Signal quality là gì và làm sao biết một tín hiệu giao dịch có đáng dùng?
Signal quality
Ngọc Hải LươngTrên thị trường, tín hiệu giao dịch không thiếu. Giá vượt đường trung bình, RSI rơi vào vùng quá bán, thanh khoản đột biến, khối ngoại mua ròng, lợi nhuận doanh nghiệp tăng mạnh hay một cổ phiếu vừa vượt đỉnh 20 phiên đều có thể được biến thành tín hiệu mua bán.
Điều khó không nằm ở việc tìm thêm tín hiệu. Điều khó là biết tín hiệu nào thực sự chứa thông tin, tín hiệu nào chỉ tình cờ hoạt động tốt trên dữ liệu quá khứ.
Một biểu đồ backtest đẹp chưa chắc là một tín hiệu tốt. Một tín hiệu đúng nhiều lần cũng chưa chắc tạo ra lợi nhuận. Và một chiến lược có lợi nhuận trước chi phí có thể trở nên vô nghĩa sau khi tính phí giao dịch, trượt giá và khả năng khớp lệnh thực tế.
Đó là lý do người làm Quant thường quan tâm đến signal quality – chất lượng tín hiệu – trước khi quyết định đưa tín hiệu vào giao dịch.
Phần 1. Signal quality không đơn giản là tỷ lệ dự báo đúng
Một tín hiệu giao dịch là một thông tin hoặc một chỉ số được sử dụng để dự báo lợi suất, xu hướng hay mức độ rủi ro của tài sản trong tương lai.
Ví dụ, một mô hình có thể đưa ra giả thuyết rằng cổ phiếu vừa vượt đỉnh 60 phiên với thanh khoản cao sẽ có lợi suất tốt hơn thị trường trong 20 phiên tiếp theo. Giá vượt đỉnh và thanh khoản chính là tín hiệu; quy tắc mua, thời gian nắm giữ và cách quản trị vị thế mới tạo thành chiến lược hoàn chỉnh.
Vì vậy, cần phân biệt rõ hai khái niệm:
Tín hiệu tốt là tín hiệu có mối liên hệ ổn định với kết quả tương lai.
Chiến lược tốt là tín hiệu đó đã được chuyển thành cách giao dịch có lợi nhuận sau chi phí và nằm trong mức rủi ro chấp nhận được.
Một tín hiệu có thể dự báo đúng hướng nhưng vẫn không giao dịch được. Chẳng hạn, nó chỉ có tác dụng trong một hoặc hai phiên, trong khi nhà đầu tư thường chỉ nhận được dữ liệu khi cơ hội gần như đã biến mất. Hoặc mức lợi nhuận kỳ vọng chỉ khoảng 0,3%, nhưng tổng phí và trượt giá đã lên tới 0,4%.
Sai lầm phổ biến nhất là dùng win rate, tức tỷ lệ giao dịch có lãi, để đánh giá toàn bộ chất lượng tín hiệu.
Giả sử tín hiệu A có tỷ lệ thắng 55%. Mỗi giao dịch thắng trung bình 3%, trong khi mỗi giao dịch thua trung bình 2%. Lợi nhuận kỳ vọng trước chi phí của một giao dịch là:
55% × 3% – 45% × 2% = 0,75%.
Trong khi đó, tín hiệu B có tỷ lệ thắng tới 75%, nhưng mỗi lần thắng chỉ được 1%, còn mỗi lần thua mất 4%. Lợi nhuận kỳ vọng là:
75% × 1% – 25% × 4% = –0,25%.
Tín hiệu B đúng trong ba trên bốn lần nhưng về dài hạn vẫn làm mất tiền. Một vài khoản lỗ lớn đã xóa sạch lợi nhuận của nhiều giao dịch nhỏ.
Vì thế, một tín hiệu đáng dùng không nhất thiết phải đúng liên tục. Quan trọng hơn là khi đúng, nó kiếm được bao nhiêu; khi sai, nó mất bao nhiêu; và kết quả đó có lặp lại đủ ổn định hay không.
Chất lượng tín hiệu thường được nhìn qua bốn câu hỏi:
Tín hiệu có thực sự dự báo được lợi suất tương lai không? Kết quả có ổn định qua nhiều giai đoạn không? Lợi nhuận còn lại bao nhiêu sau chi phí? Và khi tín hiệu sai, danh mục có thể mất đến mức nào?
Chỉ khi trả lời được cả bốn câu hỏi, chúng ta mới bắt đầu biết tín hiệu có đáng sử dụng hay không.
Phần 2. Những chỉ số thực sự cần nhìn khi đánh giá tín hiệu
1. Information Coefficient: tín hiệu có xếp hạng đúng cổ phiếu không?
Trong các mô hình đầu tư định lượng, Information Coefficient – IC thường được dùng để đo mối tương quan giữa giá trị tín hiệu hôm nay và lợi suất thực tế trong tương lai.
Giả sử mô hình chấm điểm 100 cổ phiếu. Những mã có điểm cao được kỳ vọng tăng tốt hơn, còn những mã có điểm thấp được kỳ vọng tăng kém hoặc giảm giá. Nếu nhóm điểm cao thực sự thường có lợi suất tốt hơn, IC sẽ mang giá trị dương.
IC bằng 1 có nghĩa tín hiệu xếp hạng hoàn hảo. IC bằng 0 cho thấy tín hiệu không có mối liên hệ rõ ràng với lợi suất tương lai. IC âm nghĩa là kết quả thường đi ngược dự báo.
Trong thực tế, IC của các tín hiệu tài chính thường không cần quá lớn. Một mối tương quan nhỏ nhưng xuất hiện đều trên nhiều cổ phiếu và nhiều thời điểm vẫn có thể tạo ra giá trị. IC được sử dụng rộng rãi trong quản lý danh mục chủ động để đánh giá khả năng dự báo của tín hiệu.
Tuy nhiên, không nên chỉ nhìn IC trung bình của toàn bộ giai đoạn. Giả sử IC trung bình bằng 0,04, nhưng phần lớn kết quả đến từ đúng ba tháng thị trường tăng nóng, còn những năm khác gần như bằng 0. Tín hiệu này kém ổn định hơn một tín hiệu có IC chỉ 0,025 nhưng duy trì dương trong phần lớn thời gian.
Nhà đầu tư nên quan sát thêm:
IC theo tháng hoặc theo quý;
Tỷ lệ thời gian IC dương;
IC trong thị trường tăng, giảm và đi ngang;
IC ở các nhóm vốn hóa và mức thanh khoản khác nhau;
Tốc độ suy giảm của IC sau khi tín hiệu xuất hiện.
Một tín hiệu có thể dự báo tốt lợi suất năm phiên tới nhưng mất hoàn toàn giá trị sau 20 phiên. Khi đó, thời gian nắm giữ phải phù hợp với tốc độ suy giảm thông tin.
2. Return spread: nhóm tín hiệu cao có thực sự tốt hơn nhóm thấp?
Một cách dễ hiểu hơn IC là chia cổ phiếu thành các nhóm theo điểm tín hiệu.
Ví dụ, xếp 100 cổ phiếu thành năm nhóm:
Nhóm 1 gồm 20 cổ phiếu có tín hiệu mạnh nhất;
Nhóm 5 gồm 20 cổ phiếu có tín hiệu yếu nhất.
Sau đó tính lợi suất trung bình của từng nhóm trong 20 phiên tiếp theo.
Giả sử kết quả là:
Nhóm tín hiệuLợi suất 20 phiênNhóm 1 – cao nhất3,1%Nhóm 22,2%Nhóm 31,4%Nhóm 40,8%Nhóm 5 – thấp nhất–0,2%
Kết quả này khá dễ diễn giải: tín hiệu càng cao thì lợi suất tương lai nhìn chung càng tốt. Chênh lệch giữa nhóm 1 và nhóm 5 là 3,3%.
Nhưng hãy cẩn thận với trường hợp chỉ nhóm cao nhất có kết quả đột biến, còn bốn nhóm còn lại không theo thứ tự. Điều đó có thể cho thấy tín hiệu chỉ hoạt động ở một số quan sát cực đoan hoặc kết quả bị chi phối bởi vài cổ phiếu riêng lẻ.
Một tín hiệu tốt thường có quan hệ tương đối rõ ràng: điểm tín hiệu tăng thì lợi suất kỳ vọng cũng cải thiện dần, chứ không chỉ xuất hiện ở một nhóm duy nhất.
3. Expectancy: trung bình mỗi lần sử dụng tín hiệu kiếm được bao nhiêu?
Lợi nhuận kỳ vọng của tín hiệu được xác định từ ba yếu tố:
Tỷ lệ thắng, mức lãi trung bình và mức lỗ trung bình.
Đây là con số thực tế hơn win rate. Một tín hiệu chỉ thắng 45% số lần vẫn có thể tốt nếu lợi nhuận trung bình của giao dịch thắng lớn hơn nhiều mức lỗ trung bình.
Ngoài expectancy, cần quan sát phân phối kết quả. Hai tín hiệu cùng tạo lợi nhuận trung bình 1% mỗi giao dịch nhưng có thể rất khác nhau:
Tín hiệu thứ nhất thường dao động trong khoảng –2% đến 3%;
Tín hiệu thứ hai thường kiếm 1–2% nhưng thỉnh thoảng mất 15%.
Trung bình giống nhau không có nghĩa mức độ rủi ro giống nhau.
4. Sharpe Ratio và drawdown: lợi nhuận có đi kèm quá nhiều biến động không?
Sharpe Ratio giúp so sánh lợi nhuận vượt trội với mức biến động phải chịu. Tuy nhiên, Sharpe cao trong backtest chưa đủ để kết luận tín hiệu tốt.
Một chiến lược có thể đạt Sharpe cao vì:
Dữ liệu thử nghiệm quá ngắn;
Chỉ chọn giai đoạn thuận lợi;
Thử hàng trăm biến thể rồi giữ lại biến thể tốt nhất;
Chưa tính chi phí;
Lợi nhuận không có phân phối bình thường;
Một số giao dịch bị chồng lấn nhưng được coi như độc lập.
Deflated Sharpe Ratio được phát triển để điều chỉnh một phần sự phóng đại hiệu suất do thử nghiệm nhiều mô hình, lựa chọn kết quả tốt nhất và phân phối lợi nhuận không chuẩn.
Ngoài Sharpe, cần nhìn vào maximum drawdown, thời gian phục hồi và các giao dịch tệ nhất. Một tín hiệu có lợi nhuận tốt nhưng từng giảm 40% có thể không phù hợp với người chỉ chịu được mức giảm 15%.
Không có ý nghĩa gì khi một tín hiệu có lợi nhuận dài hạn tốt nhưng nhà đầu tư phải dừng chiến lược giữa chừng vì không chịu nổi drawdown.
5. Turnover và chi phí: tín hiệu tốt trên Excel có giao dịch được không?
Đây là nơi nhiều tín hiệu đẹp bắt đầu mất giá trị.
Giả sử một chiến lược tạo lợi nhuận gộp 15% mỗi năm, nhưng phải thay gần như toàn bộ danh mục mỗi tuần. Sau khi cộng phí, thuế, chênh lệch mua bán và trượt giá, lợi nhuận thực tế có thể chỉ còn vài phần trăm, thậm chí âm.
Chi phí càng lớn khi:
Tín hiệu thay đổi liên tục;
Giao dịch cổ phiếu thanh khoản thấp;
Quy mô vốn lớn;
Thường xuyên mua khi giá đang tăng nhanh;
Phải thoát vị thế trong thời gian ngắn;
Danh mục tập trung vào cùng một phía của thị trường.
Các nghiên cứu về anomaly và factor cho thấy việc tính chi phí giao dịch có thể làm thay đổi đáng kể khả năng triển khai của nhiều chiến lược; giảm tần suất giao dịch và sử dụng vùng “giữ nguyên vị thế” là một cách hạn chế chi phí không cần thiết.
Một tín hiệu có IC cao nhưng turnover quá lớn chưa chắc có giá trị kinh tế. Ngược lại, một tín hiệu yếu hơn nhưng tồn tại lâu, ít phải giao dịch và áp dụng được trên nhiều cổ phiếu thanh khoản tốt có thể hữu ích hơn.
6. Capacity: bao nhiêu tiền có thể thực sự chạy theo tín hiệu?
Một chiến lược kiếm được 30% mỗi năm với danh mục 500 triệu đồng chưa chắc giữ được kết quả khi quy mô tăng lên 100 tỷ đồng.
Khi vốn lớn hơn, lệnh giao dịch bắt đầu chiếm tỷ trọng đáng kể so với thanh khoản thị trường. Việc mua làm giá tăng, việc bán làm giá giảm và lợi nhuận bị ăn mòn bởi chính hoạt động của chiến lược.
Giả sử một tín hiệu yêu cầu mua 5 tỷ đồng vào cổ phiếu có giá trị giao dịch bình quân 10 tỷ đồng mỗi phiên. Vị thế đã tương đương 50% thanh khoản bình quân ngày. Kết quả backtest dùng giá đóng cửa gần như chắc chắn không phản ánh được mức giá thực tế khi triển khai.
Vì vậy, cần đặt giới hạn như:
Mỗi lệnh không vượt quá một tỷ lệ nhất định của thanh khoản bình quân;
Không sử dụng toàn bộ khối lượng phiên đột biến để đánh giá khả năng thoát;
Mô phỏng trượt giá tăng theo quy mô vị thế;
Kiểm tra số ngày cần thiết để thanh lý danh mục.
Signal quality không chỉ là khả năng dự báo. Nó còn bao gồm khả năng biến dự báo đó thành giao dịch ở quy mô thực tế.
Phần 3. Làm thế nào kiểm tra một tín hiệu trước khi dùng tiền thật?
Giả sử chúng ta muốn kiểm tra tín hiệu sau:
Mua cổ phiếu khi giá vượt đỉnh 60 phiên và khối lượng lớn hơn 150% mức bình quân 20 phiên.
Nhìn qua, quy tắc này khá hợp lý. Giá vượt đỉnh cho thấy xu hướng mạnh, còn thanh khoản cao thể hiện dòng tiền tham gia. Nhưng để biết tín hiệu có giá trị hay không, cần kiểm tra từng bước.
Bước đầu tiên: định nghĩa tín hiệu thật rõ
“Vượt đỉnh” là giá trong phiên vượt đỉnh hay giá đóng cửa vượt đỉnh? Khối lượng được so với trung bình 20 phiên có bao gồm phiên hiện tại không? Mua ở giá đóng cửa, giá mở cửa ngày hôm sau hay giá trung bình phiên sau? Nắm giữ 5, 10 hay 20 phiên?
Chỉ cần thay đổi một chi tiết, kết quả có thể khác hoàn toàn.
Một lỗi thường gặp là tín hiệu chỉ được xác nhận sau khi phiên giao dịch kết thúc nhưng backtest lại giả định mua được đúng giá đóng cửa của phiên đó. Đây là một dạng sử dụng thông tin chưa thực sự có sẵn tại thời điểm giao dịch.
Cách hợp lý hơn là tính tín hiệu sau khi đóng cửa và giả định giao dịch từ phiên tiếp theo, đồng thời tính thêm mức trượt giá.
Bước thứ hai: chia dữ liệu thành giai đoạn phát triển và kiểm định
Không nên vừa tạo tín hiệu, vừa điều chỉnh tham số rồi đánh giá trên cùng một bộ dữ liệu.
Ví dụ:
Dùng dữ liệu 2015–2021 để nghiên cứu và lựa chọn quy tắc;
Dùng giai đoạn 2022–2024 để kiểm tra ngoài mẫu;
Giữ lại giai đoạn sau đó để paper trade hoặc kiểm định cuối cùng.
Nếu liên tục xem kết quả ngoài mẫu rồi quay lại sửa chiến lược, phần dữ liệu ngoài mẫu đó cũng đã trở thành một phần của quá trình tối ưu.
Đây chính là lý do backtest overfitting rất nguy hiểm. Khi thử đủ nhiều đường trung bình, ngưỡng RSI, thời gian nắm giữ và điều kiện thanh khoản, gần như chắc chắn sẽ tìm được một tổ hợp có kết quả đẹp chỉ do ngẫu nhiên. Nghiên cứu về Probability of Backtest Overfitting được xây dựng để ước lượng khả năng chiến lược tốt nhất trong quá khứ thực chất chỉ là sản phẩm của quá trình lựa chọn quá nhiều phương án.
Bước thứ ba: đừng chỉ giữ lại tham số đẹp nhất
Giả sử quy tắc vượt đỉnh 60 phiên tạo Sharpe 1,5, trong khi vượt đỉnh 55 phiên chỉ đạt 0,4 và vượt đỉnh 65 phiên đạt 0,3.
Kết quả này đáng nghi. Không có lý do kinh tế rõ ràng để đúng 60 phiên tạo ra lợi thế lớn còn các giá trị gần đó lại thất bại.
Một tín hiệu bền vững thường không phụ thuộc vào đúng một con số. Nếu tín hiệu có cơ sở, các tham số 50, 60 và 70 phiên có thể cho kết quả khác nhau nhưng không nên trái ngược hoàn toàn.
Thay vì chọn đúng điểm cao nhất, nên tìm một vùng tham số ổn định.
Đây là cách phân biệt một cấu trúc thực sự tồn tại trên thị trường với một kết quả vô tình khớp quá đẹp vào dữ liệu lịch sử.
Bước thứ tư: kiểm tra trên nhiều trạng thái thị trường
Tín hiệu breakout có thể hoạt động tốt trong thị trường tăng nhưng tạo ra hàng loạt tín hiệu sai khi thị trường đi ngang.
Vì thế, không nên chỉ hỏi tín hiệu có lãi hay không. Cần hỏi:
Nó có lãi trong điều kiện nào?
Nó thường lỗ khi nào?
Drawdown xuất hiện trong trạng thái thị trường nào?
Có thể dùng một bộ lọc để giảm rủi ro không?
Chẳng hạn, tín hiệu chỉ được sử dụng khi chỉ số thị trường nằm trên đường trung bình dài hạn hoặc khi độ rộng thị trường tích cực. Bộ lọc này có thể làm giảm số lượng giao dịch nhưng cải thiện chất lượng trung bình.
Tuy nhiên, mỗi bộ lọc bổ sung cũng làm tăng nguy cơ overfitting. Bộ lọc chỉ nên được giữ lại khi có lý do kinh tế và duy trì hiệu quả ngoài mẫu.
Momentum là một ví dụ thực tế về tín hiệu đã được kiểm tra qua nhiều giai đoạn. Nghiên cứu tiếp nối của Jegadeesh và Titman ghi nhận lợi nhuận momentum trong tám năm sau mẫu nghiên cứu ban đầu khá tương đồng với kết quả trước đó, giúp giảm lo ngại rằng phát hiện ban đầu hoàn toàn do data snooping.
Dù vậy, momentum không phải lúc nào cũng hiệu quả. Điều đó cho thấy một tín hiệu có bằng chứng thực nghiệm vẫn có thể trải qua những regime bất lợi và drawdown lớn. Tín hiệu tốt không đồng nghĩa với lợi nhuận đều đặn ở mọi thời điểm.