5 phương pháp tối ưu tỷ trọng
Max Sharpe
Tối đa hóa tỷ lệ lợi nhuận/rủi ro. Tìm danh mục trên đường biên hiệu quả với Sharpe cao nhất.
Phù hợp: mục tiêu lợi nhuận điều chỉnh rủi ro
Min Volatility
Tỷ trọng để volatility danh mục thấp nhất có thể. An toàn nhất, phù hợp thị trường biến động cao.
Phù hợp: ưu tiên bảo toàn vốn
Equal Weight
Chia đều 1/N cho mỗi mã. Đơn giản, không phụ thuộc ước lượng lịch sử, chống overfit tốt.
Phù hợp: baseline đơn giản, ít mã
Inverse Volatility
Mã biến động thấp hơn nhận tỷ trọng cao hơn — cân bằng rủi ro đóng góp. Ít nhạy cảm với overfit.
Phù hợp: đa dạng hóa rủi ro
HRP (Hierarchical Risk Parity)
Phân cụm tương quan theo cây phân cấp, phân bổ rủi ro bằng nhau giữa các nhóm. Mạnh mẽ nhất khi nhiều mã.
Phù hợp: danh mục 5+ mã, ổn định hơn Max Sharpe
Nên dùng phương pháp nào?
Thực tế: hãy chạy tất cả 5 phương pháp rồi so sánh tỷ trọng. Nếu các phương pháp đồng thuận trên một mã (đều phân bổ tỷ trọng cao) — đó là tín hiệu mạnh hơn. Tránh chỉ tin Max Sharpe vì dễ overfit lịch sử.
Tối ưu tỷ trọng danh mục
💬 Tối ưu cơ bản
"Tôi muốn đầu tư vào HPG, FPT, VNM, MWG — tỷ trọng tối ưu theo Max Sharpe và Min Volatility là bao nhiêu? Dùng dữ liệu 3 năm"
→ portfolio_optimize: 4 mã, 2 phương pháp, lookback=3yr — so sánh tỷ trọng và expected return/risk
💬 So sánh cả 5 phương pháp
"So sánh cả 5 phương pháp tối ưu cho danh mục HPG, VCB, FPT, TCB, VHM — phương pháp nào phân bổ HPG cao nhất? Mức tập trung tối đa là 30%/mã"
→ optimize 5 methods, max_weight=0.3 — bảng so sánh 5 tỷ trọng + expected Sharpe
💬 HRP cho danh mục lớn
"Tối ưu HRP cho danh mục 8 mã: HPG, FPT, VNM, VCB, MWG, MSN, GAS, REE — tỷ trọng từng nhóm ngành là bao nhiêu?"
→ HRP phân cụm tương quan theo ngành, phân bổ rủi ro cân bằng hơn Max Sharpe
Backtest danh mục — so với VNINDEX
💬 Backtest tái cân bằng hàng quý
"Backtest danh mục 40% HPG, 30% FPT, 30% VNM trong 3 năm qua với tái cân bằng hàng quý — CAGR, Sharpe và max drawdown so với VNINDEX là bao nhiêu?"
→ portfolio_backtest: tỷ trọng cố định, rebalance=quarterly, 3yr, benchmark=VNINDEX
💬 So sánh tái cân bằng tháng vs quý
"Với danh mục HPG, FPT, VCB chia đều, tái cân bằng hàng tháng có tốt hơn hàng quý không? Chi phí giao dịch ảnh hưởng thế nào?"
→ 2 backtest: monthly vs quarterly rebalance, có thể kèm transaction cost
💬 Backtest tỷ trọng tối ưu
"Backtest tỷ trọng Max Sharpe cho HPG, FPT, VNM, MWG từ 2020 đến nay — danh mục tối ưu có thắng VNINDEX không? Tháng nào xấu nhất?"
→ optimize → lấy tỷ trọng → backtest với tỷ trọng đó, kèm monthly return calendar
Đo lường rủi ro danh mục
Công cụ portfolio_analyze cung cấp bộ chỉ số rủi ro đầy đủ:
- VaR (Value at Risk): tổn thất tối đa ở mức tin cậy 95% trong 1 tháng
- CVaR: tổn thất kỳ vọng khi vượt VaR (tail risk)
- Max Drawdown: mức sụt giảm đỉnh-đáy lớn nhất
- Beta/Alpha so VNINDEX: độ nhạy cảm thị trường
- Win rate tháng: tỷ lệ tháng dương
- Calmar Ratio: CAGR / Max Drawdown
💬 Phân tích rủi ro toàn diện
"Phân tích rủi ro danh mục 50% HPG + 30% VCB + 20% FPT trong 2 năm qua: VaR, CVaR, max drawdown, beta và win rate tháng — danh mục này rủi ro bao nhiêu?"
→ portfolio_analyze — bộ chỉ số đầy đủ + monthly return calendar
💬 So sánh rủi ro 2 phương án
"So sánh rủi ro giữa danh mục tập trung (70% HPG, 30% FPT) và danh mục phân tán (5 mã chia đều) — phương án nào có tỷ lệ Sharpe/Drawdown tốt hơn?"
Đường biên hiệu quả Markowitz
💬 Vẽ efficient frontier
"Vẽ đường biên hiệu quả Markowitz cho danh mục HPG, FPT, VNM, VCB, MWG — tôi chấp nhận được drawdown tối đa 20%, danh mục nào phù hợp với khẩu vị rủi ro của tôi?"
→ portfolio_efficient_frontier — đường cong risk/return, gợi ý danh mục theo mức rủi ro chấp nhận
Quy trình thực chiến — từ ý tưởng đến danh mục
💬 Toàn bộ quy trình
"Tôi muốn xây danh mục cổ phiếu Việt Nam với 5–7 mã, ưu tiên ngành công nghệ và ngân hàng:
1. Gợi ý các mã tiềm năng trong 2 ngành (ROE > 15%, tăng trưởng tốt)
2. Tối ưu tỷ trọng HRP và Max Sharpe
3. Backtest 2 năm so VNINDEX
4. Phân tích rủi ro VaR và max drawdown
5. Kết luận nên chọn phương pháp nào?"
→ AI gọi tuần tự: compare_peers (lọc mã) → optimize → backtest → analyze, tổng hợp khuyến nghị
Backtest dựa trên lịch sử — không đảm bảo tương lai
Tỷ trọng tối ưu hóa theo dữ liệu lịch sử có thể không tối ưu trong tương lai khi tương quan và volatility thay đổi. Dùng làm tham chiếu, không phải công thức cứng nhắc.