intTypePromotion=1

Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:9

0
5
lượt xem
0
download

Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài nghiên cứu này đánh giá việc áp dụng các phương pháp đo lường giá trị chịu rủi ro áp dụng cho thị trường Việt Nam thông qua kênh thị trường chứng khoán. Cụ thể, các phương pháp phi tham số, bán tham số và tham số được sử dụng để dự báo giá trị chịu rủi ro cho tỷ lệ thu nhập của VNIndex.

Chủ đề:
Lưu

Nội dung Text: Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam

  1. Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Lê Hải Trung Nguyễn Thị Mai Trang Học viện Ngân hàng Ngân hàng TMCP Quân đội Bài nghiên cứu này đánh giá việc áp dụng các phương pháp đo lường giá trị chịu rủi ro áp dụng cho thị trường Việt Nam thông qua kênh thị trường chứng khoán. Cụ thể, các phương pháp phi tham số, bán tham số và tham số được sử dụng để dự báo giá trị chịu rủi ro cho tỷ lệ thu nhập của VN- Index. Bài viết cho thấy việc áp dụng giả định phân phối chuẩn cho tỷ lệ thu nhập của VN-Index đánh giá thấp rủi ro thực của thị trường chứng khoán. Các kiểm định đánh giá lại dự báo VaR cho thấy phương pháp tham số với giả định phân phối xác suất của tỷ lệ thu nhập của VN-Index không chuẩn, tồn tại độ lệch và độ dày đuôi lớn hơn phân phối chuẩn, cho dự báo VaR có độ chính xác cao nhất. Từ khóa: Giá trị chịu rủi ro, Dự báo, Phân phối xác suất 1. Giới thiệu giữ trạng thái mở đối với một tài sản/danh mục tài sản tài chính trong một khoảng thời Giá trị chịu rủi ro (Value at Risk- VaR) đo gian nhất định trong tương lai với một độ lường mức độ tổn thất tối đa của việc nắm tin cậy được xác định trước. VaR là một Forecasting Value at Risk: An application to Vietnamese market Abstract: This paper investigates several approaches to forecast Value at Risk (VaR) in Vietnam. Non-parametric, semi-parametric and parametric methods are used to forecast VaR for returns of Vietnamese stock index. Using several backtesting methods, I find that the GARCH-based model with non-Gaussian conditional return distribution yields the best forecasting performance. This finding warns the popular application of normal distribution to stock returns, which is found to underestimate the potential risk of Vietnamese stock market. Keywords: Value at Risk, Backtesting, Time series forecasting Trung Hai Le Email: trunglh@hvnh.edu.vn Banking Academy of Vietnam Trang Thi Mai Nguyen Email: maitrang2103@gmail.com Military Commercial Joint Stock Bank Ngày nhận: 30/04/2020 Ngày nhận bản sửa: 11/05/2020 Ngày duyệt đăng: 19/05/2020 Tạp chí Khoa học & Đào tạo Ngân hàng © Học viện Ngân hàng Số 221- Tháng 10. 2020 50 ISSN 1859 - 011X
  2. LÊ HẢI TRUNG công cụ phổ biến và được sử dụng rộng rãi từ ngày 01/01/2020. Trong đó, yêu cầu vốn để đo lường và kiểm soát rủi ro thị trường. tối thiểu cho rủi ro thị trường được tính Hiệp ước vốn Basel yêu cầu các ngân hàng toán dựa trên giá trị VaR. Thứ hai, TTCK sử dụng VaR để tính toán giá trị vốn tối Việt Nam tuy đã có những bước phát triển thiểu yêu cầu nắm giữ đối với rủi ro thị nhanh chóng nhưng mức độ phát triển của trường. Do đó, việc tính toán và xác định thị trường vẫn còn rất sơ khai1. Võ Xuân chính xác giá trị VaR có vai trò quan trọng Vinh và Trần Thị Tuấn Anh (2020) nghiên đối với hoạt động quản trị rủi ro của các cứu các nhân tố tác đến thu nhập của các ngân hàng. Điều này đặc biệt có ý nghĩa cổ phiếu niêm yết trên thị trường Việt Nam trong bối cảnh thị trường tài chính có nhiều và chỉ ra rằng các yếu tố được cho là ảnh biến động mạnh như giai đoạn hiện nay hưởng mạnh đến biến động thu nhập dựa bởi việc tính toán chính xác VaR mang lại trên các nghiên cứu trên thị trường phát sự chủ động cho các ngân hàng trong việc triển không có ý nghĩa khi áp dụng vào thị kiểm soát và đảm bảo an toàn hoạt động. trường Việt Nam. Sử dụng số liệu theo thời gian thực, Quách Mạnh Hào, Nguyễn Linh Trong nội dung bài nghiên cứu này, tác giả và Nguyễn Hoàng (2019) còn chỉ ra mối tiến hành đánh giá các phương pháp phổ quan hệ ngược chiều của các nhân tố này biến được sử dụng để tính toán và dự báo tại thị trường Việt Nam so với các nghiên VaR cho thị trường Việt Nam. Cụ thể, tác cứu trước đó trên thế giới. Do đó, việc áp giả ứng dụng các phương pháp tiên tiến để dụng trực tiếp các mô hình đánh giá mức dự báo giá trị VaR cho biến động của thị độ rủi ro dựa trên các nghiên cứu trên thế trường chứng khoán (TTCK) Việt Nam từ giới vào thị trường Việt Nam cần phải được năm 2006 đến hết tháng 4/2020. Các dự báo thực hiện cẩn trọng và có sự đánh giá kỹ về giá trị VaR cho tỷ lệ thu nhập của chỉ số càng. chứng khoán VN-Index, đại diện cho thu nhập từ nắm giữ cổ phiếu trên thị trường 2. Phương pháp nghiên cứu Việt Nam sẽ được tính toán cho độ tin cậy là 99%. Các dự báo này sau đó sẽ được Định nghĩa tỷ lệ thu nhập từ biến động giá đánh giá lại về mức độ chính xác thông qua hàng ngày của một tài sản tài chính tại thời các kiểm định phổ biến để xem xét mức độ điểm t bất kỳ là rt = ln(Pt/Pt - 1) , trong đó Pt phù hợp và chính xác của các phương pháp là giá trị của tài sản tài chính đóng cửa tại trong trường hợp áp dụng cho thị trường ngày t và ln() là hàm logarit với cơ số tự Việt Nam. nhiên. VaRt + 1, α là giá trị tại phân vị α trong phân phối xác suất của rt + 1. Theo ý nghĩa Việc nghiên cứu mô hình phù hợp để dự kinh tế, giá trị VaRt + 1, α là giá trị suy giảm báo giá trị chịu rủi ro cho Việt Nam có ý tối đa của rt + 1 với độ tin cậy là 1 - α, được nghĩa quan trọng bởi hai lý do. Thứ nhất, đo lường dựa trên thông tin tại thời điểm t Ngân hàng Nhà nước Việt Nam (NHNN) + 12 và mang ý nghĩa dự báo mức thua lỗ đã chủ động xây dựng lộ trình triển khai cho ngày2. và áp dụng các quy định về quản trị rủi ro 1 Ngày 26/7/2000, khi mở cửa thị trường chỉ có 2 cổ chặt chẽ hơn theo chuẩn Basel II thông qua phiếu niêm yết (REE và SAM), nhưng đến hết tháng Thông tư 41/2016/TT-NHNN, yêu cầu các 2/2020 đang có 745 doanh nghiệp đang niêm yết trên hai sàn giao dịch chứng khoán Hồ Chí Minh (HOSE) và NHTM phải chính thức áp dụng tỷ lệ an Hà Nội (HNX). toàn vốn tối thiểu theo chuẩn Basel II kể 2 Ở phạm vi của bài nghiên cứu này, tác giả giới hạn Số 221- Tháng 10. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 51
  3. Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Với ý nghĩa quan trọng trong việc đo khứ. Trong nghiên cứu này, tác giả sử dụng lường và kiểm soát rủi ro, có rất nhiều các để phù hợp với các phương pháp khác đang phương pháp được sử dụng để tính toán được so sánh (Nieto và Ruiz 2016). và đo lường VaR. Một thống kê đầy đủ hơn về các phương pháp tính toán VaR 2.2. Phương pháp tự hồi quy phân vị- có thể được tìm thấy ở nghiên cứu của CAViaR Nieto và Ruiz (2016). Trong phạm vi bài nghiên cứu này, tác giả lựa chọn 3 mô hình Phương pháp tự hồi quy phân vị (CAViaR) được sử dụng phổ biến nhất, bao gồm: là phương pháp dự báo bán tham số (semi- phương pháp mô phỏng lịch sử (Historical parametric). Phương pháp này được đề Simulation), phương pháp tự hồi quy phân xuất bởi Engle và Manganelli (2004), theo vị (Conditional Autoregressive Value at đó VaR được tính toán dựa trên mô hình Risk - CAViaR) và phương pháp dựa trên hồi quy phân vị với giá trị phân vị được lựa mô hình biến động phương sai (GARCH). chọn. Mô hình CAViaR có hai dạng chính: Sau đó, tác giả sẽ thực hiện kiểm định lại kết quả dự báo VaR bằng hai kiểm định Phương trình cân xứng (CAViaR-SAV): phổ biến là Kiểm định tính phủ phân vị không điều kiện (unconditional coverage) VaRt + 1, α = β0 + β1VaRt, α + β2 |rt| của Kupiec (1995) và Kiểm định tính độc lập của các dự báo VaR của Engle và Phương trình bất cân xứng (CAViaR-AS): Manganelli (2004). VaRt + 1, α = β0 + β1VaRt, α + β2⁻I(rt < 0) |rt| + β2⁺I(rt 2.1. Phương pháp mô phỏng lịch sử- |r | ≥ 0) t HistSim Hai dạng mô hình này xây dựng dựa trên Phương pháp mô phỏng lịch sử là phương giả định về VaR phản ứng cân xứng hay pháp dự báo phi tham số (non-parametric) không cân xứng tùy thuộc vào tỷ lệ thu cho giá trị VaR đơn giản nhất nhưng được nhập ngày liền trước. Giả định này là phù sử dụng nhiều nhất trên thực tế bởi các hợp bởi các nghiên cứu trước đây đã chỉ ra ngân hàng (Berkowitz, Christoffersen, và là phương sai của tỷ lệ thu nhập thường tăng Pelletier 2011). Giả sử, tại thời điểm, chúng mạnh hơn khi tỷ lệ thu nhập ngày liền trước ta thu được chuỗi dữ kiện lịch sử cho ngày mang giá trị thua lỗ (Glosten, Jagannathan, gần nhất rt, rt-1, ..., rt - T+1.VaRt + 1, α được xác và Runkle 1993). định là: 2.3. Phương pháp dựa trên mô hình hồi quy biến động phương sai- GARCH Trong đó, r̂α giá trị phân vị thực tế của chuỗi dữ kiện lịch sử. Dự báo của VaR phụ thuộc Phương pháp dựa trên mô hình hồi quy vào độ dài của khoảng thời gian trong quá biến động phương sai (GARCH) là phương pháp dự báo tham số (parametric). Theo phạm vi thời gian là một ngày. Để tính VaR cho khoảng đó, mô hình GARCH được ước lượng cho thời gian lớn hơn 1 ngày, ví dụ như 10 ngày theo yêu cầu tính toán giá trị rủi ro thị trường, Basel II cho phép biến động tỷ lệ thu nhập của tài sản dựa tính toán giá trị này từ giá trị. VaR 1 ngày và nhân với trên một giả định về phân phối xác suất. giá trị căn bậc 2 của thời gian, VaRt + 1: t + 10, α = √10 Với các tham số đã ước lượng, VaR sẽ x VaRt + 1, α. 52 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 221- Tháng 10. 2020
  4. LÊ HẢI TRUNG dựa trên ước lượng về giá trị trung bình và Việc kiểm định lại kết quả dự báo VaR có sai số chuẩn của phân phối xác suất. Với ý nghĩa quan trọng trong việc xác định tính nghiên cứu này, tác giả lựa chọn mô hình chính xác của mô hình dự báo. Bởi lẽ, nếu GJR-GARCH, trong đó cho phép sự phản giá trị VaR được dự báo quá thấp sẽ dẫn ứng khác nhau của phương sai với sự thay đến việc đánh giá chưa đúng mức rủi ro đổi của tỷ lệ thu nhập. Nghiên cứu của trong trạng thái nắm giữ tài sản tài chính, Brownlees, Engle, và Kelly (2011) chỉ ra từ đó mang lại những thua lỗ ngoài dự tính. rằng mô hình này có khả năng dự báo chính Ngược lại, nếu giá trị VaR được dự báo xác hơn về thay đổi của phân phối xác suất quá cao dẫn đến những quyết định quá thận có điều kiện của tỷ lệ thu nhập hơn các mô trọng, bỏ lỡ các cơ hội sinh lời từ hoạt động hình cân xứng. Cụ thể, giá trị VaR được đầu tư. Tác giả sử dụng hai kiểm định phổ xác định như sau: biến nhất để đánh giá lại và so sánh các kết quả dự báo VaR từ các mô hình được xem rt = a0 + a1rt - 1 + σtzt xét như sau: σ2t = β0 + β1ε2t-1 + β2I(εt - 1
  5. Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam được đảm bảo sẽ dẫn đến khả năng các dự 2007-2009 và diễn biến khó lường của Đại báo VaR trở nên đánh giá quá thấp hoặc dịch Covid-19 được thể hiện khá rõ trên quá cao mức độ rủi ro thị trường tại một biểu đồ khi chỉ số VN-Index suy giảm mạnh thời điểm nhất định, mang tới những quyết mẽ, đi kèm với mức độ gia tăng của mức độ định không chính xác trong giai đoạn thị phương sai. trường biến động. Engle và Manganelli (2004) đề xuất kiểm định tính biến động Hình 1 trình bày các đặc điểm của chuỗi tỷ của VaR thông qua việc kiểm định tính vi lệ thu nhập của chỉ số VN-Index trong giai phạm dự báo VaR thông qua biến chuyển đoạn nghiên cứu. Có thể thấy tỷ lệ thu nhập đổi . Nếu các dự báo VaR là độc lập thì giá của chỉ số VN-Index có mức độ biến thiên trị của sẽ có giá trị kỳ vọng có điểu kiện và rất cao với mức độ lệch chuẩn biến động bất điều kiện là 0. Điều này được kiểm định hàng ngày là 1,47%, trong đó ngày biến thông qua việc hồi quy giá trị với các quan động cao nhất có giá trị là 4,86% ở mức sát trễ với 5 chu kỳ. Giá trị hệ số kiểm định tăng và 6,48% ở mức giảm. Giá trị độ lệch được xác định như sau: (Skewness) và độ dày đuôi (Kurtosis) cho thấy phân phối xuất suất của tỷ lệ thu nhập với chỉ số VN-Index là lệch về phía trái và có độ dày đuôi cao. Điều này có nghĩa là Trong đó b̂ là các hệ số của phương trình xác suất xảy ra các quan sát với mức suy hồi quy và hệ số χ2(7) được kiểm định giảm lớn cao hơn so với giả định về phân thông qua phân phối . phối chuẩn. Kiểm định Jarque-Bera cho kết quả hệ số kiểm định rất cao, thể hiện mức 3. Kết quả nghiên cứu độ phân phối không chuẩn của phân phối xác suất. Trong nghiên cứu này, tác giả sử dụng biến động giá đóng cửa của chỉ số VN-Index Để dự báo giá trị VaR, tác giả thực hiện từ 03/01/2006 đến 28/4/2020 từ trang web phương pháp dự báo gối đầu (Rolling Investing.com để đại diện cho biến động window) với mỗi mẫu ước lượng mô hình là của TTCK Việt Nam. Hình 1 thể hiện biến 1.000 quan sát. Cụ thể, 1.000 quan sát đầu động chỉ số và tỷ lệ thu nhập VN-Index tiên trong mẫu được sử dụng để ước lượng trong giai đoạn nghiên cứu. Ảnh hưởng của các mô hình dự báo VaR. Sau đó, các ước cuộc khủng hoảng tài chính toàn cầu năm lượng hệ số của các mô hình được sử dụng Hình 1. Biến động tỷ lệ thu nhập của VN-Index 54 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 221- Tháng 10. 2020
  6. LÊ HẢI TRUNG Nguồn: Tác giả tự tính toán từ dữ liệu tại Investing.com để dự báo giá trị cho mỗi ngày trong 10 ngày hiện dự báo gối đầu như vậy, các mô hình tiếp theo, với α = 0.01 tương ứng với độ tin được ước lượng 257 lần và số dự báo VaRt, α cậy 99%. Lưu ý là dữ kiện để thực hiện việc thu được là 2.564 dự báo. dự báo là thông tin về biến động VN-Index tại quan sát thứ 1.000. Do đó, các dự báo VaR Hình 2 thể hiện biến động tỷ lệ thu nhập này cũng là các dự báo trên thực tế mà người của VN-Index và dự báo giá trị VaR1% theo sử dụng có thể tính toán được tại thời điểm đó các mô hình được xem xét. Hình trên cùng (Out-of-Sample Forecast). Sau đó, mẫu ước là các dự báo VaR theo phương pháp mô lượng được dịch chuyển 22 ngày và hệ số của phỏng lịch sử, hình ở giữa là dự báo VaR các mô hình được ước lượng lại để thực hiện theo phương pháp tự hồi quy phân vị, hình dự báo VaRt, α cho 22 ngày tiếp theo. Thực dưới cùng là dự báo VaR thông qua mô hình GARCh với 2 giả định về phân phối Bảng 2. Các giá trị thống kê của biến động xác suất là phân phối chuẩn và phân phối tỷ lệ thu nhập VN-Index SGED. Có thể thấy phương pháp tự hồi VN-Index (03/01/2006- quy phân vị và phương pháp dựa trên mô 28/4/2020) hình GARCH cho dự báo giá trị VaR thay Số quan sát 3.565 đổi tương đối sát so với biến động tỷ lệ thu Giá trị lớn nhất 4,86 nhập của VN-Index. Trong khi đó, dự báo Giá trị nhỏ nhất -6,482 VaR từ phương pháp mô phỏng lịch sử cho Giá trị trung bình 0,026 biến động không quá lớn và chịu ảnh hưởng từ các biến động mạnh của tỷ lệ thu nhập Độ lệch chuẩn 1,47 trong quá khứ (Nieto và Ruiz, 2016). Ví dụ, Hệ số độ lệch -0,242 giai đoạn đầu của chuỗi dự báo, khi mẫu Hệ số dày đuôi 1,646 ước lượng có bao gồm các quan sát của giai Giá trị kiểm định J.B 437,14 đoạn khủng hoảng tài chính 2007-2009, dự Nguồn: Tác giả tự tính toán báo VaR của mô hình HistSim1000 gần Ghi chú: Bảng thể hiện các đặc điểm của chuỗi tỷ như không thay đổi, sau đó giảm dần khi lệ thu nhập của chỉ số VN-Index theo ngày trong các quan sát này rời ra khỏi mẫu ước lượng. giai đoạn nghiên cứu. Các chỉ tiêu được lựa chọn bao gồm giá trị tối đa, tối thiểu, trung bình và độ lệch chuẩn, thể hiện dưới dạng %. Chỉ tiêu J.B.test Bảng 2 thể hiện kết quả kiểm định lại giá là giá trị của kiểm định Jarque-Bera cho giả định trị dự báo VaR của các mô hình được xem phân phối chuẩn của chuỗi tỷ lệ thu nhập xét. Cột (1) thể hiện tỷ lệ vi phạm giá trị Số 221- Tháng 10. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 55
  7. Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Hình 2. Dự báo cho tỷ lệ thu nhập của VN-Index cho các mô hình được xem xét Nguồn: Tác giả tự tính toán 56 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 221- Tháng 10. 2020
  8. LÊ HẢI TRUNG Bảng 2. Kết quả kiểm định dự báo VaR Hệ số vi phạm Kiểm định độ phủ không Kiểm định tính độc lập của Mô hình (%) điều kiện dự báo VaR HistSim1000 0.784 0.254 0 HistSim250 1.293 0.155 0 CAViaR-Sav 1.058 0.771 0.012 CAViaR-As 1.332 0.108 0.026 GARCH-Norm 1.724 0.001 0.001 GARCH-SGED 1.215 0.292 0.422 Nguồn: Tác giả tự tính toán Ghi chú: Bảng thể hiện kết quả kiểm định lại các dự báo VaR cho các mô hình được xem xét. Cột (1) thể hiện tỷ lệ vi phạm giá trị dự báo VaR trong mẫu dự báo dự báo VaR trong mẫu dự báo, cột (2) thể lệ thu nhập để hạn chế các đánh giá sai lệch hiện giá trị p_value cho kiểm định tính phủ về rủi ro trên thị trường. không điều kiện của Kupiec (1995) cho giả thuyết là các dự báo VaR có tính chính xác 4. Kết luận trong dự báo phân vị của phân phối xác suất của tỷ lệ thu nhập. Cột (3) thể hiện giá Bài nghiên cứu này đánh giá các phương trị p_value của kiểm định DQ của Engle và pháp dự báo giá trị chịu rủi ro- VaR, ứng Manganelli (2004) cho tính độc lập của các dụng cho thị trường Việt Nam thông dự báo VaR với giả thuyết là mô hình đưa qua kênh TTCK. Ba phương pháp khác ra dự báo VaR có tính phủ phân vị và các nhau dựa trên các mô hình phi tham số dự báo là độc lập với nhau. Có thể thấy, các (HistSim), bán tham số (CAViaR) và tham mô hình đưa ra các dự báo VaR có tính phủ số (GARCH) được xem xét để dự báo giá phân vị tương đối chính xác, ngoại trừ mô trị VaR với độ tin cậy 99% theo thời gian hình GARCH-Norm với tỷ lệ vi phạm dự thực. Các dự báo VaR được kiểm định lại báo VaR cao, ở mức 1,724%. Mô hình bị với điều kiện dự báo chính xác cần đảm bảo bác bỏ bởi kiểm định tính phủ phân vị của tính phủ phân vị và tính độc lập giữa các dự Kupiec (1995), cho thấy việc giả định phân báo. Kết quả kiểm định lại dự báo VaR từ phối xác suất của tỷ lệ thu nhập VN-Index các mô hình cho thấy chỉ duy nhất mô hình là phân phối chuẩn sẽ mang lại những dự GARCH-SGED với việc ước lượng phân báo VaR quá thấp, qua đó đánh giá thấp phối xác suất có điều kiện với giả định rủi ro đối với biến động của VN-Index. Kết phân phối không chuẩn cho tỷ lệ thu nhập quả kiểm định DQ cho thấy chỉ duy nhất VN-Index cho ra kết quả dự báo VaR có mô hình GARCH-SGED cho ra các dự báo tính chính xác cao nhất. Điều này cho thấy VaR đảm bảo tính phủ phân vị và các dự các mô hình thông thường giả định phân báo này là độc lập với nhau, hạn chế khả phối chuẩn cho tỷ lệ thu nhập của VN- năng bị vi phạm một cách có hệ thống trong Index sẽ mang lại các dự báo VaR thấp hơn các thời điểm nhất định. Kết quả này cho so với rủi ro thực tế trên thị trường. Kết quả thấy rằng đối với một thị trường có mức độ nghiên cứu này có thể mang tính ứng dụng biến động lớn như Việt Nam, cần thiết phải đối với việc áp dụng các mô hình dự báo tính tới việc phân phối không chuẩn của tỷ giá trị chịu rủi ro trong tính toán yêu cầu Số 221- Tháng 10. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 57
  9. Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Tài liệu tham khảo 1. Bali, Turan G., và Panayiotis Theodossiou. 2008. “Risk Measurement Performance of Alternative Distribution Functions.” Journal of Risk và Insurance 75 (2): 411–37. 2. Berkowitz, Jeremy, Peter Christoffersen, và Denis Pelletier. 2011. “Evaluating Value-at-Risk Models with Desk- Level Data.” Management Science 57 (12): 2213–27. 3. Brownlees, Christian, Robert F. Engle, và Bryan Kelly. 2011. “A Practical Guide to Volatility Forecasting through Calm và Storm.” The Journal of Risk 14 (2): 12. 4. Engle, Robert F., và Simone Manganelli. 2004. “CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles.” Journal of Business và Economic Statistics 22 (4): 367–81. 5. Glosten, Lawrence R., Ravi Jagannathan, và David E. Runkle. 1993. “On the relation between the expected value và the volatility of the nominal excess return on stocks.” Journal of Finance 48 (5): 1779–1801. 6. Kupiec, Paul H. 1995. “Techniques for Verifying the Accuracy of Risk Measurement Models.” The Journal of Derivatives 3 (2): 73–84. 7. Ngân hàng Nhà nước Việt Nam, 2016. “Thông tư 41/2016/TT-NHNN Quy định về tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàn nước ngoài”. 8. Nieto, Maria Rosa, và Esther Ruiz. 2016. “Frontiers in VaR Forecasting và Backtesting.” International Journal of Forecasting 32 (2): 475–501. 9. Quach, Hao, Hoang Nguyen, và Linh Nguyen. 2019. “How Do Investors Price Stocks?—Evidence with Real-Time Data from Vietnam.” International Journal of Finance & Economics 24 (2): 828–40. 10. Theodossiou, Panayiotis. 2015. “Skewed generalized error distribution of financial assets và option pricing.” Multinational Finance Journal 19 (4): 223–66. 11. Vinh, Vo X., và Tran Thi Tuan Anh. 2020. “Higher-Order Comoments và Asset Returns: Evidence from Emerging Equity Markets.” Annals of Operations Research, 1–18. 12. https://www.investing.com/indices/vn-historical-data vốn tối thiểu cho rủi ro thị trường tại các ngân hàng trong bối cảnh ứng dụng hiệp ước vốn Basel II ■ 58 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 221- Tháng 10. 2020
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2