Hướng Dẫn Ôn Tập: Lý Thuyết Quản Lý Danh Mục Đầu Tư Tích Cực

Các mô hình này trong dạng ban đầu thường không thực tế vì chúng cực kỳ nhạy cảm với các giả định về lợi nhuận kỳ vọng, hay còn gọi là alpha. Ngay cả những dự báo alpha có vẻ hợp lý cũng có thể dẫn đến các danh mục đầu tư tối ưu yêu cầu các vị thế mua/bán cực đoan hoặc các vị thế bán khống lớn, điều mà hầu hết các nhà giao dịch cho là không khả thi.

"Sai số theo dõi" là độ lệch chuẩn của chênh lệch giữa lợi nhuận của danh mục đầu tư được quản lý và lợi nhuận của danh mục tham chiếu. Việc giới hạn rủi ro theo dõi (benchmark risk) buộc nhà quản lý phải chuyển trọng số từ danh mục tích cực sang danh mục thụ động, điều này giúp giữ cho tỷ trọng của danh mục đầu tư ở mức hợp lý và tránh các vị thế cực đoan.

Cần phải điều chỉnh các dự báo alpha vì chúng không hoàn hảo và có độ chính xác hạn chế. Việc điều chỉnh được thực hiện bằng cách hồi quy các lợi nhuận bất thường đã thực hiện trong quá khứ theo các dự báo trong quá khứ, sau đó sử dụng hệ số R-bình phương của phép hồi quy để "co lại" (shrink) các dự báo mới về phía không, làm giảm ảnh hưởng của các dự báo ồn ào.

Mục đích chính của mô hình Black-Litterman là cho phép các nhà quản lý danh mục đầu tư định lượng các dự báo phức tạp (được gọi là "quan điểm") và kết hợp chúng một cách có hệ thống với dữ liệu cân bằng thị trường. Điều này giúp cải thiện quyết định phân bổ tài sản bằng cách tạo ra một bộ lợi nhuận kỳ vọng mới, phản ánh cả kỳ vọng của thị trường và niềm tin riêng của nhà quản lý.

Bước đầu tiên là ước tính ma trận hiệp phương sai của các loại tài sản từ dữ liệu lịch sử. Bước thứ hai là xác định một dự báo cơ sở (baseline forecast) cho lợi nhuận kỳ vọng, được suy ra từ giả định rằng thị trường đang ở trạng thái cân bằng, sử dụng tỷ trọng giá trị thị trường, ma trận hiệp phương sai, và một hệ số ác cảm rủi ro trung bình.

"Quan điểm" trong mô hình BL là những dự báo của nhà quản lý về giá trị của các tổ hợp tuyến tính khác nhau của lợi nhuận vượt trội (ví dụ: "trái phiếu sẽ hoạt động tốt hơn cổ phiếu 0.5%"). Mức độ tin cậy được thể hiện dưới dạng một ma trận hiệp phương sai của các sai số trong các quan điểm đó, hoặc đơn giản là độ lệch chuẩn của sai số dự báo.

Hai mô hình này bổ sung cho nhau vì chúng có thế mạnh ở các lĩnh vực khác nhau. Mô hình Treynor-Black hướng nhiều hơn đến phân tích chứng khoán riêng lẻ, với một quy trình có hệ thống để điều chỉnh dự báo alpha. Trong khi đó, mô hình Black-Litterman phù hợp hơn cho các quyết định phân bổ tài sản, nơi các quan điểm về hiệu suất tương đối giữa các thị trường hoặc loại tài sản là rất quan trọng.

Sức mạnh của quản lý tích cực đến từ việc tổng hợp giá trị của nhiều phân tích. Tỷ lệ Sharpe của danh mục đầu tư tối ưu tăng lên cùng với tổng bình phương các tỷ lệ thông tin của từng chứng khoán riêng lẻ. Do đó, ngay cả khi độ chính xác dự báo (R-bình phương) cho mỗi chứng khoán là rất nhỏ, việc áp dụng chúng trên một vũ trụ lớn các chứng khoán có thể tạo ra lợi nhuận đáng kể.

Cấu trúc được đề xuất là một sơ đồ phi tập trung bao gồm các đơn vị chuyên trách về phân tích vĩ mô, phân tích vi mô (chứng khoán), kinh tế lượng, quản lý danh mục (tích cực và thụ động), và kiểm soát chất lượng. Một thách thức chính là giải quyết xung đột giữa nhu cầu về ý kiến độc lập của các nhà phân tích chứng khoán và sự cần thiết của hợp tác và phối hợp.

Phí ($f$) mà nhà đầu tư sẵn lòng trả có thể được tính dựa trên sự cải thiện về tỷ lệ Sharpe bình phương so với danh mục thụ động, và hệ số ác cảm rủi ro ($A$) của nhà đầu tư: $f = (S_P^2 - S_M^2) / 2A$. Vì $S_P^2 - S_M^2$ bằng tổng bình phương các tỷ lệ thông tin (IR) của các chứng khoán, phí này phụ thuộc vào khả năng tạo ra alpha của nhà phân tích và độ chính xác của họ.