LỜI MỞ ĐẦU
hững năm gần đây, nền kinh tế Việt Nam đã chứng kiến những thay đổi lớn với
sự chuyển dịch từ nền kinh tế kế hoạch hóa sang nền kinh tế thị trường và sự
gia nhập vào Tổ Chức Thương Mại Thế Giới (WTO). Trong bối cảnh hội nhập vào
nền kinh tế toàn cầu, sự hình thành và phát triển của thị trường tài chính Việt Nam là
một hệ quả tất yếu giúp đưa ra rất nhiều kênh huy động vốn cũng như rất đa dạng
những kênh đầu tư.
Song song với sự phát triển của thị trường tài chính , những năm gần đây, Chính phủ
Việt Nam đã không ngừng hoàn thiện khung pháp lý, đưa ra những biện pháp thúc
đẩy sự phát triển bền vững của thị trường và củng cố lòng tin của nhà đầu tư cũng
như thu hút nhiều hơn nữa vốn đầu tư của những định chế chuyên nghiệp.
“Không nên để tất cả trứng vào cùng một rổ” là một nguyên tắc hết sức quan trọng
trong đầu tư. Nói cách khác, mỗi nhà đầu tư cần đa dạng hóa những vị thế của mình
để hạn chế rủi ro ở mức thấp nhất. Xây dựng một danh mục và quản lý tốt rủi ro của
nó trở thành một vấn đề hết sức quan trọng và cần thiết để nâng cao hiệu quả đầu tư.
Ở những nước phát triển, rất nhiều lý thuyết danh mục hiện đại đã được nghiên cứu,
ứng dụng và kiểm nghiệm; trong khi ở Việt Nam, cụm từ “quản lý danh mục” vẫn
còn là một khái niệm xa lạ với hầu hết nhà đầu tư cá nhân và các doanh nghiệp vừa &
nhỏ. Tuy nhiên, những mất mát và thất bại trong kinh doanh vì sự tác động của khủng
hoảng và bất ổn bất kinh tế, sự thay đổi của chính sách vĩ mô, sự biến động giá của
một số loại hàng hóa cơ bản đã buộc những nhà quản lý phải quan tâm đến rủi ro
của tài sản mà họ sở hữu. Đó thực sự là một tín hiệu đáng mừng chi thị trường tài
chính Việt Nam.
Có rất nhiều phương pháp để quản lý rủi ro cho danh mục và VaR (Giá trị tại rủi ro)
là một trong những nền tảng lý thuyết để quản trị rủi ro danh mục. Cho đến nay vẫn
chưa có những nghiên cứu chi tiết đề xuất việc ứng dụng VaR một cách có hệ thống
vào chương trình quản trị rủi ro danh mục tại Việt Nam. Và đó cũng chính là lý do tại
sao chúng tôi chọn nghiên cứu về VaR trong đề tài này.
Vấn đề mà chúng tôi đưa ra là “Làm thế nào để có thể ứng dụng VaR (Giá trị tại rủi
ro) vào quản trị rủi ro danh mục tại Việt Nam?”.
Để thực hiện công việc nghiên cứu, chúng tôi đã tra cứu tài liệu từ nguồn Internet, từ
những bài báo và sách kinh tế. Từ những thông tin tập hợp được, chúng tôi thực hiện
những phân tích và tổng hợp để đưa ra một số kết luận quan trọng. Để đơn giản hóa
việc tính toán, chúng tôi đã sử dụng một số phương pháp toán, công thức toán tài
chính được hỗ trợ bởi phần mềm Excel.
Nội dung chính:
Đề tài của chúng tôi sẽ tập trung giải quyết 3 vấn đề trong suốt 48 trang không kể
phần mở đầu, danh mục từ viết tắt, ký hiệu, danh mục hình, bảng biểu, phụ lục và tài
liệu tham khảo.
Chương 1
CƠ SỞ KHOA HỌC VỀ VaR
Bao gồm 20 trang, từ trang 1 đến trang 20
Chương 2
ỨNG DỤNG VAR TRONG QUẢN TRỊ RỦI RO DANH MỤC
CÁC CỔ PHIẾU NIÊM YẾT
Bao gồm 16 trang, từ trang 21 đến trang 36
Chương 3
KIẾN NGHỊ TRONG VIỆC SỬ DỤNG VaR ĐỀ
QUẢN TRỊ RỦI RO DANH MỤC
Bao gồm 12 trang, từ trang 37 đến trang 48
64 trang |
Chia sẻ: lvcdongnoi | Lượt xem: 5572 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Ứng dụng phương pháp giá trị tại rủi ro (VaR) vào quản trị rủi ro cho danh mục, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
thứ tự 2
( -0.17505 ) và TSSL thứ tự 3 ( -0.17296 ) để có kết quả VaR là:
( -0.17505 + -0.17296 ) / 2 * 100,000 USD = - 17,401 USD
Thuận lợi và hạn chế:
Phương pháp lịch sử có thuận lợi là không có tham số (nghĩa là bao gồm cả chấp
nhận phân phối xác suất nhỏ nhất), giúp cho người dùng tránh được tất cả những giả
định về loại phân phối xác suất để phân bố TSSL. Tuy nhiên, bất lợi là phương pháp
này dựa hoàn toàn vào sự kiện trong quá khứ, và bất kể phân phối nào chiếm ưu thế
trong quá khứ sẽ không ảnh hưởng đến tương lai. Đặc biệt, thời kì của những TSSL
bất thường âm khá lớn như chỉ số công nghiệp trung bình Dow Jone vào ngày
19/10/1987 giảm 23% nội trong một ngày sẽ khó có thể làm thông tin để đánh giá
được tương lai. Vấn đề này cũng ảnh hưởng lên những phương pháp đo lường rủi ro
khác, bao gồm cả phương pháp phân tích và mô phỏng Monte Carlo, cả hai bị ảnh
hưởng từ dữ liệu đầu vào, thường xuyên hay không thường xuyên, từ giá quá khứ liên
quan của những chứng khoán trong danh mục.
2.3 Phương pháp mô phỏng Monte Carlo
Phương pháp thứ 3 được giới thiệu để tính VaR là phương pháp mô phỏng Monte
Carlo. Về tống quát, mô phỏng Monte Carlo đưa ra những kết quả ngẫu nhiên nên ta
có thể kiểm tra cái gì xảy ra sẽ tạo loại rủi ro như thế nào. Phương pháp này được sử
dụng rộng rãi cả trong nhiều ngành khoa học cũng như trong kinh doanh để phát hiện
ra nhiều những vấn đề khác nhau. Trong thế giới tài chính những năm gần đây, đây
đã trở thành một kĩ thuật cực kì quan trọng để đo lường rủi ro. Monte Carlo đưa ra
nhiều kết quả ngẫu nhiên nhờ vào những phân phối xác suất được giả định và một
loạt những biến số đầu vào. Chúng ta theo đó phân tích những kết quả để tìm ra rủi ro
liên quan với những sự kiện. Khi đánh giá VaR, ta dùng mô phỏng Monte Carlo để
đưa ra những TSSL danh mục một cách ngẫu nhiên. Sau đó tổng hợp những TSSL
này thành một tóm tắt bằng phân phối từ đó chúng ta có thể xác định tại mức dưới
5% (hay 1%, nếu thích hợp) của những kết quả TSSL xuất hiện. Tiếp đó ta thể hiện
bằng giá trị của danh mục để đạt được kết quả VaR.
Mô phỏng Monte Carlo sử dụng một phân phối xác suất cho mỗi biến số của lãi suất
và một kĩ thuật để đưa ra những kết quả ngẫu nhiên dựa vào từng loại phân phối. Mục
tiêu của chúng ta có được sự hiểu biết cơ bản về kĩ thuật và làm sao để sử dụng nó.
Như vậy, ta minh họa nó không cần phải giải thích dài dòng làm sao để có được
những giá trị ngẫu nhiên đó.
Giả sử ta lấy lại ví dụ về danh mục trị giá 50triệu $ có 2 loại tài sản : 75% là S&P500
và 25% là NASDAQ. Chúng ta giả định, như cũ rằng danh mục này nến có một
TSSL kì vọng hằng năm là 13.5% và độ lệch chuẩn là 24.4%. Chúng ta sẽ sử dụng
mô phỏng Monte Carlo với phân phối chuẩn để tính toán cùng với những dữ liệu trên.
Nhớ rằng trong thực hành, một thuận lợi của phương pháp mô phỏng này là nó không
yêu cầu một phân phối chuẩn, nhưng phân phối chuẩn thì thường được sử dụng và
chúng ta sẽ giữ điều kiện đó để dễ dàng minh họa hơn.
Chúng ta sử dụng con số ngẫu nhiên để tạo ra một loạt những giá trị ngẫu nhiên, mà
sau đó biến đổi thành những kết quả của phân phối chuẩn đại diện cho 1 tỉ suất sinh
lợi danh mục trên một năm. Giả sử giá trị đầu tiên đưa ra một TSSL là -21.87%. Tỷ lệ
này phù hợp với giá trị 39.07$ giá trị danh mục trong 1 năm. TSSL ngẫu nhiên thứ 2
là -4.79%, tương đương với giá trị danh mục là 47.61triệu $. Giá trị ngẫu nhiên thứ 3
là 31.38%, tạo ra giá trị danh mục là 65.69 triệu $. Chúng ta tiếp tục quy trình này với
số lần lớn, có lẽ là vài ngàn hay vài triệu. Để có thể minh họa với một khối lượng xác
định được, chúng ta sử dụng 300 con số.
Lưu ý rằng kể cả khi chúng ta sử dụng một phân phối chuẩn cho những dữ liệu này,
kết quả phân phối cũng không hoàn toàn là chuẩn. Đương nhiên, ta nên ngạc nhiên
nếu nó là một phân phối cực chuẩn vì với chỉ 300 đại lượng ngẫu nhiên, thì chỉ là một
mẫu khá nhỏ.
Trong mô phỏng Monte Carlo, người dùng có thể giả định bất kì mức phân phối xác
suất nào mà họ thấy thích hợp. Trong nhiều ứng dụng thực tế, giả định về phân phối
chuẩn của TSSL không còn đúng nữa. Đặc biệt, đối với nhiều dealer về sản phẩm
phái sinh, vấn đề quản trị rủi ro của những công cụ này được bao gồm bởi nhiều yếu
tố với những tham số ngẫu nhiên có thể ảnh hưởng giá trị của vị thế tổng hợp. Những
tham số này thường không phân phối chuẩn, và hơn nữa, chúng thường tác động qua
lại với nhau theo những cách phức tạp. Mô phỏng Monte Carlo thường chỉ mang ý
nghĩa tạo ra những thông tin cần thiết để phòng ngừa rủi ro. Với số lượng hơn mười
ngàn giao dịch trên sổ của hầu hết các dealer, mô phỏng Monte Carlo là phương pháp
đòi hỏi tính toán bằng máy tính nhiều nhất.
KẾT LUẬN:
Phần đầu của đề tài này đề cập đến những kiến thức cơ bản về các phương pháp ước
lượng VaR. Theo đó ta thấy VaR rất có ích cho nhà quản trị rủi ro cũng như việc tính
toán rủi ro và những ứng dụng khác. Phần chương tiếp theo sẽ tiếp cận đến VaR một
cách cụ thể trong việc ứng dụng trong việc tính toán rủi ro của danh mục bao gồm
những chứng khoán trên thị trường.
Chương II
ỨNG DỤNG VAR TRONG QUẢN TRỊ RỦI RO DANH MỤC
CÁC CỔ PHIẾU NIÊM YẾT
1. GIỚI THIỆU VỀ DANH MỤC
1.1 Các tiêu chuẩn để chọn lựa 10 cổ phiếu
Chúng tôi đã dựa trên 6 tiêu chuẩn sau để lựa chọn 10 loại cổ phiếu cho danh mục
của mình. Chúng bao gồm:
+ Sự khác nhau về quy mô vốn hoá: Để đảm bảo sự cân bằng trong mức vốn hoá của
từng loại cổ phiếu trong danh mục, chúng tôi đã chọn vừa cổ phiếu blue-chip (GMD,
SAM, STB) vừa những cổ phiếu có mức vốn hoá trung bình (AGF, BBC, DMC,
HBC, PGC, PNC, SGH) cho danh mục của mình.
+ Những cổ phiếu được lựa chọn đều niêm yết trên Sở Giao Dịch Chứng Khoán
TP.Hồ Chí Minh (HOSE) bởi vì trong quá trình lập mô hình, chúng tôi cần sử dụng
chỉ số VN-Index của sàn HOSE để tính toán.
+ Sự đa dạng các nhóm ngành : Để đảm bảo tính đa dạng cho danh mục nhằm hạn
chế bớt rủi ro, chúng tôi đã chọn lựa những cổ phiếu từ các ngành tiềmm năng hiện
nay : ngân hàng, năng lượng-viễn thông, xây dựng, y tế và ngành hàng tiêu dùng.
+ Tiêu chuẩn về thời gian : Các cổ phiếu phải được niêm yết và giao dịch trên sàn
trước ngày 2 tháng 1 năm 2007 để có thể thu thập đủ chuỗi số liệu trong một năm làm
cơ sở tính toán.
+ Những kết luận rút ra từ phân tích tiềm năng ngành.
+ Những kết quả rút ra từ phân tích tiềm năng của công ty.
Chúng tôi hiểu là việc lựa chọn mới chỉ 10 cổ phiếu cho danh mục thì tính đại diện
thị trường sẽ chưa cao. Tuy nhiên, do hạn chế về thời gian của chuyên đề, chúng tôi
cũng chỉ xin nghiên cứu trên một mẫu nhỏ đã được lựa chọn kỹ càng và do vậy, tính
đại diện cũng có thể chấp nhận được.
1.2 Danh sách 10 loại cổ phiếu cấu thành nên danh mục
Danh mục mà chúng tôi xây dựng bao gồm 10 cổ phiếu trong số 156 công ty trên sàn
HOSE hiện nay và thuộc những nhóm ngành khác nhau. Danh sách 10 cổ phiếu được
trình bày trong bảng dưới đây :
Bảng 2.1: Danh sách 10 cổ phiếu được chọn trong danh mục
STT Công ty Mã CK Ngày niêm yết
1 CTCP Xuất – Nhập khẩu thủy sản An Giang AGF 26-4-2002
2 CTCP Bánh kẹo Biên Hòa BBC 17-12-2001
3 CTCP Xuất nhập khẩu y tế Domesco DMC 25-12-2006
4 CTCP Đại lý Liên Hiệp Vận Chuyển -Gemadept GMD 18-4-2002
5 CTCP Xây Dựng và Kinh Doanh Địa ốc Hòa Bình HBC 27-12-2006
6 CTCP Gas Petrolimex PGC 24-11-2006
7 Công ty cổ phần Văn hóa Phương Nam PNC 11-7-2005
8 Công ty cổ phần Cáp và Vật liệu Viễn Thông SAM 18-7-2000
9 CTCP Khách sạn Sài Gòn SGH 13-7-2001
10 Ngân hàng Thương mại cổ phần Sài Gòn Thương Tín STB 12-7-2006
1.3 Tỷ trọng của từng cổ phiếu trong danh mục
Giả định rằng tại ngày 2/1/2007 danh mục gồm 1000 cổ phiếu cho mỗi mã chứng
khoán của 10 công ty. Vậy, tổng giá trị của danh mục tại thời điểm 2/1/2007 là
868,000,000 đồng.
Vậy, tỷ trọng của từng loại cổ phiếu trong danh mục tại ngày 2/1/2007 là:
AGF BBC DMC GMD HBC PGC PNC SAM SGH STB
0.1267 0.0472 0.1521 0.1567 0.1077 0.0685 0.0271 0.1705 0.0611 0.0824
Cũng giả định rằng chúng tôi đang quản lý cho một quỹ đầu tư (dạng quỹ mở). Do
vậy, phải luôn duy trì một lượng tiền mặt tối thiểu bằng 5% tổng giá trị danh mục để
có thể mua lại chứng chỉ quỹ khi khách hàng yêu cầu. Vậy, lượng tiền mặt cần duy trì
là :
5% * 868,000,000 VND = 43,400,000 đồng
Với khoản tiền này, ngoài việc mua lại chứng chỉ quỹ như đã phân tích ở trên, chúng
ta còn có thể mua thêm cổ phiếu của 10 công ty trong những trường hợp phát hành
thêm với giá ưu đãi.
Tuy nhiên, để quản trị rủi ro cho danh mục, chúng tôi sẽ giữ tỷ trọng từng loại cổ
phiếu trong danh mục trong khoảng từ 0% đến 20% tổng giá trị danh mục. Nếu tỷ
trọng các cổ phiếu vượt quá khoảng cho phép này, chúng tôi sẽ bán bớt loại cổ phiếu
đó để đảm bảo sự cân bằng về rủi ro cho danh mục.
Sau một năm, tỷ trọng các cổ phiếu trong danh mục tại ngày 28/12/2007 (sau khi đã
thực hiện quyền mua một số cổ phiếu với giá ưu đãi ) là :
AGF BBC DMC GMD HBC PGC PNC SAM SGH STB
0.0799 0.0899 0.1504 0.1067 0.1440 0.0501 0.0346 0.1319 0.1011 0.1114
Một số nhận xét :
+ Tỷ trọng từng loại cổ phiếu vẫn nằm trong khoảng cho phép [0,20%].
+ Cổ phiếu DMC giữ một tỷ trọng lớn trong danh mục (15.04%) còn PNC là cổ phiếu
có tỷ trọng khiêm tốn nhất trong danh mục (3.46%).
+ Mức vốn hoá thị trường tại thời điểm 28/12/2007 là 1,246,440,000 đồng. (Sự gai
tăng trong giá trị danh mục so với thời điểm đầu năm là do sự tăng giá của một số cổ
phiếu và sự tăng khối lượng cổ phiếu trong danh mục khi thực hiện quyền mua thêm
với giá ưu đãi)
2. MỘT SỐ BƯỚC CHUẨN BỊ
2.1 Thu thập chuỗi số liệu giá của 10 cổ phiếu trong danh mục
Bảng 2.2 Giá của 10 cổ phiếu
2.2 Điều chỉnh giá cổ phiếu trong ngày giao dịch không hưởng quyền.
Trong suốt một năm giao dịch, có những công ty đã thực hiện việc chia cổ tức cho cổ
đông hoặc phát hành thêm cổ phiếu ... dưới dạng tiền mặt hoặc cổ phiếu có giá ưu đãi
cho cổ đông hiện hữu. Tất cả những sự kiện trên đã ảnh hưởng một cách trực tiếp đến
giá của cổ phiếu trên sàn tại ngày giao dịch không hưởng quyền. Điều này dẫn đến
một sự biến động mạnh trong giá cổ phiếu, vượt quá mức +-5% (+-5% là biên độ dao
động giá lớn nhất đựơc quy định bởi Uỷ Ban Chứng khoán Nhà nước). Hệ quả theo
sau đó là những sai lệch trong tính toán tỷ suất sinh lợi hàng ngày của từng loại cổ
phiếu, gây ảnh hưởng đến kết quả phân tích.
Với tất cả những lý do nói trên, chúng ta cần phải điều chỉnh giá cổ phiếu tại nàgy
giao dịch không hươởng quyền.
Ví dụ 2.1 : Trường hợp của cổ phiếu PGC
Đối với trường hợp của cổ phiếu PGC, chúng ta có những thông tin như sau :
Ngày giao dịch khôn hưởng quyền : 9/2/2007
Phát hành thêm 5 triệu cổ phiếu phổ thông cho cổ đông hiện hữu với tỷ lệ 4 :1. Giá
phát hành là 33,500 đồng.
Số lượng cổ phiếu cũ : 20,000,000 cổ phiếu
Giá cổ phiếu PGC tại ngày 8/2/2007 : 72,000 đồng
Giá cổ phiếu PGC tại ngày giao dịch không hưởng quyền : 61,000 đồng
Bảng 2.3 : Trường hợp cổ phiếu PGC
Nếu chúng ta không điều chỉnh giá, tỷ suất sinh lợi vào ngày 9/2 sẽ là :
Ln ( 61,000 / 72,000 ) = - 16.57% >> - 5%
Do vậy, chúng ta phải thực hiện việc điều chỉnh giá trong ngày giao dịch không
hưởng quyền. Giá cổ phiếu PGC sau khi điều chỉnh là :
875,67
000,000,20
000,000,5*500,33)000,000,20000,000,5(*000,61
đồng
Tỷ suất sinh lợi tại ngày 9/2/2007 là :
Ln ( 67,875 / 72,000 ) = - 5.9 % = => chấp nhận được.
Tỷ suất sinh lợi tại ngày 12/2/2007 là :
Ln ( 64,000 / 61,000 ) = 4.8 % = => chấp nhận được.
Bảng 2.4 : Tỷ suất sinh lợi của 10 cổ phiếu
2.3 Tính toán những chỉ số cần thiết
- Tỷ suất sinh lợi trung bình
Trước hết, chúng ta cần tính toán tỷ suất sinh lợi hàng ngày của mỗi cổ phiếu dựa vào
giá đóng cửa của chúng bằng cách sử dụng hàm số ln(numbers …) (ghép lãi liên tục).
Để tính tỷ suất sinh lợi trung bình của mỗi cổ phiếu, ta sử dụng hàm số sau:
TSSLTB = 247
1
247ln
P
P
Với P247 là giá cổ phiếu vào ngày 28/12/2007
P1 là giá cổ phiếu vào ngày 2/1/2007
Bảng 2.5 : Tính toán một số chỉ số cần thiết
- Phương sai và hiệp phương sai :
Bằng cách sử dụng hàm VAR (number 1, number 2, ...) của Excel, chúng ta có thể dễ
dàng tìm được phương sai của từng cổ phiếu. Sau đó, ta sẽ lấy căn bậc hai của kết quả
phương sai để có được Độ lệch chuẩn.
Ngoài ra, ta còn có thể suy thẳng Độ lệch chuẩn từ công thức STDEV ( number 1,
number 2, ... ) trong Excel.
3. TÍNH VAR DANH MỤC BẰNG PHƯƠNG PHÁP PHƯƠNG SAI-HIỆP
PHƯƠNG SAI VÀ PHƯƠNG PHÁP LỊCH SỬ
3.1 Tính VaR danh mục bằng phương pháp phương sai – hiệp phương sai
Theo công thức tính VaR, ta nhận thấy rằng cần phải có tỷ suất sinh lợi trung bình
cũng như độ lệch chuẩn mới có thể tính VaR của danh mục.
VaR = Vp * ( p - * p )
Đầu tiên, chúng ta cần xây dựng ma trận phương sai – hiệp phương sai.
Bảng 2.6 : Ma trận phương sai-hiệp phương sai
Sau đó chúng ta sẽ tính toán tỷ suất sinh lợi trung bình, độ lệch chuẩn bằng cách sử
dụng một số công cụ của Excel theo hướng dẫn sau :
Bảng 2.7 : Kết quả VaR của danh mục
Với mức vốn hóa của danh mục tại ngày 28/12/2007 là 1,246,440,000 đồng, chúng ta
có thể đưa ra khoản lỗ tiềm năng của danh mục như trong bảng sau :
Bảng 2.8 : So sánh kết quả
Độ tin cậy VaR Số tiền dự đoán bị lỗ
Theo Năm Theo Ngày Theo Năm Theo Ngày
5% -0.2100 -0.0263 -261,786,712 -32,763,092
1% -0.3854 -0.0374 -480,374,241 -46,671,483
Ý nghĩa :
Chúng ta đã xác định ngay từ đầu rằng VaR là một cách đo lường khoản lỗ tiềm năng
của những công cụ tài chính trong một khoảng thời gian xác định. Vậy, bảng kết quả
trên đây cho ta những thông tin sau :
- VaR của danh mục bằng 32,763,092 đồng trong 1 ngày với xác suất 5% . Điều
này có nghĩa là xác suất danh mục này chịu một khoản lỗ 32,763,092 đồng
trong 1 ngày là 5%.
- Tương tự như vậy, VaR của danh mục bằng 480,374,241 đồng trong 1 năm
với xác suất 1% . Điều này có nghĩa là xác suất danh mục này chịu một khoản
lỗ 480,374,241 đồng trong 1 năm là 1%.
3.2 Tính VaR của danh mục bằng phương pháp lịch sử
Trước tiên, chúng ta cần xác định giá trị của danh mục trong mỗi ngày giao dịch bằng
cách nhân giá và số lượng mỗi loại cổ phiếu với nhau, sau đó tính tổng của 10 kết quả
của 10 loại cổ phiếu.
Sau khi thực hiện xong bước này, chúng ta sẽ tính toán tỷ suất sinh lợi hàng ngày của
danh mục tương tự như việc tính toán cho từng cổ phiếu.
Để tính giá trị VaR theo phương pháp lịch sử, chúng ta cần sắp xếp chuỗi giá trị suất
sinh lợi hàng ngày của danh mục theo thứ tự từ nhỏ nhất đến lớn nhất.
Bảng 2.9 : Sắp xếp TSSL hàng ngày của danh mục
Chúng ta nhận thấy rằng, 5% của những trường hợp xấu nhất trong số 247 tỷ suất
sinh lợi ngày cho một kết quả bằng ( 5% * 247 = 12.35 ). Như vậy, giá trị VaR theo
phương pháp lịch sử phải là giá trị trung bình của TSSL thứ 12 (-2.58%) và TSSL
thứ 13 ( -2.52% ) trong bảng trên.
Như vậy, giá trị VaR ngày của danh mục với xác suất 5% là :
( -2.58% + -2.52% ) / 2 * 1,246,440,000 VND = - 31,771,166 VND
Tương tự với mức xác suất 1%. Chúng ta nhận thấy rằng, 1% của những trường hợp
xấu nhất trong số 247 tỷ suất sinh lợi ngày cho một kết quả bằng ( 1% * 247 = 2.47 ).
Như vậy, giá trị VaR theo phương pháp lịch sử phải là giá trị trung bình của TSSL
thứ 2 (-4.32%) và TSSL thứ 3 ( -3.69% ) trong bảng trên.
Như vậy, giá trị VaR ngày của danh mục với xác suất 1% là :
( -4.32% + -3.69% ) / 2 * 1,246,440,000 VND = - 49,880,823 VND
Bảng 2.10 : Khoản lỗ tiềm năng của danh mục
Nhận xét :
Từ kết quả VaR và khoản lỗ tiềm năng của danh mục được tính bằng hai phương
pháp : phương sai-hiệp phương sai và phương pháp lịch sử, chúng ta rút ra được một
số kết luận sau :
- Hai phương pháp cho 2 kết quả VaR gần như là bằng nhau.
- Kết quả VaR với mức xác suất lớn hơn sẽ nhỏ hơn và ngược lại.
Bảng 2.11: So sánh các kết quả
So sánh VaR theo ngày của DANH MỤC
Phương pháp VAR-COVAR Phương pháp lịch sử
5% -0.02629 -0.02549
1% -0.03744 -0.04002
So sánh khoản lỗ ( VND ) theo ngày của DANH MỤC
Phương pháp VAR-COVAR Phương pháp lịch sử
5% -32,763,092 -31,771,166
1% -46,671,483 -49,880,823
4. TÍNH VAR CỦA CHỈ SỐ VN-INDEX BẰNG PHƯƠNG PHÁP PHƯƠNG
SAI-HIỆP PHƯƠNG SAI VÀ PHƯƠNG PHÁP LỊCH SỬ
4.1 Tính VaR của danh mục bằng phương pháp phương sai-hiệp phương sai
Để tính VaR của chỉ số VN-Index, chúng ta cũng cần phải thu thập chuỗi số liệu và
tinh toán các chỉ số cần thiết như khi tính VaR cho danh mục.
Bảng 2.12 Chuỗi số liệu VN-Index
VaR theo phương pháp phương sai-hiệp phương sai của chỉ số VN-Index vẫn được
xác định theo công thức :
VaR = Vp * ( p - * p )
Sau đây là các bước xác định VaR ngày của chỉ số VN-Index :
Bảng 2.13 : VaR ngày và VaR năm của chỉ số VN-Index
Sau khi thực hiện việc tính toán, ta rút ra được bảng kết quả sau :
Bảng 2.14 : So sánh VaR ở các mức xác suất khác nhau của VN-Index
Phương pháp Var-Covar
Xác suất VaR
Theo ngày Theo năm
5% -0.0274 -0.1946
1% -0.0391 -0.3780
Nhận xét :
- Với mức xác suất 95%, kết quả VaR năm gấp 7 lần VaR ngày.
- Với mức xác suất 99%, kết quả VaR năm gấp 9 lần VaR ngày.
- Trong cùng một khoảng thời gian xác định, nếu mức xác suất càng cao thì
VaR càng lớn và ngược lại.
Nếu ta xem VN-Index như một danh mục đại diện thị trường (danh mục
« benchmark ») thì từ kết quả VaR của chỉ số VN-Index, chúng ta có thể suy ra khoản
lỗ tiềm năng của danh mục (giá trị của danh mục tại ngày 28/12/2007 là
1,246,440,000 đồng). Việc giả định VN-Index là danh mục benchmark rất có ý nghĩa
đối vối quỹ « thụ động » ví loại quỹ này thường quản lý danh mục của mình dựa vào
một danh mục chuẩn và không cho phép danh mục biến động quá nhiều so với danh
mục chuẩn này.
Bảng 2.15 : Khoản lỗ tiềm năng của danh mục suy ra từ VaR của VN-Index
Độ tin cậy VaR Số tiền dự đoán bị lỗ
Theo Năm Theo Ngày Theo Năm Theo Ngày
5% -0.2214 -0.0275 -276,005,837 -34,277,359
1% -0.4048 -0.0392 -504,618,766 -48,823,651
Nhận xét : Khoản lỗ tiếm năng được suy ra từ VaR của danh mục và VN-Index
không có sự khác nhau lớn.
Bảng 2.16 : Khoản lỗ tiềm năng rút ra từ VaR danh mục và VaR
chỉ số VN-Index
Phương pháp Var-Covar
Khả năng bị lỗ
Theo năm Theo ngày
Danh mục VN-Index Danh mục VN-Index
5% -261,786,712 -242,542,973 -32,763,092 -34,167,743
1% -480,374,241 -471,155,902 -46,671,483 -48,714,035
Để giải thích cho hiện tượng này, chúng ta sẽ tính hệ số tương quan giữa VN-Index
và danh mục bằng hàm Correl(array 1, array 2) trong Excel.
Kết quả hệ số tương quan là 0.8743. Điều này có nghĩa là 87.43% sự biến động của
danh mục được giải thích bằng sự biến động của VN-Index. Chỉ có 12.57% sự biến
động của danh mục được giải thích bằng rủi ro phi hệ thống của các chứng khoán
thành phần.
4.2 Tính VaR của chỉ số VN-Index bằng phương pháp lịch sử
Để tính toán VaR của VN-Index theo phương pháp lịch sử, trước hết ta cần sắp xếp
chuỗi số liệu VN-Index theo thứ tự tăng dần.
Bảng 2.17: Kết quả VaR của VN-Index bằng phương pháp lịch sử
Chúng ta nhận thấy rằng, 5% của những trường hợp xấu nhất trong số 247 tỷ suất
sinh lợi ngày cho một kết quả bằng ( 5% * 247 = 12.35 ). Như vậy, giá trị VaR theo
phương pháp lịch sử phải là giá trị trung bình của TSSL thứ 12 (-2.75%) và TSSL
thứ 13 ( -2.65% ) trong bảng trên.
Như vậy, giá trị VaR ngày của danh mục với xác suất 5% là :
( -2.75% + -2.65% ) / 2 = - 2.70 %
Tương tự với mức xác suất 1%. 1% của những trường hợp xấu nhất trong số 247 tỷ
suất sinh lợi ngày cho một kết quả bằng ( 1% * 247 = 2.47 ). Như vậy, giá trị VaR
theo phương pháp lịch sử phải là giá trị trung bình của TSSL thứ 12 (-3.99%) và
TSSL thứ 13 ( -3.97% ) trong bảng trên.
Như vậy, giá trị VaR ngày của danh mục với xác suất 5% là :
( -3.99% + -3.97% ) / 2 = - 3.98 %
Bảng 2.18 : Kết quả VaR từ hai phương pháp khác nhau
Theo ngày PHƯƠNG PHÁP
Xác suất Var-Covar Lịch sử
5% -0.0274 -0.0270
1% -0.0391 -0.0398
Từ những kết quả VaR của chỉ số VN-Index được ước lượng từ hai phương pháp
khác nhau, chúng ta rút ra một số kết luận sau:
- Hai phương pháp vẫn cho những kết quả VaR tương tự nhau.
- Kết quả VaR có mức xác suất cao hơn sẽ lớn hơn và ngược lại.
Bảng 2.19 : So sánh kết quả VaR của danh mục và VN-Index
PHƯƠNG PHÁP VAR-COVAR (theo ngày)
Đối với VN-Index Đối với danh mục
Var Khoản lỗ VaR Khoản lỗ
5% -0.0275
(34,277,359) -0.02629
(32,763,092)
1% -0.0392
(48,823,651) -0.03744
(46,671,483)
PHƯƠNG PHÁP LỊCH SỬ (theo ngày)
Đối với VN-Index Đối với danh mục
Var Khoản lỗ VaR Khoản lỗ
5% -0.02697
(33,614,825) -0.02549
(31,771,166)
1% -0.03981
(49,618,879) -0.04002
(49,880,823)
5. BACKTESTING
5.1 Sự cần thiết phải làm backtesting
Mục đích của backtesting là để chắc chắn rằng kết quả xảy ra trong thực tế không
vượt quá khoản lỗ tiềm năng VaR (không vi phạm kết quả VaR) và tần số vi phạm
chỉ tương ứng với một mức xác suất đã được xác định trước.
Ví dụ, một khoản lỗ lớn hơn hoặc bằng VaR1% không thể xảy ra quá 3 lần/năm. Nếu
nó xảy ra quá thường xuyên, chúng ta cần phải đặt câu hỏi về tính chính xác của mô
hình sử dụng; nếu nó xảy ra quá ít (nhỏ hơn 3 lần/năm) có nghĩa là kết quả tính toán
đã cường điệu hóa rủi ro.
Vì tất cả những lý do trên, chúng ta cần thực hiện backtesting đối với kết quả VaR đã
tìm được.
5.2 Thực hiện backtesting
Kiểm tra khả năng đánh giá quá cao – đánh giá quá thấp của kết quả
Thay vì thu thập số liệu về TSSL của VN-Index từ ngày 2/1/2007, chúng ta sẽ thu
thập số liệu kể từ ngày 1/3/2007 đến 29/2/2008, tức là trong 249 phiên giao dịch. Sau
đó thực hiện lại các bước để tính VaR của VN-Index với chuỗi số liệu mới.
Bảng 2.20: Chuỗi số liệu VN-Index kể từ ngày 1/3/2007 đến 29/2/2008
Nhận xét :
- Đối với phương pháp lịch sử
+ Với mức xác suất 99%, chúng ta nhận thấy rằng có 6 ngày giao dịch (>3) mà TSSL
ở những ngày này đều âm nhiều hơn so với VaR 2/1/2007-28/12/2007 ( -0.03908 ). Điều này
có nghĩa là VaR 2/1/2007-28/12/2007 đã bị đánh giá thấp.
+ Với mức xác suất 95%, chúng ta nhận thấy rằng có 20 ngày giao dịch (>13) mà
TSSL ở những ngày này đều âm nhiều hơn so với VaR 2/1/2007-28/12/2007 ( -0.02741 ).
Điều này có nghĩa là VaR 2/1/2007-28/12/2007 đã bị đánh giá thấp.
Vậy, lại thêm một dẫn chứng nữa cho thấy việc backtesting là cần thiết.
- So sánh kết quả VaR được tính trong 2 khoảng thời gian khác nhau
Bảng 2.21 : So sánh VaR trong 2 khoảng thời gian khác nhau
PHƯƠNG PHÁP PHƯƠNG SAI - HIỆP PHƯƠNG SAI
Từ 2/1/2007 đến 28/12/2007 Từ 1/3/2007 đến 29/2/2008
5% -0.02750 -34,277,359 -0.03149 -39,246,242
1% -0.03917 -48,823,651 -0.04322 -53,873,856
PHƯƠNG PHÁP LỊCH SỬ
Từ 2/1/2007 đến 28/12/2007 Từ 1/3/2007 đến 29/2/2008
5% -0.02697 -33,614,825 -0.03232 -40,287,458
1% -0.03981 -49,618,879 -0.04329 -53,955,835
+ Với cả hai mức xác suất, VaR tính trong giai đoạn từ 2/1/2007 đến 28/12/2007 luôn
nhỏ hơn VaR tính trong giai đoạn 1/3/2007 đến 29/2/2008. Điều này chứng tỏ VaR
2/1/2007-28/12/2007 đã bị đánh giá thấp, nghĩa là ta đã đánh giá thấp rủi ro trong năm 2008.
+ Thị trường chứng khoán năm 2008 sẽ rủi ro nhiều hơn năm 2007. Do vậy, nhà quản
trị danh mục cần chú ý đặc biệt tới danh mục của họ để có hướng tái cấu trúc danh
mục kịp thời (thay đổi tỷ trọng các cổ phiếu, thay đổi loại chứng khoán trong danh
mục .. )
Kết luận : Chúng ta phải luôn nhớ rằng VaR chỉ là một ước lượng về khoản lỗ tiềm
năng của danh mục trong một khoảng thời gian xác định, do đó, cần phải kết hợp
VaR với backtesting hay stress testing để kịp thời kiểm soát rủi ro danh mục.
CHƯƠNG III
KIẾN NGHỊ TRONG VIỆC SỬ DỤNG VaR ĐỀ
QUẢN TRỊ RỦI RO DANH MỤC
1. Ý NGHĨA CỦA GIÁ TRỊ TẠI RỦI RO – VaR
VaR là khoản lỗ tiềm năng trong một khoản thời gian với mức xác suất
đã xác định trước. Từ những thông tin về VaR, các nhà quản lý danh mục có thể đưa
ra những quyết định quan trọng và kịp thời đối với danh mục của họ.
Với khoản lỗ tiềm năng đã được ước lượng theo VaR, nhà đầu tư có thể
xác định giới hạn lỗ (stop-lost) cho riêng mình. Nếu khoàn lỗ của họ dần tiến đến giá
trị stop-lost thì tốt hơn hết là họ nên đóng vị thế của mình để bảo toàn vốn.
VaR đã được ứng dụng từ rất sớm trong lĩnh vực ngân hàng như là một
trong những kỹ thuật quản trị rủi ro ngân hàng. Khi xác định được khoản lỗ tiềm năng
cho mỗi vị thế, những nhà quản trị rủi ro ngân hàng có thể đưa ra quyết định phù hợp
cho một khoản dự phòng.
VaR không chỉ đo lường rủi ro cho một danh mục những tài sản tài
chính mà còn có thể được ứng dụng để đo lường rủi ro cho dự án đầu tư. Ví dụ, khi
áp dụng kỹ thuật VaR, chúng ta có thể đưa ra câu trả lời cho một số câu hỏi sau :
+ Khoản lỗ tiềm năng của NPV dự án là bao nhiêu ? (tìm NPV trong nhiều tình
huống rồi tính VaR của chuỗi NPV ứng với mỗi tình huống).
+ NPV của dự án sẽ bị âm với một xác suất bằng bao nhiêu ?
Những câu trả lời này sẽ có thể trở thành một nhân tố quan trọng để đưa ra quyết định
chấp nhận hay không một dự án bên cạnh những kỹ thuật cổ điển như NPV, IRR ...
VaR tính được khoản lỗ rõ ràng trong một kì đơn và có thể cho nhà quản trị hiểu một
cách dễ dàng. Khung chính sách đã chú ý đến VaR như là một cách đo lường rủi ro,
và một số yêu cầu rằng các định chế phải đưa nó vào trong bảng báo cáo của họ. Ở
Mỹ, Ủy ban chứng khóan và ngoại hối yêu cầu những công ty kinh doanh đại chúng
phải báo cáo cách họ quản trị rủi ro tài chính. VaR là một trong những phương pháp
được chấp nhận để công bố thông tin.
Một lợi ích khác của VaR là tính ứng dụng rộng rãi của nó. Nhiều công ty sử dụng
VaR như là một thước đo vốn tại rủi ro của họ. Họ sẽ ước tính VaR kèm với một mục
đích cụ thể như là cho dây chuyền rủi ro, quản trị tài sản cá nhân, một công ty con
hay một chi nhánh. Sau đó, họ đánh giá tình hình hoạt động, đưa vào trong việc ước
tính rủi ro với hoạt động tính toán rủi ro. Trong một vài trường hợp, công ty mở rộng
vốn dựa vào VaR. Ví dụ, một quỹ hoa hồng có thể quyết định một VaR tổng thể hợp
lý của nó và thông báo cho từng nhà quản trị tài sản rằng nó có thể tính toán ra VaR
mà không quá một con số cụ thể nào đó. Mục tiêu của nhà quản trị là làm sao tạo
được TSSL cao nhất được đưa ra bởi VaR cho phép. Công việc này được biết đến
như là hoạch định rủi ro.
2. NHỮNG HẠN CHẾ CỦA VaR
Mặc dù VaR đã trở nên một tiêu chuẩn phổ biến của việc kiểm soát rủi ro nhưng nó
vẫn không được sử dụng rộng rãi. VaR có thể rất khó ước lượng, và có những phương
pháp ứơc lượng khác nhau với những kết quả tính toán khác nhau. VaR cũng có thể
đưa người ta đến một cảm nhận sai lầm trong việc bảo vệ được đưa ra bởi những ấn
tượng mà rủi ro đã được tính toán và ngoài tầm kiểm soát. VaR thường ngoài khả
năng tính toán được trong một mẫu lớn và tần số của những TSSL thấp, mặc dù vấn
đề này thường gây ra bởi nhiều tham số trong phương trình và mô hình. Như chúng ta
đã thảo luận sau này, VaR cho từng vị thế riêng biệt không thường giống như cách
đơn giản của VaR danh mục. Dẫu vậy, VaR thất bại trong việc kết hợp kết quả dự
đoán vào rủi ro và như vậy, VaR cung cấp một hình ảnh không hòan chỉnh về rủi ro
tổng thể.
Người sử dụng VaR nên thường xuyên kiểm tra hệ thống để quyết định khi nào VaR
có thể ước lượng chính xác cho những kết quả dự báo trong khoảng thời gian. Ví dụ,
nếu VaR theo ngày tại xác suất 0.05 được ước lường là 1triệu $, vậy trong suốt một
khoảng thời gian hợp lý, ví dụ 1 năm, thì khoản lỗ ít nhất là 1triệu $ vượt quá trong
khoảng thời gian là 250*(0.05) =12.5 ngày. Nếu tần suất lỗ bằng hay cao hơn khoảng
chênh lệch trên thị trường thì mô hình không hoàn thành được mục tiêu của nó. Quá
trình so sánh những biến động của con số VaR đầu vào với mô phỏng ngụ ý bởi mức
xác suất người sử dụng chọn là một phần của quá trình backtesting. Điều này cực kì
quan trọng để vượt qua được bài tập thực hành này, trên nhiều khoảng thời gian, để
bảo đảm rằng phương pháp ước lượng VaR sẽ chính xác. Ví dụ, nếu VaR ước lượng
cho những quan sát hằng ngày và xác suất mục tiêu là 0.05, vậy thêm vào sự bảo đảm
rằng gần một tá những biến động đầu vào xuất hiện trong suốt năm, thì điều đó cũng
hữu dụng để kiểm tra những biến số khác, như trong khoảng thời gian ngắn hơn, bao
gồm hầu hết các quý hiện tại (nhất là trong 60 ngày giao dịch lẻ, chúng ta sẽ mong
đợi 3 VaR ngoại lệ - giả sử như là khoản lỗ có thể lớn hơn mức VaR đã tính), và hầu
hết những tháng hiện tại (20 quan sát, bao hàm 1 ngoại lệ VaR). Lưu ý là kết quả nên
tại mức thấp nhất hơn là tính tại mức mở rộng cao nhất. Nếu kết quả khác biệt nhiều
so với những dự đoán của mô hình thì ngừơi dùng lúc đó phải tìm ra lý do tại sao và
điều chỉnh lại cho thích hợp.
Một ước lượng VaR chính xác có thể cũng cực kì khó để xác định được cho những tổ
chức phức hợp. Trong một ví dụ đơn giản chúng ta sử dụng trước đây, VaR được tính
dựa trên chứng khoán thị trường Mỹ. Cho một ngân hàng quốc tế lớn, rủi ro có thể
khá nhiều khác biệt trên lãi suất thị trừơng nội địa và quốc tế, một khối lượng lớn tỷ
giá hối đoái, có lẽ một số thị trường vốn, va cả một số thị trường hàng hóa. Một ngân
hàng có thể có rủi ro trên rất nhiều loại. Chỉ riêng tác động của những rủi ro cho một
cách đo lường rủi ro đơn có thể cũng đã cực kì khó xác định. Tuy nhiên, hầu hết các
ngân hàng lớn điều hành để làm việc đó và nói chung hoàn thành được công việc
quản lý rủi ro của họ.
Tóm lại, VaR có những lợi ích và bất lợi đáng chú ý. Tranh luận và phản bác luôn
vây quanh VaR. Dẫu sao thì nếu quản trị rủi ro dùng VaR với sự chú ý trong hạn chế
của nó thì anh ta sẽ đạt được những thông tin có lợi về rủi ro. Kể cả nếu VaR đưa ra
một đo lường không chính xác về khoản lỗ tiềm năng, nhà quản trị rủi ro có thể lấy
sai lầm trong việc tính toán rủi ro vào một mục khi xác định quyết định chi tiết tổng
thể - đương nhiên là khả năng lớn của sai lầm có thể được tính toán và điều chỉnh cho
một vài mức dự đoán ví dụ như qua backtesting VaR so với dữ liệu lịch sử. Vẫn có
những tranh luận tồn tại, nhưng VaR như là một công cụ ước lượng rủi ro không thể
chối bỏ được.
Vì thế, phương pháp VaR không nên sử dụng một mình. VaR thường đi kèm với
stresstesting, được thảo luận trong phần sau. Cũng nhớ là không có phương pháp đo
lường rủi ro nào có thể chính xác dự đoán rủi ro trong tương lai. Điều đó rất quan
trọng để bảo đảm là dữ liệu đầu vào cho tính toán VaR phải đáng tin cậy và liên quan
tới việc đầu tư hiện tại.
3. STRESSTESTING
3.1 Tại sao phải stress test
Stress test được thực hiện để ước lượng những khoản lỗ trong giai đoạn thị trường bất
ổn. Phân tích lịch sử của thị trường cho thấy những tỷ suất sinh lợi tập trung ở phần
đuôi của phân phối (fat tails) mà khi đó những biến động của thị trường xảy ra vượt
qua khỏi mức phân phối chuẩn cho phép (với độ tin cậy 99%).
Mặc dù hiện nay bộ phận quản trị tài chính đã phát triển rất tốt, tuy nhiên những sự
kiện như thiên tai, chiến tranh, bất ổn chính trị …vẫn ảnh hưởng rất lớn đến những dự
báo của nhà quản trị. Vì vậy, stress test thường được dùng bởi những nhà quản trị và
các định chế tài chính.
Stress test tìm ra khả năng (xác suất) xấu nhất mà VaR có thể có tính trong giai đoạn
đặc biệt. Stress testing kết hợp với VaR cho ta hiểu rõ hơn “bức tranh rủi ro”.
Tập đoàn Chase Manhattan Corporation sử dụng 2 công cụ tính toán rủi ro là VaR và
stress testing, VaR được sử dụng đo rủi ro thị trường hằng ngày, trong khi stress
testing đo lường rủi ro thị trường ở giai đoạn bất bình thường. Việc sử dụng cả hai
công cụ như trên bảo đảm cho việc tính rủi ro có tính đa dạng hóa, chính xác và linh
động hơn, đủ để bao gồm hết những khả năng của thu nhập trong suốt thời gian biến
động của thị trường ở giai đoạn bình thường, nhưng cũng thể hiện ở cả những giai
đoạn xấu nhất.
Hình 3.1: Mô phỏng kết quả cần stress test theo đồ thị phân phối
Stress test giải quyết được hai câu hỏi như sau:
- Tôi sẽ bị lỗ bao nhiêu khi thị trường gặp giai đoạn khó khăn, ví dụ như thời kì
khủng hoảng tín dụng ở Mỹ ?
- Sự kiện nào có thể là nguyên nhân gây ra khoản lỗ lớn hơn mức dự kiến?
Để có thể ứng dụng Stress test thành công thì ta phải tạo ra và sử dụng được những
tình huống phù hợp với tiến trình ra quyết định của nhà quản trị. Những mức độ trong
stress test phải được thảo luận giữa nhà quản lý rủi ro, quản trị doanh nghiệp, và
những nhân viên xử lý rủi ro. Cũng giống như một cách đưa ra giới hạn của VaR,
công ty sẽ phải có một loạt những mức hạn chế lỗ dựa trên những tình huống trong
stress test. Stress test phải thể hiện được những mức độ trên diện vi mô, vĩ mô và cả
chiến lược rủi ro.
Một stress test hiệu quả phải bao hàm tất cả những rủi ro và làm cho bức tranh rủi ro
hiện rõ hơn. Điều đó thể hiện trong những tiêu chí sau:
- Phải liên quan đến vị thế hiện tại
- Bao gồm những thay đổi trong tất cả các TSSL thị trường
- Kiểm tra được khả năng biến đổi
- Bao gồm khả năng mất tính thanh khoản
- Rủi ro tín dụng
Stress test có thường được sử dụng ?
Các định chế tài chính lớn hay thực hiện stress test trong khoảng một tuần hoặc thậm
chí hàng ngày. Kết quả stress test đặc biệt được ứng dụng trong những thời kì biến
động mạnh trên thị trường hoặc những ảnh hưởng của tình hình chính trị hay những
sự kiện kinh tế quan trọng. Nhưng stress test không nên sử dụng nhiều vì có thể gây
ra tâm lý bi quan về rủi ro.
4.2 Những bước thực hiện stress test
Bước 1: Những kịch bản chung
Hầu hết những mức trong stress test được dự đoán được từ kịch bản xấu nhất liên
quan đến vị thế của danh mục. Các kịch bản đặt ra những tình huống liên quan đến
sự dao động của những tài sản riêng lẻ và sự tương tác giữa các tài sản trong danh
mục.
Bước 2: Đánh giá lại danh mục
Tính toán lại những chỉ tiêu rủi ro tài chính của danh mục với những chỉ số của kịch
bản xấu nhất đã đề ra. Kết quả stress test thay đổi trong giá trị hiện tại, không phải là
VaR.
Bước 3: Kết quả tổng hợp
Một bảng tổng hợp tóm tắt kết quả sẽ đưa ra những mức kỳ vọng của khoản lỗ (hay
lời) được cập nhật cho từng kịch bản stress test và những khu vực mà khoản lỗ được
chú ý.
4. MỘT SỐ LƯU Ý KHI SỬ DỤNG VaR
4.1 Đối với nhà đầu tư cá nhân
Trước hết, giá trị tại rủi ro là một phương pháp phù hợp với nhà đầu tư cá nhân để
lượng hóa rủi ro danh mục của họ. Để dễ dàng áp dụng phương pháp này, chúng ta
cần chú ý một số điểm sau :
- Thu thập số liệu về tỷ suất sinh lợi thật đầy đủ và chính xác (mẫu càng lớn thì
những kết luận về VaR càng có ý nghĩa).
- Cẩn thận với những phép tính tỷ suất sinh lợi vì nó là một thành phần rất quan
trọng trong quá trình tính VaR.
- Theo dõi thông báo về việc chi trả cổ tức, phát hành thêm cổ phiếu với giá ưu
đãi của các công ty niêm yết để thực hiện quyền và thực hiện điều chỉnh giá
vào ngày không hưởng quyền.
- Kết hợp giá trị VaR tính được với kết quả Backtesting để kết luận đúng về
mức độ rủi ro của danh mục.
4.2 Đối với quỹ đầu tư
Ngoài ra, VaR còn là một phương pháp quản trị rủi ro đặc biệt phù hợp với những
quỹ đầu tư. Và sau đây là một số lưu ý dành cho nhà quản lý quỹ (bên cạnh những
lưu ý dành cho nhà đầu tư cá nhân).
- Thu thập số liệu về tỷ suất sinh lợi thật đầy đủ và chính xác. Có thể tính TSSL
theo ngày, tháng, năm ... và thực hiện so sánh kết quả VaR tính toán được để
rút ra những kết luận có giá trị (trích dự phòng phù hợp với kế hoạch tài chính
của quỹ trong từng giai đoạn cụ thể).
- Thử và cố gắng tính VaR theo phương pháp mô phỏng Monte Carlo và so sánh
kết quả với giá trị tính được từ hai phương pháp phổ thông đã trình bày.
- Kết hợp giá trị VaR tìm được với kết quả Backtesting để có được một số dự
báo ban đầu về rủi ro của tài sản trong tương lai.
- Thực hiện Stress-test để tính VaR của danh mục trong những tình huống xấu
nhất.
- Xây dựng một giới hạn dao động của danh mục để quản lý rủi ro của nó (thông
thường giới hạn này là không quá 2% mỗi năm).
Chúng ta sẽ tính toán hiệu số giữa TSSL hàng ngày của danh mục và của VN-
Index. Sau đó tính độ lệch chuẩn của những hiệu này.
năm = ngày * 247
Nếu năm <2% sự biến động của danh mục là có thể chấp nhận được.
Nếu không, chúng ta phải cơ cấu lại cấu trúc của danh mục để duy trì rủi ro trong
một giới hạn cho phép.
Với số liệu về danh mục và về VN-Index trong khuôn khổ đề tài, chúng ta có
được :
năm = 0.0110642 1.1% < 2%
Vậy, sự biến động của danh mục ví dụ trong năm 2007 là có thể chấp nhận được.
4.3 Lưu ý khi sử dụng giả định phân phối chuẩn
Một lưu ý quan trọng khác là trong 3 phương pháp tính VaR chúng ta khảo sát thì
phương pháp phương sai - hiệp phương sai dựa trên giả định phân phối chuẩn, với
những người sử dụng phương pháp này thì có những lưu ý như sau:
- Về giả định về luật phân phối chuẩn:
Phân phối chuẩn là dạng phân phối đối xứng theo hình quả chuông. Điều thú vị ở đây
là phần lớn những hiện tượng trong tự nhiên lại có xu hướng tiến dần về phân phối
chuẩn khi chúng ta quan sát trên một mẫu đủ lớn. Ví dụ, phân phối tuổi thọ hoạt động
của một dây tóc bóng đèn cũng có dạng chuẩn.
Khi một phân phối được gọi là chuẩn thì giá trị trung bình cộng, trung vị và số mode
đều bằng nhau.
Hình 3.2: Phân phối chuẩn
Thông thường, phân phối tỷ suất sinh lợi của một danh mục được giả định là chuẩn
nhưng rất nhiều nhân tố tài chính lại sử dụng phân phối lịch sử. Một vấn đề thường
gặp phải ở đây liên quan đến cỡ mẫu: nếu mẫu quá nhỏ, xác suất xảy ra những khoản
lỗ lớn không còn chính xác; nhưng nếu mẫu quá lớn thì mối tương quan về thời gian
của những kết quả sẽ không còn ý nghĩa.
Những nghiên cứu của các chuyên gia thống kê đã chứng minh rằng luật chuẩn (hay
còn được gọi với cái tên “luật Gauss”) thể hiện một cách chính xác nhất sự tương
quan biến động giữa giá chứng khoán và tỷ giá.
- Cách kiểm tính chuẩn của phân phối
Vì phương pháp phương sai – hiệp phương sai dựa trên tính chuẩn của phân phối nên
khi dữ liệu tỷ suất sinh lợi khảo sát vượt quá mức giới hạn chuẩn thì như thế nào?
Chính vì vậy, đối với dữ liệu đầu vào, ta có cách kiểm tra tính chuẩn của phân phối
TSSL danh mục. Ứng dụng ở chương 2 chạy mô hình để kiểm tra phân phối chuẩn
bằng Jarques Béra, sau đây ta tìm hiểu lý thuyết về việc kiểm tra như sau:
Phương pháp kiểm tra tính chuẩn của phân phối
Để kiểm tra phân phối tiến tới luật chuẩn đến mức độ nào chúng ta có thể thực hiện
những bước sau:
+ Kiểm tra mức độ đối xứng
+ Kiếm tra mức độ tập trung
+ Test: Jarques Béra
Kiếm tra tính đối xứng của phân phối (hệ số skewness)
Một trong những thước đo thường được sử dụng nhất để đo lường tính đối xứng của
phân phối là hệ số Skewness. Một phân phối được coi là chuẩn sẽ hệ số skewness
bằng 0.
Nếu các quan sát xoay quanh giá trị trung bình thì hệ số đối xứng sẽ bằng 0. Nếu
chúng quá tập trung vào những giá trị yếu (phần âm) thì hệ số đối xứng sẽ dương.
Ngược lại, nếu chúng lại tập trung vào những giá trị lớn (phần dương) thì hệ số đối
xứng sẽ âm.
Hình 3.3: Dạng của phân phối – hệ số đối xứng
Kiểm tra tính tập trung của phân phối (hệ số kurtosis)
Một trong những thước đo thường được sử dụng nhất để đo lường tính tập trung của
phân phối là hệ số kurtosis. Một phân phối được coi là chuẩn sẽ có hệ số kurtosis
bằng 0.
Hệ số kurtosis âm biểu thị một phân phối có quá ít quan sát tập trung ở phần đuôi
(trái-phải) và như vậy, cái chuông sẽ khá nhọn. Hệ số kurtosis dương biểu thị một
phân phối có quá nhiều quan sát tập trung ở phần đuôi, và như vậy, cái chuông sẽ khá
tù.
Hình 3.4 : Dạng của phân phối – hệ số tập trung
Sau khi đã ước lượng hai hệ số trên, chúng ta cần phải thực hiện một quá trình test
nhỏ với tên gọi Jarques-Béra để xác định tính chuẩn của phân phối.
JB = [N/6]*[S2 + (K – 3)2/4]
Trong đó, N : số quan sát
S : hệ số skewness (trong Excel sử dụng công thức =SKEW(number…)
K : hệ số Kurtosis (trong Excel sử dụng công thức =KURT(number…)
Để có thể hiểu rõ hơn về vấn đề này, chúng ta sẽ thực hiện một ví dụ với VN-Index
Ví dụ 3.1: Kiểm tra phân phối của chuỗi tỷ suất sinh lợi VN-Index
Chúng ta có thể tóm tắt chuỗi tỷ suất sinh lợi của VN-Index bằng một bảng thống kê
duy nhất như sau:
Bảng 3.1: Tỷ suất sinh lợi của VN-Index
Bin Tần số Xác suất
-0.044683 1 0.40%
-0.038945 2 0.81%
-0.033207 2 0.81%
-0.027469 6 2.43%
-0.021732 9 3.64%
-0.015994 16 6.48%
-0.010256 30 12.15%
-0.004518 24 9.72%
0.001220 45 18.22%
0.006957 36 14.57%
0.012695 21 8.50%
0.018433 14 5.67%
0.024171 18 7.29%
0.029909 4 1.62%
0.035646 11 4.45%
More 8 3.24%
247 100%
Từ chuỗi số liệu này, chúng ta có thể biểu diễn chỉ số VN-Index dưới dạng đồ thị như
sau:
Hình 3.5: Phân phối TSSL của VN-Index
Đồ thị phân phối của VN-Index
0
5
10
15
20
25
30
35
40
45
50
-0.
04
46
8
-0.
03
89
4
-0.
03
32
1
-0.
02
74
7
-0.
02
17
3
-0.
01
59
9
-0.
01
02
6
-0.
00
45
2
0.0
01
22
0.0
06
96
0.0
12
70
0.0
18
43
0.0
24
17
0.0
29
91
0.0
35
65
Mo
re
Tần số
TSSL
Đồ thị trên cho ta một cái nhìn tổng quát về dạng của phân phối TSSL chỉ số VN-
Index. Ta có thể nhận thấy rằng phân phối này không hoàn toàn chuẩn mà hơi tập
trung về bờ bên phải.
Để có thể đưa ra những kết luận chính xác về dạng của phân phối, chúng ta cần tính
một số chỉ số sau:
SKEWNESS 0.1680
KURTOSIS -0.0690
Sau đó, thực hiện Test: Jarques - Béra
Xét 2 giả thiết sau:
Ho : phân phối TSSL của VN-Index chuẩn
H1 : phân phối TSSL của VN-Index không chuẩn
Chúng ta sẽ bác bỏ giả thiết Ho nếu JB >2 và ngược lại.
JB = [N/6]*[S2 + (K – 3)2/4]
JB = [ 247/6 ]*[(0.168)2 + (-0.069)2 /4] = 98
Với = 5% ta suy ra 2245= 43.77 (Phân phối Chi Bình Phương – xem phụ lục)
Vậy, JB > 2 Bác bỏ giả thiết Ho
Hay phân phối TSSL của VN-Index không chuẩn.
KẾT LUẬN
Thông qua đồ thị và kết quả Test Jarques-Béra, chúng ta có thể kết luận rằng phân
phối TSSL của VN-Index không thực sự chuẩn. Vì vậy, ta cần thực hiện backtesting
để có được những kết luận ý nghĩa hơn về rủi ro của danh mục.
KẾT LUẬN
Với kết quả nghiên cứu về VaR trên một danh mục cụ thể, chúng ta đã có được một
cái nhìn tổng quan về những vấn đề sau :
- Sự cần thiết phải đầu tư theo danh mục để dễ dàng quản lý rủi ro, tối đa hóa lợi
nhuận và cải thiện hiệu quả của hoạt động đầu tư.
- Những bước đơn giản để tính VaR bằng hai phương pháp thông dụng. VaR là
một công cụ hiệu quả để quản lý rủi ro danh mục gồm những tài sản tài chính
phù hợp cho nhà đầu tư tổ chức và cả nhà đầu tư cá nhân.
- Ý nghĩa của kết quả VaR tính được.
- Sự cần thiết phải thực hiện backtesting một cách thường xuyên để quản lý rủi
ro danh mục một cách kịp thời và hiệu quả.
Tóm lại, VaR là một kỹ thuật quản trị rủi ro được áp dụng trong nhiều lĩnh vực.
Nó không chỉ phù hợp với nhà đầu tư chuyên nghiệp mà còn có thể áp dụng trong
các doanh nghiệp vừa & nhỏ hay cho chính các nhà đầu tư cá nhân để quản lý rủi
ro của riêng mình. Khi rủi ro đã được dự báo trước và kiểm soát, nhà đầu tư sẽ
không bị sốc khi nó xảy ra ; hoạt động sản xuất kinh doanh vẫn diễn biến bình
thường ngay cả khi mọi thứ trở nên bất ổn ... Và đó cũng chính là mục đích của
việc quản trị rủi ro.
PHỤ LỤC
Phụ lục 1: Bảng điều chỉnh giá khi chia cổ tức của các công ty
BBC SAM DMC STB
Ngày không hưởng quyền 18/4/2007 14/5/2007 30/5/2007 7/6/2007
Số lượng phát hành 7,487,885 535,000 208,941,281
Giá phát hành (VND) 20,000 35,000 15,000
Cố tức (/cp) 1,078,800 1,070,000 25,072,954
Số lượng CP ban đầu 8,760,000 37,440,000 10,700,000 208,942,028
Giá trước khi
phát hành(VND)
52,000 215,000 118,000 144,000
Giá tại ngày không hưởng
quyền (VND)
48,700 190,000 109,000 78,500
Giá điều chỉnh (VND) 54,697 223,999 123,600 151,420
AGF HBC HBC PNC
Ngày không hưởng quyền 8/6/2007 27/7/2007 1/11/2007 21/8/2007
Số lượng phát hành 1,116,818 1,000,000 400,000
Giá phát hành (VND) 20,000 20,000 10,000
Cố tức (/cp) 1,577,516 1,023,750 + 240,000
Số lượng CP ban đầu 7,888,086 5,639,990 10,000,000 3,500,000
Giá trước khi
phát hành(VND)
127,000 131,000 135,000 29,000
Giá tại ngày không hưởng
quyền (VND)
109,000 95,000 127,000 26,500
Giá điều chỉnh (VND) 130,799 127,095 137,700 30,203
Phụ lục 2
Mô hình quản trị rủi ro của ANZ
Phụ lục 3 : VaR và quản trị rủi ro thị trường của Goldman Sachs
The following excerpt is from the 2005 Annual Report of Goldman Sachs :
« VaR is potential loss in value of Goldman Sachs’ trading positions due to adverse
market movements over a defined time horizon with a specified confidence level.
For the VaR numbers reported below, a one-day time horizon and a 95% confidence
level were used. This means that there is a 1 in 20 chance that daily trading net
revenues will fall below the expected daily trading net revenues by an amount at
least as large as the reported VaR. Thus, shortfalls from expected trading net
revenues on a single day greater than the reported VaR would be anticipated to
occur, on average, about once a month. Shortfalls can also accumulate over a
longer time horizon such as a number of consecutive trading days.
The VaR numbers below are shown separately for interest rate, equity, currency and
commodity products, as well as for our overall trading positions. The VaR numbers
in each risk category include the underlying product positions and related hedges
that may include position in other product areas. For exampl, the hedge of a foreign
exchange forward may include an interest rate futures positions, and the hedge of a
long corporate bond position may include a short position in the related equity.
The modeling of the risk characteristics of our trading positions involves a number
of assumptions and approximations. While management believes that these
assumptions and approximations are reasonable, there is no standard methodology
for estimating VaR, and different assumptions and/or approximations could produce
materially different VaR estimates.
We use historical data to estimate our VaR and, to better reflect current asset
volatilities, we generally weight historical data to give greater importance to more
recent observations. Given its reliance on historical data, VaR is most effective in
estimating risk exposures in markets in which there are no sudden fundamental
changes or shifts in market conditions. An inherent limitation of VaR is that the
distribution of past changes in market risk. Different VaR methodologies and
distributional assumptions could produce a materially different VaR. Moreover, VaR
calculated for a one-day time horizon does not fully capture the market risk of
positions that cannot be liquidated or offset with hedges within one day. Changes in
VaR between reporting periods are generally due to changes in levels of exposure,
volatilities and/or correlations among asset classes.
The following tables set forth the daily VaR :
Average Daily VaR (1) (in millions)
Year Ended November
Risk Categories 2005 2004 2003
Interest rates $37 $36 $38
Equity prices 34 32 27
Currency rates 17 20 18
Commodity prices 26 20 18
Diversification effect (2) (44) (41) (43)
Total $70 $67 $58
(1) During the second quarter of 2004, we began to exclude from our calculation other debt
portfolios that cannot be properly measured in VaR. The effect of excluding these portfolios was
not material to prior periods and, accordingly, such periods have not been adjusted. For a further
discussion of the market risk associated with these portfolios.
(2) Equals the difference between total VaR and the sum of the VaRs for the four risk categories.
This effect arises because the four market risk categories are not perfectly correlated.
Our average daily VaR increased to $70 million in 2005 from $67 million in 2004.
The increase was primarily due to higher levels of exposure to commodity prices,
equity prices and interest rates, partially offset by reduced exposures to currency
rates, as well as reduced volatilities, particularly in interest rate and equity assets.
Our average daily VaR increased to $67 million in 2004 from $58 million in 2003,
primarily due to higher levels of exposure to equity prices, currency rates and
commodity prices, partially offset by reduced exposures to interest rates, as well as
reduced volatilities, partially in interest rates and equity assets »
The Annual Report continues with a table giving other information about VaR,
including high and low daily values.
Source : Goldman Sachs 2005 Annual Report pp.50-52.
Phụ lục 4: Stress Testing kết hợp với VaR tạo ra một bức tranh toàn diện
về rủi ro
Phụ lục 5 : Phân phối chi bình phương
TÀI LIỆU THAM KHẢO
SÁCH
- MAGINN, John L., Donald L. Tuttle, Jerald E. Pinto, Dennis W. McLeavey, 2007,
Managing Investment Portfolios. A Dynamic Process, Ed. John Wiley & Sons, 3rd
edition, New Jersey, USA, pp (598-613).
- Yves Evrard, Bernard Pras, ... (1997) Market. Etudes et Recherches en Marketing ,
xuất bản lần 2, Nathan, Paris.
- Robert S Pindyck, Daniel L Rubinfeld (1998) Econometric Models and Economic
Forcasts, 4th edition, Mc GrawHill, Singapore.
- Wuensch, K. L. (2005) Kurtosis & Skewness. In B.S. Everitt & D.C. Howell (Eds.),
Encyclopedia of Statistics in Behavioral Science. Chichester, UK : Wiley.
- Christopher C. Finger, (2005) Back to Backtesting , Research Monthly, RiskMetrics
Group.
- David Harper (2004) Introduction to Value at Risk (part 1&2), Investopedia.
- Trần Ngọc Thơ, Vũ Việt Quảng (2007) Lập Mô hình Tài chính, xuất bản lần 1,
Thành phố Hồ Chí Minh
BÀI BÁO KHOA HỌC
Tiến sĩ Hồ Viết Tiến (2006) – “Thị trường chứng khoán Việt Nam có hiệu quả
không?” – Tạp chí Kinh Tế Phát Triển (Số T3/2006)
INTERNET
- www.riskmetrics.com
-
-
-
-
Các file đính kèm theo tài liệu này:
- Bai hoan chinh.pdf
- Mo hinh VaR.xls