Bộ Phân Tích Tương Quan

Với phần lớn nhà giao dịch, kiểm tra tương quan hàng tuần là đủ. Tương quan thay đổi từ từ trong điều kiện thị trường bình thường. Tuy nhiên, trong giai đoạn căng thẳng hoặc có sự kiện lớn, hãy kiểm tra hàng ngày. Hãy thiết lập cảnh báo cho các thay đổi đáng kể để không phải kiểm tra liên tục. Bộ Phân Tích Tương Quan có thể giám sát liên tục và thông báo cho bạn khi có điều gì quan trọng thay đổi.

Điểm đa dạng hóa (tương quan trung bình theo cặp) dưới 0,5 nhìn chung là tốt, dưới 0,3 là xuất sắc. Trên 0,7 cho thấy đa dạng hóa kém. Lưu ý rằng để đạt điểm rất thấp (dưới 0,2) có thể cần bổ sung các tài sản ít tương quan như vàng hoặc thị trường quốc tế. Với danh mục chỉ gồm cổ phiếu, mức 0,4-0,5 là thực tế và chấp nhận được.

Nhìn chung là không – các cổ phiếu cùng ngành thường có tương quan cao (0,7-0,9) vì chịu tác động bởi những yếu tố tương tự. Để đa dạng hóa, tốt hơn là trải rộng qua các ngành hoặc lớp tài sản khác nhau. Tuy nhiên, trong cùng một ngành, một số cổ phiếu có thể tương quan thấp hơn do mô hình kinh doanh khác nhau (ví dụ ngân hàng tư nhân như VPB, TCB so với ngân hàng có vốn nhà nước chi phối như VCB, BID, CTG).

Không phải lúc nào cũng vậy. Tương quan của vàng với cổ phiếu thay đổi và thậm chí có thể dương trong một số giai đoạn. Tính trung bình, vàng có tương quan âm nhẹ với cổ phiếu, đặc biệt trong giai đoạn thị trường căng thẳng. Tuy nhiên, ở giai đoạn đầu của một đợt sụp đổ (như tháng 3 năm 2020), vàng có thể giảm cùng mọi thứ trước khi phục hồi. Vàng là yếu tố đa dạng hóa tốt trong dài hạn nhưng không phải là phòng hộ chắc chắn cho mọi phiên giảm điểm.

Một con số tương quan duy nhất chỉ là giá trị trung bình trong giai đoạn nhìn lại của bạn. Tương quan trượt cho thấy quan hệ này thay đổi ra sao theo thời gian. Điều này rất quan trọng vì: 1) Bạn thấy được quan hệ ổn định hay đang thay đổi, 2) Bạn nhận diện được khi tương quan tăng vọt (căng thẳng thị trường), 3) Bạn phát hiện được đứt gãy tương quan (quan hệ thay đổi về bản chất). Một tương quan ổn định 0,6 rất khác với một tương quan dao động giữa 0,3 và 0,9.

Hãy dùng Pearson làm mặc định – đây là loại phổ biến nhất và dễ diễn giải. Chuyển sang Spearman khi: 1) Dữ liệu của bạn có nhiều giá trị ngoại lai có thể làm méo kết quả, 2) Bạn nghi ngờ quan hệ phi tuyến (nhưng đơn điệu), 3) Bạn so sánh các loại tài sản rất khác nhau. Thực hành tốt là tính cả hai – nếu chúng tương đồng, bạn có thể tin tưởng Pearson. Nếu Spearman thấp hơn đáng kể, giá trị ngoại lai đang thổi phồng Pearson và bạn nên điều tra.

Cân bằng giữa độ nhạy và độ ổn định: 20-30 ngày nhạy nhưng nhiều nhiễu, 60 ngày là cân bằng, 120+ ngày ổn định nhưng chậm. Để phát hiện chế độ, 60 ngày hoạt động tốt. Để giao dịch cặp, 20-30 ngày bắt thay đổi nhanh hơn. Cho các quyết định danh mục dài hạn, 90-120 ngày phù hợp hơn. Bạn cũng có thể dùng nhiều cửa sổ – ngắn cho tín hiệu, dài cho bối cảnh.

Hãy thận trọng khi: 1) Z-score vượt 3,0 (phân kỳ cực đoan, quan hệ có thể đã đứt gãy), 2) Tương quan trượt giảm dưới 0,6 (quan hệ đang yếu đi), 3) Tin tức cơ bản giải thích sự phân kỳ (có thể không hồi quy về trung bình), 4) Kiểm định đồng tích hợp không còn đạt, 5) Chênh lệch đã đi theo một hướng trong thời gian dài. Luôn dùng lệnh dừng lỗ và đừng cho rằng mọi phân kỳ sẽ hội tụ.

Dòng vốn khối ngoại và tự doanh có thể được đưa vào như các chuỗi thời gian bổ sung. Hãy tính tương quan giữa dòng vốn và lợi suất thị trường. Thông thường, dòng vốn khối ngoại có tương quan với VN-Index và có thể dẫn trước 1-2 ngày. Dùng phân tích dẫn dắt – trễ để tìm độ trễ tối ưu. Bạn cũng có thể dùng dòng vốn như chỉ báo chế độ – khối ngoại và nhà đầu tư trong nước cùng mua là tín hiệu tăng, cùng bán là tín hiệu giảm, dòng vốn ngược chiều cho thấy sự luân chuyển. Lưu ý đặc thù Việt Nam: nhà đầu tư cá nhân trong nước (F0) thường hấp thụ lực bán của khối ngoại, nên dòng vốn ngược chiều khá phổ biến.

Đứt gãy tương quan mang tính riêng lẻ cho một cặp – một quan hệ trước đây ổn định (chẳng hạn tương quan A-B là 0,8) đột ngột thay đổi (giảm xuống 0,4). Điều này có thể do các sự kiện riêng của doanh nghiệp. Thay đổi chế độ mang tính toàn thị trường – mọi tương quan dịch chuyển cùng nhau (ví dụ mọi thứ trở nên tương quan hơn trong khủng hoảng). Đứt gãy ảnh hưởng tới các giao dịch cặp cụ thể của bạn, còn thay đổi chế độ ảnh hưởng tới giả định đa dạng hóa của toàn danh mục.

Các lựa chọn gồm: 1) Dùng tương quan với đại diện ngành để ước lượng, 2) Áp dụng tiên nghiệm Bayes dựa trên các tài sản tương tự, 3) Dùng co kéo mạnh hơn (co kéo về mức tương quan giả định), 4) Bắt đầu với giả định thận trọng (tương quan cao hơn dự kiến), 5) Dùng dữ liệu trong ngày để ước lượng nhanh hơn nếu có. Khi tích lũy thêm dữ liệu, dần giảm trọng số tiên nghiệm. Đừng bao giờ dùng dưới 60-90 điểm dữ liệu cho một ước lượng tương quan đáng tin cậy.

Các cách tiếp cận xác thực: 1) Kiểm thử lại – các nhận định chế độ có dự báo được hành vi thị trường sau đó không? 2) So sánh với các sự kiện đã biết – mô hình có phát hiện tháng 3 năm 2020, khủng hoảng 2008, khủng hoảng trái phiếu Việt Nam 2022 không? 3) Kiểm tra ngoài mẫu – huấn luyện trên giai đoạn trước, kiểm tra trên giai đoạn sau, 4) So sánh nhiều phương pháp phát hiện – chúng có đồng thuận không? 5) Kiểm tra tỷ lệ báo động giả – mô hình báo khủng hoảng mà không có diễn biến tiếp theo bao nhiêu lần? Một mô hình tốt nên có tỷ lệ trúng cao với các thay đổi chế độ thực và ít báo động giả.

T-copula mô hình hóa phụ thuộc đuôi đối xứng (xác suất chuyển động cực đoan đồng thời lên và xuống là như nhau) và là lựa chọn mặc định tốt cho danh mục cổ phiếu. Clayton copula chỉ có phụ thuộc đuôi dưới (cùng lao dốc nhưng không cùng bùng nổ), phù hợp với bằng chứng thực nghiệm cho cổ phiếu. Dùng Clayton khi đặc biệt lo ngại rủi ro giảm giá. Bạn cũng có thể khớp cả hai và so sánh chỉ số phù hợp. Với phần lớn ứng dụng cổ phiếu, t-copula với bậc tự do thấp (4-8) nắm bắt được rủi ro đuôi chủ chốt.

Cách tiếp cận: 1) Tính tương quan giữa các cổ phiếu của bạn và các nhân tố đã biết (thị trường, giá trị, đà tăng, chất lượng, v.v.), 2) Nhóm cổ phiếu theo mức độ tiếp xúc nhân tố, 3) Theo dõi tương quan nhân tố trượt để phát hiện sự luân chuyển nhân tố, 4) Giám sát khi tương quan nhân tố tăng vọt (rủi ro sụp đổ nhân tố), 5) Xây dựng danh mục trung lập nhân tố bằng cách cân bằng các mức tiếp xúc. Phân tích thành phần chính (PCA) trên ma trận tương quan có thể bộc lộ các nhân tố ẩn chi phối danh mục của bạn.

Kiến trúc: 1) Luồng dữ liệu giá theo thời gian thực cho mọi tài sản được giám sát, 2) Tính lợi suất theo tần suất đã chọn (5 phút, 15 phút), 3) Dùng tương quan trọng số mũ để tăng độ nhạy, 4) Chu kỳ bán rã ngắn (2-4 giờ) để bắt các thay đổi trong ngày, 5) So sánh với tương quan hàng ngày làm mỏ neo, 6) Cảnh báo khi có độ lệch trong ngày đáng kể so với mẫu hình hàng ngày. Lưu ý: Tương quan trong ngày nhiều nhiễu hơn, đừng phản ứng thái quá với các đợt tăng vọt ngắn hạn. Hãy dùng để xác nhận các tín hiệu khác thay vì làm tín hiệu kích hoạt chính.