Đo lường rủi ro lan tỏa giữa các ngân hàng thương mại niêm yết tại Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:10

Thêm vào BST

Báo xấu

21
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong nghiên cứu này, mô hình Khoảng cách tới phá sản được áp dụng để đo lường Rủi ro lây lan trong 8 ngân hàng thương mại được niêm yết tại Việt Nam. Cụ thể hơn, bài nghiên cứu sẽ đo lường tác động của những hiện tượng cực đoan (extreme event) tại một ngân hàng ảnh hưởng tới những ngân hàng khác và dấu hiệu nhận biết rủi ro lây lan.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đo lường rủi ro lan tỏa giữa các ngân hàng thương mại niêm yết tại Việt Nam

Kỷ yếu Hội nghị sinh viên NCKH toàn quốc lần thứ IV các Trường Đại học khối ngành Kinh tế & QTKD ĐO LƯỜNG RỦI RO LAN TỎA GIỮA CÁC NGÂN HÀNG THƯƠNG MẠI NIÊM YẾT TẠI VIỆT NAM MEASURING CONTAGION RISK AMONG VIETNAM’S LISTED COMMERCIAL BANKS Nguyễn Thế Tùng, Trần Đăng Minh, Nguyễn Hữu Quang, Trần Minh Khôi, Lâm Hồng Phong GVHD: PGS.TS. Nguyễn Thị Minh Huệ Trường Đại học Kinh Tế Quốc Dân the.witness.95@gmail.com TÓM TẮT Trong nghiên cứu này, mô hình Khoảng cách tới phá sản được áp dụng để đo lường Rủi ro lây lan trong 8 ngân hàng thương mại được niêm yết tại Việt Nam. Cụ thể hơn, bài nghiên cứu sẽ đo lường tác động của những hiện tượng cực đoan (extreme event) tại một ngân hàng ảnh hưởng tới những ngân hàng khác và dấu hiệu nhận biết rủi ro lây lan. Kết quả nghiên cứu sẽ đưa ra một bức tranh tổng thể về hệ thống ngân hàng: ngân hàng không chỉ chịu ảnh hưởng của những cú sốc đặc ứng từ bên trong hệ thống mà còn chịu ảnh hưởng từ những cú sốc bên ngoài của thị trường tài chính. Có thể kết luận rằng, hoạt động tài chính của các ngân hàng có khả năng gây ảnh hưởng lên lẫn nhau và kết quả này có thể là ứng dụng quan trọng cho toàn bộ hệ thống ngân hàng của Việt Nam. Từ khóa: rủi ro lây lan, ngân hàng thương mại niêm yết. ABSTRACT In this research, we apply the Distance to Default (DD) model to measure the contagion risk across 8 listed commercial banks of Vietnam. Particularly, we try to measure how other banks are affected when one banks fall into the extreme event and find the signal of contagion risk. The result of this paper show the overall picture of this banking system: individual banks are not only affected by idiosyncratic shocks within the system but also the common shocks to the financial markets. To conclude, banks are susceptible to others’ operating situation and this result may have important application for the whole Vietnam banking system. Keywords: contagion risk, listed commercial banks 1. Giới thiệu Những năm trở lại đây, rủi ro lan tỏa đang trở thành một hiện tượng và vấn đề này đã và đang được tranh luận gắt gao. Nền kinh tế thế giới đang ngày một hội nhập, các cơ quan tài chính dần gia tăng sự liên kết giữa các cơ quan này và cơ quan khác. Quả thực, việc hội nhập đem lại cho chúng ta rất nhiều cơ hội lớn như lao công, thông tin và tiết kiệm chi phí mà sau cùng có thể dẫn tới việc tăng tính thanh khoản và chiều sâu cho thị trường. Tuy nhiên, cơ hội lớn luôn đồng nghĩa với những thách thức lớn phải vượt qua.Cụ thể trong trường hợp này chính là vấn đề “rủi ro lan tỏa” trong hệ thống. Sự sụp đổ của đế chế Lehman dẫn tới khủng hoảng năm 2008 là một trong những ví dụ về tác động của sự lan tỏa. Nếu đây là vấn đề mà các nước hàng đầu thế giới đang gặp phải thì khi trong hoàn cảnh của một nước đang phát triển như Việt Nam, vấn đề này có lẽ còn có thể nghiêm trọng hơn. Vì vậy, trong bài viết này, nhóm nghiên cứu mong muốn được đóng góp vào việc xem xét mức độ ảnh hưởng của rủi ro lan tỏa giữa các ngân hàng ở Việt Nam. Bài nghiên cứu sẽ đi theo phương pháp của Gropp và Moerman (2004) về phát hiện ra hướng lan tỏa rủi ro từ tổ chức tài chính này sang tổ chức tài chính khác. Những đo đạc trong nghiên cứu sử dụng dữ liệu có thể dễ dàng tìm được từ thị trường như giá cố phiếu, giá trị sổ sách của vốn nợ, vốn chủ sỡ hữu …... Cách tiếp cận căn bản sẽ dựa trên ứng dụng của đồng vượt ngưỡng (co-exceedance) và thuyết giá trị cực đại (extreme value theory) trong việc xem xét rủi ro lan tỏa giữa các tổ chức tài chính. 153
Trường Đại học Kinh tế - Đại học Đà Nẵng 2. Cơ sở lý thuyết 2.1. Rủi ro lan tỏa và những đặc tính của nó Rủi ro lan tỏa (Contagion risk) ở có thể được hiểu đơn giản là việc sự khủng hoảng của một ngân, hay một thể chế tài chính, khiến cho một (hoặc nhiều) ngân hàng khác liên quan đến nó cùng lúc gặp khủng hoảng. Nó được cho rằng là nguyên nhân chính dẫn tới những cuộc khủng hoảng gần đây như khủng hoảng Châu Á 1999 (The Asian Flu) hay khủng hoảng tài chính 2008 (Với bước đầu là sự sụp đổ của đế chế Lehman Brothers). Thế những việc chính xác nó là gì vẫn còn là một vấn đề có nhiều bàn cãi. Cho tới bây giờ, các học giả trên thế giới vẫn chưa thống nhất được một định nghĩa cụ thể cho vấn đề này. Các tranh cãi này tập trung chủ yếu vào việc nên gán bao nhiêu trách nghiệm cho rủi ro lan tỏa trong những cuộc khủng hoảng tài chính. Một vài nhà phân tích thậm chí còn tin rằng không có cái gọi là rủi ro lan tỏa, chỉ có sự sụt giảm của nền kinh tế khiến cho người gửi rút tiền từ ngân hàng yếu và chuyển sang ngân hàng mạnh hơn. Cân nhắc trong trường hợp của bài nghiên cứu, trong bài viết này, nhóm nghiên cứu sẽ sử dụng định nghĩa của sự lây lan là việc: “một ngân hàng chịu tác động của một cú sốc riêng biệt truyền đến các ngân hàng khác”. Định nghĩa này được đề xuất bởi công trình của Gropp (2004) – là định nghĩa khả thi nhất để áp dụng cho mục đích nghiên cứu sự lây lan ở Việt Nam hiện giờ. Bài viết sẽ không bàn cụ thể về các kênh truyền dẫn, nhưng chúng ta có thể tính tới thị trường tiền tệ, hệ thống thanh toán, equity (ownership) links và “thuần” lây lan. Ưu điểm của định nghĩa này là tránh được vấn đề về phóng đại hoặc xem nhẹ tác động của sự lây lan. Nó cho phép chúng tôi phát triền phương pháp để xác định hướng tác động của rủi ro lan tỏa giữa các ngân hàng hơn là chỉ ra chính xác độ lớn về tác động của sự nó lên hệ thống tài chính. Do đó, trong báo cáo này, chúng tôi tránh nói về số lượng chính xác mà chỉ cố gắng đo lường mức độ liên kết của hệ thống ngân hàng Việt Nam và bằng cách nào vấn đề của một ngân hàng riêng biệt có thể lan tỏa khắp thị trường của chúng ta. Phương pháp được thảo luận ở phần tiếp theo sẽ gắn với định nghĩa chúng tôi đã đề xuất ở trên. 2.2. Phương pháp đo lường rủi ro lan tỏa Chúng tôi áp dụng mô hình lấy từ nghiên cứu của Reint Gropp và Gerard Moerman (2004) làm cơ sở cho báo cáo này. Phương thức tiếp cận của mô hình được phát triển dựa trên bài viết của Bae et al. (2004) về việc hành vi của quan sát đuôi cho dữ liệu của thị trường tài chính là khá khác biệt so với những quan sát còn lại (Lý thuyết giá trị cực đại – extreme value theory). Độ hợp lý của việc áp dụng lý thuyết giá trị cực đại vào nghiên cứu rủi ro lan tỏa đã được chứng minh từ trước trong Longin và Solnik (2001); Bae et al (2003) rằng những đồng vượt ngưỡng (co-exceedances - hiện tượng khi có 2 hay nhiều hơn những đối tượng quan sát cùng nằm trong giá trị cực đại – sẽ được nói rõ hơn trong các phần sau) quan sát được là nhất quán với những phân phối mô phỏng khác nhau. Đây dấu hiệu chứng tỏ nó là một phương pháp đáng tin cậy để đo lường rủi ro lan tỏa. Đồng vượt ngưỡng được nhắc đến trong những báo cáo này được tính toán dựa trên cơ sở của Khoảng cách phá sản (Distance to Default - DD). Khoảng cách tới phá sản là một mô hình đo lường rủi ro được đưa ra trong Gropp el al, (2003) như một phương pháp cụ thể và phù hợp để đo lường rủi ro trong ngân hàng. DD vượt trội hơn các công cụ đo lường rủi ro khác vì nó có thể tránh được những vấn đề như subordinated debt spreads. Ưu điểm của phương pháp này là kết hợp thông tin từ lợi nhuận giá cổ phiếu với biến động tài sản và đòn bẩy và đại diện cho số lần độ lệch chuẩn tới điểm phá sản. Điểm phá sản được định nghĩa là điểm mà nợ của ngân hàng đúng bằng với tài sản. Chúng tôi chọn phương pháp này trong nhiều mô hình khác về đo lường rủi ro lan tỏa vì đây là phương pháp phù hợp nhất với nền kinh tế Việt Nam. Không những nó tỏ ra hiệu quả trong vấn đề nghiên cứu, mà phương pháp này còn có thể dễ dàng được áp dụng vào thị trường chúng ta. Nó chủ yếu dựa trên những dữ liệu của thị trường, những thông tin có thể lấy được dễ dàng và có độ tin cậy 154
Kỷ yếu Hội nghị sinh viên NCKH toàn quốc lần thứ IV các Trường Đại học khối ngành Kinh tế & QTKD cao. Thêm nữa, mô hình đo lường rủi ro Khoảng cách tới phá sản, mặc dù chưa được áp dụng ở Việt Nam, cũng đã được chúng minh về sự phù hợp qua những bài nghiên cứu về mô hình Black-Schole (mô hình mà Khoảng cách tới phá sản dựa trên – sẽ được bàn tới trong phần sau). Với một thị trường mới nổi như của chúng ta, tôi tin rằng đây là phương pháp tốt nhất tại thời điểm hiện tại để đo lường rủi ro lan tỏa. 2.3. Điểm mới của nghiên cứu Nhóm tác giả tin rằng đây là bài viết trong nước đầu tiên đi sâu vào nghiên cứu rủi ro loan tỏa. Các nghiên cứu trước đây về những rủi ro mới của nền kinh tế chỉ mới tập trung vào rủi ro hệ thông (systemic risk) chứ chưa hề đề cập đến rủi ro lan tỏa (contagion risk. Không chỉ thế, việc áp dụng mô hình đo lường rủi ro Khoảng cách tới phá sản cũng là vô cùng mới mẻ ở nước ta. Có rất ít bài viết về lình vực này bằng Tiếng Việt và cũng chỉ ở mức đề cập đến chứ chưa đi sâu vào tính toán. Việc áp dụng mô hình này trong bài hi vọng có thể tạo tiền đề cho sử dụ mô hình trên vào những vấn đề khác của thị trường tài chính chứ không chỉ bó gọn trong rủi ro lan tỏa. 3. Phương thức nghiên cứu 3.1. Cơ sở dữ liệu Trong bảng trên đề cập, chúng tôi chọn những ngân hàng thương mại đã niêm yết trên thị trường chứng khoán Việt Nam. Cơ sở dữ liệu của chúng tôi được thu thập từ 8 ngân hàng thương mại ở Việt Nam. Vì vấn đề được đề cập trong bài nghiên cứu là khá nhạy cảm, chúng tôi xin được không thay đổi tên của các ngân hàng và gọi họ bằng các chữ cái A, B, C, D, E, F, G, H. Những ngân hàng này được chọn theo hai tiêu chí: Thứ nhất, đây đều phải là những ngân hàng lớn, có khả năng gây ảnh hưởng đến cả hệ thống tài chính. Thứ hai, các ngân hàng này phải được niêm yết trên sàn chứng khoán một khoản thời gian đủ dài đề thông tin về giá cổ phiếu và thông tin liên quan có thể thu thập được. 6 trên 8 ngân hàng trong tổng số quan sát có số dữ liệu về khoảng cách phá sản gần 300 (tương đương 300 tuần hay 1500 ngày). Tuy nhiên trong trường hợp của Ngân hàng A, chúng tôi chỉ thu thập được lần lượt dữ liệu của 71 tuần vì ngân hàng này mới được niêm yết gần đây. Mặc dù số quan sát của A không đủ theo điều kiện đề xuất trong nghiên cứu của Gropp (2004) khiến kết quả có thể không mang nhiều ý nghĩa, Ngân hàng Ahiện nay là một trong những ngân hàng hàng đầu và đang phát triển nhanh chóng nhất ở Việt Nam, đóng có vai trò không hề nhỏ trong hệ thống ngân hàng. Chính vì thế chúng tôi quyết định vẫn sẽ tính toán kết quả của ngân hàng này. 900000 800000 700000 600000 500000 Equity 400000 Debt 300000 200000 100000 0 A B C D E F G H Đồ thị 2.2.1. Tổng tài sản của 8 ngân hàng 31/12/2015 (triệu VND) 155
Trường Đại học Kinh tế - Đại học Đà Nẵng 3.2. Phương pháp tính toán Trong phần tiếp theo chúng tôi sẽ giới thiệu cụ thể các bước tính toán co-exceedances. Co- exceedance được xác định là một khoảng thời gian (trong nghiên cứu này là một tuần) trong đó có nhiều hơn một ngân hàng có sự thay đổi đầu tiên về khoảng cách phá sản nằm trong “vùng giá trị cực trị”. Ngân hàng có số lần co-exceedance càng nhiều thì càng có khả năng gây ra rủi ro lan tỏa đến các ngân hàng khác. Để tính toán đại lượng này, chúng tôi đánh giá biến động về rủi ro của ngân hàng qua mô hình Khoảng cách tới phá sản. Từ trước tới nay, các nhà quản trị ngân hàng cũng như các nhà điều hành ngân hàng vẫn sử dụng các phương pháp tính toán dựa trên cơ sở thị trường để đo lường đọ an toàn của ngân hang cùng với các chỉ số dựa trên cơ sở kế toán. Trong các phương pháp này, đo lường khoảng cách có những ưu điểm vượt trội so với các phương pháp khác.Nhiều chuyên gia thị trường đã đồng ý rằng nó là công cụ hữu ích dể đánh giá rủi ro tín dụng của tập đoàn phi tài chính. Đặc biệt, trong nghiên cứu của Gropp et al. (2002), tác giả đã đưa ra kết luận rằng khi xem xét đến rủi ro lan tỏa, Khoảng cách tới phá sản, được tính toán dựa trên mô hình Black-Schole là công cụ phù hợp nhất vì nó bao gồm đầy đủ các thông tin quan trọng nhất về lĩnh vực này như lợi nhuận từ cổ phiếu, đòn bảy nợ (leverage) và tính biến động (volatility). Hơn nữa, khoảng cách phá sản được cho là phù hợp để áp dụng ở các ngân hàng ở cả thị trường phát triển và thị trường mới nổi như Việt Nam. 3.2.1. Tính toán khoảng cách phá sản Chúng tôi tính khoảng cách phá sản cho từng ngân hàng đã chọn trong một khoảng thời gian định trước, kí hiệu là t. Những dữ liệu về vốn thị trường được thu thập theo từng kỳ. Khoảng cách phá sản được tính dựa trên mô hình Black- Scholes trong đó giá trị thị trường của tài sản theo thời gian tuân theo quy luật: (1) 2 σ𝐴 𝑙𝑛𝑉𝐴𝑇 = 𝑙𝑛𝑉𝐴 + (𝑟 − ) 𝑇 + σ𝐴 √𝑇ε 2 Giả đinh rằng giá trị của tài sản ở thời điểm t, biết giá tại thời điểm hiện tại (VA). ε là yếu tố ngẫu nhiên của lợi tức từ tài sản, trong mô hình Black-Scholes, yếu tố này được giả định là có phân phối chuẩn, với trung bình bằng 0 và phương sai bằng 1, N(0 ,1). Như vậy chúng ta có khoảng cách d tại thời diểm hiện tại tới điểm phá sản (𝑙𝑛𝑉𝐴𝑇 = 𝑙𝑛𝐷) được diễn giải như sau: σ𝐴2 𝑑 = 𝑙𝑛𝑉𝐴𝑇 − 𝑙𝑛𝐷 = 𝑙𝑛𝑉𝐴 + (𝑟 − ) 𝑇 + σ𝐴 √𝑇ε − 𝑙𝑛𝐷 2 𝑉 σ2𝐴 𝑑 𝑙 𝑛 ( 𝐷𝐴 ) + (𝑟 − )𝑇 (2) 2 ⇔ = +ε σ𝐴 √𝑇 σ𝐴 √𝑇 Nghĩa là, khoảng cách phá sản, DD: 𝑉 σ2𝐴 𝑑 𝑙 𝑛 ( 𝐷𝐴) + (𝑟 − )𝑇 2 𝐷𝐷 ≡ −ε= (3) σ𝐴 √𝑇 σ𝐴 √𝑇 Phương trình (3) đơn giản chỉ ra rằng khoản cách phá sản là sự kì vọng về khác biệt giữa giá trị tài sản tương quan với điểm phá sản, sau khi được chỉnh sửa và bình thương hóa cho volatility of assets. Các dữ liệu để tính, VA và σA, có thể được tính từ vốn chủ sở hữu (VE); volatility of equity (σE), và Vốn nợ (D) sử dụng hệ thống phương trình sau: 𝑉𝐸 = 𝑉𝐴 𝑁(𝑑1 ) − 𝐷𝑒 −𝑟𝑇 𝑁(𝑑2 ) 156
Kỷ yếu Hội nghị sinh viên NCKH toàn quốc lần thứ IV các Trường Đại học khối ngành Kinh tế & QTKD 𝑉𝐴 σ𝐸 = ( ) 𝑁(𝑑1 )σ𝐴 , 𝑉𝐸 𝑉 σ2𝐴 𝑙 𝑛 ( 𝐷𝐴 ) + (𝑟 + )𝑇 2 𝑑1 ≡ σ𝐴 √𝑇 𝑑2 ≡ 𝑑1 − σ𝐴 √𝑇, Những biến của phương trình trên được hiểu như sau: VE: giá trị thị trường của vốn chủ sở hữu (Trong bài nghiên cứu này được tính bằng cách lấy số lượng cổ phiếu lưu hành trên thị trường nhân với giá cổ phiếu tại ngày được tính);σE: Volatility of equity;VL: Tổng nợ phải trả;T: Khoản thời gian đóa hạn của nợ được đặt ở mức 1 năm1;r: lãi suất phi rủi ro sử dụng trong mô hình Black-Scholes là 5%(số này thu thập từ công thức tính beta của Việt Nam2). Các biến để tính toán phương trình trên như giá trị sổ sách của vốn nợ (D) hay số cổ phiếu trên thị trường cho từng ngân hàng được thu thập từ báo cáo tài chính trên trang Cophieu68.vn (Thông tin về nợ được cập nhập theo quí; số lượng cổ phiếu được cập nhập mỗi lần cổ phiếu mới được phát hành).Giá đóng cửa của cổ phiếu cũng có thể được tìm thấy trên trang Cafef.com.Volatility of Equity được tính bằng cách sử dụng dữ liệu sử thay đổi trung bình của 6 tháng về trước để giảm nhiễu. Hai biến còn thiếu trong công thức tính khoảng cách tới phá sản là giá trị thị trường của tài sản (VA) và the volatility of the assets (σA). Hai biến này có thể tìm được bằng cách giải phương trình(4) với 2 phương trình 2 ẩn.Chi tiết tính toán khoảng cách phá sản bằng cách sử dụng Excel có thể được tìm thấy ở Phụ lục Appendix III. 3.2.2. Tính toán ln(∆dd) Bằng cách tính ln(ddt/ddt-1), chúng tôi thu được phương pháp đo lường rủi ro của ngân hàng.ln(∆dd) sẽ được lấy theo tuần bằng cách chọn ra thay đổi đầu tiên của tuần đó (lần đầu tiên ln(∆dd) khác 0 trong 1 tuần). ln(∆dd) ở đây có thể hiểu là phần trầm thay đổi của độ lệch chuẩn tới điểm phá sản trong tuần đó. Chúng tôi sử dụng ln(∆dd) theo tuần vì những nguyên nhân sau: (i) những sự kiện cực đoan có thể trở nên nghiêm trọng hơn nếu kéo dài trong 1 khoản thời gian; những sự kiện chỉ kéo dài vài ngày không đáng chú ý; (ii) việc sử dụng thay đổi theo tuần giảm nhiễu trong dữ liệu. Ví dụ, Lợi tức từ giá cổ phiếu thể hiện hiệu ứng ngày trong tuần (Chang, Pinegar, and Ravichandran, 1993; French, 1980; Jaffe and Westerfield, 1985; Keim and Stambaugh, 1984; and Lakonishok and Smidt, 1988), trong khi đó hiệu ứng giao dịch không đồng bộ do giao dịch qua đêm hay vào cuối tuần ảnh hưởng tới tính toán theo daily close-to-close returns (Rogalski, 1984), những hiệu ứng có thể loại bỏ nếu sử dụng dữ liệu tuần. Trong một số nghiên cứu (Jorge, Chan-Lau, Srobona and Ong (2007)) đề xuất sử dụng ∆dd (∆dd = (ddt –ddt-1)/ ddt ), thay vì ln(∆dd). Tuy nhiên, cả ln(∆dd) và (∆dd) đều được hiểu theo một khái niệm: phần trăm thay đổi của số độ lệch chuẩn. Vì vậy, chúng tôi chọn ln(∆dd) để thuận tiện trong tính toán. 3.2.3. Tính toán co-exceedances Khái niệm Co-exceedance có thể hiểu là một giai đoạn (trong nghiên cứu này chúng tôi sử dụng tuần) mà trong khoảng thời gian đó có nhiều hơn một ngân hàng có sự thay đổi đầu tiên về khoảng cách phá sản nằm trong vùng phân vị thứ n ở hai đuôi. Sau khi tính toán cụ thể thay đổi đầu tiên của khoảng cách phá sản theo tuần ln(∆dd), chúng tôi sử dụng đồng thời phân bố dữ liệu của 8 ngân hàng 1 The 1 year setting of T is suggested in Gropp and Moerman (2004) 2 For further information, please visit http://www.cophieu68.vn/calculate_beta.php?id=bid. 157
Trường Đại học Kinh tế - Đại học Đà Nẵng ở các phân vị 5%, 10%, 90% và 95%. Với mỗi ngân hang riêng biệt, mỗi lần thay đổi đầu tiên của khoảng cách phá sản theo tuần nằm ở đuôi, tuần đó được ghi nhận là một exceedance. Tổng hợp lại, dữ liệu về exceedances của 8 ngân hàng cung cấp cho chúng tôi thông tin về co-exceedance. Tính toán cho cả 4 điểm phân vị có thể tìm thấy ở trong Phụ lục I, nhưng vì chỉ có phân vị 5%, thể hiện cho những cú sốc lớn, là cho chúng ta thấy được rõ nhất tầm ảnh hưởng của rủi ro lan tỏa (đặc biệt, 2 phân vị của đuôi trên, 90 và 95% thể hiện ảnh hưởng khi nền kinh tế phát triển mạnh, có ý nghĩa nhiều trong việc xác định tính gắn kết của hệ thống tài chính Việt Nam hơn là rủi ro lan tỏa). Vì vậy, phần tiếp theo, chúng tôi sẽ chỉ tập trung phân tích kết quả của 5% biến cố đuôi. 4. Kết quả cho rủi ro lan tỏa 4.1. Đồng vượt ngưỡng và nhận diện rủi ro lan tỏa 4.1.1. Số đồng vượt ngưỡng cho thay đổi của DD qua các tuần của 8 ngân hàng (5% đuôi trái) Số lần từng ngân hàng (co-) exceedances tại đuôi trái của phân phối (5%) Số Co-ex >=6 5 4 3 2 1 0 A 1 2 0 2 0 2 69 B 1 2 0 2 2 8 304 C 1 2 0 2 2 4 304 D 1 3 2 2 3 1 300 E 1 2 2 2 2 10 278 F 1 1 1 0 0 2 188 G 1 2 1 2 4 10 299 H 1 1 2 3 3 8 300 Bảng 3.1. Tổng kết số liệu số lần (đồng)-vượt ngưỡng(theo tuần) của 8 ngân hàng (5% đuôi trái)3 Bảng 3.4.1 thể hiện số đồng vượt ngưỡng (co-exceedance) tại phân vị thứ năm của 8 ngân hàng quan sát. Chúng ta sẽ chú ý tới những ngân hàng có số lần đồng vượt ngưỡng với nhiều ngân hàng cao. Những ngân hàng này sẽ gây ra hệ quả lớn nhất khi xảy ra rủi ro phá sản. Ngân hàng D là ngân hàng có số lần đồng vượt ngưỡng nhiều nhất với điểm cực đại 5% phân phối đuôi (trái), với tổng cộng 11 đồng vượt ngưỡng trong khoảng thời gian quan sát. Đáng chú ý hơn, có tổng cộng sáu lần ngân hàng này nằm trong biến cố đuôi với nhiều hơn 3 ngân hàng khác. Đây quả thực là một kết quả đáng chú ý, cho thấy mức độ liên kết chặt chẽ giữa D với các ngân hàng khác lớn khác, cũng như độ nhạy cảm cao với rủi ro lan tỏa. Ngân hàng G cũng là một trường hợp cần chú ý. Mặc dù có số lần đồng vượt ngưỡng ít hơn so với D (10 so với 11), ngân hàng này lại dẫn đầu trong số lần ln(∆dd) nằm vào biến cố đuôi (exceedance) với tổng cộng 20 lần. Tuy nhiên, có tới 10 lần G nằm trong phân phối đuôi một mình, đồng nghĩa với việc có thể cho rằng những cú sốc trong khoảng thời gian này có ít ảnh hưởng đến những ngân hàng khác. Tuy exceedance không có ý nghĩa nhiều đến kết quả về mức độ của rủi ro lan tỏa của ngân hàng, số lần exceedance cao cho thấy khoảng cách tới phá sản (DD) của G thường xuyên có những biến động lớn. Điều này đồng nghĩa với việc hoạt động của ngân hàng cho thấy khá nhiều rủi ro tiềm tang và cần phải được xem xét. 2 ngân hàng khác là E và H cũng có số lần đồng vượt ngưỡng với trên 3 ngân hàng cao hơn so với những ngân hàng còn lại.Tuy nhiên, vì giá trị để so sánh là khá nhỏ, ta chưa thể khảng định được nhiều. 3 Bảng số liệu thể hiện sự số lần ln(∆dd) của một ngân hàng nằm trong phân phối đuôi trái (5%) của tổng số quan sát. Ví dụ, với cột của ngân hàng A, từ trái sang, ta có thể thấy A có 1 lần cùng nằm trong quan sát đuôi với ít nhất 5 ngân hàng khác (>=6 ngân hàng cùng lúc nằm trong phân phối đuôi, trong đó có ngân hàng A). 158
Kỷ yếu Hội nghị sinh viên NCKH toàn quốc lần thứ IV các Trường Đại học khối ngành Kinh tế & QTKD Trong 6 ngân hàng có số quan sát xấp xỉ 300 tuần, B và C tỏ ra có nguy cơ bị ảnh hưởng bởi rủi ro lan tỏa thấp nhất, với cả hai ngân hàng cùng chỉ có bảy đồng vượt ngưỡng. Nếu tính đến cả 2 ngân hàng với số quan sát ít hơn, F mới là ngân hàng an toàn nhất trước rủi ro lan toả. Số đồng vượt ngưỡng của ngân hàng này là 4. Tất nhiên, kết quả này cũng đến từ việc thời gian quan sát của ngân hàng F là ít hơn. Tuy vậy, với số đồng vượt ngưỡng thấp hơn đáng kể so với các ngân hàng khác (thậm chí còn thấp hơn cả A, vốn chỉ có 76 quan sát), chúng ta vẫn có thể khá chắc chắn với kết luận về sự an toàn của ngân hàng này. Đối với trường hợp của ngân hàng A, mặc dù thời gian và số quan sát là khá thấp, chỉ tầm ¼ so với các ngân hàng khác- do A mới chỉ phát hành cổ phiếu được hơn 2 năm, ngân hàng đã có tổng cộng năm lần exceedances. Hạn chế về thời gian quan sát có thể khiến kết quả trên không mang nhiều ý nghĩa. Cho dù thế, chúng ta cũng không thể xem nhẹ nguy cơ cho rủi ro lan toả của ngân hàng A. 4.1.2. Bảng tương quan chéo cho các đồng vượt ngưỡng theo cặp (5% phân phối đuôi trái) Trong phần này, để xem xét rõ hơn hướng của rủi ro lan tỏa, chúng tôi kiểm định khả năng lây chéo của rủi ro lan tỏa giữa từng cặp ngân hàng bằng cách sử dụng Bảng tương quan chéo cho các đồng vượt ngưỡng theo cặp. Số lần 2 ngân hàng cùng nằm trong đuôi trái của phân phối (5%) A B C D E F G H Total A 2 3 5 2 2 2 3 19 B 2 4 3 3 2 4 3 21 C 3 4 4 3 1 4 2 21 D 5 3 4 5 3 5 7 32 E 2 3 3 5 2 7 5 27 F 2 2 1 3 2 1 3 14 G 2 4 4 5 7 1 3 26 H 3 3 2 7 5 3 3 26 T 1 2 2 3 2 1 2 2 otal 9 1 1 2 7 4 6 6 Bảng 3.2. Bảng tương quan chéo số lần 2 ngân hàng cùng nằm trong đuôi trái của phân phối (5%) của 8 ngân hàng trong quan sát4 Nhìn chung, qua kết quả của bảng trên, ta có thể nhận thấy các cặp ngân hàng trong 8 ngân hàng được quan sát có số tuần cùng lúc vượt ngưỡng vào khoảng từ ba đến bốn. Không có cặp ngân hàng nào có 0 đồng vượt ngưỡng trong tổng thời gian quan sát. Có thể nói các ngân hàng, hay có thể nói là hệ thống tại chính ở Việt Nam, đã đật đến một mức liên kết nhất định, và việc tính toán đến rủi ro phá sản không còn là quá sớm. Một lần nữa, ngân hàng D lại làm chúng ta phải chú ý, với việc có tới 7 lần cùng nằm trong phân phối đuôi (trái) với H.D cũng có số lần đồng vượt ngưỡng theo cặp với các ngân hàng khác tầm từ 5 trở lên, khá cao nếu đem so với mặt bằng chung. Điều này càng khảng định thêm những vấn đề đã nêu ở phần trước về rủi ro lan tỏa của ngân hàng này. Chỉ có một cặp khác đạt đến con số 7 là G và E. Đây là một kết quả khá đáng quan tâm vì các cặp khác của cả G và E đều chỉ ở mức trung bình hoặc thấp hơn (từ 2 đến 4).Việc này gọi ý, nếu rủi ro lan tỏa xảy ra, E và G sẽ chủ yếu bị ảnh hưởng qua lại với nhau hơn là cho cả hệ thống tài chính. 4 Bảng so sánh chéo cho thấy tổng sô lần hai ngân hàng riêng biệt cùng lúc nằm trong phân phối đuôi (trái, 5%) trong một tuần. Ví dụ, Giá trị của bảng giữa ngân hàng A và B là 2 cho thấy trong tổng số thời gian quan sát, có hai lần 2 ngân hàng này cùng nằm trong phân phối đuôi (trái, 5%) 159
Trường Đại học Kinh tế - Đại học Đà Nẵng Cả 2 cặp có sô đồng vượt ngưỡng nhỏ nhất (bằng 1) đều là giữa F và một ngân hàng khác.F cũng là ngân hàng có ít số đồng vượt ngưỡng theo cặp nhất (14). Điều này cho chúng ta thêm bằng chứng về tính an toàn của ngân hàng này với rủi ro lan tỏa.F là ngân hàng có ít số cặp đồng vượt ngưỡng nhất (14). Kết luận lại, các đồng vượt ngưỡng theo cặp của 2 ngân hàng thường cho kết quả từ ba đến bốn lần trong tổng thời gian quan sát. Với những cặp ngân hàng có số lần đồng vượt ngưỡng theo cặp cao hơn con số này, chúng tôi cho rằng cần phải cẩn thận đối với rủi ro lan tỏa.Những cặp này cần chú trọng về những khoản vay giữa hai ngân hàng với nhau cũng như những vấn đề về hoạt động.Tất nhiên, với chỉ những kết quả nghiên cứu ban đầu này, vẫn còn quá sớm để nói rằng loại rủi ro đăng trưng của hệ thống tài chính có tính phức tạp cao này đã có thể đe dọa đến Việt nam.Nhưng vẫn như chúng ta thường nói “Phòng luôn tốt hơn tránh”. 5. Đánh giá 5.1. Đánh giá về kết quả về nghiên cứu cho rủi ro lan tỏa ở các ngân hàng thương mại Việt Nam Các ngân hàng được nghiên cứu cho thấy dấu hiệu của sự liên kết chặt chẽ, cũng như là khả năng bị ảnh hưởng từ rủi ro lan tỏa, cho dù việc khẳng định vẫn còn là quá sớm. Việc rủi ro lan tỏa có thực sự tồn tại cũng như đủ sức gây ảnh hưởng lên nền tài chính Việt Nam hay không cần phải được tiếp tục với những bài nghiên cứu sau này. Để thực hiện điều này, chúng tôi đề xuất có sử dụng mô hình mô phỏng Mote Carlo để kiểm định sự nhất quán của kết quả với những phân phối mô phỏng khác nhau. Bài viết của chúng tôi dựa trên phương pháp của Gropp và Moerman (2004), nhưng phương pháp được tác giả đề ra được dung để so sánh rủi ro trong một nền kinh tế chứ không phải giữa các ngân hàng. Vì vậy, chúng tôi cũng đề xuất một phương pháp khác của Lau, Mitra và Ong (2007), vẫn dựa trên lý thuyết về đồng vượt ngưỡng và Lý thuyết giá trị cực đại, nhưng được thiết kế chuyên biệt để đánh giá mức độ rủi ro giữa các ngân hàng với nhau. Rất tiếc, bài viết của chúng tôi không sử dụng được phương pháp này vì mô hình đòi hỏi dữ liệu về những biến vĩ mô phức tạp. Hi vọng trong những bài viết sắp tới, chúng tôi có thể thực hiện được điều này. Còn lại, bài viết đã đạt được một số kết quả ban đầu, phần nào cho thấy được xu hướng về khả năng lan tỏa của rủi ro giữa các ngân hàng. D được cho là ngân hàng có nhiều nguy cơ bị ảnh hưởng nhất nếu rủi ro xảy ra, theo sau đó là 2 ngân hàng E và H. Ngân hàng G cũng rất cần phải chú ý tới vấn đề này. A, tuy thời gian quan sát là khá ngắn, nhưng lại cho một kết quả khá bất ngờ về độ liên kết cũng như khả năng bị ảnh hưởng từ rủi ro lan tỏa. Quả thật, ngân hàng này cần phải cẩn trọng hơn trong những hoạt động của mình. B và C có thể xem là khá an toàn. Nhưng kết quả tốt nhất khi phải đối phó với rủi ro lan tỏa phải kể đến F, ngân hàng này có thể phần nào an tâm về vấn đề được đề cập. 5.2. Nhận định của tác giả Tất nhiên, như chúng tôi đã nói, đây mới chỉ là những kết quả ban đầu. Chưa thể khẳng định về khả năng của rủi ro lan tỏa ở Việt Nam, nhưng cũng không thể phủ nhận được những hiểm họa từ nó. Nên nhớ rằng rủi ro này có thể đánh sập cả một thể chế tài chính lớn như Lehman Brothers.Vì vậy, tôi hi vọng các ngân hàng có thể đề cao cảnh giác trước khả năng xảy ra của rủi ro này. 6. Kết luận Chúng tôi tin rằng nghiên cứu này đã đạt được mục đích ban đầu là đóng góp vào việc đo lường rủi ro lan tỏa giữa các ngân hàng ở Việt Nam. Một vài triệu chứng của rủi ro lan tỏa chỉ có thể được kiểm chứng bằng việc kiểm tra với các giả định khác cho phân phối thông qua việc sử dụng mô hình Monte Carlo. Xuyên suốt bài nghiên cứu một vài dấu hiệu của hướng lan tỏa rủi ro đã xuất hiện. Kết 160
Kỷ yếu Hội nghị sinh viên NCKH toàn quốc lần thứ IV các Trường Đại học khối ngành Kinh tế & QTKD quả này đa dạng hóa từ ngân hàng này đến ngân hàng khác, điển hình là D, H và E có nguy cơ rủi ro cao và B, C và F có nguy cơ thấp. Với hai ngân hàng A và G, khá bất tương xứng nên cần được kiểm định trong những nghiên cứu sâu hơn. Với những gì đã làm được, chúng tôi nhận định rằng rủi ro lan tỏa ở Việt Nam là một mối đe dọa thực sự. Tuy nhiên, độ lớn và tầm ảnh hưởng của nó thì không chắc chắn và sự lan tỏa xuyên quốc gia cũng đã được bỏ qua. Mô hình này được bao hàm trong một tình huống tương lai gần khiến cho kết quả thiếu đồng nhất trên vài quan điểm. Trong tương lai, chúng tôi hi vọng có thể phát triển nghiên cứu này để cung cấp một cái nhìn rõ hơn về rủi ro lan tỏa ở Việt Nam. TÀI LIỆU THAM KHẢO [1] Bae, K., G. Karolyi, and R. Stulz. "A new approach to measuring financial contagion." In Review of Financial Studies 16, 717 - 763 . 2003. [2] Blank, S., C. Buch and K. Neugebauer. "Shocks at Large Banks and Banking Sector Distress: The Banking Granular Residual." Journal of Financial Stability, 5(4), 2009: 353-373. [3] CALOMIRIS, CHARLES W., and JOSEPH R. MASON. "Consequences of Bank Distress During the Great Depression." 2000. [4] Chang, Eric C., J. Michael Pinegar, and and Ravi Ravichandran. "International Evidence on the Robustness of the Day-of-the-Week Effect." Journal of Financial and Quantitative Analysis, Vol. 28 (December), 1993: 497-513. [5] Chan-Lau, Jorge A., Srobona Mitra, and Li L. Ong. "Contagion Risk in the International Banking System and Implications for London as a Global Financial Center." April 01, 2007. [6] Cochrane, John H., and Luigi Zingales. Lehman and the Financial Crisis. The Wallstreet Journal , Sept. 15, 2009. [7] De Bandt, O., and P Hartmann. "Systemic risk: A survey." In Financial crisis, contagion and the lender of last resort: A book of readings, by C. Goodhart and Illing G. (Eds.), 249 - 298. London: Oxford University Press, 2001. [8] Dornbusch, Rudiger, Yung Chul Park, and Stijin Claessens. "Contagion: How it spreads and How it can be stopped?" July 18, 2000. [9] Dumontaux, Nicolas, and Adrian Pop. "Contagion Effects in the Aftermath of Lehman's Collapse: Evidence from the US Financial Services Industry." March 2013. [10] French, Kenneth R. "Stock Returns and the Weekend Effect ." Journal of Financial Economics, Vol. 8, 1980: 55-69. [11] G.Kaufman, George. "Banking and Currency Crisis and Systemic Risk - A Taxonomy and Review ." 2000. [12] Gropp, R., J. Vesala, and G. Vulpes. Equity and bond market signals as leading indicators of bank fragility. Frankfurt: Europe Cental Bank, 2003. [13] Gropp, R., J. Vesala, and G. Vulpes. "Market indicators, bank fragilit and indirect market discipline." Forthcoming: Federal Reserve bank of New York Policy Review, 2003. [14] Gropp, Reint, and Gerard Moerman. Measurement of Contagion in Bank's Equity Prices. Europe Central Bank, December, 2003. [15] Hasan, I., and D. Dwyer. "Bank runs in the free banking period." 1994. [16] Jaffe, Jeffrey, and Randolph Westerfield. "The Weeken Effect in Common Stock Returns: The International Evidence." Journal of Finance, Vol. 40, No. 2, 1985: 433-54. [17] Keim, Donald B., and Robert F. Stambaugh. "A Further Investigation of the Weekend Effects in 161
Trường Đại học Kinh tế - Đại học Đà Nẵng Stock Returns." Journal of Finance, Vol. 39, No. 3, 1984: 819-40. [18] KMV Corporation. Modelling Risk. San Francisco: KMV Corporation, 1999. [19] Lakonishok, Josef, and Seymour Smidt. "Are Seasonal Anomalies Real? A Ninety-Year Perspective." Review of Financial Studies, Vol. 1, No. 1, 1988: 403–25. [20] Longin, F., Solnik, B. "Extreme correlation of international equity markets ." In Journal of Finance 56 (2), 649 - 676. 2001. [21] R., Grossman. The macroeconomic consequences of bank failures under the national banking system. Explorations in Economic History 30, 2003. [22] Rogalski, Richard J. "A Further Investigation of the Weekend Effect in Stock Returns: Discussion." Journal of Finance, Vol. 39, No. 3, 1984: 835–37. [23] S.Scott, Hal. "Contagion in Financial Crisis and What To Do With It In The Future." September 26, 2011. [24] Schoenmaker, D. "Contagion risk in banking." London, 1996. [25] Scott, Hal S. "Interconnectedness and Contagion." November 20, 2012. [26] Sterling, William. Looking Back at Lehman: An Empirical Analysis of the Financial Shock and the Effectiveness of Countermeasures. 57 MUSASHI UNIV. J., Nov. 2009. [27] Taylor, John, and John C. Williams. "Further Results on a Black Swan in the Monet Market. Financial Crisis, 66 J.FIN.1109." SIEPR Discussion Paper No. 07-46, May 2008, Aug. 2011. [28] Wolf, Martin. "Fixing Global Finance ." 2008. 162