QuantVN, 51/20 Lê Văn Miến, Ho Chi Minh City (2026)

18/08/2026

[CHIA SẺ TÀI LIỆU: "PYTHON FOR FINANCE" — HỌC DATA & PHÂN TÍCH ĐỊNH LƯỢNG TỪ SỐ 0]

📈Anh em nào đang học Python để làm data mà chưa biết áp dụng vào tài chính thế nào, thì đây là cuốn nên đọc đầu tiên. "Python for Finance: Analyze Big Financial Data" — Yves Hilpisch (O'Reilly).

Đây là cuốn "gối đầu giường" của rất nhiều anh em làm định lượng (quant) và data trong tài chính, vì nó dạy đúng thứ mình cần: không phải học Python chung chung, mà là dùng Python để xử lý dữ liệu thật và giải quyết bài toán tài chính.

Cuốn sách đi qua gần như trọn bộ công cụ của một người làm data/định lượng:
- NumPy & pandas — xử lý và phân tích dữ liệu chuỗi thời gian (time series) giá tài sản
- Matplotlib — trực quan hóa dữ liệu tài chính
- Nhập/xuất & lưu trữ dữ liệu lớn với PyTables (HDF5)
- Mô phỏng Monte Carlo, mô hình ngẫu nhiên (stochastics), thống kê
- Tính implied volatility của quyền chọn, định giá phái sinh (derivatives)
- Xây dựng một chiến lược đầu tư theo xu hướng và backtest nó

Điểm mạnh nhất: sách thiên về THỰC HÀNH. Phần lớn ví dụ được viết trong IPython/Jupyter Notebook, nên anh em có thể gõ lại từng dòng, chạy thử và nhìn kết quả ngay — học bằng cách làm, không phải học chay lý thuyết. Đây cũng là cách luyện tư duy data rất tốt: làm sạch dữ liệu, phân tích, rồi kiểm định bằng con số.

Một lưu ý nhỏ: sách xuất bản 2015 và dùng Python 2.7, nên vài đoạn cú pháp anh em cần chỉnh sang Python phiên bản mới hơn. Nhưng phần tư duy — cách tiếp cận dữ liệu và mô hình hóa thị trường — thì vẫn nguyên giá trị đến hôm nay.

Phù hợp với: anh em đang học data/Python, sinh viên tài chính - CNTT, trader muốn tự động hóa, và bất kỳ ai muốn chuyển từ "đọc chart bằng mắt" sang "kiểm định ý tưởng bằng dữ liệu".

👉 Anh em nào đang tìm kiếm giải pháp phân tích khối lượng dữ liệu khổng lồ (Big Data) hay muốn tự xây dựng hệ thống thuật toán giao dịch thì hãy tham khảo ngay tài liệu này nhé! Anh em nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ gửi cho.
—
Lưu ý: Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

14/08/2026

🎓 QUANTVN RESEARCH FELLOWSHIP — MỞ ĐĂNG KÝ
Nghiên cứu AI × Quantitative Finance | Chuẩn bị cho hành trình PhD

QuantVN mở đăng ký chương trình Research Fellowship & Academic Research Collaboration dành cho sinh viên và các bạn trẻ có định hướng nghiên cứu trong:

• Trí tuệ nhân tạo & Machine Learning
• Statistics & Time Series
• Financial Machine Learning
• Econometrics
• Reinforcement Learning
• Optimization
• Market Microstructure
• Multi-Agent Systems
• AI for Finance

Chương trình dành cho những bạn muốn thực sự làm research, thay vì chỉ học lý thuyết hoặc tham gia một internship thông thường.

🔬Bạn sẽ làm gì?
Tham gia các research project do QuantVN phát triển, với định hướng hợp tác cùng giáo sư và các nhóm nghiên cứu tại các trường đại học.

Tùy dự án, bạn có thể tham gia:
→ Xây dựng research question
→ Đọc và phân tích literature
→ Xây dựng mô hình AI/ML
→ Làm việc với dữ liệu tài chính và dữ liệu thị trường
→ Thiết kế thí nghiệm và đánh giá thống kê
→ Mô phỏng và kiểm nghiệm các chiến lược định lượng
→ Viết và trình bày research paper

Các dự án phù hợp sẽ được phát triển theo hướng submission tới các hội nghị AI/ML quốc tế hoặc các tạp chí Q1, tùy thuộc vào chất lượng nghiên cứu và kết quả phản biện.

🎯 Bạn có thể xây dựng được gì?
Research Project → Working Paper → Conference/Journal Submission → Research Portfolio → PhD Application

Đặc biệt phù hợp với những bạn đang định hướng học cao học hoặc PhD trong: Computer Science · Machine Learning · Statistics · Mathematics · Data Science · Econometrics · Finance · Economics

Bạn không nhất thiết phải học Finance. Sinh viên từ các ngành Toán, Thống kê, Computer Science, AI, Data Science, Engineering, Economics… đều có thể phù hợp nếu có nền tảng định lượng và mong muốn làm research.

👨‍🎓 Ai nên đăng ký?

• Sinh viên đại học
• Học viên cao học
• Sinh viên năm cuối đang chuẩn bị du học
• Các bạn đang chuẩn bị hồ sơ Master/PhD
• Young researchers có định hướng phát triển academic profile

Điều chúng tôi tìm kiếm không chỉ là điểm số, mà là khả năng tư duy định lượng, lập trình, tự học và đặt câu hỏi nghiên cứu.

🌎 Định hướng quốc tế
QuantVN hướng tới xây dựng mạng lưới hợp tác giữa:
Researcher ↔ QuantVN ↔ Giáo sư ↔ University Research Group với mục tiêu đưa các nghiên cứu về AI và Quantitative Finance từ Việt Nam ra cộng đồng nghiên cứu quốc tế.

---

🚀 Nếu bạn đang nghĩ đến một con đường PhD trong AI, Machine Learning, Statistics hoặc Quantitative Finance, hãy bắt đầu từ một research project thực sự.

QUANTVN RESEARCH FELLOWSHIP

📌 Mở đăng ký: https://forms.gle/1ZpTNcMdPfrizpjU7

Khi đăng ký, vui lòng chuẩn bị:
CV + nền tảng học tập + lĩnh vực nghiên cứu quan tâm
Research first. Build your academic profile. Think globally.

11/08/2026

[CHIA SẺ TÀI LIỆU: "FINDING ALPHAS" - CẨM NANG CHO DÂN QUANT]

Bạn đang tìm kiếm một lộ trình bài bản để bước chân vào thế giới của Quantitative Trading (Giao dịch định lượng)?

"Finding Alphas: A Quantitative Approach to Building Trading Strategies" (Tác giả: Igor Tulchinsky et al., WorldQuant) chính là cuốn "kinh thánh" mà bất kỳ ai theo đuổi con đường Quantitative Research (QR) đều không thể bỏ qua.

Tại sao cuốn sách này lại quan trọng với cộng đồng QuantVN?
✅ Kiến thức thực chiến từ những chuyên gia hàng đầu: Được biên soạn bởi đội ngũ WorldQuant - một trong những quỹ đầu tư định lượng lớn nhất thế giới.
✅ Quy trình xây dựng Alpha chuẩn mực: Sách hướng dẫn chi tiết từ khâu tìm ý tưởng (Idea), xử lý dữ liệu (Data), xây dựng công thức toán học, cho đến việc backtest, kiểm soát rủi ro và quản lý danh mục.
✅ Cập nhật tư duy mới: Ấn bản 2020 không chỉ là lý thuyết suông mà còn đi sâu vào các chủ đề hiện đại như Machine Learning, Intraday Data, Event-Driven Investing và vai trò của dữ liệu thay thế (Alternative Data).
✅ Cái nhìn sâu sắc về "Alpha": Tác giả giải mã cách tư duy, "tư duy thuật toán" (Thinking in Algorithms) và nghệ thuật cắt lỗ – những thứ tạo nên sự khác biệt giữa một Quant thành công và kẻ nghiệp dư.

Cuốn sách này không chỉ dành cho các "dân chuyên" mà còn là nguồn tài liệu vô giá cho các bạn sinh viên STEM muốn định hướng sự nghiệp trong ngành tài chính định lượng.

👉 Tải ngay tài liệu tại đây (dưới dạng PDF): Ib ngay cho QuantVN để nhận tài liệu
---
*Lưu ý: Tài liệu mang tính chất giáo dục và nghiên cứu. Hãy dành thời gian nghiền ngẫm từng chương, đặc biệt là tư duy về việc tìm kiếm "Alpha" – lợi thế cạnh tranh cốt lõi trong thị trường tài chính.*

07/08/2026

🚀 [GÓC CHIA SẺ TÀI LIỆU CHẤT LƯỢNG] QUANTITATIVE TRADING IN CRYPTO - TỪ LÝ THUYẾT ĐẾN THỰC CHIẾN

Nếu bạn đang tìm kiếm một cuốn tài liệu thực sự chuyên sâu và bài bản về giao dịch định lượng (Quant Trading) trong thị trường tiền mã hóa, thì "Quantitative Trading in Crypto" do Talyxion Research Team biên soạn là một cuốn sách không thể bỏ qua. Cuốn sách này không chứa những lời hứa hẹn làm giàu nhanh hay các con "bot" giao dịch hắc ám, mà mang đến một góc nhìn thực tế về khoảng cách khổng lồ giữa một bản backtest đẹp đẽ trên máy tính và một tài khoản giao dịch thực tế đang thua lỗ.

Dưới đây là những giá trị cốt lõi nhất từ tài liệu:

📌 Sự thật phũ phàng về Backtest: Cuốn sách nhấn mạnh một triết lý cảnh tỉnh rằng một bản backtest cho ra chỉ số Sharpe > 3 thường là một sự dối trá. Tác giả vạch trần những cạm bẫy hủy diệt chiến lược như Lookahead bias (sử dụng dữ liệu tương lai), Survivorship bias (thiên kiến kẻ sống sót), hay việc bỏ qua trượt giá (slippage).
📌Đặc thù khốc liệt của Crypto: Thị trường Crypto vận hành rất khác chứng khoán truyền thống. Tài liệu mổ xẻ cấu trúc vi mô của thị trường (market microstructure), giải thích cơ chế funding rate của hợp đồng vĩnh cửu (perpetual futures) có thể tạo ra lợi nhuận (carry) nhưng cũng chứa rủi ro lớn, và hiện tượng thanh lý hàng loạt (liquidation cascades) tạo ra các cái đuôi rủi ro cực béo (fat tails).
📌Triết lý "Sống sót để tích lũy" (Survive to compound): Lợi nhuận không phải là ưu tiên số một, mà là việc không bao giờ để cháy tài khoản. Sách hướng dẫn chi tiết bài toán đi vốn (Position Sizing) qua các phương pháp như Volatility Targeting, lý do tại sao áp dụng toàn bộ công thức Kelly (full Kelly) lại là tự sát và khuyên dùng Fractional Kelly, cùng việc thiết lập hệ thống tự động ngắt (Kill-switch).
📌Lý thuyết đi đôi với Code Python: Mỗi khái niệm trong sách đều được phát triển song song hai lần: một lần bằng toán học để hiểu bản chất, và một lần bằng code Python thực tế để chạy thử. Sách cung cấp quy trình từ làm sạch dữ liệu (point-in-time), xây dựng tín hiệu (signal), cho đến kiến trúc đưa model lên môi trường live (xử lý event loop, crash recovery, rate limits).

🎯Tài liệu này dành cho ai?
* Các nhà khoa học dữ liệu (Data Scientists) và kỹ sư phần mềm (Engineers) biết cách xây dựng phần mềm nhưng chưa hiểu thị trường sẽ trừng phạt họ ra sao.
* Những nhà giao dịch thủ công (Discretionary traders) muốn hệ thống hóa và đo lường hiệu quả chiến lược một cách trung thực nhất.
* Các nhà giao dịch định lượng tự do (Self-directed quants) cần một lộ trình mạch lạc từ dữ liệu thô đến khi đặt lệnh live trên sàn.

Nếu bạn thực sự nghiêm túc với con đường Algorithmic Trading, hãy tìm đọc tài liệu này. Giao dịch nhỏ, đo lường mọi thứ, và sống sót để tận hưởng lãi kép!

04/08/2026

Backtest Sharpe 2.5 mà tài khoản thật vẫn đỏ Không phải xui đâu.

Một đường equity curve dốc 45 độ không chứng minh chiến lược của bạn tốt — nó chỉ chứng minh bạn đã thử đủ nhiều lần để tìm ra nó.

Đây là 3 cái bẫy mà cả dân quant lâu năm vẫn dính:
🪤 Bẫy 1 — Số lần thử (multiple testing): test 300 tổ hợp rồi giữ lại cái Sharpe cao nhất = p-hacking chính mình, không phải alpha. Tra thử Deflated Sharpe Ratio trước khi tự tin.
🪤 Bẫy 2 — Look-ahead bias: tính chỉ báo bằng nến chưa đóng, dùng dữ liệu "còn sống" hôm nay để test quá khứ. Chỉ 1 dòng shift() sai chỗ là cả backtest thành viễn tưởng.
🪤 Bẫy 3 — Chi phí thực: phí, slippage, spread, market impact. Với chiến lược tần suất cao ở VN, riêng chi phí đã đủ nuốt trọn cái edge trên giấy.

Một hệ thống đáng đưa tiền thật vào phải qua đủ 3 cửa: out-of-sample + walk-forward + vẫn dương sau phí. Đẹp trên in-sample chỉ là kỷ niệm.

👉 Bạn hay dính bẫy số mấy? Comment 1, 2 hay 3 — số tới mình mổ xẻ sâu từng bẫy.

03/08/2026

Cùng QuantVN tìm hiểu về khái niệm Quantitative Finance (Tài chính định lượng)

02/08/2026

🎉RECAP QUANTVN WEBINAR | Global Insights, Local Impact: The Future of Quant Trading in Vietnam

QuantVN xin chân thành cảm ơn Annanay Kapila đã dành thời gian tham gia và chia sẻ những kiến thức vô cùng giá trị về High-Frequency Trading (HFT), đặc biệt là cách xây dựng các chiến lược giao dịch dựa trên Limit Order Book (LOB), market microstructure và quá trình nghiên cứu, kiểm định chiến lược trong môi trường giao dịch tốc độ cao.

Bên cạnh đó, diễn giả cũng đã giới thiệu QFEX – một nền tảng rất phù hợp cho những ai muốn tiếp cận và thực hành HFT trên các thị trường tài chính toàn cầu. Tìm hiểu thêm tại: https://docs.qfex.com/qfex/about

🎁 Ưu đãi dành riêng cho cộng đồng QuantVN
QFEX đã tài trợ 25 bộ reference code độc quyền dành cho thành viên QuantVN. Nếu quan tâm, hãy email Ban Tổ Chức để nhận quyền truy cập (số lượng có hạn).

📚 Muốn tìm hiểu sâu hơn?
Do webinar được trình bày bằng tiếng Anh với nhiều nội dung chuyên sâu, các bạn có thể:
- Liên hệ Ban Tổ Chức để xin bản ghi (recording) của webinar.
- Sử dụng các công cụ dịch tiếng Anh hoặc AI để theo dõi và tóm tắt nội dung.
- Đặt câu hỏi trực tiếp trong nhóm QuantVN, nơi đội ngũ và cộng đồng sẽ hỗ trợ giải đáp các khái niệm cũng như nội dung kỹ thuật được đề cập trong webinar.

🚀 Khai giảng trong tháng 8
QuantVN sẽ chính thức mở các khóa Algorithmic Trading nâng cao High-Frequency Trading (HFT), tập trung vào:
- Market Microstructure & Limit Order Book
- Order Flow và Alpha từ dữ liệu LOB
- Thiết kế, tối ưu và đánh giá chiến lược HFT
- Backtesting, Simulation và Performance Analysis
- Thực hành trên dữ liệu và framework thực tế

Xin cảm ơn diễn giả Annanay Kapila, QFEX và toàn thể các anh chị, các bạn đã tham gia webinar. Hẹn gặp lại mọi người trong các sự kiện và khóa học sắp tới của QuantVN!

01/08/2026

☕ RECAP COFFEE CHAT QUANTVN x ANH THÀNH

Cảm ơn tất cả mọi người đã dành thời gian tham gia buổi cà phê giao lưu tối thứ 5 vừa qua. Rất vui khi được gặp nhiều bạn đến từ các trường đại học, doanh nghiệp và các lĩnh vực khác nhau nhưng đều có chung sự quan tâm đến Quant Trading và nghiên cứu định lượng.

Đặc biệt, xin gửi lời cảm ơn tới anh Thành (Co founder and CEO của Talyxion, PhD Candidate tại Đại học Thanh Hoa) đã dành thời gian chia sẻ rất cởi mở và thực tế.

Trong buổi trò chuyện, anh đã chia sẻ nhiều góc nhìn giá trị về:
- Tổng quan ngành Quant Trading và các hướng phát triển trên thế giới.
- Công việc của một Quant Researcher và những kỹ năng thực sự cần thiết.
- Lộ trình học tập, làm nghiên cứu và xây dựng hồ sơ học thuật.
- Kinh nghiệm chuẩn bị và ứng tuyển học bổng PhD.
- Những lời khuyên dành cho các bạn trẻ muốn theo đuổi con đường nghiên cứu hoặc làm việc trong lĩnh vực tài chính định lượng.

Điều mình thích nhất ở buổi gặp là không khí rất thoải mái. Mọi người cùng đặt câu hỏi, trao đổi quan điểm và chia sẻ kinh nghiệm thay vì chỉ nghe một buổi nói chuyện một chiều.

Hy vọng những buổi Coffee Chat như thế này sẽ tiếp tục trở thành nơi kết nối cộng đồng Quant tại Việt Nam, giúp mọi người học hỏi lẫn nhau và mở rộng góc nhìn về nghiên cứu cũng như ứng dụng của tài chính định lượng.

Một lần nữa, cảm ơn anh Thành và tất cả các bạn đã tham gia. Hẹn gặp lại mọi người ở những sự kiện tiếp theo của QuantVN!

30/07/2026

[QUANT RESEARCH] DEEP INCEPTION NETWORKS: MỘT KHUÔN KHỔ ĐẦU - CUỐI TỔNG QUÁT DÀNH CHO CÁC CHIẾN LƯỢC ĐỊNH LƯỢNG ĐA TÀI SẢN

Chào anh em, hôm nay mình muốn chia sẻ một bài nghiên cứu cực kỳ thú vị từ nhóm tác giả thuộc Đại học Oxford mang tên "Deep Inception Networks: A General End-to-End Framework for Multi-asset Quantitative Strategies". Thông thường, anh em làm quant truyền thống hay bị kẹt ở quy trình hai bước tách rời: tốn thời gian "chế" các chỉ báo kỹ thuật thủ công (Feature Engineering), rồi sau đó lại phải dựng một mô hình riêng biệt chỉ để dự báo xu hướng nhằm định cỡ vị thế (Position Sizing) mà chưa thực sự tối ưu hoá được rủi ro hay chi phí giao dịch trên toàn bộ danh mục. Bài nghiên cứu này giải quyết triệt để điểm yếu đó bằng cách đưa ra một bộ khung học máy End-to-End (đầu - cuối), cho phép AI bỏ qua hoàn toàn việc nhào nặn đặc trưng thủ công để học trực tiếp từ chuỗi lợi suất giá thô hằng ngày, qua đó tự động trích xuất tín hiệu và tính toán ra ngay trọng số vị thế tối ưu cho từng tài sản.

Về mặt chuyên môn kỹ thuật, mình thấy kiến trúc của Deep Inception Networks (DINs) rất đột phá khi kết hợp khối trích xuất đặc trưng khai thác đồng thời tín hiệu chuỗi thời gian (Time-Series) lẫn phân tích chéo (Cross-Sectional), đi kèm với khối định cỡ vị thế sử dụng các mạng dài hạn như LSTM hay Temporal Fusion Transformer (TFT). Điểm "ăn tiền" nhất mà anh em có thể ứng dụng là hàm mất mát (Loss Function) được thiết kế cực kỳ sát thực tế: không chỉ cắm đầu đẩy cao chỉ số Sharpe mà còn chủ động phạt tỷ lệ quay vòng vốn (Turnover Regularisation) để cân bằng lợi nhuận với rủi ro hệ thống và chi phí giao dịch. Tuyệt vời hơn nữa, nhờ tích hợp Variable Selection Networks (VSN), mô hình này đã thoát khỏi cái mác "hộp đen" khi có thể giải thích rõ ràng tầm quan trọng của các đặc trưng tự động dịch chuyển ra sao trong những đợt khủng hoảng thị trường lớn, đồng thời chứng minh được tính mở rộng (Scalability) mạnh mẽ khi thử nghiệm chéo trên nhiều lớp tài sản đa dạng từ Futures, FX cho đến Cổ phiếu và Crypto.

Nhìn vào dữ liệu thực nghiệm trên nhóm Futures, anh em sẽ thấy kết quả backtest thực sự ấn tượng khi mô hình kết hợp OrigCIM-TFT đạt chỉ số Sharpe lên tới xấp xỉ 2.95, vượt trội hoàn toàn so với các thuật toán benchmark truyền thống và vẫn sinh lời tốt dưới mức chi phí giao dịch thực tế lên đến 4.82 bps. Dù vậy, anh em mình vẫn phải nhìn nhận một cách tỉnh táo rằng nếu chi phí giao dịch vượt quá ngưỡng này thì chiến lược ôm lỳ (Buy-and-Hold) vẫn chiếm ưu thế, nên những con số này chỉ chứng minh cho tiềm năng khổng lồ của AI thay vì là một "chén thánh" cứ áp dụng là ăn ngay.

Anh em có thể đọc chi tiết paper gốc tại đây (https://arxiv.org/abs/2307.05522) và cùng thảo luận bên dưới xem liệu hướng tiếp cận tự học này có thể thay thế hoàn toàn kỹ thuật Feature Engineering thủ công trong tương lai không, và với đặc thù thanh khoản cũng như chi phí giao dịch tại thị trường Việt Nam thì tính khả thi của mô hình DINs này đến đâu nhé!

28/07/2026

🎉 RECAP WORKSHOP | "Tương lai ngành Quantrading ở thị trường tài chính Việt Nam"

Chiều thứ Bảy ngày 18/07, QuantVN đã có một buổi workshop thật sự trọn vẹn cùng gần các anh chị em yêu thích giao dịch định lượng.💚

Trong hơn 2 tiếng đồng hồ, chúng ta đã cùng nhau trao đổi thật nhiều điều về quant trading – từ bức tranh tổng quan của ngành, những góc nhìn kỹ thuật thực chiến, cho đến hệ sinh thái sản phẩm của QuantVN.

Cảm ơn tất cả anh chị đã dành trọn buổi chiều cuối tuần để tham gia cùng QuantVN và cảm ơn các diễn giả đã mang đến những chia sẻ đầy giá trị. Hẹn gặp lại cả nhà trong những sự kiện tiếp theo của QuantVN – vẫn sẽ là những buổi trò chuyện gần gũi, thực chiến và tràn đầy năng lượng! ⚡

👉 Theo dõi QuantVN để không bỏ lỡ những workshop sắp tới nhé!

QuantVN

18/08/2026

14/08/2026

11/08/2026

07/08/2026

04/08/2026

03/08/2026

02/08/2026

01/08/2026

30/07/2026

28/07/2026

Address

Website

Alerts

Shortcuts

Share

Category

Listing takedown request