Cuộc đời của một gã làm quant (My Life as a Quant): Phần 1.3

Tiếp theo, trong phần 3 của chương mở đầu, Emmanuel Derman sẽ hé lộ cuộc sống chốn công sở, những lĩnh vực mà các quants làm việc. Quants làm việc với toán học và các khái niệm phức tạp, chính vì thế, họ được tin tưởng giao cho những nhiệm vụ khó khăn tại Wall Street

Chương mở đầu: HAI THỨ VĂN HÓA (Promogue: Two Cultures)

Cuộc sống của một gã làm quant

Lịch sử của những chuyên gia quant trên Wall Street là loại lịch sử được viết ra bởi những người, cả trong môi trường thực tế và trong môi trường hàn lâm,tham gia vào việc tinh chỉnh và mở rộng mô hình Black-Scholes. Trong 30 năm vừa qua, mô hình Black-Scholes không chỉ áp dụng cho quyền chọn cổ phiếu mà còn cho quyền chọn, dù nghe có vẻ điên khùng, của bất kỳ loại tài sản nào mà bạn có thể nghĩ đến, từ trái phiếu kho bạc (Treasury bond) và tỷ giá cho đến cả thời tiết nữa(?!). Dù áp dụng cho nhiều loại tài sản khác nhau, nhưng chỉ có một nguyên lý chung nhất đứng đằng sau: thiết kế các loại chứng khoán phái sinh với một mức rủi ro nhất định là một công việc khả thitừ việc pha chế các loại nguyên liệu (các tài sản tài chính) và một công thức xác định tỷ lệ hợp lý của từng loại tài sản tài chính đó.

Mô hình Black-Scholes có thể được dùng trong dự báo thời tiết?
(Nguồn: Internet)

Bởi vì giá trái phiếu không hoạt động trong cùng cơ chế như cổ phiếu nên công thức Black-Scholes áp dụng cho quyền chọn trái phiếu sẽ khác so với phiên bản cổ điển. Từ đó, một cuộc chạy đua vũ trang hình thành giữa các quants, ai cũng muốn mô hình cải tiến của mình dự đoán được chính xác nhất. Nói “cải tiến” nghe có vẻ đơn giản, nhưng thực sự để làm được điều đó các quants phải lãnh hội đượckiến thức của nhiều ngành khác nhau: tài chính, toán và cả tin học nữa. Bạn biết đấy, tài chính, toán và tin học đó là những tập hợp những kiến thức cực kỳ lớn, và các chuyên gia quants là những người có kiến thức tổng hợp từ hai hay cả ba chuyên ngành đó.

Các chuyên gia quants có kiến thức tổng hợp của cả 3 ngành: tài chính, toán học và công nghệ thông tin
(Nguồn: Internet)

Cuộc sống của một quant trong môi trường doanh nghiệp khác rất xa so với cuộc sống của một nhà nghiên cứu vật lý. Sau nhiều năm miệt mài trong phòng thí nghiệm, tôi bước vào Wall Street vào năm 1985, khi đó, sếp của tôi đã yêu cầu tôi xem xét mô hình định giá quyền chọn trái phiếu, một mô hình mở rộng của mô hình Black-Scholes. Tôi bắt đầu công việc của mình như một chuyên gia lý thuyết vậy, chậm rãi và cẩn thận. Tôi tìm hiểu các loại tài liệu liên quan, nghiền ngẫm các lý thuyết xoay quanh nó, chẩn đoán vấn đề và viết phần mềm máy tính chạy thử mô hình. Sau vài tuần gã sếp trở nên bớt kiên nhẫn hơn với cách làm việc tuy khoa học nhưng chậm chạp của tôi. “Mày biết đó” – hắn bảo tôi– “trong nghề này mày chỉ cần bốn phép tính: cộng, trừ, nhân và chia, nhưng trong nhiều trường hợp mày có thể lờ luôn phép chia!”

Quên luôn phép chia?
(Nguồn: Internet)

Tôi hiểu điều hắn muốn nói. Dĩ nhiên, xây dựng mấy thứ mô hình kiểu này sử dụng kiến thức toán cao cấp nhiều hơn số học (cộng, trừ, nhân, chia). Tuy nhiên tôi phải công nhận rằng cách nhìn của hắn không phải là không có lý. Đa số các tay môi giới hợp đồng quyền chọn cho khách hàng kiếm sống bằng cách thiết kế các hợp đồng thỏa mãn được nhu cầu của họ để kiếm phí môi giới. Với những nhà đầu tư (khách hàng), một mô hình đơn giản và dễ hiểu sẽ tốt hơn một mô hình phức tạp hơn nhưng tốt hơn. Nghiền ngẫm và suy nghĩ quá nhiều về các thành tố của một mô hình để tạo ra một mô hình hoàn chỉnh sẽ làm chậm đi việc ‘viết’ ra các hợp đồng rồi sau đó bán chúng để hưởng phí. Và đôi khi, rất khó để xác định một mô hình tốt do việc kiểm định trong thực tế thị trường thường rất hiếm. Dù mục đích chính yếu đã đạt được, tôi đã cải tiến được mô hình định lượng, các giao dịch viên là những người hưởng lợi lớn nhất khi sử dụng phần mềm có giao diện sử dụng cực thân thiện mà tôi viết. Việc thay đổi đơn giản này (giao diện sử dụng), chứ không phải việc dỡ bỏ những sai sót nhỏ, có ích lớn hơn đối với việc làm ăn của các trader, bây giờ họ có thể xử lý nhiều yêu cầu hơn từ phía khách hàng.

Dù hợp đồng quyền chọn ban đầu là dành cho cổ phiếu, nó lại được ứng dụng nhiều hơn trong thế giới của các loại chứng khoán có thu nhập cố định (fixed-income securities - FIS). Cổ phiếu, dựa trên bản chất của nó, không có những biến số toán học phức tạp như trái phiếu. Khi sở hữu cổ phiếu, bạn không được bảo đảm gì cả, bạn chỉ cần biết giá lên khi nào và giá xuống khi nào, nhưng khi sở hữu các loại FIS, ví dụ như trái phiếu, hàng loạt biến số cần phải được xem xét: lợi suất được trả ở từng kỳ và lãi suất cuối cùng trên vốn bỏ ra, những yếu tố đó lại được lượng hóa thông qua mối quan hệ với nhiều biến khác nữa. Những biến số đó làm FIS trở nên “số” hơn so với cổ phiếu, một chuyên gia phân tích trái phiếu sẽ cần nhiều kỹ năng toán học hơn những chuyên gia phân tích cổ phiếu. Mọi loại FIS – trái phiếu, các khoản vay mua nhà (mortgages), trái phiếu chuyển đổi (convertible bonds) và hợp đồng hoán đổi (swaps) – đều có giá trị phụ thuộc vào lãi suất thị trường và vì thế được gọi là chứng khoán phái sinh từ lãi suất (interest rates security). Chứng khoán phái sinh từ lãi suất rất hấp dẫn đối với các tập đoàn và các công ty lớn vì để đáp ứng nhu cầu vốncủa mình, họ sẽ phải phát hành trái phiếu mà giá trị của chúng thay đổi theo lãi suất hoặc tỷ giá. Tạo ra một mô hình thực tế để dự báo đường đi của lãi suất vốn dĩ thay đổi khó lưởng hơn so với giá cổ phiếulà một thách thức lớn. Vì lý do như thế mô hình hóa lãi suất là trọng tâm nghiên cứu lớn của ngành tài chính trong vòng 20 năm trở lại đây, trong lĩnh vực này, sự xuất hiện của các quants là rất phổ biến.

Ngược lại, trong lĩnh vực cổ phiếu, quants xuất hiện hiếm hơn. Trong lĩnh vực đó, đa số các nhà đầu tư quan tâm đến chuyện mua cổ phiếu nào, một vấn đề mà các phép toán cao cấp áp dụng cho các loại chứng khoán phái sinh chỉ có thể giải thích được một phần. Các FIS và cổ phiếu về cơ bản là khác nhau. Khi bạn đi vào sàn giao dịch trái phiếu, bạn sẽ nghe người ta la hét các con số, còn khi bước vào sàn giao dịch cổ phiếu, bạn sẽ nghe người ta gào thét tên công ty. Một traderlà bạn của tôi tóm tắt vấn đề như sau, sau khi tôi nói rằng những đứa đánh FIS dường như thông minh hơn những đứa chơi cổ phiếu, hắn trả lời ngọt xớt, “thông minh không cho mày thêm sức mạnh khi đánh cổ phiếu đâu.”

Dĩ nhiên tôi không có ý nói rằng tất cả các quants đều làm việc với mô hình Black-Scholes hết. Họ còn làm việc với giao dịch chênh lệch giá thống kê (statistical arbitrage), đại khái là cố gắng mô hình hóa chuỗi dữ liệu quá khứ của giá cổ phiếu để dự đoán giá tương lai, nôm na là “dùng quá khứ luận tương lai”. Các quỹ đầu cơ (hedge fund) và quỹ đầu tư tư nhân liên tục dò tìm và khám phá những hiện tượng chênh lệch giá ở mọi ngóc ngách của thị trường đã mọc lên rất nhiều trong năm năm trở lại đây, và liên tục tuyển dụng quants để làm phân tích stat-arb (viết tắt của statistical arbitrage – tạm dịch là giao dịch chênh lệch giá thống kê).

Arbitrage là cách kiếm lợi trên thị trường tài chính không cần vốn
(Nguồn: Internet)

Quản trị rủi ro tài chính cũng là một lĩnh vực hấp dẫn đối với các quants. Vào năm 1994, một đợt tăng bất ngờ của lãi suất thị trường thế giới tạo ra những khoản lỗ khổng lồ. Sự kiện này làm cho các ngân hàng đầu tư, những nhà đầu tư chủ yếu trên thị trường trái phiếu, phải thiết lập bộ phận quản trị rủi ro chuyên nghiệp và khiến những nhà lập pháp nhập cuộc và đưa vào thực thi những chính sách hạn chế rủi ro. Từ lúc đó, nhiều quants làm việc trong các ngân hàng đầu tư hoạt động thành những nhóm chuyên biệt, có trách nhiệm giám sát rủi ro toàn hệ thống và dự báo một cách định lượng rủi ro hiện tại và mức lỗ có thể xảy ra trong tương lai. Dù thế, xác suất (của các khả năng thua lỗ) đều được ước lượng từ quá khứ và vì thế tôi nghĩ đây là điều tồi tệ vì cách tính toán như vậy không thể dự báo được những sự đổ vỡ thị trường trong tương lai. Những vụ khủng hoảng thị trường không thể đơn thuần xuất hiện như sấm chớp, mà nó tích lũy âm thầm từ sự điên rồ của đám đông đang vật lộn để tìm cách né tránh. Dù quả bom năm 1994 là một bài học lớn, nhưng không phải ai cũng học được tính cẩn thận, vụ vỡ nợ trái phiếu Nga vào năm 1998 là một ví dụkhác, hàng loạt các nhà đầu tư tổ chức mất tiền do đã đặt cược vào khả năng xoay xở nợ nần của nước Nga. Còn có nhiều ví dụ khác nữa, vì thế, giám sát và quản trị rủi ro là một môi trường được nhiều quants chọn lựa để tham gia.

Tiếp theo:

Những gã tay chân (traders) và những tên đầu óc (quants)

Khuyến cáo sau khi đọc: Chia sẻ mà không trích nguồn làm tiêu tan động lực đóng góp của chúng tôi :)

 

Đăng Khoa

Posted in: Tài chính tiền tệ