1. Quant là gì và cách họ nhìn thị trường khác với trader thông thường

Trong tài chính, quant (quantitative analyst) là những người sử dụng toán học, thống kê, lập trình và dữ liệu để nghiên cứu thị trường và xây dựng chiến lược đầu tư. Điểm khác biệt lớn nhất giữa quant và trader truyền thống nằm ở cách họ nhìn thị trường. Một trader thông thường có thể dựa vào kinh nghiệm, tin tức hoặc cảm nhận để quyết định mua bán. Trong khi đó, quant cố gắng định lượng mọi thứ bằng dữ liệu. Họ không hỏi “cổ phiếu này có vẻ sẽ tăng không?”, mà hỏi “trong dữ liệu 15 năm qua, khi cổ phiếu có những đặc điểm như thế này thì xác suất tăng là bao nhiêu?”.

Ví dụ đơn giản trên thị trường Việt Nam: giả sử một quant lấy dữ liệu của VN100 từ năm 2010 đến 2024 và đặt một giả thuyết rằng những cổ phiếu tăng mạnh trong vài tháng gần đây có xu hướng tiếp tục tăng. Họ sẽ kiểm tra dữ liệu bằng cách mỗi tháng chọn 20 cổ phiếu tăng mạnh nhất trong 6 tháng gần nhất và nắm giữ trong 1 tháng tiếp theo. Khi chạy backtest trên dữ liệu 14 năm, họ có thể thấy kết quả như sau: danh mục momentum tăng trung bình 15% mỗi năm, trong khi VNIndex chỉ tăng khoảng 10–11% mỗi năm. Phần lợi nhuận vượt trội khoảng 4–5% đó được gọi là alpha. Với quant, điều quan trọng không phải là dự đoán đúng từng giao dịch, mà là tìm ra những pattern trong dữ liệu có xác suất thắng cao hơn ngẫu nhiên.

2. Công việc của quant: từ dữ liệu đến chiến lược

Phần lớn thời gian làm việc của quant thực ra không phải là giao dịch, mà là nghiên cứu dữ liệu và xây dựng mô hình. Công việc thường bắt đầu từ việc thu thập và xử lý dữ liệu thị trường. Ví dụ một quant có thể tải dữ liệu giá của toàn bộ cổ phiếu trên HOSE trong 15 năm, bao gồm giá mở cửa, đóng cửa, khối lượng giao dịch, dữ liệu khối ngoại và thậm chí cả dữ liệu từ thị trường phái sinh VN30 futures. Những dữ liệu này sau đó được xử lý bằng Python hoặc các công cụ phân tích dữ liệu để tìm ra các mối quan hệ có thể khai thác.

Sau khi có dữ liệu, quant bắt đầu đặt ra các giả thuyết. Ví dụ họ có thể tự hỏi: liệu những cổ phiếu được khối ngoại mua ròng mạnh có xác suất tăng giá cao hơn không? Để kiểm tra điều này, họ có thể thiết lập một rule đơn giản: mỗi ngày chọn các cổ phiếu có khối ngoại mua ròng lớn nhất trong 5 phiên gần nhất, đồng thời thanh khoản trên 50 tỷ đồng mỗi ngày để đảm bảo có thể giao dịch. Sau đó họ chạy backtest trên dữ liệu lịch sử. Kết quả giả định có thể cho thấy những cổ phiếu này có xác suất tăng trong 10 phiên tiếp theo khoảng 57%, cao hơn mức ngẫu nhiên 50%. Một edge nhỏ như vậy có thể không đáng kể trong một giao dịch, nhưng nếu áp dụng trên hàng trăm giao dịch thì lợi thế đó có thể tích lũy thành lợi nhuận đáng kể.

Một ví dụ khác là chiến lược mean reversion ngắn hạn. Quant có thể phát hiện rằng trên thị trường Việt Nam, nhiều cổ phiếu khi giảm quá mạnh trong vài ngày do áp lực bán tạm thời thường có xu hướng hồi lại. Ví dụ dữ liệu có thể cho thấy khi một cổ phiếu giảm 8–10% trong 3 phiên liên tiếp, trong khoảng 60% trường hợp giá sẽ hồi lại khoảng 3–4% trong 5 phiên tiếp theo. Từ đó quant có thể xây dựng một strategy mua vào khi cổ phiếu giảm quá mức và chốt lời khi giá hồi lại. Đây là một ví dụ cho thấy quant trading thường dựa vào xác suất và thống kê, chứ không phải dự đoán chính xác từng biến động của thị trường.

3. Các vai trò quant phổ biến trong tài chính

Trong ngành tài chính, quant không phải chỉ có một loại công việc duy nhất mà thường được chia thành nhiều vai trò khác nhau. Một trong những vai trò phổ biến nhất là quant researcher, người chuyên nghiên cứu và xây dựng chiến lược. Công việc của họ là phân tích dữ liệu, đọc các nghiên cứu học thuật, thử nghiệm nhiều ý tưởng khác nhau và tìm ra những signal có thể tạo ra alpha. Ví dụ một quant researcher có thể phát hiện rằng những cổ phiếu có RSI vượt 50 và khối lượng giao dịch tăng mạnh thường có xác suất tiếp tục tăng trong vài phiên tiếp theo. Sau đó họ xây dựng mô hình để kiểm tra signal này trên dữ liệu lịch sử và đánh giá xem strategy có thực sự hiệu quả hay không.

Một vai trò khác là quant developer, người xây dựng hệ thống công nghệ để các mô hình có thể chạy trong môi trường thực. Nếu một strategy cần theo dõi dữ liệu của 300 cổ phiếu mỗi phút, hệ thống phải liên tục cập nhật dữ liệu giá, tính toán các indicator và gửi lệnh giao dịch khi điều kiện được thỏa mãn. Quant developer sẽ xây dựng các data pipeline, trading engine và hệ thống backtest để đảm bảo mô hình hoạt động ổn định. Trong các công ty trading lớn trên thế giới, những hệ thống này có thể xử lý hàng triệu dòng dữ liệu mỗi ngày và thực hiện giao dịch trong vài mili giây.

Ngoài ra còn có quant trader, người trực tiếp vận hành chiến lược trên thị trường thực. Họ theo dõi hiệu suất của strategy, điều chỉnh tham số khi thị trường thay đổi và quản lý rủi ro của danh mục. Ví dụ nếu một strategy đang có drawdown -12% trong một giai đoạn biến động cao, quant trader có thể giảm quy mô vị thế hoặc tạm dừng strategy để tránh rủi ro lớn hơn. Trong nhiều quỹ đầu tư định lượng, quant trader đóng vai trò kết nối giữa nghiên cứu và giao dịch thực tế.

4. Quant trading trong bối cảnh thị trường Việt Nam

So với Mỹ hay châu Âu, hệ sinh thái quant tại Việt Nam vẫn còn khá nhỏ, nhưng đang phát triển nhanh nhờ sự phổ biến của dữ liệu tài chính và công cụ phân tích. Một số công ty chứng khoán và quỹ đầu tư đã bắt đầu xây dựng đội ngũ phân tích định lượng để hỗ trợ quản lý danh mục và phát triển chiến lược giao dịch. Ngoài ra, nhiều trader cá nhân cũng bắt đầu sử dụng Python và dữ liệu để xây dựng hệ thống trading tự động.

Một ví dụ thực tế của quant strategy trên thị trường Việt Nam có thể là hệ thống lọc cổ phiếu dựa trên nhiều tín hiệu cùng lúc. Ví dụ một strategy có thể đặt các điều kiện như: thanh khoản trung bình trên 100 tỷ đồng mỗi ngày, khối ngoại mua ròng 5 phiên liên tiếp, MACD cắt lên đường signal, và RSI nằm trong vùng 50–65 để tránh mua vào khi cổ phiếu đã quá nóng. Hệ thống sau đó chọn ra top 20 cổ phiếu có điểm số cao nhất và phân bổ vốn đều cho mỗi vị thế. Khi chạy backtest trên dữ liệu nhiều năm, một strategy như vậy có thể tạo ra lợi nhuận trung bình 13–15% mỗi năm, cao hơn một chút so với thị trường. Edge không quá lớn, nhưng nếu được quản lý rủi ro tốt và áp dụng kỷ luật, nó có thể hoạt động ổn định trong thời gian dài.

Kết luận

Quantitative finance về bản chất là việc biến thị trường thành một bài toán dữ liệu. Thay vì dựa vào cảm nhận hoặc dự đoán chủ quan, quant cố gắng tìm ra những pattern thống kê trong dữ liệu giá và xây dựng chiến lược dựa trên xác suất. Điều thú vị là trong quant trading, lợi thế thường rất nhỏ trong từng giao dịch riêng lẻ. Một strategy có thể chỉ có edge khoảng 1–2% mỗi trade, nhưng khi được áp dụng trên hàng trăm hoặc hàng nghìn giao dịch, lợi thế nhỏ đó có thể tích lũy thành lợi nhuận đáng kể theo thời gian. Chính vì vậy nhiều quỹ quant thường giao dịch trên rất nhiều cổ phiếu cùng lúc và liên tục nghiên cứu để tìm ra những nguồn alpha mới khi thị trường thay đổi.