Betting Against Beta — Đặt Cược Ngược Beta

Tác giả: Andrea Frazzini, Lasse Heje Pedersen (2014) Nguồn: Journal of Financial Economics, Vol. 111, No. 1 Tag: mới:2026-05-16 #low-beta #factor #leverage-constraint

Nội dung chính (Core Concept)

Theo CAPM, lợi nhuận kỳ vọng tỉ lệ thuận với beta — cổ phiếu beta cao phải có return cao. Nhưng thực tế cho thấy điều ngược lại: Security Market Line (SML) phẳng hơn CAPM dự đoán — high-beta stocks underperform, low-beta stocks outperform sau khi điều chỉnh rủi ro.

Frazzini & Pedersen giải thích hiện tượng này bằng leverage constraint: nhiều nhà đầu tư (mutual fund, retail) không thể vay đòn bẩy để khuếch đại tỷ suất sinh lợi của cổ phiếu thanh khoản tốt nhưng low-beta. Thay vào đó, họ "với" lên cổ phiếu high-beta để có exposure thị trường cao. Hệ quả: high-beta bị overpriced, low-beta bị underpriced.

Tác giả xây dựng nhân tố BAB (Betting Against Beta):

• Long danh mục low-beta (gia trọng theo 1/β), leverage lên để β = 1.
• Short danh mục high-beta (gia trọng theo 1/β), deleverage xuống để β = 1.
• BAB return = R_low_long - R_high_short.

Kết quả: BAB có Sharpe ratio ≈ 0.78 trên US equities 1926-2012, vượt xa Sharpe của market (≈0.4), value (≈0.4), momentum (≈0.5). BAB hoạt động trên 20 quốc gia, trên Treasury bonds, credit bonds, futures — universal.

Ý tưởng chính cho giao dịch (Key Trading Insight)

BAB là anomaly có cơ sở behavioral/institutional vững chắc — không phải data mining. Insight: khi đầu tư có constraint (không leverage được), rủi ro bị mispriced ở những cổ phiếu cực đoan. Smart money có thể arbitrage bằng cách take leveraged position trên low-vol, low-beta names.

Application beyond stocks: BAB-style works trên futures cross-asset (long low-vol commodities, short high-vol commodities, vol-target both), FX (long low-yield currencies leveraged, short high-yield), bond curve (long short-duration leveraged, short long-duration deleveraged).

Ứng dụng trên VN30F

Single-asset VN30F không thể chạy BAB trực tiếp (cần cross-section). Nhưng có 3 application:

1. Cross-section trong VN30 stocks: Tính beta 60-day của 30 cổ phiếu VN30 vs VN-Index, long top-10 low-beta (vd. VNM, VRE, GAS), short top-10 high-beta (CTG, MBB, HPG), volatility-target để market-neutral.
2. Vol-targeted exposure: Khi cầm VN30F long position, scale size theo 1/σ thay vì size cố định — equivalent risk parity. Khi market vol thấp (low realized σ), tăng size; khi vol cao, giảm size. Mô phỏng "betting against vol".
3. Beta-neutral pair với stocks: Long basket low-beta VN30 stocks và short VN30F để hedge market exposure, capture low-beta alpha thuần.

Code minh họa (Python)

import pandas as pd
import numpy as np

def build_bab_factor(prices: pd.DataFrame, market_returns: pd.Series, lookback=60):
    """
    prices: DataFrame [date, ticker] giá đóng cửa
    market_returns: pd.Series returns của thị trường (vd. VN-Index)
    """
    returns = prices.pct_change()

    # Rolling beta của từng cổ phiếu vs market
    def rolling_beta(stock_ret, mkt_ret, window):
        cov = stock_ret.rolling(window).cov(mkt_ret)
        var = mkt_ret.rolling(window).var()
        return cov / var

    betas = returns.apply(lambda s: rolling_beta(s, market_returns, lookback))

    # Rank-based weights: w_i ∝ 1/beta_i
    ranks = betas.rank(axis=1)
    n = ranks.notna().sum(axis=1)
    median_rank = (n + 1) / 2

    # Long low-beta (rank < median), short high-beta (rank > median)
    w_long = (-(ranks.sub(median_rank, axis=0))).clip(lower=0)
    w_short = (ranks.sub(median_rank, axis=0)).clip(lower=0)
    w_long = w_long.div(w_long.sum(axis=1), axis=0)
    w_short = w_short.div(w_short.sum(axis=1), axis=0)

    # Beta-adjusted leverage
    beta_long = (w_long * betas).sum(axis=1)
    beta_short = (w_short * betas).sum(axis=1)

    bab = (1 / beta_long) * (w_long * returns).sum(axis=1) - \
          (1 / beta_short) * (w_short * returns).sum(axis=1)
    return bab

Tài liệu tham khảo

• Frazzini, A., & Pedersen, L. H. (2014). Betting against beta. Journal of Financial Economics, 111(1), 1-25.
• Asness, C., Frazzini, A., & Pedersen, L. H. (2019). Quality minus junk. Review of Accounting Studies, 24(1).