Biến động bạn không “nhìn thấy”: vì sao volatility là thứ dễ hiểu sai nhất trên thị trường

13/01/2026

213 lượt đọc

Trong đầu tư và trading, volatility (biến động) là một trong những khái niệm được nhắc đến nhiều nhất. Ai cũng nói về nó: “thị trường đang biến động cao”, “vol thấp quá nên khó trade”, “vol sắp nổ”… Nhưng có một sự thật rất ít người dừng lại để nghĩ cho kỹ: volatility là thứ không thể nhìn thấy trực tiếp.

Bạn không thể mở bảng điện lên và thấy một con số gọi là “volatility thật của thị trường” giống như thấy giá hay khối lượng. Thứ bạn thấy chỉ là giá chạy lên xuống, còn volatility là thứ ẩn phía sau những chuyển động đó. Nó giống như áp suất trong một hệ thống – bạn không nhìn thấy áp suất, nhưng bạn thấy hậu quả của nó khi hệ thống rung lắc, nổ van, hay xì hơi.

Và rất nhiều hiểu lầm trong trading bắt đầu từ việc quên mất rằng: volatility là biến ẩn (latent variable), chứ không phải một con số khách quan, duy nhất, ai đo cũng ra giống nhau.

Phần 1: Volatility giống như “trí thông minh” có thật, nhưng không đo trực tiếp được

Một cách so sánh rất dễ hiểu là: volatility giống trí thông minh của con người. Chúng ta đều đồng ý rằng trí thông minh là có thật, nó ảnh hưởng đến kết quả học tập, công việc, khả năng giải quyết vấn đề. Nhưng không có cái máy nào đo được “chỉ số thông minh thật” của một người.

Thay vào đó, chúng ta dùng các proxy: điểm thi, IQ test, tốc độ học, khả năng logic, trí nhớ… Mỗi thước đo phản ánh một phần, nhưng không cái nào là “sự thật tuyệt đối”.

Volatility cũng vậy. Thứ chúng ta đo được không phải volatility thật, mà là dấu chân volatility để lại trên giá. Từ dấu chân đó, chúng ta tạo ra các thước đo thay thế:

  1. Volatility từ giá đóng cửa ngày này sang ngày khác
  2. Realized volatility từ dữ liệu intraday
  3. Volatility dựa trên biên độ cao – thấp
  4. EWMA, GARCH, implied volatility từ option…

Khi ai đó nói: “Vol hiện tại là 18%”, câu nói đó luôn ngầm chứa rất nhiều giả định phía sau:

  1. Đo bằng cách nào?
  2. Trên khung thời gian nào?
  3. Có annualize hay không?
  4. Có tính gap qua đêm không?

Nói cách khác, 18% không phải là một sự thật tuyệt đối, mà là kết quả của một lựa chọn đo lường cụ thể. Nếu bạn đổi cách đo, con số sẽ đổi theo.

Với người trade phái sinh Việt Nam, điều này cực kỳ quan trọng. Rất nhiều người nhìn vào ATR, nhìn vào biên độ vài phiên gần nhất rồi kết luận “thị trường đang ít biến động”, trong khi chỉ cần đổi khung thời gian hoặc cách đo, bức tranh có thể hoàn toàn khác.

Phần 2: Dự báo volatility thực chất là dự báo… một cách đo volatility

Khi đã chấp nhận rằng volatility không có một “giá trị thật” duy nhất, một câu hỏi khó tránh khỏi xuất hiện: vậy dự báo volatility là đang dự báo cái gì?

Câu trả lời hơi phũ phàng nhưng rất quan trọng:

Trong thực tế, bạn không dự báo volatility thật, mà bạn đang dự báo giá trị tương lai của một proxy volatility mà bạn đã chọn.

Ví dụ:

  1. Bạn dùng realized volatility từ dữ liệu 5 phút làm benchmark → mô hình của bạn đang cố dự báo con số đó
  2. Bạn dùng volatility close-to-close theo ngày → bạn đang dự báo một thứ hoàn toàn khác
  3. Bạn dùng VIX hoặc implied volatility → lại là một câu chuyện khác nữa

Đổi benchmark = đổi mục tiêu. Và khi mục tiêu đổi, thứ được gọi là “mô hình tốt” cũng đổi theo.

Đây là lý do vì sao trong thực tế:

  1. Một mô hình có thể trông rất tốt khi so với realized vol intraday
  2. Nhưng lại tệ nếu so với close-to-close vol
  3. Và càng khác nữa nếu so với implied volatility

Điều này không có nghĩa mô hình sai, mà có nghĩa là bạn đang hỏi nó một câu hỏi khác.

Ở Việt Nam, rất nhiều tranh luận kiểu: “mô hình này forecast vol không chuẩn”, “chỉ báo kia không đo được biến động”… Thực chất, rất nhiều tranh luận đó là tranh luận về định nghĩa, chứ không phải về năng lực mô hình.

Phần 3: Volatility forecasting là bài toán thiết kế, không chỉ là bài toán mô hình

Một điểm sâu hơn – và cũng là điểm mà người làm định lượng cần hiểu – là: dự báo volatility không chỉ là chọn mô hình, mà là thiết kế cả hệ đo lường và đánh giá.

Có hai yếu tố thường làm mọi người hiểu sai kết quả forecast.

Thứ nhất là bias (độ lệch có hệ thống).

Ví dụ kinh điển là dùng implied volatility (như VIX) để dự báo realized volatility sau đó. Implied vol thường cao hơn realized vol, không phải vì nó “sai”, mà vì thị trường option có volatility risk premium – người mua bảo hiểm sẵn sàng trả giá cao hơn để tránh rủi ro. Nếu bạn hiểu điều này, bạn hoàn toàn có thể điều chỉnh (calibrate) forecast thay vì vứt bỏ nó.

Thứ hai là dispersion (độ nhiễu).

Nếu benchmark volatility bạn dùng quá nhiễu (ví dụ chỉ dùng close-to-close trong một giai đoạn ngắn), thì lỗi forecast trông sẽ rất loạn, kể cả khi mô hình có skill thật. Khi bạn chuyển sang benchmark tốt hơn (ví dụ realized volatility intraday được xử lý cẩn thận), lỗi forecast có thể “đẹp” lên rất nhiều – không phải vì mô hình giỏi hơn, mà vì thước đo ít nhiễu hơn.

Cuối cùng, điều quan trọng nhất là: không có “volatility forecast tốt nhất cho mọi người”.

  1. Người quản lý danh mục vol-targeting quan tâm đến biến động theo tháng
  2. Desk option quan tâm đến động lực implied vs realized
  3. Trader phái sinh intraday quan tâm đến biến động vài giờ tới

Mỗi người sẽ chọn:

  1. Một định nghĩa volatility khác
  2. Một benchmark khác
  3. Một hàm mất mát (loss function) khác

Và vì vậy, đánh giá “mô hình nào tốt hơn” mà không nói rõ bối cảnh gần như vô nghĩa.

Chia sẻ bài viết

Đánh giá

Hãy là người đầu tiên nhận xét bài viết này!

Đăng ký nhận tin

Nhập Email để nhận được bản tin mới nhất từ QM Capital.

Bài viết liên quan

Market Flow Trading: Nhìn dòng chảy thị trường Việt Nam để giao dịch hiệu quả hơn
09/02/2026
6 lượt đọc

Market Flow Trading: Nhìn dòng chảy thị trường Việt Nam để giao dịch hiệu quả hơn C

Market flow trading, hiểu đơn giản, không phải là cố đoán xem giá sẽ lên hay xuống, mà là quan sát dòng tiền và hành vi giao dịch đang thực sự diễn ra. Thay vì hỏi “cổ phiếu này rẻ hay đắt”, market flow đặt câu hỏi: ai đang mua, ai đang bán, và họ có đang quyết liệt hay không.

Python hay C++ trong Quantitative Finance: chọn ngôn ngữ theo bài toán
08/02/2026
96 lượt đọc

Python hay C++ trong Quantitative Finance: chọn ngôn ngữ theo bài toán C

Trong quantitative finance, câu hỏi Python hay C++ xuất hiện rất sớm, thường ngay khi người ta bắt đầu viết những dòng code đầu tiên cho trading. Điều thú vị là câu hỏi này không bao giờ có câu trả lời dứt khoát, và chính việc nó tồn tại suốt nhiều năm cho thấy một điều: hai ngôn ngữ này không thay thế nhau, mà phục vụ những mục đích rất khác nhau. Nếu chỉ nhìn ở mức bề mặt, người ta thường nói Python dễ nhưng chậm, C++ khó nhưng nhanh. Nhưng trong công việc quant thực tế, sự khác biệt quan trọng hơn nhiều nằm ở bạn đang giải quyết loại vấn đề gì, và ở giai đoạn nào của pipeline.

Modern Pairs Trading: Điều gì còn hiệu quả và vì sao?
08/02/2026
33 lượt đọc

Modern Pairs Trading: Điều gì còn hiệu quả và vì sao? C

Pairs trading là một trong những chiến lược định lượng xuất hiện rất sớm và tồn tại lâu dài trên thị trường tài chính. Ý tưởng cốt lõi của nó nghe qua thì rất dễ hiểu: hai tài sản có mối quan hệ chặt chẽ với nhau trong quá khứ thì khi mối quan hệ đó bị lệch đi, thị trường sẽ có xu hướng kéo chúng quay lại trạng thái “bình thường”. Chính sự đơn giản này khiến pairs trading từng được xem là một chiến lược gần như hiển nhiên, đặc biệt trong giai đoạn thị trường còn ít cạnh tranh và chi phí giao dịch thấp.

Danh mục của bạn đang ngầm giả định điều gì về tương lai thị trường?
05/02/2026
87 lượt đọc

Danh mục của bạn đang ngầm giả định điều gì về tương lai thị trường? C

Một danh mục đầu tư, dù được xây dựng cẩn trọng đến đâu, cũng luôn chứa đựng những giả định ngầm về tương lai. Những giả định này hiếm khi được viết ra thành lời, nhưng lại quyết định cách danh mục phản ứng khi thị trường đi vào những trạng thái bất lợi. Vấn đề không nằm ở việc có giả định hay không, mà ở chỗ nhà đầu tư có ý thức được những giả định đó hay không.

Khủng hoảng tài chính không phải thiên nga đen, nó lặp lại theo cấu trúc
05/02/2026
90 lượt đọc

Khủng hoảng tài chính không phải thiên nga đen, nó lặp lại theo cấu trúc C

Trong diễn giải phổ biến về thị trường tài chính, các cuộc khủng hoảng lớn thường được mô tả như những sự kiện hiếm, bất ngờ và không thể dự đoán – thường được gọi chung dưới khái niệm “thiên nga đen”.

Top 5 hành vi khiến nhà đầu tư thua không phải vì thiếu kiến thức, mà vì…
04/02/2026
102 lượt đọc

Top 5 hành vi khiến nhà đầu tư thua không phải vì thiếu kiến thức, mà vì… C

Nhiều người nghĩ thua lỗ đến từ việc chọn sai cổ phiếu, vào sai điểm, hoặc thiếu công cụ phân tích. Nhưng nếu nhìn đủ lâu, bạn sẽ thấy một thứ lặp đi lặp lại ở hầu hết tài khoản: thua lỗ thường xuất phát từ hành vi, không phải từ “thiếu chỉ báo”.

video-image

Truy Cập Miễn Phí Thư Viện Bot Tín Hiệu Giao Dịch Tự Động

Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.

Truy cập ngay!