Mới học Quant, nên dùng dữ liệu chứng khoán Việt Nam hay Mỹ để thực hành?

Khi bắt đầu học Quant, một câu hỏi mình thấy khá nhiều bạn quan tâm là nên sử dụng dữ liệu chứng khoán Việt Nam hay Mỹ. Có bạn chọn thị trường Mỹ vì thấy nhiều tài liệu Python, Machine Learning và Backtesting sử dụng dữ liệu S&P 500. Có bạn lại muốn tập trung vào VN-Index, VN30 hoặc những cổ phiếu quen thuộc như FPT, VCB, HPG vì sau này cũng chủ yếu đầu tư tại Việt Nam. Hai lựa chọn đều có lý, nhưng nếu chỉ hỏi thị trường nào có dữ liệu tốt hơn thì chưa thực sự đúng trọng tâm. Theo mình, điều quan trọng hơn là bạn đang học kỹ năng gì, muốn kiểm chứng bài toán nào và kết quả nghiên cứu sẽ được sử dụng ở đâu. Một người đang tập sử dụng pandas để tính lợi suất có nhu cầu dữ liệu khác với người đang xây dựng hệ thống chọn cổ phiếu VN100 hoặc nghiên cứu Factor Investing để ứng tuyển vào một quỹ đầu tư.

Mình từng thấy một vấn đề rất phổ biến khi người mới bắt đầu: dành khá nhiều thời gian tìm API miễn phí, tải hàng trăm mã cổ phiếu, thử nhiều thư viện nhưng cuối cùng vẫn chưa hoàn thành được một project nào. Trong khi đó, để học những kiến thức nền tảng như lợi suất, volatility, correlation, market beta hay backtest đơn giản, chúng ta không cần một bộ dữ liệu quá lớn. Chỉ cần khoảng 5–10 cổ phiếu, vài năm lịch sử giá và một benchmark phù hợp là đã có thể thực hành rất nhiều bài toán. Ngược lại, nếu dữ liệu thiếu ngày giao dịch, chưa điều chỉnh cổ tức hoặc sử dụng sai thời điểm công bố thông tin, dù tải được hàng nghìn cổ phiếu thì kết quả nghiên cứu vẫn có thể sai. Vì vậy, mình muốn tiếp cận chủ đề này theo hướng thực tế hơn: nên học với thị trường nào trước, mỗi thị trường có những khó khăn gì và làm sao để tận dụng cả hai mà không mất quá nhiều thời gian.

PHẦN 1. NẾU CHỈ MUỐN HỌC PYTHON VÀ QUANT CƠ BẢN, DỮ LIỆU MỸ CÓ NHỮNG LỢI THẾ GÌ?

Nếu mục tiêu ban đầu là học Python, pandas, NumPy, thống kê và cách xây dựng một backtest, mình thường nghiêng về việc sử dụng dữ liệu cổ phiếu Mỹ trong những bài thực hành đầu tiên. Lý do không phải thị trường Mỹ dễ kiếm lợi nhuận hơn hay mô hình Quant hoạt động tốt hơn, mà vì có khá nhiều tài liệu học tập, ví dụ code và nguồn dữ liệu phục vụ nghiên cứu. Một người mới có thể bắt đầu với những mã như AAPL, MSFT, JPM, KO hoặc JNJ, lấy dữ liệu giá lịch sử và sử dụng SPY làm benchmark. Các thư viện như yfinance hỗ trợ lấy dữ liệu về pandas tương đối thuận tiện, trong khi tài liệu về portfolio analysis, factor investing và machine learning thường có nhiều ví dụ sử dụng chứng khoán Mỹ. Nhờ đó, người học có thể tập trung vào bản chất của phép tính thay vì phải xử lý quá nhiều vấn đề kỹ thuật ngay từ đầu. Tuy nhiên, yfinance là thư viện độc lập, không phải API chính thức được Yahoo bảo chứng; dữ liệu và điều kiện sử dụng cần tuân thủ quy định của nguồn, phù hợp chủ yếu cho mục đích học tập và nghiên cứu cá nhân.

Ví dụ, nếu muốn hiểu Market Beta, bạn có thể lấy lợi suất ngày của MSFT và SPY trong giai đoạn 2022–2025, sau đó sử dụng pandas để tính covariance, variance và hệ số beta. Tiếp theo, thử thay đổi cửa sổ dữ liệu từ một năm sang hai năm để xem hệ số này có ổn định hay không. Nếu muốn học Portfolio Management, có thể tạo một danh mục giả định gồm năm cổ phiếu, phân bổ bằng nhau, tính volatility, Maximum Drawdown và mức tương quan giữa các mã. Khi đã hiểu những khái niệm này, bạn mới chuyển sang bài toán tối ưu trọng số danh mục hoặc xây dựng chiến lược giao dịch. Điểm mình muốn nhấn mạnh là một project nhỏ hoàn chỉnh sẽ giúp hiểu Quant tốt hơn nhiều so với việc tải hàng trăm mã rồi thực hiện những phép tính mà bản thân chưa hiểu ý nghĩa. Nếu sử dụng dữ liệu Mỹ để học những khái niệm tài chính cơ bản, phần lớn kiến thức thống kê và lập trình sau này vẫn có thể áp dụng khi chuyển sang thị trường Việt Nam.

Một lợi thế nữa của thị trường Mỹ là hệ sinh thái dữ liệu doanh nghiệp và dữ liệu vĩ mô tương đối thuận tiện để nghiên cứu. Với các doanh nghiệp thuộc phạm vi công bố thông tin của SEC, người học có thể truy cập hệ thống EDGAR để đọc báo cáo 10-K, 10-Q và sử dụng các API dữ liệu XBRL như Company Facts. Khi muốn tìm hiểu các yếu tố kinh tế vĩ mô ảnh hưởng đến cổ phiếu, có thể sử dụng FRED để lấy những chuỗi dữ liệu về lãi suất, lợi suất trái phiếu, lạm phát hoặc hoạt động kinh tế. Điều này giúp người học có cơ hội tiếp cận một quy trình nghiên cứu khá đầy đủ, từ giá cổ phiếu đến thông tin doanh nghiệp và các yếu tố vĩ mô. Chẳng hạn, sau khi học hồi quy tuyến tính, bạn có thể thử kiểm tra mối quan hệ giữa biến động lợi suất trái phiếu Mỹ và lợi suất của một nhóm cổ phiếu ngân hàng hoặc công nghệ. Dĩ nhiên, tìm thấy tương quan không đồng nghĩa đã chứng minh được quan hệ nhân quả. Nhưng với mục tiêu học tập, những nguồn dữ liệu có tài liệu tương đối rõ ràng giúp việc đặt giả thuyết, truy xuất và kiểm tra kết quả thuận tiện hơn.

Tuy nhiên, có nhiều dữ liệu dễ tải không đồng nghĩa việc nghiên cứu trên thị trường Mỹ luôn dễ hơn. Nếu muốn backtest một chiến lược lựa chọn cổ phiếu S&P 500 trong 15 năm, bạn không thể đơn giản lấy danh sách 500 cổ phiếu hiện tại rồi giả định chúng đều thuộc chỉ số trong toàn bộ lịch sử. Thành phần S&P 500 thay đổi theo thời gian, có những doanh nghiệp được thêm vào, bị loại khỏi chỉ số, sáp nhập hoặc hủy niêm yết. Nếu chỉ giữ các cổ phiếu còn tồn tại ở hiện tại, kết quả có thể bị Survivorship Bias. Tương tự, giá cổ phiếu Mỹ có các sự kiện chia tách và cổ tức cần xử lý đúng. Một số thư viện trả dữ liệu giá đã điều chỉnh mặc định, vì vậy người dùng cần hiểu mình đang sử dụng chuỗi giá nào và phương pháp điều chỉnh có phù hợp với mục tiêu tính lợi suất hay không. Dữ liệu báo cáo tài chính từ SEC cũng cần lưu ngày công bố thực tế; số liệu được điều chỉnh về sau không thể tự động được xem là thông tin mà nhà đầu tư đã biết trong quá khứ. Những vấn đề này cho thấy thị trường Mỹ thuận tiện để bắt đầu học, nhưng vẫn cần quy trình kiểm soát dữ liệu nghiêm túc nếu muốn nghiên cứu chiến lược đầu tư.

Nếu mục tiêu của bạn là học Machine Learning, dữ liệu Mỹ cũng có một lợi thế về số lượng tài liệu tham khảo. Chẳng hạn, có thể sử dụng scikit-learn để xây dựng mô hình Regression dự báo lợi suất năm phiên tới, hoặc Classification để ước lượng xác suất lợi suất tương lai vượt một ngưỡng xác định. Với dữ liệu một nhóm cổ phiếu Mỹ, bạn có thể bắt đầu bằng những Features đơn giản như Momentum 5 phiên, Momentum 20 phiên, Volatility, khối lượng tương đối và lợi suất thị trường. Sau đó so sánh Linear Regression, Ridge, Random Forest hoặc Gradient Boosting. Nhưng điều đáng học không phải là mô hình nào đưa ra chỉ số R² cao nhất trong tập huấn luyện. Quan trọng hơn là cách chia dữ liệu theo thời gian, cách tránh leakage, lựa chọn baseline và kiểm tra xem kết quả dự báo có thực sự cải thiện trên dữ liệu ngoài mẫu hay không. Những kỹ năng này gần như không phụ thuộc vào việc bạn sử dụng AAPL hay FPT. Nếu chưa thành thạo, mình nghĩ nên học chúng trên một bộ dữ liệu dễ kiểm tra trước, rồi mới mở rộng sang những tình huống phức tạp hơn.

PHẦN 2. VẬY TẠI SAO VẪN NÊN HỌC QUANT BẰNG DỮ LIỆU CỔ PHIẾU VIỆT NAM?

Nếu bạn đang đầu tư tại Việt Nam hoặc muốn phát triển mô hình để sử dụng trên HOSE, HNX và UPCoM, mình nghĩ không nên dành quá nhiều thời gian chỉ nghiên cứu dữ liệu Mỹ. Lý do rất đơn giản: một chiến lược có kết quả tốt trên thị trường Mỹ không có nghĩa sẽ hoạt động tương tự tại Việt Nam. Hai thị trường khác nhau về cấu trúc nhà đầu tư, thanh khoản, điều kiện giao dịch, cách doanh nghiệp công bố thông tin và mức độ phản ứng của giá trước các sự kiện kinh tế. Chẳng hạn, một chiến lược Momentum có thể tạo kết quả khá tốt trên nhóm cổ phiếu Mỹ được giao dịch liên tục với thanh khoản lớn, nhưng khi áp dụng sang một nhóm cổ phiếu Việt Nam thanh khoản thấp, kết quả có thể khác đáng kể. Giới hạn giá trong phiên, những phiên không có khớp lệnh đủ lớn, thời điểm thanh toán và quy định giao dịch có thể khiến mức lợi nhuận trên backtest khác xa khả năng thực hiện thực tế. Vì vậy, nếu mục tiêu cuối cùng là giao dịch tại Việt Nam, việc nghiên cứu dữ liệu trong nước không phải lựa chọn bổ sung cho có, mà là bước bắt buộc để hiểu thị trường mà mình muốn đầu tư.

Lấy một ví dụ khá gần với nhà đầu tư cá nhân. Giả sử chúng ta muốn kiểm tra giả thuyết rằng những cổ phiếu tăng mạnh trong 20 phiên vừa qua thường tiếp tục có lợi suất tốt trong tháng tiếp theo. Ở thị trường Mỹ, bạn có thể chạy một mô hình Momentum cơ bản trên nhóm cổ phiếu thanh khoản cao, sau đó kiểm tra hiệu quả trên những giai đoạn khác nhau. Nhưng khi chuyển sang Việt Nam, chúng ta phải đặt thêm các câu hỏi. Nếu một cổ phiếu tăng trần nhiều phiên, mô hình giả định mua được cổ phiếu đó ở giá nào? Nếu cổ phiếu nằm trong nhóm thanh khoản thấp và chỉ khớp một lượng nhỏ, liệu danh mục có thể thực hiện giao dịch với số vốn dự kiến không? Nếu cổ phiếu chia cổ tức hoặc phát hành quyền mua, dữ liệu giá lịch sử đã được xử lý đúng chưa? Nếu chiến lược tái cân bằng hàng tuần, phí và thuế giao dịch có làm mất phần lớn lợi nhuận không? Đây đều là những vấn đề rất thực tế của backtest, không thể giải quyết chỉ bằng cách thay dữ liệu MSFT thành FPT trong một chương trình Python.

Một điểm đáng quan tâm khác là khả năng tiếp cận dữ liệu Việt Nam đã thuận tiện hơn trước, dù vẫn còn nhiều hạn chế. Với người học Python, có thể bắt đầu từ thư viện Vnstock để tìm hiểu cách lấy dữ liệu giá lịch sử, thông tin doanh nghiệp, danh sách mã và một số chỉ tiêu tài chính. Các tài liệu Vnstock thế hệ 5 mô tả những chức năng như truy xuất OHLCV, dữ liệu thị trường và báo cáo tài chính; tuy nhiên, các nguồn và độ dài lịch sử được truy cập còn phụ thuộc vào cấp quyền và hạn mức. Ngoài ra, những thông tin về giao dịch và sự kiện doanh nghiệp có thể được đối chiếu với dữ liệu của HOSE, HNX, VSDC hoặc tài liệu công bố từ doanh nghiệp. Với những project nhỏ, người học hoàn toàn có thể bắt đầu từ CSV hoặc Excel trước, chưa cần kết nối API liên tục. Một điều mình muốn lưu ý là không nên xem bất kỳ thư viện tổng hợp nào là nguồn dữ liệu chắc chắn đúng trong mọi trường hợp. Khi xuất hiện biến động giá bất thường, sai lệch khối lượng hoặc dữ liệu báo cáo không khớp, cần quay lại đối chiếu với thông tin gốc.

Khó khăn lớn nhất khi nghiên cứu dữ liệu cổ phiếu Việt Nam thường không nằm ở việc tính chỉ báo kỹ thuật mà là xây dựng được bộ dữ liệu phù hợp với thời điểm nghiên cứu. Nếu chỉ muốn tính lợi suất 20 phiên của FPT, vấn đề tương đối đơn giản. Nhưng nếu muốn kiểm tra chiến lược chọn cổ phiếu có ROE cao trong nhóm VN100 từ năm 2018 đến năm 2025, chúng ta phải biết danh sách VN100 ở từng thời điểm, báo cáo tài chính được công bố ngày nào, chỉ tiêu ROE đã được tính từ số liệu nào và những doanh nghiệp bị loại khỏi chỉ số trong quá khứ được xử lý ra sao. Một lỗi rất phổ biến là sử dụng báo cáo tài chính của quý kết thúc ngày 31/03 rồi giả định có thể giao dịch ngay từ ngày 31/03 dựa trên con số lợi nhuận của quý đó. Trên thực tế, báo cáo chỉ xuất hiện khi doanh nghiệp công bố, có thể sau nhiều tuần. Nếu không lưu ngày công bố, backtest đã dùng thông tin tương lai. Điều tương tự cũng xảy ra khi lấy danh sách VN30 hiện tại để chạy chiến lược từ nhiều năm trước. Đây là những lỗi mà một người làm Quant cần học cách phát hiện, bởi mô hình Machine Learning có thể cho kết quả rất đẹp ngay cả khi dữ liệu đầu vào sai thời điểm.

Mình cũng nghĩ việc học trên dữ liệu Việt Nam giúp người học hiểu rõ hơn sự khác biệt giữa lý thuyết tài chính và hành vi giao dịch thực tế. Ví dụ, trong lý thuyết tối ưu hóa danh mục, chúng ta có thể tính trọng số tối ưu từ ma trận hiệp phương sai và lợi nhuận kỳ vọng, nhưng khi áp dụng vào danh mục cổ phiếu Việt Nam, người nghiên cứu cần thêm giới hạn tỷ trọng, điều kiện thanh khoản, quy mô lô giao dịch và chi phí thực hiện. Nếu một mô hình đề xuất phân bổ 15% danh mục vào cổ phiếu có giá trị giao dịch bình quân rất thấp, kết quả có thể hợp lý về mặt toán học nhưng khó khả thi khi vốn tăng lên. Tương tự, một chiến lược Mean Reversion có thể phát tín hiệu mua khi cổ phiếu giảm mạnh, nhưng nếu thị trường tiếp tục giảm sàn và thiếu bên mua trong những phiên tiếp theo, rủi ro thực tế khác nhiều so với giả định có thể giao dịch liên tục ở giá lịch sử. Đây là lý do những bạn muốn làm Quant Research hoặc Portfolio Management tại Việt Nam nên tiếp xúc với dữ liệu Việt Nam tương đối sớm, thay vì chỉ học các mô hình từ sách rồi cho rằng có thể áp dụng nguyên trạng.

Một cách tiếp cận mình thấy phù hợp là phân biệt rõ hai mục tiêu. Nếu đang học phương pháp, có thể sử dụng thị trường Mỹ vì tài liệu và ví dụ dễ tiếp cận. Nhưng nếu đang nghiên cứu một giả thuyết đầu tư có thể triển khai ở Việt Nam, cần kiểm định trực tiếp trên dữ liệu Việt Nam. Chúng ta không nên dựa vào việc Momentum, Value hay Low Volatility từng có bằng chứng ở Mỹ để mặc định chúng sẽ tạo ra hiệu quả tương tự tại HOSE. Các nghiên cứu quốc tế rất hữu ích để hiểu cơ chế, cách đo tín hiệu và phương pháp kiểm định. Tuy nhiên, mức độ hiệu quả thực tế phải được xác định lại bằng dữ liệu, universe, điều kiện giao dịch và benchmark của thị trường đích. Theo mình, đây là một trong những nguyên tắc quan trọng nhất của Quant Research: có thể học phương pháp từ nhiều thị trường, nhưng không được chuyển kết luận đầu tư từ thị trường này sang thị trường khác mà chưa kiểm chứng.

PHẦN 3. NGƯỜI MỚI NÊN HỌC THEO LỘ TRÌNH NÀO ĐỂ KHÔNG MẤT THỜI GIAN?

Nếu bắt đầu từ con số gần như bằng 0, mình sẽ không khuyên chọn hẳn một thị trường rồi bỏ thị trường còn lại. Một lộ trình thực tế hơn là sử dụng dữ liệu Mỹ để học những thao tác cơ bản, sau đó thực hiện lại cùng một project trên dữ liệu Việt Nam. Chẳng hạn, trong tuần đầu tiên, bạn chọn khoảng năm cổ phiếu Mỹ như AAPL, MSFT, JPM, KO và JNJ, lấy dữ liệu lịch sử từ năm 2022 đến năm 2025 bằng một nguồn được phép sử dụng cho mục đích học tập. Sau đó tạo một notebook Python để tính Daily Return, Cumulative Return, Volatility 20 phiên, Maximum Drawdown và tương quan lợi suất giữa các cổ phiếu. Cuối cùng, xây dựng một danh mục equal-weight và so sánh với SPY. Trong bước này, bạn chưa cần dự báo giá hay tối ưu hóa danh mục. Mục tiêu là biết dữ liệu đầu vào có cấu trúc thế nào, công thức lợi suất được tính ra sao, các cổ phiếu có số phiên giao dịch đầy đủ không và biểu đồ kết quả phản ánh đúng những con số trong bảng tính hay chưa. Nếu bạn làm được toàn bộ quy trình này và có thể giải thích ý nghĩa của từng chỉ tiêu, tức là đã có một nền tảng tốt để đi tiếp.

Sang tuần thứ hai, hãy chuyển sang dữ liệu Việt Nam nhưng giữ nguyên bài toán. Ví dụ, chọn FPT, VCB, HPG, MWG và PNJ, sử dụng dữ liệu lịch sử cùng giai đoạn 2022–2025, sau đó thực hiện lại những phép tính như đã làm với cổ phiếu Mỹ. Bạn sẽ bắt đầu gặp những vấn đề thú vị hơn: đơn vị giá ở từng nguồn có giống nhau không, chuỗi giá đã điều chỉnh hay chưa, có ngày nào thiếu dữ liệu, biến động giá lớn có trùng với sự kiện cổ tức hoặc phát hành thêm không, và việc tính lợi suất theo từng mã có được thực hiện đúng hay không. Đây là lúc nên dùng pandas để chuẩn hóa dữ liệu, lưu lại nguồn, phiên bản và các kết quả kiểm tra. Hãy so sánh danh mục năm cổ phiếu với VN-Index, nhưng lưu ý VN-Index là chỉ số giá và chưa chắc tương đương hoàn toàn với cách bạn đang tính Total Return cho danh mục. Ngoài ra, năm cổ phiếu được chọn ở đây chỉ là một tập dữ liệu nhỏ phục vụ học phương pháp, không đại diện cho toàn bộ thị trường Việt Nam. Việc chọn các mã còn tồn tại đến hiện tại cũng không đủ để kết luận một chiến lược sẽ hoạt động tốt trên universe lịch sử.

Đến tuần thứ ba, khi đã quen xử lý dữ liệu của cả hai thị trường, bạn có thể thực hiện một bài backtest nhỏ với cùng một phương pháp. Chẳng hạn, tại cuối mỗi tháng, xếp hạng cổ phiếu theo lợi suất 20 phiên gần nhất, chọn hai mã có Momentum cao nhất và nắm giữ đến kỳ tái cân bằng tiếp theo. Hãy sử dụng cùng một logic tính tín hiệu cho hai thị trường, nhưng điều chỉnh giả định giao dịch cho phù hợp với từng nơi. Nếu tín hiệu được tính sau khi có giá đóng cửa, không được giả định đã biết tín hiệu đủ sớm để mua tại chính mức giá đóng cửa đó. Với dữ liệu Việt Nam, cần xét các giới hạn giá, khối lượng giao dịch có thể thực hiện và các điều kiện thị trường áp dụng. Với dữ liệu Mỹ, cũng phải đưa chi phí, chênh lệch giá mua bán và các trường hợp giá biến động mạnh vào quá trình đánh giá. Sau đó so sánh kết quả trên cùng một nguyên tắc: lợi suất sau chi phí, Maximum Drawdown, turnover và mức vượt trội so với benchmark phù hợp. Không nên chỉ so sánh chiến lược Mỹ lãi bao nhiêu phần trăm với chiến lược Việt Nam lãi bao nhiêu phần trăm rồi kết luận thị trường nào tốt hơn, bởi kết quả còn phụ thuộc vào mẫu cổ phiếu, thời kỳ nghiên cứu, rủi ro và đồng tiền định giá. Nếu muốn so sánh từ góc nhìn một nhà đầu tư dùng cùng đồng tiền cơ sở, còn phải tính đến biến động tỷ giá và những chi phí đầu tư xuyên biên giới liên quan.

Để bài thực hành có giá trị hơn, mình nghĩ nên lưu lại quá trình kiểm tra dữ liệu và những khác biệt khi chuyển từ thị trường này sang thị trường khác. Ví dụ, nếu cùng một đoạn code tính Momentum hoạt động được ở Mỹ nhưng gặp lỗi khi áp dụng vào dữ liệu Việt Nam, hãy tìm hiểu đó là lỗi định dạng dữ liệu, đơn vị giá, ngày thiếu hay khác biệt trong cách nhà cung cấp điều chỉnh giá. Nếu chiến lược cho kết quả khác nhau, hãy thử phân tích liệu sự khác biệt xuất phát từ xu hướng giá, độ biến động, thanh khoản hay giả định khớp lệnh. Đây chính là cách học Quant có chiều sâu: không chỉ chạy được chương trình mà còn hiểu tại sao chương trình tạo ra kết quả đó. Một notebook có thể chạy trên cả hai thị trường với cùng phương pháp tính, dữ liệu được chuẩn hóa và kết quả có thể kiểm tra lại là một sản phẩm học tập rất tốt, kể cả khi chiến lược không tạo được lợi nhuận vượt benchmark.

Nếu cần một checklist ngắn để tự đánh giá project, mình sẽ dùng sáu câu hỏi:

• Dữ liệu: Có biết nguồn dữ liệu, đơn vị giá, phương pháp điều chỉnh và thời điểm tải không?

• Phương pháp: Có thể giải thích công thức lợi suất, volatility, Momentum và cách lựa chọn cổ phiếu không?

• Thời gian: Có bảo đảm không sử dụng thông tin tương lai khi tạo tín hiệu không?

• Giao dịch: Có xác định thời điểm có thể mua bán, phí và khả năng khớp lệnh không?

• So sánh: Có benchmark phù hợp và các chỉ tiêu đánh giá ngoài lợi nhuận không?

• Tái lập: Người khác có thể dùng cùng dữ liệu, tham số và mã nguồn để chạy lại kết quả không?

Khi làm được sáu việc này, bạn đã có một project Quant cơ bản đúng nghĩa, chứ không chỉ là một biểu đồ giá được tạo bằng Python.

Một điểm mình muốn nói thêm với những bạn đang hướng đến công việc Quant Researcher hoặc Quant Developer là khả năng làm việc với nhiều loại dữ liệu thường quan trọng hơn việc thuộc một bộ thư viện cụ thể. Trong thực tế, không phải tổ chức nào cũng sử dụng cùng nhà cung cấp dữ liệu hay cùng cấu trúc bảng. Nếu bạn hiểu cách xây dựng một data pipeline gồm thu thập, làm sạch, chuẩn hóa, kiểm tra chất lượng, lưu trữ và tính toán, việc chuyển từ một bộ dữ liệu sang bộ dữ liệu khác sẽ dễ dàng hơn rất nhiều. Ngược lại, nếu chỉ biết gọi một hàm có sẵn rồi đưa thẳng kết quả vào mô hình, khi nguồn dữ liệu thay đổi bạn có thể không biết sai ở đâu. Với người mới, đây cũng là lý do mình khuyến khích học thêm SQL sau khi đã quen với pandas. Khi dữ liệu tăng lên vài trăm mã và nhiều năm lịch sử, việc tổ chức dữ liệu đúng mã, đúng ngày và đúng nguồn sẽ có giá trị hơn nhiều so với việc lưu hàng trăm file Excel rời rạc.

Và nếu có ý định học Machine Learning, mình nghĩ chỉ nên chuyển sang bước đó sau khi đã hoàn thành ít nhất một project dữ liệu và một bài backtest cơ bản. Bạn không cần phải trở thành chuyên gia thống kê hay lập trình trước khi thử mô hình dự báo, nhưng cần hiểu Target được tính như thế nào, Features có sử dụng thông tin tương lai không và cách đánh giá trên tập dữ liệu ngoài mẫu. Những kỹ năng này có thể học trên cổ phiếu Mỹ hoặc Việt Nam, nhưng sẽ có giá trị hơn khi bạn thử cùng một phương pháp trên những bộ dữ liệu khác nhau. Nếu một mô hình chỉ hoạt động trên một tập cổ phiếu hoặc một giai đoạn nhất định, bạn cần biết liệu đó là đặc điểm kinh tế của thị trường hay chỉ là sự trùng hợp trong mẫu nghiên cứu. Đây cũng là bước giúp người học chuyển từ việc sử dụng Machine Learning như một công cụ dự báo sang tư duy Quant Research thực sự.

LỜI KẾT: VẬY NÊN CHỌN VIỆT NAM HAY MỸ?

Nếu chỉ được đưa ra một lời khuyên cho người mới, mình sẽ không chọn thị trường nào tốt hơn một cách tuyệt đối. Nếu bạn chưa biết Python và muốn học những kỹ năng Quant nền tảng, có thể bắt đầu bằng một bộ dữ liệu Mỹ đơn giản vì dễ tìm tài liệu và ví dụ để thực hành. Nếu bạn đã đầu tư chứng khoán Việt Nam hoặc muốn xây dựng chiến lược cho HOSE, HNX và UPCoM, hãy sử dụng dữ liệu Việt Nam ngay từ những project đầu tiên. Còn nếu muốn học một cách bài bản, mình nghĩ tốt nhất là làm cùng một bài toán trên cả hai thị trường để hiểu phần nào là phương pháp có thể sử dụng chung và phần nào phụ thuộc vào đặc điểm giao dịch, dữ liệu và cấu trúc thị trường.