Phần 1: Từ đầu tư theo tài sản truyền thống đến tư duy Factor Investing trong quản lý danh mục hiện đại

Trong nhiều thập kỷ, cách tiếp cận phổ biến trong quản lý danh mục đầu tư là phân bổ vốn theo nhóm tài sản (asset allocation) như cổ phiếu, trái phiếu, hàng hóa, tiền mặt hoặc theo khu vực địa lý. Nhà đầu tư thường xây dựng danh mục dựa trên câu hỏi: “Nên nắm giữ bao nhiêu % cổ phiếu và bao nhiêu % trái phiếu?”. Tuy nhiên, sự phát triển của tài chính định lượng (quantitative finance) đã thay đổi cách nhìn này. Các nhà nghiên cứu nhận ra rằng lợi nhuận của danh mục không chỉ đến từ việc lựa chọn từng cổ phiếu riêng lẻ mà còn đến từ những yếu tố rủi ro có tính hệ thống (systematic factors) tồn tại xuyên suốt thị trường.

Factor Investing ra đời dựa trên ý tưởng rằng một số đặc điểm định lượng của tài sản có thể giải thích phần lớn sự khác biệt về lợi nhuận dài hạn giữa các nhóm tài sản. Thay vì chỉ hỏi “mua cổ phiếu nào?”, nhà quản lý danh mục đặt câu hỏi “những yếu tố nào đang tạo ra lợi nhuận vượt trội?”. Các yếu tố này được gọi là factor, đại diện cho những nguồn lợi nhuận có thể đo lường, kiểm chứng bằng dữ liệu lịch sử và triển khai bằng mô hình định lượng.

Nền tảng học thuật của Factor Investing xuất phát từ các nghiên cứu về mô hình định giá tài sản. Mô hình CAPM truyền thống của Sharpe cho rằng lợi nhuận kỳ vọng của một cổ phiếu chủ yếu được giải thích bởi rủi ro thị trường (market beta). Tuy nhiên, thực tế cho thấy nhiều nhóm cổ phiếu có thể tạo ra lợi nhuận cao hơn mức dự báo của CAPM trong thời gian dài. Điều này dẫn đến sự phát triển của các mô hình đa nhân tố như Fama-French Three Factor Model, bổ sung thêm các yếu tố Size (quy mô doanh nghiệp) và Value (giá trị), sau đó mở rộng thành nhiều mô hình khác với các factor như Momentum, Quality, Low Volatility, Carry, Defensive hay Profitability.

Trong thực tế quản lý quỹ hiện đại, Factor Investing không còn chỉ là một lý thuyết học thuật mà đã trở thành một phương pháp xây dựng danh mục phổ biến tại các quỹ đầu tư lớn. Các quỹ ETF theo factor, quỹ pension fund và các systematic hedge fund sử dụng hàng tỷ USD vốn dựa trên các mô hình này. Ví dụ, thay vì mua toàn bộ chỉ số S&P 500 theo tỷ trọng vốn hóa, một quỹ có thể xây dựng danh mục tập trung vào nhóm cổ phiếu có định giá thấp (Value), xu hướng giá tích cực (Momentum) hoặc chất lượng tài chính cao (Quality).

Điểm quan trọng của Factor Investing là thay đổi cách nhìn về rủi ro. Trong phương pháp truyền thống, rủi ro thường được đo bằng độ biến động giá (volatility). Tuy nhiên, với cách tiếp cận quant, rủi ro được phân tích theo từng nguồn gốc. Một danh mục có thể sở hữu hàng trăm cổ phiếu khác nhau nhưng thực tế lại đang chịu cùng một rủi ro factor. Ví dụ, một danh mục gồm nhiều cổ phiếu công nghệ có thể tưởng rằng đã đa dạng hóa vì có nhiều mã khác nhau, nhưng khi thị trường điều chỉnh lãi suất, toàn bộ danh mục có thể cùng giảm do cùng chịu exposure với Growth factor.

Vì vậy, xây dựng danh mục hiện đại không chỉ là lựa chọn tài sản mà là kiểm soát các factor exposure. Nhà quản lý danh mục sử dụng dữ liệu lịch sử, mô hình thống kê và thuật toán tối ưu hóa để xác định danh mục nào đang mang lại phần thưởng rủi ro tốt nhất.

Phần 2: Các Factor quan trọng và cách mô hình Quant biến chúng thành chiến lược đầu tư thực tế

Trong thực tế, Factor Investing thường xoay quanh một nhóm factor chính đã được chứng minh có khả năng tạo ra lợi nhuận vượt trội trong dài hạn. Mỗi factor đại diện cho một giả thuyết kinh tế khác nhau và được xây dựng thông qua các biến định lượng cụ thể.

Value Factor là một trong những factor lâu đời nhất. Ý tưởng chính là những tài sản đang bị định giá thấp so với giá trị nội tại có khả năng tạo lợi nhuận tốt hơn trong dài hạn. Trong mô hình quant, Value không được đánh giá bằng cảm tính mà được lượng hóa thông qua các chỉ số như Price-to-Book (P/B), Price-to-Earnings (P/E), Enterprise Value/EBITDA hoặc Free Cash Flow Yield.

Ví dụ, một mô hình Value đơn giản có thể xếp hạng toàn bộ cổ phiếu trong thị trường theo:

Value Score = trung bình chuẩn hóa của:

• Earnings Yield

• Book-to-Market Ratio

• Free Cash Flow Yield

Sau đó chọn ra nhóm 10–20% cổ phiếu có điểm Value cao nhất để xây dựng danh mục.

Tuy nhiên, Value Factor có một vấn đề lớn là Value Trap. Một cổ phiếu có thể rẻ vì doanh nghiệp thực sự suy giảm. Do đó, các mô hình hiện đại thường kết hợp Value với Quality nhằm tránh mua các doanh nghiệp có vấn đề.

Momentum Factor dựa trên quan sát rằng các tài sản có xu hướng tăng giá trong quá khứ thường tiếp tục duy trì xu hướng trong một khoảng thời gian nhất định. Đây là một trong những anomaly được nghiên cứu nhiều nhất trong tài chính định lượng.

Một chiến lược Momentum phổ biến:

Momentum Score = Return 12 tháng - Return 1 tháng

Việc loại bỏ tháng gần nhất nhằm tránh ảnh hưởng của hiện tượng đảo chiều ngắn hạn (short-term reversal).

Ví dụ:

• Cổ phiếu A tăng 40% trong 12 tháng.

• Nhưng trong tháng gần nhất giảm 5%.

Momentum Score = 40% - 5% = 35%

Nếu nằm trong nhóm cao nhất thị trường, cổ phiếu có thể được đưa vào danh mục.

Momentum thường hoạt động tốt trong thị trường có xu hướng rõ ràng nhưng dễ gặp rủi ro khi thị trường đảo chiều mạnh.

Quality Factor tập trung vào các doanh nghiệp có nền tảng tài chính tốt. Đây là factor được nhiều nhà đầu tư tổ chức quan tâm vì nó giúp cải thiện chất lượng danh mục.

Các biến thường sử dụng:

• Return on Equity (ROE)

• Return on Invested Capital (ROIC)

• Biên lợi nhuận

• Tăng trưởng lợi nhuận ổn định

• Đòn bẩy tài chính thấp

• Dòng tiền tự do cao

Một mô hình Quality Score có thể:

Quality Score =
40% ROIC

• 30% Profit Margin

• 20% Earnings Stability

• 10% Balance Sheet Strength

Low Volatility Factor dựa trên hiện tượng bất thường rằng những cổ phiếu biến động thấp đôi khi tạo lợi nhuận điều chỉnh rủi ro tốt hơn cổ phiếu biến động cao.

Trong lý thuyết CAPM, nhà đầu tư phải được trả lợi nhuận cao hơn khi chịu rủi ro cao hơn. Nhưng dữ liệu thực tế cho thấy nhóm cổ phiếu beta thấp có thể tạo Sharpe Ratio tốt hơn.

Mô hình đơn giản:

Volatility Score = độ lệch chuẩn lợi nhuận ngày trong 252 phiên

Chọn nhóm cổ phiếu có volatility thấp nhất.

Ngoài các factor trên, các quỹ quant hiện đại còn sử dụng:

• Carry Factor: lợi nhuận từ việc nắm giữ tài sản có lợi suất cao hơn.

• Defensive Factor: tập trung vào doanh nghiệp ổn định trong chu kỳ suy giảm.

• Liquidity Factor: đánh giá phần bù lợi nhuận từ tài sản kém thanh khoản.

• Sentiment Factor: sử dụng dữ liệu tin tức, mạng xã hội, analyst revision.

Điểm khác biệt của Factor Investing hiện đại là sự kết hợp giữa dữ liệu tài chính truyền thống và Alternative Data. Các quỹ quant ngày nay không chỉ sử dụng báo cáo tài chính mà còn khai thác:

• Dữ liệu giao dịch hàng ngày.

• Dòng tiền ETF.

• Dữ liệu vệ tinh.

• Tin tức tài chính.

• NLP phân tích cảm xúc thị trường.

• Dữ liệu mạng xã hội.

Ví dụ, một mô hình Quant có thể tạo ra một Composite Factor Score:

Total Score =
30% Value

• 25% Momentum

• 25% Quality

• 20% Low Volatility

Sau đó dùng thuật toán tối ưu hóa Markowitz hoặc Black-Litterman để phân bổ vốn.

Mục tiêu không phải tìm cổ phiếu tăng giá mạnh nhất mà là tạo ra danh mục có:

• Return kỳ vọng cao.

• Volatility thấp.

• Drawdown nhỏ.

• Sharpe Ratio tốt.

• Exposure factor cân bằng.

Đây chính là cách các hệ thống đầu tư định lượng hiện đại vận hành.

Phần 3: Factor Investing đang thay đổi cách vận hành của các quỹ đầu tư và tương lai của quản lý danh mục

Sự phát triển của Factor Investing đang tạo ra một sự thay đổi lớn trong ngành quản lý tài sản. Trước đây, năng lực của một nhà quản lý quỹ thường được đánh giá dựa trên khả năng phân tích doanh nghiệp, gặp gỡ ban lãnh đạo và lựa chọn cổ phiếu tốt. Ngày nay, một phần lớn quyết định đầu tư được chuyển sang các hệ thống định lượng có khả năng xử lý hàng triệu điểm dữ liệu và ra quyết định dựa trên xác suất.

Một danh mục Factor Investing hiện đại thường được xây dựng theo quy trình:

Bước 1: Xác định universe đầu tư

Ví dụ:

• 3.000 cổ phiếu Mỹ.

• 1.500 cổ phiếu châu Âu.

• Toàn bộ cổ phiếu VN30 hoặc HOSE.

Bước 2: Thu thập dữ liệu

Bao gồm:

Market Data:

• Giá đóng cửa.

• Volume.

• Volatility.

• Beta.

Fundamental Data:

• Revenue growth.

• EPS.

• ROE.

• Debt ratio.

Alternative Data:

• News sentiment.

• Analyst revision.

• Search trend.

Bước 3: Chuẩn hóa dữ liệu

Các biến có đơn vị khác nhau phải được chuẩn hóa.

Ví dụ:

Z-score:

Z = (X - Mean) / Standard Deviation

Nhờ đó, P/E, ROE hay Momentum đều có thể đưa về cùng một thang điểm.

Bước 4: Xây dựng Factor Score

Ví dụ:

Stock A:

Value Score: 80/100
Momentum Score: 70/100
Quality Score: 90/100

Composite Score:

0.3 × Value

• 0.3 × Momentum

• 0.4 × Quality

= 81 điểm

Các cổ phiếu được xếp hạng và lựa chọn theo thứ tự.

Bước 5: Portfolio Optimization

Sau khi chọn danh sách cổ phiếu, hệ thống không mua theo cảm tính mà giải bài toán tối ưu:

Maximize:

Expected Return / Risk

với các ràng buộc:

• Không vượt quá 5% mỗi cổ phiếu.

• Sector exposure tối đa 20%.

• Tracking error giới hạn.

• Turnover kiểm soát.

Điều này giúp danh mục tránh tình trạng tập trung quá mức.

Một xu hướng mới hiện nay là kết hợp Factor Investing với Machine Learning. Thay vì sử dụng trọng số cố định, mô hình AI có thể học cách điều chỉnh factor theo từng chu kỳ thị trường.

Ví dụ:

Trong giai đoạn lãi suất tăng:

• Giảm Growth exposure.

• Tăng Value.

• Tăng Quality.

Trong giai đoạn suy thoái:

• Tăng Low Volatility.

• Tăng Defensive Factor.

Mô hình Machine Learning có thể sử dụng:

• Random Forest.

• Gradient Boosting.

• Neural Network.

• Reinforcement Learning.

để dự báo:

• Factor nào đang có xác suất hoạt động tốt.

• Khi nào nên xoay vòng danh mục.

• Mức exposure tối ưu.

Tuy nhiên, Factor Investing cũng không phải là “cỗ máy tạo lợi nhuận miễn phí”. Các factor có thể trải qua những giai đoạn dài hoạt động kém hiệu quả. Ví dụ, Value Factor từng có nhiều năm bị Momentum và Growth vượt trội. Nếu nhà đầu tư không hiểu bản chất rủi ro của factor, họ có thể từ bỏ chiến lược đúng vào thời điểm khó khăn nhất.

Ngoài ra, khi quá nhiều vốn cùng áp dụng một chiến lược quant, lợi thế của factor có thể giảm đi do hiện tượng factor crowding. Khi hàng nghìn quỹ cùng mua nhóm cổ phiếu Value hoặc Momentum, lợi nhuận kỳ vọng có thể bị thu hẹp.

Vì vậy, các tổ chức đầu tư hiện đại không sử dụng một factor duy nhất mà xây dựng hệ thống Multi-Factor Investing. Đây là sự kết hợp giữa nhiều nguồn lợi nhuận nhằm giảm phụ thuộc vào một mô hình duy nhất.

Tương lai của quản lý danh mục có khả năng sẽ là sự kết hợp giữa:

• Con người trong việc xây dựng giả thuyết đầu tư.

• Quant model trong việc xử lý dữ liệu.

• Machine Learning trong việc phát hiện mô hình mới.

• Risk Management trong việc kiểm soát biến động.

Factor Investing đã thay đổi cách nhìn về đầu tư: từ việc tìm kiếm “cổ phiếu chiến thắng” sang việc khai thác các quy luật thống kê tồn tại trong thị trường. Đây chính là nền tảng quan trọng của quản lý danh mục hiện đại, nơi dữ liệu, mô hình toán học và công nghệ trở thành công cụ trung tâm trong quá trình ra quyết định đầu tư.