Biến động giá là gì? Các bài nghiên cứu khoa học liên quan

Định nghĩa biến động giá

Biến động giá (price volatility) là mức độ dao động của giá tài sản theo thời gian, thường được hiểu như độ không chắc chắn (uncertainty) của lợi suất trong một khoảng quan sát. Trong thực hành tài chính định lượng, biến động là thước đo rủi ro then chốt vì nó cho biết biên độ thay đổi giá quanh giá trị kỳ vọng, qua đó ảnh hưởng trực tiếp đến định giá phái sinh, quản trị rủi ro và phân bổ tài sản. Ở cấp độ thị trường, biến động tăng phản ánh kỳ vọng rủi ro cao hơn và chi phí vốn có xu hướng điều chỉnh tương ứng. Các cơ quan và nhà cung cấp hạ tầng thị trường như Cboe mô tả biến động là thành phần cấu thành của giá quyền chọn và là “nhiên liệu” của nhiều chiến lược phòng ngừa rủi ro (Cboe – Volatility 101).

Trong thực tế, biến động có thể được mô tả ở nhiều tần suất: nội ngày, ngày, tuần hoặc năm; và ở các đơn vị khác nhau: phần trăm điểm, độ lệch chuẩn của lợi suất, hay độ dao động giá xung quanh đường trung bình. Ở góc độ quản lý rủi ro, các tổ chức tài chính và cơ quan giám sát nhấn mạnh vai trò của biến động như một yếu tố cốt lõi trong mô hình hóa VaR, stress testing và giám sát ổn định tài chính; những biến động bất thường có thể phát tín hiệu rủi ro hệ thống, đòi hỏi biện pháp can thiệp chính sách kịp thời (BIS – Quarterly Review, IMF – Global Financial Stability Report).

Khái niệm	Mục tiêu đo lường	Ứng dụng chính
Biến động (Volatility)	Độ phân tán của lợi suất	Định giá phái sinh, quản trị rủi ro
Rủi ro (Risk)	Khả năng thua lỗ tài chính	Phân bổ vốn, yêu cầu vốn
Thanh khoản (Liquidity)	Khả năng khớp lệnh với chi phí thấp	Thực thi giao dịch, ổn định thị trường

Các loại biến động giá

Biến động lịch sử (Historical Volatility – HV) được tính từ chuỗi dữ liệu giá quá khứ, phản ánh mức “nhiễu” đã xảy ra. HV phụ thuộc mạnh vào cửa sổ thời gian (ví dụ 20, 60 hay 252 phiên) và cách xác định lợi suất (đơn, log). Trong quản trị danh mục, HV giúp ước lượng rủi ro ngắn hạn và là đầu vào cho tối ưu hóa phương sai tối thiểu; tuy nhiên HV không nắm bắt trực tiếp kỳ vọng tương lai của thị trường. Tài liệu đào tạo chuyên môn cũng lưu ý hiện tượng “tập cụm biến động” (volatility clustering) khiến HV trong quá khứ có giá trị dự báo nhất định ở tần suất cao, song độ tin cậy thay đổi theo chế độ thị trường (CFA Institute – Derivatives & Risk).

Biến động ngụ ý (Implied Volatility – IV) được nội suy từ giá quyền chọn theo các khung định giá như Black–Scholes–Merton hoặc các biến thể, thể hiện kỳ vọng thị trường về mức dao động giá trong tương lai. IV không phải “dự báo” điểm số duy nhất mà là tham số cân bằng giữa cung cầu quyền chọn; khi nhu cầu phòng hộ tăng, IV có thể tăng ngay cả khi giá cơ sở chưa biến động nhiều. IV đóng vai trò trung tâm trong các chỉ số biến động thị trường như VIX của Cboe, đại diện cho kỳ vọng biến động 30 ngày của S&P 500 dựa trên danh mục quyền chọn OTM (Cboe – VIX Overview).

• Biến động thực hiện (Realized Volatility): tổng hợp từ lợi suất nội ngày/phiên, nhạy với lấy mẫu tần suất cao (Federal Reserve – Realized Volatility Measurement).
• Biến động điều kiện (Conditional Volatility): ước lượng từ mô hình như GARCH, cho phép biến động phụ thuộc quá khứ (BIS – Working Papers on conditional volatility).

Loại	Nguồn dữ liệu	Ưu điểm	Hạn chế
Lịch sử (HV)	Giá quá khứ	Dễ tính, minh bạch	Không phản ánh kỳ vọng
Ngụ ý (IV)	Giá quyền chọn	Hàm chứa kỳ vọng thị trường	Nhạy cung cầu phái sinh
Thực hiện	Dữ liệu nội ngày	Chi tiết, giàu thông tin	Nhạy nhiễu vi cấu trúc

Công thức định lượng biến động

Trong khung lợi suất log, biến động mẫu không điều chỉnh được tính bằng độ lệch chuẩn của chuỗi lợi suất: $\sigma = \sqrt{\frac{1}{N}\sum_{i=1}^{N}\left(r_i - \overline{r}\right)^2},\quad r_i=\ln\!\left(\frac{P_i}{P_{i-1}}\right)$ Trong nhiều ứng dụng, dùng ước lượng không chệch với mẫu nhỏ: $\hat{\sigma} = \sqrt{\frac{1}{N-1}\sum_{i=1}^{N}\left(r_i - \overline{r}\right)^2}$ Quy đổi sang biến động năm giả định độc lập và đồng phân phối theo căn bậc hai thời gian: $\sigma_{\text{năm}} = \hat{\sigma}_{\text{ngày}}\times \sqrt{252}$ Các giả định này cần được kiểm định vì lợi suất thực tế thường có đuôi dày và tự tương quan phương sai (SEC Investor.gov – Options & Volatility, CFA Program Curriculum – Quant Methods).

Đối với IV, giá quyền chọn $C_{\text{mkt}}$ được so với giá lý thuyết $C(\sigma)$ từ mô hình; IV là nghiệm $\sigma$ thỏa mãn: $C(\sigma_{\text{IV}}; S, K, r, q, T) = C_{\text{mkt}}$ Trong thực hành, IV bề mặt (volatility surface) phụ thuộc strike và kỳ hạn do hiện tượng “smile/smirk”, phản ánh cấu trúc rủi ro bất đối xứng và xác suất đuôi. Việc nội suy và làm mịn bề mặt IV là bước bắt buộc trước khi sử dụng cho định giá và quản trị rủi ro phái sinh (Cboe – Option Statistics, MSCI – Modeling Volatility).

• Ước lượng biến động điều kiện: họ mô hình ARCH/GARCH cho phép $\sigma_t^2 = \alpha_0 + \alpha_1 \varepsilon_{t-1}^2 + \beta_1 \sigma_{t-1}^2$ để nắm bắt tập cụm biến động.
• Ước lượng biến động thực hiện: tổng bình phương lợi suất nội ngày hiệu chỉnh nhiễu vi cấu trúc nhằm giảm thiên lệch.

Chỉ số dùng để đo biến động

VIX (Cboe Volatility Index) là chỉ số đo kỳ vọng biến động 30 ngày của S&P 500, tính toán từ phổ quyền chọn mua và bán OTM ở nhiều mức giá thực hiện, không phụ thuộc một mô hình định giá cụ thể. VIX thường được gọi là “thước đo sợ hãi” của thị trường do có xu hướng tăng trong giai đoạn rủi ro cao, khi nhu cầu phòng hộ tăng mạnh (Cboe – VIX FAQ).

Ngoài VIX, còn có các chỉ số chuyên biệt theo tài sản: ví dụ OVX cho dầu WTI, GVZ cho vàng, EVZ cho EUR/USD, hay các chỉ số biến động do nhà cung cấp dữ liệu xây dựng cho trái phiếu và tín dụng. Những chỉ số này hỗ trợ nhà đầu tư theo dõi nhanh trạng thái rủi ro định giá bởi thị trường quyền chọn và triển khai các chiến lược phòng hộ hoặc giao dịch tương đối giữa biến động lịch sử và ngụ ý. Trong khuôn khổ tuân thủ và giáo dục nhà đầu tư, tài liệu từ SEC nhấn mạnh cần hiểu rõ bản chất “kỳ vọng” của IV khi sử dụng các chỉ số biến động làm tín hiệu quyết định (SEC – Volatility (Glossary)).

Chỉ số	Tài sản cơ sở	Ý nghĩa	Nguồn
VIX	S&P 500	Kỳ vọng biến động 30 ngày	Cboe
OVX	Dầu thô WTI	Kỳ vọng biến động hàng hóa năng lượng	Cboe Data
GVZ	Vàng (GLD)	Kỳ vọng biến động kim loại quý	Cboe Stats

Vai trò của beta trong đánh giá biến động tương đối

Hệ số beta (β) đo lường mức độ nhạy cảm của lợi suất tài sản so với lợi suất thị trường chuẩn (thường là một chỉ số thị trường như S&P 500 hoặc VN-Index). Về mặt toán học, beta được tính từ hồi quy tuyến tính giữa lợi suất tài sản và lợi suất thị trường: $\beta = \frac{\mathrm{Cov}(r_a, r_m)}{\mathrm{Var}(r_m)}$ trong đó $r_a$ là lợi suất tài sản, $r_m$ là lợi suất thị trường. Beta > 1 cho thấy tài sản biến động mạnh hơn thị trường; Beta < 1 phản ánh mức biến động thấp hơn (Investopedia – Beta).

Trong quản trị danh mục, beta giúp nhà đầu tư điều chỉnh cấu trúc tài sản để phù hợp với khẩu vị rủi ro. Ví dụ, nếu dự báo thị trường tăng, nhà đầu tư có thể chọn tài sản beta cao để khuếch đại lợi nhuận tiềm năng, nhưng ngược lại rủi ro thua lỗ cũng tăng. Các quỹ phòng hộ và nhà quản lý tài sản dùng beta để xây dựng chiến lược "market neutral" nhằm triệt tiêu rủi ro hệ thống, chỉ tập trung vào lợi nhuận từ chọn lựa chứng khoán.

Beta	Ý nghĩa	Chiến lược
> 1	Biến động mạnh hơn thị trường	Tăng lợi nhuận khi thị trường lên, rủi ro cao khi thị trường giảm
= 1	Biến động tương đương thị trường	Theo sát biến động chung
< 1	Biến động thấp hơn thị trường	Ổn định hơn, phù hợp phòng thủ

Nguyên nhân dẫn đến biến động giá

Biến động giá bắt nguồn từ nhiều yếu tố, có thể phân loại thành nhóm nội sinh (liên quan trực tiếp đến tài sản) và ngoại sinh (liên quan đến môi trường kinh tế, chính trị). Nội sinh bao gồm thay đổi cung cầu, kết quả kinh doanh, tin tức về công ty hoặc ngành. Ngoại sinh gồm biến động lãi suất, lạm phát, chính sách tiền tệ, địa chính trị, thiên tai, khủng hoảng tài chính.

Trong thị trường hàng hóa, cú sốc cung cầu là nguyên nhân chính tạo biến động lớn. Ví dụ, gián đoạn nguồn cung dầu thô do xung đột hoặc thiên tai có thể làm giá tăng mạnh; ngược lại, dư cung hoặc nhu cầu giảm do suy thoái kinh tế làm giá giảm sâu. Với thị trường chứng khoán, tâm lý nhà đầu tư và hành vi bầy đàn (herd behavior) thường khuếch đại biến động, đặc biệt khi có tin đồn hoặc dữ liệu kinh tế bất ngờ (EIA – Commodity price volatility).

• Tâm lý thị trường: sợ hãi, tham lam, kỳ vọng quá mức
• Biến động vĩ mô: GDP, lãi suất, tỷ giá, lạm phát
• Sự kiện bất ngờ: khủng hoảng, dịch bệnh, thiên tai

Hậu quả của biến động giá

Biến động cao thường làm tăng rủi ro đầu tư, khiến chi phí vốn tăng và làm giảm lòng tin thị trường. Các công ty có dòng tiền biến động mạnh sẽ khó lập kế hoạch đầu tư dài hạn, và chi phí bảo hiểm rủi ro (hedging cost) cũng tăng. Đối với nhà đầu tư, biến động cao có thể mang lại cơ hội giao dịch ngắn hạn, nhưng cũng dễ dẫn tới thua lỗ nếu quản trị rủi ro kém (Investopedia – Volatility).

Ở cấp độ kinh tế vĩ mô, biến động giá hàng hóa thiết yếu như năng lượng, lương thực có thể tác động đến lạm phát, cán cân thương mại và an ninh kinh tế. Ngân hàng trung ương và chính phủ thường can thiệp để ổn định giá nhằm tránh bất ổn xã hội.

• Nguy cơ giảm đầu tư dài hạn
• Tăng chi phí vốn và rủi ro tài chính
• Ảnh hưởng đến tăng trưởng kinh tế

Mô hình mô phỏng biến động

Các mô hình ARCH/GARCH cho phép biến động thay đổi theo thời gian và phụ thuộc vào biến động quá khứ. Mô hình GARCH(1,1) phổ biến với công thức: $\sigma_t^2 = \omega + \alpha \varepsilon_{t-1}^2 + \beta \sigma_{t-1}^2$ trong đó $\sigma_t^2$ là phương sai có điều kiện, $\varepsilon_{t-1}^2$ là số sốc bình phương trước đó. Mô hình này phù hợp với hiện tượng tập cụm biến động.

Mô hình Heston là mô hình biến động ngẫu nhiên, trong đó biến động là một quá trình riêng biệt, không cố định, cho phép mô phỏng smile của quyền chọn. Đây là công cụ quan trọng cho định giá phái sinh phức tạp (ScienceDirect – Heston Model).

Mô hình	Đặc điểm	Ứng dụng
ARCH	Phụ thuộc vào bình phương số sốc trước đó	Mô hình hóa biến động ngắn hạn
GARCH	Kết hợp ARCH và thành phần trễ biến động	Dự báo biến động, quản trị rủi ro
Heston	Biến động ngẫu nhiên, động lực riêng	Định giá phái sinh, mô phỏng smile

Lợi ích và giới hạn của việc đo biến động

Việc đo biến động cung cấp thông tin định lượng cho quản trị rủi ro, định giá tài sản và thiết kế chiến lược đầu tư. Nhà đầu tư có thể so sánh biến động lịch sử với biến động ngụ ý để tìm cơ hội arbitrage hoặc hedging hiệu quả. Doanh nghiệp sử dụng thông tin biến động để quyết định thời điểm phát hành trái phiếu hoặc cổ phiếu nhằm tối ưu chi phí vốn.

Tuy nhiên, các phương pháp đo biến động đều có giới hạn. Biến động lịch sử chỉ phản ánh quá khứ, không đảm bảo dự báo chính xác tương lai. Biến động ngụ ý phản ánh kỳ vọng thị trường, nhưng dễ bị méo do cung cầu quyền chọn. Ngoài ra, các giả định như phân phối chuẩn hoặc độc lập theo thời gian thường không đúng trong dữ liệu thực tế.

• Không phương pháp nào dự đoán biến động hoàn hảo
• Cần kết hợp nhiều chỉ báo và mô hình
• Yếu tố bất ngờ luôn có thể làm biến động thay đổi đột ngột

Tài liệu tham khảo

1. Investopedia. Volatility: Meaning in Finance and How It Works With Stocks. Investopedia.
2. Investopedia. Beta Definition. Investopedia.
3. U.S. Energy Information Administration. Commodity price volatility. EIA.
4. ScienceDirect. Heston Model Overview. Elsevier.
5. CFA Institute. Derivatives and Risk Management. CFA Program Curriculum.
6. SEC Investor.gov. Volatility (Glossary). U.S. Securities and Exchange Commission.
7. Cboe. VIX Overview and Methodology. Cboe Global Markets.