Hãy tin và cố lên

Giáo sư: Con trai là một người theo đạo Thiên Chúa Giáo đúng không?

Sinh viên: Dạ đúng thưa giáo sư

Giáo sư: Vậy con có tin vào Chúa không?

Sinh viên: Tất nhiên rồi thưa giáo sư

Giáo sư: Chúa tốt lành chứ?

Sinh viên : Chắc chắn là như vậy

Giáo sư : Chúa có tất cả quyền lực không?

Sinh viên : Dạ có

Giáo sư : Anh trai tôi chết vì ung thư mặc dù anh ấy đã cầu nguyện với Chúa chữa lành cho anh ấy rất nhiều. Hầu hết trong chúng ta ai cũng đã cố gắng giúp đỡ người khác khi họ đau ốm. Nhưng Chúa thì không. Vậy cậu nói xem Chúa tốt lành như thế nào?

(Sinh viên im lặng)

Giáo sư: Cậu không thể trả lời phải không? Vậy chúng ta lại bắt đầu lại với câu hỏi : Chúa tốt lành không?

Sinh viên : Dạ có

Giáo sư : Quỷ Satan có tốt lành không?

Sinh viên : Không.

Giáo sư : Vậy quỷ Satan là đến từ đâu?

Sinh viên : Dạ, từ …Chúa mà ra…

Giáo sư : Đúng rồi. Con trai hãy nói cho ta biết, tội ác có tồn tại trên thế giới này không?

Sinh viên : Dạ có

Giáo sư : Tội ác ở khắp mọi nơi phải không? Và Chúa tạo nên tất cả mọi thứ, đúng không?

Sinh viên : Đúng!

Giáo sư : Vậy ai tạo ra tội ác?

(Sinh viên không trả lời)

Giáo sư : Vậy còn bệnh tật? sự đồi bại? lòng thù hận ? sự xấu xa? Tất cả những thứ kinh khủng đó vẫn tồn tại trên thế giới chứ?

Sinh viên : Dạ đúng , thưa Giáo sư

Giáo sư : Vậy, ai tạo nên chúng?

(Sinh viên không trả lời)

Giáo sư : Khoa học nói rằng chúng ta có 5 Giác quan để nhận định và quan sát thế giới xung quanh ta. Hãy nói cho ta biết, con đã từng thấy Chúa chưa?

Sinh viên : Dạ chưa.

Giáo sư : Nói cho ta biết cậu đã từng nghe Chúa nói chưa?

Sinh viên : Chưa, thưa Giáo sư

Giáo sư : Cậu đã từng cảm nhận thấy CHÚA, nếm được mùi vị của CHÚA, ngửi được CHÚA chưa? Cậu đã từng bao giờ nhận thức được bằng bất cứ giác quan nào về Chúa chưa?

Sinh viên : Chưa thưa Giáo sư. Con e là chưa cảm nhận được giác quan nào cả

Giáo sư : Vậy cậu còn tin vào Chúa không?

Sinh viên : Dạ có

Giáo sư : Theo kinh nghiệm, những thử nghiệm, những phương pháp chứng minh khác, Khoa học nói rằng CHÚA không hề tồn tại. Con nói về điều này thế nào, con trai?

Sinh viên : Không là gì cả. Tôi chỉ có niềm tin.

Giáo sư : Đúng rồi, đức tin. Và đó là vấn đề mà Khoa học gặp phải

Sinh viên : Thưa Giáo sư, có tồn tại một thứ gọi là “nóng” không?

Giáo sư : Có!

Sinh viên : Và có tồn tại thứ gọi là “lạnh” không?

Giáo sư : Có!

Sinh viên : Không có, thưa Giáo sư. Nó không hề có.

(Giảng đường bỗng trở nên im lặng với câu trả lời bất ngờ của cậu sinh viên)

Sinh viên : Thưa Giáo sư, giáo sư có thể có rất nhiều thứ gọi là nóng, và còn có thể nóng hơn, siêu nóng, cực kì nóng, nhiệt độ nóng trắng. Nhưng chúng ta không có bất cứ gì gọi là lạnh. Chúng ta có thể đạt đến nhiệt độ dưới 0 đến -458 độ, nhưng chúng ta không thể đạt đến mức thấp hơn con số đó. Không có bất cứ thứ gì gọi là lạnh , lạnh là một từ ngữ chúng ta dùng để mô tả sự vắng mặt của nóng. Chúng ta không thể đo lường được lạnh, lạnh đến đâu. Nóng là một loại năng lượng, và lạnh không phải là mặt trái của nóng, thưa giáo sư, chỉ là sự vắng mặt của nóng mà thôi.

(Giảng đường thinh lặng với những giải thích của cậu sinh viên)

Sinh viên : Còn về bóng tối thì sao thưa Giáo sư ? Có thứ gì để gọi là “bóng tối” không?

Giáo sư : Có. Đêm tối là gì, nếu nó không phải là bóng tối ?

Sinh viên : Giáo sư lại sai nữa rồi. Bóng tối là sự thiếu vắng của một thứ khác. Giáo sư có thể có được ánh sáng yếu, ánh sáng trung bình, ánh sáng mạnh, ánh sáng chớp. Nhưng nếu không có ánh sáng một cách thường xuyên, Giáo sư sẽ chẳng có cái gì để gọi là “bóng tối” .Trong thực thế, không có bóng tối , nếu có , Giáo sư có thể làm cho bóng tối trở nên tối hơn không thưa Giáo sư?

Giáo sư : Vậy vấn đề mà con đang muốn đề cập ở đây là gì, chàng thanh niên trẻ tuổi?

Sinh viên : Thưa giáo sư, điều mà tôi muốn nói ở đây là tiền đề triết học của Giáo sư có chỗ thiếu sót.

Giáo sư : Thiếu sót? Cậu có thể giải thích rõ hơn không?

Sinh viên : Thưa giáo sư, giáo sư đang giải thích trên tiền đề của sự đối ngẫu 2 mặt. Giáo sư chỉ rõ rằng có sự sống và có cái chết, có Chúa tốt và Chúa xấu. Giáo sư đang nhìn vào khái niệm về Chúa chỉ như một tập hữu hạn,chỉ bằng một cái gì đó có thể đo lường được. Thưa Giáo sư, Khoa học thậm chí không thể giải thích về một cách thức con người suy nghĩ như thế nào. Có thể là dùng những tín hiệu về xung điện và từ ngữ gì đó, nhưng chúng ta không bao giờ thấy được, nhưng bằng cách nào đấy chúng ta vẫn cũng có thể hiểu được người khác. Nếu chúng ta xem xét về cái chết là đối lập với sự sống, nghĩa là đang phớt lờ đi sự thật rằng cái chết không thể tồn tại như một thứ gì đó mà tồn tại hữu hình.
Sự chết không phải là đối lập với sự sống, chỉ là sự vắng mặt của sự sống.

Điều này giải thích rằng : bệnh tật, tội ác, tất cả những thứ kinh khủng trên thế giới này đều không tồn tại, mà là vì chúng ta đang thiếu vắng đi 1 thứ, đó là tình yêu của 1 đấng tối cao nào đó.

Bây giờ Giáo sư hãy nói cho tôi biết, Giáo sư có dạy cho sinh viên của mình rằng họ tiến hóa như bây giờ từ loài khỉ không?

Giáo sư : Nếu như cậu đang đề cập về quá trình tiến hóa tự nhiên thì dĩ nhiên là có.

Sinh viên : Đã bao giờ giáo sư quan sát được quá trình tiến hóa bằng mắt thường chưa Giáo sư?

(Giáo sư lắc đầu và cười, bắt đầu nhận ra rằng vấn đề của cuộc tranh luận đang đi về đâu)

Sinh viên : Bởi vì không ai có thể quan sát được quá trình tiến hóa trong công việc và càng không thể chứng minh rằng quá trình này là một quá trình đang diễn ra. Vì thế thưa Giáo sư, có phải giáo sư không dạy bằng quan điểm cá nhân của giáo sư đúng không? Giáo sư là một nhà khoa học hay chỉ là một người thuyết giáo suông dạy đời?

(Lớp học bỗng trở nên ồn ào)

Sinh viên : Có ai trong lớp học này đã từng nhìn thấy được bộ não của Giáo sư chưa?

(Lớp học ồ lên những tiếng cười lớn)

Sinh viên : Có ai đó đã từng nghe về bộ não của Giáo sư, cảm nhận được bộ não đó, chạm được nó, hoặc ngửi được nó chưa? Không ai có mặt ở đây đã làm điều đó cả. Vì thế, theo như quy luật được thiết lập bởi kinh nghiệm, sự thử nghiệm, các phương pháp chứng minh, Khoa học nói rằng Giáo sư không có bộ não . Vậy chỉ bằng lòng kính trọng, thì làm sao chúng tôi có thể tin những gì Giáo sư dạy được, thưa Giáo sư?

(Căn phòng im lặng. Giáo sư nhìn chằm vào cậu sinh viên, không đoán được cậu ấy đang nghĩ gì )

Giáo sư : Tôi nghĩ là cậu hãy cứ để những thứ đó cho niềm tin, cậu con trai ạ.

Sinh viên : Đúng là thế đấy, thưa Giáo sư….Chính xác! Sự kết nối giữa con người và Chúa đó là NIỀM TIN. Tất cả những điều đó giữ cho mọi thứ vẫn tiếp tục sống, tiếp tục còn đó và phát triển.

P/S:

Mình tin là tất cả các bạn đã cảm nhận được cuộc đối thoại trên đây theo một cách thú vị. Và nếu đúng như vậy, chắc chắn bạn cũng muốn bạn bè và đồng nghiệp của mình sẽ đọc được mẩu chuyện này đúng không?

Nhân tiện, cậu sinh viên trong câu chuyện trên đây chính là EINSTEIN – Nhà khoa học vĩ đại nhất mọi thời đại!

Nguồn:  Sưu tầm

Phương pháp phân tích bao dữ liệu (DEA)

Dang Thanh Ngo, 

PHÂN TÍCH BAO DỮ LIỆU (1)

Hôm nay mở hàng blog bằng một bài viết ngắn về DEA vậy. Hiện tại tài liệu về DEA hầu hết đều bằng tiếng Anh*, nên hy vọng (loạt) bài viết này sẽ có thể có ích với một số người mới làm quen với lĩnh vực này (như mình hồi trước).

Tổng quan

DEA ra đời từ năm 1978 sau “sáng kiến” của Charnes, Cooper và Rhodes (CCR)**, tuy nhiên nó lại có xuất phát điểm từ trước đó hơn 20 năm. Năm 1957, Farrell*** đưa ra ý tưởng áp dụng đường giới hạn khả năng sản xuất (Production Possibility Frontier – PPF) làm tiêu chí đánh giá hiệu quả (tương đối) giữa các công ty trong cùng một ngành; theo đó các công ty đạt đến mức giới hạn sẽ được coi là hiệu quả (hơn) và các công ty không đạt đến đường PPF sẽ bị coi là kém hiệu quả (hơn các công ty kia). Phương pháp CCR (1978) sau đó áp dụng bài toán tối ưu hóa tuyến tính phi tham số (non-parametric linear optimization) để xây dựng đường PPF dựa trên số liệu đã biết về một nhóm các công ty nhất định (decision making unit – DMU) và tính toán điểm hiệu quả cho các công ty đó. Đến năm 1984, Banker, Charnes, và Cooper (BCC)**** cải tiến mô hình trên bằng cách đưa yếu tố lợi tức nhờ quy mô (returns to scale) vào tính toán, mang lại cái nhìn cụ thể hơn về tính hiệu quả của các DMU được phân tích. Từ đó đến nay, mô hình CCR và (chủ yếu là) BCC được áp dụng và phát triển một cách phổ biến trong phân tích hiệu quả (efficiency/performance) trong nhiều lĩnh vực khác nhau: ngân hàng, bảo hiểm, giáo dục, y tế,…

<Xem tiếp bài sau về Nguyên tắc tính toán và so sánh hiệu quả của các DMUs>

————————

* Tìm kiếm trên Google với cụm từ “phân tích bao dữ liệu” chỉ mang lại 706 kết quả – hôm nay 05/01/2011.

** Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring The Efficiency Of Decision Making Units. European Journal of Operational Research, 2, 429-444.

*** Farrell, M. J. (1957). The Measurement Of Productive Efficiency. Journal of the Royal Statistical Society, 120(3), 253-281.

**** Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis.Management Science, 30(9), 1078-1092.

Intro to DEA (2)

Nguyên tắc tính toán và so sánh hiệu quả của các DMU
Hiệu quả, hiệu suất, năng suất, hay một số thứ hầm bà lằng tương tự như thế, được sử dụng để tính toán/so sánh đầu ra (outputs) thu được tương ứng với đầu vào (inputs) cho trước. Ví dụ như năng suất lao động có thể được tính bằng số sản phẩm/số lao động; tỉ suất lợi tức đo bằng lợi nhuận/vốn; v.v…
Tuy nhiên, trên thực tế một doanh nghiệp hay đơn vị sản xuất (DMU) thường sử dụng một tổ hợp các yếu tố đầu vào để thu được một loạt các yếu tố đầu ra (mô hình đa biến – multi-variables) và do đó, việc đánh giá hiệu quả của DMU đó thường phải dựa trên nhiều chỉ số hiệu quả khác nhau (đánh giá tổng hợp). Bởi vì các chỉ số hiệu quả này được xây dựng dựa trên nhiều yếu tố khác nhau về bản chất, thước đo (ví dụ như vốn và diện tích nhà xưởng), nên để đánh giá tổng hợp cho từng DMU và so sánh giữa các DMU đòi hỏi phải quy về cùng một thước đo là tiền tệ (quy ra thóc). Khó khăn ở đây là rất khó để xác định giá cả của TẤT CẢ các yếu tố đầu vào và đầu ra cần thiết để tính toán, và đặc biệt, với các yếu tố phản ánh chất lượng (qualitative variables) thì hầu như không thể xác định được giá cả. Vì vậy, cần phải xây dựng một mô hình xác định hiệu quả (tổng hợp) mà không liên quan đến yếu tố giá cả.
Hiệu quả tổng hợp áp dụng cho nhiều biến được tính toán dựa trên hiệu quả riêng lẻ (1 input & 1 output) như sau:
Hiệu quả riêng lẻ: EF = Output/Input
Hiệu quả tổng hợp: EFF = Total Outputs/Total Inputs
Nếu giả thiết một DMU sử dụng m yếu tố đầu vào x để sản xuất n yếu tố đầu ra y với cách thức phối hợp các đầu vào và đầu ra nhất định theo hai bộ trọng số tương ứng v và u (u và v chính là tập hợp giá cả của các biến đầu vào và đầu ra, giả thiết là ta có đủ thông tin về giá), thì EFF có thể được tính như  sau:
EFF = (v1*x1 + v2*x2 + … + vm*xm)/(u1*y1 + u2*y2 + … + un*yn)
hay EFF = Σ vixi/Σ ujyj, i=1…m, j=1…n
Lưu ý: EFF tính được theo công thức trên là hiệu quả (tuyệt đối) của các DMU.
Áp dụng công thức trên ta có thể lần lượt tính toán hiệu quả của từng DMU (trên lí thuyết, mỗi DMU sẽ khác nhau về x và y; còn u, v, m và n là giống nhau – thế mới so sánh được với nhau). Trong trường hợp không xác định được giá cả, có thể giả thiết rằng 1 biến đầu vào xi hoặc 1 biến đầu ra yj sẽ được gán cho 1 trọng số vi hoặc uj dựa theo mức độ quan trọng của biến đầu vào (đầu ra) đó đối với DMU đó (thực tế đây cũng là 1 dạng thể hiện thông tin của giá cả). Tuy nhiên, đến đây nảy sinh một vấn đề là mỗi DMU sẽ có đánh giá khác nhau về tầm quan trọng của từng biến đầu vào và đầu ra, do đó mỗi DMU bây giờ sẽ khác nhau cả về u, v, x, và y. Bài toán trở nên phức tạp hơn và cần có sự can thiệp của phương pháp DEA.

Intro to DEA (end)

January 8, 2011

Tính EFF theo phương pháp DEA
Đến đây, lại phải nói qua về đường bao (biên) sản xuất – Production frontier (PF). Khái niệm này xuất phát từ khái niệm Đường giới hạn khả năng sản xuất (Production Possibilities Frontier – PPF*) khi cho rằng PPF là tập hợp của các điểm sản lượng (tiềm năng) TỐI ĐA mà một nền kinh tế có thể đạt được với một (số) đầu vào cho trước. Khi áp dụng vào tính toán hiệu quả của 1 ngành (hay nhóm DMU cần nghiên cứu) thì tập hợp tất cả các điểm HIỆU QUẢ tối đa sẽ tạo nên đường PF. Theo đó, các DMU nằm trên đường PF này sẽ có hiệu quả là 100%, các DMU khác sẽ có hiệu quả nhỏ hơn 100%. Đây là hiệu quả tương đối giữa các DMU với nhau, khác với hiệu quả tuyệt đối được xác định theo công thức ở phần 2. Tuy nhiên, công thức này cũng là cơ sở để xây dựng đường PF theo nguyên lý sau:
1. Vì PF là tập hợp của các điểm hiệu quả tối đa của các DMU, nên việc cần làm là phải xác định các hiệu quả tối đa này.
2. Công thức tính EFF ở phần trên cho thấy mỗi DMU sẽ có 1 bộ trọng số u,v tối ưu nhất để tối đa hóa điểm hiệu quả của mình, bây giờ việc cần làm là tìm ra (các) bộ trọng số u,v tối ưu cho các DMU. Điều này có thể thực hiện được bằng cách (lần lượt) giải bài toán tối ưu hóa (optimization) cho từng DMU theo công thức:
Max EFF (theo u,v)
trong điều kiện
EFF = Σ vixi/Σ ujyj, i=1…m, j=1…n
EFF <= 1 cho tất cả các DMU (kể cả DMU đang được xem xét).

3. Làm lần lượt như vậy với các DMU khác để tìm ra bộ trọng số tối ưu cũng như điểm hiệu quả tối đa cho từng DMU.
Với phương pháp tính toán như vậy, đường PF tìm được sẽ là đường hiệu quả tối ưu thực tế (best practical frontier) được xây dựng dựa trên số liệu đã có (gọi là thực tế vì nó là hàm optimization hoàn toàn có thể đạt được bằng cách thay đổi bộ trọng số u,v; khác với hàm hồi quy chỉ là dự tính – estimated). Đường PF này sẽ tạo thành 1 đường bao (biên) tối ưu, bên trong nó chính là các điểm thực tế (observed). Do vậy, phương pháp trên còn được gọi là phương pháp phân tích bao dữ liệu (Data Envelopment Analysis – DEA).
Ứng dụng của phương pháp phân tích bao dữ liệu DEA
1. DEA áp dụng được cả với các biến định tính (qualitative), do đó nó thường được ứng dụng để phân tích hiệu quả của các DMU hoạt động trong lĩnh vực xã hội như giáo dục, y tế, bảo hiểm,… và tất nhiên là cả trong lĩnh vực kinh tế như ngân hàng, chứng khoán, sản xuất kinh doanh.
2. Vì DEA được xây dựng dựa trên các điểm thực tế (observed data) nên nó có thể được áp dụng với các mẫu nghiên cứu (sample size) nhỏ, khác với phương pháp phân tích hồi quy thường yêu cầu cỡ mẫu lớn. Do vậy DEA thường được sử dụng để phân tích chuyên sâu theo khu vực, địa phương (region), chẳng hạn như phân tích hiệu quả của các nền kinh tế trong ASEAN, các phòng ban trong 1 doanh nghiệp, các ngân hàng lớn (không phải chi nhánh) trên địa bàn Hà Nội,…
3. Tuy nhiên, hạn chế của phương pháp này (so với phương pháp hồi quy) là nó không tính toán đến yếu tố sai số (error) hay nhiễu (noise), do đó trong DEA không tồn tại yếu tố mức ý nghĩa hay độ tin cậy (significant level). Đồng thời, điểm hiệu quả DEA là hiệu quả tương đối giữa các DMU với nhau, do đó nếu 1 DMU có điểm hiệu quả là 100% và nằm trên đường PF thì cũng KHÔNG có nghĩa là nó đã tối ưu trên thực tế (nó chỉ tối ưu HƠN các DMU khác trong phạm vi phân tích mà thôi). Vì vậy, DEA thường được thực hiện kết hợp với phân tích hồi quy trong một mô hình 2 bước (2-stages DEA) hay nhiều bước (multi-stages DEA) để làm tăng thêm tính thuyết phục của mô hình**.

PS1. Vì đây là Intro nên tôi chỉ giới thiệu chung về nguyên lý của phương pháp phân tích bao dữ liệu mà không đi sâu về mặt toán học hay các dạng cụ thể của phân tích DEA. Những ai muốn trao đổi hoặc tìm hiểu thêm về vấn đề này có thể email trực tiếp cho tôi về địa chỉ butzvn-a-còng-gmail-chấm-com.
PS2. Một số bài viết của tôi sử dụng DEA: http://ssrn.com/author=989383
* Xem thêm tại http://vi.wikipedia.org/wiki/Kinh_tế_học
** Cá nhân tôi cho rằng hiện nay chúng ta quá bị ảnh hưởng bởi phân tích hồi quy, cứ mở mồm ra là hỏi phân tích có tin cậy không, mức ý nghĩa bao nhiêu, etc. Phương pháp DEA xây dựng đường PF hiệu quả (có thực, có thể đạt được trên thực tế) dựa trên số liệu (tất nhiên cũng có thực) của các DMU, do đó cũng có thể nói mức độ tin cậy của phương pháp này là 100% (vì DEA có “dự tính” – estimate – gì đâu mà có thể cho ra kết quả sai lệch được).

Tôn Trọng Người Khác.

BLOG CỦA ALAN PHAN NGÀY THỨ SÁU 31/5/2013

30 năm nay, tôi có thể tự hào là chưa bao giờ nói xấu một cá nhân nào. Những năm còn trẻ, tôi cũng mang nhiều tự tôn và tự ti, nhiễm bệnh thích phê bình chỉ trích, nhất là người mà mình không thích vì lý do nào đó.  Cho đến một ngày đủ tự tin và kiến thức, mở rộng tư duy để nhìn mọi sự việc khoa học hơn, tôi mới nhận thấy rằng bất cứ người nào tôi đã gặp, đều có những khía cạnh mà tôi không biết rõ. Tôi tôn vinh và khen ngợi những phân khúc hay và đẹp của nhiều nhân vật vì họ xứng đáng, nhưng tôi im lặng về những đồn đại không kiểm chứng được từ thiên hạ.

Tôi cũng không ganh tị với bất cứ ai. Những người hơn tôi về khía cạnh nào đó như tiền của, sự nghiệp, danh tiếng, quyền lực hay kiến thức, tâm hồn, sức khỏe, kỹ năng…đều hơn tôi thật và tôi bao giờ tôi tranh cãi với thực tại. Thích hay không thích, chỉ cúi đầu chấp nhận thôi, và không nên lưu lại trong tâm trí, nếu đây là một cuộc ganh đua vô vọng.  Hãy để thì giờ chú tâm vào những việc quan trọng hơn (như ra biển chơi đùa với các con hải âu hay lên núi dang tay nắm những chùm mây).

Tuy nhiên, gần đây tôi bị lôi kéo vào những cáo buộc hoàn toàn không có cơ sở hay bắng chứng. Trường hợp Nick Vujicic là một thí dụ. Tôi không biết là rất nhiều người Việt đã phong thánh cho bạn này và khi tôi chỉ bàn đến kỹ năng PR của Nick mà không đề cập đến “thánh tính” của anh ta, nhiều người cho là tôi phạm thượng và coi thường Nick. Dù rằng, tôi đã khai mào là tôi không biết gì về con người của Nick và sẽ không bình luận gì đến các khía cạnh khác của nhân vật này.

Trường hợp sau là ông Bầu Đức. Nhiều người nghĩ là tôi ganh tị và thù ghét ông Đức vì chuyện ông ta đăng đàn mắng mỏ tôi. Thực ra tôi thích những người phê bình chỉ trích tôi công khai, dù đúng hay sai. Tôi đã tổ chức một ngày hội để mọi bạn hữu kẻ thù có thể “roast” tôi cơ mà.

Tôi chỉ ghét những anh chị ném đá dấu tay, xài “nick” trên các diễn đàn mạng mà không dám ra mặt hay cho địa chỉ. Những bài viết về nạn phá rừng hoàn toàn không nhắm đến ông Bầu Đức hay bất cứ một cá nhân nào. Sự quan tâm của tôi đến môi trường đã được nêu rõ qua các bài viết tiếng Việt suốt 3 năm qua và các bài viết tiếng Anh hơn 12 năm trước. Tôi cũng đã là Trưởng phân khoa Môi Trường của đại học Kỹ Thuật Phú Thọ từ năm 1971 đến 1975 (không biết ông Đức đã sinh ra chưa vào thời này).

Thực ra tính tôi hay bông đùa một cách vô hại, không hề có ác ý hay dìm ai xuống bùn đen để đề cao mình. Cho đến bằng này tuổi dầu, con người tôi thực sự là một cậu học trò (nhất quỷ nhì ma…), và chắc chắn là không nên nết. Khi ông Đức mắng tôi là ‘cực kỳ vô văn hóa”, tôi đã cười hề hề với bạn bè và nghĩ rằng ông nói đúng, theo góc nhìn của ông. Nếu ông ở gần, có lẽ tôi sẽ đến “hi-fi” ông một cái. Làm sao mà ganh tị hay thù ghét ông được? Gần 40 năm đầu trong đời người ngắn ngủi, có thể nói tâm tôi không bình yên vì những bực tức và cáu giận với tha nhân. Từ gia đình, bạn bè đến đối tác nhân viên, tôi luôn luôn khơi phá lên những sai lầm hay ác ý của họ để chứng minh mình đúng và họ là những con sâu gây khổ cho mình. Nhưng khi nhìn kỹ hơn lại con người chính mình và những lý do để họ hành xử như vậy, tôi mới nhận ra cách duy nhất để sống với đời và tha nhân là hãy quên đi những khác biệt và “live and let live” (sống và để người khác sống).

Mỗi con người là một thực thể sống động với những trải nghiệm và tư duy khác nhau. Nếu có những đụng chạm và mâu thuẫn mà không thể giải quyết thỏa đáng, hãy tôn trọng người khác và né sang đường khác. Thế giới còn quá rộng để tranh dành hay thù hận những miếng đất hay sự việc nhỏ nhoi. Tha thứ cho người và tha thứ cho mình.

Tuy nhiên, một vài bạn sẽ hỏi,”nếu đó là một tranh chấp để sống còn, để giữ phẩm cách cho con người mình, để đáp ứng với chuẩn mực đạo đức và quyền làm người, ta có né tránh được không”. Tôi luôn luôn đau khổ với câu trả lời,” bạn phải sẵn sàng trả giá cho cuộc chiến và xin ơn trên phù hộ cho bạn”. Nhưng thắng hay thua, hãy tôn trọng kẻ thù.

Alan Phan

Hạnh Phúc

Nhiều tiền, ít tiền, không phung phí là được , 

Ai phải, ai sai , mình không sai là được 

Biết ít biết nhiều, làm xong việc là được 

Người già người trẻ , mạnh khỏe là được 

Người giàu người nghèo , hoà Thuận là được 

Ông xã về sớm về trễ, miễn về là được , 

Bà xã cho ăn cơm , cơm nóng cơm nguội có ăn là được 

Người xấu người đẹp , có duyên là được 

Nhà lớn nhà nhỏ , ấm no là được 

Sung túc hay nghèo nàn , bình an là được 

Xe mới xe cũ , chạy là được 

Và... phải nhớ rằng:

Vui cười không mệt , buồn phiền mới mệt 

Yêu thương không mệt , ghen ghét mới mệt 

Chân thật không mệt , gian dối mới mệt 

Tương ái không mệt , tương tàn mới mệt 

Rộng rãi không mệt , ích kỷ mới mệt 

Khoan dung không mệt , khó khăn mới mệt 

Khiêm nhường không mệt, khoe khoang mới mệt

 

Mỉm cười không mệt, tức giận mới mệt,

Đơn thuần không mệt, phức tạp mới mệt

Tương tư không mệt, đơn phương mới mệt 

Chung tình không mệt, đa tình mới mệt

Tình bằng hữu không mệt, tư tình mới mệt

Chân thành không mệt,giả dối mới mệt

Được mất không mệt, tính toán mới mệt

Thể chất mệt không phải mệt,tâm can mệt mới mệt 

Đọc những điều này không mệt , thực hành mới mệt.

Các loại rủi ro tỉ giá

(Tác giả: minhphc – Nguồn: vfpress.vn)

Đầu tư luôn tiềm ẩn rủi ro. Nếu vụ đầu tư nào không có rủi ro, lợi nhuận kì vọng chắc chắn sẽ rất thấp. Thuật ngữ high risk high EXPECTED return (mà mọi người thường bỏ quên chữ EXPECTED) xuất hiện từ thời La Mã vẫn luôn đúng trong đầu tư & kinh doanh. Nhiều doanh nghiệp, ngân hàng, quỹ đầu tư… mãi chạy theo chữ return, bỏ quên chữ RISK dẫn đến nhiều hậu quả to lớn. Bong bóng bất động sản ở VN là 1 ví dụ điển hình cho việc chạy theo high return, làm cho nhiều công ty bất động sản, ngân hàng & nhà nước phải điêu đứng mấy năm qua và vẫn đang loay hoay tìm cách giải quyết cục nợ này.

Kỹ nghệ tài chính ngày càng phát triển làm cho rất nhiều sáng kiến kiểm soát, hedging rủi ro ra đời. Nhưng trước khi tìm cách hedging rủi ro, hãy tiến hành phân loại các loại rủi ro khác nhau mà bất kì doanh nghiệp nào cũng có thể gặp phải.

Các rủi ro 1 doanh nghiệp gặp phải có thể phân thành 2 loại là rủi ro tài chính & rủi ro phi tài chính như hình vẽ bên dưới:

Trong đó, loại rủi ro mà chúng ta quen thuộc nhất chính là rủi ro thị trường, bao gồm rủi ro lãi suất, rủi ro tỉ giá, rủi ro giá cả hàng hoá & rủi ro giá chứng khoán.

Để phân tích, đánh giá & hedging cho tất cả các loại rủi ro trên có lẽ phải viết 1 bài nghiên cứu hàng trăm trang mới đủ. Trong 1 bài viết tầm 1000 chữ thế này, người viết chỉ xin giới thiệu đến bạn đọc 1 loại risk rất phổ biến, nhiều doanh nghiệp gặp phải & có thể dùng các công cụ phái sinh để hedging được, đó là rủi ro tỉ giá.

Rủi ro tỉ giá biến động ảnh hưởng đến rất nhiều loại hình doanh nghiệp, đặc biệt là các công ty đa quốc gia (MNC). Bất kì công ty nào có hoạt động mua bán hàng hoá với đối tác ở nước ngoài đều chịu loại rủi ro này. Rủi ro tỉ giá được phân thành 3 loại:

1/ Rủi ro giao dịch (Transaction exposure)

Rủi ro giao dịch nảy sinh khi 1 công ty A bán hàng cho công ty B ở nước ngoài & sẽ thu tiền trong tương lai gần. Vì xuất khẩu nên sẽ thu về đồng ngoại tệ, như vậy nếu tỉ giá biến động mạnh thì công ty A sẽ đổi ngoại tệ thành nội tệ không đúng với kì vọng của họ. Công ty A có thể dự đoán tốt nhu cầu tiêu dùng ở nước B, đặt giá bán cạnh tranh, kiếm lời được 10% cho lô hàng đó. Nhưng họ không phải là chuyên gia về tỉ giá nên rất khó dự đoán từ lúc bán hàng đến khi nhận tiền ngoại tệ về, tỉ giá sẽ biến động thế nào. Giả sử nhận 1 cục ngoại tệ về, ngoại tệ đó mất giá 10% so với lúc bán hàng thì xem như toàn bộ lợi nhuận của lô hàng bị tỉ giá ăn hết. Vì vậy nhiều doanh nghiệp chọn cách dùng derivaties chốt 1 tỉ giá dòng tiền mình sẽ nhận được luôn.

2/ translation exposure

Ngoài rủi ro về dòng tiền, tỉ giá còn ảnh hưởng việc chuyển đơn vị tiền tệ của báo cáo tài chính từ đồng nội tệ sang ngoại tệ. Ví dụ 1 MNC có chi nhánh ở nhiều quốc gia, cuối năm muốn hợp nhất báo cáo tài chính về đồng USD, trong khi công ty con ở VN lại trình bày bằng đồng VND. Lợi nhuận theo BCTC cty con là tăng 20% so với đầu năm, nhưng do tỉ giá USD: VND tăng lên, khiến cho khi đổi BCTC sang đồng tiền USD lợi nhuận chỉ còn tăng 15%. Loại rủi ro này gọi là translation exposure. Không phải tất cả các MNC đều chịu rủi ro này. Nhiều MNC tổ chức hệ thống kế toán, phần mềm kế toán nhất quán cho cả tập đoàn nên quy định mọi chi nhánh phải hạch toán chung 1 đồng tiền. Vì vậy khi translation BCTC sẽ ko gặp loại rủi ro này.

3/ Rủi ro kinh tế (economic exposure)

Cuối cùng, tỉ giá biến động có thể làm cho hàng hoá & dịch vụ của công ty A mất lợi thế cạnh tranh so với sản phẩm tương tự ở quốc gia khác. Loại rủi ro này tác động đến tất cả các công ty, bất kể là công ty đó có giao dịch ở thị trường nước ngoài hay không. Ví dụ đồng Bạc Thái tự nhiên tăng giá trị lên, làm hàng hoá dịch vụ của Thái sẽ mắc lên tương đối so với đồng VND. Ngày trước người VN hay qua Thái du lịch thư giãn vì giá rẻ và…, tự nhiên bi giờ đổi tiền qua Thái chơi thấy mắc lên nên số người đi sẽ ít hơn

Các cty du lịch ăn uống & các dịch vụ khác của Thái bị giảm doanh thu do ít khách hơn , mặc dù tất cả các giao dịch đều dùng đồng bạc Thái ở nước Thái, ko có giao dịch nào ở nước ngoài. Đây chính là economic risk.

Trong 3 loại exchange rate risk như trên, translation risk muốn giảm thì phải tập trung thật nhiều vào kế toán hàng ngày, hàng tháng, rất phứt tạp & ko hiệu quả. Economic risk muốn giảm thì phải dự đoán thay đổi tỉ giá, cung cầu ngoại tệ của thị trường để đoán hướng đi tỉ giá, cũng rất phứt tạp & gần như ngoài tầm của doanh nghiệp. Vì vậy doanh nghiệp chỉ tập trung vào transaction risk. Có rất nhiều công cụ, & dễ hedging vì doanh nghiệp biết rõ transaction nào bị risk đồng ngoại tệ gì nên hedging không khó.

Các công cụ để hedging transation risk là các sản phẩm phái sinh (derivatives) như forward, option, future, swap, mỗi loại có 1 đặc điểm riêng & phí khác nhau. DN tuỳ theo yêu cầu mà dùng loại nào cho hiệu quả.

———-&&———

Các lý thuyết cấu trúc vốn hiện đại

(Nguồn: doanhnhantre.info)

Lý thuyết cấu trúc vốn hiện đại bắt đầu với bài viết của Modigliani và Miller vào năm 1958 (gọi tắt là học thuyết MM). Theo học thuyết MM, sự lựa chọn giữa vốn chủ sở hữu (VCSH) và nợ không liên quan đến giá trị của công ty. Lý thuyết cấu trúc vốn hiện đại bắt đầu với bài viết của Modigliani và Miller vào năm 1958 (gọi tắt là học thuyết MM). Theo học thuyết MM, sự lựa chọn giữa vốn chủ sở hữu (VCSH) và nợ không liên quan đến giá trị của công ty.

 

Nói một cách khác, học thuyết này chỉ ra một hướng là các giả thuyết về cấu trúc vốn nên tốt hơn bằng cách nào, cho thấy dưới điều kiện nào thì cấu trúc vốn không liên quan đến giá trị doanh nghiệp. Lý thuyết cấu trúc vốn hiện đại được tiếp tục phát triển vào những năm sau đó, bao gồm thuyết cân bằng, thuyết trật tự phân hạng, thuyết điều chỉnh thị trường, thuyết cơ cấu quản lý…

Theo quan điểm truyền thống

Quan điểm về cấu trúc vốn truyền thống cho rằng khi một doanh nghiệp bắt đầu vay mượn, thuận lợi vượt trội hơn bất lợi. Chi phí nợ thấp, kết hợp với thuận lợi về thuế sẽ khiến WACC (Chi phí vốn bình quân gia quyền) giảm khi nợ tăng.

Tuy nhiên, khi tỷ lệ giữa vốn nợ và vốn CSH tăng, tác động của tỷ lệ vốn vay so với tổng vốn buộc các CSH tăng lợi tức yêu cầu của họ (nghĩa là chi phí VCSH tăng). Ở mức tỷ lệ vốn nợ và VCSH cao, chi phí nợ cũng tăng bởi vì khả năng doanh nghiệp không trả được nợ là cao hơn (nguy cơ phá sản cao hơn). Vì vậy, ở mức tỷ số giữa vốn nợ và VCSH cao hơn, WACC sẽ tăng.

Vấn đề chính của quan điểm truyền thống là không có một lý thuyết cơ sở thể hiện chi phí VCSH nên tăng bao nhiêu do tỷ lệ giữa vốn nợ và VCSH hay chi phí nợ nên tăng bao nhiêu do nguy cơ vỡ nợ.

Lý thuyết cấu trúc vốn của Modilligani và Miller (mô hình MM)

Trái với quan điểm truyền thống, Modilligani và Miller (1958) đã tìm hiểu xem chi phí vốn tăng hay giảm khi một doanh nghiệp tăng hay giảm vay mượn.

Để chứng minh một lý thuyết khả thi, Modilligani và Miller (MM) đã đưa ra một số những giả định đơn giản hoá rất phổ biến trong lý thuyết về tài chính: họ giả định là thị trường vốn là hoàn hảo, vì vậy sẽ không có các chi phí giao dịch và tỷ lệ vay giống như tỷ lệ cho vay và bằng với tỷ lệ vay miễn phí; việc đánh thuế được bỏ qua và nguy cơ được tính hoàn toàn bằng tính không ổn định của các luồng tiền.

Nếu thị trường vốn là hoàn hảo, MM tranh luận rằng thế thì các doanh nghiệp có nguy cơ kinh doanh giống nhau và tiền lãi mong đợi hàng năm giống nhau phải có tổng giá trị giống nhau bất chấp cấu trúc vốn bởi vì giá trị của một doanh nghiệp phải phụ thuộc vào giá trị hiện tại của các hoạt động của nó, không phải dựa trên cách thức cấp vốn. Từ đây, có thể rút ra rằng nếu tất cả những công ty như vậy có tiền lời mong đợi giống nhau và giá trị giống nhau cũng phải có WACC giống nhau ở mọi mức độ tỷ lệ giữa vốn nợ và VCSH.

Mặc dù những giả định về thị trường vốn hoàn hảo là không có thực, tuy nhiên, có 2 giả thiết cần được nhấn mạnh và chúng có tác động đáng kể đến kết quả.

1. Giả định là không có việc đánh thuế: đây là vấn đề quan trọng và một trong những thuận lợi then chốt của nợ là việc giảm nhẹ thuế cho những chi tiêu tiền lãi.

2. Nguy cơ trong lý thuyết của MM được tính toán hoàn toàn bởi tính biến đổi của các luồng tiền. Họ bỏ qua khả năng các luồng tiền có thể dừng vì vỡ nợ. Đây là một vấn đề đáng kể khác với lý thuyết này nếu nợ cao.

Đưa ra các giả định này có nghĩa chỉ có một thuận lợi của việc vay tiền (nợ rẻ hơn và ít rủi ro cho nhà đầu tư) và một bất lợi (chi phí VCSH tăng cùng với nợ vì tỷ lệ vốn vay so với tổng vốn)

Modigliani và Miler chỉ ra là những tác động này cân bằng một cách chính xác. Việc sử dụng nợ mang đến cho CSH tỷ suất lợi tức cao hơn, nhưng lợi tức cao hơn này chính xác là những gì họ bù đắp cho nguy cơ tăng lên từ tỷ lệ vốn vay so với tổng vốn. Với các giả thuyết trên, dẫn đến các phương trình cho lý thuyết của MM

Vg = Vu: Tổng giá trị của doanh nghiệp sử dụng nợ bằng tổng giá trị của doanh nghiệp không sử dụng nợ.

Năm 1963, Modilligani và Miller đưa ra một nghiên cứu tiếp theo với việc loại bỏ giả thiết về thuế thu nhập doanh nghiệp. Theo MM, với thuế thu nhập doanh nghiệp, việc sử dụng nợ sẽ làm tăng giá trị của doanh nghiệp. Vì chi phí lãi vay là chi phí hợp lý được khấu trừ khi tính thuế thu nhập doanh nghiệp, do đó mà một phần thu nhập của doanh nghiệp có sử dụng nợ được chuyển được chuyển cho các nhà đầu tư theo phương trình: Vg = Vu + T.D: giá trị của doanh nghiệp sử dụng nợ bằng giá trị của doanh nghiệp không sử dụng nợ cộng với khoản lợi từ việc sử dụng nợ. Trong đó, D là tổng số nợ sử dụng, T là thuế suất thuế thu nhập doanh nghiệp, T.D là khoản lợi từ việc sử dụng nợ.

Như vậy, theo mô hình thuế MM (1963) cấu trúc vốn có liên quan đến giá trị của doanh nghiệp. Sử dụng nợ càng cao thì giá trị doanh nghiệp càng tăng và gia tăng đến tối đa khi doanh nghiệp được tài trợ 100% nợ.

Thuyết quan hệ trung gian

Kết cấu vốn có thể ảnh hưởng đến các vấn đề trung gian và các vấn đề trung gian có lẽ cũng ảnh hưởng đến quyết định kết cấu vốn. Thuyết này đưa ra hai giả thuyết có liên quan chặt chẽ và tác động lẫn nhau. Đó là kết cấu vốn ảnh hưởng như thế nào đến các vấn đề trung gian và ngược lại, các vấn đề trung gian ảnh hưởng như thế nào đến kết cấu vốn.

Kết cấu vốn và các vấn đề trung gian

Giả thuyết rằng lưu lượng tiền mặt tự do gây nên vấn đề trung gian. Chính vì thế, sự gia tăng trong mức độ vay mượn cho các doanh nghiệp với lưu lượng tiền mặt tự do chắc chắn sẽ giảm đi các vấn đề trung gian vì nó buộc ban quản trị phải xuất ra một khoản tiền mặt quá mức. Thuyết quan hệ trung gian tạo ra lợi nhuận khác từ tiền cho vay ngoài khoản trợ cấp do đánh thuế. Các doanh nghiệp với các vấn đề trung gian lớn đầy tiềm năng (quyền sở hữu vốn đầu tư thấp bởi ban quản trị, sự đền bù cố định cho ban quản trị, các công ty có tiền mặt thấp) sẽ tạo ra nhiều lãi cho cổ đông bởi việc tăng tiền vay mượn. Chính vì vậy đã nảy sinh mâu thuẫn giữa nhà quản lý và các cổ đông. Khi vay mượn để đầu tư có hiệu quả thì các nhà quản lý không được hưởng toàn bộ lợi nhuận từ hoạt động đó nhưng họ phải chịu toàn bộ chi phí cho hoạt động làm tăng lợi nhuận này.

Dự báo: Tăng tiền cho vay sẽ làm giảm lưu lượng tiền mặt tự do.

Giảm lưu lượng tiền tự do sẽ giảm những sự đầu tư NPV tiêu cực

Giảm những sự đầu tư NPV tiêu cực sẽ làm tăng giá trị doanh nghiệp (đặc biệt đối với doanh nghiệp lớn có tiền mặt).

Điểm cốt yếu là các hoạt động liên quan đến vay mượn được xem như điểm mấu chốt của hoạt động doanh nghiệp, nó đòi hỏi ban quản trị phải điều hành doanh nghiệp có hiệu quả nhằm tránh những kết quả tiêu cực không thể trả lãi các khoản nợ của doanh nghiệp, ngoài ra nó còn đòi hỏi ban quản trị phải dốc túi vào lưu lượng tiền mặt tự do đó. Vì vậy, nảy sinh mâu thuẫn giữa các nhà quản lý và chủ nợ khi các chủ nợ lo sợ các khoản vốn cho vay của mình không thể thu hồi khi kết quả đầu tư không hiệu quả do trách nhiệm hữu hạn của các khoản đầu tư. Do đó, họ đưa ra các điều khoản hạn chế trong hợp đồng vay.

Bằng chứng thực nghiệm phù hợp với điểm thuyết này ở những điểm sau:

1.Tỷ suất hối đoái tăng (giảm) theo tác dụng đòn bẩy sẽ làm tăng (giảm) giá trị cổ phiếu.

2.Các doanh nghiệp có tiền mặt lớn sẽ có tỷ lệ D/A cao hơn (D/A: Nợ/Tài sản)

Vấn đề trung gian và kết cấu vốn

Giả thuyết của vấn đề này nằm trong quyền lợi tốt nhất của ban quản trị đối với việc đẩy thấp tỷ suất vay nợ của doanh nghiệp nhằm giảm thiểu khả năng phá sản bởi vị trí không đa dạng của họ.

Dự đoán: Các doanh nghiệp sẽ bị đẩy lùi xuống bởi vấn đề trung gian và mức độ tác động của đòn bẩy sẽ bị ảnh hưởng bởi mức độ giám sát của ban quản trị (các hội đồng quản trị tích cực/độc lập, các nhà đầu tư tích cực) và sự khuyến khích sẽ được tạo ra cho ban quản trị.

Bằng chứng thực nghiệm phù hợp với thuyết này ở điểm sau:

1. Nhìn chung, các doanh nghiệp có lực đòn bẩy thấp.

2. Tỷ giá hối đoái tăng (giảm) theo tác dụng đòn bẩy sẽ làm tăng (giảm) giá trị.

Mô hình cấu trúc vốn tối ưu (Lý thuyết cân bằng)

Tại thị trường hoàn hảo và hiệu quả, Modilligani và Miler (1958) chứng minh rằng cấu trúc vốn là không thích hợp. Nhưng theo mô hình MM (1963), việc đánh thuế cao hơn vào lợi tức cho thấy nợ nhiều hơn. Còn DeAngelo và Masulis (1980) thì cho rằng bảo trợ thuế cao hơn cho thấy nợ ít hơn.

Mô hình MM giả định tiền lãi mong đợi hàng năm không đổi nên giá trị DN là như nhau bất chấp cấu trúc vốn. Nếu thực tế tiền lãi mong đợi đang ở chiều hướng đi xuống thì việc sử dụng nợ sẽ có tác động ngược lại và có thể dẫn DN đến chỗ phá sản. Trong quá trình phá sản sẽ phát sinh các khoản chi phí như chi phí pháp lý và chi phí hành chính, và các khoản thiệt hại của DN do thiếu sự vỡ nợ nên nợ lớn buộc các nhà quản lý bỏ qua các các cơ hội đầu tư có lời (Myers, 1977). Chi phí đó gọi là chi phí khánh tận tài chính. Các chi phí khánh tận tài chính cao hơn cho thấy nhiều vốn cổ phần hơn trong cấu trúc vốn.

Thuyết chi phí trung gian thì cho thấy các vấn đề trung gian có thể là nguyên nhân cho nhiều hay ít nợ hơn. Quá nhiều vốn cổ phần có thể dẫn đến dòng tiền mặt tự do và mâu thuẫn về lãi, lợi ích giữa các nhà quản lý và cổ đông (Jensen, 1986). Nợ quá nhiều có thể dẫn đến ký quỹ tài sản và mâu thuẫn về lãi, lợi ích giữa các nhà quản lý và trái chủ (Fama và Miller, 1972; Jensen và Meckling, 1976). Đối với mâu thuẫn giữa nhà quản lý và cổ đông, mâu thuẫn phát sinh người quản lý sở hữu ít hơn 100% VCSH. Khi đó, họ không được hưởng toàn bộ lợi nhuận từ hoạt động đầu tư mà họ lại phải gánh chịu toàn bộ chi phí từ hoạt động đầu tư đó. Vì vậy, đã phát sinh các chi phí trung gian để giám sát hoạt động và hạn chế các hành vi không mong muốn. Đối với mâu thuẫn giữa nhà quản lý và trái chủ phát sinh khi các trái chủ lo sợ các khoản vốn cho vay của mình không thể thu hồi khi kết quả đầu tư không hiệu quả do trách nhiệm hữu hạn của các khoản đầu tư. Vì vậy, phát sinh các khoản chi phí trung gian của nhà quản lý dưới hình thức chi phí nợ vay cao nhằm giám sát các DN phải tuân thủ các điều khoản trong hợp đồng vay.Ngoài ra, các điều khoản trong hợp đồng vay cũng hạn chế nhiều lợi ích của DN.

Thuyết cân bằng xác định kết cấu vốn tối ưu bằng cách cộng thêm vào mô hình Modilligani và Miler (1958) các yếu tố phi hoàn hảo khác nhau, bao gồm thuế, chi phí khánh tận tài chính và chi phí trung gian, song vẫn không mất đi các giả định tính hiệu quả của thị trường và thông tin cân bằng. Như vậy, tác động tổng hợp 3 yếu tố: thuế, chi phí khánh tận tài chính và chi phí trung gian khi sử dụng nợ với những tác động ngược chiều nhau hình thành lý thuyết cấu trúc tài chính tối ưu.

Nhìn chung, việc đưa chi phí khánh tận tài chính và chi phí trung gian vào mô hình MM và mô hình Modilligani và Miler (1958) dẫn đến lý thuyết cân bằng về cấu trúc vốn. Những mô hình này đều thừa nhận một cấu trúc vốn tối ưu.

Thuyết trật tự phân hạng (Thông tin bất cân xứng)

Thuyết trật tự phân hạng thị trường được nghiên cứu khởi đầu bởi Myers và Majluf (1984) dự đoán không có cơ cấu nợ trên vốn cổ phần mục tiêu rõ ràng.

Giả thuyết rằng ban quản trị cho biết về hoạt động tương lai của doanh nghiệp nhiều hơn các nhà đầu tư bên ngoài (thông tin không cân xứng) và việc quyết định tài chính có lẽ cho biết mức độ kiến thức của nhà quản lý và sự không chắc chắn về lưu lượng tiền mặt tương lai.

Khi ban quản trị tin tưởng cổ phiếu được đánh giá cao hơn là đánh giá thấp, họ có thể phát hành chứng khoán (nguồn tài chính bên ngoài). Vì thế, khi doanh nghiệp đi theo thị trường vốn bên ngoài, những thị trường này chấp nhận cổ phiếu được đánh giá cao hơn là đánh giá thấp, và vì vậy, hoạt động này sẽ chuyển tải thông tin không thuận lợi cho các nhà đầu tư. Kết quả là ban quản trị sẽ nỗ lực để tránh đi theo các thị trường vốn (nguồn tài chính bên ngoài). Nếu ban quản trị đi theo những thị trường vốn này, có khả năng họ phát sinh nợ nhiều hơn nếu như họ tin là cổ phiếu của họ được đánh giá thấp và sẽ sinh ra vốn cổ phần nếu như họ cho rằng cổ phiếu của họ được đánh giá cao.

Vì vậy, sự phát hành vốn cổ phần từ việc bán cổ phiếu sẽ chuyển tải nhiều thông tin không thuận lợi hơn là sự phát hành tiền cho vay. Điều này khiến các nhà quản trị quan tâm đến tiền cho vay hơn là vốn cổ phần từ việc bán cổ phiếu.

Những quyết định về kết cấu vốn không dựa trên tỷ lệ Nợ/Tài sản tối ưu mà được quyết định từ việc phân hạng thị trường. Trước hết, các nhà quản trị sẽ dự định sử dụng nguồn tài chính nội bộ, tiếp đến có thể phát hành tiền cho vay, và cuối cùng là phát hành vốn cổ phần.

Tiêu điểm của thuyết này không tập trung vào kết cấu vốn tối ưu nhưng tập trung vào sự quyết định tài chính hiện hành sắp tới.

Tỷ lệ Nợ/Tài sản = f {hoạt động kinh doanh, nhu cầu đầu tư}

Như vậy, Myers và Majluf cho rằng sẽ không có một cấu trúc vốn tối ưu với các doanh nghiệp.

Thuyết điều chỉnh thị trường

Thuyết điều chỉnh thị trường cho rằng thuyết cấu trúc vốn được dựa trên điều chỉnh thị trường là lời giải thích tự nhiên nhất. Thuyết này đơn giản là cấu trúc vốn phát triển như một kết quả liên tiếp của những nỗ lực trước đây nhằm điều chỉnh thị trường cổ phiếu.

Có 2 mô hình điều chỉnh thị trường cổ phiếu dẫn đến mô hình cấu trúc vốn. Thứ nhất là mô hình của Myers và Majluf (1984) với các nhà quản lý và các nhà đầu tư đầy lý trí và các chi phí lựa chọn bất lợi khác nhau giữa các doanh nghiệp và khoảng thời gian khác nhau. Lucas và McDonald (1990) và Korajczyk, Lucas, và McDonald (1992) nghiên cứu lựa chọn bất lợi khác nhau theo khoảng thời gian khác nhau. Phù hợp với những chuyện này, Korajczyk và những người khác (1991) nhận thấy rằng các doanh nghiệp có xu hướng thông báo việc phát hành cổ phiếu theo sau việc đăng tin, như thế sẽ làm giảm đi tính phi đối xứng của thông tin. Hơn nữa, Bayless và Chaplinsky (1996) nhận thấy việc phát hành cổ phiếu tập trung vào giai đoạn ảnh hưởng của thông báo nhỏ hơn. Nếu các chi phí phát sinh từ cấu trúc vốn tối ưu nhỏ so với dao động cuối cùng trong chi phí phát hành, những dao động trước đây trong tỷ lệ giá cả thị trường so với giá cả trên sổ sách sau đó có tác động lâu dài.

Mô hình thứ hai của điều chỉnh thị trường cổ phiếu có liên quan đến các nhà đầu tư không đủ lý trí (hay các nhà quản lý) và định giá sai trong các khoản thời gian khác nhau (hay sự am hiểu về định giá sai). Các nhà quản lý phát hành cổ phiếu khi họ tin rằng giá trị của nó thấp và mua lại cổ phiếu khi họ tin rằng giá trị của nó cao. Ngược lại giá cả thị trường so với giá cả trên sổ sách được biết rất rõ là có quan hệ với tiền lãi cổ phiếu tương lai, và các giá trị tuyệt đối của giá cả thị trường so với giá cả trên sổ sách được liên kết với những mong đợi quá xa của các nhà đầu tư. Nếu các nhà quản lý vẫn cố khai những mong đợi quá xa như vậy, việc phát hành cổ phiếu thực tế sẽ có liên quan tích cực với giá cả thị trường so với giá cả trên sổ sách, đây là một trường hợp theo lối kinh nghiệm. Nếu không có cấu trúc vốn tối ưu, các nhà quản lý sẽ không cần thay đổi quyết định khi mà các doanh nghiệp có vẻ như được đánh giá đúng và giá trị cổ phiếu là bình thường, bỏ qua các dao động tạm thời trong giá cả thị trường so với giá cả trên sổ sách nhằm có những ảnh hưởng vĩnh viễn lên nợ. Mô hình điều chỉnh thị trường thứ 2 không yêu cầu thị trường phải thực sự không hiệu quả. Nó không đòi hỏi các nhà quản lý phải dự báo thành công lãi của cổ phiếu. Đơn giản giả thuyết cho rằng các nhà quản lý tin rằng họ có thể điều chỉnh được thị trường.

Theo thuyết này, các doanh nghiệp nợ thấp có xu hướng tăng nguồn vốn khi giá trị tiền của họ cao, và ngược lại những doanh nghiệp nợ cao có xu hướng tăng nguồn vốn khi giá trị tiền của họ thấp. Phần lớn cấu trúc vốn là kết quả liên tiếp của những nỗ lực điều chỉnh thị trường cổ phiếu. Trong thuyết này, không có cấu trúc vốn tối ưu, vì thế mà các quyết định tài chính điều chỉnh thị trường chỉ nhiều lên thành kết quả cấu trúc vốn theo thời gian.

Thuyết hệ thống quản lý

Trong thuyết cấu trúc vốn được dựa trên hệ thống quản lý của Zwiebel (1996), giá trị tiền cao và cơ hội đầu tư thuận lợi tạo điều kiện dễ dàng cho tài chính cổ phần, nhưng cũng vào lúc đó cho phép các nhà quản lý trở nên cố thủ. Họ có thể từ chối tăng nợ để tạo tính cân bằng cho các giai đoạn sau. Điều này có khả năng điều chỉnh thị trường chứ không phải sự là sự phân tích thị trường khác biệt vì các nhà quản lý phát hành cổ phiếu khi giá trị tiền cao và sau đó không cân bằng lại. Các nhà quản lý vẫn không cố khai thác hết các nhà đầu tư mới. Đúng hơn, họ chỉ khai thác các nhà đầu tư hiện có từ trước đến giờ mà không cân đối lại.

Các nhà lý thuyết thuần túy thường bắt đầu bằng cách chứng minh từ thị trường hoàn hảo nơi không có thuế và các chi phí rủi ro phá sản, sự gia tăng của rủi ro lên VCSH được bù đắp bằng việc gia tăng tỷ suất sinh lời kỳ vọng, do đó đòn bẩy tài chính không có ảnh hưởng gì đến giá trị doanh nghiệp. Sau đó, các nhà kinh tế học sẽ bỏ bớt các giả định không có thuế, không có chi phí phá sản để chứng minh rằng quyết định cấu trúc vốn có liên quan nhất tới sự cân bằng giữa việc tận dụng lá chắn thuế của nợ vay với việc gia tăng rủi ro phá sản. Ở mức thấp của việc vay nợ chủ yếu là lợi ích từ lá chắn thuế. Nhưng khi quá lạm dụng lá chắn thuế, sử dụng nợ vay nhiều thì nguy cơ phá sản gia tăng và giá trị doanh nghiệp giảm.

Đến nay, các nhà nghiên cứu cấu trúc vốn đã rút ra 2 lợi ích: nó giúp chúng ta có được cách hiểu thấu đáo hơn về quyết định tài chính, và nó đã chứng tỏ sự hữu ích trong việc hiểu và diễn giải sự gia tăng trong việc tái cấu trúc vốn.

(1) NPV (Net present value): giá trị hiện tại ròng

NPV = Giá trị hiện tại của dòng tiền vào – Giá trị hiện tại của dòng tiền ra

Quỹ đầu tư định lượng (Phần 2): Lý thuyết dây + Thuật toán = Full of Money?

(Tác giả: Tran Quoc Anh – Nguồn: vfpress.vn)

Tổng thu nhập cho một nhân viên mới sẽ vào khoảng $200K cho đến $300K USD/ năm (16,670 USD – 25,000 USD/ tháng)

Mức thưởng sau đó thì tùy thuộc vào từng cá nhân cũng như kết quả kinh doanh của quỹ, nó có thể giữ nguyên hoặc tăng lên đến hàng triệu đô / năm.

Công việc thường nhật của một chuyên viên phân tích định lượng

Q: Tôi biết độc giả đã hỏi rất nhiều câu hỏi làm việc tại một quỹ về định lượng thì sẽ như thế nào? Thời gian làm việc là bao nhiêu tiếng ? Công việc thường nhật ở đó ra sao ?

A: Giờ làm việc sẽ rất khác nhau, tuy nhiên thì nó dao động trong khoảng từ 45-65 giờ/ tuần (9-13h / ngày) 

Tổng thu nhập cho một nhân viên mới sẽ vào khoảng $200K cho đến $300K USD/ năm (16,670 USD – 25,000 USD/ tháng)

Mức thưởng sau đó thì tùy thuộc vào từng cá nhân cũng như kết quả kinh doanh của quỹ, nó có thể giữ nguyên hoặc tăng lên đến hàng triệu đô / năm.

Q: Tôi muốn dừng một chút, các độc giả sẽ thích thú với con số về thu nhập của ông vừa đưa ra: $200K USD – $300K USD cho vị trí của một nhân viên mới. Mặt khác thì mức thu nhập này tương đương với những gì mà các ngân hàng chi trả cho vị trí PE cũng như các quỹ khác nếu ông nhìn vào những số liệu bên dưới.

Tuy nhiên hãy trở lại câu hỏi ban đầu, một ngày làm việc bình thường tại những quỹ thế này diễn ra như thế nào?

A: Một nhân viên về phân tích định lượng có thể sẽ phải làm những công việc hàng ngày như sau :

Tìm kiếm ý tưởng – Họ sẽ phải đọc các tài liệu về học thuật, tham gia các hội thảo và nói chuyện với các đồng nghiệp khác để tìm kiếm ý tưởng ; sau đó họ sẽ tìm kiếm dữ liệu và viết phần mềm để thử nghiệm ý tưởng mà họ vừa nghĩ ra.

Áp dụng những ý tưởng đó vào giao dịch thực tế - Họ sẽ xây dựng các mô hình để vận dụng ý tưởng trên vào giao dịch, theo dõi kết quả, rủi ro của những giao dịch đó ; tinh chỉnh lại mô hình khi cần thiết.

Giao dịch tốt hơn – Họ sẽ nói chuyện với các trader, dealer, brokers để có được điều kiện giao dịch tốt hơn, với phí giao dịch thấp cùng với những « nhượng bộ » khác để có thêm lợi nhuận cho mỗi lần giao dịch.

Kêu gọi quỹ và tuyển dụng – Những nhiệm vụ này có thể mất ít thời gian hơn so với phần còn lại, nhưng thỉnh thoảng các Quants sẽ nói chuyện với những nhà đầu tư mới để gây quỹ hay phỏng vấn các ứng viên cho vị trí mới.

Bạn sẽ không phải sắp xếp lịch làm việc quá chu đáo bởi nó sẽ phụ thuộc phầ lớn vào những diễn biến trên thị trường – nó không quá điên cuồng cũng như kinh khủng như tại các ngân hàng đâu tư nhưng tôi chắc chắn đã thấy rất nhiều người phải ở lại làm việc muộn cũng như ở lại công ty vào những dịp cuối tuần.

Định lượng cho quá trình tuyển dụng chuyên viên phân tích định lượng

Q: Đối với độc giả những người muốn được làm việc tại quỹ đầu tư về định lượng, ông có thể đưa ra được những lời khuyên gì dành cho họ không ? Việc thực tập quan trọng hay cần thiết phải có bằng tiến sĩ (PhD). Những điều kiện tiên quyết gì để được vào làm việc tại những quỹ đầu tư hàng đầu về định lượng ?

A: Lời khuyên số 1 của tôi đó là các bạn hãy tập trung phát triển kĩ năng về thống kê cũng như kĩ năng lập trình.

Q: Đúng, tôi nghĩ mọi người đều biết những kĩ năng đó là quan trọng, nhưng phải làm những gì để lọt vào vòng phỏng vấn đầu tiên ?

A: Về cơ bản có 3 cách để có được cuộc phỏng vấn tại quỹ Quant: thông qua tuyển dụng tại ngay các trường đại học (tuy nhiên không nhiều quỹ tham gia, ngay cả ở những trường hàng đầu), được bạn bè làm việc tại quỹ giới thiệu, hoặc thông qua các công ty săn đầu người.

Nó cũng tương tư như việc vận dụng mạng lưới quan hệ đối với các vị trí làm việc khác : có một số người ngẫu nhiên được chọn, tất nhiên đi kèm theo một chút may mắn.

Có một điểm rất quan trọng ở đây đó là các “kỹ năng mềm” mà các nhà tuyển dụng tìm kiếm trong các cuộc phỏng vấn ở ngân hàng như kinh nghiệm lãnh đạo, sức hút v…v… không phải là vấn đề chính tại các buổi phỏng vấn về quants.

Tại đây họ sẽ hỏi bạn các câu hỏi liên quan về những dự án định lượng trong quá khứ của bạn, các câu hỏi về toán học/thống kê và các câu hỏi hóc búa khác, nhưng họ sẽ chẳng thèm quan tâm xem «điểm yếu nhất của bạn » hay « những thách thức lớn nhất » đối với bạn là gì.

Bất kỳ chương trình nào giúp bạn phát triển sự hiểu biết về thống kê, lập trình đều rất hữu ích như toán học, thống kê, các môn khoa học, kĩ sư v…v..

Bằng thạc sĩ sẽ giúp ích cho bạn, và ở một vài vị trí cũng như một vài quỹ thì bằng Tiến sĩ là điều bắt buộc. Nếu bạn là sinh viên năm thứ nhất nhưng có quyết tâm muốn được làm việc tại những quỹ này bạn nên chọn những học phần giúp bạn phát triển sự tư duy, hay những kĩ năng giúp bạn làm việc với khối lượng lớn về dữ liệu, cuối cùng hãy học lấy một vài ngôn ngữ lập trình.

Học phần tại trường đại học của bạn có thể không quan trọng khi ứng tuyển vào ngân hàng đầu tư, tuy nhiên tại đây thì các môn toán học, thống kê, khoa học máy tính là sự lựa chọn tốt nhất.

Q : Điều gì xảy ra nếu bạn theo đuổi con đường để trở thành chuyên viên phân tích định lượng (Quant) nhưng không thể thành hiện thực ? Liệu có kế hoạch B trong trường hợp bạn không thể thực hiện được giấc mơ làm việc tại quỹ đầu tư mong ước của mình ?

A : Làm việc cho các công ty về công nghệ hoặc tại bất kì doanh nghiệp nào cần xử lí dữ liệu cũng là một sự lựa chọn không tồi – Ví dụ như các doanh nghiệp về bảo hiểm, các công ty về thẻ tín dụng hay các mạng xã hội nơi cần quản lý một khối lượng khổng lồ dữ liệu về người dùng.

Mục tiêu của bạn là học tốt về thống kê, thu nhặt kiến thức về thị trường và kiếm tiền từ đó/

Q : Những loại câu hỏi nào ông nghĩ rằng sẽ có tại các buổi phỏng vấn về Quants (những câu hỏi hóc búa)

A : Các câu hỏi phỏng vấn dành cho giao dịch viên (traders) sẽ thử xem kiến thức của bạn về thị trường, về mô hình định giá tài sản đến đâu. Ví dụ họ có thể hỏi bạn một câu hỏi điều gì sẽ xảy ra với thị trường thế chấp Mỹ ( mortgage market) khi mà trái phiếu chính phủ hồi phục ?

Các câu hỏi khác có thể liên quan đến xác suất, thống kê cũng như tối ưu hóa.

Một trong những câu hỏi phổ biến nhất về xác suất đó là « Câu hỏi về ngày sinh : xác suất để hai người ở trong một phòng gồm 20 người, có cùng ngày sinh với nhau là bao nhiêu ?»

Một câu hỏi phổ biến khác là XXXX (Xin phép tạm dấu tên) : Bạn đang ở trong một game show về chứng khoán của Vfpress, giả sử bạn đang sở hữu cổ phiếu YYY và có ba cánh cửa trước mặt bạn, đại diện cho ba cơ hội của thị trường. Trong ba cánh cửa, thì có hai cánh cửa khi mở ra giá của cổ phiếu YYY sẽ tụt sàn, chỉ có 1 cánh cửa duy nhất, khi mở ra thì YYY sẽ tăng trần

Bạn sẽ chọn ngẫu nhiên một cánh cửa (không được mở), và người dẫn chương trình – Mod ducnm (người biết đằng sau từng cánh cửa là gì) đã chọn một trong hai cánh cửa còn lại, anh ta mở ra và đó là trường hợp giảm sàn.

Vậy đây sẽ là sự lựa chọn của bạn, quyết định mở cánh cửa bạn đã chọn hay đổi sang cánh cửa còn lại ?

Q : Những câu hỏi như thế sẽ có các câu trả lời rõ ràng và chính xác ngay cả khi nó không trực quan. XXXX khá thú vị bởi vì bạn được quyền lựa chọn.

A : Yeah, câu hỏi đó có xu hướng nghiêng về tính phức tạp của toán học hoặc tính phi trực quan, hoặc cả hai.

Vì vậy bạn cần suy nghĩ ngay trước mặt các nhà tuyển dụng, đồng thời nói ra những suy nghĩ đó để họ có thể thấy được điều gì đang diễn ra trong đầu bạn. Họ cũng có thế giúp đỡ bạn nếu bạn đi đúng hướng. Chỉ đơn giản ngồi suy nghĩ trong im lặng bạn sẽ không nhận được bất kì sự giúp đỡ nào hết.

————-&&————

Quỹ đầu tư định lượng (Phần 1): Lý thuyết dây + Thuật toán = Full of Money?

(Tác giả: Tran Quoc Anh – Nguồn: vfpress.vn)

(Vfpress.vn) Hãy tưởng tượng có một quỹ phòng hộ tiếp cận bạn với một lời đề nghị hấp dẫn:

Lợi nhuận trung bình hàng năm của họ lớn hơn 35% trong khoảng thời gian 30 năm – đủ để chứng kiến nhiều cuộc suy thoái, sự đổ vỡ trên thị trường chứng khoán, các cuộc khủng hoảng khác nhau … và họ muốn bạn để đầu tư vào quỹ mới của họ.

Đặt những con số trên dưới góc nhìn khác, 35% lợi nhuận trung bình hàng năm có nghĩa là $ 1000 của bạn đầu tư cách đây 30 năm sẽ có giá trị tại thời điểm hiện tại vào khoảng 8.100.000$.

Vậy bạn sẽ phải trả khoản phí quản lý là bao nhiêu để có được các “đặc quyền” đầu tư vào một quỹ lớn như vậy?

Câu trả lời: 5 và 44.

Vâng, Renaissance Technologies là nổi tiếng với việc tính phí lên đến 5% ,vượt xa mức trung bình của ngành là 2% … bởi vì chúng thật sự rất tốt.

Viễn cảnh ở trên không phải là điều tưởng tượng bởi: các quỹ đầu của họ đã thực sự kiếm được 35% lợi nhuận trung bình hàng năm sau khi trừ đi các khoản lệ phí trong hơn 30 năm qua (chúc bạn may mắn để nhận được lời mời đầu tư của họ).

Không phải ngẫu nhiên mà Renaissance là một quỹ đầu tư về định lượng – quỹ sử dụng một đội quân nhỏ bao gồm các nhà toán học, vật lý học, thống kê học, và rất nhiều tiến sĩ, tất cả với một mục đích duy nhất: làm ra càng nhiều tiền càng tốt.

Buổi phỏng vấn ngày hôm nay của chúng tôi cũng là về một quỹ đầu tư về định lượng, tuy nhiên khách mời của chúng ta không thể tiết lộ chi tiết chiến lược kinh doanh cụ thể của mình do sự bí mật của ngành, nhưng ông sẽ chia sẻ với bạn các hiểu biết về ngành này bao gồm:

• Cách xác định vị thế giao dịch tại quỹ.
• Một ngày của bạn tại quỹ đầu tư về định lượng sẽ như thế nào?
• Bạn sẽ kiếm được bao nhiêu tiền tại cấp bậc khởi đầu, và các bước thăng tiến của một nhân viên tại quỹ.
• Những điều kiện tiên quyết bạn cần phải có để giành chiến thắng tại cuộc phỏng vấn ở một quỹ định lượng, và một loại những loại câu hỏi bạn có thể nhận được trong một cuộc phỏng vấn khi nộp đơn vào quỹ về định lượng.

Cách xác định vị thế:

Q: Tôi biết rằng bạn không muốn chia sẻ quá nhiều chi tiết về ngành của bạn, vậy hãy bắt đầu bằng cái nhìn tổng quát nhé. Thế nào là một quỹ đầu tư về định lượng và liệu có sự phân loại khác nhau giữa các quỹ về định lượng không?

A: Về cơ bản, quỹ định lượng là bất kỳ quỹ nào đầu tư dựa trên kĩ thuật thống kê và mô hình toán học thay vì phân tích cơ bản.

Một quỹ đầu tư theo giá trị sẽ tìm kiếm các công ty được định giá thấp hơn giá trị thực của chúng dựa trên các tiêu chí định tính và định lượng, chẳng hạn như vị thế của công ty tại ngành của chúng, tiềm năng tăng trưởng, hệ số về định giá so với các đối thủ cùng ngành.

Trong khi đó quỹ đầu tư về định lượng thì lại khác, họ sẽ nói “Có 200 điều kiện có thể xảy ra sẽ khiến cho giá cổ phiếu của công ty X tăng. Hãy kiểm tra ý nghĩa thống kê của tất cả các điều kiện này và sử dụng chúng để dự đoán hướng đi của giá cổ phiếu.”

Bạn có thể phân loại các quỹ định lượng như sau:

• Những tài sản toán học phức tạp: Chứng khoán thế chấp (Mortgage-backed securities) và rất nhiều các loại tài sản cố định (fixed income) khác.
• Những tài sản toán học ít phức tạp hơn: Cổ phiếu và những tài sản mà lợi nhuận của chúng không thể diễn tả được bằng một vài công thức.

Các quỹ về định lượng dành rất nhiều thời gian để tính toán các số liệu như dòng tiền, định giá chênh lệch (arbitrage-free) đầu tiên, tiếp đó là những tài sản ít phức tạp hơn, tuy nhiên quỹ sẽ sử dụng các kĩ thuật thống kê để dự đoán sự dịch chuyển của giá.

Tiếp đó bạn có thể chia những chiến lược trên thành hai dạng tần suất cao (high-frequency) và tần suất thấp (low-frequency); dạng đầu tiên đòi hỏi một cơ sở hạ tầng về CNTT mạnh mẽ, trong khi đó loại thứ hai lại đòi hỏi một mô hình toán học mạnh mẽ.

Q: OK, vậy ý của ông là “mô hình về toán học”? Tôi cho rằng điều này khác hoàn toàn với các mô hình về định giá truyền thống mà các ngân hàng vẫn hay làm?

A: Một quỹ đầu tư định lượng tốt thường xuyên làm việc với những câu hỏi về giao dịch như đối với “một vấn đề về khoa học”: ví dụ, xác suất VnIndex sẽ tăng vào ngày mai là bao nhiêu?

Để trả lời cho câu hỏi trên, một quỹ sẽ nghiên cứu các điều kiện trong quá khứ để làm cho VnIndex tăng/giảm. Họ sẽ định lượng các điều kiện và kiểm tra ý nghĩa thống kê để đưa ra kết luận của mình. Ví dụ:

Trong suốt 10 năm qua, mỗi tổng khối lượng mua ròng của các nhà đầu tư nước ngoài tăng lên 10%, thì VnIndex tăng 5%; có 65% mối tương quan giữa hai điều kiện này.

Trong vòng 5 năm qua, mỗi khi khối lượng giao dịch của VnIndex tăng trên giá trị Y, thì VnIndex tăng trung bình X%, mối tương quan giữa hai điều kiện này là 50%.

Trong năm vừa rồi, mỗi lần giá xăng tăng Z đồng thì VnIndex giảm trung bình X%, tương quan giữa hai yếu tố này là 70%.

Bạn nghĩ về những điều kiện như vậy, xác định tầm quan trọng của từng yếu tố và mối tương quan (correlation) của chúng, sau đó gom hết chúng lại và đưa vào một mô hình tổng thể, để dự đoán được giá cổ phiếu sẽ tăng hay giảm.

Các nhà phân tích theo trường phái cơ bản cũng sẽ làm những điều tương tự, tuy nhiên những điều kiện của họ sẽ không phải là định lượng và họ có thể sẽ không kiểm tra ý nghĩa thống kê của nó.

Q: Vậy nó chắc chắc là một loại khác so với những mô hình mà các ngân hàng đang làm – gần giống như một loại các thử nghiệm trước khi giao dịch.

Những quỹ giao dịch với tần suất lớn sẽ giao dịch những gì? Và các quỹ này có cấu trúc thế nào?

A: Chiến lược của họ thường là biến thể của chiến lược như sau:”Tôi biết có ai đó đang chuẩn bị mua BVH, vậy tôi sẽ mua BVH trước và bán lại cho họ với giá cao hơn”

Một vài quỹ đầu tư tần suất cao (high frequency funds) xây dựng thuật toán để phát hiện ra những lệnh giao dịch lô lớn đang chuẩn bị được thực hiện và chạy trước chúng. Vậy trái ngược với những quỹ đầu tư tần suất thấp, các quỹ tần suất cao sẽ tập trung vào việc tiên đoán trước từng loại lệnh (order) thay vì thử nghiệm ý nghĩa thống kê trước khi giao dịch.

Nói một cách khác, mỗi một công ty có những bộ phận nhỏ hoạt động độc lập với nhau. Các bộ phận đó có thể có hoặc không giao dịch cùng loại tài sản hoặc cùng một chiến lược, sau đó công ty và các nhóm sẽ phân chia doanh thu với nhau.

Ví dụ về những công ty như vậy có thể kể đến Tudor, Millennium, SAC, và Tower.

Mỗi một quỹ nhỏ hơn sẽ có PM, đội ngũ và track record của riêng họ, tuy nhiên chúng sẽ phải tuân theo chỉ dẫn chung của công ty mẹ.

Q: Hãy nói về những tên tuổi lớn trong ngành này và các quỹ này khác nhau như thế nào thưa ông?

A: Thành thật mà nói thì hầu hết những thông tin này đều được bảo mật rất chặt chẽ và không ai ở bên ngoài biết được điều gì thực sự diễn ra bên trong nó; ý kiến của tôi ở trên là tất cả những gì tôi biết về cách thức làm việc, hoạt động của những quỹ này.

Những tên tuổi lớn trong ngành bao gồm Citadel, Renaissance, SAC, Tudor, và Millennium.

Nhiệm vụ của bạn, nếu bạn chọn để chấp nhận nó…

Q: Ông có thể cho chúng tôi biết sự khác biệt về vài trò của các quỹ đầu tư theo định lượng? Ví dụ các quỹ thông thường thì chúng ta có thể thấy người quản lý danh mục (PM), chuyên viên phân tích (IA) và giao dịch viên. Cấu trúc này có gì khác ở quỹ định lượng không?

A: Những vị trí trên vẫn có nhưng bạn sẽ thấy có một vài vị trí được thêm vào. Tại hầu hết các quỹ về định lượng, có ba vị trí dành cho nhân viên mới:

• Giao dịch viên: như những chỗ khác: bọn họ thực hiện các giao dịch bằng cách tìm người mua và người bán, mối quan hệ với các brokers ở đây cũng rất quan trọng. Bạn sẽ thấy hầu hết các giao dịch viên ở đây đều xuất thân chủ yếu từ các ngân hang và đôi khi từ chính các quỹ đầu tư khác.
• Người làm về định lượng (Quants): Họ sẽ xây dựng ra những công cụ để giúp các giao dịch viên đánh giá cân nhắc giữa rủi ro và lợi nhuận của một giao dịch, hoặc họ sẽ dự đoán lợi nhuận của các loại tài sản. Tại vị trí này bạn sẽ thấy một đội quân thu nhỏ bao gồm các nhà thống kê, vật lý học, và toán học.
• Chuyên viên lập trình: họ sẽ phát triển hệ thống dữ liệu, công cụ phân tích, và họ không chỉ phải hiểu về thị trường, về các chiến lược giao dịch mà họ còn phải biết về phần mềm, những đoạn code họ viết ra phải “sạch sẽ”, thông suốt bởi vì phần mềm sẽ liên tục thay đổi. (Đoạn này bác nào làm coder sẽ hiểu, còn em xin giải thích qua cái này chủ yếu là cách trình bày, trình bày đoạn code đơn giản sau này sửa và tìm lỗi càng nhanh càng dễ).

Vì vậy về cơ bản sẽ có 5 vai trò tại quỹ đầu tư định lượng: quản lý danh mục, phân tích đầu tư, giao dịch viên, Quant, và lập trình viên.

Q: Thật tuyệt vời, cảm ơn ông vì những thông tin trên. Với xu hướng hiện nay/ hệ thống “Black Box” (*), liệu vai trò của giao dịch viên có trở nên ít quan trọng hơn không? Theo ông nghĩ liệu họ có tiếp tục tồn tại trong dài hạn?

A: Sự quan trọng của các giao dịch viên tăng lên nếu tài sản quản lý trở nên phức tạp hơn. Nó sẽ giảm đi nếu các thông tin được lượng hóa nhiều hơn và khi con người hiểu được diễn biến của giá cả.

Cho đến nay, xu hướng thứ hai đang chiếm ưu thế. Tuy nhiên vẫn có những yếu tố không thể định lượng được vì vậy tầm quan trọng của giao dịch viên vẫn còn.

Tôi nghĩ rằng triển vọng sẽ tốt cho bạn hơn nếu bạn gia nhập quỹ định lượng với tư cách Quants, hoặc lập trình viên, tuy nhiên nhu cầu đối với những giao dịch viên hàng đầu vẫn quan trọng bất kể việc các quỹ có chuyển sang hệ thống “black box” hay không.

(*) Giao dịch hộp đen (Black Box Trading) là một thuật ngữ được sử dụng khi chiến lược đầu tư được xác định bởi các thuật toán máy tính hơn là kỹ thuật lựa chọn cổ phiếu truyền thống hơn. Năng lực của máy tính đủ để tiêu hóa một khối lượng lớn dữ liệu ngay lập tức, và xác định xu hướng của thị trường, một số quỹ đầu tư đã ủy thác các quyết định giao dịch với các hộp đen do họ tạo ra.

Máy tính lập trình để tuân theo các mô hình thuật toán, hơn là theo các phân tích cơ bản, điều này làm cho thị trường trở nên bất ổn hơn. Hai năm trước, người ta ước tính rằng giao dịch tần suất cao (high frequency trading) chiếm tới 70% của tất cả các giao dịch cổ phiếu tại New York.

(Phần 2)

• Hoạt động thường ngày của một chuyên viên về phân tích định lượng
• Lương thưởng trong ngành
• Các câu hỏi phỏng vấn tuyển dụng tại các quỹ định lượng
• Các con đường thăng tiến

Theo Trần Quốc Anh – Vfpress.vn/mergersandinquisitions.com