Không ai biết rõ về nguồn gốc của alpha.

Bài viết này là phiên bản tại chỗ của bản tin Unhedged của chúng tôi. Các khách hàng cao cấp có thể đăng ký tại đây để nhận bản tin hàng ngày vào mỗi ngày trong tuần. Các khách hàng tiêu chuẩn có thể nâng cấp lên cao cấp tại đây, hoặc khám phá tất cả các bản tin của FT

Chào buổi sáng. Quản lý tín dụng tư nhân Blue Owl đã ngừng rút vốn từ một trong các quỹ hướng tới nhà đầu tư bán lẻ của họ, và các nhà quản lý tài sản tư nhân đủ loại đã bán tháo hôm qua để phản ứng lại. Rằng các nhà đầu tư bán lẻ mong muốn thanh khoản sẽ trở thành một sự pha trộn không dễ chịu với mô hình đầu tư của tín dụng tư nhân là điều được dự đoán rộng rãi (thậm chí Unhedged cũng đã dự đoán được rắc rối). Liệu mối quan hệ này có thể được cứu vãn không? Gửi ý kiến của bạn cho chúng tôi tại: unhedged@ft.com.

Trong tài chính, ‘đừng nghĩ, hãy nhìn!’

Các bài báo học thuật tốt thường cảm thấy, nghịch lý thay, vừa rõ ràng vừa rất thú vị. Một bài đọc hay của Unhedged vài ngày trước — “Nghiên cứu đã qua bình duyệt có giúp dự đoán lợi nhuận cổ phiếu không” — là một ví dụ điển hình.

Bài báo, của Andrew Chen, Alejandro Lopez-Lira, và Tom Zimmermann (tôi sẽ gọi là CLZ), xem xét hai tập hợp các yếu tố dự đoán lợi nhuận cổ phiếu vượt thị trường, hay “alpha”. Tập hợp đầu tiên gồm 200 tín hiệu được ghi nhận trong các tạp chí uy tín về kinh tế, tài chính và kế toán đã qua bình duyệt; chúng bao gồm các yếu tố như đầu tư tăng, phát hành nợ hoặc vốn cổ phần cao, và các bất ngờ về lợi nhuận. Trong các tài liệu, những yếu tố này đi kèm bằng chứng lịch sử về khả năng vượt trội và, trong nhiều trường hợp, một lời giải thích kinh tế đi kèm. Các lời giải thích này thường đề xuất rằng các nhà đầu tư được trả tiền để chấp nhận rủi ro, hoặc rằng có một dạng thiển cận của nhà đầu tư đang hoạt động.

Tập hợp thứ hai các yếu tố dự đoán được tạo ra bằng máy tính. CLZ đã lấy một tập hợp 29.000 tỷ lệ kế toán và “khai thác dữ liệu”, tìm kiếm những tỷ lệ dự đoán vượt trội một cách có ý nghĩa thống kê.

Sau đó, CLZ đã thử nghiệm hai tập hợp yếu tố này trên dữ liệu lịch sử ngoài mẫu. Kết quả là hai nhóm này hoạt động gần như chính xác như nhau. Các thử nghiệm được thực hiện bằng cách xây dựng các giao dịch dài-ngắn sao cho lợi nhuận kỳ vọng bằng không nếu không có khả năng dự đoán nào tồn tại. Trong biểu đồ dưới đây, lợi nhuận bổ sung của mỗi yếu tố được chuẩn hóa về 100 để dễ so sánh. Các yếu tố học thuật và khai thác dữ liệu mất khoảng một nửa khả năng dự đoán của chúng trong thử nghiệm ngoài mẫu, và mất đi cùng tốc độ đó. Biểu đồ của họ:

Như CLZ nói,

Sau mẫu, hiệu suất của cả hai loại yếu tố dự đoán giảm xuống còn khoảng 50 phần trăm của trung bình mẫu ban đầu. Lợi nhuận khai thác dữ liệu giảm chút ít hơn so với lợi nhuận đã công bố nhưng sự khác biệt là nhỏ, cả về mặt kinh tế lẫn thống kê. Trong hầu hết biểu đồ, chuẩn mực khai thác dữ liệu nằm trong phạm vi sai số chuẩn của các yếu tố đã công bố… hiệu suất sau mẫu của các yếu tố bình duyệt và khai thác dữ liệu rất giống nhau.

Giải thích về alpha trong các nghiên cứu học thuật — rủi ro, thiển cận, hay gì đó — cũng không quan trọng. Thực tế, “chỉ những nghiên cứu không thiên về nguồn gốc lý thuyết của khả năng dự đoán mới thể hiện khả năng vượt trội nhất so với khai thác dữ liệu”; thậm chí hiệu ứng này cũng “khiêm tốn”. Như Lopez-Lira tóm tắt với tôi, “dường như không có gì đặc biệt về các yếu tố dự đoán lợi nhuận do các nhà học thuật phát hiện so với các yếu tố dự đoán mạnh về mặt thống kê”. Nói chung, việc biết lý do tại sao một chiến lược đầu tư định lượng hoạt động, về mặt tâm lý hay kinh tế, dường như không mang lại lợi ích gì cho các nhà đầu tư.

Điều này gợi nhớ (như những người khác đã chỉ ra) đến Jim Simons, người sáng lập Renaissance Technologies, quỹ phòng hộ định lượng thành công nhất mọi thời đại. Ông nổi tiếng với câu nói rằng quy tắc duy nhất của quỹ ông là “không bao giờ bỏ qua máy tính” (xem phút 49 và các phần tiếp theo của video này). Nếu máy tính cho bạn biết có một mối quan hệ thống kê có thể khai thác trong thị trường, đừng cố giải thích nó — hãy giao dịch theo đó. Bởi vì nếu có một lời giải thích rõ ràng, mối quan hệ đó đã bị giao dịch hết rồi. Lỗ hổng sẽ bị đóng.

Kết quả của CLZ có vẻ trực quan và tự nhiên. Chúng ta biết rằng, trong phạm vi thị trường tạo ra các cơ hội có thể hành động, những cơ hội đó sẽ bị khai thác và suy giảm. Đến mức một cơ hội được bao phủ bởi một lời giải thích kinh tế hoặc tâm lý rõ ràng, nó có khả năng biến mất nhanh hơn nữa. Điều gây ngạc nhiên là bất kỳ cơ hội nào để đạt lợi nhuận điều chỉnh rủi ro vượt thị trường mà được nắm bắt bởi một lý thuyết kinh tế hoặc tâm lý hợp lý đều tồn tại lâu dài. Các nhà đầu tư, trong phạm vi họ áp dụng phương pháp định lượng vào thị trường chứng khoán, nên theo Wittgenstein, nhìn trước rồi nghĩ sau. Kết quả của CLZ cho thấy rằng lý thuyết là một hướng dẫn yếu ớt để đạt thành tích vượt trội, và tệ hơn nữa, là vô dụng.

Các nhà đầu tư định lượng sẽ nghĩ gì về công trình của CLZ? Tôi đã hỏi Rob Arnott, người sáng lập công ty tư vấn đầu tư “smart beta” Research Affiliates. Ông trả lời rằng nếu bạn

đưa 29.000 học giả tìm kiếm chức danh giảng dạy vào làm việc, tìm kiếm qua dữ liệu để tìm các “yếu tố” dự đoán, thì việc một máy tính xem xét 29.000 yếu tố giả thuyết gần như kết quả giống hệt nhau là điều hoàn toàn không ngạc nhiên…

Phương pháp khoa học có nghĩa là chúng ta phát triển một giả thuyết, sau đó sử dụng dữ liệu lịch sử để kiểm tra giả thuyết đó, rồi tìm dữ liệu ngoài mẫu (ví dụ, không phải của Mỹ, hoặc thời kỳ cổ điển, hoặc dữ liệu sau mẫu) để xác thực thêm giả thuyết. Tài chính học thuật thường phát triển giả thuyết phù hợp với dữ liệu, điều này không theo phương pháp khoa học. Sau đó, backtest được dùng để cải thiện backtest và giả thuyết được điều chỉnh cho phù hợp. Đây là khai thác dữ liệu điển hình.

Arnott cho rằng nghiên cứu về một yếu tố hoặc yếu tố dự đoán nào đó nên phân chia lợi nhuận vượt trội thành “alpha định giá lại” và “alpha cấu trúc”. Alpha định giá lại là khi cổ phiếu có một yếu tố nhất định trở nên đắt hoặc rẻ hơn so với thị trường, được đo bằng tỷ lệ giá/lợi nhuận và các chỉ số tương tự. Alpha cấu trúc là phần lợi nhuận còn lại khi loại bỏ alpha định giá lại, cho thấy “rằng yếu tố đó dự đoán các yếu tố cơ bản cải thiện, chứ không chỉ nâng cao lợi nhuận”. Alpha định giá lại nên “không lặp lại nhiều”; alpha cấu trúc có thể tồn tại lâu dài.

Theo quan điểm của Arnott, thì, sự chính xác về mặt trí tuệ hơn có thể giúp chúng ta tìm ra các lời giải thích bền vững về nguồn gốc của alpha. Còn nhiều công việc phía trước.

Một bài đọc hay

Bạn có đủ cổ phiếu chưa?

Podcast FT Unhedged

Không thể nghe đủ Unhedged? Nghe podcast mới của chúng tôi, dành 15 phút để khám phá các tin tức thị trường mới nhất và các tiêu đề tài chính, hai lần mỗi tuần. Cập nhật các số cũ của bản tin tại đây.

Bản tin đề xuất dành cho bạn

Due Diligence — Các câu chuyện hàng đầu về tài chính doanh nghiệp. Đăng ký tại đây

The AI Shift — John Burn-Murdoch và Sarah O’Connor phân tích cách AI đang biến đổi thế giới công việc. Đăng ký tại đây