Kurtosis là gì? Đo độ dày tail (fat tail) trong returns

Kurtosis là moment thứ 4 — đo “độ nhọn” của distribution, hay đúng hơn là độ dày tail. Gaussian có kurtosis = 3 (excess kurtosis = 0). Excess kurtosis > 0 (leptokurtic) → tail dày hơn gaussian → tail event thường xuyên hơn dự đoán bằng vol thông thường.

Returns tài chính luôn có excess kurtosis dương (Mandelbrot 1963, Cont 2001) — đây là 1 trong những “stylized facts” của tài chính. Hệ quả: mọi mô hình giả định gaussian (Sharpe, Black-Scholes, parametric VaR) underestimate tail risk.

1. Định nghĩa & công thức

$$ \gamma_2 = E\left[\left(\frac{R - \mu}{\sigma}\right)^4\right] $$

Excess kurtosis: $\gamma_2 - 3$.

Distribution gọi là leptokurtic khi excess > 0 (fat tail), platykurtic khi excess < 0 (thin tail).

2. Cách tính bằng Python

import numpy as np
from scipy.stats import kurtosis

def returns_kurtosis(returns, fisher=True):
    """
    fisher=True trả về excess kurtosis (kurtosis - 3).
    fisher=False trả về kurtosis cổ điển.
    """
    return kurtosis(returns, fisher=fisher, bias=False)

Code mẫu trên là khung tham khảo cho việc tự tính Độ nhọn (mô-men thứ tư). Khi tích hợp vào hệ thống production, cần thêm: validate input (NaN, length), handle edge cases (zero variance, empty series), unit test cho từng nhánh, và caching khi gọi nhiều lần trên cùng dataset.

3. Khoảng giá trị & cách diễn giải

4. Giá trị điển hình theo loại tài sản / chiến lược

Lưu ý: bảng giá trị điển hình mang tính tham khảo, dựa trên quy ước cộng đồng quant và sample lịch sử công khai. Giá trị thực tế phụ thuộc dataset, period, và phương pháp tính cụ thể.

5. Bốn cạm bẫy phổ biến khi sử dụng

1. Sample size cực mạnh: kurtosis cần ≥ 500 obs cho stable estimate.

2. Outlier dominance: 1-2 phiên extreme có thể change kurtosis 50%+.

3. Không phân biệt upper vs lower tail: kurtosis cao có thể do upside hoặc downside tail.

4. Time-varying: kurtosis 2018-2020 khác 2007-2009 — phải window đủ phủ regime.

6. Khi nào chỉ số này gây hiểu lầm

Kurtosis misleading khi: (1) sample chưa có tail event — kurtosis underestimate nguy hiểm thật; (2) kurtosis cao do 1-2 outliers — không generalizable; (3) so sánh giữa frequency khác nhau (daily kurtosis ≠ monthly kurtosis).

7. Đặc thù khi áp dụng cho TTCK Việt Nam

VN-Index daily có excess kurtosis 5-10 trong sample 10+ năm — fat tail rõ rệt do limit-up/down clusters. Hệ quả: parametric VaR (gaussian) trên VN-Index underestimate tail risk ~30-50%. Best practice: dùng historical hoặc Monte Carlo VaR với kurtosis-adjusted distribution (vd t-Student với df ≈ 5-7).

8. Các chỉ số liên quan trong cùng hệ thống

Độ nhọn (mô-men thứ tư) (γ₂) không nên đọc đơn lẻ. Trong báo cáo rủi ro chuyên nghiệp, nó luôn được trình bày cùng các chỉ số bổ sung để cross-check và tránh blindspot. Các chỉ số liên quan đã trình bày trong chuỗi bài này:

• Skewness (moment 3)

• VaR

• CVaR

• Tail Ratio

9. Tham khảo học thuật

• Mandelbrot, B. (1963). The Variation of Certain Speculative Prices. Journal of Business.

• Cont, R. (2001). Empirical properties of asset returns. Quantitative Finance.

10. Câu hỏi thường gặp

Độ nhọn (mô-men thứ tư) bao nhiêu là tốt? Tham khảo bảng diễn giải ở mục 3. Không có ngưỡng “tốt tuyệt đối” — phụ thuộc loại chiến lược, sample size, và benchmark tham chiếu.

Làm sao tự tính Độ nhọn (mô-men thứ tư) trên danh mục cá nhân? Sử dụng code Python mẫu ở mục 2. Input cần thiết: chuỗi returns hàng phiên (daily) của danh mục, tối thiểu 252 phiên (1 năm) để có ý nghĩa thống kê.

Độ nhọn (mô-men thứ tư) có khác giữa thị trường VN và quốc tế không? Có. Đặc thù VN (biên độ ±7% HOSE, T+2.5, cấm short cơ sở) ảnh hưởng đến cách tính và diễn giải. Chi tiết ở mục 7.

Ghi chú phương pháp: Bài viết tổng hợp định nghĩa, công thức, và quy ước cộng đồng quant cho chỉ số Độ nhọn (mô-men thứ tư) (γ₂). Các giá trị điển hình mang tính tham khảo, không phải khuyến nghị đầu tư. Người đọc tự kiểm chứng trên dữ liệu của mình trước khi sử dụng cho quyết định vốn thật.

Miễn trừ trách nhiệm: Nội dung mang tính phân tích định lượng, không phải khuyến nghị đầu tư. Nhà đầu tư tự chịu trách nhiệm với quyết định của mình.