Khi làm đầu tư định lượng, rất nhiều người có xu hướng xem Value at Risk (VaR) là một công cụ “thuần quản trị rủi ro”, chỉ dành cho ngân hàng hoặc bộ phận middle office. Tuy nhiên, nếu nhìn đúng bản chất, VaR – đặc biệt là VaR dựa trên Principal Component Analysis (PCA) – lại là một công cụ rất phù hợp để hiểu cấu trúc rủi ro của danh mục đầu tư vĩ mô, trái phiếu, hoặc chiến lược định lượng nhạy với lãi suất. Vấn đề không nằm ở việc “báo cáo VaR cho ai”, mà nằm ở chỗ bạn có hiểu mình đang đặt cược vào dạng biến động nào của thị trường hay không.

Ở thị trường Việt Nam, dù sản phẩm lãi suất chưa đa dạng như Mỹ, nhưng các yếu tố như lãi suất điều hành, lợi suất TPCP, OMO, tín phiếu NHNN hay mặt bằng lãi suất liên ngân hàng đều ảnh hưởng trực tiếp đến định giá cổ phiếu, trái phiếu doanh nghiệp và các chiến lược factor mang tính vĩ mô. Với một người làm quant, câu hỏi quan trọng không phải là “VaR bao nhiêu”, mà là: nếu đường cong lãi suất dịch chuyển theo một cách cụ thể, danh mục của mình sẽ phản ứng ra sao?

Vì sao PCA đặc biệt phù hợp với tư duy đầu tư định lượng?

Trong đầu tư định lượng, chúng ta luôn tìm cách giảm chiều bài toán nhưng vẫn giữ được bản chất của rủi ro. PCA làm đúng điều đó. Thay vì nhìn từng kỳ hạn lãi suất một cách rời rạc (1Y, 2Y, 5Y, 10Y…), PCA cho phép gom toàn bộ chuyển động của đường cong thành một vài nhân tố độc lập mang ý nghĩa kinh tế rất rõ ràng.

Thực tế, dù ở Mỹ hay Việt Nam, phần lớn biến động của đường cong lãi suất đều có thể được mô tả bởi 2–3 nhân tố chính:

1. Một nhân tố phản ánh mặt bằng lãi suất chung (level)
2. Một nhân tố phản ánh độ dốc giữa ngắn hạn và dài hạn (slope)
3. Một nhân tố phản ánh độ cong (curvature)

Với tư duy quant, đây chính là việc chuyển từ không gian công cụ sang không gian nhân tố (factor space). Một danh mục tưởng như phức tạp với nhiều tài sản khác nhau thực chất lại chỉ đang đặt cược vào vài dạng biến động rất cụ thể. PCA giúp bạn nhìn ra điều đó.

Tại sao phải dùng biến động lãi suất, không phải mức lãi suất?

Một sai lầm rất phổ biến của người mới là chạy PCA trực tiếp trên mức lãi suất. Về mặt toán học thì vẫn ra kết quả, nhưng về mặt định lượng thì gần như vô nghĩa. Lý do là vì mức lãi suất mang tính tích lũy và không dừng (non-stationary), trong khi rủi ro và P&L lại đến từ chuyển động hàng ngày.

Trong bối cảnh Việt Nam, điều này càng quan trọng. Lãi suất có thể bị “neo” trong thời gian dài do chính sách, sau đó điều chỉnh mạnh trong các giai đoạn căng thẳng thanh khoản. Nếu không tách level ra khỏi movement, bạn sẽ rất dễ đánh giá sai cấu trúc rủi ro của danh mục.

Vì vậy, PCA luôn được áp dụng trên daily changes của lợi suất, tức là mức tăng/giảm lãi suất từng ngày. Đây chính là thứ mà danh mục của bạn “ăn thua” theo từng phiên.

Đọc ma trận PCA như thế nào dưới góc nhìn đầu tư?

Kết quả PCA thường được trình bày dưới dạng một ma trận hệ số. Với người làm quant, đây không phải là một bảng số để “chạy xong rồi bỏ đó”, mà là bản đồ rủi ro của đường cong.

Ví dụ, nếu principal component đầu tiên có hệ số âm tương đối đồng đều trên tất cả kỳ hạn, điều đó nói lên rằng danh mục của bạn sẽ lỗ khi toàn bộ mặt bằng lãi suất tăng, bất kể tăng ở đâu. Đây là rủi ro level – rủi ro phổ biến nhất, và cũng là rủi ro mà rất nhiều danh mục “không biết mình đang gánh”.

Ngược lại, nếu một nhân tố cho hệ số dương ở ngắn hạn và âm ở dài hạn, đó là rủi ro slope. Ở Việt Nam, rủi ro này thường xuất hiện trong các giai đoạn điều hành chính sách tiền tệ, khi NHNN tác động mạnh vào lãi suất ngắn hạn nhưng kỳ hạn dài phản ứng chậm hơn.

Mapping PCA sang P&L: Bước chuyển từ thống kê sang đầu tư

Điểm khiến PCA–VaR trở nên cực kỳ hữu ích cho đầu tư định lượng là khả năng gắn trực tiếp các nhân tố PCA với P&L của danh mục. Khi bạn có DV01 hoặc exposure của danh mục theo từng kỳ hạn, việc nhân các exposure này với hệ số PCA cho phép bạn trả lời một câu hỏi rất “quant”:

Nếu nhân tố level của đường cong dịch chuyển 1 độ lệch chuẩn, danh mục của tôi sẽ lỗ bao nhiêu tiền?

Điều này đặc biệt quan trọng với các chiến lược vĩ mô, chiến lược cross-asset, hoặc các portfolio cổ phiếu nhưng nhạy cảm mạnh với lãi suất (banking, bất động sản, tài chính). Rất nhiều chiến lược ở Việt Nam thực chất thất bại không phải vì alpha sai, mà vì đặt cược vô thức vào một kịch bản lãi suất duy nhất.

VaR dưới góc nhìn quant: không phải con số, mà là cấu trúc

Một điều người làm đầu tư định lượng cần nhớ là: VaR không phải để dự báo, và càng không phải để “tối ưu cho đẹp”. VaR chỉ có ý nghĩa khi được dùng để hiểu giới hạn chịu đựng của chiến lược trong những kịch bản hợp lý.

Khi dùng PCA–VaR, bạn không chỉ biết danh mục có thể mất bao nhiêu tiền trong một ngày xấu, mà còn biết:

1. Mất tiền vì level hay slope?
2. Rủi ro tập trung ở kỳ hạn nào?
3. Danh mục có quá phụ thuộc vào một dạng biến động hay không?

Trong thực tế đầu tư, đây chính là thông tin giúp bạn quyết định giảm leverage, thêm hedge, hay kết hợp chiến lược khác để làm mềm đường đi của P&L.

Liên hệ thực tế với thị trường Việt Nam

Ở Việt Nam, khi nói đến quản trị rủi ro lãi suất, nhiều người thường phản xạ rằng “không làm được như bên Mỹ vì thiếu dữ liệu”. Nhận định này đúng ở mức độ hạ tầng, nhưng sai về mặt tư duy định lượng. Thực tế, PCA không đòi hỏi dữ liệu hoàn hảo, mà đòi hỏi dữ liệu đủ phản ánh các nguồn biến động chính của hệ thống tài chính. Và ở Việt Nam, những nguồn biến động đó tồn tại rất rõ, chỉ là không nằm trong một bộ dữ liệu duy nhất như FRED.

Một ví dụ gần gũi nhất là lợi suất trái phiếu Chính phủ theo các kỳ hạn. Dù dữ liệu lịch sử có thể không dài và không liên tục như Mỹ, nhưng chuỗi lợi suất 1Y, 3Y, 5Y, 10Y vẫn phản ánh khá đầy đủ tác động của chính sách tiền tệ, kỳ vọng lạm phát và điều kiện thanh khoản trong từng giai đoạn. Khi chạy PCA trên biến động lợi suất này, bạn sẽ thấy rất rõ những pha mà toàn bộ đường cong dịch chuyển cùng chiều – thường gắn với các quyết định mang tính hệ thống như nới lỏng hoặc thắt chặt tiền tệ – và những pha mà chỉ một đoạn của đường cong phản ứng mạnh, phản ánh kỳ vọng ngắn hạn thay đổi nhanh hơn dài hạn.

Ngoài trái phiếu, lãi suất liên ngân hàng (O/N, 1W, 1M) là một proxy cực kỳ tốt cho trạng thái thanh khoản của hệ thống. Ở Việt Nam, nhiều cú sốc thị trường không bắt đầu từ cổ phiếu, mà bắt đầu từ việc thanh khoản liên ngân hàng căng thẳng, khiến chi phí vốn ngắn hạn tăng vọt. Nếu bạn đang vận hành một danh mục cổ phiếu nhạy với margin, bất động sản, tài chính hay small-cap, thì thực chất bạn đang mang một dạng interest rate exposure gián tiếp, dù bạn không hề giao dịch trái phiếu hay swap. PCA–VaR trong trường hợp này giúp bạn định lượng được mức độ phụ thuộc của danh mục vào những cú “co giật” thanh khoản ngắn hạn – thứ mà rất nhiều chiến lược quant ở Việt Nam đánh giá thấp.

Một nguồn dữ liệu khác thường bị bỏ qua nhưng lại rất giá trị là tín phiếu và công cụ hút/bơm tiền của NHNN. Các đợt phát hành tín phiếu, điều chỉnh OMO hay tín hiệu điều hành lãi suất thường tạo ra những regime rất rõ ràng cho thị trường. Nếu bạn xây dựng các factor vĩ mô hoặc proxy thanh khoản dựa trên những dữ liệu này và đưa vào PCA, bạn sẽ thấy một điều khá thú vị: nhiều chiến lược tưởng như “stock-picking” thực chất lại phản ứng rất mạnh với một hoặc hai nhân tố liên quan đến thanh khoản hệ thống. Điều này giải thích vì sao cùng một chiến lược, cùng một logic, nhưng hiệu quả lại thay đổi mạnh theo từng giai đoạn chính sách.

Ở góc độ đầu tư định lượng, giá trị lớn nhất của PCA–VaR không nằm ở con số VaR cuối cùng, mà nằm ở việc buộc bạn phải trả lời câu hỏi đúng. Thay vì hỏi “danh mục này đang đầu tư vào cổ phiếu nào?”, PCA–VaR buộc bạn hỏi “danh mục này đang chịu rủi ro gì?”. Đó có thể là rủi ro mặt bằng lãi suất tăng, rủi ro thanh khoản ngắn hạn, hay rủi ro thay đổi cấu trúc kỳ hạn vốn trong hệ thống. Khi bạn trả lời được câu hỏi đó, rất nhiều quyết định đầu tư trở nên rõ ràng hơn: giảm leverage ở đâu, thêm hedge bằng cách nào, hay đơn giản là chấp nhận rằng chiến lược này chỉ hoạt động tốt trong một số regime nhất định.

Trong thực tế thị trường Việt Nam, rất nhiều danh mục thất bại không phải vì alpha không tồn tại, mà vì alpha bị đặt sai môi trường. PCA–VaR giúp bạn nhìn thấy điều này sớm hơn, trước khi drawdown buộc bạn phải rút ra kết luận trong trạng thái bị động. Nó không thay thế việc xây dựng chiến lược, nhưng là một lớp tư duy quan trọng để đảm bảo rằng chiến lược đó có thể tồn tại đủ lâu để edge của nó phát huy tác dụng.

Nói cách khác, ở Việt Nam, nơi thị trường còn mang tính chu kỳ mạnh và phụ thuộc lớn vào chính sách, hiểu cấu trúc rủi ro quan trọng hơn việc tối ưu một vài điểm lợi nhuận. PCA–VaR không làm danh mục của bạn “lãi hơn” ngay lập tức, nhưng nó giúp bạn tránh được những cú sốc mà sau này nhìn lại, ai cũng thấy là “đáng lẽ phải biết trước”.

Kết luận

Với người làm đầu tư định lượng, PCA–VaR không phải là công cụ của risk team, mà là một cách tư duy về cấu trúc rủi ro của chiến lược. Nó giúp bạn:

1. Nhìn danh mục dưới góc độ nhân tố, không phải tài sản
2. Hiểu vì sao chiến lược có thể fail trong những giai đoạn nhất định
3. Tránh đặt cược vô thức vào một kịch bản vĩ mô duy nhất

Nếu bạn coi đầu tư là một trò chơi xác suất dài hạn, thì hiểu rõ mình có thể thua như thế nào luôn quan trọng không kém việc hiểu mình thắng ra sao.