Luận văn Áp dụng các phương pháp đo lường rủi ro hệ thống trên thị trường chứng khoán Việt Nam

000253 0.000608 0.000274 Std.Dev 0.029158 0.016359 0.015306 Skewness 0.022899 -0.112167 0.045308 Kurtosis 2.291747 3.817745 4.560562 Jarque-Bare 21.89085 31.21798 287.6278 Probability 0.000018 0.000000 0.000000 ADF t- statistic -24.54426 -25.57046 -22.50541 1% level -2.567183 -2.567185 -2.56578 5% level -1.941127 -1.941128 -1.94094 10% level -1.616495 -1.616495 -1.61662 Nguồn: Tác giả tự tính toán từ - Kết quả kiểm định Jacque-Bare về hàm phân phối chuẩn của chuỗi dữ liệu cho ta kết luận phân phối của chuỗi tỷ suất sinh lời của cổ phiếu BBC, chỉ số ngành thực phẩm, chỉ số Vnindex không tuân theo quy luật phân phối chuẩn với độ tin cậy 99% hoặc 95% vì p-value = 0,000018; 0,000000; 0,000000 < mức ý nghĩa 1% và 5%. Như đã nói ở phần trên, thì hạn chế của phương pháp HS là chuỗi dữ liệu là dạng dữ liệu xu thế sẽ đem lại kết quả VaR bị sai lệch. Thực hiện kiểm định nghiệm đơn vị Dickey-Fuller (DF) để kiểm định tính dừng của các chuỗi 81 dữ liệu. Cặp giả thuyết: H0: Chuỗi không dừng; H1: Chuỗi dừng; mức ý nghĩa 99% hoặc 95% đều cho ta được kết quả chuỗi tỷ suất sinh lời của cổ phiếu BBC, chỉ số ngành thực phẩm, chỉ số Vnindex là một chuỗi dừng khi: │tquan sát│ > │tα│sẽ bác bỏ giả thuyết H0. Như vậy, chuỗi tỷ suất sinh lời của cổ phiếu BBC, chỉ số ngành thực phẩm và chỉ số Vnindex đều là một chuỗi dừng. Kết quả nghiên cứu đối với cổ phiếu BBC Giả sử, một nhà đầu tư đầu tư 1 tỷ đồng vào cổ phiếu BBC. Theo kết quả tính toán VaR 1 ngày 95% đối với cổ phiếu BBC là -49,126 triệu đồng theo phương pháp mô phỏng lịch sử. Kết quả này được hiểu là: trong vòng 1 ngày tới với khoảng tin cậy 95% nhà đầu tư đó sẽ không thể bị thua lỗ quá 49,126 triệu. Và với kết quả VaR(10,99%) = -160,941 tức là trong vòng 10 ngày tới, có thể chắc chắn đến 99%, nhà đầu tư không thể bị thua lỗ quá 160,941 triệu đồng. Bảng 3.2. Kết quả tính VaR của CP BBC sử dụng các phương pháp khác nhau Đơn vị tính: triệu đồng VaR HS AWHS NLV MCFV MCS 1%, 1 ngày -50,894 -50,644 -67,579 -83,686 -71,242 1%, 10 ngày -160,941 -160,150 -213,702 -264,639 -225,287 1%, 30 ngày -278,757 -277,387 -370,144 -458,368 -390,209 1%, 60 ngày -394,222 -392,285 -523,462 -648,231 -551,838 1%, 90 ngày -482,822 -480,449 -641,107 -793,917 -675,861 5%, 1 ngày -49,126 -49,480 -47,708 -47,884 -44,815 5%, 10 ngày -155,351 -156,470 -150,865 -151,421 -141,718 5%, 30 ngày -269,075 -271,013 -261,306 -262,270 -245,463 5%, 60 ngày -380,530 -383,271 -369,542 -370,905 -347,137 5%, 90 ngày -466,052 -469,409 -452,594 -454,264 -425,155 Từ bảng tính toán chỉ ra, với độ tin cậy 99% phương pháp mô phỏng lịch sử có trọng số cho ta kết quả tính VaR thấp nhất là -50,664 triệu và Thang Long University Libraty 82 phương pháp Modified Cornish-Fisher VaR cho ta kết quả tính VaR cao nhất là -83,686 triệu. Nhưng khác với độ tin cậy 99%, với độ tin cậy 95% phương pháp mô phỏng Monter Carlo cho ta kết quả VaR thấp nhất -44,815 triệu và phương pháp mô phỏng lịch sử có trọng số lại cho ta kết quả tính VaR cao nhất -49,48 triệu. Như vậy, với độ tin cậy khác nhau thì các phương pháp cho ta kết quả VaR là không đồng nhất. Hình 3.1 dưới đây thể hiện mức lỗ của nhà đầu tư trong 1 ngày với các khoảng tin cậy 95% và 99% được tính theo các phương pháp khác nhau. Hình 3.1. VaR 1 ngày với độ tin cậy 99%, 95% của CP BBC • Kết quả nghiên cứu đối với chỉ số ngành thực phẩm Một quỹ đầu tư đầu tư vào chỉ số ngành thực phẩm 1 tỷ đồng, ta có được kết quả tính VaR theo các phương pháp khác nhau cho chỉ số ngành được thể hiện trong Bảng 3.3 sẽ dự đoán mức lỗ lớn nhất mà quỹ đầu tư có thể gặp phải trong 1 ngày, 10 ngày, 30 ngày, 60 ngày, 90 ngày với 2 mức độ tin cậy là 99% và 95%. Với mức ý nghĩa 1%, VaR 1 ngày của phương pháp MCFV cho kết quả cao nhất là -50,623 triệu tức là chắc chắn đến 99%, mức lỗ lớn nhất của quỹ đầu tư trong 1 ngày tiếp theo không vượt quá 50,623 triệu. 50.894 50.644 67.579 83.686 71.242 49.126 49.480 47.708 47.884 44.815 HS AWHS NLV MCFV MCS 1%, 1 ngày 5%, 1 ngày 83 Bảng 3.3. Kết quả tính VaR của chỉ số ngành thực phẩm áp dụng các phương pháp khác nhau Đơn vị tính: triệu đồng VaR HS AWHS NLV MCFV MCS 1%, 1 ngày -44,432 -41,007 -37,449 -50,623 -37,881 1%, 10 ngày -140,507 -129,676 -118,423 -160,084 -119,789 1%, 30 ngày -243,365 -224,605 -205,115 -277,274 -207,480 1%, 60 ngày -344,170 -317,640 -290,077 -392,125 -293,422 1%, 90 ngày -421,521 -389,028 -355,270 -480,253 -359,367 5%, 1 ngày -27,009 -24,652 -26,300 -24,514 -26,042 5%, 10 ngày -85,411 -77,956 -83,168 -77,521 -82,353 5%, 30 ngày -147,936 -135,025 -144,052 -134,270 -142,639 5%, 60 ngày -209,213 -190,954 -203,720 -189,887 -201,722 5%, 90 ngày -256,232 -233,869 -249,505 -232,563 -247,058 Với mức ý nghĩa 5%, phương pháp mô phỏng lịch sử cho ta kết quả VaR cao nhất là -27,009 triệu và phương pháp MCFV cho kết quả tính VaR thấp nhất là -24,514 triệu. Như vậy, với độ tin cậy 95%, mức lỗ của quỹ đầu tư trong 1 ngày tiếp theo không vượt quá 27,009 triệu. Hình 3.2. VaR 1 ngày với độ tin cậy 99%, 95% của chỉ số ngành thực phẩm 27.009 24.652 26.300 24.514 26.042 44.432 41.007 37.449 50.623 37.881 0.000 10.000 20.000 30.000 40.000 50.000 60.000 HS AWHS NLV MCFV MCS 5%, 1 ngày 1%, 1 ngày Thang Long University Libraty 84 Hình 3.1 và Hình 3.2 cho ta thấy sự khác biệt giữa các phương pháp tương đối lớn và nên chọn phương pháp nào để phù hợp với điều kiện TTCKVN là câu hỏi cần phải được kiểm chứng thông qua các phương pháp. Luận văn sẽ đưa ra các phương pháp kiểm chứng – back-testing ở phần sau. • Kết quả đối với chỉ số Vnindex Phương pháp VaR không chỉ áp dụng với từng cổ phiếu riêng lẻ, với chỉ số ngành mà còn áp dụng được với chỉ số của toàn thị trường. Trong 2 chương trước đã đề cập đến các phương pháp áp dụng để đo lường rủi ro hệ thống của TTCK, thì phương pháp hệ số beta – β là phương pháp được cho là phổ biến nhất và được áp dụng nhiều hơn trên TTCKVN. Tuy nhiên, như đã phân tích những hạn chế của phương pháp này như: TTCKVN chưa đảm bảo được là thị trường hiệu quả; Các doanh nghiệp niêm yết trên SGDCK chưa thể đại diện cho nền kinh tế Việt Nam nên việc coi danh mục thị trường là danh mục bao gồm toàn bộ các cổ phiếu niêm yết và được đo lường thông qua sự biến động của chỉ số Vnindex sẽ không thỏa mãn giả thiết về danh mục thị trường đa dạng hóa và chưa loại trừ được rủi ro phi hệ thống; Hệ số β không áp dụng để đo lường rủi ro hệ thống của toàn thị trường vì rủi ro hệ thống của toàn thị trường được xem chính là beta của danh mục thị trường và beta – β luôn bằng 1. Khắc phục được nhược điểm của hệ số β, VaR có thể đo lường rủi ro với từng loại cổ phiếu (hay danh mục đầu tư riêng lẻ), rủi ro của từng ngành mà còn có thể đo lường rủi ro của toàn bộ thị trường - dựa trên sự biến động của chỉ số thị trường. Luận văn sẽ đo lường rủi ro hệ thống của toàn bộ thị trường với 2 độ tin cậy khác nhau là 99% và 95%, thông qua sự biến động của chỉ số Vnindex. Nhận thấy rằng, cũng giống như kết quả tính VaR của cổ phiếu và chỉ số ngành, có sự sai biệt giữa các phương pháp tính khác nhau và độ tin cậy khác nhau. Bảng 3.4 dưới đây, luận văn sẽ tính VaR 1 ngày của chỉ số Vnindex với 2 khoảng tin cậy 99%, 95% và so sánh sự khác biệt giữa các 85 phương pháp với giả định lấy phương pháp mô phỏng lịch sử làm phương pháp chuẩn. Bảng 3.4. Kết quả tính VaR áp dụng các phương pháp khác nhau của chỉ số Vnindex VaR HS AWHS NLV MCFV MCS 1%, 1 ngày -4,30315% -4,31721% -3,53331% -5,21505% -3,66983% Mức khác biệt 0,00% 0,33% 17,89% 21,19% 14,72% 5%, 1 ngày -2,67605% -2,73428% -2,49021% -2,36900% -2,66411% Mức khác biệt 0,00% 2,18% 6,94% 11,47% 0,45% Với phương pháp MCFV cho kết quả tính VaR nhỏ nhất với mức ý nghĩa 5% là -2,369% tức là chắc chắn 95%, mức lỗ lớn nhất của thị trường trong 1 ngày tiếp theo không vượt quá 2,369%. Trong khi đó, với mức ý nghĩa 1% phương pháp này lại cho kết quả tính VaR cao nhất là -5,212%; tức là chắc chắn đến 99%, mức lãi của thị trường trong ngày hôm sau không thể lớn hơn -5,215%. Hai phương pháp mô phỏng lịch sử có trọng số và mô phỏng Monter Carlo có ít sự sai lệch so với hai phương pháp NLV và MCFV và kết quả tính VaR của 2 phương pháp AWHS và MCS cũng tương đối ổn định ở cả 2 mức ý nghĩa 1% và 5%. Kết quả này là tương đối phù hợp khi giả định về hàm phân phối chuẩn của dữ liệu bị bác bỏ nên kết quả tính VaR của 2 phương pháp NLV và MCFV có sự sai lệch tương đối cao số với các phương pháp khác. Các phương pháp khác nhau đều có những giả thiết khác nhau và có những ưu nhược điểm riêng, kết quả của các phương pháp có sự khác biệt ít có thể được sử dụng để ước lượng và kiểm chứng thêm cho các dự đoán về giá cổ phiếu và các chỉ số. Kết quả của các phương pháp sẽ có tính thuyết phục hơn khi được kiểm chứng, kết quả kiểm chứng sẽ cho ta lựa chọn phương pháp phù hợp với TTCKVN. Thang Long University Libraty 86 • Thực hiện kiểm chứng – back testing cho các phương pháp. Kết quả của VaR sẽ có tính thuyết phục hơn khi được kiểm chứng (back testing). Do có rất nhiều phương pháp để tính VaR và các phương pháp lại cho 1 kết quả khác nhau nhưng và mức độ lớn/nhỏ của mỗi phương pháp lại không đồng nhất với những chuỗi dữ liệu, độ tin cậy khác nhau. Chính vì vậy, back testing là phương pháp kiểm tra độ chính xác của các phương pháp. Có rất nhiều phương pháp để kiểm chứng kết quả của VaR. Theo Quy tắc Basel, quy trình kiểm soát hiện tại sẽ bao gồm: thống kê VaR hàng ngày trong suốt 1 năm trước, kỳ vọng đặt ra sẽ có khoảng 1% của 250 quan sát hay 2,5 lần con số thực tế cao hơn VaR tính toán. Các phương pháp được chấp nhận khi thỏa mãn tỷ lệ sai số dưới 1%. Luận văn, thực hiện kiểm chứng theo quy tắc Basel cho kết quả VaR 1 ngày, 1% của cổ phiếu BBC và chỉ số ngành thực phẩm cho kết quả như sau: Bảng 3.5. Kết quả kiểm chứng với cổ phiếu BBC HS AWHS NLV MCFV MCS Tỷ lệ chính xác 96,80% 96,80% 98,80% 100,00% 100,00% Tỷ lệ sai số 3,20% 3,20% 1,20% 0,00% 0,00% Kết quả kiểm chứng cho thấy các phương pháp NLV, MCFV và mô phỏng Monter Carlo đều cho kết quả kiểm chứng tốt, đặc biệt 2 phương pháp MCFV và MCS cho độ chính xác lên tới 100%. Hai phương pháp mô phỏng lịch sử và mô phỏng lịch sử có trọng số có tỷ lệ sai số 3,2% lớn hơn 1% như vậy 2 phương pháp này cho kết quả tính VaR của cổ phiếu BBC là không chính xác. Kết quả kiểm chứng của chỉ số ngành thực phẩm được thể hiện trong Bảng 3.6. Tương tự như vậy, luận văn thực hiện kiểm chứng theo tiêu chuẩn của Basel cho chỉ số Vnindex trong Bảng 3.7 như sau: 87 Bảng 3.6. Kết quả kiểm chứng với chỉ số ngành thực phẩm HS AWHS NLV MCFV MCS Tỷ lệ chính xác 100,00% 100,00% 99,20% 100,00% 99,20% Tỷ lệ sai số 0,00% 0,00% 0,80% 0,00% 0,80% Bảng 3.7. Kết quả kiểm chứng với chỉ số Vnindex HS AWHS NLV MCFV MCS Tỷ lệ chính xác 100,00% 100,00% 98,40% 100,00% 98,80% Tỷ lệ sai số 0,00% 0,00% 1,60% 0,00% 1,20% Kết quả cho thấy, các phương pháp dự báo VaR của chỉ số ngành thực phẩm đều cho kết quả chính xác lên tới hơn 99%. Với chỉ số Vnindex, 3 phương pháp HS, AWHS và MCFV đều cho kết luận chấp nhận kết quả tính VaR và bác bỏ 2 phương pháp NLV và MCS với độ tin cậy 99%. Như vậy, các phương pháp tính VaR đều có tính chính xác tương đối cao. Ngoài ra, còn rất nhiều các cách khác để thực hiện back testing như phương pháp: Conditional coverage – phương pháp bao quát có điều kiện gồm: Mixed Kupiec-Test, Christoffersen's Interval Forecast Test hay Multiple VaR levels; phương pháp Unconditional coverage – phương pháp bao quát không điều kiện Tuy nhiên, luận văn chỉ sử dụng phương pháp kiểm định đơn giản unconditional coverage - kiểm định Kupiec (Kupiec Tests). Các điểm định được biết đến rộng rãi nhất dựa trên tỷ lệ sai số đã được Kupiec đề xuất vào năm 1995 [23]. Kiểm định Kupiec hay còn được gọi là điểm định tỷ lệ sai số (Proportions of failures – POF), kiểm định này đo lường các trường hợp sai số với một độ tin cậy nhất định. Với giả thuyết của mô hình đúng, số lượng các trường hợp sai số sẽ tuân theo quy luật phân phối nhị thức. Do đó, để thực hiện kiểm định POF ta cần các thông tin về tổng số dữ Thang Long University Libraty 88 liệu quan sát (T), số các trường hợp vượt trội (x) so với VaR đã tính (trường hợp sai số) và mức ý nghĩa (p = 1- độ tin cậy). Ta có cặp giả thuyết kiểm định tỷ lệ sai số  V = WX như sau [23]: Y Z[:  = ̂ = WXZ!:  # ̂ = WX _ Theo Kupiec, kiểm định này sẽ được thực hiện tốt nhất khi sử dụng phương pháp Log likelihood-ration (LR). Với giá trị thống kê sau: `abK = −2cde (1 − )XEWWf1 − ghijkXEW ghijWl Nếu như giải thuyết H0 của mô hình đúng thì LRPOF sẽ tuân theo phân phối khi bình phương m (chi-squared) với bậc tự do là 1. Nếu giá trị thống kê LRPOF lớn hơn p-value của phân phối m thì giả thuyết H0 bị bác bỏ và mô hình được coi là không chính xác. Thực hiện kiểm định Kupiec với độ tin cậy 95% cho kết quả VaR 1 ngày, 5% của cổ phiếu BBC cho kết quả như sau: Bảng 3.8. Kết quả kiểm định Kupiec với VaR 5% của cổ phiếu BBC HS AWHS NLV MCFV MCS X 24 24 18 27 33 T 522 522 522 522 522 FR (x/T) 4,5977% 4,5977% 3,4483% 5,1724% 6,3218% Tỷ lệ chính xác 95,4023% 95,4023% 96,5517% 94,8276% 93,6782% LR 0,182569164 0,182569164 2,955302341 0,032318173 1,778223979 Giá trị tới hạn với độ tin cậy 95% 3,84 3,84 3,84 3,84 3,84 Kết quả kiểm định H0 Chấp nhận Chấp nhận Chấp nhận Chấp nhận Chấp nhận 89 Với mức ý nghĩa 5% kiểm định Kupiec của các phương pháp khác nhau đều cho kết quả giá trị thống kê LRPOF nhỏ hơn giá trị tới hạn của phân phối Chi square với độ tin cậy 95%, bậc tự do 1 là 3,84. LRPOF < 3,84 chấp nhận giả thuyết H0. Như vậy, các phương pháp đã thực hiện của cổ phiếu BBC đều cho kết quả chính xác với mức ý nghĩa 95%. Thực hiện kiểm định Kupiec cho kết quả tính VaR 1 ngày, 5% của chỉ số ngành thực phẩm, thu được kết quả như sau: Bác bỏ giả thuyết H0 của 3 phương pháp HS, NLV và MCS khi giá trị thống kê LRPOF = 6,24 > giá trị tới hạn 3,84. Ba phương pháp này cho kết quả tính VaR không chính xác với độ tin cậy 95%. Chấp nhận giả thuyết H0 với 2 phương pháp AWHS và MCFV có giá trị thống kê LRPOF = 2,57 < 3,84. Như vậy, 2 phương pháp mô phỏng lịch sử có trọng số và phương pháp MCFV cho ta kết quả tính VaR chính xác. Bảng 3.9. Kết quả kiểm định Kupiec cho VaR 5% của chỉ số ngành thực phẩm HS AWHS NLV MCFV MCS X 8 11 8 11 8 T 341 341 341 341 341 ER (x/T) 2,3460% 3,2258% 2,3460% 3,2258% 2,3460% Tỷ lệ chính xác 97,6540% 96,7742% 97,6540% 96,7742% 97,6540% LR 6,243163925 2,570682752 6,243163925 2,570682752 6,243163925 Giá trị tới hạn với độ tin cậy 95% 3,84 3,84 3,84 3,84 3,84 Kết quả kiểm định H0 Bác bỏ Chấp nhận Bác bỏ Chấp nhận Bác bỏ Tiếp tục thực hiện kiểm định Kupiec cho kết quả tính VaR 1 ngày, 5% của chỉ số Vnindex và thu được kết quả như sau: Chấp nhận giả thuyết H0 của cả 4 phương pháp HS, AWHS, NLV và MCS khi giá trị thống kê LRPOF nhỏ hơn giá trị tới hạn 3,84. Thang Long University Libraty 90 Bảng 3.10. Kết quả kiểm định Kupiec cho VaR 1% của chỉ số Vnindex HS AWHS NLV MCFV MCS X 2 2 4 1 4 T 521 521 521 521 521 FR (x/T) 0,38% 0,38% 0,77% 0,19% 0,77% Tỷ lệ chính xác 99,62% 99,62% 99,23% 99,81% 99,23% LR 2,61021 2,61021 0,30855 5,15311 0,30855 Giá trị tới hạn với độ tin cậy 95% 3,84 3,84 3,84 3,84 3,84 Kết quả kiểm định H0 Chấp nhận Chấp nhận Chấp nhận Bác bỏ Chấp nhận Như vậy, 4 phương pháp mô phỏng lịch sử, mô phỏng lịch sử có trọng số, phương pháp NLV và phương pháp mô phỏng Monter Carlo cho ta kết quả tính VaR chính xác với độ tin cậy 95%. Dựa trên kết quả kiểm định của 2 phương pháp có kết luận như sau: Phương pháp MCFV cho kết quả tốt nhất khi vượt qua cả 2 phương pháp back-testing cho cổ phiếu BBC, chỉ số ngành thực phẩm và tiêu chuẩn Basel cho chỉ số Vnindex. Phương pháp mô phỏng lịch sử có trọng số cho kết quả khá tốt khi vượt qua cả 2 phương pháp kiểm định với chỉ số ngành thực phẩm, chỉ số Vnindex và vượt qua phương pháp kiểm định Kupiec với cổ phiếu BBC. Phương pháp mô phỏng Monter Carlo cũng cho kết quả kiểm định khá tốt khi vượt qua back – testing của Basel với chỉ số ngành thực phẩm, kiểm định Kupiec với chỉ số Vnindex và cả 2 lần back-testing của cổ phiếu BBC. 3.2.1.3. Đánh giá các điều kiện áp dụng phương pháp VaR trên TTCKVN Như đã trình bày trong chương 1, các điều kiện đo lường rủi ro hệ thống theo phương pháp VaR bao gồm có: Danh mục có tính thanh khoản – 91 VaR chỉ áp dụng được với những danh mục có tính lỏng, giá chứng khoán được điều chỉnh theo giá thị trường; Khoảng thời gian đo lường – các yếu tố thị trường không thay đổi nhiều trong khoảng thời gian xác định, phù hợp với mục đích đo lường rủi ro trong ngắn hạn; Xác suất tổn thất xảy ra – tùy vào mục tiêu quản lý của các nhà quản lý; Biên độ dao động giá - được quy định một tỷ lệ cố định nhằm hạn chế những biến động lớn về giá chứng khoán trên thị trường trong ngay giao dịch; Điều kiện cuối cùng lựa chọn cách tiếp cận VaR – như kết quả tính toán trong luận văn cũng cho thấy mỗi phương pháp tiếp cận khác nhau sẽ cho những kết quả VaR khác nhau và mục tiêu là lựa chọn linh hoạt các phương pháp tiếp cận cho từng đối tượng. Luận văn sẽ tìm hiểu TTCKVN đáp ứng được những điều kiện nào của mô hình này: Tính thanh khoản của cổ phiếu và chỉ số chứng khoán Việt Nam được cải thiện. Điều này được thể hiện thông qua quy mô giao dịch hằng ngày, giá cổ phiếu và giá trị của chỉ số chứng khoán được xác lập hàng này là một điều kiện quan trọng của việc ứng dụng phương pháp VaR. Với hơn 14 năm hoạt động, thị trường chứng khoán Việt Nam đã phát triển với 305 mã cổ phiếu được niêm yết trên sàn HOSE và 364 mã cổ phiếu được niêm yết trên sàn HNX vào cuối năm 2014. Các dữ liệu về giá cổ phiếu, chỉ số thị trường được lưu trữ đầy đủ và dễ dàng truy cập đối với mọi nhà đầu tư trên thị trường chứng khoán thông qua các trang website miễn phí (cophieu68, vietstock). Mặc dù, thị trường còn đang trong giai đoạn phát triển nhưng đã duy trì được trạng thái hoạt động liên tục, không xảy ra gián đoạn thị trường. Chính vì vậy, chỉ số Vnindex được cập nhật và thống kê liên tục theo ngày với bộ dữ liệu từ ngày 28/7/2000 đến thời gian hiện tại. Như vậy, điều kiện về dữ liệu và tính thanh khoản của chỉ số thị trường cuả TTCKVN đảm bảo đáp ứng được điều kiện áp dụng các phương pháp tính VaR. Thang Long University Libraty 92 Đối với các cổ phiếu riêng lẻ: Các cổ phiếu được niêm yết sau nên thời gian dữ liệu có thể chưa đủ dài hoặc một số cổ phiếu không có giao dịch liên tục, giao dịch hàng ngày tức là chưa đảm bảo điều kiện về tính thanh khoản. Chính vì vậy, cần chọn lọc cổ phiếu để đảm bảo yêu cầu tính VaR như cổ phiếu Bibica được luận văn chọn lựa tính VaR có thời gian niêm yết từ 19/12/2001 và được thực hiện giao dịch thường xuyên. Cổ phiếu BBC đảm bảo được về tập dữ liệu và tính thanh khoản. Các chỉ số ngành chưa được chính thức hóa trên TTCKVN. Các chỉ số ngành được các CTCK hoặc các công ty phân tích chứng khoán tính và công bố nên sẽ có giá trị khác nhau đối với cùng một chỉ số ngành. Dữ liệu về chỉ số ngành được công bố từ năm 2009 - đủ dài để có thể áp dụng các phương pháp tính VaR. Như vậy, với điều kiện về tính thanh khoản khi áp dụng các phương pháp để tính VaR thì số liệu về cổ phiếu và các chỉ số thị trường của Việt Nam bước đầu đáp ứng được điều kiện này. Nhu cầu về đo lường rủi ro trong khoản thời gian ngắn hạn gia tăng: Hệ số β được xem là một công cụ phổ biến đối với các nhà đầu tư với việc đánh giá rủi ro hệ thống trong dài hạn của các công ty. Nhưng với phương pháp VaR có thể đo mức lỗ lớn nhất trong khoảng thời gian ngắn hạn như 1 ngày, 1 tuần, 1 tháng Hệ số β phù hợp với các thị trường chứng khoán của các nước phát triển, hoạt động đầu tư mang tính dài hạn. Với TTCKVN được coi là thị trường mới nổi, các điều kiện về minh bạch thông tin của các công ty niêm yết còn hạn chế, số lượng các nhà đầu cơ tham gia thị trường lớn. Các nhà đầu cơ cũng là các thành viên tham gia tích cực trên TTCKVN nên việc nghiên cứu và xác định một công cụ tài chính để đo lường rủi ro hệ thống trong ngắn hạn là cần thiết. Chính vì vậy, việc phổ cập công cụ VaR sẽ được đón nhận từ phía các nhà đầu cơ, đầu tư. 93 Kiến thức của các nhà đầu tư còn hạn chế: Thị trường chứng khoán Việt Nam thành lập từ năm 2000, theo đó, các kiến thức căn bản về thị trường chứng khoán và đầu tư chứng khoán mới bắt đầu được chính thức đưa vào giảng dạy trong các trường đại học về kinh tế ở Việt Nam. Năm 2004-2006, thị trường chứng khoán Việt Nam đã có một giai đoạn tăng trưởng nóng với sự tham gia mạnh mẽ của các nhà đầu tư ở nhiều tầng lớp. Phần lớn các nhà đầu tư này đều chưa có kiến thức căn bản về thị trường chứng khoán. Sự tham gia thị trường của các nhà đầu tư bị ảnh hưởng lớn bởi yếu tố bầy đàn. Từ năm 2007 đến nay, thị trường chứng khoán suy giảm cũng là một giai đoạn tốt để giảm bớt các nhà đầu tư ít kiến thức tham gia thị trường. Giai đoạn thị trường suy giảm cũng là giai đoạn để giúp đào tạo thêm kiến thức cho nhà đầu tư. Kiến thức về mô hình VaR cũng được xem là một trong các kiến thức căn bản nhưng chưa thực sự được phổ cập đối với các nhà đầu tư Việt Nam. Các kiến thức liên quan đến độ tin cậy, phân phối xác suất hay các kiểm định định lượng trong nghiên cứu VaR vẫn cần được tiếp tục truyền tải qua các khóa học ngắn và dài hạn. Với kết quả back testing ở phần trước cũng đã cho thấy được tính chính xác và mức độ phù hợp của các phương pháp để áp dụng tính VaR cho TTCKVN. Phương pháp được cho là có tính chính xác và phù hợp nhất với TTCKVN theo quan điểm của luận văn là phương pháp mô phỏng lịch sử có trọng số và phương pháp Modified Cornish Fisher VaR. 3.2.2. Một số giải pháp khác Các chủ thể trên thị trường cần căn cứ vào từng điều kiện của chứng khoán, của thị trường và mục tiêu đo lường để sử dụng linh hoạt các phương pháp đo lường rủi ro hệ thống. Hệ thống thông tin của TTCK là hệ thống chỉ tiêu, tư liệu liên quan đến chứng khoán và TTCK. Hệ thống thông tin TTCK rất đa dạng và phong phú Thang Long University Libraty 94 nhưng phải đảm bảo cung cấp đầy đủ thông tin cho nhà đầu tư, cơ quan quản lý điều hành và các tổ chức nghiên cứu. TTCK hoạt động hết sức nhạy cảm và phức tạp, vì vậy phải bình đẳng trong việc tiếp nhận thông tin, thông tin phải được đảm bảo minh bạch. Xây dựng hệ thống công bố thông tin trên TTCKVN để đảm bảo nguyên tắc công khai – nguyên tắc quan trọng nhất của TTCK. Nếu không có một hệ thống công bố thông tin hoạt động theo đúng yêu cầu của thị trường thì thị trường không thể vận hành được. Xét về hình thức và chất lượng công bố thông tin, dòng thông tin đầu vào từ các tổ chức niêm yết, các công ty kinh doanh chứng khoán đều dưới dạng văn bản do chưa có một hệ thống phần mềm thống nhất nối mạng giữa các tổ chức này. Trong khi đó, dòng thông tin đầu ra còn thiếu tính đa dạng và chất lượng thấp. Quy trình xử lý và công bố thông tin trên thị trường còn mất nhiều thời gian. Xét trên tổng thể thị trường, chưa có một hệ thống cơ sở dữ liệu thống nhất và phần mềm công bố thông tin thông suốt từ các tổ chức phát hành, niêm yết, tổ chức kinh doanh, đầu tư đến sàn giao dịch chứng khoán và các phương tiện truyền thông đại chúng. Chính vì vậy, khi thị trường lớn mạnh, lượng các công ty niêm yết, tổ chức kinh doanh tăng lên thì hệ thống công bố thông tin hiện tại khó có thể đảm đương được nhiệm vụ của mình khi mất rất nhiều thời gian để xử lý và công bố thông tin. Hoàn thiện khung pháp lý, nâng cao vai trò quản lý của UBCK Nhà nước, quan tâm đến việc minh bạch hóa thông tin, xây dựng và thực thi khung hình phạt và xử lý các trường hợp vi phạm như công bố thông tin sai, gây thiệt hại cho nhà đầu tư. Chuẩn hóa các văn bản cáo bạch, kiểm soát và xử lý các thông tin xấu nhằm gây rối loạn thị trường để trục lợi. Các công ty niêm yết cần chú trọng hệ thống kiểm tra, kiểm soát nội bộ và sẽ tự đào thải nếu có hành vi gian dối, mất lòng tin với nhà đầu tư. 95 Thành lập các cơ quan, tổ chức giám sát và đảm bảo chất lượng các thông tin được công bố trên TTCK. Việc rò rỉ thông tin, giao dịch nội gián, tung tin đồn thất thiệt của các "đội lái" là điều khó tránh khỏi. Nhưng đặc biệt nguy hiểm khi các nhà đầu tư trên TTCKVN chủ yếu là các nhà đầu tư không chuyên nghiệp, dễ bị tác động bởi các tin đồn dẫn tới điều chỉnh hành vi đầu tư của họ gây ra những hậu quả nghiêm trọng cho thị trường. Thành lập tổ chức tín nhiệm để đánh giá mức độ tín nhiệm của tổ chức phát hành chứng khoán và các tổ chức có chứng khoán niêm yết trên là rất cần thiết. Tổ chức tín nhiệm sẽ cung cấp cho thị trường và các nhà đầu tư một hệ thống xếp hạng các công cụ tài chính trên thị trường. Từ đó, giúp các nhà đầu tư có thêm nguồn cung cấp thông tin làm cơ sở để so sánh và ra quyết định đầu tư. Hoạt động tư vấn của các CTCK và CTQL Quỹ khi có tổ chức định mức tín nhiệm cũng sẽ là một hỗ trợ tích cực. Tái cấu trúc cơ cấu hàng hóa của TTCKVN: ngoài các loại chứng khoán hiện tại như cổ phiếu, trái phiếu; các nhà quản lý cần phải đa dạng các loại hàng hóa để tạo điều kiện cho các nhà đầu tư có thể lựa chọn và phân bổ kết cấu danh mục đầu tư phù hợp. Trong khi, trái phiếu có mức độ rủi ro thấp hơn so với cổ phiếu nên để giảm chi phí vốn cho nền kinh tế và tăng mức độ an toàn của hoạt động đầu tư các nhà quản lý đều có xu hướng tăng quy mô của của thị trường trái phiếu so với thị trường cổ phiếu. Ngoài ra, chứng khoán phái sinh là công cụ hiệu quả trong hoạt động phòng vệ nhằm giảm rủi ro cho các nhà đầu tư, đồng thời là công cụ cho hoạt động kinh doanh chênh lệch giá và hoạt động đầu cơ. Củng cố hệ thống các tổ chức trung gian chứng khoán đảm bảo tính chuyên nghiệp có đủ năng lực và tài chính, công nghệ và nguồn lực để cạnh tranh với các tổ chức kinh doanh chứng khoán trong khu vực. Nâng cao khả năng huy động nguồn của các CTQL Quỹ, CTCK. Các văn bản pháp quy cần Thang Long University Libraty 96 được ban hành và làm rõ hơn về tổ chức và hoạt động của CTCK, CTQL Quỹ theo hướng kiểm soát chặt chẽ các vấn đề quản trị rủi ro, tách bạch tài khoản, đầu tư bất động sản, liên thông vốn với ngân hàng... Hoàn thiện và thực hiện bộ chỉ tiêu an toàn tài chính nhằm thúc đẩy nhanh hơn quá trình tái cấu trúc các tổ chức kinh doanh chứng khoán. Chuẩn hóa hệ thống nhà đầu tư, khuyến khích các tổ chức, nhà đầu tư chuyên nghiệp như các ngân hàng, CTCK, các quỹ đầu tư tham gia thị trường. Nâng cao tỷ trọng các nhà đầu tư chuyên nghiệp, với các nhà đầu tư không chuyên khuyến khích nâng cao kiến thức đầu tư chứng khoán. Từ đó, thông qua cơ chế điều tiết của thị trường sẽ loại bỏ dần các nhà đầu tư thiếu kiến thức, đầu tư theo phong trào Hiện tại, TTCKVN cũng đã thu hút không ít các nhà đầu tư nước ngoài với thế mạnh về vốn, công nghệ, kinh nghiệm và kiến thức chuyên sâu. Điều này, đòi hỏi yêu cầu các nhà đầu tư trong nước phải có đủ sức mạnh, phải tự trang bị về kiến thức, kinh nghiệm thì mới có thể cạnh tranh và tồn tại được. 3.3. Khuyến nghị ứng dụng phương pháp VaR trong đo lường rủi ro hệ thống trên TTCK Việt Nam Khuyến nghị với Ủy ban chứng khoán Nhà nước Tăng cường các hoạt động hỗ trợ thị trường trong việc nghiên cứu và phát triển các công cụ đo lường rủi ro: Các định hướng và chính sách của UBCKNN nhằm hỗ trợ và thúc đẩy hoạt động quản trị rủi ro chung cho thị trường bao gồm các công ty niêm yết và các nhà đầu tư như: Phổ biến kiến thức về VaR và các phương pháp đo lường theo VaR, quy định và yêu cầu báo cáo trích lập dự phòng rủi ro giảm giá chứng khoán, xây dựng các chỉ tiêu an toàn tài chính của CTCK Tạo điều kiện và cơ sở vật chất về thông tin và nguồn dữ liệu cho việc ứng dụng phương pháp VaR trên TTCKVN: Việc xây dựng dữ liệu đầu vào 97 cho mô hình VaR là rất quan trọng. UBCKNN là cơ quan quản lý thị trường, do vậy việc định hướng xây dựng và cập nhật các cơ sở dữ liệu online sẽ tạo ra được sự thống nhất về dữ liệu giá lịch sử như bộ chỉ số ngành Dữ liệu được công bố chính xác và công khai sẽ tạo ra được sự thống nhất trong các phép đo lường để giảm bớt sự khác biệt trong các tính toán giữa các nhà phân tích khác nhau. Khuyến nghị với Sở giao dịch chứng khoán Hiện tại, chưa có phương pháp nào đo lường rủi ro hệ thống của toàn thị trường nên tính toán giá trị VaR của chỉ số Vnindex sẽ là một con số tham khảo đối với các nhà đầu tư. Mặc dù còn một số điều kiện chưa được đáp ứng đầy đủ với các phương pháp tính VaR cho rủi ro hệ thống của TTCKVN nhưng mức độ chính xác của phương pháp VaR vẫn được chấp nhận. Các SGDCK có thể đưa phương pháp này là một phương pháp tham khảo, độ chính xác sẽ tăng lên khi cơ sở dữ liệu và độ dài dữ liệu được cải thiện. Chính vì vậy, các SGDCK nên thực hiện ứng dụng đo lường rủi ro hệ thống bằng phương pháp VaR cho chỉ số Vnindex. Phương pháp VaR đòi hỏi những kiến thức về phân tích đầu tư, ứng dụng các công cụ, phần mềm kinh tế lượng, phần mềm tin học để tính toán nên có thể là một khó khăn ban đầu đối với các nhà đầu tư. Chính vì vậy, việc đào tạo kiến thức căn bản cho các nhà đầu tư là cần thiết. Nhà đầu tư có thể không cần có kiến thức quá sâu đối với việc tính toán VaR nhưng cần hiểu biết căn bản về ý nghĩa của chỉ số VaR. Ngoài ra, các SGDCK cũng cần giải thích để nhà đầu tư tin tưởng vào kết quả tính toán các giá trị VaR mà SGDCK công bố. Khuyến nghị với các công ty niêm yết Ngoài các công cụ ước lượng và dự báo truyền thống như: phương sai, độ lệch chuẩn, hệ số biến thiên, hệ số beta – β thì công cụ đo lường VaR cũng Thang Long University Libraty 98 là một công cụ bổ trợ hiệu quả cho các nhà quản trị của các doanh nghiệp niêm yết. Đặc biệt với các công ty đã niêm yết lâu, dữ liệu lịch sử đã đủ dài để tính toán VaR như cổ phiếu BBC đã cho thấy tính khả thi của phương pháp VaR. Dự báo về giá trị rủi ro rủi ro hệ thống của phương pháp VaR cho từng cổ phiếu riêng lẻ đã được luận văn tính toán với cổ phiếu BBC cho kết quả tốt. Ứng dụng VaR trong đo lường rủi ro hệ thống có thể giúp các nhà quản trị doanh nghiệp dự phòng các tính huống xấu có thể xảy ra. Củng cố hệ thông thông tin và công bố thông tin nhằm gia tăng tính công khai, minh bạch cho hoạt động kinh doanh của công ty và giảm thiểu rủi ro trong hoạt động. Việc bổ sung thêm chỉ số VaR vào thông tin công bố của các công ty là cần thiết. Hoạt động quản trị rủi ro được tăng cường cũng góp phần giảm thiểu rủi ro khi gia tăng được sự minh bạch thông tin. Khuyến nghị đối với công ty chứng khoán Trong báo cáo quản trị rủi ro nộp UBCKNN cần bổ sung thêm kết quả tính toán VaR cho hoạt động quản trị rủi ro thị trường tại các CTCK. Ngoài ra, việc tính toán VaR ứng dụng cho một số những hoạt động kinh doanh của CTCK cũng giúp cho việc xây dụng hạn mức rủi ro để phòng tránh rủi ro xảy ra tại các công ty. Tính toán VaR cho danh mục đầu tư và các cổ phiếu riêng lẻ để tư vấn cho khách hành nhằm hạn chế rủi ro cho khách hàng đầu tư. Việc tính toán và công bố hệ số VaR cho khách hàng sẽ giúp ích cho hoạt động tư vấn đầu tư chứng khoán, hạn chế rủi ro cho khách hàng cũng là tăng tạo hình ảnh tốt đẹp của công ty trong mắt các nhà đầu tư. Khuyến nghị đối với nhà đầu tư Tự nâng cao kiến thức về chứng khoán và rủi ro trong đầu tư chứng khoán, cần có những nhận định đúng đắn trước những thông tin thất thiệt trên thị trường. Tìm hiểu kiến thức về phương pháp VaR, cho dù độ chính xác của 99 VaR là chưa cao nhưng nó là công cụ đơn giản và dễ dàng cho nhà đầu tư trong việc so sánh độ rủi ro giữa các chứng khoán riêng lẻ hay danh mục đầu tư. Xác định được mức thua lỗ lớn nhất có thể xảy ra sẽ giúp các nhà đầu tư có sự chuẩn bị về nguồn tài chính dự phòng, xác định giới hạn cắt lỗ Thang Long University Libraty 100 KẾT LUẬN Mặc dù, thị trường chứng khoán Việt Nam đã vận hành được hơn 14 năm nhưng chưa có nhiều nghiên cứu về phương pháp đo lường rủi ro hệ thống của thị trường. Phần lớn các nghiên cứu tập chung vào việc sử dụng các mô hình định giá tài sản vốn như CAPM hay lý thuyết kinh doanh chênh lệch giá APT để đo lường rủi ro thị trường. Hiện tại, rất ít những nghiên cứu về phương pháp đo lường VaR để thực hiện ứng dụng cho thị trường chứng khoán Việt Nam. Phương pháp đo lường rủi ro hệ thống của TTCKVN được chủ yếu thực hiện với từng cổ phiếu riêng lẻ hay danh mục đầu tư riêng lẻ thông qua việc xác định hệ số β. Hệ số β sẽ cho biết mức biến động (độ nhạy) của tỷ suất sinh lời của cổ phiếu hay danh mục đầu tư sẽ là bao nhiêu % khi tỷ suất sinh lời của danh mục thị trường biến động 1%. Tuy nhiên, rất nhiều nghiên cứu đã chứng minh thị trường chứng khoán Việt Nam chưa thực sự phát triển để đáp ứng được các điều kiện của phương pháp này. Khi thực hiện phương pháp này để đo lường rủi ro hệ thống của cổ phiếu hay danh mục đầu tư sẽ có những hạn chế sau đây: TTCKVN chưa đảm bảo là thị trường hiệu quả: Số liệu quá khứ được sử dụng trong tính toán hệ số beta chưa phản ánh đúng mối quan hệ giữa thu nhập và rủi ro do tính minh bạch của công bố thông tin còn hạn chế, hiện tượng làm giá, thao túng thị trường và giao dịch nội gián còn tồn tại và chưa kiểm soát được. Thứ hai là danh mục thị trường được coi là danh mục bao gồm toàn bộ các cổ phiếu niêm yết trên thị trường với thu nhập được đánh giá thông qua biến động của chỉ số Vnindex. Do các doanh nghiệp niêm yết trên SGDCK chưa đại diện được cho nền kinh tế Việt Nam nên chưa thỏa mãn về giả thiết 101 danh mục thị trường hoàn toàn đa dạng nên chưa thể loại trừ yếu tố rủi ro phi hệ thống. Đây là hạn chế lớn nhất khi áp dụng phương pháp và ngay cả với những thị trường chứng khoán phát triển khi những hạn chế này được khắc phục thì hệ số β cũng chỉ phù hợp ứng dụng để đo lường rủi ro hệ thống của cổ phiếu hay danh mục đầu tư riêng lẻ. Hệ số β không thể đo lường rủi ro hệ thống của cả thị trường vì khi đó rủi ro hệ thống của toàn thị trường được xem như là β của danh mục thị trường và hệ số β = 1. Việc khắc phục các hạn chế trong đo lường rủi ro hệ thống của TTCKVN là cần thiết và mô hình xác định giá trị rủi ro VaR – value at risk khắc phục được những hạn chế của β. Mô hình này có thể đo lường rủi ro của một cổ phiếu, danh mục đầu tư riêng lẻ, từng ngành hay toàn bộ thị trường. Chính vì vậy, luận văn khuyến nghị áp dụng mô hình VaR với 5 phương pháp cận khác nhau như: phương pháp HS, AWHS, NLV, MCFS, MCS để đo lường rủi ro hệ thống trên TTCKVN và sử dụng linh hoạt các phương pháp này cho từng đối tượng khác nhau. Với mục đích đo lường nhằm hoàn thiện việc quản trị rủi ro hệ thống trên TTCKVN, luận văn cũng khuyến nghị với UBCKNN, các Sở GDCK, CTCK, nhà đầu tư và các đối tượng liên quan khác sử dụng mô hình VaR để xác định, đo lường rủi ro hệ thống trên TTCKVN. Thang Long University Libraty DANH MỤC TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt 1. TS. Võ Thị Thúy Anh, ThS. Lê Phương Dung, ThS. Đặng Hữu Mẫn (2012). Giáo trình Đầu tư tài chính, Trường Đại học Kinh tế - Đại học Đà Nẵng, Nhà xuất bản tài chính. 2. Trần Minh Ngọc Diễm (2008). Ứng dụng các lý thuyết tài chính hiện đại trong việc đo lường rủi ro của các chứng khoán niêm yết tại Sở giao dịch chứng khoán thành phố Hồ Chí Minh. Kinh tế tài chính - Ngân hàng. Đại học kinh tế TP Hồ Chí Minh. 3. Trần Mạnh Hà (2010). ứng dụng Value at risk trong việc cảnh báo và giám sát rủi ro thị trường đối với hệ thống NHTM Việt Nam. Khoa Ngân hàng - Học viện Ngân hàng. 4. PGS.TS. Tô Ngọc Hưng (2010). Hoàn thiện hệ thống giám sát tài chính ở Việt Nam. Bộ Khoa học - Công nghệ, Đề tài cấp nhà nước KX.01.14/06-01. 5. Phan Ngọc Hùng (2007). Xây dựng và quản lý danh mục đầu tư trên thị trường chứng khoán Việt Nam. Kinh tế tài chính - ngân hàng. Trường ĐH kinh tế TPHCM. 6. Trần Thế Hưng (2010). Ứng dụng phương pháp VaR trong việc xác định giá trị rủi ro đối với cổ phiếu trong thị trường chứng khoán Việt Nam. Khoa Toán kinh tế - ĐH kinh tế Quốc dân. 7. PGS.TS. Trần Đăng Khâm (2009). Thị trường chứng khoán - Phân tích cơ bản, Trường Đại học kinh tế Quốc dân, Khoa ngân hàng - tài chính, Nhà xuất bản Đại học kinh tế Quốc dân. 8. PGS.TS. Nguyễn Minh Kiều (2012). Quản trị rủi ro tài chính, Đại học Mở TP.HCM và Chương trình giảng dạy kinh tế Fulbright, Nhà xuất bản Tài Chính. 9. 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. Trường đại học Kinh tế, Đại học Đà Nẵng. 10. Hoàng Đức Mạnh ( 2014). Một số mô hình đo lường rủi ro trên thị trường chứng khoán Việt Nam. Kinh tế học (Điều kiển học kinh tế). Trường Đại học Kinh tế Quốc dân. 11. PGS.TS. Nguyễn Văn Nam, PGS.TS. Hoàng Xuân Quyến (2002). Rủi ro tài chính: thực tiễn và phương pháp đánh giá, Nhà xuất bản Tài chính. 12. PGS.TS. Nguyễn Văn Nam, PGS.TS. Vương Trọng Nghĩa (2002). Giáo trình: Thị trường chứng khoán, Trường đại học kinh tế Quốc dân, Nhà xuất bản tài chính. 13. Trường ĐH kinh tế TPHCM (2010). Tính hiệu quả về mặt thông tin của thị trường chứng khoán Việt Nam. 14. Bộ tài chính, Ủy ban chứng khoán Nhà nước (2013). Quyết định số 428/QĐ- UBCK, ngày 11/07/2013 về việc ban hành Quy chế hướng dẫn việc thiết lập, vận hành hệ thống quản trị rủi ro cho công ty quản lý quỹ và công ty chứng khoán riêng lẻ tự quản lý. 15. Cao Vệ (2011). Đo lường hành vi bầy đàn trên thị trường chứng khoán Việt Nam. Đại học kinh tế TP Hồ Chí Minh. 16. Nguyễn Ngọc Vũ (2010). Tính toán hệ số bêta của một số công ty niêm yết tại sàn giao dịch chứng khoán Hà Nội (HNX). Tạp chí khoa học và công nghệ, Đại học Đà Nẵng - Số 2(37).2010. Đại học Đà Nẵng. 17. PGS.TS. Bùi Kim Yến (2009). Phân tích chứng khoán và quản lý danh mục đầu tư, Nhà xuất bản Tài Chính. 18. PGS.TS. Bùi Kim Yến, TS. Thân Thị Thu Thủy (2013). Phân tích và đầu tư chứng khoán, Nhà xuất bản tài chính. Tài liệu tiếng Anh 19. Pamela Peterson Drake, Frank J Fabozzi (2011). The basics of finance, John Wiley & Sons, Inc. 20. Cecilia Fransson (2011). Market risk in volatile times. 21. Kim Hiang Liow, Muhammad Faishal Ibrahim, Qiong Huang (2006). Macroeconomic risk influences on the property stock market. Journal of Property Investment & Finance, 24, 295-323. 22. Filip Iorgulescu (2008). Value at risk: A comparative Analysis. Economic studies, Bucharest Dofin Master Program. 23. Olli Nieppola (2009). Backtesting Value-at-risk Models. Economics. Helsinkin School of Economics. 24. Sollis Robert (2009). Value at risk: a critical overview. Journal of Financial Regulation and Compliance, 17, 398-414. 25. WANG ZHENG (2002). The Properties of Incremental VaR in Monte Carlo Simulations. The Journal of Risk Finance, 3, 14-23. Thang Long University Libraty PHỤ LỤC Phụ lục 1. Giá trị thống kê tỷ suất sinh lời chỉ số Vnindex Phụ lục 2. Giá trị thống kê tỷ suất sinh cổ phiếu BBC 0 100 200 300 400 500 600 700 -0.04 -0.02 -0.00 0.02 0.04 0.06 0.08 Series: RVN Sample 3/05/2002 12/31/2012 Observations 2825 Mean 0.000274 Median 0.000000 Maximum 0.077407 Minimum -0.049626 Std. Dev. 0.015306 Skewness 0.045308 Kurtosis 4.560562 Jarque-Bera 287.6278 Probability 0.000000 0 40 80 120 160 200 240 -0.100 -0.075 -0.050 -0.025 0.000 0.025 0.050 Series: RBBC Sample 1/03/2006 12/31/2009 Observations 1043 Mean 0.000253 Median 0.000000 Maximum 0.048790 Minimum -0.096630 Std. Dev. 0.029158 Skewness 0.022899 Kurtosis 2.291747 Jarque-Bera 21.89085 Probability 0.000018 Phụ lục 3. Giá trị thống kê tỷ suất sinh lời chỉ số ngành thực phẩm Phụ lục 4: Kiểm định Dickey-Fuller Vnindex Null Hypothesis: RVN has a unit root Exogenous: None Lag Length: 3 (Automatic based on SIC, MAXLAG=27) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -22.50541 0.0000 Test critical values: 1% level -2.565782 5% level -1.940936 10% level -1.616624 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RVN) Method: Least Squares Date: 07/04/15 Time: 14:41 Sample (adjusted): 3/11/2002 12/31/2012 Included observations: 2821 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RVN(-1) -0.684730 0.030425 -22.50541 0.0000 D(RVN(-1)) -0.033618 0.027237 -1.234256 0.2172 D(RVN(-2)) -0.086090 0.023056 -3.733911 0.0002 D(RVN(-3)) -0.101196 0.018741 -5.399783 0.0000 R-squared 0.374641 Mean dependent var 7.08E-06 Adjusted R-squared 0.373975 S.D. dependent var 0.018530 S.E. of regression 0.014661 Akaike info criterion -5.605798 Sum squared resid 0.605522 Schwarz criterion -5.597368 Log likelihood 7910.978 Hannan-Quinn criter. -5.602756 Durbin-Watson stat 2.007164 0 40 80 120 160 200 -0.06 -0.04 -0.02 -0.00 0.02 0.04 Series: RTP Sample 1/01/2009 12/31/2012 Observations 1042 Mean 0.000608 Median 0.000000 Maximum 0.047947 Minimum -0.056668 Std. Dev. 0.016359 Skewness -0.112167 Kurtosis 3.817745 Jarque-Bera 31.21798 Probability 0.000000 Thang Long University Libraty Null Hypothesis: RVN has a unit root Exogenous: Constant Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -40.36621 0.0000 Test critical values: 1% level -3.432474 5% level -2.862364 10% level -2.567253 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RVN) Method: Least Squares Date: 07/15/15 Time: 14:13 Sample (adjusted): 3/06/2002 12/31/2012 Included observations: 2824 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RVN(-1) -0.731979 0.018133 -40.36621 0.0000 C 0.000206 0.000278 0.743603 0.4572 R-squared 0.366047 Mean dependent var 8.41E-06 Adjusted R-squared 0.365822 S.D. dependent var 0.018520 S.E. of regression 0.014749 Akaike info criterion -5.594622 Sum squared resid 0.613849 Schwarz criterion -5.590411 Log likelihood 7901.606 Hannan-Quinn criter. -5.593102 F-statistic 1629.431 Durbin-Watson stat 1.971055 Prob(F-statistic) 0.000000 Null Hypothesis: RVN has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -40.37499 0.0000 Test critical values: 1% level -3.961292 5% level -3.411398 10% level -3.127550 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RVN) Method: Least Squares Date: 07/15/15 Time: 14:14 Sample (adjusted): 3/06/2002 12/31/2012 Included observations: 2824 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RVN(-1) -0.732340 0.018138 -40.37499 0.0000 C 0.000641 0.000555 1.153942 0.2486 @TREND(3/05/2002) -3.08E-07 3.41E-07 -0.903217 0.3665 R-squared 0.366230 Mean dependent var 8.41E-06 Adjusted R-squared 0.365780 S.D. dependent var 0.018520 S.E. of regression 0.014749 Akaike info criterion -5.594203 Sum squared resid 0.613672 Schwarz criterion -5.587886 Log likelihood 7902.014 Hannan-Quinn criter. -5.591924 F-statistic 815.0700 Durbin-Watson stat 1.970942 Prob(F-statistic) 0.000000 Thang Long University Libraty Phụ lục 5: Kiểm định Dickey-Fuller cổ phiếu BBC Null Hypothesis: RBBC has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=21) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -24.54426 0.0000 Test critical values: 1% level -2.567183 5% level -1.941127 10% level -1.616495 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RBBC) Method: Least Squares Date: 07/04/15 Time: 14:50 Sample (adjusted): 1/04/2006 12/31/2009 Included observations: 1042 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RBBC(-1) -0.733130 0.029870 -24.54426 0.0000 R-squared 0.366565 Mean dependent var 0.000000 Adjusted R-squared 0.366565 S.D. dependent var 0.035326 S.E. of regression 0.028115 Akaike info criterion -4.304035 Sum squared resid 0.822889 Schwarz criterion -4.299285 Log likelihood 2243.402 Hannan-Quinn criter. -4.302233 Durbin-Watson stat 1.999019 Null Hypothesis: RBBC has a unit root Exogenous: Constant Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -24.53392 0.0000 Test critical values: 1% level -3.436407 5% level -2.864103 10% level -2.568186 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RBBC) Method: Least Squares Date: 07/15/15 Time: 14:17 Sample (adjusted): 1/04/2006 12/31/2009 Included observations: 1042 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RBBC(-1) -0.733185 0.029885 -24.53392 0.0000 C 0.000185 0.000871 0.212716 0.8316 R-squared 0.366593 Mean dependent var 0.000000 Adjusted R-squared 0.365984 S.D. dependent var 0.035326 S.E. of regression 0.028128 Akaike info criterion -4.302159 Sum squared resid 0.822853 Schwarz criterion -4.292660 Log likelihood 2243.425 Hannan-Quinn criter. -4.298556 F-statistic 601.9133 Durbin-Watson stat 1.998996 Prob(F-statistic) 0.000000 Thang Long University Libraty Null Hypothesis: RBBC has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -24.56320 0.0000 Test critical values: 1% level -3.966879 5% level -3.414131 10% level -3.129170 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RBBC) Method: Least Squares Date: 07/15/15 Time: 14:18 Sample (adjusted): 1/04/2006 12/31/2009 Included observations: 1042 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RBBC(-1) -0.734739 0.029912 -24.56320 0.0000 C 0.001895 0.001745 1.085444 0.2780 @TREND(1/03/2006) -3.28E-06 2.90E-06 -1.130115 0.2587 R-squared 0.367370 Mean dependent var 0.000000 Adjusted R-squared 0.366153 S.D. dependent var 0.035326 S.E. of regression 0.028125 Akaike info criterion -4.301468 Sum squared resid 0.821843 Schwarz criterion -4.287219 Log likelihood 2244.065 Hannan-Quinn criter. -4.296063 F-statistic 301.6755 Durbin-Watson stat 1.998351 Prob(F-statistic) 0.000000 Phụ lục 6: Kiểm định Dickey-Fuller chỉ số ngành thực phẩm Null Hypothesis: RTP has a unit root Exogenous: None Lag Length: 0 (Automatic based on SIC, MAXLAG=21) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -25.57046 0.0000 Test critical values: 1% level -2.567185 5% level -1.941128 10% level -1.616495 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RTP) Method: Least Squares Date: 07/04/15 Time: 14:51 Sample (adjusted): 1/05/2009 12/31/2012 Included observations: 1041 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RTP(-1) -0.772027 0.030192 -25.57046 0.0000 R-squared 0.386014 Mean dependent var 7.33E-20 Adjusted R-squared 0.386014 S.D. dependent var 0.020351 S.E. of regression 0.015947 Akaike info criterion -5.438188 Sum squared resid 0.264464 Schwarz criterion -5.433435 Log likelihood 2831.577 Hannan-Quinn criter. -5.436385 Durbin-Watson stat 1.993847 Thang Long University Libraty Null Hypothesis: RTP has a unit root Exogenous: Constant Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -25.58702 0.0000 Test critical values: 1% level -3.436413 5% level -2.864106 10% level -2.568188 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RTP) Method: Least Squares Date: 07/15/15 Time: 14:20 Sample (adjusted): 1/05/2009 12/31/2012 Included observations: 1041 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RTP(-1) -0.773097 0.030214 -25.58702 0.0000 C 0.000471 0.000495 0.951786 0.3414 R-squared 0.386548 Mean dependent var 7.33E-20 Adjusted R-squared 0.385958 S.D. dependent var 0.020351 S.E. of regression 0.015947 Akaike info criterion -5.437138 Sum squared resid 0.264234 Schwarz criterion -5.427632 Log likelihood 2832.031 Hannan-Quinn criter. -5.433532 F-statistic 654.6954 Durbin-Watson stat 1.993473 Prob(F-statistic) 0.000000 Null Hypothesis: RTP has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Fixed) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -25.58733 0.0000 Test critical values: 1% level -3.966888 5% level -3.414136 10% level -3.129172 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RTP) Method: Least Squares Date: 07/15/15 Time: 14:20 Sample (adjusted): 1/05/2009 12/31/2012 Included observations: 1041 after adjustments Variable Coefficient Std. Error t-Statistic Prob. RTP(-1) -0.773562 0.030232 -25.58733 0.0000 C 0.001012 0.000992 1.020287 0.3078 @TREND(1/01/2009) -1.04E-06 1.65E-06 -0.629538 0.5291 R-squared 0.386783 Mean dependent var 7.33E-20 Adjusted R-squared 0.385601 S.D. dependent var 0.020351 S.E. of regression 0.015952 Akaike info criterion -5.435599 Sum squared resid 0.264133 Schwarz criterion -5.421340 Log likelihood 2832.229 Hannan-Quinn criter. -5.430190 F-statistic 327.3557 Durbin-Watson stat 1.993317 Prob(F-statistic) 0.000000 Thang Long University Libraty