Ứng dụng Value at Risk đo lường rủi ro kinh doanh ngoại tệ tại các Ngân hàng thương mại Việt Nam: Khóa luận tốt nghiệp

ĐẠI HỌC HUẾ

TRƯỜNG ĐẠI HỌC KINH TẾ

KHOA TÀI CHÍNH NGÂN HÀNG

---o0o---

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

ỨNG DỤNG VALUE AT RISK TRONG ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NGÂN

HÀNG THƯƠNG MẠI VIỆT NAM

Giảng viên hướng dẫn:

Sinh viên thực hiện: Tôn Phi Hùng Lớp: K46B-Tài chính

Phan Khoa Cương

Niên khóa: 2012 - 2016

Huế, 05/2016

LỜI CẢM ƠN

Trong suốt thời gian thực tập vừa qua, dưới sự hỗ trợ tận tình của giáo viên hướng

dẫn, được phía nhà trường và ngân hàng tạo điều kiện thuận lợi về thời gian và cơ sở thực

tập, em đã có cơ hội học hỏi được nhiều kinh nghiệm thực tế đáng quý, cũng như đã góp

phần củng cố giữa kiến thực được học và áp dụng vào công việc tại lĩnh vực ngân hàng.

Qua đó, em xin gửi lời cám ơn chân thành đến toàn thể quý thầy, cô giáo trong trường, đặc

biệt là các thầy cô của khoa Tài chính – Ngân hàng đã tận tình dạy dỗ, truyền đạt kiến thức

cho sinh viên trong suốt bốn năm học và vốn kiến thức tiếp thu được sẽ là hành trang quý

báu để em bước vào đời một cách vững chắc và tự tin hơn.

Em cũng xin gửi lời cảm ơn sâu sắc nhất đến thầy Phan Khoa Cương, người đã tận

tình hướng dẫn, động viên và hỗ trợ em rất nhiều trong quá trình hoàn thành luận văn tốt

nghiệp này. Em bày tỏ lòng biết ơn chân thành đến sự giúp đỡ của thầy.

Cuối cùng, em xin gửi lời cảm ơn đến các anh chị, cán bộ nhân viên phòng giao

dịch Phú Xuân – Ngân hàng TMCP Sài Gòn Thương Tín chi nhánh TT Huế đã nhiệt tình

chỉ dẫn và giúp em có những trải nghiệm thực tế về công việc qua đó em đã học được

nhiều kiến thức bổ ích qua đợt thực tập.

Trong quá trình thực hiện và trình bày đề tài không thể tránh khỏi những sai sót và

hạn chế, do vậy em rất mong nhận được sự góp ý của các thầy cô giáo, ban lãnh đạo ngân

hàng nơi em thực tập để bài khoá luận của em được hoàn thiện hơn.

Huế, tháng 05 năm 2016

Sinh viên thực hiện

Tôn Phi Hùng

TÓM TẮT NGHIÊN CỨU

Để ngày càng thích nghi với xu thế hội nhập nền kinh tế thế giới, tăng tính cạnh

tranh đặc biệt là khi Việt Nam vừa ký kết Hiệp định Đối tác xuyên Thái Bình

Dương (TPP) đòi hỏi các doanh ngiệp phải quan tâm đến các giao dịch ngoại tệ,

biến động về tỷ giá để giảm thiểu rủi ro cho những hoạt động giao dịch thương mại

liên quan đến ngoại tệ. Hiện tại rủi ro tỷ giá đang được đánh giá là một trong 5 áp

lực chính mà doanh nghiệp phải đối mặt trong kinh doanh bên cạnh chính sách thuế,

môi trường cạnh tranh, năng lực vốn, biến động thị trường. Do đó công tác quản lý

rủi ro tỷ giá được đặt ra như là một nhu cầu cần thiết tất yếu đối với các doanh

nghiệp có hoạt động thu chi bằng ngoại tệ. Trên cơ sở đó, tôi quyết định thực hiện

đề tài: “Ứng dụng Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các

Ngân hàng thương mại Việt Nam”.

Nghiên cứu tiến hành với danh mục gồm năm đồng ngoại tệ được giao dịch phổ

biến trên thị trường ngoại tệ, đó là: USD, GBP, EUR, JPY, AUD. Dữ liệu sử dụng

trong đề tài là chuỗi tỷ giá của các đồng tiền này, được lấy từ website kinh doanh

ngoại tệ www.oanda.com, thu thập từ ngày 26/02/2006 đến 14/02/2006, cập nhật

hàng tuần, gồm 521 quan sát.

Dựa trên hai hướng tiếp cận khác nhau là hướng tiếp cận truyền thống và tiếp

cận mở rộng, đề tài đã tập trung đưa ra bốn phương pháp tính VaR và áp dụng vào

tính toán mức lỗ tối đa cho một danh mục đầu tư bằng ngoại tệ, gồm: (i) phương

pháp mô phỏng lịch sử (Historical Method), (ii) phương pháp phương sai – hiệp

phương sai (Variance- Covariance), (iii) phương pháp Risk Metrics, (iv) phương

pháp mô phỏng Monte Carlo. Ba kiểm định Backtest, Stress-test và E-VaR được

thực hiện để hỗ trợ và khắc phục nhược điểm của phương pháp tính VaR. Dựa trên

dữ liệu quan sát, nghiên cứu đã tính ra tỷ lệ lỗ tối đa mà ngân hàng có thể gặp phải

0,38% cho danh mục đầu tư của mình ứng với xác suất gặp mức lỗ tối đa này là 1%.

Giá trị VaR tính được sẽ là cơ sở cho các quyết định đầu tư và quản trị rủi ro trong

hoạt động kinh doanh ngoại tệ của các ngân hàng trong ngắn hạn.

Từ những kết quả đạt được và so sánh với mức sinh lợi bình quân của ngân hàng

trong hoạt động kinh doanh ngoại tệ, tối khuyến nghị các ngân hàng có thể cân nhắc

đầu tư vào danh mục này. Tuy nhiên, bên cạnh tìm kiếm lợi nhuận ta cần tối thiểu

hoá rủi ro bằng các chiến lược phòng ngừa rủi ro tỷ giá. Nghiên cứu khuyến nghị

các nhà quản trị có thể sử dụng các công cụ ngoại tệ phái sinh và chi phí rủi ro biên

trong việc chọn lựa hợp đồng giao dịch ngoại tệ phái sinh.

iii

DANH MỤC CÁC CHỮ CÁI VÀ KÍ HIỆU VIẾT TẮT

KDNT : Kinh doanh ngoại tệ

NHNN : Ngân hàng nhà nước

NHTM : Ngân hàng thương mại

NXB : Nhà xuất bản

DMĐT : Danh mục đầu tư

QTRR : Quản trị rủi ro

TCTD : Tổ chức tín dụng

TSSL : Tỷ suất sinh lời

PSSS : Phương sai sai số

VaR : Value at Risk

ARMA : Autoregressive Moving Average

GARCH : Generalised Autoregressive Conditional Heteroskedasticity

MỤC LỤC

PHẦN I: ĐẶT VẤN ĐỀ ............................................................................................ 1

1. Tính cấp thiết của đề tài .......................................................................................... 1

2. Mục tiêu nghiên cứu ................................................................................................ 2

3. Đối tượng và phạm vi nghiên cứu ........................................................................... 3

4. Phương pháp nghiên cứu:........................................................................................ 3

5. Kết cấu của đề tài: ................................................................................................... 4

PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU ......................................... 5

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ RỦI RO KINH DOANH NGOẠI TỆ VÀ ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ CỦA CÁC NGÂN HÀNG THƯƠNG MẠI.......................................................................................................... 5

1.1. Tổng quan về kinh doanh ngoại tệ ....................................................................... 5

1.1.1. Khái niệm ngoại tệ ............................................................................................ 5

1.1.2. Thị trường ngoại hối ......................................................................................... 5

1.2. Rủi ro tỷ giá .......................................................................................................... 6

1.3. Quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ................................................... 7

1.3.1. Khái niệm .......................................................................................................... 7

1.3.2. Vai trò quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ .................................... 7

1.4. Cơ sở lý luận thực tiễn về đo lường rủi ro tỷ giá bằng Value at Risk.................. 8

1.4.1. Tổng quan về quá trình phát triển các phương pháp quản trị rủi ro ................. 8

1.4.2. Khái niệm về VaR ........................................................................................... 10

1.4.3. Các thông số ảnh hưởng đến VaR của danh mục ........................................... 10

1.4.3.1. Độ tin cậy ..................................................................................................... 10

1.4.3.2. Khoảng thời gian đo lường VaR .................................................................. 11

1.4.3.3. Đơn vị tiền tệ ................................................................................................ 11

1.4.4. Các phương pháp tính VaR ............................................................................. 11

1.4.4.1. Phương pháp tiếp cận VaR truyền thống ..................................................... 11

1.4.4.1.1. Các giả thiết của mô hình VaR ................................................................. 11

1.4.4.1.2. Phương pháp mô phỏng lịch sử (Historical Method) ................................ 12

1.4.4.1.3. Phương pháp phương sai-hiệp phương sai (Variance-Covariance Method) ................................................................................................................................... 13

1.5.4.1.4. Những tồn tại của mô hình VaR truyền thống .......................................... 15

1.4.4.2. Phương pháp tiếp cận VaR mở rộng ............................................................ 16

1.4.4.2.1. Giới thiệu mô hình ARMA(p,q) và GARCH(p’,q’) ................................. 16

1.5.4.2.2. Mô hình VaR ứng dụng phương pháp RiskMetrics .................................. 21

1.4.4.2.3. Phương pháp Monte-Carlo (Monte-Carlo Simulation) ............................. 23

1.4.5. Các hạn chế của phương pháp tính VaR ......................................................... 23

1.4.6. Giới thiệu về Backtest ..................................................................................... 24

1.4.7. Giới thiệu về Stress-test .................................................................................. 25

1.4.8. Giới thiệu về E-VaR ........................................................................................ 25

1.5. Tóm tắt các nghiên cứu trước............................................................................. 26

1.5.1. Các nghiên cứu trong nước ............................................................................. 26

1.5.2. Các nghiên cứu ngoài nước ............................................................................. 27

CHƯƠNG 2: ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM ........................................................ 28

2.1. Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015 ............................ 28

2.2. Giới thiệu dữ liệu tính VaR ................................................................................ 30

2.2.1. Tình huống nghiên cứu ................................................................................... 30

2.2.2. Cơ sở dữ liệu ................................................................................................... 31

2.3. Ứng dụng mô hình VaR để đo lường rủi ro tỷ giá. ............................................ 32

2.3.1. Tính VaR theo phương pháp truyền thống ..................................................... 32

2.3.1.1. Tính toán VaR theo phương pháp mô phỏng lịch sử ................................... 32

2.3.1.2. Tính VaR theo phương pháp Variance-Covariance ..................................... 34

2.3.2. Tính VaR theo hướng mở rộng ....................................................................... 37

2.3.2.1. Kiểm định ..................................................................................................... 37

2.3.2.2. Hiệu chỉnh số liệu. ........................................................................................ 39

2.3.2.2.1. Mô hình ARMA/GARCH ......................................................................... 39

2.3.2.2.2. Kiểm tra PSSS thay đổi ............................................................................. 41

2.3.2.3. Phương pháp Risk Metrics ........................................................................... 44

2.3.2.4. Phương pháp mô phỏng Monte Carlo .......................................................... 46

2.4. Ứng dụng Back-test để kiểm tra tính chính xác của VaR .................................. 50

2.5. Ứng dụng E-VaR để khắc phục hạn chế của VaR ............................................. 51

2.6. Ứng dụng Stress-test để khắc phục hạn chế của VaR ........................................ 53

CHƯƠNG 3: ỨNG DỤNG KẾT QUẢ VaR TRONG PHÒNG NGỪA RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NHTM VIỆT NAM ............................... 55

3.1. Ứng dụng kết quả tính VaR để đưa ra quyết định đầu tư .................................. 55

3.2. Ứng dụng chi phí rủi ro biên để phòng ngừa rủi ro tỷ giá ................................. 55

3.3. Một số chiến lược phòng ngừa rủi ro tỷ giá bằng hợp đồng quyền chọn .......... 57

PHẦN III: KẾT LUẬN ........................................................................................... 62

1. Kết quả đạt được ................................................................................................... 62

2. Hạn chế của đề tài ................................................................................................. 63

3. Hướng phát triển của đề tài ................................................................................... 64

vii

DANH MỤC BIỂU ĐỒ, SƠ ĐỒ

Biểu đồ 1.1. Đồ thị biểu diễn phân phối chuẩn của chuỗi TSSL ................................ 13

Biểu đồ 2.1. Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015................. 28

Biểu đồ 2.2. Dạng phân phối xác suất của ngoại tệ GBP ........................................... 37

Biểu đồ 2.3. Hàm tương quan và tự tương quan riêng phần của chuỗi lợi suất GBP . 39

Biểu đồ 2.4. Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin cậy 95%.............................................................................................................................. 47

Biểu đồ 2.5. Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin cậy 99%.............................................................................................................................. 47

Biểu đồ 2.6. Kết quả Stress test bằng phương pháp Monte Carlo .............................. 54

Biểu đồ 3.1. Lời/Lỗ trong chiến lược Long Straddle .................................................. 58

Biểu đồ 3.2. Lời/Lỗ trong chiến lược Short Straddle .................................................. 60

viii

DANH MỤC BẢNG BIỂU

Bảng 1.1. Sự phát triển các phương pháp phân tích và QTRR ................................... 9

Bảng 1.2. Ma trận phương sai – hiệp phương sai ..................................................... 14

Bảng 1.3. Giới hạn giả thuyết của phương pháp tiếp cận VaR truyền thống ........... 15

Bảng 1.4. Các dạng lý thuyết của ACF và PACF ..................................................... 20

Bảng 2.1. Cơ cấu danh mục đầu tư ........................................................................... 31

Bảng 2.2. Chuỗi dữ liệu tỷ giá .................................................................................. 32

Bảng 2.3. Giá trị danh mục đầu tư và mức lỗ dự kiến vào 21/02/2016 .................... 33

Bảng 2.4. Sắp xếp các mức lỗ theo thứ tự giảm dần ................................................. 33

Bảng 2.5. Kết quả tính TSSL và độ lệch chuẩn của tỷ giá........................................ 35

Bảng 2.6. Kết quả tính ma trận Covariance .............................................................. 35

Bảng 2.7. Kết quả tính toán tỷ suất sinh lời trung bình, phương sai, độ lệch chuẩn của danh mục ............................................................................................................. 35

Bảng 2.8. Kết quả tính VaR theo hai phương pháp truyền thống ............................. 36

Bảng 2.9. So sánh giá trị phân phối xác suất của các đồng tiền có trong DMĐT .... 38

Bảng 2.10. Kết quả kiểm định tính dừng đối với chuỗi TSSL của GBP .................. 38

Bảng 2.11- Kết quả ước lượng bằng Eview đối với mô hình thử nghiệm ................ 40

Bảng 2.12. So sánh chọn mô hình phù hợp ............................................................... 40

Bảng 2.13. Kết quả kiểm định ................................................................................... 41

Bảng 2.14. Kết quả Eview mô hình GARCH thử nghiệm ........................................ 41

Bảng 2.15. So sánh các chỉ tiêu của mô hình GARCH thử nghiệm ......................... 42

Bảng 2.16- Kết quả kiểm tra lại PSSS ...................................................................... 43

Bảng 2.17. Kết quả ước lượng mô hình ARMA(1)/GARCH(2,1) ........................... 43

Bảng 2.18. Kết quả ước lượng mô hình ARMA/GARCH của các ngoại tệ trong DMĐT ....................................................................................................................... 44

Bảng 2.19. Kết quả dự báo TSSL và tỉ trọng ngoại tệ cho ngày 21/02/2016 ........... 44

Bảng 2.20. Ma trận phương sai-hiệp phương sai của DMĐT sau hiệu chỉnh .......... 45

Bảng 2.21. Kết quả tính TSSL và Độ lệch chuẩn của DMĐT sau hiệu chỉnh ......... 45

Bảng 2.22. Kịch bản mô phỏng Monte Carlo ........................................................... 46

Bảng 2.23. Kết quả tính VaR theo các phương pháp ................................................ 48

Bảng 2.24. Kết quả kiểm định Back-test .................................................................. 50

Bảng 2.25. Kết quả tính E-VaR theo phương pháp phương sai-hiệp phương sai..... 52

Bảng 2.26. So sánh kết quả VaR và E-VaR .............................................................. 52

Bảng 2.27. Kịch bản mô phỏng Monte Carlo khi sử dụng Stress-test ...................... 53

Bảng 3.1. Kết quả tính toán chi phí rủi ro biên của các hợp đồng kỳ hạn ................ 56

Bảng 3.2.Tổng hợp lợi nhuận của chiến lược Long Straddle ................................... 59

Bảng 3.3. Tổng hợp lợi nhuận của chiến lược Short Straddle .................................. 61

PHẦN I: ĐẶT VẤN ĐỀ

1. Tính cấp thiết của đề tài

Trong khoảng thời gian qua, Nhà nước đã thi hành nhiều chính sách kinh tế vĩ

mô nhằm kiềm chế lạm phát, hạn chế sự mất giá của đồng nội tệ với mục tiêu tăng

trưởng kinh tế bền vững. Một trong đó là chính sách tỷ giá thả nổi theo thị trường

nhưng đặt dưới sự kiểm soát của Nhà nước.Cụ thể, Thống đốc Ngân hàng Nhà nước

Việt Nam đã ký Quyết định số 230/QĐ-NHNN ngày 11/02/2011 cho phép các tổ

chức tín dụng được phép giao dịch ngoại hối được ấn đinh tỷ giá mua và tỷ giá bán

nhưng phái theo nguyên tắc tỷ giá đồng USD không được vượt quá biên độ ± 1% so

với tỷ giá bình quân trên thị trường ngoại tệ liên ngân hàng của ngày giao dịch. Do

đó, tỷ giá giao dịch được ổn định tương đối trong một thời gian khá dài dẫn đến

nhiều doanh nghiệp chưa quan tâm đến rủi ro tỷ giá. Nhưng tình hình đã thay đổi

khi kinh tế Việt Nam đang bắt đầu trong một giai đoạn mới với nhiều cải cách mạnh

mẽ trong tương lai. Để ngày càng thích nghi với xu thế hội nhập nền kinh tế thế

giới, tăng tính cạnh tranh đặc biệt là khi Việt Nam vừa ký kết Hiệp định Đối tác

xuyên Thái Bình Dương (TPP) đòi hỏi các doanh ngiệp phải quan tâm đến các giao

dịch ngoại tệ, biến động về tỷ giá để giảm thiểu rủi ro cho những hoạt động giao

dịch thương mai liên quan đến ngoại tệ. Vấn đề về tỷ giá càng nóng hơn khi nền

kinh tế đã bước đầu khởi sắc, sự biến động của nền kinh tế toàn cầu đã khiến tỷ giá

biến động trong khoảng 2 năm gần đây và kéo theo đó NHNN đã liên tục nới rộng

biến động tỷ giá lên ± 2% vào ngày 12/08/2015 và tiếp tục nâng lên ± 3% vào ngày

19/08/2015. Cơ chế càng linh hoạt thì rủi ro tỷ giá càng lớn và hiện tại rủi ro tỷ giá

đang được đánh giá là một trong 5 áp lực chính mà doanh nghiệp phải đối mặt trong

kinh doanh bên cạnh chính sách thuế, môi trường cạnh tranh, năng lực vốn, biến

động thị trường. Do đó công tác quản lý rủi ro tỷ giá được đặt ra như là một nhu cầu

cần thiết tất yếu đối với các doanh nghiệp có hoạt động thu chi bằng ngoại tệ.

Thực tế cũng đã chứng minh rằng rủi ro không chỉ tồn tại ở dưới dạng tiềm ẩn

mà nó thực sự hiện hữu khi các cuộc khủng hoảng kinh tế liên tiếp xảy ra. Cuộc

khủng hoảng tài chính thế giới 2007-2008 nổ ra, hàng loạt các định chế tài chính lớn

như Merrill Lynch, Sterns Bear, Lehman Brothers,… sụp đổ. Bên cạnh cuộc khủng

hoảng đó, ta thấy vẫn có nhiều doanh nghiệp và tổ chức tài chính vẫn đứng vững

nhờ vào việc quan tâm đến quản trị rủi ro cũng như có những công cụ mạnh để việc

quản trị rủi ro thực sự có hiệu quả.

Cuối cùng, Ngân hàng nhà nước (NHNN) đã có nhiều chính sách mạnh mẽ trong

bối cảnh thực hiện việc tái cơ cấu hệ thống ngân hàng. Ngày 17/03/2014, Ngân

hàng nhà nước đã triển khai áp dụng Basel II tại Việt Nam với việc ban hành Công

văn 1601/NHNN-TTGSNH về việc thực hiện Hiệp ước vốn Basel II. Basel II và

các văn bản bổ sung của Basel yêu cầu các NHTM phải có hệ thống quản lý rủi ro

tiên tiến, trong đó bao gồm chính sách quản lý rủi ro, các phương pháp luận quản lý

rủi ro. Ngân hàng nhà nước đã đặt ra mục tiêu đến cuối năm 2018 thì các NHTM

phải xây dựng các mô hình để đo lường “Giá trị chịu rủi ro” (Value at Risk), “Xác

suất khách hàng không trả được nợ” (PD-Probability of Default). Mô hình được xây

dựng phải cho ra kết quả sát với thực tế, phản ánh đúng mức độ rủi ro mà ngân hàng

gặp phải từ đó tiến hành triển khai trong hệ thống quản lý rủi ro và xem như là một

công cụ hỗ trợ trong hoạt động kinh doanh của ngân hàng.

Chính từ những nguyên nhân này, tôi đã quyết định thực hiện đề tài “Ứng dụng

Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các Ngân hàng

thương mại Việt Nam”. Với mục tiêu quản trị rủi ro, tôi mong muốn qua đề tài

này, các nhà đầu tư, doanh nghiệp và NHTM sẽ có nhìn chuẩn xác hơn trong việc

đo lường rủi ro, đánh giá đúng rủi ro mà mình gặp phải từ đó cân nhắc khi đưa ra

quyết định đầu tư hay dự phòng rủi ro.

2. Mục tiêu nghiên cứu

Mục tiêu chung:

- Nghiên cứu ứng dụng mô hình Value at Risk trong việc đo lường rủi ro kinh

doanh ngoại tệ từ đó đưa ra một số khuyến nghị quản trị rủi ro trong kinh doanh

ngoại tệ cho các NHTM Việt Nam.

Mục tiêu cụ thể:

- Tổng hợp cơ sở lý luận rủi ro tỷ giá, rủi ro kinh doanh ngoại tệ và đo lường

rủi ro kinh doanh ngoại tệ.

- Ứng dụng mô hình VaR nhằm đo lường rủi ro kinh doanh ngoại tệ có sự kết

hợp của mô hình ARIMA/GARCH vào quy trình quản trị rủi ro kinh doanh ngoại

tệ.

- Đề xuất một số khuyến nghị về quản trị rủi ro trong kinh doanh ngoại tệ tại

các NHTM Việt Nam.

3. Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Đo lường rủi ro kinh doanh ngoại tệ tại các NHTM Việt

Nam.

Phạm vi nghiên cứu:

- Thời gian: Nghiên cứu dữ liệu tỷ giá mua ngoại tệ, cập nhật hàng tuần trong

khoảng thời gian từ 26/02/2006 đến 14/02/2016 ( gồm 521 quan sát ).

- Không gian: Các NHTM Việt Nam.

4. Phương pháp nghiên cứu:

 Phương pháp nghiên cứu tài liệu:

Tìm hiểu các nguồn tài liệu tham khảo dựa trên cơ sở từ sách, báo, tạp chí kinh

tế, Internet, đề tài nghiên cứu của các tác giả trong và ngoài nước cùng với sự hỗ trợ

của giáo viên hướng dẫn.

 Phương pháp nghiên cứu định lượng:

Phương pháp thu thập số liệu: thu thập số liệu thứ cấp.

Phương pháp xử lý số liệu:

- Sử dụng 4 phương pháp tính VaR: phương pháp mô phỏng lịch sử (Historical

Method), phương pháp phương sai – hiệp phương sai (Variance- Covariance),

phương pháp Risk Metrics, phương pháp Monte Carlo.

- Ba kiểm định: Backtest, Stress-test và E-VaR được thực hiện để hỗ trợ và

khắc phục nhược điểm của phương pháp tính VaR

- Phần mềm hỗ trợ: Eviews 8.0, Crystal Ball, Excel 2010.

5. Kết cấu của đề tài:

Kết cấu của đề tài gồm có 3 phần như sau:

Phần I: Đặt vấn đề

Phần II: Nội dung và kết quả nghiên cứu

Chương 1: Cơ sở lý luận về rủi ro kinh doanh ngoại tệ và đo lường rủi ro kinh

doanh ngoại tệ của các ngân hàng thương mại.

Chương 2: Đo lường rủi ro kinh doanh ngoại tệ tại các NHTM Việt Nam

Chương 3: Ứng dụng kết quả VaR trong phòng ngừa rủi ro kinh doanh ngoại tệ

tại các NHTM Việt Nam.

Phần III: Kết Luận

PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ RỦI RO KINH DOANH NGOẠI TỆ VÀ

ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ CỦA CÁC NGÂN HÀNG

THƯƠNG MẠI

1.1. Tổng quan về kinh doanh ngoại tệ

1.1.1. Khái niệm ngoại tệ

Ngoại tệ (foreign currency) là đồng tiền của nước này đối với nước khác, nó có

thể được chi trả trực tiếp hoặc thông qua đồng tiền thứ ba trong thanh toán quốc tế.

Mỗi quốc gia trong nền kinh tế thể giới đều có một đồng tiền riêng lưu hành theo

luật pháp riêng của nó và các đồng tiền không phải do ngân hàng trung ương của

quốc gia đó phát hành thì được xem là ngoại tệ. Tuy nhiên, cần thấy rằng trong giao

dịch thanh toán và đầu tư quốc tế không phải tất cả các đồng ngoại tệ đều được chấp

nhận, mà chỉ có những ngoại tệ mạnh, tức là đồng tiền dễ dàng chuyển đổi ra nội tệ

của các nước khác mới được chấp nhận rộng rãi. Một đồng tiền được xem xét là

mạnh thường căn cứ vào các tiêu chuẩn:

- Khả năng chấp nhận của quốc tế đối với đồng tiền đó;

- Nhu cầu thương mại của quốc gia phát hành ra đồng tiền đó;

- Tiềm năng cung ứng hàng hoá trên thị trường thế giới của quốc gia đó.

Theo đánh giá của Quỹ tiền tệ quốc tế (IMF) thì đồng USD và đồng tiền của

nước công nghiệp phát triển (OECD) là những đồng tiền mạnh như đồng: EUR,

GBP, JPY, AUD,...

1.1.2. Thị trường ngoại hối

Các quan hệ cung cầu, giao dịch liên quan đến ngoại tệ đều được diễn ra ở thị

trường ngoại hối. Thị trường ngoại hối là nơi diễn ra các hoạt động mua bán trao

đổi ngoại hối trong đó chủ yếu là mua bán ngoại tệ và các phương tiện thanh toán

quốc tế phát hành bằng ngoại tệ.

Trung tâm của thị trường ngoại hối là thị trường liên ngân hàng, thông qua thị

trường liên ngân hàng, mọi giao dịch mua bán ngoại hối có thể tiến hành trực tiếp

với nhau.

Quá trình hình thành và phát triển của thị trường ngoại hối đã hình thành hai hệ

thống tổ chức khác nhau. Hệ thống hối đoái Anh - Mỹ và hệ thống hối đoái châu

Âu. Theo hệ thống Anh - Mỹ thì thị trường ngoại hối mang tính chất biểu tượng, chỉ

giao dịch ngoại hối thường xuyên giữa một số ngân hàng và người môi giới. Quan

hệ này có thể là trực tiếp, song chủ yếu là thông qua điện thoại, telex. Ngược lại,

theo hệ thống lục địa (Pháp, Đức, Ý...) thì thị trường ngoại hối có địa điểm nhất

định. Hàng ngày, những người mua bán ngoại hối tới đó để giao dịch và ký hợp

đồng.

Việc mua bán trên thị trường ngoại hối được tiến hành thông qua một số nghiệp

vụ chủ yếu như nghiệp vụ giao ngay (spot transaction), nghiệp vụ kỳ hạn (forward

transaction), nghiệp vụ hoán đổi (swap), nghiệp vụ chuyển hối (arbitrage), nghiệp

vụ tương lai (future transaction), nghiệp vụ quyền chọn (option).

Thị trường ngoại hối cũng như nhiều thị trường khác thường phải chịu sự can

thiệp của chính phủ. Nói chung, phần lớn các nước hiện nay đều thực hiện chế độ tỷ

giá thả nổi có sự quản lý của nhà nước, tức là một chế độ trong đó tỷ giá biến động

hàng ngày, nhưng các ngân hàng trung ương can thiệp đến tỷ giá của đồng tiền nước

mình bằng cách mua vào hoặc bán ra các đồng tiền.

1.2. Rủi ro tỷ giá

Rủi ro tỷ giá là rủi ro phát sinh do sự biến động của tỷ giá tương ứng với một

trạng thái ngoại tệ nhất định. Nói cách khác, rủi ro tỷ giá là sự biến động của tỷ giá

làm ảnh hưởng đến giá trị các tài sản và các khoản nợ bằng ngoại tệ. Rủi ro tỷ giá

có thể phát sinh trong nhiều hoạt động khác nhau của các ngân hàng và doanh

nghiệp khi thực hiện các hoạt động giao dịch có liên quan đến ngoại tệ.

Sự thay đổi về tỷ giá cũng là một trong những nguyên nhân gây ra tổn thất tài

chính đối với các NHTM. Rủi ro tỷ giá tồn tại trong các NHTM chủ yếu là do sự

mở rộng phạm vi hoạt động của mình trên nhiều lĩnh vực như: giao dịch mua bán

ngoại tệ, giao dịch gửi vay ngoại tệ, các khoản đầu tư cũng như các khoản nợ, tài

sản thể hiện dưới dạng ngoại tệ…. Đặc biệt là hoạt động KDNT, cụ thể là các giao

dịch ngoại tệ phái sinh như: quyền chọn, kỳ hạn, hoán đổi đã mở ra cho NHTM

nhiều trạng thái ngoại tệ, từ đó cũng phải gánh chịu những rủi ro tiềm ẩn khi tỷ giá

biến động.

Tuy nhiên, NHTM lại không thể không tiến hành các giao dịch ngoại tệ này nhất

là khi nền kinh tế ngày càng hội nhập và nguồn vốn đầu tư nước ngoài ngày càng

chảy nhiều vào Việt Nam. Do đó để ngân hàng hoạt động có hiệu quả, không chịu

nhiều tác động do rủi ro tỷ giá mang lại thậm chí tạo ra lợi nhuận từ ngoại tệ thì việc

quản trị rủi ro tỷ giá là điều tất yếu.

1.3. Quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ

1.3.1. Khái niệm

Rủi ro KDNT là một yếu tố khách quan, ngân hàng không thể loại trừ được tất

cả mọi rủi ro có thể xảy ra khi tham gia giao dịch KDNT, mà ngân hàng chỉ có thể

đưa ra các biện pháp và công cụ nhằm hạn chế sự xuất hiện của rủi ro. Cho nên việc

quản trị rủi ro KDNT tại ngân hàng là quá trình tiếp cận rủi ro một cách khoa học,

toàn diện và có hệ thống nhằm nhận dạng, kiểm soát, phòng ngừa và giảm thiểu

những tổn thất do rủi ro gây ra.

1.3.2. Vai trò quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ

Các nhân tố gây nên rủi ro đối với hoạt động KDNT của các ngân hàng là luôn

tiềm ẩn, cho nên hoạt động quản trị rủi ro KDNT của các NHTM là một nội dung

quan trọng và luôn cần thiết mà các cấp lãnh đạo và điều hành ngân hàng cần đặc

biệt quan tâm.

Quản trị rủi ro KDNT tốt giúp góp phần làm giảm thiểu chi phí hoạt động và hạn

chế tổn thất cho các ngân hàng, từ đó sẽ giúp tối đa hóa lợi nhuận và giá trị cho cổ

đông của ngân hàng.

Quản lý rủi ro KDNT hiệu quả góp phần tạo điều kiện làm lành mạnh tình hình

tài chính, ngăn ngừa nguy cơ phá sản và gia tăng uy tín cho các NHTM. Qua đó, các

NHTM góp phần tăng lòng tin nơi khách hàng và các đối tác trong và ngoài nước;

đồng thời thúc đẩy tăng trưởng, phát triển kinh tế ổn định và bền vững cho đất

nước.

Quản lý rủi ro KDNT tốt giúp phát hiện kịp thời những nguyên nhân có thể gây

nên rủi ro cho hoạt động KDNT, từ đó ngân hàng có những giải pháp phòng ngừa

và hạn chế rủi ro thích hợp.

Quá trình này giúp xây dựng hình ảnh tốt đẹp cho ngân hàng, đáp ứng yêu cầu

của các quy định trong nước và các chuẩn mực quốc tế..

1.4. Cơ sở lý luận thực tiễn về đo lường rủi ro tỷ giá bằng Value at Risk

1.4.1. Tổng quan về quá trình phát triển các phương pháp quản trị rủi ro

Nền kinh tế thế giới đã trải qua nhiều giai đoạn bùng nổ cũng như cũng phải

gánh chịu suy thoái từ các cuộc khủng hoảng kinh tế. Để giảm thiểu thiệt hại từ biến

động tình hình tài chính thế giới đòi hỏi các nhà khoa học, nhà kinh tế phải đề ra

những giải pháp đánh giá được rủi ro trong tài chính:

Năm 1938, Macaulay là người đầu tiên đề xuất phương pháp đánh giá rủi ro của

lãi suất trái phiếu. Phương pháp này dùng để tính toán kỳ hạn trung bình của trái

phiếu.

Năm 1952, Markowitz mở đường cho phương pháp phân tích trung bình và

phương sai (Mean – Variance Analysis). Cho tới nay thì danh mục này vẫn được

ứng dụng rộng rãi trong quản lý các danh mục và cơ cấu đầu tư.

Năm 1966, Stephen Ross đưa ra mô hình khái quát hơn về quan hệ giữa lợi suất

và nhiều nhân tố, gọi là “ Mô hình đa nhân tố” (Multi Factor Model). Từ mô hình

này, kết hợp với “ Nguyên lý không cơ hội”, Stephen Ross đã xây dựng “ Lý thuyết

định giá cơ lợi” ( Arbitrage Pricing Theory).

Năm 1973, mô hình Black – Scholes về định giá quyền chọn, mô hình này là

một trong những phát triển quan trọng nhất trong lịch sử về định giá công cụ tài

chính

Đặc biệt, năm 1993 bởi một loạt các nhà khoa học và toán học tài chính làm việc

trong NH JPMorgan Chase đã cho ra phương pháp đo lường rủi ro bằng Value at

Risk. VaR càng trở nên hoàn thiện, được áp dụng rộng rải và được xem như là một

tiêu chuẩn trong việc đo lường và giám sát rủi ro tài chính với sự ra đời của phương

pháp RiskMetrics- một gói sản phẩm ứng dụng VaR mang thương hiệu của công ty

được tách ra từ JPMorgan Chase

Hiệp định Basel áp dụng đối với các nước trong tổ chức G10 đã coi VaR là nền

tảng để xây dựng hành trang pháp lý, tạo sân chơi thống nhất và bình đẳng cho các

tổ chức tài chính quốc tế. Chính vì ý nghĩa và tầm quan trọng của VaR mà phần tiếp

theo sẽ tập trung phân tích phương pháp định lượng VaR.

Có thể tóm tắt sự phát triển các phương pháp phần tích và quản trị rủi ro như

bảng sau:

Bảng 1.1. Sự phát triển các phương pháp phân tích và QTRR

Năm Phương pháp

1938 Thời lượng trái phiếu

1952 Khung kỳ vọng - phương sai của Markowitz

1963 Mô hình định giá tài sản vốn (CAPM) của Sharpe

1966 Mô hình đa nhân tố

1973 Mô hình định giá quyền chọn Black-Scholes

1988 Tài sản theo trọng số rủi ro đối với NHTM

1993 Value at Risk

1994 Thước đó rủi ro

1997 Thước đó tín nhiệm, Rủi ro tín dụng

1998 Sự kết hợp của rủi ro tín dụng và rủi ro thị trường

1998 Phân bố ngân quỹ cho rủi ro

1.4.2. Khái niệm về VaR

Value at Risk (VaR) là mô hình đo lường mức lỗ lớn nhất mà nhà đầu tư có thể

gặp phải với một mức độ tin cậy hoặc khoản lỗ tối thiểu với một mức xác suất nhất

định khi tỷ giá biến động trong điều kiện bình thường. Một khoản lỗ lớn hơn VaR

có thể xảy ra nhưng với xác suất nhỏ hơn ( Thomas J. Linsmeler and Neli D.

Person, 1996).

Sự cuốn hút lớn nhất của VaR là sự biểu diễn rủi ro dưới dạng một con số duy

nhất. VaR được định nghĩa là số tiền lớn nhất một danh mục có thể bị thua lỗ với

một độ tin cậy xác định. Trong thực hành chúng ta thường chọn mức độ tin cậy để

tính VaR là 95% hoặc 99%, như vậy xác xuất để khoản lỗ lớn hơn VaR là 5% hoặc

1%.

Ví dụ: Một danh mục đầu tư có VaR (95%, 1 ngày) đạt giá trị 1 triệu USD. Điều

này, nói lên rằng mức lỗ tối đa của danh mục trong một ngày là 1 triệu USD với độ

tin cậy 95%.. Ngoài ra, ta cũng có thể hiểu là có 5% khả năng danh mục sẽ lỗ vượt

quá 1 triệu USD trong một ngày.

1.4.3. Các thông số ảnh hưởng đến VaR của danh mục

1.4.3.1. Độ tin cậy

Độ tin cậy ảnh hưởng rất lớn đến việc ước tính VaR và nó tùy thuộc vào khẩu vị

rủi ro của từng nhà đầu tư. Những nhà đầu tư không thích rủi ro sẽ muốn có độ tin

cậy cao. Bên cạnh đó, với mục đích kiểm định tính đúng đắn của ước tính VaR, thì

việc chọn độ tin cậy không cần quá cao, bởi lẽ nếu độ tin cậy quá cao (99%) thì xác

suất để thua lỗ lớn hơn VaR sẽ thấp đi (chỉ còn 1%), dẫn đến một sự ước lượng quá

thận trọng và thời gian để thu thập dữ liệu xác định tính đúng đắn của kiểm định sẽ

kéo dài hơn.

1.4.3.2. Khoảng thời gian đo lường VaR

Việc áp dụng thời gian tính VaR như thế nào là tùy thuộc vào mục đích kinh tế

của VaR. Ví dụ, đối với ngân hàng thì thường tính VaR theo ngày do có chứa nhiều

tài sản có tính lỏng cao (tiền mặt), còn đối với quỹ hưu trí thì lại tính VaR 50 ngày

sẽ thích hợp hơn.

Các tính toán về thời gian sử dụng VaR còn giới thiệu về vấn đề làm thế nào để

tính toán cho sự thay đổi các thành phần của danh mục đầu tư. Thường để phản ứng

kịp với những biến đổi trong danh mục đầu tư thì nên chọn thời gian tính VaR ngắn.

1.4.3.3. Đơn vị tiền tệ

Sự cuốn hút lớn nhất của VaR đó là nó biểu diễn rủi ro không chỉ thông qua xác

suất mà còn dưới dạng một con số định lượng duy nhất, tức mức lỗ được biểu diễn

bằng tiền đem lại sự đánh giá trực quan cho nhà đầu tư. Vì vậy, việc lựa chọn đơn

vị tiền tệ là quan trọng để xác định số lỗ mà NDT phải chịu trong một khoảng thời

gian nhất định là bao nhiêu.

1.4.4. Các phương pháp tính VaR

1.4.4.1. Phương pháp tiếp cận VaR truyền thống

1.4.4.1.1. Các giả thiết của mô hình VaR

Tính dừng: một chuỗi số liệu được gọi là dừng nếu kỳ vọng, phương sai và hiệp

phương sai không thay đổi theo thời gian. Điều này cũng có nghĩa là phân bổ xác

suất của chuỗi là không thay đổi theo thời gian.

- Trung bình: E() = µ = const - Phương sai: VaR() = ( − µ) = = const - Hiệp phương sai: Cov(,) = E[( − µ)( − µ)] = = const.

- Phân phối chuẩn: Trong một số phương pháp tính VaR, giả thiết rằng lợi suất

tài sản tuân theo quy luật phân phối chuẩn, chỉ trừ một số phương pháp tiếp cận

VaR phi tham số.

- Bước ngẫu nhiên: Với giả thiết này, người ta tin rằng giá trị tương lai không

phụ thuộc vào giá trị trong quá khứ.

- Giá trị không âm: Các tài sản nhất thiết phải là các giá trị không âm.

- Thời gian cố định: Giả thiết này cho rằng, điều gì đúng cho một khoảng thời

gian thì cũng đúng cho nhiều khoảng thời gian. Chẳng hạn, nếu cho khoảng thời

gian một tuần thì cũng có thể mở rộng cho một năm.

1.4.4.1.2. Phương pháp mô phỏng lịch sử (Historical Method)

Phương pháp này đưa ra giả thuyết rằng sự phân bố tỷ suất sinh lợi trong quá

khứ có thể tái diễn trong tương lai. Cụ thể, VaR được xác định như sau:

Bước 1: Mô phỏng thứ i dựa trên giả thiết rằng giá trị của biến thị trường vào

ngày mai được tính theo công thức

Trong đó:

: Giá trị của biến thị trường sau 7 ngày.

: Giá trị của biến thị trường ở hiện tại

, : Giá trị của biến thị trường vào tuần i, i-1

Bước 2: Tính giá trị DMĐT sau 7 ngày

P = w1 n+1,1+w2 n+1,2+…+wm n+1,m

Trong đó:

m: Số ngoại tệ có trong DMĐT

w1,w2,…,wm : Số lượng của từng ngoại tệ có trong DMĐT

n+1,1, n+1,m : Tỷ giá của từng ngoại tệ sau 7 ngày

Bước 3: Tính mức lỗ của DMĐT

Mức lỗ = Vốn đầu tư ở hiện tại – Giá trị DMĐT sau 7 ngày

Bước 4: Sắp xếp mức lỗ theo thứ tự từ cao nhất đến thấp nhất

Bước 5: Tính VaR theo độ tin cậy dựa vào thứ tự các mức lỗ

 Ưu điểm của phương pháp này là cho kết quả nhanh, khối lượng tính toán ít,

không cần giả thuyết về các quy luật phân bố phù hợp khi nhà quản trị có một danh

mục tài sản tài chính hay các hợp đồng kỳ hạn với giá trị nhỏ.

 Khuyết điểm

- Để chính xác đòi hỏi số liệu cực lớn.

- Không chú ý biến động rủi ro cùng nhau của các tài sản có trong danh mục.

- Chiều hương tương lai có thể không giống quá khứ vì các thành phần cấu

thành VaR thay đổi theo thời gian, ví dụ như chuỗi số liệu trong quá khứ có phương

sai sai số thay đổi.

1.4.4.1.3. Phương pháp phương sai-hiệp phương sai (Variance-Covariance

Method)

Phương pháp này đưa ra giả thuyết rằng các tỷ suất sinh lợi và rủi ro tuân theo

phân phối chuẩn. Ý tưởng của phương pháp này nằm ở quan điểm cho rằng một

DMĐT phải có sự liên kết rủi ro của các tài sản chứ không bằng tổng rủi ro của các

tài sản có trong DMĐT.

Đường cong màu xanh lá cây sau đây biểu diễn phân phối chuẩn:

Biểu đồ 1.1. Đồ thị biểu diễn phân phối chuẩn của chuỗi TSSL

 Quá trình thực hiện:

Bước 1: Từ những dữ liệu quá khứ, tính tỷ suất sinh lợi rt cho từng ngoại tệ trong

DMĐT

rt = ( Pt – Pt-1)/ Pt-1 (t = 1,2,..,n)

Bước 2: Tính toán ma trận Variance – Covariance cho danh mục

Để tính toán phương sai của danh mục gồm N ngoại tệ, ta phải sử dụng ma trận

phương sai – hiệp phương sai

Bảng 1.2. Ma trận phương sai – hiệp phương sai

Đồng tiền 1 Đồng tiền 2 Đồng tiền 3 … Đồng tiền n

Cov1,2 Cov1,3 Cov1,n …

Đồng tiền 1 σ

Cov2,1 Cov2,3 Cov2,n … Đồng tiền 2

Cov3,1 Cov3,2 Cov3,n … Đồng tiền 3

… … … … … …

… Covn,1 Covn,2 Covn,3 Đồng tiền n

Bước 3: Tính tỉ suất sinh lời trung bình của danh mục

= w1r1 + w2r2 + …+ wnrn

Trong đó:

wi: tỷ trọng của ngoại tệ i trong danh mục

ri: Tỉ suất sinh lợi của ngoại tệ i trong danh mục

= C α

Bước 4: Tính độ lệch chuẩn của danh mục

Với = (α1α2…αn) α=

… .

Bước 5: Tính VaR của DMĐT

Công thức: VaR = R – Zuσ

Trong đó:

R: Tỉ suất sinh lời kì vọng của danh mục

σ: Độ lệch chuẩn của danh mục

Z0.05 = 1.65, Z0.01 = 2.33

 Ưu điểm của phương pháp này là đảm bảo tính tương quan của các đồng tiền

trong danh mục, do đó VaR tính toán được sẽ chính xác hơn.

 Nhược điểm:

- VaR vướng phải giả định tuân theo phân phối chuẩn.

- Những biến số tính VaR theo phương pháp Variance-Covariance không ổn

định: phương sai và hiệp phương sai giữa các tài sản thay đổi theo thời gian. Sự bất

ổn định trong những giá trị này rất phổ biến bởi vì những thành phần cơ bản tạo nên

những con số này thay đổi theo thời gian. Điều này có thể dẫn đến sự sai lệch khi

tính toán VaR.

1.5.4.1.4. Những tồn tại của mô hình VaR truyền thống

Bảng 1.3. Giới hạn giả thuyết của phương pháp tiếp cận VaR truyền thống

Variance- Historical Điều kiện áp đặt Covariance method

Phân phối chuẩn X

Biến số đầu vào ổn định (chuỗi TSSL không đổi,

không có hiện tượng phương sai sai số thay đổi) nếu X X

không sẽ ảnh hưởng tính chính xác của VaR

Tính dừng X X

Quan hệ tuyến tính X

Đòi hỏi bộ số liệu cực lớn X

Ta nhận thấy rằng những giả định trên thường không sát với thực tế, khi mà các

chuỗi lợi suất ít khi tuân theo quy luật phân phối chuẩn hay yêu cầu về biến số đầu

vào ổn định. Thực tế cũng chứng minh rằng thị trường tài chính luôn đầy biến động

với những rủi ro không lường trường thì việc đưa ra những giả định về biến số đầu

vào phải tuân theo những chuẩn mức nhất định là chưa chính xác và có thể ảnh

hưởng đến kết quả tính toán. Vì vậy ứng dụng các phương pháp truyền thống sẽ làm

giảm tính chính xác khi tính toán VaR.

1.4.4.2. Phương pháp tiếp cận VaR mở rộng

Trước những hạn chế của phương pháp tiếp cận VaR truyền thống, đề tài đem

đến một hướng phát triển mới khi ứng dụng VaR mở rộng thông qua hiệu chỉnh

chuỗi lợi suất rt với việc sử dung mô hình ARMA(p,q) và GARCH(p’,q’) sao cho

chuối lợi suất sau khi hiệu chỉnh phù hợp với những giả thiết đã đặt ra từ đó ứng

dụng vào hai phương pháp tính VaR hiệu quả hơn là RiskMetrics và Monte

Carlo.

1.4.4.2.1. Giới thiệu mô hình ARMA(p,q) và GARCH(p’,q’)

 Mô hình ARMA(p,q)

Mô hình ARMA là một dạng đơn giản hơn của mô hình ARIMA thuộc nghiên

cứu của George Box và Gwilym Jenkins (1976) dùng để phân tích và dự báo chuỗi

thời gian, xem giá trị trong quá khứ của một biến số cụ thể là một chỉ tiêu tốt phản

ánh giá trị trong tương lai của nó.

Mô hình ARMA bao gồm quá trình trung bình trượt và tự hồi quy nhằm mô tả

chuỗi lợi suất rt nếu rt được biểu diễn dưới dạng:

+ ∑ (1) Với rt là chuỗi dừng, ut là nhiễu trắng (1) r = ∅ + ∑ ∅

Trong đó: rt , rt-i: lần lượt là tỉ suất sinh lời tại thời điểm t và t-i

ut , ut-i : lần lượt là sai số ngẫu nhiên tại thời điểm t và t-i

(1) Nhiễu trắng: rt = rt-1 + ut

Nếu một ut đáp ứng đầy đủ các giả thiết của mô hình hồi quy tuyến tính cổ điển

(OLS), tức là có kì vọng bằng 0, phương sai không đổi và hiệp phương sai bằng 0

thì ut được gọi là nhiễu trắng.

Mô hình ARMA(p,q) cho thấy biến rt tại thời điểm t không chỉ phụ thuộc vào

giá trị quá khứ của nó mà còn phụ thuộc vào sai số quá khứ.

Trong thực tiễn, mô hình ARMA sẽ có hai thành phần chính:

- Quá trình tự hồi quy bậc p-AR(p) : Trong mô hình tự hồi quy, biến phụ

thuộc được hồi quy theo các biến trễ của nó hay giá trị của rt phụ thuộc vào các giá

trị của nó trong quá khứ cộng với yếu tố ngẫu nhiên.

Mô hình tổng quát của quá trình tự hồi quy bậc p, kí hiệu AR(p)

rt =∅ + ∅ r(t-1) +∅r(t-2)+…+ ∅ r(t-p) + ut Với rt là chuỗi dừng, ut là nhiễu trắng

- Quá trình trung bình trượt bậc q-MA(q): Trong mô hình trung bình

trượt, biến phụ thuộc được hồi quy theo giá trị của sai số quá khứ và sai số hiện tại.

Mô hình tổng quát của quá trình trung bình trượt bậc q, kí hiệu MA(q) là:

rt = µ + ut + γ1 ut-1 + γ2ut-2 +…+ γq ut-q Với rt là chuỗi dừng, ut là nhiễu trắng

Quá trình trung bình trượt, tự hồi quy ARMA:

Mô hình ARMA chỉ được dùng khi chuỗi thời gian phải dừng, nhưng thực tế tồn

tại rất nhiều chuỗi thời gian không dừng. Do đó, ta lấy sai phân để biến đổi một

chuỗi thời gian không dừng thành dừng trước khi áp dụng mô hình ARMA.

Một chuỗi thời gian dừng ở sai phân bậc d gọi là chuỗi liên kết bậc d, ký hiệu

I(d). Kết hợp với mô hình ARMA, ta có được mô hình trung bình trượt, đồng liên

kết, tự hồi quy ARIMA(p,d,q) với p số hạng tự hồi quy, q số hạng trung bình trượt

và cần lấy sai phân d để chuỗi dừng có dạng:

Dd (rt) =∅ + [∅ Dd (rt-1) +...+ ∅ Dd (rt-p)] + ut ++ γ1 ut-1 + γ2ut-2 +…+ γq ut-q

Mô hình GARCH(p’,q’)

Mô hình GARCH còn được gọi là mô hình tự điểu chỉnh phương sai có điều

kiện được giới thiệu bởi Bollerslew vào năm 1986. Việc phát triển mô hình

GARCH được dựa trên thực tế sự dao động của các lợi suất thường xuất hiện hiện

tượng tự tương quan chuỗi hay phương sai của sai số không đồng đều. Việc áp dụng

các mô hình cũ với giả thiết phương sai sai số không đổi sẽ gây những sai lệch trong

việc định lượng.

Dạng tổng quát GARCH(p’,q’) như sau:

rt =∅+ ∅ rt-1 + ut Với ut ~N(0,ơt

= α + ∑

+ ∑

(′,′)

bây giờ còn phụ thuộc vào cả giá

Với điều kiện α0 >0 , αj≥ 0, ≥ 0 ∀ , ∑ ( + ) < 1

Phương trình trên nói lên rằng phương sai

đại diện bởi các

trị quá khứ của những thông tin thời kì trước, được xác định bởi bình phương phần

biến

dư từ phương trình kì vọng, và các giá trị quá khứ của bản thân

) với mô hình ARMA(p,q) Vậy mô hình chuỗi {rt } có điều kiện: ( rt /

GARCH(p’,q’) được tổng hợp như sau:

rt = ∅ + ∑ ∅ + ∑

ut = σt εt Với εt ~ IID(0, σ2 )

=α + ∑

+ ∑

Việc hiệu chỉnh chuỗi lợi suất được thực hiện theo các bước sau đây:

Bước 1: Xác định mô hình ARMA(p,q)

 Kiểm định tính dừng của chuỗi lợi suất bằng kiểm định đơn vị (Unit

roost test)

- Bước ngẫu nhiên (random walk):

Xét mô hình: rt = β rt-1 + ut với ut là nhiễu trắng.

Hồi quy mô hình trên, thu được β = 1 thì ta nói rằng biến ngẫu nhiên rt có

nghiệm đơn vị, tức chuỗi thời gian không dừng. Một chuỗi thời gian có nghiệm đơn

vị được gọi là bước ngẫu nhiên.

- Kiểm định Dickey-Fuller:

Phương pháp này được Dickey và Fuller phát hiện vào năm 1979 nhằm xác định

xem chuỗi thời gian có phải là Random walk (nghĩa là rt =1*rt-1 + ut ) hay không.

Nếu là bước ngẫu nhiên thì không có tính dừng.

Xét mô hình: rt =β rt-1 + ut (1) với ut là nhiễu trắng

H0 : β=1 (rt là chuỗi không có tính dừng) H1 : β<1 (rt là chuỗi có tính dừng)

Phương trình (1) tương đương với phương trình sau:

rt - rt-1 = β rt-1 - rt-1 + ut

∆ rt =δ rt-1 + ut với δ= β-1

Giả thiết trên có thể viết lại như sau:

H0: δ =0 (rt là chuỗi không có tính dừng)

H1: δ ≠ 0 (rt là chuỗi có tính dừng)

Với giá trị τ ước lượng từ phương trình trên, nếu |τ| >|τα| thì bác bỏ H0 hay rt là

chuỗi có tính dừng và ngược lại |τ| <|τα| thì rt là chuỗi không có tính dừng.

Nếu chuỗi rt chưa dừng ta tiếp tục sai phân cấp 1, cấp 2,.., đến khi chuỗi dừng và

cho kết quả kiểm định |τ| >|τα|. Lúc đó mô hình ARMA(p,q) được chuyển thành

ARIMA(p,d,q) với d là số bậc sai phân của chuỗi lợi suất.

 Xác định các chỉ số của mô hình

Phương pháp Box-Jenkins:

Từ chuỗi dừng nhận được, tìm các giá trị p và q thông qua lược đồ tương quan

(ACF) và tự tương quan riêng phần (PACF) được vẽ theo các độ trễ.

Bảng 1.4. Các dạng lý thuyết của ACF và PACF

Loại mô hình Dạng đồ thị ACF Dạng đồ thị PACF

Suy giảm theo số mũ hay dạng AR(p) Có đỉnh ở p hình sin tắt dần hoặc cả hai

Suy giảm theo số mũ hay dạng MA(q) Có đỉnh ở q hình sin tắt dần hoặc cả hai

Suy giảm theo số mũ hay dạng Suy giảm theo số mũ hay dạng ARMA(p,q) hình sinh tắt dần hoặc cả hai hình sinh tắt dần hoặc cả hai

Tuy nhiên mỗi chuỗi dữ liệu có thể phù hợp với nhiều mô hình ARIMA khác

nhau, do đó ta cần thử nhiều mô hình để chọn mô hình phù hợp nhất, thông thường

có thể dựa vào các tiêu chuẩn sau:

Tiêu chuẩn AIC/SIC: mô hình có giá trị AIC/SIC càng nhỏ thì mô hình càng phù

hợp: AIC= e2k/n SIC= ek/n

R2 càng gần 1 càng tốt.

Bước 2: Kiểm định giả thiết, chuẩn đoán:

Các tiêu chí để lựa chọn mô hình phù hợp là:

- Hệ số hồi quy có ý nghĩa thống kê hay không. Mô hình nào có tất cả các hệ số

hồi quy AR, MA có ý nghĩa thống kê ở mức ý nghĩa được chọn thì mô hình đó tốt.

- Mô hình phù hợp khi các yếu tố ngẫu nhiên phải là nhiễu trắng. Tiến hành

kiểm định Dickey-Fuller và LB cho phần dư để xem et có phải là nhiễu trắng không.

 Kiểm định hiện tương PSSS thay đổi

= + ∑

+ ∑

H0 : α1= α2=.....= αq’ , = =….= (Mô hình không có PSSS thay đổi)

H1 : Tồn tại ít nhất 1 αk≠ 0 hoặc ≠ 0 (Mô hình có có PSSS thay đổi)

Thống kê χ2 = nR2 tuân theo phân phối chi bình phương với số bậc tự do là số

α ).

độ trễ q’( χ2(q’)

α thì bác bỏ H0 (Hay giá trị P-Value < 0.05) tức mô hình có PSSS

Nếu χ2 > χ2(q’)

thay đổi và ngược lại.

Bước 3: Ước lượng mô hình:

Để ước lượng các hệ số của mô hình, thông thường ta thực hiện bằng phương

pháp hồi quy OLS, nhưng cũng có trường hợp phải sử dụng các phương pháp ước

lượng phi tuyến.

Bước 4: Ước lượng mô hình GARCH

Nếu chuỗi lãi suất được kiểm định là tồn tại hiện tượng phương sai sai số thay

đổi, ta tiếp tục ước lượng mô hình GARCH với đầu vào là giá trị mô hình

ARMA(p,q) đã ước tính và thử nghiệm với các chỉ số GARCH(p’,q’) thường tồn tại

trong thực tế: p’, q’ ∈ {0,1,2,}. So sánh các mô hình và lựa chọn mô hình tốt nhất.

Sau đó ta thực hiện kiểm định lại để xác định mô hình GARCH đã khắc phục

được hiện tượng phương sai sai số thay đổi hay chưa. Nếu chưa (P-Value <0.05) thì

ta thực hiện ước lượng lại mô hình.

Bước 5: Dự báo

Các kết quả dự báo sẽ cho ta giá trị về rt+1 và ơt+1. Đây là những giá trị đã được

hiệu chỉnh và được sử dụng để ước lượng VaR sau này.

1.5.4.2.2. Mô hình VaR ứng dụng phương pháp RiskMetrics

Nguyên tắc tính VaR của phương pháp RiskMetrics tương tự với nguyên tắc tính

VaR của phương pháp Variance- Covariance, nhưng thay vì tính độ lệch chuẩn σ

cho tất cả các tỷ suất sinh lợi, ta tính σ theo những suất sinh lợi mới nhất. Phương

pháp này cho ta phản ứng nhanh chóng khi thị trường thay đổi đột ngột và cho ta

quan tâm đến những sự kiện cực kỳ quan trọng có thể gây ảnh hưởng tiêu cực đến

giá trị của danh mục đầu tư. Đồng thời, phương pháp này có thể áp dụng đối với các

chuỗi số liệu không dừng.

Mô hình VaR-Riskmetrics được ngân hàng JP Morgan công bố vào năm 1994

2).

Giả định của phương pháp:

Quy luật phân phối chuẩn: N~ (µt, σ t

µt tuân theo mô hình AR (1).

σ t của lãi suất thỏa mãn mô hình GARCH(1,1) là mô hình không có bụi:

ut = rt - µt

ut = σ t *εt Ở đây, εt phân bố IDD: E(εt )=0, Var(εt )=1 và Cov(εt , εt+1)=0

2 = α0 + α1 r2

2 t -1 + β1σ t-1

σ t

Trong thực tiễn có thể mở rộng với ARMA(p,q) và GARCH(1,0)/

GARCH(0,1),..

Quy trình tính VaR-Riskmetrics:

2 cho từng ngoại tệ

Bước 1: Xác định giá trị thị trường hiện hành của danh mục (V0 )

Bước 2: Ước lượng mô hình ARMA/GARCH, tính rt +1 , σt+1

+ Từ các giá trị σt+1 tìm được, lập ma trận hiệp phương sai, ta tính được giá trị σ

t+1 của danh mục đầu tư:

Từ các giá trị rt +1 ta tính được tỉ suất sinh lời trung bình của Danh Mục :

R= w1 rt+1, cf1 + w2 rt+1, cf2 +…. + wnrt+1, cfn

Bước 3: Tính VaR theo phương pháp RiskMetrics:

Công thức: VaR = (R - Zα σt+1). V0

R: Tỉ suất sinh lời kì vọng của danh mục

σt+1: Độ lệch chuẩn thời gian t+1 của danh mục

Z0.05 = 1.65 Z0.01 = 2.33 V0: giá trị danh mục hiện tại

1.4.4.2.3. Phương pháp Monte-Carlo (Monte-Carlo Simulation)

Đây là phương pháp tính VaR với một kịch bản các tình huống có thể xảy ra, cộng

thêm với nhiều mô phỏng sẽ kết quả chính xác hơn với phân phối xác suất của VaR.

Quy trình thực hiện:

Bước 1: Nhận diện nhân tố rủi ro mà DMĐT đang gặp phải: “sự biến động của

tỷ giá ngoại tệ trong danh mục”.

Bước 2: Xây dựng các giả định cho nhân tố rủi ro đã xác định ở bước 1.

Bước 3: Tiến hành mô phỏng.

- Khai báo các biến đầu vào là TSSL của các ngoại tệ trong danh mục với

trung bình và độ lệch chuẩn. Điểm mở rộng khi sử dụng phương pháp Monte Carlo

theo hướng tiếp cận mới là việc sử dụng biến đầu vào đã được hiệu chỉnh bằng

ARMA/GARCH.

- Phân phối được lựa chọn thường là phân phối chuẩn. Nhớ rằng trong thực

hành, một thuận lợi của phương pháp mô phỏng này là nó không yêu cầu một phân

phối chuẩn, nhưng phân phối chuẩn thường được sử dụng để dễ dàng minh họa.

- Khai báo biến dự báo: biến TSSL của danh mục

Bước 4: Trên kết quả mô phỏng tiến hành tính VaR tại các mức tin cậy 95% và 99%

VaR= TSSL Danh mục của mô phỏng * tổng giá trị Danh mục.

1.4.5. Các hạn chế của phương pháp tính VaR

Mặc dù VaR là công cụ đo lường rủi ro được sử dụng phổ biến trong quản trị rủi

ro tài chính nhưng VaR vẫn có những hạn chế nhất định trên cả phương diện lý

thuyết cũng như áp dụng trong thực tiễn.

Về phương diện lý thuyết :

VaR chỉ phản ánh những biến động dựa trên số liệu lịch sử của các biến thị

trường và phải giả định rằng các yếu tố trên thị trường tài chính tuân theo quy luật

phân phối chuẩn. Giả định này đôi khi không phù hợp với thực tế vì thị trường tài

chính luôn tiềm ẩn các khoản tổn thất ngoài dự đoán và các biến động lớn đặc biệt

khi nền kinh tế khủng hoảng. Do đó, việc đựa ra giả định này nhiều khi không chính

xác đòi hỏi cần phải kết hợp một số mô hình khác nhằm việc quản trị rủi ro được tốt

hơn.

Về phương diện thực tiễn:

VaR chỉ đo lường khoản lỗ lớn nhất trong phần lớn các tình huống với 99% hay

95% khẳ năng sẽ xảy ra. Tuy nhiên, VaR chưa giải quyết được vấn đề là trong phần

xác suất nhỏ 1% hay 5% tương ứng với các tình huống xấu do những diễn biến thất

thường của thị trường gây ra thì mức lỗ sẽ vượt quá VaR, vậy mức tổn thất lúc này

sẽ được xác định như thế nào? Như vậy, VaR sẽ không còn đúng khi thị trường có

những biến động thất thường và nằm ngoài dự đoán.

1.4.6. Giới thiệu về Backtest

Tại các nước có nền tài chính ngân hàng phát triển, các ngân hàng, đặc biệt là

ngân hàng đầu tư, đều xây dựng cho mình một mô hình VaR nội bộ, để xác định

mức tổn thất lớn nhất trên vốn mà một danh mục có thể gây ra cho ngân hàng. Tuy

nhiên, mô hình này đôi khi cho những kết quả sai lệch với thực tế. Chính vì vậy, cần

tiến hành các phép thử nghiệm lại (Back-test) nhằm kiểm tra tính chính xác của

VaR.

Back test thực chất là một phép kiểm tra để so sánh VaR tìm được với những dữ

liệu trong quá khứ để đảm bảo rằng các mức lỗ thực sự gặp phải trong quá khứ

tương ứng với danh mục đồng tiền đang có không vượt quá một giới hạn nào đó.

Nếu độ tin cậy là 95% thì số lần bị lỗ vượt qua này quá N*5%. Với N là kích thước

mẫu

Ví dụ: NHTM A áp dụng hệ thống VaR với độ tin cậy 95%, và trong 252 ngày

làm việc trong 1 năm vừa rồi, ngân hàng đó xác định được VaR của danh mục. Khi

tiến hành phép thử Backtest, ngân hàng thấy rằng trong 252 ngày:

- Nếu số ngày tổn thất vượt quá giá trị VaR là trên 13 ngày (5% của 252 ngày

làm việc) thì cho thấy hệ thống VaR nội bộ của ngân hàng vẫn chưa cho kết quả

chính xác, và ngân hàng đó buộc phải điều chỉnh cách thức đánh giá VaR.

- Nếu số ngày tổn thất vượt quá giá trị VaR là dưới 13 ngày, chứng tỏ hệ thống

VaR của ngân hàng đó là chấp nhận được.

1.4.7. Giới thiệu về Stress-test

Chúng ta biết rằng, nhược điểm lớn nhất của VaR, đặc biệt là phương pháp mô

phỏng lịch sử, đó là sự biến động của các tác nhân rủi ro trong tương lai sẽ giống

như trong quá khứ, và đó là điều kiện bắt buộc để tiến hành mô phỏng. Tuy nhiên

giả định này hoàn toàn phi thực tế. Đặc biệt, VaR chỉ đo lường mức lỗ lớn nhất

trong những điều kiện bình thường, bỏ qua các ảnh hưởng từ các cú sốc kinh tế hay

những biến động lớn hiếm gặp. Vấn đề này càng được quan tâm từ sau khủng

hoảng kinh tế năm 2008, khi các nhà quản trị tài chính hàng đầu nước Mỹ phải đối

mặt với những khoản lỗ khủng khiếp mà họ thậm chí không biết không biết những

khoản lỗ này xuất phát từ đâu. Do vậy, việc áp dụng phép thử Stresstest (thử khả

năng chịu đựng) có ý nghĩa đặc biệt quan trọng trong thời kỳ hiện nay.

Stress test thực chất là phép kiểm định lại VaR trước những cú sốc bất ngờ của

thị trường. Hay nói cách khác, sau khi thực hiện Stress test thì các kết quả VaR

trong những trường hợp đột biến sẽ được biết đến. Phép thử Stress-test sẽ đưa ra

những bối cảnh của các nhân tố rủi ro như: lãi suất, tỷ giá,… biến động khác xa so

với điều kiện bình thường nhằm xác định VaR ứng với từng bối cảnh đó. Qua đó,

giúp các tổ chức hay nhà quản lý có thể hình dung ra được số tổn thất vượt quá VaR

nằm trong khoảng giá trị bao nhiều từ đó đưa ra những khuyến nghị về vốn để quản

lý rủi ro.

1.4.8. Giới thiệu về E-VaR

E-VaR là chữ viết tắt của Expanded Value at Risk, tức nó là giá trị mở rộng của

VaR. Thường E-VaR được dùng trong những trường hợp mà kiểm định Back test

cho kết quả bác bỏ VaR tức số ngày trong quá khứ có độ biến động thua lỗ lớn hơn

VaR, vượt quá số lượng cho phép. E-VaR sẽ được tính theo mô hình sau đây. Giả

sử một dữ liệu đầu vào là những thua lỗ vượt quá VaR ký hiệu là (L), hàm mật độ

xác suất chuẩn của L ký hiệu là, đồng thời mức ý nghĩa ký hiệu là và hàm xác suất

∑

của mức ý nghĩa này ký hiệu là () lúc này E-VaR sẽ được tính như sau:

() ∫

E –VaR = () =

∑

Với pi là xác suất thua lỗ ứng với mức lỗ li

E-VaR sẽ cho kết quả chính xác về việc đo lường rủi ro hơn VaR trong những

trường hợp Back–test bác bỏ VaR. Tuy nhiên không phải lúc nào E-VaR cũng hữu

hiệu vì nếu nhà quản trị cứ đi dự phòng rủi ro thì mức lợi nhuận sẽ phải giảm xuống

ảnh hưởng đến kết quả kinh doanh. Nên một lần nữa khẳng định lại rằng E-VaR chỉ

nên sử dụng trong những hợp đồng KDNT lớn hoặc trong trường hợp Back-test cho

rằng VaR đang đánh giá thấp rủi ro.

1.5. Tóm tắt các nghiên cứu trước

1.5.1. Các nghiên cứu trong nước

Trần Mạnh Hà (2010) - Ứng dụng VaR trong việc cảnh bảo và giám sát rủi

ro thị trường đối với hệ thống NHTM Việt Nam. Tác giả cho rằng lợi ích lớn

nhất của VaR là việc đòi hỏi phải thay đổi suy nghĩ về quản lý rủi ro thị trường đối

với những tổ chức tài chính áp dụng nó. Thông qua quá trình tính toán VaR sẽ phơi

bày rõ hơn về những rủi ro tài chính và do đó thiết lập chức năng quản lý rủi ro

thích hợp với bản thân. Tác giả cũng chỉ ra những hạn chế của VaR như “hiệu ứng

đuôi chuông”, khoảng tin cây,… đồng thời cũng đề xuất một số biện pháp khắc

phục như sử dụng phép thử Back-test, Stress-test để đảm bảo hệ thống VaR của

ngân hàng cho kết quả chính xác.

Đỗ Nam Tùng (2010) – Quản trị rủi ro bằng mô hình VaR mở rộng. Tác giả

ứng dụng mô hình VaR để đo lường mức lỗ tối đa cho danh mục gồm 2 cổ phiếu

REE và SAM trên thị trường chứng khoán Việt Nam. Tác giả cho rằng việc đưa ra

các giả định về phân phối chuẩn cho chuỗi lợi suất của mỗi cổ phiếu là chưa chính

xác. Do đó, tác giả đã kết hợp thêm mô hình ARMA và GARCH dùng để hiệu

chỉnh chuỗi lợi suất từ đó đưa ra kết quả tính VaR có độ chính xác cao hơn.

1.5.2. Các nghiên cứu ngoài nước

Philippe Jorion (1996) – Risk Measuring the Risk in Value at Risk. Nghiên

cứu chứng tỏ rằng mặc dù VaR có nhiều ứng dụng trong thực tiễn quản trị rủi ro,

nhưng nó vẫn có những hạn chế nhất định. VaR chỉ đúng nếu như nó được đo lường

với một số lượng quan sát nhất định, tuy nhiên thực tế VaR chỉ phản ánh những

biến động từ dữ liệu lịch sử do người tính toán cung cấp, do vậy đôi lúc chuỗi dữ

liệu này không bao gồm những biến động lớn trong các cuộc khủng hoảng dẫn đến

kết quả tính VaR không chính xác. Bên cạnh đó, tác giả cũng chỉ ra các phương

pháp đo lương VaR khác nhau sẽ có kết quả khác nhau.

Grzegorz Mentel & Jacek Brozyna (2014) - Historical Data in the Context

of Risk Prediction. Nghiên cứu đưa ra việc tính toán giá trị VaR dựa trên phương

pháp GARCH(1,1) thuộc cách tiếp cận phi tham số. Tác giả đã sử dụng bộ số liệu

về chỉ số WIG20 trong khoảng thời gian 3 năm từ 2010 đến 2012 được niêm yết

trên thị trường chứng khoán Warsaw, với số mẫu được dùng để ước lượng khoảng

500 quan sát. Đề tài đã chỉ ra phương pháp này có thể khắc phục một số hạn chế về

những giả định mà VaR truyền thống thường gặp phải và cho ra kết quả khá chính

xác.

 Kết luận:

Dựa trên các nghiên cứu trong và ngoài nước đã điểm qua, từ đó tôi nắm bắt

được việc đo lường VaR có thể thực hiện theo hai cách tiếp cận truyền thống và mở

rộng. Tuy nhiên, các nghiên cứu này chỉ thực hiện đo lường VaR bằng một cách

tiếp cận duy nhất nên chưa so sánh được ưu điểm và hạn chế của từng cách tiếp cận.

Trên cơ sở đó, tôi đã quyết định nghiên cứu tính toán giá trị VaR theo cả hai hướng

tiếp cận truyền thống và mở rộng nhằm tìm ra những ưu điểm, hạn chế và đánh giá

hiệu quả của VaR khi áp dụng trong ngắn hạn và dài hạn.

CHƯƠNG 2: ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC

NGÂN HÀNG THƯƠNG MẠI VIỆT NAM

2.1. Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015

Đơn vị tính: VNĐ

USD

23000,00 22000,00 21000,00 20000,00 19000,00 18000,00 17000,00

Biểu đồ 2.1. Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015

(Nguồn : Ngân hàng nhà nước Việt Nam)

Nhìn chung, ta nhận thấy rằng sau nhiều năm biến động và tăng mạnh thì bắt

đầu từ năm 2011 đã đánh dấu một xu hướng duy trì ổn định và kéo dài cho đến cuối

năm 2014 và bắt đầu tăng nhẹ vào 2015. Nếu như trước năm 2011, tỷ giá thị trường

tự do thường chênh lệch đáng kể so với tỷ giá chính thức nhưng bắt đầu từ năm

2011 thì tỷ giá đã bước vào giai đoạn ổn định và sự hoạt động công khai trên thị

trường tự do đã bị thu hẹp.

Trong giai đoạn 2012-2013, NHNN đặt mục tiêu ổn định tỷ giá trong biên độ

tăng không quá 2-3%/năm, hạn chế tình trạng đô la hóa nền kinh tế và kiểm soát sự

mất giá của VNĐ. Tuy nhiên, tại một số thời điểm trong năm 2013, áp lực tỷ giá

tăng nhẹ theo diễn biến trên thị trường tài chính trong nước và quốc tế, một số

NHTM đã nâng giá USD lên kịch trần cho phép. Để chấm dứt áp lực lên tỷ giá,

ngày 27/6/2013, NHNN đã điều chỉnh tăng tỷ giá bình quân liên ngân hàng thêm

1% lên mức 21,036 VNĐ/USD. Sau thời gian đó, nhu cầu USD tại các NHTM bắt

đầu hạ nhiệt, gây tác động lan tỏa sang thị trường tự do.

Đến năm 2014, NHNN đề ra mục tiêu tỷ giá trong biên độ không quá ±2%. Đây

cũng là năm mà tín dụng VNĐ tăng chậm, theo đó NHNN đã nới lỏng đối tượng

được vay ngoại tệ theo chủ trương của Chính phủ. Do tín dụng ngoại tệ tăng cao,

giá mua bán USD được duy trì ở mức cao, cùng với tâm lý kỳ vọng về khả năng

NHNN sẽ sớm điều chỉnh tăng tỷ giá sau những thông điệp của Thống đốc và định

hướng chính sách tỷ giá trong năm 2014, NHNN đã quyết định nâng tỷ giá chính

thức thêm 1% lên 21,246 VNĐ/USD, có hiệu lực từ ngày 19/6/2014.

Năm 2015 được coi là một năm đầy biến động, nhiều thách thức trong chính

sách tiền tệ và chính sách tỷ giá trước bối cảnh USD liên tục lên giá do kỳ vọng Fed

điều chỉnh tăng lãi suất và Trung Quốc bất ngờ điều chỉnh mạnh tỷ giá đồng Nhân

dân tệ, kéo theo làn sóng giảm giá mạnh của các đồng tiền của các đối tác thương

mại chính của Việt Nam. Trước tình hình đó, NHNN đã điều chỉnh biên độ tỷ giá

giữa VNĐ và USD tăng từ +/-1% lên +/-2% ngay sau khi Ngân hàng Trung ương

Trung Quốc phá giá đồng Nhân dân tệ và tiếp tục mở rộng biên độ tỷ giá từ +/-2%

lên +/-3% nhằm đón đầu các tác động về khả năng Fed tăng lãi suất và biến động

của thị trường tài chính thế giới.

Qua việc phân tích tình hình biến động tỷ giá như trên thì nhìn chung tỷ giá có

xu hướng duy trì ổn định trong 2011-2015. Tuy nhiên, ta phải nhận ra rằng bên cạnh

xu hướng ổn định đó thì có những thời điểm do ảnh hưởng tình hình tiền tệ thế giới

buộc NHNN phải điều chỉnh lại tỷ giá khiến tỷ giá đột nhiên tăng mạnh. Điều này

sẽ ảnh hưởng rất lớn đến hoạt động KDNT của các NHTM, sự biến động mạnh về

tỷ giá có thể tạo ra những khoản lợi nhuận đối với một số NHTM đã dự báo trước

được nhưng bên cạnh đó nếu không lường trước những rủi ro về tỷ giá thì sẽ tạo ra

những khoản lỗ từ hoạt động KDNT. Do đó việc việc xây dựng những mô hình để

lượng hoá những rủi ro mà ngân hàng gặp phải là rất quan trọng.

2.2. Giới thiệu dữ liệu tính VaR

2.2.1. Tình huống nghiên cứu

Giả sử hôm nay là ngày 14/02/2016, ngân hàng Sacombank có tiến hành ký kết

các hợp đồng kì hạn về giao dịch ngoại tệ và sẽ được thực hiện vào ngày

21/02/2016 (tức sau 7 ngày nữa) với nội dung như sau:

- Mua kỳ hạn 20.000 USD

- Mua kỳ hạn 10.000 AUD

- Mua kỳ hạn 10.000 GBP

- Mua kỳ hạn 10.000 EUR

- Mua kỳ hạn 1.000.000 JPY.

Vấn đề đặt ra là ngân hàng đang muốn xác định mức tổn thất lớn nhất mà họ có

thể gặp phải vào ngày đạo hạn của hợp đồng từ đó có thể đưa ra những giải pháp

với mức dự phòng hợp lý.

Tập hợp những mua bán kỳ hạn như vậy xem như là một danh mục đầu tư cho

các đồng tiền. Sở dĩ các đồng tiền USD, AUD, GBP, EUR, JPY được lựa chọn để

đưa vào danh mục vì đây là những đồng tiền có khối lượng giao dịch hàng đầu thế

giới, thường xuất hiện trong các hợp mua bán ngoại tệ, cũng như được sử dụng giao

dịch phổ biến ở Việt Nam.

Dựa vào tỷ giá cập nhật ngày 14/02/2016, ta có được cơ cấu của danh mục đầu

tư như sau:

Bảng 2.1. Cơ cấu danh mục đầu tư

Giá trị mỗi

Đồng tiền

Tỷ trọng

STT

Tỷ giá X/VNĐ

Số lượng

hợp đồng

(%)

(X)

(đồng)

439.769.142

32,47%

21.988,46

20.000

USD

1

155.830.000

11,51%

15.583,00

10.000

AUD

2

318.393.143

23,51%

31.839,31

10.000

GBP

3

247.358.286

18,27%

24.735,83

10.000

EUR

4

JPY

192,91

1.000.000

192.909.600

14,24%

5

1.354.260.171

100,00%

Tổng trạng thái ngoại hối

(Nguồn: Bảng tính Excel)

2.2.2. Cơ sở dữ liệu

Dữ liệu sử dụng trong đề tài này là các chuỗi tỷ giá mua (USD, AUD, GBP,

EUR, JPY) được lấy từ website kinh doanh ngoại tệ www.oanda.com, thu thập từ

ngày 26/02/2006 đến ngày 14/02/2016, cập nhật hàng tuần, gồm 521 quan sát.

Các chuỗi dữ liệu tỷ giá này có thể được lấy từ nhiều nguồn khác nhau như

website của NHNN Việt Nam, Tổng cục thống kê Việt Nam… Tuy nhiên, do giới

hạn nghiên cứu tập trung chủ yếu về rủi ro kinh doanh ngoại tệ trước những bất ổn

của thị trường nên tôi quyết định lấy dữ liệu tỷ giá từ trang web giao dịch ngoại tệ

www.oanda.com nhằm phản ánh kịp thời sự ảnh hưởng của thị trường đến tỷ giá

ngoại tệ.

Bảng 2.2. Chuỗi dữ liệu tỷ giá

STT

Ngày

USD

AUD

GBP

EUR

JPY

26/02/2006

15717,63

11612,14

27433,26

18713,07

133,54

1

05/03/2006

15700,43

11665,63

27476,56

18774,99

135,07

2

12/03/2006

15811,60

11623,49

27458,87

18868,81

133,89

3

19/03/2006

15699,26

11506,54

27415,77

18963,91

133,91

4

…

20/11/2011

20772,14

20962,16

32871,23

28131,36

269,80

300

27/11/2011

20787,31

20306,36

32309,26

27781,44

268,90

301

…

07/02/2016

21949,09

15582,00

31763,07

24255,64

185,31

520

14/02/2016

21988,46

15583,00

31839,31

24735,83

192,91

521

(Nguồn: www.oanda.com)

2.3. Ứng dụng mô hình VaR để đo lường rủi ro tỷ giá.

2.3.1. Tính VaR theo phương pháp truyền thống

2.3.1.1. Tính toán VaR theo phương pháp mô phỏng lịch sử

Sau quá trình thu thập dữ liệu lịch sử và tiến hành xử lý số liệu theo các bước

tiến hành tính VaR theo phương pháp mô phỏng lịch sử đã nêu rõ trong chương

1với giả định rằng sự phân bố tỷ suất sinh lợi trong quá khứ có thể tái diễn trong

tương lai, trên cơ sở đó ta tính toán được giá trị danh mục các đồng tiền và mức lỗ

của danh mục dự kiến vào ngày 21/02/2016.. Dựa trên kết quả đó, ta tiến hành sắp

xếp các mức lỗ theo thứ tự giảm dần và dựa trên độ tin cậy để suy ra kết quả VaR

thích hợp.

Bảng 2.3. Giá trị danh mục đầu tư và mức lỗ dự kiến vào 21/02/2016

Đơn vị tính: đồng

Giá trị

ST

Ngày

USD

AUD

GBP

EUR

JPY

Mức lỗ

DMĐT

T

26/02/2006

15717,63

11612,14

27433,26 18713,07

133,54

05/03/2006

15700,43

11665,63

27476,56 18774,99

135,07 1.358.029.751,15

-3.769.580,15

12/03/2006

15811,60

11623,49

27458,87 18868,81

133,89 1.356.152.508,12

-1.892.337,12

19/03/2006

15699,26

11506,54

27415,77 18963,91

133,91 1.350.341.523,53

3.918.647,47

…

300

20/11/2011

20772,14

20962,16

32871,23 28131,36

269,80 1.340.721.101,25

13.539.069,75

301

27/11/2011

20787,31

20306,36

32309,26 27781,44

268,90 1.340.537.860,81

13.722.310,19

…

520

07/02/2016

21949,09

15582,00

31763,07 24255,64

185,31 1.363.691.567,94

-9.431.396,94

521

14/02/2016

21988,46

15583,00

31839,31 24735,83

192,91 1.368.630.042,23

-14.369.871,23

(Nguồn: Bảng tính Excel)

Bảng 2.4. Sắp xếp các mức lỗ theo thứ tự giảm dần

Mức lỗ Sắp xếp

31.598.497,20 1

31.104.914,80 2

28.075.882,29 3

24.135.647,86 4

24.003.101,62 5

… …

15.343.582,89 26

14.650.904,79 27

… …

-54.163.395,80 520

(Nguồn: Bảng tính Excel)

Từ bảng 2.4, ta nhận thấy rằng, 5% trong số 520 mức lỗ cho một kết quả bằng

5%*520= 26. Vậy VaR của danh mục theo phương pháp lịch sử phải có giá trị bằng

giá trị mức lỗ thứ 26 trong bảng trên:

VaR(95%,1 ngày) =15.343.582,89 đồng

Tương tự, VaR (99%, 1 ngày) sẽ tương ứng như sau: 1%*520=5.2, ta sẽ lấy giá

trị xấp xỉ ở mức lỗ thứ 5:

VaR(99%, 1 ngày) = 24.003.101,62 đồng

Ý nghĩa:

- Với độ tin cậy là 95% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 15.343.582,89 đồng hoặc NĐT dự kiến lỗ ít nhất là 15.343.582,89 đồng trong

một tuần với xác suất 5%.

- Với độ tin cậy là 99% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 24.003.101,62 đồng hoặc NĐT dự kiến lỗ ít nhất là 24.003.101,62 đồng trong

một tuần với xác suất là 1%.

2.3.1.2. Tính VaR theo phương pháp Variance-Covariance

Phương pháp này đưa ra giả định rằng chuỗi dữ liệu về tỷ suất sinh lợi tuân theo

quy luật phân phối chuẩn. Xác định giá trị VaR theo phương pháp phương sai-hiệp

phương sai được thực hiện lần lượt qua các bước như sau:

Bước 1: Từ dữ liệu hàng ngày, tính toán sự biến động của các chuỗi tỷ giá theo

ngày. Kết quả được trình bày ở phụ lục.

Bước 2: Tính TSSL trung bình, độ lệch chuẩn của các đồng tiền được tính toán

dựa vào hàm AVERAGE và STDEV trong Excel. Kết quả được trình bày ở bảng

2.5.

Bảng 2.5. Kết quả tính TSSL và độ lệch chuẩn của tỷ giá

USD

AUD

GBP

EUR

JPY

TSSL trung

0,07%

0,04%

0,06%

0,08%

bình

Độ lệch chuẩn 0,00500085 0,01592763 0,01152038 0,01217653 0,01179598

32,47%

11,51%

23,51%

18,27%

14,24%

Tỷ trọng

(Nguồn: Bảng tính Excel)

Bước 3 : Tính toán ma trận Variance-Covariance để làm cơ sở tính toán độ lệch

cuẩn của danh mục các đồng tiền, ta thu được kết quả như ở bảng 2.6.

Bảng 2.6. Kết quả tính ma trận Covariance

USD

AUD

GBP

EUR

JPY

2,49125E-05 2,41357E-05 2,41386E-05 2,46634E-05 2,40584E-05

USD

2,41357E-05 0,000252716 0,00011757

0,00012665 7,90447E-06

AUD

2,41386E-05

0,00011757

0,00013221 9,89036E-05 2,44961E-05

GBP

2,46634E-05

0,00012665 9,89036E-05 0,000147699 4,60295E-05

EUR

2,40584E-05 7,90447E-06 2,44961E-05 4,60295E-05 0,000138611

JPY

(Nguồn: Bảng tính Excel)

Bước 4: Từ hai bảng tính trên, ta tiến hành tính toán TSSL trung bình của danh

mục và độ lệch chuẩn của danh mục. Kết quả được trình bày ở bảng 2.7.

Bảng 2.7. Kết quả tính toán tỷ suất sinh lời trung bình, phương sai, độ lệch

chuẩn của danh mục

810.902,36 Lợi nhuận trung bình của danh mục

1,02954E+14 Phương sai của danh mục

10146647,22 Độ lệch chuẩn của danh mục

(Nguồn: Bảng tính Excel)

Với giả định phân phối chuẩn, VaR của danh mục tại mức tin cậy 95% và 99%

là:

VaR(95%,1tuần) = |(810.902,36-1.65x1,02954E+14) | = 15.931.065,56 đồng

VaR (99%, 1 tuần) = |(810.902,36-2.33,02954E+14) | = 22.830.785,67 đồng

Ý nghĩa:

- Với độ tin cậy 95% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày là

15.931.065,56 đồng hay NĐT dự kiến lỗ ít nhất là 15.931.065,56 đồng trong một

tuần với xác suất 5%.

- Với độ tin cậy 99% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

22.830.785,67 đồng hay NĐT dự kiến lỗ ít nhất là 22.830.785,67 đồng trong một

tuần với xác suất 1%.

Bảng 2.8. Kết quả tính VaR theo hai phương pháp truyền thống

Đơn vị tính: đồng

Phương pháp VaR(95%,1 tuần) VaR(99%, 1 tuần)

Historical Method 15.343.582,89 24.003.101,62 Truyền thống Covariance- Variance 15.931.065,56 22.830.785,67

(Nguồn: Bảng tính Excel)

Từ kết quả trên ta nhận thấy rằng giá trị tính VaR đối với hai phương pháp cho

ra kết quả tương đối giống nhau ở độ tin cậy 95%, nhưng đối với độ tin cậy 99% thì

có sự sai lệch đáng kể. Nguyên nhân của sự sai lệch này là do việc áp đặt các giả

thiết về phân phối chuẩn, tính dừng, phương sai sai số không đổi nhưng thực tế thì

các chuỗi dữ liệu thường xuyên không thoả mãn những điều kiện này dẫn đến ảnh

hưởng đến tính chính xác của VaR. Trước thực tế này, đề tài đưa ra thêm một cách

tiếp cận mới bằng cách hiệu chỉnh các yếu tố đầu vào thông qua sự hỗ trợ của

ARMA/GARCH từ đó ứng dụng vào hai phương pháp tính VaR mới là Risk

Metrics và Monte Carlo.

2.3.2. Tính VaR theo hướng mở rộng

2.3.2.1. Kiểm định

Để khẳng định xem những sai lệch của VaR tính theo mô hình truyền thống bị

phát sinh do các áp đặt về giả thiết hay không ta đi kiểm định các điều kiện về độ

lệch chuẩn và tính dừng. Nếu thật sự chuỗi dữ liệu không thỏa những điều kiện áp

đặt của giả thiết ta thực hiện hiệu chỉnh.

- Kiểm định giả thiết phân phối chuẩn đối với 5 ngoại tệ

Kiểm định phân phối chuẩn JB: JB= n[

( )

] +

S: hệ số bất cân xứng K: hệ số nhọn

(2) = 5.99

Với n khá lớn, JB có phân bố xấp xỉ χ2

H0 : Chuỗi dữ liệu TSSL của ngoại tệ i có phân phối chuẩn

H1 : Chuỗi dữ liệu TSSL của ngoại tệ i không có phân phối chuẩn (i= USD,

AUD, GBP, EUR, JPY)

(2) thì bác bỏ H0 và ngược lại.

Nếu JB > χ2

Kết quả từ phần mềm Eviews đối với GBP

Biểu đồ 2.2. Dạng phân phối xác suất của ngoại tệ GBP

(Nguồn: Bảng tính Eview)

JB = 73.77221 > χ2

(2) = 5.99. Bác bỏ H0. Như vậy rGBP không có phân phối chuẩn.

Tương tự với 4 đồng tiền còn lại, ta có bảng tổng hợp kết quả kiểm định như sau:

Bảng 2.9. So sánh giá trị phân phối xác suất của các đồng tiền có trong DMĐT

χ2 Ngoại tệ JB

(2)

USD 2031.560 >5.99

AUD 2301.365

GBP 73.77221

EUR 66.06342

JPY 67.85710

(Nguồn: Bảng tính Eview)

Như vậy, chuỗi dữ liệu TSSL của 5 đồng ngoại tệ đều không có phân phối

chuẩn.

- Kiểm định giả thiết tính dừng

Kết quả kiểm định với chuỗi TSSL của GBP trên Eviews như sau:

Bảng 2.10. Kết quả kiểm định tính dừng đối với chuỗi TSSL của GBP

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -11.21355 0.0000

1% level -3.442771

Test critical values: 5% level -2.866911

10% level -2.569692

(Nguồn: Bảng tính Eview)

()

Chú ý đến phần kiểm định Dickey-Fuller, ta có, giá trị = = 11.21355,

()

> với |%| = 3.442771; |%| = 2.866911; |%| = 2.569692. Vì =

|| với α =1%; 5%; 10%. Như vậy rGBP là chuỗi dừng.

Tương tự với chuỗi TSSL của các ngoại tệ còn lại, ta đều có kết quả các chuỗi

TSSL là dừng.

 Kết luận kiểm ủa các ngoại tệ trong danh ết luận kiểm định: Chuỗi dữ liệu TSSL của các ngoại tệ trong danh

mục:

ối chuẩn - Không phân phối chuẩn

- Là chuỗi dừng. Tuy nhi ỗi dừng. Tuy nhiên, các chuỗi có mức biến động lớn n ỗi có mức biến động lớn nên trên thực tế các

chuỗi dữ liệu này vẫn không tránh khỏi hiện t ẫn không tránh khỏi hiện tượng tồn tại ph ợng tồn tại phương sai sai số thay

đổi. Đây cũng là nguyên nhân ởng đến tính chính xác khi tính VaR do tác à nguyên nhân ảnh hưởng đến tính chính xác khi tính VaR do tác

động sai lệch các giá trị đầu v ộng sai lệch các giá trị đầu vào.Trong trường hợp này, ta cần hiệu chỉnh bằng v ần hiệu chỉnh bằng việc

lựa chọn áp dụng các mô h ọn áp dụng các mô hình họ ARMA/GARCH, nhằm ước l ớc lượng được kỳ vọng

(µ) và độ lệch chuẩn ( ộ lệch chuẩn (σ) chính xác hơn trước khi đưa vào các mô h ưa vào các mô hình ước lượng

VaR đáng tin cậy.

2.3.2.2. Hiệu chỉnh số liệu ệu chỉnh số liệu.

Trong giới hạn đề t ới hạn đề tài, tôi sẽ trình bày chuỗi dữ liệu TSSL đ TSSL đặc trưng của đồng

GBP. Các chuỗi dữ liệu c ợc tổng hợp trong bảng kết quả. ỗi dữ liệu còn lại sẽ được tổng hợp trong bảng kết quả.

Chuỗi dữ liệu TSSL của ỗi dữ liệu TSSL của GBP :

ARMA/GARCH 2.3.2.2.1. Mô hình ARMA/GARCH

Bước 1: Xác định các chỉ sổ p, q của mô h ằng đồ thị correlogram ịnh các chỉ sổ p, q của mô hình ARMA bằng đồ thị correlogram

Biểu đồ 2.3 2.3. Hàm tương quan và tự tương quan riêng ph tương quan riêng phần

của chuỗi lợi suất GBP

(Nguồn: Bảng tính Eview)

Từ kết quả lược đồ tự tương quan và tương quan riêng phần, ta nhận thấy, dạng

đồ thị ACF có đỉnh tại q=1,3và dạng đồ thị PACF có đỉnh tại p=1,3. Ta phỏng đoán

mô hình có dạng ARMA(3,3), ARMA(1,3), ARMA(3,1), ARMA(1,1). Chạy mô

hình ARMA(3,3), ta có:

Bảng 2.11- Kết quả ước lượng bằng Eview đối với mô hình thử nghiệm

Variable

Std. Error 0.000595 0.148051 0.077956 0.144552 0.134668 0.065881 0.133383

t-Statistic 0.637736 -4.808827 -13.62080 -1.197639 6.999634 18.38441 3.381861

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Prob. 0.5239 0.0000 0.0000 0.2316 0.0000 0.0000 0.0008 0.000356 0.011553 -6.158042 -6.100525 -6.135505 2.003466

Coefficient 0.000379 -0.711953 -1.061826 -0.173121 0.942630 1.211188 0.451083 0.094704 0.084054 0.011057 0.062352 1598.854 8.891982 0.000000

C AR(1) AR(2) AR(3) MA(1) MA(2) MA(3) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

(Nguồn: Bảng tính Eview)

Tuy nhiên, để đảm báo xác định mô hình ARMA tốt nhất ta cần so sánh với kết

quả của một số mô hình ARMA dự đoán khác như: ARMA(1,3), ARMA(3,1),

ARMA(1,1).

Bảng 2.12. So sánh chọn mô hình phù hợp

Mô hình ARMA AIC SIC R2

ARMA(3,3) -6.158042 -6.100525 0.094704

ARMA(3,1) -6.127645 -6.086561 0.059515

ARMA(1,3) -6.128166 -6.087203 0.056362

ARMA(1,1) -6.130197 -6.105619 0.050991

(Nguồn: Bảng tính Eview)

Kết quả so sánh cho thấy mô hình ARMA(3,3) phù hợp nhất với các chỉ số AIC,

SIC nhỏ nhất và R2 tiến gần đến 1.

2.3.2.2.2. Kiểm tra PSSS thay đổi

H0 : Mô hình không có hiện tượng PSSS thay đổi

H1 : Mô hình có hiện tượng PSSS thay đổi

Bảng 2.13. Kết quả kiểm định

Heteroskedasticity Test

F-statistic 13.17621 Prob. F(1,514) 0.0003

Obs*R-squared 12.89687 Prob. Chi-Square(1) 0.0003

(Nguồn: Bảng tính Eview)

P-Value < 0.05, bác bỏ H0, chứng tỏ mô hình ARMA(3,3) tồn tại phương sai sai

số thay đổi. Do đó cần lựa chọn chạy mô hình GARCH để khắc phục tình trạng này.

Ước lượng các mô hình GARCH với p’, q’ ∈ {0,1,2} ta có những mô hình chứa hệ

số thống kê có ý nghĩa gồm:

Bảng 2.14. Kết quả Eview mô hình GARCH thử nghiệm

ARMA(3,3)/GARCH(1,1)

Coefficient 0.000355 0.263164 -0.064675 0.025168 -0.041397 z-Statistic 0.657893 0.143033 -0.158977 0.236110 -0.022482 Prob. 0.5106 0.8863 0.8737 0.8133 0.9821 Variable C AR(1) AR(2) AR(3) MA(1)

3.90E-06 0.088019 0.878291 1.672548 2.981720 2.124854 0.0944 0.0029 0.0000 C RESID(-1)^2 GARCH(-1)

Std. Error 0.000540 1.839881 0.406819 0.106594 1.841302 Variance Equation 2.33E-06 0.029520 0.041334

ARMA(3,3)/GARCH(0,1)

Coefficient 0.000357 0.082623 Std. Error 0.000654 0.271857 z-Statistic 0.546369 0.303922 Prob. 0.5848 0.7612 Variable C AR(1)

-0.080253 0.126187 0.133693 0.060962 0.046966 0.276060 -1.316431 2.686792 0.484289 0.1880 0.0072 0.6282 AR(2) AR(3) MA(1)

Variance Equation

0.000177 -0.411472 0.002997 2.392345 0.058970 -0.017200 0.9530 0.9863 C GARCH(-1)

ARMA(3,3)/GARCH(2,1)

Coefficient 0.000322 0.277153 -0.069798 0.025912 -0.053510 z-Statistic 0.593670 0.151391 -0.171206 0.236539 -0.029204 Prob. 0.5527 0.8797 0.8641 0.8130 0.9767 Variable C AR(1) AR(2) AR(3) MA(1)

4.25E-06 0.058253 0.035001 0.869973 Std. Error 0.000542 1.830713 0.407684 0.109548 1.832316 Variance Equation 2.49E-06 0.045201 0.045158 0.044142 1.706620 1.288762 0.775084 1.970852 0.0879 0.1975 0.4383 0.0000 C RESID(-1)^2 RESID(-2)^2 GARCH(-1)

(Nguồn: Bảng tính Eview)

Để lựa chọn mô hình tối ưu, ta xét thêm tiêu chuẩn AIC, SIC và hệ số tương quan điều chỉnh R2 . Trong đó tiêu chí AIC, SIC thì càng nhỏ càng tốt, tiêu chí R2

càng gần 1 càng tốt. Ta có bảng tổng hợp kết quả thống kê dưới đây của từng mô

hình:

Bảng 2.15. So sánh các chỉ tiêu của mô hình GARCH thử nghiệm

Mô hình ARMA/GARCH AIC SIC R2

ARMA(3,3)/GARCH(0,1) -6.119946 -6.062428 0.059515

ARMA(3,3)/GARCH(1,1) -6.264903 -6.199169 0.045583

ARMA(3,3)/GARCH(2,1) -6.261912 -6.187961 0.045618

(Nguồn: Bảng tính Eview)

Mô hình ARMA(3,3)/GARCH(0,1) tuy phù hợp nhất vì có giá trị AIC/SIC nhỏ nhất và R2 tiến gần đến 1 nhất. Tuy nhiên, sau khi kiểm tra lại mô hình

ARMA(3,3)/GARCH(0,1) thì vẫn còn hiện tương phương sai sai số thay đổi. Do đó,

ta phải chọn một trong 2 mô hình còn lại.

Ở đây ta quyết định chọn mô hình ARMA(3,3)/GARCH(2,1) vì giá trị R2 tiến

gần đến 1 hơn so với mô hình còn lại là ARMA(3,3)/GARCH(1,1). Ngoài ra mô

hình ARMA(3,3)/GARCH(2,1) đã khắc phục được hiện tượng phương sai sai số

thay đổi (được kiểm định ở bảng 2.16).

Ta kiểm định lại xem mô hình có còn hiện tượng PSSS thay đổi hay không

Bảng 2.16- Kết quả kiểm tra lại PSSS

Heteroskedasticity Test

F-statistic 0.001242 Prob. F(1,514) 0.9719

Obs*R-squared 0.001247 Prob. Chi-Square(1) 0.9718

(Nguồn: Bảng tính Eview)

P-Value>0.05 chứng tỏ mô hình đã không còn PSSS thay đổi.

Sử dụng mô hình hình ARMA(3,3)/GARCH(2,1) để ước lượng TSSL và

phương sai, ta có:

Bảng 2.17. Kết quả ước lượng mô hình ARMA(3,3)/GARCH(2,1)

Ngoại tệ GBP

TSSL 0,03%

PSAI 7,88839E-05

(Nguồn: Bảng tính Excel)

Thực hiện các bước tương tự cho 4 ngoại tệ còn lại, ta có bảng kết quả tổng hợp

như sau:

Bảng 2.18. Kết quả ước lượng mô hình ARMA/GARCH của các ngoại tệ trong

DMĐT

USD

AUD

GBP

EUR

JPY

-0,23%

0,01%

0,03%

0,24%

0,10%

TSSL

2,5E-05

0,000138

8,58E-05

0,000127

0,000139

Phương sai

(3,3)

(0,1)

(3,3)

(1,1)

(1,0)

ARMA

(0,0)

(1,1)

(2,1)

(0,0)

GARCH

(Nguồn: Bảng tính Eview và Excel)

Trong đó chuỗi TSSL của USD, JPY không có hiện tượng PSSS thay đổi, còn

chuỗi TSSL của AUD, GBP, EUR tồn tại PSSS thay đổi.

Đối với chuỗi TSSL của ngoại tệ không có hiện tượng phương sai sai số thay đổi

, ta lấy giá trị phương sai sai số đã ước lượng từ dữ liệu cũ đã tính toán làm kết quả

hiệu chỉnh.

2.3.2.3. Phương pháp Risk Metrics

Với các chuỗi TSSL đã hiệu chỉnh theo ARMA/GARCH ta có số liệu dự báo

cho 7 ngày sau của DM đầu tư:

Bảng 2.19. Kết quả dự báo TSSL và tỉ trọng ngoại tệ cho ngày 21/02/2016

Tỷ giá dự

Giá trị

TSSL dự báo

Ngoại tệ

báo

Số lượng

Tỷ trọng

(đồng)

21/02/2016

21937,36

20.000

438.747.183

-0,23%

32,40%

USD

15583,89

10.000

155.838.940

0,01%

11,51%

AUD

31848,08

10.000

318.480.820

0,03%

23,52%

GBP

24795,73

10.000

247.957.318

0,24%

18,31%

EUR

193,11

1.000.000

193.110.581

0,10%

14,26%

JPY

-0,0090%

TSSL danh mục

(Nguồn: Bảng tính Eview và Excel)

Bảng 2.20. Ma trận phương sai-hiệp phương sai của DMĐT sau hiệu chỉnh

USD

AUD

GBP

EUR

JPY

1,45648E-33

-6,2565E-35 7,93614E-35 4,93034E-35

2,78056E-33

USD

-6,2565E-35

3,00114E-05 1,38424E-05 1,38648E-05

-1,9019E-34

AUD

7,93614E-35

1,38424E-05 1,08005E-05 9,46695E-06

1,77067E-34

GBP

4,93034E-35

1,38648E-05 9,46695E-06 1,20109E-05

8,63388E-35

EUR

2,78056E-33

-1,9019E-34 1,77067E-34 8,63388E-35

5,30834E-33

JPY

(Nguồn: Bảng tính Excel)

Bảng 2.21. Kết quả tính TSSL và độ lệch chuẩn của DMĐT sau hiệu chỉnh

-125.328,67 Lợi nhuận trung bình của danh mục

6,49219E+12 Phương sai danh của danh mục

2.547.977,26 Độ lệch chuẩn của danh mục

(Nguồn: Bảng tính Excel)

Kểt quả này được sử dụng ước tính VaR bằng phương pháp Risk Metrics

theo công thức:

( − ) ∗ %, ầ = | + ()|

Mức lỗ tối đa ước lượng tại ngày 21/02/2016 với khoản đầu tư danh mục trị giá

1.354.260.171 đồng ở các mức ý nghĩa 95% và 99% là:

VaR (95%, 1 tuần) = |-125.328,67+ (-1.65)x 2.547.977,26|= 4.329.491,14 đồng

VaR (99%, 1 tuần) = |-125.328,67+ (-2.33)x 2.547.977,26|= 6.062.115,68 đồng

Ý nghĩa:

- Với độ tin cậy là 95% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 4.329.491,14 đồng hoặc NĐT dự kiến lỗ ít nhất là 4.329.491,14 đồng trong một

tuần với xác suất 5%.

- Với độ tin cậy là 99% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 6.062.115,68 đồng hoặc NĐT dự kiến lỗ ít nhất là 6.062.115,68 đồng trong một

tuần với xác suất 1%.

2.3.2.4. Phương pháp mô phỏng Monte Carlo

Mục đích: Thiết lập mô hình bảng tính thể hiện mối quan hệ giữa TSSL của

từng ngoại tệ trong danh mục với TSSL danh mục, từ đó dựa vào mô phỏng để dự

báo mức lời/lỗ với độ tin cậy xác định. Với cách tiếp cận VaR mở rộng, các số liệu

TSSL của từng ngoại tệ với μ và σ đã được hiệu chỉnh bằng ARMA/GARCH kì

vọng sẽ cho kết quả sát với thực tế hơn.

Phương pháp thực hiện dựa trên:

Công cụ tính toán: Phần mềm mô phỏng Crystal Ball.

Số lượng mô phỏng: 10000.

Biến đầu vào: TSSL của 5 ngoại tệ trong danh mục với trung bình và độ lệch

chuẩn được tính từ dữ liệu 520 quan sát và phân phối được lựa chọn là phân phối

chuẩn.

Biến đầu ra: TSSL của danh mục.

Kịch bản mô phỏng:

Bảng 2.22. Kịch bản mô phỏng Monte Carlo

USD

AUD

GBP

EUR

JPY

-0,23%

0,01%

0,03%

0,24%

0,10%

TSSL

32,47%

11,51%

23,51%

18,27%

14,24%

Tỷ trọng

-0,0093%

TSSL DM

0,46%

0,45%

0,06%

0,12%

0,00%

Độ lệch chuẩn

(Nguồn: Bảng tính Crystal Ball)

Tiến hành mô phỏng, ta có kết quả sau đây

Biểu đồ 2.4. Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin

cậy 95%

Biểu đồ 2.5. Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin

cậy 99%

Vậy ta có:

VaR (95%, 1 tuần)= |-0.2749% x 1.354.260.171| = 3.722.861,21 đồng

VaR (99%, 1 tuần) = |-0.3769%x 1.354.260.171| = 5.104.206,58 đồng

Ý nghĩa:

- Với độ tin cậy là 95% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 3.722.861,21 đồng hoặc NĐT dự kiến lỗ ít nhất là 3.722.861,21 đồng trong một

tuần với xác suất 5%.

- Với độ tin cậy là 99% thì khoản lỗ tối đa mà NĐT có thể gặp phải sau 7 ngày

là 5.104.206,58 đồng hoặc NĐT dự kiến lỗ ít nhất là 5.104.206,58 đồng trong một

tuần với xác suất 1%.

2.3.3. Tổng hợp kết quả tính VaR theo các phương pháp

Bảng 2.23. Kết quả tính VaR theo các phương pháp

Đơn vị tính: đồng

Phương pháp VaR(95%,1 tuần) VaR(99%, 1 tuần)

Truyền thống Historical Method 15.343.582,89 24.003.101,62

Covariance- Variance 15.931.065,56 22.830.785,67

Mở rộng Risk Metrics 4.329.491,14 6.062.115,68

Monte Carlo 3.722.861,21 5.104.206,58

(Nguồn: Bảng tính Excel)

Kết quả tính toán VaR theo các phương pháp tiếp cận truyền thống và mở rộng

tại mức tin cậy 95% và 99%, ta nhận thấy:

- Kết quả tính VaR theo hai cách tiếp cận truyền thống và mở rộng có sự

chênh lệch khá lớn. Đặc biệt giá trị VaR tính theo phương pháp Historical Method,

Covariance- Variance thường lớn hơn rất rõ so với hai phương pháp được xây dựng

trên cách tiếp cận mở rộng là Risk Metrics, Monte Carlo. Nguyên nhân của sự

chênh lệch này là do hai cách tiếp cận có sự khác biệt trong việc sử dụng dữ liệu về

chuỗi TSSL. Cụ thể, cách tiếp cận truyền thống đã dùng dữ liệu chuối TSSL đã diễn

ra trong quá khứ từ đó cho ra kết quả VaR đồng thời đưa ra một số giả định nhưng

không phù hợp với chuỗi dữ liệu. Chẳng hạn, phương pháp Covariance-Variance

đưa ra chuỗi TSSL của mỗi ngoại tệ đều tuân theo quy luật phân phối chuẩn nhưng

qua kiểm định Jarque Bera đã chứng minh được chuỗi TSSL của 5 ngoại tệ đều

không có phân phối chuẩn. Qua đó, VaR theo cách tiếp mở rộng đã đưa ra hướng xử

lý là phối hợp thêm mô hình ARMA và GARCH để hiệu chỉnh lại chuỗi TSSL sao

cho chuỗi TSSL phù hợp với những giả định đặt ra. Chuỗi TSSL mới hiệu chỉnh

được xây dựng dựa trên kết quả dự báo từ mô hình nên thường bỏ qua một số biến

động bất ngờ từ các cú sốc kinh tế và chịu ảnh hưởng mạnh của tình hình tỷ giá

trong những năm gần đây, do đó chuỗi dữ liệu ít biến động hơn, làm giảm độ biến

động của danh mục từ đó VaR tính ra sẽ nhỏ hơn. Mặt khác, cách tiếp cận truyền

thống sử dụng dữ liệu thực tế của thị trường ngoại tệ trong khoảng thời giản từ

2006-2016 với những biến động mạnh liên tục và kéo dài trong giai đoạn 2008-

2012 đã làm tăng độ biến động của danh mục và kéo theo đó VaR được tính theo

hướng truyền thống sẽ cao. Như vây, giá trị VaR được tính theo hướng truyền thống

thường cao hơn cách tiếp cận mở rộng là điều tất yếu khi mà ta đã sử dụng dữ liệu

đầu vào theo hai cách khác nhau.

- Kết quả VaR ở mức xác suất lớn hơn sẽ nhỏ hơn và ngược lại.

- VaR tính theo cách tiếp cận mở rộng cho kết quả ít chênh lệch nhau giữa các

phương pháp (Risk Metrics, Monte Carlo).

Như vậy, ta có thấy được các phương pháp dùng để tính toán thường ra cho ra

kết quả quá khác nhau và sự chênh lệch cũng khác phổ biến đối với những chuỗi dữ

liệu khác. Tuy nhiên, trong thực tế thì phương pháp mô phỏng Monte Carlo được

xem là “cách tiếp cận toàn cầu để tính VaR”, được các công ty, nhà đầu tư và ngân

hàng đánh giá là “linh hoạt nhất” bởi vì nó cho phép người sử dụng giả định bất kì

mức phân phối xác suất nào và có thể áp dụng đối với danh mục tương đối phức tạp.

Mặt khác, để đánh giá chất lượng của những giá trị VaR được tính theo mỗi phương

pháp thì nhiều nhà nghiên cứu cũng đưa ra các kiểm định Backtest, Stress-test và

công cụ hỗ trợ E-VaR để khắc phục những hạn chế của VaR.

2.4. Ứng dụng Back-test để kiểm tra tính chính xác của VaR

Bảng 2.24. Kết quả kiểm định Back-test

Mức lỗ

Historical

Covariance-

Risk

STT

Ngày

Monte Carlo

danh mục

Method

Variance

Metrics

95% 99% 95%

99% 95% 99%

95%

99%

26/03/2006

7.124.870

4

0

1

02/04/2006

9.283.274

5

16/04/2006

10.150.213

7

28/05/2006

3.759.343

13

…

… … … … … … …

…

08/04/2007

6.046.715

58

20/05/2007

16.043.557

64

…

… … … … … … …

…

31/05/2015

15.663.572

483

05/07/2015

6.343.801

488

12/07/2015

17.752.500

489

154

121

166

136

Kết quả Back test

(Nguồn: Bảng tính Excel)

Trong đó:

- Số 1 chỉ mức lỗ thực tế gặp phải vượt quá VaR (tương ứng với mức tin

cậy và phương pháp tính VaR trong bảng.

- Số 0 chỉ mức lỗ thực tế gặp phải không vượt quá VaR (tương ứng với

mức tin cậy và phương pháp tính VaR trong bảng.

Kết quả Backtest cho thấy:

Với độ tin cậy 99%, số mức lỗ vượt quá VaR được chấp nhận là: 1%*520=5,2

(xấp xỉ 5 quan sát). Như vậy, ở xác suất 1% thì trong lịch sử có 3 lần mức lỗ vượt

quá VaR tính từ phương pháp Historical Method, 4 lần mức lỗ vượt quá VaR tính

từ phương pháp Variance-Covariance, 121 lần mức lỗ vượt quá VaR tính từ phương

pháp Riskmetric và 136 lần mức lỗ vượt quá VaR tính từ phương pháp Monte

Carlo. Nếu ở góc độ này thì phương pháp Historical Method và Variance-

Covariance cho kết quả khá chính xác vì số lần mức lỗ vượt quá VaR đều nhỏ hơn

5. Mặt khác, phương pháp Riskmetric và Monte Carlo đang đánh giá thấp VaR dẫn

đến kết quả chưa chính xác.

Với độ tin cậy 95%, số mức lỗ vượt quá VaR được chấp nhận là: 5%*520=26

quan sát. Kết quả Backtest của phương pháp Historical Method và Variance-

Covariance lần lượt là 27 và 25 lần, do đó VaR được tính theo hai phương pháp này

được cho là đáng tin cậy. Riêng phương pháp Riskmetric và Monte Carlo vẫn đang

đánh giá thấp VaR dẫn đến kết quả chưa chính xác

Tuy nhiên, điều này cũng hợp lý vì Riskmetric và Monte Carlo đều dựa trên

chuỗi TSSL đã được hiệu chỉnh từ kết quả dự báo của mô hình. Do đó, kết quả VaR

được tính theo phương pháp Riskmetric và Monte Carlo phụ thuộc nhiều vào tình

hình biến động tỷ giá những năm gần đây dẫn đến kết quả VaR thấp hơn so với

phương pháp Historical Method và Variance-Covariance là điều dễ hiểu. Mặt khác,

việc cố gắng chuẩn hóa mô hình để phù hợp với giả thiết phân phối chuẩn ở phương

pháp Riskmetric và Monte Carlo cũng là nguyên nhân gây ra những sai lệch này.

Trong thị trường tiền tệ đầy biến động và chịu tác động của nhiều nhân tố thì việc

đặt ra giả định phân phối chuẩn sẽ rất hạn chế và cho ra kết quả không chính xác.

2.5. Ứng dụng E-VaR để khắc phục hạn chế của VaR

Kết quả Back-test cho thấy VaR (1%) đang đánh giá thấp rủi ro tỷ giá mà ngân

hàng gặp phải. Do vây, ta tiến hành tính toán giá trị E-VaR để khắc phục một số hạn

chế của VaR.

Bảng 2.25. Kết quả tính E-VaR theo phương pháp phương sai-hiệp phương sai

Đơn vị tính: đồng

STT Mức lỗ DM (Li) Xác suất Li*pi

27.023.758 0,001923 51.969 1

29.925.028 0,001923 57.548 2

23.045.188 0,001923 44.318 3

28.089.601 0,001923 54.018 4

0,007692 207.853 Tổng

27.020.894 E-VaR

(Nguồn: Bảng tính Excel)

Bảng 2.26. So sánh kết quả VaR và E-VaR

Đơn vị tính: đồng

Phương pháp VaR(1%) E-VaR(1%)

Historical Method 24.003.101,62 28.346.129 Truyền thống Covariance- Variance 22.830.785,67 27.020.894

Risk Metrics 6.062.115,68 11.614.287 Mở rộng Monte Carlo 5.104.206,58 10.950.480

(Nguồn: Bảng tính Excel)

Kết quả cho thấy có sự chênh lệch đáng kể giữa giá trị E-VaR và giá trị VaR.

Đặc biệt là ở phương pháp mô phỏng Monte Carlo và Riskmetrics khi giá trị E-VaR

lớn hơn giá trị VaR khoảng trên 5 triệu đồng. Sở dĩ có sự chênh lệch lớn như vậy là

do dữ liệu đầu vào của E-VaR là những khoản lỗ vượt quá VaR. Giá trị E-VaR sẽ

cho kết quả chính xác về việc đo lường rủi ro hơn VaR, giúp cho chúng ta có cái

nhìn toàn diện hơn về rủi ro tỷ giá mà ngân hàng có thể đối mặt. Chính kết quả này

sẽ làm cơ sở cho nhà quản trị rủi ro đưa ra các quyết định phòng ngừa rủi ro thích

hợp.

2.6. Ứng dụng Stress-test để khắc phục hạn chế của VaR

Với dữ liệu tỷ giá quá khứ, khi xem xét mức độ biến động tăng giảm các đồng

tiền thì các đồng tiền thường biến động xoay quanh một ngưỡng nhất định. Tuy

nhiên, trong thực tế có những thời điểm tỷ giá đã biến động rất lớn mà ta không thể

lường trước được, cụ thể như: tỷ giá JPY/VNĐ biến động đến 7,32% trong giai

đoạn khủng hoảng tài chính thế giới 2007-2008. Đặc biệt, tỷ giá USD/VNĐ vào

ngày 11/02/2011 đã biến động tới 9,8%.

Như vậy các kết quả VaR được mô phỏng ở trên vẫn chưa thực sự phản ánh

chính xác rủi ro khi các cú sốc kinh tế xảy ra. Để có thể kiểm tra giá trị rủi ro trong

trường hợp cú sốc kinh tế xảy ra ta có thể dùng Stress-test với độ biến động được

mở rộng thêm 3% so với TSSL trung bình của dao động tỷ giá trong quá khứ. Kết

quả tính VaR(1%) từ phương pháp Monte Carlo được trình bày như sau:

Bảng 2.27. Kịch bản mô phỏng Monte Carlo khi sử dụng Stress-test

USD AUD GBP EUR JPY

-0,23% 0,01% 0,03% 0,24% 0,10% TSSL

32,47% 11,51% 23,51% 18,27% 14,24% Tỷ trọng

-0,0093% TSSL DM

0,46% 0,45% 0,06% 0,12% 0,00% Độ lệch chuẩn

3,46% 3,45% 3,06% 3,12% 3,00% Stress-test

(Nguồn: Bảng tính Excel)

Tiến hành mô phỏng theo kịch bản, ta có kết quả sau:

Biểu đồ 2.6. Kết quả Stress test bằng phương pháp Monte Carlo

Vậy ta có: VaR (99%, 1 tuần) = |-3.6612%x 1.354.260.171| = 49.582.173,38

đồng

Kết quả cho thấy trong trường hợp có cú sốc kinh tế xảy ra thì khoản lỗ lớn nhất

mà ngân hàng có thể phải gánh chịu là 49.582.173,38 đồng với độ tin cậy 99%. Giá

trị này gấp 9,65 lần so với giá trị VaR đã được tính theo cùng phương pháp Monte

Carlo trước đó là 5.104.206,58 đồng. Mức so sánh này cho ta thấy tầm quan trọng

của Stress test và đây cũng là cơ sở giúp cho các nhà quản trị đánh giá chính xác

hơn về rủi ro tỷ giá, từ đó có quyết định phòng ngừa thích hợp. Ở đây, NHTM đầu

tư trên 1,3 tỷ đồng cho hoạt động kinh doanh ngoại tệ trong 7 ngày, với nguy cơ lỗ

lớn nhất là 49.582.173,38 đồng với xác suất 1/520 quan sát. Ta nhận thấy rằng với

mức lỗ này chưa gây ảnh hưởng mảnh đến hoạt động của ngân hàng nhưng nếu áp

dụng trong thực tế thì quy mô kinh doanh có thế lớn hơn nhiều thì lúc này cảm nhận

về rủi ro sẽ tăng lên và nhu cầu cấp bách về quản trị rủi ro tỷ giá.

CHƯƠNG 3: ỨNG DỤNG KẾT QUẢ VaR TRONG PHÒNG NGỪA RỦI RO

KINH DOANH NGOẠI TỆ TẠI CÁC NHTM VIỆT NAM

3.1. Ứng dụng kết quả tính VaR để đưa ra quyết định đầu tư

Kết quả tính VaR là một con số cụ thể, thể hiện khoản lỗ tiềm năng trong một

khoảng thời gian với mức xác suất đã xác định trước. Từ những thông tin mà mô

hình VaR cung cấp, các nhà quản lý danh mục có thể đưa ra những quyết định quan

trọng và kịp thời đối với danh mục của họ.

Ở nghiên cứu này, giả sử một NHTM có danh mục đầu tư là 1.354.260.171

VNĐ cho một giao dịch kỳ hạn được thực hiện sau 7 ngày, nguy cơ lỗ dự kiến là

5.104.206,58 VNĐ (theo phương pháp Monte Carlo ứng với xác suất 1%). Do đó, ta

..,

= 0,38%

...

xác định được tỷ lệ lỗ tối đa của danh mục là:

Trong tình huống xấu nhất, khi gặp phải cú sốc bất lợi của thị trường thì mức lỗ

lớn nhất mà ngân hàng có thể phải gánh chịu là 49.582.173,38 VNĐ (theo kết quả

..,

= 3.66%

...

Stress test ứng với xác suất 1%), lúc này tỷ lệ lỗ là:

Với mức lỗ tiềm năng đã được xác định trước dựa trên kết quả VaR và so sánh

với mức sinh lời bình quân của từng ngân hàng trong lĩnh vực kinh doanh ngoại hối

thì ta có đưa ra một số khuyến nghị về việc có nên thực hiện các hợp động kì hạn

ngoại tệ hay không.

Chẳng hạn, nếu ngân hàng dự kiến khả năng sinh lời của giao dịch này khoảng

4% cao hơn nhiều so với tỷ lệ lỗ dự kiến thì ngân hàng có thể cân nhắc tới việc thực

hiện hợp đồng giao dịch này.

3.2. Ứng dụng chi phí rủi ro biên để phòng ngừa rủi ro tỷ giá

Với mức lỗ lớn nhất đã tính được từ mô hình VaR, nhưng vấn đề đặt ra là hợp

đồng nào sẽ được chọn giao dịch ngoại tệ phái sinh phòng ngừa rủi ro tỷ giá. Vì

ngân hàng không thể đồng thời thực hiện phòng ngừa rủi ro cho tất cả hợp đồng, vì

nếu thực hiện phòng ngừa cho tất cả thì sẽ làm tăng chi phí dự phòng kéo theo lợi

nhuận từ hoạt động này sẽ giảm. Mặt khác thị trường cũng không thể đáp ứng nhu

cầu này. Do vậy, kiến nghị được đưa ra là dùng chi phí rủi ro biên để tăng tính hiệu

quả của việc ứng dụng mô hình VaR.

Chi phí rủi ro biên của một giao dịch kỳ hạn X đóng góp vào trong danh mục

các hợp đồng kỳ hạn đang có tại ngân hàng là phần rủi ro mà X làm tăng lên cho

danh mục so với khi chưa có X. Hay cụ thể MRCx được tính bằng công thức sau

MRCx = σ(P+X) - σ(P) với σ là ký hiệu của độ lệch chuẩn.

Kết quả tính toán chi phí rủi ro biên được trình bày ở bảng 3.1

Bảng 3.1. Kết quả tính toán chi phí rủi ro biên của các hợp đồng kỳ hạn

Độ lệch chuẩn Độ lệch Hợp đồng Độ lệch Chi phí danh mục chuẩn danh kì hạn chuẩn của X rủi ro biên P+X mục P

0,00500085 0,00749239 0,00969593 -0,00220354 USD

0,01592763 0,00749239 0,00706085 0,00043154 AUD

0,01152038 0,00749239 0,00699731 0,00049508 GBP

0,01217653 0,00749239 0,00692851 0,00056388 EUR

0,01179598 0,00749239 0,00797763 -0,00048523 JPY

(Nguồn: Bảng tính Excel)

Với kết quả từ bảng trên, ta thấy hợp đồng kỳ hạn mua 10.000 EUR có rủi ro cao

nhất, sau đó là hợp đồng kỳ hạn mua 10.000 GBP và 10.000 AUD. Nếu ngân hàng

muốn giảm mức độ rủi ro thì có thể cân nhắc lợi bỏ các hợp đồng mang lại rủi ro

cao, cụ thể trong trường hợp này có thể cân nhắc việc không thực hiện hợp đồng

mua kỳ hạn 10.000 EUR, nghĩa là ta chỉ thực hiện 4 hợp đồng kỳ hạn liên quan đến

USD, AUD, GBP, JPY thì rủi ro của danh mục sẽ giảm 0,056%. Ngoài ra, ngân

hàng có thể sử dụng công cụ phái sinh để phòng ngừa, ở đây ngân hàng có thể thực

hiện vị thế bán đối với hợp đồng kỳ hạn EUR để giảm thiểu rủi ro do sự biến động

của tỷ giá.

Nếu ngân hàng muốn an toàn hơn thì có thể phòng ngừa tiếp cho hợp đồng kỳ

hạn mua 10.000 GBP và 10.000 AUD . Tuy nhiên, trước khi ra quyết định phòng

ngừa thì cần lưu ý rằng nếu thực hiện phòng ngừa rủi ro càng nhiều sẽ giúp giảm

thiểu rủi ro nhưng đồng thời lợi nhuận của ngân hàng từ hoạt động này cũng sẽ

giảm. Do đó, ta cần so sánh giữa rủi ro và lợi nhuận để ra quyết định hợp lý.

Mặt khác, ta nhận thấy chi phí rủi ro biên của USD và JPY mang dấu âm thì ta

có thể hiểu sự có mặt của hợp đồng kỳ hạn mua USD và JPY sẽ làm rủi ro của danh

mục giảm.

3.3. Một số chiến lược phòng ngừa rủi ro tỷ giá bằng hợp đồng quyền chọn

Thị trường giao dịch ngoại tệ ngày càng phát triển và đa dạng khi các ngân hàng

nhà nước Việt Nam đã ban hành các thông tư quy định, hướng dẫn các ngân hàng

thường mai sử dụng công cụ phái sinh để phòng ngừa rủi ro tỷ giá: hợp đồng kì hạn,

hợp đồng quyền chọn, hợp đồng giao sau và hợp đồng hoán đổi. Với tư cách là một

công cụ phòng chống rủi ro nhưng cùng với sự lớn mạnh và phức tạp của thị trường

tài chính, các công cụ tài chính phái sinh cũng được sử dụng nhiều hơn để tìm kiếm

lợi nhuận và thực hiện các hoạt động đầu cơ. Những nhà kinh doanh ngoại tệ có thể

kết hợp chiến thuật quyền chọn cùng với kỹ năng phân tích, dự báo về tỷ giá và

mức lỗ tối đa được tính từ VaR để cân nhắc sử dụng các hợp đồng quyền chọn trong

giao dịch ngoại tệ nhằm giảm thiểu rủi ro và mang lại lợi nhuận. Sau đây xin được

giới thiệu chi tiết chiến lược Straddle được xem là chiến lược được được sử dụng

phổ biến hiện nay.

Chiến lược straddle

Chiến lược Straddle là một trong những cách để phòng ngừa rủi ro tỷ giá hiệu

quả mà các nhà đầu tư lẫn ngân hàng đang thực hiện trong thực tế và cũng được

đánh giá là một trong những chiến lược mang lại lợi nhuận mong muốn cho các nhà

đầu tư. Straddle là đồng thời mua (hoặc đồng thời bán) cả 2 hợp đồng quyền chọn

mua và quyền chọn bán trên cùng một ngoại tệ, với giá thực hiện ở hai hợp đồng có

thể bằng nhau hoặc có sự chênh lệch và có cùng ngày đáo hạn. Có hai loại: long

straddle và short straddle

 Long Straddle

Quyền chọn này được thực hiện bằng cách mua cùng một lúc quyền chọn mua

và quyền chọn bán ở trạng thái ngang giá quyền chọn (ATM), trên cùng một ngoại

tệ với giá thực hiện lần lượt là X1, X2 (X1< X2) và cả 2 hợp đồng có cùng ngày đáo

hạn.

Đồ thị 3.1. Lời/Lỗ trong chiến lược Long Straddle

Với ST: tỷ giá giao ngay của đồng tiền cơ sở

X1: tỷ giá thực hiện của hợp đồng mua quyền chọn mua (Long Call)

X2: tỷ giá thực hiện của hợp đồng mua quyền chọn bán (Long Put)

C: phí quyền chọn của hợp đồng mua quyền chọn mua (Long Call)

P: phí quyền chọn của hợp đồng mua quyền chọn bán (Long Put)

Bảng 3.2.Tổng hợp lợi nhuận của chiến lược Long Straddle

Thu hồi từ Thu hồi từ Tổng thu hồi Tổng lợi nhuận Tỷ giá ST long call long put

0 X2 - ST X2 - ST X2 - ST - (C+P) ST ≤ X1

ST - X1 X2 - ST X2 - X1 X2 - X1 - (C + P) X1

0 ST - X1 ST - X1 ST – X1 - (C+P) ST ≥ X2

(Nguồn tác giả tự tính toán)

Điểm hòa vốn:

X2 - ST - (C+P) = 0 ST1 = X2 - (C + P)

ST - X1- (C+P) = 0ST2 = X1 + (C+ P)

Như vậy, chiến lược này có 2 điểm hòa vốn. Điểm hòa vốn dưới (ST1) bằng giá

thực hiện của hợp đồng mua quyền chọn bán trừ đi phí quyền chọn ròng. Điểm hòa

vốn trên (ST2) bằng giá thực hiện hợp đồng mua quyền chọn mua cộng phí quyền

chọn ròng.

Có thể thấy rằng chiến lược Long Straddle có ưu điểm lớn nhất là mang lại lợi

nhuận không giới hạn và ước tính được khoản lỗ tối đa gặp phải khi rủi ro tỷ giá xảy

ra. Khoản lỗ trong giao dịch này chủ yếu đến từ: phí của 2 hợp đồng quyền chọn và

khoản chênh lệch giá thực hiện (nếu X1> X2). Đối với chiến lược này, nếu tỷ giá

giao ngay vào ngày đáo hạn chỉ biến động với biên độ nhỏ so với giá thực hiện thì

chiến lược này xem như thất bại, vì sự chênh lệch này không đủ bù đắp chi phí giao

dịch từ việc mua hợp đồng quyền chọn. Lỗ tối đa bằng X2-X1-(C + P) xảy ra khi

Lợi nhuận từ chiến lược Long Straddle mang lại khi tỷ giá giao ngay rời ra xa

đáng kể so với giá thực hiện và nếu tỷ giá giao ngay rời càng xa hay biến động càng

mạnh vào ngày đáo hạn thì khoản lợi nhuận thu được sẽ càng lớn. Vì vậy, Long

Straddle sẽ rất có lợi khi nhà đầu tư cho rằng yếu tố rủi ro cao và thị trường có khả

năng biến động theo 2 hướng tăng hoặc giảm mạnh. Hay nói cách khác, khi sử dụng

chiến lược này, nhà đầu tư cược rằng ngoại tệ sẽ biến động mạnh. Tuy nhiên, ta

phải hiểu rằng thực tế lợi nhuận ở đây không thể vô hạn vì tỷ giá của thị trường có

thể sẽ biến động mạnh nhưng phải nằm trong một giới hạn nhất định, nhất là khi thị

trường ngoại tệ ở Việt Nam vẫn đang áp dụng biên độ dao động tỷ giá.

 Short straddle

Chiến lược này thực hiện bằng cách bán đồng thời quyền chọn mua và quyền

chọn bán ở trạng thái ngang giá quyền chọn (ATM) trên cùng một ngoại tệ với giá

thực hiện lần lượt là X1, X2 (X1< X2) và cả 2 hợp đồng có cùng ngày đáo hạn. Chiến

lược này có lợi nhuận là giới hạn và lỗ vô hạn.

Nhà đầu tư có thể sử dụng chiến lược Short Straddle khi dự đoán đồng tiền cơ sở

sẽ ít biến động so với tỷ giá thực hiện quyền chọn. Khoản lợi nhuận mà người bán

thu được đến từ phí quyền chọn của các hợp đồng mà người mua phải trả. Tuy

nhiên nếu tỷ giá biến động mạnh thì người bán Straddle cũng sẽ bị thua lỗ không

giới hạn, mặc dù trong thực tế thì khoản lỗ này không phải thực sự là không giới

hạn vì tỷ giá thường biến động trong một phạm vi nhất đinh nhưng lúc này người

bán cũng phải chịu một khoản lỗ khá lớn. Khoản lỗ của người bán cũng chính là lợi

nhuận mà người mua thu được.

Đồ thị 3.2. Lời/Lỗ trong chiến lược Short Straddle

Với ST: tỷ giá giao ngay của đồng tiền cơ sở

X1: tỷ giá thực hiện của hợp đồng mua quyền chọn mua (Long Call)

X2: tỷ giá thực hiện của hợp đồng mua quyền chọn bán (Long Put)

C: phí quyền chọn của hợp đồng mua quyền chọn mua (Long Call)

P: phí quyền chọn của hợp đồng mua quyền chọn bán (Long Put)

Bảng 3.3. Tổng hợp lợi nhuận của chiến lược Short Straddle

Thu hồi từ Thu hồi từ Tổng thu hồi Tổng lợi nhuận Tỷ giá ST long call long put

0 -(X2 - ST) -(X2 - ST) -(X2 - ST) + (C+P) ST ≤ X1

-(ST - X1) -(X2 - ST) X1- X2 X1- X2 + (C + P) X1

0 -(ST - X1) -(ST - X1) -(ST - X1) + (C+P) ST ≥ X2

( Nguồn tác giả tự tính toán)

Điểm hòa vốn:

-(X2 - ST) + (C+P) = 0ST1 = X2- (C+P)

-(ST - X1) + (C+P)= 0 ST2= X1 + (C+P)

Kết luận: Dựa vào diễn biến của thị trường ta có thể lựa chọn chiến lược phù

hợp, đối với chiến lược Long Straddle thì lợi nhuận là không giới hạn, còn với chiến

lược Short Straddle thì lợi nhuận lớn nhất chính là tổng 2 khoản phí quyền chọn

mua và quyền chọn bán.

Bên cạnh chiến lược Straddle, ngân hàng cũng có thể phòng ngừa rủi ro bằng

nhiều chiến lược quyền chọn khác bằng cách thực hiện đặt các lệnh mua hay bán

với các hợp đồng quyền chọn mua và hợp đồng quyền chọn bán theo các cách khác

nhau.

PHẦN III: KẾT LUẬN

1. Kết quả đạt được

Hoạt động KDNT tại Việt Nam đang diễn ra cạnh tranh giữa các NHTM trong

và ngoài nước với ưu thế và chiếm thị phần cao hơn thuộc về ngân hàng có vốn đầu

tư nước ngoài. Điều này đã gây ra không ít khó khăn cho các NHTM trong nước và

chìa khoá để giải quyết vấn đề này là quan tâm đến hoạt động quản trị rủi ro tỷ giá.

Quy định về quản trị rủi ro tỷ giá bằng trạng thái ngoại tệ của NHNN chưa đủ để

giải quyết rủi ro về tỷ giá khi không thể cho thấy mức lỗ lớn nhất mà các NHTM

gặp phải trước những cú sốc về kinh tế. Đề tài đã đưa ra mô hình VaR giúp cho các

nhà đầu tư và ngân hàng có cái nhìn chính xác hơn về rủi ro khi đo lường được mức

lỗ tối đa của các khoản đầu tư vào hoạt động KDNT. Các tính toán về VaR được

xây dựng trên bộ số liệu khá lớn trong quá khứ, gồm 521 quan sát, khoảng thời gian

gần 10 năm từ 2006-2016 đã bao gồm giai đoạn khủng hoảng kinh tế thế giới 2007-

2008 và giai đoạn ổn định tỷ giá 2011-2015 khi NHNN siết chặt về tỷ giá bằng cách

ban hành hàng loạt thông tư nhằm giảm thiểu rủi ro trong hoạt động KDNT.

Thông qua việc phân tích chuỗi số liệu về tỷ giá, đề tài đã làm rõ được ưu điểm

và nhược điểm của các phương pháp kỹ thuật tính VaR, đánh giá được hiệu quả khi

áp dụng VaR trong việc đo lường rủi ro tỷ giá của danh mục gồm 5 đồng tiền mạnh

(USD, GBP, EUR, JPY, AUD), trên cơ sở đó đưa ra một số kiến nghị và biện pháp

phòng ngừa rủi ro tỷ giá cho các NHTM. Tuy nhiên, VaR cũng có hạn chế nhất định

nên bài nghiên cứu cũng đưa ra một số công cụ để kiểm định và khắc phục những

hạn chế của VaR như: Back test, Stress test, E-VaR.

Đề tài thực sự hữu ích khi đã đưa ra các cách tiếp cận khác nhau để tính VaR.

Mặc dù, mỗi cách tiếp cận đều ra kết quả khác nhau và có sự chênh lệch nhưng đều

có những ưu và nhược điểm riêng. Điển hình là phương pháp tính VaR theo hướng

mở rộng thường cho ra kết quả nhỏ hơn so với cách tiếp cận truyền thống nhưng nó

lại phản ứng khá chính xác khi áp dụng VaR trong ngắn hạn, tránh trường hợp đánh

giá quá cao giá trị VaR và trích lập dự phòng cao. Phương pháp tính VaR truyền

thống thường cho ra giá trị VaR khá cao và được sử dụng khi áp dụng VaR trong

dài hạn vì trong khoảng thời gian dài thì thị trường dễ gặp phải các cú sốc kinh tế

làm tỷ giá biến động mạnh.

2. Hạn chế của đề tài

Phương pháp tính VaR sử dụng chuỗi dữ liệu lịch sử và giả định rằng những

diễn biến trong quá khứ là căn cứ để phản ánh giá trị trong tương lai. Tuy nhiên,

thực tế thì giá trị tương lai của các biến số kinh tế vĩ mô sẽ không tiếp tục diễn biến

như trong quá khứ mà biến động theo nhiều xu hướng khác nhau và rất khó để đưa

ra dự đoán chính xác. Do đó, các phương pháp tính VaR chỉ hiệu quả trong việc dự

báo mức lỗ ngắn hạn, còn trong dài hạn thường tồn tại nhiều yếu tố bất ngờ mà ta

không lường trước được ảnh hưởng đến tính chính xác của VaR.

Đề tài đã đưa ra phương pháp tính VaR theo hướng tiếp cận mở rộng bằng cách

kết hợp mô hình ARMA/GARCH nhằm hiệu chỉnh số liệu đã giúp xoá bỏ một số

hạn chế liên quan đến các giả định về VaR như: phân phối chuẩn, tính dừng,

phương sai sai số không đổi,... Tuy nhiên, bên cạnh khắc phục một số hạn chế trên

thì phương pháp tính VaR theo hướng mở rộng cũng gặp phải vướng mắc khi giá trị

VaR thường thấp hơn so với cách tiếp cận truyền thống. Nguyên nhân của vấn đề

trên là do chuỗi số liệu sau hiệu chỉnh được xây dựng dựa trên kết quả dự báo từ mô

hình dẫn đến chuỗi số liệu mới thường bỏ qua một số biến động bất ngờ từ các cú

sốc kinh tế và chịu ảnh hưởng mạnh bởi những biến động thị trường trong những

năm gần đây. Do đó, chuỗi số liệu thường phản ánh xu hướng thị trường trong trong

những khoảng thời gian gần nhất nên phương pháp tính VaR theo hướng mở rộng

thích hợp khi áp dụng VaR trong ngắn hạn.

Với kiểm định Back test, ta phát hiện một số phương pháp tính VaR còn chưa

chính xác đặc biệt là 2 phương pháp tính VaR theo hướng mở rông: Risk Metrics và

Monte Carlo. Theo kết quả từ kiểm định Back test thì VaR được tính theo hướng

mở rộng được xem là bị đánh giá thấp và chỉ dùng tốt khi áp dụng trong ngắn hạn

tuy nhiên trong giới hạn đề tài vấn chưa đề xuất được cách khắc phục hạn chế này.

Đề tài nghiên cứu áp dụng VaR trong việc đo lường rủi ro tỷ giá với việc sử

dụng bộ số liệu tỷ giá Việt Nam giai đoạn 2006-2016. Tuy nhiên ở nước ta trong 5

năm gần đầy thì tỷ giá là vấn đề được quan tâm và chịu sự điều tiết mạnh mẽ từ phía

NHNN với việc ban hành nhiều thông tư đặc biệt là quy định về biên độ dao động

tỷ giá nhằm hạn chế sự biến động mạnh về tỷ giá do đó số liệu thu thập được trong

những năm gần đây có mức độ biến động không cao. Như vậy, chuỗi số liệu này có

thể làm thấp giá trị VaR, giảm dự phòng rủi ro dẫn đến nguy cơ rủi ro cao khi thị

trường bất ngờ biến đông mạnh trước các cú sốc kinh tế.

3. Hướng phát triển của đề tài

Nghiên cứu này chỉ áp dụng VaR để đo lường rủi ro tỷ giá trên cơ sở đó tiến

hành phòng ngừa. Tuy nhiên, phương pháp này còn bị động nên ta có thể kết hợp

việc áp dụng các mô hình dự báo tỷ giá cũng như những kiến thức phân tích chuyên

sâu về kinh tế từ đó đưa ra quyết định đầu tư chính xác hơn.

Bên cạnh việc vận dụng VaR, có thể sử dụng C-VaR để khắc phục một số hạn

chế mà VaR không làm được. Ngoài ra, ta có thể nghiên cứu áp dụng một số

phương pháp tính VaR khác hay các mô hình có khả năng đo lường rủi ro nhằm hỗ

trợ cũng như khắc phục những hạn chế mà đề tài gặp phải.

DANH MỤC TÀI LIỆU THAM KHẢO

 TÀI LIỆU TIẾNG VIỆT

[1] Chương trình giảng dạy kinh tế FullBright, “ Kinh tế lượng về chuỗi thời gian-

Dự báo với mô hình ARIMA và VaR”

[2] Trần Mạnh Hà (2010), “ Ứng dụng Value at risk trong việc cảnh báo và giám

sát rủi ro thị trường đối với hệ thống NHTM Việt Nam”, Tạp chí khoa học và

đào tạo ngân hàng.

[3] Nguyễn Khắc Hiếu (2014) “ Mô hình ARIMA và dự báo lạm phát 6 tháng cuối

năm 2014 tại Việt Nam”

[4] Trần Quang Huy (2014), “Nghiên cứu ứng dụng mô hình VaR và mô hình

ARIMA vào quản trị rủi ro danh mục cổ phiêu niêm yết”

[5] Nguyễn Thị Khánh Linh (2015), “ Đo lường rủi ro trong kinh doanh ngoại hối

tại các NHTM Việt Nam - Một ứng dụng của VaR”

[6] Bùi Quang Tín (2013), “ Quản lý rủi ro trong kinh doanh ngoại hối của các

NHTM cổ phần tại thành phố Hồ Chí Minh”

[7] Nguyễn Văn Tiến (2011), “ Thị trường ngoại hối”, NXB Thống kê.

[8] Nguyễn Thị Thanh Thúy (2008) “ Ứng dụng VaR trong quản trị rủi ro danh mục

các cổ phiếu niêm yết, Trường Đại học Kinh tế Tp.HCM”

[9] Đỗ Nam Tùng (2010), “Quản trị rủi ro bằng mô hình VaR mở rộng”

 TÀI LIỆU TIẾNG ANH

[11] Gregory P.Hopper(1996), Value at Risk: A new Methodology for Measuring

Portfolio Risk, Business Review

[12] Kenyon (1991), Currency risk and business management, Basil Blackwell

[13] Jamie Monogan (2009), ARIMA Estimatation – Adapting Maximum

Likelihood to the Special Issues of Time Series.

[14] Phillippe Jorion (1996), “ Risk: Measuring the Risk in Value at Risk”

 TRANG WEB

[15] www.imf.org : Trang web của Quỹ tiền tệ thế giới IMF

[16] www.gso.gov.vn : Trang web của Tổng cục thống kê Việt Nam

[17] www.mof.gov.vn : Trang web của Bộ tài chính

[18] www.sbv.gov.vn : Trang web của Ngân hàng nhà nước Việt Nam

PHỤ LỤC

1. Chuỗi tỷ suất sinh lời của các đồng tiền

TSSL

Ngày USD AUD GBP EUR JPY

26/02/2006

05/03/2006 -0,11% 0,16% 0,33% 1,15% 0,46%

12/03/2006 0,71% -0,06% 0,50% -0,88% -0,36%

19/03/2006 -0,71% -0,16% 0,50% 0,01% -1,01%

26/03/2006 -0,40% -0,47% -0,48% -0,31% -2,86%

02/04/2006 -0,76% -0,99% -0,73% -1,05% -1,29%

… … … … … …

06/05/2012 -0,23% -0,19% -0,64% 0,81% -1,12%

13/05/2012 -0,13% -0,58% -1,62% 0,10% -2,11%

20/05/2012 -0,19% -1,46% -1,69% 0,05% -1,92%

27/05/2012 0,07% -1,17% -1,08% 0,20% -1,11%

03/06/2012 -0,34% -1,73% -1,71% 0,69% -0,74%

… … … … … …

17/01/2016 0,09% -1,43% 0,41% 0,75% -1,71%

24/01/2016 -0,18% -1,28% -0,44% -0,43% -0,08%

31/01/2016 -0,54% -0,25% -0,56% -1,96% 0,90%

07/02/2016 -0,17% 1,21% 1,62% 0,73% 0,61%

14/02/2016 0,18% 0,24% 1,98% 4,10% 0,01%

2. Đồ thị biểu diễn sự phân bố tỷ suất sinh lời của các đồng tiền

Null Hypothesis: GBP has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic - based on SIC, maxlag=18)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-11.21355

0.0000

Test critical values:

1% level

-3.442771

5% level

-2.866911

10% level

-2.569692

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: AUD has a unit root

3. Kiểm định Dickey-Fuller

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=18)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-17.21706

0.0000

Test critical values:

1% level

-3.442722

5% level

-2.866889

10% level

-2.569680

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: EUR has a unit root

Lag Length: 0 (Automatic - based on SIC, maxlag=18)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-16.57852

0.0000

Test critical values:

1% level

-3.442722

5% level

-2.866889

10% level

-2.569680

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: USD has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=18)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-24.17870

0.0000

Test critical values:

1% level

-3.442722

5% level

-2.866889

10% level

-2.569680

*MacKinnon (1996) one-sided p-values.

Null Hypothesis: JPY has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=18)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-17.31446

0.0000

Test critical values:

1% level

-3.442722

5% level

-2.866889

10% level

-2.569680

*MacKinnon (1996) one-sided p-values.

Khóa luận tốt nghiệp: Ứng dụng Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các Ngân hàng thương mại Việt Nam

Khóa luận tốt nghiệp: Ứng dụng Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các Ngân hàng thương mại Việt Nam

Chủ đề:

Khóa luận tài chính ngân hàng

Khóa luận tài chính doanh nghiệp

ĐẠI HỌC HUẾ

TRƯỜNG ĐẠI HỌC KINH TẾ

KHOA TÀI CHÍNH NGÂN HÀNG

---o0o---

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

ỨNG DỤNG VALUE AT RISK TRONG ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NGÂN

HÀNG THƯƠNG MẠI VIỆT NAM

Giảng viên hướng dẫn:

Sinh viên thực hiện: Tôn Phi Hùng Lớp: K46B-Tài chính

Phan Khoa Cương

Niên khóa: 2012 - 2016

Huế, 05/2016

LỜI CẢM ƠN

Đồng tiền 1 σ

t+1 của danh mục đầu tư:

USD

Giá trị mỗi

Đồng tiền

Tỷ trọng

STT

Tỷ giá X/VNĐ

Số lượng

hợp đồng

(%)

(X)

(đồng)

1

2

3

4

5

Tổng trạng thái ngoại hối

STT

Ngày

USD

AUD

GBP

EUR

JPY

1

2

3

4

…

300

301

…

520

521

Giá trị

ST

Ngày

USD

AUD

GBP

EUR

JPY

Mức lỗ

DMĐT

T

USD

AUD

GBP

EUR

JPY

TSSL trung

bình

Độ lệch chuẩn 0,00500085 0,01592763 0,01152038 0,01217653 0,01179598

Tỷ trọng

USD

AUD

GBP

EUR

JPY

USD