Tôi vừa nhận một tài liệu dài 4.000 từ. Văn bản được bố trí với 9 mục phân tích lớn, kèm 12 bảng biểu, 2 sơ đồ, và một khung đánh giá năm sao đầy đủ. Trông nó giống hệt một báo cáo phân tích đầu tư chuyên nghiệp. Tôi đếm chính xác 214 lần xuất hiện cụm từ "N/A – không đủ thông tin". Không một con số cụ thể nào. Không một địa chỉ ví. Không một giao dịch. Không một tên dự án. Không một bộ dữ liệu nào được tham chiếu. Toàn bộ tài liệu 4.000 từ mô tả duy nhất một điều: tác giả của nó không có gì để phân tích.
Điều này đáng chú ý, nhưng không theo cách tác giả có thể mong đợi. Câu hỏi đặt ra: trong một thị trường đang tăng, nơi dòng tiền liên tục chảy vào các giao thức, tại sao chúng ta lại chứng kiến sự gia tăng của những báo cáo phân tích rỗng — những tài liệu được đóng khung hoàn hảo, có cấu trúc chặt chẽ, nhưng không chứa bất kỳ dữ liệu nào? Đây là một hiện tượng mới trong ngành phân tích, và tôi gọi nó là Hội chứng N/A.
Từ thời tôi còn là một quantitative strategist ở Vancouver, tôi đã nhiều lần nhận được các báo cáo tương tự — chỉ có điều, trước đây, chúng được ngụy trang tinh vi hơn. Năm 2017, tôi chứng kiến cả một thế hệ whitepaper nhiều trang giấy nhưng không mô tả kiến trúc kỹ thuật nào. ICO huy động hàng triệu đô la dựa trên những bản tài liệu trình bày đẹp đẽ, hứa hẹn một blockchain cách mạng, nhưng không có mã nguồn, không có testnet, không có mô hình kinh tế. Ngày nay, thứ rỗng không không còn là whitepaper nữa. Nó đã trở thành các báo cáo phân tích — những khung sườn được bày biện theo phong cách ngân hàng đầu tư, nhưng không có một mảnh dữ liệu nào bên trong.
Trong một thị trường tăng, sản xuất báo cáo là một ngành công nghiệp phòng thủ của những người quản lý danh mục đầu tư. Nó nhằm chứng minh rằng quy trình đang được vận hành, rằng nhóm phân tích đang làm việc, rằng tiền được quản lý một cách bài bản. Khung phân tích được thừa hưởng từ văn hóa tư vấn chiến lược: một tài liệu có cấu trúc rõ ràng, có bảng biểu, có xếp hạng sao, trông có vẻ đáng tin cậy. Nhưng khung chỉ là bộ xương. Nếu không có các lớp dữ liệu bên trong, nó trở thành một công cụ tạo vẻ bề ngoài. Một bộ xương hoàn hảo được trưng bày không phải là một cơ thể sống.
Trong ngành khoa học dữ liệu, có một quy tắc ngầm mà tôi luôn áp dụng trong hơn 20 năm làm phân tích: bạn phải truy vết nguồn gốc của từng con số trước khi tin vào nó. Dữ liệu không nói dối, nhưng sự vắng mặt của dữ liệu cũng không nói dối — nó chỉ đơn giản là đang bày ra trước mắt bạn một sự thật khác. Khi một báo cáo phân tích không có một điểm dữ liệu nào, đó không phải là một lỗi kỹ thuật. Đó là một thông điệp. Tài liệu đang kể cho chúng ta nghe về người viết ra nó, về quy trình sản xuất ra nó, và về một ngành đang ngày càng rời xa nền tảng bằng chứng của chính mình.
Hãy cùng tôi giải phẫu tài liệu nguồn mà tôi đề cập ở phần mở đầu. Mục đầu tiên là phân tích kỹ thuật. Nó có tiêu đề "Đánh giá giao thức" nhưng không nêu tên một giao thức nào. Có một bảng so sánh "tính sáng tạo với đối thủ cạnh tranh" — nhưng không có đối thủ nào được liệt kê. Các cột "điểm mạnh", "điểm yếu", "giả định bảo mật" đều trống rỗng. Một bảng trống có một ý nghĩa nhiều lớp: nó cho thấy người viết biết cần phải hỏi những câu hỏi như vậy, và nó cũng cho thấy họ không có chút dữ liệu nào để trả lời. Sự vắng mặt đó tự nó là một dữ liệu — nó tiết lộ rằng dự án được phân tích có thể không có bất kỳ dấu hiệu kỹ thuật nào xuất hiện trên mạng lưới, không có smart contract, không có địa chỉ ví, không có lưu lượng giao dịch để đo đếm.
Khi tôi đào sâu vào mục phân tích tokenomics, mọi thứ tiếp tục trống rỗng một cách có hệ thống. Không có tên token. Không có tổng cung. Không có lịch trình mở khóa. Không có APR. Không có mô hình doanh thu. Nhưng bảng biểu vẫn được kẻ rất đẹp: hàng "đội ngũ", "nhà đầu tư sớm", "cộng đồng/thanh khoản", "kho bạc/quỹ hệ sinh thái" — mỗi hàng đều có cột phần trăm và cột lịch trình mở khóa. Tất cả đều là N/A. Ở đây, chúng ta thấy bóng dáng của một nhà phân tích có học, hiểu rằng một mô hình tokenomics tốt cần phải trả lời các câu hỏi này. Nhưng họ đã gặp một dự án mà ngay cả những thông tin cơ bản nhất cũng không thể tìm thấy, hoặc họ không tìm.
Sâu hơn nữa, tôi dừng lại ở mục phân tích pháp lý. Tác giả báo cáo liệt kê bốn yếu tố của bài kiểm tra Howey để xác định tính chất chứng khoán của token: đầu tư tiền, vào một doanh nghiệp chung, kỳ vọng lợi nhuận từ nỗ lực của người khác. Mỗi yếu tố đều được đánh dấu "N/A – không đủ thông tin". Đây là một điểm tinh tế: người viết hiểu biết về khung pháp lý của Mỹ một cách chính xác, có khả năng là qua đào tạo hoặc nghiên cứu nghiêm túc về luật chứng khoán. Nhưng kiến thức quy định mà không có dữ liệu về token, về hoạt động của mạng lưới, về cách phân phối token — giống như một cuốn sách dạy nấu ăn cao cấp không có công thức nấu ăn nào. Nó vô dụng khi bạn phải đứng trước bếp.
Điều khiến tôi thực sự chú ý nằm ở mục phương pháp luận — hoặc đúng hơn là sự vắng mặt của nó. Tài liệu nguồn không có một mô tả nào về cách thu thập dữ liệu, không có liên kết đến Etherscan, không có biểu đồ phân phối, không có mô hình, không có mã Python, không có bất kỳ công cụ phân tích nào được nhắc đến. Phân tích blockchain nghiêm túc bắt đầu bằng việc xác định nguồn dữ liệu: bạn lấy dữ liệu từ đâu? Bạn chạy truy vấn nào trên dữ liệu đó? Bạn xử lý dữ liệu thiếu như thế nào? Không có lớp nền tảng này, mọi kết luận phía sau đều chỉ là sự tưởng tượng. Một báo cáo không có phương pháp luận không phải là một báo cáo phân tích — nó là một bài tập viết lách có cấu trúc.
Tôi muốn dừng lại một chút về ngôn ngữ của sự trống rỗng. Trong tài liệu này, cụm từ "N/A – không đủ thông tin" xuất hiện với tần suất dày đặc đến mức nó tạo nên một nhịp điệu. 214 lần lặp lại, gần như theo kiểu tụng kinh. Có điều gì đó thôi miên trong sự lặp lại ấy: nó khiến người đọc dần quen thuộc với sự trống rỗng, tới mức người ta có thể quên mất rằng không có bất kỳ nội dung phân tích nào. Sự lặp lại không tạo ra sự thật; nó tạo ra sự quen thuộc. Các nghiên cứu về nhận thức hành vi tin rằng con người có xu hướng tin vào điều gì đó sau khi nghe nó nhiều lần — điều này được gọi là hiệu ứng ảo tưởng về sự thật. Một tài liệu được trình bày với bảng biểu, các mục rõ ràng, cụm từ lặp đi lặp lại một cách nhất quán, có thể khiến người đọc thiếu kinh nghiệm tin rằng đó là một phân tích nghiêm túc, mặc dù thực chất nó không chứa một chút thông tin nào.
Tài liệu này cũng tạo ra một hiệu ứng mà tôi gọi là Hiệu ứng Rorschach. Khi một báo cáo quá trống rỗng, người đọc có xu hướng phóng chiếu lên nó những gì họ muốn thấy. Nhà đầu tư bán lẻ trong thị trường tăng sẽ tìm thấy những tín hiệu tiềm năng tích cực: một khung phân tích hoàn chỉnh như vậy ít nhất cũng cho thấy dự án được chú ý đến ở nhiều khía cạnh. Người quản lý rủi ro lại đọc thấy một thông điệp thận trọng: họ cho rằng báo cáo đang thành thật về việc thiếu dữ liệu, và do đó có thể tin tưởng vào quy trình. Nhưng cả hai cách đọc này đều sai. Báo cáo không ẩn chứa một ý nghĩa ẩn nào cả. Nó chỉ đơn thuần trống rỗng. Và khi dữ liệu không có, thị trường tự do phóng chiếu những câu chuyện — đây là điều nguy hiểm nhất trong một bull market, vốn đã ngập tràn những câu chuyện không có bằng chứng hỗ trợ.
Bây giờ tôi muốn đưa ra một góc nhìn phản trực giác: một khung phân tích trống rỗng vẫn có giá trị — thậm chí có thể có giá trị cao hơn một kết luận sai lầm được ngụy trang bằng những con số mơ hồ. Trong khoa học dữ liệu, N/A là một câu trả lời hợp lệ. Một mô hình được xây dựng cẩn thận sẽ trả về N/A khi không có đủ bằng chứng để kết luận. Điều đó được gọi là sự chính trực về mặt nhận thức. Nó khác hoàn toàn với việc bịa ra một con số chỉ để làm đẹp báo cáo. Trong một thị trường ngập tràn những phán đoán vô căn cứ, một N/A trung thực là một công cụ lọc vô cùng mạnh mẽ. Nó nói với chúng ta: "Dữ liệu không đủ để đưa ra quyết định." Và trong giao dịch, biết khi nào không nên ra quyết định có thể là một lợi thế cạnh tranh lớn hơn nhiều so với việc đưa ra một dự đoán sai lầm.
Có một bài học tôi rút ra từ năm 2017 mà chính nó đã định hình cách tôi nhìn nhận mọi báo cáo kể từ đó. Khi còn làm phân tích cho một quỹ đầu tư nhỏ tại Vancouver, tôi được giao nhiệm vụ thẩm định một ICO. Một nhà phân tích khác đã chuẩn bị một báo cáo dày, đầy đủ con số về doanh thu và mức độ chấp nhận của cộng đồng. Dữ liệu đến từ một nguồn duy nhất, là một bảng tổng hợp không có chi tiết giao dịch. Tôi quyết định tự kéo dữ liệu từ blockchain và truy vết từng nguồn. Kết quả: 72% khối lượng giao dịch đến từ ba địa chỉ được nối với nhau bằng các giao dịch trùng lặp — một mô hình wash-trading kinh điển. Nhóm phân tích đó đã điền vào những khoảng trống bằng cách ngoại suy từ dữ liệu yếu và khẳng khái kết luận. Nếu họ dừng lại ở N/A và ghi một dòng "dữ liệu không đủ để xác định dòng tiền", có lẽ quỹ đã không mất 2,4 triệu đô la. Một con số không được kiểm chứng nguy hiểm hơn một khoảng trống rõ ràng. Khoảng trống ít nhất cũng cảnh báo bạn rằng mình đang đứng trên vùng đất không có bản đồ.
Khi nhìn vào tài liệu nguồn một lần nữa, tôi nhận ra một tín hiệu mà có lẽ người sản xuất ra nó không chủ ý đặt vào: một báo cáo phân tích trống rỗng, được cấu trúc tốt, cho tôi biết nhiều về quy trình vận hành của người tạo ra nó hơn bất kỳ một báo cáo nào có đầy đủ số liệu. Nó cho thấy một hệ thống đang ưu tiên hình thức hơn là nội dung. Tài liệu 4.000 từ này không phải là một phân tích về một dự án cụ thể. Nó là một phân tích toàn cảnh về một ngành đang dần đánh mất khả năng phân tích của chính mình. Nếu chất lượng của các báo cáo ngày càng giảm sút trong khi giá token tăng lên, chúng ta không thể gọi đó là một thị trường do dữ liệu dẫn dắt. Đó là một thị trường do niềm tin dẫn dắt — và niềm tin không có bằng chứng sẽ không bền vững.
Vậy chúng ta sử dụng tài liệu này như thế nào? Tuần tới, tôi khuyên bạn nên dành thời gian đọc các báo cáo phân tích tiền mã hóa, không phải để tìm kiếm cơ hội, mà để tìm kiếm những gì họ không nói. Hãy kiểm tra phần phương pháp luận: dữ liệu được lấy từ đâu? Có mã nguồn không? Có truy vết giao dịch không? Có kiểm định giả thuyết không? Nếu một báo cáo tăng giá không đưa ra được một con số cụ thể, hoặc tệ hơn, lấp đầy các bảng bằng cụm từ "N/A", hãy đặt câu hỏi về mức độ chính trực của toàn bộ câu chuyện. Sự thiếu sót này không chỉ nói về dự án mà còn nói về thị trường: khi ngay cả những người làm phân tích chuyên nghiệp cũng không thể tìm ra dữ liệu để phân tích, thì điều đó cho thấy sự lạc quan đang phát triển trên một nền tảng không có dữ liệu hỗ trợ.
Một khung trống rỗng là một công cụ kiểm tra hữu hiệu hơn là một trở ngại. Nó giúp chúng ta lọc ra các dự án thiếu minh bạch, hoặc nằm ngoài phạm vi dữ liệu công khai. Khi tôi cần thẩm định nhanh một giao thức mới, tôi thường tạo một khung gồm các câu hỏi mẫu — tương tự như những câu hỏi trong tài liệu nguồn — và nhanh chóng điền các câu trả lời dựa trên dữ liệu on-chain. Nếu nhiều mục trong khung của tôi trở thành N/A, đó là một cảnh báo rõ ràng. Ngược lại, nếu khung được điền đầy đủ với các liên kết đến Etherscan và các truy vấn có thể tái kiểm chứng, đó là một tín hiệu tích cực. Điều quan trọng không phải là việc bạn sử dụng một khung phân tích hay không. Điều quan trọng là bạn có trung thực khi khung không thể điền được hay không.
Trong thị trường tăng giá, những thông điệp thoải mái nhất thường là những thông điệp mà chúng ta không muốn nghe. Một báo cáo 4.000 từ không chứa một con số nào có thể được xem là một lời cảnh báo: ngành phân tích đang chạy nhanh hơn khả năng thu thập dữ liệu của chính nó. Không có gì sai khi nói "tôi không biết". Trong một thị trường nơi ai cũng khẳng định mình biết điều gì đó, việc thừa nhận sự thiếu hiểu biết trở thành một tài sản hiếm có. Các nhà giao dịch có thể học cách sử dụng N/A như một tín hiệu, và các nhà phân tích có thể lấy lại sự tín nhiệm bằng cách từ chối biến sự thiếu dữ liệu thành một câu chuyện lạc quan. Khi khung phân tích không còn chứa dữ liệu, chính sự vắng mặt đó trở thành điểm dữ liệu.
Tôi kết thúc bài viết này không phải bằng một kết luận, mà bằng một câu hỏi dành cho những ai đang đọc nó trong thị trường tăng này: nếu một báo cáo dài 4.000 từ mà không có dữ liệu — phải chăng vấn đề nằm ở báo cáo, hay nằm ở một ngành đang quên mất rằng phân tích, trước hết, phải bắt đầu từ việc lắng nghe dữ liệu? Hãy dành thời gian trong tuần tới để tự hỏi mình điều đó, trước khi bạn tin vào bất kỳ một câu chuyện tăng giá nào mà không có một con số chứng minh. Dữ liệu luôn ở đó. Câu hỏi là bạn có sẵn lòng nhìn vào nó hay không.
