Danh mục: K11 Bot Auto Trading Python

Trend Following là triết lý cốt lõi của Swing Trading — buổi 18 dạy cách xác định xu hướng “đáng tin” thay vì chỉ nhìn MA đơn thuần. Kết hợp MA và ADX df[‘adx’] = tinh_adx(df, period=14) xu_huong_manh = (df[‘close’] > df[‘MA50’]) & (df[‘adx’] > 25) ADX (Average Directional Index) đo độ mạnh của xu […]

Buổi 18 chuyển sang phong cách hoàn toàn khác Scalping: Swing Trading — giữ lệnh từ vài ngày đến vài tuần dựa trên xu hướng trung hạn. Đặc điểm chiến lược Swing khung_thoi_gian = “4h” df[‘xu_huong’] = xac_dinh_xu_huong_dai_han(df, period=50) if df[‘xu_huong’].iloc[-1] == “TANG” and gia_hoi_ve_ho_tro(df): vao_lenh_mua() Swing Trading ít nhạy cảm với độ trễ hơn […]

Dự án 1 của khóa Bot Auto Trading Python hoàn thiện ở buổi 17 — Bot Scalping chạy được trên dữ liệu thời gian thực. Khung Bot Scalping hoàn chỉnh def on_message(ws, msg): gia = json.loads(msg)[‘c’] if bien_dong_tang_du_manh(gia): vao_lenh_mua_nhanh(gia) dat_tp_sl_hep(gia) # TP/SL rất gần do scalping Dự án 1 chứng minh học viên đã đủ […]

Dù không thể cạnh tranh HFT, buổi 17 vẫn dạy các kỹ thuật giảm độ trễ tối đa có thể trong giới hạn của Python. 3 kỹ thuật giảm độ trễ chính WebSocket thay Polling: nhận dữ liệu đẩy về ngay khi có thay đổi, không cần chờ vòng lặp gọi lại VPS gần server […]

Buổi 17 thẳng thắn nói về giới hạn: Python không phải ngôn ngữ tốt nhất cho High-Frequency Trading (HFT) thực sự ở cấp độ microsecond. Đo độ trễ thực tế import time bat_dau = time.perf_counter() gia = lay_du_lieu_gia() print(f”Độ trễ: {(time.perf_counter() – bat_dau)*1000:.2f}ms”) Với độ trễ thường ở mức chục-trăm milliseconds (do giới hạn mạng […]

Buổi 17 mở Phần 5 với Dự án 1: Bot Scalping — chiến lược giao dịch tần suất cao, ăn những biến động giá nhỏ nhưng lặp lại nhiều lần. Đặc điểm chiến lược Scalping khung_thoi_gian = “1m” muc_tieu_loi_nhuan = 0.003 # chỉ 0.3% mỗi lệnh if bien_dong_du_lon(df, khung_thoi_gian): vao_lenh_nhanh() Scalping yêu cầu số lượng […]

Bài thực hành cuối Phần 4 yêu cầu xây dựng bot quản lý đồng thời nhiều tài sản — tổng hợp Diversification + Correlation + Optimization. Khung Portfolio Bot class PortfolioBot: def __init__(self, danh_sach_tai_san, von_tong): self.ty_trong = toi_uu_phan_bo(danh_sach_tai_san) self.von_tong = von_tong def chay(self): for ts, ty_trong in self.ty_trong.items(): chay_chien_luoc(ts, self.von_tong * ty_trong) Đây là bước […]

Buổi 16 giới thiệu sơ lược lý thuyết Markowitz để tối ưu tỷ trọng vốn giữa các tài sản trong danh mục bot. Tối ưu hóa cơ bản bằng scipy from scipy.optimize import minimize def rui_ro_danh_muc(ty_trong, cov_matrix): return ty_trong @ cov_matrix @ ty_trong.T ket_qua = minimize(rui_ro_danh_muc, ty_trong_ban_dau, args=(cov_matrix,)) Mục tiêu là tìm tỷ trọng phân […]

Buổi 16 chỉ ra một sai lầm phổ biến: trade nhiều coin nhưng tất cả đều tương quan cao với BTC — không thực sự đa dạng hóa. Code tính ma trận tương quan loi_suat = df_gia[[“BTC”, “ETH”, “SOL”, “XRP”]].pct_change() ma_tran_tuong_quan = loi_suat.corr() print(ma_tran_tuong_quan) Nếu ETH và SOL có tương quan 0.9 với BTC, việc […]

Buổi 16 mở rộng tư duy từ “1 bot – 1 tài sản” sang quản lý danh mục đa tài sản (Portfolio). Code phân bổ vốn cơ bản đa tài sản danh_sach_tai_san = [“BTC/USDT”, “ETH/USDT”, “SOL/USDT”] von_moi_tai_san = von_tong / len(danh_sach_tai_san) for tai_san in danh_sach_tai_san: chay_chien_luoc(tai_san, von_moi_tai_san) Đa dạng hóa giúp giảm rủi ro tập […]