Cuộc thi Kaggle tài chính và IMC Prosperity: chọn cuộc thi nào khi học quant

· · Lộ trình & nghề quant

Cuộc thi Kaggle tài chính và IMC Prosperity: chọn cuộc thi nào khi học quant

> Tóm tắt nhanh: Với người học quant, các cuộc thi tài chính trên Kaggle như Optiver Realized Volatility, Jane Street, JPX Tokyo và cuộc thi giao dịch IMC Prosperity là cách chứng minh năng lực khi chưa có kinh nghiệm. Nên chọn một cuộc thi đã kết thúc, chia dữ liệu theo thời gian, có baseline đơn giản và so với lời giải đứng đầu. Prosperity 4 diễn ra từ 14/04 đến 30/04/2026, đội tối đa 5 người.

Với sinh viên muốn vào nghề quant, một câu hỏi hay gặp là: làm sao chứng minh mình làm được việc khi chưa có kinh nghiệm? Các cuộc thi dữ liệu tài chính là một câu trả lời tốt. Chúng cho bạn dữ liệu thật do quỹ hoặc công ty giao dịch cung cấp, một thước đo khách quan, và một sản phẩm cụ thể để đưa vào CV.

Bài này điểm qua các cuộc thi tài chính trên Kaggle và một vài cuộc thi giao dịch dành cho sinh viên, cách chọn cuộc thi phù hợp, và cách biến kết quả (kể cả khi không đạt giải) thành một dự án có giá trị khi đi phỏng vấn.

Cập nhật đến ngày 03/11/2026. Thông tin về lịch thi, giải thưởng và điều kiện tham gia có thể thay đổi, hãy kiểm tra trên trang chính thức.

Vì sao cuộc thi tài chính có giá trị với nhà tuyển dụng

Dữ liệu tài chính khó hơn dữ liệu thông thường ở ba điểm: tín hiệu rất yếu so với nhiễu, phân phối thay đổi theo thời gian, và rất dễ vô tình dùng thông tin tương lai (look-ahead). Một người đã làm nghiêm túc một cuộc thi tài chính thường đã va vào cả ba vấn đề này.

Nhà tuyển dụng trong nước cũng nhắc đến điều này. Ví dụ, tin tuyển AI Quant Research Intern của Finpros ghi việc từng tham gia các cuộc thi như Kaggle hoặc Numerai là một điểm cộng, bên cạnh Python, xác suất thống kê và kinh nghiệm backtest (TopCV).

Điều nhà tuyển dụng quan tâm thường không phải thứ hạng mà là cách bạn làm: chia dữ liệu theo thời gian ra sao, kiểm định thế nào, vì sao chọn mô hình này, và bạn rút ra gì khi kết quả trên bảng xếp hạng công khai khác với kết quả cuối cùng.

Các cuộc thi tài chính trên Kaggle

Kaggle đã tổ chức nhiều cuộc thi do các công ty giao dịch và quỹ tài trợ. Các cuộc thi dưới đây có trang riêng trên Kaggle, đều đã kết thúc, nhưng dữ liệu, notebook và bài chia sẻ lời giải của người đạt giải vẫn còn để học.

| Cuộc thi | Đơn vị tài trợ | Bài toán (theo mô tả trên Kaggle) | | --- | --- | --- | | Jane Street Market Prediction | Jane Street | Kiểm định mô hình trên dữ liệu thị trường thật trong tương lai | | Jane Street Real-Time Market Data Forecasting | Jane Street | Dự báo các biến "responder" từ dữ liệu thị trường thật | | Optiver Realized Volatility Prediction | Optiver | Dự báo biến động thực tế (realized volatility) | | Optiver - Trading at the Close | Optiver | Dự báo biến động giá cổ phiếu Mỹ trong phiên đóng cửa | | Two Sigma Financial Modeling Challenge | Two Sigma | Tìm tín hiệu dự báo trong dữ liệu tài chính nhiễu | | Two Sigma: Using News to Predict Stock Movements | Two Sigma | Dùng dữ liệu tin tức để dự báo diễn biến cổ phiếu | | G-Research Crypto Forecasting | G-Research | Dự báo giá tiền mã hóa | | Ubiquant Market Prediction | Ubiquant | Dự báo trên dữ liệu thị trường tương lai | | JPX Tokyo Stock Exchange Prediction | JPX | Dự báo trên cổ phiếu sàn Tokyo | | Hull Tactical - Market Prediction | Hull Tactical | Dự báo khả năng dự báo của thị trường | | DRW - Crypto Market Prediction | DRW | Dự báo biến động giá tiền mã hóa |

Một vài thông tin bổ sung từ đơn vị tổ chức: Jane Street công bố cuộc thi Market Prediction vào tháng 11/2020 với tổng giải thưởng 100.000 USD (Jane Street). Optiver Realized Volatility Prediction là cuộc thi khoa học dữ liệu đầu tiên của Optiver, cũng với giải thưởng 100.000 USD (01net).

Chọn cuộc thi nào để bắt đầu

  • Muốn hiểu cấu trúc vi mô thị trường: chọn Optiver Realized Volatility hoặc Trading at the Close. Dữ liệu là sổ lệnh và giao dịch ở tần suất cao, gần với công việc ở công ty tạo lập thị trường. Theo một trang tổng hợp, cả hai vẫn nhận bài nộp muộn (QuantVault), nghĩa là bạn vẫn được chấm điểm dù không còn xếp hạng.
  • Muốn luyện mô hình trên dữ liệu ẩn danh: chọn hai cuộc thi của Jane Street hoặc Ubiquant. Đặc trưng đã bị ẩn tên, nên bạn phải dựa vào kỹ thuật kiểm định chứ không dựa vào hiểu biết tài chính.
  • Muốn làm việc với dữ liệu cổ phiếu có tên mã rõ ràng: JPX Tokyo, nơi bạn được dùng cả hiểu biết về thị trường lẫn kỹ thuật mô hình.

Nếu mới học, đừng bắt đầu bằng việc cố vào top. Hãy chọn một cuộc thi đã kết thúc, đọc kỹ phần mô tả dữ liệu và thước đo đánh giá, rồi đọc bài chia sẻ lời giải của vài đội đứng đầu trong mục Discussion.

Cuộc thi giao dịch: IMC Prosperity

Khác với Kaggle (dự báo con số), cuộc thi giao dịch yêu cầu bạn viết một chương trình đặt lệnh trong thị trường mô phỏng và chấm theo lợi nhuận. Cuộc thi nổi bật nhất dạng này mà sinh viên ở đâu cũng tham gia trực tuyến được là IMC Prosperity.

Prosperity 4 diễn ra từ 14/04 đến 30/04/2026, có vòng hướng dẫn từ 16/03. Cuộc thi gồm 5 vòng, mỗi vòng có một thử thách thuật toán và một thử thách giao dịch thủ công. Ở phần thuật toán, mỗi đội phải nộp một chương trình Python. Đội tối đa 5 người; ai cũng đăng ký được, nhưng muốn được xếp hạng và nhận giải thì phải là sinh viên đại học, từ 18 tuổi, và cư trú ở khu vực đủ điều kiện (IMC Prosperity). Mùa trước (Prosperity 3, 2025), đội có lợi nhuận cao nhất nhận 25.000 USD, và mùa 2024 có 14.243 sinh viên từ hơn 400 trường đại học tham gia (IMC).

Kỹ năng mà Prosperity rèn luyện rất gần với việc viết bot thật: đọc sổ lệnh, quản lý vị thế trong giới hạn, định giá khi có ít thông tin, và tránh để chương trình lỗ nặng vì một trường hợp biên không lường trước. Prosperity 3 và Prosperity 4 đều diễn ra vào tháng 4, nên nếu muốn tham gia mùa sau, hãy theo dõi trang chính thức từ đầu năm.

Ngoài ra còn có WorldQuant BRAIN và IQC, cuộc thi viết alpha có vòng quốc gia tại Việt Nam, mà chúng tôi đã viết bài riêng.

Biến một cuộc thi thành dự án portfolio

Thứ hạng chỉ là một dòng trong CV. Thứ giúp bạn qua vòng phỏng vấn là một kho mã nguồn và một bài viết ngắn cho thấy cách bạn suy nghĩ. Một cấu trúc gợi ý:

  1. Phát biểu bài toán bằng lời của bạn. Dữ liệu là gì, dự báo cái gì, thước đo đánh giá thưởng phạt điều gì. Thước đo đánh giá quyết định mô hình nên ưu tiên điều gì, ví dụ sai số bình phương phạt nặng các dự báo lệch xa hơn sai số tuyệt đối.
  2. Chia dữ liệu theo thời gian. Không xáo trộn ngẫu nhiên. Dùng kiểm định trượt theo thời gian (walk-forward) và ghi rõ khoảng thời gian của từng tập.
  3. Có một baseline đơn giản. Ví dụ hồi quy tuyến tính hoặc dự báo bằng trung bình. Mọi cải tiến phải được so với baseline này trên cùng một cách kiểm định.
  4. Ghi lại những gì không hiệu quả. Đặc trưng nào làm điểm tốt lên trên tập kiểm định nhưng tệ đi khi chuyển sang giai đoạn sau? Đó thường là dấu hiệu overfitting hoặc rò rỉ dữ liệu.
  5. So sánh với lời giải đứng đầu. Sau khi tự làm, đọc lời giải của đội thắng và viết lại một đoạn: họ làm khác bạn ở đâu, bạn học được gì.

Phần 4 và 5 thường là phần người phỏng vấn hỏi nhiều nhất. Nó cho thấy bạn biết nghi ngờ kết quả của chính mình, một phẩm chất quan trọng trong nghề quant.

Những cái bẫy thường gặp

  • Overfitting bảng xếp hạng công khai. Bảng xếp hạng công khai thường chỉ chấm trên một phần dữ liệu. Nộp hàng trăm lần để tối ưu điểm trên phần đó dễ khiến thứ hạng tụt mạnh khi công bố kết quả cuối.
  • Rò rỉ dữ liệu. Chuẩn hóa toàn bộ dữ liệu bằng trung bình và độ lệch chuẩn của cả tập, hay dùng đặc trưng tính từ giá đóng cửa để dự báo chính phiên đó, là những lỗi khiến mô hình trông rất tốt nhưng vô dụng khi dùng thật.
  • Quên chi phí giao dịch. Kaggle chấm điểm dự báo, không chấm lợi nhuận sau phí. Một mô hình dự báo tốt hơn chút ít chưa chắc tạo ra chiến lược có lời sau phí và trượt giá. Nếu đưa vào portfolio, hãy thêm một phần thử biến dự báo thành chiến lược và trừ chi phí.

Áp dụng trên dữ liệu Việt Nam

Kỹ năng từ Kaggle chuyển sang thị trường Việt Nam khá trực tiếp, nhưng có vài khác biệt: thị trường cơ sở thanh toán T+2, có biên độ giá trần sàn, và phái sinh VN30F1M tập trung vào một hợp đồng chính. Một dự án tốt là lấy kỹ thuật học từ một cuộc thi (ví dụ dự báo biến động theo kiểu Optiver) rồi áp dụng cho VN30F1M, kiểm định theo thời gian và tính đủ chi phí.

Câu hỏi thường gặp

Không đạt huy chương thì có nên ghi vào CV không? Có, nếu bạn có kho mã nguồn và bài viết rõ ràng về cách làm. Hãy ghi thứ hạng thật, không làm tròn lên.

Cần GPU mạnh không? Phần lớn cuộc thi tài chính dùng dữ liệu dạng bảng, các mô hình cây như LightGBM chạy tốt trên máy cá nhân hoặc notebook miễn phí của Kaggle.

Sau khi có mô hình dự báo, bước tiếp theo là biến nó thành chiến lược và kiểm định trên thị trường Việt Nam. Bạn có thể dựng bot, backtest và chạy paper trading trên nền tảng QuantVN. Để trình bày dự án cho nhà tuyển dụng, xem thêm dự án quant trên GitHub: chọn đề tài và trình bày và portfolio cho quant intern cần những gì.