Hôm qua, tôi nhận được một bản phân tích blockchain chín chiều. Dài hơn hai nghìn từ, được trình bày với đầy đủ bảng biểu, mức độ rủi ro được xếp hạng sao, các khuyến nghị hành động được đánh số thứ tự ưu tiên. Nhưng khi tôi đọc kỹ từng mục, tất cả đều ghi một ký hiệu duy nhất: N/A. Không có con số TVL nào, không có một địa chỉ hợp đồng thông minh nào, không có một sự kiện on-chain cụ thể nào. Toàn bộ phần phân tích đều trống rỗng. Điều đáng sợ không phải là bản báo cáo trống. Điều đáng sợ là nó vẫn được xây dựng với cấu trúc hoàn hảo đến mức một nhà đầu tư vội vàng có thể lướt qua và tưởng rằng mình đang cầm trên tay một tài liệu nghiên cứu có giá trị. Khi tôi nhìn vào tài liệu đó, tôi không khỏi liên tưởng đến toàn bộ ngành công nghiệp của chúng ta.
Khi hình thức vượt lên trên nội dung
Ngành phân tích crypto đang sống trong một nghịch lý. Càng ngày càng có nhiều công cụ tự động hóa, nhiều mô hình ngôn ngữ lớn được huấn luyện trên hàng triệu bài viết, nhiều hệ thống "đa tầng" hứa hẹn biến dữ liệu thô thành alpha. Nhưng chính sự phổ biến của những công cụ này lại tạo ra một thứ mà tôi gọi là căn bệnh ảo giác dữ liệu: một hệ thống phân tích có thể tạo ra một báo cáo dài, có cấu trúc hoàn chỉnh, nhưng không chứa bất kỳ thông tin thực chất nào. Bản phân tích tôi nhận được là một ví dụ hoàn hảo. Nó tuân thủ mọi quy tắc của một báo cáo chuyên nghiệp: mở đầu bằng một sự kiện, đặt bối cảnh, đưa ra phân tích kỹ thuật, và kết thúc bằng khuyến nghị. Nhưng sự kiện đó là gì? "Đầu vào trống, không có sự kiện nào." Bối cảnh đó là gì? "Không có bối cảnh." Phân tích kỹ thuật? "Không có dữ liệu để phân tích."
Trong một thị trường đi ngang như hiện tại, loại báo cáo này đặc biệt nguy hiểm. Bởi vì khi không có biến động lớn, nhà đầu tư thường tìm kiếm bất kỳ tín hiệu nào để xác định hướng đi. Họ dễ bị cuốn vào một tài liệu được trình bày đẹp đẽ, với những bảng so sánh trông có vẻ logic, mà không nhận ra rằng tất cả các ô trong bảng đều trống. Tôi đã chứng kiến điều này nhiều lần trong mười sáu năm quan sát thị trường. Những giao dịch thua lỗ nhất của tôi không đến từ việc thiếu thông tin, mà đến từ việc tin tưởng vào những bản phân tích được xây dựng khéo léo trên nền tảng trống rỗng. Trong bối cảnh đó, việc phân biệt giữa một tín hiệu thực và một báo cáo rỗng trở thành kỹ năng sinh tồn quan trọng nhất của nhà đầu tư.
Có một ranh giới mỏng manh giữa một bài viết thiếu dữ liệu và một bài viết chứa dữ liệu sai. Bài viết thiếu dữ liệu ít nguy hiểm hơn, bởi vì nó không dẫn bạn đến một hành động cụ thể. Nhưng khi được trình bày đẹp đẽ, nó lại nguy hiểm theo một cách khác: nó làm bạn lãng phí thời gian và khiến bạn hạ thấp cảnh giác. Bạn đọc một bản phân tích dài, không thấy có gì sai, và bắt đầu tin rằng thị trường đang ở trạng thái "không có gì để nói". Nhưng thị trường không bao giờ im lặng. Chỉ có công cụ phân tích của bạn là đang hỏng.
Bài học quản lý rủi ro tôi học được một cách đắt giá bắt đầu từ năm 2021, khi tôi bị thanh lý mười một lần trong một quý học giao dịch hợp đồng tương lai vĩnh viễn. Tôi giữ một cuốn nhật ký thua lỗ chi tiết, và sau ba mươi bài viết về những bài học đó, tôi nhận ra một mô hình chung: hầu hết các lệnh thua lỗ của tôi đều dựa trên một "cảm giác" rằng thị trường sẽ đi theo hướng nào, thay vì dựa trên dữ liệu có thể kiểm chứng. Cảm giác đó thường đến từ việc đọc một bài phân tích có cấu trúc tốt, nhưng không có nội dung thực chất. Cấu trúc tạo ra cảm giác tin cậy. Và cảm giác tin cậy chính là thứ nguy hiểm nhất trong một thị trường mà mọi thứ đều có thể bị làm giả. Một bảng phân tích có thể hoàn hảo về hình thức nhưng vô nghĩa về nội dung, giống như một giao thức có mã nguồn được viết rất sạch nhưng không giải quyết được vấn đề nào.
Cấu trúc của một ảo giác hoàn hảo
Hãy để tôi đi sâu vào kỹ thuật. Bản phân tích trống đó được tổ chức theo chín chiều, từ kỹ thuật, tokenomics, thị trường, sinh thái, tuân thủ, đội ngũ, rủi ro, câu chuyện, cho đến sự lan truyền trong chuỗi ngành. Mỗi chiều đều có bảng biểu, đánh giá, mức độ rủi ro. Nhưng tất cả các ô đều là N/A. Từ góc độ xử lý thông tin, đây là một kiệt tác của sự trống rỗng. Nó cho thấy một hệ thống đã được huấn luyện để bắt chước hình dạng bên ngoài của một phân tích, mà không hiểu được bản chất của những gì nó đang làm. Điều này gợi nhớ đến khái niệm "information gain" trong thuật toán xếp hạng của Google: một bài viết có giá trị phải cung cấp ít nhất một insight mà người đọc chưa biết. Nhưng một báo cáo với toàn bộ các mục N/A lại cung cấp một "lợi ích thông tin" hoàn toàn khác: nó tiết lộ rằng hệ thống trích xuất dữ liệu đã thất bại, và không ai trong chuỗi xử lý nhận ra điều đó.
Tôi đã từng chạy một phân tích kéo dài chín mươi ngày về dòng chảy stablecoin sau sự kiện USDC mất neo vào tháng 3 năm 2023. Đó là một trong những bài tập tốn thời gian nhất nhưng cũng giá trị nhất mà tôi từng làm. Tôi theo dõi từng địa chỉ ví lớn, từng dòng chảy giữa các sàn giao dịch và các giao thức DeFi, và tôi tìm thấy những mô hình di chuyển an toàn mà không một bảng phân tích tự động nào có thể nắm bắt được. Bài học tôi rút ra là: dữ liệu thô không bao giờ tự nó trở thành thông tin. Cần có một con người, với sự hiểu biết về bối cảnh thị trường, để diễn giải dữ liệu. Và khi dữ liệu không tồn tại, người phân tích phải dũng cảm nói ra điều đó.
Dữ liệu trích xuất MEV cho thấy một điều thú vị về bản chất của sự tin cậy trong thị trường này. Trong blockchain, khái niệm MEV - giá trị trích xuất từ người khai thác - nói về việc những người xác nhận giao dịch có thể sắp xếp lại thứ tự giao dịch để thu lợi từ thông tin chưa được công bố. Nói cách khác, MEV tồn tại vì thông tin có giá trị và sự sắp xếp thông tin có thể tạo ra lợi nhuận. Nhưng trong thị trường phân tích, một dạng "MEV" khác đang diễn ra: các hệ thống AI trích xuất các khuôn mẫu ngôn ngữ từ dữ liệu huấn luyện, và sắp xếp chúng thành những báo cáo có vẻ hợp lý. Khác với MEV trong blockchain, thứ có thể được kiểm chứng bằng cách chạy một nút đầy đủ, "MEV ngôn ngữ" này gần như không thể bị phát hiện nếu bạn không kiểm tra từng con số một.
Phần lớn phân tích sai về bản chất của dữ liệu trống. Họ nghĩ rằng trống nghĩa là chưa có gì, hoặc có nghĩa là hệ thống chưa được cung cấp đủ thông tin. Nhưng thực ra, trống là một thông điệp rất lớn. Nó nói với bạn rằng chuỗi cung ứng phân tích đang bị hỏng ở đâu đó. Nó nói với bạn rằng có một ai đó - hoặc một cái gì đó - đã quyết định rằng việc tạo ra một bản báo cáo rỗng vẫn tốt hơn là không tạo ra báo cáo nào. Điều này phản ánh một vấn đề sâu sắc hơn về động lực của ngành: chúng ta được trả tiền để viết, không phải để nói "tôi không biết". Trong một thị trường mà các quỹ đầu tư cần nội dung liên tục để duy trì sự hiện diện, một bản phân tích với các mục N/A nghiêm túc lại là một dạng trung thực hiếm có.
Contrarian: Sự trung thực của một bản báo cáo trống
Đây là điểm mà tôi muốn đi ngược lại với số đông. Khi tôi nhận được bản báo cáo đó, phản ứng đầu tiên của tôi là bực bội. Lãng phí thời gian, tôi nghĩ. Nhưng sau khi đọc kỹ, tôi nhận ra rằng đây có thể là bản phân tích đáng tin cậy nhất mà tôi từng nhận được trong sáu tháng qua. Vì sao? Vì nó không bịa ra bất cứ điều gì. Nó không đưa ra một con số nào để thuyết phục tôi mua một đồng coin nào đó. Nó không gắn nhãn "bullish" hay "bearish" cho một dự án không có doanh thu. Nó chỉ đơn giản nói: tôi không có đủ dữ liệu, và tôi từ chối phỏng đoán. Trong một ngành công nghiệp ngập tràn những bài phân tích được bịa ra bởi các mô hình ngôn ngữ, nơi những kẻ bán tín hiệu tạo ra hàng trăm bài viết mỗi ngày mà không cần biết sự thật, thì một bản báo cáo trống lại trở thành một tài sản quý giá. Nó đặt câu hỏi ngược lại: tại sao tất cả các báo cáo khác đều có đầy đủ số liệu? Chúng lấy số liệu đó từ đâu? Khi mọi người đều lạc quan vào sức mạnh của AI, tôi lại thấy một nỗi lo về sự ảo giác tập thể - một thế giới nơi chúng ta dần quên đi việc phải kiểm chứng thông tin, vì chúng ta đã quá quen với việc nhận được những câu trả lời có vẻ trôi chảy.
Điều mà hầu hết mọi người bỏ lỡ ở cấp độ giao thức của vấn đề này là chúng ta đang xây dựng một hệ sinh thái mà ở đó sự tin cậy được giao phó cho những thực thể không thể chịu trách nhiệm. Trong blockchain, chúng ta thiết kế các giao thức với giả định rằng không ai có thể được tin tưởng, và do đó chúng ta xây dựng các cơ chế xác minh. Nhưng trong ngành phân tích, chúng ta lại làm điều ngược lại: chúng ta tin tưởng một cách mù quáng vào đầu ra của một mô hình AI mà chúng ta không biết nó được huấn luyện trên dữ liệu gì. Đây là một sự thoái lui về mặt kiến trúc niềm tin. Ván cược cơ sở hạ tầng đằng sau ứng dụng phân tích này không phải là ván cược về việc ai sẽ tạo ra nhiều nội dung hơn, mà là ván cược về việc ai sẽ xây dựng cơ chế xác minh tính xác thực của thông tin trước khi nó đến tay nhà đầu tư. Tôi đã nhìn thấy những ván cược tương tự trong quá khứ - khi tôi dự đoán sớm sự chuyển dịch sang câu chuyện tài sản thực tế, sáu tháng trước khi quỹ BUIDL của BlackRock ra mắt, dựa trên việc theo dõi tin tuyển dụng và các hội nghị kín. Những tín hiệu đó không bao giờ xuất hiện trong dữ liệu on-chain, cũng không bao giờ xuất hiện trong một bản phân tích AI thông thường.
Takeaway: Câu hỏi duy nhất còn lại
Khi tôi đặt bản báo cáo trống đó xuống, tôi không thể ngừng nghĩ về một điều. Trong một thị trường nơi mà một bản phân tích trống vẫn có thể được trình bày với cấu trúc hoàn hảo, với bảng biểu và xếp hạng rủi ro, liệu bạn có đang giao dịch dựa trên dữ liệu thật, hay chỉ đang giao dịch dựa trên một cái khuôn được lấp đầy bởi sự tự tin vô căn cứ? Câu hỏi này không dành cho những nhà phát triển công cụ AI, cũng không dành cho những nhà phân tích như tôi. Nó dành cho bạn - người đang đọc bài viết này và đang cố gắng tìm kiếm alpha trong một biển thông tin. Hãy nhìn vào bảng phân tích tiếp theo bạn nhận được. Hãy hỏi nó: con số này từ đâu ra? Nếu câu trả lời là sự im lặng, hãy nhớ rằng sự im lặng cũng là một dạng dữ liệu. Và đôi khi, nó còn đáng tin cậy hơn bất kỳ một bài phân tích hoa mỹ nào.