Khi phân tích thiếu dữ liệu – Căn bệnh kinh niên của thị trường crypto
Trong vòng 48 giờ qua, một bản phân tích về giao thức thanh khoản “Gamma” đã được chia sẻ hơn 2.000 lần trên các hội nhóm. Kết luận chính: TVL giảm 40%, giao thức sắp chết. Khi tôi mở dữ liệu on-chain để kiểm tra, con số thực tế chỉ là 12% – phần lớn đến từ một quỹ đầu tư tái cân bằng danh mục theo mùa. Không một ai trong số những người chia sẻ bản phân tích đó tự hỏi: dữ liệu của họ từ đâu ra? Họ đã kiểm chứng chưa? Đây không phải câu chuyện cá biệt. Nó là triệu chứng điển hình của một thị trường đang bị nhiễm độc bởi các phân tích thiếu dữ liệu.
Tôi gọi DeFi là một cỗ máy tạo ra thông tin, nhưng cỗ máy đó đang bị vận hành bởi những người thợ không có dụng cụ đo lường. Từ năm 2017, khi tôi còn là một nhà phân tích trẻ ở Milan và dành 6 tháng nghiên cứu 150 ICO, tôi đã phát hiện mối tương quan nghịch giữa dòng thanh khoản ICO và lãi suất liên ngân hàng châu Âu. Khi tôi công bố bảng tính trên GitHub với dữ liệu đối chiếu, nó được fork hơn 200 lần. Nhưng điều khiến tôi nhớ mãi là những bình luận: “Sao anh có số liệu này?” – Họ không thể tìm ra nguồn, vì tôi đã phải tự tổng hợp từ hàng chục nguồn khác nhau. Đến nay, tình hình vẫn vậy. Nếu bạn mở Twitter, bạn sẽ thấy vô số “chuyên gia” phân tích TVL, khối lượng giao dịch, số lượng địa chỉ hoạt động – nhưng khi bạn đào sâu, bạn sẽ thấy họ lấy số liệu từ một dashboard duy nhất, không đối chiếu, không xác minh. Và trong một thị trường đi ngang, nỗi khao khát tìm kiếm tín hiệu khiến người ta dễ dàng nuốt trôi những phân tích như vậy.
Trong công việc hằng ngày, tôi thường phải đối mặt với ba loại thiếu dữ liệu phổ biến. Tôi gọi chúng là “ba cái bẫy”.
Bẫy thứ nhất: Thiếu dữ liệu trên chuỗi. Khi Terra sụp đổ năm 2022, tôi đã dành ba tháng phỏng vấn 12 người trong hệ sinh thái và phân tích hơn 500.000 giao dịch. Kết quả đầu tiên khiến tôi giật mình: hầu hết các bài phân tích trên mạng chỉ sử dụng một chỉ số – tổng giá trị bị khóa (TVL) – để kết luận rằng mô hình là “bong bóng Ponzi”. Họ hoàn toàn bỏ qua dữ liệu về dòng tiền giữa các ví, tần suất giao dịch của những cá voi chủ chốt, và quan trọng nhất: mối liên hệ giữa dòng tiền rút ra và biến động lãi suất trên thị trường tín dụng toàn cầu. Nếu họ nhìn vào dữ liệu đó, họ sẽ thấy rằng cú sụp đổ của UST không chỉ là một vụ “bank run” kỹ thuật số, mà là một sự phản ánh của sự thắt chặt thanh khoản trên toàn cầu. Họ thiếu dữ liệu, nên họ đưa ra kết luận đúng một nửa. Tôi gọi đó là “phân tích mù màu”: chỉ nhìn thấy một màu trong một bức tranh đa sắc.
Trong một cuộc kiểm toán mà tôi thực hiện cho một quỹ ETF Bitcoin năm 2024, tôi phát hiện ra rằng mô hình thanh khoản của họ được xây dựng dựa trên dữ liệu “địa chỉ cá voi” từ một nguồn công cộng. Nhưng mô hình đó không phân biệt được địa chỉ của sàn giao dịch và địa chỉ tự quản. Kết quả là dòng tiền của sàn bị tính nhầm thành dòng tiền cá nhân, khiến cho dự đoán về áp lực mua/bán bị sai lệch trầm trọng. Tôi phải thiết kế lại toàn bộ mô hình, kết hợp thêm dữ liệu dòng tiền ETF và tương quan với lãi suất liên ngân hàng. Chi phí cho sự thiếu sót đó là 2,1 triệu USD phí trượt giá trong quý đầu tiên – con số mà quỹ đó chấp nhận. Nhưng những nhà phân tích trên Twitter thì không phải trả giá, họ chỉ cần một bài đăng viral.
Bẫy thứ hai: Thiếu dữ liệu bối cảnh vĩ mô. Crypto không hoạt động trong chân không. Năm 2020, khi DeFi Summer bùng nổ, tôi từng nghe một đồng nghiệp tại ngân hàng trung ương châu Âu nói rằng DeFi là “chủ nghĩa vô chính phủ”. Tôi đã viết một bản ghi nhớ dài 40 trang, chỉ ra rằng các giao thức như Uniswap và Compound đang tái tạo cấu trúc thị trường tiền tệ phi tập trung, và rằng chúng phản ứng với các điều kiện thanh khoản giống như các ngân hàng truyền thống, chỉ nhanh hơn. Nhưng để thấy được điều đó, bạn cần dữ liệu vĩ mô. Bạn cần so sánh lãi suất cho vay trên Compound với lãi suất trái phiếu kho bạc Mỹ, hoặc so sánh khối lượng giao dịch trên Uniswap với biến động của đồng đô la. Nếu chỉ nhìn vào TVL mà không có các dữ liệu đối chiếu này, bạn sẽ không bao giờ hiểu vì sao một giao thức lại đột ngột mất đi một nửa thanh khoản khi Cục Dự trữ Liên bang tăng lãi suất.
Bản thân tôi cũng đã từng mắc lỗi này. Khi tôi ca ngợi mô hình Terra vào năm 2021, tôi đã bỏ qua tín hiệu từ chu kỳ tín dụng toàn cầu. Tôi chỉ nhìn vào số liệu nội tại của hệ sinh thái, như tỷ lệ mint/burn, mà không đặt nó trong bối cảnh lãi suất đang tăng trên toàn thế giới. Đó là một bài học đau đớn. Thanh khoản là rủi ro được đóng gói lại – và bạn không thể đánh giá rủi ro nếu bạn không biết ai đang nắm giữ cái túi đó. Nếu bạn không có dữ liệu về chủ nợ cuối cùng, bạn chỉ đang đoán mò.
Bẫy thứ ba: Thiếu dữ liệu lịch sử để so sánh. Một phân tích không có chiều sâu lịch sử giống như một bác sĩ chỉ nhìn vào triệu chứng mà không biết bệnh sử của bệnh nhân. Năm 2025, tôi chứng kiến rất nhiều bài viết khen ngợi các kiến trúc “mới” như restaking hay data availability, mà không hề nhận ra những kiến trúc đó đã từng xuất hiện dưới các hình thức khác trong lịch sử tài chính. Trải nghiệm của tôi với các dự án CBDC tiên tiến đã dạy tôi rằng hầu hết “sự đổi mới” chỉ là sự tái kết hợp của những khái niệm cũ. Khi tôi thiết kế một kiến trúc CBDC sử dụng zero-knowledge proofs kết hợp với trí tuệ nhân tạo, tôi nhận ra rằng vấn đề cốt lõi vẫn là: ai kiểm soát dữ liệu? Câu hỏi này đã tồn tại từ thời kỳ đầu của ngân hàng trung ương. Nhưng trên Twitter, các nhà phân tích trẻ tuổi lại tuyên bố rằng những ý tưởng này là “chưa từng có tiền lệ”, bởi vì họ không có dữ liệu lịch sử để đối chiếu.
Điều tương tự cũng xảy ra với các câu chuyện về DA (Data Availability). Tôi không ít lần đọc các bài phân tích gọi DA là “lớp nền tảng cho sự mở rộng của rollup” mà không hề đặt câu hỏi: liệu các rollup hiện tại có thực sự tạo ra đủ dữ liệu để cần một lớp DA chuyên dụng? Dựa trên những gì tôi thấy trong các cuộc kiểm toán, 99% rollup hiện tại có thể sống khỏe mà không cần DA layer riêng. Nhưng câu chuyện vẫn tiếp tục được kể, bởi vì nó nghe có vẻ “kỹ thuật” và “cách mạng”. Đây là một sự thiếu dữ liệu về lưu lượng mạng thực tế, và hậu quả là rất nhiều vốn đang đổ vào những sản phẩm giải quyết một vấn đề không tồn tại.
Ngay cả Bitcoin, loại tài sản có dữ liệu minh bạch nhất, cũng bị bóp méo bởi việc thiếu phân tích đúng cách. Khi BRC-20 và Runes trở nên phổ biến, tôi đã thấy vô số bài viết ca ngợi chúng như một “cuộc cách mạng” trên mạng lưới Bitcoin. Nhưng nếu bạn nhìn vào dữ liệu giao dịch, giá trị mà những token này mang lại chỉ là một phần rất nhỏ so với dòng chuyển tiền chính. Tôi gọi chúng là “dùng Rolls-Royce để chở hàng” – vừa xúc phạm chiếc xe, vừa không chở được bao nhiêu. Các nhà phân tích chỉ tập trung vào giá token tăng vọt, mà không nhìn vào sự tắc nghẽn và chi phí giao dịch mà chúng gây ra cho mạng lưới. Đó là một sự lựa chọn dữ liệu có chủ đích, để kể một câu chuyện có lợi cho phe đầu cơ.
Trong quá trình nghiên cứu, tôi đã phát triển một công cụ tinh thần mà tôi gọi là “bài kiểm tra ba nguồn”. Bất kỳ phân tích nào tôi đọc, tôi sẽ tự hỏi: (1) Nó có sử dụng dữ liệu on-chain trực tiếp từ nút hoặc từ các nhà cung cấp dữ liệu đáng tin cậy không? (2) Nó có đối chiếu với bối cảnh vĩ mô – chẳng hạn như lãi suất, thanh khoản toàn cầu, hoặc các sự kiện kinh tế quan trọng? (3) Nó có tham chiếu đến các sự kiện tương tự trong lịch sử tài chính hoặc crypto? Nếu một bài viết vượt qua cả ba bài kiểm tra, tôi mới bắt đầu xem xét kết luận của nó. Nhưng hiếm lắm, có lẽ chỉ 1 trong 20 bài viết vượt qua.
Bạn có thể nghĩ rằng, tất cả những điều trên chỉ là một lời kêu gọi “hãy dùng nhiều dữ liệu hơn”. Nhưng tôi sẽ nói điều ngược lại: ngay cả khi bạn có đầy đủ dữ liệu, bạn vẫn có thể đưa ra kết luận sai lầm. Hãy nhìn vào chính tôi. Vào năm 2023, tôi từng tự hào khi xây dựng một mô hình thanh khoản cho một quỹ ETF Bitcoin, kết hợp dữ liệu trên chuỗi và dữ liệu vĩ mô, với độ chính xác lên tới 92%. Mô hình đó giúp quỹ tiết kiệm hơn 2 triệu đô la chi phí trượt giá. Nhưng rồi một cú sốc địa chính trị bất ngờ xảy ra, và mô hình đó sụp đổ ngay lập tức. Dữ liệu là một bức ảnh tĩnh; thị trường là dòng chảy. Sự “autonomous” của các giao thức phi tập trung nằm ở khả năng tuân theo các quy tắc cố định, nhưng con người – những người điều khiển thanh khoản – thì không bao giờ tuân theo các quy tắc đó một cách tuyệt đối. Vì vậy, sự chắc chắn mà một phân tích mang lại thường chỉ là ảo tưởng.
Vậy, trong một thị trường đi ngang, chúng ta nên làm gì? Tôi không có câu trả lời chắc chắn. Điều duy nhất tôi biết là: khi mọi tín hiệu đều nhiễu, người ta có xu hướng chạy theo những phân tích rẻ tiền để xoa dịu nỗi sợ hãi. Nhưng chính những lúc này, việc đặt câu hỏi “dữ liệu nào đang bị thiếu” trở nên quan trọng hơn bao giờ hết. Hãy tự mình truy vấn dữ liệu, đối chiếu với bối cảnh vĩ mô, và thừa nhận rằng bạn không biết. Sự khôn ngoan nằm ở việc chấp nhận sự không chắc chắn, không phải ở việc đưa ra những dự đoán tự tin. Khi một phân tích khiến bạn cảm thấy chắc chắn 100%, hãy coi đó là một dấu hiệu cảnh báo. Bởi vì trong thế giới crypto, sự chắc chắn thường chỉ là một lớp mặt nạ che đậy sự thiếu hiểu biết. Câu hỏi cuối cùng tôi dành cho bạn: liệu bạn đã sẵn sàng đối mặt với sự phức tạp thực sự, hay vẫn sẽ tìm kiếm một sự đơn giản giả tạo?