Time-series signal: Khi một cổ phiếu tự tạo tín hiệu từ lịch sử giá của chính nó

Phần 1: Time-series signal là gì và nó khác cách chọn cổ phiếu thông thường ở điểm nào?

Trong đầu tư, phần lớn nhà đầu tư quen với cách đặt nhiều cổ phiếu cạnh nhau để so sánh. Chẳng hạn, trong một nhóm 30 cổ phiếu, ta chọn những mã có P/E thấp nhất, ROE cao nhất hoặc mức tăng giá mạnh nhất trong sáu tháng. Cách làm này được gọi là phân tích theo chiều ngang giữa nhiều tài sản, hay trong quant thường gọi là cross-sectional signal. Tín hiệu trả lời câu hỏi: trong cùng một thời điểm, cổ phiếu nào hấp dẫn hơn những cổ phiếu còn lại?

Time-series signal đi theo một hướng khác. Thay vì so sánh cổ phiếu A với cổ phiếu B, mô hình so sánh cổ phiếu A ở thời điểm hiện tại với chính lịch sử của cổ phiếu A. Giá hiện tại đang cao hay thấp hơn xu hướng quá khứ? Lợi suất sáu tháng hoặc mười hai tháng của cổ phiếu đang dương hay âm? Biến động gần đây đang tăng hay giảm? Giá vừa vượt qua vùng cao nhất của chính nó hay đang rơi xuống dưới mức trung bình dài hạn? Toàn bộ tín hiệu được hình thành từ chuỗi dữ liệu theo thời gian của một tài sản, vì vậy mỗi cổ phiếu có thể tự tạo ra quyết định riêng mà không cần được xếp hạng với các mã khác.

Ví dụ đơn giản nhất là một tín hiệu momentum theo thời gian. Giả sử cổ phiếu A đang có giá 60.000 đồng, còn giá cách đây 12 tháng là 50.000 đồng. Lợi suất trong 12 tháng là 20%, tức xu hướng lịch sử đang dương. Mô hình có thể phát tín hiệu tiếp tục nắm giữ hoặc mua cổ phiếu A. Nếu cổ phiếu B giảm từ 50.000 đồng xuống 40.000 đồng trong cùng khoảng thời gian, lợi suất của B là âm 20%, nên mô hình có thể đứng ngoài hoặc bán B. A và B không được so sánh trực tiếp với nhau; mỗi mã được đánh giá dựa trên việc giá của chính nó đang ở trạng thái tăng hay giảm.

Có thể viết cách tính ở dạng đơn giản, dễ đưa vào Excel như sau:

Lợi suất 12 tháng = Giá hiện tại / Giá cách đây 12 tháng - 1

Nếu lợi suất 12 tháng lớn hơn 0, tín hiệu xu hướng là dương. Nếu lợi suất nhỏ hơn 0, tín hiệu xu hướng là âm. Với chiến lược chỉ được mua và giữ tiền mặt, tín hiệu dương có thể tương ứng với việc nắm giữ cổ phiếu, còn tín hiệu âm tương ứng với việc rút về tiền mặt. Với thị trường cho phép bán khống, tín hiệu âm có thể được chuyển thành vị thế bán. Tuy nhiên, việc biến tín hiệu thành vị thế cụ thể còn phụ thuộc vào giới hạn giao dịch, mức độ thanh khoản và quy định của từng thị trường.

Nghiên cứu kinh điển của Tobias Moskowitz, Yao Hua Ooi và Lasse Pedersen công bố năm 2012 gọi hiện tượng này là time-series momentum. Nhóm tác giả kiểm tra 58 hợp đồng tương lai có tính thanh khoản thuộc bốn nhóm gồm chỉ số cổ phiếu, tiền tệ, hàng hóa và trái phiếu. Kết quả cho thấy lợi suất quá khứ của từng tài sản có khả năng dự báo cùng chiều với lợi suất tương lai trong khoảng một đến mười hai tháng, sau đó có xu hướng đảo chiều một phần ở các kỳ dài hơn. Nói đơn giản, một tài sản đã tăng trong vài tháng thường có xác suất tiếp tục xu hướng trong một khoảng thời gian, nhưng xu hướng đó không kéo dài vô hạn.

Khái niệm này gần với câu nói quen thuộc “trend is your friend”, nhưng khi đưa vào quant, nó phải được chuyển thành quy tắc có thể đo lường. “Xu hướng đang tốt” là một nhận xét khá mơ hồ; còn “lợi suất 12 tháng lớn hơn 0” hoặc “giá đóng cửa cao hơn đường trung bình 200 phiên” là điều kiện có thể tính toán, kiểm chứng và áp dụng giống nhau cho nhiều tài sản.

Time-series signal không chỉ có một dạng. Dạng thứ nhất là absolute momentum, sử dụng lợi suất trong một khoảng thời gian cố định. Dạng thứ hai là moving-average signal, so sánh giá hiện tại với đường trung bình hoặc so sánh đường trung bình ngắn hạn với đường trung bình dài hạn. Dạng thứ ba là breakout signal, phát hiện khi giá vượt mức cao nhất của một số phiên trước. Dạng thứ tư đi theo hướng ngược lại là mean-reversion signal, cho rằng khi giá đi quá xa so với mức trung bình lịch sử thì có khả năng quay trở lại.

Chẳng hạn, với moving-average signal, một cổ phiếu có giá hiện tại cao hơn MA200 có thể được xếp vào trạng thái xu hướng tăng. Nếu giá giảm xuống dưới MA200, mô hình chuyển sang phòng thủ. Một cách khác là so sánh MA50 với MA200: MA50 nằm trên MA200 thể hiện xu hướng trung hạn đang mạnh hơn xu hướng dài hạn, trong khi MA50 nằm dưới MA200 cho thấy động lượng đang suy yếu. Nghiên cứu so sánh time-series momentum với quy tắc moving average cho thấy hai cách tiếp cận có quan hệ gần nhau nhưng không hoàn toàn giống nhau; moving average có thể phát tín hiệu sớm hơn trong một số trường hợp vì nó phản ứng trực tiếp với vị trí của giá so với mức trung bình.

Điểm đáng chú ý là time-series signal không bắt buộc phải dự báo chính xác giá ngày mai. Mô hình không cần biết cổ phiếu sẽ tăng 2% hay giảm 1% trong phiên kế tiếp. Nó chỉ cố gắng xác định trạng thái rộng hơn: tài sản đang có xu hướng tăng, xu hướng giảm hay chưa có xu hướng rõ ràng. Vì vậy, time-series signal thường phù hợp hơn với quyết định phân bổ vị thế và quản trị rủi ro thay vì cố dự báo từng biến động rất ngắn.

Cũng cần phân biệt time-series momentum với cross-sectional momentum. Cross-sectional momentum có thể mua 20% cổ phiếu tăng mạnh nhất và bán hoặc loại bỏ 20% cổ phiếu yếu nhất. Trong trường hợp thị trường giảm đồng loạt, nhóm “mạnh nhất” vẫn có thể là những cổ phiếu đang giảm, chỉ là giảm ít hơn phần còn lại. Time-series momentum lại yêu cầu mỗi cổ phiếu phải vượt qua một ngưỡng tuyệt đối của chính nó. Nếu toàn bộ cổ phiếu đều có xu hướng âm, chiến lược long-only có thể giảm mạnh tỷ trọng cổ phiếu hoặc chuyển phần lớn danh mục về tiền mặt.

Chính sự khác biệt này làm time-series signal trở thành một công cụ quản trị trạng thái thị trường khá tự nhiên. Cross-sectional signal trả lời “nên ưu tiên mã nào?”, còn time-series signal trả lời “có nên chấp nhận rủi ro ở mã này tại thời điểm hiện tại hay không?”. Trong một hệ thống bán định lượng, hai loại tín hiệu có thể được kết hợp: trước tiên dùng factor cơ bản để chọn doanh nghiệp tốt, sau đó dùng time-series signal để quyết định thời điểm giải ngân hoặc điều chỉnh tỷ trọng.

Phần 2: Vì sao lịch sử giá có thể tạo ra tín hiệu và một mô hình time-series thực tế được xây dựng như thế nào?

Nếu thị trường hoàn toàn hiệu quả và mọi thông tin được phản ánh ngay lập tức vào giá, lợi suất quá khứ sẽ không giúp dự báo xu hướng tương lai một cách bền vững. Tuy nhiên, trên thực tế, thông tin không phải lúc nào cũng được hấp thụ ngay trong một phiên. Nhà đầu tư có thể phản ứng chậm với thông tin mới, các quỹ lớn cần thời gian để giải ngân, giới hạn vị thế khiến dòng tiền không thể điều chỉnh tức thời và nhiều nhà đầu tư chỉ thay đổi quan điểm sau khi xu hướng đã trở nên rõ ràng.

Một doanh nghiệp công bố kết quả kinh doanh tốt hơn kỳ vọng không nhất thiết tăng hết giá trị trong một ngày. Nhà đầu tư có thể cần thời gian đọc báo cáo, cập nhật mô hình định giá và chờ xác nhận từ các quý tiếp theo. Các quỹ lớn cũng không thể mua toàn bộ vị thế trong một phiên mà phải chia lệnh theo nhiều ngày để hạn chế tác động lên giá. Quá trình điều chỉnh dần dần này có thể tạo ra sự tiếp diễn của lợi suất.

Một cách giải thích khác đến từ hành vi. Khi giá bắt đầu tăng, nhiều người còn nghi ngờ và chưa mua ngay. Khi xu hướng kéo dài, sự chú ý tăng lên, nhà đầu tư bắt đầu sợ bỏ lỡ cơ hội và dòng tiền mới tiếp tục đẩy giá đi lên. Đến một giai đoạn, kỳ vọng có thể trở nên quá cao, mức định giá vượt xa nền tảng và xu hướng cuối cùng đảo chiều. Cách giải thích này phù hợp với kết quả của nghiên cứu năm 2012: lợi suất có xu hướng tiếp diễn trong các khoảng từ một đến mười hai tháng nhưng đảo chiều một phần ở kỳ dài hơn.

Một nghiên cứu khác của Hurst, Ooi và Pedersen mở rộng dữ liệu trend-following về tận năm 1880 trên nhiều thị trường quốc tế. Nhóm tác giả cho biết chiến lược time-series momentum có lợi suất bình quân dương trong từng thập kỷ của mẫu nghiên cứu và có mức tương quan thấp với các tài sản truyền thống. Nghiên cứu cũng ghi nhận chiến lược hoạt động tốt trong tám trên mười giai đoạn khủng hoảng lớn nhất của danh mục cổ phiếu – trái phiếu 60/40 trong mẫu của họ. Tuy nhiên, đây là kết quả trên danh mục đa tài sản toàn cầu, không có nghĩa một quy tắc trend-following đơn giản trên một cổ phiếu riêng lẻ chắc chắn có hiệu quả tương tự.

Đối với cổ phiếu riêng lẻ, một nghiên cứu trên thị trường Mỹ từ năm 1927 đến 2017 cũng ghi nhận hiệu ứng time-series momentum kéo dài qua nhiều thập kỷ. Nhưng khi chuyển từ danh mục hợp đồng tương lai đa dạng sang từng cổ phiếu, nhà đầu tư phải đối mặt với nhiều nhiễu hơn: thông tin riêng của doanh nghiệp, rủi ro hủy niêm yết, thanh khoản thấp, giới hạn bán khống và các cú nhảy giá quanh ngày công bố thông tin.

Để xây dựng một time-series signal thực tế, bước đầu tiên không phải chọn MA50 hay MA200 mà là xác định rõ mục tiêu. Tín hiệu dùng để tìm xu hướng trung hạn, giảm drawdown, quyết định thời điểm vào lệnh hay chỉ điều chỉnh tỷ trọng? Một tín hiệu dùng để giao dịch trong vài ngày sẽ khác hoàn toàn tín hiệu dùng để kiểm soát danh mục trong sáu tháng.

Giả sử mục tiêu là xây một chiến lược theo xu hướng trung hạn cho từng cổ phiếu. Nhà đầu tư có thể sử dụng lợi suất sáu tháng và mười hai tháng. Nếu cả hai cùng dương, tín hiệu được xem là mạnh. Nếu một dương và một âm, xu hướng chưa thống nhất. Nếu cả hai cùng âm, cổ phiếu đang ở trạng thái yếu. Cách kết hợp nhiều khung thời gian giúp giảm việc phụ thuộc vào đúng một mốc ngày có thể mang tính ngẫu nhiên.

Một mô hình đơn giản có thể chia trạng thái thành ba mức. Trạng thái tích cực xuất hiện khi lợi suất sáu tháng dương, lợi suất mười hai tháng dương và giá cao hơn MA200. Trạng thái trung tính xuất hiện khi các tín hiệu không thống nhất. Trạng thái tiêu cực xuất hiện khi cả lợi suất sáu tháng và mười hai tháng âm, đồng thời giá nằm dưới MA200. Mô hình không cần tuyên bố cổ phiếu “tốt” hay “xấu”; nó chỉ cho biết mức độ thuận lợi của xu hướng giá tại thời điểm hiện tại.

Tuy nhiên, chỉ xác định chiều của tín hiệu chưa đủ. Hai cổ phiếu có cùng lợi suất 20% trong sáu tháng nhưng mức độ rủi ro có thể rất khác nhau. Một mã tăng đều với biến động thấp không giống một mã tăng mạnh nhờ vài phiên trần rồi liên tục dao động lớn. Do đó, nhiều chiến lược time-series momentum điều chỉnh quy mô vị thế theo biến động. Khi biến động tăng, vị thế được giảm xuống; khi biến động thấp, vị thế có thể lớn hơn. Mục tiêu là không để một tài sản quá biến động chi phối toàn bộ rủi ro danh mục.

Ví dụ, nếu cổ phiếu A có biến động gấp đôi cổ phiếu B, một danh mục kiểm soát rủi ro có thể phân bổ cho A khoảng một nửa quy mô của B, dù cả hai đều có tín hiệu xu hướng dương. Đây là lý do một số kết quả time-series momentum không chỉ đến từ việc dự báo xu hướng mà còn đến từ cách điều chỉnh vị thế theo volatility. Một nghiên cứu phản biện cho rằng phần đáng kể hiệu quả trong một số chiến lược time-series momentum có thể được giải thích bởi volatility scaling, thay vì chỉ bởi tín hiệu chiều giá.

Chi tiết này rất quan trọng khi đọc một backtest. Nếu người viết nói “chiến lược momentum có Sharpe cao”, cần hỏi chiến lược có sử dụng đòn bẩy hay không, có chuẩn hóa volatility không và kết quả đến từ tín hiệu xu hướng hay từ phương pháp phân bổ rủi ro. Hai chiến lược cùng sử dụng lợi suất 12 tháng nhưng cách đặt vị thế khác nhau có thể tạo ra kết quả rất khác nhau.

Một vấn đề tiếp theo là timing. Nếu tín hiệu sử dụng giá đóng cửa ngày hôm nay, nhà đầu tư chỉ biết tín hiệu sau khi phiên đã kết thúc. Backtest không được giả định đã mua tại chính mức giá đóng cửa dùng để tính tín hiệu. Lệnh phải được khớp từ phiên tiếp theo, chẳng hạn tại giá mở cửa hoặc theo một mô hình thực thi thực tế hơn. Nếu bỏ qua chi tiết này, kết quả có thể chứa look-ahead bias.

Tín hiệu cũng cần được dịch sang quy tắc vào và ra rõ ràng. Có thể mua khi tín hiệu chuyển từ âm sang dương và bán khi chuyển lại âm. Nhưng cách này dễ tạo nhiều giao dịch khi giá dao động quanh ngưỡng. Một giải pháp là dùng vùng đệm: chỉ mua khi giá cao hơn MA200 một mức nhất định và chỉ bán khi giá thấp hơn MA200 một khoảng nhất định. Một giải pháp khác là yêu cầu tín hiệu duy trì trong nhiều phiên trước khi thay đổi trạng thái. Đổi lại, bộ lọc càng chặt thì tín hiệu càng chậm.

Đây là sự đánh đổi cơ bản của mọi hệ thống theo xu hướng. Tín hiệu nhanh giúp tham gia sớm nhưng dễ bị nhiễu. Tín hiệu chậm lọc được nhiều dao động ngắn hạn nhưng có thể mua sau khi giá đã tăng đáng kể và bán sau khi đã mất một phần lợi nhuận. Không tồn tại một đường trung bình hoặc lookback tối ưu cho mọi cổ phiếu và mọi giai đoạn.

Phần 3: Những giới hạn dễ bị bỏ qua và cách sử dụng time-series signal hợp lý với cổ phiếu Việt Nam

Điểm hấp dẫn của time-series signal là tính đơn giản. Chỉ cần dữ liệu giá, nhà đầu tư đã có thể xác định trạng thái xu hướng mà không phải dự báo doanh thu, lợi nhuận hay đọc hàng trăm trang báo cáo. Nhưng chính sự đơn giản này cũng dễ tạo ra ảo giác rằng chỉ cần tìm đúng MA hoặc đúng khoảng lookback là có thể xây được chiến lược sinh lời.

Rủi ro đầu tiên là thị trường đi ngang. Chiến lược theo xu hướng hoạt động tốt nhất khi giá di chuyển đủ dài theo một hướng. Khi giá liên tục vượt lên rồi rơi xuống quanh đường trung bình, hệ thống sẽ mua và bán nhiều lần ở những vị trí bất lợi. Hiện tượng này thường được gọi là whipsaw. Mỗi giao dịch có thể chỉ lỗ nhỏ, nhưng nhiều khoản lỗ nhỏ cộng với phí và trượt giá có thể làm hao mòn đáng kể hiệu quả.

Rủi ro thứ hai là tín hiệu luôn đi sau giá. MA200 không dự báo trước một cú giảm mà chỉ phản ánh rằng xu hướng đã suy yếu sau khi giá giảm đủ nhiều. Time-series signal không phải công cụ xác định chính xác đỉnh và đáy. Đổi lại, người sử dụng chấp nhận bỏ qua phần đầu của xu hướng và trả lại một phần lợi nhuận ở cuối xu hướng để tránh việc phải dự đoán điểm đảo chiều.

Rủi ro thứ ba là chọn tham số sau khi nhìn kết quả. Nếu thử MA20, MA30, MA50, MA100, MA150, MA200 cùng hàng chục điều kiện lọc, gần như chắc chắn sẽ tìm được một tổ hợp có equity curve đẹp trong quá khứ. Nhưng tổ hợp đó có thể chỉ phù hợp ngẫu nhiên với bộ dữ liệu đã dùng. Một quy tắc tốt không nên chỉ hoạt động tại đúng một tham số. Nếu MA199 có lãi rất cao nhưng MA180, MA190, MA210 và MA220 đều thất bại, chiến lược có khả năng quá mong manh.

Rủi ro thứ tư là chi phí giao dịch. Một nghiên cứu trên các chỉ số chứng khoán Trung Quốc cho thấy một số quy tắc moving average và breakout có thể vượt buy-and-hold trước chi phí, nhưng phần lợi nhuận biến mất khi đưa transaction cost vào phân tích. Kết quả này không thể áp dụng máy móc cho mọi thị trường, nhưng nó minh họa rằng một tín hiệu có ý nghĩa thống kê chưa chắc còn khả năng giao dịch sau chi phí.

Tại thị trường Việt Nam, chi phí thực tế không chỉ gồm phí giao dịch. Nhà đầu tư còn phải tính thuế bán, chênh lệch giá mua – bán, slippage, thanh khoản và tình trạng không thể thoát vị thế khi cổ phiếu giảm sàn. Đặc biệt với cổ phiếu vốn hóa nhỏ, giá đóng cửa trên dữ liệu lịch sử chưa chắc là mức giá mà một lệnh có quy mô thực tế có thể được khớp đầy đủ.

Rủi ro thứ năm là dữ liệu giá chưa điều chỉnh. Cổ phiếu có thể giảm giá cơ học vào ngày giao dịch không hưởng quyền do trả cổ tức tiền mặt, phát hành cổ phiếu thưởng hoặc thực hiện quyền mua. Nếu dữ liệu không được điều chỉnh đúng, mô hình có thể hiểu nhầm đây là một cú giảm thật và phát tín hiệu bán. Ngược lại, nếu nhà cung cấp điều chỉnh dữ liệu theo cách sử dụng thông tin chưa tồn tại tại thời điểm lịch sử, backtest cũng có thể sai lệch.

Rủi ro thứ sáu là survivorship bias. Nếu nhà đầu tư lấy danh sách các cổ phiếu đang niêm yết hiện tại rồi backtest ngược về mười năm trước, dữ liệu đã loại bỏ nhiều doanh nghiệp từng yếu kém, bị hủy niêm yết hoặc mất thanh khoản. Kết quả sẽ được xây dựng trên nhóm “người sống sót”, khiến chiến lược có vẻ tốt hơn thực tế.

Ngoài các lỗi kỹ thuật, bằng chứng học thuật về time-series momentum cũng không hoàn toàn thống nhất. Một số nghiên cứu ghi nhận hiệu ứng mạnh và bền vững, trong khi nghiên cứu khác cho rằng khi kiểm tra khả năng dự báo trên từng tài sản và đánh giá ngoài mẫu, bằng chứng yếu hơn đáng kể. Sự khác biệt có thể đến từ cách xây danh mục, volatility scaling, lựa chọn tài sản, thời gian nghiên cứu và phương pháp thống kê.

Vì vậy, không nên sử dụng time-series signal như một “công thức kiếm tiền” độc lập. Cách ứng dụng hợp lý hơn là xem nó như một lớp thông tin trong quy trình đầu tư. Phân tích cơ bản trả lời doanh nghiệp nào đáng sở hữu. Định giá trả lời mức giá nào có thể chấp nhận. Time-series signal trả lời xu hướng thị trường hiện có đang ủng hộ việc giải ngân hay không. Quản trị danh mục quyết định nên phân bổ bao nhiêu vốn.

Giả sử nhà đầu tư đã chọn được 20 doanh nghiệp có chất lượng tài chính tốt. Thay vì mua đều tất cả, có thể dùng time-series signal để chia thành ba nhóm. Nhóm thứ nhất gồm các cổ phiếu có xu hướng dương ở cả sáu tháng và mười hai tháng, giá nằm trên MA200; đây là nhóm được ưu tiên theo dõi hoặc giải ngân. Nhóm thứ hai có tín hiệu không thống nhất; nhà đầu tư giữ tỷ trọng thấp hoặc chờ xác nhận. Nhóm thứ ba có xu hướng âm trên nhiều khung thời gian; mô hình không nhất thiết kết luận doanh nghiệp xấu, nhưng cảnh báo rằng thị trường đang định giá lại cổ phiếu theo hướng bất lợi.

Cách kết hợp này có thể giúp tránh một sai lầm phổ biến: mua một doanh nghiệp chỉ vì thấy định giá đã giảm mạnh trong khi xu hướng giá, lợi nhuận và kỳ vọng thị trường vẫn đang xấu đi. Một cổ phiếu giảm 40% không tự động trở thành cơ hội. Time-series signal không xác định được giá trị nội tại, nhưng có thể cho biết áp lực giảm đã thực sự kết thúc hay chưa.

Ngược lại, nhà đầu tư cũng không nên mua một cổ phiếu chỉ vì giá nằm trên MA200. Một doanh nghiệp yếu, giá tăng do đầu cơ và thanh khoản thấp vẫn có thể tạo tín hiệu xu hướng rất đẹp trong ngắn hạn. Nếu nền tảng kinh doanh không hỗ trợ, xu hướng có thể đảo chiều nhanh và khả năng thoát vị thế rất thấp. Vì vậy, signal nên được đặt sau bước lọc chất lượng, thanh khoản và quản trị rủi ro.

Một quy trình ứng dụng thực tế có thể bắt đầu bằng việc xác định universe gồm những cổ phiếu có thanh khoản đủ lớn. Tiếp theo, loại bỏ các doanh nghiệp có vấn đề nghiêm trọng về tài chính hoặc quản trị. Sau đó, tính tín hiệu sáu tháng, mười hai tháng và vị trí giá so với MA200. Mỗi tháng hoặc mỗi quý, danh mục được cập nhật theo tín hiệu, nhưng phải giới hạn turnover và tỷ trọng mỗi mã. Cuối cùng, kết quả phải được kiểm tra ngoài mẫu, có phí, thuế, slippage và mô phỏng trường hợp không khớp lệnh.

Nhà đầu tư cũng nên ghi lại mục đích sử dụng tín hiệu. Nếu signal chỉ dùng để giảm rủi ro, không cần tối ưu nó thành một hệ thống giao dịch liên tục. Ví dụ, khi cổ phiếu có xu hướng dài hạn dương, tỷ trọng mục tiêu là 100% mức bình thường; khi tín hiệu trung tính, tỷ trọng giảm xuống 50%; khi xu hướng dài hạn âm, không mở vị thế mới. Cách điều chỉnh từng bước có thể ổn định hơn việc chuyển toàn bộ danh mục giữa mua và bán chỉ vì một lần cắt MA.

Điều quan trọng nhất là hiểu time-series signal đang đo điều gì. Nó không đo doanh nghiệp có tốt không, không đo cổ phiếu đang rẻ hay đắt và không biết giá sẽ tăng trong phiên tiếp theo. Nó chỉ tổng hợp lịch sử chuyển động của giá thành một trạng thái có thể sử dụng trong quá trình ra quyết định.

Một cổ phiếu “tự tạo tín hiệu từ chính lịch sử của nó” không có nghĩa quá khứ luôn lặp lại. Ý nghĩa thực sự là thay vì đoán thị trường bằng cảm xúc, nhà đầu tư đặt ra một quy tắc nhất quán để quan sát xem xu hướng đang được duy trì hay đã thay đổi. Giá trị của time-series signal không nằm ở việc giúp mua đúng đáy và bán đúng đỉnh, mà nằm ở việc tạo ra một kỷ luật có thể kiểm chứng, giúp nhà đầu tư biết mình đang chấp nhận rủi ro trong điều kiện nào và sẽ giảm rủi ro khi điều kiện đó không còn tồn tại.