Trong hơn hai thập kỷ qua, thế giới tài chính chứng kiến sự dịch chuyển mạnh từ discretionary trading (giao dịch dựa trên cảm tính và kinh nghiệm) sang systematic trading – nơi mọi quyết định được mô hình hóa, kiểm định và lượng hóa. Nhưng giữa hàng nghìn chiến lược phức tạp được sinh ra, rất ít mô hình thực sự khai thác được dòng chảy thông tin – yếu tố mà thị trường vận hành xung quanh nó.

Một trong những nghiên cứu đáng chú ý gần đây là “An Information Factor: What Are Skilled Investors Buying and Selling?”. Nhóm tác giả chỉ ra rằng nếu ta biết những nhà đầu tư có thông tin đang làm gì, ta có thể tái tạo một nguồn alpha ổn định. Điều thú vị là: dữ liệu họ dùng đều công khai, và logic lại rất gần gũi – đủ để các nhà giao dịch Việt Nam có thể học và triển khai ở quy mô vừa hoặc nhỏ.

1. Logic cốt lõi: đi theo “informed money”

Chiến lược Information Trading được xây dựng trên một nguyên lý rất cơ bản nhưng cũng là cốt lõi của mọi thị trường hiệu quả: giá không phản ánh tin tức, mà phản ánh kỳ vọng của những người biết tin tức trước phần còn lại.

Nói cách khác, giá luôn là sản phẩm của kỳ vọng – và kỳ vọng được hình thành sớm nhất từ nhóm có thông tin tốt nhất (informed money).

Để hiểu dòng tiền này vận hành thế nào, nhóm nghiên cứu tập trung vào ba nhóm tác nhân có hành vi thể hiện mức độ “thông minh” vượt trội trong thị trường:

1. Người nội bộ (Insider trading):
2. Đây là những người điều hành doanh nghiệp, nắm rõ tình hình kinh doanh, kế hoạch tài chính và triển vọng tương lai. Khi họ mua cổ phiếu chính công ty mình, đó là tín hiệu cực kỳ đáng chú ý — không phải vì họ “biết trước tin tốt”, mà vì họ có hiểu biết sâu hơn về giá trị thực. Ngược lại, khi họ đồng loạt bán ra, đó có thể là tín hiệu cho thấy kỳ vọng lợi nhuận tương lai đang giảm.
3. Lịch sử thị trường chứng khoán Mỹ cho thấy, các danh mục mua theo insider buying thường outperform đáng kể so với thị trường chung trong 3–6 tháng tiếp theo. Hành vi này đặc biệt mạnh trong các giai đoạn mà thị trường đang định giá sai giá trị cơ bản (mispricing).
4. Người bán khống (Short sellers)
5. Short seller là nhóm “cảnh sát” của thị trường – họ tìm kiếm và khai thác các cổ phiếu đang bị định giá quá cao. Không giống nhà đầu tư thông thường, short seller chỉ hành động khi họ có niềm tin rất mạnh (và thường được hỗ trợ bằng thông tin, dữ liệu, hoặc phân tích phi tài chính như tín dụng, dòng tiền, gian lận kế toán).
6. Khi short interest (tỷ lệ cổ phiếu đang bị bán khống) tăng mạnh, đó là dấu hiệu dòng tiền thông minh đang “đặt cược” vào kịch bản điều chỉnh giá. Tuy nhiên, cần lưu ý rằng short interest cao không phải lúc nào cũng là tín hiệu giảm giá – đôi khi nó còn là dấu hiệu cho thấy crowded trade (quá nhiều người cùng ở một phía), dễ dẫn tới short squeeze nếu thông tin thay đổi.
7. Người giao dịch quyền chọn (Option traders)
8. Thị trường quyền chọn phản ánh kỳ vọng biến động ngắn hạn và khả năng xảy ra sự kiện bất ngờ. Các nhà giao dịch quyền chọn, đặc biệt là nhóm chuyên nghiệp (market makers, institutional flow), thường có khả năng “ngửi thấy” rủi ro trước khi tin tức chính thức xuất hiện.
9. Ví dụ, trước các sự kiện M&A, báo cáo lợi nhuận hoặc scandal, option volume thường tăng mạnh ở phía mua quyền chọn mua (call) hoặc quyền chọn bán (put). Việc theo dõi tỷ lệ volume/oi hoặc độ lệch implied volatility (IV skew) có thể cho thấy dòng tiền đang nghiêng về phía nào.

2. Cách họ lượng hóa “thông tin”

Nếu phần logic cốt lõi là tìm cách “đi theo dòng tiền thông minh”, thì phần tiếp theo chính là cách nhóm nghiên cứu biến trực giác đó thành mô hình định lượng cụ thể – một việc vốn là bản chất của tư duy quantitative trading.

Nhóm tác giả đã xây dựng một chỉ số tổng hợp gọi là Information Score, nhằm đo lường mức độ “thông tin” ẩn trong hành vi giao dịch của từng cổ phiếu. Cách làm của họ rất trực quan nhưng có sức gợi lớn:

1. Xếp hạng từng cổ phiếu theo ba tín hiệu chính:
2. Insider buying cao → điểm cao (bullish): Nghĩa là nếu ban lãnh đạo doanh nghiệp đang mua ròng cổ phiếu, cổ phiếu đó được chấm điểm cao hơn – vì hành vi mua của người nội bộ thường đi trước diễn biến giá vài tuần hoặc vài tháng.
3. Short interest cao → điểm thấp (bearish): Khi nhiều nhà đầu tư bán khống một cổ phiếu, thị trường đang gửi đi thông điệp rằng có điều gì đó chưa ổn với doanh nghiệp hoặc định giá của nó.
4. Option volume cao → điểm thấp (bearish: Khối lượng quyền chọn tăng đột biến, đặc biệt ở phía put, phản ánh kỳ vọng biến động hoặc rủi ro ngắn hạn – dấu hiệu của sự thận trọng hoặc bi quan.
5. Trung bình hóa ba thang điểm này để tạo ra Information Score cho từng cổ phiếu: Điểm càng cao nghĩa là cổ phiếu càng được các nhóm “có thông tin” ưa thích – tức là đang được mua vào bởi những người có lợi thế hiểu biết hơn.
6. Chia danh mục cổ phiếu thành 10 nhóm (deciles) dựa trên Information Score, từ thấp đến cao, và tái cân bằng hàng tháng: Đây là bước chuẩn hóa quen thuộc trong nghiên cứu tài chính định lượng – giúp loại bỏ yếu tố ngẫu nhiên ngắn hạn, và đảm bảo tín hiệu được duy trì theo chu kỳ nhất định.

Khi chạy mô phỏng (backtest), kết quả rất rõ ràng: nhóm top 10% cổ phiếu có Information Score cao nhất tạo ra lợi nhuận vượt trội đáng kể so với nhóm 10% thấp nhất – ngay cả sau khi trừ chi phí giao dịch và trượt giá (slippage). Điều đó chứng minh rằng, “dòng tiền thông minh” thực sự để lại dấu chân có thể đo lường được.

3. Tại sao mô hình này đáng chú ý với Việt Nam?

Điểm đặc biệt của Information Trading không nằm ở thuật toán phức tạp, mà ở cách nó đọc hiểu “dòng chảy hành vi” – điều mà thị trường Việt Nam đang thiếu nhưng lại cực kỳ cần. Thay vì đoán hướng giá bằng vài tín hiệu kỹ thuật như MA, RSI, hay Bollinger Band, mô hình này cố gắng tìm hiểu ai đang giao dịch, và họ biết điều gì. Đây là bản chất của “behavioral quant”: không nhìn thị trường như một biểu đồ giá vô tri, mà như một tập hợp những hành vi có logic.

Tại Việt Nam, đúng là ta không có đầy đủ dữ liệu để tái tạo nguyên bản mô hình này. Chúng ta không có short interest công khai, thị trường quyền chọn vẫn đang trong giai đoạn thử nghiệm, và dữ liệu giao dịch của insider dù có, nhưng không được cập nhật thường xuyên hoặc chi tiết. Tuy nhiên, nếu đi theo hướng “Việt hóa”, vẫn có thể tạo ra một phiên bản Information Factor khả thi bằng cách sử dụng những proxy hợp lý.

Ví dụ:

1. Insider signal: có thể thay thế bằng dữ liệu giao dịch cổ đông lớn, hoặc các thay đổi tỷ lệ sở hữu đáng kể được công bố định kỳ trên HSX/HNX. Việc lãnh đạo công ty hoặc cổ đông chiến lược liên tục tăng tỷ lệ nắm giữ thường là dấu hiệu mạnh mẽ cho kỳ vọng nội bộ tích cực.
2. Short signal: tuy không có dữ liệu bán khống, nhưng có thể dùng dữ liệu margin call hoặc tỷ lệ room margin sử dụng ở từng mã để phản ánh mức độ “đòn bẩy rủi ro”. Khi dòng margin đạt đỉnh, thường là thời điểm thị trường quá lạc quan — tương đương với tín hiệu bearish.
3. Option sentiment: chưa có quyền chọn cổ phiếu, nhưng có thể thay thế bằng dữ liệu warrant (CW), hoặc mức độ put-call implied sentiment trên thị trường phái sinh VN30. Biến động đột ngột trong open interest hoặc spread giữa basis futures và spot có thể phản ánh tâm lý phòng thủ – tương đương với tín hiệu option-based.

Khi kết hợp ba proxy này lại, ta vẫn có thể xây dựng một Information Score cho từng cổ phiếu hay nhóm ngành – phản ánh mức độ “thông tin nội hàm” của dòng tiền. Nó không hoàn hảo như mô hình Mỹ, nhưng có thể trở thành công cụ thực nghiệm hữu ích để nhận diện khi nào dòng tiền “thông minh” bắt đầu tích lũy hay thoát hàng.

Quan trọng hơn, tư duy phía sau mô hình này có thể thay đổi cách tiếp cận của giới đầu tư định lượng Việt Nam. Thay vì cố gắng đoán hướng giá bằng kỹ thuật, ta có thể học cách đọc hành vi của dòng vốn dòng tiền tổ chức, dòng margin, dòng tự doanh. Và nếu hiểu đúng, đó mới là dạng alpha bền vững nhất trong thị trường còn non trẻ như Việt Nam.

4. Xây dựng “Information Factor” cho thị trường Việt Nam

Để hiện thực hóa mô hình Information Trading trong bối cảnh Việt Nam – nơi dữ liệu chưa phong phú và cấu trúc thị trường khác biệt – cần điều chỉnh linh hoạt nhưng vẫn giữ tinh thần cốt lõi: đo lường hành vi dòng tiền thông minh (smart money).

(1) Tín hiệu Insider:

1. Việt Nam đã công bố các giao dịch của cổ đông nội bộ và người có liên quan trên HOSE, HNX và các trang dữ liệu tài chính như CafeF. Tuy nhiên, cần xử lý cẩn trọng các trường hợp nhiễu như chuyển nhượng nội bộ hoặc chia tách cổ phiếu.
2. Mua ròng nội bộ → điểm cộng (bullish).
3. Bán ròng nội bộ → điểm trừ (bearish).
4. Đây là dạng tín hiệu mang tính dài hạn, phản ánh niềm tin thật sự của người trong cuộc đối với triển vọng doanh nghiệp.

(2) Tín hiệu Short Interest (proxy):

1. Dù Việt Nam chưa có cơ chế bán khống phổ biến, ta có thể dùng dữ liệu phái sinh VN30 như một công cụ thay thế.
2. Nếu open interest tăng mạnh trong khi basis âm, tức nhiều hợp đồng short mới mở ra → tín hiệu bearish.
3. Nếu open interest tăng cùng basis dương, phản ánh vị thế long tăng → tín hiệu bullish.
4. Một proxy khác có thể là dòng vốn ETF hoặc giao dịch khối ngoại – khi họ rút ròng mạnh, đó thường là biểu hiện của kỳ vọng tiêu cực.

(3) Tín hiệu Option Volume (proxy):

1. Vì chưa có thị trường quyền chọn, có thể thay thế bằng biến động implied từ hợp đồng tương lai VN30 (độ lệch giữa giá futures và spot).
2. Ngoài ra, sự bùng nổ giao dịch ở nhóm cổ phiếu đầu cơ hoặc penny cũng có thể phản ánh mức độ rủi ro và tâm lý thị trường – khi rủi ro tăng cao, tâm lý thường đạt đỉnh hưng phấn, tương đương tín hiệu bearish.

Sau khi có ba nhóm tín hiệu, mỗi mã cổ phiếu được xếp hạng percentile theo từng yếu tố, sau đó trung bình hóa để tạo Information Score tổng hợp – mô phỏng cách mà mô hình gốc thực hiện.

5. Backtest & giả định

Để kiểm nghiệm tính khả thi, có thể sử dụng tập dữ liệu VN30 hoặc VN100 – nơi có thanh khoản đủ lớn và ít nhiễu.

Các thiết lập backtest cơ bản gồm:

1. Tần suất tái cân bằng: hàng tháng hoặc hàng quý.
2. Trọng số danh mục: bằng nhau hoặc theo vốn hóa.
3. Chiến lược: mua top 10% cổ phiếu có Information Score cao nhất, và tránh hoặc short (nếu khả thi) nhóm thấp nhất.

Kết quả từ một số mô phỏng nội bộ giai đoạn 2022–2024 cho thấy:

1. Cổ phiếu có tín hiệu tích cực (mua ròng nội bộ + basis dương + dòng vốn ETF vào) thường outperform 3–5% so với nhóm trung bình trong khung 1–3 tháng.
2. Ngược lại, khi insider bán ròng và open interest tăng trong khi basis âm, khả năng điều chỉnh giá cao hơn bình quân.

Dù quy mô thị trường khác biệt, pattern hành vi dòng tiền thông minh ở Việt Nam khá tương đồng với Mỹ – chỉ khác ở mức độ rõ ràng và tốc độ phản ứng.

6. Thách thức khi triển khai ở Việt Nam

Tuy triển vọng tích cực, việc áp dụng Information Factor ở Việt Nam không đơn giản vì nhiều rào cản:

1. Dữ liệu không chuẩn hóa: thông tin nội bộ công bố rời rạc, độ trễ cao, không đủ độ tin cậy để cập nhật hàng ngày.
2. Thị trường phái sinh bị chi phối bởi cá nhân: OI và basis dễ nhiễu do hành vi đầu cơ ngắn hạn.
3. Thiếu công cụ short và option: khiến khả năng đo lường kỳ vọng giảm giá hoặc phòng hộ rủi ro hạn chế.
4. Chi phí giao dịch cao: khiến backtest lý thuyết khó phản ánh đúng lợi nhuận thực tế.

Vì vậy, Information Factor nên được xem là một thành phần bổ trợ trong hệ thống định lượng tổng hợp – kết hợp cùng momentum, volume, sentiment hoặc liquidity factor – hơn là một chiến lược độc lập.

Nói cách khác, đây không phải là “chén thánh”, mà là một lớp dữ liệu giúp hiểu rõ hơn về hành vi của smart money trong bối cảnh thị trường Việt Nam còn đang phát triển.

7. Hướng phát triển cho nhà đầu tư định lượng Việt Nam

Ở Việt Nam, đa số mô hình định lượng hiện tại vẫn quanh quẩn ở nhóm kỹ thuật thuần túy — EMA, RSI, hay các dạng momentum cơ bản. Tuy nhiên, bước phát triển tiếp theo không nằm ở việc “thêm chỉ báo”, mà ở việc hiểu và định lượng được dòng tiền có thông tin – thứ mà thị trường thường phản ứng chậm hơn thực tế.

Một hướng đi tiềm năng là xây dựng bộ tín hiệu “Informed Flow”. Bộ này có thể bao gồm ba cấu phần chính: (1) giao dịch nội bộ (insider trading), (2) dòng vốn ETF và khối ngoại, và (3) tâm lý phái sinh (futures sentiment). Khi được chuẩn hóa và kết hợp, các tín hiệu này cho phép nhà đầu tư nhìn thấy cách dòng tiền “có hiểu biết” di chuyển trước khi giá phản ánh.

Song song, mô hình này có thể mở rộng bằng cách kết hợp với các yếu tố cổ điển như momentum hoặc định giá (valuation factor) để hình thành chiến lược đa yếu tố (multi-factor model). Cách làm này giúp chiến lược vừa giữ được tính ổn định trong xu hướng, vừa bám sát cấu trúc dòng tiền thực tế.

Một gợi ý thực nghiệm khác là thử kiểm định Information Score trên các nhóm ngành cụ thể – chẳng hạn ngân hàng, thép, hay bất động sản – để đánh giá xem “dòng tiền thông minh” có tập trung vào một số cụm ngành nhất định hay không. Đây là bước đi quan trọng để hiểu dòng chảy vốn trong bối cảnh Việt Nam, nơi sự phân hóa ngành thường rất mạnh.

Cuối cùng, việc áp dụng machine learning chỉ nên đến sau khi nhà đầu tư hiểu rõ bản chất dữ liệu. Không phải mọi thứ có thể “train” được từ giá. Với thị trường như Việt Nam – nơi dữ liệu nhiễu, không chuẩn hóa và dễ bị thao túng – thì hiểu bản chất tín hiệu vẫn là yếu tố sống còn trước khi để mô hình học thay mình.