),
            'skew': data['Returns'].skew(),
            'kurtosis': data['Returns'].kurtosis()
        }
    
        return stats

    Phân tích tương quan

    def analyze_correlation(data1, data2):
        # Tính toán hệ số tương quan
        correlation = data1['Returns'].corr(data2['Returns'])
    
        return correlation

    Phân tích mẫu hình

    Mẫu hình nến

    def identify_candlestick_patterns(data):
        # Doji
        data['Doji'] = abs(data['Open'] - data['Close']) <= (data['High'] - data['Low']) * 0.1
    
        # Hammer
        data['Hammer'] = (data['Close'] > data['Open']) & 
                        ((data['High'] - data['Low']) > 3 * (data['Open'] - data['Low'])) & 
                        ((data['Close'] - data['Low']) / (0.001 + data['High'] - data['Low']) > 0.6)
    
        return data

    Mẫu hình giá

    def identify_price_patterns(data):
        # Double Top
        data['Double_Top'] = (data['High'].shift(1) < data['High']) & 
                            (data['High'] > data['High'].shift(-1)) & 
                            (abs(data['High'] - data['High'].shift(1)) < data['High'] * 0.01)
    
        return data

    Visualize dữ liệu

    Biểu đồ giá

    import matplotlib.pyplot as plt
    
    def plot_price_data(data):
        plt.figure(figsize=(12, 6))
        plt.plot(data.index, data['Close'], label='Close Price')
        plt.plot(data.index, data['SMA_20'], label='20-day SMA')
        plt.plot(data.index, data['SMA_50'], label='50-day SMA')
        plt.title('Price Chart with Moving Averages')
        plt.legend()
        plt.show()

    Biểu đồ phân phối

    def plot_distribution(data):
        plt.figure(figsize=(10, 6))
        plt.hist(data['Returns'], bins=50, density=True)
        plt.title('Returns Distribution')
        plt.show()

    Best Practices

    1. Sử dụng dữ liệu chất lượng cao
    2. Xử lý dữ liệu thiếu và nhiễu
    3. Chuẩn hóa dữ liệu
    4. Kiểm tra tính ổn định của dữ liệu
    5. Lưu trữ dữ liệu hiệu quả

    Kết luận

    Phân tích dữ liệu thị trường là bước quan trọng trong việc xây dựng chiến lược giao dịch định lượng. Trong bài viết tiếp theo, chúng ta sẽ tìm hiểu về cách xây dựng chiến lược giao dịch dựa trên các phân tích này.

    Đặng Trí Thanh

    Đặng Trí Thanh

    Giám đốc Công nghệ · DNT Digital · Giảng viên HNDL Hướng Nghiệp Dữ Liệu
    1.398 Bài viết
    15.4k Người theo dõi
    120k+ Lượt đọc

    Đặng Trí Thanh — Founder & CTO · Hướng Nghiệp Dữ Liệu - DNT Digital. Chuyên đào tạo và triển khai thực chiến Python, MT5 và hệ thống bot auto trading / IB cho học viên và doanh nghiệp.

    Thẻ: (chưa gắn thẻ)

    Bài viết liên quan

    DNT DIGITAL

    🤖 AI CODE: Vibe Code NEEDED! 🚀 🏦 SSI • DNSE • MT5 • Bitget ⚡

    Zalo 0934145100
    Khóa đào tạo
    Hỗ trợ

    Được học lại miễn phí · Hỗ trợ trọn đời · Cập nhật miễn phí

    Đội ngũ hỗ trợ

    Đặng Trí Thanh
    Đặng Trí Thanh
    Giám đốc Công nghệ DNT Digital
    Zalo 0934145100
    Mộng Cầm
    Mộng Cầm
    Hỗ trợ khách hàng · Huấn luyện viên
    Zalo 0927909257
    Khánh Linh
    Khánh Linh
    Hỗ trợ khách hàng · Huấn luyện viên
    Zalo 0927909582