Equity research hay quant: chọn nghề nào cho sinh viên 2026
Đội ngũ QuantVN · · Lộ trình & nghề quant
> Tóm tắt nhanh: Equity research là nghề phân tích từng doanh nghiệp để định giá cổ phiếu và viết khuyến nghị. Quant là nghề dùng thống kê, lập trình và dữ liệu để xây mô hình, chiến lược giao dịch hoặc hệ thống quản lý rủi ro. Bạn thích đọc báo cáo tài chính, gặp doanh nghiệp và viết lập luận thì equity research hợp hơn. Bạn thích code, toán và kiểm chứng giả thuyết bằng dữ liệu thì quant hợp hơn. Một cách thực tế để biết là tự làm thử cả hai trong 4-6 tuần.
Nhiều sinh viên tài chính đến mùa săn internship mới thấy mình đứng giữa hai lựa chọn. Một bên là chuyên viên phân tích cổ phiếu, công việc gắn với báo cáo, mô hình định giá và buổi gặp doanh nghiệp. Bên kia là quant, công việc gắn với Python, dữ liệu giá và backtest. Bài này không bảo nghề nào tốt hơn. Bài so sánh hai nghề theo công việc hằng ngày, kỹ năng, chứng chỉ và nơi tuyển dụng, rồi đưa ra một kế hoạch thử nghiệm ngắn để bạn tự quyết định.
Equity research và quant khác nhau ở điểm cốt lõi nào?
Khác biệt cốt lõi nằm ở cách trả lời câu hỏi đầu tư. Equity research đi sâu vào một doanh nghiệp, còn quant tìm quy luật lặp lại trên nhiều tài sản và nhiều năm dữ liệu.
Chuyên viên equity research hỏi: doanh nghiệp này kiếm tiền thế nào, lợi nhuận 3-5 năm tới ra sao, giá trị hợp lý là bao nhiêu. Đầu ra là một báo cáo có luận điểm đầu tư, mô hình tài chính và giá mục tiêu. Nếu muốn hiểu cấu trúc một báo cáo như vậy, xem bài equity research là gì và cách viết báo cáo phân tích cổ phiếu chuyên nghiệp.
Quant hỏi theo cách khác: có tín hiệu nào trong dữ liệu dự báo được lợi nhuận hoặc rủi ro một cách ổn định không, và tín hiệu đó còn tồn tại không sau khi trừ phí giao dịch và slippage (chênh lệch giữa giá dự kiến và giá khớp thực tế). Đầu ra là mô hình, chiến lược hoặc công cụ, được kiểm chứng bằng backtest, tức là chạy thử chiến lược trên dữ liệu quá khứ. Bài quantitative analyst là gì mô tả chi tiết vai trò này.
Bảng so sánh nhanh: công việc, kỹ năng, công cụ, đầu ra
Bảng dưới tóm tắt các điểm khác biệt chính. Đây là mô tả điển hình. Mỗi tổ chức chia việc một khác.
| Tiêu chí | Equity research | Quant | |---|---|---| | Câu hỏi chính | Doanh nghiệp này đáng giá bao nhiêu? | Quy luật nào trong dữ liệu có thể khai thác? | | Đơn vị phân tích | Một công ty, một ngành | Rổ cổ phiếu, hợp đồng tương lai, nhiều thị trường | | Kiến thức nền | Kế toán, tài chính doanh nghiệp, định giá | Xác suất, thống kê, đại số tuyến tính, lập trình | | Công cụ hằng ngày | Excel, báo cáo tài chính, tài liệu doanh nghiệp | Python/R, SQL, Git, dữ liệu giá và dữ liệu cơ bản | | Đầu ra | Báo cáo phân tích, mô hình định giá, khuyến nghị | Mô hình, chiến lược, code, kết quả backtest | | Cách đánh giá đúng/sai | Giá mục tiêu so với diễn biến thực tế, chất lượng lập luận | Hiệu quả ngoài mẫu, Sharpe ratio, drawdown | | Kỹ năng mềm nổi bật | Viết, thuyết trình, giao tiếp với doanh nghiệp | Tư duy hoài nghi, gỡ lỗi, làm việc với hệ thống |
Hai thuật ngữ trong bảng: Sharpe ratio là lợi nhuận vượt mức phi rủi ro chia cho độ biến động, dùng để đo lợi nhuận trên mỗi đơn vị rủi ro. Drawdown là mức sụt giảm từ đỉnh xuống đáy của tài khoản.
Một ngày làm việc của chuyên viên equity research và của quant
Ngày làm việc của equity research xoay quanh thông tin doanh nghiệp. Ngày làm việc của quant xoay quanh dữ liệu và code. Mô tả dưới đây là khung điển hình, không phải lịch cố định của một công ty cụ thể.
Chuyên viên equity research thường:
- Đầu ngày đọc tin tức, công bố thông tin và kết quả kinh doanh của các mã đang theo dõi.
- Cập nhật mô hình tài chính khi có số liệu mới, điều chỉnh dự phóng doanh thu và biên lợi nhuận.
- Gặp hoặc gọi điện cho bộ phận quan hệ nhà đầu tư của doanh nghiệp, đi thăm nhà máy, dự đại hội cổ đông.
- Viết báo cáo cập nhật, trả lời câu hỏi của khối môi giới hoặc khách hàng tổ chức.
Quant thường:
- Kiểm tra pipeline dữ liệu và kết quả mô hình đêm trước: dữ liệu thiếu, giá lỗi, tín hiệu bất thường.
- Đặt giả thuyết, viết code kiểm định, chạy backtest trên nhiều giai đoạn.
- Tìm lỗi: look-ahead bias (vô tình dùng dữ liệu tương lai), overfitting (khớp quá sát dữ liệu quá khứ), chi phí giao dịch bị đánh giá thấp.
- Trao đổi với trader, nhóm rủi ro hoặc kỹ sư để đưa mô hình vào vận hành.
Phần lớn thời gian của equity research dành cho đọc, mô hình hóa trên bảng tính và viết. Phần lớn thời gian của quant dành cho viết code và nghi ngờ chính kết quả của mình.
Kỹ năng và kiến thức nền: kế toán, định giá DCF hay thống kê, Python
Equity research cần nền kế toán và định giá vững. Quant cần nền toán, thống kê và lập trình vững. Cả hai đều cần hiểu thị trường.
Với equity research, bạn cần:
- Đọc được ba báo cáo tài chính và hiểu chúng liên kết với nhau thế nào.
- Dựng mô hình DCF (chiết khấu dòng tiền) và dùng các phương pháp so sánh như P/E, EV/EBITDA.
- Hiểu mô hình kinh doanh và cạnh tranh trong ngành.
- Viết rõ ràng, có luận điểm, trình bày được trước người nghe khó tính.
Với quant, bạn cần:
- Xác suất, thống kê, hồi quy, chuỗi thời gian.
- Python (pandas, numpy) hoặc ngôn ngữ tương đương, cộng thêm SQL và Git.
- Hiểu cấu trúc thị trường: phí, thuế, biên độ giá, thanh khoản, cách khớp lệnh.
- Kỷ luật nghiên cứu: tách dữ liệu trong mẫu và ngoài mẫu, ghi lại mọi thử nghiệm.
Hai đoạn code ngắn dưới đây cho thấy khác biệt về "chất liệu" công việc. Đoạn đầu là phép chiết khấu dòng tiền kiểu equity research. Đoạn sau là tín hiệu giao dịch kiểu quant. Cả hai chỉ để minh họa, các con số là giả định.
# Equity research: giá trị hiện tại của dòng tiền dự phóng (số liệu giả định)
fcf = [100, 110, 120, 130, 140] # dòng tiền tự do 5 năm, tỷ đồng
r, g = 0.12, 0.03 # chi phí vốn và tăng trưởng dài hạn giả định
pv = sum(cf / (1 + r) ** (t + 1) for t, cf in enumerate(fcf))
terminal = fcf[-1] * (1 + g) / (r - g) / (1 + r) ** len(fcf)
print(round(pv + terminal, 1))
# Quant: tín hiệu cắt nhau của hai đường trung bình trên chuỗi giá
import pandas as pd
def ma_signal(close: pd.Series, fast=20, slow=50) -> pd.Series:
signal = (close.rolling(fast).mean() > close.rolling(slow).mean()).astype(int)
return signal.shift(1) # dùng tín hiệu phiên trước để tránh look-ahead bias
Nếu đoạn thứ nhất làm bạn muốn hỏi tiếp "vì sao tăng trưởng 3%?", bạn có máu equity research. Nếu đoạn thứ hai làm bạn muốn chạy thử trên 30 mã và xem kết quả có ổn định không, bạn có máu quant.
Chứng chỉ và giấy phép: CFA, chứng chỉ hành nghề phân tích tài chính, CQF
Với equity research, CFA là một chứng chỉ được nhiều người làm phân tích đầu tư theo đuổi. Với quant, năng lực thể hiện qua bằng cấp định lượng, dự án code và kết quả nghiên cứu thường được coi trọng hơn chứng chỉ. Riêng việc hành nghề tại công ty chứng khoán ở Việt Nam còn có yêu cầu về chứng chỉ hành nghề, và bạn nên tra trực tiếp ở cơ quan quản lý.
CFA. Theo trang luyện thi bên thứ ba testprepinsight.com, các mốc chi phí và lịch đăng ký như sau:
| Mục | Theo testprepinsight.com | |---|---| | Phí đăng ký sớm năm 2026, mỗi kỳ thi | $1,140 | | Phí đăng ký chuẩn năm 2026, mỗi kỳ thi | $1,490 | | Phí năm 2025 (sớm/chuẩn) | $990 / $1,390 | | Phí ghi danh một lần $350 | Đã bãi bỏ từ tháng 2/2026 | | Hạn đăng ký sớm, kỳ thi tháng 11/2026 | 15/04/2026 (đã qua) | | Hạn đăng ký chuẩn, kỳ thi tháng 11/2026 | 11/08/2026 (đã qua) |
Đây là nguồn thứ cấp. Mức phí và việc bỏ phí ghi danh có thể thay đổi, nên hãy kiểm lại trên trang chính thức của CFA Institute trước khi đăng ký. Lộ trình ôn thi chi tiết có trong bài hướng dẫn toàn diện về chứng chỉ CFA cho người Việt.
Chứng chỉ hành nghề chứng khoán. Muốn làm phân tích tại công ty chứng khoán Việt Nam, bạn cần tìm hiểu yêu cầu về chứng chỉ hành nghề phân tích tài chính. Quy định về loại chứng chỉ, điều kiện cấp và văn bản hướng dẫn có thể đã thay đổi. Bài này không trích điều khoản cụ thể vì chưa đối chiếu được văn bản gốc. Hãy tra cứu trực tiếp trên cổng thông tin Ủy ban Chứng khoán Nhà nước và hỏi bộ phận nhân sự của nơi bạn ứng tuyển.
CQF. CQF (Certificate in Quantitative Finance) là chương trình hướng về tài chính định lượng. Thời lượng, học phí và nội dung hiện hành chưa được xác minh trong bài này, vui lòng xem trên cqf.com. Với sinh viên, một repo GitHub có nghiên cứu sạch sẽ, có kiểm định ngoài mẫu, thường nói lên nhiều điều hơn một tấm chứng chỉ.
Ai tuyển ở Việt Nam: công ty chứng khoán, quỹ đầu tư, quỹ quant và prop trading
Equity research chủ yếu do khối phân tích của công ty chứng khoán và công ty quản lý quỹ tuyển. Quant được tuyển ở quỹ quant, công ty prop trading (tự doanh), bộ phận tự doanh và quản lý rủi ro của công ty chứng khoán, cùng các công ty fintech.
| Loại nhà tuyển dụng | Vị trí equity research | Vị trí quant | |---|---|---| | Công ty chứng khoán | Chuyên viên phân tích ngành/doanh nghiệp, chiến lược thị trường | Tự doanh, quản lý rủi ro, phát triển sản phẩm định lượng | | Công ty quản lý quỹ | Phân tích đầu tư phục vụ danh mục | Xây danh mục định lượng, phân tích rủi ro | | Quỹ quant, prop trading | Ít | Quant researcher, quant developer, quant trader | | Fintech, nền tảng dữ liệu | Nội dung phân tích | Xây mô hình, hạ tầng dữ liệu |
Bài này không đưa mức lương vì chưa có khảo sát đáng tin cậy để dẫn nguồn. Danh sách nơi tuyển quant cụ thể và cách tiếp cận họ có trong bài nhà tuyển dụng quant tại Việt Nam.
Bạn hợp với hướng nào? Checklist tự đánh giá
Đánh dấu những câu đúng với bạn. Cột nào nhiều dấu hơn là tín hiệu nên thử hướng đó trước.
Nghiêng về equity research:
- [ ] Tôi thích đọc báo cáo thường niên và tò mò vì sao biên lợi nhuận thay đổi.
- [ ] Tôi viết tốt và thích thuyết phục người khác bằng lập luận.
- [ ] Tôi thoải mái khi gặp lãnh đạo doanh nghiệp và đặt câu hỏi khó.
- [ ] Tôi muốn hiểu sâu một vài ngành hơn là biết sơ nhiều thứ.
- [ ] Excel là công cụ tôi dùng nhanh nhất.
Nghiêng về quant:
- [ ] Tôi thích môn xác suất, thống kê và không ngại toán.
- [ ] Tôi đã viết code Python và thấy vui khi gỡ được lỗi.
- [ ] Tôi nghi ngờ mọi kết quả "quá đẹp" và muốn kiểm lại.
- [ ] Tôi thích hệ thống tự động hơn là phán đoán từng trường hợp.
- [ ] Tôi chấp nhận phần lớn ý tưởng của mình sẽ thất bại khi kiểm định.
Nếu hai cột gần bằng nhau, bạn có thể hợp với hướng lai ở phần dưới.
Hướng lai: quantamental và cách chuyển đổi giữa hai nghề
Quantamental là cách tiếp cận kết hợp phân tích cơ bản (fundamental) với phương pháp định lượng (quantitative). Ví dụ, bạn dùng dữ liệu báo cáo tài chính của nhiều doanh nghiệp để xây yếu tố như chất lượng lợi nhuận hay định giá, rồi kiểm định chúng một cách có hệ thống thay vì đánh giá từng mã bằng tay.
Hai hướng chuyển đổi thường gặp:
- Từ equity research sang quant: bạn đã có lợi thế là hiểu dữ liệu kế toán. Phần cần bù là Python, thống kê và kỷ luật backtest. Hãy bắt đầu bằng việc tự động hóa một mô hình định giá bạn đang làm tay, rồi mở rộng ra cả rổ cổ phiếu.
- Từ quant sang equity research: bạn đã có lợi thế là xử lý dữ liệu nhanh. Phần cần bù là kế toán, hiểu mô hình kinh doanh và kỹ năng viết. Hãy chọn một ngành, đọc báo cáo của 3-5 doanh nghiệp trong ngành và viết một báo cáo hoàn chỉnh.
Người có cả hai nền tảng thường có lợi thế ở các vị trí phân tích dữ liệu cơ bản, xây yếu tố đầu tư hoặc quản lý danh mục.
Thử cả hai trong 4-6 tuần trước khi quyết định
Cách tốt nhất để chọn là làm một dự án nhỏ cho mỗi hướng rồi xem mình hứng thú với phần nào. Đây là kế hoạch gợi ý cho 6 tuần, có thể rút xuống 4 tuần.
- Tuần 1-2, thử equity research: chọn một cổ phiếu VN30 bạn hiểu ngành. Đọc báo cáo tài chính ba năm gần nhất, dựng mô hình dự phóng và DCF đơn giản, viết báo cáo dài 3-5 trang có luận điểm và rủi ro.
- Tuần 3-4, thử quant: lấy dữ liệu giá các mã VN30, viết một chiến lược đơn giản như đường trung bình động hoặc momentum. Chạy backtest, tính có phí giao dịch, rồi xem drawdown và Sharpe ratio. Quan trọng nhất là thử trên một giai đoạn bạn chưa dùng khi xây chiến lược.
- Tuần 5, thử quantamental: dùng chính dữ liệu cơ bản từ tuần 1-2 để xây một yếu tố đơn giản và kiểm định trên nhiều mã.
- Tuần 6, tự đánh giá: phần nào khiến bạn quên giờ? Phần nào bạn phải ép mình làm? Ghi lại câu trả lời, rồi dùng sản phẩm của phần bạn thích làm portfolio ứng tuyển.
Mỗi dự án đều tạo ra sản phẩm có thể đưa vào CV, nên bạn không mất thời gian dù kết quả nghiêng về hướng nào.
Câu hỏi thường gặp
Equity research là gì?
Equity research là công việc phân tích doanh nghiệp niêm yết để ước tính giá trị cổ phiếu và đưa ra khuyến nghị đầu tư. Công việc gồm đọc báo cáo tài chính, dựng mô hình định giá, tìm hiểu ngành và viết báo cáo. Người làm nghề này thường ở khối phân tích của công ty chứng khoán hoặc công ty quản lý quỹ.
Quant là gì?
Quant (quantitative analyst) là người dùng toán, thống kê và lập trình để xây mô hình định giá, chiến lược giao dịch hoặc hệ thống quản lý rủi ro. Kết quả được kiểm chứng bằng dữ liệu, thường qua backtest và theo dõi hiệu quả ngoài mẫu. Quant làm việc ở quỹ quant, prop trading, ngân hàng và công ty chứng khoán.
Sinh viên kinh tế, không học ngành toán có làm quant được không?
Được, nếu bạn sẵn sàng bù kiến thức xác suất, thống kê và Python một cách bài bản. Nhà tuyển dụng quant thường đánh giá qua bài test kỹ thuật và dự án thực tế hơn là tên ngành học. Một dự án nghiên cứu có code rõ ràng và kiểm định cẩn thận là cách chứng minh năng lực tốt.
Có cần CFA mới làm được equity research không?
Không bắt buộc để bắt đầu, nhưng CFA được nhiều người làm phân tích đầu tư theo đuổi vì nội dung sát với công việc định giá. Nếu định làm tại công ty chứng khoán ở Việt Nam, bạn cần tìm hiểu thêm yêu cầu về chứng chỉ hành nghề trên trang của Ủy ban Chứng khoán Nhà nước. Hãy cân nhắc chi phí thi so với giai đoạn sự nghiệp của mình.
Chọn sai hướng rồi có chuyển được không?
Có. Hai nghề dùng chung nhiều kiến thức về thị trường, và hướng quantamental là cầu nối tự nhiên giữa hai bên. Người làm equity research thường chuyển sang quant bằng cách học lập trình. Người làm quant chuyển sang phân tích cơ bản bằng cách học kế toán và định giá.
Nếu bạn muốn bắt đầu tuần 3-4 của kế hoạch thử nghiệm ngay, hãy dựng chiến lược đầu tiên trên dữ liệu VN30 và chạy backtest tại QuantVN Platform. Đó là cách nhanh để biết bạn có thích công việc quant hằng ngày hay không, trước khi mùa internship bắt đầu.