Không có một con số như 50, 100 hay 1.000 lệnh luôn đủ cho mọi backtest. Cỡ mẫu phụ thuộc vào chỉ số cần ước lượng, sai số chấp nhận được, độ biến động của kết quả, tần suất setup và số trạng thái thị trường cần đại diện. Nhiều lệnh hơn thường giảm bất định, nhưng dữ liệu lặp, sai quy tắc hoặc chỉ thuộc một regime vẫn có thể tạo kết luận yếu.
- Không dùng ngưỡng 100 lệnh như quy luật chung.
- Chọn cỡ mẫu theo câu hỏi và sai số chấp nhận được.
- Phân tầng dữ liệu theo regime, phiên và setup.
- Báo cáo khoảng bất định, không chỉ một con số trung bình.
- Chất lượng và tính độc lập của mẫu quan trọng như số lượng.
Vì sao không có con số cố định?
Một setup xuất hiện hàng ngày và một setup xuất hiện mỗi tháng tạo dữ liệu rất khác. Hệ thống có tỷ lệ thắng gần 50% cần cách đánh giá khác hệ thống hiếm lệnh với payoff lệch mạnh. Trước khi hỏi số lệnh, hãy hoàn thành quy trình backtest từng bước và xác định chỉ số muốn ước lượng.
Cỡ mẫu phải gắn với câu hỏi
Nếu muốn ước lượng tỷ lệ thắng, bạn đang làm việc với tỷ lệ nhị phân. Nếu muốn ước lượng expectancy, bạn cần cả tỷ lệ thắng và phân phối mức thắng/thua. Nếu muốn quan sát drawdown, thứ tự lệnh và tương quan giữa kết quả trở nên quan trọng. Một cỡ mẫu có thể tạm đủ cho tỷ lệ thắng nhưng chưa đủ để mô tả tail risk.
Sai số giảm chậm theo căn bậc hai
Trong nhiều ước lượng trung bình, độ rộng khoảng tin cậy giảm theo 1/√N. Điều này có nghĩa tăng mẫu từ 25 lên 100 có tác động lớn hơn tăng từ 1.000 lên 1.100. NIST cũng nêu rằng khoảng tin cậy hẹp hơn khi N tăng, nhưng độ biến động của dữ liệu vẫn ảnh hưởng trực tiếp đến độ rộng.
Ví dụ tỷ lệ thắng giả định
Giả sử 60 lệnh có 36 lệnh thắng, tỷ lệ quan sát là 60%. Con số 60% không đồng nghĩa tỷ lệ thật chính xác là 60%; mẫu khác có thể cho kết quả khác. Với mẫu nhỏ, khoảng bất định của tỷ lệ khá rộng. Vì vậy, không nên xây quy tắc quản lý vốn dựa trên một ước lượng điểm mà bỏ qua sai số.
Phân tầng theo trạng thái thị trường
Một trăm lệnh đều trong xu hướng tăng không đại diện cho giai đoạn sideway hoặc biến động cao. Hãy đánh dấu regime, phiên, công cụ và phiên bản setup trong nhật ký giao dịch. Mục tiêu không phải mỗi nhóm đều có số lệnh bằng nhau, mà là biết kết luận áp dụng trong phạm vi nào.
Tính độc lập của lệnh
Mười lệnh trên các cặp tiền tương quan trong cùng một sự kiện có thể không tương đương mười quan sát độc lập. Tín hiệu chồng chéo, nhiều entry từ cùng một xu hướng hoặc chia một vị thế thành nhiều ticket đều có thể làm số lệnh trông lớn hơn lượng thông tin thực.
Dùng quy tắc dừng thay vì mốc tùy ý
Đặt trước tiêu chí: tối thiểu số lần xuất hiện theo từng regime, độ rộng khoảng ước lượng, số chu kỳ walk-forward và mức ổn định của kết quả khi thêm dữ liệu. Khi dữ liệu mới làm kết quả thay đổi mạnh, tiếp tục thu thập thay vì tuyên bố đã đủ.
Khi 100 lệnh vẫn chưa đủ
Một trăm lệnh có thể chưa đủ nếu payoff có ngoại lệ lớn, setup đã thay đổi, mẫu tập trung vào một giai đoạn hoặc dữ liệu có nhiều quan sát phụ thuộc. Ngược lại, một hệ thống hiếm lệnh có thể không thể chờ hàng nghìn mẫu; lúc đó cần hạ mức chắc chắn, mở rộng giai đoạn hoặc kết luận thận trọng hơn.
Bộ chỉ số nên báo cáo
Báo cáo số lệnh, tỷ lệ thắng, mức thắng/thua trung bình, median, expectancy, Risk–Reward, drawdown, chuỗi thua và kết quả theo regime. Tránh chỉ công bố chỉ số đẹp nhất.
Quyết định thực tế
Hãy dùng cỡ mẫu như một mức độ bằng chứng, không phải con dấu xác nhận. Nếu mẫu còn nhỏ, giảm mức khẳng định, tiếp tục demo hoặc forward test và giữ rủi ro ở mức cho phép sai số lớn. Không tăng size chỉ vì vừa vượt một mốc số lệnh.
Câu hỏi thường gặp
100 lệnh backtest có đủ không?
Có thể đủ cho một kiểm tra sơ bộ nhưng không phải quy luật. Cần xem độ biến động, regime, tính độc lập và sai số của chỉ số cần ước lượng.
Có thể gộp nhiều cặp tiền không?
Chỉ khi quy tắc và cơ chế thị trường đủ tương đồng, đồng thời báo cáo riêng để thấy khác biệt. Gộp tùy ý có thể che giấu sự không ổn định.
Nên dùng tỷ lệ thắng hay expectancy để chọn cỡ mẫu?
Tùy câu hỏi. Expectancy thường cần nhiều thông tin hơn vì phụ thuộc cả xác suất và độ lớn kết quả.
Kết luận
Hãy dùng backtest bao nhiêu lệnh như một phần của quy trình đo lường, không phải lời hứa về kết quả. Ghi rõ giả định, kiểm tra dữ liệu mới và điều chỉnh mức rủi ro theo bằng chứng thay vì cảm xúc.
Checklist đánh giá cỡ mẫu thực tế
Cỡ mẫu đủ là cỡ mẫu cho phép bạn ra quyết định với mức bất định đã hiểu rõ, không phải một con số áp dụng cho mọi chiến lược. Hãy bắt đầu bằng câu hỏi cần trả lời: ước lượng tỷ lệ thắng, mức thua trung bình, drawdown hay độ ổn định giữa các chế độ thị trường. Mỗi mục tiêu đòi hỏi loại dữ liệu khác nhau.
- Báo cáo cả số lệnh và khoảng thời gian, tránh dùng nhiều lệnh tập trung trong vài ngày.
- Tách lệnh theo xu hướng, sideway, biến động cao và thấp khi dữ liệu cho phép.
- Kiểm tra mức độ phụ thuộc vào vài lệnh ngoại lệ.
- Không gộp các phiên bản setup khác nhau thành một mẫu duy nhất.
- Dùng cùng quy tắc rủi ro, có thể đối chiếu bằng tool tính khối lượng lệnh.
Khi mẫu còn nhỏ, cách trình bày trung thực là nói kết quả “sơ bộ” và nêu rõ phạm vi. Tăng số lệnh không sửa được lỗi thiết kế; một mẫu lớn nhưng thiên lệch vẫn có thể dẫn đến kết luận sai.
Nguồn tham khảo
- CFA Institute — Backtesting & Simulation, truy cập 16/07/2026.
- CFTC — Commodity Trading Systems Sold on the Internet, truy cập 16/07/2026.
- NIST/SEMATECH — Confidence intervals, truy cập 16/07/2026.