3 Codex Skills biến AI thành đội nghiên cứu đầu tư chứng khoán chuyên nghiệp

TL;DR

Một tài khoản X (@Saccc_c) vừa tổng hợp công thức xây dựng hệ thống nghiên cứu đầu tư chứng khoán Mỹ bằng Codex: ghép 3 Skills lại với nhau - ai-berkshire lo macro thesis, UZI-Skill lo phân tích định lượng, QuantDinger lo backtest và thực thi. Ba tool này không cạnh tranh nhau - chúng bổ sung nhau theo thứ tự tuyến tính, tạo thành một pipeline hoàn chỉnh từ câu hỏi "Có nên mua NVDA không?" cho đến lệnh paper trade đầu tiên.

Vấn đề với nghiên cứu đầu tư truyền thống

Một nhà đầu tư cá nhân muốn phân tích cổ phiếu đúng cách cần ít nhất 3 thứ: một framework định tính để đánh giá chất lượng doanh nghiệp, dữ liệu định lượng đa chiều để validate thesis, và khả năng backtest để biết chiến lược có sinh lời trong lịch sử không. Ba thứ đó, theo truyền thống, tương đương với Bloomberg Terminal (~$24,000/năm), FactSet (~$12,000/năm), và một nền tảng backtest riêng.

Codex Skills không thay thế hoàn toàn các tool trên - nhưng đặt cả 3 khả năng vào một môi trường AI với chi phí chỉ là subscription Codex. Và vì đây là Skills (tức là workflow có thể tái sử dụng), một lần thiết lập là dùng mãi.

Codex Skills là gì?

Skills là định dạng workflow có thể tái sử dụng trong OpenAI Codex - mỗi skill được đóng gói trong một file SKILL.md chứa hướng dẫn, tài nguyên và script tùy chọn. Thay vì giải thích lại quy trình mỗi lần, bạn gọi skill theo tên và Codex tự biết cách thực thi.

Theo dữ liệu OpenAI công bố, 26.6% người dùng Codex hiện đã dùng Skills - và đáng chú ý là phần lớn trong số đó không phải developer. Skills cho phép người dùng không biết code - kể cả nhà đầu tư, chuyên gia phân tích - tận dụng được năng lực của Codex mà không cần viết prompt từ đầu mỗi lần.

Ba skills, ba vai trò bổ sung nhau

1. ai-berkshire - Tư duy của 4 huyền thoại đầu tư

Repository: github.com/xbtlin/ai-berkshire (8,825 stars)

ai-berkshire là bộ 18 skills AI hệ thống hóa phương pháp luận của 4 nhà đầu tư huyền thoại: Warren Buffett, Charlie Munger, Duan Yongping (đoàn Vĩnh Bình) và Li Lu. Điểm khác biệt là 4 lens này không chỉ chia nhau các phần việc - chúng chủ động phản bác nhau để tạo ra sức căng phân tích:

• Buffett lens: đánh giá độ sâu moat, kỷ luật phân bổ vốn, biên an toàn trong định giá
• Munger lens: áp dụng inversion - "Điều gì có thể khiến thesis này sai?" - để lộ blind spot
• Duan Yongping lens: phân tích bản chất kinh doanh và lợi thế cạnh tranh thực sự
• Li Lu lens: đánh giá tính chắc chắn 10 năm và mức độ phù hợp với xu hướng văn minh

Skill nổi bật nhất là /investment-team: kích hoạt 4 agent độc lập chạy song song, mỗi agent research hoàn chỉnh theo một lens, sau đó Team Lead tổng hợp kết luận cuối. Không phải chia một prompt thành 4 - là 4 "nhà phân tích" độc lập cùng lúc.

Về hiệu suất thực tế: tác giả công bố portfolio live đạt +69.29% năm 2024 (beat S&P 500 khoảng 46 điểm %) và +66.38% năm 2025 (beat S&P 500 khoảng 50 điểm %). Đây là portfolio thực của tác giả, có kiểm toán - không phải backtest trên dữ liệu lịch sử.

2. UZI-Skill - Phân tích định lượng 22 chiều

Repository: github.com/wbh604/UZI-Skill

Nếu ai-berkshire trả lời câu hỏi "Đây có phải doanh nghiệp tốt không?", thì UZI-Skill trả lời "Cổ phiếu này đang ở đâu về mặt số liệu?"

UZI-Skill phân tích bất kỳ ticker nào qua 22 chiều dữ liệu bao gồm valuation, growth, sentiment, competitive positioning và risk. Điểm đặc biệt là 66 nhà đầu tư ảo thuộc 9 trường phái: từ classical value (Buffett, Graham, Fisher) đến growth/venture (Cathie Wood, Lynch), macro hedge (Soros, Dalio), technical (Livermore, Minervini), đến quantitative (Renaissance, AQR). Mỗi nhà đầu tư ảo đưa ra góc nhìn độc lập dựa trên 236 quy tắc định lượng và 17 phương pháp tổ chức (DCF, Comps, LBO, segmental modeling...).

Có 3 chế độ phân tích tùy nhu cầu:

• Lite: quick scan 30 giây - 2 phút (tổng quan nhanh)
• Medium: phân tích đầy đủ 5-8 phút
• Deep: toàn diện 15-20 phút với output HTML report, radar chart, heatmap

UZI-Skill hỗ trợ A-shares (Trung Quốc), Hong Kong stocks và US equities - nên dùng được cho cổ phiếu Mỹ không có vấn đề gì.

3. QuantDinger - Từ luận điểm đến lệnh giao dịch

Repository: github.com/brokermr810/QuantDinger

QuantDinger là nền tảng giao dịch định lượng AI tự host - bước cuối trong pipeline, biến kết quả research thành chiến lược có thể kiểm chứng. Nó kết nối với Codex thông qua Agent Gateway (/api/agent/v1) và MCP server (quantdinger-mcp trên PyPI), cung cấp 26 tool để agent đọc market data, quản lý chiến lược, chạy backtest và thực thi lệnh.

Workflow điển hình: AI research → viết Python strategy → backtest tạo equity curve & drawdown metrics → paper trade (mặc định) → live execution khi đã validate. QuantDinger hỗ trợ trực tiếp các sàn crypto lớn (Binance, OKX, Bybit, Coinbase...) và thị trường truyền thống qua IBKR và Alpaca - tức là cổ phiếu Mỹ live trading là khả thi.

Một điểm quan trọng về an toàn: token agent mặc định chỉ có quyền paper trading, và tất cả lệnh gọi đều có audit log. Không có chuyện agent tự ý vào lệnh live mà không có sự kiểm soát.

Pipeline thực tế: Một người - một đội nghiên cứu

Ba skills này hoạt động theo thứ tự, mỗi bước làm giàu thêm context cho bước tiếp theo:

1. ai-berkshire xây dựng macro thesis: "NVDA có moat thực sự không? Munger inversion nói gì? Li Lu thấy xu hướng 10 năm ở đây không?"
2. UZI-Skill validate thesis bằng số: DCF, 66 nhà đầu tư ảo đồng thuận/không đồng thuận, risk score hiện tại
3. QuantDinger kiểm chứng bằng lịch sử: Chiến lược dựa trên thesis này có sinh lời trong 5 năm qua không? Drawdown tối đa là bao nhiêu?

Kết quả: một nhà đầu tư cá nhân có thể tự mình chạy quy trình research mà thông thường cần cả team analyst - và có thể lưu lại toàn bộ quy trình dưới dạng Skills để dùng lại cho mọi cổ phiếu tiếp theo.

Giới hạn cần biết trước khi dùng

• Hiệu suất của ai-berkshire không đảm bảo cho mọi người: con số +69%/+66% là portfolio thực của tác giả - không phải backtest và không phải cam kết cho người dùng khác. Kết quả phụ thuộc nhiều vào cách đặt câu hỏi và chất lượng dữ liệu đầu vào.
• Dữ liệu real-time cần tích hợp thêm: cả ba skills không có built-in real-time data feed - bạn cần cung cấp dữ liệu tài chính qua API hoặc tích hợp thủ công.
• QuantDinger cần self-host: phải setup Docker + PostgreSQL trên server riêng - không phải SaaS plug-and-play.
• Cần Codex subscription: ChatGPT Plus/Pro hoặc Codex API - không dùng được với tài khoản free.

Ai nên thử ngay?

• Nhà đầu tư cá nhân muốn research bài bản mà không muốn trả phí Bloomberg Terminal
• Fund manager nhỏ cần tăng throughput nghiên cứu mà không tuyển thêm analyst
• Người dùng Codex không biết code: UZI-Skill và ai-berkshire đều được thiết kế dùng qua slash-command, không cần viết một dòng Python nào

Tweet gốc đạt 55K views và 548 likes - cho thấy đây không phải niche nhỏ. Cộng đồng Codex đang tích cực xây Skills cho các vertical phi-code, và đầu tư là một trong những vertical được hưởng lợi sớm nhất.

via @Saccc_c trên X