Regime Detection: Làm thế nào nhận diện thị trường đang ở trạng thái nào?

Phần lớn nhà đầu tư bước vào thị trường với một câu hỏi quen thuộc: cổ phiếu nào sẽ tăng, VN-Index sẽ lên bao nhiêu điểm, hay nên mua ở mức giá nào? Tuy nhiên, với những nhà đầu tư định lượng và nhà quản trị danh mục, có một câu hỏi còn quan trọng hơn: thị trường hiện đang vận hành theo cơ chế nào? Một chiến lược có thể hoạt động rất tốt trong giai đoạn xu hướng tăng mạnh nhưng liên tục tạo tín hiệu sai khi thị trường đi ngang. Một danh mục cổ phiếu tăng trưởng có thể mang lại lợi nhuận vượt trội khi thanh khoản dồi dào và lãi suất thấp, nhưng lại suy giảm mạnh khi lạm phát tăng, chính sách tiền tệ bị thắt chặt và mức định giá bị co lại. Vì vậy, trước khi cố gắng dự báo tài sản nào sẽ tăng giá, nhà đầu tư cần xác định mình đang đứng trong một market regime, tức một trạng thái thị trường, như thế nào.

Regime Detection có thể hiểu là quá trình sử dụng dữ liệu để nhận diện các trạng thái khác nhau của thị trường, chẳng hạn: tăng trưởng ổn định, tăng nóng, đi ngang, giảm có kiểm soát, khủng hoảng thanh khoản hoặc phục hồi sau khủng hoảng. Điểm cốt lõi là các trạng thái này không được quan sát trực tiếp như giá đóng cửa hay khối lượng giao dịch. Nhà đầu tư chỉ nhìn thấy các biểu hiện bên ngoài như lợi suất, độ biến động, thanh khoản, tương quan giữa các tài sản, lãi suất, tỷ giá và độ rộng thị trường; từ đó phải suy luận trạng thái ẩn phía sau.

Phần 1. Thị trường không vận hành theo một quy luật cố định

Sai lầm phổ biến nhất khi xây dựng một chiến lược đầu tư là giả định thị trường có một cấu trúc ổn định theo thời gian. Nhà đầu tư thường lấy toàn bộ dữ liệu lịch sử, tính lợi nhuận trung bình, độ biến động, hệ số tương quan hoặc xác suất tăng giá, sau đó cho rằng những con số này có thể đại diện cho mọi giai đoạn trong tương lai. Trên thực tế, thị trường không phải một cỗ máy có cùng một chế độ vận hành từ năm này sang năm khác. Có những thời kỳ nhà đầu tư sẵn sàng chấp nhận rủi ro, dòng tiền chảy mạnh vào cổ phiếu, mức định giá được mở rộng và các nhịp điều chỉnh nhanh chóng được mua lên. Nhưng cũng có những thời kỳ nhà đầu tư ưu tiên tiền mặt, tương quan giữa các cổ phiếu đồng loạt tăng, thanh khoản suy giảm và ngay cả doanh nghiệp có nền tảng tốt cũng bị bán vì nhu cầu giảm đòn bẩy.

Trong kinh tế lượng, James Hamilton đã đặt nền móng quan trọng cho cách tiếp cận này bằng mô hình Markov Switching. Thay vì giả định một chuỗi thời gian chỉ có một tốc độ tăng trưởng trung bình, Hamilton cho rằng nền kinh tế có thể chuyển đổi giữa những trạng thái khác nhau, chẳng hạn trạng thái tăng trưởng và trạng thái suy thoái. Trạng thái thực sự không được quan sát trực tiếp, nhưng có thể được suy luận từ những dữ liệu mà nó tạo ra. Đây cũng chính là tư duy nền tảng của Regime Detection trong tài chính: lợi suất cổ phiếu mà chúng ta quan sát có thể được tạo ra từ những cơ chế thị trường khác nhau.

Ví dụ, giả sử lợi suất trung bình dài hạn của một chỉ số chứng khoán là 10% mỗi năm. Con số 10% này có thể khiến nhà đầu tư tưởng rằng thị trường tăng trưởng tương đối đều. Nhưng đằng sau mức trung bình đó có thể là ba trạng thái hoàn toàn khác nhau. Trong trạng thái thứ nhất, thị trường tăng chậm nhưng ổn định, lợi suất bình quân khoảng 12% và biến động thấp. Trong trạng thái thứ hai, thị trường tăng nóng khoảng 30%, nhưng đi kèm mức định giá cao và rủi ro đảo chiều lớn. Trong trạng thái thứ ba, thị trường giảm 25% với biến động rất cao. Việc gộp ba trạng thái thành một mức lợi suất trung bình duy nhất có thể làm mất đi phần thông tin quan trọng nhất: lợi nhuận và rủi ro không được phân phối đồng đều qua thời gian.

Điều này càng quan trọng đối với quản trị danh mục. Nghiên cứu của Andrew Ang và Geert Bekaert cho thấy các giai đoạn thị trường giảm thường đi kèm biến động cao hơn, lợi suất kỳ vọng thấp hơn và tương quan giữa các thị trường cổ phiếu tăng lên. Nói cách khác, khi khủng hoảng xảy ra, nhiều tài sản tưởng như độc lập lại có xu hướng cùng giảm. Đây là nguyên nhân một danh mục nhìn rất đa dạng trong điều kiện bình thường vẫn có thể mất giá mạnh trong giai đoạn căng thẳng.

Trong thực tế, nhà đầu tư Việt Nam có thể quan sát sự thay đổi trạng thái này qua những giai đoạn rất khác biệt. Khi mặt bằng lãi suất thấp, tín dụng mở rộng, thanh khoản trên thị trường tăng và tâm lý nhà đầu tư tích cực, các cổ phiếu có beta cao, cổ phiếu tăng trưởng hoặc nhóm ngành mang tính chu kỳ thường phản ứng mạnh. Trong trạng thái đó, chiến lược momentum, tức mua những cổ phiếu đang có xu hướng tăng tốt, có thể phát huy hiệu quả vì dòng tiền có xu hướng tiếp tục tập trung vào nhóm dẫn dắt. Ngược lại, khi lãi suất tăng, tỷ giá chịu áp lực, thanh khoản suy yếu và nhà đầu tư giảm sử dụng đòn bẩy, cùng một chiến lược momentum có thể chịu tổn thất lớn do xu hướng đảo chiều nhanh hơn.

Giai đoạn đầu của Covid-19 là một ví dụ dễ hình dung về sự chuyển đổi regime. Trước cú sốc, nhà đầu tư có thể đang vận hành với giả định rằng doanh thu, lợi nhuận doanh nghiệp và hoạt động kinh tế tiếp tục tăng trưởng bình thường. Khi dịch bệnh lan rộng, trạng thái thị trường nhanh chóng chuyển từ môi trường định giá dựa trên tăng trưởng sang môi trường ưu tiên thanh khoản và bảo toàn vốn. Trong một trạng thái khủng hoảng, nhà đầu tư không còn đặt câu hỏi doanh nghiệp nào tăng trưởng nhanh nhất mà chuyển sang hỏi tài sản nào có thể dễ dàng bán được, doanh nghiệp nào có đủ tiền mặt để tồn tại và khoản đầu tư nào có mức tổn thất tối đa chấp nhận được.

Sau đó, thị trường lại có thể bước vào một regime khác khi chính sách hỗ trợ được triển khai, lãi suất giảm và thanh khoản quay trở lại. Việc nền kinh tế thực vẫn còn khó khăn nhưng giá tài sản bắt đầu phục hồi không nhất thiết là một sự vô lý. Thị trường tài chính phản ánh kỳ vọng về tương lai, đồng thời chịu tác động rất lớn từ chi phí vốn và dòng thanh khoản. Do đó, regime của thị trường chứng khoán có thể thay đổi trước khi các số liệu kinh tế như GDP, doanh thu hay lợi nhuận doanh nghiệp xác nhận sự phục hồi.

Điểm quan trọng là không nên giới hạn regime thành hai trạng thái đơn giản là “bull market” và “bear market”. Một hệ thống thực tế hơn có thể chia thị trường thành bốn trạng thái. Trạng thái thứ nhất là Risk-on ổn định, trong đó giá tăng, biến động thấp, độ rộng thị trường tích cực và dòng tiền lan tỏa. Trạng thái thứ hai là Risk-on đầu cơ, trong đó giá tiếp tục tăng nhưng định giá cao, giao dịch đòn bẩy lớn, mức độ tập trung vào một số nhóm cổ phiếu tăng lên và rủi ro đảo chiều bắt đầu tích tụ. Trạng thái thứ ba là Risk-off, khi xu hướng giá giảm, biến động tăng, thanh khoản suy yếu và dòng tiền rút khỏi tài sản rủi ro. Trạng thái cuối cùng là Recovery, khi thị trường bắt đầu phục hồi từ vùng suy giảm nhưng dữ liệu kinh tế và lợi nhuận doanh nghiệp chưa hoàn toàn cải thiện.

Việc phân biệt các trạng thái này giúp nhà đầu tư tránh một lỗi lớn: nhìn thấy thị trường tăng và mặc định rằng mọi sự tăng giá đều giống nhau. Một xu hướng tăng được dẫn dắt bởi tăng trưởng lợi nhuận, thanh khoản lành mạnh và độ rộng thị trường tốt sẽ khác với một xu hướng tăng chỉ phụ thuộc vào một vài cổ phiếu vốn hóa lớn hoặc dòng tiền đầu cơ ngắn hạn. Chỉ số có thể tiếp tục tăng trong cả hai trường hợp, nhưng mức độ bền vững và cách quản trị rủi ro cần hoàn toàn khác nhau.

Phần 2. Làm thế nào nhận diện một Market Regime?

Không tồn tại một chỉ báo duy nhất có thể nói chính xác thị trường đang ở regime nào. Regime Detection cần được xem là một bài toán tổng hợp dữ liệu, trong đó nhà đầu tư kết hợp ba nhóm thông tin chính: hành vi giá, điều kiện thanh khoản và bối cảnh vĩ mô. Mỗi nhóm phản ánh một phần khác nhau của thị trường. Giá cho biết nhà đầu tư đang hành động thế nào; thanh khoản cho biết họ có sẵn sàng chấp nhận rủi ro hay không; còn dữ liệu vĩ mô cho biết môi trường kinh tế và chính sách đang hỗ trợ hay gây áp lực lên giá tài sản.

Nhóm đầu tiên là dữ liệu giá và lợi suất. Các biến cơ bản có thể bao gồm lợi suất trong 20, 60 và 120 phiên; khoảng cách giữa chỉ số và các đường trung bình; mức giảm từ đỉnh gần nhất; độ biến động lịch sử; tỷ lệ phiên tăng so với phiên giảm; cùng tốc độ thay đổi của biến động. Một thị trường tăng ổn định thường có lợi suất trung hạn dương, biến động tương đối thấp và các nhịp điều chỉnh không quá sâu. Ngược lại, thị trường khủng hoảng thường xuất hiện lợi suất âm, drawdown lớn và độ biến động tăng nhanh. Tuy nhiên, chỉ quan sát giá có thể khiến hệ thống phản ứng quá muộn, bởi đến khi xu hướng giảm được xác nhận thì một phần đáng kể tổn thất đã xảy ra.

Nhóm thứ hai là độ rộng và cấu trúc bên trong thị trường. Chỉ số VN-Index có thể tăng nhờ một số cổ phiếu vốn hóa lớn, trong khi phần lớn cổ phiếu còn lại giảm giá. Nếu chỉ nhìn vào chỉ số, nhà đầu tư có thể kết luận thị trường vẫn đang trong trạng thái tích cực. Nhưng khi số lượng cổ phiếu nằm trên đường trung bình 50 ngày giảm dần, số mã lập đáy mới tăng, thanh khoản tập trung vào một vài cổ phiếu và tỷ lệ cổ phiếu tăng giá suy yếu, hệ thống có thể phát hiện regime đang trở nên kém lành mạnh.

Đây là lý do market breadth thường cung cấp thêm thông tin mà bản thân chỉ số không thể hiện đầy đủ. Một xu hướng tăng có sự tham gia của nhiều nhóm ngành thường ổn định hơn một xu hướng chỉ phụ thuộc vào hai hoặc ba cổ phiếu lớn. Tương tự, nếu chỉ số chưa giảm mạnh nhưng nhóm chứng khoán, bất động sản, ngân hàng và các cổ phiếu beta cao đồng loạt suy yếu, đó có thể là tín hiệu khẩu vị rủi ro của thị trường đang thay đổi.

Nhóm thứ ba là thanh khoản và biến động. Nhà đầu tư có thể theo dõi giá trị giao dịch, tốc độ thay đổi của thanh khoản, chênh lệch mua bán, tỷ lệ sử dụng margin nếu dữ liệu có sẵn, tương quan giữa các cổ phiếu và mức độ phân tán lợi suất. Trong trạng thái bình thường, các cổ phiếu thường phản ứng khác nhau theo triển vọng của từng doanh nghiệp. Nhưng trong khủng hoảng, nhà đầu tư có xu hướng bán đồng loạt, khiến tương quan giữa các tài sản tăng mạnh. Kết quả nghiên cứu về phân bổ tài sản theo regime cũng chỉ ra rằng các trạng thái biến động cao thường đi kèm tương quan cao hơn và lợi suất thấp hơn, làm giảm hiệu quả đa dạng hóa đúng vào lúc nhà đầu tư cần nó nhất.

Cuối cùng là dữ liệu vĩ mô và chính sách. Với thị trường Việt Nam, nhà đầu tư có thể theo dõi lãi suất liên ngân hàng, lãi suất huy động, lợi suất trái phiếu chính phủ, tăng trưởng tín dụng, tỷ giá USD/VND, chỉ số sản xuất công nghiệp, PMI, lạm phát và xu hướng chính sách của các ngân hàng trung ương lớn. Tuy nhiên, không nên hiểu rằng một chỉ báo vĩ mô xấu sẽ ngay lập tức khiến thị trường giảm. Điều quan trọng hơn là xu hướng thay đổi và mức độ bất ngờ so với kỳ vọng.

Ví dụ, lạm phát ở mức cao chưa chắc là thông tin mới nếu thị trường đã dự báo điều đó từ trước. Nhưng nếu lạm phát tiếp tục tăng trong khi giới đầu tư kỳ vọng nó sẽ giảm, xác suất chính sách tiền tệ duy trì thắt chặt có thể tăng lên. Sự thay đổi trong kỳ vọng về lãi suất sẽ ảnh hưởng đến chi phí vốn, định giá và khẩu vị rủi ro. Vì vậy, Regime Detection không chỉ đọc giá trị tuyệt đối của dữ liệu mà cần quan tâm đến tốc độ thay đổi, xu hướng và chênh lệch giữa thực tế với kỳ vọng.

Ở cấp độ đơn giản, nhà đầu tư có thể xây một mô hình chấm điểm theo quy tắc. Giả sử hệ thống sử dụng năm biến: xu hướng VN-Index, biến động 20 phiên, độ rộng thị trường, thanh khoản và xu hướng tỷ giá. Mỗi biến được chấm từ âm một đến dương một. Nếu chỉ số nằm trên đường trung bình 100 ngày, xu hướng được cộng một điểm. Nếu biến động nằm trong nhóm 20% cao nhất của ba năm gần nhất, hệ thống trừ một điểm. Nếu trên 60% cổ phiếu nằm trên đường trung bình 50 ngày, độ rộng được cộng một điểm. Nếu thanh khoản tăng cùng với giá, hệ thống cộng thêm một điểm. Nếu tỷ giá biến động mạnh và liên tục tạo áp lực, hệ thống trừ một điểm.

Tổng điểm có thể được chuyển thành các trạng thái. Từ ba đến năm điểm là Risk-on; từ một đến hai điểm là trạng thái trung tính; từ âm một đến không là cảnh báo; dưới âm một là Risk-off. Đây không phải mô hình tối ưu về mặt thống kê, nhưng có ba ưu điểm lớn: dễ hiểu, dễ kiểm tra và nhà đầu tư biết chính xác vì sao hệ thống đưa ra kết luận.

Ở cấp độ nâng cao hơn, nhà đầu tư có thể sử dụng Markov Switching Model hoặc Hidden Markov Model – HMM. Trong HMM, trạng thái thị trường là biến ẩn, còn lợi suất, độ biến động hoặc những đặc trưng khác là dữ liệu quan sát được. Mô hình không nói chắc chắn rằng hôm nay là bear market hay bull market mà ước tính xác suất của từng trạng thái. Chẳng hạn, hệ thống có thể cho rằng xác suất thị trường đang ở regime ổn định là 20%, regime biến động cao là 65% và regime phục hồi là 15%. Việc biểu diễn dưới dạng xác suất phù hợp với bản chất không chắc chắn của thị trường hơn so với việc gán một nhãn tuyệt đối.

Một HMM hai trạng thái có thể nhận diện regime biến động thấp và biến động cao. Mô hình ba trạng thái có thể chia thành tăng ổn định, giảm mạnh và trung tính. Nhưng số trạng thái càng nhiều không có nghĩa mô hình càng tốt. Nếu thêm quá nhiều regime, hệ thống có thể bắt đầu coi những dao động ngẫu nhiên ngắn hạn là một trạng thái mới. Đây là biểu hiện của overfitting: mô hình mô tả dữ liệu quá khứ rất đẹp nhưng không có khả năng hoạt động trên dữ liệu mới.

Ngoài HMM, nhà đầu tư có thể sử dụng clustering để nhóm các giai đoạn có đặc điểm giống nhau. Mỗi ngày hoặc mỗi tuần được mô tả bằng một vector gồm lợi suất, biến động, thanh khoản, độ rộng, tỷ giá và lãi suất. Thuật toán như K-means hoặc Gaussian Mixture Model sẽ nhóm những quan sát tương tự vào cùng một cluster. Sau đó, người nghiên cứu phân tích đặc điểm của từng nhóm và đặt tên cho chúng, chẳng hạn “tăng trưởng thanh khoản cao”, “đi ngang biến động thấp” hoặc “giảm mạnh biến động cao”.

Tuy nhiên, clustering thông thường không hiểu thứ tự thời gian. Thuật toán có thể gán hôm nay vào regime 1, ngày mai regime 3, ngày tiếp theo lại quay về regime 1, khiến tín hiệu thay đổi liên tục. HMM khắc phục một phần vấn đề này bằng cách mô hình hóa xác suất chuyển trạng thái. Nếu thị trường đang ở regime biến động thấp, xác suất nó tiếp tục duy trì trạng thái đó trong ngày kế tiếp thường cao hơn xác suất đột ngột chuyển sang khủng hoảng rồi quay lại ngay sau đó.

Dù sử dụng phương pháp nào, nhà đầu tư cũng phải tránh look-ahead bias. Khi nhìn lại lịch sử, chúng ta có thể dễ dàng xác định tháng nào là đỉnh, tháng nào là đáy và giai đoạn nào là khủng hoảng. Nhưng tại thời điểm thực tế, dữ liệu tương lai chưa tồn tại. Một mô hình hợp lệ phải chỉ sử dụng thông tin có sẵn tại ngày ra quyết định. Nếu hệ thống sử dụng xác suất trạng thái được “làm mượt” bằng toàn bộ dữ liệu của cả giai đoạn, kết quả backtest có thể vô tình chứa thông tin tương lai.

Một cách kiểm tra nghiêm túc là sử dụng walk-forward testing. Mô hình được huấn luyện trên dữ liệu từ năm 2015 đến 2020, sau đó dự báo regime cho năm 2021. Tiếp theo, cửa sổ huấn luyện được mở rộng hoặc dịch chuyển để dự báo năm 2022. Quy trình này tiếp tục cho các năm sau. Mỗi tín hiệu cần được trì hoãn ít nhất một phiên trước khi thực hiện giao dịch. Nếu tín hiệu được tính từ giá đóng cửa hôm nay, danh mục không nên giả định rằng nó có thể mua đúng tại mức đóng cửa đó.

Phần 3. Từ nhận diện trạng thái đến quyết định đầu tư thực tế

Giá trị của Regime Detection không nằm ở việc đặt một nhãn đẹp lên biểu đồ mà ở khả năng thay đổi quyết định đầu tư. Nếu mô hình chỉ nói rằng thị trường đang trong trạng thái biến động cao nhưng danh mục vẫn giữ nguyên tỷ trọng, sử dụng cùng mức margin và áp dụng cùng một chiến lược, hệ thống gần như không mang lại giá trị. Regime Detection cần được kết nối trực tiếp với ba quyết định: phân bổ tài sản, lựa chọn chiến lược và quản trị rủi ro.

Đầu tiên là phân bổ tài sản. Trong trạng thái Risk-on ổn định, nhà đầu tư có thể duy trì tỷ trọng cổ phiếu cao hơn, tập trung vào các doanh nghiệp có tăng trưởng lợi nhuận tốt và cho phép danh mục nắm giữ xu hướng lâu hơn. Trong trạng thái Risk-on đầu cơ, nhà đầu tư chưa nhất thiết phải rời khỏi thị trường ngay, nhưng có thể giảm margin, tăng tiêu chuẩn thanh khoản và thu hẹp tỷ trọng đối với những cổ phiếu tăng chủ yếu nhờ kỳ vọng. Khi hệ thống chuyển sang Risk-off, ưu tiên có thể chuyển từ tối đa hóa lợi nhuận sang bảo vệ vốn: giảm tỷ trọng cổ phiếu, nâng tỷ lệ tiền mặt, hạn chế các mã beta cao và giảm mức rủi ro cho mỗi vị thế.

Giả sử một danh mục thông thường phân bổ 80% vào cổ phiếu và 20% tiền mặt. Nhà đầu tư có thể xây nguyên tắc rằng khi xác suất Risk-off vượt 60%, tỷ trọng cổ phiếu giảm xuống 50%. Khi xác suất vượt 80% và đồng thời độ rộng thị trường suy yếu, tỷ trọng cổ phiếu giảm còn 30%. Khi regime cải thiện, danh mục không lập tức quay lại 80%, mà tăng theo từng bước từ 30% lên 45%, sau đó 60% và cuối cùng mới trở về mức mục tiêu.

Cách điều chỉnh theo từng bước giúp tránh tình trạng “all-in, all-out”. Không có mô hình nào có khả năng nhận diện chính xác mọi điểm đảo chiều. Nếu nhà đầu tư bán toàn bộ danh mục mỗi khi hệ thống phát cảnh báo, chỉ một vài tín hiệu sai cũng có thể khiến họ bỏ lỡ những phiên phục hồi mạnh. Ngược lại, nếu Regime Detection được dùng để điều chỉnh mức độ rủi ro thay vì dự báo tuyệt đối, sai số của mô hình sẽ ít gây tổn hại hơn.

Ứng dụng thứ hai là lựa chọn chiến lược. Các chiến lược đầu tư không hoạt động giống nhau trong mọi trạng thái. Momentum thường có lợi thế trong những giai đoạn xu hướng rõ ràng và dòng tiền có tính liên tục. Mean reversion, tức mua khi giá giảm quá mức và kỳ vọng quay về trung bình, có thể hoạt động tốt hơn trong thị trường đi ngang. Quality và low volatility thường hữu ích khi nhà đầu tư bắt đầu thận trọng. Trong trạng thái khủng hoảng thanh khoản, ngay cả các cổ phiếu có chất lượng cao cũng có thể giảm, nhưng thường có khả năng phục hồi và duy trì nền tảng tốt hơn những doanh nghiệp sử dụng nhiều đòn bẩy.

Chẳng hạn, một nhà đầu tư sử dụng chiến lược breakout có thể mua cổ phiếu khi giá vượt đỉnh 60 phiên. Trong regime tăng ổn định, tín hiệu breakout có xác suất tiếp diễn cao hơn vì dòng tiền liên tục được bổ sung. Nhưng trong regime đi ngang, giá thường vượt kháng cự trong vài phiên rồi nhanh chóng quay đầu, tạo ra nhiều false breakout. Thay vì loại bỏ hoàn toàn chiến lược, nhà đầu tư có thể sử dụng Regime Detection như một bộ lọc: chỉ thực hiện breakout khi regime là Risk-on hoặc Recovery, còn trong trạng thái trung tính thì giảm một nửa quy mô vị thế.

Tương tự, một mô hình bắt đáy dựa trên RSI thấp có thể mang lại kết quả tốt khi thị trường đi ngang hoặc điều chỉnh kỹ thuật. Tuy nhiên, trong regime khủng hoảng, RSI thấp không nhất thiết có nghĩa tài sản đang rẻ; nó có thể phản ánh một quá trình giảm giá mới bắt đầu. Cổ phiếu có thể chuyển từ RSI 30 xuống 20 và tiếp tục giảm sâu. Regime Detection giúp nhà đầu tư hiểu rằng cùng một tín hiệu kỹ thuật có ý nghĩa khác nhau tùy theo môi trường thị trường.

Ứng dụng thứ ba, và có lẽ quan trọng nhất, là quản trị rủi ro. Trong trạng thái biến động thấp, một vị thế 100 triệu đồng có thể chỉ dao động 1–2 triệu đồng mỗi ngày. Nhưng nếu độ biến động tăng gấp đôi hoặc gấp ba, giữ nguyên quy mô vị thế đồng nghĩa với việc nhà đầu tư đang vô tình tăng mạnh mức rủi ro. Do đó, quy mô danh mục nên được điều chỉnh ngược chiều với biến động. Khi thị trường bước vào regime biến động cao, nhà đầu tư giảm quy mô vị thế, nới khoảng cách stop-loss hợp lý về mặt kỹ thuật nhưng giới hạn tổng số tiền có thể mất.

Ví dụ, nhà đầu tư chấp nhận rủi ro tối đa 1% tài khoản cho mỗi giao dịch. Nếu khoảng cách từ giá mua đến stop-loss là 5%, quy mô vị thế tối đa bằng khoảng 20% giá trị tài khoản. Nhưng trong trạng thái biến động cao, khoảng stop-loss hợp lý có thể phải tăng lên 8%. Khi đó, quy mô vị thế nên giảm xuống khoảng 12,5% tài khoản để số tiền tổn thất tiềm năng vẫn được giữ ở mức 1%. Regime Detection vì thế không chỉ quyết định có mua hay không, mà còn quyết định mua bao nhiêu.

Trong bối cảnh Việt Nam, một dashboard Regime Detection thực tế có thể chia thành bốn lớp. Lớp thứ nhất là xu hướng, bao gồm lợi suất VN-Index trong 20, 60 và 120 phiên, vị trí so với các đường trung bình và drawdown từ đỉnh. Lớp thứ hai là sức khỏe nội tại, bao gồm tỷ lệ cổ phiếu trên MA50, số mã tăng so với giảm, số ngành có xu hướng tích cực và mức độ tập trung đóng góp vào chỉ số. Lớp thứ ba là rủi ro thị trường, bao gồm biến động, thanh khoản, tương quan trung bình giữa các cổ phiếu và diễn biến của nhóm beta cao. Lớp cuối cùng là vĩ mô – thanh khoản, bao gồm lãi suất, tỷ giá, tín dụng và những thay đổi trong kỳ vọng chính sách.

Dashboard không cần đưa ra một kết luận cứng nhắc. Nó có thể hiển thị xác suất hoặc thang điểm. Ví dụ:

• Risk-on ổn định: 55%.

• Risk-on đầu cơ: 20%.

• Trung tính: 15%.

• Risk-off: 10%.

Bên cạnh đó, hệ thống cần giải thích nguyên nhân: xu hướng giá tích cực, độ rộng cải thiện, biến động thấp nhưng tỷ giá bắt đầu chịu áp lực. Cách thể hiện này hữu ích hơn việc chỉ hiển thị một nhãn màu xanh, bởi nhà đầu tư hiểu yếu tố nào đang hỗ trợ thị trường và yếu tố nào có thể khiến regime thay đổi.

Giả sử VN-Index vẫn nằm trên MA100 và lợi suất ba tháng còn dương, nhưng tỷ lệ cổ phiếu trên MA50 giảm từ 70% xuống 42%, thanh khoản suy yếu, nhóm chứng khoán và bất động sản mất xu hướng, trong khi chỉ số được giữ bởi một số cổ phiếu ngân hàng vốn hóa lớn. Một hệ thống chỉ sử dụng giá chỉ số có thể tiếp tục phân loại đây là bull market. Nhưng hệ thống đa biến sẽ nhận thấy xác suất Risk-on ổn định đang giảm và xác suất Risk-on đầu cơ hoặc trạng thái chuyển tiếp đang tăng lên. Hành động phù hợp chưa chắc là bán toàn bộ danh mục, mà có thể là ngừng tăng margin, loại bỏ những cổ phiếu yếu và nâng dần tỷ lệ tiền mặt.

Ở tình huống ngược lại, thị trường có thể vẫn nằm dưới đường trung bình dài hạn nhưng độ rộng bắt đầu cải thiện, số cổ phiếu tạo đáy sau cao hơn đáy trước tăng lên, thanh khoản quay lại các nhóm dẫn dắt và biến động giảm dần. Đây có thể là biểu hiện của một recovery regime. Nếu chờ chỉ số vượt toàn bộ các đường trung bình mới tham gia, nhà đầu tư có thể bỏ lỡ phần đầu của nhịp phục hồi. Regime Detection không loại bỏ sự không chắc chắn, nhưng giúp phân biệt giữa việc “bắt một con dao đang rơi” và tham gia vào một quá trình phục hồi đang dần được xác nhận.

Tuy nhiên, Regime Detection cũng có những giới hạn rõ ràng. Thứ nhất, regime chỉ được suy luận từ dữ liệu nên luôn có độ trễ. Hệ thống thường xác nhận khủng hoảng sau khi thị trường đã giảm một phần và xác nhận phục hồi sau khi giá đã tăng từ đáy. Thứ hai, trạng thái thị trường không có một định nghĩa duy nhất. Cùng một giai đoạn, mô hình dựa trên biến động có thể gọi là high-volatility regime, trong khi mô hình dựa trên xu hướng gọi là bear regime. Thứ ba, quan hệ giữa các chỉ báo có thể thay đổi. Một ngưỡng lãi suất hoặc thanh khoản có hiệu quả trong quá khứ chưa chắc còn phù hợp khi cấu trúc thị trường thay đổi.

Một rủi ro khác là nhà đầu tư xây dựng quá nhiều trạng thái và quá nhiều quy tắc để giải thích hoàn hảo dữ liệu lịch sử. Nếu mỗi giai đoạn khủng hoảng được gán một regime riêng và mỗi nhịp điều chỉnh có một bộ điều kiện khác nhau, mô hình sẽ trở thành một câu chuyện được viết sau khi sự kiện đã xảy ra. Một hệ thống tốt thường bắt đầu đơn giản: hai hoặc ba regime, một số biến có ý nghĩa kinh tế rõ ràng và một cơ chế quản trị danh mục dễ thực hiện.

Quan trọng hơn, Regime Detection không nên được sử dụng như một quả cầu tiên tri. Mục tiêu của nó không phải dự báo chính xác ngày thị trường tạo đỉnh hoặc đáy. Giá trị thực sự là nhận ra khi môi trường đã thay đổi đủ lớn để những giả định cũ không còn phù hợp. Khi biến động tăng, tương quan thay đổi, thanh khoản suy yếu và xu hướng mất đi, nhà đầu tư cần biết rằng chiến lược từng hiệu quả có thể không còn đáng tin cậy như trước.

Vì vậy, câu hỏi đúng không phải là: “Mô hình có dự báo được cú giảm tiếp theo không?” Câu hỏi đúng hơn là: “Nếu thị trường chuyển sang một trạng thái bất lợi, danh mục của tôi có tự động giảm rủi ro hay không?” Một mô hình Regime Detection không cần đúng tuyệt đối. Nó chỉ cần giúp nhà đầu tư mất ít hơn trong những giai đoạn xấu, duy trì đủ vốn để quay trở lại khi điều kiện cải thiện và tránh áp dụng một chiến lược duy nhất cho mọi hoàn cảnh.

Đầu tư hiệu quả không chỉ là tìm ra tài sản tốt. Đó còn là hiểu khi nào một tài sản tốt có thể được thị trường định giá cao hơn, khi nào thanh khoản hỗ trợ cho xu hướng và khi nào ưu tiên quan trọng nhất không còn là lợi nhuận mà là sự sống còn của danh mục. Regime Detection chính là cầu nối giữa dữ liệu thị trường, điều kiện vĩ mô và quyết định quản trị rủi ro. Nó không trả lời chắc chắn ngày mai thị trường tăng hay giảm, nhưng giúp nhà đầu tư trả lời một câu hỏi thực tế hơn: trong trạng thái hiện tại, chúng ta nên chấp nhận bao nhiêu rủi ro?