Tại Sao Thị Trường Chỉ Trả Thưởng Cho Một Loại Rủi Ro? Giải Thích Rủi Ro Hệ Thống và Phi Hệ Thống

1.1. Rủi ro Hệ thống (Systematic Risk): Cơn Thủy Triều Toàn Thị Trường

• Định nghĩa: Đây là loại rủi ro ảnh hưởng đến toàn bộ thị trường hoặc nền kinh tế nói chung. Nó xuất phát từ các yếu tố vĩ mô như thay đổi lãi suất, lạm phát, bất ổn chính trị, hoặc suy thoái kinh tế.
• Đặc điểm: Rủi ro này không thể bị loại bỏ hoàn toàn, cho dù bạn đa dạng hóa danh mục đầu tư của mình đến mức nào.
• Thước đo: Rủi ro hệ thống của một chứng khoán cụ thể được đo lường bằng hệ số Beta (β).

1.2. Rủi ro Phi hệ thống (Unsystematic Risk): Rủi Ro Riêng Lẻ Của Từng Công Ty

• Định nghĩa: Đây là loại rủi ro chỉ ảnh hưởng đến một công ty hoặc một ngành cụ thể. Nó còn được gọi là rủi ro đặc thù của công ty (firm-specific risk).
• Ví dụ: Các sự kiện như một cuộc đình công, một vụ kiện tụng lớn, việc ra mắt sản phẩm thất bại, hay sự thay đổi trong ban lãnh đạo.
• Đặc điểm: Rủi ro phi hệ thống có thể được giảm thiểu hoặc loại bỏ hoàn toàn thông qua đa dạng hóa danh mục đầu tư.
• Thước đo: Về mặt kỹ thuật, nó được ước tính bằng phương sai của phần dư, σ²(ei), từ mô hình hồi quy thị trường.

1.3. Bảng so sánh tổng hợp

Bảng dưới đây tóm tắt những khác biệt chính giữa hai loại rủi ro:

Tiêu chí	Rủi ro Hệ thống	Rủi ro Phi hệ thống
Phạm vi ảnh hưởng	Toàn thị trường	Công ty/Ngành cụ thể
Khả năng loại bỏ	Không thể	Có thể qua đa dạng hóa
Thước đo	Beta (β)	Phương sai phần dư σ²(ei)
Sự bù đắp (theo CAPM)	Có, nhà đầu tư được trả thưởng	Không, không có phần bù rủi ro

Lý do thị trường không trả thưởng cho rủi ro phi hệ thống rất logic và trực quan: bởi vì các nhà đầu tư có thể loại bỏ nó một cách dễ dàng và gần như miễn phí.

Khi một nhà đầu tư kết hợp nhiều cổ phiếu khác nhau vào một danh mục đầu tư, các sự kiện ngẫu nhiên, đặc thù của từng công ty có xu hướng triệt tiêu lẫn nhau. Tin tốt từ một công ty có thể bù đắp cho tin xấu từ một công ty khác.

Khi rủi ro phi hệ thống đã được loại bỏ, loại rủi ro duy nhất còn lại trong một danh mục đầu tư đa dạng chính là rủi ro hệ thống—loại rủi ro mà thị trường thực sự trả thưởng.

Mô hình Định giá Tài sản Vốn (CAPM) đã chính thức hóa mối quan hệ này thông qua Đường Thị trường Chứng khoán (Security Market Line - SML).

Hãy cùng phân tích từng thành phần:

• E(ri): Lợi nhuận kỳ vọng của tài sản i (điều bạn muốn tìm).
• rf: Lợi suất phi rủi ro (ví dụ: lãi suất Tín phiếu Kho bạc).
• βi: Beta của tài sản i (thước đo rủi ro hệ thống).
• [E(rM) − rf]: Phần bù rủi ro thị trường (lợi nhuận thặng dư của thị trường chung).

Chúng ta có thể diễn giải công thức này một cách trực quan:

Lợi nhuận bù rủi ro = Số lượng Rủi ro (βi) × Giá của Rủi ro ([E(rM) − rf])

Nói cách khác, beta càng cao, lợi nhuận kỳ vọng yêu cầu càng lớn. Lý thuyết này rất chặt chẽ, nhưng dữ liệu thực tế nói lên điều gì?

4.1. Các Thử nghiệm Ban đầu và Kết quả Gây Bối rối

Các nhà nghiên cứu ban đầu (Lintner, Miller, Scholes) đã sử dụng một phương pháp thống kê gọi là hồi quy hai bước (two-pass regression).

1. Bước 1 (First-pass): Ước tính "điểm nhạy cảm với thủy triều" (Beta) cho từng cổ phiếu riêng lẻ.
2. Bước 2 (Second-pass): Xem xét liệu các cổ phiếu có Beta cao nhất có mang lại lợi nhuận trung bình cao nhất hay không.

Ngoài ra, các nhà nghiên cứu còn vấp phải Phê bình của Roll (Roll's Critique): Làm thế nào bạn có thể kiểm tra một mô hình dựa trên "danh mục thị trường tổng thể" khi bạn không thể thực sự quan sát được nó? Việc sử dụng một chỉ số đại diện (proxy) có nghĩa là bạn đang kiểm tra chỉ số đó, chứ không phải bản thân CAPM.

4.2. Bước đột phá: Hiệu chỉnh sai sót và Tìm ra câu trả lời

Các thử nghiệm ban đầu có một sai sót thống kê nghiêm trọng: "sai số đo lường trong beta" (measurement error in beta). Việc ước tính beta cho từng cổ phiếu riêng lẻ không đủ chính xác, dẫn đến kết quả ở bước hai bị sai lệch.

Để khắc phục vấn đề này, các nhà nghiên cứu Fama và MacBeth đã tiên phong một phương pháp cải tiến: nhóm các cổ phiếu lại thành các danh mục đầu tư. Việc này giúp đa dạng hóa rủi ro phi hệ thống, làm cho việc ước tính beta của danh mục trở nên chính xác hơn nhiều.