API dữ liệu là gì và khác tải file Excel như thế nào?

Khi mới bắt đầu học phân tích dữ liệu hoặc Quant Trading, phần lớn mọi người đều quen với một quy trình khá đơn giản: vào website, chọn mã cổ phiếu, chọn khoảng thời gian, tải file Excel hoặc CSV về máy rồi mở bằng Excel hoặc đọc bằng Pandas. Cách làm này dễ hiểu vì dữ liệu hiện ra ngay trước mắt dưới dạng hàng và cột. Chúng ta có thể nhìn thấy ngày giao dịch, giá mở cửa, giá cao nhất, giá thấp nhất, giá đóng cửa và khối lượng, sau đó kiểm tra trực tiếp xem có dòng nào bị thiếu hay có giá trị nào bất thường hay không.

Nhưng khi nhu cầu nghiên cứu lớn hơn, việc tải file thủ công bắt đầu bộc lộ nhiều hạn chế. Chẳng hạn, mỗi ngày cần cập nhật dữ liệu của hàng trăm mã cổ phiếu, tính lại chỉ báo, chạy bộ lọc và xuất danh sách theo dõi. Nếu vẫn tải từng file Excel, người dùng sẽ phải lặp lại rất nhiều thao tác, dễ tải nhầm ngày, bỏ sót mã hoặc dùng nhầm phiên bản dữ liệu cũ. API dữ liệu ra đời để chương trình có thể tự lấy thông tin từ nguồn mà không cần con người thực hiện từng bước bằng tay.

Có thể hiểu ngắn gọn:

Excel là một bản dữ liệu được đóng gói để người dùng tải về.

API là một cách để chương trình chủ động yêu cầu và nhận dữ liệu từ hệ thống khác.

Phần 1: API dữ liệu thực chất là gì?

API là viết tắt của cụm từ Application Programming Interface, có thể hiểu là một giao diện cho phép hai phần mềm trao đổi thông tin với nhau. Trong bối cảnh dữ liệu tài chính, API giống như một cánh cửa được nhà cung cấp mở ra để chương trình của người dùng có thể gửi yêu cầu và nhận lại dữ liệu theo một cấu trúc đã quy định sẵn.

Thay vì mở trình duyệt, truy cập website, tìm mã VCB, chọn dữ liệu lịch sử rồi bấm nút tải xuống, một đoạn code Python có thể gửi yêu cầu với nội dung tương tự: “Hãy trả về dữ liệu giá hằng ngày của VCB từ ngày 1/1/2024 đến hôm nay”. Hệ thống của nhà cung cấp sẽ tiếp nhận yêu cầu, kiểm tra các thông tin như mã cổ phiếu, khoảng thời gian và loại dữ liệu, sau đó trả kết quả về cho chương trình.

Quá trình đó có thể mô tả bằng công thức đơn giản:

Chương trình gửi yêu cầu + máy chủ xử lý + dữ liệu trả về = Một lần gọi API

API không phải là dữ liệu và cũng không nhất thiết là nơi tạo ra dữ liệu. Nó chỉ là phương thức giao tiếp với hệ thống đang lưu trữ hoặc phân phối dữ liệu. Có thể hình dung cơ sở dữ liệu giống như một kho hàng lớn, còn API là quầy tiếp nhận đơn. Người dùng không tự đi vào kho để tìm từng món. Người dùng chỉ cần nói rõ cần món gì, số lượng bao nhiêu và trong khoảng thời gian nào, hệ thống sẽ trả về đúng phần dữ liệu phù hợp.

Một API thường quy định rõ địa chỉ truy cập, loại thông tin được phép yêu cầu và cấu trúc dữ liệu trả về. Địa chỉ dùng để gửi yêu cầu thường được gọi là endpoint. Ví dụ, một endpoint có thể chuyên trả về dữ liệu giá, một endpoint khác trả về báo cáo tài chính và một endpoint khác nữa cung cấp thông tin doanh nghiệp.

Khi gọi API giá cổ phiếu, chương trình thường phải cung cấp một số tham số. Các tham số phổ biến gồm mã chứng khoán, ngày bắt đầu, ngày kết thúc, khung thời gian và nguồn dữ liệu. Một yêu cầu có thể được hiểu như sau:

Mã cổ phiếu: FPT
Ngày bắt đầu: 01/01/2024
Ngày kết thúc: 03/08/2026
Khung thời gian: 1 ngày
Loại dữ liệu: OHLCV

Trong đó, OHLCV gồm giá mở cửa, giá cao nhất, giá thấp nhất, giá đóng cửa và khối lượng giao dịch. Khi nhận được yêu cầu, API có thể trả về hàng trăm hoặc hàng nghìn bản ghi, mỗi bản ghi tương ứng với một phiên giao dịch.

Dữ liệu API thường được trả về dưới dạng JSON. Với người mới, JSON có thể trông giống một đoạn văn bản chứa nhiều dấu ngoặc, dấu hai chấm và dấu phẩy. Tuy nhiên, đây là một cấu trúc mà chương trình có thể đọc rất dễ dàng. Sau khi nhận JSON, Python có thể chuyển nó thành DataFrame của Pandas để người dùng xử lý giống như dữ liệu đọc từ Excel.

Ví dụ, một bản ghi dữ liệu có thể có dạng:

Ngày: 03/08/2026
Mã: VCB
Mở cửa: 61.000
Cao nhất: 62.200
Thấp nhất: 60.700
Đóng cửa: 61.900
Khối lượng: 8.500.000

Nếu API trả về 500 phiên, chương trình sẽ nhận được 500 bản ghi có cùng cấu trúc. Sự đồng nhất này rất quan trọng vì code có thể tự động đọc dữ liệu, đổi tên cột, tính chỉ báo và lưu kết quả mà không cần người dùng chỉnh sửa thủ công từng file.

Nhiều API yêu cầu người dùng đăng ký tài khoản và nhận một API key. API key giống như một mã định danh giúp nhà cung cấp biết ai đang gửi yêu cầu. Nó cũng được dùng để kiểm soát quyền truy cập, giới hạn số lần gọi và tính phí nếu dịch vụ không miễn phí. Người dùng không nên công khai API key trong code đăng lên GitHub vì người khác có thể sử dụng khóa đó, làm vượt giới hạn hoặc phát sinh chi phí.

API còn có một khái niệm quan trọng là rate limit, tức giới hạn số lần gọi trong một khoảng thời gian. Chẳng hạn, nhà cung cấp có thể cho phép 100 yêu cầu mỗi phút. Nếu chương trình gửi 1.000 yêu cầu liên tiếp mà không kiểm soát tốc độ, một phần yêu cầu có thể bị từ chối.

Do đó, sử dụng API không chỉ là biết viết một dòng code lấy dữ liệu. Người dùng còn phải hiểu cách xử lý lỗi, giới hạn truy cập, kết nối mạng, dữ liệu thiếu và thay đổi phiên bản. Đây là những phần mà khi tải một file Excel đơn lẻ, chúng ta thường chưa cần quan tâm.

Phần 2: API khác tải file Excel như thế nào?

Điểm khác biệt rõ nhất nằm ở cách dữ liệu được đưa về máy. Với Excel, con người chủ động thực hiện các bước tải dữ liệu. Người dùng vào website, chọn nội dung, tải file rồi mở hoặc đưa file vào chương trình phân tích. Với API, chính chương trình thực hiện các bước đó. Khi code chạy, nó tự gửi yêu cầu, nhận dữ liệu, chuyển dữ liệu thành bảng và tiếp tục tính toán.

Có thể tóm tắt như sau:

Excel = người dùng lấy dữ liệu rồi đưa cho chương trình.

API = chương trình tự đi lấy dữ liệu.

Giả sử mỗi sáng chúng ta cần cập nhật dữ liệu của 200 cổ phiếu. Nếu dùng Excel, người dùng phải tải một hoặc nhiều file mới, kiểm tra xem ngày cuối cùng đã được cập nhật chưa, đổi tên file và đặt vào đúng thư mục. Nếu một file vẫn chứa dữ liệu của hôm qua, toàn bộ kết quả lọc có thể bị sai mà người dùng không nhận ra.

Với API, chương trình có thể tự động chạy qua danh sách 200 mã, yêu cầu dữ liệu mới nhất, ghép vào kho dữ liệu cũ rồi tính lại chỉ báo. Quy trình này có thể được lên lịch chạy hằng ngày sau khi thị trường đóng cửa.

API + chương trình xử lý + lịch chạy tự động = Quy trình cập nhật dữ liệu hằng ngày

Sự khác biệt thứ hai là độ mới của dữ liệu. File Excel là một bản chụp tại thời điểm tải xuống. Khi đã nằm trên máy, nội dung của file không tự thay đổi. Nếu muốn dữ liệu mới hơn, người dùng phải tải lại.

API là kết nối động với nguồn dữ liệu. Mỗi lần chương trình gọi API, hệ thống có thể trả về dữ liệu mới nhất đang có. Điều này rất hữu ích đối với dữ liệu giá, tỷ giá, hàng hóa hoặc các chỉ số được cập nhật thường xuyên.

Có thể hình dung:

File Excel giống như một bức ảnh.

API giống như một cửa sổ đang mở về phía nguồn dữ liệu.

Bức ảnh có ưu điểm là cố định. Dù mở lại sau một tháng, nội dung vẫn giống như lúc tải. Cửa sổ có ưu điểm là luôn cho thấy trạng thái mới hơn, nhưng cảnh bên ngoài có thể thay đổi. Đây cũng là một vấn đề quan trọng trong nghiên cứu Quant.

Giả sử hôm nay chúng ta lấy dữ liệu bằng API và chạy backtest. Ba tháng sau, nhà cung cấp điều chỉnh lại lịch sử giá do cổ tức, chia tách cổ phiếu hoặc sửa lỗi. Khi gọi lại API, dữ liệu mới có thể khác dữ liệu ban đầu. Nếu kết quả backtest thay đổi, chúng ta khó biết nguyên nhân đến từ code hay từ dữ liệu.

Vì vậy, dù dùng API, người làm Quant vẫn nên lưu lại một bản dữ liệu cố định cho từng nghiên cứu. API được dùng để lấy dữ liệu, nhưng dữ liệu nhận được nên được lưu thành CSV, Parquet hoặc cơ sở dữ liệu để có thể tái tạo kết quả sau này.

Điểm khác biệt thứ ba là khả năng chọn lọc thông tin. File Excel thường được nhà cung cấp chuẩn bị sẵn. Người dùng có thể nhận cả những cột không cần thiết hoặc phải tải một file rất lớn chỉ để lấy một phần nhỏ dữ liệu.

Với API, người dùng thường có thể chỉ định chính xác mình muốn gì. Ví dụ, chương trình chỉ yêu cầu giá đóng cửa hằng ngày của FPT trong hai năm gần nhất. Điều này giúp giảm lượng dữ liệu truyền về và làm cho quy trình dễ kiểm soát hơn.

Điểm khác biệt thứ tư là quy mô. Excel rất thuận tiện với dữ liệu nhỏ và vừa. Một người có thể dễ dàng mở file vài nghìn dòng, dùng bộ lọc, vẽ biểu đồ và kiểm tra bằng mắt. Tuy nhiên, khi dữ liệu tăng lên hàng triệu dòng, nhiều file Excel trở nên chậm, nặng và khó quản lý.

Trong Quant Trading, một dự án có thể sử dụng hàng nghìn mã, nhiều năm dữ liệu và nhiều khung thời gian. Nếu nghiên cứu dữ liệu 5 phút, số lượng dòng tăng rất nhanh. Khi đó, API kết hợp với Python và cơ sở dữ liệu sẽ phù hợp hơn Excel.

Ví dụ, dữ liệu một mã ở khung ngày có thể chỉ khoảng 250 dòng mỗi năm. Nhưng ở khung 5 phút, một ngày giao dịch có thể tạo ra hàng chục bản ghi. Nếu nhân với hàng nghìn mã và nhiều năm, số dòng có thể lên đến hàng chục hoặc hàng trăm triệu.

Điểm khác biệt thứ năm là khả năng kiểm soát bằng mắt. Excel có lợi thế lớn vì người dùng nhìn thấy trực tiếp dữ liệu. Khi cột ngày bị sai định dạng, có dòng trống hoặc giá trị bất thường, người dùng có thể phát hiện khá nhanh.

API thường đưa dữ liệu thẳng vào chương trình. Nếu code không có bước kiểm tra chất lượng, dữ liệu sai vẫn có thể đi qua toàn bộ quy trình và tạo ra kết quả trông rất chuyên nghiệp nhưng hoàn toàn không đáng tin.

Do đó, dùng API đòi hỏi người dùng phải viết thêm các điều kiện kiểm tra. Với dữ liệu OHLCV, một số nguyên tắc cơ bản gồm giá cao nhất phải lớn hơn hoặc bằng giá mở cửa và giá đóng cửa, giá thấp nhất phải nhỏ hơn hoặc bằng giá mở cửa và giá đóng cửa, khối lượng không được âm, ngày giao dịch không được trùng và dữ liệu phải được sắp xếp đúng thứ tự thời gian.

Có thể viết thành logic:

Dữ liệu từ API + kiểm tra chất lượng = Dữ liệu có thể sử dụng

Nếu bỏ qua bước kiểm tra, API chỉ giúp chúng ta xử lý dữ liệu sai nhanh hơn.

Điểm khác biệt cuối cùng là mức độ phụ thuộc vào nhà cung cấp. Khi đã tải một file Excel về máy, người dùng có thể mở file bất cứ lúc nào mà không cần mạng và không phụ thuộc vào việc website còn hoạt động hay không.

Với API, chương trình phụ thuộc vào hệ thống bên ngoài. Nếu máy chủ gặp lỗi, endpoint đổi địa chỉ, phiên bản thư viện thay đổi hoặc tài khoản hết quyền truy cập, code có thể ngừng hoạt động. Đây là lý do những hệ thống nghiêm túc thường có cơ chế lưu dữ liệu tạm, thử lại khi lỗi và theo dõi thay đổi của API.

API linh hoạt hơn nhưng cũng đòi hỏi quy trình kỹ thuật tốt hơn. Excel đơn giản hơn nhưng khó mở rộng và tự động hóa.

Phần 3: Trong Quant Trading nên dùng API hay Excel?

Không có câu trả lời rằng API luôn tốt hơn Excel. Lựa chọn phù hợp phụ thuộc vào quy mô dữ liệu, tần suất cập nhật và mục tiêu của dự án.

Nếu đang học Pandas, thử tính SMA hoặc phân tích một vài cổ phiếu, Excel hoặc CSV thường là lựa chọn tốt hơn. Người học có thể tập trung vào cách dữ liệu được tổ chức, cách tính lợi nhuận và cách vẽ biểu đồ mà chưa phải xử lý API key, lỗi mạng hay giới hạn truy cập.

Ví dụ, để học cách tính RSI, chúng ta chỉ cần một file có khoảng 100 đến 200 phiên giá đóng cửa. Dữ liệu cố định còn giúp người học chạy lại công thức nhiều lần và so sánh kết quả mà không lo nguồn dữ liệu thay đổi.

Excel cũng phù hợp với dữ liệu được cập nhật theo chu kỳ dài như báo cáo tài chính quý, kế hoạch kinh doanh, danh sách cổ đông hoặc dữ liệu kinh tế theo tháng. Nếu mỗi quý mới có một bộ số liệu, xây dựng một hệ thống API phức tạp có thể không mang lại nhiều lợi ích.

Ngược lại, API rất phù hợp với dữ liệu cần cập nhật thường xuyên. Một hệ thống lọc cổ phiếu hằng ngày có thể cần giá mới nhất của toàn thị trường, khối lượng giao dịch, dữ liệu chỉ số và thông tin ngành. Nếu vẫn tải file thủ công, người dùng sẽ phải làm lại cùng một công việc mỗi ngày.

Với API, quy trình có thể chạy tự động:

Lấy dữ liệu giá + làm sạch dữ liệu + tính chỉ báo + lọc cổ phiếu + xuất báo cáo

Giả sử chiến lược yêu cầu cổ phiếu nằm trên MA200, MA50 đang tăng, khối lượng trung bình trên một mức nhất định và sức mạnh tương đối tốt hơn VN-Index. Chương trình có thể lấy dữ liệu cho toàn bộ danh sách cổ phiếu, tính các điều kiện rồi xuất ra một bảng kết quả chỉ trong một lần chạy.

API cũng đặc biệt hữu ích khi chiến lược cần kết hợp nhiều loại dữ liệu. Một mô hình luân chuyển ngành có thể dùng giá cổ phiếu, chỉ số ngành, lãi suất, tỷ giá và dữ liệu vĩ mô. Mỗi nguồn có thể đến từ một API khác nhau.

Khi đó, hệ thống có thể được tổ chức như sau:

API thị trường + API doanh nghiệp + API vĩ mô = Bộ dữ liệu nghiên cứu tổng hợp

Tuy nhiên, không nên lấy dữ liệu từ nhiều API rồi ghép ngay mà không kiểm tra. Các nguồn có thể dùng múi giờ khác nhau, lịch công bố khác nhau hoặc cách đặt tên cột khác nhau. Một dữ liệu PMI công bố đầu tháng không thể được gán ngược cho toàn bộ tháng trước nếu tại thời điểm giao dịch nhà đầu tư chưa biết con số đó. Nếu xử lý sai thời điểm công bố, backtest có thể mắc lỗi nhìn trước tương lai.

Trong Quant, vấn đề không chỉ là dữ liệu đúng hay sai, mà còn là dữ liệu đã tồn tại tại thời điểm quyết định hay chưa. Một báo cáo tài chính quý I có thể chứa số liệu đến ngày 31/3, nhưng nếu báo cáo được công bố vào cuối tháng 4 thì chiến lược không thể sử dụng con số đó từ ngày 1/4.

Vì vậy, quy trình tốt cần lưu cả ngày dữ liệu đại diện và ngày dữ liệu thực sự được công bố. Đây là điểm mà file Excel thủ công thường dễ bỏ qua và API cũng không tự giải quyết nếu người dùng không thiết kế đúng.

Cách thực tế nhất là kết hợp cả API và file lưu trữ. API được dùng để lấy dữ liệu mới. Sau khi tải về, chương trình kiểm tra, chuẩn hóa rồi lưu thành bản cố định. Các nghiên cứu và backtest nên chạy trên bản đã lưu thay vì mỗi lần đều gọi trực tiếp API.

Quy trình đầy đủ có thể là:

API lấy dữ liệu + kiểm tra chất lượng + lưu dữ liệu gốc + tạo dữ liệu đã xử lý + chạy mô hình

Dữ liệu gốc nên được giữ nguyên đúng như lúc nhận từ nhà cung cấp. Dữ liệu đã xử lý có thể được đổi tên cột, điều chỉnh giá, tính lợi nhuận hoặc ghép thêm thông tin khác. Không nên ghi đè dữ liệu đã xử lý lên dữ liệu gốc, vì khi xảy ra lỗi, người nghiên cứu cần quay lại bản ban đầu để tìm nguyên nhân.

Ví dụ, dữ liệu gốc của VCB có thể được lưu thành một file riêng theo ngày tải. Sau đó, một chương trình khác đọc file đó, loại bỏ dòng trùng, điều chỉnh dữ liệu cổ tức và tạo bộ dữ liệu dùng cho backtest. Nếu kết quả bất thường, chúng ta có thể kiểm tra xem lỗi nằm ở nguồn dữ liệu hay quá trình xử lý.

Đây cũng là lý do những hệ thống Quant chuyên nghiệp thường có nhiều lớp dữ liệu. Lớp đầu là dữ liệu thô nhận từ nguồn. Lớp tiếp theo là dữ liệu đã làm sạch. Lớp cuối cùng là dữ liệu đặc trưng đã sẵn sàng cho mô hình, chẳng hạn lợi nhuận, biến động, RSI, momentum hoặc các yếu tố cơ bản.

Có thể tóm tắt:

API không thay thế Excel hoàn toàn. API giúp lấy dữ liệu, còn file hoặc cơ sở dữ liệu giúp lưu và kiểm soát dữ liệu.

Nếu mục tiêu chỉ là phân tích một lần, Excel có thể đủ. Nếu mục tiêu là xây dựng hệ thống chạy hằng ngày, API gần như trở thành công cụ cần thiết. Nhưng dù dùng cách nào, chất lượng dữ liệu và khả năng tái tạo kết quả vẫn quan trọng hơn công nghệ được sử dụng.

Kết luận

API dữ liệu là phương thức để chương trình tự gửi yêu cầu và nhận thông tin từ một hệ thống khác. Nó phù hợp với công việc cần cập nhật thường xuyên, tự động hóa và xử lý quy mô lớn.

Excel là một file dữ liệu cố định, dễ nhìn, dễ kiểm tra và thuận tiện cho người mới. Nó phù hợp với dữ liệu nhỏ, nghiên cứu một lần hoặc thông tin cập nhật không thường xuyên.

Sự khác nhau cốt lõi có thể diễn đạt như sau:

Excel giúp con người tải và đọc dữ liệu.

API giúp chương trình tự lấy và xử lý dữ liệu.

Trong Quant Trading, API không tự tạo ra lợi nhuận và cũng không làm cho chiến lược trở nên thông minh hơn. Nó chỉ giúp quy trình lấy dữ liệu nhanh hơn, đều đặn hơn và ít phụ thuộc vào thao tác thủ công hơn.

Một hệ thống tốt thường không chọn một trong hai, mà kết hợp cả hai cách:

Dùng API để lấy dữ liệu, dùng file hoặc cơ sở dữ liệu để lưu lại, rồi dùng Python để kiểm tra và phân tích.

API là đường ống dẫn dữ liệu. Excel là chiếc bình chứa dữ liệu. Nhưng dữ liệu có sạch, đúng thời điểm và phù hợp với mô hình hay không mới là yếu tố quyết định chất lượng của một nghiên cứu Quant.