Ẩn Số Phía Sau Tỷ Giá Trung Tâm Của PBOC: Vì Sao Khoảng Cách Ngày Càng Lớn Và AI Cũng Phải Chào Thua

Kể từ tháng 12 năm 2025, 'núm vặn' này đã được xoay sang chiều âm. Điều này có nghĩa là PBOC đang thiết lập tỷ giá trung tâm một cách có hệ thống thấp hơn (tức là đồng USD cao hơn) so với mức mà công thức cơ học thuần túy đưa ra – một nỗ lực trực tiếp nhằm giảm tốc độ tăng giá của đồng Nhân dân tệ . Các số liệu dưới đây cho thấy chính sách này đang được thực thi rõ ràng:

• Ngày 22 tháng 4 năm 2026: Tỷ giá trung tâm ở mức 6.8635 so với dự báo thị trường là 6.8233 – mức chênh lệch 0.59% .
• Ngày 15 tháng 5 năm 2026: Tỷ giá trung tâm là 6.8415 so với dự báo của Reuters là 6.7976 – một khoảng cách khoảng 440 điểm cơ bản .
• Ngày 18 tháng 5 năm 2026: Tỷ giá trung tâm là 6.8435 so với dự báo 6.8086 .

Động cơ đằng sau là cỗ máy thương mại đang phá vỡ mọi kỷ lục. Xuất khẩu của Trung Quốc đạt 3.8 nghìn tỷ đô la Mỹ vào năm 2025, tạo ra thặng dư thương mại lên tới 1.2 nghìn tỷ đô la . Một đợt tăng giá mất kiểm soát của đồng Nhân dân tệ sẽ bào mòn lợi thế về giá của hàng hóa xuất khẩu, đặc biệt là vào thời điểm áp lực giảm phát trong nước đang kìm hãm niềm tin của người tiêu dùng . PBOC đang đi trên dây: vừa cho phép đồng tiền tăng giá dần dần – mức tăng đã lên tới 8% – vừa ngăn chặn những biến động một chiều quá nhanh, vốn có thể thu hút dòng tiền 'nóng' đầu cơ và gây bất ổn cho đồng tiền .

Yếu tố CCF âm là một bước đi nửa vời có chủ đích: nó phát tín hiệu rằng việc tăng giá thêm nữa là có thể chấp nhận được, nhưng phải theo tốc độ mà ngân hàng trung ương mong muốn, chứ không phải theo ý thị trường .

Các nhà giao dịch đang 'giải mã ngược' tỷ giá bằng AI như thế nào

Đối với giới giao dịch, tỷ giá trung tâm hàng ngày là con số quan trọng bậc nhất trong phiên Á. Chỉ cần đoán sai chiều hướng bất ngờ của một lần chốt tỷ giá, thành quả của hàng tuần giao dịch có thể bị thổi bay. Điều này đã thúc đẩy một cuộc chạy đua vũ trang thực sự trong lĩnh vực dự báo, với các mô hình học sâu dựa trên kiến trúc Transformer – chính là nền tảng của các mô hình ngôn ngữ lớn – hiện đang là trung tâm của cuộc chơi.

Một nghiên cứu năm 2024 của Lu Zhao và Wei Qi Yan cho thấy các mô hình dựa trên Transformer "vượt trội đáng kể" so với các mạng nơ-ron truyền thống như LSTM trong dự báo tỷ giá hối đoái, đặc biệt là trong các giai đoạn thị trường biến động mạnh . Cụ thể hơn, một mô hình Temporal Fusion Transformer (TFT) đã đạt được chỉ số R² lên đến 0.94 trong một thử nghiệm độc lập về dự báo tỷ giá, và việc tích hợp thêm các chỉ số biến động như VIX còn cải thiện thêm độ chính xác .

Công trình học thuật liên quan trực tiếp nhất đến từ sự hợp tác năm 2024 giữa Trường Điện toán và Khoa học Dữ liệu thuộc Đại học Công nghệ Nanyang (NTU), Đại học Tài chính Kinh tế Trung ương Trung Quốc và Viện Hàn lâm Khoa học Trung Quốc. Nhóm nghiên cứu đã thách thức cách tiếp cận truyền thống là tự xây dựng các yếu tố tài chính để dự đoán tỷ giá của PBOC. Thay vào đó, họ đề xuất một mô hình đầu cuối mang tên Intraday Risk Factor Transformer (IRFT) để tự động trích xuất các đặc trưng dự báo tiềm ẩn trực tiếp từ dữ liệu thị trường thô – về cơ bản, đây là việc tự động hóa quá trình tìm kiếm 'yếu tố phản chu kỳ' bí ẩn .

Một nghiên cứu riêng biệt khác tại NTU cũng đã mở rộng các hướng nghiên cứu này. Một dự án đã áp dụng học sâu vào dự báo chuỗi thời gian ngoại hối và sử dụng các giải thích phản thực tế (counterfactual explanations) để làm cho suy luận của mô hình trở nên dễ hiểu hơn . Trong khi đó, dự án "DeepForex" trên GitHub, được phát triển bởi một nhà nghiên cứu của NTU, đã kết hợp mô hình dự báo giá Transformer với một tác nhân học tăng cường Deep Q-Network (DQN) để thực hiện các giao dịch tự động – tích hợp dự báo với hành động thực thi .

Sự quan tâm của các tổ chức lớn, đặc biệt là từ Ngân hàng Thanh toán Quốc tế (BIS), cũng đã xác nhận giá trị của cách tiếp cận này. Một báo cáo nghiên cứu của BIS đã kết hợp mạng nơ-ron hồi quy (RNN) với các mô hình ngôn ngữ lớn (LLM) để dự báo và giải thích các rối loạn chức năng trên thị trường tiền tệ trước 60 ngày làm việc, nhấn mạnh rằng chính các ngân hàng trung ương cũng đang nghiên cứu những phương pháp này .

Trong thực tế giao dịch, quy trình làm việc thường diễn ra như sau:

• Các thành phần đã biết (tỷ giá đóng cửa trước đó và biến động của rổ tiền tệ qua đêm) được đưa vào như các đầu vào có cấu trúc.
• Yếu tố CCF ẩn được coi là một biến tiềm ẩn không quan sát được – mục tiêu học tập chính của mô hình chính là suy luận ra nó từ các mô hình hành vi thiết lập tỷ giá trong quá khứ.
• Kết quả đầu ra cung cấp thông tin cho việc nắm giữ vị thế trước giờ G, với việc xác lập vị thế được hoàn tất trước thời điểm 09:15 sáng giờ Bắc Kinh khi con số chính thức được công bố .

Giới hạn không thể vượt qua: Chính sách không phải là một quá trình thống kê

Vấn đề trong việc dự đoán tỷ giá trung tâm của PBOC không nằm ở chỗ dữ liệu quá nhiễu. Mà nằm ở chỗ chính tín hiệu – các quyết định về yếu tố phản chu kỳ – bắt nguồn từ một phép tính toán kinh tế-chính trị đa mục tiêu, mờ mịt và không hề để lại bất kỳ dấu vết số học rõ ràng nào.

Thứ nhất, CCF là một cơ chế phát tín hiệu. Khi PBOC thiết lập tỷ giá trung tâm thấp hơn 440 điểm cơ bản so với dự báo đồng thuận, thì chính 'khoảng cách' đó là thông điệp. Nó truyền đạt tới thị trường, các đối tác thương mại và các doanh nghiệp xuất khẩu trong nước rằng ngân hàng trung ương sẽ không khoan nhượng trước một đợt tăng giá quá nhanh, ngay cả khi công thức cơ học cho ra một kết quả khác . Không có bất kỳ chuỗi giá lịch sử nào chứa đựng được ý định chính trị của buổi sáng hôm đó.

Thứ hai, các ưu tiên chính sách của PBOC là không cố định theo thời gian. Từ giữa năm 2023 đến cuối năm 2024, CCF đã được triển khai để chống lại sự mất giá, đôi khi tạo ra những tỷ giá trung tâm cao hơn đáng kể so với dự báo thị trường để kìm hãm sức mạnh của đồng đô la Mỹ . Nhưng kể từ tháng 12 năm 2025, nó đã đảo chiều sang chống lại sự tăng giá . Một mô hình được huấn luyện dựa trên dữ liệu của thời kỳ chống mất giá sẽ sai lầm một cách có hệ thống trong môi trường hiện tại – và sự thay đổi này diễn ra mà không hề có thông báo nào, chỉ có thể nhìn thấy thông qua việc suy luận CCF sau khi sự việc đã diễn ra.

Thứ ba, PBOC có thể thay đổi lập trường của mình chỉ sau một đêm. Một diễn biến trong đàm phán thương mại, kết quả của một cuộc họp Bộ Chính trị, hay một sự thay đổi trong ưu tiên kinh tế trong nước đều có thể thay đổi tốc độ tăng giá có thể chấp nhận được trước khi bất kỳ dữ liệu thị trường nào phản ánh điều đó.

Trong các bài kiểm tra ngược (backtest), các mô hình AI có thể học được các hàm phản ứng lịch sử của PBOC và đạt được các giá trị R² rất cao. Tuy nhiên, phần sai số còn lại không phải là nhiễu – mà là sự tùy ý chính sách. Các mô hình đo lường được những gì có thể đo lường; còn CCF, theo đúng thiết kế của nó, đo lường những gì ngân hàng trung ương muốn tại một thời điểm cụ thể. Khi 'khoảng cách' nới rộng, thì chính 'khoảng cách' đó là kết quả đầu ra. Đầu vào chính trị tạo ra nó vẫn không thể quan sát được đối với bất kỳ hệ thống thuần túy dựa trên dữ liệu nào.