| Chiến Lược Mean Reversion Bot Auto Trading

Được viết bởi thanhdt vào ngày 17/11/2025 lúc 12:04 | 69 lượt xem

Chiến Lược Mean Reversion Bot Python

Mean Reversion (Hồi quy về giá trị trung bình) là một trong những chiến lược giao dịch phổ biến nhất, dựa trên nguyên tắc rằng giá sẽ có xu hướng quay trở lại mức trung bình sau khi lệch xa. Chiến lược này đặc biệt hiệu quả trong thị trường sideways (đi ngang) và có thể tạo ra lợi nhuận ổn định khi được thực hiện đúng cách. Trong bài viết này, chúng ta sẽ xây dựng một bot giao dịch tự động sử dụng chiến lược Mean Reversion với Python.

Tổng quan về Mean Reversion

Mean Reversion là gì?

Mean Reversion là hiện tượng giá của một tài sản có xu hướng quay trở lại mức trung bình (mean) sau khi di chuyển quá xa khỏi nó. Nguyên tắc cơ bản:

Giá tạm thời lệch xa khỏi mức trung bình
Áp lực mua/bán sẽ đưa giá trở lại mức trung bình
Cơ hội giao dịch xuất hiện khi giá ở cực trị (quá mua hoặc quá bán)

Tại sao Mean Reversion hiệu quả?

Thị trường có tính chu kỳ: Giá thường dao động xung quanh giá trị trung bình
Phù hợp thị trường sideways: Hoạt động tốt khi không có xu hướng rõ ràng
Tần suất giao dịch cao: Nhiều cơ hội vào/ra lệnh hơn so với trend following
Risk/Reward tốt: Stop Loss và Take Profit rõ ràng
Có thể tự động hóa: Dễ dàng lập trình thành bot

Các chỉ báo Mean Reversion phổ biến

Bollinger Bands: Dải trên/dưới dựa trên độ lệch chuẩn
Z-Score: Đo lường khoảng cách giá so với trung bình (theo đơn vị độ lệch chuẩn)
RSI (Relative Strength Index): Xác định quá mua/quá bán
Stochastic Oscillator: Chỉ báo động lượng
Moving Average: SMA, EMA để xác định mức trung bình

Cài đặt Môi trường

Thư viện cần thiết

# requirements.txt
pandas==2.1.0
numpy==1.24.3
ccxt==4.0.0
python-binance==1.0.19
matplotlib==3.7.2
plotly==5.17.0
ta-lib==0.4.28
schedule==1.2.0
python-dotenv==1.0.0
scipy==1.11.0

Cài đặt

pip install pandas numpy ccxt python-binance matplotlib plotly schedule python-dotenv scipy

Lưu ý:

TA-Lib yêu cầu cài đặt thư viện C trước. Trên Windows, tải file .whl từ đây.
Đối với Linux/Mac: sudo apt-get install ta-lib hoặc brew install ta-lib

Xây dựng các Chỉ báo Mean Reversion

Tính toán Bollinger Bands

import pandas as pd
import numpy as np
from typing import Tuple

class BollingerBands:
    """
    Lớp tính toán Bollinger Bands
    """
    
    def __init__(self, period: int = 20, std_dev: float = 2.0):
        """
        Khởi tạo Bollinger Bands
        
        Args:
            period: Chu kỳ tính trung bình (mặc định: 20)
            std_dev: Số độ lệch chuẩn (mặc định: 2.0)
        """
        self.period = period
        self.std_dev = std_dev
    
    def calculate(self, data: pd.Series) -> pd.DataFrame:
        """
        Tính toán Bollinger Bands
        
        Args:
            data: Series chứa giá (thường là close price)
            
        Returns:
            DataFrame với các cột: middle, upper, lower
        """
        # Middle band (SMA)
        middle = data.rolling(window=self.period).mean()
        
        # Standard deviation
        std = data.rolling(window=self.period).std()
        
        # Upper and lower bands
        upper = middle + (std * self.std_dev)
        lower = middle - (std * self.std_dev)
        
        return pd.DataFrame({
            'middle': middle,
            'upper': upper,
            'lower': lower
        })
    
    def get_position(self, price: float, upper: float, lower: float) -> float:
        """
        Tính vị trí giá trong Bollinger Bands (0-1)
        
        Args:
            price: Giá hiện tại
            upper: Dải trên
            lower: Dải dưới
            
        Returns:
            Giá trị từ 0-1 (0 = dưới dải, 1 = trên dải)
        """
        if upper == lower:
            return 0.5
        
        return (price - lower) / (upper - lower)

Tính toán Z-Score

class ZScoreIndicator:
    """
    Lớp tính toán Z-Score
    """
    
    def __init__(self, period: int = 20):
        """
        Khởi tạo Z-Score Indicator
        
        Args:
            period: Chu kỳ tính trung bình và độ lệch chuẩn
        """
        self.period = period
    
    def calculate(self, data: pd.Series) -> pd.Series:
        """
        Tính toán Z-Score
        
        Z-Score = (Price - Mean) / StdDev
        
        Args:
            data: Series chứa giá
            
        Returns:
            Series chứa giá trị Z-Score
        """
        mean = data.rolling(window=self.period).mean()
        std = data.rolling(window=self.period).std()
        
        z_score = (data - mean) / std
        
        return z_score
    
    def is_oversold(self, z_score: float, threshold: float = -2.0) -> bool:
        """
        Kiểm tra giá có quá bán không
        
        Args:
            z_score: Giá trị Z-Score
            threshold: Ngưỡng quá bán (mặc định: -2.0)
            
        Returns:
            True nếu quá bán
        """
        return z_score <= threshold
    
    def is_overbought(self, z_score: float, threshold: float = 2.0) -> bool:
        """
        Kiểm tra giá có quá mua không
        
        Args:
            z_score: Giá trị Z-Score
            threshold: Ngưỡng quá mua (mặc định: 2.0)
            
        Returns:
            True nếu quá mua
        """
        return z_score >= threshold

Tính toán RSI

class RSIIndicator:
    """
    Lớp tính toán RSI (Relative Strength Index)
    """
    
    def __init__(self, period: int = 14):
        """
        Khởi tạo RSI Indicator
        
        Args:
            period: Chu kỳ RSI (mặc định: 14)
        """
        self.period = period
    
    def calculate(self, data: pd.Series) -> pd.Series:
        """
        Tính toán RSI
        
        Args:
            data: Series chứa giá
            
        Returns:
            Series chứa giá trị RSI (0-100)
        """
        delta = data.diff()
        
        gain = (delta.where(delta > 0, 0)).rolling(window=self.period).mean()
        loss = (-delta.where(delta < 0, 0)).rolling(window=self.period).mean()
        
        rs = gain / loss
        rsi = 100 - (100 / (1 + rs))
        
        return rsi
    
    def is_oversold(self, rsi: float, threshold: float = 30.0) -> bool:
        """
        Kiểm tra RSI có quá bán không
        
        Args:
            rsi: Giá trị RSI
            threshold: Ngưỡng quá bán (mặc định: 30)
            
        Returns:
            True nếu quá bán
        """
        return rsi <= threshold
    
    def is_overbought(self, rsi: float, threshold: float = 70.0) -> bool:
        """
        Kiểm tra RSI có quá mua không
        
        Args:
            rsi: Giá trị RSI
            threshold: Ngưỡng quá mua (mặc định: 70)
            
        Returns:
            True nếu quá mua
        """
        return rsi >= threshold