28/01/2026
252 lượt đọc
Relative Strength Index (RSI) là một trong những chỉ báo kỹ thuật phổ biến nhất trên thị trường tài chính. Với rất nhiều nhà đầu tư, RSI gần như đồng nghĩa với một quy tắc đơn giản: RSI trên 70 là quá mua, dưới 30 là quá bán. Từ đó, RSI được sử dụng như một công cụ bắt đỉnh đáy trực quan, nhanh gọn và “có vẻ hợp lý”.
Vấn đề là: RSI chưa bao giờ được thiết kế để làm việc đó.
Giống như nhiều công cụ kỹ thuật khác, RSI không thất bại vì nó kém hiệu quả, mà vì chúng ta đặt lên nó một vai trò mà bản thân nó không được sinh ra để đảm nhiệm.
Nếu tạm gác công thức sang một bên, RSI đo một thứ rất cơ bản: cán cân tương đối giữa lực tăng và lực giảm của giá trong một khoảng thời gian nhất định. Nó không đo mức giá cao hay thấp, mà đo động lượng tức là tốc độ và cường độ của chuyển động giá.
Điều này có một hệ quả rất quan trọng:
RSI “cao” không có nghĩa là giá phải giảm, và RSI “thấp” không đồng nghĩa với việc giá buộc phải tăng. RSI chỉ nói rằng lực tăng hoặc lực giảm đang chiếm ưu thế trong ngắn hạn, chứ không nói điều gì sẽ xảy ra tiếp theo.
Nhiều người thất vọng với RSI vì họ kỳ vọng nó dự đoán tương lai, trong khi nó chỉ mô tả trạng thái hiện tại.
RSI hoạt động rất khác nhau trong các trạng thái thị trường khác nhau
Một điểm cốt lõi nhưng thường bị bỏ qua là: RSI phụ thuộc mạnh vào regime thị trường.
Trong thị trường đi ngang, RSI thường dao động quanh vùng trung tâm. Khi đó, các ngưỡng như 30–70 có thể hoạt động khá tốt cho các chiến lược mean reversion. RSI thấp phản ánh lực bán đã chiếm ưu thế quá mức trong ngắn hạn, và xác suất hồi phục tăng lên.
Ngược lại, trong thị trường có xu hướng rõ ràng, RSI thường “dịch chuyển mặt bằng”. Trong một uptrend mạnh, RSI có thể duy trì trên 70 trong thời gian rất dài. Trong downtrend, RSI có thể nằm dưới 30 liên tục. Nếu vẫn giữ tư duy “RSI cao là bán, RSI thấp là mua”, nhà đầu tư sẽ liên tục đứng ngược xu hướng.
Ở đây, RSI không sai. Sai là chúng ta đang dùng một logic phù hợp với thị trường đi ngang cho một thị trường có xu hướng.
Ví dụ 1: RSI “quá mua” nhưng giá vẫn tăng
Một kịch bản rất quen thuộc: thị trường bước vào uptrend rõ ràng, giá liên tục tạo đỉnh cao hơn và đáy cao hơn. RSI vượt 70, rồi 75, rồi 80. Nhiều người bán ra vì cho rằng giá đã “quá cao”.
Nhưng trong các xu hướng mạnh, RSI cao không phải là tín hiệu đảo chiều, mà là dấu hiệu của động lượng khỏe. Việc bán sớm chỉ vì RSI cao thường dẫn đến việc bỏ lỡ phần lớn xu hướng. Đây là lý do vì sao RSI thường bị coi là “không hiệu quả” trong trend-following – trong khi thực tế, nó đang phản ánh đúng trạng thái thị trường.
Ví dụ 2: RSI thấp trong downtrend không phải là cơ hội mua
Ngược lại, trong một xu hướng giảm kéo dài, RSI thường xuyên nằm dưới 30. Với nhiều người, đây là tín hiệu “quá bán” và là cơ hội mua vào.
Vấn đề là: trong downtrend, RSI thấp thường phản ánh lực bán có cấu trúc, không phải hoảng loạn nhất thời. Mua chỉ vì RSI thấp trong bối cảnh này thường dẫn đến chuỗi lệnh thua liên tiếp.
RSI không nói “giá sắp hồi”. Nó chỉ nói rằng lực giảm đang chiếm ưu thế rõ ràng.
Ví dụ 3: RSI phát huy giá trị trong thị trường đi ngang
RSI thường hoạt động “đẹp” nhất trong thị trường đi ngang có biên độ rõ. Trong bối cảnh này, giá dao động quanh một vùng cân bằng. RSI thấp phản ánh một pha bán quá mức ngắn hạn, và xác suất hồi phục tăng lên.
Nhiều chiến lược mean reversion đơn giản sử dụng RSI trong điều kiện này có thể mang lại kết quả ổn định – không phải vì RSI thần thánh, mà vì giả định của chiến lược phù hợp với cấu trúc thị trường.
Ví dụ 4: RSI như một bộ lọc, không phải tín hiệu
Trong nhiều hệ thống quant thực tế, RSI không được dùng để quyết định mua hay bán, mà để quyết định có nên giao dịch hay không.
Ví dụ, một chiến lược trend-following dài hạn có thể chỉ kích hoạt khi RSI không ở trạng thái quá căng. RSI ở đây đóng vai trò lọc điều kiện, giúp tránh vào lệnh khi động lượng đã bị kéo giãn quá mức, chứ không phải để dự đoán đảo chiều.
Cách dùng này thường mang lại giá trị thực tế hơn rất nhiều so với việc dùng RSI như công tắc mua–bán.
Rất nhiều người có trải nghiệm rằng RSI hoạt động tốt trong một giai đoạn, rồi bỗng nhiên thua liên tục. Nguyên nhân thường không nằm ở chỉ báo, mà ở sự thay đổi regime thị trường.
RSI giả định rằng mối quan hệ giữa lực tăng và lực giảm trong quá khứ gần vẫn còn ý nghĩa. Khi thị trường chuyển từ đi ngang sang có xu hướng, hoặc từ biến động thấp sang biến động cao, giả định này có thể không còn đúng.
Từ góc nhìn định lượng, đây không phải là lỗi, mà là đặc tính của mọi công cụ dựa trên dữ liệu ngắn hạn.
RSI không tạo ra alpha, nó giúp cấu trúc quyết định
Một hiểu lầm phổ biến là kỳ vọng RSI tự thân tạo ra lợi thế. Trong đa số backtest nghiêm túc, RSI đơn lẻ hiếm khi tạo alpha bền vững trong dài hạn. Nhưng điều đó không làm RSI vô giá trị.
Giá trị của RSI nằm ở việc nó chuẩn hóa trạng thái thị trường. Thay vì nhìn giá tuyệt đối, RSI cho phép so sánh các trạng thái động lượng khác nhau trong cùng một khung thời gian. Trong nhiều hệ thống quant, RSI là một phần của cấu trúc ra quyết định, chứ không phải nguồn alpha trực tiếp.
Ba câu hỏi cần trả lời trước khi dùng RSI
Trước khi đưa RSI vào bất kỳ hệ thống nào, có ba câu hỏi cần được trả lời rõ ràng:
Nếu không trả lời được những câu hỏi này, RSI rất dễ trở thành một công cụ tạo nhiễu hơn là tạo giá trị.
RSI không phải là “chén thánh”, và cũng không phải chỉ báo tệ. Nó là một công cụ đo trạng thái, không phải công cụ dự đoán tương lai. Khi được đặt đúng bối cảnh, RSI giúp nhìn thị trường rõ ràng hơn. Khi bị dùng sai, nó tạo ra ảo giác rằng thị trường sắp đảo chiều chỉ vì một con số vượt ngưỡng.
Có lẽ câu hỏi quan trọng không phải là RSI có hiệu quả hay không, mà là:
chúng ta đang dùng RSI để hiểu thị trường, hay đang dùng nó để thỏa mãn nhu cầu bắt đỉnh đáy?
0 / 5
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?”.
Trong đầu tư và quant trading, alpha được hiểu là phần lợi nhuận vượt trội mà một strategy tạo ra so với thị trường. Nếu một chiến lược có thể kiếm được lợi nhuận tốt hơn mức tăng chung của thị trường một cách ổn định, người ta nói rằng strategy đó có alpha. Ví dụ nếu chỉ số thị trường tăng trung bình 10% mỗi năm, nhưng một strategy trading tạo ra lợi nhuận 15% mỗi năm, thì phần 5% vượt trội có thể được xem là alpha. Nhiệm vụ chính của các trader định lượng và các quỹ quant chính là tìm ra những signal hoặc pattern trong dữ liệu có thể tạo ra alpha như vậy.
Một trong những khái niệm quan trọng nhất trong quant trading là Signal vs Noise. Nói đơn giản, signal là thông tin thực sự có giá trị dự báo cho biến động giá trong tương lai, còn noise là những biến động ngẫu nhiên của thị trường không mang nhiều ý nghĩa. Vấn đề là trong thị trường tài chính, hai thứ này gần như luôn trộn lẫn với nhau. Mỗi ngày thị trường tạo ra hàng nghìn chuyển động nhỏ: tin tức, dòng tiền ngắn hạn, giao dịch của các quỹ, thậm chí là các lệnh stop loss của trader cá nhân. Phần lớn những chuyển động này thực ra chỉ là noise, nhưng vì trader nhìn thấy giá thay đổi liên tục nên rất dễ nhầm lẫn rằng mọi biến động đều là tín hiệu.
Những giai đoạn thị trường giảm mạnh do chiến tranh hoặc căng thẳng địa chính trị thường khiến nhà đầu tư rơi vào trạng thái rất khó giao dịch. Tin tức tiêu cực xuất hiện liên tục, tâm lý thị trường thay đổi nhanh và dòng tiền có xu hướng rút khỏi tài sản rủi ro. Trong những thời điểm như vậy, nhiều chiến lược đầu tư truyền thống như “mua và giữ” thường gặp khó khăn vì thị trường không còn tăng ổn định mà chuyển sang trạng thái biến động mạnh.
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.
Trong quant trading, dữ liệu không chỉ là nguyên liệu đầu vào mà thực chất là nền tảng quyết định toàn bộ chất lượng của chiến lược. Không giống discretionary trading, nơi trader có thể dựa vào trực giác hoặc kinh nghiệm, quant trading phụ thuộc hoàn toàn vào việc phân tích dữ liệu lịch sử để tìm ra các pattern có thể lặp lại trong tương lai. Những dữ liệu này có thể rất đa dạng: market data truyền thống như giá và khối lượng giao dịch, dữ liệu order book, dữ liệu macro như lãi suất hoặc CPI, thậm chí các dạng alternative data như sentiment từ tin tức hoặc dữ liệu vệ tinh theo dõi hoạt động logistics
Được nghiên cứu và phát triển bởi các chuyên gia từ QMTrade và cộng đồng nhà đầu tư chuyên nghiệp.
Truy cập ngay!