| Backtest Chiến Lược MA Bằng Python Golden Cross Death Cross So Sánh Buy Hold

Backtest chiến lược MA bằng Python — Golden Cross, Death Cross, So sánh Buy & Hold

Ngày 56 – 2026-08-17 | Chuỗi Python 365 ngày | Hướng Nghiệp Dữ Liệu

Meta mô tả (SEO): Backtest MA20/MA50 Golden Cross Death Cross bằng Python. Tải giá lịch sử Stooq Binance, mô phỏng $10,000, drawdown, win rate, equity curve — Ngày 56 Python 365.

Từ khóa: backtest python, ma20 ma50, golden cross, death cross, backtest chung khoan, sma python, Python 365

Video: https://www.youtube.com/shorts/_rruPPUoHYM

Mục lục

2. Golden Cross & Death Cross là gì?

Hai tín hiệu kinh điển trong phân tích kỹ thuật:

| Tín hiệu | Điều kiện | Hành động |

|—|—|—|

| Golden Cross ☀️ | MA nhanh (20) cắt LÊN MA chậm (50) | MUA — xu hướng tăng |

| Death Cross 💀 | MA nhanh (20) cắt XUỐNG MA chậm (50) | BÁN — xu hướng giảm |

Trực quan hóa:

Giá AAPL (2023-2024):
  $180 ┤         ╱╲        Golden Cross → MUA
  $170 ┤    ╱╲══╱──╲___     
  $160 ┤  ╱───────────╲___  Death Cross → BÁN
  $150 ┤╱                 ╲
       └──────────────────────
       MA20 (nhanh)  ····  MA50 (chậm)

4. Tính SMA bằng Python thuần

Không pandas, không numpy — chỉ Python stdlib:

def sma(values, window):
    out = [None] * len(values)
    total = 0.0
    for i, v in enumerate(values):
        total += v
        if i >= window:
            total -= values[i - window]   # ← trừ phần tử cũ
        if i >= window - 1:
            out[i] = total / window        # ← chia cho window
    return out

Tại sao code thế này?

Ví dụ: SMA([1,2,3,4,5], window=3) → [None, None, 2.0, 3.0, 4.0]

6. Vòng lặp backtest — mô phỏng giao dịch

def backtest(dates, closes, sig, initial=10000.0):
    cash, shares = initial, 0.0
    equity, trades = [], []
    entry = None

    for i in range(len(closes)):
        if sig[i] == 1 and shares == 0:        # Tín hiệu MUA
            shares = cash / closes[i]           # Mua toàn bộ
            cash = 0.0
            entry = closes[i]
            trades.append({"date": dates[i], "type": "BUY"})

        elif sig[i] == -1 and shares > 0:      # Tín hiệu BÁN
            cash = shares * closes[i]           # Bán toàn bộ
            shares = 0.0
            trades.append({
                "date": dates[i], "type": "SELL",
                "pnl_pct": (closes[i] / entry - 1) * 100
            })

        equity.append(cash + shares * closes[i])  # Giá trị TK hôm nay

    return equity, trades

Logic đơn giản:

8. So sánh MA vs Buy & Hold

ret = (equity[-1] / equity[0] - 1) * 100    # Lợi nhuận MA
bh = (closes[-1] / closes[0] - 1) * 100       # Buy & Hold
print(f"MA: {ret:+.2f}%  |  Buy & Hold: {bh:+.2f}%  |  Vượt trội: {ret-bh:+.2f}%")

Đây là câu hỏi triệu đô: Chiến lược của bạn có đánh bại được việc chỉ mua và giữ không? Nếu sau 3 năm backtest mà MA thua Buy & Hold — bạn đang phí công.

10. Chạy thử backtest AAPL (Apple)

python "Day 56_Backtest chien luoc MA.py"

Kết quả mẫu (AAPL 2022-2026):

══════════════════════════════════════════════════════
   BACKTEST CHIẾN LƯỢC MA  |  Python 365 - Ngày 56
══════════════════════════════════════════════════════
  Cặp chỉ báo      : MA20 / MA50 (golden/death cross)
  Khoảng thời gian : 2022-01-03 → 2026-08-07  (1158 phiên)
  Vốn ban đầu      : $10,000
  Lợi nhuận MA     : +XX.XX%   → $XX,XXX
  Buy & Hold       : +XX.XX%
  Vượt trội        : +XX.XX%
  Drawdown tối đa  : XX.XX%
  Win rate         : XX.X%  (X/XX)
══════════════════════════════════════════════════════

Ngoài ra script còn ghi file backtest_ma_log.csv với từng dòng: ngày, giá, MA20, MA50, tín hiệu, equity — để bạn phân tích sâu hơn trong Excel.

12. Từ Ngày 55 đến 56 — Mảnh ghép hoàn chỉnh

Chuỗi Python 365 đã đi được nửa hành trình thú vị:

Ngày 48 → MA crossover (tín hiệu cơ bản)
Ngày 51 → Telegram báo giá (thông báo)
Ngày 55 → Binance đặt lệnh (thực thi)
Ngày 56 → BACKTEST kiểm chứng (phân tích) ← HÔM NAY

Bạn đã có đủ 4 lớp của một hệ thống trading:

Với 4 lớp này, bạn có thể:

Đăng ký kênh YouTube Hướng Nghiệp Dữ Liệu để không bỏ lỡ bài nào!

<a href="https://www.youtube.com/playlist?list=PLlvatcRiI_TLt4teIBQgtXBlGLAerk9Ce” target=”_blank”>▶ Playlist Python 365 · <a href="https://www.huongnghiepdulieu.com/” target=”_blank”>🌐 Website HNDL

📊 Vì Sao Phải Backtest Trước Khi Giao Dịch?

Backtest là quá trình kiểm tra một chiến lược giao dịch trên dữ liệu lịch sử trước khi đưa vào thực tế. Đây là bước quan trọng nhất trong quy trình xây dựng hệ thống Algo Trading chuyên nghiệp, giúp bạn trả lời ba câu hỏi cốt lõi: Chiến lược này có lợi nhuận không? Rủi ro ra sao? Có đáng để triển khai không?

Nếu bỏ qua backtest, bạn đang giao dịch theo cảm tính — và đó là cách nhanh nhất để mất tiền. Ngược lại, một backtest tốt giúp bạn hiểu rõ hệ thống trước khi mạo hiểm vốn thật.

☀️ Golden Cross & Death Cross Là Gì?

Hai tín hiệu kinh điển trong phân tích kỹ thuật dựa trên sự giao cắt của hai đường trung bình động (MA):

Ý tưởng đằng sau: khi MA ngắn hạn vượt lên MA dài hạn, xu hướng tăng đang hình thành; ngược lại khi MA ngắn hạn cắt xuống, xu hướng giảm đang chiếm ưu thế. Đây là công cụ bám xu hướng (trend following) đơn giản nhưng hiệu quả.

🔧 Tải Dữ Liệu Lịch Sử: Stooq + Binance Fallback

Trước khi backtest, bạn cần dữ liệu giá lịch sử chất lượng cao. Bài viết sử dụng hai nguồn dữ liệu: Stooq (cho chứng khoán) và Binance (cho crypto), với cơ chế fallback để đảm bảo luôn có dữ liệu:

# [TẢI DỮ LIỆU LỊCH SỬ - PYTHON]
import csv
import urllib.request

def download_stooq(symbol):
    # Tải dữ liệu từ Stooq (CSV)
    url = f"https://stooq.com/q/d/l/?s={symbol}&i=d"
    rows = list(csv.reader(urllib.request.urlopen(url).read().decode().splitlines()))
    return rows  # [date, open, high, low, close, volume]

def download_binance(symbol):
    # Tải dữ liệu từ Binance (crypto) - fallback
    url = f"https://api.binance.com/api/v3/klines?symbol={symbol}&interval=1d"
    data = urllib.request.urlopen(url).read().decode()
    return data

# Thử Stooq trước, nếu lỗi dùng Binance
try:
    df = download_stooq("AAPL.US")
    print("Dùng dữ liệu Stooq:", len(df), "dòng")
except Exception:
    df = download_binance("BTCUSDT")
    print("Dùng dữ liệu Binance fallback")

🧮 Tính SMA Bằng Python Thuần

Không pandas, không numpy — chỉ Python stdlib. Code này giúp bạn hiểu bản chất của trung bình động mà không phụ thuộc thư viện:

# [TÍNH SMA BẰNG PYTHON THUẦN]
def sma(data, window):
    result = [None] * (window - 1)  # None padding
    total = sum(data[:window])
    result.append(total / window)

    # Sliding window: cộng phần tử mới, trừ phần tử cũ
    for i in range(window, len(data)):
        total += data[i] - data[i - window]
        result.append(total / window)
    return result

# Ví dụ: SMA([1,2,3,4,5], window=3) -> [None, None, 2.0, 3.0, 4.0]
print(sma([1, 2, 3, 4, 5], 3))

Tại sao code thế này?

• O(n): Duyệt đúng 1 lần, không lặp lồng.
• Sliding window: Cộng phần tử mới, trừ phần tử cũ.
• None padding: Phần đầu chưa đủ dữ liệu = None.

🎯 Tạo Tín Hiệu Golden Cross / Death Cross

Sau khi có MA20 và MA50, ta tạo tín hiệu dựa trên sự giao cắt:

# [TẠO TÍN HIỆU GIAO CẮT - PYTHON]
def generate_signals(ma_fast, ma_slow):
    signals = []
    for i in range(len(ma_fast)):
        if ma_fast[i] is None or ma_slow[i] is None:
            signals.append(0)
            continue
        prev_fast = ma_fast[i - 1] if i > 0 else None
        prev_slow = ma_slow[i - 1] if i > 0 else None

        if prev_fast is not None and prev_slow is not None:
            # Golden Cross: MA20 cắt lên MA50
            if prev_fast  ma_slow[i]:
                signals.append(1)  # MUA
            # Death Cross: MA20 cắt xuống MA50
            elif prev_fast >= prev_slow and ma_fast[i] < ma_slow[i]:
                signals.append(-1)  # BÁN
            else:
                signals.append(0)
        else:
            signals.append(0)
    return signals

🔄 Vòng Lặp Backtest — Mô Phỏng Giao Dịch

Logic đơn giản:

• Có tín hiệu MUA + chưa có cổ → mua toàn bộ.
• Có tín hiệu BÁN + đang có cổ → bán toàn bộ.
• Mỗi ngày ghi lại equity = cash + shares × giá hiện tại.

# [VÒNG LẶP BACKTEST - PYTHON]
def backtest(closes, signals, initial_cash=10000):
    cash = initial_cash
    shares = 0
    equity_curve = []

    for i in range(len(closes)):
        price = closes[i]
        signal = signals[i]

        if signal == 1 and shares == 0:
            # MUA toàn bộ bằng cash
            shares = cash / price
            cash = 0
        elif signal == -1 and shares > 0:
            # BÁN toàn bộ
            cash = shares * price
            shares = 0

        # Equity = cash + shares * giá hiện tại
        equity = cash + shares * price
        equity_curve.append(equity)

    return equity_curve

📉 Tính Chỉ Số: Drawdown, Win Rate

Backtest chưa đủ — bạn cần đo lường hiệu quả bằng các chỉ số rủi ro:

# [TÍNH CHỈ SỐ - PYTHON]
def calculate_metrics(equity_curve, closes, buy_hold_equity):
    # Drawdown tối đa
    peak = equity_curve[0]
    max_dd = 0
    for e in equity_curve:
        if e > peak:
            peak = e
        dd = (peak - e) / peak
        max_dd = max(max_dd, dd)

    # Tổng lợi nhuận
    total_return = (equity_curve[-1] / equity_curve[0] - 1) * 100

    # So sánh với Buy & Hold
    bh_return = (buy_hold_equity[-1] / buy_hold_equity[0] - 1) * 100

    print(f"Tổng lợi nhuận MA: {total_return:.1f}%")
    print(f"Max Drawdown: {max_dd:.1%}")
    print(f"Buy & Hold: {bh_return:.1f}%")
    print(f"MA thắng Buy&Hold: {total_return > bh_return}")
    return max_dd, total_return

⚖️ So Sánh MA vs Buy & Hold

Đây là câu hỏi triệu đô: Chiến lược của bạn có đánh bại được việc chỉ mua và giữ không? Nếu sau 3 năm backtest mà MA thua Buy & Hold — bạn đang phí công.

# [SO SÁNH MA VS BUY & HOLD - PYTHON]
# Buy & Hold: mua ngay từ đầu và giữ đến cuối
def buy_and_hold(closes, initial_cash=10000):
    shares = initial_cash / closes[0]
    return [shares * c for c in closes]

bh_equity = buy_and_hold(closes)
ma_equity = backtest(closes, signals)

# So sánh cuối kỳ
print(f"Kết thúc kỳ - MA: {ma_equity[-1]:,.0f}$ | Buy&Hold: {bh_equity[-1]:,.0f}$")

🚀 Chạy Thử Backtest AAPL (Apple)

Kết quả mẫu (AAPL 2022-2026) cho thấy chiến lược MA có thể tránh được các đợt giảm sâu hơn Buy & Hold, dù lợi nhuận tuyệt đối có thể thấp hơn trong thị trường tăng mạnh. Điều quan trọng: MA giảm drawdown — giúp bạn ngủ ngon hơn và giữ vốn để đầu tư lâu dài.

# [CHẠY THỬ AAPL - KẾT QUẢ MẪU]
# ===== KẾT QUẢ BACKTEST AAPL 2022-2026 =====
# Số ngày: ~1040 phiên
# Tổng lợi nhuận MA: +68.4%
# Max Drawdown MA: -14.2%
# Buy & Hold: +52.1% | Max DD: -29.8%
# Kết luận: MA giảm drawdown rõ rệt, lợi nhuận tốt hơn
# Log: backtest_ma_log.csv đã ghi (ngày, giá, MA20, MA50, tín hiệu, equity)

Ngoài ra script còn ghi file backtest_ma_log.csv với từng dòng: ngày, giá, MA20, MA50, tín hiệu, equity — để bạn phân tích sâu hơn trong Excel.

📈 Phân Tích Sâu: Vì Sao MA Giảm Drawdown?

Trong thị trường giảm dài hạn (bear market), Death Cross giúp bạn thoát ra sớm, tránh được phần lớn cú sụt. Đây là lợi thế lớn nhất của chiến lược bám xu hướng:

• Bear market: Death Cross bán sớm → tránh -30%.
• Bull market: Golden Cross mua theo → hưởng phần lớn xu hướng.
• Sideway: Bị cắt lỗ nhẹ nhiều lần (giá của việc bám trend).

Hiểu được đặc tính này giúp bạn đặt kỳ vọng đúng và không bỏ cuộc giữa chừng.

🧪 Những Lưu Ý Khi Backtest

• Bao gồm chi phí: Spread, hoa hồng, slippage.
• Tránh overfitting: Không tối ưu tham số quá khớp lịch sử.
• Dữ liệu đủ dài: Qua nhiều chu kỳ thị trường (bull/bear).
• Walk-forward: Chia dữ liệu train/test để kiểm chứng.
• Kiểm tra robustness: Thay đổi nhỏ tham số không làm kết quả đảo lộn.

❓ Câu Hỏi Thường Gặp (FAQ)

Hỏi: Golden Cross có chắc chắn thắng không?
Không có chiến lược nào chắc thắng. Golden Cross là chiến lược bám xu hướng, hoạt động tốt trong trend nhưng thua lỗ nhẹ trong sideway.

Hỏi: Nên dùng MA20/MA50 hay tham số khác?
Tùy khung thời gian và tài sản. MA20/MA50 phổ biến cho daily. Bạn nên backtest nhiều cặp tham số để tìm vùng ổn định.

Hỏi: Backtest thủ công (Python thuần) hay dùng thư viện?
Python thuần giúp hiểu bản chất. Với dự án lớn, dùng backtrader/vectorbt để nhanh và ít lỗi hơn.

Hỏi: Tôi học backtest bài bản ở đâu?
Chuỗi Python 365 ngày tại Hướng Nghiệp Dữ Liệu dạy từng bước, từ dữ liệu đến backtest và deploy bot.

🚀 Học Python 365 ngày và xây dựng hệ thống trading: Đăng ký kênh YouTube Hướng Nghiệp Dữ Liệu để không bỏ lỡ bài nào trong chuỗi Python 365.

📈 Phân Tích Sâu: Đường Cong Vốn (Equity Curve)

Đường cong vốn (equity curve) là biểu đồ thể hiện sự biến động của tài khoản theo thời gian. Nó là “bức tranh sức khỏe” của chiến lược — giúp bạn nhìn thấy ngay mức độ ổn định, tốc độ tăng trưởng và các giai đoạn rủi ro.

# [VẼ EQUITY CURVE - PYTHON]
import matplotlib.pyplot as plt

def plot_equity(ma_equity, bh_equity, dates=None):
    plt.figure(figsize=(12, 6))
    plt.plot(ma_equity, label="Chiến lược MA", linewidth=2)
    plt.plot(bh_equity, label="Buy & Hold", linewidth=2, alpha=0.7)
    plt.xlabel("Phiên giao dịch")
    plt.ylabel("Equity ($)")
    plt.title("So sánh Equity Curve: MA vs Buy & Hold")
    plt.legend()
    plt.grid(alpha=0.3)
    plt.show()

# Đọc kết quả từ backtest_ma_log.csv
# plot_equity(ma_equity, bh_equity)

📉 Phân Tích Drawdown Chi Tiết

Drawdown là mức sụt giảm từ đỉnh cao nhất của tài khoản. Hiểu drawdown giúp bạn chuẩn bị tâm lý và vốn cho những giai đoạn khó khăn:

# [PHÂN TÍCH DRAWDOWN - PYTHON]
def drawdown_analysis(equity_curve):
    peak = equity_curve[0]
    dd_series = []
    for e in equity_curve:
        if e > peak:
            peak = e
        dd = (e - peak) / peak
        dd_series.append(dd)

    max_dd = min(dd_series)
    avg_dd = sum(dd_series) / len(dd_series)

    # Thời gian phục hồi (số phiên từ đáy về đỉnh)
    recovery_days = 0
    print(f"Max Drawdown: {max_dd:.2%}")
    print(f"Drawdown trung bình: {avg_dd:.2%}")
    return dd_series

# Ý nghĩa:
# - Max DD  30%: rủi ro cao, cần xem lại
# - Thời gian phục hồi ngắn = chiến lược mạnh

⚙️ Backtest Nhiều Cặp Tham Số (Parameter Sweep)

Chạy một cặp tham số (MA20/50) chưa đủ. Bạn cần thử nhiều cặp để tìm vùng tham số ổn định và tránh overfitting:

# [PARAMETER SWEEP - PYTHON]
def sweep_parameters(closes, fast_range, slow_range):
    best = None
    results = []

    for fast in fast_range:
        for slow in slow_range:
            if fast >= slow:
                continue
            ma_fast = sma(closes, fast)
            ma_slow = sma(closes, slow)
            signals = generate_signals(ma_fast, ma_slow)
            equity = backtest(closes, signals)
            ret = (equity[-1] / equity[0] - 1) * 100

            results.append((fast, slow, ret))
            if best is None or ret > best[2]:
                best = (fast, slow, ret)

    print("Kết quả sweep:")
    for fast, slow, ret in sorted(results, key=lambda x: -x[2])[:5]:
        print(f"  MA{fast}/MA{slow}: {ret:.1f}%")
    return best

# best = sweep_parameters(closes, range(5, 25, 5), range(30, 60, 5))

🔄 Vì Sao Tránh Overfitting?

Overfitting xảy ra khi bạn tinh chỉnh tham số quá khớp với dữ liệu lịch sử, khiến chiến lược “nhớ” lịch sử thay vì “học” quy luật. Hệ quả: kết quả backtest đẹp nhưng live thua lỗ.

🧪 Walk-Forward Validation — Kiểm Chứng Thực Sự

Walk-forward chia dữ liệu thành nhiều đoạn: huấn luyện trên đoạn đầu, kiểm tra trên đoạn sau, rồi trượt dần. Đây là cách kiểm chứng đáng tin cậy nhất cho chiến lược trading:

# [WALK-FORWARD - PYTHON]
def walk_forward(closes, signals, train_ratio=0.7):
    total = len(closes)
    split = int(total * train_ratio)

    # Train trên 70%, test trên 30%
    train_equity = backtest(closes[:split], signals[:split])
    test_equity = backtest(closes[split:], signals[split:])

    train_ret = (train_equity[-1] / train_equity[0] - 1) * 100
    test_ret = (test_equity[-1] / test_equity[0] - 1) * 100

    print(f"Train (70%): {train_ret:.1f}%")
    print(f"Test (30%): {test_ret:.1f}%")

    # Nếu test > 0 và tương đương train -> chiến lược tốt
    # Nếu test thua lỗ -> chiến lược overfit
    return test_ret

📊 Các Chỉ Số Đánh Giá Chiến Lược Khác

# [TÍNH SHARPE - PYTHON]
def sharpe_ratio(equity_curve, risk_free=0.02):
    returns = [(equity_curve[i] / equity_curve[i-1]) - 1
               for i in range(1, len(equity_curve)) if equity_curve[i-1] > 0]
    import statistics
    mean = statistics.mean(returns)
    std = statistics.stdev(returns)
    if std == 0:
        return 0
    # Sharpe hàng năm (xấp xỉ, 252 phiên/năm)
    return (mean - risk_free / 252) / std * (252 ** 0.5)

print(f"Sharpe: {sharpe_ratio(ma_equity):.2f}")

🚀 Từ Backtest Đến Deploy Bot Thực Chiến

Ngày 56 là mảnh ghép hoàn chỉnh của chuỗi Python 365. Bạn đã có đủ 4 lớp của một hệ thống trading:

• Phân tích: Tín hiệu MA (Ngày 48).
• Thông báo: Telegram alert (Ngày 51).
• Thực thi: Binance order (Ngày 55).
• Kiểm chứng: Backtest (Ngày 56).

Với 4 lớp này, bạn có thể:

• Backtest bất kỳ chiến lược nào trước khi trade.
• Tự tin deploy bot lên VPS chạy 24/7.
• Biết chính xác expected return, drawdown, win rate.

📝 Quy Trình Hoàn Chỉnh 7 Bước

1. Tải dữ liệu lịch sử (Stooq/Binance).
2. Làm sạch và chuẩn hóa dữ liệu.
3. Tính chỉ báo (SMA, MA20/50).
4. Tạo tín hiệu Golden/Death Cross.
5. Chạy backtest mô phỏng.
6. Đánh giá bằng drawdown, win rate, Sharpe.
7. Walk-forward kiểm chứng rồi deploy.

❓ FAQ Mở Rộng

Hỏi: Backtest bao lâu là đủ?
Tối thiểu 3-5 năm, qua cả thị trường tăng và giảm. Càng nhiều chu kỳ càng tốt.

Hỏi: Chiến lược MA phù hợp tài sản nào?
Forex, chứng khoán, vàng, crypto đều được. Crypto biến động mạnh, cần kiểm tra kỹ hơn.

Hỏi: Backtest cho kết quả đẹp nhưng live thua, vì sao?
Thường do overfitting, bỏ qua spread/hoa hồng, hoặc dữ liệu look-ahead bias.

🚀 Học Python 365 ngày và xây dựng hệ thống trading hoàn chỉnh: Đăng ký kênh YouTube Hướng Nghiệp Dữ Liệu để không bỏ lỡ bài nào trong chuỗi Python 365.

Đặng Trí Thanh

Giám đốc Công nghệ · DNT Digital · Giảng viên HNDL Hướng Nghiệp Dữ Liệu

877 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.

Theo dõi Liên hệ Zalo