Nghiên cứu ứng dụng mô hình VaR (Value at risk) và mô hình Arima (Autoregressive integrated moving average) vào QTRR danh mục cổ phiếu niêm yết

Mô hình Arima có thể dùng để dự báo, song chưa phải là tối ưu bởi vì sự phụ thuộc trong mô hình được giả định là tuyến tính. Kế đó, việc dự báo cho các ngày kế tiếp để thấy rõ xu hướng giá thường có sai số lớn, việc cập nhật dữ liệu thường xuyên là cần thiết để đưa ra dự báo sát với thực tế hơn. Ngoài ra, xu hướng giá có thể chưa thể hiện rõ nét nếu chỉ dựa vào việc dự báo giá cổ phiếu trong vài ba ngày tới. + Hạn chế xuất phát từ sự kết hợp: Thứ nhất, việc giả định các hoạt động mua bán trên TTCK diễn ra liên tục tức không tuân theo quy luật T+3 như hiện nay là một hạn chế lớn trong đề tài. Tuy nhiên, trong thực tế, chúng ta cũng có một số cách khắc phục như việc ứng trước tiền trên tài khoản kèm với việc đã trừ đi 1 khoản phí cho việc vay 3 ngày làm việc đó, lãi suất tùy theo từng thời kỳ (hiện tại là 0,055%/ngày10). Thứ hai, việc chỉ nhìn vào xu hướng giá cổ phiếu tăng giảm để điều chỉnh danh mục tỏ ra là một hạn chế. Do đó, khi tiến hành chúng ta nên kết hợp với xem xét thêm các nhân tố tác động trực tiếp đến VaR của danh mục để có thể điều chỉnh chính xác hơn.

pdf88 trang | Chia sẻ: phamthachthat | Lượt xem: 1150 | Lượt tải: 2download
Bạn đang xem trước 20 trang tài liệu Nghiên cứu ứng dụng mô hình VaR (Value at risk) và mô hình Arima (Autoregressive integrated moving average) vào QTRR danh mục cổ phiếu niêm yết, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
3 -7,970.02 Ý nghĩa: -Với độ tin cậy là 95% thì khoản lỗ tối đa mà NĐT có thể gặp phải vào ngày mai là 5,550,330đ hoặc NĐT dự kiến lỗ ít nhất là 5,550,330đ trong một ngày với xác suất 5%. -Với độ tin cậy là 99% thì khoản lỗ tối đa mà NĐT có thể gặp phải vào ngày mai là 7,970,020đ hoặc NĐT dự kiến lỗ ít nhất là 7,970,020đ trong một ngày với xác suất 1%. 2.2.2 Kết quả tính VaR Bảng 2.8 - Kết quả tính VaR theo các phương pháp VaR (1000đ) 5% 1% Historical method - 6,259.14 -11,776.59 Variance-Covariance - 6,751.15 - 9,713.16 Monte Carlo - 5,550.33 - 7,970.02 Nhận xét: Từ kết quả tính VaR từ ba phương pháp ở các mức xác suất là 5% và 1%, ta có thể thấy: + Kết quả tính VaR tại xác suất 5% ở cả ba phương pháp khá đồng đều, chênh lệch không lớn lắm, ở mức xác suất 1% có sự chênh lệch hơn. + Kết quả tính VaR ở mức xác xuất lớn hơn sẽ nhỏ hơn và ngược lại. + VaR tính được ở phương pháp Monte Carlo đạt kết quả nhỏ nhất ở cả hai mức xác suất là 5% và 1%. 2.2.3 Ứng dụng Back-test để kiểm tra tính chính xác của VaR Giả sử NĐT tin rằng VaR tính được theo phương pháp Monte Carlo là đáng tin cậy hơn cả. Vậy chúng ta sẽ cùng thử kiểm tra các kết quả VaR tính được từ phương pháp Monte Carlo thông qua các phép thử sau đây. Đầu tiên là Back-test. Ta có VaR (5%) = -5,550.33 (1000đ) và VaR(1%) = -7,970.02 (1000đ) Trư ờng Đạ i họ c K in tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 66 Tiến hành so sánh kết quả này với những khoản lỗ thực sự trong quá khứ chúng ta có được kết quả như bảng bên dưới. Bảng 2.9 - Kiểm định Back-test Ngày PPC VNM VCB HTI OPC TNC ELC PET HOT VIS Mô phỏng Lời lỗ Black- test 12/19/2012 11.9 84.5 26.6 7 37.5 15.5 28 12.7 24.7 6.9 255,300 -39900 1 08/21/2012 9.4 105 27 7.4 36.6 17.5 23.5 11.6 24.4 11.1 273,500 -15300 2 02/26/2013 15 101 30.9 7.5 44.9 17.2 26.8 15.5 25.5 10.9 295,200 -10800 3 06/25/2013 22.4 130 27.7 7.5 69 14.2 22.5 20.5 27 12.2 353,000 -10700 4 08/28/2013 20 133 24.6 8.1 66 13.5 23 20.3 25.5 10.3 344,300 -10600 5 04/15/2013 19.1 120 27.3 7.2 62 17.3 27.8 16.4 27.8 9.9 334,800 -10300 6 11/02/2012 8.3 121 22 6.8 34.1 14.8 24.2 10.6 28.3 6.6 276,700 -10100 7 08/23/2013 22.1 136 25.2 8.1 67 13.6 20.6 21.5 27.8 10.7 352,600 -10000 8 08/27/2012 8.9 102 24.8 7.1 35.7 15.7 23 11 22.8 9.6 260,600 -9600 9 09/18/2013 18.6 136 25.2 8 64 13.4 21.4 21.1 23.5 10.3 341,500 -7800 10 08/23/2012 8.7 102 25.1 6.9 37.5 15.9 23.9 11.1 24.4 10.1 265,600 -7800 11 09/09/2013 19.6 136 23.7 7.8 64.5 13.6 23.3 19.9 23.1 10.2 341,700 -7200 12 09/10/2012 9.4 104 24.2 7.6 34.5 15.6 24.5 11.1 20.6 8.9 260,400 -7100 13 06/17/2013 23.7 132 30.6 7.6 72.5 14.7 22.2 22.4 27 13.5 366,200 -7000 14 07/29/2013 22.5 141 27 7.8 69.5 13.6 21.3 20.3 25 10.5 358,500 -6700 15 03/08/2012 9.4 91.5 27.5 7.6 30 13.4 28.2 13.1 19.1 13.9 253,700 -6500 16 03/06/2012 9.4 92.5 28.9 7.9 31 13.9 28.4 13.6 19.1 14.5 259,200 -6500 17 07/24/2013 24.5 142 27.6 8 69.5 14 24.5 22.1 25 11.3 368,500 -6300 18 03/04/2013 16 102 32.1 7.6 50 17 25 14 27.8 10.7 302,200 -6300 19 08/20/2013 23.2 146 26.7 8.1 66.5 13.9 19.5 22.5 27.8 11.4 365,600 -5900 20 02/28/2012 8.8 91 27.5 7.2 30.5 13.6 26 13.4 18.1 14.1 250,200 -5900 21 02/20/2014 25.4 138 29.1 10.7 63 14.7 17.5 22 29.8 10.7 360,900 -5900 22 04/10/2013 20.5 126 29.1 7.6 61 18.3 29.7 17.8 27.9 10.1 348,000 -5700 23 05/15/2012 11.4 89 35.2 9.2 37 19 28 13.3 29.6 16 287,700 -5700 24 07/03/2012 10.3 87 28.1 7.6 34 15.3 20.6 11.4 28.7 11.3 254,300 -5600 25 06/04/2012 10.4 86 28.2 8.4 37 15.8 25.3 12.1 30 12.9 266,100 -5500 26 Kết quả này cho thấy: -Tại VaR (5%) có 25 ngày trong quá khứ mà khoản lỗ thực sự lớn hơn giá trị VaR tìm được. Tuy nhiên với độ tin cậy 95% và kích thước mẫu là 556, thì số ngày có lỗ vượt qua giới hạn VaR được chấp nhận là 5%x566 = 28 ngày > 25 ngày. Như vậy giá trị VaR(5%) = -5,550.33 (1000đ) tìm được có thể xem đáng tin cậy . Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 67 -Tại VaR (1%) có 9 ngày trong quá khứ mà khoản lỗ thực sự lớn hơn giá trị VaR tìm được. Tuy nhiên với độ tin cậy 99% và kích thước mẫu là 556, thì số ngày có lỗ vượt qua giới hạn VaR được chấp nhận là 5%*566 = 5.56 ngày < 9 ngày. Như vậy giá trị VaR(1%) = -7,970.02 (1000đ) tìm được là chưa đáng tin cậy. 2.2.4 Ứng dụng Stress-test và E-VaR để khắc phục hạn chế của VaR 2.2.4.1 Stress-test Với phép thử Stress-test, chúng ta sẽ đưa ra những bối cảnh của các nhân tố rủi ro biến động khác xa so với điều kiện bình thường, qua đó xác định VaR ứng với từng bối cảnh đó. Ở đây, chúng ta thấy rằng giá cổ phiếu có độ rủi ro chỉ dao động trong khoảng từ 2-3%, đó là với những điều kiện bình thường trong quá khứ. Với Stress-test, chúng ta sẽ đưa ra những bối cảnh biến động rất mạnh của giá cổ phiếu - cụ thể tăng thêm 3% nữa, qua đó tính toán VaR ứng với bối cảnh này để có thể đưa ra những khuyến nghị phù hợp về vốn. Ta tiến hành phép thử Stress-test với kết quả tính VaR từ phương pháp mô phỏng Monte Carlo như bên dưới. Biểu đồ 2.3 - Kết quả Stress-Test bằng mô phỏng Monte Carlo với mức biến động tăng thêm 3% cho trường hợp xác suất 5%Trư ờng Đạ i họ c K in tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 68 Biểu đồ 2.4 - Kết quả Stress-Test bằng mô phỏng Monte Carlo với mức biến động tăng thêm 3% cho trường hợp xác suất 1% Rõ ràng nhận thấy trong trường hợp này VaR của danh mục đã tăng lên đáng kể, cụ thể là VaR(5%) = (-0.0380) x 361,800 = -13,748.4 (1,000đ) VaR(1%) = (-0.0530) x 361,800 = -19,177.4 (1,000đ) Lớn hơn gần gấp đôi so với giá trị VaR ban đầu. Mức so sánh này cho thấy tầm quan rọng của Stress test. Đó sẽ là một chuẩn để các nhà quản trị đánh giá chính xác hơn về rủi ro của sự biến động giá cổ phiếu mà NĐT đang gặp phải, cảm nhận về rủi ro của NĐT sẽ khác, và nhu cầu về phòng ngừa rủi ro chắc chắn được ưu tiên và cần đáp ứng. 2.2.4.2 E-VaR Nhớ lại kết quả Black-test của chúng ta ở trên, kết quả tính VaR(1%) = -7,970.02 (1000Đ) tìm được là chưa đáng tin cậy, không đánh giá chính xác rủi ro tỷ giá mà NĐT đang gặp phải, do đó chúng ta cần dùng đến E-VaR. Kết quả tính toán E-VaR được trình bày tại Bảng dưới đây:Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 69 Bảng 2.10 - Bảng tính E-VaR Với kết quả tính trên E-VaR = -14,144 (1000đ), tức mức lỗ lớn nhất thực sự trong trường hợp này là 14,144,000đ. Kết quả này có chênh lệch lớn so với VaR tính được ở phương án trên (xấp xỉ 8 tr.đ). Tuy nhiên E–VaR cũng cho chúng ta cách nhìn toàn diện về rủi ro NĐT đang gặp phải. Chính kết quả này sẽ làm nền tảng nhà quản trị ra quyết định quản trị rủi ro, căn cứ trên mức chịu đựng của NĐT. 2.2.5 Hiệu quả đạt được từ mô hình VaR Như đã đề cập, VaR ở với độ tin cậy 95% là có thể chấp nhận, đ thời VaR tính được từ phương pháp Monte Carlo được sự tin cậy nhất định của NĐT. NĐT quyết định sử dụng VaR(5%) = -5,550.33 (1000đ) tính từ phương pháp Monte Carlo như là một tiêu chuẩn để QTRR cho danh mục của mình. Dựa trên kinh nghiệm của mình cũng như từ các phép thử Back-Test và Stress test NĐT tin rằng trong sẽ không có sự biến động lớn nào trong tương lai và kết quả VaR(5%) = -5,550.33 (1000đ) là đáng tin cậy.  Nhận diện được mức độ rủi ro hiện tại của danh mục Từ việc tính toán VaR của danh mục cũng như thực hiện các phép thử cần thiết, kết quả tính toán cho ra một con số là mức lỗ lớn nhất có thể gặp phải đối với DMĐT ở tin cậy 95% là xấp xỉ 5,6 tr.đ. Các nhà quản trị có thể dựa vào kết quả này cộng với kinh nghiệm của mình và kết hợp với các dự báo của mô hình Arima ở phần tiếp theo, để đưa ra các quyết định trong việc QTRR cho danh mục. STT Loss Li Xác suất Pi LixPi 1 -39,900 0.00180 -71.76259 2 -15,300 0.00180 -27.51799 3 -10,800 0.00180 -19.42446 4 -10,700 0.00180 -19.24460 5 -10,600 0.00180 -19.06475 6 -10,300 0.00180 -18.52518 7 -10,100 0.00180 -18.16547 8 -10,000 0.00180 -17.98561 9 -9,600 0.00180 -17.26619 Tổng 0.01619 -228.95683 E-VaR -14,144 Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 70 -.150 -.125 -.100 -.075 -.050 -.025 .000 .025 .050 I II III IV I II III IV I 2012 2013 2014 D IF1 5.8 5.9 6.0 6.1 6.2 6.3 6.4 I II III IV I II III IV I 2012 2013 2014 Ln(CSDM) 2.3 Ứng dụng mô hình Arima để dự báo CSDM và giá các cổ phiếu trong danh mục 2.3.1 Dự báo chỉ số danh mục cổ phiếu a. Nhận dạng mô hình Trước khi tiến hành phân tích, ta tiến hành lấy logarit tự nhiên chuỗi CSDM. Ta có: Biểu đồ 2.5 cho thấy chuỗi Ln(CSDN) biến đổi không ổn định, xu hướng của nó lúc tăng lúc giảm. Như vậy có thể suy đoán rằng chuỗi này không dừng. Tuy vậy khi lấy sai phân bậc nhất của chuỗi Ln(CSDN) thì ta được chuỗi mới, chuỗi này không rõ xu hướng và xoay quanh một giá trị trung bình nào đó ở biểu đồ 2.6. Đây được xem là biểu hiện của một chuỗi dừng. Để khẳng định những suy đoán trên, kiểm định ADF (Augmented Dickey – Fuller) đã được sử dụng và kết quả thể hiện ở Bảng 2.11 và 2.12. Biểu đồ 2.5 - Diễn biến chuỗi Ln(CSDN) từ 03/01/12-01/04/14 Biểu đồ 2.6 - Diễn biến chuỗi Ln(CSDN) từ 03/01/12-01/04/14 sau khi lấy sai phân bậc 1 Bảng 2.11 - Kết quả kiểm định ADF đối với chuỗi Ln(CSDN) Bảng 2.12 - Kết quả kiểm định ADF đối với chuỗi sai phân bậc 1 Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 71 Bảng 2.11 ta thấy:│ =-1.724339│< giá trị tuyệt đối của ở cả 3 mức ý nghĩa, chứng tỏ chuỗi Ln(CSDM) không dừng. Bảng 2.12 ta thấy │ =-23.84006│> giá trị tuyệt đối của ở cả 3 mức ý nghĩa, chuỗi đã dừng ở sai phân bậc 1. Biểu đồ 2.7 - Hàm tương quan và tự tương quan riêng phần của chuỗi Ln(CSDM) ở sai phân bậc 1 Từ kết quả lược đồ tự tương quan và tương quan riêng phần, giá trị ACF và PACF khác 0 và có ý nghĩa thống kê tại độ trễ 25. Do đó ở đây chúng ta chọn được q=25 và p=25. Vậy mô hình thử nghiệm là ARIMA(25,1,25).Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 72 b. Ước lượng Tiến hành hồi quy theo phương pháp OLS ta có bảng kết quả như bên dưới: Bảng 2.13 - Kết quả ước lượng bằng Eview đối với mô hình thử nghiệm c. Kiểm định giả thiết Ta kiểm tra ý nghĩa thống kê của các biến, nhận thấy rằng ở mô hình trên biến hằng C không phù hợp. Loại khỏi mô hình và hồi quy lại, ta có kết quả bên dưới: Bảng 2.14 - Kết quả ước lượng bằng Eview đối với mô hình thử nghiệm sau khi loại biến hằng C │tqs│<1.96 │tqs│>1.96 Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 73 Bảng 2.16 - Kết quả dự báo đối với Ln(CSDM) vào ngày 02/04/2014 Giá trị ước lượng Độ lệch chuẩn Bảng 2.15 - Kết quả kiểm định ADF đối với phần dư Thống kê LB: đối với ACF: LB = n(n+2) ∑ = 557x(557+2) ∑ = 28.60 <  . (24)=35.17 => Không có cơ sở bác bỏ H0  Thống kê LB: đối với PACF: LB = n(n+2) ∑ = 557x(557+2) ∑ = 29.29 <  . (24)= 35.17 => Không có cơ sở bác bỏ H0  Ta tiến hành kiểm định sự phù hợp của mô hình: +Các giá trị │tqs│của các hệ số của mô hình đều >1.96 . +Kiểm định ADF đối với phần dư cho kết quả│ =-23.49127│> giá trị tuyệt đối của ở cả 3 mức ý nghĩa. +Thống kê LB cho kết quả Không có cơ sở bác bỏ H0. -Kết luận: mô hình ARIMA(25,1,25) là phù hợp với phần dư là nhiễu trắng. d. Dự báo Ta có kết quả dự báo chuỗi Ln(CSDM) vào ngày 02/04/2014 bảng bên. Từ kết quả dự báo chuổi Ln(CSDM) ta tính được giá trị danh mục vào ngày 02/04/2014 như sau: Vn+1* = 362,226,000đ với độ tin cậy 95% ta có khoảng dự báo là [362,211,000;362,241,000]Trư ờ g Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 74 -.08 -.06 -.04 -.02 .00 .02 .04 .06 .08 I II III IV I II III IV I 2012 2013 2014 D IF1 2.3.2 Dự báo giá của các cổ phiếu trong danh mục 2.3.2.1. Dự báo giá đối với cổ phiếu PPC a. Nhận dạng mô hình Trước khi tiến hành phân tích, ta tiến hành lấy logarit tự nhiên của chuỗi giá PPC. Chuỗi số liệu sử dụng trong mô hình Arima được giả định là chuỗi dừng. Vì vậy để dự đoán giá cổ phiếu vào ngày mai, chúng ta cần phải xem xét liệu chuỗi số liệu đầu vào có phải là chuỗi dừng hay không. Để khẳng định điều này, trước tiên có thể dựa vào quan sát trực tiếp trên đồ thị của chuỗi số liệu, sau đó chúng ta sẽ kiểm định lại thông qua phương pháp Dickey-Fuller. Biểu đồ 2.8 cho thấy chuỗi Ln(PPC) biến đổi không ổn định, xu hướng của nó lúc tăng lúc giảm. Như vậy có thể suy đoán rằng chuỗi này không dừng. Tuy vậy khi lấy sai 1.8 2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 I II III IV I II III IV I 2012 2013 2014 Ln(PPC ) Biểu đồ 2.8 - Diễn biến chuỗi Ln(PPC) từ 03/01/12-01/04/14 Biểu đồ 2.9- Diễn biến chuỗi Ln(PPC) từ 03/01/12-01/04/14 sau khi lấy sai phân bậc 1 Bảng 2.17 - Kết quả kiểm định ADF đối với chuỗi Ln(PPC) Bảng 2.18 - Kết quả kiểm định ADF đối với chuỗi sai phân bậc 1 Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 75 phân bậc nhất của chuỗi Ln(PPC) thì ta được chuỗi mới, chuỗi này không rõ xu hướng và xoay quanh một giá trị trung bình nào đó ở biểu đồ 2.9. Đây được xem là biểu hiện của một chuỗi dừng. Để khẳng định những suy đoán trên, kiểm định ADF (Augmented Dickey – Fuller) đã được sử dụng và kết quả thể hiện ở Bảng 2.17 và 2.18. Bảng 2.17 ta thấy:│ =-1.489525│< giá trị tuyệt đối của ở cả 3 mức ý nghĩa, chứng tỏ chuỗi Ln(PPC) không dừng. Bảng 2.18 ta thấy │ =-21.71874│> giá trị tuyệt đối của ở cả 3 mức ý nghĩa, chuỗi đã dừng ở sai phân bậc 1. Biểu đồ 2.10 - Hàm tương quan và tự tương quan riêng phần của chuỗi Ln(PPC) ở sai phân bậc 1 Từ kết quả lược đồ tự tương quan và tương quan riêng phần, giá trị ACF và PACF khác 0 và có ý nghĩa thống kê tại các độ trễ 5 và 6. Do đó ở đây chúng ta chọn được q=5;6 và p=5;6. Vậy mô hình thử nghiệm là ARIMA(p,1,q) với các tổ hợp của p và q dã tìm thấy: p {5,6} và q {5,6} Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 76 b. Ước lượng và lựa chọn mô hình phù hợp Để ước lượng các hệ số của các mô hình ARIMA(p,1,q) như đã nhận dạng ở trên, ta tiến hành hồi quy theo phương pháp OLS ta có bảng kết quả như bên dưới: Bảng 2.19 - Kết quả ước lượng bằng Eview đối với các mô hình thử nghiệm ARIMA(5,1,5) ARIMA(5,1,6) ARIMA(6,1,5) ARIMA(6,1,6) Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 77  Các tiêu chí lựa chọn mô hình Để lựa chọn mô hình tối ưu trong bốn mô hình chúng ta dựa trên các tiêu chuẩn Akaike (AIC), Bayes (BIC), sai số chuẩn SEE và hệ số tương quan điều chỉnh .Trong đó 3 tiêu chí đầu thì càng nhỏ càng tốt, tiêu chí thì càng gần 1 càng tốt. Ta có bảng tổng hợp kết quả thống kê dưới đây đối với từng mô hình: Bảng 2.20 - Kết quả thống kê một số tiêu chuẩn của các mô hình Arima thử nghiệm Mô hình ARIMA(p,d,q) AIC SIC Hệ số xác định điều chỉnh Sai số chuẩn SEE ARIMA(5,1,5) -4.44611 -4.42263 0.00552 0.026129 ARIMA(5,1,6) -4.45471 -4.43123 0.01403 0.026017 ARIMA(6,1,5) -4.45676 -4.43332 0.01430 0.025990 ARIMA(6,1,6) -4.44838 -4.42487 0.09577 0.026099 Vậy mô hình tối ưu là ARIMA(6,1,5). c. Kiểm định giả thiết │tqs│>1.96 Bảng 2.22- Kết quả kiểm định ADF đối với phần dư Bảng 2.21 - Kết quả kiểm định giá trị tqs Biểu đồ 2.11 - Lược đồ hàm tương quan và tự tương quan riêng phần của phần dư Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 78Giá trị ước lượng Độ lệch chuẩn Bảng 2.23 - Kết quả dự báo đối với Ln(PPC) vào ngày 02/04/2014  Thống kê LB: đối với ACF: LB = n(n+2) ∑ = 557x(557+2) ∑ = 24.14 <  . (24)=35.17 => Không có cơ sở bác bỏ H0  Thống kê LB: đối với PACF: LB = n(n+2) ∑ = 557x(557+2) ∑ = 24.11 <  . (24)= 35.17 => Không có cơ sở bác bỏ H0  Ta tiến hành kiểm định sự phù hợp của mô hình: +Các giá trị │tqs│của các hệ số của mô hình đều >1.96 . +Kiểm định ADF đối với phần dư cho kết quả│ =-21.78885│> giá trị tuyệt đối của ở cả 3 mức ý nghĩa. +Thống kê LB cho kết quả Không có cơ sở bác bỏ H0. -Kết luận: mô hình ARIMA(6,1,5) là phù hợp với phần dư là nhiễu trắng. d. Dự báo -Ta có kết quả dự báo chuỗi Ln(PPC) vào ngày 02/04/2014 như sau: Vậy ta có dự báo điểm và khoảng tin cậy cho PPC ngày 02/04/2014 với mức tin cậy 95% là: 22,844đ với KTC [22,842; 22,846] Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 79 2.3.2.2. Dự báo giá đối với các cổ phiếu còn lại trong danh mục Tính toán tương tự cho các cổ phiếu còn lại trong danh mục7, ta có kết quả dự báo giá cổ phiếu trong danh mục và so sánh với giá thực tế như bảng dưới đây. Bảng 2.24 - Kết quả dự báo giá các cổ phiếu còn lại trong danh mục vào ngày 02/04/2014 2.3.2.3 Kết quả dự báo giá trị danh mục và xu hướng giá cổ phiếu trong danh mục Ta có kết quả dự báo giá trị danh mục và xu hướng giá các cổ phiếu trong danh mục từ 02/04 -04/04/14 như sau: Bảng 2.25 - Kết quả dự báo giá giá trị danh mục 7 Trình bày ở phụ lục 8 Đã làm tròn theo đơn vị yết giá STT MCK 01/04/14 Dự báo02/04/148 Giá thực tế Tỷ lệ sai số 1 PPC 22,700 22,800 22,500 1.33% 2 VNM 141,000 141,000 141,000 0.00% 3 VCB 31,100 31,200 31,200 0.00% 4 HTI 10,200 10,200 10,300 -0.97% 5 OPC 64,500 65,000 63,000 3.17% 6 TNC 15,000 15,000 15,100 -0.66% 7 ELC 18,400 18,400 18,000 2.22% 8 PET 21,100 21,100 20,600 2.43% 9 HOT 28,000 28,000 28,000 0.00% 10 VIS 9,800 9,700 9,700 0.00% Ngày 01/04/2014 02/04/2014 (Forecasts) 02/04/2014 Giá trị danh mục (1000đ) 361,800 362,226 359,400 Lời/lỗ thực tế (1000đ) - - (2,400) Lời/lỗ dự báo (1000đ) - 426 -Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 80 Bảng 2.26- Kết quả dự báo giá cổ phiếu trong danh mục vào các ngày từ 02/04/2014-04/04/2014 Bảng 2.27 - Kết quả giá cổ phiếu thực tế trong danh mục vào các ngày từ 02/04/2014-04/04/2014 STT MCK 01/04/14 Dự báo02/04/14 Dự báo 03/04/14 Dự báo 04/04/14 Xu hướng 1 PPC 22,700 22,800 22,900 23,000 Tăng 2 VNM 141,000 141,000 140,000 140,000 Giảm 3 VCB 31,100 31,200 31,300 31,400 Tăng 4 HTI 10,200 10,200 10,200 10,200 Không đổi 5 OPC 64,500 65,000 65,000 65,000 Tăng 6 TNC 15,000 15,000 15,100 15,000 Không đổi 7 ELC 18,400 18,400 18,400 18,400 Không đổi 8 PET 21,100 21,100 21,100 21,100 Không đổi 9 HOT 28,000 28,000 28,000 28,000 Không đổi 10 VIS 9,800 9,700 9,700 9,700 Không đổi STT MCK 01/04/14 02/04/14 03/04/14 04/04/14 Xu hướng 1 PPC 22,700 22,500 22,900 23,300 Tăng 2 VNM 141,000 141,000 142,000 143,000 Tăng 3 VCB 31,100 31,200 31,300 31,300 Tăng 4 HTI 10,200 10,300 10,400 10,400 Tăng 5 OPC 64,500 63,000 65,500 64,500 Bất ổn 6 TNC 15,000 15,100 15,200 15,300 Tăng 7 ELC 18,400 18,000 18,000 17,900 Giảm 8 PET 21,100 20,600 20,900 20,700 Bất ổn 9 HOT 28,000 28,000 28,000 28,000 Không đổi 10 VIS 9,800 9,700 9,800 10,000 Tăng Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 81 2.3.3 Kết quả dự báo Từ kết quả dự báo, ta nhận thấy:  Kết quả dự báo giá trị danh mục từ CSDM cho thấy danh mục sẽ lời một khoản nhỏ là xấp xỉ 430,000đ. Tuy nhiên thực tế thì danh mục lỗ 2,4 tr.đ.  Kết quả dự báo sau điều chỉnh theo đơn vị yết giá so giá thực tế tương đối chính xác, có tới 40% (tức 4 cổ phiếu) cho kết quả chính xác với sai số là 0.00% đó là VNM, VCB, HOT, VIS. Các cổ phiếu còn lại sai số tương đối nhỏ với trị tuyệt đối xấp xỉ từ 1-3%.  Từ kết quả dự báo xu hướng cho thấy trong 3 ngày tới, đa số cổ phiếu trong danh mục (5 cổ phiếu chiếm 50%) là có xu hướng không đổi, 2 cổ phiếu là PPC và VCB có xu hướng tăng giá lần lượt là 1.32% và 0.96% so với ngày 01/04/14. Cổ phiếu OPC sau khi tăng vào ngày 02/04/14 thì giữ nguyên cho tới 04/04/14. TNC thì có sự biến động lên ở ngày 03/04/14 rồi sau đó trở lại mức giá 15,000đ như ngày 01/04/14. Chỉ có duy nhất cổ phiếu VNM có xu hướng giảm giá, giảm 0.71% so với ngày 01/04/14.  So sánh kết quả dự báo xu hướng giá so với thực tế thì tỷ lệ chính xác chiếm 30% tức có 3 cổ phiếu dự báo được đúng xu hướng. 2.4 Ứng dụng mô hình VaR và Arima để QTRR danh mục 2.4.1 Nhận diện rủi ro Như đã nói ở các phần trước, rủi ro chính mà chúng tôi đề cập trong khuôn khổ bài nghiên cứu về QTRR danh mục cổ phiếu niêm yết là “sự biến động giá CK”. Chính sự biến động giá của các cổ phiếu trong danh mục là một trong những yếu tố mà NĐT quan tâm và cần thiết thực hiện sự quản trị để đảm bảo những rủi ro xảy ra không nằm ngoài tầm kiểm soát. 2.4.2 Đo lường rủi ro Thông qua mô hình VaR, giá trị tại rủi ro của danh mục đã được lượng hoá thông qua ba phương pháp cơ bản là Historical Method, Variance – Covariance, Monte Carlo với cả hai mức xác suất là 5% và 1%. Trong đó, bài nghiên cứu sử dụng giá trị VaR(5%) Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 82 từ phương pháp Monte Carlo để làm căn cứ QTRR cho danh mục. Cụ thể Var với độ tin cậy 95% là xấp xỉ 5,6 tr.đ và sẽ được áp dụng ở các bước tiếp theo sau đây. 2.4.3 Kiểm soát rủi ro Để thực hiện kiểm soát rủi ro, chúng ta sẽ cùng nhau giải quyết hai trường hợp đã đặt ra đầu bài với giả định kết quả tính Var lớn hơn mức dự phòng hiện có thông qua trả lời hai câu hỏi dưới đây: 2.4.3.1 Quyết định có nên phòng ngừa rủi ro hay không? Như đã đề cập ở trên, chúng ta sẽ so sánh kết quả tính VaR và kết quả khoản lời/lỗ tính được từ sự dự báo giá trị danh mục thông qua mô hình Arima. Từ bảng 2.25 ta thấy, , kết quả dự báo cho ta một khoản lời là 426,000đ (= 362,226,000-361,800,000) vào ngày mai. Kết quả này mang lại cho NĐT một cái nhìn khá lạc quan, kết quả này không mâu thuẫn với VaR. VaR chỉ cung cấp cho ta cái nhìn về khoản lỗ tối đa, tuy nhiên một danh mục hoàn toàn có khả năng lời hay đạt kết quả kinh doanh là một số dương. Dựa trên kết quả này, NĐT hay nhà quản trị sẽ quyết định có nên tiến hành phòng ngừa rủi ro cho danh mục của mình hay không khi mà ngưỡng chịu đựng của danh mục giả định chỉ ở mức 5,000,000đ. Quyết định phòng ngừa hay không hoàn toàn phụ thuộc vào lập trường và quan điểm của từng NĐT. NĐT ưa thích rủi ro, hay NĐT tương đối mạo hiểm, họ có thể tin rằng khoản dự phòng 5,000,000đ của mình đang có hoàn toàn có thể chịu đựng được. Kết hợp với kết quả dự báo từ Arima thì cho thấy không những lỗ mà danh mục còn lời một khoản nhỏ là 426,000đ thì họ có thể sẽ không cần phải dự phòng rủi ro để tiết kiệm chi phí của mình. Tuy nhiên, đối với NĐT e ngại rủi ro, họ muốn đảm bảo sự an toàn cho danh mục của mình. Mặc dù kết quả dự báo từ Arima là lời 426,000đ thì họ vẫn tiến hành phòng ngừa rủi ro cho danh mục nhằm đảm bảo cho VaR của danh mục không vượt ngưỡng chịu đựng ở mức 5,000,000đ. Ta có thể thấy, quyết định này không hẳn là một quyết định tồi, nó vẫn là một quyết định tương đối hợp lý vì nếu ta nhìn vào kết quả kinh doanh thực tế thì thay vì lời 426,000đ, danh mục sẽ bị lỗ một khoản là 2,400,000đ. Mặc dù vẫn nằm trong mức Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 83 ngưỡng chịu đựng của NĐT tuy nhiên rõ ràng những tình huống xấu vẫn có khả năng xảy ra mà ta không lường trước được hay những kết quả dự báo cũng không dự báo chính xác hoàn toàn được. 2.4.3.2 Phòng ngừa rủi ro cho danh mục như thế nào? Sau khi so sánh kết quả lời/lỗ từ kết quả dự báo với mô hình Var thì NĐT quyết định thực hiện phòng ngừa rủi ro. Đối với trường hợp (1) phương pháp mà NĐT lựa chọn để tiến hành là tăng thêm khoản dự phòng. Cụ thể NĐT sẽ tăng thêm một khoản là 550,330đ (=5,550,3300 - 5,000,000). Đối với trường hợp (2) phương pháp mà NĐT lựa chọn để tiến hành là điều chỉnh tỷ trọng cổ phiếu trong danh mục của mình. Và hướng điều chỉnh mà NĐT lựa chọn ở đây là dựa vào xu hướng giá cổ phiếu trong tương lai. NĐT nghĩ rằng, kết quả hoạt động kinh doanh của danh mục dù thế nào đi nữa vẫn phụ thuộc vào kết quả giá cổ phiếu trong tương lai. Mặc dù kết quả tính VaR hoàn toàn phụ thuộc vào sự biến động giá cổ phiếu trong quá khứ, tuy nhiên một lợi thế ở đây là chúng ta có sự kết hợp với mô hình Arima. Mô hình Arima là mô hình sử dụng dữ liệu chuỗi thời gian, xem giá trị trong quá khứ của một biến số cụ thể là một chỉ tiêu tốt để phản ánh giá trị trong tương lai của nó. Nên xu hướng giá cổ phiếu được dự báo từ mô hình Arima tỏ ra có hiệu quả và NĐT có thể căn cứ vào đó để điều chỉnh danh mục của mình nhằm điều chỉnh VaR của danh mục. Tuy nhiên để đảm bảo sự chính xác và chặt chẽ, bên cạnh xu hướng giá tôi xem xét thêm các yếu tố ảnh hưởng tới VaR của danh mục đã đề cập ở mục 1.3.3 để có cái nhìn toàn diện và điều chỉnh VaR của danh mục được chính xác hơn. NĐT tiến hành điều chỉnh tỷ trọng của các cổ phiếu trong danh mục nhằm đạt giá trị VaR danh mục ở mức kỳ vọng là 5,000,000 phù hợp với ngưỡng chịu đựng. Nhìn vào xu hướng giá cổ phiếu trong danh mục trong các ngày từ 01/04 - 04/04/2014, ta thấy giá cổ phiếu VNM có xu hướng giảm, nên ta lựa chọn việc giảm tỷ trọng của cổ phiếu VNM trong danh mục nhằm đạt được VaR kỳ vọng. - Cách 1: giảm tỷ trọng VNM bằng cách bán cổ phiếu VNM với giá 141,000đ. Tuy nhiên hạn chế của việc tính toán theo cách này là ta sẽ thừa ra một khoản tiền từ việc bán cổ phiếu VNM. Do giá cổ phiếu VNM là rất cao nên việc bán VNM có thể Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 84 tạo ra một khoản tiền thừa khá lớn không cần thiết. Để khắc phụ hạn chế này, ta sẽ tiền hành theo cánh hai như sau: - Cách 2: Với mục tiêu là khoản tiền thừa = 0. Ta sẽ tiến hành theo cách vừa bán cổ phiếu VNM và kết hợp với mua một cổ phiếu khác thông qua số tiền bán được từ VNM. Nhìn vào xu hướng giá cổ phiếu, ta thấy cổ phiếu VCB đang có xu hướng tăng, ta sẽ tiến hành kết hợp việc bán cổ phiếu VNM đ thời với mua cổ phiếu VCB. Kết hợp với việc xem xét rủi ro với tỷ trọng của VNM và VCB trong danh mục ta có: độ lệch chuẩn của VNM 2.52%>2.02% của VCB, bên cạnh đó với tỷ trọng xấp xỉ 40% lớn hơn rất nhiều so với 8,6% của VCB nên có thể thấy việc điều chỉnh giảm cổ phiếu VNM và tăng cổ phiếu VCB hoàn toàn có khả năng làm giảm khoản lỗ tính được từ VaR. Gọi A là số cổ phiếu VNM phải bán đi, B là số cổ phiếu VCB được mua vào. Với giả định là giá mở của của ngày hôm sau không thay đổi nhiều so với giá đóng cửa cuối ngày hôm nay, ta có thể sử dụng giá đóng cửa hôm nay là giá tham khảo để điều chỉnh tỷ trọng của hai cổ phiếu VNM và VCB. Ta có phường trình: (1) 141 x A – 31x B =0 B = . , (2) Vn*x = [1000x(22.7+10.2+64.5+15+18.4+21.1+28+9.8) + (1000-A)x141 + (1000+B)x31.1] x = Vn x = - 5,000 (1000đ) = ,, = -0.0138 Trong đó: Vn* là giá trị danh mục sau khi điều chỉnh tỷ trọng các cổ phiếu và bằng chính Vn do việc bán cổ phiếu này thay bằng việc mua cổ phiếu khác tương ứng theo giá trị, là suất sinh lời trung bình của danh mục. Do ở đây ta thực hiện theo phương pháp mô phỏng dựa trên phần mềm máy tính, các giá trị đạt được từ mô phỏng hoàn toàn ngẫu nhiên nên phương pháp thế tỏ ra có lợi thế và nhanh chóng. Sau khi tiến hành phương pháp thế, ta có kết quả như sau: A = 235 cổ phiếu và B = 1065 cổ phiếu. Cụ thể ta sẽ tiến hành bán 235 cổ phiếu VNM, số tiền từ việc bán 235 cổ phiếu VNM có thể mua được 1065 ( = . ) cổ phiếu VCB. Với kết quả 10,000 mô phỏng thì tỷ suất sinh lợi trung bình của danh mục tại độ tin cậy 95% là -0.01376 xấp xỉ (=-0.0138). Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 85 VaR(5%) = -0.01376 x 361,800= -4,979 (1000đ) (xấp xỉ 5 tr.đ). Nhận xét: Vậy với việc điều chỉnh tỷ trọng các cổ phiếu trong danh mục (cụ thể là bán 235 cổ phiếu VNM và mua thêm 1065 cổ phiếu VCB) NĐT đã có thể QTRR cho danh mục của mình đạt giá trị VaR xấp xỉ giá trị VaR mục tiêu. Biểu đồ 2.12 - Kết quả tính TSSL trung bình danh mục bằng Monte Carlo sau khi điều chỉnh danh mục Vậy với từng trường hợp ta có các giải pháp quản trị như sau:  Trường hợp 1: sau khi tiến hành so sánh kết quả tính Var với khoản lời/lỗ từ dự báo bởi Arima, nhà đầu tư quyết định tiến hành phòng ngừa rủi ro. Nhà đầu tư sẽ tăng dự phòng thêm một khoản là 550,330đ (=5,550,3300 - 5,000,000) thông qua việc huy động nguồn tài trợ với lãi suất i%/ngày, giả sử i = 1%/ngày.  Trường hợp 2: sau khi tiến hành so sánh kết quả tính Var với khoản lời/lỗ từ dự báo bởi Arima, nhà đầu tư quyết định tiến hành phòng ngừa rủi ro. Tuy nhiên do không thể tăng thêm khoản dự phòng nên nhà đầu tư lựa chọn cách điều chỉnh danh mục để đạt được giá trị Var mục tiêu. Với việc điều chỉnh tỷ trọng các cổ phiếu trong danh mục (cụ thể là bán 235 cổ phiếu VNM và mua thêm 1065 cổ phiếu VCB) NĐT đã có thể QTRR cho danh mục của mình đạt giá trị VaR xấp xỉ giá trị VaR mục tiêu là 4,979,000đ. Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 86 2.4.4 Tài trợ cho rủi ro Công việc cuối cùng của quá trình QTRR là ta sẽ xem xét, so sánh các kết quả của công việc phòng ngừa rủi ro có hiệu quả hay không? Phí tổn rủi ro là bao nhiêu? Cách tốt nhất là so sánh kết quả nghiên cứu với thực tiễn. Thứ nhất, xét về tính hiệu quả của VaR: VaR tính toán = VaR(5%) -5,6 tr.đ và thực tế thì danh mục của chúng ta lỗ 2,4 tr.đ cho thấy rõ ràng kết quả tính toán từ mô hình VaR là chính xác. Khoản lỗ 2,4 tr.đ nằm trong khoảng tin cậy, cho thấy mô hình VaR cho kết quả dự tính là hiệu quả. Tổn thất trong trường hợp này là tổn thất nằm trong dự kiến và bằng 2,4 tr.đ. Lưu ý, trong trường hợp (1) NĐT thực hiện QTRR bằng cách tăng thêm khoản dự phòng để đạt ngưỡng giá trị VaR thì khi đó khoản tài trợ cho rủi ro sẽ là: 2,4 triệu động + Khoản dự phòng tăng thêm x Lãi suất (i%/ngày) Khoản dự phòng tăng thêm = 5,550,330 - 5,000,000 = 550,330 (đ), giả sử i =1%  Khoản tài trợ cho rủi ro sẽ =2,400,000 + 550,330x1% = 2,405,503 (đ) Thứ hai, xém xét hiệu quả của sự kết hợp mô hình Arima với VaR trong QTRR: + Nếu NĐT quyết định không cần phòng ngừa do kết quả dự báo từ Arima tương đối khả quan là danh mục sẽ lời một khoản là 426,000đ thì khoản tài trợ cho rủi ro sẽ dừng lại ở mức 2,4 tr.đ. Mặc dù kết quả dự báo so với thực tế có sự sai khác nhất định. Tuy nhiên việc quyết định phụ thuộc khá nhiều vào kinh nghiệm cũng như khả năng tiên đoán của NĐT. + Nếu NĐT quyết định phòng ngừa rủi ro nhưng không phải bằng cách tăng thêm khoản dự phòng mà thông qua điều chỉnh tỷ trọng các cổ phiếu - Tức trường hợp (2), ta có kết quả của việc điều chỉnh như sau: Trư ờng Đạ i họ c K inh ế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 87 Bảng 2.28 - Bảng tính chi phí tài trợ cho rủi ro Vậy khoản tài trợ cho rủi ro hay danh mục sẽ bị lỗ trong trường hợp này là: 359,493 - 361,786.5 = -2,293.5 (1000đ) xấp xỉ 2,3 tr.đ. Vậy việc điều chỉnh tỷ trọng các cổ phiếu trong danh mục trong trường hợp này tỏ ra hiệu quả hơn. Giá trị thiệt hại vẫn nằm trong khoảng VaR dự tính. Một điều quan trọng hơn nữa là việc điều chỉnh tỷ trọng các cổ phiếu trong danh mục sẽ càng tỏ ra có ưu thế hơn khi mà việc tăng thêm một khoản dự phòng trong thời gian ngắn là khó thực hiện được. Nhận xét: Mặc dù kết quả điều chỉnh danh mục đã giúp NĐT quản trị được rủi ro cho danh mục của mình, tuy nhiên có thể thấy các dự báo từ mô hình Arima vẫn còn sai sót. Thứ nhất, dự báo CSDM chưa chính xác. Các dự báo về xu hướng giá mới chỉ đạt mức chính xác 30% và dự báo giá cổ phiếu ngày mai đạt mức chính xác 40%. Sau đây, ta tiến hành kiểm tra tính đúng đắn của mô hình để có cái nhìn tổng quát hơn về VaR và Arima. STT MCK Đầu ngày02/04/2014 Khối lượng cổ phiếu sau điều chỉnh Giá thực tế cuối ngày 02/04/2014 1 PPC 22,700 1,000 22,500 2 VNM 141,000 765 141,000 3 VCB 31,100 2,065 31,200 4 HTI 10,200 1,000 10,300 5 OPC 64,500 1,000 63,000 6 TNC 15,000 1,000 15,100 7 ELC 18,400 1,000 18,000 8 PET 21,100 1,000 20,600 9 HOT 28,000 1,000 28,000 10 VIS 9,800 1,000 9,700 Giá trị danh mục (1000đ) 361,786.5 - 359,493 Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 88 5.8 5.9 6.0 6.1 6.2 6.3 6.4 I II III IV I II III IV I 2012 2013 2014 Ln(CSDM) 2.5 Kiểm tra tính đúng đắn 2.5.1 Thời gian kiểm tra tính đúng đắn Thời gian nghiên cứu của chúng ta từ 03/01/2012 - 01/04/2014. Tuy nhiên trong giai đoạn này, các giả định đặt ra tỏ ra nhiều hạn chế. Đặc biệt là giả định về sự biến động của các yếu tố thị trường không thay đổi nhiều. Nhìn lại vào chỉ số danh mục ở đồ thị bên dưới. Rõ ràng có những giai đoạn chỉ số danh mục biến động mạnh, tiêu biểu là giai đoạn (2) - khoảng cuối quý IV/2012 tới giữa quý II/2013. Để kiểm tra lại tính đúng đắn của việc ứng dụng mô hình, ta chọn thời gian kiểm tra tính đúng đắn là giai đoạn (3) trên biểu đồ. Cụ thể là từ giữa quý II/2013 (15/04/13) đến cuối quý I/2014 (01/04/14). Đây là giai đoạn sự biến động chỉ số danh mục tương đối ổn định, nghiên cứu kỳ vọng kiểm tra tính đúng đắn ở giai đoạn này sẽ mang lại kết quả hợp lý. Biểu đồ 2.13 - Diễn biến chuỗi Ln(CSDN) từ 03/01/12-01/04/14 Ta tiến hành điều chỉnh chuỗi số liệu đầu vào và dự báo lại cho Var, CSDM, giá cổ phiếu vào ngày 02/04/2014 và xu hướng giá cổ phiếu từ 02/04-04/04/2014. Một số lưu ý: - Các giả định trong việc xây dựng mô hình VaR và Arima ở trên sẽ được áp dụng lại cho các tính toán ở dưới đây. - Tâm lý của NĐT vẫn tin tưởng thị trường ổn định. - Việc tính toán VaR chỉ tập trung vào phương pháp Monte Carlo ở độ tin cậy 95%. (1 ) (2 ) (3 ) Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 89 2.5.2 Kết quả tính Var danh mục Bảng 2.29- Chuỗi số liệu giá của các cổ phiếu trong danh mục Bảng 2.30 - Tính TSSL, phương sai, độ lệch chuẩn của các cổ phiếu trong danh mục Biểu đồ 2.14 - Kết quả quả mô phỏng Monte Carlo với xác suất 5% Kết quả tính Var = -0.010727 x 361,800 = -3,881.070 (đ) STT Ngày Giá đóng cửa từ 02/1/2013 - 1/4/2014 (ĐVT: 1000đ) PPC VNM VCB HTI OPC TNC ELC PET HOT VIS 1 04/01/2014 22.7 141 31.1 10.2 64.5 15 18.4 21.1 28 9.8 2 03/31/2014 23.4 141 30.8 10.3 65 15.1 18.4 21.5 28 10.2 3 03/28/2014 23.8 141 30.8 10.4 64 15.1 17.5 21.7 28 10.3 4 03/27/2014 23.8 140 30.4 10.9 65 15.3 18 21.7 28.5 10.5 236 04/18/2013 18.5 123 27.3 7.2 65 17.4 27.8 16.7 27.8 10.2 237 04/17/2013 18.7 124 28.2 7.4 62 17.7 27.8 17 27.8 10.5 238 04/16/2013 18.7 121 28 7.4 62 17.6 27.8 17 27.8 9.9 239 04/15/2013 19.1 120 27.3 7.2 62 17.3 27.8 16.4 27.8 9.9 PPC VNM VCB HTI OPC TNC ELC PET HOT VIS TSSL TB/ngày 0.0010 0.0007 0.0007 0.0016 0.0004 -0.0005 -0.0012 0.0013 0.0004 0.0003 Phương sai (%) 0.0546 0.0133 0.0112 0.0289 0.0454 0.0163 0.1026 0.0477 0.0738 0.0714 Độ lệch chuẩn(%) 2.337 1.152 1.060 1.699 2.131 1.276 3.203 2.185 2.716 2.673 Tỷ trọng 6.3% 39.0% 8.6% 2.8% 17.8% 4.1% 5.1% 5.8% 7.7% 2.7% Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 90 6.20 6.22 6.24 6.26 6.28 6.30 6.32 6.34 M4 M5 M6 M7 M8 M9 M10 M11 M12 M1 M2 M3 2013 2014 Ln(CSDM) 2.5.3 Kết quả dự báo CSDM Ta có, từ các kết quả phân tích, chuỗi Ln(CSDM) là chuỗi dừng. Từ biểu đồ tự tương quan và tự tương quan riêng phần, ta có mô hình thử nghiệm ở đây là AR(1). Tiến hành các ước lượng và kiểm định cần thiết. Mô hình AR(1) là mô hình phù hợp và cho kết quả dự báo bên dưới: Từ kết quả dự báo CSDM, ta có kết quả giá trị danh mục vào ngày 02/04/2014 như sau: 361,912 (1000 đ) Dự báo khoảng với độ tin cậy 95% [355715; 368217] Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 91 2.5.4 Kết quả dự báo giá cổ phiếu vào ngày mai và xu hướng giá trong ba ngày tới Tính toán tương tự, ta có kết quả dự báo giá cổ phiếu vào ngày mai 02/04/14 Bảng 2.31 - Kết quả dự báo giá các cổ phiếu trong danh mục vào ngày 02/04/2014 Bảng 2.32 - Kết quả dự báo giá cổ phiếu trong danh mục vào các ngày 9 Đã làm tròn theo đơn vị yết giá STT MCK 01/04/14 Dự báo02/04/149 Giá thực tế Sai số 1 PPC 22,700 22,500 22,500 0.00% 2 VNM 141,000 141,000 141,000 0.00% 3 VCB 31,100 31,100 31,200 -0.32% 4 HTI 10,200 10,100 10,300 -1.94% 5 OPC 64,500 65,000 63,000 3.17% 6 TNC 15,000 15,000 15,100 -0.66% 7 ELC 18,400 18,500 18,000 2.78% 8 PET 21,100 21,100 20,600 2.43% 9 HOT 28,000 28,000 28,000 0.00% 10 VIS 9,800 9,700 9,700 0.00% STT MCK 01/04/14 Dự báo02/04/14 Dự báo 03/04/14 Dự báo 04/04/14 Xu hướng 1 PPC 22,700 22,500 22,600 22,600 Tăng 2 VNM 141,000 141,000 141,000 141,000 Không đổi 3 VCB 31,100 31,100 31,100 31,200 Tăng 4 HTI 10,200 10,100 10,200 10,200 Không đổi 5 OPC 64,500 65,000 65,000 65,000 Tăng 6 TNC 15,000 15,000 15,000 15,000 Không đổi 7 ELC 18,400 18,500 18,600 18,400 Bất ổn 8 PET 21,100 21,100 21,200 21,000 Bất ổn 9 HOT 28,000 28,000 28,000 28,000 Không đổi 10 VIS 9,800 9,700 9,700 9,700 Không đổi Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 92  Nhận xét: Từ kết quả kiểm tra tính đúng đắn của hai mô hình VaR và Arima, ta thấy: - Giá trị rủi ro VaR cho ta một kết quả là lỗ tối đa xấp xỉ 3,9 tr.đ với độ tin cậy 95%. Có thể thấy, kết quả này khi so sánh với kết quả VaR ban đầu (xấp xỉ 5,6 tr.đ) và khoản lỗ thực tế thì nó có tính chính xác cao hơn. - Kết quả dự báo CSDM cho ta một khoản lời 112,000đ, so sánh với kết quả dự báo ban đầu (lời 426,000đ) và khoản lỗ thực tế thì kết quả này mặc dù chưa chính xác nhưng vẫn tốt hơn dự báo ban đầu. -Kết quả dự báo giá cổ phiếu trong danh mục vào ngày 02/04/2014 và xu hướng giá trong 3 ngày tới cùng cho kết quả chính xác ở mức 40%. Như vậy, so với kết quả dự báo ban đầu, xu hướng giá cổ phiếu đã được dự báo chính xác hơn. -Từ kết quả này cho thấy tính đúng đắn của mô hình VaR và Arima phụ thuộc vào cách thức lựa chọn khoảng thời nghiên cứu. Nó sẽ càng chính xác khi khoảng thời gian được chọn ít có những sự biến động mạnh. Kết luận chương 2 Kết thúc chương hai, bài nghiên cứu đã hoàn thành được việc áp dụng mô hình VaR và mô hình Arima vào QTRR cho DMĐT cụ thể dựa trên cơ sở lý thuyết đã trình bày. Qua chương hai, mục tiêu của bài nghiên cứu đã cơ bản hoàn thành. Mặc dù với độ chính xác từ dự báo trong khoản 30-40% nhưng việc áp dụng mô hình VaR với mô hình Arima tỏ ra khá hiệu quả, cũng cấp cho NĐT thêm một cách thức hay phương pháp lựa chọn trong quá trình QTRR DMĐT của mình. Tuy nhiên, ngoài những kết quả đạt được, những hạn chế và khiếm khuyết là không thể tránh khỏi. Việc kiểm tra tính đúng đắn đã phần nào cho chúng ta thấy được độ chính xác của mô hình sẽ được cải thiện khi ta lựa chọn khoản thời gian nghiên cứu mà tại đó ít có sự biến động mạnh. Tiếp sau đây, bài viết sẽ đề cập đến những tồn đọng những như hướng phát triển của đề tài. Trư ờng Đại học Kin h tế Hu ế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 93 Chương 3: Định hướng và giải pháp Bên cạnh mục tiêu đầu tư, kinh nghiệm cá nhân thì NĐT nên tuỳ từng trường hợp cụ thể để có cách thức quản trị phù hợp đối với DMĐT của mình. Trong bài nghiên cứu trên đây chỉ tóm gọn hai trường hợp tiêu biểu để thực hiện QTRR là NĐT “có khả năng tăng dự phòng” và “không có khả năng tăng dự phòng” cần thiết khi VaR của danh mục tính ra lớn hơn khoản dự phòng hiện có của NĐT. -Giải pháp đối với trường hợp có khả năng tăng dự phòng: nhà đầu tư cần xem xét giá trị VaR tính được, chấp nhận hay không mức độ rủi ro như vậy. Sau đó, so sánh với giá trị dự báo từ mô hình Arima để có cái nhìn tốt hơn về giá trị danh mục trong tương lai. Sau khi xem xét các yếu tố trên, nếu NĐT vẫn quyết định phòng ngừa rủi ro thì nên lựa chọn nguồn dự phòng với chi phí phù hợp để giảm chi phí tài trợ cho rủi ro. -Giải pháp đối với trường hợp không có khả năng tăng dự phòng: nhà đầu tư đã xem xét, chấp nhận giá trị rủi ro tính được, tuy nhiên không có khả năng tăng phòng ngừa. Trường hợp này, nhà đầu tư có thể căn cứ vào giá trị dự báo xu hướng giá từ mô hình Arima cộng với các nhân tố ảnh hưởng trực tiếp tới VaR để có thể điều chỉnh danh mục của mình một cách hợp lý nhất nhằm đạt được giá trị VaR kỳ vọng. Ngoài các giải pháp kể trên, để quá trình QTRR được tốt hơn, NĐT nên: + Phát triển các hệ thống thu thập và xử lý thông tin: các thông tin mới và hệ thống xử lý ảnh hưởng trực tiếp đến kết quả tính toán, do đó nó đóng vai trò quan trọng trong quá trình QTRR. + Thường xuyên tiến hành các phép thử Back-test, Stress-test, E-Var kết hợp với VaR để có cái toàn diện, tránh trường hợp chủ quan quá tin tưởng vào giá trị VaR. + Lựa chọn những khoảng thời gian ít có sự biến động mạnh của các yêu tố đầu vào sẽ làm tăng tính chính xác của mô hình.Trư ờng Đạ i họ Kin h tế Hu ế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 94 PHẦN 3: KẾT LUẬN VÀ KIẾN NGHỊ 1. Kết quả đạt được Quá trình nghiên cứu, áp dụng mô hình VaR và mô hình Arima vào QTRR cho DMĐT niêm yết đã hoàn thiện và đạt được một số kết quả chính sau đây: + Kết quả tính toán giá trị tại rủi ro từ mô hình VaR cho kết quả chính xác. Sau khi đối chiếu kết quả thực tế với dự tính, khoản lỗ thực tế không vượt ngoài dự đoán cho thấy mô hình VaR là một mô hình hiệu quả trong việc dự báo giá trị tại rủi ro. + Kết quả dự báo CSDM chưa được chính xác tuy nhiên, giá cổ phiếu trong danh mục vào ngày mai 02/04/2014 từ mô hình Arima cho kết quả tương đối chính xác có tới 40% (tức 4 cổ phiếu) cho kết quả chính xác với sai số là 0.00% đó là VNM, VCB, HOT, VIS. Các cổ phiếu còn lại sai số tương đối nhỏ với trị tuyệt đối xấp xỉ từ 1-3%. Kết hợp với xu hướng giá dự báo được từ một số ngày trong tương lai, mô hình Arima đã cũng cấp cho chúng ta một cái nhìn tổng quan về giá trị danh mục trong tương lai, về xu hướng giá cổ phiếu. Kết quả đó đã giúp cho việc QTRR danh mục đạt được hiệu quả mong muốn, đó chính là việc hỗ trợ của mô hình Arima đối với VaR trong việc ra quyết định quản trị rủi ro. + Việc kết hợp mô hình VaR và mô hình Arima đã giúp nhà quản trị có thể QTRR cho danh mục của mình theo một hướng mới, thay vì tăng thêm khoản dự phòng để phù hợp với giá trị tại rủi ro tình được từ VaR, mô hình Arima đã được vận dụng để hỗ trợ. Thông qua mô hình Arima, các kết quả dự báo giá, xu hướng giá đã cung cấp cho việc điều chỉnh danh mục cổ phiếu theo hướng phù hợp giúp danh mục đạt được giá trị VaR mong muốn. 2. Kết luận Nền kinh tế luôn luôn vận động và biến đổi, tác động đến nó có rất nhiều yếu tố bao gồm cả nội sinh và ngoại sinh. Mỗi một biến động tác động đến nền kinh tế luôn tiềm tàng những rủi ro bên trong, ảnh hưởng của nó đến toàn bộ nền kinh tế thế giới là không nhỏ. Ví dụ như trong năm 2008, khủng hoảng kinh tế diễn ra trên phạm vi toàn cầu, nó kéo theo những biến động xấu trên thị trường tài chính và một bộ phận của thị trường tài chính là TTCK cũng không nằm ngoài xu hướng xấu đó. Việt Nam với sự phát triển của Trư ờng Đạ i họ c K inh tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 95 thị trường tài chính trong xu thế hội nhập kinh tế thế giới chắc chắn không tránh khỏi những ảnh hưởng không tốt từ cuộc khủng hoảng này. TTCK hoạt động kém hiệu quả là nguyên nhân gây ra thiệt hại nặng nề về kinh tế. Các NĐT tham gia trên TTCK là những người bị ảnh hưởng trực tiếp và nặng nề nhất. Vì thế khi tham gia đầu tư, các NĐT trên TTCK cần phải quan tâm đến hoạt động phân tích và quản lý rủi ro nhằm hạn chế tổn thất đến mức tối đa. Thông qua đề tài “Nghiên cứu ung dụng mô hình VaR (Value at risk) và mô hình Arima (Autoregressive integrated moving average) vào QTRR cho danh mục cổ phiếu niêm yết”, bài viết cung cấp thêm cho NĐT, nhà quản trị một cách thức nữa trong việc QTRR danh mục cổ phiếu niêm yết. Phương pháp VaR đáp ứng được nhu cầu lượng hoá rủi ro đồng thời kiểm soát và đánh giá sức cạnh tranh hay mức độ tín nhiệm đối với một định chế tài chính hoặc một một DMĐT. VaR có thể trả lời các câu hỏi cơ bản sau: tổn thất có thể xảy ra có giá trị bao nhiêu, khoản dự phòng mà NĐT hiện có có đủ bù đắp rủi ro trong tình huống xấu nhất không? Bên cạnh đó, mô hình Arima là một mô hình có ưu điểm trong việc dự báo giá cổ phiếu trong ngắn hạn, xem giá trị trong quá khứ của một biến số cụ thể là một chỉ tiêu tốt phản ảnh giá trị trong tương lai của nó đã hỗ trợ VaR trong việc đưa ra quyết định quản trị rủi ro. Arima có thể giúp NĐT trả lời các câu hỏi: liệu có nên tiến hành phòng ngừa rủi ro trong trường hợp này, nếu phòng ngừa rủi ro thì sẽ phòng ngừa như thế nào? Việc vận dụng mô hình VaR và mô hình Arima đã đạt được những kết quả nhất định, nó có thể giúp cho NĐT, nhà quản trị một cái nhìn khác trong quá trình QTRR của mình và bài viết cũng đã phần nào hoàn thiện được mục tiêu đề ra ban đầu. Tuy nhiên, bên cạnh những kết quả đạt được, bài nghiên cứu vẫn còn tồn tại những hạn chế nhất định sẽ được trình bày ngay dưới đây. 3. Hạn chế, khiếm khuyết Hạn chế, khiếm khuyết chính của sự kết hợp VaR và Arima trong QTRR cho danh mục xuất phát từ hướng yếu tố cơ bản sau đây: + Hạn chế xuất phát từ những giả thiết của mô hình VaR: VaR là phương pháp được các NĐT áp dụng rộng rãi bởi tính tối ưu của nó nhưng Trư ờn Đạ i họ c K i h tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 96 phương pháp này cũng có một số giả thiết khá chặt như đòi hỏi biến động giá trị của tài sản phân bố chuẩn. Trên thị trường tài chính Việt Nam thì giả thiết này chỉ đúng với một số ít tài sản, nên cũng gặp một số khó khăn trong việc tính toán. + Hạn chế xuất phát từ những yếu điểm của mô hình Arima: Mô hình Arima có thể dùng để dự báo, song chưa phải là tối ưu bởi vì sự phụ thuộc trong mô hình được giả định là tuyến tính. Kế đó, việc dự báo cho các ngày kế tiếp để thấy rõ xu hướng giá thường có sai số lớn, việc cập nhật dữ liệu thường xuyên là cần thiết để đưa ra dự báo sát với thực tế hơn. Ngoài ra, xu hướng giá có thể chưa thể hiện rõ nét nếu chỉ dựa vào việc dự báo giá cổ phiếu trong vài ba ngày tới. + Hạn chế xuất phát từ sự kết hợp: Thứ nhất, việc giả định các hoạt động mua bán trên TTCK diễn ra liên tục tức không tuân theo quy luật T+3 như hiện nay là một hạn chế lớn trong đề tài. Tuy nhiên, trong thực tế, chúng ta cũng có một số cách khắc phục như việc ứng trước tiền trên tài khoản kèm với việc đã trừ đi 1 khoản phí cho việc vay 3 ngày làm việc đó, lãi suất tùy theo từng thời kỳ (hiện tại là 0,055%/ngày10). Thứ hai, việc chỉ nhìn vào xu hướng giá cổ phiếu tăng giảm để điều chỉnh danh mục tỏ ra là một hạn chế. Do đó, khi tiến hành chúng ta nên kết hợp với xem xét thêm các nhân tố tác động trực tiếp đến VaR của danh mục để có thể điều chỉnh chính xác hơn. Thứ ba, phương pháp thế được sử dụng trong việc tìm ra số lượng cổ phiếu cần mua bán khi điều chỉnh danh mục tỏ ra hiệu quả và nhanh chóng. Tuy nhiên nó đòi hỏi NĐT khá thành thạo và am hiểu các phần mềm máy tính, điều mà không phải NĐT nào cũng làm được. Thứ tư, việc giả định giá đóng cửa ngày hôm nay với giá mở cửa ngày hôm sau không sai khác nhiều và có thể sử dụng là căn cứ điều chỉnh danh mục cũng là một hạn chế của đề tài. Tuy nhiên, chúng ta không thể đợi đến ngày mai khi có giả mở cửa rồi mới tiến hành điều chỉnh. Đề bài nghiên cứu mang tính tham khảo nhiều hơn, nên việc giả định như vậy sẽ tiện hơn trong quá trình nghiên cứu và nhà đầu tư để điều chỉnh danh mục kịp thời. 10 huong-dan-mo-tai-khoan-chung-khoan Trư ờng Đạ i họ c K i h tế H uế Khoá luận tốt nghiệp – TCNH – 2014 GVHD: Ths. Lê Tô Minh Tân Trần Quang Huy 97 Thứ năm, với giả định không có sự tách/gộp cổ phiếu trong thời gian nghiên cứu cũng là một hạn chế lớn. Cụ thể, trong thời gian từ 03/01/2012-01/04/2014, trong 10 cổ phiếu của danh mục, cổ phiếu VNM có sự chia tách với tỷ lệ 2:1 vào ngày 19/12/2012. Do đó ít nhiều ảnh hướng đến kết quả tính toán. Bởi vậy, trong đề tài đã tiến hành kiểm định lại tính chính xác trong khoảng thời gian ngắn hơn không hề có sự tách/gộp cổ phiếu đã phần nào khắc phục hạn chế trên. 4. Kiến nghị và hướng phát triển của đề tài  Kiến nghị Những hạn chế nêu trên, ắt hẳn là không tránh khỏi. Tuy nhiên, bên cạnh những tính toán thông thường, chúng ta nên kết hợp nhiều phương pháp khác nhau. Cụ thể như việc tính toán VaR bằng các phương pháp khác nhau sẽ cho ta các nhìn tổng quan hơn. Ngoài ra, việc thực hiện các phép thử như Back-test, Stress-test và E-VaR cũng nên được tiến hành thường xuyên và đồng thời để cung cấp cho NĐT nhiều thông tin hơn trong việc đưa ra quyết định quản trị. Đối với mô hình Arima, ngoài việc căn cứ vào xu hướng giá trong tương lai để ra quyết định về việc thay đổi tỷ trọng danh mục như thế nào, chúng ta cũng có thể căn cứ thêm nhiều yếu tố khác như là: rủi ro, tỷ trọng của từng của cổ phiếu trong danh mục như thế nào,là những nhân tố tác động tực tiếp với VaR để làm căn cứ cho việc ra quyết định được chính xác hơn.  Hướng phát triển Bên cạnh việc vận dụng VaR, NĐT có thể vận dụng CVaR để đo lường rủi ro cho danh mục do đặc tính có thể đo lường lợi tức cực biên của mô hình này mà VaR không làm được. (TS.Lê Chí Đạt và Ths.Lê Tuấn Anh, 2012); Bên cạnh vận dụng Arima, NĐT có thể vận dụng một số mô hình dự báo khác để dự báo cho CSDM, xu hướng giá như mô hình ARCH và GARCH. Trư ờ g Đại học Kin h tế Hu ế

Các file đính kèm theo tài liệu này:

  • pdfnghien_cuu_ung_dung_mo_hinh_var_value_at_risk_va_mo_hinh_arima_autoregressive_integrated_moving_aver.pdf
Luận văn liên quan