Doanh nghiệp nói về AI trong Earnings Call có làm giá cổ phiếu tăng?

PHẦN 1. Một lời nhắc đến AI có phải tin tốt cho giá cổ phiếu?

Khi AI trở thành chủ đề được nhiều doanh nghiệp nhắc tới, một câu hỏi thú vị xuất hiện: thị trường có phản ứng với bản thân từ khóa AI, hay với những thông tin thực sự mới về cách doanh nghiệp sử dụng AI? Một công ty nói 'chúng tôi đang ứng dụng AI' lần thứ mười không nhất thiết cung cấp thông tin mới như công ty lần đầu công bố quy mô tiết kiệm chi phí hoặc doanh thu từ sản phẩm AI.

Nếu chỉ đếm số lần xuất hiện của từ AI trong earnings call, mô hình có thể nhầm truyền thông với hoạt động kinh doanh. Độ mới của thông tin, tính cụ thể của kế hoạch và khả năng liên hệ với economics của doanh nghiệp mới là những chiều đáng đưa vào phân tích. Đây là lý do một 'AI novelty score' phải so với nội dung của chính công ty trong các kỳ trước và với peers cùng ngành.

Về mặt Quant, hướng nghiên cứu được đặt ra là hKIMR dùng GenAI phân tích earnings-call transcripts và ghi nhận phản ứng abnormal return tích cực tập trung ở phần AI discussion có thông tin mới. Tuy vậy, biến nó thành tín hiệu giao dịch đòi hỏi định nghĩa biến số và thời điểm quan sát rõ hơn một luận điểm kể chuyện.

Điểm dễ bị đánh giá thấp là một hệ thống AI đầu tư không chỉ xử lý ngôn ngữ. Nó phải xử lý cả dữ liệu có đơn vị khác nhau, khoảng thời gian công bố khác nhau và những thông tin chưa được kiểm chứng. Nếu một câu trả lời nghe hợp lý nhưng không dẫn ngược được về dòng dữ liệu gốc, người dùng sẽ không biết phần nào là dữ kiện và phần nào chỉ là suy luận của mô hình. Với tiền thật, khả năng kiểm toán thường quan trọng hơn sự trôi chảy của câu chữ.

Một điều làm nghiên cứu đầu tư khác với bài toán dự báo thông thường là kết quả cuối cùng chịu ảnh hưởng của hành động của những người khác. Khi một tín hiệu trở nên phổ biến, dòng tiền có thể phản ánh nó vào giá nhanh hơn hoặc khiến các vị thế trở nên crowded. Vì vậy kết quả thống kê lịch sử cần được đặt cạnh câu hỏi ai đang giao dịch cùng chiều và thị trường còn đủ khả năng hấp thụ quy mô vốn đó hay không.

PHẦN 2. Đo thông tin mới thay vì đếm từ khóa AI

Nghiên cứu HKIMR Research Paper No.13/2026 phân tích earnings call của doanh nghiệp niêm yết toàn cầu giai đoạn 2020–2024. Nhóm tác giả ghi nhận thảo luận về AI có liên hệ với abnormal return dương trung bình, nhưng phản ứng tích cực gắn với phần thảo luận chứa thông tin mới. Với doanh nghiệp có earnings surprise âm, thị trường đặt trọng lượng lớn hơn vào những phát biểu có ví dụ hoặc số liệu cụ thể.

Kết quả này cần được hiểu là phản ứng giá ngắn hạn trong mẫu nghiên cứu, không phải bằng chứng cứ nhắc AI là cổ phiếu sẽ tăng. Khác biệt giữa correlation và causation vẫn rất quan trọng: doanh nghiệp công bố những kế hoạch tốt cũng có thể đồng thời có nhiều tín hiệu tích cực khác. Một thước đo novelty cần tránh sử dụng thông tin xuất hiện sau thời điểm call.

Những kết quả được tổ chức nghiên cứu công bố nên được đặt trong bối cảnh của mẫu dữ liệu và mục tiêu họ đang tối ưu. Một hệ thống tăng tốc research có thể tạo ra nhiều giả thuyết hơn, nhưng hiệu quả đầu tư vẫn cần kiểm tra bằng ngoài mẫu, costs và factor exposure. Chúng ta cũng cần tách ba tầng: khả năng xử lý tài liệu, khả năng dự báo dữ liệu kinh tế và khả năng biến dự báo thành quyết định vốn có lợi nhuận. Bước đầu tiên tốt không bảo đảm bước cuối cùng tốt.

Nguồn tham khảo chính của chủ đề này là nghiên cứu/bài phân tích “Do Firms' Stock Prices Respond to AI-related Discussions? Evidence from Earnings Calls”, từ HKIMR / HKMA researchers (18/09/2026). Khi dẫn lại kết quả, cần quy đúng chúng cho tác giả và phạm vi dữ liệu của nguồn, không gộp với những ví dụ triển khai được đề xuất trong bài.

Một bẫy khác là lẫn lộn tương quan, dự báo và nhân quả. Nếu một biến đi cùng return tương lai trong dữ liệu, nó có thể giúp dự báo mà chưa chắc chính biến đó gây ra biến động giá. Trong xây dựng portfolio, dự báo tốt có thể đủ hữu ích; nhưng nếu thiếu cơ chế kinh tế, signal dễ suy yếu khi những điều kiện ngầm thay đổi.

Khi đánh giá tính thuyết phục của kết quả, nên xem liệu tác giả đã kiểm tra ngoài mẫu, có kiểm soát factor phổ biến và có đưa chi phí thực hiện vào mô phỏng hay chưa. Nếu một yếu tố chưa được báo cáo rõ, đó là giới hạn cần nêu trong phần diễn giải, không phải phần có thể tự điền bằng suy đoán.

PHẦN 3. Tách hype, novelty và surprise trong earnings call

Trên cổ phiếu Việt Nam, có thể theo dõi các công bố về AI, chuyển đổi số và tự động hóa của doanh nghiệp lớn; tách phát biểu chiến lược chung khỏi số liệu cụ thể về sản phẩm, chi phí, khách hàng hay năng suất. Tất cả phát biểu phải gắn nguồn và ngày công bố, tránh lấy tin thứ cấp lặp lại làm nhiều sự kiện.

Đánh giá event-window return quanh ngày công bố và so với nhóm doanh nghiệp tương đồng theo ngành, vốn hóa, earnings surprise. Sau đó mới thử xem novelty score có khả năng dự báo thay đổi fundamentals trong vài quý tiếp theo không. Nếu chỉ giải thích biến động ngay trong ngày mà không thêm giá trị ở các kỳ sau, tín hiệu có thể là event sentiment hơn là alpha dài hạn.

Một hướng minh họa có thể bắt đầu từ tạo ‘AI novelty score’: tần suất nhắc AI chưa đủ, phải đo novelty so với các quý trước và peers. Đây là bản thiết kế nghiên cứu cần dữ liệu đầu vào và backtest riêng, không phải kết quả đã có sẵn.

Khi triển khai trong nước, mình sẽ ưu tiên cơ chế kiểm tra nguồn và trạng thái dữ liệu trước khi thêm chức năng tự động ra quyết định. Mỗi tín hiệu nên đi kèm thời điểm hình thành, phiên bản mô hình, mức độ đầy đủ của input và điều kiện bị vô hiệu hóa. Đó là một phần không hấp dẫn khi trình diễn sản phẩm, nhưng lại quyết định người dùng có thể tin vào hệ thống sau nhiều tháng hoạt động hay không.

Bản báo cáo cuối nên tách ba loại kết quả: dự báo có tốt không, danh mục có tốt không và quy trình có ổn định không. Một mô hình tăng Rank IC nhưng portfolio không cải thiện vì chi phí cao cần được mô tả đúng, cũng như một danh mục giảm drawdown nhờ risk limits không có nghĩa model dự báo cơ bản bỗng trở nên chính xác hơn.

Nhà đầu tư có lẽ không trả tiền cho số lần doanh nghiệp nói về AI, mà trả tiền cho thông tin mới đủ cụ thể để thay đổi kỳ vọng dòng tiền.