Tổng Quan Kiểm Thử Lịch Sử
Backtesting trong Vantixs mô phỏng chiến lược của bạn trên dữ liệu lịch sử bằng engine Rust có thể xử lý hơn 50.000 bars mỗi giây. Mục tiêu là kiểm chứng ý tưởng với mô hình khớp lệnh gần thực tế trước khi chấp nhận bất kỳ rủi ro nào.
Trong giai đoạn beta, backtesting và paper trading đã sẵn sàng. Giao dịch thật sẽ xuất hiện ở phiên bản sau.
Vì sao cần backtest?
Giá trị của backtesting
Xác thực ý tưởng
Chứng minh logic có cơ sở trên dữ liệu quá khứ.
Đo hiệu suất
Có số liệu cụ thể như Sharpe, drawdown, win rate và profit factor.
Hiểu rủi ro
Thấy được kịch bản xấu nhất thông qua Monte Carlo hoặc stress testing.
Tối ưu tham số
Tìm cấu hình hợp lý thay vì đoán mò.
Tạo niềm tin trước paper trading
Không đưa chiến lược yếu vào dữ liệu thời gian thực.
Tiết kiệm thời gian
Mô phỏng hàng tháng dữ liệu trong vài giây.
Những khả năng chính
Mô phỏng theo từng bar, có xét tới trượt giá, commission và đặc điểm dữ liệu từ nhiều sàn. Đây là lớp nền cho hầu hết các lần backtest trong sản phẩm.
Cách chạy một backtest
Workflow backtest
Hoàn thiện pipeline
Đảm bảo các node đã nối đúng và không có cảnh báo quan trọng.
Mở cấu hình backtest
Chọn date range, vốn khởi tạo, commission, slippage và sàn dữ liệu.
Chạy mô phỏng
Engine xử lý nhanh nên đa số bài test hoàn tất trong vài giây.
Đọc kết quả
Xem equity curve, trade log và các chỉ số hiệu suất.
Lặp lại có kỷ luật
Sửa logic, không chỉ tối ưu tham số để làm đẹp số liệu.
Các chỉ số nên chú ý
| Chỉ số | Mô tả | Mục tiêu tham khảo |
|---|---|---|
| Sharpe Ratio | Lợi nhuận điều chỉnh theo rủi ro | > 1.5 |
| Max Drawdown | Mức sụt giảm lớn nhất | < 20% |
| Win Rate | Tỷ lệ giao dịch có lãi | > 50% |
| Profit Factor | Tổng lãi / tổng lỗ | > 1.5 |
| CAGR | Tăng trưởng kép hàng năm | > 15% |
| Total Trades | Số lượng giao dịch | Phụ thuộc chiến lược |
Không có chỉ số đơn lẻ nào nói lên toàn bộ câu chuyện. Hãy xem đồng thời lợi nhuận, drawdown, trade count và chất lượng phân phối giao dịch.
Bẫy thường gặp
Look-ahead bias
Vô tình dùng dữ liệu tương lai khi ra quyết định.
Overfitting
Tinh chỉnh quá mức để khớp hoàn hảo với dữ liệu cũ.
Bỏ qua chi phí giao dịch
Không tính slippage và commission khiến kết quả đẹp giả tạo.
Chọn mẫu dữ liệu quá hẹp
Chỉ test đúng giai đoạn "đẹp" của thị trường.