Bộ Dự Báo Biến Động

Với hầu hết nhà giao dịch, kiểm tra một lần mỗi ngày (sau khi đóng cửa thị trường) là đủ. Các trạng thái biến động thay đổi dần dần trong nhiều ngày, không phải trong vài phút. Hãy thiết lập cảnh báo cho những thay đổi đáng kể để bạn không cần phải liên tục theo dõi. Nhà giao dịch trong phiên có thể muốn cập nhật thường xuyên hơn, nhưng dự báo theo ngày là tiêu chuẩn.

Nếu dự báo của bạn liên tục vượt trội so với bước đi ngẫu nhiên (dùng biến động của ngày hôm qua làm dự báo), bạn đang làm tốt. Dự báo hoàn hảo là điều không thể. RMSE nên thấp hơn đáng kể so với mốc tham chiếu, và độ chính xác về hướng trên 55-60% là có ý nghĩa. Hãy tập trung vào việc dự báo có cải thiện quyết định giao dịch của bạn hay không, thay vì các chỉ số độ chính xác tuyệt đối.

Cả hai đều có giá trị. Biến động lịch sử cho bạn biết điều gì đã thực sự xảy ra; biến động hàm ý cho bạn biết thị trường kỳ vọng gì. Với giao dịch quyền chọn/chứng quyền, việc so sánh hai chỉ số này rất hữu ích - nếu IV cao hơn nhiều so với ước tính lịch sử của bạn, quyền chọn có thể đang được định giá quá cao. Với việc xác định khối lượng vị thế và điểm cắt lỗ, kết hợp cả hai thường cho kết quả tốt nhất.

IV có thể diễn biến bất ngờ trong ngắn hạn. Đôi khi nó tăng ngay cả khi thị trường ổn định (do dự đoán các sự kiện sắp tới). Đôi khi nó giảm trong những đợt suy giảm chậm (không có hoảng loạn, chỉ là trôi dạt). Mối quan hệ nghịch điển hình với VN30 là một xu hướng chung, không phải quy luật. Hãy tập trung vào mức độ và xu hướng tổng thể thay vì các dao động hằng ngày. Ngoài ra, vì Việt Nam chưa có chỉ số biến động chính thức, VN30 IV là chỉ số ước tính nên có thể nhạy hơn với thanh khoản của chứng quyền có bảo đảm.

Dự báo ngắn hạn (1-5 ngày) nhìn chung chính xác nhất. Mô hình GARCH và các mô hình tương tự cung cấp dự báo hữu ích đến khoảng 20-30 ngày. Xa hơn nữa, dự báo hội tụ về mức biến động trung bình dài hạn và bổ sung ít giá trị hơn so với việc chỉ dùng trung bình lịch sử. Với chân trời dài hơn, hãy tập trung vào cấu trúc kỳ hạn từ quyền chọn/chứng quyền thay vì các dự báo điểm.

Hãy bắt đầu với GJR-GARCH (nắm bắt tính bất đối xứng) với sai số Student-t (nắm bắt đuôi dày) - đây là lựa chọn mặc định tốt cho cổ phiếu. So sánh các mô hình bằng tiêu chí thông tin (AIC, BIC) và độ chính xác dự báo ngoài mẫu. Mô hình 'tốt nhất' về mặt thống kê có thể không tốt nhất cho ứng dụng giao dịch của bạn, vì vậy hãy đánh giá thêm dựa trên việc dự báo tác động thế nào đến hiệu quả giao dịch của bạn.

Tái khớp hằng tuần hoặc hằng tháng là phổ biến. Tái khớp thường xuyên hơn nắm bắt được động lực gần đây nhưng cũng thêm nhiễu. Nếu cấu trúc thị trường thay đổi đáng kể (chuyển trạng thái, khủng hoảng), tái khớp ngay có thể có ích. Hãy theo dõi xem độ chính xác dự báo gần đây có suy giảm hay không - nếu có, hãy tái khớp sớm hơn. Cân bằng giữa tính ổn định (tái khớp ít hơn) và khả năng thích ứng (tái khớp nhiều hơn).

Dự báo của bạn dùng dữ liệu lịch sử và mô hình; IV dùng giá quyền chọn/chứng quyền hiện tại. Sự khác biệt là bình thường và có thể có giá trị: 1) Dự báo của bạn có thể trễ hơn so với thông tin gần đây mà IV đã phản ánh, 2) IV bao gồm phần bù rủi ro biến động (thường cao hơn biến động thực tế 2-4 điểm), 3) IV thường cho chân trời 30 ngày trong khi dự báo của bạn có thể cho chân trời khác. Hãy dùng sự so sánh này như một tín hiệu giao dịch.

Với các sự kiện đã biết: 1) IV đã phản ánh biến động kỳ vọng của sự kiện, nên hãy dùng cấu trúc kỳ hạn IV để định hướng, 2) Mô hình lịch sử có thể ước tính thấp nếu sự kiện bất thường, 3) Cân nhắc dùng biến giả (dummy) trong mô hình cho các sự kiện lặp lại như kỳ họp Quốc hội hay công bố hạn mức tăng trưởng tín dụng của Ngân hàng Nhà nước (SBV), 4) Sau sự kiện, hãy chờ đợi sụp đổ biến động nếu kết quả sự kiện nằm trong kỳ vọng. Cách tiếp cận tổ hợp giúp ích nhờ đưa vào IV vốn đã nhận biết được sự kiện. Lưu ý các giai đoạn đặc thù của thị trường Việt Nam như mùa công bố kết quả kinh doanh, kỳ tái cơ cấu danh mục của các quỹ ETF, và hiệu ứng quanh Tết Nguyên đán.

Dữ liệu trong phiên có thể cải thiện dự báo thông qua các thước đo 'biến động thực tế' (tổng bình phương lợi suất 5 phút). Tuy nhiên, điều này làm tăng độ phức tạp và yêu cầu dữ liệu. Với hầu hết người dùng, dữ liệu theo ngày kết hợp phương pháp phù hợp (Yang-Zhang) là đủ. Hãy cân nhắc cách tiếp cận trong phiên nếu bạn cần dự báo rất ngắn hạn hoặc đang triển khai hệ thống cấp tổ chức tinh vi. Cũng cần lưu ý đặc thù giao dịch T+0 của hợp đồng tương lai VN30 và biên độ dao động trong phiên (±7% trên HOSE).

Các thành phần chính: 1) Đường ống dữ liệu đáng tin cậy với kiểm tra chất lượng, 2) Tầng mô hình với GARCH, xử lý IV, học máy tùy chọn, 3) Bộ kết hợp tổ hợp với trọng số được theo dõi, 4) API đầu ra phục vụ dự báo cho các hệ thống giao dịch, 5) Giám sát suy giảm độ chính xác và cảnh báo, 6) Tái ước lượng theo lịch với kiểm soát phiên bản. Hãy cân nhắc dự phòng, dự báo thay thế khi sự cố, và nhật ký kiểm toán. Bắt đầu đơn giản và bổ sung độ phức tạp dựa trên giá trị đã được chứng minh.

Học máy có thể bổ sung giá trị khi: 1) Bạn có các đặc trưng giàu thông tin ngoài giá (khối lượng, dữ liệu quyền chọn, vĩ mô), 2) Có các mẫu phi tuyến mà GARCH không nắm bắt được, 3) Bạn có đủ dữ liệu để huấn luyện mà không quá khớp, 4) Bạn triển khai kiểm định tiến dần theo thời gian đúng cách. Thường thì học máy chỉ bổ sung cải thiện khiêm tốn so với GARCH - đôi khi không có. Cách tiếp cận lai (học máy trên phần dư GARCH, hoặc dùng GARCH làm đặc trưng cho học máy) thường cho kết quả tốt nhất. Hãy luôn kiểm chứng rằng độ phức tạp chuyển hóa thành kết quả giao dịch tốt hơn.

Biến động danh mục phụ thuộc vào biến động của từng tài sản VÀ các mối tương quan. Các cách tiếp cận: 1) Dự báo biến động từng tài sản + dùng DCC-GARCH cho tương quan, rồi kết hợp, 2) Mô hình hóa trực tiếp lợi suất danh mục bằng GARCH đơn biến (đơn giản hơn nhưng mất chi tiết), 3) Cách tiếp cận nhân tố - phân rã thành các nhân tố, dự báo biến động nhân tố. Hãy lưu ý rằng tương quan tăng lên khi căng thẳng (đa dạng hóa thất bại). Để quản lý rủi ro, hãy dùng các tương quan đã được kiểm tra sức chịu đựng (stress test) cùng với biến động dự báo. Trên thị trường Việt Nam, lưu ý nhóm ngân hàng trong VN30 thường có tương quan nội nhóm cao và nhạy với chính sách của SBV.

Dự báo bề mặt khó kiểm chứng hơn biến động ATM. Các cách tiếp cận: 1) Theo dõi độ chính xác của mức ATM, độ dốc cấu trúc kỳ hạn, và độ nghiêng riêng biệt, 2) Đánh giá giá trị kinh tế - các giao dịch dựa trên dự báo bề mặt (giao dịch độ nghiêng, chênh lệch lịch) có tạo ra lãi/lỗ không? 3) Dùng phân rã nhân tố - dự báo các nhân tố, kiểm chứng độ chính xác từng nhân tố, 4) So sánh với các mốc tham chiếu như bước đi ngẫu nhiên trên từng điểm bề mặt hoặc ngoại suy tham số đơn giản. Hãy chấp nhận rằng dự báo bề mặt bất định hơn dự báo mức. Lưu ý thêm: tại Việt Nam, dữ liệu bề mặt biến động bị giới hạn do thị trường chứng quyền có bảo đảm còn nông và tập trung ở một số mã, nên cần thận trọng khi nội suy.

Các cạm bẫy thường gặp: 1) Quá khớp - mô hình phức tạp không tổng quát hóa được, 2) Thiên lệch nhìn trước - dùng thông tin tương lai trong kiểm định ngược, 3) Thiên lệch sống sót - chỉ kiểm tra trên dữ liệu hiện có, 4) Bỏ qua chi phí giao dịch - lợi thế lý thuyết mất vào chi phí, 5) Không xử lý chuyển trạng thái - mô hình huấn luyện trong giai đoạn bình lặng thất bại khi khủng hoảng, 6) Quá phụ thuộc vào IV - vốn chứa phần bù rủi ro và có thể không dự đoán được biến động thực tế, 7) Không theo dõi độ chính xác - tiếp tục dùng dự báo đã suy giảm. Hãy giảm thiểu bằng kiểm chứng nghiêm ngặt, giám sát liên tục, và sự hoài nghi lành mạnh. Trên thị trường Việt Nam, hãy đặc biệt chú ý đến thanh khoản mỏng, biên độ dao động giá theo quy định, và các thay đổi cấu trúc như việc FTSE Russell nâng hạng Việt Nam lên thị trường mới nổi (hiệu lực 21/9/2026) có thể làm thay đổi đặc tính biến động.