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

21/09/2026

📈 [CHIA SẺ SÁCH] Financial Analyst: A Comprehensive Applied Guide to Quantitative Finance in 2024 — Hayden Van Der Post (Reactive Publishing, 2024)

Nói trước cho anh em khỏi nhầm vì cái tên khá rộng: đây thực chất là một cuốn thực hành về options (quyền chọn) bằng Python. Nếu ai đang muốn bước từ "biết cổ phiếu" sang hiểu thị trường phái sinh và làm được bằng code chứ không chỉ đọc lý thuyết thì đây là hướng đi khá gọn gàng.

Sách gồm 9 chương, đi theo mạch từ nền tảng tới ứng dụng. Nửa đầu xây móng: bắt đầu bằng bản chất của options (call/put, rủi ro, các thế cơ bản), sau đó là một chương ôn Python cho tài chính, rồi đào sâu vào mô hình định giá Black-Scholes và bộ Greeks (delta, gamma, vega, theta), những thứ quyết định việc bạn hiểu một quyền chọn "đắt hay rẻ", "rủi ro nằm ở đâu". Đây là phần lý thuyết cốt lõi, được trình bày kèm công thức.

Nửa sau thiên về thực chiến: lấy và phân tích dữ liệu thị trường bằng Python (pandas, matplotlib, tính implied volatility), tự tay code lại công thức Black-Scholes, rồi tới các chiến lược giao dịch quyền chọn (straddle, spread…) kèm backtest, một chương nâng cao chạm tới deep learning và phân tích sentiment, và khép lại bằng các case study áp dụng thực tế. Phần phụ lục cũng khá đáng giá: hướng dẫn phân tích tài chính bằng Python (phân tích biến động, xu hướng, tỷ số, dòng tiền, kịch bản, capital budgeting), cẩm nang trực quan hóa dữ liệu, và một mục toán tài chính gói gọn stochastic calculus, chuyển động Brown, bổ đề Itô, phương trình vi phân ngẫu nhiên (SDE), GBM và martingale.

Với dân data/finance, giá trị lớn nhất của cuốn là cách nó ghép một chủ đề tài chính cụ thể (options) với code Python chạy được ngay đọc tới đâu gõ tới đó. Với người mới thì đây là cửa vào phái sinh khá dễ thở; với ai đã có nền thì xem như tài liệu tra cứu nhanh về công thức và chiến lược.

👉Các bác nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ share miễn phí cho các bác nhé.
———————
⚠️ Lưu ý nhỏ như thường lệ: đây là sách self-publish, trình bày mộc và biên tập không quá chỉn chu, nên anh em đọc để lấy phần thực hành là chính. Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

15/09/2026

🎯 RECAP ALPHA TALK #1 — CẢM ƠN VÌ MỘT BUỔI CHIỀU ĐẦY "TÍN HIỆU"

Cảm ơn tất cả anh em đã dành thời gian đến với Alpha Talk #1 ✨

Không slide, không diễn giả, không thuyết trình, chỉ có những người làm quant ngồi lại với nhau, một ly cà phê và những câu chuyện không hồi kết. Từ chiến lược, thị trường, dữ liệu, cho đến những góc khuất của nghề mà bình thường chẳng biết chia sẻ cùng ai, tất cả đã diễn ra thật tự nhiên và đúng chất.

Điều tuyệt nhất không nằm ở nội dung, mà ở con người: một cộng đồng quant Việt Nam vốn nhỏ, nay có thêm một nơi để tìm thấy nhau. Có người mới chập chững vào ngành, có người đã đi đường dài, nhưng ai cũng ra về với vài kết nối mới và vài ý tưởng để suy ngẫm.

Cảm ơn mọi người đã tin tưởng và góp phần làm nên buổi gặp đầu tiên này. Đây mới chỉ là #1 thôi 😉

📌 Hẹn gặp lại ở Alpha Talk #2 — sẽ còn nhiều câu chuyện hay đang chờ phía trước. Anh em nhớ theo dõi để không bỏ lỡ nhé!

11/09/2026

📖[CHIA SẺ SÁCH] NumPy for Quantitative Finance — Hayden Van Der Post

Ai làm data hay finance với Python thì gần như ngày nào cũng chạm vào NumPy, nhưng phần lớn mới dùng ở mức cơ bản: tạo mảng, cộng trừ vài phép. Cuốn này đi sâu hơn, cho thấy NumPy thực sự làm được gì khi xử lý dữ liệu số ở quy mô lớn, và tại sao nó là nền tảng bên dưới cả Pandas, SciPy lẫn phần lớn thư viện machine learning.

Sách gồm 7 chương, viết theo hướng thực hành từ nền tảng lên ứng dụng. Ba chương đầu lo phần gốc của thư viện: giới thiệu cấu trúc ndarray và lý do vectorization nhanh hơn hẳn vòng lặp, sau đó là các thao tác cơ bản (tạo mảng, indexing/slicing, kiểu dữ liệu, phép toán element-wise) rồi tới các kỹ thuật nâng cao như broadcasting, reshaping và các hàm toán học, thống kê trên mảng nhiều chiều.

Bốn chương còn lại đưa NumPy vào bài toán thật: tổ chức và phân tích dữ liệu chuỗi thời gian, kiến thức cơ bản về lý thuyết danh mục (tính lợi nhuận, rủi ro, ma trận hiệp phương sai và tối ưu danh mục bằng phép toán ma trận), định giá và quản trị rủi ro kèm mô phỏng kịch bản thị trường, và cuối cùng là dùng NumPy làm nền cho các bài toán machine learning và dự báo tài chính.

Điểm hay của cuốn là code đi kèm lý thuyết, đọc tới đâu gõ thử tới đó nên khá dễ theo. Với các bạn mới, đây là cách tốt để nắm chắc NumPy, công cụ nền tảng dùng được cho gần như mọi hướng: data science, phân tích, hay tài chính định lượng. Với ai đã quen, cuốn này giúp hệ thống lại và khai thác thư viện triệt để hơn thay vì chỉ dùng loanh quanh vài hàm.

Một lưu ý nhỏ: đây là sách self-publish nên trình bày khá mộc (ngay cái bìa cũng có typo ở chữ "Quantitative Finance" 🙂), anh em đọc để lấy phần thực hành là chính, đừng quá khắt khe về mặt biên tập.

👉Các bác nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ share miễn phí cho các bác nhé.
———————
⚠️ Lưu ý nhỏ: Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

08/09/2026

🎓 QUANTVN CHÍNH THỨC MỞ GHI DANH — KHÓA THÁNG 9/2026

Bạn đã theo dõi QuantVN một thời gian rồi, giờ là lúc bắt đầu học thật. Chương trình đào tạo Quant chuyên sâu, bám giáo trình chuẩn quốc tế chính thức mở ghi danh khóa tháng 9.

📚 13 khóa — 1 lộ trình từ số 0 đến chuyên sâu:
• Nền tảng: C1 Toán · C2 Python · C3 Kinh tế tài chính
• Cốt lõi Quant: C4 Vi cấu trúc · C5 Dữ liệu · C6 Kinh tế lượng · C7 Alpha · C8 ML/AI · C9 HFT · C10 Research Lab
• Business: C11 Unit Economics · C12 FP&A · C13 Tối ưu & Ra quyết định

🎯 8 lộ trình theo xuất phát điểm — sinh viên, lập trình viên, data scientist, trader, tương lai PhD hay founder/CEO đều có đường đi riêng. Bạn học cả lộ trình hoặc chọn từng khóa đều được.

✅ Vì sao chọn QuantVN:
– Giáo trình chuẩn quốc tế (Stefanica, Cochrane, Larry Harris, Stefan Jansen…)
– Học đi đôi với thực hành: code, backtest, dự án thật
– Đội ngũ chuyên gia trong ngành nhiều kinh nghiệm

👉 GHI DANH NGAY: https://forms.gle/DzzxWLxCB6p7i7Wp7

💬 Chưa biết bắt đầu từ khóa nào? Comment "LỘ TRÌNH" để nhận bản đồ 13 khóa + tư vấn chọn khóa miễn phí.

05/09/2026

📖 [CHIA SẺ SÁCH] Understanding Machine Learning: From Theory to Algorithms — Shalev-Shwartz & Ben-David (Cambridge, 2014)

Học ML một thời gian, nhiều bạn sẽ tới lúc gặp câu hỏi khó chịu: mình gọi được model, chỉnh được tham số, thấy độ chính xác lên, nhưng vì sao máy học được thì lại không giải thích nổi. Cuốn này sinh ra để trả lời đúng câu hỏi đó: máy học dựa trên nguyên lý nào, và học được tới đâu thì chạm giới hạn?

Đây là một trong những giáo trình ML nền tảng được dùng nhiều nhất ở bậc đại học và cao học. Điểm mạnh của nó là đi từ lý thuyết chặt chẽ rồi mới dẫn tới thuật toán, nên đọc xong bạn hiểu bản chất chứ không chỉ thuộc cách bấm nút.

Sách chia thành 4 phần, đi từ gốc lên ngọn:

📐 Phần 1 — Nền tảng lý thuyết: định nghĩa "học" theo mô hình PAC learning, Empirical Risk Minimization, khái niệm VC-dimension để đo độ "phức tạp" của một lớp mô hình, định lý No-Free-Lunch (không có thuật toán nào tốt cho mọi bài toán), và bias-complexity tradeoff, cách hiểu overfitting bằng toán học chứ không chỉ bằng cảm giác.

🧮 Phần 2 — Từ lý thuyết ra thuật toán: linear & logistic regression, boosting (AdaBoost), SVM và kernel methods, stochastic gradient descent, decision trees, random forests, k-nearest neighbors, và neural networks. Mỗi thuật toán đều được đặt trong khung lý thuyết ở Phần 1, nên bạn thấy rõ vì sao nó hoạt động.

🔍 Phần 3 — Các mô hình học khác: online learning, clustering, giảm chiều dữ liệu (PCA), generative models (Naive Bayes, LDA, EM), cùng feature selection & generation, mảng rất thực tế cho ai làm data.

🧠 Phần 4 — Lý thuyết nâng cao: Rademacher complexity, covering numbers, PAC-Bayes… phần dành cho bạn nào muốn đào sâu tới tận đáy.

Xuyên suốt sách là hai câu hỏi lặp đi lặp lại: một bài toán có học được không, và cần bao nhiêu dữ liệu thì học được. Trả lời được hai câu này, bạn sẽ bớt kỳ vọng viển vông vào mô hình, và biết khi nào nên tin, khi nào nên nghi ngờ một kết quả đẹp.

Nói thật để mọi người chuẩn bị tinh thần: sách nặng công thức và chứng minh, không phải kiểu đọc lướt buổi tối. Nên đọc chậm, có giấy nháp bên cạnh, và đừng nản nếu một trang phải đọc lại vài lần chuyện bình thường với cuốn này thôi. Bù lại, hiểu rồi thì cái nền của bạn vững hẳn, học framework hay đọc paper mới về sau đều nhẹ nhàng hơn nhiều.

👉Các bác nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ share miễn phí cho các bác nhé.
———————
⚠️ Lưu ý nhỏ: Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

02/09/2026

ALPHA TALK #1 — QUANT NETWORKING DAY
No slides. No speakers. Just quants.

Cộng đồng quant ở Việt Nam vốn nhỏ và khó tiếp cận. Alpha Talk ra đời để thay đổi điều đó — một buổi coffee chat được chọn lọc, nơi những người cùng ngành ngồi lại, trò chuyện và kết nối thật sự.

🤝 Lần này, Alpha Talk hợp tác cùng VietQuant — Nhà sáng lập & tài trợ của Quỹ Phát triển Toán Ứng dụng Việt Nam (VFAM): https://vietmathfoundation.org/

Không diễn giả. Không thuyết trình. Chỉ có những cuộc trò chuyện đúng người, đúng chuyện. Buổi gặp dành cho quant trader, researcher, developer & data scientist trong mảng fintech/trading, nhà đầu tư cá nhân nghiêm túc, và cả những bạn mới vào ngành muốn học hỏi từ người đi trước.

🗓 15h–17h, Thứ Bảy 12/09/2026
📍 Tầng 8, MDBA BUILDING — 11Bis Nguyễn Gia Thiều, TP.HCM

Số lượng có hạn. Đăng ký ngay để giữ suất:
👉 https://forms.gle/mdob9g9rZYojJkRJ7

02/09/2026

CHÚC MỪNG NGÀY QUỐC KHÁNH 2/9 ❤🇻🇳

"Nước Việt Nam có quyền hưởng tự do và độc lập, và sự thật đã thành một nước tự do, độc lập. Toàn thể dân tộc Việt Nam quyết đem tất cả tinh thần và lực lượng, tính mạng và của cải để giữ vững quyền tự do, độc lập ấy." Cảm ơn các bậc cha anh đã dựng xây đất nước, để chúng ta có được cuộc sống như ngày nay.

Hôm nay 2/9, cả nước rợp bóng cờ đỏ sao vàng, QuantVN xin gửi tới toàn thể anh em trong cộng đồng lời chúc mừng Quốc Khánh thật rộn ràng! 🎉

Dù anh em đang đi chơi lễ, về quê thăm nhà, hay ở nhà "trực chốt" cày code như một chiến binh thầm lặng, chúc tất cả một ngày 2/9 thật bình an, hạnh phúc và ý nghĩa bên gia đình.

Nghỉ lễ sạc đầy năng lượng, để ra lễ là chiến tiếp nhé anh em! 💪

01/09/2026

📚 [CHIA SẺ SÁCH] Machine Learning for Factor Investing — Python Version (Coqueret & Guida, 2023)

Các bác nào nghỉ lễ 2/9 mà không đi đâu chơi, ở nhà như mình thì lôi ngay cuốn này ra đọc nhé — bảo đảm thú vị cho các bác 😎

Đây là một trong những cuốn hiếm hoi ghép được factor investing (đầu tư theo nhân tố) với machine learning một cách bài bản mà vẫn cực kỳ thực chiến. Điểm ăn tiền nhất: toàn bộ code viết bằng Python, chạy trên một bộ dataset thật với hơn 90 predictors, và tác giả share online để anh em tự reproduce lại từ A–Z. Đọc tới đâu gõ tới đó, không có kiểu "toán suông cho oai".

Sách đi qua gần như trọn bộ vũ khí của một quant researcher:

- Nền tảng: factor investing, asset pricing anomalies, tiền xử lý & gán nhãn dữ liệu (labelling, triple-barrier method)
- Thuật toán supervised: penalized regressions, tree-based (Random Forest, AdaBoost, XGBoost), neural networks (MLP, RNN, autoencoder, GAN), SVM, Bayesian methods (BART, Naïve Bayes)
- Từ prediction ra portfolio: validation & tuning, bias-variance, overfitting, ensemble models, và cả một chương backtesting tử tế (transaction cost, forward-looking bias, backtest overfitting — mấy cái bẫy mà 90% người mới dính)
- Chủ đề nâng cao: interpretability (LIME, SHAP), causality & non-stationarity, unsupervised learning (PCA, k-means), và reinforcement learning (Q-learning, SARSA, policy gradient)

Nói chung là từ "chưa biết factor là gì" cho tới "tự build được pipeline ML để tuyển cổ phiếu", cuốn này dắt tay các bác đi hết. Chỉ cần biết chút Python + tài chính cơ bản là cày được.

👉Các bác nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ share miễn phí cho các bác nhé.
———————
⚠️ Lưu ý nhỏ: Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

28/08/2026

[SHARE TÀI LIỆU] OPTIONS GREEKS & DELTA HEDGING STRATEGIES: TỪ LÝ THUYẾT ĐẾN MÔ PHỎNG PYTHON THỰC CHIẾN 📊💻

Nếu anh em đang tìm kiếm một tài liệu cô đọng, vừa vững vàng về mặt toán học tài chính vừa có mã nguồn Python đi kèm để hiểu sâu sắc về các hệ số nhạy cảm (Option Greeks) và chiến thuật phòng vệ Delta (Delta Hedging), thì tài liệu "OPTIONS GREEKS - DELTA" này chính là một lựa chọn cực kỳ chất lượng!
Tài liệu tập trung mổ xẻ các khía cạnh cốt lõi của thị trường phái sinh, đặc biệt đi sâu vào cơ chế vận hành của Delta và mô hình Black-Scholes-Merton (BSM) danh tiếng.

📌 Những nội dung đắt giá nhất trong tài liệu:

- Bản đồ 5 Option Greeks cốt lõi: Định nghĩa chi tiết và ý nghĩa thực tế của Delta, Gamma, Theta, Vega, và Rho giúp nhà giao dịch đánh giá mức độ nhạy cảm của hợp đồng quyền chọn với giá tài sản cơ sở, biến động thị trường và thời gian.
- Nền tảng mô hình Black-Scholes-Merton (BSM): Tìm hiểu sâu công thức định giá quyền chọn kiểu châu Âu của Fischer Black, Myron Scholes và Robert Merton. Tài liệu chỉ rõ các lợi ích thực tế trong quản trị rủi ro, tối ưu hóa danh mục, cũng như các giới hạn thực tế như giả định biến động không đổi hay giả định không có chi phí giao dịch.
- Mô phỏng thực chiến bằng Python: Điểm cộng cực lớn của tài liệu là cung cấp toàn bộ code Python (sử dụng các thư viện phổ biến như pandas, numpy, scipy.stats và matplotlib) để tính toán Delta của Call/Put Option và vẽ đồ thị trực quan hóa mối quan hệ giữa Delta và giá tài sản cơ sở.
- Chiến thuật Delta Hedging & Phòng vệ động (Dynamic Hedging): Hướng dẫn cách thiết lập danh mục Delta-neutral (trung lập với biến động giá) được áp dụng rộng rãi bởi các định chế tài chính lớn để quản lý rủi ro. Đồng thời, tài liệu cũng phân tích các thách thức thực tế như chi phí giao dịch phát sinh và bài toán thanh khoản trên thị trường thực tế.

💡 Tài liệu này phù hợp với ai?

- Quant Developers / Traders muốn củng cố trực giác định lượng (quantitative intuition) kết hợp kỹ năng lập trình mô phỏng.
- Sinh viên ngành Tài chính Định lượng / Kỹ thuật tài chính đang tìm kiếm tài liệu học tập có tính thực tiễn cao, có code chạy ngay thay vì chỉ đọc công thức khô khan.

📥 Anh em nào muốn đọc tài liệu này thì ib cho QuantVN, bọn mình sẽ gửi nhé
👉 Anh em nghĩ sao về việc áp dụng Dynamic Hedging trong thị trường có độ trễ và chi phí giao dịch cao? Hãy để lại ý kiến dưới phần bình luận nhé!
—
Lưu ý: Tài liệu mang tính chất giáo dục và nghiên cứu, không phải lời khuyên đầu tư.

24/08/2026

📘 [TÀI LIỆU HAY] "THE CONCEPTS AND PRACTICE OF MATHEMATICAL FINANCE" - CẦU NỐI GIỮA LÝ THUYẾT VÀ THỰC TIỄN

Nếu bạn đang tìm kiếm một tài liệu toàn diện để đào sâu vào lĩnh vực định lượng và toán tài chính, thì cuốn sách "The Concepts and Practice of Mathematical Finance, Second Edition" của tác giả Mark S. Joshi chắc chắn là một "bí kíp" không thể bỏ qua. Được xuất bản bởi Cambridge University Press trong chuỗi sách "Mathematics, Finance and Risk", tài liệu này hướng tới việc kết nối sự hiểu biết khái niệm sâu sắc với các ứng dụng thực tiễn trên thị trường.

🌟 Tại Sao Bạn Nên Đọc Cuốn Sách Này?
Tác giả Mark S. Joshi đã xây dựng một lộ trình học tập cực kỳ bài bản, đi từ việc đặt câu hỏi về bản chất vấn đề cho đến cách giải quyết bằng toán học:

- Ba hướng tiếp cận định giá cốt lõi: Thay vì chỉ tập trung vào một công cụ, sách phân tích các bài toán tài chính qua cả ba lăng kính: mô hình cây (Trees), phương trình đạo hàm riêng (PDEs), và Martingales.
- Đi từ nền tảng đến phức tạp: Khởi đầu bằng việc định nghĩa rõ ràng về Rủi ro (Risk) và Kinh doanh chênh lệch giá (Arbitrage), giúp người đọc hiểu triết lý gốc rễ trước khi bước vào các kỹ thuật toán học như giải tích Ito (Ito calculus).
- Bao quát danh mục sản phẩm đa dạng: Sách hướng dẫn định giá từ các quyền chọn cơ bản, quyền chọn kiểu Mỹ (American options), các quyền chọn độc lạ (exotic options), cho đến các phái sinh lãi suất (Interest rate derivatives).
- Giải quyết bài toán thực tế của thị trường: Tác giả không dừng lại ở mô hình Black-Scholes mà còn mở rộng sang các mô hình hiện đại để xử lý nhược điểm của nó, bao gồm Jump-diffusion, Biến động ngẫu nhiên (Stochastic volatility), và Variance Gamma.
- Đề cao tính ứng dụng: Cuốn sách được thiết kế sư phạm để có thể tự học hoặc dùng trong môi trường doanh nghiệp tài chính, đi kèm với các gợi ý thực hành trên máy tính (Computer projects).

📥 Anh em nào muốn đọc sách thì ib cho QuantVN, bọn mình sẽ gửi nhé.

QuantVN

21/09/2026

15/09/2026

11/09/2026

08/09/2026

05/09/2026

02/09/2026

02/09/2026

01/09/2026

28/08/2026

24/08/2026

Address

Website

Alerts

Shortcuts

Share

Category

Listing takedown request