Ứng dụng mô hình Value at Risk (VaR) trong quản trị rủi ro danh mục đầu tư cổ phiếu ở Việt Nam

Chia sẻ: Tưởng Bách Xuyên | Ngày: | Loại File: PDF | Số trang:12

Thêm vào BST

Báo xấu

11
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu "Ứng dụng mô hình Value at Risk (VaR) trong quản trị rủi ro danh mục đầu tư cổ phiếu ở Việt Nam" ứng dụng mô hình giá trị chịu rủi ro (VaR: Value at Risk) trong việc quản trị rủi ro danh mục đầu tư dựa vào các phương pháp theo cách tiếp cận mô phỏng lịch sử (phương pháp cơ bản, phương pháp đánh trọng số, phương pháp tính đến độ biến động và phương pháp sử dụng lý thuyết cực trị (EVT: Extreme Value Theory)). Nghiên cứu sử dụng mô hình VaR để đo lường rủi ro của danh mục chỉ số VN-Index bằng cách sử dụng số liệu ngày trong giai đoạn 03/10/2013 đến 12/10/2015. Mời các bạn cùng tham khảo!

Chủ đề:

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

Lưu

Nội dung Text: Ứng dụng mô hình Value at Risk (VaR) trong quản trị rủi ro danh mục đầu tư cổ phiếu ở Việt Nam

ỨNG DỤNG MÔ HÌNH VALUE AT RISK (VaR) TRONG QUẢN TRỊ RỦI RO DANH MỤC ĐẦU TƯ CỔ PHIẾU Ở VIỆT NAM TS. Phan Khoa Cương TS. Trần Thị Bích Ngọc ThS. Phạm Quốc Khang Khoa Tài chính - Ngân hàng, trường Đại học Kinh tế - Đại học Huế Tóm tắt Nghiên cứu này ứng dụng mô hình giá trị chịu rủi ro (VaR: Value at Risk) trong việc quản trị rủi ro danh mục đầu tư dựa vào các phương pháp theo cách tiếp cận mô phỏng lịch sử (phương pháp cơ bản, phương pháp đánh trọng số, phương pháp tính đến độ biến động và phương pháp sử dụng lý thuyết cực trị (EVT: Extreme Value Theory)). Nghiên cứu sử dụng mô hình VaR để đo lường rủi ro của danh mục chỉ số VN-Index bằng cách sử dụng số liệu ngày trong giai đoạn 03/10/2013 đến 12/10/2015. Kết quả cho thấy giá trị VaR ước lượng theo các phương pháp không chênh lệch nhiều và đều lớn hơn so với mức lỗ xảy ra trên thực tế. Điều này cho thấy mô hình VaR khá chính xác trong việc đo lường rủi ro danh mục cho các nhà đầu tư. Từ khóa: Mô hình giá trị chịu rủi ro (VaR), mô phỏng quá khứ, lý thuyết cực trị rủi ro (EVT), danh mục đầu tư, VN-Index. Abstract This study applies the Value at Risk (VaR) Model in portfolio risk management by using the historical simulation methods (basis method, weighting method, volatility updating method and Extreme Value Theory (EVT) method). This study measures the Value at Risk of a portfolio consisting of VN-Index by using daily data from October 3rd 2013 to October 12th 2015. The results show that the estimated VaRs according to the considered methods are not very different from one to another and all are higher than the loss in reality. This indicates that the VaR model provides good measures of portfolio risk for the investors. Key words: Value at Risk Model, historical simulation approach, Extreme Value Theory (EVT), stock portfolio, VN-Index. 531
1. Đặt vấn đề Việt Nam đang trong quá trình hội nhập kinh tế quốc tế ngày càng sâu và rộng. Quá trình hội nhập quốc tế này diễn ra càng mạnh mẽ hơn khi Việt Nam chính thức trở thành thành viên của Tổ chức Thương mại Thế giới (WTO) vào năm 2006. Gần đây nhất, ngày 05/10/2015 Hiệp định đối tác xuyên Thái Bình Dương (TPP) được thông qua, càng mở ra cơ hội hội nhập mạnh hơn cho Việt Nam. Bên cạnh đó, Cộng đồng kinh tế ASEAN (AEC) sẽ hình thành vào cuối năm 2015 mà Việt Nam sẽ là một thành viên đầy đủ. Việt Nam tham gia vào TPP, AEC thực sự sẽ là cơ hội lớn để Việt Nam mở rộng giao thương và tiếp cận thị trường rộng lớn, thu hút đầu tư nước ngoài, nhưng cũng đòi hỏi Việt Nam phải cải cách thể chế, hiện đại hóa nền kinh tế để có thể bắt nhịp cùng với xu thế và trình độ phát triển của khu vực và thế giới. Quá trình hội nhập này sẽ đem lại cơ hội cho sự phát triển thị trường tài chính khi việc tự do hóa luồng hàng hóa dịch vụ, tự do hóa dòng chu chuyển đầu tư và tự do hóa dòng vốn được diễn ra trong các đối tác với nhau. Trong đó, một lượng vốn lớn sẽ chảy vào thị trường tài chính, thị trường bất động sản. Cuối năm 2005, dòng vốn đầu tư gián tiếp (FII) chảy vào thị trường chứng khoán (TTCK) Việt Nam chỉ gần 1 tỷ đôla Mỹ, nhưng sau khi Việt Nam chính thức gia nhập WTO thì quy mô vốn FII vào TTCK đã tăng lên 2 tỷ đôla vào cuối năm 2007. Dòng vốn FII này đã có tác động rất lớn trong kích thích thị trường, tăng tính thanh khoản cho TTCK Việt Nam. Tuy nhiên, dòng vốn FII cũng sẽ tiềm ẩn những rủi ro cho hoạt động của TTCK. Các Công ty chứng khoán, các Quỹ đầu tư, đặc biệt các nhà đầu tư cá nhân sẽ phải đối mặt với rủi ro vì sự di chuyển của các dòng vốn, tác động đến tỷ giá... Trước thực tế này đòi hỏi các ngân hàng, các tổ chức tài chính cũng như các nhà đầu tư cần phải có những chiến lược đầu tư hợp lý và biện pháp quản trị rủi ro tốt hơn trong bối cảnh hội nhập quốc tế. Mô hình Value at Risk (VaR) là mô hình được sử dụng rộng rãi trên thế giới để do lường rủi ro danh mục đầu tư. Mô hình VaR được xây dựng trên những cơ sở lý thuyết về xác suất và thống kê được phát triển từ năm 1993 do các nhà khoa học và toán học làm việc cho ngân hàng JPMorgan Chase. Kể từ khi ra đời đến nay, VaR ngày càng được sử dụng rộng rãi và được xem là một tiêu chuẩn quan trọng để đo lường rủi ro, đặc biệt là rủi ro thị trường. Một trong những nguyên nhân khiến mô hình này phổ biến là nó rất dễ hiểu. Chỉ cần thông qua một con số, VaR cho biết mức lỗ tối đa mà nhà đầu tư có thể gặp phải trong một khoảng thời gian với một độ tin cậy nhất định. Không những vậy, trong Hiệp định Basel, VaR được xem là nền tảng của việc xây dựng các chuẩn mực về quản trị rủi ro trong hoạt động kinh doanh của Ngân hàng Thương mại. 532
Chính vì vai trò quan trọng của mô hình VaR, nghiên cứu này áp dụng mô hình này để đo lường rủi ro cho danh mục đầu tư cổ phiếu tại Việt Nam. Phần tiếp theo của bài báo được trình bày như sau: Phần 2 giới thiệu về rủi ro danh mục đầu tư, mô hình Value at Risk, các phương pháp ước lượng VaR theo cách tiếp cận mô phỏng quá khứ. Phần 3 trình bày số liệu được sử dụng trong nghiên cứu. Phần 4 trình bày kết quả và thảo luận kết quả. Phần 5 kết luận. 2. Tổng quan về rủi ro danh mục đầu tư và mô hình Value at Risk 2.1. Khái niệm rủi ro Rủi ro là một thuật ngữ phổ biến nhưng vẫn chưa có một định nghĩa thống nhất. Nó gắn liền với mọi hoạt động kinh tế - xã hội của con người. Theo quan điểm truyền thống, rủi ro là những tổn thất về tài sản hoặc sự giảm sút về lợi nhuận không lường trước xảy ra trong quá trình sản xuất, kinh doanh. Theo quan điểm hiện đại, rủi ro là sự bất trắc có thể đo lường được, nó có thể là tổn thất, mất mát những cũng có thể là lợi ích. Trong tài chính, bất kỳ một hoạt động đầu tư nào cũng ít nhiều đối mặt với rủi ro, hay nói cách khác lợi nhuận của hoạt động đầu tư có quan hệ mật thiết với tình trạng không chắc chắn của lợi nhuận trong tương lai, tình trạng không chắc chắn đó có thể thể hiện bằng xác suất xảy ra là từ 0% đến 100%. Nguyên nhân của rủi ro trong hoạt động đầu tư rất đa dạng, bao gồm các nguyên nhân khách quan đến từ các biến động kinh tế vĩ mô, hoặc đến từ biến động của ngành sản xuất, kinh doanh, hoặc biến động về giá trị của một loại tài sản. 2.2. Rủi ro của danh mục đầu tư cổ phiếu Danh mục đầu tư cổ phiếu là một tập hợp bao gồm các loại cổ phiếu khác nhau mà nhà đầu tư lựa chọn nắm giữ nhằm sinh lời cho khoản vốn đầu tư của mình. Theo lý thuyết danh mục đầu tư của Markowitz (1952), trong một danh mục đầu tư gồm nhiều tài sản có rủi ro thì việc đa dạng hóa sẽ giúp giảm thiểu rủi ro cho danh mục. Bởi vì mỗi tài sản sẽ luôn tồn tại 2 dạng rủi ro: rủi ro hệ thống và rủi ro phi hệ thống. Thứ nhất, rủi ro hệ thống hay còn gọi là rủi ro thị trường, là rủi ro mà nếu xảy ra nó sẽ gây ảnh hưởng đến toàn bộ thị trường, tác động đến giá trị của tất cả tài sản trong danh mục đầu tư. Thứ hai, rủi ro phi hệ thống, hay rủi ro đặc thù là những rủi ro liên quan đến đặc điểm, bản chất của mỗi loại tài sản, lợi nhuận kỳ vọng của tài sản sẽ phản ứng khác nhau với sự biến động của thị trường. Trong 2 dạng rủi ro này, rủi ro hệ thống không thể loại trừ; còn rủi ro đặc thù có thể giảm thiểu bằng cách đa dạng hóa danh mục đầu tư nên người ta còn gọi dạng rủi ro này là rủi ro có thể đa dạng hoá. 533
Tương tự, trong một danh mục chỉ gồm có cổ phiếu, việc nhà đầu tư thực hiện đa dạng hóa bằng cách nắm giữ cổ phiếu của nhiều ngành, nghề khác nhau sẽ có tác dụng tối thiểu hóa rủi ro khi rủi ro đặc thù liên quan đến hoạt động doanh nghiệp được loại trừ. Tuy nhiên, ngay cả với một số lượng lớn cổ phiếu cũng không thể loại trừ mọi rủi ro, các cổ phiếu sẽ đều bị tác động bởi rủi ro hệ thống thuộc về yếu tố kinh tế vĩ mô. 2.3. Mô hình định lượng rủi ro VaR 2.3.1. Tổng quan về mô hình VaR Trong quản trị rủi ro tài chính, mô hình VaR là một trong những mô hình được sử dụng phổ biến nhất. Năm 1994, công ty JP Morgan Chase cho ra đời sản phẩm RiskMetrics, dựa vào nền tảng VaR, từ đó VaR được sử dụng rộng rãi như một công cụ hữu ích trong đo lường và quản trị rủi ro tài chính. Tại Việt Nam, Mô hình định lượng rủi ro VaR cũng được quy định rõ trong Quyết định số 428/QĐ-UBCK ngày 11/07/2013 của Chủ tịch Ủy ban Chứng khoán Nhà nước về việc ban hành Quy chế thiết lập và vận hành hệ thống quản trị rủi ro cho Công ty quản lý quỹ. Mô hình VaR là “phương pháp định giá trị rủi ro tổng hợp tối đa (dựa trên dữ liệu lịch sử hoặc dữ liệu mô phỏng) mà có thể xảy ra với một xác suất nhất định trong một khoảng thời gian nhất định đối với công ty hoặc danh mục của khách hàng ủy thác khi thị trường không có biến động bất thường”. VaR được xem như phương pháp giúp đo lường khoản lỗ tiềm năng đối với một doanh nghiệp, một tổ chức tài chính, một chiến lược đầu tư ở điều kiện thị trường bình thường trong khoảng thời gian nhất định. Giá trị định lượng rủi ro của danh mục tài sản trong khoảng thời gian T với độ tin cậy (1- α) %, kí hiệu là VaR(T , α); được xác định như sau: P [ X ≤ VaR (T,α) ] = α Trong đó, X là hàm lãi/lỗ trong khoảng thời gian T của danh mục, 0 ≤ α ≤ 1. Như vậy, nếu nhà đầu tư nắm giữ danh mục trong khoảng thời gian T, với độ tin cậy (1-α), mức tổn thất tối đa của danh mục sẽ bằng 2.3.2. Các phương pháp tính VaR theo cách tiếp cận mô phỏng lịch sử Phương pháp mô phỏng lịch sử được dựa trên giả thuyết rằng sự phân bố tỷ suất sinh lợi trong quá khứ có thể được lặp lại ở trong tương lai. Đây là phương pháp tính VaR thường được sử dụng do số liệu quá khứ thường có thể tiếp cận dễ dàng, nhất là đối với giá của các loại cổ phiếu trên thị trường. Theo phương pháp này, chúng ta sử dụng sự thay đổi theo ngày 534
của biến thị trường trong quá khứ để ước lượng xác suất của sự thay đổi của danh mục đầu tư của ngày hôm sau so với hôm nay. 2.3.2.1. Phương pháp mô phỏng lịch sử cơ bản Giả sử có n+1 số liệu về giá trị của biến thị trường. Tương ứng, sẽ có n số liệu về sự thay đổi theo ngày của biến thị trường trong quá khứ. Từ đó, chúng ta xây dựng n kịch bản, trong đó đối với kịch bản thứ 1, chúng ta giả định sự thay đổi của biến thị trường vào ngày mai so với hôm nay sẽ giống với sự thay đổi của biến thị trường ở ngày 1 so với ngày 0, kịch bản thứ 2 sẽ là sự thay đổi của biến thị trường vào ngày hôm sau so với ngày hôm nay sẽ giống với sự thay đổi của biến thị trường ở ngày 2 so với ngày 1,… Giả sử ngày hôm nay là ngày n thì giá trị của biến thị trường của ngày hôm sau theo kịch bản i sẽ là : Trong đó : , , lần lượt là giá trị của biến thị trường vào ngày n, i và i-1. Từ đó, chúng ta tính được mức lỗ của danh mục theo từng kịch bản và phân phối của mức lỗ. Mức VaR sẽ là mức lỗ tại bách phân vị tương ứng với độ tin cậy đặt ra. 2.3.2.2. Phương pháp mô phỏng lịch sử có đánh trọng số Theo phương pháp mô phỏng lịch sử cơ bản, chúng ta giả định rằng trọng số của mỗi ngày trong quá khứ là như nhau (1/n). Tuy nhiên, sẽ hợp lý hơn nếu những quan sát càng gần với hiện tại phải có trọng số cao hơn. Một cách đánh trọng số các quan sát là cách đánh trọng số giảm dần theo số mũ, được thể hiện như sau : Trong đó : và lần lượt là trọng số của kịch bản i và kịch bản i +1. λ là tham số sao cho 0 < λ
2.3.2.3. Phương pháp mô phỏng lịch sử có tính đến độ biến động Độ biến động của một biến thị trường được định nghĩa là độ lệch chuẩn của tỷ suất sinh lợi của biến thị trường khi lãi gộp vốn liên tục hay chính là độ lệch chuẩn của . Tuy nhiên để đơn giản hóa, chúng ta giả định và giá trị trung bình của ui = 0. Độ biến động có thể được ước lượng bằng mô hình EWMA - Exponentially Weighted Moving Average hoặc mô hình GARCH(1,1) Giả sử độ biến động ước lượng của biến thị trường của ngày hôm sau (n+1) và ngày i lần lượt là và . Khi đó, giá trị của biến thị trường theo kịch bản i sẽ là : Sau đó, cách tính VaR được tiến hành tương tự như phương pháp mô phỏng quá khứ cơ bản. 2.3.2.4. Phương pháp tính VaR theo lý thuyết cực trị Lý thuyết cực trị (Extreme Value Theory) nghiên cứu phân phối xác suất đuôi của một biến. Giá trị VaR là mức lỗ tối đa với một độ tin cậy nhất định. Do đó, nghiên cứu phân phối đuôi của mức lỗ sẽ giúp ước lượng được giá trị VaR. Kết quả quan trọng của lý thuyết cực trị được chứng minh bởi Gnedenko (1943). Kết quả chỉ ra rằng phân phối đuôi của nhiều loại phân phối xác suất khác nhau có cùng đặc điểm. Giả sử F(ν) là hàm phân phối tích lũy của biến ν (ví dụ : mức lỗ của một danh mục trong một khoảng thời gian). Xác suất để ν nằm giữa u và u + y (với y > 0) là F(u+y) – F(u). Xác suất để ν lớn hơn u là 1 - F(u). Gọi Fu(y) là xác suất để ν nằm giữa u và u + y với điều kiện ν > u, ta có : Hàm Fu(y) mô tả đuôi phải của phân phối. Nó cho biết xác suất tích lũy của biến ν lớn hơn u với điều kiền ν thực sự lớn hơn u. Gnekendo chỉ ra rằng, với rất nhiều phân phối F(ν), phân phối Fu(y) tiến đến phân phối Parecto tổng quát khi u tăng. Phân phối tích lũy tổng quát Pareto có dạng như sau : Trong đó, ξ và β là hai tham số cần ước lượng từ số liệu. Có thể sử dụng phương pháp hợp lý cực đại (Maximum Likelihood Method) để ước lượng hai tham số này. Tham số ξ cho biết độ nặng của đuôi phân phối và β cho biết độ dàn trãi của đuôi phân phối. 536
Xác suất để ν > u + y với điều kiện ν>u là 1 - . Xác suất để ν > u là 1- F(u). Xác suất không điều kiện để ν > x (với x > u) sẽ là : [1-F(u)][1- ] Giả sử n là số quan sát, ước lượng của [1-F(u)] được tính từ phân phối thực nghiệm của số liệu sẽ là nu/n, trong đó nu là số quan sát có mức lỗ > u. Khi đó, xác suất không điều kiện để ν > x là : Prob(ν > x) = [1- ]= Trường hợp muốn xác định mức VaR với độ tin cậy q, ta giải phương trình: F(VaR) = q Vì F(x) = 1 - Prob(ν > x), ta có: q=1- Từ đó : VaR = u + 3. Số liệu nghiên cứu Số liệu sử dụng trong nghiên cứu này là chuỗi dữ liệu ngày của chỉ số cổ phiếu VN – Index, được lấy từ Công ty Cổ phần Chứng khoán FPT từ 03/10/2013 đến ngày 12/10/2015. Giả định có một danh mục đầu tư vào chỉ số này với giá trị 100.000.000 VND vào ngày 12/10/2015, tác giả áp dụng mô hình VaR để ước lượng rủi ro danh mục cho ngày tiếp theo (13/10/2015)1. 4. Kết quả nghiên cứu 4.1. Sự biến động của chỉ số VN-Index và tỷ suất sinh lợi của chỉ số VN-Index Sự biến động của chỉ số VN-Index trong giai đoạn nghiên cứu được thể hiện ở đồ thị 1. Qua đồ thị này, có thể thấy rằng chỉ số VN-Index có sự biến động theo chu kỳ. Chỉ số tăng lên khoảng 600 điểm và sau một thời gian lại trở về mốc khoảng 500 điểm. Tỷ suất sinh lợi của chỉ số VN-Index trong giai đoạn nghiên cứu dao động xung quanh giá trị 0 (đồ thị 2) và có hiệu ứng ARCH. 1 Ở Việt Nam, nhà đầu tư chưa được phép đầu tư vào chỉ số VN-Index. Tuy nhiên, tác giả giả định rằng có thể đầu tư vào chỉ số này. Việc ước lượng VaR cho các danh mục đầu tư khác cũng được tiến hành tương tự. 537
Đồ thị 1. Sự biến động của chỉ số VN-Index giai đoạn 02/10/2013-12/10/2015 Đồ thị 2. Sự biến động của tỷ suất sinh lợi ngày của chỉ số VN-Index giai đoạn 02/10/2013-12/10/2015 4.2. Ước lượng VaR cho danh mục giả định Dựa vào số liệu quá khứ của chỉ số VN-Index từ 02/10/2013 đến 12/10/2015, chúng ta có 501 giá trị của chỉ số và như vậy sẽ có 500 kịch bản được xây dựng để ước lượng VaR99% của danh mục giả định cho ngày 13/10/2013 theo cách tiếp cận mô phỏng lịch sử. 538
4.2.1. Phương pháp cơ bản Bảng 1. Các kịch bản có thể xảy ra theo phương pháp cơ bản Kịch bản Mức lỗ (triệu đồng) 1 -1,05627 2 -0,59698 3 -0,34967 … … 498 -1,23712 499 -0,21815 500 -0,69385 Nguồn : Tính toán của tác giả Giá trị VaR ở độ tin cậy 99% sẽ là mức lỗ cao thứ 5 trong số 500 mức lỗ có thể xảy ra. Vì vậy, VaR99% = 3,079659 triệu đồng. 4.2.2. Phương pháp đánh trọng số Theo cách tiếp cận này, với λ = 0,995, trọng số của các kịch bản được tính như sau : Bảng 2. Các kịch bản có thể xảy ra theo phương pháp đánh trọng số Kịch bản Mức lỗ (triệu đồng) Trọng số 1 -1,05627 0,000446 2 -0,59698 0,000449 3 -0,34967 0,000451 … … … 498 -1,23712 0,005390 499 -0,21815 0,005417 500 -0,69385 0,005444 Nguồn : Tính toán của tác giả 539
Giá trị VaR ở độ tin cậy 99% sẽ là mức lỗ mà tại đó trọng số tích lũy bằng 1% (sau khi sẽ sắp xếp các mức lỗ theo thứ tự từ cao đến thấp). VaR99% = 3,079659 triệu đồng. 4.2.3. Phương pháp có tính đến độ biến động Trong bài nghiên cứu này, độ biến động của chỉ số VN-Index được tính dựa vào mô hình GARCH(1,1). Đây là mô hình được sử dụng phổ biến do nó phù hợp với hầu hết các biến thị trường. Với phương pháp hợp lý cực đại, mô hình GARCH phù hợp với chỉ số VN-Index như sau: σ²n = 0,00000793 + 0,18205812u²n-1 + 0,75539575 σ²n-1 Trong đó : σ²n, σ²n-1: phương sai tỷ suất sinh lợi của chỉ số VN-Index ngày n và n-1 un-1 : tỷ suất sinh lợi của chỉ số VN-Index ngày n-1 Theo cách tiếp cận này, mức lỗ của danh mục giả định theo các kịch bản như sau : Bảng 3. Các kịch bản có thể xảy ra theo phương pháp có tính đến độ biến động Kịch bản Mức lỗ (triệu đồng) 1 -37,42020 2 -1,077460 3 -0,561120 … … 498 -1,120760 499 -0,190700 500 -0,666420 Nguồn : Tính toán của tác giả Giá trị VaR ở độ tin cậy 99% sẽ là mức lỗ cao thứ 5. Như vậy, VaR99% = 2,933968 triệu đồng. 4.2.4. Phương pháp sử dụng lý thuyết cực trị Bài báo này nghiên cứu phân phối đuôi của mức lỗ với những mức lỗ lớn hơn hoặc bằng bách phân vị thứ 94 (1,652 triệu). Với phương pháp hợp lý cực đại, phân phối tích lũy tổng quát Pareto của phân phối đuôi của mức lỗ có dạng như sau : Từ đó, giá trị VaR với độ tin cậy 99% là : VaR99% = 1,652 + VaR99% = 3,037784 triệu đồng 540
4.2.5. Đánh giá kết quả Tổng hợp kết quả tính VaR99% theo các phương pháp trên, ta có bảng sau : Bảng 4. Tổng hợp kết quả Phương pháp VaR99% (triệu đồng) Cơ bản 3,079659 Đánh trọng số 3,079659 Có tính đến độ biến động 2,933968 Sử dụng lý thuyết cực trị 3,037784 Nguồn: Tính toán của tác giả Giá trị VaR99% tính theo bốn phương pháp trên xấp xỉ bằng nhau. Ngoài ra, chỉ số VN-Index ngày 13/10/2015 là 590,84. Do đó, mức lỗ thực tế của danh mục giả định vào ngày này là : 100 - 100x = 0,212802 triệu đồng. Như vậy, mức lỗ trên thực tế thấp hơn so với các giá trị VaR99% ước tính được từ số liệu quá khứ. Vì vậy, kết quả tính VaR theo cách tiếp cận mô phỏng quá khứ là khá chính xác cho danh mục giả định. 5. Kết luận Nghiên cứu này tổng hợp các phương pháp ước lượng giá trị VaR theo cách tiếp cận mô phỏng lịch sử. Theo đó, có các phương pháp sau: phương pháp cơ bản, phương pháp đánh trọng số, phương pháp có tính đến độ biến động và phương pháp sử dụng lý thuyết cực trị. Tác giả đã áp dụng các phương pháp trên để đo lường rủi ro của một danh mục đầu tư giả định gồm 100 triệu đồng đầu tư vào chỉ số VN- Index và sử dụng số liệu của chỉ số VN-Index trong giai đoạn 02/10/2013 đến 12/10/2015 để ước lượng VaR99% của danh mục giả định cho ngày tiếp theo. Kết quả ước lượng VaR99% của danh mục đầu tư giả định theo bốn phương pháp kể trên tương tự nhau và đều lớn hơn mức lỗ của danh mục xảy ra trên thực tế. Điều này chứng tỏ mô hình VaR khá tốt để đo lường rủi ro danh mục đầu tư và cung cấp thông tin đáng tin cậy cho nhà đầu tư để quản trị rủi ro. Một nhược điểm của cách tiếp cận này là chúng ta phải đưa ra giả định rằng quá khứ có thể lặp lại trong tương lai. Vì vậy, nhà đầu tư cũng có thể sử dụng thêm cách tiếp cận xây dựng mô hình (phương pháp phương sai-hiệp phương sai) để ước lượng VaR nhằm đối chiếu, so sánh và có thêm thông tin cho quyết định của mình 541
Tài liệu tham khảo Tiếng Việt 1. Hoàng Dương Việt Anh, Đặng Hữu Mẫn (2011), Chất lượng dự báo rủi ro thị trường của các mô hình giá trị chịu rủi ro - nghiên cứu thực nghiệm trên danh mục chỉ số VN – Index, Tạp chí Nghiên cứu kinh tế số 397 (tháng 06/2011). 2. Đặng Tùng Lâm (2010), Sử dụng các mô hình đo lường rủi ro danh mục đầu tư tín dụng dựa trên khung Value at Risk (VaR), Tạp chí Khoa học và Công nghệ, Đại học Đà Nẵng, Số 1(36).2010. 3. Cơ quan đại diện Ủy ban Chứng khoán Nhà nước tại Tp. Hồ Chí Minh (2015), Xây dựng mô hình quản trị rủi ro cho công ty niêm yết ở Việt Nam, Tạp chí Chứng khoán, Số 9 - 09/2015 – 203. 4. Ủy ban Chứng khoán Nhà nước (2013), Quyết định số 428/QĐ-UBCK ngày 11/07/2013 của Chủ tịch Ủy ban Chứng khoán Nhà nước về việc ban hành Quy chế thiết lập và vận hành hệ thống quản trị rủi ro cho Công ty quản lý quỹ. 5. Trần Mạnh Hà (2013), Ứng dụng Value at Risk trong việc cảnh báo và giám sát rủi ro thị trường đối với ngân hàng thương mại Việt Nam, truy cập ngày 15/10/2015 tại địa chỉ http://tapchi.hvnh.edu.vn/5744/news-detail/735644/so- 94/ung-dung-value-at-risk-trong-viec-canh-bao-.html. Tiếng Anh 1. Brooks, C. (2002), Introductory Econometrics for Finance, (Second Edition). 2. Hopper, G. P. (1996), Value at Risk: A new methodology for measuring portfolio risk, Business Review, pp.19-31. 3. Jorion, P. (2007), Value at Risk, McGraw-Hill, 3rd edition. 4. John C. Hull, Risk Management and Financial Institutions: 3rd Edition, Wiley, 2012 542