1. Bắt đầu từ một giả thuyết đơn giản về cách thị trường vận động

Phần lớn các chiến lược quant không bắt đầu từ những mô hình toán học phức tạp, mà từ một giả thuyết khá đơn giản về hành vi của thị trường. Quant trading thực chất là quá trình biến những quan sát như vậy thành rule có thể kiểm tra bằng dữ liệu. Trên thị trường chứng khoán Việt Nam, một trong những giả thuyết phổ biến nhất là momentum – tức là những cổ phiếu tăng mạnh trong một khoảng thời gian thường có xu hướng tiếp tục tăng thêm một thời gian nữa vì dòng tiền vẫn đang tập trung vào đó. Điều này có thể thấy khá rõ trong thực tế. Ví dụ trong giai đoạn thị trường tích cực, nhiều cổ phiếu dẫn dắt thường tăng mạnh hơn chỉ số chung. Giả sử trong 3 tháng gần nhất VNIndex tăng khoảng 7–8%, nhưng một cổ phiếu như FPT hoặc một cổ phiếu ngân hàng lại tăng 20–25% trong cùng giai đoạn. Điều đó cho thấy cổ phiếu này đang thu hút dòng tiền mạnh hơn thị trường. Một chiến lược quant đơn giản có thể dựa trên giả thuyết này bằng cách xếp hạng cổ phiếu theo mức tăng trong 3 hoặc 6 tháng, sau đó mỗi tháng chọn khoảng 10–20 cổ phiếu có mức tăng mạnh nhất trong VN100 để nắm giữ trong tháng tiếp theo. Những chiến lược momentum kiểu này đã được nghiên cứu khá nhiều và trong nhiều giai đoạn chúng thường outperform thị trường chung.

Một giả thuyết khác cũng khá phổ biến trên thị trường Việt Nam là mean reversion ngắn hạn, tức là khi giá giảm quá mạnh trong thời gian rất ngắn thì thường có xu hướng hồi lại một phần. Điều này xảy ra khá thường xuyên trong các giai đoạn thị trường biến động mạnh. Ví dụ có những phiên thị trường giảm sâu khiến nhiều cổ phiếu giảm 8–10% chỉ trong 2–3 phiên, trong khi VNIndex chỉ giảm khoảng 2–3%. Trong trường hợp này, nhiều khi áp lực bán chỉ là phản ứng ngắn hạn của thị trường và giá có thể hồi lại khi lực bán cạn dần. Một strategy quant đơn giản có thể đặt rule như: nếu một cổ phiếu giảm hơn 8% trong 3 phiên liên tiếp và thanh khoản không có dấu hiệu tăng đột biến, hệ thống sẽ mở vị thế mua với kỳ vọng giá sẽ hồi lại 3–5% trong vài phiên tiếp theo. Những chiến lược kiểu này thường xuất hiện nhiều trong các hệ thống short-term trading vì chúng tận dụng các biến động quá mức của thị trường.

Những ví dụ này cho thấy điểm khởi đầu của quant trading không nhất thiết phải là những mô hình phức tạp. Thay vào đó, nó thường bắt đầu từ một quan sát khá đơn giản về cách dòng tiền và tâm lý thị trường vận động, sau đó biến quan sát đó thành giả thuyết có thể kiểm tra bằng dữ liệu lịch sử. Khi giả thuyết được kiểm chứng qua backtest và nhiều giai đoạn thị trường khác nhau, nó có thể trở thành nền tảng cho một chiến lược quant thực sự.

2. Biến ý tưởng thành rule cụ thể và kiểm tra bằng dữ liệu

Sau khi có giả thuyết về cách thị trường vận động, bước tiếp theo là biến giả thuyết đó thành rule cụ thể để có thể kiểm tra trên dữ liệu lịch sử. Đây là bước rất quan trọng trong quant trading, vì nếu ý tưởng không được định nghĩa rõ ràng thì không thể backtest. Một strategy cần phải có các rule rõ ràng về cách chọn cổ phiếu, thời điểm vào lệnh và thời gian nắm giữ.

(1) Xác định universe cổ phiếu để giao dịch.

Trước tiên cần xác định tập cổ phiếu sẽ được sử dụng trong strategy. Trên thị trường Việt Nam, nhiều hệ thống quant thường chọn VN30, VN50 hoặc VN100 để đảm bảo thanh khoản đủ lớn. Ví dụ một strategy momentum có thể chọn 100 cổ phiếu trong VN100 làm universe ban đầu. Việc giới hạn universe giúp tránh các cổ phiếu quá nhỏ hoặc thanh khoản thấp, vì những cổ phiếu này có thể làm sai lệch kết quả backtest.

(2) Xây dựng rule tạo tín hiệu giao dịch.

Sau khi có universe cổ phiếu, bước tiếp theo là xác định rule để tạo tín hiệu mua hoặc bán. Ví dụ với momentum strategy, có thể thiết lập rule như sau: mỗi tháng tính tỷ suất lợi nhuận của từng cổ phiếu trong 126 phiên gần nhất (khoảng 6 tháng giao dịch). Sau đó xếp hạng tất cả cổ phiếu theo mức tăng giá và chọn 20 cổ phiếu có mức tăng mạnh nhất để đưa vào danh mục. Ví dụ nếu trong 6 tháng gần nhất VNIndex tăng khoảng 8–10%, nhưng một số cổ phiếu như FPT, SSI hoặc HCM tăng 25–35%, strategy momentum sẽ ưu tiên chọn những cổ phiếu đó vì chúng đang có xu hướng mạnh hơn thị trường chung.

(3) Xác định thời gian nắm giữ và tái cân bằng danh mục.

Sau khi tín hiệu được tạo ra, strategy cần rule rõ ràng về thời gian nắm giữ. Ví dụ momentum strategy có thể giữ danh mục trong 20 phiên giao dịch (khoảng 1 tháng) rồi tái cân bằng lại. Điều này có nghĩa là mỗi tháng hệ thống sẽ tính toán lại momentum của các cổ phiếu và thay thế những cổ phiếu yếu bằng những cổ phiếu đang có xu hướng mạnh hơn.

(4) Kiểm tra chiến lược bằng backtest.

Sau khi rule được thiết lập, bước tiếp theo là backtest trên dữ liệu lịch sử. Ví dụ có thể chạy backtest strategy momentum trên dữ liệu VN100 trong giai đoạn 2014–2024. Khi đó chúng ta có thể đo lường các chỉ số quan trọng như lợi nhuận trung bình hàng năm, volatility và drawdown. Giả sử kết quả backtest cho thấy strategy tạo lợi nhuận trung bình khoảng 16% mỗi năm, trong khi VNIndex trung bình khoảng 10–11%, thì strategy có thể có edge nhất định.

(5) Đánh giá rủi ro của chiến lược.

Backtest không chỉ dùng để đo lợi nhuận mà còn để hiểu rủi ro của strategy. Ví dụ strategy momentum có thể có drawdown tối đa khoảng 25–30%, đặc biệt trong các giai đoạn thị trường đảo chiều nhanh. Ngoài ra strategy cũng có thể hoạt động kém trong những giai đoạn thị trường đi ngang kéo dài. Việc hiểu rõ những giai đoạn strategy hoạt động tốt và kém là rất quan trọng trước khi đưa chiến lược vào trading thực tế.

Nhìn chung, bước biến ý tưởng thành rule và kiểm tra bằng dữ liệu là trung tâm của quant research. Nhiều ý tưởng nghe có vẻ hợp lý về mặt lý thuyết, nhưng chỉ khi được kiểm tra trên dữ liệu lịch sử chúng ta mới biết liệu strategy đó có thực sự có edge hay không.

3. Quản lý rủi ro và triển khai chiến lược trong thực tế

Ngay cả khi một strategy cho kết quả khá tốt trong backtest, vẫn còn một bước rất quan trọng trước khi có thể áp dụng vào trading thực tế: quản lý rủi ro và triển khai giao dịch. Trong quant trading, alpha signal chỉ là một phần của hệ thống. Nếu không kiểm soát rủi ro tốt hoặc không tính đến chi phí giao dịch, strategy có thể hoạt động rất khác so với backtest.

(1) Phân bổ vốn trong danh mục.

Sau khi strategy chọn được danh mục cổ phiếu, hệ thống cần quyết định phân bổ vốn cho từng vị thế. Ví dụ momentum strategy chọn 20 cổ phiếu mạnh nhất trong VN100, nếu tổng vốn danh mục là 10 tỷ đồng, một cách đơn giản là chia đều vốn cho mỗi cổ phiếu, tức là khoảng 500 triệu cho mỗi vị thế. Tuy nhiên trong thực tế, nhiều hệ thống quant còn điều chỉnh vị thế theo volatility. Ví dụ một cổ phiếu có biến động giá trung bình 3% mỗi ngày, trong khi cổ phiếu khác chỉ khoảng 1.5%, thì hệ thống có thể giảm tỷ trọng cổ phiếu biến động mạnh xuống 300–350 triệu và tăng tỷ trọng cổ phiếu ổn định hơn. Điều này giúp danh mục tránh bị rủi ro quá lớn từ một cổ phiếu duy nhất.

(2) Kiểm soát rủi ro danh mục.

Ngoài việc phân bổ vốn cho từng cổ phiếu, hệ thống còn cần kiểm soát rủi ro ở cấp độ danh mục. Ví dụ một rule phổ biến là không để một ngành chiếm quá 30–40% danh mục. Trên thị trường Việt Nam, nhiều cổ phiếu có xu hướng di chuyển theo ngành, đặc biệt là ngân hàng hoặc bất động sản. Nếu strategy momentum chọn quá nhiều cổ phiếu cùng một ngành, danh mục có thể chịu rủi ro lớn nếu ngành đó điều chỉnh mạnh. Ngoài ra nhiều hệ thống còn sử dụng volatility targeting, tức là khi volatility thị trường tăng mạnh thì tự động giảm quy mô vị thế để giữ mức rủi ro ổn định.

(3) Tính đến chi phí giao dịch và thanh khoản.

Một yếu tố thường bị bỏ qua trong backtest là transaction costs và thanh khoản thị trường. Điều này đặc biệt quan trọng trên thị trường Việt Nam vì nhiều cổ phiếu midcap hoặc smallcap có thanh khoản không quá cao. Ví dụ một strategy mean reversion có thể tạo ra tín hiệu giao dịch khá thường xuyên, nhưng nếu mỗi lần mua bán mất khoảng 0.15–0.2% phí giao dịch, thì lợi nhuận thực tế có thể thấp hơn nhiều so với backtest. Ngoài ra nếu strategy muốn mua 500 triệu đồng một cổ phiếu nhưng thanh khoản mỗi phiên chỉ khoảng 5–10 tỷ, việc vào lệnh lớn có thể làm giá tăng trước khi lệnh được khớp. Vì vậy nhiều hệ thống quant thường giới hạn universe cổ phiếu ở những mã có giá trị giao dịch trung bình trên 20–30 tỷ mỗi phiên để tránh vấn đề thanh khoản.

(4) Triển khai và theo dõi chiến lược khi chạy live.

Sau khi strategy được triển khai trong thực tế, việc theo dõi hiệu suất cũng rất quan trọng. Trong trading thật, kết quả có thể khác với backtest vì market regime thay đổi hoặc điều kiện thị trường khác đi. Ví dụ momentum strategy có thể hoạt động rất tốt trong giai đoạn thị trường có xu hướng mạnh như 2020–2021, nhưng có thể kém hiệu quả hơn trong giai đoạn thị trường đi ngang kéo dài. Vì vậy nhiều hệ thống quant thường theo dõi các chỉ số như lợi nhuận trung bình, drawdown và volatility của danh mục để đánh giá xem strategy có đang hoạt động đúng kỳ vọng hay không.

Nhìn chung, một strategy quant tốt không chỉ nằm ở ý tưởng ban đầu hay alpha signal. Phần quan trọng không kém là cách quản lý rủi ro, phân bổ vốn và triển khai giao dịch trong thực tế. Trên thị trường Việt Nam, nhiều chiến lược quant thành công thực ra khá đơn giản về mặt ý tưởng, nhưng được xây dựng cẩn thận từ giả thuyết ban đầu, kiểm tra dữ liệu kỹ lưỡng và đặc biệt là có hệ thống quản lý rủi ro chặt chẽ. Đây cũng chính là yếu tố giúp strategy có thể tồn tại lâu dài trong nhiều giai đoạn thị trường khác nhau.