Crypto và Toán học: Liệu có thể đánh bại thị trường?

Câu chuyện về Jim Simons không chỉ là câu chuyện về một người quản lý tiền, dù ông là một trong những nhà quản lý tiền thành công nhất thế giới. Đó là câu chuyện về một người đàn ông nhìn vào thế giới đầy biến động, bất an của Wall Street và thấy không phải sự hỗn loạn mà là trật tự — một trật tự toán học dưới dạng những quy luật bí ẩn và tuyệt đẹp. Simons, một nhà toán học lừng danh và cựu chuyên gia giải mã của NSA, đã thành lập quỹ phòng hộ Renaissance Technologies vào năm 1982.

Quỹ đầu hạm đầy bí ẩn của nó, Medallion Fund, sau này đã trở thành quỹ sinh lời cao nhất trong lịch sử, mang lại lợi nhuận trung bình hàng năm đáng kinh ngạc hơn 60% trong suốt ba thập kỷ. Trong khi những người khác tin vào trực giác, linh cảm và các phân tích thông thường, Simons và đội ngũ tiến sĩ toán học, vật lý và thống kê của ông chỉ tin vào hai điều: chính dữ liệu — những tín hiệu điện tử thì thầm từ Wall Street được tái tạo trên máy tính của họ — và các mô hình họ xây dựng để diễn giải nó. Người đàn ông đã bẻ khóa mã Wall Street; ông là "Ông hoàng Định lượng" (Quant King). Tuy nhiên, điều làm nên sự khác biệt của Renaissance chính là văn hóa của nó — giống một khoa toán học của trường đại học hơn là một công ty tài chính Wall Street xa hoa.

Simons đã nuôi dưỡng một bầu không khí hợp tác cấp cao và tò mò, nổi tiếng với việc tuyển dụng những chuyên gia có rất ít hoặc không có kinh nghiệm tài chính. Ông cho rằng những ý tưởng tốt nhất đến từ việc bước vào thị trường với một góc nhìn hoàn toàn mới, không bị vướng bận bởi những định kiến của Wall Street. Đó là một phong cách khác biệt nhưng đã được đền đáp; nó cho phép họ phát triển các phương pháp kinh doanh chênh lệch giá thống kê (statistical arbitrage) và giao dịch tần suất cao (high-frequency trading) vượt xa chuẩn mực của ngành trong nhiều năm.

Tiểu sử của chính Simons khó có thể nói là của một tài phiệt Wall Street. Rất lâu trước khi cách mạng hóa việc đầu tư, ông là một học giả được đánh giá cao. Những đóng góp của ông trong hình học và tô pô đã góp phần vào việc khám phá ra dạng Chern-Simons, thứ sau này được coi là một đối tượng toán học phức hợp quan trọng cho lý thuyết dây và lý thuyết trường lượng tử. Khả năng tư duy trừu tượng, đa chiều này đã làm nên sự khác biệt của ông. Ông không nhìn thị trường như một tập hợp các công ty riêng lẻ, mà là một hệ thống động chịu sự chi phối của các nguyên lý cơ bản, giống như một lực vật lý. Ông coi đầu tư như một bài toán khoa học, như thể bạn có thể giải quyết nó bằng cách thu thập đủ dữ liệu và áp dụng các thuật toán thích hợp để tách tín hiệu khỏi nhiễu.

Đội ngũ của ông đã thu thập một lượng dữ liệu khổng lồ, từ giá cổ phiếu lịch sử đến các mô hình thời tiết, tìm kiếm bất kỳ tác động có thể dự đoán, không ngẫu nhiên nào mà họ có thể khai thác để giao dịch. Họ đã tạo ra các thuật toán tinh vi có thể tự động đặt lệnh để kiếm lợi nhuận từ những sự thiếu hiệu quả siêu nhỏ, thoáng qua mà mắt người thậm chí không bao giờ có thể nhìn thấy. Họ không dự đoán xu hướng dài hạn của thị trường; họ chỉ tìm ra những lợi thế nhỏ nhưng đáng tin cậy và sau đó khai thác chúng hàng triệu lần.

Cách tiếp cận này cũng phụ thuộc rất nhiều vào dữ liệu sạch và cơ sở hạ tầng mạnh mẽ — những yếu tố mà các quỹ truyền thống về cơ bản còn thiếu sót trầm trọng. Niềm tin then chốt là với lượng dữ liệu đủ lớn, những quy luật tinh tế dự đoán hành vi người tiêu dùng sẽ xuất hiện — và những quy luật đó có thể rất nhỏ nhưng vẫn có thể dẫn đến lợi nhuận khổng lồ nếu được tận dụng ở quy mô lớn.

Chiến lược cũ, nhưng trên một mặt trận mới

Tất nhiên, thế giới tài chính ngày nay là một thực thể hoàn toàn khác so với thế giới mà Simons đã chinh phục từ lâu. Các thị trường nhanh hơn, toàn cầu hóa hơn và phức tạp hơn vô hạn. Những thành quả dễ hái từ sự thiếu hiệu quả mà Medallion Fund từng nhặt nhạnh từ lâu đã biến mất khỏi thị trường, bị san phẳng bởi các đoàn quân nhà giao dịch định lượng nối gót Simons.

Các mô hình ban đầu của ông, nếu được công bố ngày nay, có thể trông kỳ quặc hoặc không còn phù hợp với giao dịch thuật toán tốc độ chóng mặt hiện thời. Tuy nhiên, việc lấy đó làm lý do để gạt bỏ di sản của ông sẽ là một bài học hoàn toàn sai lầm. Thiên tài thực sự không nằm ở bất kỳ mô hình đơn lẻ nào, mà ở phương pháp tiếp cận nền tảng: rằng thị trường, mọi thị trường, ngay cả những thị trường dường như hoàn toàn hiệu quả, đều đầy rẫy những kẽ hở và vết nứt. "Ý tưởng là xây dựng một lăng kính toán học đủ sắc bén để quan sát chúng."

Và giờ đây, chính phương pháp tiếp cận này đang được áp dụng cho mặt trận tài chính mới nhất và xa xôi nhất: tiền mã hóa. Với độ biến động cực cao, sự phát triển nhanh chóng và tính chất thuần kỹ thuật số (với những khu vườn khép kín chỉ xuất hiện ở các sàn giao dịch tập trung), các nhà kinh tế học coi crypto là thiên đường. Đây là một thế giới dựa trên dữ liệu, nơi mọi giao dịch đều được ghi vào một sổ cái công khai bất biến. Điều này mang lại cho các nhà toán học và nhà khoa học dữ liệu một mỏ kho báu phong phú để khai phá.

Dữ liệu on-chain này bao gồm khối lượng giao dịch, số dư ví, hoạt động smart contract và phí mạng lưới, cung cấp một cái nhìn minh bạch và theo thời gian thực về cơ chế vận hành bên trong của thị trường. Điều này càng được củng cố bởi một lượng lớn dữ liệu off-chain, chẳng hạn như độ sâu sổ lệnh của sàn giao dịch hoặc ảnh hưởng ồn ào — và đôi khi hỗn loạn — của tâm lý mạng xã hội trên các nền tảng như Twitter và Reddit. Nhiệm vụ này rất khó khăn nhưng nguyên lý thì đơn giản.

Mục tiêu không phải là dự đoán liệu Bitcoin có đạt mức đỉnh lịch sử mới vào năm tới hay không, mà là khám phá những quy luật tinh tế, có thể khai thác được trong sự hỗn loạn hàng ngày của thị trường. Đó là tìm ra những sự thiếu hiệu quả về cấu trúc, cho dù trong việc định giá phái sinh, dòng vốn luân chuyển giữa các sàn giao dịch hay thậm chí là cơ chế cơ bản của hệ thống giao dịch trên blockchain. Cuộc săn tìm alpha đã dịch chuyển từ các sàn giao dịch của Wall Street sang thế giới phi tập trung của blockchain.

Kho vũ khí toán học hiện đại

Để giúp định hướng trong bối cảnh mới này, các quant ngày nay được trang bị một kho vũ khí phong phú và tinh vi gồm các mô hình toán học mang lại nhiều cách tiếp cận khác nhau để định hình và hiểu những gì đang diễn ra trên thị trường. Chúng trải dài từ các phiên bản sửa đổi của lý thuyết tài chính cổ điển đến các mô hình hoàn toàn mới được thiết kế để giải quyết những đặc tính độc nhất của tài sản kỹ thuật số. Một trong những ý tưởng cơ bản nhất, bắt nguồn từ tài chính truyền thống, là mô hình Black-Scholes. Về cơ bản, đây là một công thức để tính giá của các công cụ phái sinh.

Dựa trên một tập hợp các giả định lý tưởng hóa — thị trường hoàn toàn hiệu quả, giá tài sản tuân theo một bước đi ngẫu nhiên, có thể dự đoán được gọi là chuyển động Brown hình học (geometric Brownian motion) và độ biến động là không đổi. Và mặc dù thị trường crypto còn lâu mới hoàn hảo, Black-Scholes vẫn là một nền tảng tri thức thiết yếu mà chúng ta cần để so sánh việc định giá quyền chọn trong thế giới phái sinh crypto đang phát triển mạnh mẽ này. Nhưng các giả định cứng nhắc của nó thường sụp đổ trong thế giới crypto, nơi độ biến động nổi tiếng là không bị kiểm soát và các sự kiện "đuôi béo" (fat-tailed) — tức là các biến động giá cực đoan — xảy ra thường xuyên.

Để khắc phục những hạn chế này, các quant thường sử dụng các phương pháp tinh vi hơn. Một trong số đó là Mô hình Bước nhảy Biến động Ngẫu nhiên (Stochastic Volatility Jump Models). Các mô hình này ra đời nhằm phản hồi lại sự thất bại của Black-Scholes. Chúng công nhận hai sự thật quan trọng của thị trường: độ biến động không cố định, thay vào đó, nó thay đổi theo thời gian theo cách ngẫu nhiên (stochastic); và giá có thể chịu những bước nhảy hoặc biến động lớn đột ngột (ví dụ do các tin tức quan trọng hoặc các đợt thanh lý). Bằng cách sử dụng các thuật ngữ toán học để tính đến độ biến động dao động cũng như các bước nhảy giá đáng kể, các mô hình như vậy mang lại cái nhìn thực tế hơn (dù phức tạp) về động thái của giá tài sản — và có thể chứng minh đặc biệt hữu ích trong thế giới crypto đầy biến động.

Một bộ công cụ khác nữa là các phương pháp Monte Carlo. Thay vì một phương trình tuyệt đẹp duy nhất như trong Black-Scholes, Monte Carlo là một cách tiếp cận bằng sức mạnh thuần túy. Nó hoạt động bằng cách thực hiện hàng nghìn, nếu không muốn nói là hàng triệu mô phỏng ngẫu nhiên về đường đi tương lai của thị trường dựa trên các biến đầu vào ban đầu như giá ngày hôm nay và một số thước đo độ biến động ước tính.

Bằng cách kiểm tra toàn bộ phân phối của các kết quả mô phỏng này, một nhà giao dịch có thể phát triển trực giác xác suất về giá trị của một công cụ phái sinh quyền chọn hoặc về mức độ rủi ro trong danh mục đầu tư. Tính linh hoạt đó là vô giá trong crypto, nơi các tài sản thường thiếu lịch sử dữ liệu dài hạn theo yêu cầu của các mô hình truyền thống hơn, và nơi các công cụ phái sinh phụ thuộc vào đường đi (path-dependent) phức tạp ngày càng trở nên phổ biến.

Đây chính là nơi các quan điểm hiện đại hơn về xây dựng danh mục đầu tư, chẳng hạn như Lý thuyết Danh mục Đầu tư Ngẫu nhiên (Stochastic Portfolio Theory - SPT) có thể phát huy tác dụng. SPT, do E. Robert Fernholz xây dựng, mang tính mô tả hơn là chỉ định. Nó không bắt đầu từ giả định rằng các thị trường hoàn toàn hiệu quả; thay vào đó, nó hoạt động dựa trên hành vi giả định của các mức giá thị trường thực tế, có thể quan sát được dưới dạng các quá trình ngẫu nhiên liên tục theo thời gian. Điều này trái ngược với lý thuyết danh mục đầu tư cổ điển, nơi nhà đầu tư tối thiểu hóa giá trị kỳ vọng của lợi nhuận chu kỳ và một mức phương sai cố định.

Điều này cho phép triển khai chính các chiến lược tìm cách vượt trội hơn toàn bộ thị trường, không phải bằng cách dự đoán thị trường sẽ đi theo hướng nào, mà bằng cách định kỳ tái cân bằng danh mục đầu tư để tạo áp lực lên các tốc độ tăng trưởng khác nhau của các thành phần trong đó. Đó là một cách tiếp cận sắc thái hơn, thích nghi tốt hơn với tính đa dạng và sự thiếu tương quan trong thế giới crypto.

Chúng được bổ sung bởi làn sóng phương pháp thứ hai được thiết kế cho kỷ nguyên kỹ thuật số. Trong các phòng thiết kế biểu đồ, giá crypto đang được mô hình hóa bằng các phương pháp mượn từ khung Bayesian để coi chúng như các hạt chịu tác động của một thế năng phi tuyến động. Ý tưởng chính đằng sau thống kê Bayes rất đẹp trong sự đơn giản của nó: bạn có một niềm tin ban đầu (tiên nghiệm) về điều gì đó và sau đó cập nhật niềm tin đó khi thu thập được bằng chứng mới. Trong thế giới crypto có nhịp độ nhanh, đó là một khái niệm mạnh mẽ. Mô hình Bayesian có thể liên tục cập nhật dự báo khi có dữ liệu giá mới, khối lượng giao dịch hoặc thậm chí là các thước đo về tâm lý mạng xã hội xuất hiện, cho phép nó phản ứng theo thời gian thực khi điều kiện thị trường thay đổi theo cách mà các mô hình tĩnh hơn không thể làm được.

Một công cụ mạnh mẽ khác là Mô hình Markov Ẩn (Hidden Markov Model - HMM). HMM giả định rằng thị trường có thể ở các "chế độ" (regimes) hoặc trạng thái ẩn khác nhau — ví dụ: trạng thái 'thị trường tăng giá' (bull run) với lợi nhuận cao và biến động thấp, chế độ thị trường giảm giá với lợi nhuận âm và biến động cao hoặc chế độ đi ngang tích lũy. Mô hình kiểm tra giá và cố gắng tìm hiểu xem thị trường đang ở trạng thái nào và trạng thái có khả năng xảy ra tiếp theo nhất là gì. Trong một thị trường dễ bị dao động nhanh chóng theo con lắc tâm lý như crypto, nơi tâm trạng có thể chuyển từ hưng phấn sang hoảng loạn hàng giờ, HMM là loại công cụ có thể làm sáng tỏ những thay đổi chế độ này và giúp các nhà giao dịch có được kỹ năng để thích ứng phù hợp.

Cuối cùng, các mô hình Tự hồi quy Vectơ (Vector Autoregression - VAR) hỗ trợ gỡ rối mạng lưới quan hệ phức tạp giữa các altcoin khác nhau. Trong một thị trường với hàng nghìn token liên kết với nhau, sẽ là ngây thơ nếu nhìn nhận bất kỳ token nào một cách biệt lập. Mô hình VAR giải quyết vấn đề này bằng cách coi nhiều tài sản như một hệ thống. Nó có thể khám phá cách một cú sốc giá đối với một tài sản lớn như Ethereum lan tỏa khắp hệ sinh thái, tác động đến hàng chục giá token khác trong hệ sinh thái DeFi và NFT. Nó vạch ra mạng lưới nhân quả và các hiệu ứng lây lan trên thị trường, chỉ ra những đồng coin nào dẫn đầu và những đồng nào theo sau, mang lại cái nhìn tổng thể đầy đủ hơn về rủi ro và cơ hội mang tính hệ thống.

Sức mạnh và cạm bẫy của một thị trường được lập trình

Việc sử dụng các mô hình toán học tiên tiến này để nghiên cứu thị trường crypto mang lại nhiều hứa hẹn, nhưng cũng không hề thiếu rủi ro. Lợi ích là rất rõ ràng: một lộ trình dựa trên dữ liệu xuyên qua một địa hình vốn nổi tiếng mang tính đầu cơ. Nhưng mọi quant cũng đều biết rằng các mô hình của họ là một sự trừu tượng hóa của thực tế, và việc dựa dẫm quá nhiều vào chúng có thể dẫn đến sự sụp đổ. Nghĩa là, cần phải có một hành động cân bằng ở đây: Các lợi thế tiềm năng phải được cân nhắc kỹ lưỡng trước sự khó đoán nội tại của các quỹ quant — để không kết thúc giống như những bên khác.

Các ưu điểm và nhược điểm chính được tóm tắt dưới đây:

1. Ưu điểm: Lợi thế ở đây là chúng ta có thể tính toán được một số tín hiệu có ý nghĩa từ dữ liệu khổng lồ. Các mô hình định lượng có thể nắm bắt những tương quan và quy luật tinh vi ẩn giấu trong đại dương hàng nghìn tài sản và hàng triệu giao dịch mà không con người nào có thể làm được. Điều này dẫn đến một phương pháp tiếp cận có kỷ luật và bài bản hơn đối với quản trị rủi ro, nơi các khoản thua lỗ có thể được đo lường và quản lý. Tuy nhiên, ở một cấp độ khác, những mô hình này là cỗ máy lao động của giao dịch thuật toán – chúng cho phép các chiến lược được thực thi tự động ở tốc độ có thể tận dụng các cơ hội ngắn ngủi chỉ tính bằng mili giây. Khả năng "đánh hơi" này là thiết yếu trong các phân khúc phức tạp như thị trường TRON Energy – nơi tỷ lệ và số lượng khả dụng thay đổi với tốc độ ánh sáng. Nó loại bỏ nỗi sợ hãi và lòng tham khỏi giao dịch khi chúng ta tuân thủ một phương pháp làm việc có hệ thống, mang lại việc thực thi nhất quán hơn.

2. Nhược điểm: Rủi ro lớn nhất là ‘rủi ro mô hình’ (model risk). Bất kỳ mô hình nào cũng chỉ tốt tương đương với các giả định tạo nên nó. Khi các giả định đó không chính xác, hoặc điều kiện thị trường thay đổi theo cách mà mô hình không được thiết kế để thích ứng, nó có thể thất bại thảm hại. Các trường hợp LTCM sẽ mãi là bài học kinh điển chỉ ra điều gì xảy ra khi bạn phá hỏng mọi thứ chỉ vì lòng tham ngắn hạn. Chất lượng của dữ liệu đầu vào là một điểm yếu quan trọng khác; dữ liệu bị lỗi hoặc ‘bẩn’ có thể dẫn đến quyết định sai lầm và sai sót giao dịch đắt giá. Cuối cùng, các mô hình số đặc biệt kém trong việc dự báo các sự kiện "thiên nga đen". Các đòn giáng pháp lý bất ngờ, các vụ hack sàn giao dịch quy mô lớn hoặc các tiến bộ công nghệ không lường trước được là những sự việc nằm ngoài các mô hình thống kê của dữ liệu lịch sử và có thể khiến ngay cả những mô hình công nghệ cao nhất trở nên lỗi thời chỉ sau một đêm.

Suy cho cùng, các mô hình này là công cụ, không phải quả cầu pha lê. Chúng mang lại cho các nhà đầu tư một thứ có thể gọi là lợi thế xác suất, hay một cách để nghiêng nhẹ tỷ lệ cược về phía mình qua nhiều giao dịch. Các công ty định lượng tốt nhất không sử dụng chúng như một chân lý tuyệt đối, mà như một cách để giúp hiểu và đối phó với sự không chắc chắn cố hữu trên các thị trường. Họ liên tục lặp lại các mô hình, tinh chỉnh chúng, và đôi khi loại bỏ chúng khi thị trường thay đổi; họ biết rằng bản đồ không phải là thực địa. Sự tương tác rất năng động của các hệ thống như thị trường cho thuê Energy của TRON là một ví dụ cho sự thích ứng này, vì các nhà cung cấp mới và cơ chế định giá liên tục thay đổi môi trường. Một công ty quant thành công vừa là một công ty quản lý rủi ro vừa là một công ty dự đoán.

Cuộc săn tìm Simons tiếp theo

Câu chuyện về Jim Simons và Medallion Fund còn có nhiều điều hơn là khối tài sản khó tin mà nó tạo ra: Đó là câu chuyện về một cách tư duy khác. Ông đã chứng minh rằng ngay cả trong một nghề nghiệp chịu ảnh hưởng bởi cảm xúc và trực giác của con người, một phương pháp thực nghiệm, lành mạnh vẫn có thể chiến thắng. Ông đã chỉ ra rằng bên dưới sự ồn ào và phẫn nộ của thị trường là một logic toán học về cách giá cả biến động, mặc dù nó không phải lúc nào cũng dẫn đến các dự đoán chính xác, nhưng có thể tạo ra các cơ hội đầu tư có cơ sở vững chắc. Di sản của ông phủ bóng lớn lên thế giới tài chính — một lời phản biện sống động đối với hệ thống, một lời nhắc nhở rằng mã của thị trường thực sự có thể bẻ khóa được. Nó đã tái định hình những gì có thể đạt được, và thay đổi hệ chuẩn từ những ngôi sao chọn cổ phiếu sang những đội ngũ nhà khoa học giấu tên.

Khi một nhóm những người tài năng mới dấn thân vào mặt trận kỹ thuật số là tiền mã hóa, vấn đề không phải là liệu ai đó có lặp lại thành công của ông hay không, mà là khi nào. Thị trường crypto, rộng mở cho khoa học dữ liệu đột phá, hoàn toàn kỹ thuật số và không bao giờ ngủ, có lẽ là môi trường hoàn hảo cho cuộc cách mạng định lượng của thế kỷ 21. Các công cụ tinh vi hơn, dữ liệu phong phú hơn, và cơ hội khám phá cũng như khai thác những điểm thiếu hiệu quả có ở khắp mọi nơi. Đó là một đấu trường nơi sự đổi mới và thử nghiệm toán học được đền đáp xứng đáng.

Nhưng Simons tiếp theo sẽ có rất nhiều việc phải làm. Sự cạnh tranh cũng lớn hơn nhiều, với hàng trăm quỹ quant lớn nhỏ đang lùng sục khắp thị trường crypto để tìm kiếm alpha. Bản thân thị trường cũng có tính phản xạ (reflexive); càng nhiều quant tận dụng một sự thiếu hiệu quả thì sự thiếu hiệu quả đó càng có xu hướng biến mất. Đó là một cuộc chạy đua vũ trang không bao giờ kết thúc, đòi hỏi các mô hình ngày càng phức tạp và thời gian thực thi ngày càng nhanh hơn. Đó là một hành trình nguy hiểm, đầy rẫy những thách thức khổng lồ trên đường đi, nhưng nếu có bất cứ điều gì đáng học hỏi từ Jim Simons, thì đó là có lẽ, chỉ là có thể, bạn cũng có thể đánh bại thị trường — nếu bạn có đủ thiên tài toán học và sức mạnh tính toán hỗ trợ phía sau. Đó là nơi Netts Energy Market có thể giúp bạn tìm được mức giá Energy tốt ngay khi bạn cần: