Labeling là gì trong học máy tài chính?

Triple Barrier Labeling là gì?

• Upper Barrier (Take Profit): Nếu giá tăng vượt một ngưỡng lợi nhuận, ta giả định giao dịch thành công → gán nhãn 1
• Lower Barrier (Stop Loss): Nếu giá giảm vượt ngưỡng lỗ, ta giả định giao dịch thất bại → gán nhãn -1
• Vertical Barrier (Thời gian): Nếu sau một khoảng thời gian nhất định mà giá không chạm TP hoặc SL, ta gán nhãn 0 (trung lập)

Tại sao không dùng các phương pháp gán nhãn truyền thống?

label = 1 if price[t+1] > price[t] else -1

• Không xét đến rủi ro (volatility)
• Không phản ánh thời gian hoặc logic giao dịch thực tế

• Không xét được khi nào sự kiện xảy ra
• Có thể bỏ qua các thông tin quan trọng về thời gian giao dịch

Cách hoạt động của Triple Barrie

1. Tại thời điểm t, lấy giá price[t]

2. Thiết lập các rào cản:

• Upper = price[t] * (1 + pt_sl)

• Lower = price[t] * (1 - pt_sl)

• Nếu giá vượt upper trước → nhãn 1
• Nếu giá xuống lower trước → nhãn -1
• Nếu hết thời gian mà không chạm → nhãn 0

   

Mã nguồn Python: Triple Barrier Labeling

import numpy as np
import pandas as pd

def triple_barrier_labeling(prices, pt_sl=0.02, vertical_barrier=10):
"""
Gán nhãn theo thuật toán Triple Barrier.

prices: pandas Series - Giá đóng cửa
pt_sl: float - Ngưỡng lợi nhuận/cắt lỗ (%)
vertical_barrier: int - Số phiên giao dịch quan sát

Returns:
    labels: pandas Series (1 = TP, -1 = SL, 0 = trung lập)
"""
labels = pd.Series(index=prices.index, dtype='int')

for t in range(len(prices) - vertical_barrier):
    start_price = prices.iloc[t]
    upper = start_price * (1 + pt_sl)
    lower = start_price * (1 - pt_sl)
    window = prices.iloc[t+1:t+vertical_barrier+1]

    label = 0
    for price in window:
        if price >= upper:
            label = 1
            break
        elif price <= lower:
            label = -1
            break

    labels.iloc[t] = label

return labels

Cách sử dụng với dữ liệu thực:

import yfinance as yf

Lấy dữ liệu cổ phiếu Apple

data = yf.download("AAPL", start="2023-01-01", end="2023-06-01")
prices = data["Close"]

Gán nhãn

labels = triple_barrier_labeling(prices)

Xem thống kê

print(labels.value_counts())

So sánh giữa các phương pháp

Ứng dụng thực tế của Triple Barrier Labeling

Machine Learning cho giao dịch tài chính

Xây dựng chiến lược giao dịch tự động (Algorithmic Trading)

• Tự động nhận biết thời điểm vào lệnh
• Đánh giá xác suất thành công dựa trên mô hình đã học
• Áp dụng các điều kiện TP/SL giống như mô phỏng

Portfolio Management và Risk Control

Triple Barrier còn giúp các nhà quản lý danh mục đầu tư kiểm soát rủi ro tốt hơn, bằng cách:

• Phân tích kết quả giao dịch giả định qua các chỉ số TP/SL
• Tính toán xác suất thắng thua để quyết định phân bổ vốn
• Thử nghiệm các chiến lược risk-adjusted return thông qua mô phỏng nhãn

Tài liệu tham khảo

• Marcos López de Prado, Advances in Financial Machine Learning, Wiley, 2018. https://www.wiley.com/en-us/Advances+in+Financial+Machine+Learning-p-9781119482086
• William Santos (2022), Triple Barrier Labelling Algorithm https://williamsantos.me/posts/2022/triple-barrier-labelling-algorithm/
• Hudson & Thames Research https://hudsonthames.org
• GitHub Notebook: https://github.com/hudson-and-thames/mlfinlab

Kết luận