MỤC LỤC
DANH MỤC CÁC TỪ VIẾT TẮT .5
DANH MỤC BẢNG BIỂU 6
DANH MỤC HÌNH VẼ .7
PHẦN MỞ ĐẦU 8
Chương 1. CƠ SỞ LÝ LUẬN .10
1.1 Một số nguyên nhân của rủi ro thị trường 10
1.1.1 Môi trường kinh tế thay đổi . 10
1.1.1.1 Biến động của thị trường chứng khoán 10
1.1.1.2 Biến động tỷ giá hối đoái 11
1.1.1.3 Biến động lãi suất 11
1.1.1.4 Biến động giá cả hàng hóa 11
1.1.2 Hoạt động đầu tư ngày càng tăng . 11
1.1.3 Khoa học kỹ thuật phát triển 12
1.2 Một số phương pháp tính toán rủi ro 12
1.2.1 Phân tích Gap . 13
1.2.2 Phân tích Duration 13
1.2.3 Phân tích triển vọng . 14
1.2.4 Lý thuyết danh mục đầu tư 14
1.2.5 Đo lường rủi ro phái sinh . 16
1.2.6 Phương pháp VaR . 17
1.2.6.1 Nguyên tắc phương pháp VaR 17
1.2.6.2 Sự khác biệt giữa VaR và lý thuyết danh mục đầu tư. . 19
1.3 Các mô hình đo lường rủi ro trên thị trường .20
1.3.1 Sử dụng độ lệch chuẩn để tính toán rủi ro 20
1.3.1.1 Cách tính . 20
1.3.1.2 Ưu/nhược điểm của độ lệch chuẩn 21
1.3.2 Sử dụng các cận biên để tính toán rủi ro 21
1.3.2.1 Mô hình 21
1.3.2.2 Ưu/nhược điểm của mô hình . 25
1.3.3 Sử dụng các mô hình lấy ARCH làm gốc: . 26
1.3.3.1 ARCH(q) 26
1.3.3.2 GARCH(p,q) . 26
1.3.3.3 EGARCH 27
1.3.3.4 GJR . 28
1.3.3.5 APARCH 28
Chương 2. TÌNH HÌNH THỰC TIỄN RỦI RO THỊ TRƯỜNG
VÀ ĐO LƯỜNG RỦI RO THỊ TRƯỜNG Ở VIỆT NAM .30
2.1 Các nhân tố tác động đến rủi to thị trường ở Việt Nam .30
2.1.1 Các biến số vĩ mô 30
2.1.1.1 Lạm phát 30
2.1.1.2 GDP . 31
2.1.1.3 Tỷ giá . 32
2.1.1.4 Lãi suất 33
2.1.1.5 Tỷ lệ dữ trữ bắt buộc 36
2.1.2 Thị trường tài chính Thế giới . 38
2.2 Tình hình biến động thực tế ở thị trường tài chính Việt Nam .39
2.2.1 Giai đoạn từ ngày khai trương 20/07/2000 đến cuối tháng 6/2001 . 39
2.2.2 Từ đầu tháng 7/2001 đến đầu tháng 12/2004 . 39
2.2.3 Giai đoạn từ tháng 1/2005 đến 2007 40
2.2.4 Giai đoạn thăng trầm năm 2008 và bước hồi phục năm 2009 . 41
2.2.5 Thị trường chứng khoán năm 2010 42
2.2.6 Thị trường những tháng đầu năm 2011 42
2.3 Công cụ đo lường rủi ro phổ biến: Độ lệch chuẩn 44
2.3.1 Ưu điểm 44
2.3.2 Nhược điểm . 44
Chương 3. TÌM KIẾM MÔ HÌNH TÍNH TOÁN RỦI RO THỊ TRƯỜNG
PHÙ HỢP CHO VIỆT NAM . 47
3.1 Cơ sở dữ liệu .47
3.2 Lựa chọn mô hình đo lường rủi ro phù hợp cho thị trường Việt Nam48
3.2.1 Xác định dạng mô hình đo lường phù hợp . 48
3.2.2 Chọn các thông số cho mô hình . 51
3.2.2.1 Lựa chọn độ trễ p, q trong mô hình ARIMA(p,q) . 51
3.2.2.2. Lựa chọn biến số trong các mô hình họ ARCH 52
3.3 Kiểm định mô hình trên thị trường Việt Nam 56
3.4 Ý nghĩa mô hình .57
Chương 4: HẠN CHẾ VÀ ĐỊNH HƯỚNG PHÁT TRIỂN MÔ HÌNH
TRONG TƯƠNG LAI 58
4.2 Định hướng phát triển mô hình trong tương lai .60
PHẦN KẾT LUẬN 62
TÀI LIỆU THAM KHẢO .63
PHỤ LỤC 66
Phụ lục 1: Bảng thống kê giá trị t-prob không phù hợp của các mô hình
GARCH(p,q) .66
Phụ lục 2: Bảng kết quả các mô hình GJR(p,q) theo phân phối student .67
PHẦN MỞ ĐẦU
1. Lý do nghiên cứu
Trên thị trường tài chính nói chung, vấn đề được nhà đầu tư quan tâm nhiều nhất
khi tiến hành lựa chọn một danh mục đầu tư là xác định được rủi ro và tỷ suất
sinh lợi của danh mục đó. Đã có rất nhiều bài nghiên cứu tìm hiểu về các vấn đề
này, tuy nhiên với đặc thù các thị trường tài chính khác nhau cũng như tại những
giai đoạn khác nhau, mà thị trường không luôn đúng với một mô hình đo lường
rủi ro nào cả.
Đối với TTCK Việt Nam, tuy mới ra đời hơn 10 năm nhưng được đánh giá là thị
trường mới nổi rất tiềm năng, nên đã thu hút được rất nhiều nhà đầu tư tham gia
vào thị trường. Từ đó nhu cầu tìm ra một phương pháp đo lường rủi ro thị trường
để nhà đầu tư có cơ sở có thể tin cậy dùng định giá tài sản tài chính các ngày
càng trở thành một nhu cầu thiết yếu.
Tuy nhiên do nhiều lý do đặc thù nên việc đánh giá rủi ro thị trường ở Việt Nam
còn rất nhiều hạn chế, về nguồn dữ liệu, về tính chất nhà đầu tư, nên việc đo
lường rủi ro thị trường tại thị trường tài chính ở Việt Nam rất khó khăn, chính vì
vậy nhóm nghiên cứu quyết định tiến hành nghiên cứu đề tài “Đo lường rủi ro thị
trường tài chính ở Việt Nam”.
2. Xác định vấn đề nghiên cứu
Đề tài này tập trung chủ yếu nghiên cứu các phương pháp đo lường rủi ro và đưa
ra một số mô hình để đo lường các rủi ro đó đang được áp dụng trên Thế giới. Từ
đó nhóm nghiên cứu tiến hành lựa chọn một mô hình phù hợp nhất với thị trường
tài chính - ở đây là TTCK Việt Nam. Từ kết quả đạt được, nhóm rút ra những kết
luận về những vấn đề còn tồn tại và những đặc điểm của TTCK Việt Nam.
3. Câu hỏi và mục đích nghiên cứu:
Đề tài nghiên cứu này được thực hiện nhằm trả lời cho các câu hỏi sau:
- Những nguyên nhân nào gây nên rủi ro thị trường trên Thế giới và ở Việt
Nam?
- Có những phương pháp tính toán rủi ro nào?
- Những mô hình nào đang được áp dụng để tính toán những rủi ro đó? Ở
Việt Nam phương pháp được áp dụng hiện nay là gì?
- Các đặc thù ở thị trường Việt Nam là gì và với các đặc thù đó, mô hình
tính toán rủi ro nào phù hợp nhất cho TTCK Việt Nam?
Trong quá trình đi tìm lời giải cho những câu hỏi đó, bài nghiên cứu tập trung
vào các đối tượng sau đây:
- Tìm hiểu về lý thuyết danh mục đầu tư và phương pháp VaR
- Tìm hiểu họ các mô hình ARCH, xác định mô hình phù hợp nhất cho thị
trường Việt Nam.
- Kiểm định sự phù hợp của mô hình, từ đó đưa ra những nhận xét về các
đặc điểm của TTCK Việt Nam.
4. Phương pháp nghiên cứu
Bài nghiên cứu chủ yếu sử dụng phương pháp định tính, định lượng, thống kê, so
sánh và tổng hợp nhằm làm rõ các vấn đề cần nghiên cứu. Đối với nghiên cứu
định lượng được sử dụng trong bài nghiên cứu này, nhóm nghiên cứu dùng
phương pháp tự hồi quy tương quan GARCH với sự trợ giúp của phần mềm
G@RCH 6.0.
5. Nội dung nghiên cứu
Chương 1: Đưa ra một số nguyên nhân dẫn đến rủi ro thị trường trên Thế giới.
Đưa ra một số phương pháp tính toán rủi ro, tập trung chủ yếu vào lý thuyết danh
mục đầu tư và lý thuyết VaR. Xét phương pháp dùng hệ số Độ lệch chuẩn để tính
rủi ro theo lý thuyết danh mục đầu tư và mô hình dùng cận biên và các mô hình
họ ARCH để tính toán rủi ro thị trường theo lý thuyết VaR.
Chương 2: Xét tình hình rủi ro thị trường tài chính thực tiễn ở Việt Nam và tình
hình đo lường rủi ro phổ biến ở Việt Nam hiện nay bằng hệ số Độ lệch chuẩn.
Chương 3: Lựa chọn và kiểm định sự phù hợp của mô hình GARCH(2,1) trên
TTCK Việt Nam.
Chương 4: Những đặc điểm của thị trường tài chính Việt Nam dẫn đến hạn chế
trong việc đo lường rủi ro thị trường tài chính.
67 trang |
Chia sẻ: lvcdongnoi | Lượt xem: 3468 | Lượt tải: 3
Bạn đang xem trước 20 trang tài liệu Đề tài Đo lường rủi ro thị trường tài chính ở Việt Nam, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
à nước buộc
Lãi Suất Cơ Bản
0%
2%
4%
6%
8%
10%
12%
14%
16%
6/12/1999 19/4/2001 1/9/2002 14/1/2004 28/5/2005 10/10/2006 22/2/2008 6/7/2009 18/11/2010 1/4/2012
35
phải giữ nguyên lãi suất cơ bản ở mức 8%/năm trong suốt năm 2010. Để đối phó
với tình trạng này, nhà nước phải sử dụng đến các biện pháp khác như quy định
trần lãi suất bằng 150% lãi suất cơ bản, cho sử dụng lãi suất thỏa thuận với các
kỳ hạn trung và dài hạn,…
Dù trong bất cứ hoàn cảnh nào, vai trò của lãi suất cơ bản có thể bị giảm bớt,
nhưng nó luôn là một công cụ điều tiết kinh tế vĩ mô quan trọng của nhà nước.
Qua kênh này, nếu thay đổi linh hoạt và khéo léo, sẽ giúp góp phần ổn định nền
kinh tế vĩ mô, giúp nền kinh tế nước ta phát triển.
LÃI SUẤT TÁI CHIẾT KHẤU
Hình 2.6. Lãi suất tái chiết khấu qua những lần điều chỉnh 2008-2011
Nguồn: www.vnconomy.vn
Góp phần giúp làm tăng hiệu quả của việc điều tiết nền kinh tế qua kênh lãi suất,
lãi suất tái chiết khấu luôn là một biến số kinh tế vĩ mô quan trọng của nền kinh
tế, vì vậy đồ thị biến đổi của lãi suất tái chiết khấu gần như luôn đồng nhất với lãi
suất cơ bản.
Với ảnh hưởng lớn đến nền kinh tế, việc thay đổi lãi suất tái chiết khấu luôn phải
được cân nhắc rõ ràng, đặc biệt trong bối cảnh hiện nay, khi lãi suất cơ bản chưa
phát huy hết tác dụng để kiềm chế lạm phát và thúc đẩy tăng trưởng kinh tế đầu
36
năm 2011, thì việc tăng lãi suất tái chiết khấu lên 12% sẽ có tác dụng kiềm chế
tăng trưởng tín dụng, từ đó kiềm chế lạm phát đang tăng cao.
2.1.1.5 Tỷ lệ dữ trữ bắt buộc
Một công cụ khác đi song song, bổ sung cho lãi suất cơ bản là tỷ lệ dự trữ bắt
buộc. Với tác động tương tự nhưng ngay lập tức, tỷ lệ dự trữ bắt buộc tác động
rất mạnh đến mọi mặt của nền kinh tế.
Trong các năm qua, tỷ lệ dự trữ bắt buộc đã trở thành công cụ điều hành chính
sách tiền tệ rất linh hoạt của nhà nước ta, nhưng biến động của tỷ lệ dự trữ ngoại
tệ và tỷ lệ dự trữ nội tệ bắt buộc không đồng đều. Tùy theo trạng thái của nền
kinh tế mà ngân hàng nhà nước tăng giảm tỷ lệ dự trữ nội tệ hay ngoại tệ bắt
buộc khác nhau.
TỶ LỆ DỰ TRỮ NGOẠI TỆ BẮT BUỘC
Hình 2.7. Tỷ lệ dữ trữ ngoại tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12
tháng đối với các tổ chức tín dụng thông thường.
Nguồn: Nhóm nghiên cứu tổng hợp
Trong khoảng các năm 2001 – 2003, tỷ lệ dự trữ ngoại tệ bắt buộc giảm liên tục,
từ 15% xuống 4%. Điều này góp phần đẩy mạnh tác dụng của công cụ lãi suất,
khi trong khoảng thời gian này, lãi suất ngoại tệ giảm kỷ lục so với trước đó. Với
tỷ lệ dự trữ ngoại tệ bắt buộc giảm, Ngân hàng Nhà nước đã đẩy mạnh hoạt động
Du Tru Ngoai Te Bat Buoc
0%
2%
4%
6%
8%
10%
12%
14%
16%
12/6/1999 4/19/2001 9/1/2002 1/14/2004 5/28/2005 10/10/2006 2/22/2008 7/6/2009 11/18/2010
37
tín dụng ở các Ngân hàng Thương mại, giúp giảm chi phí huy động vốn cho các
cơ sở kinh doanh cũng như các tổ chức tín dụng.
Với tình hình kinh tế Việt Nam cũng như Thế giới năm 2008, tỷ lệ dự trữ ngoại
tệ bắt buộc được đưa lên cao tới mức 11%, nhằm siết chặt tín dụng ngoại tệ. Sau
đó, với sự phục hồi của nền kinh tế Thế giới, tỷ lệ này được giảm dần xuống còn
7%.
TỶ LỆ DỰ TRỮ NỘI TỆ BẮT BUỘC
Hình 2.8. Tỷ lệ dữ trữ nội tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12
tháng đối với các tổ chức tín dụng thông thường.
Nguồn: Nhóm nghiên cứu tổng hợp
Đối với nội tệ, tỷ lệ dự trữ gần như ổn định từ khoảng 2007 trở về trước. Tuy
nhiên, năm 2008, cũng như tỷ lệ dự trữ ngoại tệ bắt buộc, tỷ lệ này đã được đưa
lên mức cao 11% nhằm tăng cường sắt chặt tín dụng trước tác động của nền kinh
tế Thế giới.
Tuy nhiên, do trình độ hội nhập của nước ta chưa sâu, nên dù kinh tế Thế giới
sau đó vẫn còn nhiều khó khăn, phục hồi chậm chạp, thì kinh tế trong nước ta đã
nhanh chóng ổn định trở lại. Với các chính sách đẩy mạnh tín dụng nhằm hỗ trợ
doanh nghiệp mở rộng đầu tư sản xuất, khôi phục nền kinh tế, tỷ lệ dự trữ nội tệ
bắt buộc đã được giảm liên tiếp xuống còn 3% đầu năm 2009. Tỷ lệ dự trữ nội tệ
Du Tru Noi Te Bat Buoc
0%
2%
4%
6%
8%
10%
12%
12/6/1999 4/19/2001 9/1/2002 1/14/2004 5/28/2005 10/10/2006 2/22/2008 7/6/2009 11/18/2010
38
bắt buộc chỉ mới được tăng nhẹ gần đây khi lạm phát nước ta có dấu hiệu tăng
cao.
Trước bối cảnh lạm phát năm 2010, kéo theo những lo ngại về lạm phát năm
2011, một lần nữa vai trò quan trọng của tỷ lệ dự trữ bắt buộc đối với nền kinh tế
được Ngân hàng nhà nước quan tâm cân nhắc.
2.1.2 Thị trường tài chính Thế giới
So với các quốc gia phát triển, ảnh hưởng của nhân tố Thị trường tài chính Thế
giới tác động đến Việt Nam không lớn. Nguyên nhân là do Việt Nam mới mở
cửa nền kinh tế, chưa hội nhập sâu và rộng, nên những biến động của các thị
trường bên ngoài không tác động lớn đến nền kinh tế nước ta.
“Từ năm 2000 đến nay, kinh tế thế giới luôn trải qua nhiều biến động. Bắt đầu từ
sự phá sản của WorldCom năm 2003, Mardoff với vụ lừa đảo lịch sử 65 tỷ USD
năm 2005, và lớn nhất là khủng hoảng tín dụng Mỹ năm 2007, kéo theo sự sụp
đổ của đế chế Lehman Brothers, cùng khủng hoảng kinh tế toàn cầu 2008-2009.
Bước sang năm 2010, tuy ảnh hưởng khủng hoảng kinh tế đã tạm lắng nhưng vẫn
còn tiểm ẩn nhiều biến động, điển hình là khủng hoảng nợ công của Hy Lạp, các
nước Châu Âu như Tây Ban Nha, Ý và Bồ Đào Nha cũng đang đứng trước nguy
cơ tương tự và bong bóng tài sản ở Trung Quốc”(Theo www.vncorp.vn). Trước
những biến động như vậy, đã ảnh hưởng đến thị trường tài chính thế giới. Điển
hình nhất là các chỉ số chứng khoán như Down Jones, Nasdaq, FTSE 100, Dax,
CAC 40,… có những phiên tăng giảm với biên động rộng, tác động lớn đến các
nhà đầu tư.
Nói đến Việt Nam, với nền kinh tế mới mở cửa còn khá non trẻ, chúng ta đang
dần hòa nhập với nền kinh tế Thế giới, kéo theo đó mức độ ảnh hưởng của các
biến động nói trên đến nước ta cũng đang tăng dần lên. Kể từ năm 2000, với
những biến động từ khủng hoảng Dotcom nhưng Việt Nam chúng ta nằm ngoài
tầm ảnh hưởng, thì đến nay, bất kỳ thông tin kinh tế - chính trị nào ở trên thế giới
39
đều có thể ảnh hưởng đến nền kinh tế trong nước, mà tác động nhanh chóng và rõ
ràng nhất là qua TTCK.
Ví dụ điển hình nhất là khủng hoảng tài chính 2008, từ Thế giới lan rộng vào
trong nước ta, khiến một loạt các doanh nghiệp bị buộc phải thu hẹp sản xuất,
một số tuyên bố phá sản. Tuy mức độ ảnh hưởng như vậy là khá nhẹ nếu đem so
với sự tàn phá nền kinh tế nặng nề của nó trên Thế giới, với sự sụp đổ của hàng
loạt các định chế tài chính khổng lồ như Lehman Brother,… nhưng cũng phần
nào cho ta thấy thị trường Việt Nam sẽ biến động nếu có sự biến động trên Thế
giới.
2.2 Tình hình biến động thực tế ở thị trường tài chính Việt Nam
2.2.1 Giai đoạn từ ngày khai trương 20/07/2000 đến cuối tháng 6/2001
Ngay từ khi ra đời, TTCK luôn mang cho mình rủi ro nhiều nhất. Chỉ số VN-
Index từ 100 điểm trong ngày giao dịch đầu tiên – 28/7/2000, đến ngày
25/06/2001 đã tăng lên đỉnh 571,04 điểm với giá trị giao dịch mỗi phiên đạt
khoảng 24 tỷ đồng, một con số đáng kể so với thị trường mới và vẫn còn đang rất
khan hiếm hàng hóa như Việt Nam. Dù sau đó, Ủy ban chứng khoán nhà nước đã
điều chỉnh biên độ giao dịch cổ phiếu, đồng thời hạn chế khối lượng đặt lệnh,
đưa thông tin về thời hạn nắm giữ cổ phiếu, đưa thêm hàng hóa vào niêm yết,
nhưng việc mở rộng biên độ lớn trong khi khối lượng hàng hóa đưa vào thị
trường không đáp ứng được nhu cầu Nhà đầu tư, nên giá chứng khoán ngày càng
tăng mạnh (mỗi phiên tăng +7%), làm cho thị trường mất cân bằng cung – cầu
lớn.
2.2.2 Từ đầu tháng 7/2001 đến đầu tháng 12/2004
Đây là giai đoạn cầu chứng khoán và giá chứng khoán giảm liên tục, trong vòng
tháng 7, hàng loạt các mã cổ phiếu sụt giảm mạnh, điển hình như REE giảm
39,54%,…, và không có dấu hiệu phục hồi. Ủy ban chứng khoán nhà nước đã hạ
thấp biên độ xuống +/-3% kể từ ngày 09/10/2001; hủy bỏ những hạn chế đặt lệnh
mua, bán chứng khoán dẫn đến nhà đầu tư phải bán vội chứng khoán. Kết quả là
sau 3 tháng chỉ số VN-Index giảm xuống ở mức khoảng trên 200 điểm và trên
40
80% nhà đầu tư bị thua lỗ nặng. Đây là giai đoạn niềm tin của nhà đầu tư bắt đầu
suy giảm.
Thị trường sau đó tiếp tục ảm đạm, chưa hấp dẫn các nhà đầu tư nước ngoài.
Tuy nhiên thị trường vẫn được duy trì ổn định nhờ một số mã cổ phiếu và trái
phiếu bắt đầu được đưa vào giao dịch.
2.2.3 Giai đoạn từ tháng 1/2005 đến 2007
Ngày 08/03/2005, thực hiện Nghị định 187/CP về chuyển đổi các Doanh nghiệp
nhà nước thành Công ty cổ phần, hoạt động đấu giá các doanh nghiệp cổ phần
hóa trên thị trường sơ cấp đã làm cho thị trường thứ cấp sôi động hơn. Quy mô
thị trường năm 2005 tăng với tốc độ lớn nhất trong 5 năm qua, tính thanh khoản
của thị trường cao hơn, có trên 31.000 giao dịch chứng khoán, tăng 45% so với
năm 2004, tạo niềm tin và sự hứng khởi cho các nhà đầu tư trong nước cũng như
nước ngoài.
Trung tâm giao dịch chứng khoán Hà Nội chính thức khai trương hoạt động,
đánh dấu một bước phát triển mới của TTCK, góp phần hoàn thiện TTCK Việt
Nam. Ngay sau thời điểm khai trương, Trung tâm giao dịch chứng khoán Hà Nội
triển khai hoạt động đấu giá cổ phần cho các Doanh nghiệp nhà nước cổ phần
hóa.
Năm 2006, TTCK Việt Nam tăng trưởng mạnh so với các năm trước đây. Song
song với việc được nâng tầm về lượng và chất thì TTCK Việt Nam còn hàm chứa
nhiều điều bất ngờ và có những bước ngoặt đột biến.
TTCK TP.HCM 4 tháng đầu năm 2006 có những bước tiến dài khi ngày
25/04/2006 chỉ số VN-Index đạt 632,69 điểm, một số phiên giao dịch nhu cầu
mua tăng cao. Trong tháng 2 và 3/2006 khi số nhà đầu tư tham gia thị trường
tăng vọt mà nguồn cung chưa thể tăng lên tương ứng thì các công ty niêm yết
công bố ngay kế hoạch phát hành cổ phần và Ủy ban chứng khoán nhà nước gấp
rút cấp phép cho những công ty mới chào sàn.
Tuy nhiên, đến tháng 7/2006 chỉ số VN-Index giảm xuống đồng thời khối lượng
41
và tổng giá trị giao dịch cũng giảm theo (tháng 3/2006 giá trị giao dịch trung
bình là 92,4 tỷ đồng/ phiên, tháng 4/2006 là 156 tỷ đồng/ phiên, tháng 5/2006 là
104 tỷ đồng/phiên và tháng 6/2006 chỉ còn 60 tỷ đồng/ phiên.).
Đầu năm 2007, Việt Nam đã chính thức gia nhập WTO và tổ chức thành công
hội nghị APEC lần thứ 14. Ngay sau khi vòng đàm phán cuối cùng Việt Nam gia
nhập WTO về nguyên tắc kết thúc, TTCK Việt Nam bắt đầu có tín hiệu theo
chiều hướng đi lên bằng việc hàng loạt các CP tăng giá với mức độ tăng kịch trần
trong nhiều phiên liên tục. Tuy nhiên, từ khoảng tháng 4/2007 đến nay thị trường
đã điều chỉnh “giảm nhiệt” với dao động của các CP lên xuống và VN-Index dao
động ở mức 900 điểm đến 1000 điểm.
2.2.4 Giai đoạn thăng trầm năm 2008 và bước hồi phục năm 2009
Trong giai đoạn quý I và II/2008, VN-Index có những phiên giảm điểm liên tục
cùng với khối lượng giao dịch cũng giảm làm VN-Index rơi xuống đáy 366,02
điểm vào cuối quý II/2008, tính thanh khoản rất kém bình quân chỉ có 5.942.920
cổ phiếu được giao dịch mỗi ngày.
Tuy nhiên nhờ những tin tốt lành từ chính sách nền kinh tế vĩ mô, nên quý
III/2008, VN-Index liên tục tăng trong 10 phiên liên tiếp, tính thanh khoản rất
khả quan với bình quân 17.486.971 cổ phiếu được giao dịch mỗi ngày.
Tiếp theo sau đó là những chuỗi ngày giảm điểm của VN-Index rơi xuống đáy
235,5 điểm vào cuối tháng 2. Tuy nhiên, bước sang tháng 3-2009, các nhà đầu tư
đã lấy lại được niềm tin khi TTCK có một tháng tăng điểm ấn tượng nhất kể từ
tháng 11-2008: VN-Index không chỉ khởi sắc về điểm số mà khối lượng giao
dịch cũng tăng mạnh. TTCK Việt Nam vươn tới đỉnh 624,10 điểm, đây là một
bước tiến dài của TTCK trong nước khi VN-Index đã đạt tốc độ tăng lớn thứ 8
trong tổng số 89 chỉ số chứng khoán quan trọng trên thế giới và đạt kỷ lục về
khối lượng cũng như giá trị giao dịch tại sàn HOSE được thiết lập vào ngày
22/10/2009 với hơn 136 triệu cổ phiếu, tương ứng 6,414 nghìn tỷ đồng được giao
dịch. TTCK tăng trưởng mạnh mẽ, nằm ngoài dự đoán của giới chuyên gia và trở
thành điểm sáng ấn tượng khi có tốc độ phục hồi nhanh nhất châu Á.
42
2.2.5 Thị trường chứng khoán năm 2010
Đây là một năm thăng trầm của TTCK Việt Nam, khác với nhiều dự đoán lạc
quan trước kia, nguyên nhân do những bất cập của nền kinh tế Việt Nam sau 1
năm thực hiện gói kích cầu, cũng như tác động của khủng hoảng nợ công châu
Âu, và nguy cơ suy thoái kép của nền kinh tế thế giới. Thị trường liên tục giảm
điểm, đánh dấu một năm không tốt đẹp của thị trường chứng khoán 2010. Bởi
những nguyên nhân sau:
- Nguồn cung ồ ạt trên thị trường, do hệ lụy các đà tăng điểm cuối năm 2009,
đến cuối tháng 12/2010 tính cả trên toàn thị trường đã có đến 643 doanh
nghiệp niêm yết, tương đương mức vốn hóa thị trường đạt 701,9 tỷ đồng.
- Vấn đề tăng nóng của các cổ phiếu penny, do các cổ phiếu blue-chip không
được ưa chọn do tính thanh khoản kém. Thị trường bị dẫn dắt bởi những đội
lái, hùa theo là những nhà đầu tư nhỏ lẻ, có rất nhiều mã cổ phiếu hoạt động
kinh doanh lỗ nhưng giá vẫn cứ tăng đều trong suốt 5 tháng đầu 2010.
- Tính dẫn dắt thị trường của các công ty chứng khoán giảm mạnh, mặc dù số
lượng công ty chứng khoán niêm yết đã tăng lên 25 công ty năm 2010, tuy
nhiên do chỉ tập trung dòng tiền vào các mã blue-chip trong khi chỉ số liên tục
giảm, kết hợp với chiều hướng ngược lại của các nhà đầu tư nhỏ lẻ. Do đó,
hiệu quả hoạt động của các công ty chứng khoán với mục đích đèo lái thị
trường, tạo tính thanh khoản đã không thực sự hiệu quả, hệ quả để lại là nợ
xấu, và phát sinh tranh chấp giữa khách hàng và công ty chứng khoán.
Tuy nhiên giai đoạn cuối năm 2010, do có dòng tiền khá lớn bất ngờ đổ vào thị
trường nên đã tạo đà tăng điểm trong những phiên cuối năm, đặc biệt là dòng tiền
từ khối ngoại từ việc chốt lời vàng và ngoại tệ khi tăng cường lượng mua vào các
mã cổ phiếu. Tuy nhiên đây cũng là một yếu tố cần lưu ý, vì khi dòng tiền nóng
này đột ngột tháo chạy khỏi thị trường sẽ gây nguy cơ giảm sâu thị trường gây
tác động nặng nề đối với nền kinh tế.
2.2.6 Thị trường những tháng đầu năm 2011
TTCK Việt Nam trong quý I/2011 diễn ra hết sức chậm chạp, đã giảm điểm liên
43
tục diễn ra trong suốt các phiên giao dịch, và đến cuối tháng 3 VN-Index chỉ còn
461.1 điểm, tương ứng mức giảm 23.6 điểm so với cuối năm 2010. Bên cạnh đó,
khối lượng giao dịch rất ít, làm cho tính thanh khoản của thị trường rất kém,
dòng tiền đổ vào thị trường ngày càng ít đi. Điều này có thể bị ảnh hưởng bởi đà
giảm điểm trong năm 2010 và tình hình kinh tế vĩ mô của Việt Nam trong những
tháng đầu năm 2011.
- Lãi suất liên tục tăng cao, đặc biệt là lãi suất qua đêm (O/N) vào nữa cuối
tháng 3 đã tăng trần lên đến 13.5%/năm, do những chính sách mới của Chính
Phủ ra đời, đáng lưu ý nhất là quyết định số 379/QĐ-NHNN nâng lãi suất tái
cấp vốn và chiết khấu lên 12%, dẫn đến lãi suất liên ngân hàng tăng mạnh.
Điều này khiến cho thị trường chứng khoán không còn là một kênh hấp dẫn
so với những kênh đầu tư khác.
- Tỷ giá trong quý I không ngừng biến động, nhất là sau khi Ngân hàng nhà
nước quyết định gia tăng tỷ giá bình quân liên ngân hàng từ 18,932
đồng/USD lên 20,693 đồng/USD, tương đương 9.3%, khiến cho áp lực các
mặt hàng ngày càng tăng giá trong ngắn hạn, đồng thời làm cho niềm tin về
sự mất giá của đồng Việt Nam ngày càng lớn, điều này làm cho các nhà đầu
tư nước ngoài trở nên e ngại về sự ổn định của tỷ giá, dẫn đến dòng tiền nóng
cuối năm 2010 đã dần biến mất, khiến cho thị trường trở nên ngày càng ảm
đạm hơn.
- Ngoài ra, lạm phát là một vấn đề cấp bách và đáng lưu ý của bất kỳ nền kinh
tế nào, và trong quý I/2010 lạm phát ở Việt Nam đã tăng 6.17% do việc gia
tăng giá điện cũng như giá xăng dầu không ngừng gia tăng trong những tháng
vừa qua khiến cho CPI liên tục tăng qua các tháng, điều này sẽ tác động xấu
đến các yếu tố đầu vào của các công ty, khiến cho việc hoạt động kinh doanh
hết sức khó khăn, ảnh hưởng không tốt đến nền kinh tế Việt Nam nói chung,
và thị trường chứng khoán Việt Nam nói riêng.
44
2.3 Công cụ đo lường rủi ro phổ biến: Độ lệch chuẩn
Phương pháp được dùng để đo lường rủi ro phổ biến nhất hiện nay là phương
pháp độ lệch chuẩn và chỉ số độ lệch chuẩn - ứng dụng trong mô hình CAPM. Nó
được dùng để tính toán rủi ro của từng tài sản tài chính, cũng như rủi ro toàn thị
trường, ngoài ra còn được dùng như là thông số cơ sở để tính toán giá cả các sản
phẩm tài chính phái sinh và ước tính tỷ suất sinh lợi kỳ vọng của các tài sản tài
chính.
2.3.1 Ưu điểm
Sử dụng độ lệch chuẩn để đo lường rủi ro, người sử dụng chỉ cần thu thập dữ
kiện về giá. Điều này thích hợp với điều kiện thị trường Việt Nam thông tin
không đầy đủ và thiếu chính xác, chính vì vậy việc sử dụng độ lệch chuẩn để đo
lường rủi ro đã trở thành phương pháp phổ biến nhất trên thị trường Việt Nam.
Ngoài ra với lợi thế tính toán đơn giản, độ lệch chuẩn được đa số nhà đầu tư Việt
ưa thích. Thị trường chứng khoán Việt Nam mới ra đời, đa số nhà đầu tư ở thị
trường chứng khoán đều là nhà đầu tư mới, chủ yếu đầu tư mang tính đầu cơ, nên
việc tính toán nhanh lẹ, tiết kiệm thời gian và đơn giản, dễ sử dụng của phương
pháp này được nhà đầu tư ở Việt Nam ưa chuộng.
2.3.2 Nhược điểm
Điều các nhà đầu tư quan tâm đến rủi ro của những khoản đầu tư là họ sẽ bị lỗ
bao nhiêu, tuy nhiên phương pháp độ lệch chuẩn chỉ đo lường rủi ro tổng thể của
khoản đầu tư, chứ không đưa ra một con số chính xác về khoản lỗ của các nhà
đầu tư. Chính vì thế, khi đứng một mình phương pháp độ lệch chuẩn dường như
không ý nghĩa đối với các nhà đầu tư.
Bên cạnh đó, kết quả của phương pháp độ lệch chuẩn chỉ mang tính tương đối,
phương pháp này có thể bị ảnh hưởng bởi những biến ngoại lai, bất thường của
tổng thể và đặc biệt bị tác động bởi thời kỳ quan sát của biến và phụ thuộc nhiều
vào cách nhìn của người sử dụng.
45
Ngoài những khó khăn chung về tính chính xác của nó đã được đề cập ở trên, ở
Việt Nam việc sử dụng độ lệch chuẩn để tính toán rủi ro thị trường còn gặp một
rào cản lớn là thị trường Việt Nam không hiệu quả. Nghĩa là giá cả chứng khoán
không phản ánh đúng tình trạng thực của từng công ty cũng như tình hình biến
động của nền kinh tế. Chính vì vậy giá chứng khoán không có tính đại diện cho
thị trường, không có tính lịch sử nên khó để sử dụng trong việc ước lượng giá
chứng khoán tương lai.
Nhóm nghiên cứu đã xem xét lịch sử tồn tại của thị trường trong vòng hơn 10
năm qua, để một lần nữa chứng minh sự không hiệu quả của thị trường chứng
khoán Việt Nam. Do đó, việc áp dụng độ lệch chuẩn để đo lường mức biến động
của tỷ suất sinh lợi để giúp các nhà đầu tư sử dụng đưa ra các quyết định đầu tư
là không hợp lý. Bởi vì khi quan sát một số mã cổ phiếu lớn như VIC có vốn hóa
thị trường lớn, mã cổ phiếu có tính thanh khoản khá cao SSI, mã cổ phiếu REE
gắn bó lâu đời nhất với thị trường chứng khoán Việt Nam, chúng tôi có cùng
chung một kết luận rằng không có tính tương quan giữa tỷ suất sinh lợi và rủi ro
giữa các mã cổ phiếu. Sau đây là chi tiết thống kê về mối tương quan giữa tỷ suất
sinh lợi và rủi ro của từng mã cổ phiếu quan sát:
VIC: trong suốt giai đoạn tham gia vào thị trường chứng khoán
Việt Nam đến thời kỳ quan sát, thì độ lệch chuẩn tỷ suất sinh lợi của VIC là
2.7265%, trong khi đó tỷ suất sinh lợi là 0.1675%. Tuy nhiên trong giai đoạn thị
trường tăng nhanh năm 2007 và thị trường bong bóng đổ bể 2008 thì độ lệch
chuẩn có vẻ không biến động lớn vẫn giữ ở mức 2.7458% năm 2007 và 2.5576%
năm 2008; nhưng tỷ suất sinh lợi lại thay đổi mạnh mẽ giảm từ 0.2904% năm
2007 xuống -0.1178% năm 2008. Có thể thấy rằng độ lệch chuẩn không tương
quan lớn đến tỷ suất sinh lợi của chứng khoán.
SSI: Đây là mã cổ phiếu có tính thanh khoản thuộc nhóm cao trên
thị trường. Khác với VIC, SSI có độ lệch chuẩn cao hơn nhiều so với VIC. Trong
suốt thời kỳ quan sát, độ lệch chuẩn của SSI đều vượt 3%, cụ thể 3.1623% năm
2007, 3.3556% năm 2008 và 3.0647% cả thời kỳ quan sát. Có thể thấy không có
mức biến động lớn về tỷ suất sinh lợi của SSI, tuy nhiên tỷ suất sinh lợi qua từng
46
thời điểm lại có sự khác biệt khá lớn, cụ thế 0.2898% năm 2007, -0.6930% năm
2008 và -0.0508% cả thời kỳ quan sát.
VN-Index: Chúng ta cũng có thể thấy rằng độ lệch chuẩn của tỷ
suất sinh lợi VN-Index dường như không thay đổi lớn trong giai đoạn quan sát từ
3/2002 đến 3/2011 dao động ở mức 1.77%, tuy nhiên trong khi cả thời kỳ quan
sát tỷ suất sinh lợi đạt 0.0609% thì tỷ suất sinh lợi năm 2007 0.0825% và năm
2008 -0.4398%.
Từ những minh họa cụ thể ở trên đây, một lần nữa chúng ta có thể khẳng
định rằng dường như không có mối tương quan giữa rủi ro thông qua cách tính
độ lệch chuẩn và tỷ suất sinh lợi trên thị trường chứng khoán Việt Nam. Do đó,
việc sử dụng phương pháp độ lệch chuẩn để tính toán biến động tỷ suất sinh lợi
của chứng khoán, từ đó làm cơ sở để giúp các nhà đầu tư đưa ra các quyết định là
không đúng đắn. Nên cần thiết phải xác định một mô hình phù hợp để đo lường
rủi ro trên thị trường chứng khoán Việt Nam.
47
Chương 3. TÌM KIẾM MÔ HÌNH TÍNH TOÁN RỦI RO THỊ TRƯỜNG
PHÙ HỢP CHO VIỆT NAM
3.1 Cơ sở dữ liệu
Mục đích của bài nghiên cứu này là đo lường và dự báo mức biến động của thị
trường chứng khoán Việt Nam. Để tạo ra một cơ sở dự báo vững chắc, thì việc
xác định dữ liệu cho mô hình là vô cùng quan trọng. Đặc tính và thống kê mô tả
của dữ liệu phải phù hợp với đặc điểm yêu cầu của mô hình. Nguồn dữ liệu được
sử dụng trong bài nghiên cứu là bảng giá chứng khoán hàng ngày của thị trường
chứng khoán Việt Nam trên HOSE, được lấy từ nguồn dữ liệu của Ủy ban chứng
khoán Việt Nam. Tiếp theo nhóm nghiên cứu đi vào những đặc điểm cụ thể của
nguồn dữ liệu này.
Chỉ số VN-Index là chỉ số bình quân gia quyền của các công ty niêm yết trên sàn
HOSE, trọng số tùy theo mức vốn hóa thị trường của từng mã cổ phiếu. Tháng
7/2000 thị trường chứng khoán Việt Nam bắt đầu ra đời và hoạt động với mức
khởi điểm 100 điểm, VN-Index có tính bao quát thị trường khá lớn, nổi bật hơn
các nguồn dữ liệu sẵn có khác trên thị trường. Và việc lựa chọn chỉ số VN-Index
biến động theo ngày, thay vì theo tuần hoặc theo quý, cũng để đáp ứng tính phù
hợp và đặc tính của mô hình GARCH được sử dụng trong bài.
Thông qua bảng chỉ số VN-Index, nhóm nghiên cứu xây dựng bảng tỷ suất sinh
lợi từng ngày của thị trường, từ đó xác định mức biến động trong kỳ. Tỷ suất sinh
lợi này sẽ được tính toán theo kỳ liên tục, bằng cách sử dụng hàm logarit của chỉ
số giá đóng cửa VN-Index của ngày kế tiếp so với ngày hôm nay.
= ln( ) − ln( ) = ln
Nguồn dữ liệu chứng khoán của Vn-Index được quan sát bắt đầu từ giai đoạn
3/2002 đến đầu năm 2011. Mặc dù thị trường chứng khoán Việt Nam bắt đầu từ
7/2000 nhưng chỉ từ tháng 3/2002 thị trường mới được bắt đầu giao dịch theo
ngày, chính vì thế để phù hợp với yêu cầu tính tỷ suất sinh lợi theo ngày của mô
hình nên nhóm quyết định chọn dãy dữ liệu kể từ 3/2002 trở về sau.
48
3.2 Lựa chọn mô hình đo lường rủi ro phù hợp cho thị trường Việt Nam
3.2.1 Xác định dạng mô hình đo lường phù hợp
Tuy việc sử dụng độ lệch chuẩn để đo lường rủi ro thị trường được sử dụng phổ
biến do đặc thù của thị trường Việt Nam cũng như ưu thế dễ sử dụng của phương
pháp này, nhưng vì những nhược điểm đã nêu ở chương 2 nên nhóm nghiên cứu
đi tìm một phương pháp cho kết quả chính xác hơn, và vẫn đảm bảo dễ dàng áp
dụng vào thị trường Việt Nam.
Theo kết quả phân tích dữ liệu của tỷ suất sinh lợi của TTCK Việt Nam theo từng
ngày giai đoạn từ 3/2002 đến 3/2011, nhóm nghiên cứu nhận thấy được những
đặc thù cùa thị trường thông qua việc chú ý vào những biến phân phối tỷ suất
sinh lợi như: Skewness, Leptokurtosis và mức biến động từng ngày. Bảng thống
kê mô tả dãy dữ liệu VN-Index từ 04/03/2002 đến 07/03/2011 như sau:
Số quan sát 2134
Trung bình (Y) 0.01815
Phương sai (Y) 0.49390
Skewness (Y) 0.05327
Kurtosis (Y) 4.32484
Bảng 3.1: Thống kê mô tả dữ liệu VN-Index
Nguồn: Kết quả từ chương trình G@RCH 6.0
Giá trị trung bình của tỷ suất sinh lợi VN-Index qua từng ngày là lớn hơn 0, cho
thấy tín hiệu lạc quan về khả năng tăng trưởng của thị trường trong giai đoạn tiếp
theo. Bên cạnh đó chúng ta cần chú ý 2 biến số đó là Skewness và Kurtosis,
nhằm đo lường tính phân phối chuẩn của tỷ suất sinh lợi thị trường. Theo quy
ước chuẩn, khi thị trường theo mức phân phối chuẩn thì chỉ số Skewness và
Kurtosis phải lần lượt bằng 0 và 3, tuy nhiên nhìn vào kết quả thống kê trên ta có
thể biết rằng Skewness là lớn hơn 0 và Kurtosis là lớn hơn 3, cho thấy thị trường
chứng khoán Việt Nam có xu hướng nghiêng phải so với tính phân phối chuẩn.
49
Điều này một lần nữa chứng tỏ rằng thị trường chứng khoán Việt Nam có những
đặc tính giống với tình hình của các thị trường mới nổi khác, phân phối tỷ suất
sinh lợi không theo một mức phân phối chuẩn. Do đó việc đo lường tỷ suất sinh
lợi bằng hệ số độ lệch chuẩn là không thể phù hợp.
Hình 3.1. Phân phối Phương sai của tỷ suất sinh lợi từng ngày của VN-Index
Nguồn: Kết quả từ chương trình G@RCH 6.0
Hình 3.2. Độ biến động của TSSL từng ngày của VN-Index 3/2002-3/2011
Nguồn: Kết quả từ chương trình G@RCH 6.0
50
Với những phân tích như trên, có thể nhận định rằng thị trường chứng khoán Việt
Nam cần phải có một mô hình tương đối phù hợp để dự đoán độ biến động trong
tương lai.
Bài nghiên cứu so sánh giữa phương pháp đo lường rủi ro thị trường dựa vào các
cận biên và các mô hình gốc ARCH. Xét phương pháp đo lường rủi ro thị trường
dựa vào các điểm cận biên, phương pháp tuy có độ chính xác cao nhưng yêu cầu
kỹ năng và kinh nghiệm cao của người sử dụng. Chính độ khó của nó đã gây trở
ngại lớn khi áp dụng vào thị trường Việt Nam. Nhóm nghiên cứu quyết định sử
dụng nhóm các mô hình họ ARCH để đo lường rủi ro cho thị trường Việt Nam,
chạy trên nền phần mềm G@RCH 6.0.
Trong số các mô hình trong nhóm mô hình ARCH, Dima Alberg, Haim Shalit và
Rami Yosef (2008) đã kiểm tra trên thị trường TASE với chỉ số TA25-Index từ
1992 đến 2005, cho thấy với các thị trường phát triển, nơi mà hành vi của nhà
đầu tư bị chi phối nhiều bởi các thông tin của thị trường, mô hình EGARCH tuân
theo phân phối Skewed Student-t mang lại kết quả dự đoán chính xác nhất. Tuy
nhiên, điều này lại không đúng đối với các nền kinh tế mới nổi và còn non trẻ
như Việt Nam. Mai Thị Thanh Hiền (2008) đã kiểm tra nhóm mô hình ARCH
trên thị trường Việt Nam, với dữ liệu là chỉ số VN-Index từ 03/2002 đến
12/2007, cho thấy với các thị trường mới nổi, nhà đầu tư ít quan tâm đến các
thông tin vĩ mô cũng như của doanh nghiệp, mô hình EGARCH trở nên thiếu ý
nghĩa kinh tế, và GARCH (2,1) là mô hình phù hợp nhất với thị trường Việt
Nam.
Tuy dữ liệu của Mai Thị Thanh Hiền (2008) được lấy trong giai đoạn thị trường
chứng khoán Việt Nam bắt đầu đi vào hoạt động ổn định đến đỉnh cao của chỉ số
- cuối 2007, nhưng đây là giai đoạn thị trường chứng khoán bùng nổ, giá chứng
khoán liên tục tăng cao, xuất hiện bong bóng đầu cơ. Hành vi nhà đầu tư lúc này
không phụ thuộc nhiều vào các thông tin trên thị trường, dẫn đến mô hình
EGARCH là không phù hợp. Vì vậy, để lựa chọn mô hình phù hợp nhất để đo
lường rủi ro cho thị trường Việt Nam, nhóm nghiên cứu so sánh các mô hình
51
được sử dụng phổ biến trong họ các mô hình ARCH – GARCH, EGARCH, GJR,
APARCH.
3.2.2 Chọn các thông số cho mô hình
3.2.2.1 Lựa chọn độ trễ p, q trong mô hình ARIMA(p,q)
Phương pháp trung bình trượt kết hợp tự hồi quy ARIMA được đưa ra bởi
George Box và Gwilym Jenkins (1990), hay còn gọi là phương pháp luận Box-
Jenkins, được dùng phổ biến trong việc lập mô hình chuỗi thời gian và là công cụ
dự báo hiệu quả theo nguyên lý “hãy để dữ liệu tự nói”. Với δ là giá trị trung
bình, ARIMA được biết đến với công thức như sau:
Quá trình tự hồi qui AR(p): (Yt – ) = α1(Yt-1 – ) + … + αp (Yt-p – ) + ut
Quá trình trung bình trượt MA(q): Yt = + 0ut + 1ut-1 + … + 1ut-q
Với p=1, q=1, ARIMA(1,d,1) được viết dưới dạng:
Yt = θ + α1(Yt-1 – ) + 0ut + 1ut-1
Tiếp theo nhóm nghiên cứu tiến hành lựa chọn các biến p, q phù hợp, bằng cách
kiểm định chuỗi dữ liệu thời gian tỷ suất sinh lợi VN-Index trên nền phần mềm
PcGive.
Lựa chọn p
Để lựa chọn độ trễ p, nhóm tiến hành so sánh các giá trị t-prob với các giá trị
p={1,2,…,6}, vì với p ≥ 6, giá trị t-prob của AR(p) lớn hơn 0 rất nhiều, hay nói
cách khác, AR(p) với p ≥ 6 là không phù hợp với chuỗi dữ liệu đang xét.
AR(1) AR(2) AR(3) AR(4) AR(5) AR(6)
AR-1 0.000 0.000 0.093 0.008 0.004 0.007
AR-2 0.000 0.000 0.000 0.000 0.000
AR-3 0.001 0.015 0.056 0.063
AR-4 0.021 0.012 0.018
AR-5 0.255 0.255
AR-6 0.921
Bảng 3.2. So sánh giá trị t-prob giữa các quá trình tự hồi qui AR(p)
Nguồn: Tổng hợp khi chạy phần mềm PcGive
Xét bảng 3.2, nhóm nhận thấy tại độ trễ p = 4, các giá trị t-prob vẫn còn khá gần
0, nhưng khi tăng độ trễ p = 5, t-prob của biến AR-5 tăng đột ngột lên 0.255 – rất
52
lớn hơn 0, nên tại đỗ trễ này chuỗi dữ liệu không còn tính tự tương quan nữa.
Chính vì những lý do này nên nhóm quyết định chọn độ trễ p = 4 cho quá trình tự
hồi qui AR(p).
Lựa chọn q
Tiến hành tương tự với quá trình lựa chọn độ trễ p ở trên, nhóm nghiên cứu so
sánh các giá trị t-prob giữa các mô hình MA(q) để lựa chọn q phù hợp. Nhóm so
sánh các mô hình MA(q) với q nhận giá trị q = {1,2,…,6}, vì từ giá trị q = 6, giá
trị t-pob tính được rất lớn (t-prob của biến MA-6 bằng 0.721), hay nói cách khác
q ≥ 6 không phù hợp với dữ liệu đang xét.
MA(1) MA(2) MA(3) MA(4) MA(5) MA(6)
MA-1 0.000 0.000 0.039 0.021 0.000 0.001
MA-2 0.113 0.001 0.001 0.035 0.107
MA-3 0.000 0.000 0.002 0.006
MA-4 0.100 0.014 0.014
MA-5 0.004 0.006
MA-6 0.721
Bảng 3.3. So sánh giá trị t-prob giữa các quá trình trung bình trượt MA(q)
Nguồn: Tổng hợp khi chạy phần mềm PcGive
Xét bảng 3.3, nhóm nhận thấy tại giá trị q = 3, các giá trị t-prob rất gần 0, trong
khi đó với giá trị q = 2 và q = 4, t-prob có lúc đạt hoặc vượt quá 0.1, khá lớn để
sử dụng cho chuỗi dữ liệu đang xét. Ngoài q = 3, tại q = 5 cũng cho kết quả t-
prob cuả các biến khá thấp, nhưng khi so sánh với q =3, các giá trị t-prob tại q =
3 có xu hướng gần với giá trị 0 hơn. Chính vì những lý do này nên nhóm nghiên
cứu quyết định chọn giá trị q = 3 cho quá trình trung bình trượt MA(q).
3.2.2.2. Lựa chọn biến số trong các mô hình họ ARCH
Mô hình GARCH(p,q)
Để tìm ra mô hình GARCH(p,q) phù hợp nhất cho thị trường Việt Nam, bài
nghiên cứu chạy thử các cặp số p, q khác nhau, xét điều kiện tồn tại và các giá trị
t-prob của các biến trong mô hình nhằm loại bỏ các cặp giá trị p, q có kết quả
không phù hợp. Nhóm nghiên cứu quyết định chọn các cặp giá trị (p,q) = {(2,1),
(1,2), (1,3)} để tiến hành so sánh, vì với cặp giá trị (p,q) = (1,1) các biến nhận
được không thỏa điều kiện của mô hình, còn các cặp giá trị khác thì t-prob của
các biến trong mô hình quá cao (chi tiết xem thêm ở phụ lục 1).
53
GARCH(2,1) GARCH(1,2) GARCH(1,3)
Cst(M) 0.1605 0.1254 0.0980
d-Arfima 0.0061 0.0057 0.0044
AR(1) 0.0000 0.0000 0.0000
AR(2) 0.0000 0.0000 0.0000
AR(3) 0.0000 0.0000 0.0000
AR(4) 0.0000 0.0000 0.0000
MA(1) 0.0000 0.0000 0.0000
MA(2) 0.0000 0.0000 0.0000
MA(3) 0.1079 0.0721 0.0492
Cst(V) 0.0011 0.0495 0.0704
ARCH(Alpha1) 0.0000 0.0000 0.0000
ARCH(Alpha2) 0.0299 0.0446
ARCH(Alpha3) 0.0184
GARCH(Độ lệch
chuẩn1)
0.0000
GARCH(Độ lệch
chuẩn2)
0.0184 0.0000 0.0000
ARCH-in-mean (VaR) 0.0710 0.0766 0.0405
Bảng 3.4. So sánh giá trị t-prob giữa các mô hình GARCH(p,q)
Nguồn: Nhóm nghiên cứu tổng hợp khi chạy phần mềm G@RCH 6.0
Xét bảng 3.4, nhóm nghiên cứu nhận thấy có sự vượt trội về kết quả t-prob của
các biến α, β trong mô hình ARCH(2,1) so với 2 mô hình còn lại. Các kết quả t-
prob của α, β tiến sát gần 0 hơn các mô hình khác cho nhận định ban đầu rằng
mô hình GARCH(2,1) có hiệu quả trong việc ước lượng chuỗi dữ liệu thời gian
đang xét.
Kiểm định lại một lần nữa sự phù hợp của GARCH(2,1) tốt hơn GARCH(1,2) và
GARCH(1,3), nhóm nghiên cứu tiến hành so sánh các chỉ số Skewness, Kurtosis
và Jarque – Bera, kết quả được thể hiện trong bảng 3.5:
Skewness Kurtosis Jarque - Bera
GARCH (2,1) 0.028226 1.1170 115.86
54
GARCH (1,2) 0.025708 1.1506 122.88
GARCH (1,3) 0.017097 1.2298 140.18
Bảng 3.5. So sánh các thông số Skewness, Kurtosis, Jarque – Bera các mô
mình GARCH(p,q)
Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0
Bảng 3.5 cho thấy GARCH(2,1) cho kết quả tốt nhất ở 2 trong 3 chỉ tiêu so sánh,
kết hợp kết quả t-prob ở trên, nhóm nghiên cứu quyết định chọn mô hình
GARCH(2,1) là mô hình GARCH(p,q) phù hợp nhất cho chuỗi dữ liệu tỷ suất
sinh lợi của VN-Index.
Mô hình EGARCH(p,q)
Khi xem xét mô hình EGARCH(p,q), nhóm nghiên cứu không thu được kết quả
khả quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và
Skewed Student.
Với phân phối Student, chuỗi dữ liệu không hội tụ với tất cả các cặp giá trị (p, q),
nên không thể tính các hệ số của mô hình.
Với phân phối Skewed Student, chuỗi chỉ hội tụ khi tính toán EGARCH(p,q) với
p=1, q = 2. Tuy nhiên tại cặp giá trị này, t-prob của các biến α, θ trong mô hình
quá cao, không thích hợp để sử dụng.
t-prob t-prob
Cst(M) 0.3003 ARCH(Alpha1) 0.1318
d-Arfima 0.0000 ARCH(Alpha2) 0.0010
AR(1) 0.0000 GARCH(Độ lệch
chuẩn1)
0.0000
AR(2) 0.0000 EGARCH(Theta1) 0.6702
AR(3) 0.0000 EGARCH(Theta2) 0.0000
AR(4) 0.0000 Asymmetry 0.4851
55
MA(1) 0.0000 Tail 0.0000
MA(2) 0.0000 ARCH-in-mean(var) 0.0372
MA(3) 0.0000
Cst(V) 0.6308
Bảng 3.6. Giá trị t-prob các biến mô hình EGARCH(1,2)
Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0
Mô hình GJR(p,q)
Khi xem xét mô hình GJR(p,q), nhóm nghiên cứu không thu được kết quả khả
quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và
Skewed Student.
Các mô hình GJR(p,q) khi tiến hành tính toán đều xác định được các hệ số trong
mô hình, tuy nhiên t-prob của một số chỉ số cho giá trị khá lớn và điều kiện tồn
tại của các biến này cũng không được đảm bảo (tham khảo phụ lục 2). Chính vì
vậy các mô hình GJR(p,q) không sử dụng được ở thị trường Việt Nam.
Mô hình APARCH(p,q)
Khi xem xét mô hình APARCH(p,q), nhóm nghiên cứu không thu được kết quả
khả quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và
Skewed Student.
Với phân phối Student, các biến của mô hình APARCH(1,1) có thể tính toán
được, nhưng t-prob của biến γ quá cao. Với các mô hình APARCH khác nhận
p = 1, q ≥ 2, chuỗi dữ liệu không hội tụ nên không thể tiến hành định lượng đúng
các biến cho mô hình.
t-prob t-prob
Cst(M) 0.2492 ARCH(Alpha1) 0.0000
d-Arfima 0.0227 GARCH(Độ lệch
chuẩn1)
0.0000
56
AR(1) 0.0000 APARCH(Gamma1) 0.6002
AR(2) 0.0000 APARCH(Delta) 0.0000
AR(3) 0.0000 Student(DF) 0.0000
AR(4) 0.0000 ARCH-in-mean(var) 0.1260
MA(1) 0.0000
MA(2) 0.0000
MA(3) 0.0188
Cst(V) 0.0336
Bảng 3.7. Giá trị t-prob các biến mô hình APARCH(1,1)
Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0
Với phân phối Skewed Student, các mô hình APARCH(p,q) đều có chuỗi dữ liệu
không hội tụ khi sử dụng GARCH(p,q), nên không có mô hình APARCH(p,q)
nào phù hợp để tính toán cho thị trường Việt Nam.
Như vậy, sau khi xem xét từng dạng mô hình họ ARCH, bài nghiên cứu
cho thấy mô hình GARCH(2,1) là mô hình phù hợp nhất đối với thị trường tài
chính ở Việt Nam. Tiếp theo nhóm nghiên cứu tiến hành kiểm định lại độ chính
xác của mô hình trên thực tế.
3.3 Kiểm định mô hình trên thị trường Việt Nam
Để kiểm định mô hình GARCH (2,1) trên thị trường Việt Nam, nhóm nghiên cứu
tiến hành kiểm định xem sai số của mô hình có tuân theo phân phối chuẩn hay
không, nếu sai số của mô hình tuân theo quy luật phân phối chuẩn thì chứng tỏ
mô hình GARCH(2,1) có hiệu quả trong việc đo lường độ biến động.
Với mức ý nghĩa α=5%, tiến hành kiểm định Box – Pierce cho số dư bình
phương.
Giả thiết: H0: số dư bình phương tuân theo quy luật phân phối chuẩn
57
H1: số dư bình phương không tuân theo quy luật phân phối chuẩn
Sau khi kiểm định với mô hình GARCH(2,1), giá trị p-value thu được bằng
0.0181743 < α=5%. Như vậy giả thiết sai số của mô hình tuân theo quy luật phân
phối chuẩn là đúng, hay mô hình có hiệu quả trong việc đo lường rủi ro thị
trường ở Việt Nam.
Tiếp theo tiến hành kiểm định xem mô hình giải thích được bao nhiêu phần trăm
độ biến động. Với bậc tự do là 3, và độ trễ là 4, GARCH(2,1) cho kết quả kiểm
định là F(7,2205) = 1.6399 [0.1197]. Vậy mô hình giải thích được
1 – α = 1 – 0.1197 = 88,03% các thay đổi trên thị trường tài chính Việt Nam.
Với mức chính xác 88,03%, có thể nói mô hình GARCH(2,1) là một công cụ tốt
để ước tính rủi ro thị trường tài chính Việt Nam.
3.4 Ý nghĩa mô hình
Mô hình GARCH(2,1) chạy trên ARIMA(4,d,3), cho những kết quả như sau:
AR(4): sai khác giữa giá trị tỷ suất sinh lợi ngày hôm nay so với giá trị trung bình
phụ thuộc sai khác giữa giá trị tỷ suất sinh lợi 4 ngày giao dịch liền kề trước đó
với giá trị trung bình.
MA(3): sai số giá trị tỷ suất sinh lợi ngày hôm nay so với giá trị kỳ vọng phụ
thuộc sai số giá trị tỷ suất sinh lợi so với giá trị kỳ vọng ngày hôm nay và 3 ngày
giao dịch liền kề trước đó.
GARCH(2,1): phương sai tỷ suất sinh lợi ngày hôm nay phụ thuộc phương sai tỷ
suất sinh lợi 2 ngày giao dịch liền kề trước đó.
Như vậy, rủi ro thị trường tài chính Việt Nam ngày t sẽ bị ảnh hưởng biến động
của thị trường tài chính ngày t và 4 ngày giao dịch liền kề trước đó. Hay nói cách
khác, rủi ro thị trường tài chính Việt Nam phụ thuộc vào các thông tin trên thị
trường ngày t và 4 ngày làm việc liền kề. Điều này giúp cho nhà đầu tư có được
những nhận định sơ bộ về tình hình biến động thị trường trong tương lai, từ đó
đưa ra các quyết định đầu tư phù hợp.
58
Chương 4: HẠN CHẾ VÀ ĐỊNH HƯỚNG PHÁT TRIỂN MÔ HÌNH
TRONG TƯƠNG LAI
Bài nghiên cứu này tìm kiếm công cụ đo lường rủi ro thị trường tài chính Việt
Nam phù hợp thông qua tỷ suất sinh lợi của VN-Index nhằm thay thế cho phương
pháp sử dụng chỉ số độ lệch chuẩn truyền thống, tuy nhiên mô hình GARCH(2,1)
chỉ có thể đạt được mức chính xác khoảng 88% do những hạn chế đặc thù của
những thị trường mới nổi nói chung và thị trường chứng khoán Việt Nam nói
riêng. Do đó để làm rõ những hạn chế tiềm tàng này, và tạo hướng nghiên cứu
tiếp theo để có thể tìm thấy những mô hình tốt hơn đo lường độ biến động của thị
trường tài chính ở Việt Nam, nhóm nghiên cứu mong muốn hiểu rõ tâm lý bầy
đàn trên thị trường chứng khoán Việt Nam.
Lê Thị Ngọc Lan (2009) đã tiến hành một khảo sát điều tra 150 nhà đầu tư cá
nhân và hơn 40 nhà đầu tư có tổ chức, và thu được các kết quả về thực trạng về
tâm lý bày đàn trên thị trường chứng khoán Việt Nam được thể hiện như sau:
Nhà đầu tư cá
nhân
Doanh
nghiệp
Chú ý và cảnh giác hơn sau bong bong đầu cơ 45% 34%
Tình hình nội tại công ty quan trọng nhất 33% 68%
Yếu tố bầy đàn gây nên việc đánh giá quá cao
của thị trường 28% 40%
Sụt giảm thị trường do công ty thua lỗ 33% 60%
Yếu tố bầy đàn góp phần làm sụp đổ thị
trường 25%
Tác động bởi các nhà phân tích 32%
Phản ứng thái quá trước thông tin 57% 62%
Chấp nhận mạo hiểm với khoản lỗ lớn 67% 45%
59
Hình 4.1. Các nhân tố quan trọng nhất đóng góp vào định giá quá mức thị
trường trong thời kỳ bong bóng đầu cơ.
Nguồn: Lê Thị Ngọc Lan (2009): “Nghiên cứu lý thuyết hành vi trên thị
trường chứng khoán Việt Nam", ĐH Kinh tế Tp. Hồ Chí Minh.
Từ kết quả nghiên cứu trên, có thể thấy tâm lý hành vi bầy đàn đóng một vai trò
quan trọng trong việc đưa ra các quyết định đầu tư. Chính vì vậy nhóm nghiên
cứu kết luận rằng, tâm lý bầy đàn của nhà đầu tư chính là nhân tố giải thích cho
sự sai lệch trong các dự báo của mô hình.
4.1 Tâm lý bầy đàn – Nhân tố hạn chế sự chính xác của mô hình
Tâm lý bầy đàn là điều dường như không còn là khái niệm xa lạ, các thị trường
tài chính trên thế giới luôn bị chi phối bởi tâm lý đan xen bởi lòng tham và sự sợ
hãi, và thị trường chứng khoán Việt Nam cũng không phải là ngoại lệ. Cụ thể,
trong năm 2007 đến 2008 dường như các nhà đầu tư có thể cảm nhận được tính
nghiêm trọng của bong bong đầu cơ nhưng họ vẫn tiếp tục đầu tư vào thị trường
dù biết rằng rủi ro sụp đổ rất cận kề. Thậm chí không có sự khác biệt đáng kể
giữa hành vi của nhà đầu tư cá nhân và nhà đầu tư có tổ chức vì cả hai nhóm đầu
tư này đều thực hiện những thay đổi tương đồng về đặc điểm đầu tư và các hành
động chủ yếu của họ thông qua những hành vi tâm lý giống nhau.
Hành vi tâm lý bầy đàn trên TTCK Việt Nam có thể được tóm tắt như sau:
60
Khi chứng kiến đà tăng mạnh mẽ của thị trường chứng khoán năm 2007,
mặc dù khá lưỡng lự về quyết định của mình, nhưng các nhà đầu tư vẫn có niềm
tin khá cao về lợi tức cao trong quá khứ sẽ tiếp tục được lặp lại trong tương lai.
Điều này cho thấy, các nhà đầu tư có khuynh hướng thực hiện giao dịch chỉ dựa
trên những diễn biến tốt đẹp của thị trường do họ bị áp lực bởi tâm lý bày đàn,
hành vi của họ bị thúc ép theo những cổ phiếu thắng với phần còn lại của thị
trường. Tuy nhiên do có xu hướng không quan tâm đến những yếu tố của nền
kinh tế vĩ mô như lãi suất cơ bản, lạm phát…nên các nhà đầu tư đã bị thất bại
nặng nề khi thị trường đã phản bội niềm tin quay ngược giảm giá không phanh.
Sở thích đánh cược với rủi ro khi đối mặt với rủi ro của các nhà đầu tư
cũng là nguyên dân dẫn đến việc thị trường Việt Nam phát triển quá nóng năm
2007. Trong sự gia tăng nhanh chóng của thị trường, nhà đầu tư bán cổ phiếu và
kiếm lời và kết quả là thành công đó sẽ khuyến khích họ mua thêm cổ phiếu có
thể tiếp tục tăng giá trong tương lai. Các nhà đầu tư không muốn nhận các khoản
lỗ trong cùng một thời gian nhận được các khoản lời. Và ngày càng nhiều người
bị dính vào các diễn biến tốt đẹp lặp đi lặp lại của cổ phiếu, từ đó cho thấy việc
thiếu khả năng kiềm chế và sở thích chóng vánh được xem là những yếu tố góp
phần vào hành vi thiếu hợp lý số đông của các nhà đầu tư cá nhân và tổ chức.
Với những nhận định như vậy, nhóm nghiên cứu rút ra rằng TTCK Việt Nam vẫn
còn hết sức non trẻ và tâm lý bày đàn vẫn còn là một vấn đề mà các nhà đầu tư cá
nhân và có tổ chức cần chú trọng. Điều cần lưu ý đó là phải nâng cao nhận thức,
khả năng đánh giá phân tích thị trường để có thể đưa ra những quyết định chính
xác hơn, góp phần nâng cao tính hiệu quả của thị trường chứng khoán Việt Nam.
4.2 Định hướng phát triển mô hình trong tương lai
Các phân tích về tâm lý bầy đàn và tài chính hành vi cho thấy mặc dù mô hình
GARCH(2,1) đã đạt những kết quả chấp nhận được và nhất quán với những
nghiên cứu trước kia về thị trường chứng khoán ở các nước mới nổi, tuy nhiên
kết quả của mô hình vẫn cần phải được xem xét kỹ lưỡng bỡi những lý do sau
đây:
61
- Nguồn dữ liệu thu thập từ 3/2002 đến 3/2011 của VN-Index vẫn chưa đủ lớn,
tạo được sự tin cậy cần thiết để đưa ra những kết quả phù hợp cho thị trường
Việt Nam. Hơn nữa, VN-Index vẫn chưa đủ lớn để khái quát hết toàn bộ nền
kinh tế do số lượng các công ty niêm yết vẫn còn hạn chế.
- Thị trường chứng khoán Việt Nam vẫn còn hết sức non trẻ và tâm lý bày đàn
vẫn còn là một vấn đề mà các nhà đầu tư cá nhân và có tổ chức cần chú trọng.
Điều cần lưu ý đó là phải nâng cao nhận thức, khả năng đánh giá phân tích thị
trường để có thể đưa ra những quyết định chính xác hơn, góp phần nâng cao
tính hiệu quả của thị trường chứng khoán Việt Nam.
Do đó việc áp dụng mô hình GARCH(2,1) vào thị trường Việt Nam vẫn còn gặp
một số khó khăn nhất định. Tuy nhiên tôi hy vọng rằng những kết quả từ bài
nghiên cứu này sẽ đặt nền tảng cho những hướng nghiên cứu tiếp theo, bởi vì
trong tương lai thị trường chứng khoán Việt Nam sẽ ngày càng phát triển hơn
nữa và nguồn dữ liệu quan sát sẽ được cập nhật và đủ tin cậy để có thể đưa ra
những kết quả chính xác hơn. Ngoài ra, việc lựa chọn mô hình thích hợp nhất để
đo lường và dự báo độ biến động của thị trường chỉ là cảm tính của người nghiên
cứu, và đây vẫn là một câu hỏi mở thú vị cho những ai quan tâm đến lĩnh vực
này.
62
PHẦN KẾT LUẬN
Bài nghiên cứu cung cấp một cái nhìn tổng quát về các nguyên nhân gây ra tính
dễ biến động của rủi ro thị trường. Bên cạnh đó dựa vào việc xem xét những mô
hình đo lường độ biến động được áp dụng phổ biến, đặc biệt là mô hình GARCH
đã được chứng minh và áp dụng khá thành công tại nhiều nước, nhóm nghiên
cứu tin rằng, mô hình GARCH(2,1) chạy với ARIMA(4,d,3) sẽ là một công cụ
hữu ích trong việc đo lường độ biến động của thị trường tài chính ở Việt Nam.
Về mặt thực tiễn, bài nghiên cứu giúp các nhà đầu tư có một cái nhìn sâu sắc hơn
về tính dễ biến động của thị trường, có những nhận biết về các rủi ro thị trường
trong tương lai để từ đó có những quyết định đầu tư phù hợp. Cuối cùng bài
nghiên cứ đưa ra những hạn chế còn tồn tại trong thị trường tài chính Việt Nam
để người sử dụng mô hình hiệu chỉnh sao cho mô hình đạt được kết quả tốt nhất.
Ngoài ra, người nghiên cứu hy vọng sau bài nghiên cứu này, trong tương lai mô
hình sẽ được phát triển sâu hơn nhằm hoàn thiện công cụ đo lường rủi ro của thị
trường tài chính Việt Nam, giúp cho thị trường tài chính đặc biệt là TTCK Việt
Nam ngày càng hiệu quả, là một “hàn thử biểu” chính xác của nền kinh tế.
63
63
TÀI LIỆU THAM KHẢO
1. Amit Goyal (2000): “Predictability of Stock Return Volatility from
GARCH Models”, Anderson Graduate School of Management, UCLA.
2. Bollerslev, Tim (1986): "Generalized Autoregressive Conditional
Heteroskedasticity", Journal of Econometrics.
3. Dima Alberga, Haim Shalit, and Rami Yosef (2008): “Estimating stock
market volatility using asymmetric GARCH models”, Applied Financial
Economics.
4. Engle, R. F. (1982): “Autoregressive Conditional Heteroskedasticity with
Estimates of the Variance of United Kingdom Inflation”, Econometrica.
5. Evdokia Xekalaki, Staors Degiannakis (2010): “Arch models for financial
application”, Wiley.
6. Fisher, R.A., and L. H. C. Tippett (1928): “Limiting forms of the
frequency distribution of the largest and smallest member of a sample”,
Proc. Cambridge Phil. Soc.
7. George Edward Pelham Box & Gwilym Jenkins (1990): “Time Series
Analysis, Forcasting and Control”, Holden-Day, Incorporated.
8. Glosten, Lawrence R & Jagannathan, Ravi & Runkle, David E (1993):
"On the Relation between the Expected Value and the Volatility of the
Nominal Excess Return on Stocks," Journal of Finance, American
Finance Association.
9. Gumbel, Emil J. (1958): “Statistics of Extremes”, Columbia University
Press.
10. Hien, Mai Thi Thanh (2008): “Modelling and forecasting volatility by
garch-type models: the case of Vietnam stock exchange”, A dissertation
presented in part consideration for the degree of MA. Finance and
Investment.
11. Jean-Philippe Peters (2001): “Estimating and forecasting volatility of
stock indices using asymmetric GARCH models and (Skewed) Student-t
64
64
densities”, Ecole d’Administration des Affaires, University of Li`ege,
Belgium March 20.
12. Kevin Downd (2002): “An Introduction to Market Risk Measurement”,
Wiley Finance.
13. Lambert, P. and Laurent, S. (2000): “Modelling skewness dynamics in
series of financial data”, Discussion Paper, Institut de Statistique,
Louvain-la-Neuve.
14. Lambert, P. and Laurent, S. (2001): “Modelling financial time series using
GARCH-type models and a skewed student density”, mimeo, Universite
de Liege.
15. Markowitz, H.M. (1952): "Portfolio Selection", The Journal of Finance.
16. Nelson, D. B. (1991), “Conditional heteroskedasticity in asset returns: A
new approach”, Econometrica.
17. Pickands, J. (1975): “Statistical inference using extreme order statistics”,
Annals of Statistics.
18. S´ebastien Laurent and Jean-Philippe Peters (2001): “G@RCH 2.0: An Ox
Package for Estimating and Forecasting Various ARCH Models”.
19. S´ebastien Laurent and Jean-Philippe Peters (2002): “A Tutorial for
G@RCH 2.3, a Complete Ox Package for Estimating and Forecasting
ARCH Models”.
20. Turan G. Bali (2003): “An Extreme value Approach to Estimating
Volatility and Value at Risk”, Journal of Business.
21. Vuong Thanh Long (2008): “Empirical analysis of stock return volatility
with regime change using garch model: the case of VietNam stock
market”, Vietnam development forum.
22. Lê Thị Ngọc Lan (2009): “Nghiên cứu lý thuyết hành vi trên thị trường
chứng khoán Việt Nam”, ĐH Kinh Tế Tp. Hồ Chí Minh.
23. Tài liệu giảng dạy Chương trình kinh tế Fullbright, “Kinh tế lượng căn
bản”.
24. Trần Ngọc Thơ (2007): “Tài chính doanh nghiệp hiện đại”, Nhà xuất bản
Thống kê.
65
65
25. www.cafef.vn
26. www.cophieu68.com
27. www.eximbank.com.vn
28. www.findarticles.com
29. www.fpts.com.vn
30. www.gso.gov.vn
31. www.sbv.org.vn
32. www.tapchicongsan.org.vn
33. www.tinnhanhchungkhoan.vn
34. www.vncorp.vn
35. www.vneconomy.vn
36. www.wikipedia.com
37. www.worldbank.org
66
66
PHỤ LỤC
Phụ lục 1: Bảng thống kê giá trị t-prob không phù hợp của các mô hình
GARCH(p,q)
GARCH(3,1) GARCH(1,4) GARCH(1,5) GARCH(2,2)
Cst(M) 0.1529 0.0750 0.0739 0.1816
d-Arfima 0.0047 0.0022 0.0021 0.0653
AR(1) 0.0000 0.0000 0.0000 0.8321
AR(2) 0.0000 0.0000 0.0000 0.0266
AR(3) 0.0000 0.0000 0.0000 0.0987
AR(4) 0.0000 0.0000 0.0000 0.0292
MA(1) 0.0000 0.0000 0.0000 0.1999
MA(2) 0.0000 0.0000 0.0000 0.0124
MA(3) 0.0885 0.0211 0.0194 0.4635
Cst(V) 0.0011 0.0745 0.0902 0.0030
ARCH(Alpha1) 0.0000 0.0000 0.0000 0.0000
ARCH(Alpha2) 0.0176 0.0242 0.0000
ARCH(Alpha3) 0.1903 0.2260
ARCH(Alpha4) 0.1368 0.0617
ARCH(Alpha5) 0.3853
GARCH(Độ
lệch chuẩn1) 0.0002 0.0000 0.0000 0.0000
GARCH(Độ
lệch chuẩn2) 0.2684 0.0000
GARCH(Độ
lệch chuẩn3) 0.0347
67
67
ARCH-in-mean
(VaR) 0.0467 0.0271 0.0302 0.0294
Phụ lục 2: Bảng kết quả các mô hình GJR(p,q) theo phân phối student
GJR(1,1) GJR(1,2) GJR(2,1)
t-prob Cst(M) 0.0845 0.0611 0.0719
d-Arfima 0.0039 0.0037 0.0036
AR(1) 0.0000 0.0000 0.0000
AR(2) 0.0000 0.0000 0.0000
AR(3) 0.0000 0.0000 0.0000
AR(4) 0.0000 0.0000 0.0000
MA(1) 0.0000 0.0000 0.0000
MA(2) 0.0000 0.0000 0.0000
MA(3) 0.0283 0.0068 0.0176
Cst(V) 0.0056 0.0856 0.0058
ARCH(Alpha1) 0.0000 0.0000 0.0000
ARCH(Alpha2) 0.0172
GARCH(Độ
lệch chuẩn1)
0.0000 0.0000 0.0000
GARCH(Độ
lệch chuẩn2)
0.0214
GJR(Gamma1) 0.3278 0.8300 0.3389
GJR(Gamma2) 0.9461
Student (DF) 0.0000 0.0000 0.0000
ARCH-in-mean
(VaR)
0.1935 0.2334 0.1935
α1+β1+k.γ1 (<1) 1.03687 1.03687 1.06577
Các file đính kèm theo tài liệu này:
- Đo lường rủi ro thị trường tài chính ở Việt Nam.pdf