Tổng quan

Chiến lược này kết hợp nhiều mô hình nến khác nhau để giao dịch cổ phiếu. Nó kết hợp mô hình nhấn chìm (Engulfing), mô hình nến trong (Harami) và mô hình chữ thập (Harami Cross), cho phép nắm bắt cơ hội giao dịch trong nhiều điều kiện thị trường khác nhau.

Nguyên lý

Logic cốt lõi của chiến lược là xây dựng một số quy tắc nhận dạng mô hình nến, sau đó tổng hợp các quy tắc này để tạo ra tín hiệu giao dịch.

Đầu tiên, nó định nghĩa một số biến cơ bản để mô tả thuộc tính của nến, như kích thước thân nến body, giá mở cửa open, giá đóng cửa close, v.v.

Sau đó, dựa trên mối quan hệ giữa giá đóng cửa và giá mở cửa của nến, nó định nghĩa 3 loại thanh giao dịch: 1 biểu thị tăng, -1 biểu thị giảm, 0 biểu thị không tăng không giảm.

Trên cơ sở đó, xây dựng 3 quy tắc nhận dạng mô hình nến:

1. Mô hình nhấn chìm (Engulfing Pattern): Nến hiện tại bao trùm nến trước đó, tạo ra tín hiệu mua hoặc bán.

2. Mô hình nến trong (Harami Pattern): Nến trước đó bao trùm nến hiện tại, tạo ra tín hiệu mua hoặc bán.

3. Mô hình chữ thập (Harami Cross Pattern): Kết hợp giữa nến trong và nến chữ thập (Doji), tạo ra tín hiệu mua hoặc bán.

Dựa trên các quy tắc mô hình nến này, có thể xác định thời điểm mua và bán. Kết hợp với một số điều kiện bổ sung, như giới hạn khung thời gian giao dịch, để lọc ra các tín hiệu không đáp ứng yêu cầu.

Trong phần giao dịch, trước tiên kiểm tra trạng thái nắm giữ, nếu ngược hướng với tín hiệu nến, sẽ đóng vị thế trước, sau đó mở vị thế theo hướng tín hiệu.

Ưu điểm

• Kết hợp nhiều mô hình, tăng tính ổn định. Một mô hình đơn lẻ có thể bị ảnh hưởng lớn bởi môi trường thị trường cụ thể, sử dụng kết hợp nhiều mô hình có thể nâng cao độ ổn định.

• Xác nhận cùng hướng từ nhiều mô hình, đánh giá tổng hợp, tránh nhầm lẫn. Các mô hình khác nhau đánh giá xu hướng từ các góc độ khác nhau, có thể xác nhận chéo tín hiệu cho nhau.

• Tham số có thể điều chỉnh, khả năng thích ứng cao. Người dùng có thể tự do kết hợp và lựa chọn các mô hình khác nhau, điều chỉnh các tham số như khung thời gian giao dịch, linh hoạt ứng phó với biến động thị trường.

• Logic giao dịch hoàn chỉnh. Kết hợp kiểm tra vị thế và logic thoát lệnh cắt lỗ, có thể kiểm soát rủi ro hiệu quả.

Rủi ro

• Sự phức tạp tăng lên do kết hợp nhiều tham số. Cần kiểm tra tính tương thích của các tổ hợp tham số khác nhau, tổ hợp tham số không phù hợp có thể làm giảm hiệu quả.

• Việc thiết lập tham số shape phụ thuộc vào kinh nghiệm. Các tham số hình thái như kích thước thân nến có phù hợp hay không cần tích lũy kinh nghiệm để điều chỉnh.

• Rủi ro từ vị thế một chiều. Chỉ mua hoặc chỉ bán sẽ hạn chế không gian lợi nhuận. Có thể thiết lập tham số để vừa mua vừa bán.

• Có thể bỏ lỡ điểm đảo chiều xu hướng. Chiến lược này chủ yếu dựa trên nhận dạng mô hình, không thể đánh giá hiệu quả điểm đảo chiều xu hướng. Có thể kết hợp các chỉ báo khác để xác định thời điểm.

Tối ưu hóa

• Thêm chiến lược cắt lỗ, để giảm rủi ro từ vị thế một chiều.

• Kết hợp các chỉ báo kỹ thuật khác để đánh giá xu hướng lớn, tránh giao dịch ngược xu hướng. Ví dụ: MACD, Bollinger Band, v.v.

• Kiểm tra sở thích tham số trên các loại tài sản khác nhau, xây dựng tổ hợp mô hình phù hợp cho từng loại tài sản.

• Thêm các thuật toán học máy, sử dụng AI để hỗ trợ tối ưu hóa tham số và nhận dạng mô hình.

Kết luận

Chiến lược này tận dụng ưu điểm của nhiều mô hình nến để xây dựng một hệ thống giao dịch ngắn hạn tương đối ổn định và đáng tin cậy. Tuy nhiên, một số thiết lập tham số và kiểm soát rủi ro vẫn cần được tối ưu hóa thêm để thích ứng với môi trường thị trường phức tạp hơn. Nhìn chung, chiến lược có logic hợp lý, dựa trên tích lũy đủ kinh nghiệm và dữ liệu, việc sử dụng học máy và các phương tiện khác để tối ưu hóa thông minh có triển vọng rộng mở.