13/01/2026
504 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.
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:
Khi ai đó nói: “Vol hiện tại là 18%”, câu nói đó luôn ngầm chứa rất nhiều giả định phía sau:
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.
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:
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:
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.
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”.
Mỗi người sẽ chọn:
Và vì vậy, đánh giá “mô hình nào tốt hơn” mà không nói rõ bối cảnh gần như vô nghĩa.
0 / 5
Jesse Livermore là một trong những cái tên kinh điển nhất trong lịch sử trading. Điều khiến ông trở thành huyền thoại không chỉ nằm ở những thương vụ lớn, mà nằm ở cách ông quan sát thị trường và đúc kết ra các nguyên tắc giao dịch vượt thời gian. Dù thị trường ngày nay đã có thuật toán, dữ liệu lớn, phái sinh, margin, HFT và rất nhiều công cụ hiện đại, những bài học của Livermore vẫn còn nguyên giá trị, bởi bản chất sâu nhất của thị trường chưa từng thay đổi: con người vẫn bị chi phối bởi tham lam, sợ hãi, hy vọng và cái tôi.
Đọc bài review của Steve Burns về cuốn The Man Who Solved the Market: Jim Simons, QM Capital thấy đây không chỉ là câu chuyện về một cá nhân xuất chúng, mà là một cách nhìn rất khác về thị trường tài chính. Jim Simons không bước vào thị trường với tư duy “hôm nay mua mã nào” hay “ngày mai thị trường tăng hay giảm”. Ông bước vào thị trường với niềm tin rằng: trong giá cả có những mẫu hình lặp lại, và nếu có đủ dữ liệu, đủ năng lực toán học, đủ công nghệ và đủ kỷ luật, con người có thể tìm ra lợi thế từ những mẫu hình đó.
Ở Phần 1, chúng ta đã nói về cách hình thành các mô hình giá phổ biến. Sang Phần 2, trọng tâm không còn là “mô hình đó trông như thế nào”, mà là mô hình nào có thể tạo tín hiệu tăng, mô hình nào cảnh báo tín hiệu giảm, và quan trọng hơn là trader nên đọc chúng ra sao trong thực chiến.
Trong phân tích kỹ thuật, mô hình giá không chỉ là những đường kẻ trên biểu đồ. Mỗi mô hình thực chất là một “bản ghi” về tâm lý thị trường: bên mua đang mạnh lên hay yếu đi, bên bán đang phân phối hay mất kiểm soát, dòng tiền đang tích lũy hay rút ra. Khi nhìn một mô hình, điều quan trọng không phải là cố tìm cho giống hình mẫu trong sách, mà là hiểu được câu chuyện cung – cầu đang diễn ra phía sau.
Trong giao dịch tài chính, đặc biệt là ở thị trường chứng khoán Việt Nam và phái sinh VN30, phần lớn trader thường bắt đầu bằng việc tìm kiếm tín hiệu vào lệnh. Họ học các mô hình giá, đường trung bình, RSI, MACD, Bollinger Bands, volume, nến Nhật và rất nhiều chỉ báo khác. Tuy nhiên, vấn đề không nằm ở việc thiếu tín hiệu. Vấn đề lớn hơn là trader không biết tín hiệu nào đáng tin, vào lệnh ở đâu, sai thì thoát ở đâu, và khi nào nên kiên nhẫn chờ giá điều chỉnh thay vì mua đuổi.
Trong lĩnh vực quantitative finance, có một số công cụ mạnh mẽ nhưng ít được chú ý đến so với những mô hình phổ biến như Deep Learning hay SMA crossover. Một trong những công cụ mạnh mẽ đó chính là Mô hình Không gian Trạng thái (State-space models) và Bộ lọc Kalman (Kalman filter). Mặc dù có vẻ phức tạp, nhưng những công cụ này lại cực kỳ hữu ích và mạnh mẽ khi áp dụng vào việc phân tích và dự đoán thị trường tài chính. Mặc dù nghe có vẻ như là những mô hình nguyên thủy, thực tế chúng là những công cụ cực kỳ mạnh mẽ và bền bỉ (robust), đặc biệt trong môi trường thay đổi nhanh chóng của các thị trường tài chính.
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!