BÁO CÁO NGHIÊN CỨU: KIỂM ĐỊNH SỰ PHÙ HỢP CỦA CÁC MÔ HÌNH ƯỚC LƯỢNG GIÁ TRỊ RỦI RO (VaR) TẠI THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Tóm tắt nghiên cứu (200-250 từ)

  • Câu hỏi nghiên cứu chính (Research Question): Trong bối cảnh thị trường chứng khoán Việt Nam mang đặc thù của một thị trường mới nổi với độ biến động cao, liệu các mô hình ước lượng Giá trị rủi ro (Value at Risk - VaR) phổ biến trên thế giới có đảm bảo độ tin cậy và sự phù hợp khi đưa vào kiểm định thực tế (Backtesting)?
  • Phương pháp nghiên cứu (Methodology Snapshot): Nghiên cứu thực hiện bởi TS. Võ Hồng Đức và Huỳnh Long Phi, khảo sát và ước lượng VaR 1-ngày bằng 12 mô hình định lượng khác nhau (thuộc nhóm mô hình tham số, phi tham số và mô hình lai) trên bộ dữ liệu gồm 3.001 quan sát theo ngày của hai chỉ số VN-Index và HNX-Index giai đoạn 2006–2014. Độ chính xác của các mô hình được đánh giá qua quy trình Backtesting 3 tầng: Kiểm định không điều kiện (Kupiec test), Kiểm định tính độc lập và Kiểm định có điều kiện (Christoffersen test).
  • Phát hiện chính (Key Findings): Ở mức rủi ro 5%, nhiều mô hình gán trọng số đều (như MA, HS) gặp phải hiện tượng vi phạm tập trung (clustered violations). Mô hình RiskMetrics cho kết quả dự báo tương đối tốt ở mức rủi ro 5% nhưng bộc lộ hạn chế ở các mức rủi ro sâu hơn. Ở mức rủi ro cực đoan (0,1%), chỉ có các mô hình lai tiên tiến như EVT-GARCH(1,1) và FHS-GARCH(1,1) là vượt qua toàn bộ các kiểm định nghiêm ngặt.
  • Hàm ý nghiên cứu (Implications): Cung cấp cơ sở định lượng vững chắc giúp các ngân hàng thương mại, công ty chứng khoán và quỹ đầu tư tại Việt Nam lựa chọn mô hình đo lường rủi ro danh mục phù hợp, đáp ứng các tiêu chuẩn an toàn vốn Basel II/Basel III.

Bối cảnh và tầm quan trọng (300-350 từ)

  • Hiện trạng tri thức (Current state of knowledge): Quản trị rủi ro tài chính là nhiệm vụ sống còn của các định chế tài chính nhằm giảm thiểu tổn thương trước biến động thị trường. Từ khi J.P. Morgan công bố tài liệu RiskMetrics vào năm 1994 và Ủy ban Giám sát Ngân hàng Basel cho phép sử dụng mô hình nội bộ vào năm 1996, Giá trị rủi ro (VaR) đã trở thành thước đo tiêu chuẩn toàn cầu để xác định mức vốn dự phòng rủi ro thị trường.
  • Khoảng trống nghiên cứu (Research gap identified): Đại đa số các mô hình ước lượng VaR tiêu chuẩn được phát triển dựa trên dữ liệu của các thị trường tài chính phát triển với tính thanh khoản cao, biên độ dao động ổn định và chuỗi dữ liệu dài. Ngược lại, thị trường chứng khoán Việt Nam là thị trường mới nổi, đặc trưng bởi quy mô vốn hóa nhỏ, dữ liệu lịch sử ngắn, thanh khoản thấp và bất cân xứng thông tin lớn. Trước nghiên cứu này, các công trình trong nước chủ yếu so sánh sai số dự báo thuần túy mà chưa thực hiện kiểm định sự phù hợp (Backtesting) toàn diện để kiểm tra tính độc lập của các sự kiện vi phạm rủi ro.
  • Tính thời sự và sự cần thiết (Timeliness & Relevance): Việc Việt Nam từng bước hội nhập sâu rộng vào thị trường tài chính quốc tế và áp dụng các chuẩn mực quản trị rủi ro theo Hiệp ước Basel đòi hỏi hệ thống ngân hàng và định chế đầu tư phải có công cụ định lượng chuẩn xác, tránh việc áp dụng máy móc các mô hình ngoại sinh chưa qua kiểm chứng thực nghiệm.
  • Tác động tiềm năng (Potential impact): Đóng góp bộ công cụ tham chiếu thiết thực giúp giảm thiểu rủi ro phá sản kỹ thuật, tối ưu hóa chi phí sử dụng vốn dự phòng và nâng cao sức đề kháng của hệ thống tài chính quốc gia trước các cú sốc vĩ mô bất ngờ.

Methodology và approach (350-400 từ)

  • Thiết kế nghiên cứu (Research Design): Nghiên cứu sử dụng phương pháp nghiên cứu định lượng thực nghiệm, áp dụng kỹ thuật cửa sổ ước lượng trượt (rolling window) với kích cỡ mẫu linh hoạt từ 250 đến 1.000 quan sát nhằm liên tục cập nhật sự thay đổi trong phương sai lợi nhuận của thị trường.
  • Thu thập dữ liệu (Data Collection): Mẫu dữ liệu chuỗi thời gian bao gồm 3.001 quan sát lợi nhuận logarit hàng ngày của hai chỉ số đại diện cho thị trường chứng khoán Việt Nam: VN-Index (Sở Giao dịch Chứng khoán TP.HCM - HOSE) và HNX-Index (Sở Giao dịch Chứng khoán Hà Nội - HNX) trong toàn bộ giai đoạn 2006–2014. Thống kê mô tả cho thấy chuỗi dữ liệu có hiện tượng đuôi dày (kurtosis cao vượt trội: 3,86 ở VN-Index và 7,80 ở HNX-Index), phân phối không chuẩn (kiểm định Jarque-Bera p < 0,001) và tồn tại hiệu ứng chuỗi phương sai thay đổi bậc hai (Engle’s ARCH test p < 0,001).
  • Kỹ thuật phân tích và mô hình hóa (Analysis Techniques): Nghiên cứu đánh giá đồng thời 12 mô hình ước lượng VaR 1-ngày ở 5 mức rủi ro: 5%, 2,5%, 1%, 0,5% và 0,1% (tương ứng độ tin cậy từ 95% đến 99,9%):
    1. Nhóm mô hình Trung bình trượt & Tham số động: Trung bình trượt (MA), RiskMetrics ($\lambda = 0,94$), GARCH(1,1), GJR-GARCH(1,1), EGARCH(1,1) dưới giả định phân phối Chuẩn (Normal) và phân phối Student-t.
    2. Nhóm mô hình Phi tham số: Giả lập lịch sử trọng số đều (HS) và Giả lập lịch sử trọng số thời gian (WHS).
    3. Nhóm mô hình Lai (Hybrid Models): Mô hình Giả lập lịch sử có chọn lọc kết hợp GARCH (FHS-GARCH) và Mô hình Lý thuyết giá trị cực trị kết hợp GARCH (EVT-GARCH).
  • Quy trình kiểm định chất lượng dự báo (Backtesting Validity):
    • Kiểm định không điều kiện (Kupiec, 1995): Đánh giá xem tỷ lệ vi phạm thực tế ($\hat{\pi}$) có khác biệt có ý nghĩa thống kê so với tỷ lệ cam kết lý thuyết ($p$) thông qua tỷ số hợp lý $LR_{uc} \sim \chi^2(1)$.
    • Kiểm định tính độc lập (Christoffersen, 1998): Kiểm tra xem các sự kiện vi phạm có xuất hiện độc lập ngẫu nhiên hay bị dồn cục theo chuỗi thời gian ($LR_{ind} \sim \chi^2(1)$).
    • Kiểm định có điều kiện (Christoffersen, 1998): Kết hợp đồng thời tiêu chí tỷ lệ vi phạm và tính độc lập ($LR_{cc} = LR_{uc} + LR_{ind} \sim \chi^2(2)$) ở mức ý nghĩa 10%. Toàn bộ quá trình ước lượng tham số được lập trình trên phần mềm chuyên dụng Matlab R14 và kiểm định thống kê trên Excel.

Phát hiện chính (400-450 từ)

+-----------------------------------------------------------------------------------+
|               KẾT QUẢ BACKTESTING CÁC MÔ HÌNH VAR TẠI VIỆT NAM                     |
+--------------------------+------------------------------+-------------------------+
| Mức Rủi ro (p) / Độ Tin cậy| Mô hình Đạt Chuẩn Tốt Nhất  | Mô hình Bị Vi Phạm / Kém |
+--------------------------+------------------------------+-------------------------+
| 5,0% (Độ tin cậy 95,0%)   | GARCH(1,1), RiskMetrics      | MA, HS (Vi phạm theo cụm)|
| 2,5% - 1,0% (97,5% - 99%)| GARCH, GJR-GARCH, EGARCH     | WHS, MA (ở HNX-Index)   |
| 0,1% (Độ tin cậy 99,9%)  | EVT-GARCH(1,1), FHS-GARCH(1,1)| GARCH Phân phối chuẩn,   |
|                          |                              | GARCH Student-t, MA, HS |
+--------------------------+------------------------------+-------------------------+
  1. Hiện tượng vi phạm tập trung (Clustered Violations) ở các mô hình gán trọng số đều: Các mô hình như Trung bình trượt (MA) và Giả lập lịch sử truyền thống (HS) thất bại nghiêm trọng ở bài kiểm định tính độc lập tại mức rủi ro 5% và 2,5% (ví dụ: kiểm định tính độc lập $LR_{ind}$ của MA trên VN-Index đạt tới 13,249 so với giá trị tới hạn 2,705). Nguyên nhân là do cơ chế gán trọng số đều cho quá khứ khiến mô hình phản ứng rất chậm khi thị trường chuyển trạng thái từ biến động thấp sang biến động cao, dẫn đến các đợt thua lỗ vượt ngưỡng VaR diễn ra liên tiếp trong thời gian ngắn.
  2. Hiệu quả thực nghiệm bất ngờ của RiskMetrics ở mức rủi ro trung bình: Mặc dù sử dụng tham số suy giảm cố định $\lambda = 0,94$ (vốn được chuẩn hóa cho các thị trường phát triển), RiskMetrics vượt qua bài kiểm định không điều kiện ở hầu hết các mức rủi ro tại cả hai sàn giao dịch. Điều này chứng minh RiskMetrics là giải pháp thay thế đơn giản, tiện lợi cho mức rủi ro 5%. Tuy nhiên, ở các mức rủi ro nhỏ hơn 1%, mô hình này lại bộc lộ hạn chế và không vượt qua được bài kiểm định có điều kiện.
  3. Ưu thế tuyệt đối của các mô hình lai EVT-GARCH và FHS-GARCH ở đuôi rủi ro cực đoan: Tại mức rủi ro rất thấp $p = 0,1%$ (độ tin cậy 99,9%), gần như tất cả các mô hình GARCH truyền thống (dù kết hợp phân phối Chuẩn hay phân phối Student-t) đều đánh giá thấp rủi ro thực tế ($underestimate$) và thất bại trong kiểm định. Ngược lại, mô hình EVT-GARCH(1,1) (kết hợp lý thuyết giá trị cực trị GPD) và FHS-GARCH(1,1) (kết hợp lọc biến động với mô phỏng lịch sử) thể hiện năng lực vượt trội, kiểm soát hoàn hảo phần đuôi phân phối và vượt qua kiểm định có điều kiện.
  4. Không có sự khác biệt rõ nét giữa mô hình biến động đối xứng và bất đối xứng: Tại thị trường Việt Nam, các mô hình nắm bắt hiệu ứng bất đối xứng và đòn bẩy như GJR-GARCH(1,1) hay EGARCH(1,1) không cho thấy sự cải thiện vượt trội có ý nghĩa thống kê so với mô hình GARCH(1,1) đối xứng thông thường ở các mức rủi ro phổ biến (5% và 1%). Do đó, một mô hình GARCH(1,1) đơn giản là đủ đáp ứng nhu cầu quản trị rủi ro thường nhật.

Đóng góp khoa học (250-300 từ)

  • Đóng góp về mặt lý thuyết (Theoretical Contributions): Nghiên cứu củng cố bằng chứng thực nghiệm cho lý thuyết tài chính thị trường mới nổi, chứng minh rằng giả định phân phối chuẩn thông thường không phản ánh đúng rủi ro đuôi dày và biến động cụm của thị trường chứng khoán Việt Nam. Đồng thời, nghiên cứu khẳng định tầm quan trọng của việc kiểm tra tính độc lập của chuỗi vi phạm rủi ro, thay vì chỉ dừng lại ở tỷ lệ vi phạm phần trăm thuần túy.
  • Đổi mới về phương pháp luận (Methodological Innovations): Xây dựng một quy trình kiểm định toàn diện kết hợp giữa kỹ thuật cửa sổ trượt động (rolling sample) và hệ thống kiểm định Backtesting 3 bước (Kupiec test, Christoffersen Independence test, Conditional coverage test), tạo ra khung tham chiếu phương pháp luận chuẩn mực cho các nghiên cứu kinh tế lượng tài chính trong nước.
  • Ứng dụng thực tiễn (Practical Applications): Nghiên cứu cung cấp "kim chỉ nam" cho các nhà quản trị rủi ro danh mục:
    • Sử dụng GARCH(1,1) hoặc RiskMetrics cho việc công bố chỉ số rủi ro thường nhật ở mức rủi ro 5%.
    • Bắt buộc chuyển đổi sang mô hình EVT-GARCH(1,1) hoặc FHS-GARCH(1,1) khi tính toán vốn an toàn dự phòng cho các kịch bản thị trường biến động cực đoan ($p \le 0,1%$).
  • Hàm ý chính sách (Policy Implications): Cung cấp cơ sở khoa học định lượng cho Ngân hàng Nhà nước và Ủy ban Chứng khoán Nhà nước trong quá trình ban hành các thông tư, hướng dẫn kỹ thuật về thẩm định mô hình quản trị rủi ro nội bộ tại các ngân hàng thương mại và công ty chứng khoán.

Đối tượng quan tâm (200-250 từ)

  • Giới học thuật và nhà nghiên cứu (Academic Researchers): Các giảng viên, nghiên cứu sinh trong lĩnh vực Tài chính - Ngân hàng, Kinh tế lượng ứng dụng và Quản trị rủi ro có thêm tài liệu tham khảo giá trị về phương pháp kiểm định mô hình định lượng chuỗi thời gian trên thị trường mới nổi.
  • Chuyên viên quản trị rủi ro & Quản lý quỹ (Industry Professionals): Các Giám đốc Quản trị rủi ro (CRO), chuyên viên Phân tích định lượng (Quant Analyst) tại các ngân hàng thương mại, quỹ đầu tư, công ty quản lý quỹ và công ty chứng khoán có thể ứng dụng trực tiếp thuật toán và kết quả nghiên cứu để xây dựng hệ thống tính toán VaR tự động.
  • Cơ quan quản lý và hoạch định chính sách (Policy Makers): Thanh tra Ngân hàng Nhà nước và các cơ quan quản lý thị trường vốn sử dụng kết quả này làm tiêu chí đánh giá mức độ an toàn vốn và tính khả thi của các mô hình nội bộ theo chuẩn mực Basel.
  • Lợi ích cụ thể mang lại: Giúp doanh nghiệp định giá chính xác phần bù rủi ro, tránh lãng phí vốn chủ sở hữu khi trích lập dự phòng quá mức hoặc đối mặt với nguy cơ mất khả năng thanh toán khi ước lượng thiếu rủi ro.

Câu hỏi thường gặp - FAQ (250-300 từ)

1. Phát hiện quan trọng nhất của bài nghiên cứu này là gì?

Phát hiện then chốt là các mô hình đơn giản (MA, HS) thường xuyên bị lỗi "vi phạm tập trung" (thua lỗ liên tiếp nhiều ngày khi thị trường chuyển biến xấu). Ở ngưỡng rủi ro cực đoan ($p = 0,1%$), chỉ có mô hình lai EVT-GARCH và FHS-GARCH mới đảm bảo độ chính xác để bảo vệ vốn.

2. Điểm đặc biệt trong phương pháp kiểm định của nghiên cứu là gì?

Nghiên cứu không chỉ kiểm tra xem số ngày vi phạm có đúng tỷ lệ cam kết hay không (Kiểm định không điều kiện) mà còn sử dụng Kiểm định tính độc lập của Christoffersen để phát hiện xem các ngày bị lỗ vượt VaR có xảy ra liên tiếp nhau hay không – một yếu tố có thể dẫn đến phá sản tổ chức tín dụng.

3. Kết quả nghiên cứu có thể khái quát hóa cho các tài sản khác không?

Có. Quy trình ước lượng và khung kiểm định Backtesting trong bài hoàn toàn có thể áp dụng mở rộng cho danh mục trái phiếu, hợp đồng tương lai, ngoại hối (Forex) cũng như các thị trường chứng khoán mới nổi khác trong khu vực ASEAN.

4. Bước phát triển tiếp theo của hướng nghiên cứu này là gì?

Các nghiên cứu tương lai có thể mở rộng chuỗi dữ liệu sang giai đoạn sau năm 2015, tích hợp thêm các thước đo tổn thất kỳ vọng (Expected Shortfall - ES), đo lường VaR đa kỳ hạn (10-ngày VaR) và áp dụng kỹ thuật kiểm tra sức chịu tải (Stress-testing) trong các cuộc khủng hoảng tài chính toàn cầu.

5. Doanh nghiệp tài chính nên bắt đầu ứng dụng kết quả này từ đâu?

Doanh nghiệp nên thiết lập mô hình GARCH(1,1) làm nền tảng đo lường rủi ro hàng ngày, đồng thời xây dựng mô-đun EVT-GARCH để định kỳ đánh giá rủi ro đuôi và xác định hạn mức đòn bẩy an toàn cho danh mục tự doanh.

Kết luận (150 từ)

Nghiên cứu của TS. Võ Hồng Đức và Huỳnh Long Phi đã lấp đầy khoảng trống thực nghiệm quan trọng trong lĩnh vực quản trị rủi ro tài chính tại Việt Nam. Bằng việc thực hiện kiểm định Backtesting đa tầng trên 12 mô hình VaR đại diện, bài viết đã chỉ ra rõ ràng điểm mạnh, điểm yếu của từng phương pháp tiếp cận ở các ngưỡng xác suất rủi ro khác nhau. Kết quả cho thấy sự cần thiết phải phân tầng mô hình: sử dụng GARCH(1,1)/RiskMetrics cho quản trị biến động thông thường và bắt buộc áp dụng EVT-GARCH/FHS-GARCH cho rủi ro cực đoan.

Các tổ chức tài chính tại Việt Nam cần chủ động tích hợp quy trình kiểm định sự phù hợp định kỳ vào hệ thống quản trị rủi ro nội bộ, qua đó tối ưu hóa hiệu quả phân bổ vốn và bảo đảm an toàn hệ thống trong kỷ nguyên số hóa tài chính.