LOW VOLATILITY CÓ THẬT SỰ CHỈ LÀ MỘT CÚ CƯỢC VÀO NGÀNH PHÒNG THỦ?

Nếu chiến lược Low Volatility cứ mua những ngành ổn định và tránh những ngành biến động mạnh, thứ chúng ta đang khai thác là một factor hay đơn giản chỉ là sector allocation?

Low Volatility là một trong những hiện tượng khá khó chịu đối với trực giác tài chính truyền thống. Nếu chấp nhận quan điểm “rủi ro cao hơn phải đi kèm lợi nhuận kỳ vọng cao hơn”, những cổ phiếu biến động mạnh hoặc beta cao đáng lẽ phải trả cho nhà đầu tư một mức lợi nhuận cao hơn. Nhưng nhiều nghiên cứu trong thời gian dài lại cho thấy một kết quả không hoàn toàn như vậy: cổ phiếu có beta hoặc volatility thấp thường tạo ra lợi nhuận điều chỉnh theo rủi ro tốt hơn nhóm cổ phiếu rủi ro cao.

Tuy nhiên, ngay khi nhìn vào một danh mục Low Volatility thực tế, một nghi vấn rất tự nhiên xuất hiện. Các cổ phiếu ít biến động thường không phân bố đều giữa các ngành. Những ngành có dòng tiền tương đối ổn định, mô hình kinh doanh dễ dự báo hoặc nhu cầu ít phụ thuộc vào chu kỳ thường xuất hiện nhiều hơn. Ngược lại, những ngành có leverage cao, phụ thuộc chu kỳ hoặc có độ nhạy lớn với thị trường thường bị giảm tỷ trọng. Vì vậy, một danh mục được gọi là “Low Volatility” có thể vô tình trở thành một danh mục overweight các ngành phòng thủ.

Nếu đúng như vậy, câu chuyện sẽ thay đổi đáng kể. Nhà đầu tư tưởng rằng mình đang mua một factor nhưng thực tế lại đang đặt cược vào sector. Khi các ngành phòng thủ thuận lợi, strategy trông rất tốt. Khi môi trường vĩ mô thay đổi và chính những ngành đó trở thành nơi chịu áp lực, performance của Low Volatility có thể suy giảm mạnh. Để biết Low Volatility có thực sự chứa một hiệu ứng độc lập hay không, cần loại bỏ phần lợi nhuận đến từ việc chọn ngành rồi xem signal còn tồn tại hay không.

PHẦN 1. CỔ PHIẾU ÍT BIẾN ĐỘNG CÓ THẬT SỰ “TỐT HƠN”, HAY CHỈ THUỘC ĐÚNG NGÀNH?

Hãy bắt đầu bằng một ví dụ đơn giản. Giả sử mình lấy toàn bộ cổ phiếu trên thị trường, đo volatility trong một khoảng thời gian rồi mua 20% cổ phiếu có volatility thấp nhất. Nếu trong nhóm này xuất hiện rất nhiều doanh nghiệp điện, nước, hàng tiêu dùng thiết yếu hoặc những doanh nghiệp có dòng tiền ổn định, kết quả đó không có gì bất thường. Đặc điểm kinh tế của các doanh nghiệp này vốn đã khiến giá cổ phiếu của chúng thường ít biến động hơn những doanh nghiệp mang tính chu kỳ cao.

Nếu danh mục Low Volatility sau đó outperform thị trường, có ít nhất hai cách giải thích. Cách thứ nhất là volatility thực sự chứa thông tin. Trong cùng một điều kiện tương đối giống nhau, cổ phiếu ít rủi ro hơn vẫn tạo ra lợi nhuận điều chỉnh theo rủi ro tốt hơn. Cách thứ hai đơn giản hơn: strategy kiếm tiền vì nó liên tục overweight những ngành có performance tốt trong mẫu lịch sử được nghiên cứu. Trong trường hợp thứ hai, Low Volatility không hẳn là một nguồn alpha độc lập; nó có thể chỉ là một cách khác để tạo sector exposure.

Muốn phân biệt hai câu chuyện này, ta có thể thay đổi cách xếp hạng cổ phiếu. Thay vì so tất cả doanh nghiệp với nhau, hãy chỉ so các cổ phiếu bên trong cùng một ngành. Một ngân hàng được so với những ngân hàng khác. Một công ty bất động sản được so với các doanh nghiệp bất động sản khác. Một doanh nghiệp công nghệ được so với các doanh nghiệp công nghệ. Sau đó, trong từng ngành, ta chọn nhóm beta hoặc volatility thấp hơn và giảm tỷ trọng nhóm có rủi ro cao hơn.

Nếu Low Volatility biến mất sau bước này, lập luận “đây chủ yếu là sector bet” trở nên khá mạnh. Nhưng nếu ngay trong cùng ngành, cổ phiếu beta thấp vẫn tạo ra kết quả tốt hơn nhóm beta cao, thì ngành không thể giải thích toàn bộ hiện tượng. Khi đó signal đã chuyển từ câu chuyện “mua ngành an toàn” sang một câu chuyện thú vị hơn: ngay giữa những doanh nghiệp hoạt động trong môi trường kinh tế tương tự, mức độ nhạy cảm với thị trường vẫn có khả năng phân biệt performance.

Đây chính là câu hỏi mà Clifford Asness, Andrea Frazzini và Lasse Pedersen nghiên cứu trong bài Low-Risk Investing Without Industry Bets. Thay vì chỉ xem chiến lược Betting Against Beta hoạt động trên toàn thị trường hay không, họ tách phần lợi nhuận đến từ lựa chọn ngành và phần đến từ lựa chọn cổ phiếu bên trong từng ngành. Kết quả của nghiên cứu cho thấy chiến lược low-beta vẫn có kết quả dương khi được xây dựng theo cách industry-neutral. Trong nghiên cứu của họ, phiên bản industry-neutral còn mạnh hơn chiến lược chỉ đặt cược giữa các ngành, và hiệu ứng xuất hiện rộng trên nhiều ngành ở Mỹ cũng như trong mẫu quốc tế.

Điều này không có nghĩa cứ mua cổ phiếu beta thấp là sẽ kiếm tiền. Factor không hoạt động giống một quy tắc “cổ phiếu A có beta thấp nên cổ phiếu A chắc chắn outperform”. Một factor là một quan hệ thống kê được quan sát trên một tập hợp lớn tài sản và trong thời gian dài. Trong từng tháng, từng năm hoặc từng cổ phiếu riêng lẻ, kết quả hoàn toàn có thể ngược lại. Một cổ phiếu beta thấp vẫn có thể giảm 40% vì doanh nghiệp gặp vấn đề. Một cổ phiếu beta cao vẫn có thể tăng nhiều lần nếu lợi nhuận tăng trưởng vượt kỳ vọng.

Điểm cần giữ rõ là low-risk anomaly nói về phân phối kết quả của nhiều danh mục, không phải lời tiên tri cho từng mã. Đây cũng là lý do một biểu đồ backtest đẹp không đủ để chứng minh một strategy tốt. Ta cần biết kết quả đến từ đâu, có tồn tại sau khi loại những exposure đơn giản hay không, và có lý do kinh tế nào khiến quan hệ đó có khả năng tồn tại trong tương lai hay không.

Một giải thích được Frazzini và Pedersen phát triển cho Betting Against Beta liên quan đến giới hạn sử dụng leverage. Nếu một số nhà đầu tư muốn đạt mức lợi nhuận cao nhưng không thể hoặc không muốn sử dụng đòn bẩy, họ có thể tìm đến những cổ phiếu beta cao như một cách “tăng risk” trực tiếp. Nhu cầu đó có thể khiến nhóm beta cao trở nên đắt tương đối, trong khi nhóm beta thấp bị định giá hấp dẫn hơn. Theo cách giải thích này, premium của Low Beta không cần phải bắt nguồn từ utilities hay consumer staples; nó có thể xuất hiện ngay bên trong từng ngành vì cơ chế liên quan đến nhu cầu nhận rủi ro của nhà đầu tư. Nghiên cứu của Asness, Frazzini và Pedersen cho rằng kết quả industry-neutral phù hợp với cách giải thích dựa trên leverage aversion này.

Nhưng đây vẫn là một hypothesis kinh tế chứ không phải định luật. Chính vì vậy, khi chuyển Low Volatility thành một strategy thực tế, điều quan trọng không phải tin rằng anomaly đã được “chứng minh”, mà là tìm cách kiểm tra xem premium đó còn tồn tại trong universe, thời kỳ và điều kiện giao dịch mà mình thực sự quan tâm hay không.

PHẦN 2. INDUSTRY-NEUTRAL GIÚP TÁCH FACTOR KHỎI SECTOR BET NHƯ THẾ NÀO?

Sự khác biệt giữa hai cách xây portfolio có thể nhìn rất trực quan. Nếu mình đơn giản xếp hạng tất cả cổ phiếu theo volatility, những ngành vốn ít biến động sẽ tự nhiên chiếm nhiều chỗ trong nhóm đầu. Danh mục cuối cùng có thể có cấu trúc ngành khác rất xa benchmark. Khi đó, performance mà mình nhìn thấy là tổng hợp của ít nhất hai quyết định: chọn cổ phiếu có volatility thấp và lựa chọn một cơ cấu ngành đặc biệt.

Industry-neutralization cố gắng tách hai quyết định này. Thay vì cho phép một ngành ổn định chiếm gần hết danh mục, ta xếp hạng các cổ phiếu trong từng ngành rồi chọn những cổ phiếu ít rủi ro hơn so với chính các doanh nghiệp cùng ngành. Như vậy, câu hỏi trở thành: nếu đã cố định ngành, liệu volatility hoặc beta vẫn giúp phân biệt cổ phiếu tốt hơn và kém hơn hay không?

Đây là một test rất có giá trị vì nó giúp ta hiểu “nguồn” của performance. Nếu bản Low Volatility thông thường tốt nhưng bản industry-neutral không còn gì đặc biệt, phần lớn kết quả có thể đến từ sector allocation. Điều này không nhất thiết làm strategy trở nên vô dụng. Một sector allocation tốt vẫn có thể kiếm tiền. Nhưng nhà đầu tư cần gọi đúng tên rủi ro mình đang nhận. Nếu strategy thực chất là overweight defensive sectors, risk management phải được thiết kế cho sector bet đó thay vì coi nó là một stock-selection factor trung lập.

Ngược lại, nếu bản industry-neutral vẫn hoạt động, bằng chứng cho stock selection trở nên mạnh hơn. Khi đó, trong chính ngành ngân hàng chẳng hạn, những ngân hàng có beta thấp hơn nhóm còn lại vẫn có thể khác biệt về kết quả. Trong bất động sản, một doanh nghiệp có mức biến động thấp hơn các doanh nghiệp cùng ngành có thể mang một đặc điểm khác với việc đơn giản nói “bất động sản là ngành phòng thủ hay không phòng thủ”.

Tuy nhiên, industry-neutral không đồng nghĩa với việc ta đã loại bỏ mọi exposure khác. Hai cổ phiếu cùng ngành vẫn có thể khác nhau rất nhiều về Size, Value, Quality, leverage tài chính, profitability, liquidity hay Momentum. Nếu nhóm Low Volatility đồng thời chứa nhiều công ty lớn, chất lượng cao và thanh khoản tốt hơn, performance vẫn có thể chịu ảnh hưởng của những factor đó. Khi đó câu hỏi tiếp theo không còn là sector nữa mà là: Low Volatility còn gì sau khi kiểm soát các factor khác?

Đây là cách factor research thường tiến triển. Ban đầu ta thấy một signal có vẻ tốt. Sau đó neutralize ngành. Nếu nó vẫn tồn tại, kiểm tra Size. Sau đó Value, Quality, Momentum hoặc những exposure liên quan. Mục tiêu không phải neutralize mọi thứ cho đến khi không còn lợi nhuận. Nếu kiểm soát quá nhiều yếu tố, ta có thể vô tình loại luôn cơ chế kinh tế mà strategy muốn khai thác. Mục tiêu là hiểu signal đang kiếm tiền nhờ đâu và mức độ độc lập của nó lớn đến đâu.

Một vấn đề khác cũng rất quan trọng là sự khác biệt giữa nghiên cứu long-short và danh mục nhà đầu tư thực tế. Nghiên cứu về Betting Against Beta thường xây một phía long nhóm beta thấp và một phía short hoặc underweight nhóm beta cao, sau đó điều chỉnh exposure để nghiên cứu premium tương đối giữa hai nhóm. Thiết kế này rất tốt để nghiên cứu factor vì nó cố gắng tách hiệu ứng mà tác giả muốn đo khỏi chuyển động chung của thị trường. Bài báo năm 2014 của Asness, Frazzini và Pedersen cũng được xây trên logic đó.

Nhưng một nhà đầu tư Việt Nam mua cổ phiếu cơ sở không thể mặc định rằng mình đang triển khai đúng strategy đó. Một danh mục chỉ mua 15 cổ phiếu volatility thấp nhất vẫn mang market beta, sector exposure và nhiều rủi ro khác. Khi thị trường tăng mạnh, portfolio Low Volatility hoàn toàn có thể thua VN-Index dù bản thân factor không “hỏng”. Ngược lại, trong một giai đoạn thị trường giảm, danh mục có thể outperform đơn giản vì beta thấp hơn mà chưa chắc tạo ra alpha.

Vì vậy cần phân biệt rất rõ giữa ba khái niệm: factor premium trong nghiên cứu, performance của portfolio và performance của sản phẩm đầu tư mà mình thật sự có thể triển khai. Ba thứ này liên quan nhưng không đồng nhất. Một paper quốc tế cho thấy Low Beta có evidence tốt không đồng nghĩa một danh mục long-only 15 cổ phiếu Việt Nam sẽ có Sharpe tương tự. Universe khác, thanh khoản khác, cấu trúc nhà đầu tư khác và khả năng short cũng khác.

Bản thân nghiên cứu của Asness, Frazzini và Pedersen có giá trị nhất ở chỗ nó trả lời một câu hỏi về cơ chế: Low Risk không thể được giải thích hoàn toàn bằng việc mua một nhóm ngành an toàn. Trong mẫu của họ, Betting Against Beta vẫn có kết quả tích cực khi được xây dựng ngay trong từng ngành; tác giả báo cáo kết quả dương ở toàn bộ 49 ngành Mỹ được nghiên cứu và phần lớn các ngành trong mẫu toàn cầu.

Nhưng từ đó đến câu “Low Volatility sẽ hiệu quả tại Việt Nam” vẫn còn một khoảng cách rất lớn. Và chính khoảng cách đó mới là chỗ dành cho Quant Research.

PHẦN 3. NẾU KIỂM TRA LOW VOLATILITY TRÊN THỊ TRƯỜNG VIỆT NAM, MÌNH SẼ THIẾT KẾ THẾ NÀO?

Nếu nghiên cứu trên HOSE hoặc một universe như VN100, mình sẽ không bắt đầu bằng việc tìm portfolio có Sharpe cao nhất. Câu hỏi đầu tiên nên đơn giản hơn: sau khi loại ảnh hưởng của ngành, cổ phiếu volatility thấp có còn cho kết quả khác biệt so với cổ phiếu volatility cao hay không?

Để trả lời câu hỏi đó, mình sẽ xây song song hai phiên bản strategy. Phiên bản đầu là Raw Low Volatility. Toàn bộ cổ phiếu trong universe được xếp hạng chung theo volatility hoặc beta rồi chọn nhóm có risk thấp nhất. Phiên bản thứ hai là Sector-Neutral Low Volatility. Cổ phiếu chỉ được so với các doanh nghiệp cùng ngành, sau đó danh mục được xây sao cho cơ cấu ngành không đi quá xa benchmark.

Sự khác biệt giữa hai portfolio mới là thông tin mình quan tâm. Nếu Raw Low Volatility outperform mạnh nhưng Sector-Neutral gần như mất toàn bộ lợi thế, sector allocation có thể giải thích một phần lớn performance. Nếu cả hai đều có kết quả tốt, evidence rằng volatility chứa stock-selection information trở nên đáng chú ý hơn.

Tuy nhiên, trước khi chạy bất kỳ backtest nào, dữ liệu phải được xử lý cẩn thận. Một cổ phiếu có volatility thấp vì nhiều phiên không giao dịch không phải một cổ phiếu “an toàn”. Nó có thể đơn giản là một cổ phiếu thanh khoản rất thấp và giá không được cập nhật liên tục. Nếu không lọc liquidity, một model Low Volatility có thể vô tình xếp hạng cao những cổ phiếu ít giao dịch nhất thị trường.

Đây là một vấn đề đặc biệt quan trọng ở những universe rộng hơn VN30. Vì vậy signal volatility cần đi cùng điều kiện thanh khoản tối thiểu, số phiên giao dịch hợp lệ và lịch sử giá đủ dài. Nếu không, model sẽ đánh đồng “không có giao dịch” với “không có rủi ro”, trong khi thực tế hai khái niệm hoàn toàn khác nhau.

Universe cũng phải được xây theo dữ liệu point-in-time. Nếu hôm nay lấy danh sách VN100 hiện tại rồi kéo dữ liệu ngược về nhiều năm, backtest có nguy cơ survivorship bias. Những doanh nghiệp đã bị loại khỏi chỉ số, giảm thanh khoản hoặc gặp khó khăn có thể biến mất khỏi mẫu. Kết quả là quá khứ được tái tạo bằng một tập doanh nghiệp đã sống sót đến hiện tại và strategy trông tốt hơn thực tế.

Sau khi dữ liệu sạch, mình sẽ không chỉ nhìn cumulative return. Low Volatility là strategy liên quan trực tiếp đến risk, nên nếu chỉ nhìn lợi nhuận tuyệt đối rất dễ kết luận sai. Trong một bull market mạnh, portfolio beta thấp hoàn toàn có thể tăng ít hơn benchmark. Đó chưa chắc là thất bại. Nếu portfolio đạt phần lớn mục tiêu giảm drawdown, giảm volatility và cải thiện return trên mỗi đơn vị risk, strategy vẫn đang làm đúng việc mà nó được thiết kế để làm.

Ngược lại, nếu danh mục có return cao hơn benchmark nhưng volatility và beta cũng cao hơn, việc gọi nó là thành công của Low Volatility lại cần xem xét. Có thể portfolio đang chứa một exposure khác giúp tăng return. Vì vậy mình sẽ nhìn performance cùng với beta, volatility, drawdown, downside risk, tracking error và turnover. Quan trọng nhất là so những chỉ tiêu này giữa Raw Low Volatility, Sector-Neutral Low Volatility và benchmark.

Một phân tích khác rất đáng làm là tách performance theo market regime. Trong giai đoạn thị trường giảm hoặc volatility cao, Low Volatility có thể cho kết quả rất khác giai đoạn bull market mạnh. Nếu strategy chủ yếu outperform khi thị trường xấu và lag khi thị trường tăng nóng, đây có thể không phải là lỗi mà chính là đặc tính của exposure. Khi hiểu được pattern đó, nhà đầu tư sẽ ít có xu hướng bỏ strategy đúng lúc nó đang trải qua một giai đoạn bất lợi bình thường.

Sau đó mới đến factor attribution. Nếu Sector-Neutral Low Volatility vẫn tốt, mình sẽ kiểm tra xem portfolio đang nghiêng về Size, Value, Quality hay Momentum đến mức nào. Ví dụ những cổ phiếu volatility thấp có thể đồng thời là doanh nghiệp lớn, leverage thấp và profitability ổn định. Nếu vậy, một phần performance có thể đến từ Quality chứ không hoàn toàn từ Volatility.

Đây là chỗ một nghiên cứu Quant trở nên thú vị hơn việc chạy một screener. Câu hỏi không còn là “Top 10 cổ phiếu Low Vol hiện nay là mã nào?”. Câu hỏi là signal đang đại diện cho yếu tố gì, yếu tố đó có ổn định theo thời gian không và sau khi loại những exposure dễ thấy, còn lại bao nhiêu thông tin thực sự?

Chi phí giao dịch cũng cần được đưa vào từ đầu. Một danh mục Low Volatility tưởng như khá ổn định nhưng nếu rank thay đổi liên tục quanh ngưỡng chọn cổ phiếu, strategy có thể phát sinh turnover không nhỏ. Một cổ phiếu đứng thứ 19 tháng này rồi thứ 22 tháng sau không khác nhau nhiều về mặt kinh tế, nhưng một quy tắc cứng Top 20 có thể khiến hệ thống bán rồi mua lại liên tục. Vì vậy portfolio construction đôi khi quan trọng không kém signal.

Có thể sử dụng buffer hoặc rebalance ít thường xuyên hơn để giảm những giao dịch không cần thiết. Nhưng một lần nữa, mỗi cải tiến như vậy phải được chạy đối chứng. Nếu thêm buffer làm Sharpe tăng mạnh, cần biết đó là do giảm transaction cost hay vô tình tối ưu đúng lịch sử đang nghiên cứu. Trong Quant, mỗi thay đổi “hợp lý” vẫn nên được coi như một hypothesis cần kiểm tra.

Cuối cùng, mình sẽ quan tâm nhiều đến sự ổn định hơn là tìm một con số backtest đẹp nhất. Nếu Low Volatility chỉ hoạt động với đúng một cửa sổ 63 phiên nhưng biến mất ở 50, 80 hoặc 100 phiên, mình sẽ khá nghi ngờ. Nếu signal vẫn có hình dạng tương tự qua nhiều cách đo volatility, nhiều khoảng thời gian và sau sector-neutralization, evidence trở nên đáng tin hơn.