Khi đà giảm mất hiệu lực: Giải thích khung cấu trúc của thị trường Meme

Tác giả: Vi贝 Nghiên cứu viện

Tóm tắt thực thi

Ngày 17 tháng 1 năm 2025, token TRUMP ra mắt trên Solana. Ban đầu, trong tổng cung 1 tỷ token — — 80% — — tập trung trong tay hai thực thể liên quan đến Trump: CIC Digital LLC và Fight Fight Fight LLC[1]. Sau 36 giờ ra mắt, token này đạt đỉnh cao lịch sử 74.27 USD vào ngày 19 tháng 1 năm 2025[2]. Tính đến ngày chụp nhanh báo cáo này, ngày 22 tháng 5 năm 2026, TRUMP đã giảm khoảng 97% so với đỉnh[2]. Trong quá trình ra mắt, RSI hàng giờ trong biểu đồ kỹ thuật đi sâu vào vùng quá mua, MACD histogram chuyển sang dương tại điểm chuyển đổi — — hai chỉ số này đều kích hoạt các mức chuẩn do tác giả định nghĩa từ thập niên 1970 cho thị trường hàng hóa và cổ phiếu. Tuy nhiên, theo các định nghĩa pháp lý và học thuật hiện hành tại ngày chụp nhanh, chuỗi giá này không dựa trên một tài sản cơ sở có ý nghĩa về mặt "quá mua" hay "quá bán".

Ủy ban Chứng khoán Mỹ (SEC) ngày 27 tháng 2 năm 2025 phát hành "Tuyên bố nhân viên Meme coin", định danh các tài sản Meme là có mục đích hoặc chức năng hạn chế hoặc không tồn tại, giá trị do đầu cơ thúc đẩy, và kết luận: các token này không cấu thành việc phát hành theo luật chứng khoán[3]. Ý kiến phản đối của Ủy viên Crenshaw cùng thời điểm đặt câu hỏi về kết luận pháp lý này, nhưng không phủ nhận quan sát thực nghiệm rằng "danh mục tài sản này thiếu yếu tố cơ bản"[4]. Solidus Labs ghi nhận vào tháng 5 năm 2025: trong khoảng từ tháng 1 năm 2024 đến tháng 3 năm 2025, tổng số token được phát hành trên Pump.fun vượt quá 7 triệu, trong đó 98.6% rơi xuống dưới ngưỡng thanh khoản 1,000 USD, chỉ còn khoảng 97,000 token duy trì trên ngưỡng này[5]. Tỷ lệ tốt nghiệp của các token trên Pump.fun sang các AMM tiêu chuẩn, theo dữ liệu Step Data, trung bình là 0.78% trong quý II năm 2025, và duy trì trong khoảng 0.7%–0.8% vào tháng 7 và 8 năm 2025 (theo báo cáo của Cointelegraph về cơ chế nền tảng)[6].

Báo cáo này đề xuất ba luận điểm chính và cụ thể hóa khung phương pháp kiểm nghiệm các luận điểm đó.

Luận điểm 1. Các chỉ số động lượng cổ điển — — RSI Wilder, Moving Average của Appel, Chỉ số ngẫu nhiên của Lane — — đều được hiệu chỉnh trên bộ dữ liệu hàng hóa và cổ phiếu của Mỹ từ 1957 đến 1979. Dấu hiệu đưa các chỉ số này vào các tài liệu đánh giá ngang hàng là bài báo của Jegadeesh và Titman năm 1993 đăng trên Journal of Finance, dựa trên mẫu cổ phiếu Mỹ từ 1965 đến 1989[7]. Các hiệu chỉnh này chưa từng được kiểm nghiệm trên các tài sản thiếu yếu tố cơ bản. Tổng quan của Park và Irwin năm 2007 về 95 nghiên cứu phân tích kỹ thuật ghi nhận rằng: các chiến lược giao dịch kỹ thuật sinh lợi trên thị trường ngoại hối và hợp đồng tương lai, nhưng không sinh lợi trên thị trường cổ phiếu[8]. Sự bất đối xứng này mâu thuẫn với lời hứa "phổ quát" của các chỉ số, ngay cả trong chính các phân khúc thị trường mà chúng được phát triển.

Luận điểm 2. Quá trình hình thành giá của tài sản Meme khác biệt về cấu trúc thị trường so với các thị trường mà các chỉ số này hướng tới. Liu và Tsyvinski năm 2021 chứng minh: các đồng tiền mã hóa chính như Bitcoin, Ethereum, Ripple không có nhiều tiếp xúc với các yếu tố của thị trường cổ phiếu phổ biến và các yếu tố vĩ mô; các tài sản Meme, nằm ở phần đuôi của phân phối, càng ít có khả năng có tiếp xúc này. Giá của tài sản Meme được thúc đẩy bởi phản ứng chú ý (attention reflexivity), được cơ chế như Pump.fun phát huy qua các đường cong liên kết, và lan truyền qua các cấu trúc vi mô của AMM như Raydium, PumpSwap, Uniswap. Theo BIS Bulletin №69, cấu trúc thị trường này "nổi bật tính tự tham chiếu cao của crypto như một phân khúc tài sản"[9].

Luận điểm 3. Bất kỳ lựa chọn nào về cửa sổ hay ngưỡng của chỉ số đều không thể biến "toán học thiết kế để đọc hành vi giá dựa trên thông tin" thành "toán học đọc hành vi giá dựa trên chú ý". Không gian đầu vào đã thay đổi, và các chỉ số không thể nhận biết được chính xác các thay đổi này. Điều này chính thức thể hiện rằng "tối ưu tham số trong cấu trúc là không đủ".

Báo cáo này đề xuất ba dạng lệch khỏi các giả định này: thay thế ngưỡng cố định bằng xếp hạng theo cột ngang; đưa biến đại diện chú ý và biến tập trung sở hữu vào cùng cấp độ với các chỉ số giá; định nghĩa đầu ra là quan sát, không phải dự báo. Các quy trình thực nghiệm — — mẫu dữ liệu, khung thời gian, kiểm định thống kê, tài sản đối chứng — — sẽ được trình bày chi tiết trong Chương 3. Sau khi xác định các kết quả thống kê qua lưới tham số, các phát hiện số sẽ được cập nhật.

Bốn điều kiện để phủ nhận khả năng thất bại có thể chứng minh của cấu trúc, sẽ được liệt kê trong Chương 7.

Chương 1 · Các chỉ số cổ điển và phạm vi ứng dụng lịch sử

Các chỉ số động lượng cổ điển vẫn là tiêu chuẩn trong phần mềm phân tích kỹ thuật dành cho bán lẻ, bắt nguồn từ bốn công trình xuất bản từ 1957 đến 1993, mỗi công trình dựa trên bộ dữ liệu giá hàng hóa hoặc cổ phiếu của Mỹ đã hiệu chỉnh. Các ghi chép lịch sử rõ ràng và đầy đủ: các hiệu chỉnh này chưa từng được kiểm nghiệm trên các tài sản thiếu yếu tố cơ bản.

[10] 1.1 Lane (1957) và Chỉ số ngẫu nhiên

George C. Lane, nhà giao dịch hàng hóa tại Chicago, liên kết với Investment Educators Inc., viết "The Stochastic Process" như tài liệu nội bộ có bản quyền năm 1957[11]. Phương pháp này bắt nguồn từ quan sát hành vi giá của hàng hóa trên Sở Giao dịch Hàng hóa Chicago (CBOT) — ngô, đậu nành, lúa mì. Lane ghi nhận quy luật: giá thường hội tụ về phía đỉnh hoặc đáy của phạm vi giá trong N ngày gần nhất trước khi đảo chiều. Công thức %K = 100 × (đóng cửa − thấp_n) / (cao_n − thấp_n) chuẩn hóa giá đóng cửa so với phạm vi N ngày, giả định rằng phân phối trong vùng này chứa đựng thông tin về tích trữ hoặc phân phối của các nhà giao dịch. Giả định này dựa trên hoạt động trong các sàn giao dịch hàng hóa, nơi các nhà quan sát có thể đọc ra các mẫu phân phối từ hoạt động thị trường[12][13].

[14] 1.2 Wilder (1978) và RSI

J. Welles Wilder xuất bản "New Concepts in Technical Trading Systems" năm 1978, sau nhiều năm sử dụng thủ công các chỉ số dao động trong giao dịch hàng hóa[15]. Bộ dữ liệu trong ví dụ của ông là giá đóng cửa hàng ngày của ca cao, đậu nành, đồng, thịt lợn, bạc từ 1972 đến 1977. Tham số làm mượt mặc định 14 ngày phản ánh sự đánh đổi kinh nghiệm giữa phản ứng nhanh và độ ổn định của tín hiệu trong hợp đồng kỳ hạn hàng tuần. Wilder xác định rõ: công trình của ông hướng tới thị trường hàng hóa; không có hiệu chỉnh cho cổ phiếu.

RSI giả định ba điều: (1) giá quay về trung bình theo biến động trong N ngày, các giá trị cực đoan phản ánh phản ứng quá mức; (2) ngưỡng quá mua và quá bán (70 và 30) giữ ổn định qua thời gian và tài sản; (3) trạng thái xu hướng và điều chỉnh có thể nhận diện và kéo dài đủ để chỉ số có thể bắt điểm chuyển đổi. Tuy nhiên, chưa có kiểm nghiệm nào xác nhận các giả định này trên các tài sản thiếu yếu tố cơ bản.

[16] 1.3 Appel (1979) và MA dị biệt

Gerald Appel bắt đầu phổ biến MACD từ giữa thập niên 1970 qua các bản tin Signalert, chính thức hóa trong "Technical Analysis: Power Tools for Active Investors" năm 1979[17][18]. Tham số (12, 26, 9) phản ánh tuần giao dịch 6 ngày phổ biến thời đó: khoảng hai tuần, một tháng, một tuần rưỡi. Ban đầu, Appel đề xuất các tham số không đối xứng (8, 17, 9) cho mua và (12, 25, 9) cho bán, nhưng sau đó phần mềm phổ biến đã chuẩn hóa thành dạng đối xứng (12, 26, 9).

Dữ liệu của Appel là chỉ số tổng hợp của NYSE và các cổ phiếu Nasdaq trong thập niên 1970 — thời kỳ biến động cao do lạm phát, nhưng vẫn còn khả năng nhận diện yếu tố doanh nghiệp. Nghiên cứu của Maitah và cộng sự năm 2021 cho thấy, tham số cổ điển (12, 26, 9) cho kết quả âm trên hợp đồng tương lai Nikkei 225 từ 2011 đến 2019, cho thấy tham số này phù hợp với đặc điểm thị trường cụ thể, không thể chuyển đổi trực tiếp giữa các thị trường phát triển.

[19] 1.4 Jegadeesh và Titman (1993): Định hướng động lượng học thuật

Hàng ngang động lượng bắt đầu xuất hiện trong các bài báo của Jegadeesh và Titman năm 1993 trên Journal of Finance, ghi nhận rằng: cổ phiếu Mỹ có lợi nhuận dương trong 3–12 tháng trước đó sẽ tiếp tục vượt trội trong các kỳ hạn ngắn tới###. Dữ liệu dựa trên CRSP của NYSE và AMEX từ 1965 đến 1989, trở thành nền tảng của các mô hình định giá động lượng hiện đại. Hiệu ứng này chỉ rõ trên các tài sản có yếu tố dòng tiền cơ bản; các nghiên cứu sau mở rộng sang các loại tài sản khác, nhưng đều yêu cầu kiểm nghiệm riêng.

[12] 1.5 Park và Irwin (2007): Đánh giá tổng quan

Bài tổng quan của Park và Irwin năm 2007 trên Journal of Economic Surveys, dựa trên 95 nghiên cứu, xác nhận rằng: các chiến lược kỹ thuật sinh lợi trên thị trường ngoại hối và hợp đồng tương lai, nhưng không trên cổ phiếu[11]. Điều này mâu thuẫn với giả thuyết "phổ quát" của các chỉ số cổ điển, cho thấy hiệu quả của chúng phụ thuộc vào cấu trúc thị trường, chứ không chỉ vào tính toán của chỉ số.

Ba giả định ẩn sau các nghiên cứu này là: (1) giá phản ánh hoặc phần nào phản ánh yếu tố cơ bản; (2) mean reversion là đặc tính mặc định; (3) trạng thái xu hướng có thể nhận diện và kéo dài đủ để chỉ số bắt điểm. Tất cả đều dựa trên giả định có một tham chiếu giá trị nội tại, quanh đó giá dao động. Trong thị trường Meme, việc tồn tại tham chiếu này còn là câu hỏi của Chương 2.

Chương 2 · Bộ tạo giá của tài sản Meme

Chuỗi ra mắt TRUMP ngày 17 tháng 1 năm 2025 là sự kiện tài liệu đầy đủ nhất về Meme asset trong hồ sơ pháp lý công cộng[20]###[8]. Ra mắt này tập trung 80% tổng cung trong tay hai thực thể liên quan, tạo đỉnh 74.27 USD sau 36 giờ, rồi liên tục giảm. Các chỉ số RSI và MACD theo cách máy móc theo dõi đường đi này, không dựa trên bất kỳ tài sản cơ sở nào. Trường hợp TRUMP không phải ngoại lệ, mà là ví dụ rõ ràng nhất về một dạng tạo giá khác biệt hoàn toàn so với thị trường mà các chỉ số cổ điển hướng tới. Dạng này mở rộng theo ba chiều đo lường: thiếu điểm cơ bản, phản ứng chú ý làm biến số chính, tập trung cung và sở hữu cực đoan.

2.1 Thiếu điểm cơ bản

Ủy ban Chứng khoán Mỹ ngày 27 tháng 2 năm 2025 gọi Meme là tài sản có mục đích hoặc chức năng hạn chế hoặc không tồn tại, giá trị do đầu cơ chứ không dựa trên quyền lợi kinh tế hay dòng tiền[9]. Kết luận này dựa trên một quan sát kinh nghiệm nền tảng: không có dòng tiền, không có quyền lợi về giá trị doanh nghiệp, không có bất kỳ yếu tố định giá nào trong mô hình định giá tài sản tiêu chuẩn. Ý kiến phản đối của Crenshaw cùng thời điểm không phủ nhận quan sát này, mà chỉ phản đối kết luận pháp lý dựa trên nó[10].

Thiếu điểm cơ bản không chỉ áp dụng cho Meme. Liu và Tsyvinski năm 2021 trong "Review of Financial Studies" chứng minh: các đồng tiền mã hóa chính như Bitcoin, Ethereum, Ripple không có nhiều tiếp xúc với các yếu tố của thị trường cổ phiếu phổ biến và vĩ mô; các tài sản Meme, nằm ở phần đuôi của phân phối, càng ít có khả năng có tiếp xúc này. Các chỉ số động lượng thiết kế cho thị trường giá dao động quanh giá trị cơ bản, nhưng Meme không có giá trị như vậy để quanh đó dao động.

[21] 2.2 Chú ý làm biến số chính

Thay thế điểm cơ bản là chú ý — có thể đo qua lượng tìm kiếm Google, đề cập trên mạng xã hội, hoặc qua các nền tảng tạo Meme như Pump.fun. Da, Engelberg, Gao năm 2011 dùng Google Search Volume Index (SVI) làm biến đại diện chú ý của nhà đầu tư nhỏ lẻ. Nghiên cứu của họ trên cổ phiếu Russell 3000 từ 2004–2008 cho thấy: bất thường trong tìm kiếm dự báo đà tăng giá trong hai tuần tới, rồi điều chỉnh lại trong cùng năm[21]. Liu và Tsyvinski (2021) tái tạo mô hình này trong thị trường crypto, cho thấy biến đại diện chú ý có khả năng dự báo lợi nhuận của các đồng tiền mã hóa trong giai đoạn 2011–2018###.

Barber và Odean năm 2008 trong "Review of Financial Studies" lý giải: nhà đầu tư cá nhân là người mua ròng các tài sản chú ý, vì họ phản ứng không đối xứng với các vấn đề tìm kiếm. Trong thị trường Meme, phản ứng này còn bị khuếch đại bởi quy mô của tập hợp các tài sản chú ý. Pump.fun, nền tảng tạo Meme lớn nhất từ 19/1/2024 đến ngày chụp nhanh, đã phát hành hơn 11.9 triệu token tính đến quý III/2025[13]###. Quyết định mua một token Meme đơn lẻ về cơ bản là quyết định "mua tài sản thu hút nhiều chú ý nhất" — hệ thống không thể tính toán toàn bộ tập hợp này.

[14] 2.3 Phản ứng phản hồi không có điểm tựa

Soros năm 1987 mô hình hóa phản hồi phản hồi như một vòng nhân quả hai chiều giữa nhận thức của người tham gia và giá trị cơ bản: mỗi bên phản hồi lại bên kia[1]. Trong thị trường truyền thống, vòng phản hồi này bị ràng buộc bởi điểm tựa cơ bản: nhận thức có thể tạm thời đẩy giá ra khỏi giá trị, nhưng về lâu dài sẽ trở lại. Các chỉ số trung bình động quá mua quá bán dựa trên giả định này.

Trong thị trường Meme, vòng phản hồi này không có điểm tựa bên ngoài. Chú ý thúc đẩy giá, giá thúc đẩy chú ý, và vòng lặp cứ thế tiếp diễn cho đến khi cạn kiệt: cung chú ý có hạn, và khi hết, giá sụp đổ. Đây không phải là hiệu ứng mean reversion mà các chỉ số dao động thiết kế để phát hiện. Thay vào đó, là trạng thái chuyển đổi, mà các chỉ số dao động giả định trạng thái liên tục không thể nội tại phát hiện.

[2] 2.4 Toán học của chỉ số không nhận biết được không gian đầu vào

Một RSI không biết nó đang hoạt động trên hợp đồng tương lai ngô, cổ phiếu Nasdaq hay Meme trên Solana. Toán học của nó là như nhau: so sánh các đóng cửa tăng và giảm trong N ngày gần nhất, chuẩn hóa về 0–100, làm mượt. Nhưng toán học này không nhận biết được dữ liệu tạo ra chuỗi đầu vào. Tham số chỉ số chỉ tác động đến cửa sổ làm mượt và ngưỡng; không tác động đến không gian đầu vào.

Nếu không gian đầu vào đã thay đổi — nếu chuỗi giá do quá trình chưa được đào tạo của chỉ số tạo ra — thì bất kỳ lựa chọn tham số nào cũng không thể khôi phục lại mối liên hệ ban đầu của nó. Đây chính thức là "tối ưu tham số không đủ". Và cũng là lý do trong Chương 5 đề xuất một dạng lệch khác: không phải điều chỉnh lại tham số, mà là thay đổi cách đặt câu hỏi về chỉ số.

[3] 2.5 Sai lệch do cấu trúc AMM gây ra

Cơ chế AMM làm tăng thêm sự lệch lạc này. Trong các sàn giao dịch dựa trên AMM, giá được tạo ra bởi "phương trình liên kết tồn tại trong trạng thái tồn kho của pool". Một lệnh mua lớn gây ra tác động giá theo cơ học phi tuyến, phụ thuộc vào độ sâu của pool. Các chỉ số cổ điển dựa trên giá từ order book — nơi giá phản ánh niềm tin về giá trị.

Trên một pool có thanh khoản 1 triệu USD, một lệnh mua 20,000 USD có thể đẩy giá lên khoảng 2%, chỉ dựa trên cơ học của đường cong, trước khi có bất kỳ hiệu ứng thông tin nào đến các trader tiếp theo. RSI áp dụng trên chuỗi này sẽ tính toán phân phối giá dựa trên "nhiễu cơ học của thanh khoản" nhiều hơn là "tin tưởng về giá trị". Đây là lý do độc lập thứ hai khiến các chỉ số cổ điển cho kết quả khác trên Meme, tương tác với vấn đề phản ứng chú ý, chứ không thay thế.

Chương 3 · Khung quan sát thực nghiệm

Cấu trúc lý luận trong Chương 2 đã xác nhận: sự hình thành giá của Meme khác biệt rõ ràng so với thị trường mà các chỉ số cổ điển hướng tới. Việc thể hiện sự khác biệt này trong các chỉ số là một vấn đề thực nghiệm. Chương này quy định phương pháp của Vi贝 để phản ứng; các kết quả thực nghiệm sẽ được công bố sau khi hoàn tất phân tích dữ liệu và kiểm định thống kê.

3.1 Xây dựng mẫu dữ liệu

Mẫu dữ liệu lấy từ CoinGecko, lọc ra 200 token hàng đầu theo vốn hóa thị trường trong danh mục "meme", chỉ gồm các sàn chính là Ethereum và Solana tại ngày chụp nhanh. Mỗi ngày cân bằng lại, áp dụng ba tiêu chí: (1) tổng khối lượng giao dịch trong 7 ngày qua trên các sàn phi tập trung và tập trung vượt 1 triệu USD; (2) ít nhất 30 ngày lịch sử giá trước ngày quan sát; (3) độ sâu pool không dưới 100,000 USD.

Các ngưỡng này loại trừ phần lớn các token trên Pump.fun. Solidus ghi nhận: từ tháng 1/2024 đến tháng 3/2025, có hơn 700,000 token được phát hành trên Pump.fun, trong đó chỉ khoảng 97,000 token duy trì thanh khoản trên 1,000 USD. Tỷ lệ tốt nghiệp của các token này sang AMM tiêu chuẩn trung bình là 0.78% trong quý II/2025, và duy trì trong khoảng 0.7%–0.8% vào tháng 7 và 8 năm 2025. Mẫu dữ liệu của nghiên cứu này chỉ bao gồm các token còn tồn tại và có thanh khoản trên ngưỡng tối thiểu, phần còn lại sẽ được xử lý qua các phương pháp điều chỉnh phù hợp.

[3] 3.2 Điều chỉnh bias tồn tại

Bất kỳ phân tích nào dựa trên mẫu dữ liệu ngày chụp nhanh đều chỉ phản ánh các token còn tồn tại tại thời điểm đó. Các token thất bại đều bị loại trừ, dẫn đến "bias tồn tại" — hệ quả là hệ thống đánh giá quá cao hiệu quả của các chỉ số. Solidus ghi nhận tỷ lệ thất bại của Pump.fun là 98.6%, cho thấy hệ thống đánh giá dựa trên dữ liệu này có thể cao hơn thực tế.

Giải pháp là xây dựng lại toàn bộ hệ thống dữ liệu theo từng thời điểm. Mỗi ngày cân bằng lại, tái tạo toàn bộ bộ dữ liệu như đúng trạng thái của ngày đó, kể cả các token đã thất bại. API của CoinGecko và CoinMarketCap hỗ trợ dữ liệu theo chu kỳ tuần, trong khi Kaiko cung cấp dữ liệu order book và trạng thái pool theo thời điểm. Nếu không làm như vậy, các chỉ số sẽ bị lệch do thất bại của các token không còn tồn tại.

[4] 3.3 Khung kiểm thử

Nghiên cứu phân chia các giai đoạn theo cấu trúc thị trường của Meme: (1) Giai đoạn trước Pump.fun (tháng 1/2023–1/2024), gồm các token ra mắt trên các sàn phi tập trung, không có đường cong liên kết; (2) Thời kỳ Pump.fun (tháng 1/2024–1/2025), bắt đầu từ ngày ra mắt của Pump.fun, chứng kiến quá trình industrial hóa tạo Meme qua các đường cong liên kết, và các chu kỳ AI Meme do GOAT dẫn dắt; (3) Thời kỳ chính trị (tháng 1/2025–5/2026), bắt đầu từ ngày ra mắt TRUMP và MELANIA, đặc trưng bởi tập trung cao độ, quy định pháp lý của SEC, và đòn bẩy trung bình của các hợp đồng vĩnh viễn ngày càng tăng.

[15] 3.4 Tham số chỉ số

Sử dụng tham số cổ điển không tối ưu: RSI 14, MACD (12, 26, 9), stochastic (14, 3, 3), momentum 10. Nghiên cứu kiểm tra xem các chỉ số này, đã hiệu chỉnh cho các tài sản khác, có còn phù hợp với các tài sản Meme hay không. Việc tối ưu hóa theo cách của Park và Irwin sẽ dẫn đến rủi ro "dò tìm dữ liệu"; việc hiệu chỉnh riêng cho Meme không phải mục tiêu của nghiên cứu này — mục tiêu là xác định xem các công cụ này, vốn được thiết kế cho các thị trường khác, còn đọc được hành vi giá dựa trên chú ý hay không.

3.5 Kiểm định thống kê

Với mỗi khung kiểm thử, mỗi tài sản, mỗi tín hiệu, tính các thống kê: độ chính xác hướng trong N ngày (N = 1, 3, 7, 14), so sánh với xác suất ngẫu nhiên; lợi nhuận vượt trội sau chi phí giao dịch, giả định phí 30 điểm cơ bản cho mỗi giao dịch phi tập trung, 10 điểm cơ bản cho trung tâm, cộng thêm 50 điểm slippage của AMM; kiểm tra Granger nguyên nhân giữa các chỉ số tìm kiếm bất thường và biến động giá; kiểm định White để kiểm soát bias trong toàn bộ lưới tham số.

[18] 3.6 Tài sản đối chứng

Áp dụng cùng bộ chỉ số cho Bitcoin, Ethereum, Solana. Các kết quả của Park và Irwin về hiệu quả khác nhau giữa thị trường cổ phiếu và ngoại hối, cho thấy các đồng tiền chính nằm ở trung tâm của "bản đồ" này. Nghiên cứu này giả định: các tài sản Meme nằm ở điểm thứ tư trong phân phối, không phải là ngẫu nhiên, mà là dạng "thông tin nghèo nàn" theo các chỉ số cổ điển chưa từng thiết kế để đọc.

[15] 3.7 Các nghiên cứu đã công bố

Liu, Tsyvinski, Wu (2021) trong "Journal of Financial and Quantitative Analysis" xây dựng một yếu tố xu hướng cho lợi nhuận crypto, chứng minh rằng động lượng theo thời gian vẫn tồn tại trong toàn bộ hệ thống crypto. Nghiên cứu này loại trừ các token thanh khoản thấp, để tập trung vào phần đuôi của phân phối. Việc kiểm nghiệm các chỉ số kỹ thuật của Meme là một thiếu sót phương pháp luận cần được khắc phục.

[22] 3.8 Cập nhật thực nghiệm

Sau khi tính toán theo phương pháp đã mô tả, và điều chỉnh cho bias nhiều lần, các kết quả thực nghiệm xuyên suốt các khung thời gian sẽ được công bố sau khi xác nhận với các nghiên cứu của Detzel, Liu, Tsyvinski, Wu. Việc công bố này sẽ phản ánh ưu tiên phân tích: cấu trúc lý thuyết có thể hiểu mà không cần số liệu, còn số liệu không rõ ràng dễ bị hiểu sai.

Chương 4 · Tại sao tối ưu tham số không thể sửa chữa sai lệch này

Trong thị trường, phản ứng tự nhiên khi chỉ số kém là tối ưu tham số. Lịch sử của các chỉ số động lượng — từ cổ phiếu, hàng hóa, ngoại hối đến Bitcoin — phần lớn là quá trình hiệu chỉnh lại tham số. Có bốn lý do chính khiến điều này không phù hợp với thị trường Meme.

[23] 4.1 Giá như một chứa đựng thông tin, đúng, như một chứa đựng chú ý

Năm 1978, RSI 70 trên thị trường Mỹ phản ánh "giá lệch khỏi điểm tựa cơ bản", tức là giá đã tăng đủ để phản ánh kỳ vọng hồi quy trung bình. Tương tự, năm 2026, RSI 70 trên Meme phản ánh "chênh lệch chú ý": giá đã tăng đủ để chú ý đạt đỉnh cục bộ. Hai số này giống nhau về mặt số, nhưng mô tả các hiện tượng khác nhau.

Tối ưu tham số — chọn các cửa sổ khác nhau, ngưỡng khác nhau — không thể hòa giải sự khác biệt này, vì các tín hiệu nền tảng do các quá trình khác nhau tạo ra. RSI 14 ngày trên chuỗi do phản ứng chú ý sinh ra sẽ phản ánh quá trình chú ý, chứ không phải "giá như thông tin". Thay đổi thành 7 hoặc 21 ngày chỉ làm mượt quá trình chú ý, không thay đổi bản chất của quá trình đó.

[24] 4.2 Vòng phản hồi phản hồi không có điểm tựa bên ngoài

Vòng phản hồi phản hồi trong thị trường truyền thống bị ràng buộc bởi điểm tựa cơ bản: nhận thức có thể tạm thời đẩy giá ra khỏi giá trị, nhưng cuối cùng sẽ trở lại. Các chỉ số trung bình động quá mua quá bán dựa trên giả định này.

Trong thị trường Meme, vòng phản hồi này không có điểm tựa bên ngoài. Chú ý thúc đẩy giá, giá thúc đẩy chú ý, và vòng lặp cứ thế tiếp diễn cho đến khi cạn kiệt: cung chú ý có hạn, và khi hết, giá sụp đổ. Đây không phải là hiệu ứng mean reversion, mà là trạng thái chuyển đổi. Các chỉ số dao động giả định trạng thái liên tục, không thể nội tại phát hiện trạng thái chuyển đổi này.

4.3 Toán học của chỉ số không nhận biết được không gian đầu vào của nó

Một RSI không biết nó đang hoạt động trên hợp đồng tương lai ngô, cổ phiếu Nasdaq hay Meme trên Solana. Toán học của nó là như nhau: so sánh các đóng cửa tăng và giảm trong N ngày gần nhất, chuẩn hóa về 0–100, làm mượt. Nhưng toán học này không nhận biết được dữ liệu tạo ra chuỗi đầu vào. Tham số chỉ số chỉ tác động đến cửa sổ làm mượt và ngưỡng; không tác động đến không gian đầu vào.

Nếu không gian đầu vào đã thay đổi — nếu chuỗi giá do quá trình chưa được đào tạo của chỉ số tạo ra — thì bất kỳ lựa chọn tham số nào cũng không thể khôi phục lại mối liên hệ ban đầu của nó. Chính thức, đây là "tối ưu tham số không đủ". Và cũng là lý do trong Chương 5 đề xuất một dạng lệch khác: không phải điều chỉnh tham số, mà là thay đổi cách đặt câu hỏi về chỉ số.

[25] 4.4 Sai lệch do cấu trúc AMM gây ra

Cơ chế AMM làm tăng thêm sự lệch lạc này. Trong các sàn dựa trên AMM, giá được tạo ra bởi "phương trình liên kết trong trạng thái tồn kho". Một lệnh mua lớn gây ra tác động giá theo cơ học phi tuyến, phụ thuộc vào độ sâu của pool. Các chỉ số cổ điển dựa trên giá từ order book — nơi giá phản ánh niềm tin về giá trị.

Trên một pool có thanh khoản 1 triệu USD, một lệnh mua 20,000 USD có thể đẩy giá lên khoảng 2%, chỉ dựa trên cơ học của đường cong, trước khi có bất kỳ hiệu ứng thông tin nào đến các trader tiếp theo. RSI áp dụng trên chuỗi này sẽ tính toán phân phối giá dựa trên "nhiễu cơ học của thanh khoản" nhiều hơn là "tin tưởng về giá trị". Đây là lý do thứ hai khiến các chỉ số cổ điển cho kết quả khác trên Meme, tương tác với vấn đề phản ứng chú ý, chứ không thay thế.

Chương 5 · Khung quan sát theo ba nguyên tắc

Cấu trúc lý luận trong Chương 2 và 4 đã xác nhận: không thể hiệu chỉnh lại các chỉ số cổ điển để phù hợp với thị trường Meme. Thay vì "dùng tham số khác cho cùng công cụ", cần "dùng công cụ biết rõ không gian đầu vào của chính nó". Vi贝 đề xuất ba nguyên tắc.

[7] 5.1 Thay thế ngưỡng cố định bằng xếp hạng theo cột ngang

Lệch đầu tiên là bỏ các ngưỡng cố định như RSI 70/30, MACD zero line, và thay vào đó là xếp hạng theo cột ngang trong toàn bộ tập hợp hợp lệ. Các ngưỡng này phù hợp với các tài sản có trạng thái ổn định; Meme không có, vì lợi nhuận theo hàng ngang đã là phân tích chính.

Tiền lệ phương pháp này là bài của Asness, Moskowitz, Pedersen năm 2013 trên Journal of Finance, "Value and Momentum Everywhere", ghi nhận hiệu ứng động lượng theo phân phối ngang, không dựa trên ngưỡng cố định[26]. Liu và Tsyvinski năm 2022 xác nhận phương pháp này phù hợp với crypto, dùng xếp hạng theo phân phối ngang thay vì ngưỡng cố định.

Với khung Meme, điều này có nghĩa: mỗi ngày cân bằng lại, tính chỉ số, xếp hạng theo phân phối hợp lệ, và báo cáo phân vị, chứ không gán nhãn quá mua hoặc quá bán. Các tài sản trong top 1/5 RSI 14 ngày không phải là "quá mua" theo Wilder, mà là "trong 200 tài sản, nằm trong 40 vị trí đầu của không gian động lượng chú ý". Cách diễn đạt này chính xác hơn về đối tượng đang đo lường.

[16] 5.2 Biến đại diện chú ý và biến tập trung sở hữu cùng cấp

Lệch thứ hai là không xem các chỉ số cổ điển dựa trên giá là toàn bộ trạng thái động lượng. Thay vào đó, đo động lượng qua ba nhóm biến: (1) dựa trên giá (chỉ số cổ điển), (2) dựa trên chú ý (search volume bất thường, đề cập mạng xã hội), (3) dựa trên sở hữu (tỷ lệ của top 10 chủ sở hữu, biến động trong chu kỳ cân bằng lại).

Các bằng chứng thực nghiệm gồm: (a) search volume bất thường dự báo đà tăng giảm của cổ phiếu (Da, Engelberg, Gao); (b) biến đại diện chú ý dự báo lợi nhuận crypto (Liu, Tsyvinski); (c) Twitter sentiment Granger gây ra biến động và lợi nhuận của Bitcoin (Shen, Urquhart, Wang); (d) phân tích mở rộng sang 9 đồng tiền mã hóa khác, phát hiện rằng cảm xúc Twitter dẫn trước lợi nhuận của một số coin, không của các coin khác. Nhìn chung, các biến chú ý thường dẫn trước hoạt động và lợi nhuận, còn các chỉ số dựa trên giá chỉ phản ánh sau đó.

Lý do đưa biến sở hữu vào khung là: cấu trúc sở hữu của Meme vi phạm giả định phân tán của các chỉ số cổ điển. Thay vì chỉ số đơn thuần, các biến này phản ánh quá trình hình thành giá thực tế, chứ không phải mô hình giá cổ điển của hàng hóa thập niên 1970.

5.3 Đầu ra là quan sát, không phải dự báo

Lệch thứ ba là cách diễn đạt đầu ra. Thứ hạng phân phối theo snapshot ngày cân bằng là mô tả "vị trí của tài sản trong phân phối chú ý–động lượng–tập trung", chứ không phải dự báo lợi nhuận tương lai.

Điều này không chỉ là lời nói suông. Park và Irwin trong tổng quan 95 nghiên cứu về phân tích kỹ thuật, nhấn mạnh rằng: bias trong dữ liệu và chọn lọc các tài sản còn sống là nguyên nhân chính của các kết quả dương giả[1]. Trong thị trường Meme, cách mô tả trung thực nhất là: thứ hạng này phản ánh trạng thái tồn tại tại ngày chụp nhanh, không dự đoán được lợi nhuận trong tương lai.

Khung này xuất ra: mỗi ngày cân bằng lại, phân loại theo phân phối năm phần, mỗi tài sản có thứ hạng dựa trên xếp hạng tổng hợp, kèm theo tỷ lệ tồn tại trong chu kỳ trước đó. Người dùng tự diễn giải, không bị khống chế bởi khung.

[27] 5.4 Tuyên bố về giới hạn

Khung này mô tả: tại ngày cân bằng, các tài sản Meme trong top theo các chiều chú ý, giá, tập trung, dựa trên tính toán của phương pháp. Nó không ra lệnh mua, bán, giữ hay tránh. Không dự đoán hướng hoặc biên độ giá trong tương lai. Tỷ lệ tồn tại của Meme trên các nền tảng lớn chưa tới 2%; vị trí trong phân phối tồn tại tại ngày chụp không thay đổi tỷ lệ này. Bất kỳ cách dùng nào bỏ qua tỷ lệ tồn tại này đều là sai lệch.

Chương 6 · Tự kiểm điểm phản hồi

Phân tích này dựa trên giả thuyết: giá Meme hình thành dựa trên phản ứng chú ý, không dựa trên dòng tiền. Các bằng chứng thực nghiệm ủng hộ giả thuyết này. Tuy nhiên, có các phản đối chính đáng cần nêu rõ.

Phản đối 1: Giả thuyết cấu trúc phóng đại khác biệt giữa Meme và các tài sản không có yếu tố cơ bản như đồ sưu tầm, cổ phiếu rủi ro, hoặc IPO dựa trên chú ý của nhà đầu tư nhỏ lẻ. Nếu Meme chỉ là "chuỗi đầu cơ không có yếu tố cơ bản", thì hiệu quả của các chỉ số cổ điển trên Meme có thể giống như trên cổ phiếu internet thời kỳ cũ — là hiệu ứng đã ghi nhận, nhưng không phải là "phân cách" như đề xuất. Phản hồi: Cơ cấu AMM và các nền tảng phát hành industrial hóa từ 2024 tạo ra trạng thái khác biệt về số lượng. Cung Meme mới phát hành không bị hạn chế như đồ sưu tầm hay IPO; theo ngày chụp