Python cho Backtesting Forex — Stack, Vòng Lặp Nghiên Cứu và Những Lưu Ý Trung Thực

Strategy Tester của MT5 đủ dùng khi chiến lược còn nằm gọn trong các giả định của nó — quy tắc đơn giản, một công cụ, không cần xử lý dữ liệu từ bên ngoài. Nhưng ngay khi bạn muốn kết hợp dữ liệu vĩ mô, gộp nhiều cặp tiền vào một tín hiệu, hay tính tỷ số Sharpe cùng với phân phối sụt giảm vốn (drawdown), công cụ đó trở nên chật chội. Đó là lý do cộng đồng giao dịch hệ thống đã dùng Python cho kiểm thử ngược (backtesting) từ nhiều năm nay: toàn quyền kiểm soát quy tắc, thư viện tính toán cấp nghiên cứu, mọi nguồn dữ liệu trong một script, và vòng lặp từ ý tưởng đến đường cong vốn chỉ mất vài phút.

Tại sao trader rời bỏ Strategy Tester

Strategy Tester mạnh ở chỗ tối ưu hóa một expert advisor trên một cặp tiền và một khung thời gian — và dừng lại ở đó. Khi bạn muốn đưa dữ liệu từ ngoài broker vào, kết hợp nhiều cặp thành một tín hiệu, hay tính tỷ số Sharpe bên cạnh phân phối drawdown, bạn sẽ phải ngồi ghép thủ công các file CSV trong Excel. Python gom tất cả vào một script: dữ liệu từ broker chảy vào `pandas`, dữ liệu vĩ mô nhập cùng bằng `merge`, còn các chỉ số rủi ro được tính bởi thư viện học thuật. Để hiểu rõ hơn về nền tảng của tự động hóa giao dịch thực hành, bạn có thể tham khảo phần thực hành của chúng tôi; còn sự khác biệt giữa hệ sinh thái MetaQuotes và Python được phân tích trong bài so sánh bot MQL5 với Python.

Bộ công cụ thực tế

Bộ công cụ (stack) ngắn gọn và miễn phí. Xử lý dữ liệu dùng `pandas` và `numpy` — `pandas` quản lý chuỗi thời gian và resample từ M1 lên H1, `numpy` thực hiện phép tính vectơ nhanh cho các chỉ báo. Engine backtest thường là `backtrader` của Daniel Rodriguez theo phong cách event-driven với lớp Strategy và Cerebro, hoặc `vectorbt` của Oleg Polakov khi bạn cần quét hàng trăm tổ hợp tham số trong vài chục giây. Biểu đồ dùng `matplotlib` cho báo cáo tĩnh và `plotly` cho giao diện tương tác. Dữ liệu lịch sử lấy qua `yfinance` cho giá đóng cửa ngày, `ccxt` cho thị trường crypto, và gói chính thức `MetaTrader5` cho giá thật của broker. Toàn bộ stack đều mã nguồn mở.

Vòng lặp nghiên cứu — từ quy tắc đến kiểm định

Một dự án backtest gồm bốn bước nên giữ riêng biệt. Đầu tiên, viết quy tắc vào và ra bằng ngôn ngữ thường — nếu bạn không thể nói "tôi mua khi độ dốc EMA-50 dương và giá đóng cửa vượt đỉnh hai mươi ngày", mở editor cũng chưa cần thiết. Bước hai là dịch các quy tắc đó sang biểu thức vectơ trong `pandas`: áp điều kiện lên toàn bộ cột thay vì vòng lặp từng nến — nhờ vậy mười năm dữ liệu H1 chạy xong trong vài giây. Bước ba là cho engine chạy trên toàn bộ lịch sử với hoa hồng, trượt giá (slippage), cắt lỗ (stop loss) và chốt lời (take profit), rồi đọc đường cong vốn và danh sách lệnh. Bước bốn — và đây là nơi người mới thường bỏ qua — là kiểm định ngoài mẫu (out-of-sample): khóa hai năm cuối lại, tối ưu hóa chỉ trên giai đoạn trước, rồi đọc kết quả từ dữ liệu chưa từng được chạm đến. Cơ chế cửa sổ cuộn và các kỹ thuật kiểm định nâng cao thuộc phạm vi xây dựng chiến lược giao dịch, còn bối cảnh rộng hơn nằm trong hướng dẫn kiểm thử chiến lược của chúng tôi.

Những gì Python không tự làm được

Người mới đọc tài liệu `backtrader` và nghĩ thư viện lo hết mọi thứ. Không phải vậy. Engine mặc định không biết gì về spread của broker bạn, không hay biết giá dao động năm pip quanh các bản tin kinh tế, và không mô hình hóa hoa hồng ECN — thường bảy đô la mỗi lot, tính cả hai chiều. Tất cả phải nhập tay: `commission`, `slippage_perc`, và một mô hình spread tùy chỉnh thay đổi theo giờ giao dịch. Bẫy thứ hai là chất lượng dữ liệu: chuỗi miễn phí từ `yfinance` có khoảng trống cuối tuần, còn dữ liệu tick từ Dukascopy đôi khi thiếu với các cặp kỳ lạ. Cạm bẫy thứ ba là thói quen yêu thích đường cong mượt: backtest trong mẫu (in-sample) với năm tham số được tối ưu hóa gần như luôn "quảng cáo" 200% mỗi năm — cho đến khi bạn bỏ một biến và nhìn xem đường cong trông ra sao trên dữ liệu ngoài mẫu. Kết quả thực tế thường thấp hơn 30 đến 50% so với phiên bản ngây thơ ban đầu.

Ví dụ minh họa — dự án EUR/USD giả định

Giả sử chiến lược giao dịch phiên London trên EUR/USD với nến M15: mở vị thế mua EUR/USD khi giá vượt đỉnh năm nến trước đó sau 15:00 giờ Việt Nam (ICT, UTC+7), mở vị thế bán EUR/USD khi phá đáy; cắt lỗ bằng 1,5 lần ATR chu kỳ hai mươi, chốt lời bằng hai lần mức cắt lỗ. Bạn tải dữ liệu từ 2018 đến 2024 bằng gói `MetaTrader5`, đưa vào `pandas` và resample lên M15. Backtest với hoa hồng sáu đô la mỗi lot, spread cố định 0,8 pip ngoài giờ tin tức và một pip trượt giá ngẫu nhiên cho điểm vào, cho kết quả: tỷ lệ thắng 51%, profit factor 1,28, sụt giảm vốn tối đa 14% và chỉ số Sharpe 0,9. Chia lịch sử thành bốn năm trong mẫu và hai năm ngoài mẫu, kết quả trung bình ngoài mẫu giảm khoảng một phần ba — để lại quyết định triển khai ở mức hợp lý, không có gì ngoạn mục. Toàn bộ con số trên chỉ mang tính minh họa; chúng cho thấy hình dạng của kết quả, không phải lời hứa.

"Python đã trở thành ngôn ngữ lập trình và hệ sinh thái mạnh mẽ cho ngành tài chính — từ phân tích dữ liệu tài chính đến giao dịch thuật toán đến quản lý rủi ro." — Yves Hilpisch, Python for Finance: Mastering Data-Driven Finance, O'Reilly, 2018

Những cảnh báo trung thực nên đính kèm mọi báo cáo

Khi backtest kết thúc, hãy thêm một khung cảnh báo ngắn gồm bốn điểm. Thứ nhất: bạn đã giả định spread bao nhiêu và có mở rộng nó quanh các bản tin vĩ mô không — khoảng cách giữa 0,8 pip cố định và 2,5 pip thực tế trong phiên NFP thường chính là toàn bộ lợi thế của chiến lược. Thứ hai: dữ liệu có sạch khỏi look-ahead bias không, tức là bạn có tính chỉ báo từ giá đóng cửa của nến hiện tại mà trong thực tế chưa có không. Thứ ba: bạn đã tối ưu bao nhiêu tham số cùng lúc — năm là ngưỡng mà trên đó ngay cả walk-forward cũng không bảo vệ được bạn. Thứ tư: kết quả có giữ vững trên dữ liệu ngoài mẫu hay chỉ tốt trên toàn bộ lịch sử. Thiếu bốn câu đó, báo cáo là marketing, không phải kiểm định. Để hiểu sâu hơn về quản lý rủi ro trong giao dịch, bạn có thể tham khảo phần quản lý rủi ro. Và quy trình nghiên cứu rộng hơn được trình bày tại trader's workshop trên ForexMechanics.com.

Lưu ý pháp lý quan trọng: Giao dịch ngoại hối và CFD thông qua các nhà môi giới (broker) nước ngoài không được Ngân hàng Nhà nước Việt Nam (NHNN) cấp phép cho nhà đầu tư cá nhân tại Việt Nam theo quy định hiện hành. Giao dịch qua broker nước ngoài không có giấy phép của NHNN tiềm ẩn rủi ro pháp lý và tài chính đáng kể. Đây không phải lời khuyên đầu tư — hãy tham khảo chuyên gia pháp lý và thuế trước khi thực hiện bất kỳ giao dịch nào.

Bước đầu tiên của bạn

1. Cài đặt Python 3.11 trở lên với các thư viện `pandas`, `numpy`, `backtrader`, `matplotlib` và gói chính thức `MetaTrader5` bằng một lệnh `pip install`, sau đó tải hai năm dữ liệu H1 cho cặp tiền bạn thường giao dịch và lưu dưới dạng CSV — để các vòng lặp sau dùng lại từ nguồn cục bộ ổn định mà không cần tải lại.
2. Viết quy tắc chiến lược bằng ngôn ngữ thường trước — một câu cho điều kiện vào lệnh, một câu cho điều kiện ra lệnh, một câu cho cắt lỗ (stop loss) và một câu cho chốt lời (take profit) — rồi mới dịch sang biểu thức vectơ trong `pandas`; đặt mục tiêu toàn bộ bài kiểm thử nằm trong ba mươi dòng code, không vòng lặp từng nến, không tối ưu hóa tham số ở giai đoạn này.
3. Chạy backtest với hoa hồng thực của broker, spread cố định và một pip trượt giá ngẫu nhiên, rồi so sánh với phiên bản không có chi phí; khoảng cách giữa hai đường cong cho bạn biết bao nhiêu lợi thế giả định là do giả định thực thi theo giá giữa — nếu chi phí chiếm hơn nửa lợi nhuận gộp, chiến lược quá mỏng để triển khai vào tài khoản thực.
4. Chia lịch sử thành bốn năm trong mẫu và một năm ngoài mẫu, tối ưu hóa tối đa hai tham số chỉ trên phần trong mẫu, khóa bộ tham số tốt nhất lại và chạy kiểm định ngoài mẫu một lần duy nhất; nếu tỷ lệ thắng giảm hơn một phần ba, hãy đơn giản hóa logic thay vì tiếp tục tìm kiếm tối ưu hóa mới.
5. Lập một sổ nhật ký đơn giản — file Markdown trong cùng repository — và sau mỗi backtest ghi lại bốn câu: spread giả định bao nhiêu, có tránh look-ahead bias không, tối ưu bao nhiêu tham số, và kết quả ngoài mẫu có trụ vững trên mức một nửa kết quả trong mẫu không; không có nhật ký đó, sau ba tháng bạn sẽ không còn nhớ báo cáo nào trung thực, báo cáo nào đã "được làm đẹp" một cách thầm lặng.