Factor Timing: Có thật sự dự đoán được lúc Value hay Momentum sắp thắng?

PHẦN 1. Có thể dự đoán khi nào Value sẽ thắng Momentum?

Sau khi quan sát Value và Momentum lần lượt dẫn đầu qua các giai đoạn, nhà đầu tư rất dễ nghĩ đến một chiến lược tưởng như hợp lý: khi cổ phiếu rẻ chuẩn bị được thị trường chú ý, tăng tỷ trọng Value; khi xu hướng giá tiếp tục mạnh lên, chuyển sang Momentum. Nếu luân chuyển đúng thời điểm, danh mục có thể vừa tận dụng được cơ hội vừa tránh những giai đoạn một factor mất tác dụng.

Khó khăn nằm ở chữ “chuẩn bị”. Khi nhìn lại biểu đồ, thời điểm chuyển giao thường khá rõ. Nhưng ở đúng thời điểm phải ra quyết định, dữ liệu hiếm khi đưa ra một câu trả lời thống nhất. Định giá có thể nghiêng về Value, diễn biến giá vẫn ủng hộ Momentum, còn thông tin lợi nhuận doanh nghiệp chưa đủ để xác nhận điều gì.

Giả sử một danh mục cổ phiếu có định giá thấp đã thua nhóm cổ phiếu tăng giá mạnh trong hai năm. Khoảng cách định giá giữa hai nhóm tiếp tục mở rộng. Nhà đầu tư có thể lập luận rằng Value đang hấp dẫn hơn và khoảng cách này khó kéo dài mãi. Tuy nhiên, “khó kéo dài mãi” không có nghĩa là sẽ kết thúc trong tháng tới, quý tới, hoặc trước khi nhà đầu tư hết kiên nhẫn.

Đây là khác biệt quan trọng giữa định giá hấp dẫn và tín hiệu thời điểm. Một mức giá thấp có thể giúp hình thành kỳ vọng lợi nhuận dài hạn, nhưng chưa xác định được khi nào thị trường sẽ điều chỉnh cách định giá. Nếu dùng một tín hiệu có ý nghĩa trong vài năm để giao dịch theo tháng, nhà đầu tư có thể liên tục chuyển danh mục trước khi luận điểm ban đầu kịp được kiểm chứng.

Ngay cả khái niệm “Value thắng Momentum” cũng cần làm rõ. Thắng trong một tháng khác với thắng trong ba năm. Thắng về lợi nhuận tuyệt đối khác với thắng về lợi nhuận sau điều chỉnh rủi ro. Một danh mục giảm 8% trong khi danh mục còn lại giảm 15% là bên thắng tương đối, nhưng người nắm giữ vẫn mất tiền. Nếu không chốt trước mục tiêu, chúng ta rất dễ thay đổi cách đánh giá để bảo vệ một quyết định đã đưa ra.

Trong thực tế, có ít nhất ba tình huống dễ bị nhầm lẫn.

Tình huống thứ nhất là cổ phiếu rẻ vì thị trường đang đánh giá quá bi quan. Nếu hoạt động kinh doanh ổn định hơn kỳ vọng, nhóm này có thể được định giá lại. Tình huống thứ hai là cổ phiếu rẻ vì lợi nhuận đang ở mức cao khó duy trì. P/E thấp khi đó chưa chắc phản ánh cơ hội, bởi mẫu số lợi nhuận có thể giảm đáng kể. Tình huống thứ ba là doanh nghiệp rẻ nhưng thiếu động lực thay đổi, khiến giá có thể đi ngang rất lâu.

Cả ba đều có thể xuất hiện trong cùng một danh mục Value. Vì vậy, quan sát “Value đang rẻ” chưa đủ để kết luận “Value sắp thắng”. Nhà nghiên cứu còn phải hỏi mức rẻ đó được đo bằng gì, chất lượng dữ liệu ra sao và thành phần danh mục có thay đổi hay không.

Với Momentum, vấn đề tương tự xuất hiện ở phía ngược lại. Một nhóm cổ phiếu đã tăng mạnh có thể tiếp tục dẫn đầu nếu thông tin tích cực được phản ánh dần vào giá. Nhưng khi kỳ vọng thay đổi nhanh, danh mục dựa trên xu hướng cũ có thể phản ứng chậm. Nếu mô hình chỉ nhìn lợi nhuận quá khứ, nó có thể vẫn giữ nhóm từng dẫn đầu khi dòng tiền đã bắt đầu chuyển hướng.

Điều này không có nghĩa cứ Momentum giảm mạnh thì phải mua Value. Hai nhóm không nhất thiết là hai phía đối lập hoàn toàn. Một cổ phiếu có thể vừa tương đối rẻ vừa đang tăng giá; một cổ phiếu khác có thể vừa đắt vừa có xu hướng yếu. Mức độ trùng lặp phụ thuộc cách chấm điểm và xây dựng danh mục. Trước khi nghiên cứu chuyển factor, cần biết thực chất mình đang chuyển giữa những tập cổ phiếu nào.

Có thể hình dung một tình huống giả định: nhà đầu tư tăng tỷ trọng Value từ 50% lên 80% vì chênh lệch định giá lên mức cao so với lịch sử. Sáu tháng tiếp theo, Momentum vẫn dẫn đầu. Nhà đầu tư bắt đầu nghi ngờ tín hiệu và quay về Momentum. Ngay sau đó, nhóm Value phục hồi.

Vấn đề trong tình huống này không chỉ là dự báo sai. Đó còn là sự thiếu thống nhất giữa thời hạn của tín hiệu, giới hạn chịu lỗ tương đối và quy tắc thay đổi quyết định. Một luận điểm có thể hợp lý về dài hạn nhưng không phù hợp với cách vận hành danh mục của người sử dụng.

Bởi vậy, câu hỏi thực tế hơn không phải là “Có đoán đúng ngày Value trở lại được không?”, mà là: Thông tin hiện có giúp cải thiện quyết định phân bổ đến mức nào, trong khoảng thời gian nào và với sai số nào?

Một tín hiệu timing hữu ích không nhất thiết phải chỉ đúng mọi điểm đảo chiều. Nó có thể chỉ giúp điều chỉnh tỷ trọng vừa phải khi điều kiện tương đối thuận lợi. Nhưng lợi ích đó phải xuất hiện đủ ổn định và đủ lớn để bù cho những lần điều chỉnh sai, chi phí giao dịch và thời gian phải chờ đợi.

Factor là đặc điểm thống kê của một nhóm tài sản, không phải lời bảo đảm cho từng cổ phiếu. Một mã có điểm Value cao vẫn có thể giảm mạnh; một mã có Momentum tốt vẫn có thể đảo chiều. Khi chuyển từ nghiên cứu danh mục sang quyết định mua từng mã, rủi ro riêng của doanh nghiệp vẫn cần được xem xét. Không thể dùng bằng chứng về factor để bỏ qua chất lượng lợi nhuận, cấu trúc tài chính hoặc khả năng giao dịch của cổ phiếu.

PHẦN 2. Factor timing giữa kỳ vọng đẹp và bằng chứng ngoài mẫu

Nghiên cứu How Do Factor Premia Vary Over Time? A Century of Evidence của Antti Ilmanen, Ronen Israel, Rachel Lee, Tobias J. Moskowitz và Ashwin Thapar, đăng trên Journal of Investment Management năm 2021, xem xét bốn nhóm factor — Value, Momentum, Carry và Defensive — trên sáu nhóm tài sản với dữ liệu trải dài khoảng một thế kỷ. Đây là phạm vi nghiên cứu rộng hơn nhiều so với việc chỉ quan sát Value và Momentum trong một thị trường cổ phiếu.

Kết quả đáng chú ý là nhóm tác giả tìm thấy sự biến thiên theo thời gian của lợi nhuận factor sau điều chỉnh rủi ro, nhưng khả năng dự báo để khai thác biến thiên đó tương đối khiêm tốn. Nhiều chiến lược timing khó đạt hiệu quả thuyết phục khi tính đúng độ trễ dữ liệu và chi phí giao dịch. Kết luận này không đồng nghĩa mọi hình thức timing đều bất khả thi; nó cho thấy khoảng cách giữa phát hiện thống kê và lợi ích triển khai.

Để đánh giá một mô hình factor timing, cần tách ba câu hỏi.

Thứ nhất, hiệu quả của factor có thay đổi theo thời gian không? Thứ hai, thông tin có sẵn tại thời điểm ra quyết định có giúp dự báo thay đổi đó không? Thứ ba, dự báo ấy có cải thiện danh mục sau chi phí so với phương án phân bổ đơn giản không?

Ba câu hỏi liên quan nhưng không thay thế cho nhau. Một biểu đồ cho thấy Value và Momentum luân phiên dẫn đầu mới mô tả kết quả đã xảy ra. Muốn chuyển thành chiến lược, cần một quy tắc xác định tỷ trọng trước khi biết bên nào sẽ thắng.

Ví dụ, sau một giai đoạn Value phục hồi, người nghiên cứu nhận ra valuation spread từng ở mức rất cao ngay trước đó. Nếu chọn chính mức spread ấy làm ngưỡng giao dịch rồi kiểm tra lại trên cùng giai đoạn, backtest dễ có vẻ thuyết phục. Nhưng ngưỡng này đã được lựa chọn bằng thông tin về kết quả. Điều cần kiểm tra là nó có tiếp tục hữu ích trên phần dữ liệu chưa tham gia vào quá trình lựa chọn hay không.

Rủi ro còn lớn hơn khi thử nhiều phương án: spread theo P/E hay P/B, chuẩn hóa trong ba năm hay năm năm, tái cân bằng mỗi tháng hay mỗi quý, chuyển toàn bộ danh mục hay chỉ điều chỉnh một phần. Mỗi lựa chọn riêng lẻ có thể hợp lý, nhưng thử đủ nhiều rồi chỉ công bố phương án đẹp nhất sẽ khiến kết quả tốt khó phân biệt với may mắn.

Một báo cáo đáng tin vì vậy cần cho biết quá trình tìm mô hình, không chỉ trình bày đường lợi nhuận cuối cùng. Đã thử bao nhiêu nhóm tín hiệu? Tham số nào được chọn trước? Giai đoạn nào dùng để phát triển và giai đoạn nào để đánh giá? Nếu mô hình thất bại ngoài mẫu rồi được chỉnh lại, phần dữ liệu ấy không còn là một bài kiểm tra độc lập cho phiên bản mới.

Walk-forward là một cách tổ chức kiểm định phù hợp với bài toán này. Tại mỗi mốc, mô hình chỉ sử dụng dữ liệu quá khứ để ước lượng, sau đó đưa ra quyết định cho giai đoạn kế tiếp. Quá trình được lặp lại khi thời gian tiến lên. Tuy nhiên, walk-forward cũng không tự động loại bỏ thiên lệch nếu người nghiên cứu xem toàn bộ kết quả rồi liên tục sửa thiết kế cho đến khi hài lòng.

Một vấn đề đặc biệt quan trọng là thời điểm dữ liệu thực sự xuất hiện. Báo cáo tài chính của một quý không thể được sử dụng ngay từ ngày kết thúc quý nếu khi đó doanh nghiệp chưa công bố. Tương tự, cơ sở dữ liệu tải về hôm nay có thể chứa những con số đã được điều chỉnh sau này. Nếu backtest sử dụng bản điều chỉnh cho các quyết định trong quá khứ, mô hình có thể được hưởng thông tin mà nhà đầu tư lúc ấy chưa biết.

Dữ liệu giá cũng cần nhất quán. Nếu lợi nhuận của một danh mục bao gồm cổ tức còn danh mục đối chứng chỉ dùng biến động giá, kết quả so sánh có thể sai lệch. Nếu xử lý chia tách, phát hành hoặc các sự kiện doanh nghiệp không đúng, tín hiệu Momentum có thể phản ánh lỗi dữ liệu thay vì xu hướng kinh tế.

Khi chuyển nghiên cứu sang cổ phiếu Việt Nam, một khác biệt cần kiểm tra riêng là cấu trúc danh mục. Danh mục long-short mua nhóm có đặc điểm mong muốn và bán khống nhóm đối lập. Danh mục long-only chỉ nắm giữ các cổ phiếu được chọn nên vẫn chịu ảnh hưởng của thị trường chung, cơ cấu ngành và mức độ tập trung.

Giả sử danh mục Value có tỷ trọng lớn ở một vài ngành, còn Momentum tập trung vào một nhóm ngành khác. Nếu Value thắng trong giai đoạn đầu tiên, kết quả có thể đến từ diễn biến ngành nhiều hơn là đặc điểm định giá. Nhà nghiên cứu cần xem điều gì xảy ra khi kiểm soát tỷ trọng ngành hoặc xếp hạng cổ phiếu trong từng ngành.

Tuy nhiên, kiểm soát ngành cũng làm thay đổi chiến lược đang được nghiên cứu. Vì vậy, cần trình bày cả phiên bản ban đầu và phiên bản có điều chỉnh, thay vì mặc nhiên xem một cách xây dựng là đúng cho mọi mục tiêu.

Chi phí có thể thay đổi hoàn toàn kết luận. Giả sử một mô hình timing tăng lợi nhuận trước chi phí thêm 1,5 điểm phần trăm mỗi năm so với phân bổ cố định, nhưng phát sinh thêm 2 điểm phần trăm chi phí. Khi đó, dự báo có thể mang một ít thông tin, song cách giao dịch hiện tại vẫn làm giảm kết quả của nhà đầu tư. Đây là ví dụ số học giả định, không phải kết quả của nghiên cứu AQR.

Chi phí cũng không chỉ là phí môi giới. Nó còn gồm chênh lệch giá mua bán, trượt giá, tác động của lệnh lên thị trường và các khoản thuế, phí áp dụng. Một chiến lược khả thi với danh mục nhỏ chưa chắc giữ nguyên hiệu quả khi quy mô vốn tăng.

Bằng chứng ngoài mẫu cần trả lời được câu hỏi gần với người đầu tư nhất: nếu tuân thủ quy tắc này trong thời gian chưa biết trước kết quả, danh mục có tốt hơn phương án đơn giản đến mức đáng để chấp nhận thêm độ phức tạp hay không?

PHẦN 3. Kiểm tra quy tắc thời gian và chi phí chuyển factor trên VN100

Với VN100, một hướng nghiên cứu thực tế là xây dựng hai danh mục Value và Momentum độc lập trước, rồi mới bổ sung lớp điều chỉnh tỷ trọng. Các bước dưới đây là thiết kế kiểm định đề xuất, chưa phải kết quả chứng minh chiến lược có hiệu quả tại Việt Nam.

Điểm bắt đầu là universe tại từng thời điểm. Nếu lấy danh sách VN100 hiện tại rồi tính ngược nhiều năm, nghiên cứu sẽ bỏ qua các cổ phiếu từng nằm trong chỉ số nhưng sau đó bị loại. Danh mục quá khứ khi ấy được xây bằng hiểu biết của hiện tại. Muốn mô phỏng đúng hơn, cần lịch sử thành phần và thời điểm thay đổi có hiệu lực.

Tiếp theo là định nghĩa factor. Với Value, có thể bắt đầu bằng một chỉ tiêu đơn giản hoặc một tổ hợp chỉ tiêu có giải thích rõ. Nếu dùng lợi nhuận trên giá hoặc giá trị sổ sách trên giá, phải quy định cách xử lý doanh nghiệp lỗ, vốn chủ sở hữu âm và dữ liệu thiếu. Không nên để phần mềm tự loại những trường hợp này mà báo cáo không đề cập.

Với Momentum, một cấu hình minh họa là đo lợi nhuận tích lũy trong 12 tháng nhưng bỏ tháng gần nhất. Cấu hình này vẫn cần được kiểm định trên dữ liệu và universe cụ thể; không được xem là thông số tối ưu sẵn có. Cần chốt rõ có tính cổ tức hay không, xử lý cổ phiếu thiếu lịch sử như thế nào và thời điểm nào chốt giá để tính điểm.

Sau khi có điểm, bước chọn danh mục cũng phải được khóa trước. Chọn bao nhiêu cổ phiếu? Dùng tỷ trọng đều hay theo một quy tắc khác? Giới hạn mỗi mã bao nhiêu? Có giới hạn ngành và thanh khoản không? Những quyết định này ảnh hưởng trực tiếp đến lợi nhuận, biến động và khả năng giao dịch.

Một bảng thiết kế ban đầu có thể được tổ chức như sau:

Khi hai danh mục nền đã được kiểm tra, mới đến tín hiệu timing. Có thể bắt đầu bằng hai giả thuyết riêng biệt: chênh lệch định giá giúp dự báo lợi thế tương lai của Value; hoặc lợi nhuận tương đối gần đây giúp nhận diện sự tiếp diễn giữa hai factor. Không nên ghép nhiều tín hiệu ngay từ đầu, vì sẽ khó biết thành phần nào đóng góp và thành phần nào chỉ làm mô hình khớp dữ liệu hơn.

Đối với valuation spread, còn phải xác định đang so sánh định giá giữa nhóm nào với nhóm nào và dùng phép tổng hợp nào. Trung bình đơn giản có thể bị ảnh hưởng bởi giá trị cực đoan. Trung vị hoặc phương pháp xử lý ngoại lệ có thể cho kết quả khác. Nếu chuẩn hóa spread theo lịch sử, chỉ được dùng phần lịch sử đã có tại ngày ra quyết định, không dùng trung bình và độ lệch chuẩn của toàn bộ mẫu.

Một quy tắc tỷ trọng minh họa có thể giữ mức cơ sở 50% Value và 50% Momentum. Khi tín hiệu đủ mạnh, tỷ trọng chuyển thành 60/40 hoặc 40/60. Cách thiết kế này giúp kiểm tra giá trị của điều chỉnh vừa phải trước khi thử chuyển toàn bộ danh mục. Các tỷ trọng và ngưỡng kích hoạt vẫn phải được lựa chọn trong giai đoạn phát triển rồi giữ nguyên khi đánh giá ngoài mẫu.

Thời điểm thực hiện cần mô phỏng được trong thực tế. Nếu điểm số dùng giá đóng cửa cuối tháng, không thể mặc nhiên giả định đã mua bán đúng mức giá ấy sau khi biết đầy đủ tín hiệu. Cần đặt một độ trễ thực hiện rõ ràng và kiểm tra xem kết quả còn giữ được hay không khi giao dịch chậm hơn.

Một chi tiết dễ bỏ sót là giao dịch phải được tính trên danh mục cổ phiếu cuối cùng. Nếu Value và Momentum cùng nắm giữ một mã, chuyển tỷ trọng giữa hai phần không nhất thiết tạo ra giao dịch tương ứng ở mã đó. Ngược lại, dù tỷ trọng hai factor không đổi, việc thay đổi thành phần bên trong mỗi danh mục vẫn có thể tạo turnover lớn. Chỉ nhìn mức thay đổi từ 50/50 sang 60/40 sẽ không phản ánh đầy đủ chi phí.

Đối chứng chính nên là danh mục 50/50 với lịch tái cân bằng được xác định rõ. Có thể bổ sung phương án phân bổ theo rủi ro, nhưng phải nhớ rằng phương án này cũng cần ước lượng biến động, tương quan và có thể phát sinh giao dịch. Các danh mục cần dùng cùng dữ liệu đầu vào, mô hình chi phí và các ràng buộc thực thi để so sánh có ý nghĩa.

Khi đọc kết quả, CAGR toàn kỳ chỉ là một phần. Cần biết chiến lược chịu drawdown bao nhiêu, mất bao lâu để phục hồi, thua đối chứng liên tục trong thời gian nào và mức cải thiện có tập trung vào một vài tháng đặc biệt hay không. Một mô hình có lợi nhuận cao hơn nhưng thường xuyên bị bỏ cuộc giữa chừng vì thời gian thua kéo dài chưa chắc phù hợp với người sử dụng.

Cũng cần phân biệt thành công của tín hiệu với thành công của toàn bộ danh mục. Nếu timing tăng tỷ trọng Value trước khi Value thắng, đó là một quyết định đúng tương đối. Nhưng nếu cả hai danh mục cùng giảm mạnh, nhà đầu tư vẫn có thể không đạt mục tiêu bảo toàn vốn. Báo cáo nên thể hiện cả lợi nhuận tuyệt đối, lợi nhuận so với benchmark và phần đóng góp riêng của quyết định timing.

Các kiểm tra độ nhạy nên tập trung vào những rủi ro cụ thể: chi phí cao hơn dự kiến, giao dịch trễ hơn, ngưỡng tín hiệu thay đổi nhẹ hoặc bỏ đi một giai đoạn lợi nhuận nổi bật. Nếu chỉ một bộ tham số rất hẹp tạo ra kết quả tốt, cần thận trọng với khả năng mô hình đã học đặc điểm riêng của mẫu lịch sử.

Nếu đưa nghiên cứu vào một trang phân tích cổ phiếu, giao diện nên giải thích được vì sao điểm số và tỷ trọng thay đổi. Thay vì chỉ ghi “ưu tiên Value”, hệ thống cần cho thấy ngày tính, dữ liệu sử dụng, giá trị tín hiệu, quy tắc kích hoạt và tỷ trọng mục tiêu. Khi dữ liệu thiếu hoặc quá cũ, người dùng cần nhìn thấy điều đó ngay tại nơi đọc kết quả.

Điểm số, phân bổ mô hình và giao dịch thực tế cũng cần được phân biệt rõ. Điểm Value cao mô tả đặc điểm tương đối của cổ phiếu theo một phương pháp. Tỷ trọng mô hình phản ánh quy tắc phân bổ. Còn mua bao nhiêu trong tài khoản thực phụ thuộc vào danh mục đang có, thanh khoản, chi phí và giới hạn rủi ro của người đầu tư.

Factor timing chỉ đáng trở thành một phần của quy trình đầu tư khi vượt qua được các kiểm tra này. Nếu chưa có bằng chứng đủ mạnh, kết quả nghiên cứu vẫn có ích: nó giúp biết giới hạn của tín hiệu và tránh trả thêm chi phí cho một quyết định phân bổ không tạo ra giá trị.