Thống kê cơ bản dành cho quant trader: từ mean đến correlation

Trong quant trading, nhiều người hay nghĩ ngay đến AI, machine learning, backtest phức tạp hoặc hệ thống giao dịch tự động. Nhưng trước khi đi đến những thứ đó, nền tảng quan trọng nhất vẫn là hiểu dữ liệu. Một chiến lược không thể gọi là có lợi thế chỉ vì vài lần đúng. Một tín hiệu không thể gọi là mạnh chỉ vì nhìn chart thấy đẹp. Muốn biết tín hiệu có thật sự đáng dùng hay không, trader cần hiểu những khái niệm thống kê cơ bản như mean, variance, covariance và correlation.

1. Mean: hiểu kỳ vọng trung bình, nhưng đừng bị trung bình đánh lừa

Mean là giá trị trung bình. Trong trading, nó thường dùng để đo lợi nhuận trung bình của một chiến lược, mức tăng trung bình sau một tín hiệu, thanh khoản trung bình hoặc biến động trung bình của một cổ phiếu.

Ví dụ bạn kiểm tra một tín hiệu: cổ phiếu vượt đỉnh 20 phiên kèm thanh khoản tăng mạnh. Sau 300 lần tín hiệu xuất hiện trong quá khứ, lợi nhuận trung bình sau 5 phiên là 1,8%. Nhìn qua, tín hiệu này có vẻ tốt. Nhưng nếu đào sâu hơn, có thể bạn phát hiện phần lớn lợi nhuận đến từ 20 lần tăng rất mạnh, còn nhiều lần khác chỉ đi ngang hoặc giảm nhẹ. Khi đó, mean dương chưa chắc đã đủ để giao dịch thật.

Đây là điểm quan trọng: mean cho biết “kết quả trung bình”, nhưng không cho biết hành trình để có kết quả đó. Một chiến lược có lợi nhuận trung bình 1%/tháng có thể rất ổn định, nhưng cũng có thể cực kỳ thất thường: vài tháng lãi lớn kéo trung bình lên, còn đa số thời gian gây thua lỗ và áp lực tâm lý.

Trong thực chiến, mean nên được dùng như bước lọc đầu tiên. Nếu một tín hiệu không tạo ra lợi nhuận trung bình tốt hơn thị trường, nó chưa đáng nghiên cứu sâu. Nhưng nếu mean tốt, vẫn phải kiểm tra tiếp: tín hiệu xuất hiện đủ nhiều không, lợi nhuận có đến đều không, tỷ lệ thắng thế nào, mức lỗ khi sai có lớn không, và tín hiệu có còn hiệu quả qua nhiều giai đoạn thị trường không.

Một cách dùng mean rất thực tế là so sánh hiện tại với trạng thái bình thường. Ví dụ một cổ phiếu thường giao dịch 1 triệu cổ phiếu/ngày, hôm nay giao dịch 4 triệu cổ phiếu. Điều này cho thấy thanh khoản đang bất thường so với chính nó. Nhưng thanh khoản cao chưa tự động là tín hiệu mua. Nếu giá vượt nền và giữ tốt, đó có thể là dòng tiền vào. Nếu giá tăng đầu phiên rồi bị bán ngược xuống với volume lớn, đó lại có thể là phân phối.

2. Variance: đo độ nhiễu và rủi ro phía sau lợi nhuận

Nếu mean trả lời câu hỏi “trung bình kiếm được bao nhiêu”, thì variance trả lời câu hỏi “kết quả dao động mạnh đến mức nào”. Trong tài chính, nó gần với khái niệm volatility, tức mức độ biến động.

Ví dụ hai cổ phiếu cùng tăng 20% trong 3 tháng. Cổ phiếu A tăng khá đều, mỗi lần điều chỉnh chỉ 3–5%. Cổ phiếu B cũng tăng 20%, nhưng trong quá trình đó có lúc giảm 18%, rồi kéo trần vài phiên, sau đó lại rung mạnh. Nếu chỉ nhìn kết quả cuối kỳ, hai mã giống nhau. Nhưng nếu nhìn rủi ro, A dễ nắm giữ hơn nhiều, còn B đòi hỏi khả năng chịu biến động cao hơn.

Điều này rất quan trọng với quant trader vì một chiến lược không chỉ cần lợi nhuận tốt, mà cần lợi nhuận đủ ổn định để có thể theo được. Một backtest có lợi nhuận cao nhưng drawdown sâu, biến động lớn, chuỗi thua dài có thể không phù hợp với thực chiến. Trên giấy bạn có thể chấp nhận giảm 35%, nhưng khi tiền thật giảm 35%, tâm lý sẽ rất khác.

Variance cũng giúp đánh giá chất lượng tín hiệu. Ví dụ tín hiệu “breakout kèm volume” cho lợi nhuận trung bình sau 10 phiên là 2%. Nhưng khi xem kỹ, có lần lãi 15%, có lần lỗ 12%, kết quả rất phân tán. Điều đó cho thấy tín hiệu có thể cần thêm bộ lọc, chẳng hạn chỉ dùng khi thị trường chung tích cực, nhóm ngành đang hút tiền, hoặc cổ phiếu chưa tăng quá xa nền giá.

Trong quản trị vốn, variance giúp xác định tỷ trọng. Không nên bỏ cùng một số tiền vào hai cổ phiếu có mức biến động rất khác nhau rồi nghĩ rằng rủi ro bằng nhau. Một mã đầu cơ có thể dao động 7–10% trong vài phiên, trong khi một mã ngân hàng lớn chỉ dao động 2–3%. Nếu mỗi mã đều mua 100 triệu, thực tế bạn đang cấp rủi ro lớn hơn nhiều cho mã biến động mạnh.

Với thị trường chung, volatility còn giúp nhận diện trạng thái. Khi VN-Index đi ngang nhiều phiên, biên dao động hẹp, thanh khoản giảm, đó là trạng thái nén biến động. Sau giai đoạn này, nếu xuất hiện phiên tăng mạnh kèm thanh khoản tốt và độ rộng cải thiện, thị trường có thể bước vào pha mở biên tích cực. Ngược lại, nếu phá xuống với thanh khoản cao và nhiều nhóm ngành gãy nền, đó là tín hiệu rủi ro.

3. Covariance và correlation: hiểu mối liên hệ giữa tín hiệu, cổ phiếu và danh mục

Sau khi hiểu từng biến riêng lẻ, bước tiếp theo là hiểu chúng liên hệ với nhau như thế nào. Đây là vai trò của covariance và correlation. Nói đơn giản, correlation cho biết hai thứ có xu hướng đi cùng nhau hay không.

Trong trading, correlation có ba ứng dụng rất quan trọng.

Thứ nhất, nó giúp kiểm tra tín hiệu có liên quan đến lợi nhuận tương lai không. Ví dụ bạn tạo một tín hiệu momentum: cổ phiếu nào tăng tốt hơn thị trường trong 20 phiên gần nhất sẽ được chấm điểm cao. Câu hỏi cần kiểm tra là: điểm momentum hôm nay có liên quan đến lợi nhuận 5–10 phiên sau không? Nếu cổ phiếu có điểm momentum cao thường tiếp tục tăng tốt hơn, tín hiệu có giá trị. Nếu không có liên hệ rõ, tín hiệu có thể chỉ là nhiễu. Nếu liên hệ âm, có thể thị trường đang đảo chiều ngắn hạn, tức cổ phiếu tăng nóng lại dễ bị chốt lời.

Thứ hai, correlation giúp tránh dùng quá nhiều tín hiệu trùng nhau. Nhiều trader nghĩ càng nhiều chỉ báo càng tốt, nhưng nếu 5 chỉ báo đều đo cùng một thứ thì hệ thống không thật sự mạnh hơn. Ví dụ return 20 phiên, giá so với MA50, giá so với đỉnh 3 tháng và sức mạnh tương đối so với VN-Index đều có thể cùng đo momentum. Nếu đưa hết vào mô hình, bạn tưởng mình có nhiều tín hiệu, nhưng thực chất đang lặp lại một quan điểm.

Thứ ba, correlation giúp quản trị danh mục. Một danh mục có nhiều cổ phiếu chưa chắc đã đa dạng. Ví dụ bạn nắm ngân hàng, chứng khoán, bất động sản, thép và xây dựng. Nhìn qua là nhiều ngành, nhưng trong giai đoạn thị trường risk-off, các nhóm này có thể cùng giảm vì đều nhạy với thanh khoản, lãi suất và tâm lý thị trường. Khi đó, danh mục tưởng là phân tán nhưng thực chất đang đặt cược vào cùng một nguồn rủi ro.

Correlation cũng thay đổi theo thời gian. Trong thị trường bình thường, nhiều cổ phiếu có thể đi khá riêng. Nhưng khi thị trường bán tháo, correlation thường tăng lên, nghĩa là các tài sản cùng giảm. Đây là lý do nhà đầu tư cần theo dõi mối liên hệ giữa các vị thế, không chỉ nhìn từng mã riêng lẻ.

Tuy nhiên, correlation không phải là quan hệ nhân quả. Thanh khoản tăng và giá tăng có thể đi cùng nhau, nhưng không phải cứ thanh khoản tăng là tốt. Ở vùng nền, volume lớn có thể là dòng tiền vào. Ở vùng đỉnh, volume lớn có thể là phân phối. Vì vậy, correlation giúp phát hiện mối liên hệ, còn việc diễn giải vẫn phải đặt trong bối cảnh thị trường.

4. Ứng dụng thực chiến: biến thống kê thành quy trình phân tích tín hiệu

Giá trị của thống kê nằm ở việc biến cảm giác thành giả thuyết có thể kiểm tra. Thay vì nói “mã này có vẻ khỏe”, quant trader sẽ hỏi: khỏe hơn bình thường bao nhiêu, khỏe hơn thị trường không, sau những lần khỏe tương tự thì giá thường tăng tiếp hay đảo chiều?

Ví dụ bạn muốn kiểm tra tín hiệu: cổ phiếu có thanh khoản tăng bất thường, giá vượt nền tích lũy và nhóm ngành đang hút tiền. Đây là một tín hiệu rất phổ biến trong thị trường Việt Nam. Để kiểm tra, bạn có thể chia thành các lớp: thanh khoản hôm nay cao hơn mức bình thường của chính cổ phiếu, giá đóng cửa vượt vùng đỉnh ngắn hạn, nhóm ngành có nhiều mã cùng tăng, và thị trường chung không quá xấu.

Sau đó bạn đo kết quả: sau 5 phiên, 10 phiên, nhóm cổ phiếu có tín hiệu này tăng trung bình bao nhiêu. Nếu lợi nhuận trung bình tốt hơn thị trường, tín hiệu đáng chú ý. Nhưng cần kiểm tra tiếp: tín hiệu có ổn định không, có bị vài mã kéo kết quả lên không, hiệu quả có khác nhau giữa uptrend và sideway không, nhóm ngành nào dùng tốt hơn, và nếu sai thì mức lỗ thường là bao nhiêu.

Ví dụ kết quả cho thấy tín hiệu breakout volume hoạt động tốt khi VN-Index trên MA50 và độ rộng thị trường tích cực, nhưng thất bại nhiều khi thị trường dưới MA50. Khi đó, bài học thực chiến là: tín hiệu không sai, nhưng phải dùng đúng regime. Một setup tốt trong thị trường khỏe có thể trở thành bẫy trong thị trường yếu.

Một ví dụ khác là danh mục. Nếu bạn có 1 tỷ và chia đều vào 5 mã thuộc các nhóm chu kỳ, nhìn qua có vẻ phân bổ tốt. Nhưng nếu correlation giữa các mã cao, khi thị trường xấu chúng có thể giảm cùng lúc. Khi đó, thống kê giúp bạn nhận ra rằng rủi ro thật của danh mục lớn hơn vẻ ngoài. Giải pháp không nhất thiết là mua thêm nhiều mã, mà là phân bổ theo nguồn rủi ro: cổ phiếu tăng trưởng, cổ phiếu phòng thủ, tiền mặt, ETF hoặc các tài sản ít đồng pha hơn.

Cuối cùng, thống kê còn giúp theo dõi tín hiệu sau khi triển khai. Một tín hiệu từng hiệu quả có thể mất tác dụng. Nếu lợi nhuận trung bình của tín hiệu giảm dần, độ biến động tăng lên, correlation với lợi nhuận tương lai yếu đi, hoặc hiệu quả chỉ còn trong một giai đoạn rất hẹp, đó là dấu hiệu edge đang suy yếu. Khi đó, việc cần làm không phải là cố chấp tăng vốn, mà là giảm quy mô, kiểm tra lại regime hoặc tạm dừng chiến lược.

Tóm lại, mean giúp biết tín hiệu có kỳ vọng không. Variance giúp biết kỳ vọng đó nhiễu đến mức nào. Correlation giúp biết tín hiệu có trùng lặp không và danh mục có thật sự đa dạng không. Khi kết hợp cả ba, trader không còn chỉ nhìn thị trường bằng cảm giác, mà có một quy trình để kiểm tra, so sánh và quản trị rủi ro tốt hơn.

Thống kê không giúp dự đoán chắc tương lai. Nhưng nó giúp nhà đầu tư tránh nhầm may mắn với năng lực, tránh nhầm tín hiệu với nhiễu, và tránh đặt quá nhiều vốn vào những mối quan hệ chưa được kiểm chứng. Với quant trader, đó là nền móng quan trọng nhất trước khi nói đến bất kỳ mô hình phức tạp nào.