Định giá vì vậy không nhằm “dự báo giá”, mà nhằm lượng hóa tăng trưởng, rủi ro và hiệu quả sử dụng vốn để xác lập một khoảng giá trị hợp lý. Trí tuệ nhân tạo (AI) đang tái cấu trúc công việc này, đồng thời đòi hỏi kỷ luật kiểm chứng chặt chẽ hơn.
Định giá: Nền tảng phương pháp luận của đầu tư chuyên nghiệp
Định giá là nền tảng phương pháp luận của đầu tư chuyên nghiệp bởi nó tạo ra một hệ quy chiếu khách quan cho quá trình ra quyết định. Trong thực tế, nhà đầu tư không kiểm soát được diễn biến giá trong ngắn hạn, nhưng có thể kiểm soát chất lượng giả định và kỷ luật thực thi. Định giá giúp chuyển hoạt động đầu tư từ trạng thái phản ứng theo biến động sang trạng thái hành động theo nguyên tắc, thông qua việc thiết lập mối liên hệ giữa hiệu quả kinh doanh kỳ vọng và mức giá có thể chấp nhận. Khi quá trình ra quyết định được neo bởi giá trị nội tại, nhà đầu tư có cơ sở để phân biệt giữa những biến động nhất thời của thị trường và sự thay đổi mang tính căn bản trong triển vọng doanh nghiệp.
| |
TS. Phạm Tiến Đạt , Viện Chính sách - Chiến lược Tài chính, Bộ Tài chính |
Trước hết, định giá giúp xác lập “biên an toàn” về mặt kinh tế. Giá trị nội tại không phải là một con số tuyệt đối, mà là một khoảng giá trị trong điều kiện bất định. Khoảng giá trị này được xây dựng trên các giả định có cơ sở về doanh thu, biên lợi nhuận, nhu cầu tái đầu tư, chu kỳ ngành và chi phí vốn. Khi thị trường định giá thấp hơn đáng kể so với khoảng giá trị hợp lý, nhà đầu tư có một “đệm” nhất định trước sai số dự báo và các biến cố bất lợi. Biên an toàn vì vậy đóng vai trò như một cơ chế quản trị rủi ro ngay từ khâu lựa chọn tài sản, giúp giảm xác suất thua lỗ do sai giả định hoặc do biến động thị trường ngoài dự kiến.
| |
Nguồn: Lê Hoài Ân, bài giảng tại Trung tâm Nghiên cứu khoa học và Đào tạo chứng khoán, UBCKNN |
Thứ hai, định giá tạo ra kỷ luật trong việc hình thành và kiểm soát giả định. Mọi mô hình định giá, dù là chiết khấu dòng tiền hay định giá so sánh, đều không tự sinh ra tri thức; chúng chỉ phản ánh những gì nhà đầu tư đưa vào. Định giá chuyên nghiệp vì thế phải bắt đầu từ việc hiểu doanh nghiệp như một hệ thống tạo giá trị, bao gồm mô hình kinh doanh, cấu trúc ngành, quyền định giá, chất lượng quản trị, năng lực vận hành và các ràng buộc về vốn. Chỉ khi hiểu đủ sâu, nhà đầu tư mới có thể chuyển hóa nhận định định tính thành các giả định định lượng có căn cứ, đồng thời bảo đảm tính nhất quán nội tại giữa các giả định. Sai lầm phổ biến không nằm ở công thức, mà nằm ở những giả định “đẹp” nhưng thiếu logic kinh tế, chẳng hạn kỳ vọng tăng trưởng cao kéo dài mà không cần thêm vốn, hoặc biên lợi nhuận cải thiện mà không có cơ chế cạnh tranh nào đủ sức lý giải.
Thứ ba, định giá giúp chuẩn hóa kỳ vọng lợi nhuận và khung thời gian đầu tư. Khi thiếu định giá, kỳ vọng của nhà đầu tư thường bị dẫn dắt bởi câu chuyện thị trường, bởi xu hướng hoặc bởi kết quả kinh doanh gần nhất. Ngược lại, định giá buộc nhà đầu tư tiếp cận doanh nghiệp theo logic dòng tiền và rủi ro. Một doanh nghiệp có thể tăng trưởng doanh thu nhanh, nhưng nếu tăng trưởng đó đòi hỏi tái đầu tư lớn và khả năng chuyển hóa lợi nhuận thành dòng tiền yếu, thì giá trị nội tại không nhất thiết tăng tương ứng. Trong khi đó, một doanh nghiệp tăng trưởng vừa phải nhưng sở hữu lợi thế cạnh tranh rõ ràng, cường độ vốn thấp và chất lượng dòng tiền cao lại có thể tạo ra giá trị bền vững hơn trong dài hạn. Định giá do đó giúp điều chỉnh một thiên lệch hành vi phổ biến: đánh đồng “tăng trưởng” với “giá trị” và đánh đồng “kết quả ngắn hạn” với “chất lượng dài hạn”.
| |
Nguồn: Lê Hoài Ân, bài giảng tại Trung tâm Nghiên cứu khoa học và Đào tạo chứng khoán, UBCKNN |
Thứ tư, định giá còn đóng vai trò là công cụ giao tiếp chuyên nghiệp và minh bạch hóa quyết định. Đối với nhà đầu tư tổ chức, định giá không chỉ phục vụ quyết định mua - bán, mà còn phục vụ công tác giải trình, quản trị danh mục và quản trị kỳ vọng của các bên liên quan. Một luận điểm đầu tư có chất lượng phải chỉ ra được cơ chế tạo giá trị, các rủi ro trọng yếu, độ nhạy của giá trị theo từng giả định, cũng như tiêu chuẩn cập nhật khi thông tin mới xuất hiện. Nhờ đó, quyết định đầu tư trở thành một quá trình có thể kiểm chứng và cải thiện theo thời gian, thay vì chỉ là lựa chọn cảm tính.
Trong bối cảnh trí tuệ nhân tạo phát triển nhanh, vai trò của định giá càng trở nên quan trọng, bởi năng lực tạo ra “tín hiệu giả” gia tăng cùng tốc độ xử lý thông tin. Trí tuệ nhân tạo có thể giúp tăng tốc quá trình tổng hợp dữ liệu và hỗ trợ xây dựng mô hình, nhưng chính tốc độ đó cũng dễ tạo ra ảo tưởng về mức độ chắc chắn. Khi được thực hiện đúng nguyên lý, định giá trở thành cơ chế cân bằng: năng suất được khuếch đại bởi công cụ, trong khi chuẩn mực được bảo vệ bởi phương pháp luận. Nhà đầu tư chuyên nghiệp vì vậy cần nhìn trí tuệ nhân tạo như một đòn bẩy năng lực và đòn bẩy đó chỉ thực sự tạo giá trị khi đi kèm với quản trị rủi ro và kỷ luật kiểm chứng.
Ba lớp vấn đề cốt lõi trong định giá cổ phiếu
Trong kỷ nguyên trí tuệ nhân tạo, lợi thế không nằm ở việc sở hữu công cụ mạnh hơn, mà ở khả năng quản trị tốt hơn chất lượng dữ liệu, giả định và kỷ luật kiểm chứng.
Định giá là một bài toán tổng hợp, nhưng có thể quy về ba lớp vấn đề cốt lõi: lựa chọn phương pháp phù hợp; công cụ và quy trình triển khai; việc xác định đúng các biến số chi phối giá trị. Ba lớp vấn đề này có mối liên hệ chặt chẽ với nhau: phương pháp quyết định “mình đang đo cái gì”, quy trình quyết định “mình đo bằng dữ liệu nào và kiểm chứng ra sao”, còn biến số quyết định “điều gì thực sự làm giá trị thay đổi”.
Về phương pháp, không tồn tại “một công thức cho mọi doanh nghiệp”. Doanh nghiệp có dòng tiền dự báo tương đối ổn định thường lấy DCF (FCFF/FCFE) làm nền tảng; doanh nghiệp có chính sách cổ tức bền vững có thể áp dụng DDM; trong những trường hợp giá trị sổ sách mang ý nghĩa kinh tế lớn, phương pháp thu nhập còn lại giúp diễn giải rõ mối quan hệ giữa ROE và chi phí vốn. Khi tiếp cận theo nhóm ngành, phương pháp định giá thường bám sát cấu trúc tài sản, nguồn thu và rủi ro đặc thù: ngân hàng nghiêng về P/B, RI, DDM; công ty chứng khoán thường sử dụng P/B và P/E; bất động sản lấy RNAV làm trụ cột; các ngành thâm dụng tài sản hay dùng EV/EBITDA kết hợp DCF nếu có thể bình thường hóa chu kỳ; còn các ngành có tính chu kỳ mạnh như thép hay kim loại thường ưu tiên hệ số để “chuẩn hóa chu kỳ”, trong khi DCF chỉ nên sử dụng khi mô hình hóa được đỉnh - đáy và có kiểm tra chéo phù hợp.
Về quy trình, bất kể lựa chọn phương pháp nào, thực hành định giá chuyên nghiệp luôn đòi hỏi sự phối hợp của nhiều cách tiếp cận để kiểm tra chéo. DCF giúp xác lập giá trị nội tại, định giá theo hệ số cho biết mức giá thị trường đang sẵn sàng trả, còn RNAV hoặc định giá tài sản cung cấp góc nhìn về “giá trị phần tài sản”. Rốt cuộc, mọi mô hình đều xoay quanh các động lực cốt lõi như tăng trưởng, biên lợi nhuận, tái đầu tư, vốn lưu động và chi phí vốn. Đặc biệt, giá trị cuối kỳ trong DCF - thường chi phối phần lớn kết quả - cần được kiểm soát chặt chẽ thông qua các kịch bản và phân tích độ nhạy theo tham số trọng yếu. Trí tuệ nhân tạo có thể nâng cao năng suất dựng mô hình và gợi ý giả định, nhưng đồng thời đặt ra yêu cầu kiểm chứng cao hơn: dữ liệu phải có nguồn rõ ràng, giả định phải tuân theo logic kinh tế, kết quả cần được kiểm tra chéo và phân tích độ nhạy để tránh việc khuếch đại sai lệch.
Về biến số, mọi mô hình định giá cuối cùng đều quy về một số động lực cốt lõi: tăng trưởng, biên lợi nhuận, nhu cầu tái đầu tư, vốn lưu động và chi phí vốn. Trong đó, chi phí vốn phản ánh “giá của rủi ro” và là tham số chiết khấu quyết định việc quy đổi dòng tiền tương lai về hiện tại. Tăng trưởng tác động trực tiếp đến quy mô dòng tiền trong tương lai, nhưng chỉ tạo giá trị khi tỷ suất sinh lời trên vốn đầu tư vượt chi phí vốn. Nếu doanh nghiệp tăng trưởng bằng cách mở rộng vốn với hiệu quả thấp, giá trị có thể không tăng, thậm chí suy giảm, bất chấp doanh thu hay lợi nhuận kế toán nhìn có vẻ cải thiện. Biên lợi nhuận phản ánh quyền định giá và hiệu quả vận hành, qua đó cho thấy chất lượng lợi thế cạnh tranh. Nhu cầu tái đầu tư và quản trị vốn lưu động quyết định mức độ chuyển hóa lợi nhuận thành dòng tiền, đặc biệt quan trọng đối với các ngành có chu kỳ tồn kho dài hoặc điều khoản thanh toán bất lợi.
Vì vậy, nhà đầu tư chuyên nghiệp cần đặt trọng tâm vào cơ chế truyền dẫn: biến số nào tác động trực tiếp đến dòng tiền, biến số nào ảnh hưởng đến rủi ro và biến số nào chỉ là kết quả phụ của chu kỳ.
Nâng cao năng lực định giá trong kỷ nguyên AI
Nâng cao năng lực định giá trong kỷ nguyên trí tuệ nhân tạo trước hết là nâng cấp phương pháp học, chứ không chỉ là bổ sung công cụ. Nhà đầu tư chuyên nghiệp cần xây dựng năng lực theo một chu trình khép kín: hiểu doanh nghiệp và ngành, lượng hóa giả định, mô hình hóa, kiểm định, rồi cập nhật theo thông tin mới. Đây là quá trình tích lũy kỹ năng và kỷ luật, không thể được thay thế bằng việc đơn thuần sở hữu một công cụ “tự động”.
Một hướng tiếp cận hiệu quả là học theo nguyên lý tạo giá trị. Nhà đầu tư cần nắm vững mối quan hệ giữa tăng trưởng, hiệu quả sử dụng vốn và chi phí vốn, bởi đây là nền tảng để lý giải vì sao có doanh nghiệp tăng trưởng nhưng không tạo giá trị và ngược lại, có doanh nghiệp tăng trưởng chậm nhưng vẫn đáng giá. Đồng thời, cần hiểu rõ cơ chế chuyển hóa lợi nhuận thành dòng tiền thông qua tái đầu tư và vốn lưu động, bởi định giá rốt cuộc phản ánh dòng tiền và rủi ro, chứ không phản ánh câu chuyện.
Trí tuệ nhân tạo nên được tích hợp như một trợ lý có kiểm soát. Ở cấp độ kỹ thuật, công nghệ này hỗ trợ chuẩn hóa dữ liệu, tóm tắt thông tin, đối chiếu nguồn và xây dựng khung mô hình nhanh. Ở cấp độ tư duy, “trợ lý công nghệ” giúp phản biện giả định và xây dựng kịch bản, qua đó giảm thiểu thiên lệch xác nhận. Tuy nhiên, để hạn chế rủi ro “ảo giác thông tin”, nhà đầu tư cần rèn luyện kỹ năng đặt câu hỏi theo cấu trúc kiểm chứng, yêu cầu làm rõ nguồn dữ liệu và kiểm tra tính hợp lý kinh tế của đầu ra. Chỉ khi kiểm chứng trở thành quy tắc, trí tuệ nhân tạo mới thực sự nâng cao chất lượng quyết định, thay vì chỉ gia tăng tốc độ thao tác.
Một yếu tố quan trọng khác là kỷ luật kiểm định sau đầu tư. Nhà đầu tư cần theo dõi sai số mô hình theo thời gian, phân tách sai số do giả định vĩ mô, do chu kỳ ngành, do thay đổi cạnh tranh hay do các sự kiện bất thường, từ đó điều chỉnh cách đặt giả định ở vòng lặp tiếp theo. Khi được thực hiện nhất quán, trí tuệ nhân tạo giúp tăng tốc vòng lặp học tập, còn kỷ luật kiểm định bảo đảm chất lượng của chính vòng lặp đó.
Định giá cổ phiếu là trụ cột của đầu tư chuyên nghiệp vì nó chuyển hóa hiểu biết thành những quyết định có thể kiểm chứng. Trong kỷ nguyên trí tuệ nhân tạo, lợi thế không nằm ở việc sở hữu công cụ mạnh hơn, mà ở khả năng quản trị tốt hơn chất lượng dữ liệu, giả định và kỷ luật kiểm chứng, đặc biệt trước rủi ro “ảo giác thông tin”. Hướng đi phù hợp là kết hợp trí tuệ nhân tạo như một năng lực hỗ trợ với phương pháp định giá dựa trên nguyên lý giá trị: tăng trưởng chỉ có ý nghĩa khi vượt chi phí vốn, dòng tiền là thước đo cuối cùng và bất định phải được lượng hóa thông qua kịch bản và biên an toàn.