13/01/2026
306 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
Rất nhiều người khi mới tiếp cận tài chính định lượng thường nhìn thấy hai cụm từ “quant finance” và “algorithmic trading” xuất hiện cạnh nhau trong mô tả công việc, chương trình học hay trên các diễn đàn nghề nghiệp. Điều này dễ khiến người mới nghĩ rằng chúng chỉ là hai cách gọi khác nhau cho cùng một thứ. Tuy nhiên, nếu quay về khái niệm cơ bản nhất và phân tích từng lớp cấu trúc, có thể thấy chúng đại diện cho hai cách tiếp cận khác nhau trong việc sử dụng toán học và lập trình vào thị trường tài chính.
Trong tài chính định lượng, rất nhiều người dành phần lớn thời gian để tìm kiếm tín hiệu tốt hơn: indicator mới, feature mới, mô hình machine learning phức tạp hơn. Nhưng nếu quan sát kỹ cách các quỹ lớn vận hành, có một sự khác biệt rất rõ. Họ không nhìn thị trường như một chuỗi giá cần dự đoán. Họ nhìn thị trường như một môi trường chiến lược, nơi mỗi quyết định của mình tương tác với quyết định của người khác. Đó là nơi game theory và tư duy poker trở nên cực kỳ quan trọng. Không phải như một công thức toán học để tính toán trực tiếp, mà như một framework tư duy nền tảng để thiết kế hệ thống có thể tồn tại và tạo lợi nhuận dài hạn.
Trong quant trading, một trong những nghịch lý phổ biến nhất là: một chiến lược có lợi nhuận dương trong backtest nhưng lại thất bại khi triển khai thật. Vấn đề không nằm ở việc thị trường “thay đổi hoàn toàn”, mà thường nằm ở cách chiến lược được đánh giá ban đầu. Rất nhiều hệ thống có edge nhỏ, nhưng khi đưa vào thực tế, chi phí giao dịch, trượt giá, giới hạn thanh khoản và tâm lý vận hành khiến lợi nhuận biến mất.
Trong quant trading, rất nhiều người bắt đầu bằng cách tìm kiếm một chỉ báo “mạnh” hoặc một mô hình dự báo phức tạp. Tuy nhiên, thực tế cho thấy phần lớn hệ thống thất bại không phải vì tín hiệu quá yếu, mà vì cấu trúc hệ thống không đầy đủ. Một tín hiệu có thể có edge dương nhỏ, nhưng nếu không có cơ chế quản lý vốn, kiểm soát biến động và giới hạn drawdown rõ ràng, hiệu suất thực tế sẽ rất khác so với kỳ vọng. Một chiến lược có thể đúng 45% thời gian vẫn tạo lợi nhuận nếu lợi nhuận trung bình lớn hơn thua lỗ trung bình và nếu quy mô vị thế được điều chỉnh hợp lý theo rủi ro thị trường.
Trong quant trading, đọc dữ liệu bằng bảng số thường làm người ta… tự lừa mình. Một backtest nhìn “đẹp” có thể chỉ là do bạn chưa nhìn thấy những thứ quan trọng: vùng sideway kéo dài, cú gap, giai đoạn thanh khoản yếu, hoặc drawdown âm ỉ nhưng rất dai. Chart là cách nhanh nhất để bóc lớp “ảo giác” đó.
Một trong những khái niệm cơ bản và quan trọng nhất trong phân tích kỹ thuật là mức hỗ trợ và kháng cự. Hỗ trợ và kháng cự không chỉ đơn giản là những đường kẻ trên biểu đồ, mà là những điểm giá nơi thị trường đã chứng tỏ rằng có một sự thay đổi lớn trong cung và cầu. Hỗ trợ là mức giá mà tại đó lực cầu (demand) đủ mạnh để ngừng đà giảm của giá cổ phiếu, trong khi kháng cự là mức giá mà lực cung (supply) đủ mạnh để ngừng đà tăng của giá cổ phiếu. Việc xác định chính xác những mức này có thể giúp nhà giao dịch đưa ra quyết định chính xác hơn, tối ưu hóa lợi nhuận và giảm thiểu rủi ro.
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!