Nhập môn machine learning cho thị trường tài chính

Năm 2018, một nhóm quant trình cho quỹ của họ một mô hình biến $100,000 thành $4.2 million trong một bài backtest. Đường cong tài sản gần như là một đường thẳng 45 độ hoàn hảo. Tỷ số Sharpe là 4.0 — tốt hơn hầu như bất kỳ hedge fund nào trong lịch sử. Họ triển khai nó với tiền thật.

Nó lỗ tiền trong tuần đầu tiên, rồi tiếp tục mất máu trong ba tháng trước khi họ ngừng nó. Mô hình "kiếm" được $4.2 million trên giấy tờ không kiếm được gì trong thực tế. Không có gì bị làm giả — không có gian lận, không có lỗi. Mô hình đơn giản chỉ ghi nhớ quá khứ thay vì học được bất cứ điều gì về tương lai.

Câu chuyện này lặp lại thường xuyên đến mức có một cái tên riêng: overfitting trong backtest (backtest overfitting), và đây là nguyên nhân số một duy nhất khiến các quỹ machine-learning thất bại. Marcos López de Prado — người đã quản lý hàng tỷ đô-la trong các chiến lược điều khiển bằng ML — nói thẳng: với đủ số lần thử, ai cũng có thể tạo ra một backtest đẹp trên nhiễu thuần túy. Thị trường không quan tâm mạng nơ-ron của bạn tinh tế đến đâu.

Machine learning đang thực sự thay đổi cách thị trường được giao dịch. Nhưng khoảng cách giữa một mô hình trông có vẻ xuất sắc và một mô hình sống sót khi tiếp xúc với thị trường thực là rất lớn — và học cách phân biệt chúng là toàn bộ cuộc chơi. Bài học này dạy bạn cả hai: cách xây dựng các hệ thống ML tìm ra lợi thế thực sự, và cách tránh những cái bẫy hủy hoại những người bỏ qua phần thứ hai.

Machine learning (học máy) là khoa học giúp máy tính học các mẫu hình từ dữ liệu mà không cần lập trình rõ ràng cho từng tình huống. Thay vì viết một quy tắc như "mua khi RSI giảm xuống dưới 30", bạn đưa cho thuật toán hàng nghìn ví dụ lịch sử và để nó tự phát hiện mẫu hình nào đi trước các giao dịch có lời. Máy tổng quát hóa từ kinh nghiệm — chính xác như một trader kinh nghiệm phát triển trực giác, nhưng trên lượng dữ liệu lớn hơn bất kỳ con người nào có thể lưu giữ trong đầu.

Thị trường tài chính tạo ra một khối lượng dữ liệu đáng kinh ngạc: các tick giá, ảnh chụp sổ lệnh, tỷ lệ funding, dòng chảy on-chain, điểm số tâm lý thị trường, các công bố dữ liệu vĩ mô. Các chiến lược dựa trên quy tắc truyền thống chỉ nắm bắt được những quan hệ mà người tạo ra chúng đã tưởng tượng ra trước. Các mô hình ML có thể phát hiện các tương tác phi tuyến, đa chiều trên hàng trăm feature (đặc trưng) cùng lúc — những quan hệ mà một nhà phân tích con người sẽ không bao giờ nghĩ tới để kiểm tra.

Nhưng thị trường là môi trường khắc nghiệt nhất trong toàn bộ ML ứng dụng, và đáng để trung thực về lý do vì sao. Hầu hết các bước đột phá ML — nhận dạng hình ảnh, các mô hình ngôn ngữ — hoạt động được vì các quy tắc bên dưới không thay đổi. Một con mèo trông giống một con mèo cho dù ảnh được chụp vào năm 2010 hay 2026. Thị trường thì ngược lại:

• Dữ liệu không dừng (non-stationary). Các "quy tắc" thống kê của thị trường thay đổi liên tục khi các chế độ thị trường (regime) thay đổi. Một mô hình được huấn luyện trên một thị trường bò yên tĩnh có thể trở nên nguy hiểm trong một cú sụp đổ.
• Tỷ lệ tín hiệu trên nhiễu (signal-to-noise) khắc nghiệt. Trong nhận dạng hình ảnh, hầu như mọi pixel đều mang thông tin. Trong lợi suất, phần lớn dịch chuyển giá là nhiễu. Bạn đang khai thác một tín hiệu mờ nhạt trong một biển ngẫu nhiên gầm rú.
• Bạn đang cạnh tranh với các đối thủ có khả năng thích ứng. Một con mèo không thay đổi hình dạng của nó để đánh lừa bộ phân loại của bạn. Ngay khi một lợi thế thị trường thực sự trở nên phổ biến, các trader khác sẽ arbitrage nó đi. Sự thành công của mô hình bạn lặng lẽ ăn mòn lợi thế của chính nó.

Tin tốt là: rào cản không còn là việc tiếp cận dữ liệu hay năng lực tính toán nữa. Các nền tảng như GaiaEx cung cấp quyền truy cập API đến dữ liệu thị trường thời gian thực và lịch sử trên Hyperliquid L1, nên bất kỳ nhà phát triển nào cũng có thể thu thập các bộ dữ liệu mà ML cần. Rào cản còn lại là kiến thức — và đó chính xác là điều bài học này cung cấp.

Machine learning không phải là một kỹ thuật duy nhất — đó là một họ các phương pháp, mỗi phương pháp phù hợp với các vấn đề khác nhau. Trong tài chính, cả ba mô hình chính đều có ứng dụng thực tế.

Học có giám sát (supervised learning) là con ngựa kéo chính. Bạn đưa cho mô hình các ví dụ đã có nhãn: các vector đặc trưng lịch sử (đầu vào) được ghép cặp với các kết quả đã biết (mục tiêu), và mô hình học một phép ánh xạ từ cái này sang cái kia. Hai kiểu con chiếm ưu thế trong ứng dụng tài chính:

• Phân loại (classification) — dự đoán một hạng mục. Tài sản sẽ tăng hay giảm trong giờ tiếp theo? Giao dịch này có phải là gian lận không? Đầu ra là một nhãn rời rạc, thường kèm theo một xác suất.
• Hồi quy (regression) — dự đoán một giá trị liên tục. Lợi suất 1 giờ sẽ là bao nhiêu? Tỷ lệ funding công bằng là bao nhiêu? Đầu ra là một con số, và mô hình tối thiểu hóa sai số dự đoán.

Học không giám sát (unsupervised learning) tìm ra cấu trúc trong dữ liệu không có nhãn. Các thuật toán phân cụm (clustering) như K-Means có thể nhóm các ngày giao dịch thành các chế độ thị trường — có xu hướng, quay về giá trung bình, biến động cao — mà không cần bạn định nghĩa các chế độ đó trước. Giảm chiều dữ liệu (dimensionality reduction) như PCA nén hàng trăm đặc trưng có tương quan thành một số ít yếu tố độc lập, điều này quan trọng khi tập đặc trưng của bạn rộng hơn độ sâu của mẫu dữ liệu.

Học tăng cường (reinforcement learning, RL) huấn luyện một agent (tác tử) thực hiện một chuỗi quyết định bằng cách tối đa hóa phần thưởng tích lũy. Agent tương tác với một môi trường (thị trường), thực hiện các hành động (mua, bán, giữ), và nhận phản hồi (lời hoặc lỗ). RL hấp dẫn cho việc phân bổ danh mục và thực thi lệnh, nơi hành động tốt nhất phụ thuộc vào vị thế hiện tại của bạn, chi phí giao dịch, và tác động thị trường. Các agent chơi game của DeepMind đã khơi dậy một làn sóng nghiên cứu RL trong tài chính — nhưng kết quả thực tế vẫn còn lẫn lộn, chính xác vì thị trường không dừng và "trò chơi" liên tục thay đổi quy tắc của nó giữa cuộc chơi.

Trong machine learning, feature (đặc trưng) là các biến đầu vào mà mô hình sử dụng để đưa ra dự đoán. Dữ liệu OHLCV thô là một điểm khởi đầu, nhưng đưa giá thô trực tiếp vào một mô hình giống như đưa cho đầu bếp lúa mì thô thay vì bột mì — bạn phải xử lý nó trước. Feature engineering là nơi chuyên môn lĩnh vực gặp khoa học dữ liệu, và nó thường quyết định sự khác biệt giữa một mô hình hoạt động và một mô hình vô dụng nhiều hơn là việc chọn thuật toán.

Các nhóm feature phổ biến cho ML tài chính bao gồm:

• Chỉ báo kỹ thuật — RSI, MACD, độ rộng dải Bollinger, ATR, ADX. Chúng mã hóa động lượng, độ biến động, và độ mạnh xu hướng thành các đầu vào chuẩn hóa, không phụ thuộc vào tỷ lệ.
• Feature độ trễ (lag features) — lợi suất quá khứ qua nhiều khung thời gian (1-bar, 5-bar, 20-bar, 60-bar), nắm bắt động lượng và sự quay về giá trung bình ở các khung thời gian khác nhau.
• Các thước đo biến động — độ lệch chuẩn cuộn (rolling), biến động Parkinson (từ giá cao/thấp), công cụ ước lượng Garman-Klass. Sự tụ lại của biến động (volatility clustering) là một trong những sự thật mang tính khuôn mẫu đáng tin cậy nhất trong toàn bộ tài chính.
• Feature khối lượng — tỷ lệ khối lượng (hiện tại so với trung bình), khối lượng cân bằng (on-balance volume), tương quan khối lượng-giá. Khối lượng bất thường thường đi trước các đợt dịch chuyển giá.
• Feature xuyên tài sản — lợi suất của BTC như một đầu vào khi dự đoán ETH. Tương quan thay đổi giữa các tài sản thường báo hiệu sự thay đổi chế độ thị trường trước cả giá.

Đây là một ví dụ thực tế về việc thiết kế feature bằng Python:

import pandas as pd
import numpy as np

def engineer_features(df: pd.DataFrame) -> pd.DataFrame:
    df["return_1h"] = df["close"].pct_change(1)
    df["return_4h"] = df["close"].pct_change(4)
    df["return_24h"] = df["close"].pct_change(24)
    df["volatility_24h"] = df["return_1h"].rolling(24).std()
    df["rsi_14"] = compute_rsi(df["close"], 14)
    df["volume_ratio"] = df["volume"] / df["volume"].rolling(24).mean()
    df["atr_14"] = compute_atr(df, 14)
    return df.dropna()

Có hai quy tắc không thể thương lượng. Thứ nhất, không bao giờ dùng dữ liệu tương lai — mỗi feature phải có thể tính toán được từ thông tin có sẵn tại thời điểm dự đoán. Cách phổ biến nhất để "phát hiện" một chiến lược có lời là vô tình để con số của ngày mai rò rỉ vào các feature của ngày hôm nay. Thứ hai, chuẩn hóa (normalize) các đầu vào của bạn; hầu hết các mô hình ML bị nghẽn khi các feature trải trên các thang đo khác nhau quá lớn (một mức giá 60,000 nằm cạnh một RSI là 30).

Nếu bạn chỉ nhớ một điều từ toàn bộ bài học này, hãy nhớ điều này: xác thực ML tiêu chuẩn là sai lầm nghiêm trọng đối với thị trường tài chính.

Trong machine learning thông thường, bạn xáo trộn dữ liệu ngẫu nhiên và chia nó thành tập train và test. Làm điều đó với dữ liệu giá chuỗi thời gian và bạn vừa để mô hình huấn luyện trên tương lai để dự đoán quá khứ. Độ chính xác của bạn sẽ trông ngoạn mục. Giao dịch thực của bạn sẽ là một cuộc tàn sát. Chỉ một sai lầm duy nhất này — được gọi là thiên lệch nhìn trước (look-ahead bias) — chịu trách nhiệm cho nhiều chiến lược quant sụp đổ hơn bất kỳ cú sập thị trường nào. Cách tiếp cận đúng luôn tôn trọng mũi tên thời gian:

Chia train/validation/test theo trình tự thời gian. Chia dữ liệu theo ngày: train trên 2020–2022, validate trên 2023, test trên 2024. Tập test chỉ được đụng đến đúng một lần — nó là bài mô phỏng giao dịch thực của bạn. Ngay khi bạn tinh chỉnh hyperparameter dựa trên nó, nó không còn là tập test nữa và bạn đã mất đi bất kỳ ước lượng trung thực nào về hiệu suất ngoài mẫu (out-of-sample).

Xác thực walk-forward (walk-forward validation) (cửa sổ mở rộng hoặc trượt) mạnh mẽ hơn. Train trên tháng 1–12, dự đoán tháng 13. Rồi train trên tháng 1–13 (hoặc 2–13), dự đoán tháng 14. Lặp lại. Điều này tạo ra nhiều dự đoán ngoài mẫu, mỗi cái trên dữ liệu mô hình chưa từng thấy, đồng thời thích ứng với các điều kiện đang thay đổi — nó phản ánh chính xác cách chiến lược thực sự sẽ được triển khai và huấn luyện lại.

Xác thực chéo tinh lọc (purged cross-validation) (được giới thiệu bởi Marcos López de Prado) thêm một khoảng trống giữa các fold train và test để ngăn thông tin rò rỉ qua các nhãn chồng lấp. Nếu mục tiêu của bạn là lợi suất kỳ hạn 24 giờ, các quan sát gần biên fold sẽ chia sẻ thông tin; khoảng trống tinh lọc loại bỏ sự nhiễm bẩn đó. Một khoảng "cấm vận" (embargo) bổ sung sau fold test bảo vệ chống lại tương quan chuỗi rò lại vào tập train.

Cuối cùng, đánh giá mô hình bằng các chỉ số quan trọng với tiền bạc, không phải với sách giáo khoa. Độ chính xác đơn thuần gây hiểu lầm. Một mô hình chính xác 51% nhưng đúng ở các đợt dịch chuyển lớn có thể sinh lời dữ dội; một mô hình chính xác 70% chỉ đúng ở các đợt dịch chuyển nhỏ có thể lỗ sau khi trừ phí. Hãy theo dõi độ chính xác (precision) trên các dự đoán hướng của bạn, tỷ số Sharpe của chiến lược tạo ra, và drawdown (mức sụt giảm vốn) tối đa — và luôn tính sau khi trừ chi phí giao dịch và trượt giá thực tế.

Đối với dữ liệu tài chính dạng bảng — loại dữ liệu bạn nhận được từ các cây nến OHLCV, chỉ báo kỹ thuật, và các feature đã thiết kế — các mô hình tổ hợp dựa trên cây (tree-based ensemble) liên tục vượt trội hơn các mạng nơ-ron sâu. Đây không phải là một ý kiến; đó là một kết quả thực nghiệm đã được xác lập vững chắc (xem Grinsztajn et al., 2022, "Why do tree-based models still outperform deep learning on tabular data?"). Đối với hình ảnh và ngôn ngữ, deep learning thống trị. Đối với một bảng feature, cây thắng.

Random Forest xây dựng hàng trăm cây quyết định, mỗi cây được huấn luyện trên một tập con hàng và feature ngẫu nhiên, rồi lấy trung bình các dự đoán của chúng. Việc lấy trung bình này giảm phương sai và overfitting. Chúng bền vững, cần tinh chỉnh tối thiểu, và cho bạn một xếp hạng độ quan trọng của feature được tích hợp sẵn — vô giá để hiểu điều gì thực sự đang chi phối mô hình của bạn.

Gradient Boosting (XGBoost, LightGBM, CatBoost) xây dựng các cây theo trình tự, mỗi cây sửa các lỗi của toàn bộ tổ hợp cho đến thời điểm đó. Điều này thường vượt qua random forest về độ chính xác nhưng yêu cầu tinh chỉnh cẩn thận hơn. LightGBM là lựa chọn mặc định của hầu hết các chuyên gia thực hành ML tài chính: huấn luyện nhanh, xử lý nguyên bản các giá trị bị thiếu, và mở rộng lên hàng triệu hàng một cách thoải mái.

import lightgbm as lgb
from sklearn.model_selection import TimeSeriesSplit

model = lgb.LGBMClassifier(
    n_estimators=500,
    max_depth=6,
    learning_rate=0.05,
    subsample=0.8,
    colsample_bytree=0.8,
    min_child_samples=50,
)

tscv = TimeSeriesSplit(n_splits=5)
for train_idx, val_idx in tscv.split(X):
    model.fit(X.iloc[train_idx], y.iloc[train_idx],
              eval_set=[(X.iloc[val_idx], y.iloc[val_idx])])

Deep learning vẫn có vị trí của nó — nhưng là một vị trí hẹp. LSTM và Transformer thực sự có thể tạo thêm giá trị trên dữ liệu tuần tự (sequential) thô: dòng lệnh theo từng tick, hoặc kết hợp giá với văn bản tin tức và tâm lý mạng xã hội, nơi thứ tự và ngữ cảnh mang thông tin mà các bảng phẳng loại bỏ. Chỉ là không nên dùng chúng làm lựa chọn mặc định. Đối với dữ liệu có cấu trúc với các feature đã thiết kế, một LightGBM được tinh chỉnh tốt, huấn luyện trên dữ liệu lấy từ API của GaiaEx, hầu như luôn thắng một mạng nơ-ron — và nó huấn luyện trong vài giây thay vì vài giờ.

Dự đoán giá thu hút mọi sự chú ý, nhưng nó là ứng dụng khó nhất và ít đáng tin cậy nhất của ML trong thị trường. Một số ứng dụng có giá trị nhất chẳng liên quan gì đến việc dự báo cây nến tiếp theo:

• Phát hiện chế độ thị trường. Phân cụm không giám sát sắp xếp các điều kiện thị trường thành các chế độ — có xu hướng yên tĩnh, dao động quay về giá trung bình, hoảng loạn biến động cao. Biết được bạn đang ở chế độ nào cho phép bạn chuyển đổi chiến lược hoặc giảm kích thước lệnh, điều này thường có giá trị hơn bất kỳ dự đoán hướng đơn lẻ nào.
• Phân tích tâm lý thị trường. Các mô hình ngôn ngữ lớn đọc tin tức, X/Twitter, và Discord ở quy mô mà không con người nào có thể sánh được, chấm điểm sự thay đổi trong tâm lý thị trường. Nghiên cứu liên tục cho thấy việc kết hợp tín hiệu tâm lý với dữ liệu giá cải thiện độ chính xác dự đoán crypto so với chỉ dùng giá — tâm lý tác động đến crypto một cách bất thường mạnh.
• Phát hiện gian lận và thao túng. Đây là nơi ML lặng lẽ tỏa sáng. Các mô hình đánh cờ giao dịch giả tạo khối lượng (wash trading), spoofing, và các chiêu bơm thổi rồi xả (pump-and-dump) cổ điển bằng cách phát hiện các mẫu hình khối lượng và sổ lệnh bất thường đi trước một đợt xả đồng bộ. Các mô hình phát hiện bất thường (LSTM, Anomaly Transformer) đáng tin cậy vượt qua cả ML cổ điển và các ngưỡng thống kê đơn giản ở đây.
• Mô hình hóa thực thi và trượt giá. ML dự đoán tác động thị trường của một lệnh lớn, giúp các thuật toán thực thi cắt nhỏ nó để giảm thiểu chi phí. Trên một nền tảng 24/7 như crypto, nơi một lệnh vụng về có thể làm dịch chuyển sổ lệnh chống lại bạn, điều này trực tiếp bảo vệ kết quả cuối cùng của bạn.
• Quản lý rủi ro và thanh lý. Các mô hình ước tính xác suất một vị thế vượt qua ngưỡng rủi ro dựa trên biến động hiện tại, giúp xác định kích thước vị thế và đặt lệnh cắt lỗ trước một chuỗi thanh lý dây chuyền thay vì sau đó.

Giáo dục trung thực nghĩa là chỉ ra cách điều này xảy ra sai, vì nó thường xảy ra như vậy. Những cái bẫy này đã hủy hoại nhiều chiến lược quant hơn tất cả các thị trường gấu gộp lại:

• Overfitting. Mô hình ghi nhớ dữ liệu huấn luyện thay vì học được điều gì có thể tổng quát hóa. Cách chữa là kỷ luật, không phải sự khéo léo: các mô hình đơn giản hơn, ít feature hơn, chính quy hóa (regularization), và kiểm tra ngoài mẫu không nhân nhượng. Nếu backtest của bạn trông quá tốt để là sự thật, thì nó chính là như vậy.
• Thiên lệch nhìn trước. Sử dụng thông tin không có sẵn tại thời điểm quyết định — tính các feature trên toàn bộ dataset trước khi chia, sử dụng giá đã được điều chỉnh sau thực tế, hoặc (phổ biến hơn ai cũng thừa nhận) để biến mục tiêu nằm trong tập feature.
• Thiên lệch sống sót (survivorship bias). Chỉ huấn luyện trên các tài sản vẫn còn tồn tại đến hôm nay. Các token bị hủy niêm yết, các dự án lừa đảo bỏ chạy, và các coin đã chết đều lặng lẽ vắng mặt trong dataset của bạn, điều này làm lệch mọi kết quả theo hướng lạc quan hơn. Trong crypto điều này nghiêm trọng — hàng nghìn token đã về mức không.
• Tính không dừng. Phân phối thị trường thay đổi. Một mô hình được huấn luyện trên thị trường bò 2021 thất bại trong thị trường gấu 2022 vì các quy tắc nó học được không còn đúng nữa. Bạn phải huấn luyện lại thường xuyên và theo dõi sự trôi dạt phân phối, không "thiết lập rồi bỏ mặc".
• Cái bẫy kiểm định đa biến (multiple-testing trap). Thử 1,000 biến thể chiến lược và một vài trong đó sẽ trông xuất sắc chỉ vì may mắn thuần túy. Đây là cách backtest "$4.2 million" kia đã xảy ra. Các công cụ như tỷ số Sharpe đã khấu trừ (Deflated Sharpe Ratio) tồn tại chính xác để khấu trừ hiệu suất mà bạn chỉ tìm ra được bằng cách tìm kiếm đủ vất vả.
• Khoảng cách từ nghiên cứu đến sản xuất. Backtest giả định các khớp lệnh không có ma sát, ngay lập tức. Thị trường thực đặt ra trượt giá, phí, độ trễ, và tác động thị trường thường xuyên cắt giảm 30–70% lợi suất lý thuyết — và có thể lật một chiến lược "có lời" thành âm.

Có một điểm sâu sắc hơn ẩn trong danh sách này. Thị trường là một hệ thống đối kháng, có khả năng thích ứng — mọi lợi thế thực sự sẽ thu hút các đối thủ cạnh tranh tìm cách arbitrage nó đi. Một mô hình thắng suốt một năm có thể ngừng hoạt động vào tháng nó trở nên đông đúc, không phải lỗi của code của nó. Đây là lý do vì sao các hoạt động quant thành công không tìm kiếm một mô hình hoàn hảo; họ xây dựng một pipeline để liên tục tìm ra, xác thực, và loại bỏ các lợi thế khi thị trường phát triển.

Mọi kỹ năng quant bạn đã đọc đều đầu tiên phụ thuộc vào một điều: dữ liệu sạch, đáng tin cậy. Đây là nơi GaiaEx phù hợp trong quy trình làm việc ML của bạn. Vì các giao dịch thực thi trên Hyperliquid L1, mọi lần khớp lệnh, tỷ lệ funding, và thay đổi sổ lệnh đều được ghi lại on-chain và được công khai qua API của GaiaEx — cho bạn dữ liệu minh bạch, chi tiết, thời gian thực và lịch sử mà không có các khoảng trống và điều chỉnh âm thầm gây khó khăn cho nhiều nguồn dữ liệu tập trung.

Vì sao dữ liệu on-chain quan trọng với ML: một mô hình chỉ trung thực bằng đầu vào của nó. Khi dữ liệu huấn luyện của bạn đến từ một L1 minh bạch thay vì một cơ sở dữ liệu nội bộ hộp đen, bạn có thể tin tưởng rằng giá và khối lượng bạn học từ đó chính là giá và khối lượng thực sự đã giao dịch. Điều đó loại bỏ toàn bộ một nhóm các lỗi tinh vi về tính toàn vẹn dữ liệu trước khi chúng chạm đến các feature của bạn.

Dự án đầu tiên của bạn nên có chủ đích đơn giản. Mục tiêu không phải là đánh bại thị trường ngay lần thử đầu tiên — mà là xây dựng một pipeline hoàn chỉnh, không rò rỉ mà bạn có thể lặp lại và cải tiến. Đây là một lộ trình cụ thể:

• Thu thập dữ liệu cây nến 1 giờ cho BTC/USDC từ API của GaiaEx — ít nhất 6 tháng.
• Thiết kế 10–15 feature: lợi suất trễ, RSI, ATR, tỷ lệ khối lượng, độ rộng dải Bollinger.
• Gán nhãn cho mỗi bar: 1 nếu lợi suất 4 giờ tiếp theo là dương, 0 nếu không.
• Huấn luyện một bộ phân loại LightGBM sử dụng xác thực walk-forward — không bao giờ chia ngẫu nhiên.
• Đánh giá precision, recall, và tỷ số Sharpe của một chiến lược đơn giản mua long khi mô hình dự đoán 1, sau khi đã trừ đi phí thực tế.

Sau đó — và đây là phần người mới thường bỏ qua — hãy cố gắng làm nó hỏng. Thêm một khoảng trống tinh lọc và xem lợi thế của bạn có sống sót không. Kiểm tra xem có bất kỳ feature nào đang bí mật rò rỉ tương lai không. Kiểm tra nó trên một khung thời gian khác. Nếu lợi thế biến mất dưới sự xem xét kỹ lưỡng, bạn đã học được điều gì đó thực sự có giá trị: rằng nó chưa bao giờ là thật, và bạn đã phát hiện ra điều đó miễn phí thay vì bằng chính vốn của mình.