Portfolio Optimization: Tối ưu danh mục theo mục tiêu #11

Lưu ý giáo dục: Bài viết không phải lời khuyên đầu tư, danh mục mẫu hay tín hiệu giao dịch. Mọi A/B, lợi nhuận kỳ vọng, độ biến động, tương quan, tỷ trọng và giới hạn đều là dữ liệu giả để học cách đọc mô hình.

Trả lời ngắn: Portfolio optimization, hay tối ưu danh mục, là cách chọn tỷ trọng để cải thiện một objective function, tức tiêu chí mô hình được yêu cầu tối ưu, trong các constraints, tức ràng buộc phải tuân thủ. Kết quả chỉ “tối ưu” với đầu vào và quy tắc đã nhập; nó không biết trước lợi nhuận hay rủi ro thật.

Đọc xong, bạn sẽ hiểu:

• Bốn phần của một bài toán tối ưu danh mục.
• Vì sao một điểm hiệu quả không đồng nghĩa phù hợp với mọi người.
• Cách tính ví dụ hai tài sản và kiểm độ nhạy đầu vào.
• Cách điền thẻ tối ưu mà chưa dùng tiền thật.

1. Portfolio Optimization là gì? Tối ưu trong mô hình, không tối ưu tương lai

a. “Tốt nhất” phải có phần còn lại của câu

Một danh mục chỉ có thể tốt hơn theo tiêu chí cụ thể: rủi ro thấp hơn tại cùng lợi nhuận kỳ vọng, lợi nhuận kỳ vọng cao hơn tại cùng mức rủi ro, hoặc điểm số khác đã viết trước. Nếu không nói tiêu chí, từ “tối ưu” gần như rỗng.

Input, hay đầu vào, là các giá trị đưa vào mô hình. Chúng thường gồm lợi nhuận kỳ vọng, độ biến động và quan hệ giữa các tài sản. Nếu đầu vào là ước lượng, kết quả cũng mang tính ước lượng.

Hãy nghĩ tới ứng dụng bản đồ. “Tuyến nhanh nhất” chỉ đúng với điểm đến, tiêu chí, dữ liệu giao thông và đường cấm đã nhập. Nó không bảo đảm chuyến đi không gặp sự cố. Bộ tối ưu cũng vậy: nó tính đúng bài toán được giao, không xác nhận bài toán phản ánh đủ đời thật.

Hình 1 — Bộ tối ưu chỉ xử lý đầu vào, mục tiêu và ràng buộc; tỷ trọng đi ra chưa phải lệnh.

b. Scope riêng của bài #11

Bài #10 đã ghép mục tiêu, ràng buộc, kiểm tra tình huống xấu và quy trình phê duyệt thành Asset Allocation Framework. Bài này đi sâu một mô-đun: biến bộ giả định cùng ràng buộc thành tỷ trọng ứng viên, rồi kiểm tra độ nhạy.

Địa chỉ bài có hậu tố portfolio-management vì địa chỉ ngắn đã thuộc lộ trình học khác. Việc tách địa chỉ tránh nhập nhằng nội dung; không làm thay đổi khái niệm.

2. Bốn phần của một bài toán tối ưu

a. Đầu vào: mô hình biết những gì?

Weight, hay tỷ trọng, là phần danh mục gán cho một tài sản. Với mỗi tài sản, mô hình có thể nhận:

• Expected return, hay lợi nhuận kỳ vọng: ước lượng, không phải kết quả hứa trước.
• Volatility, hay độ biến động: mức phân tán của lợi suất quanh trung bình.
• Covariance, hay hiệp phương sai: cách hai lợi suất cùng biến động; correlation, hay tương quan, là dạng chuẩn hóa từ -1 tới 1.

Tương quan quan trọng vì rủi ro danh mục không bằng phép cộng độ biến động từng phần. CFA Institute đặt trung bình, phương sai, hiệp phương sai và tương quan vào nền tảng tính rủi ro danh mục. CFA Institute — Portfolio Risk and Return: Part I

b. Objective, constraints và solver

1. Mục tiêu nói mô hình cần giảm hoặc tăng đại lượng nào.
2. Ràng buộc đặt biên cho tỷ trọng ứng viên: tổng tỷ trọng bằng 100%, mức tối thiểu/tối đa, thanh khoản, tỷ lệ giao dịch lại hoặc mức tiếp xúc.
3. Solver, hay bộ giải, tìm các ứng viên thỏa ràng buộc rồi so theo mục tiêu.
4. Kết quả là tỷ trọng ứng viên cùng trạng thái bài toán, không phải chính sách đã duyệt.

No short-selling, hay không bán khống trong mô hình, yêu cầu mọi tỷ trọng không âm. Bỏ ràng buộc này có thể tạo tỷ trọng âm hoặc đòn bẩy; đó là một bài toán khác.

Ràng buộc còn có thể đặt tỷ trọng tối thiểu/tối đa, trần tập trung, mức giao dịch lại hoặc lượng tiền mặt cần giữ. Chúng không chỉ “sửa” kết quả sau khi bộ giải chạy; chúng định hình ngay tập ứng viên mà bộ giải được phép tìm. Nếu đặt trần B là 40% trong ví dụ ở mục 4, bài toán lợi nhuận kỳ vọng ít nhất 6% sẽ không có nghiệm vì A/B 60/40 chỉ cho 5,6%. Khi đó kết quả đúng là infeasible, tức không có ứng viên thỏa đồng thời các điều kiện, chứ không phải nới ràng buộc âm thầm.

Một bộ giải báo “success”, tức chạy thành công, chỉ nói nó tìm được nghiệm theo thiết lập. Nó không xác minh đầu vào, phí, thuế, thanh khoản hay quyền giao dịch.

3. Efficient frontier và “optimal” khác nhau thế nào?

a. Từ tập khả thi tới đường biên

Feasible set, hay tập khả thi, gồm mọi danh mục thỏa đủ ràng buộc. Một danh mục bị dominated, hay lép vế, nếu có danh mục khác cho lợi nhuận kỳ vọng cao hơn ở cùng rủi ro, hoặc rủi ro thấp hơn ở cùng lợi nhuận kỳ vọng.

Efficient frontier, hay đường biên hiệu quả, là tập các kết hợp rủi ro–lợi nhuận kỳ vọng không bị lép vế trong mô hình. Nó không phải đường lợi nhuận tương lai và không bảo đảm các điểm sẽ giữ vị trí khi đầu vào đổi.

Hình 2 — Có nhiều điểm hiệu quả; ưu tiên và ràng buộc mới chọn một điểm ứng viên.

b. Optimal không phải nhãn chung

Optimal portfolio, hay danh mục tối ưu trong mô hình, là điểm được chọn từ tập khả thi theo ưu tiên cụ thể. Người ưu tiên độ biến động thấp và người chấp nhận độ biến động cao để đổi lấy lợi nhuận kỳ vọng cao có thể chọn hai điểm khác nhau.

Vì vậy, “hiệu quả” chỉ nói một điểm không bị lép vế theo hai đại lượng đang xét. “Tối ưu” còn cần mục tiêu, ưu tiên và ràng buộc. Cả hai vẫn phụ thuộc đầu vào.

4. Ví dụ hai tài sản: mục tiêu 6%, độ biến động 7,91%

a. Khóa bài toán giả

Ta dùng hai tài sản giả:

Mục tiêu: giảm phương sai xuống thấp nhất. Ràng buộc: lợi nhuận kỳ vọng ít nhất 6%, wA + wB = 100%, wA,wB ≥ 0, không bán khống.

Để đạt đúng 6%:

4% × wA + 8% × wB = 6%

Kết hợp với wA + wB = 1 cho wA = 50%, wB = 50%.

b. Tính phương sai và độ biến động

Vì tương quan giả bằng 0, hạng tử hiệp phương sai bằng 0:

Variance = 0,5² × 0,05² + 0,5² × 0,15²

= 0,000625 + 0,005625 = 0,00625

Volatility = √0,00625 = 0,079057 ≈ 7,91%

Trong vùng ứng viên có lợi nhuận kỳ vọng từ 6% trở lên, tăng B tiếp tục làm độ biến động tăng theo bộ số này. Vì vậy 50/50 là nghiệm có phương sai thấp nhất ở biên lợi nhuận kỳ vọng 6% của bài toán giả.

Hình 3 — Kết quả 50/50 chỉ thuộc ví dụ A/B, rho bằng 0 và các ràng buộc đang ghi.

c. Độ nhạy: đầu vào đổi 0,2 điểm %

Giữ B ở 8% nhưng đổi lợi nhuận kỳ vọng của A từ 4% lên 4,2%. Để ứng viên đạt 6%:

wB = (6% - 4,2%) / (8% - 4,2%) = 47,37%

wA = 52,63%

Chỉ 0,2 điểm phần trăm thay đổi trong một đầu vào làm tỷ trọng đổi 2,63 điểm phần trăm. Không biết 4% hay 4,2% gần sự thật hơn thì không được gọi kết quả mới là chính xác hơn.

5. Sai lầm, giới hạn và rủi ro mô hình

a. Bảy lỗi phổ biến

1. Dùng nhiều chữ số thập phân để che đầu vào ước lượng.
2. Chọn khoảng dữ liệu quá khứ sau khi thấy kết quả.
3. Cho ràng buộc quá lỏng rồi bất ngờ vì danh mục tập trung.
4. Cho ràng buộc quá chặt rồi gọi nghiệm bị ép là “tối ưu”.
5. Bỏ phí, thuế, tỷ lệ giao dịch lại, thanh khoản và quy mô lệnh tối thiểu.
6. Dùng kiểm thử dữ liệu quá khứ như bằng chứng lợi nhuận tương lai.
7. Đưa kết quả thẳng thành lệnh mà không qua quy trình phê duyệt.

Estimation error, hay sai số ước lượng, là chênh lệch giữa giá trị ước tính và giá trị thật chưa biết. CFA Institute lưu ý trung bình mẫu có sai số đáng kể, còn dữ liệu tài sản tư nhân bị làm mượt có thể bóp méo phương sai–hiệp phương sai và quyết định phân bổ. CFA Institute — Capital Market Expectations, Part II

b. Sensitivity, overfitting và turnover

Sensitivity analysis, hay phân tích độ nhạy, đổi một đầu vào rồi so kết quả. Nếu thay đổi nhỏ làm tỷ trọng nhảy lớn, người rà soát cần thấy cảnh báo thay vì chỉ thấy tỷ trọng cuối.

Overfitting, hay khớp quá mức, là xây mô hình bám sát dữ liệu cũ đến mức yếu với dữ liệu mới. Turnover, hay tỷ lệ danh mục phải giao dịch, cho biết quy mô thay đổi vị thế; tỷ lệ cao có thể kéo theo chi phí và thuế.

CFA Institute nêu các phê bình với mean–variance optimization (MVO), tức tối ưu hóa trung bình–phương sai: kết quả nhạy với đầu vào, có thể tập trung, không chắc đa dạng nguồn rủi ro và thường bỏ chi phí giao dịch hoặc thuế. CFA Institute — Principles of Asset Allocation

Đa dạng hóa cũng không bảo đảm tránh lỗ khi thị trường giảm. Investor.gov — Diversify Your Investments

6. Danh sách kiểm tra và bài tập 15 phút: Thẻ tối ưu

a. Danh sách kiểm tra trước khi tin kết quả

1. Mục tiêu có một đại lượng rõ và đúng đơn vị chưa?
2. Đầu vào có nguồn, kỳ hạn, thời điểm và phiên bản chưa?
3. Ma trận hiệp phương sai có cùng kỳ dữ liệu và kiểm lỗi chưa?
4. Ràng buộc có tổng tỷ trọng, mức tối thiểu/tối đa, bán khống và đòn bẩy chưa?
5. Tỷ trọng ứng viên có tổng đúng và thỏa mọi ràng buộc chưa?
6. Công thức lợi nhuận, phương sai và độ biến động đã tính lại chưa?
7. Độ nhạy và ít nhất một tình huống xấu đã được kiểm chưa?
8. Chi phí, thuế, thanh khoản và tỷ lệ giao dịch lại đã kiểm chưa?
9. Người xác minh, phê duyệt và triển khai đã rõ chưa?
10. Kết quả có ghi phạm vi mô hình và giới hạn chưa?

Thiếu nguồn, hiệp phương sai, chi phí, thanh khoản hoặc quyền thì ghi VERIFY/HOLD: cần xác minh và đang dừng, chưa hành động.

b. Dùng Google Sheets

Tạo cột wB từ 0% tới 100% theo bước 5%; wA=1-wB. Tính lợi nhuận kỳ vọng và phương sai với rho bằng 0. Lọc các hàng có lợi nhuận kỳ vọng ≥6%, rồi tìm độ biến động thấp nhất. Bảng sẽ chỉ ra hàng 50/50; phép đại số ở mục 4 xác nhận biên liên tục.

Đổi lợi nhuận kỳ vọng A từ 4% lên 4,2% và tính lại điểm biên 52,63/47,37. Không kết nối tài khoản, không nhập dữ liệu nhạy cảm và chưa dùng tiền thật.

c. Mẫu đối chiếu đã điền

Optimization Card, hay thẻ tối ưu, ghi mục tiêu, đầu vào, ràng buộc, kết quả và độ nhạy trong cùng một bản.

Thẻ không gọi 50/50 là danh mục mẫu. Nó giữ kết quả trong phạm vi bài toán và để lộ ba cổng vận hành còn thiếu.

Hình 4 — Độ nhạy tỷ trọng nhắc rằng kết quả nhiều chữ số vẫn dựa trên ước lượng.

7. Tổng kết: kết quả phải đi kèm đầu vào và giới hạn

a. Năm ý chính

• Tối ưu hóa chọn tỷ trọng theo mục tiêu, đầu vào và ràng buộc.
• Đường biên hiệu quả chứa nhiều cách đánh đổi, không có một điểm tốt cho mọi người.
• Ví dụ giả 50/50 đạt lợi nhuận kỳ vọng 6% với độ biến động 7,91%.
• Đầu vào A đổi 0,2 điểm % làm tỷ trọng đổi 2,63 điểm %.
• Thiếu kiểm tra độ nhạy, chi phí, thanh khoản hoặc quyền thì HOLD.

b. Câu hỏi tự kiểm tra

• Vì sao bộ giải chạy thành công vẫn chưa đủ để tin kết quả?
• Điểm hiệu quả và điểm tối ưu khác nhau ở đâu?
• Phương sai của ví dụ 50/50 bằng bao nhiêu?
• Đầu vào A đổi từ 4% lên 4,2% làm tỷ trọng đổi thế nào?

c. Gợi ý đáp án

Xem gợi ý câu 1

Bộ giải chỉ xác nhận nghiệm theo bài toán; nó không xác minh đầu vào, chi phí, thanh khoản hay quyền. → xem mục 2.

Xem gợi ý câu 2

Điểm hiệu quả không bị lép vế; điểm tối ưu còn phụ thuộc ưu tiên, mục tiêu và ràng buộc cụ thể. → xem mục 3.

Xem gợi ý câu 3

Phương sai là 0,00625; căn bậc hai cho độ biến động xấp xỉ 7,91%. → xem mục 4.

Xem gợi ý câu 4

Để vẫn đạt 6%, A/B đổi từ 50/50 sang 52,63/47,37 trong mô hình giả. → xem mục 4.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• CFA Institute — Portfolio Risk and Return: Part I
• CFA Institute — Principles of Asset Allocation
• CFA Institute — Capital Market Expectations, Part II
• Investor.gov — Diversify Your Investments

Bài trước: Asset Allocation Framework: Từ mục tiêu đến tỷ trọng #10.

Bài tiếp theo: Core–Satellite Portfolio: Kết hợp lõi ổn định và phần chủ động #12.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư, danh mục mẫu hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.