Portfolio Optimization: Xây Dựng Danh Mục Đầu Tư Tối Ưu Theo Phương Pháp Khoa Học

Portfolio Optimization: Xây Dựng Danh Mục Đầu Tư Tối Ưu Theo Phương Pháp Khoa Học

Tại sao hai danh mục cùng có 10 cổ phiếu nhưng một danh mục lợi nhuận tốt hơn và rủi ro thấp hơn? Câu trả lời nằm ở Portfolio Optimization — khoa học tối ưu hóa danh mục đầu tư.

Modern Portfolio Theory (MPT) — Nền Tảng

Harry Markowitz (Nobel Kinh tế 1990) đặt nền tảng cho lý thuyết danh mục hiện đại:

Nguyên tắc cốt lõi: Đa dạng hóa không chỉ giảm rủi ro mà còn có thể tăng lợi nhuận điều chỉnh theo rủi ro.

Efficient Frontier: Tập hợp các danh mục đạt lợi nhuận tối đa tại mỗi mức rủi ro. Mọi danh mục đầu tư tốt đều nằm trên đường này.

Các Phương Pháp Tối Ưu Danh Mục

Mean-Variance Optimization (MVO): Tối đa hóa Sharpe Ratio bằng cách tìm trọng số tối ưu:

• Input: Ma trận lợi nhuận kỳ vọng và ma trận hiệp phương sai
• Output: Trọng số phân bổ tối ưu

Risk Parity: Mỗi tài sản đóng góp bằng nhau vào tổng rủi ro danh mục. Phổ biến tại hedge fund.

Black-Litterman Model: Kết hợp kỳ vọng thị trường (market equilibrium) với quan điểm chủ quan của nhà đầu tư.

Maximum Diversification: Tối đa hóa tỉ lệ phân tán, giảm thiểu tương quan giữa các tài sản.

Ví Dụ Thực Tế: Tối Ưu Danh Mục VN

import numpy as np
from scipy.optimize import minimize

def portfolio_sharpe(weights, returns, cov_matrix, rf=0.05):
    port_return = np.dot(weights, returns)
    port_std = np.sqrt(np.dot(weights.T, np.dot(cov_matrix, weights)))
    sharpe = (port_return - rf) / port_std
    return -sharpe  # Minimize negative Sharpe

# Tối ưu hóa
n_assets = len(returns)
constraints = ({'type': 'eq', 'fun': lambda x: np.sum(x) - 1})
bounds = tuple((0, 1) for _ in range(n_assets))
result = minimize(portfolio_sharpe, [1/n_assets]*n_assets,
                  args=(returns, cov_matrix),
                  constraints=constraints, bounds=bounds)
optimal_weights = result.x

Thực Tế Của Portfolio Optimization

Nhược điểm của MVO:

• Cực kỳ nhạy cảm với input (lợi nhuận kỳ vọng)
• Dữ liệu lịch sử không đảm bảo tương lai
• Danh mục tối ưu thường quá tập trung

Giải pháp thực tế:

• Dùng Risk Parity thay MVO trong nhiều trường hợp
• Giới hạn trọng số tối đa mỗi tài sản (ví dụ: max 20%)
• Rebalance định kỳ (hàng quý) thay vì hàng tháng

QUANTVN Và Tối Ưu Danh Mục

QUANTVN cung cấp công cụ portfolio optimization cho thị trường Việt Nam:

• Tính toán tự động Efficient Frontier
• Đề xuất trọng số tối ưu
• Backtest hiệu suất danh mục được tối ưu
• Rebalancing alerts tự động

Kết Luận

Portfolio Optimization không phải lý thuyết thuần túy — đây là công cụ thực tế giúp bạn xây dựng danh mục đầu tư khoa học hơn. Bắt đầu với nguyên tắc đơn giản: đa dạng hóa đúng cách và kiểm soát tương quan giữa các tài sản.

Tối ưu danh mục đầu tư tại quantvn.com

Khám phá chiến lược trading tại quantvn.com