Dữ liệu thị trường chi tiết hơn có thể khiến kết quả kiểm định ngược của một chiến lược kém đáng tin cậy hơn. Dữ liệu tick cho bạn nhiều dòng hơn, nhưng cũng tạo thêm nhiều cách để nhầm lẫn giữa độ chi tiết của phép đo với hiểu biết về những gì bạn có thể giao dịch.
Điều đó nghe có vẻ ngược đời nếu bạn từng thấy một bài kiểm định dựa trên nến bỏ sót mức dừng lỗ, một lần spread giãn rộng hay khoảnh khắc giá chạm lệnh giới hạn của bạn. Đó đều là vấn đề có thật. Câu hỏi là liệu dữ liệu chi tiết hơn có thực sự giải quyết được chúng, hay chỉ giúp trình mô phỏng kể một câu chuyện có vẻ chắc chắn hơn.
Dữ liệu tick giúp bài kiểm định ngược quan sát được điều gì?
Một nến 1 phút nén chuỗi giao dịch thành bốn mức giá và tổng khối lượng. Chỉ nhìn vào nến, bạn thường không thể biết giá cao nhất xuất hiện trước hay sau giá thấp nhất, giá ở gần mỗi cực trị trong bao lâu, hoặc tại một mức giá cụ thể có đủ khối lượng giao dịch để khớp lệnh của bạn hay không.
Tick giao dịch khôi phục trình tự các giao dịch được báo cáo. Dữ liệu báo giá bổ sung giá mua và giá bán hiển thị theo thời gian. Có cả hai loại dữ liệu, bạn có thể đặt câu hỏi chính xác hơn về spread, thay đổi báo giá và liệu một lệnh có thể khớp ngay trên thị trường có thể quét qua sổ lệnh ở mức giá hợp lý hay không.
Nhưng một giao dịch được ghi nhận không cho biết vị trí trong hàng đợi. Nếu lệnh chờ của bạn phải xếp sau 18 BTC đã có sẵn ở một mức giá, việc thấy 0.3 BTC được giao dịch tại đó không chứng minh lệnh của bạn đã khớp. Bảng ghi giao dịch cho biết thị trường đã diễn biến ra sao; hiếm khi nó cho biết chính xác lệnh giả định của bạn nằm ở đâu.
Dữ liệu chi tiết hơn có thể khiến kết quả tệ đi ở đâu?
Rủi ro đầu tiên là phạm vi dữ liệu không đồng đều. Kho lưu trữ tick thường có những khoảng thời gian bị thiếu, dữ liệu sàn bị gián đoạn, thay đổi mã giao dịch hoặc thời hạn lưu trữ khác nhau giữa các thị trường. Chiến lược chỉ được kiểm định ở những nơi nhà cung cấp có lịch sử đầy đủ có thể âm thầm trở thành chiến lược dành cho những tài sản và giai đoạn dễ đo lường nhất.
Rủi ro thứ hai là thời điểm. Dấu thời gian có thể thể hiện thời điểm sự kiện trên sàn, thời điểm nhà cung cấp nhận dữ liệu hoặc thời điểm tệp được tạo. Nếu trình mô phỏng sắp xếp sự kiện từ nhiều nguồn như thể đồng hồ của chúng được đồng bộ hoàn hảo, nó có thể phản ứng với một báo giá trước khi báo giá đó đến được hệ thống của bạn.
Nhiều dòng dữ liệu hơn cũng khiến lỗi triển khai dễ bị che giấu hơn. Chiến lược dùng nến có thể đưa ra một quyết định mỗi phút. Phiên bản chạy theo tick có thể giao dịch hàng chục lần trong phút đó, mỗi lần đều chịu spread, phí và tác động thị trường. Nếu trình mô phỏng giả định mọi tín hiệu đều có thể khớp ở mức giá quan sát kế tiếp, vẻ chính xác ấy chỉ là trang trí.
60 quan sát không tự động đồng nghĩa với 60 cơ hội giao dịch độc lập. Chúng có thể chỉ cùng mô tả một báo giá đang biến động, và lệnh của bạn có thể ảnh hưởng đến lượng thanh khoản còn lại để khớp. Mô phỏng tần suất cao cần mô hình lệnh và độ trễ tận dụng phần dữ liệu chi tiết bổ sung một cách trung thực.
Khi nào dữ liệu tick đáng để bỏ công sức và chi phí?
Hãy bắt đầu bằng câu hỏi mà dữ liệu hiện có chưa thể trả lời. Nếu đó là “mức dừng lỗ hay mục tiêu lợi nhuận bị chạm trước?”, tick giao dịch có thể hữu ích. Nếu đó là “spread khi vào lệnh khiến tôi tốn bao nhiêu?”, dữ liệu báo giá phù hợp hơn. Nếu đó là “lệnh chờ của tôi có được khớp không?”, có thể bạn cần dữ liệu độ sâu và các giả định về hàng đợi; ngay cả như vậy, những dữ liệu đó hiếm khi khôi phục được toàn bộ hàng đợi lịch sử.
| Câu hỏi nghiên cứu | Dữ liệu hữu ích | Điều dữ liệu vẫn không thể chứng minh |
|---|---|---|
| Ngưỡng nào được chạm trước? | Tick giao dịch | Lệnh của bạn đã khớp tại một trong hai ngưỡng |
| Lệnh thị trường đã quét qua spread nào? | Báo giá mua và bán có dấu thời gian | Khối lượng hiển thị vẫn còn khả dụng |
| Lệnh chờ có thể được khớp không? | Báo giá, độ sâu và mô hình hàng đợi | Vị trí chính xác của bạn trong hàng đợi thực tế |
Với tín hiệu theo ngày được giữ trong nhiều tuần, dữ liệu nến 1 phút có thể đã chi tiết hơn mức cần thiết cho quy trình ra quyết định. Với chiến lược phụ thuộc vào khâu khớp lệnh trong vài giây, dữ liệu nến có thể xóa nhòa chính hiệu ứng bạn đang nghiên cứu. Hãy chọn độ phân giải dữ liệu phù hợp với khung thời gian ra quyết định và khớp lệnh của chiến lược.
Làm sao biết phần chi tiết bổ sung có ích hay không?
Giữ nguyên chiến lược và giai đoạn kiểm định. Khi có thể, hãy so sánh phiên bản dựa trên nến với phiên bản dùng dữ liệu chi tiết hơn trên cùng các quyết định. Theo dõi thay đổi về số lệnh khớp, vòng quay giao dịch, spread đã trả, phí và tác động thị trường bên cạnh lợi nhuận và các chỉ số rủi ro. Nếu Sharpe tăng trong khi số giao dịch tăng gấp ba và mô hình khớp lệnh vẫn khớp ở mức giá ghi nhận kế tiếp, bạn nên nghi ngờ mức cải thiện đó.
Tiếp theo, hãy chủ động làm giảm chất lượng dữ liệu chi tiết. Loại bỏ ngẫu nhiên một tỷ lệ nhỏ sự kiện, thêm độ trễ luồng dữ liệu thực tế và tăng spread hoặc tác động thị trường giả định. Nếu kết quả sụp đổ chỉ vì độ trễ vài mili giây, có thể đó là đặc tính của thứ tự sự kiện trong trình mô phỏng chứ không phải đặc điểm bền vững của chiến lược.
Có lần, tôi mất cả một buổi chiều lần theo nguyên nhân của một mức cải thiện ngoạn mục, rồi phát hiện luồng dữ liệu đã lặp lại một loạt bản ghi giao dịch trong thời gian ngắn. Mô hình đã học cách giao dịch dựa trên dữ liệu trùng lặp. Dữ liệu nhiều hơn khiến lỗi trông như một lợi thế.
Những người chỉ trích dữ liệu nến có lý khi nói rằng việc tổng hợp có thể che khuất diễn biến khớp lệnh phụ thuộc vào đường đi của giá. Chỉ nhìn OHLC thì không thể xác định mức dừng lỗ hay mục tiêu lợi nhuận trong cùng một nến bị chạm trước; ảnh chụp spread cũng có thể bỏ lỡ những biến động bất thường thoáng qua. Tick và dữ liệu báo giá có thể trả lời những câu hỏi đó sát thực tế hơn, nếu luồng dữ liệu đầy đủ và trình mô phỏng tôn trọng thời điểm sự kiện.
Tiêu chuẩn thực tế rất đơn giản: chỉ đầu tư vào dữ liệu chi tiết hơn khi nó làm thay đổi một quyết định mà bạn có thể mô tả, đồng thời chỉ rõ những giả định nào giúp dữ liệu đó chuyển thành lệnh khớp. Nếu không, bạn chỉ có một bộ dữ liệu lớn hơn và một bài kiểm định ngược trông có vẻ chính xác hơn, nhưng chẳng có thêm bằng chứng nào cho thấy chiến lược có thể giao dịch được.
← Tất cả bài viết


