P.Thai Capital
M2, lãi suất và tỷ giá: Bộ lọc vĩ mô cho VN-Index
Ngưỡng định lượng nào tách biệt giai đoạn "thị trường tăng" với giai đoạn "đứng ngoài"? Phân tích tương quan 14 năm giữa các biến vĩ mô then chốt và VN-Index — và một paradox đáng ngạc nhiên về GDP.
Tóm lược
Bài nghiên cứu phân tích tương quan giữa các biến vĩ mô (M2 growth, lãi suất cho vay, GDP, USD/VND, dự trữ ngoại hối) và lợi suất VN-Index trên dữ liệu 14 năm (2012–2024). Kết quả phân chia thị trường thành 3 chế độ rõ rệt theo ngưỡng định lượng: M2 growth >15%/năm tương quan với VN-Index +15,68%/năm; lãi suất cho vay <8% với +16%/năm; ngược lại lãi suất >8% liên kết với thị trường âm (−1%/năm).
Phát hiện đáng chú ý nhất là paradox GDP–thị trường: tương quan đồng năm là âm (−0,48), nhưng tương quan dẫn 1 năm lại dương (+0,25). Điều này phản ánh rằng thị trường price-in tăng trưởng kinh tế trước khi nó thực sự xảy ra — khi GDP đạt đỉnh, dòng tiền đã chốt lời và rút ra. Cùng với event study về phục hồi sau crash (+22% trong 60 phiên), bài viết đề xuất khung điều chỉnh tỷ trọng equity dựa trên 3 chỉ báo vĩ mô.
Keywords: macro regime M2 growth lending rate USD/VND shock monetary policy Vietnam event study
1.Bối cảnh: tại sao macro overlay quan trọng
Một danh mục đầu tư cổ phiếu thuần thường có Sharpe ratio 0,5–0,7 trên các thị trường mới nổi. Volatility cao đi kèm với drawdown sâu (−40% đến −60% trong các crash) khiến nhà đầu tư khó duy trì kỷ luật. Macro regime overlay — tức điều chỉnh tỷ trọng equity dựa trên trạng thái vĩ mô — có thể cải thiện đáng kể hiệu quả risk-adjusted bằng cách giảm exposure trong các giai đoạn rủi ro cao.
Câu hỏi cốt lõi: Biến vĩ mô nào của Việt Nam có sức dự báo đáng kể cho lợi suất VN-Index, và ở ngưỡng nào nên kích hoạt risk-off?
2.Dữ liệu và phương pháp
Dữ liệu vĩ mô lấy từ World Bank Open Data API (15 chỉ báo niên độ), Ngân hàng Nhà nước Việt Nam (lãi suất chính thức), và Yahoo Finance (USD/VND daily). Lợi suất VN-Index từ vnstock 2012–2026.
Phương pháp: tính tương quan Pearson giữa lợi suất VN-Index năm và (a) giá trị vĩ mô cùng năm; (b) giá trị vĩ mô năm trước (lead-lag analysis). Phân tích regime: chia mẫu theo các ngưỡng tự nhiên của biến vĩ mô và so sánh lợi suất trung bình giữa các chế độ.
3.Bảng tương quan tổng hợp
| Biến vĩ mô | Tương quan cùng năm | Tương quan dẫn 1 năm | Diễn giải |
|---|---|---|---|
| M2 growth | +0,43 | +0,33 | Thanh khoản → cổ phiếu (cùng + dẫn) |
| Lãi suất thực | +0,39 | +0,07 | Lãi suất thấp do điều hành mở rộng → bull |
| GDP growth | −0,48 | +0,25 | Paradox — xem mục 7 |
| CPI inflation | −0,39 | +0,12 | Lạm phát cao → discount rate cao |
| Lãi suất cho vay | −0,35 | +0,12 | Dễ hiểu: tiền đắt → kém cho cổ phiếu |
| Broad money %GDP (Δ) | — | +0,60 | Mạnh nhất với độ dẫn |
| Dự trữ ngoại hối (Δ) | — | +0,61 | Mạnh nhất, dấu hiệu dòng vốn ngoại |
| USD/VND (annual change) | −0,37 | — | VND mất giá → equity giảm |
Hai chỉ báo có sức dự báo cao nhất là thay đổi dự trữ ngoại hối (+0,61) và thay đổi broad money/GDP (+0,60), nhưng cả hai đều là dữ liệu niên độ công bố trễ — khó dùng cho timing thực tế. Trong các chỉ báo có thể quan sát kịp thời, M2 growth và lãi suất cho vay là hai signal mạnh và actionable nhất.
4.Chế độ M2 growth
Phân chia 13 năm theo M2 growth YoY:
| Chế độ M2 growth | Số năm | VN-Index TB / năm | Khuyến nghị |
|---|---|---|---|
| < 10% | 2 | −0,13% | Risk-Off · giảm tỷ trọng |
| 10% – 15% | 6 | +6,19% | Trung tính |
| > 15% | 4 | +15,68% | Risk-On · full exposure |
Chênh lệch giữa chế độ ">15%" và "<10%" là 15,8 điểm phần trăm/năm — cực kỳ đáng kể. Cơ chế: M2 mở rộng đẩy thanh khoản vào hệ thống ngân hàng, một phần chảy vào tài sản rủi ro (cổ phiếu). Khi M2 thắt chặt (siết tín dụng), dòng tiền rút khỏi cổ phiếu sang tiết kiệm.
5.Chế độ lãi suất cho vay
| Chế độ lãi suất | Số năm | VN-Index TB / năm | Khuyến nghị |
|---|---|---|---|
| < 7% | 1 | +15,75% | Risk-On |
| 7% – 8% | 6 | +16,35% | Risk-On (sweet spot) |
| > 8% | 6 | −1,00% | Risk-Off · giảm tỷ trọng |
Ngưỡng 8% là điểm phá vỡ rõ rệt. Khi lãi suất cho vay vượt 8%/năm, lợi suất VN-Index trung bình chuyển từ +16% sang −1%. Lý do: (i) chi phí vốn của doanh nghiệp tăng → lợi nhuận giảm; (ii) trái phiếu/tiết kiệm hấp dẫn hơn cổ phiếu về mặt rủi ro/lợi nhuận; (iii) margin call áp lực bán cho nhà đầu tư có vay.
Theo dõi lãi suất cho vay trung bình của hệ thống ngân hàng (NHNN công bố hàng quý). Khi vượt 8%/năm, giảm tỷ trọng cổ phiếu 20–30% so với mức trung tính. Khi quay về dưới 8%, restore tỷ trọng.
6.Cú sốc USD/VND
Phân tích lợi suất VN-Index các tháng có USD/VND tăng >1% so với các tháng bình thường:
- Tháng VND mất giá >1%: VN-Index trung bình −2,75%, win rate 37,5%
- Tháng VND ổn định: VN-Index trung bình +1,70%, win rate 65%
Cơ chế: VND mất giá nhanh thường đi kèm với (a) áp lực rút vốn ngoại; (b) NHNN bán USD can thiệp → giảm dự trữ → siết thanh khoản; (c) nguy cơ lạm phát nhập khẩu. Cả ba đều xấu cho cổ phiếu trong ngắn hạn.
Khi USD/VND tăng >2% trong 1 tháng → tạm dừng entry mới, chờ tín hiệu ổn định. Vị thế cũ giữ trừ khi chạm stop-loss riêng.
7.Paradox GDP–thị trường
Phát hiện ngược trực giác nhất của nghiên cứu: tương quan đồng năm giữa GDP và VN-Index là âm (−0,48). Hai ví dụ điển hình:
- Năm 2022: GDP +8,54% (kỷ lục thập kỷ) → VN-Index −34% (crash tệ nhất sau COVID)
- Năm 2021: GDP +2,55% (thấp do COVID) → VN-Index +33,7%
Tại sao? Thị trường price-in kỳ vọng tăng trưởng kinh tế 6–12 tháng trước khi nó thực sự xảy ra. Khi kinh tế bùng nổ thật, dòng tiền đầu cơ đã chốt lời, định giá cổ phiếu đã cao, và rủi ro mean-revert lớn. Đây là một biểu hiện của hypothesis "thị trường hiệu quả về thời gian" của Fama: giá phản ánh thông tin kỳ vọng, không phản ánh thực tại.
Điều này gợi ý: không nên dùng GDP cùng năm để timing thị trường. Thay vào đó, dùng (a) M2/dự trữ — phản ánh thanh khoản hiện tại, (b) lãi suất — phản ánh chính sách đang điều hành, hoặc (c) GDP dẫn 1 năm (tương quan +0,25) — như leading indicator.
8.Event study: phục hồi sau crash
Phân tích 7 sự kiện crash lớn 2015–2024:
| Sự kiện | Ngày | VN-Index | +20 phiên | +60 phiên |
|---|---|---|---|---|
| TQ phá giá CNY | 11/08/2015 | 613 | −9,2% | −1,8% |
| Flash crash trade war | 05/02/2018 | 1.049 | +6,9% | +6,8% |
| COVID crash | 12/03/2020 | 769 | −4,2% | +13,0% |
| Đáy COVID | 01/04/2020 | 680 | +14,2% | +22,4% |
| Đáy vòng margin | 15/11/2022 | 912 | +15,3% | +22,5% |
| Cú sốc tỷ giá | 15/04/2024 | 1.217 | +2,3% | +2,4% |
Quy luật rõ ràng: sau một cú giảm ≥30% từ đỉnh 252 phiên, VN-Index thường tạo đáy trong 1–4 tuần và bật +15–22% trong 60 phiên kế tiếp. Cơ chế: panic selling cạn kiệt + định giá rẻ + chính sách hỗ trợ + smart money mua vào.
Khi VN-Index mất ≥30% so với đỉnh 252 phiên → bắt đầu mua từng phần trong 2–4 tuần (DCA). Kỳ vọng +15–22% trong 3 tháng. Không kỳ vọng đáy chính xác — chỉ cần đáy gần.
9.Khung kết hợp 3 chỉ báo
Tổng hợp các phát hiện thành một khung điều chỉnh tỷ trọng equity:
| Tín hiệu | Điều chỉnh tỷ trọng |
|---|---|
| M2 growth > 15%/năm | +10% (tăng exposure) |
| M2 growth < 10%/năm | −20% |
| Lãi suất cho vay > 8%/năm | −20% |
| Lãi suất cho vay > 9%/năm | −30% |
| USD/VND tăng > 2% trong tháng | Tạm dừng entry mới |
| VN-Index giảm ≥30% từ đỉnh 252 phiên | +30% (DCA bottom-fish) |
| Trạng thái sweet spot (M2 10–15%, lãi suất 7–8%) | Trung tính (100% theo chiến lược) |
Các điều chỉnh có thể chồng. Ví dụ nếu cả M2 < 10% và lãi suất > 9%: −20% −30% = −50% so với neutral. Đảm bảo tổng tỷ trọng equity nằm trong [0%, 130%] để tránh extreme.
10.Giới hạn
- Sample size nhỏ: 13 năm dữ liệu chỉ cho 13 quan sát niên độ — t-statistic không cao. Một số ngưỡng có thể là ngẫu nhiên thay vì cấu trúc.
- Macro data lag: M2 và lãi suất công bố trễ 1–3 tháng. Khi nhận tín hiệu, thị trường đã phản ứng một phần.
- Regime change: Cấu trúc quan hệ macro–thị trường có thể thay đổi (vd: nếu VN-Index trở nên foreign-driven nhiều hơn, FX sẽ quan trọng hơn rate). Cần re-calibrate hàng năm.
- Không phải timing tuyệt đối: Macro overlay cải thiện Sharpe nhưng không loại bỏ DD. Trong −30% crash, ngay cả khi đã reduce 50%, vẫn mất 15%.
- Bottom-fishing có thể sai: Quy luật bật +22% là trung bình. Một số crash kéo dài hơn (ví dụ 2008 ở Mỹ mất 18 tháng để hồi). Phải DCA, không all-in.
Tài liệu tham khảo
- World Bank Open Data API. data.worldbank.org — GDP, CPI, M2, reserves, FDI, trade balance.
- Ngân hàng Nhà nước Việt Nam. sbv.gov.vn — Lãi suất chính thức, M2.
- Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, 25(2), 383–417.
- Bernanke, B., & Kuttner, K. N. (2005). What explains the stock market's reaction to Federal Reserve policy? Journal of Finance, 60(3), 1221–1257.
- Goyal, A., & Welch, I. (2008). A comprehensive look at the empirical performance of equity premium prediction. Review of Financial Studies, 21(4), 1455–1508.
- Patelis, A. D. (1997). Stock return predictability and the role of monetary policy. Journal of Finance, 52(5), 1951–1972.
- P.Thai Capital Research (2026). 14 năm dữ liệu, 15 chiến lược kiểm chứng. Working Paper PTC-2026-01-001.
Câu hỏi đi sâu chủ đề này
Khung điều chỉnh tỷ trọng dựa trên 3 chỉ báo vĩ mô này có giới hạn nào không, đặc biệt trong các giai đoạn biến động mạnh do yếu tố bất ngờ?
Chắc chắn rồi. Mọi mô hình định lượng đều có giới hạn, đặc biệt khi đối mặt với các "sự kiện thiên nga đen" (black swan events) hoặc cú sốc ngoại sinh bất ngờ. Bộ lọc vĩ mô như M2 growth hay lãi suất cho vay thường phản ứng chậm hơn so với thị trường, do dữ liệu có độ trễ (thường công bố theo tháng/quý). Ví dụ, trong đợt sụt giảm mạnh của VN-Index do COVID-19 vào tháng 3/2020, thị trường có thể giảm hơn 30% trong vài tuần, trong khi các chỉ báo vĩ mô chưa kịp điều chỉnh để phát tín hiệu "risk-off" kịp thời. Khung này hiệu quả nhất trong việc xác định các giai đoạn "chế độ" (regime) dài hạn của thị trường, giúp nhà đầu tư giảm thiểu rủi ro trong downtrend kéo dài hoặc tận dụng uptrend ổn định. Nó không phải là công cụ dự báo các cú sốc ngắn hạn. Do đó, cần kết hợp với các phân tích khác (như phân tích dòng tiền, kỹ thuật) để có góc nhìn toàn diện hơn và phản ứng linh hoạt hơn trong ngắn hạn.
Với nhà đầu tư cá nhân trên TTCK VN, việc dùng bộ lọc vĩ mô như P.Thai Capital đề xuất có gì khác biệt và hiệu quả hơn so với chỉ dựa vào phân tích kỹ thuật hay định giá doanh nghiệp đơn thuần?
Khác biệt cốt lõi là ở tầm nhìn chiến lược. Phân tích vĩ mô cung cấp một "bản đồ" tổng thể về trạng thái thị trường, giúp bạn xác định liệu đây là giai đoạn nên "tấn công" (risk-on) hay "phòng thủ" (risk-off). Khi lãi suất trên 8% và M2 growth chậm lại (như cuối 2022), bộ lọc vĩ mô sẽ cảnh báo giảm tỷ trọng cổ phiếu, giúp tránh các đợt sụt giảm sâu -40% đến -60% của thị trường chung. Trong khi đó, phân tích kỹ thuật hay định giá doanh nghiệp thuần túy tập trung vào "cây" hơn là "khu rừng". Một cổ phiếu có thể có P/E hấp dẫn hoặc tín hiệu mua kỹ thuật tốt, nhưng nếu thị trường chung đang trong "chế độ" suy thoái vĩ mô, khả năng lỗ vẫn rất cao. Ví dụ, nhiều mã cổ phiếu blue-chip trên VN30 vẫn giảm mạnh trong giai đoạn thị trường điều chỉnh dù định giá đã về mức thấp. Macro overlay giúp nhà đầu tư cá nhân có kỷ luật hơn, tránh "bắt đáy" sớm trong downtrend và bảo toàn vốn.
Tôi muốn áp dụng các ngưỡng định lượng M2 và lãi suất để tạo tín hiệu cho danh mục VN30. Dữ liệu này có thể lấy ở đâu và cách tích hợp vào một thuật toán Python cơ bản ra sao?
Dữ liệu M2 growth (tăng trưởng cung tiền) và lãi suất cho vay bình quân có thể lấy từ Ngân hàng Nhà nước Việt Nam (SBV) hoặc các báo cáo kinh tế vĩ mô của Tổng cục Thống kê (GSO) hoặc các tổ chức nghiên cứu kinh tế lớn. Thông thường, các chỉ báo này được công bố định kỳ hàng tháng hoặc hàng quý. Một số nguồn dữ liệu tổng hợp như World Bank Open Data API (đã được P.Thai Capital sử dụng) cũng cung cấp dữ liệu tương tự.
Để tích hợp vào Python, bạn có thể sử dụng thư viện pandas để quản lý dữ liệu và logic đơn giản như sau:
``python
import pandas as pd
# Giả định df_macro chứa dữ liệu vĩ mô theo thời gian # với các cột 'M2_Growth_YoY' và 'Lending_Rate_Avg' # df_macro = pd.read_csv('du_lieu_vi_mo.csv', index_col='Date', parse_dates=True)
# Lấy dữ liệu mới nhất latest_m2_growth = df_macro['M2_Growth_YoY'].iloc[-1] latest_lending_rate = df_macro['Lending_Rate_Avg'].iloc[-1]
# Áp dụng bộ lọc if latest_m2_growth > 0.15 and latest_lending_rate < 0.08: signal = "RISK_ON: Tăng tỷ trọng cổ phiếu" # Tỷ trọng cổ phiếu cao elif latest_m2_growth < 0.15 and latest_lending_rate > 0.08: signal = "RISK_OFF: Giảm tỷ trọng cổ phiếu" # Tỷ trọng cổ phiếu thấp/đứng ngoài else: signal = "NEUTRAL: Chờ đợi thêm tín hiệu" # Tỷ trọng vừa phải
print(f"Tín hiệu thị trường: {signal}") `` Lưu ý rằng tín hiệu này sẽ không thay đổi hàng ngày mà phụ thuộc vào tần suất cập nhật dữ liệu vĩ mô.
Dựa trên kinh nghiệm của P.Thai Capital, sai lầm phổ biến nào nhà đầu tư cá nhân Việt Nam hay mắc phải khi cố gắng diễn giải các chỉ báo vĩ mô như lãi suất, M2 để ra quyết định mua bán cổ phiếu?
Nhà đầu tư cá nhân Việt Nam thường mắc phải một số sai lầm chính khi diễn giải dữ liệu vĩ mô: 1. Phản ứng quá chậm: Dữ liệu vĩ mô có độ trễ và thường được thị trường "price-in" trước khi công bố chính thức. Khi M2 tăng trưởng mạnh hoặc lãi suất giảm rõ rệt trên báo chí, thị trường có thể đã tăng một nhịp đáng kể. Ví dụ, VN-Index thường hồi phục mạnh (như +22% trong 60 phiên sau crash) trước khi các chỉ báo vĩ mô được xác nhận hoàn toàn tích cực. 2. Đánh đồng vĩ mô với vi mô: Tưởng rằng vĩ mô tốt thì mọi cổ phiếu đều tốt. Vĩ mô là bức tranh tổng thể, nhưng hiệu suất từng doanh nghiệp vẫn phụ thuộc vào nội tại và yếu tố ngành. 3. Thiếu ngưỡng định lượng rõ ràng: Chỉ cảm tính "lãi suất đang cao" hay "M2 đang được bơm" mà không có ngưỡng cụ thể (như lãi suất cho vay >8% hay M2 growth >15%) dẫn đến quyết định thiếu nhất quán hoặc bị cảm xúc chi phối. 4. Chỉ nhìn một biến số: Bỏ qua sự tương tác giữa các biến số vĩ mô khác nhau (M2, lãi suất, tỷ giá USD/VND) và chỉ tập trung vào một chỉ báo duy nhất. Khung P.Thai Capital nhấn mạnh sự kết hợp 3 chỉ báo để tăng độ tin cậy.
- Uỷ ban Chứng khoán Nhà nước (UBCKNN)
- Sở Giao dịch Chứng khoán TP.HCM (HOSE)
- Tổng Công ty Lưu ký & Bù trừ Chứng khoán Việt Nam (VSDC)
- Ngân hàng Nhà nước Việt Nam
Nội dung bài viết được biên soạn dựa trên dữ liệu công khai từ các nguồn trên + kinh nghiệm thực chiến của tác giả. Tham khảo trực tiếp tại nguồn để kiểm chứng.