[TECHNICAL INSIGHTS] – FFR VÀ ẢNH HƯỞNG ĐẾN CÁC REGIMES (PHẦN 1)

Bài này mình sẽ cố gắng phân tích về các tính toán của FED WATCH TOOLS cho các FFR target và ảnh hưởng đến các kỳ vọng của thị trường, mình cũng sẽ sử dụng các biến khác để đánh giá đầy đủ hơn.

Mục tiêu bài viết:

• • Tìm hiểu sơ bộ về FFR.

• • Hiểu ngắn gọn cách tính xác suất của FED WATCH TOOLS và tạo được tool quan sát tương tự.

• • Hiểu được các mối quan hệ của các biến và các yếu tố.

• • Từ các quan hệ này, tìm các regimes theo ảnh hưởng của biến này tới thị trường tới các đối tượng như SP500, VNINDEX để có trade ideas.

Kết luận phần 1:

Thanks for reading! Subscribe for free to receive new posts and support my work.

• • Biến động của FFR (distance) có tác động trực tiếp đến lợi nhuận của giá dầu (OIL) và đây là mối quan hệ nhân quả nên có thể nói thêm 1 đoạn “và ngược lại” (=]]). Có nghĩa là biến động của ông này sẽ tác động đến ông kia và ngược lại (2 thằng đều nhìn nhau để biến động).

• • Tương tự, VNINDEX cũng có mối quan hệ nhân quả với giá dầu và ngược lại.

• • Biến động từ SPX sẽ là tác động đến VNINDEX và tác động đến giá vàng (GOLD). Vậy, nếu trade vàng thì sẽ nhìn SPX, tương tự nếu trade VNINDEX thì cũng sẽ nhìn SPX. Mình cũng không thể đồng thời nắm 2 VNINDEX vì 2 ông này có mối quan hệ ‘ngoài luồng’ với SPX (=]]).

• • SPX cũng có hơn 80% thời gian Beta với VNINDEX dương, R2 cũng có diện tích lớn nhất trong các yếu tố ngoại sinh, kết hợp với kết quả tìm được ở trên, sẽ là 1 trong những yếu tố giải thích quan trọng và có ảnh hưởng lớn để biến động của lợi nhuận của VNINDEX.

Ghi chú:

• • Bài viết thuần túy về nhận định và phân tích cá nhân của mình dựa trên kiến thực hạn hẹp mà mình có, nên sẽ hơi chủ quan. Rất mong nhận được sự góp ý từ mọi người!

• • Ngôn ngữ viết bài giống văn nói thông thường, ít học thuật đôi lúc lõm bõm tiếng anh, hi vọng mọi người thông cảm cái này.

• • Dữ liệu sử dụng là được truy cập và tính toán từ thư viện vnstocks (http://vnstocks.com), yfinance.

• • Phạm vi dữ liệu từ 2014 – nay cho các biến.

FED FUND RATES

1 cách lý thuyết thì Fed Fund Rate (FFR) giống như là cơ sở tham chiếu lãi suất, từ đó xác định lãi suất hoặc lợi suất của các tài sản khác nhau. Vậy FFR là gì? Tại sao là FFR? Có bao nhiêu loại FFR?

• • FFR (EFFR) là lãi suất qua đêm giữa các tổ chức nhận tiền gửi (ngân hàng, định chế tài chính) trên hệ thống dự trữ liên bang, các tính thì bằng median có trọng số theo khối lượng (chi tiết tại link này: https://www.newyorkfed.org/markets/reference-rates/effr?). Vì vậy, FFR thể hiện mức độ quan tâm cơ bản nhất với tài sản là tiền (cụ thể là USD), để giúp các nhà đầu tư, hedge funds, định chế tài chính có thể hedge được sự biến động theo kỳ vọng của họ, CME đẻ ra thêm các sản phẩm phái sinh (futures, options) từ FFR này (hoặc để ae cùng cược, CME làm nhà cái =]]).

• • Biến động của FFR sẽ được 1 ông ở trên giám sát là ông FED, mục tiêu điều hành chính sách tiền tệ để đạt được mục tiêu theo mandate của FED là bình ổn giá và tối đa lao động (hay gọi là “dual mandate”) để từ đó tạo ra cơ hội để giữ lãi suất dài hạn ở mức ổn (moderate). Để điều hành, FED sẽ điều hướng lãi suất với cái gọi là “target range” và sẽ thông báo lập trường cho cái này vào FOMC, định kỳ 8 kỳ họp hàng năm, trong đó có 4 kỳ họp quan trọng sẽ công bố projection kèm dot plot (kỳ cuối mỗi quý: tháng 3, 6, 9, 12). Để điều hành được “target range”, FED sẽ quản lý bằng việc ấn định (chủ yếu) lãi suất điều hành (administered rates) và quản lý chủ động nguồn cung dự trữ. Các nội dung chi tiết hơn tham khảo tại link này: https://www.newyorkfed.org/markets/domestic-market-operations/monetary-policy-implementation?

• • Vậy cơ bản FFR sẽ mang cả 2 yếu tố: yếu tố thị trường và yếu tố can thiệp của FED từ đó cho thấy kỳ vọng về giá trị của USD từ 2 yếu tố này.

Vậy để hiểu được diễn biến của USD từ quan điểm của chính sách tiền tệ, mình phải đọc minutes của FOMC để nắm định hướng của FED, rồi xem biến động của FFR qua từ spot đến derivatives, ngoài ra còn phải quan sát các yếu tố vĩ mô khác để đánh giá toàn diện. Cũng tương đối nhiều cái để xem và thật sự theo mình nghĩ thì từ quan sát các yếu tố đó để đi đến 1 nhận định thực sự về cái FED đang làm gì là rất khó. CME (nhà cái) có đưa ra 1 cái công cụ để đưa ra xác suất của các kỳ vọng thay đổi lãi suất gọi là CME Fed Watch Tools để cho mọi người tiện theo dõi hoặc có thể nôm na gọi theo mình là betting score (=]], nhà cái mà, phải có tỷ lệ cược). Cái này theo mình có cái rất hay là cho nhìn thấy được sentiments của thị trường và 1 cách nào đó khá giống với VIX (theo quan điểm của mình, cả 2 đều được tính từ derivatives và phản ánh các kỳ vọng hàm ý (implied)). Giả định rằng bằng quan sát từ kỳ vọng về xác suất thay đổi lãi suất có thể ảnh hưởng đến các trạng thái của thị trường, mình sẽ đi sau vào tìm hiểu cách tính của cái này và test thử xem có thể dùng nó làm công cụ predict hoặc phân loại regimes hay không.

CÁCH TÍNH CỦA FED WATCH TOOLS

FED WATCH TOOLS nó có 1 công cụ tính xác suất cho target FFR, nó có hình dạng như này:

Nó sẽ cho mình thấy xác suất của 1 cách lý thuyết về sự thay đổi trong target của FFR. Làm sao CME đưa ra được cái xác suất này?

CME có mô tả tại link này về cơ sở tính toán của họ: https://www.cmegroup.com/tools-information/quikstrike/cme-fedwatch-tool-user-guide.html

Tuy nhiên thì mình xin tóm tắt theo cách hiểu của mình như sau:

• • CME sẽ bán hợp đồng tương lai (gọi là ZQ) cho FFR với 1 kỳ hạn duy nhất là 30 ngày (30D FF futures), các hợp đồng này sẽ được niêm yết hàng tháng.

• • Dựa vào giá của tháng có họp và tháng không họp, sẽ tính được các thông tin này:

• •  
  • 
  • Trong đó EFFR là lãi suất chiết khấu từ giá của hợp đồng tương lai ZQ, được tính như này:
    • • 
      • Nếu tháng đó không có họp thì cái EFFR(AVR tháng T) = EFFR(End tháng T-1) = EFFR(Start tháng T+1)
    • • Nếu tháng đó có họp thì EFFR(AVR) bằng trung bình trọng số theo ngày, giả định FOMC vào ngày a, với (a+b) là số ngày của tháng có FOMC (chẳng hạn có 30 ngày thì a+b = 30), trọng số này sẽ tính EFFR(AVR) như thế này:
      • 
    • • Vì tháng sau sau FOMC thì không có họp nên EFFR(Start) = EFFR(End) = EFFR(Avr) cho tháng T+1. Vậy nếu ở hệ quy chiếu của tháng họp, mình sẽ có EFFR(Avr) tháng họp và EFFR(Avr) tháng không họp. Vậy mình có thể tính được EFFR(Start) của tháng họp như sau:
      • 

• • Vậy xác suất sau khi có tỷ lệ delta/0.25 (0.25 hoặc 25 bps) này được tính như nào:
    • • Nếu giá trị tuyệt đối của tỷ lệ này < 1 —> Tuân theo công thức xác suất ở trên.
    • • Nếu giá trị tuyệt đối của tỷ lệ này > 1, 1 cách nôm này thì có thể hiểu là kỳ vọng đã vượt ra khỏi vùng 0 – 0.25 và tiến đến vùng lớn hơn:
        • • Chẳng hạn nếu giá trị là 1.2 thì sẽ qua vùng 0.5 – 0.75, ta sẽ xác định P[Hike] = 0.2 tức là 20% cho tăng 75 bps và P[No Hike] = 1 – 0.2 = 0.8 tức 80% cho tăng 50% bps
        • • Nếu giá trị là 2.2 thì sẽ mốc xác định là 0.25 * (1 + 2) = 0.75, vùng mới sẽ là 0.75 – 1.00 và xác suất P[Hike] = 20% cho tăng 100 bps và P[No Hike] = 80% cho tăng 75 bps.

Rất lằng nhằng, nhưng cuối cùng thì cái tỷ số cuối cùng vẫn là delta/0.25. Mình chỉ cần tính cái này để hiểu tính đại diện tại thời điểm đó. Tuy nhiên, có 1 vấn đề lớn là mình không có data về dữ liệu hợp đồng tương trong quá khứ (CME yêu cầu trả phí, yfinance không có data đầy đủ). Bản dữ liệu hiện tại của yfinance chỉ có giá của hợp đồng tương lai ở thời điểm gần nhất, có nghĩa là mình chỉ có thông tin kỳ vọng của thị trường nhưng không có giá để so sánh để tính cái xác suất này.

Ok! Mình sẽ chơi theo cách của con nhà nghèo, đấy là có gì dùng nấy (=]]). Thay vì sử dụng giá trả phí đắt đỏ kia, mình sẽ tính 1 cái gọi là khoảng cách từ FFR thị trường đang kỳ vọng với FFR đang hiện hữu để xem mức độ khác biệt trong kỳ vọng của lãi suất. Cuối cùng thì nó có hình dạng như thế này:

(Trong đó: Market FFR là giá futures của FFR, Current FFR là FFR hiện hành)

Có thể thấy rằng, cái biến động của distance này thể hiện khá tốt sự thay đổi trong kỳ vọng của FFR, đám mây (nghe giống cái ichimoku thần thánh của Japan Antivirus quá =]]) giữa giá futures và giá hiện tại càng dày (biến động lớn) thì điểm thì distance cũng lớn. Distance tạo đỉnh cũng cho thấy điểm quay đầu sớm của FFR (thú vị là ở thời điểm hiện tại, market FFR có vẻ đang cố gắng tạo ra 1 đám mây giảm nhưng chưa thành được keke). Vậy dựa và dữ liệu này mình sẽ cố gắng tìm xem có tồn tại cái gọi là regimes trên thị trường khi có thay đổi trong FFR mà thị trường kỳ vọng không.

REGIMES

a) Mối quan hệ giữa các yếu tố

Mình thấy đa phần mọi người khá quan tâm đến biến động của lịch kinh tế đến thị trường VN trong đó đặc biệt là FOMC và các sự kiện vĩ mô khác của USA, EU,… Tuy nhiên thì có 1 số cái mình cũng khá lăn tăn giữa lý thuyết và thực tế về ảnh hưởng của các thay đổi trong các sự kiện này đến thị trường (cả nước sở tại và VN). Liệu nó có thực sự gọi là có ảnh hưởng đáng kể hay không? Nếu có thì mình hiểu nó như thế nào? Liệu cách hiểu đó có phù hợp cho VN?…

Có rất nhiều câu hỏi về cái này! Nếu đem hết các yếu tố này vào 1 mô hình hồi quy cơ bản, 1 cách chủ quan thì mình sẽ coi nó là exogenous variables (biến ngoại sinh) vì có thể nó có ảnh hưởng ngoại sinh đến giá trị quan sát của mình. Ok! thử quan sát xem nó có thực sự có ảnh hưởng đến lãi suất của VN hay không:

(FFR ở đây mình đang tính từ hợp đồng tương lai của FFR từ yfinance, VNINDEX đã được quy đổi ra USD để đồng nhất khi quan sát (nên không thấy phá đỉnh 1500 đâu =]]))

Chart trên quan sát sự biến động của VNINDEX với các tài sản khác (SP500, vàng và dầu) và FFR với tương quan theo Spearman xét trong phạm vi quan sát về trước 252 ngày, mình chỉ rút ra 1 số quan sát sơ bộ như sau:

• • Có vẻ như tương quan giữa returns giữa VNINDEX và SPX có mức độ biến thiên cùng chiều tương đối cao nhất với tỷ trọng thời gian có correlation dương là cao nhất (gần 80% thời gian), đứng thứ 2 là giá dầu (hơn 40% 1 xíu) và thứ 3 là FFR (khá thú vị).

• • Cụ thể hơn, khi quan sát Beta rolling 252 ngày giữa các biến này và VNINDEX, SPX và Oil cũng có mức độ đồng biến cao nhất với Beta > 0 lần lượt ~ 79% và 67% (đương nhiên thôi vì Beta = correlation / std). Tuy nhiên, R-square (R2) (dùng để đánh giá tính giải thích giữa các biến, ví dụ 0.2 là giải thích được 20%) cũng duy trì ở mức tốt nhất cho SPX và Oil mặc dù cũng khá khiêm tốn. Một điều thú vị là trong các thời điểm extremes (năm 2020 và 2024), R-square lại tăng vọt mạnh, mình nhìn nhận chủ quan rằng những điểm extremes này là crisis points và cả thị trường đều nhìn nhận cùng 1 quan điểm (=]]).

• • Có thể thấy là hầu hết thời gian, FFR có mức giải thích khá thấp, tuy nhiên có những giai đoạn giải thích tốt hơn với R2 tăng đều và đó thường là những thời gian những tài sản khác giảm tương quan dần.

Dựa vào các thông tin này mình sẽ làm 1 cái test nho nhỏ về mạng nhân quả, nôm na là nó sẽ kiểm định nhân quả Granger cho tất cả các yếu tố biến động từ các biến này đến VNINDEX. Tuy nhiên, vì đây là kiểm định cho quan hệ tuyến tính, do đó nó cần tuân theo 1 số yêu cầu về thống kê cho hồi quy tuyến tính, 1 trong những cái đó là kiểm định về tính mức độ ổn định của chuỗi thời gian. Để kiểm định cái này thì mình dùng kiểm định ADF “nổi tiếng nhức đầu” để kiểm định nó và ra kết quả như thế này:

Có thể thấy là sau khi kiểm định thì mình chỉ xài được 5 trong 7 biến để đưa vào cái network này, 2 biến Market_FFR và Current_FFR mà mình vẽ lên ở mục I đã không xài được (không sao, vì distance là đại diện của 2 biến này rồi).

Sau đấy thì mình thử test với max lag là 20 ngày và ra được kết quả như này:

Kết luận phần 1:

Kết quả ở đây khá thú vị:

• • Biến động của FFR (distance) có tác động trực tiếp đến lợi nhuận của giá dầu (OIL) và đây là mối quan hệ nhân quả nên có thể nói thêm 1 đoạn “và ngược lại” (=]]). Có nghĩa là biến động của ông này sẽ tác động đến ông kia và ngược lại (2 thằng đều nhìn nhau để biến động).

• • Tương tự, VNINDEX cũng có mối quan hệ nhân quả với giá dầu và ngược lại.

• • Biến động từ SPX sẽ là tác động đến VNINDEX và tác động đến giá vàng (GOLD). Vậy, nếu trade vàng thì sẽ nhìn SPX, tương tự nếu trade VNINDEX thì cũng sẽ nhìn SPX. Mình cũng không thể đồng thời nắm 2 VNINDEX vì 2 ông này có mối quan hệ ‘ngoài luồng’ với SPX (=]]).

• • SPX cũng có hơn 80% thời gian Beta với VNINDEX dương, R2 cũng có diện tích lớn nhất trong các yếu tố ngoại sinh, kết hợp với kết quả tìm được ở trên, sẽ là 1 trong những yếu tố giải thích quan trọng và có ảnh hưởng lớn để biến động của lợi nhuận của VNINDEX.

Bài viết đến đây khá dài, hi vọng sẽ hữu ích cho các bạn đọc. Phần sau mình sẽ viết tiếp về việc tạo trade ideas từ các kết quả này và giải thích thêm về cách tính của cái Granger Network ở trên, mong sẽ được mọi người tiếp tục đón nhận.

Trân trọng!

Nguyễn Lê Khánh

Khóa học Phân tích kỹ thuật – CMT Level 1

Khóa học được Green Chart thiết kế dành riêng cho các bạn thí sinh muốn học và ôn thi CMT cấp độ 1 tại Việt Nam. Nội dung chương trình học bao gồm 25 buổi học lý thuyết, luyện đề và thi thử. Học viên cũng được cung cấp miễn phí giáo trình, bộ câu hỏi và đề thi thử phục vụ cho quá trình ôn thi. Học lại miễn phí trọn đời khóa học.

Tham khảo thêm chi tiết về khóa học Tại đây.