Bài viết gần đây

| Python Cơ Bản Cho Trading: Làm Chủ Cú Pháp, Pandas & NumPy

Được viết bởi thanhdt vào ngày 29/01/2026 lúc 16:56 | 17 lượt xem

Python Cơ Bản Cho Trading: Làm Chủ Cú Pháp, Pandas & NumPy

Python Cơ Bản Cho Trading: Hành Trang Của Một Quant Trader

Sau khi đã setup xong môi trường, bước tiếp theo là trang bị “vũ khí”. Trong Trading, chúng ta không dùng Python để làm web hay game, mà để xử lý dữ liệu. Bài viết này sẽ tập trung vào những gì thiết thực nhất.

1. Cú Pháp Python Cơ Bản (Góc Nhìn Trader)

Python nổi tiếng vì dễ đọc như tiếng Anh.

Biến & Kiểu Dữ Liệu

Trong trading, chúng ta thường gặp:
* float: Giá cả (100.5, 0.00012).
* int: Khối lượng giao dịch (100, 5000).
* str: Cặp giao dịch (“BTC/USDT”).
* bool: Tín hiệu (True = Mua, False = Không làm gì).

symbol = "BTC/USDT"
price = 45000.50
volume = 150
is_bullish = True

Cấu Trúc Điều Kiện & Vòng Lặp

Logic ra quyết định của Bot thường dùng if/else.

if rsi < 30 and price > ema_200:
    print(f"Bắt đáy {symbol} ngay!")
else:
    print("Ngồi im chờ thời.")

2. Pandas: “Excel” Của Thế Giới Lập Trình

Nếu Python là ông chủ, thì Pandas là trợ lý đắc lực nhất quản lý sổ sách. Nó giúp ta xử lý dữ liệu dạng bảng (DataFrame) cực nhanh.

Pandas Data Analysis

Đọc Dữ Liệu & Tính Toán

Ví dụ: Tính đường trung bình động (SMA) từ dữ liệu nến.

import pandas as pd

# Giả sử có dữ liệu OHLC
df = pd.read_csv('btc_usdt_1h.csv')

# Tính SMA 20
df['SMA_20'] = df['close'].rolling(window=20).mean()

# Lọc các cây nến giá đóng cửa trên SMA 20
uptrend_candles = df[df['close'] > df['SMA_20']]

3. NumPy: Tốc Độ Là Sức Mạnh

Khi bạn backtest trên hàng triệu cây nến, tốc độ của list Python thuần là không đủ. NumPy xử lý tính toán ma trận với tốc độ của C++.

NumPy Calculation Matrix

import numpy as np

prices = np.array([100, 101, 102, 99, 98])
returns = np.diff(prices) / prices[:-1]

print(f"Lợi nhuận trung bình: {np.mean(returns)*100:.2f}%")

4. Thực Hành: Phân Tích Dữ Liệu Giá Sơ Bộ

Hãy thử kết hợp tất cả để viết một script nhỏ kiểm tra biến động giá (Volatility) của BTC.

  1. Tải dữ liệu 1000 nến gần nhất (dùng ccxt).
  2. Chuyển vào DataFrame.
  3. Tính độ biến động (Standard Deviation) trong 24h qua.
  4. Nếu biến động > 5%, gửi cảnh báo “Thị trường đang bão!”.

Code hay không bằng tư duy tốt, nhưng code tốt giúp tư duy hiện thực hóa nhanh hơn.

👉 Tiếp tục hành trình tại khóa học: Lập Trình Bot Auto Trading Đa Nền Tảng