Tại sao nhìn thấy xu hướng giảm vẫn không bán khống? Charlie Munger đã tính toán một ‘bài toán thua lỗ’

marsbitXuất bản vào 2026-06-03Cập nhật gần nhất vào 2026-06-03

Tóm tắt

Bài viết thảo luận về lý do tại sao nhà đầu tư nên tránh các công cụ tài chính phức tạp như hợp đồng và đặc biệt là bán khống, ngay cả khi họ có quan điểm giảm giá về thị trường. Tác giả chia sẻ kinh nghiệm cá nhân và lời khuyên từ các huyền thoại đầu tư như Charlie Munger và Stanley Druckenmiller. Munger chỉ ra hai vấn đề cốt lõi của bán khống: (1) Sự bất cân xứng giữa rủi ro và lợi nhuận - lỗ tiềm năng là vô hạn trong khi lợi nhuận tối đa chỉ là 100%; (2) Người bán khống có thể cạn vốn trước khi công ty có vấn đề hoặc những kẻ lừa đảo điều hành nó sụp đổ. Ví dụ điển hình là Stanley Druckenmiller, một nhà giao dịch lão luyện, từng thua lỗ nặng khi bán khống 12 công ty. Mặc dù cuối cùng tất cả các công ty này đều phá sản, nhưng ông đã bị buộc phải đóng vị thế với khoản lỗ 600 triệu USD do giá cổ phiếu tăng mạnh trong ngắn hạn, vượt quá khả năng chịu đựng của ông. Bài viết kết luận rằng ngay cả các bậc thầy cũng không kiếm được lợi nhuận ổn định từ bán khống, vì vậy nhà đầu tư bình thường càng nên tránh xa các công cụ này và tập trung vào các chiến lược đầu tư đơn giản, an toàn hơn.

Ở cuối bài viết trước có một bình luận rằng:

"Gần đây tôi bị cuốn vào hợp đồng, luôn nghĩ mình có thể kiếm được tiền, nhưng thử đi thử lại, thất bại hết lần này đến lần khác..."

Đối với loại công cụ tài chính này, tôi đã nói nhiều lần trong các bài viết trước, ngoại trừ thiên tài, người bình thường tốt nhất đừng nên đụng vào, đặc biệt không nên dùng nó như một công cụ kiếm lời lâu dài.

Thử đi thử lại nhưng kết quả đều thất bại, điều này về cơ bản chứng minh độc giả này không phải là thiên tài, vì vậy về sau đừng đụng vào nữa.

Bản thân tôi trước đây cũng có trải nghiệm tương tự, may mắn là từ đó về sau tôi không bao giờ chạm vào loại công cụ này nữa.

Một công cụ khác cũng được đông đảo người yêu thích như hợp đồng là bán khống.

Đối với công cụ này, thái độ của tôi cũng kiên quyết - tôi chắc chắn sẽ không sử dụng. Ngay cả khi nhìn thấy xu hướng giảm cũng sẽ không bán khống, mà chỉ chờ đợi.

Tại sao nhìn giảm mà không bán khống?

Bởi vì để thành công trong một giao dịch bán khống và kiếm lời từ đó, cần thêm một số điều kiện khó nắm bắt hơn.

Trên thực tế, không chỉ người bình thường khó nắm bắt, ngay cả những bậc thầy đầu tư được công nhận như Warren Buffett và Charlie Munger cũng nhiều lần tự phản tỉnh về những trải nghiệm bán khống của họ trong bản ghi chép Đại hội cổ đông.

Trong ấn tượng của tôi, sự tự phản tỉnh của Munger về việc bán khống đặc biệt sâu sắc và thấm thía, hai lời bình luận của ông mà tôi khá thích là:

Thứ nhất, ông nhiều lần nhấn mạnh rằng bán khống về mặt logic toán học là không có lợi, rủi ro và lợi nhuận không tương xứng.

Khi một người bán khống mua một cổ phiếu (mua vào), tổn thất tối đa của họ là 100%, nhưng tiềm năng lợi nhuận là vô hạn; còn khi họ bán khống một cổ phiếu, lợi nhuận tối đa của họ chỉ có 100% (giá cổ phiếu giảm về 0), nhưng tổn thất tiềm ẩn lại là vô hạn.

Thực ra, chỉ cần nhìn từ góc độ thông thường, một hoạt động có rủi ro và lợi nhuận không cân xứng như vậy nên lập tức từ chối.

Một quan điểm khác của ông là: "Trước khi người bán hàng (kẻ lừa đảo) dùng hết ý tưởng của hắn, bạn có thể đã dùng hết tiền của mình." (You can run out of money before the promoter runs out of ideas.)

Ý của câu này là: Nhiều công ty bị bán khống thực sự có vấn đề, thậm chí được điều hành bởi kẻ lừa đảo. Nhưng những người điều hành này rất giỏi duy trì bong bóng, họ có thể dùng những ý tưởng và thủ đoạn mới để hỗ trợ giá cổ phiếu tiếp tục tăng. Điều này dẫn đến tiền ký quỹ của người bán khống bị cạn kiệt ngay cả khi những người điều hành đó vẫn có thể tiếp tục duy trì giá cổ phiếu tăng.

Gần đây, một đại gia phố Wall chính hiệu cũng đã công khai trải nghiệm bán khống trong quá khứ của mình.

Stanley Druckenmiller, nhiều độc giả có lẽ đã nghe tên, ông từng là nhà giao dịch hàng đầu dưới trướng George Soros.

Đối với một người như vậy, ấn tượng đầu tiên của nhiều người (kể cả tôi) nhất định là: Các công cụ tài chính trong tay ông ấy chắc hẳn được sử dụng thành thạo và thuần thục.

"Bán khống" chắc chắn không thành vấn đề.

Nhưng kết quả là gì?

Trong cuộc phỏng vấn của ông (xem liên kết tham khảo), ông nói rằng mình từng chọn 12 công ty để bán khống. Cuối cùng, 12 công ty đó cũng đều phá sản.

Nhưng ông ta đã không thể chờ đến ngày chúng phá sản.

Trong vòng ba tuần, giá cổ phiếu của các công ty bị kéo lên tột đỉnh bởi tâm lý thị trường điên cuồng, điều này khiến ông không chỉ mất trắng 200 triệu vốn gốc, mà còn phải bù thêm 600 triệu để thanh lý vị thế bắt buộc.

Cuối cùng, ông thừa nhận rằng có thể cả đời này mình chưa từng thực sự kiếm được tiền từ việc bán khống.

Trải nghiệm của Druckenmiller đã bao hàm đầy đủ hai vấn đề mà Munger đề cập:

- Ông không chỉ mất vốn gốc, mà còn phải bù thêm tiền vào.

- Ông đã không chờ được cho đến khi thủ đoạn của kẻ lừa đảo bị vạch trần, thì vốn gốc của mình đã cạn kiệt.

Ngay cả hai nhân vật bậc thầy như vậy cũng ít nhất chứng minh rằng, trong thao tác bán khống này, họ cũng không phải là thiên tài. Tôi nghĩ nhà đầu tư bình thường càng nên thận trọng hơn.

Không chỉ là bán khống, đối với các công cụ tài chính khác (bao gồm hợp đồng được đề cập ở trên), trước khi mọi người muốn dùng chúng để đạt được lợi nhuận ổn định lâu dài, đều nên xem xét lại bản thân một cách nghiêm túc, đừng lãng phí thời gian vào những công cụ tài chính hào nhoáng này hết lần này đến lần khác.

Liên kết tham khảo:

https://x.com/mubeitech/status/2044744282767028356?s=20

Câu hỏi Liên quan

QTại sao bài viết khuyên người bình thường không nên sử dụng công cụ tài chính như 'hợp đồng' hoặc 'bán khống'?

ABài viết cho rằng, ngoại trừ thiên tài, người bình thường rất khó sử dụng các công cụ này để kiếm lợi nhuận ổn định lâu dài. Chúng có rủi ro cao và sự không cân xứng giữa rủi ro và phần thưởng, như trường hợp bán khống: lợi nhuận tối đa chỉ 100% nhưng tổn thất tiềm ẩn là vô hạn.

QCharlie Munger đã chỉ ra những vấn đề toán học nào của việc bán khống?

ACharlie Munger chỉ ra rằng bán khống có logic toán học không có lợi, rủi ro và phần thưởng không cân xứng. Khi bán khống một cổ phiếu, lợi nhuận tối đa chỉ là 100% (nếu giá cổ phiếu giảm về 0), nhưng tổn thất tiềm ẩn lại là vô hạn (nếu giá cổ phiếu tăng không ngừng).

QCâu nói 'You can run out of money before the promoter runs out of ideas' của Munger có ý nghĩa gì trong bối cảnh bán khống?

ACâu nói này có nghĩa là: nhiều công ty bị bán khống có thể do kẻ lừa đảo điều hành, nhưng họ rất giỏi trong việc duy trì bong bóng bằng những ý tưởng và thủ đoạn mới để đẩy giá cổ phiếu tiếp tục tăng. Kết quả là người bán khống có thể cạn kiệt tiền ký quỹ (hoặc vốn) trước khi những kẻ lừa đảo đó hết ý tưởng và bong bóng vỡ.

QVí dụ về Stanley Druckenmiller minh họa điều gì cho những rủi ro của việc bán khống?

AVí dụ về Stanley Druckenmiller minh họa đầy đủ hai vấn đề mà Munger đã đề cập. Ông ấy từng bán khống 12 công ty và cuối cùng tất cả đều phá sản. Tuy nhiên, ông không thể chờ đến ngày đó. Trong vòng ba tuần, cơn sốt thị trường đã đẩy giá cổ phiếu tăng vọt, khiến ông không chỉ mất 200 triệu USD vốn ban đầu mà còn phải bù thêm 600 triệu USD để thanh lý vị thế. Điều này cho thấy ngay cả những bậc thầy cũng có thể thua lỗ nặng và không đủ nguồn lực để chờ đợi dự đoán thành hiện thực.

QThông điệp chính của bài viết đối với các nhà đầu tư cá nhân là gì?

AThông điệp chính của bài viết là các nhà đầu tư cá nhân nên cực kỳ thận trọng với các công cụ tài chính phức tạp và rủi ro cao như hợp đồng phái sinh (hợp đồng) và bán khống. Thay vì cố gắng sử dụng chúng để kiếm lời, nên tránh xa nếu không phải là thiên tài. Ngay cả những nhà đầu tư huyền thoại cũng thừa nhận thất bại trong các giao dịch này. Vì vậy, tốt hơn hết là tập trung vào các phương pháp đầu tư truyền thống, an toàn và kiên nhẫn chờ đợi cơ hội thay vì mạo hiểm với các công cụ có tỷ lệ rủi ro/phần thưởng bất lợi.

Nội dung Liên quan

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

Báo cáo Q1/2026 của Ethereum cho thấy một xu hướng đối lập: lượng người dùng, số giao dịch và thông lượng mạng lưới đều đạt mức cao kỷ lục, trong khi phí giao dịch, tổng giá trị bị khóa (TVL), khối lượng giao dịch và vốn hóa pha loãng hoàn toàn (FDV) của ETH lại giảm. Hiện tượng này được giải thích là "Nghịch lý Jevons": việc giảm chi phí sử dụng mạng lưới sau đợt nâng cấp Fusaka đã giải phóng nhu cầu, thúc đẩy tăng trưởng quy mô. Báo cáo nhấn mạnh sự chuyển dịch trong định vị cốt lõi của Ethereum từ một blockchain DeFi sang một tầng thanh toán tài chính toàn cầu. Ethereum tiếp tục thống trị thị trường tài sản được mã hóa, chiếm phần lớn thị phần trong các lĩnh vực stablecoin (61,8%), quỹ được mã hóa (73%), hàng hóa được mã hóa (84%) và cổ phiếu được mã hóa. Sự tham gia của các tổ chức lớn như BlackRock, JPMorgan và Fidelity đang đẩy nhanh quá trình "thể chế lên chuỗi". Mặc dù phí giao dịch tầng cơ sở giảm mạnh (-47,9%), đây được xem là một sự đánh đổi có chủ đích để đổi lấy tăng trưởng mạng lưới dài hạn. Chiến lược này nhằm củng cố vị thế là nền tảng định sẵn cho việc thanh toán và quyết toán các tài sản tài chính ngày càng được mã hóa, từ đó tạo ra giá trị cơ bản cho ETH thông qua nhu cầu sử dụng mạng lưới.

marsbit15 phút trước

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

marsbit15 phút trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

"Generalist AI", công ty khởi nghiệp trí tuệ thể hiện (embodied AI) do Pete Florence - cựu nhà khoa học nghiên cứu cốt cán của Google DeepMind và là một trong những người đặt nền móng cho kiến trúc mô hình VLA (Vision-Language-Action) - sáng lập, vừa huy động thành công 4 tỷ USD (tương đương 27 tỷ RMB) ở vòng gọi vốn mới, định giá 20 tỷ USD. Vòng đầu tư có sự tham gia của các tổ chức và cá nhân uy tín như NVentures (từ NVIDIA), NFDG, Bezos Expeditions, đồng sáng lập Xiaomi Lin Bin, người sáng lập Zoom Eric Yuan, và nhà khoa học nổi tiếng Fei-Fei Li. Mặc dù được coi là người tiên phong trong lĩnh vực "mô hình thế giới" (world model), Florence lại công khai phản đối việc dán nhãn này cho công ty mình. Triết lý của ông, chịu ảnh hưởng từ người thầy Russ Tedrake tại MIT, là ưu tiên "mục tiêu" cụ thể hơn các "nhãn" công nghệ chung chung. Mục tiêu tối thượng của Generalist AI là tạo ra những robot đa năng có thể thực hiện với độ tin cậy cực cao nhiều nhiệm vụ chưa từng thấy mà không cần dữ liệu huấn luyện riêng cho từng tác vụ. Để hiện thực hóa điều này, Generalist AI đã lần lượt ra mắt các mô hình GEN-0 và GEN-1. GEN-1, được công bố vào tháng 4/2026, được huấn luyện trên hơn 50 nghìn giờ dữ liệu tương tác vật lý thu thập qua một thiết bị đeo tay đặc biệt. Theo công ty, mô hình này đạt tỷ lệ thành công 99% trong một số nhiệm vụ thao tác lặp lại và tinh vi (như gấp hộp, đóng gói), với tốc độ nhanh gấp ba lần GEN-0 và chỉ cần khoảng một giờ để thích ứng với tác vụ mới. Thành tựu này chứng minh lộ trình phát triển rõ ràng của công ty và là lý do chính thu hút được sự ủng hộ mạnh mẽ từ các nhà đầu tư hàng đầu, đưa Generalist AI trở thành một trong những công ty được kỳ vọng nhất trong lĩnh vực robot và trí tuệ thể hiện.

marsbit23 phút trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

marsbit23 phút trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

Chỉ trong ba ngày, Google đã chứng kiến hai huyền thoại AI rời đi: Noam Shazeer (đồng tác giả Transformer, lãnh đạo Gemini) gia nhập OpenAI, và John Jumper (người đoạt giải Nobel Hóa học 2024, lãnh đạo AlphaFold) chuyển sang Anthropic. Đây không phải là trường hợp cá biệt mà là một xu hướng rõ ràng, bổ sung cho việc cựu thành viên sáng lập OpenAI Andrej Karpathy gia nhập Anthropic trước đó. Các tài năng AI hàng đầu đang tập trung ngày càng nhiều vào OpenAI và Anthropic, khiến Google trở thành nguồn cung cấp chính trong cuộc tái cấu trúc nhân tài này. Sự dịch chuyển này bắt nguồn từ sự khác biệt cốt lõi về sứ mệnh. Google, với doanh thu chính phụ thuộc vào quảng cáo, thường đặt các dự án AI trong khuôn khổ phục vụ mục tiêu sản phẩm và lợi nhuận. Ngược lại, OpenAI (với sứ mệnh AGI) và Anthropic (tập trung vào AI an toàn) cho phép các nhà nghiên cứu tập trung hoàn toàn vào việc đẩy xa giới hạn năng lực mô hình. Ngoài ra, cơ hội thu lợi nhuận lớn từ cổ phiếu trước thềm IPO của hai công ty này là động lực hấp dẫn mà Google - một gã khổng lồ trưởng thành - khó có thể sánh được. Việc sáp nhập Google Brain và DeepMind vào năm 2023 cũng tạo ra những lực ly tâm mới, làm xói mòn văn hóa nghiên cứu dài hạn dưới áp lực phải phù hợp với lộ trình sản phẩm. Sự ra đi của các nhân vật then chốt như Jumper và Shazeer phản ánh điều này. Cuộc khủng hoảng nhân tài này mang tính cấu trúc. Google có thể sở hữu cơ sở hạ tầng máy tính khổng lồ và kho dữ liệu đồ sộ, nhưng việc thiếu những bộ óc xuất sắc nhất để khai thác chúng khiến lợi thế đó trở nên vô nghĩa. Trong khi OpenAI và Anthropic củng cố vị thế với đội ngũ tinh nhuệ ngày càng mạnh, Google đang mất dần hào quang là trung tâm hấp dẫn nhân tài AI toàn cầu. Trong cuộc đua mà mật độ tài năng quyết định năng lực mô hình và thị phần, đây là một thách thức tồn vong thầm lặng nhưng nghiêm trọng của Google.

marsbit2 giờ trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

marsbit2 giờ trước

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

Mỗi khi một mô hình AI tiên tiến ra mắt, giới công nghệ lại dõi theo những “bảng điểm” quen thuộc như MMLU-Pro, MMMU hay MMMU-Pro. Đây là các tiêu chuẩn đánh giá quan trọng giúp so sánh năng lực của các mô hình lớn như GPT, Claude hay Gemini. Tuy nhiên, ít người biết rằng đằng sau những bộ đề thi này là một nhà nghiên cứu người Hoa: Chen Wenhu (Trần Văn Hổ), trợ lý giáo sư tại Đại học Waterloo, Canada. Ông cùng phòng thí nghiệm TIGERLab (còn gọi là Hổ Đầu Bang) đã tạo ra MMLU-Pro vào năm 2024 để giải quyết vấn đề “mất chuẩn” của bộ đánh giá MMLU cũ, khi nhiều mô hình tiên tiến đạt điểm gần tuyệt đối, khó phân biệt được sự khác biệt thực sự. MMLU-Pro với hơn 12.000 câu hỏi, mở rộng lựa chọn và tăng cường các câu đòi hỏi suy luận, đã giúp kéo giãn khoảng cách điểm số và đánh giá ổn định hơn. Trước đó, nhóm của Chen Wenhu cũng phát triển MMMU - bộ đánh giá đa phương thức (multimodal) yêu cầu mô hình kết hợp hiểu biết hình ảnh, biểu đồ với kiến thức chuyên môn để trả lời câu hỏi. Ngay cả các mô hình mạnh nhất thời điểm đó như GPT-4V cũng chỉ đạt độ chính xác khoảng 56%. Phiên bản MMMU-Pro sau này được thiết kế để đảm bảo mô hình không thể “bỏ qua” thông tin hình ảnh mà chỉ dựa vào văn bản để đoán đáp án. Nghiên cứu của Chen Wenhu tập trung vào việc hiểu thông tin phức tạp, hỏi đáp tri thức và suy luận. Ông từng làm việc tại Google Research và DeepMind, tham gia vào dự án Gemini, trước khi gia nhập Đại học Waterloo và thành lập TIGERLab. Phòng thí nghiệm không chỉ tạo ra các bộ đánh giá mà còn nghiên cứu phát triển mô hình, chẳng hạn trong lĩnh vực xử lý video. Hiện tại, Chen Wenhu làm việc tại Phòng thí nghiệm Siêu trí tuệ (Super Intelligent Lab) của Meta, tiếp tục tập trung vào dữ liệu huấn luyện và đánh giá đa phương thức. Công việc của ông và nhiều nhà nghiên cứu người Hoa khác đang đóng góp quan trọng vào sự phát triển chung của ngành AI, dù có thể không nằm dưới ánh đèn sân khấu.

marsbit2 giờ trước

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

marsbit2 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片