intTypePromotion=1

Luận văn Thạc sĩ Kinh tế: Xếp hạng các mô hình Value at Risk trong dự báo rủi ro danh mục

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:80

0
1
lượt xem
0
download

Luận văn Thạc sĩ Kinh tế: Xếp hạng các mô hình Value at Risk trong dự báo rủi ro danh mục

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

Bài nghiên cứu tiến hành đánh giá và xếp hạng một số mô hình kinh tế lượng phổ biến trên thế giới trong việc ước lượng VaR. Qua đó, nhằm cung cấp thêm bằng chứng thực nghiệm trong việc đánh giá đâu là mô hình dự báo rủi ro danh mục tốt nhất.

Chủ đề:
Lưu

Nội dung Text: Luận văn Thạc sĩ Kinh tế: Xếp hạng các mô hình Value at Risk trong dự báo rủi ro danh mục

  1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH NGUYỄN THANH PHÚ XẾP HẠNG CÁC MÔ HÌNH VALUE AT RISK TRONG DỰ BÁO RỦI RO DANH MỤC LUẬN VĂN THẠC SĨ KINH TẾ Tp. Hồ Chí Minh – Năm 2015
  2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH NGUYỄN THANH PHÚ XẾP HẠNG CÁC MÔ HÌNH VALUE AT RISK TRONG DỰ BÁO RỦI RO DANH MỤC Chuyên ngành: TÀI CHÍNH – NGÂN HÀNG Mã số: 60340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƢỜI HƢỚNG DẪN KHOA HỌC PGS. TS. LÊ PHAN THỊ DIỆU THẢO Tp. Hồ Chí Minh – Năm 2015
  3. LỜI CAM ĐOAN Tôi xin cam đoan Luận văn Thạc sĩ Kinh tế với đề tài “Xếp hạng các mô hình Value at Risk trong dự báo rủi ro danh mục” là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn của PGS. TS. Lê Phan Thị Diệu Thảo. Các số liệu, kết quả trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tôi sẽ chịu trách nhiệm về nội dung tôi đã trình bày trong luận văn này. TP. HCM, tháng 5 năm 2015 Tác giả Nguyễn Thanh Phú
  4. MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC ĐỒ THỊ CHƢƠNG 1: GIỚI THIỆU VỀ ĐỀ TÀI................................................................. 1 1.1. Lý do chọn đề tài ............................................................................................. 1 1.2. Mục tiêu nghiên cứu ....................................................................................... 1 1.3. Nội dung nghiên cứu ....................................................................................... 2 1.4. Phƣơng pháp nghiên cứu ............................................................................... 2 1.5. Phạm vi nghiên cứu......................................................................................... 2 1.6. Ý nghĩa đề tài ................................................................................................... 3 1.7. Kết cấu của bài nghiên cứu ............................................................................ 3 CHƢƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU VỀ VaR ................................ 5 2.1. Tổng quan về Value at Risk (VaR) ................................................................ 5 2.1.1. Khái niệm VaR .......................................................................................... 5 2.1.2. Sự phát triển của VaR trong quản trị rủi ro ............................................ 5 2.1.3. Một số đặc điểm của VaR ......................................................................... 6 2.1.4. Các thông số ảnh hưởng đến VaR ........................................................... 6 2.2. Các cách tiếp cận các mô hình VaR .............................................................. 8 2.2.1. Cách tiếp cận Phi tham số (Nonparametric) ........................................... 8  Mô hình Mô phỏng Quá khứ (Historical Simulation) ................................... 8  Mô hình mô phỏng Monte Carlo ................................................................... 9 2.2.2. Cách tiếp cận tham số ............................................................................. 10  Mô hình Riskmetrics ................................................................................... 10  Mô hình Phương sai-Hiệp phương sai (Variance-Covariance) ................... 11
  5.  Mô hình GARCH......................................................................................... 12  Mô hình EGARCH ...................................................................................... 13 2.2.3. Cách tiếp cận bán tham số ...................................................................... 13  Mô hình CAViaR thích nghi (CAViaR Adaptive) ...................................... 14  Mô hình Giá trị tuyệt đối đối xứng (CAViaR Symmetric) ......................... 15  Mô hình GARCH(1,1) gián tiếp (CAViaR Indirect GARCH) .................... 15  Mô hình độ dốc bất đối xứng (CAViaR Asymmetric) ................................ 16  Lý thuyết giá trị cực trị (Extreme Value Theory – EVT) ............................ 18 2.2.4. Kiểm tra lại phương pháp luận VaR (Back-testing) .............................. 19  Kiểm định phạm vi vô điều kiện (Unconditional Coverage Test) .............. 19  Kiểm định phạm vi có điều kiện (Conditional Coverage Test) ................... 20 2.2.5. Stress test.................................................................................................. 22  Khái niệm .................................................................................................... 22  Phân tích kịch bản........................................................................................ 22  Lựa chọn kịch bản ....................................................................................... 22  Đánh giá ảnh hưởng của các kịch bản ......................................................... 23  Đánh giá Stress Test .................................................................................... 24 2.3. Bằng chứng thực nghiệm về xếp hạng các mô hình VaR .......................... 24 2.2.6. Bằng chứng thực nghiệm tại các thị trường đang phát triển ............... 24 2.2.7. Bằng chứng thực nghiệm tại các thị trường mới nổi ............................ 24 2.2.8. Bằng chứng thực nghiệm tại các thị trường phát triển ........................ 25 CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU .................................................. 27 3.1. Các mô hình dự báo VaR và dữ liệu đƣợc sử dụng ................................... 27 3.2. Phân tích dữ liệu ........................................................................................... 29 3.2.1. Tính toán TSSL ....................................................................................... 29 3.2.2. Mô tả thống kê của chuỗi dữ liệu TSSL ................................................ 29 3.2.3. Mô hình dự báo VaR và phương pháp kiểm định ................................. 33
  6.  Mô hình Historical Simulation .................................................................... 34  Mô hình Variance-Covariance .................................................................... 35  Mô hình GARCH (1,1) ................................................................................ 35  Mô hình EGARCH (1,1) ............................................................................. 36  Mô hình CAViaR Adaptive ......................................................................... 36  Mô hình CAViaR Symmetric ...................................................................... 37  Mô hình CAViaR Indirect GARCH ............................................................ 37  Mô hình CAViaR Asymmetric .................................................................... 37  Mô hình kiểm định VR ................................................................................ 37 3.2.4. Các bước nghiên cứu .............................................................................. 38 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU.............................................................. 41 4.1. Kết quả dự báo VaR ..................................................................................... 41 4.1.1. Trình bày kết quả dự báo VaR theo bảng .............................................. 41 4.1.2. Trình bày kết quả dự báo VaR bằng đồ thị ............................................ 45 4.2. Kiểm định kết quả dự báo ............................................................................ 54 4.3. Xếp hạng, phân tích và đánh giá kết quả dự báo....................................... 56 4.3.1. Xếp hạng các mô hình ............................................................................ 56 4.3.2. Phân tích kết quả xếp hạng .................................................................... 57 4.3.3. Phân tích đồ thị kết quả dự báo. ............................................................. 58 4.3.4. Lựa chọn mô hình dự báo rủi ro danh mục. ......................................... 58 CHƢƠNG 5: KẾT LUẬN ...................................................................................... 60 5.1. Kết quả nghiên cứu ....................................................................................... 60 5.2. Hạn chế của bài nghiên cứu và hƣớng mở rộng ........................................ 60 Lời kết....................................................................................................................... 61 TÀI LIỆU THAM KHẢO PHỤ LỤC
  7. DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT CAViaR Conditional Autoregressive Value at Risk - Mô hình VaR tự hồi quy có điều kiện CRO Chief Risk Officer – Giám đốc quản trị rủi ro EGARCH Exponential GARCH – GARCH lũy thừa EWMA Mô hình bình quân gia quyền theo hàm số mũ ES Expected Shortfall – Thước đo giá trị tổn thất kỳ vọng EVT Extreme Value Theory – Mô hình cực trị GARCH Generalized autoregressive conditional heteroskedasticity ARCH tổng quát HS Histirical Simulation – Mô hình mô phòng lịch sử TSSL Tỷ suất sinh lời VaR Value at Risk – Thước đo giá trị chịu rủi ro VR Violation ratio – Tỷ lệ vi phạm
  8. DANH MỤC CÁC BẢNG Bảng 1: Một số kết quả nghiên cứu thực nghiệm Mô hình Monte Carlo ................. 10 Bảng 2: Một số nghiên cứu mở rộng của mô hình CAViaR ..................................... 17 Bảng 3: Dữ liệu danh mục chứng khoán sử dụng ..................................................... 28 Bảng 4: Kết quả ước lượng VaR cho danh mục DJA và NEKKEI 225 .................... 42 Bảng 5: Kết quả ước lượng VaR cho danh mục FTSE và DAX ................................ 43 Bảng 6: Kết quả ước lượng VaR cho danh mục BOVESPA và SSEC ...................... 44 Bảng 7: Kết quả ước lượng VaR cho danh mục SENSEX và VNINDEX .................. 44 Bảng 8: Số trường hợp vi phạm của các mô hình VaR tại mức ý nghĩa 1% ............ 54 Bảng 9: Số trường hợp vi phạm của các mô hình VaR tại mức ý nghĩa 5% ............ 54 Bảng 10: Kết quả kiểm định ước lượng VaR tại mức ý nghĩa 1% ............................ 55 Bảng 11: Kết quả kiểm định ước lượng VaR tại mức ý nghĩa 5% ............................ 55 Bảng 12: Kết quả xếp hạng ước lượng VaR tại mức ý nghĩa 1% ............................. 56 Bảng 13: Kết quả xếp hạng ước lượng VaR tại mức ý nghĩa 5% ............................. 56
  9. DANH MỤC CÁC ĐỒ THỊ Đồ thị 1: Sự phân bố lời/lỗ trong khoảng thời gian xác định VaR ............................. 7 Đồ thị 2: Tác động của TSSL và Phương sai lên thước đo VaR ............................... 15 Đồ thị 3: Phân phối xác suất TSSL của danh mục DJIA .......................................... 29 Đồ thị 4: Phân phối xác suất TSSL của danh mục FTSE 100 .................................. 30 Đồ thị 5: Phân phối xác suất TSSL của dah mục NIKKEI 225 ................................ 30 Đồ thị 6: Phân phối xác suất TSSL của danh mục DAX ........................................... 30 Đồ thị 7: Phân phối xác suất TSSL của danh mục BOVESPA ................................. 31 Đồ thị 8: Phân phối xác suất TSSL của danh mục SENSEX .................................... 31 Đồ thị 9: Phân phối xác suất TSSL của danh mục SSEC ......................................... 31 Đồ thị 10: Phân phối xác suất TSSL của danh mục VN INDEX............................... 32 Đồ thị 11: Kết quả dự báo VaR cho danh mục DJA tại mức ý nghĩa 1% ................. 46 Đồ thị 12: Kết quả dự báo VaR cho danh mục DJA tại mức ý nghĩa 5% ................. 46 Đồ thị 13: Kết quả dự báo VaR cho danh mục NIKKEI tại mức ý nghĩa 1%........... 47 Đồ thị 14: Kết quả dự báo VaR cho danh mục NIKKEI tại mức ý nghĩa 5%........... 47 Đồ thị 15: Kết quả dự báo VaR cho danh mục FTSE tại mức ý nghĩa 1%............... 48 Đồ thị 16: Kết quả dự báo VaR cho danh mục FTSE tại mức ý nghĩa 5%............... 48 Đồ thị 17: Kết quả dự báo VaR cho danh mục DAX tại mức ý nghĩa 1% ................ 49 Đồ thị 18: Kết quả dự báo VaR cho danh mục DAX tại mức ý nghĩa 5% ................ 49 Đồ thị 19: Kết quả dự báo VaR cho danh mục BOVESPA tại mức ý nghĩa 1%....... 50 Đồ thị 20: Kết quả dự báo VaR cho danh mục BOVESPA tại mức ý nghĩa 5%....... 50 Đồ thị 21: Kết quả dự báo VaR cho danh mục SSEC tại mức ý nghĩa 1%............... 51 Đồ thị 22: Kết quả dự báo VaR cho danh mục SSEC tại mức ý nghĩa 5%............... 51 Đồ thị 23: Kết quả dự báo VaR cho danh mục SENSEX tại mức ý nghĩa 1% .......... 52 Đồ thị 24: Kết quả dự báo VaR cho danh mục SENSEX tại mức ý nghĩa 5% .......... 52 Đồ thị 25: Kết quả dự báo VaR cho danh mục VNINDEX tại mức ý nghĩa 1% ....... 53 Đồ thị 26: Kết quả dự báo VaR cho danh mục VNINDEX tại mức ý nghĩa 5% ....... 53
  10. 1 CHƢƠNG 1: GIỚI THIỆU VỀ ĐỀ TÀI 1.1. Lý do chọn đề tài Khủng hoảng tài chính toàn cầu năm 2008 đã đi qua nhưng dư chấn nặng nề vẫn còn tiếp tục kéo dài đến ngày hôm nay. Anh hưởng tiêu cực đến các thành phần kinh tế trong thị trường, đặc biệt là các quỹ đầu tư. Chính vì thế, vai trò quản trị rủi ro ngày càng trở nên quan trọng, các mô hình ngày càng trở nên quan trọng và trở thành vấn đề nóng bỏng của giới tài chính như là một hệ quả tất yếu. Sau thời gian dài hình thành và phát triển, mô hình VaR đã ra đời, và các ứng dụng xoay quanh nó đã cho thấy được những hiệu qua thực tế. Hiện tại có khá nhiều phương pháp để tính VaR từ đơn giản tới những tính toán phức tạp, yêu cầu phải sử dụng những hệ thống chuyên dụng. Tuy nhiên, những mô hình này cũng có những ưu điểm và nhược điểm riêng biệt. Để đánh giá đâu là mô hình phù hợp nhất để dự báo tốt nhất rủi ro cho danh mục đầu tư, tác giả đã tiến hành nghiên cứu đề tài: Xếp hạng các mô hình Value at Risk trong dự báo rủi ro danh mục. 1.2. Mục tiêu nghiên cứu Bài nghiên cứu tiến hành đánh giá và xếp hạng một số mô hình kinh tế lượng phổ biến trên thế giới trong việc ước lượng VaR. Qua đó, nhằm cung cấp thêm bằng chứng thực nghiệm trong việc đánh giá đâu là mô hình dự báo rủi ro danh mục tốt nhất. Tác giả sử dụng tám mô hình nghiên cứu đại diện cho các cách tiếp cận tham số, phi tham số, bán tham số để ước lượng VaR cho tám danh mục đầu tư thị trường đại diện cho thị trường mới nổi và thị trường phát triển với 2 mức ý nghĩa 1% và 5%. Sau khi tiến hành ước lượng VaR, tác giả sẽ thực hiện kiểm định theo phương pháp tỷ lệ VR để xếp hạng các mô hình ước lượng VaR.
  11. 2 1.3. Nội dung nghiên cứu Từ các mục tiêu nghiên cứu, luận văn tập trung giải quyết các vấn đề sau: Thứ nhất, tiến hành nghiên cứu tất cả các mô hình ước lượng VaR trên thế giới. Thứ hai, ước lượng VaR cho tám danh mục với hai mức ý nghĩa 1% và 5% bằng tám mô hình Historical Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive. Thứ ba, kiểm định kết quả dự báo của các mô hình theo phương pháp tỷ lệ vi phạm VR và xếp hạng các mô hình dựa trên kết quả kiểm định. Sau đó, tiến hành phân tích bằng đồ thị để kiểm tra tính chính xác và đưa ra kết quả cuối cùng. 1.4. Phƣơng pháp nghiên cứu Bài nghiên cứu sử dụng mô hình kinh tế lượng và phương pháp kiểm định được đề xuất và phát triển bởi các nhà nghiên cứu uy tín trong các công trình khoa học trước đây. Các mô hình mà tác giả sử dụng để tiến hành ước lượng VaR là: Historical Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive. Dữ liệu của tám danh mục chứng khoán để chạy mô hình bao gồm: S&P 500, FTSE100, DAX, Nikkei225, SSEC, BOVESPA, SENSEX, VNINDEX. Được lấy từ các website tài chính uy tín là http://markets.wsj.com/us và từ phần mềm Metastock. Các phần mềm, công cụ hỗ trợ được tác giả sử dụng cho việc xử lý số liệu và tiến hành ước lượng, kiểm định là Excel, Eviews và Matlab. 1.5. Phạm vi nghiên cứu Đến hiện tại, có khá nhiều mô hình được sử dụng để ước lượng VaR như Historical Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive, Riskmetrics,
  12. 3 Monte Carlo… Tương tự, việc kiểm định các phương pháp ước lượng cũng có thể được thực hiện theo nhiều phương pháp như VR, Kupiec, Christoffersen’s Independent, DQ, White’s SPA… Tuy nhiên, do hạn chế về thời gian, tác giả không thể nghiên cứu sâu về đặc điểm, phương thức thực hiện cũng như ưu nhược điểm của tất cả các mô hình ước lượng VaR và phương pháp kiểm định, nên bài nghiên cứu chỉ thực hiện ước lượng VaR bằng tám phương pháp Historical Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive và kiểm định bằng phương pháp tỷ lệ vi phạm VR. 1.6. Ý nghĩa đề tài Trong bối cảnh tình hinh kinh tế thế giới và trong nước vẫn còn trong tình trạng bất ổn như hiện nay, rủi ro thị trường vẫn luôn là mối đe dọa thường trực với các chủ thể tham gia vào nền kinh tế. VaR đã được sử dụng rộng rãi trên thế giới như là những yêu cầu bắt buộc khi báo cáo cho Ủy bán chứng khoán Mỹ. Tại Việt Nam, năm 2013 Ủy Ban Chứng khoán Nhà nước đã ban hành Quy chế Hướng dẫn Thành lập và Vận hành Hệ thống Quản trị Rủi ro cho Công ty Quản lý quỹ. Bài nghiên cứu sẽ giúp cho các nhà đầu tư, các CRO có được thêm những kiến thức khái quát về VaR. Ngoài ra, kết quả nghiên cứu trong bài còn là một bằng chứng thực nghiệm để họ có thể tham khảo lựa chọn mô hình phù hợp trong dự báo rủi ro danh mục đầu tư. 1.7. Kết cấu của bài nghiên cứu Ngoài phần tóm tắt, danh mục bảng biểu, danh mục các từ viết tắt, phụ lục, tài liệu tham khảo, đề tài có tất cả 5 chương, bao gồm: Chương 1: Giới thiệu về đề tài
  13. 4 Trong chương đầu tiên, tác giả khái quát về lý do chọn đề tài, mục tiêu nghiên cứu, nội dung nghiên cứu, phương pháp và phạm vi nghiên cứu, ý nghĩa của đề tài cũng như tóm lược kết cấu của bài nghiên cứu. Chương 2: Tổng quan những nghiên cứu về các mô hình VaR Trong chương này, tác giả khái quát lý thuyết và các nghiên cứu trên thế giới liên quan đến thước do VaR cũng như các mô hình dự báo VaR. Bên cạnh đó, tác giả trình bày các bằng chứng thực nghiệm về xếp hạng các mô hình VaR trong dự báo rủi ro danh mục. Chương 3: Phương pháp nghiên cứu Ở chương này, tác giả tóm lược các mô hình và nguồn dữ liệu để thực hiện nghiên cứu cũng như mô tả khái quát các bước xử lý dữ liệu và thực nghiệm với công cụ, phần mềm hỗ trợ là Excel, Eviews và Matlab. Chương 4: Kết quả nghiên cứu Trong chương này, tác giả trình bày các kết quả dự báo VaR, kết quả kiểm định theo phương pháp VR cũng như kết quả xếp hạng các mô hình. Cuối cùng, tác giả tiến hành đánh giá kết quả xếp hạng và thực hiện phân tích đồ thị để kiểm tra lại sự chính xác của kết quả xếp hạng. Chương 5: Kết luận Ở chương này, tác giả tổng kết nội dung nghiên cứu và đề xuất hướng mở rộng cho những nghiên cứu tiếp theo.
  14. 5 CHƢƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU VỀ VaR 2.1. Tổng quan về Value at Risk (VaR) 2.1.1. Khái niệm VaR Theo Giáo trình Quản trị rủi ro tài chính của Nguyễn Thị Ngọc Trang năm 2010, Giá trị có rủi ro (VaR) là một phương pháp đo lường tính bằng tiền của khoản lỗ tối thiểu dự kiến trong một thời kỳ với một xác suất cho sẵn. Ví dụ VaR là $5 triệu trong một ngày với xác suất 0.05 có nghĩa là công ty dự kiến lỗ ít nhất $5 trong một ngày với xác suất 5%. Ngoài cách hiểu trên, có thể diễn tả VaR theo một cách khác. Theo đó, có khả năng xác suất 95% khoản lỗ của công ty sẽ không vượt quá $5 triệu. Với cách hiểu này, VaR trở thành khoản lỗ tối đa tương ứng với một xác suất nào đó. Tầm quan trọng là lớn hay nhỏ của khoản lỗ $5 triệu tùy thuộc vào quy mô và khẩu vị rủi ro của công ty này. Nhưng rõ ràng là dự kiến sẽ xuất hiện một khoản lỗ ít nhất $5 triệu trong 20 ngày giao dịch, có nghĩa là khoảng mỗi tháng một lần. Nói một cách dễ hiểu, VaR chính là cách thức mà bạn xác định phân phối xác suất của những nguồn gốc cơ bản (Giá cả hàng hóa, tỷ giá, giá chứng khoán…) dẫn đến rủi ro và tìm cách cô lập tỷ lệ phần trăm suất hiện các kết quả xấu nhất. Sử dụng ví dụ trên ta có VaR sẽ xác định 5% là kết quả xấu nhất. Kết quả tại 5% là VaR. 2.1.2. Sự phát triển của VaR trong quản trị rủi ro VaR được xây dựng trên những cơ sở lý thuyết xác suất và thống kê từ nhiều thế kỷ và kế thừa từ những phương pháp đo lường rủi ro trước đó, được phát triển và phổ biến đầu những năm 1990 bởi một loạt các nhà khoa học và toán học tài chính làm việc trong JPMorgan Chase. Từ năm 1994, với sự ra đời của Riskmetrics, một gói sản phẩm ứng dụng VaR mang thương hiệu của một công ty tách ra từ JPMorgan Chase, Value at Risk đã được áp dụng rộng rãi và trở thành một tiêu chuẩn trong việc đo lường và giám sát rủi ro tài chính, đặc biệt là rủi ro thị trường, trên toàn thế giới.
  15. 6 Vào cuối những năm 1990, Ủy ban Chứng khoán Mỹ phán quyết rằng các công ty phải báo cáo một công bố định lượng các rủi ro thị trường trong báo cáo tài chính của họ cho sự tiện lợi của nhà đầu tư, và VaR đã trở thành công cụ chính để làm như vậy. Cùng thời gian đó, Ủy ban Basel về giám sát ngân hàng nói rằng các công ty và các ngân hàng có thể dựa trên tính toán VaR nội bộ của riêng của họ để thiết lập các yêu cầu về vốn của họ. Vì vậy, nếu VaR của họ khá thấp, số tiền họ đã phải dành để trang trải các rủi ro có thể xấu đi cũng có thể ở mức thấp. Tại Việt Nam, năm 2013 Ủy Ban Chứng khoán Nhà nước (UBCKNN) đã ban hành Quy chế Hướng dẫn Thành lập và Vận hành Hệ thống Quản trị Rủi ro cho Công ty Quản lý quỹ. Trong quy chế này, UBCKNN đã đề cập đến VaR và các cách tính cơ bản của VaR giúp hướng dẫn các công ty Quản lý quỹ quản trị rủi ro hiệu quả hơn. 2.1.3. Một số đặc điểm của VaR  VaR thông thường được tính cho từng ngày trong khoảng thời gian nắm giữ tài sản, và thường được tính với độ tin cậy 95% hoặc 99%.  VaR có thể áp dụng được với mọi danh mục có tính lỏng. Tất cả mọi tài sản lỏng đều có giá trị không cố định, được điều chỉnh theo thị trường với một quy luật phân bố xác suất nhất định.  Hạn chế lớn nhất của VaR, đó là giả định các yếu tố của thị trường không thay đổi nhiều trong khoảng thời gian xác định VaR. Đây là một hạn chế rất lớn, và trong năm 2007, 2008 đã dẫn đến sự phá sản của một loạt ngân hàng đầu tư trên thế giới, do điều kiện thị trường có những biến động đột ngột vượt xa so với trong quá khứ. 2.1.4. Các thông số ảnh hƣởng đến VaR Ðối với nhà đầu tư thì VaR của một danh mục tài sản tài chính phụ thuộc vào ba thông số quan trọng là Độ tin cậy, Khoảng thời gian đo lường VaR và Sự phân bố lời/lỗ trong khoảng thời gian này.
  16. 7 Độ tin cậy. Với mỗi công ty khác nhau sẽ có một nhu cầu về độ tin cậy khác nhau, nó còn 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% chẳng hạn) thì lúc đó VaR sẽ cao hơn, hay nói cách khác là xác suất để thua lỗ lớn hơn VaR sẽ thấp đi, dẫn đến thời gian để thu thập dữ liệu xác định tính đúng đắn của kiểm định sẽ kéo dài hơn. Khoảng thời gian đo lường VaR. Một trong những yếu tố quan trọng để áp dụng VaR đó là thời gian sử dụng. Trong nhưng khung thời gian khác nhau thì TSSL của danh mục sẽ có những độ giao động khác nhau, thông thường khung thời gian càng dài thì độ giao động của danh mục càng lớn. Nguồn: internet Đồ thị 1: Sự phân bố lời/lỗ trong khoảng thời gian xác định VaR Sự phân bố lời/lỗ trong khoảng thời gian xác định VaR. Ðường phân bố khoản lời lỗ của danh mục đầu tư thể hiện thông số quan trọng nhất và khó xác định nhất. Vì mức tín nhiệm phụ thuộc vào khả năng chịu đựng rủi ro của nhà đầu tư, nếu mức tín
  17. 8 nhiệm này càng quan trọng thì VaR càng cao. Nói cụ thể nếu nhà đầu tư sợ rủi ro thì họ sẽ hoạch định một chiến lược nhằm giảm xác suất xảy ra các trường hợp xấu nhất. 2.2. Các cách tiếp cận các mô hình VaR 2.2.1. Cách tiếp cận Phi tham số (Nonparametric) Phương pháp phi tham số không dựa trên những giả định về phân phối và các yêu cầu liên quan. Một lợi thế của phương pháp này là dễ tránh được các lỗi kỹ thuật, tuy nhiên hạn của các phương pháp này nằm ở việc không giả định phân phối.  Mô hình Mô phỏng Quá khứ (Historical Simulation) Mô hình VaR dựa trên phương pháp Historical Simulation (HS) là các tiếp cận phi tham số cổ điển nhất. Sử dụng HS, ta có thể tính toán TSSL của danh mục dựa trên dữ liệu quá khứ trong một khoảng thời gian người sử dụng xác định, các thông tin này được biểu diễn dưới hình thức biểu đồ. Từ đó, ta sẽ dễ dàng tính khoản lỗ vượt quá với xác suất 5% hay 1%. Các bước tính VaR theo phương pháp này như sau Bước 1. Tính giá trị hiện tại của danh mục đầu tư. Bước 2. Tổng hợp tất cả các tỷ suất sinh lợi quá khứ của danh mục đầu tư trong một khoảng thời gian xác định. Bước 3. Xếp các tỷ suất sinh lợi theo thứ tự từ thấp nhất đến cao nhất. Bước 4. Tính VaR theo độ tin cậy và số liệu tỷ suất sinh lợi quá khứ. Phương pháp đưa ra giả thuyết rằng sự phân bổ tỷ suất sinh lợi trong quá khứ có thể tái diễn trong tương lai nên sử dụng dữ liệu TSSL trong quá khứ để ước tính VaR vì cho rằng quá khứ sẽ lặp lại. Mô hình mô phỏng quá khứ có những ưu điểm là rất trực quan, đơn giản và dễ hiểu; những số liệu tổn thất đặc biệt trong quá khứ có thể vẫn được tính đến trong mô hình này; mô hình này tương đối dễ triển khai áp dụng; có thể sử dụng số liệu số
  18. 9 liệu sẵn có từ nhiều nguồn khác nhau; có thể xử lý được nhiều dạng phân phối khác nhau của lợi suất. Một trong những nhược điểm của mô hình mô phỏng quá khứ là mô hình này phụ thuộc hoàn toàn vào số liệu quá khứ nên không thể thực hiện khi không có số liệu hoặc khi số liệu không đáng tin cậy. Số lượng các bản ghi của số liệu quá khứ cũng ảnh hưởng đến độ tin cậy của giá trị ước lượng VaR.  Mô hình mô phỏng Monte Carlo Về tổng quát, mô phỏng Monte Carlo đưa ra những kết quả ngẫu nhiên nên ta có thể kiểm tra xem cái gì đang xảy ra và sẽ tạo ra loại rủi ro như thế nào. Mô hình này được sử dụng rộng rãi trong nhiều ngành khoa học cũng như trong kinh doanh để phát hiện nhiều vấn đề khác nhau. Mô hình Monte Carlo trước hết định nghĩa các biến và tham số có thể ảnh hưởng đến lợi suất, tiếp theo dùng kỹ thuật mô phỏng (sử dụng sức mạnh tính toán của các chương trình máy tính) để tạo ra rất nhiều kết quả mô phỏng, mỗi kết quả mô phỏng gắn với một giá trị lãi/lỗ. Các kết quả mô phỏng này sẽ tạo ra một phân phối về lãi/lỗ và VaR sẽ được tính toán từ phân phối này. Mô hình Monte Carlo có nhiều ưu điểm như: có thể xem xét được nhiều hành vi rủi ro trên thị trường, có thể xử lý được các rủi ro phi tuyến tính và của các công cụ tài chính phức tạp, không quá phụ thuộc vào số liệu trong quá khứ. Trước đây mô hình Monte Carlo có một nhược điểm là cần tính toán rất nhiều, nhưng ngày nay với phát triển của ngành Công nghệ thông tin nhược điểm này càng ngày càng không đáng kể. Tác giả Nhận định Estrella và cộng sự Monte Carlo là một kỹ thuật thú vị, được sử dụng (1994) để ước tính VaR cho các danh mục đầu tư phi tuyến bởi vì nó không đòi hỏi giả định về sự phân
  19. 10 phối chung của dữ liệu. Tuy nhiên, chi phí tính toán quá lớn là một rào cản hạn chế ứng dụng của nó vào những vấn đề ngăn chặn rủi ro ở thế giới thực Antonelli và Iovino Đề xuất một phương pháp luận cải thiện hiệu quả (2002) tính toán của mô phỏng Monte Carlo để ước tính VaR. Abad và Benito (2013) Các ước tính VaR đạt được bằng các phương Huang (2009) Tolikas và pháp khác có độ chính xác lớn hơn so với Monte cộng sự(2007) Carlo Bao và cộng sự (2006) Bảng 1: Một số kết quả nghiên cứu thực nghiệm Mô hình Monte Carlo Nguồn: Pilar Abad, Sonia Benito, Carmen López, 2013 2.2.2. Cách tiếp cận tham số  Mô hình Riskmetrics Phương pháp tham số đo lường rủi ro bằng việc sử dụng đường cong xác suất cho bộ dữ liệu và từ đó suy ra VaR. Trong số các phương pháp tham số, mô hình đầu tiên để ước tính VaR là Riskmetricss của Morgan (1996). Mô hình này giả định rằng các TSSL của danh mục đầu tư tuân theo phân phối chuẩn. Theo giả thuyết này, VAR của một danh mục đầu tư tại độ tin cậy 1- % được tính toán bằng: ( ) ( ) Trong đó, ( ) là điểm phân vị thứ của phân phối chuẩn hóa và là độ lệch chuẩn có điều kiện của TSSL danh mục đầu tư. Để ước lượng , Morgan sử dụng một mô hình trung bình di động có trọng số lũy thừa (EWMA).
  20. 11  t2  (1   ) t21   t21 Trong đó, = 0.94 Những hạn chế chính của Riskmetricss liên quan đến các giả định TSSL tuân theo phân phối chuẩn. Bằng chứng thực nghiệm cho thấy, TSSL không tuân theo phân phối chuẩn. Các hệ số độ lệch trong hầu hết các trường hợp đều âm và có ý nghĩa thống kê, ngụ ý rằng sự phân bố TSSL là lệch sang bên trái. Kết quả này không là phù hợp với tính chất của một phân phối chuẩn, đối xứng. Ngoài ra, phân phối thực nghiệm về TSSL đã được ghi nhận để thể hiện độ nhọn quá mức (Đuôi và đỉnh) (Bollerslev, 1987). Do đó, qui mô của các khoản lỗ thực tế là cao hơn nhiều so với dự đoán của một phân phối chuẩn. Hạn chế thứ hai của Riskmetricss liên quan đến mô hình được sử dụng để ước tính sự biến động có điều kiện của TSSL. Mô hình EWMA nắm bắt một số đặc tính phi tuyến của sự biến động, nhưng không xem xét tính bất đối xứng và hiệu ứng đòn bẩy (Black, 1976).  Mô hình Phƣơng sai-Hiệp phƣơng sai (Variance-Covariance) Phương pháp tiếp cận mô hình Phương sai-Hiệp phương sai có tên gọi khác là phương pháp phân tích (Analytical method) Phương pháp này sử dụng những hiểu biết về các giá trị nhập liệu về các giá trị nhập liệu và những mô hình định giá có liên quan cùng với các giả định đây là phân phối chuẩn. Giả sử rằng lợi suất (R) trong khoảng thời gian nghiên cứu (h ngày) tuân theo phân phối chuẩn với giá trị trung bình  và độ lệch chuẩn  2 ( ) Khi đó VaR với độ tin cậy (1-α) được tính như sau: ( )
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2