THỐNG KÊ TRONG QUANT TRADING: TẠI SAO MỘT CHIẾN LƯỢC CÓ LỢI NHUẬN TỐT CHƯA CHẮC ĐÃ ĐÁNG TIN?

Khi bắt đầu học Quant Trading, nhiều bạn thường dành khá nhiều thời gian cho Python, các chỉ báo kỹ thuật hay cách xây dựng chiến lược giao dịch. Nhưng có một phần rất dễ bị bỏ qua, đó là thống kê.

Thử đặt một câu hỏi đơn giản: Bạn xây dựng được một chiến lược có tỷ lệ thắng 70% sau 100 giao dịch. Liệu như vậy đã đủ để kết luận chiến lược này hiệu quả?

Hoặc bạn phát hiện hai cổ phiếu có hệ số tương quan 0,85. Có phải cứ một cổ phiếu tăng thì cổ phiếu còn lại cũng sẽ tăng? Nếu một chiến lược có Sharpe Ratio cao trong quá khứ, liệu chúng ta có thể kỳ vọng kết quả tương tự trong tương lai?

Những câu hỏi này không thể trả lời chỉ bằng việc viết code hay nhìn vào biểu đồ. Chúng đòi hỏi chúng ta hiểu dữ liệu, xác suất, sự biến động và cách kiểm định giả thuyết.

Thống kê trong Quant không đơn thuần là tính trung bình, phương sai hay chạy một mô hình hồi quy. Quan trọng hơn, nó giúp chúng ta phân biệt đâu là một đặc điểm có thể tồn tại trong dữ liệu và đâu chỉ là kết quả xuất hiện do ngẫu nhiên.

PHẦN 1. THỐNG KÊ MÔ TẢ: NHỮNG CON SỐ ĐƠN GIẢN NHƯNG RẤT DỄ HIỂU SAI

Khi mới tiếp cận thống kê, chúng ta thường bắt đầu bằng những khái niệm quen thuộc như trung bình, trung vị, phương sai, độ lệch chuẩn hay tương quan. Đây cũng chính là những công cụ đầu tiên cần sử dụng khi phân tích dữ liệu tài chính.

Giả sử bạn có dữ liệu giá đóng cửa của cổ phiếu FPT trong ba năm và muốn biết cổ phiếu này có mức sinh lời và rủi ro như thế nào. Việc đầu tiên không phải xây dựng một mô hình dự báo, mà là chuyển dữ liệu giá thành chuỗi lợi suất, kiểm tra chất lượng dữ liệu, sau đó phân tích phân phối lợi suất theo ngày, tuần hoặc tháng.

Một điểm khá thú vị là lợi suất trung bình và trải nghiệm đầu tư thực tế có thể rất khác nhau.

Ví dụ, một cổ phiếu có lợi suất trong năm phiên liên tiếp là +1%, +1%, +1%, +1% và -8%. Nếu nhìn vào số phiên tăng giá, cổ phiếu này tăng trong bốn trên năm phiên, tương đương tỷ lệ tăng 80%. Trung vị lợi suất cũng là +1%. Tuy nhiên, lợi suất trung bình số học lại bằng -0,8% mỗi phiên và lợi suất lũy kế sau cả năm phiên âm khoảng 4,3%.

Chỉ một phiên giảm mạnh đã xóa sạch thành quả của nhiều phiên tăng nhỏ. Điều này cho thấy tại sao chúng ta không thể đánh giá một chiến lược chỉ dựa trên tỷ lệ thắng hoặc số lượng phiên tăng giá.

Độ lệch chuẩn là công cụ tiếp theo cần quan tâm. Nó giúp mô tả mức độ phân tán của lợi suất quanh giá trị trung bình. Hai cổ phiếu có cùng lợi suất trung bình nhưng độ biến động khác nhau có thể mang lại trải nghiệm nắm giữ rất khác nhau. Một cổ phiếu tăng giảm tương đối ổn định, trong khi cổ phiếu còn lại thường xuyên xuất hiện những phiên biến động lớn.

Trong phân tích Quant, độ lệch chuẩn thường được sử dụng để ước lượng volatility, một thước đo rủi ro phổ biến. Tuy nhiên, độ lệch chuẩn không phản ánh toàn bộ rủi ro. Đặc biệt với dữ liệu chứng khoán, phân phối lợi suất có thể xuất hiện các sự kiện cực đoan thường xuyên hơn so với giả định phân phối chuẩn. Vì vậy, ngoài volatility, chúng ta còn cần quan tâm đến Maximum Drawdown, độ lệch của phân phối (skewness), độ nhọn (kurtosis) và khả năng xuất hiện những khoản lỗ lớn.

Một khái niệm khác được sử dụng rất nhiều trong phân tích danh mục là tương quan (correlation).

Giả sử bạn đang xây dựng danh mục gồm ngân hàng, bất động sản, công nghệ và bán lẻ. Bạn muốn biết các nhóm cổ phiếu này có thường biến động cùng nhau không. Khi đó, ma trận tương quan lợi suất có thể giúp nhận diện những tài sản có xu hướng biến động tương đồng trong giai đoạn quan sát.

Nhưng có hai điều cần lưu ý. Thứ nhất, tương quan cao không có nghĩa là hai cổ phiếu luôn tăng hoặc giảm cùng nhau trong từng phiên. Thứ hai, tương quan không đồng nghĩa với quan hệ nhân quả. Việc hai cổ phiếu có mức tương quan cao có thể xuất phát từ việc chúng cùng chịu ảnh hưởng của VN-Index, lãi suất, dòng tiền thị trường hoặc các yếu tố khác.

Ngoài ra, tương quan không phải một con số cố định. Hai cổ phiếu có thể có tương quan thấp trong giai đoạn thị trường ổn định nhưng lại cùng giảm mạnh khi xuất hiện một cú sốc chung. Vì vậy, khi nghiên cứu danh mục, nên xem xét tương quan theo nhiều khoảng thời gian, thay vì chỉ tính một hệ số cho toàn bộ dữ liệu lịch sử.

Nếu sử dụng Python, những thao tác này tương đối dễ thực hiện với pandas và NumPy. Các hàm như mean(), median(), std(), corr(), quantile() hay rolling() giúp tính toán nhanh trên dữ liệu lớn. Nhưng điểm khó không nằm ở việc nhớ tên hàm, mà là hiểu kết quả đang mô tả điều gì, dữ liệu có phù hợp không và những giả định nào đang được sử dụng.

PHẦN 2. THỐNG KÊ SUY LUẬN: LÀM SAO BIẾT KẾT QUẢ BACKTEST KHÔNG CHỈ LÀ MAY MẮN?

Nếu thống kê mô tả giúp chúng ta hiểu những gì đã xảy ra trong dữ liệu, thì thống kê suy luận giúp đánh giá liệu kết quả quan sát được có đủ bằng chứng để đưa ra một nhận định rộng hơn hay không.

Đây là phần đặc biệt quan trọng trong Quant Trading, bởi gần như mọi chiến lược đều được xây dựng từ dữ liệu quá khứ, trong khi mục tiêu thực sự là tìm kiếm một lợi thế có khả năng tiếp tục tồn tại trong tương lai.

Quay lại ví dụ về tỷ lệ thắng. Giả sử chiến lược A thắng bảy trong mười giao dịch, còn chiến lược B thắng 70 trong 100 giao dịch. Cả hai đều có win rate 70%, nhưng mức độ tin cậy mà chúng ta có thể đặt vào kết quả không giống nhau.

Với chỉ mười giao dịch, một vài kết quả ngẫu nhiên có thể khiến tỷ lệ thắng thay đổi rất lớn. Một trăm giao dịch cung cấp nhiều thông tin hơn, nhưng vẫn chưa tự động chứng minh chiến lược có lợi thế, đặc biệt nếu các giao dịch phụ thuộc vào nhau hoặc chỉ diễn ra trong một giai đoạn thị trường thuận lợi.

Chúng ta cần xem xét cả quy mô mẫu, mức độ biến động của kết quả, tỷ lệ lợi nhuận so với thua lỗ, chi phí giao dịch và điều kiện thị trường trong giai đoạn nghiên cứu.

Đây là lúc các khái niệm như kiểm định giả thuyết, khoảng tin cậy và p-value trở nên hữu ích.

Ví dụ, bạn muốn kiểm tra liệu một nhóm cổ phiếu có momentum cao có mang lại lợi suất tốt hơn nhóm momentum thấp hay không. Giả thuyết ban đầu có thể là hai nhóm không có chênh lệch lợi suất kỳ vọng. Sau đó, bạn sử dụng dữ liệu để đánh giá liệu mức chênh lệch quan sát được có đủ lớn so với sự biến động ngẫu nhiên hay không.

Một p-value nhỏ có thể cung cấp bằng chứng chống lại giả thuyết ban đầu, với điều kiện phương pháp kiểm định và các giả định được áp dụng phù hợp. Nhưng p-value không phải xác suất chiến lược đúng, cũng không phải xác suất chiến lược sẽ có lãi trong tương lai.

Đây là một điểm rất dễ bị hiểu nhầm khi mới học thống kê.

Ngay cả khi tìm được một kết quả có ý nghĩa thống kê, chúng ta vẫn phải xem xét ý nghĩa kinh tế của kết quả đó. Chẳng hạn, một chiến lược có thể tạo ra mức lợi suất vượt trội trung bình rất nhỏ và có ý nghĩa thống kê trên một bộ dữ liệu lớn. Tuy nhiên, nếu lợi nhuận đó thấp hơn chi phí giao dịch thì chiến lược vẫn khó có giá trị thực tiễn.

Một vấn đề lớn khác trong nghiên cứu Quant là overfitting, hay khớp quá mức với dữ liệu quá khứ.

Giả sử bạn thử nghiệm 100 chiến lược khác nhau, kết hợp nhiều thông số RSI, MACD, MA và các điều kiện thanh khoản. Sau đó, bạn chọn chiến lược có Sharpe Ratio cao nhất và kết luận rằng mình đã tìm ra phương pháp giao dịch tốt.

Vấn đề là ngay cả khi các chiến lược không có lợi thế thực sự, việc thử quá nhiều tổ hợp cũng có thể tạo ra một vài kết quả rất đẹp do ngẫu nhiên.

Hiện tượng này liên quan đến multiple testing, data snooping và selection bias. Số lượng ý tưởng và tham số được kiểm tra càng nhiều thì việc đánh giá kết quả cuối cùng càng cần thận trọng.

Trong tài chính định lượng, đây là lý do chúng ta thường phải chia dữ liệu thành các giai đoạn nghiên cứu, điều chỉnh và kiểm định ngoài mẫu. Một cách đơn giản là xây dựng chiến lược trên dữ liệu ban đầu, điều chỉnh dựa trên tập validation, sau đó đánh giá kết quả cuối cùng trên tập test chưa từng được sử dụng để lựa chọn mô hình.

Với dữ liệu chuỗi thời gian, cách chia tập cũng rất quan trọng. Không nên mặc nhiên trộn ngẫu nhiên các ngày giao dịch rồi chia thành tập huấn luyện và kiểm tra như một số bài toán dữ liệu thông thường. Việc này có thể phá vỡ cấu trúc thời gian hoặc tạo điều kiện cho thông tin tương lai ảnh hưởng đến quá trình huấn luyện.

Những phương pháp như walk-forward validation, bootstrap phù hợp với dữ liệu chuỗi thời gian và kiểm tra độ nhạy tham số có thể giúp chúng ta đánh giá chiến lược chặt chẽ hơn. Chúng không bảo đảm chiến lược sẽ thành công, nhưng giúp giảm nguy cơ nhầm lẫn giữa một kết quả may mắn và một tín hiệu có cơ sở.

Một điểm cũng rất thực tế là dữ liệu tài chính thường không độc lập hoàn toàn theo thời gian. Lợi suất, độ biến động và tín hiệu giao dịch có thể xuất hiện sự phụ thuộc giữa các phiên. Vì vậy, các phép kiểm định thống kê dựa trên giả định quan sát độc lập cần được xem xét kỹ trước khi áp dụng.

Nói cách khác, học thống kê suy luận trong Quant không phải để tìm một con số p-value thật nhỏ hay một chỉ tiêu hiệu quả thật cao. Mục tiêu là biết mình có đủ bằng chứng để tin vào một kết quả hay chưa, và nhận diện được những lý do khiến kết luận có thể sai.

PHẦN 3. HỌC THỐNG KÊ NHƯ THẾ NÀO ĐỂ ỨNG DỤNG ĐƯỢC VÀO QUANT TRADING?

Theo mình, một trong những khó khăn khi học thống kê là chúng ta thường tiếp cận nó dưới dạng công thức trước khi biết công thức đó được dùng để giải quyết bài toán gì.

Nhiều bạn đã từng học xác suất, thống kê hoặc kinh tế lượng ở trường, có thể nhớ cách tính phương sai, kiểm định t-test hay đọc kết quả hồi quy. Nhưng khi được giao một bộ dữ liệu chứng khoán thực tế, việc lựa chọn phương pháp phù hợp lại không hề đơn giản.

Vì vậy, nếu mục tiêu là ứng dụng thống kê vào Quant Trading, mình nghĩ nên học song song lý thuyết với dữ liệu thực tế. Không nhất thiết phải học hết một giáo trình thống kê rồi mới bắt đầu viết Python.

Ở giai đoạn đầu, có thể lấy dữ liệu giá của khoảng 10–20 cổ phiếu Việt Nam và thực hiện một nghiên cứu nhỏ. Đầu tiên là tính lợi suất ngày, tuần và tháng, so sánh mean, median, standard deviation và các phân vị của phân phối. Sau đó vẽ histogram để xem lợi suất tập trung ở đâu, có bao nhiêu quan sát cực đoan và phân phối có cân đối hay không.

Tiếp theo, thử tính tương quan giữa các mã, xây dựng ma trận tương quan và so sánh kết quả giữa các giai đoạn khác nhau. Khi đã quen, bạn có thể thực hành hồi quy đơn giản để ước lượng mức độ nhạy cảm của lợi suất cổ phiếu với biến động thị trường, từ đó tìm hiểu cách diễn giải beta, R-squared, hệ số hồi quy và sai số ước lượng.

Các thư viện Python thường dùng trong giai đoạn này là pandas, NumPy, SciPy, statsmodels và Matplotlib. Chúng đủ để thực hiện phần lớn những bài tập thống kê cơ bản trước khi chuyển sang các mô hình phức tạp hơn.

Để thấy rõ tính ứng dụng, hãy thử xây dựng một nghiên cứu nhỏ về momentum trên thị trường Việt Nam.

Bạn có thể đặt câu hỏi: Những cổ phiếu tăng mạnh trong ba tháng vừa qua có xu hướng tiếp tục đạt lợi suất cao hơn trong tháng kế tiếp hay không?

Đầu tiên, cần xác định tập cổ phiếu nghiên cứu, thời gian quan sát và điều kiện thanh khoản. Sau đó, sử dụng Python để tính lợi suất ba tháng của từng cổ phiếu, xếp hạng và chia thành các nhóm momentum cao, trung bình và thấp. Tiếp theo là tính lợi suất tháng sau của từng nhóm để xem có xuất hiện sự chênh lệch hay không.

Đến đây, thống kê mô tả sẽ giúp chúng ta so sánh lợi suất trung bình, trung vị, độ lệch chuẩn và phân phối kết quả giữa các nhóm.

Thống kê suy luận được sử dụng ở bước tiếp theo để đánh giá mức chênh lệch lợi suất giữa các nhóm có đủ bằng chứng thống kê hay không. Cần lựa chọn phương pháp kiểm định phù hợp với đặc điểm dữ liệu và sự phụ thuộc giữa các quan sát, thay vì mặc định một t-test thông thường luôn phù hợp.

Sau đó, chúng ta kiểm tra kết quả trên những giai đoạn thị trường khác nhau, đánh giá sự ổn định của tín hiệu, tính đến chi phí giao dịch và thử nghiệm ngoài mẫu.

Nếu kết quả chỉ tốt trong một năm cụ thể hoặc thay đổi hoàn toàn khi điều chỉnh nhẹ thời gian tính momentum, chúng ta cần thận trọng. Ngược lại, nếu kết quả tương đối ổn định qua nhiều giai đoạn và vẫn có ý nghĩa kinh tế sau chi phí, giả thuyết có thể đáng để nghiên cứu sâu hơn.

Một bài tập như vậy giúp kết nối nhiều kiến thức tưởng như rời rạc: thống kê mô tả, kiểm định giả thuyết, phân phối xác suất, hồi quy, dữ liệu chuỗi thời gian và backtest.

Quan trọng hơn, sau khi hoàn thành, bạn không chỉ biết sử dụng một số hàm Python mà còn có thể tự giải thích quy trình nghiên cứu: câu hỏi ban đầu là gì, dữ liệu đến từ đâu, phương pháp được sử dụng ra sao, kết quả có những hạn chế gì và cần kiểm tra thêm điều gì trước khi đưa ra kết luận.

Với những người đã có nền tảng tài chính hoặc kinh tế lượng, có thể đi nhanh qua các khái niệm cơ bản và tập trung vào thực hành bằng Python. Những bạn xuất thân từ lập trình có thể cần dành thêm thời gian cho dữ liệu tài chính, đặc điểm chuỗi thời gian và cách diễn giải các thước đo rủi ro. Còn người hoàn toàn mới có thể bắt đầu bằng việc đọc biểu đồ phân phối, hiểu giá trị trung bình, độ biến động và xác suất trước khi đi sâu vào kiểm định và hồi quy.

Mình cũng nghĩ không cần học ngay các mô hình Machine Learning phức tạp. Trước khi thử Random Forest, XGBoost hay các mô hình Deep Learning để dự báo cổ phiếu, việc hiểu phân phối dữ liệu, độ bất định, overfitting và kiểm định ngoài mẫu sẽ giúp chúng ta tránh được rất nhiều sai lầm.

AI và Vibe Coding hiện nay có thể hỗ trợ viết code thống kê rất nhanh. Bạn chỉ cần mô tả bộ dữ liệu và yêu cầu, AI có thể tạo chương trình tính các chỉ tiêu, chạy hồi quy và xuất biểu đồ. Tuy nhiên, AI không thể thay thế việc lựa chọn đúng giả thuyết, xác định phương pháp phù hợp và đánh giá ý nghĩa của kết quả. Một mô hình chạy thành công về mặt kỹ thuật vẫn có thể đưa ra kết luận thiếu cơ sở nếu dữ liệu hoặc cách kiểm định có vấn đề.

Vì vậy, nếu học thống kê để làm Quant, mình nghĩ nên đặt mục tiêu thực tế hơn là học thuộc thật nhiều công thức: hiểu một khái niệm, áp dụng được lên dữ liệu thực tế và biết cách kiểm tra kết quả của mình.