Chuyên đề thực tập: Ứng dụng mô hình ARCH-GARCH dự báo rủi ro cổ phiếu ngành bất động sản

Mô hình ARCH và mô hình GARCH là các công cụ định lượng quan trọng trong phân tích tài chính, đặc biệt trong việc dự báo rủi ro. 75 trang · 2018.

• Tác giả: Nguyễn Công Minh
• Người hướng dẫn: GS. Nguyễn Quang Dong
• Chuyên ngành: Toán tài chính
• Đề tài: Ứng dụng các mô hình ARCH-GARCH để dự báo rủi ro một số cổ phiếu ngành bất động sản
• Loại tài liệu: chuyên đề thực tập
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
• 1.1. Một số khái niệm
• 1.2. Đầu tư cổ phiếu
• 1.3. Nhận diện rủi ro trong hoạt động đầu tư cổ phiếu
• 1.4. Một số phương pháp đo lường rủi ro
• 1.5. Ứng dụng mô hình ARCH-GARCH
• 2. CHƯƠNG 2: TỔNG QUAN VỀ THỊ TRƯỜNG BẤT ĐỘNG SẢN Ở VIỆT NAM VÀ GIỚI THIỆU MỘT SỐ CỔ PHIẾU NGÀNH BẤT ĐỘNG SẢN
• 2.1. Tổng quan về thị trường bất động sản ở Việt Nam
• 2.2. Giới thiệu một số cổ phiếu ngành bất động sản
• 2.2.1. Giới thiệu CTCP Hoàng Anh Gia Lai (HA)
• 2.2.2. Giới thiệu tập đoàn Vin Group (VIC)
• 2.2.3. Giới thiệu tập đoàn FLC (FLC)
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH ARCH-GARCH ĐỂ PHÂN TÍCH RỦI RO MỘT SỐ CỔ PHIẾU NGÀNH BẤT ĐỘNG SẢN
• 3.1. Giá và lợi suất của cổ phiếu HAG
• 3.2. Giá và lợi suất của cổ phiếu VIC
• 3.3. Giá và lợi suất của cổ phiếu FLC
• 3.4. Mô hình và kết quả tính toán
• 3.5. Ứng dụng mô hình ARCH-GARCH để phân tích rủi ro cổ phiếu
• 3.5.1. Phân tích rủi ro cổ phiếu Công ty cổ phần Hoàng Anh Gia Lai (HA)
• 3.5.2. Phân tích rủi ro cổ phiếu tập đoàn Vin Group (VIC)
• PHỤ LỤC
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về mô hình ARCH GARCH

Mô hình ARCH và mô hình GARCH là các công cụ định lượng quan trọng trong phân tích tài chính, đặc biệt trong việc dự báo rủi ro. Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) được giới thiệu bởi Engle (1982), tập trung vào việc mô hình hóa phương sai có điều kiện của chuỗi lợi suất. Mô hình GARCH (Generalized ARCH) là phiên bản mở rộng của ARCH, được Bollerslev (1986) phát triển, cho phép mô hình hóa phương sai có điều kiện phức tạp hơn. Cả hai mô hình đều hữu ích trong việc phân tích biến động giá và dự báo rủi ro trong thị trường chứng khoán.

1.1. Ứng dụng trong dự báo rủi ro

Mô hình ARCH-GARCH được sử dụng rộng rãi để dự báo rủi ro trong đầu tư cổ phiếu, đặc biệt là cổ phiếu bất động sản. Các mô hình này giúp nhà đầu tư hiểu rõ hơn về sự biến động giá và đưa ra quyết định đầu tư chính xác. Ví dụ, trong nghiên cứu này, mô hình GARCH được áp dụng để phân tích rủi ro của các cổ phiếu như HAG, VIC, và FLC, từ đó cung cấp thông tin hữu ích cho việc quản lý danh mục đầu tư.

II. Phân tích rủi ro trong đầu tư cổ phiếu bất động sản

Cổ phiếu bất động sản là một trong những kênh đầu tư tiềm năng nhưng cũng chứa đựng nhiều rủi ro. Phân tích rủi ro là quá trình nhận diện, đo lường và quản lý các yếu tố có thể ảnh hưởng đến giá trị đầu tư. Trong nghiên cứu này, các phương pháp đo lường rủi ro như VaR (Value at Risk) và mô hình ARCH-GARCH được sử dụng để đánh giá mức độ rủi ro của các cổ phiếu bất động sản.

2.1. Nhận diện rủi ro

Rủi ro trong đầu tư cổ phiếu bất động sản có thể xuất phát từ nhiều nguyên nhân như biến động giá, tính thanh khoản thấp, hoặc các cú sốc thị trường. Nhận diện rủi ro là bước đầu tiên giúp nhà đầu tư hiểu rõ các yếu tố có thể ảnh hưởng đến giá trị đầu tư. Ví dụ, cổ phiếu có tính thanh khoản thấp có thể khiến nhà đầu tư gặp khó khăn khi cần bán ra để thu hồi vốn.

2.2. Đo lường rủi ro

Các phương pháp đo lường rủi ro như VaR và mô hình ARCH-GARCH giúp nhà đầu tư ước tính mức độ tổn thất có thể xảy ra. VaR là phương pháp phổ biến, đo lường mức tổn thất tối đa trong một khoảng thời gian với mức độ tin cậy nhất định. Mô hình ARCH-GARCH tập trung vào việc mô hình hóa phương sai có điều kiện của chuỗi lợi suất, từ đó dự báo rủi ro một cách chính xác hơn.

III. Ứng dụng mô hình ARCH GARCH trong dự báo rủi ro cổ phiếu bất động sản

Nghiên cứu này tập trung vào việc ứng dụng mô hình ARCH-GARCH để dự báo rủi ro của các cổ phiếu bất động sản như HAG, VIC, và FLC. Các mô hình này giúp nhà đầu tư hiểu rõ hơn về sự biến động giá và đưa ra quyết định đầu tư chính xác. Kết quả nghiên cứu cho thấy mô hình GARCH có khả năng dự báo rủi ro hiệu quả, đặc biệt trong bối cảnh thị trường bất động sản biến động mạnh.

3.1. Kết quả phân tích

Kết quả phân tích cho thấy mô hình GARCH có khả năng dự báo rủi ro hiệu quả đối với các cổ phiếu bất động sản. Ví dụ, đối với cổ phiếu HAG, mô hình GARCH(1,1) cho thấy sự biến động giá có xu hướng tăng trong ngắn hạn, điều này giúp nhà đầu tư đưa ra quyết định mua bán phù hợp. Tương tự, mô hình GARCH cũng cho kết quả chính xác khi áp dụng cho cổ phiếu VIC và FLC.

3.2. Ý nghĩa thực tiễn

Nghiên cứu này có ý nghĩa quan trọng trong việc hỗ trợ nhà đầu tư quản lý rủi ro và tối ưu hóa danh mục đầu tư. Mô hình ARCH-GARCH không chỉ giúp dự báo rủi ro mà còn cung cấp thông tin hữu ích để nhà đầu tư đưa ra quyết định đầu tư chính xác. Điều này đặc biệt quan trọng trong bối cảnh thị trường bất động sản biến động mạnh và tiềm ẩn nhiều rủi ro.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong năm 2017, thị trường chứng khoán Việt Nam ghi nhận sự tăng trưởng với chỉ số VN-Index đạt mức 984,24 điểm (tăng hơn 48%), đưa Việt Nam vào nhóm các thị trường chứng khoán có mức tăng trưởng mạnh trên thế giới. Giá trị giao dịch và tính thanh khoản trên thị trường cũng gia tăng đột biến, khẳng định vai trò là kênh huy động vốn trung và dài hạn cho nền kinh tế cũng như kênh đầu tư sinh lời. Tuy nhiên, hoạt động đầu tư tài chính luôn đi kèm với nhiều yếu tố rủi ro biến động giá do thanh khoản, thông tin bất cân xứng, các cú sốc vĩ mô và tâm lý của nhà đầu tư. Nhóm cổ phiếu ngành bất động sản – một trong những nhóm ngành dẫn dắt chỉ số – có sự phân hóa và biến động giá mạnh.

Đề tài "Ứng dụng các mô hình ARCH-GARCH để dự báo rủi ro một số cổ phiếu ngành bất động sản" được tác giả Nguyễn Công Minh thực hiện dưới sự hướng dẫn của GS. Nguyễn Quang Dong thuộc chuyên ngành Toán tài chính (tháng 5/2018) nhằm lượng hóa rủi ro biến động giá cổ phiếu thông qua các công cụ kinh tế lượng chuỗi thời gian.

Mục tiêu và nhiệm vụ nghiên cứu:

1. Hệ thống hóa cơ sở lý thuyết về rủi ro tài chính, các phương pháp đo lường rủi ro (đặc biệt là giá trị chịu rủi ro - VaR) và cấu trúc của các mô hình thuộc họ ARCH/GARCH.
2. Tổng quan thực trạng kinh tế vĩ mô, thị trường bất động sản Việt Nam và phân tích các chỉ số tài chính cơ bản của ba doanh nghiệp đại diện trong ngành: Công ty Cổ phần Hoàng Anh Gia Lai (mã HAG), Tập đoàn Vingroup (mã VIC) và Tập đoàn FLC (mã FLC).
3. Ứng dụng chuỗi thời gian và phần mềm EViews để xây dựng, ước lượng và kiểm định các mô hình ARMA kết hợp ARCH, GARCH, GARCH-M, TGARCH, EGARCH đối với chuỗi tỷ suất sinh lời của ba cổ phiếu HAG, VIC, FLC.
4. Dự báo phương sai có điều kiện (độ biến động/rủi ro) và tỷ suất sinh lời kỳ vọng cho các cổ phiếu, từ đó đề xuất một số biện pháp quản trị và phòng hộ rủi ro cho nhà đầu tư.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Giá đóng cửa điều chỉnh và chuỗi tỷ suất sinh lời theo ngày của ba cổ phiếu HAG, VIC, FLC niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE).
• Phạm vi không gian: Thị trường chứng khoán Việt Nam (sàn HOSE).
• Phạm vi thời gian: Dữ liệu chuỗi thời gian từ ngày 05/10/2011 (đối với HAG) và từ ngày 07/10/2011 (đối với VIC, FLC) đến ngày 03/04/2018, với quy mô xấp xỉ 1.478 đến 1.480 quan sát mỗi chuỗi. Dữ liệu báo cáo tài chính doanh nghiệp giai đoạn 2014 – 2017.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình

Nghiên cứu tiếp cận rủi ro tài chính dưới góc độ là phương sai có điều kiện ($\sigma_t^2$) của tỷ suất sinh lời tài sản theo định nghĩa kinh tế lượng tài chính:

• Khái niệm rủi ro: Rủi ro cổ phiếu phản ánh sự biến động không lường trước được của giá trị tài sản. Các đặc tính cơ bản của chuỗi lợi suất tài chính bao gồm: tính không quan sát trực tiếp, hiện tượng cụm biến động (volatility clustering - giai đoạn biến động cao đi kèm biến động cao và ngược lại), tính dừng của chuỗi lợi suất, và hiệu ứng đòn bẩy bất đối xứng trước các tin tức tốt/xấu.
• Phương pháp đo lường rủi ro (VaR): Chuyên đề tổng thuật 5 phương pháp lượng hóa VaR:
  1. Phương pháp mô phỏng lịch sử (Historical Simulation).
  2. Phương pháp phương sai - hiệp phương sai (Variance-Covariance) dựa trên giả định phân phối chuẩn với công thức: $\text{VaR} = V_0 \cdot (r - U_\alpha \cdot \sigma)$.
  3. Phương pháp RiskMetrics với công thức làm mượt mũ: $\sigma_n^2 = \lambda \sigma_{n-1}^2 + (1-\lambda)r_{n-1}^2$ (với hằng số suy giảm $\lambda = 0,94$).
  4. Phương pháp mô phỏng Monte Carlo.
  5. Phương pháp tiếp cận ARCH/GARCH.
• Các mô hình kinh tế lượng chuỗi thời gian:
  • Mô hình ARMA(p, q) mô hình hóa phương trình trung bình có điều kiện của chuỗi tỷ suất sinh lời.
  • Mô hình ARCH(m) của Engle (1982) và GARCH(m, s) của Bollerslev (1986): Phương trình phương sai có điều kiện $\sigma_t^2 = \alpha_0 + \sum \alpha_i u_{t-i}^2 + \sum \beta_j \sigma_{t-j}^2$.
  • Mô hình GARCH tích hợp (IGARCH) khi tổng các hệ số $\sum \alpha_i + \sum \beta_j = 1$.
  • Mô hình GARCH trong trung bình (GARCH-M): Bổ sung phương sai/độ lệch chuẩn có điều kiện vào phương trình trung bình nhằm đo lường phần bù rủi ro ($c$).
  • Mô hình TGARCH (Threshold GARCH) và EGARCH (Exponential GARCH): Bổ sung biến giả hoặc hàm logarit nhằm kiểm định hiệu ứng đòn bẩy và tính bất đối xứng của các cú sốc thông tin.

Phương pháp nghiên cứu và nguồn dữ liệu

• Phương pháp định tính và phân tích cơ bản: Phân tích thực trạng vĩ mô, ngành bất động sản và các báo cáo tài chính của HAG, VIC, FLC thông qua hệ thống chỉ tiêu: khả năng thanh toán (Current Ratio, Quick Ratio), thông số hoạt động (vòng quay phải thu, hàng tồn kho, tổng tài sản), đòn bẩy tài chính (hệ số nợ) và khả năng sinh lời (EBIT, ROA, ROE).
• Phương pháp định lượng kinh tế lượng:
  1. Tính tỷ suất sinh lời theo ngày: $r_t = \frac{S_t - S_{t-1}}{S_{t-1}}$.
  2. Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF) để kiểm tra tính dừng của chuỗi.
  3. Phân tích lược đồ tương quan (Correlogram) ACF/PACF và kiểm định Box-Pierce/Ljung-Box Q-statistic để xác định bậc mô hình ARMA và kiểm tra tính nhiễu trắng của phần dư.
  4. Kiểm định ARCH-LM để phát hiện hiện tượng phương sai sai số thay đổi có điều kiện.
  5. Ước lượng các tham số mô hình bằng phương pháp hợp lý cực đại (ML - Marquardt) theo phân phối chuẩn.
  6. Lựa chọn mô hình tối ưu dựa trên các tiêu chí thông tin Akaike (AIC), Schwarz (SC), Hannan-Quinn (HQ) và ý nghĩa thống kê của các hệ số ($p\text{-value} < 0,05$).
• Nguồn dữ liệu: Giá đóng cửa lịch sử từ website tài chính (khoảng 1.480 phiên giao dịch) và số liệu thống kê từ Tổng cục Thống kê (TCTK), Hiệp hội Bất động sản TP.HCM (HoREA), báo cáo tài chính kiểm toán của HAG, VIC, FLC giai đoạn 2014 – 2017.

---

Nội dung chính theo từng chương

CHƯƠNG 1. CƠ SỞ LÝ THUYẾT

Chương này tập trung trình bày các nền tảng lý luận về cổ phiếu (phân loại cổ phiếu thường và cổ phiếu ưu đãi), bản chất của hoạt động đầu tư cổ phiếu, và nhận diện 4 nguồn rủi ro chủ yếu trên thị trường chứng khoán: rủi ro thanh khoản thấp, rủi ro bất cân xứng thông tin, rủi ro từ các cú sốc vĩ mô/thị trường, và rủi ro từ hạn chế tâm lý/năng lực của nhà đầu tư. Tác giả tổng quan chi tiết các phương pháp đo lường tổn thất VaR, cấu trúc toán học của các dạng mô hình ARCH, GARCH, GARCH-M, TGARCH, EGARCH cùng cơ chế dự báo tĩnh và động. Đồng thời, chương 1 phân tích các công cụ tài chính phái sinh (hợp đồng kỳ hạn, hợp đồng tương lai, hợp đồng quyền chọn mua/bán, chứng quyền) như những giải pháp phòng hộ rủi ro giá.

CHƯƠNG 2. TỔNG QUAN VỀ THỊ TRƯỜNG BẤT ĐỘNG SẢN Ở VIỆT NAM VÀ GIỚI THIỆU MỘT SỐ CỔ PHIẾU NGÀNH BẤT ĐỘNG SẢN

Chương 2 cung cấp bức tranh toàn cảnh về kinh tế Việt Nam năm 2017 với mức tăng trưởng GDP đạt 6,81% (cao hơn mức 6,5% năm 2015 và 6,0% năm 2016), lạm phát duy trì dưới 5%, nợ công/GDP giảm xuống 62%, và dòng vốn FDI cam kết đạt mức kỷ lục 35,9 tỷ USD. Trong đó, bất động sản là ngành thu hút FDI đứng thứ ba với 3,05 tỷ USD (chiếm 8,5% tổng vốn đăng ký). Hoạt động kinh doanh bất động sản năm 2017 tăng trưởng 4,07%, đóng góp 0,21% vào tăng trưởng GDP.

Văn bản nêu rõ các rào cản chính sách tín dụng từ Ngân hàng Nhà nước thông qua Thông tư 06/2016/TT-NHNN và Thông tư 19/2017/TT-NHNN, quy định lộ trình giảm tỷ lệ tối đa nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn từ 60% (năm 2016) xuống 45% (năm 2018) và 40% (từ ngày 01/01/2019).

Về nhóm cổ phiếu bất động sản, thị trường ghi nhận khoảng 66 doanh nghiệp niêm yết trên 3 sàn (HOSE, HNX, UPCoM), trong đó 36 doanh nghiệp tăng trưởng lợi nhuận trong năm 2017 và 13 doanh nghiệp tăng trưởng trên 100%. Giá cổ phiếu nhóm bất động sản tăng bình quân 52%, vượt mức 48% của VN-Index.

Phân tích tài chính chi tiết 3 doanh nghiệp giai đoạn 2014 – 2017:

Chỉ tiêu tài chính	Năm 2014	Năm 2015	Năm 2016	Năm 2017
CTCP Hoàng Anh Gia Lai (HAG)
- Doanh thu thuần (triệu đồng)	3.054.331	6.252.447	6.439.779	4.841.225
- Lợi nhuận sau thuế (triệu đồng)	1.556.016	602.361	-1.502.787	371.607
- Hệ số thanh toán hiện hành (lần)	-	-	0,74	0,71
- Vòng quay hàng tồn kho (vòng)	-	1,53	2,00	2,14
- Tỷ lệ lãi EBIT (%)	-	30,xx	Giảm mạnh	8,89%
Tập đoàn Vingroup (VIC)
- Doanh thu thuần (triệu đồng)	27.738.xxx	34.047.966	57.614.344	89.350.049
- Lợi nhuận sau thuế (triệu đồng)	3.776.xxx	1.501.475	3.513.068	5.654.942
- Tỷ suất sinh lời trên vốn CSH (ROE) (%)	-	4,63%	8,48%	11,56%
- Tỷ lệ lãi EBIT (%)	-	15,43%	17,53%	10,20%
Tập đoàn FLC (FLC)
- Doanh thu thuần (triệu đồng)	2.063.590	5.326.248	6.135.969	11.216.595
- Lợi nhuận sau thuế (triệu đồng)	355.853	901.874	1.012.552	385.275
- Tỷ suất sinh lời trên vốn CSH (ROE) (%)	-	17,78%	13,84%	4,55%
- Vòng quay hàng tồn kho (vòng)	-	4,06	4,80	8,15

CHƯƠNG 3. ỨNG DỤNG MÔ HÌNH ARCH-GARCH ĐỂ PHÂN TÍCH RỦI RO MỘT SỐ CỔ PHIẾU NGÀNH BẤT ĐỘNG SẢN

Chương 3 trình bày các bước tính toán và ước lượng mô hình thực nghiệm trên EViews:

• Phân tích chuỗi giá và lợi suất:
  • HAG: Mẫu gồm 1.480 quan sát (05/10/2011 – 03/04/2018). Giá biến động mạnh từ 4.000 đến 32.000 đồng/cổ phiếu, giá trị trung bình đạt 16.000 đồng. Chuỗi lợi suất biến động chủ yếu trong biên độ $\pm 7%$ do quy định của sàn HOSE (một số phiên vượt biên độ do ngày giao dịch không hưởng quyền).
  • VIC: Mẫu gồm 1.478 quan sát (07/10/2011 – 03/04/2018). Giá dao động từ 40.000 đến 123.000 đồng/cổ phiếu (trung bình 63.000 đồng), tăng vọt trong năm 2017 lên 120.000 đồng. Lợi suất biến động quanh biên độ $\pm 6%$.
  • FLC: Mẫu gồm 1.478 quan sát (07/10/2011 – 03/04/2018). Giá dao động từ đáy dưới 10.000 đến mức đỉnh 33.000 đồng (trung bình 9.750 đồng). Lợi suất dao động trong khoảng rộng từ -1 đến +1.
• Quy trình ước lượng và lựa chọn mô hình cho HAG:
  • Kiểm định ADF cho chuỗi LS_HAG có $p\text{-value} = 0,000 < 0,05 \rightarrow$ chuỗi dừng.
  • Phân tích Correlogram cho thấy mô hình phương trình trung bình phù hợp là ARMA(1,1). Kiểm định Q-statistic xác nhận phần dư của ARMA(1,1) là nhiễu trắng ($p\text{-value} > 0,05$).
  • Kiểm định ARCH-LM có $p\text{-value} = 0,000$, bác bỏ giả thiết $H_0 \rightarrow$ tồn tại hiệu ứng ARCH, bậc trễ tối ưu được xác định là bậc 3.
  • Ước lượng mô hình ARCH(1) và ARCH(3): ARCH(1) cho hệ số $R^2$ tốt hơn và các tham số có ý nghĩa thống kê cao.
  • Ước lượng họ GARCH: Mô hình GARCH(1,1) bị loại do các hệ số phương trình trung bình không có ý nghĩa ($p\text{-value} > 0,05$). Mô hình GARCH(4,1) đạt mức ý nghĩa cao. Kiểm định giả thiết IGARCH bị bác bỏ ($p\text{-value} = 0,0008 < 0,05$).
  • Ước lượng GARCH-M: GARCH-M(1,1) không có ý nghĩa thống kê đối với hệ số phương sai trung bình; GARCH-M(4,1) phù hợp với thực nghiệm.
  • Ước lượng mô hình phi đối xứng: Kiểm định TGARCH(1,1) và EGARCH cho chuỗi HAG đều có hệ số bất đối xứng $C(5)$ với $p\text{-value} > 0,05$, cho thấy không có bằng chứng thống kê về hiệu ứng đòn bẩy bất đối xứng giữa tin tức xấu và tin tức tốt đối với HAG.
• Ước lượng cho chuỗi VIC và FLC:
  • VIC: Kiểm định ADF xác nhận chuỗi dừng; ước lượng phương trình trung bình tối ưu là ARMA(16,14) không có hệ số chặn; tiếp tục ước lượng các mô hình ARCH(1), GARCH(1,1), GARCH(2,0) và GARCH-M(2,0).
  • FLC: Ước lượng mô hình ARMA(1,1), ARCH(1), GARCH(1,1), GARCH-M(1,1), TGARCH(1,1) và EGARCH(1,1).

---

Kết quả và đóng góp

Kết quả tính toán thực nghiệm

Đối với cổ phiếu HAG, chuyên đề thực hiện dự báo cho phiên giao dịch ngày 04/04/2018 bằng các mô hình khác nhau:

Tiêu chí dự báo (ngày 04/04/2018)	Mô hình ARCH(1)	Mô hình GARCH(4,1)	Mô hình GARCH-M(4,1)
Suất sinh lời kỳ vọng ($r_t$)	0,239%	-	-
Độ lệch chuẩn dự kiến ($\sigma_t$)	4,20%	4,33%	4,28%
Đánh giá đường phương sai	Nhẵn và rõ ràng nhất	Dao động	Dao động

Kết quả so sánh cho thấy độ lệch chuẩn dự kiến (đo lường rủi ro) của 3 mô hình không có sự chênh lệch lớn (dao động từ 4,20% đến 4,33%). Tác giả đánh giá mô hình ARCH(1) là mô hình tối ưu nhất đối với cổ phiếu HAG do đưa ra đường ước lượng phương sai nhẵn hơn và các chỉ tiêu thống kê phù hợp nhất.

Các đề xuất và khuyến nghị

1. Đối với rủi ro thanh khoản thấp: Nhà đầu tư ngắn hạn nên tránh các mã thanh khoản kém; nhà đầu tư dài hạn cần khấu trừ phần thiệt về thanh khoản vào mức sinh lời kỳ vọng và thực hiện đa dạng hóa danh mục.
2. Đối với rủi ro thông tin: Nhà đầu tư cần chủ động thu thập, kiểm chứng thông tin từ báo cáo tài chính kiểm toán, tránh giao dịch theo các thông tin chưa xác thực hoặc tâm lý đám đông bị dẫn dắt.
3. Đối với rủi ro biến động thị trường: Cần duy trì tầm nhìn trung và dài hạn khi xảy ra các cú sốc tạm thời; áp dụng các công cụ phái sinh (hợp đồng tương lai, hợp đồng quyền chọn, chứng quyền) để phòng hộ rủi ro biến động giá khi các sản phẩm này được đưa vào vận hành trên thị trường chứng khoán Việt Nam.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về phạm vi mẫu: Nghiên cứu chỉ tập trung vào 3 cổ phiếu đại diện (HAG, VIC, FLC) trên sàn HOSE, chưa bao quát toàn bộ 66 doanh nghiệp ngành bất động sản niêm yết.
• Hạn chế về giả định phân phối: Các mô hình thực nghiệm trong bài chủ yếu dựa trên giả định phần dư tuân theo phân phối chuẩn (Normal distribution), chưa mở rộng kiểm định với các phân phối đuôi dày như Student-$t$ hay Phân phối sai số tổng quát (GED) để xử lý hiện tượng phân phối có độ nhọn cao trong tài chính.
• Hướng mở rộng: Mở rộng nghiên cứu cho toàn bộ rổ cổ phiếu bất động sản, kết hợp mô hình ARCH/GARCH đa biến để xem xét mối liên hệ lan truyền rủi ro (spillover effect) giữa các cổ phiếu cùng ngành, và tích hợp giá trị VaR tính toán vào việc tối ưu hóa danh mục đầu tư theo mô hình Markowitz.

---

Giá trị tham khảo

• Đối với sinh viên chuyên ngành Toán tài chính, Kinh tế lượng và Tài chính - Ngân hàng: Tài liệu cung cấp quy trình từng bước từ việc xử lý dữ liệu chuỗi thời gian tài chính, kiểm định tính dừng (ADF), định dạng bậc ARMA qua Correlogram, kiểm định hiệu ứng ARCH-LM, đến việc lập lệnh ước lượng các mô hình GARCH, GARCH-M, TGARCH, EGARCH trên phần mềm EViews.
• Đối với nhà đầu tư và chuyên viên phân tích định lượng: Tài liệu cung cấp khung tham chiếu kết hợp giữa phân tích cơ bản (báo cáo tài chính doanh nghiệp) và phân tích kỹ thuật định lượng chuỗi thời gian nhằm ước lượng độ biến động và xác định rủi ro trước khi ra quyết định đầu tư.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn chuỗi dữ liệu giá đóng cửa từ tháng 10/2011 đến tháng 04/2018?

Khoảng thời gian từ 05/10/2011 đến 03/04/2018 cung cấp độ dài chuỗi gần 1.480 quan sát hàng ngày. Đây là khoảng thời gian đủ lớn để đáp ứng yêu cầu cỡ mẫu lớn trong ước lượng Maximum Likelihood của các mô hình kinh tế lượng tài chính, đồng thời phản ánh qua nhiều chu kỳ biến động của thị trường bất động sản từ giai đoạn khó khăn (2011 – 2013) đến giai đoạn phục hồi và tăng trưởng mạnh (2014 – 2017).

2. Kết quả kiểm định tính dừng (Unit Root Test) của chuỗi lợi suất HAG, VIC, FLC cho kết quả thế nào?

Kiểm định Dickey-Fuller (ADF) trên phần mềm EViews đối với cả ba chuỗi tỷ suất sinh lời (LS_HAG, LS_VIC, LS_FLC) đều cho giá trị $p\text{-value} = 0,000$ (nhỏ hơn mức ý nghĩa $\alpha = 0,05$). Do đó, giả thiết $H_0$ (chuỗi không dừng) bị bác bỏ, khẳng định các chuỗi tỷ suất sinh lời đều là chuỗi dừng, đủ điều kiện để xây dựng mô hình ARMA và ARCH-GARCH.

3. Vì sao mô hình GARCH(1,1) và TGARCH(1,1) không được chọn cho cổ phiếu HAG?

• Mô hình GARCH(1,1) có $p\text{-value}$ của các hệ số AR và MA trong phương trình trung bình lớn hơn 0,05, do đó không đạt ý nghĩa thống kê và bị loại (tác giả phải chuyển sang ước lượng GARCH(4,1)).
• Mô hình TGARCH(1,1) và EGARCH có hệ số bất đối xứng $C(5)$ mang $p\text{-value} > 0,05$, cho thấy không có ý nghĩa thống kê về sự khác biệt tác động giữa cú sốc âm và cú sốc dương đối với chuỗi lợi suất HAG.

4. Kết quả dự báo suất sinh lời và độ biến động của cổ phiếu HAG cho phiên ngày 04/04/2018 là bao nhiêu?

Theo mô hình tối ưu ARCH(1), vào ngày 04/04/2018, tỷ suất sinh lời kỳ vọng của cổ phiếu HAG được dự báo tăng khoảng 0,239% với độ lệch chuẩn dự kiến (đo lường rủi ro biến động) là 4,20%. Các mô hình GARCH(4,1) và GARCH-M(4,1) đưa ra mức dự báo độ lệch chuẩn lần lượt là 4,33% và 4,28%.

5. Khung pháp lý nào của Ngân hàng Nhà nước được văn bản chỉ ra là yếu tố thắt chặt vốn vào thị trường bất động sản?

Văn bản dẫn chiếu Thông tư 06/2016/TT-NHNN (ban hành ngày 27/05/2016) và Thông tư 19/2017/TT-NHNN (ban hành ngày 28/12/2017) của Ngân hàng Nhà nước, quy định việc hạ dần tỷ lệ tối đa nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn từ 60% (năm 2016) xuống 45% (năm 2018) và 40% (áp dụng từ 01/01/2019).

---

Kết luận

Chuyên đề thực tập tốt nghiệp của tác giả Nguyễn Công Minh đã hệ thống hóa cơ sở lý thuyết về rủi ro tài chính và ứng dụng thành công các mô hình kinh tế lượng chuỗi thời gian thuộc họ ARCH/GARCH để mô hình hóa và dự báo phương sai có điều kiện của ba cổ phiếu bất động sản HAG, VIC, FLC. Nghiên cứu chỉ ra rằng đối với chuỗi lợi suất cổ phiếu HAG, mô hình ARCH(1) thể hiện tính hiệu quả và độ ổn định cao nhất trong việc ước lượng độ lệch chuẩn dự báo. Kết quả nghiên cứu cung cấp cơ sở định lượng hữu ích cho việc nhận diện rủi ro, hỗ trợ nhà đầu tư đưa ra các quyết định phân bổ vốn và lựa chọn công cụ phòng hộ rủi ro phù hợp trên thị trường chứng khoán Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. Một số khái niệm 1. Cé phiếu Cổ phiếu là giấy chứng nhận số tiền nhà đầu tư đóng góp vào công ty phát hành. Cổ phiếu là chứng chi do công ty cổ phan phát hành hoặc bút toán ghi số xác nhận quyền sở hữu một hoặc một số cô phần của công ty đó.

Dựa vào quyền lợi mà cô phiếu đưa lại cho người nắm giữ, có thé phân biệt cổ phiếu phổ thông (cổ phiếu thường) và cổ phiếu ưu đãi - Day là cách phân loại phố biến nhất. Khi nói đến cổ phiếu của một công ty, người ta thường nói đến cổ phiếu phổ thông (cổ phiếu thường) và cổ phiếu ưu đãïNgười nắm giữ cé phiếu trở thành cổ đông và đồng thời là chủ sở hữu của công ty phát hành Cô phiếu thường là chứng chỉ xác nhận quyền sở hữu của cô đông đối với công ty và cho phép cổ đông được hưởng các quyền lợi thông thường trong công ty. Người nắm giữ cô phiếu thường gọi là cổ đông thường va là người đồng sở hữu của công ty cổ phần. Người sở hữu cổ phiếu thường không chi được tham gia họp đại hội cô đông, được bỏ phiếu quyết định những van dé quan trọng của công ty mà còn được quyền bầu cử và ứng cử vào Hội đồng Quản trị của công ty.

Do không phải là một khoản nợ của công ty nên cô phiếu thường không có thời hạn hoàn trả. Cổ đông thường được chia phan giá trị tài sản còn lại khi thanh lý công ty sau khi công ty đã thanh toán các khoản nợ và thanh toán cho các cô đông ưu đãi. Các cô đông năm giữ cô phiếu thường được phép chuyên nhượng quyền sở hữu cổ phần dưới hình thức bán lại cổ phiếu hay dưới hình thức quà tặng hay để lại cho người thừa kế. Điều này đã tạo ra tính thanh khoản cho cổ phiếu công ty, đồng thời cũng hap dan các nhà đầu tư.

Cổ đông được quyền ưu tiên mua cổ phiếu khi công ty phát hành cô phiếu mới dé tăng vốn và triệu tập đại hội cổ đông bất thường theo luật định. Tuy nhiên, cổ đông thường sẽ phải gánh chịu những rủi ro mà công ty gặp phải, ứng với phần vốn góp và chỉ chịu trách nhiệm giới hạn trong phạm vi số lượng vốn góp vào công ty. Cổ phiếu ưu đãi cũng là một chứng chỉ xác nhận quyền sở hữu trong một công ty. Tuy nhiên, người nắm giữ loại cô phiếu này được hưởng một số quyền lợi ưu tiên hon so với việc nắm giữ cô phiếu thường.

Quyền được nhận cô tức trước các cô đông thường, mặc dù người có cô phiếu ưu đãi chỉ được quyền hưởng lợi tức cô phần giới hạn nhưng họ được trả cô tức trước khi chia lợi tức cho cô đông thường. Khác với cổ tức của cô phiếu phô thông, cô tức của cô phiếu ưu đãi được xác định trước và thường được xác định bằng tỷ lệ phần trăm cố 11145147 - Nguyễn Công Minh 3 Chuyên đề thực tập chuyên ngành Toán Tai Chính định so với mệnh giá của cô phiếu hoặc bằng số tiền nhất định in trên mỗi cô phiếu. Quyền ưu tiên được thanh toán trước, khi giải thể hay thanh lý công ty, nhưng sau người có trái phiếu.Tương tự như cổ phiếu phổ thông, nhưng cô đông sở hữu cổ phiếu wu đãi không được tham gia bau cử, ứng cử vào Hội đồng Quan trị và quyết định những van dé quan trọng của công ty.Cổ phiếu wu đãi có thê có mệnh giá hoặc không có mệnh giá và mệnh giá của nó cũng không ảnh hưởng tới giá thị trường của cô phiếu ưu đãi. Mệnh giá của cô phiếu ưu đãi có ý nghĩa hơn đối với mệnh giá của cổ phiếu phô thông, vì nó là căn cứ dé trả cô tức và là căn cứ đề hoàn vốn khi thanh lý hay giải thể công ty.

Cổ tức của cổ phiếu wu đãi là cỗ định,và cỗ đông ưu đãi cũng vẫn được nhận cô tức khi công ty làm ăn không có lợi nhuận (thua lỗ). (Nguon: https://vi.org/wiki/Wikipedia ) 1.Đầu tư cỗ phiếu Đầu tư cô phiếu là việc mua bán cô phiếu trên thị trường thứng khoán nhằm mục đích kiếm lời. Đầu tư cổ phiếu không chỉ giúp nhà đầu tư kiếm được lợi nhuận từ việc giá cô phiếu tăng trưởng mà còn được công ty chia trả cổ tức hàng năm. Tuy nhiên, tất cả các hoạt động đầu tư đều chứa đựng yếu tố rủi ro, đầu tư cô phiếu cũng không ngoại lệ, rất hap dẫn nhưng cũng tiềm tàng khá nhiều rủi ro.

Chính vì vậy, trước khi tham gia vào thị trường chứng khoán, các nhà đầu tư cần phải nhận diện được rõ những rủi ro có thé gặp phải, đồng thời biết cách đo lường rủi ro, từ đó có thê đưa ra những quyết định đầu tư chính xác. Nhận diện rủi ro trong hoạt động đầu tư cỗ phiếu Đầu tiên là định nghĩa về rủi ro tài chính. “Rủi ro tài chính là kết quả của sự thay đổi, biến động không lường trước được của giá tri tai sản hoặc giá tri của các khoản nợ đối với các tô chức và nhà đầu tư trong quá trình hoạt động của thị trường tài chính.TS Hoàng Dinh Tuấn (2011).Sách Mô hình phân tích và định giá tài san, tap 1, NXB KH&KT) Cổ phiếu là một tài sản tài chính. Chính vì vậy, rủi ro cô phiếu là hậu quả của việc biến động giá cổ phiêu đối với các nhà đầu tư trên TTCK.

Có rất nhiều nguyên nhân gây ra rủi ro trong hoạt động cổ phiếu: Rii ro do tính thanh khoản thấp của cỗ phiếu. C6 phiêu có tính thanh khoản thấp là cô phiếu khó bán, thậm chí là không bán được trên TTCK. Việc năm giữ những cô phiếu có tính thanh khoản thấp sẽ khiến nhà đầu tư gặp rủi ro 11145147 - Nguyễn Công Minh 4 Chuyên đề thực tập chuyên ngành Toán Tai Chính khi cần bán cổ phiếu dé rút vốn đầu tư vào chỗ khác. Điều này có thé làm chậm tiến trình đầu tư hoặc thậm chí bỏ lỡ cơ hội đầu tư khác.

Rui ro từ thông tin. Việc năm bắt và cập nhật thông tin một cách nhanh chóng, chính xác là tối quan trọng đối với mọi nhà đầu tư. Trên thị trường đầy biến động và các nhà đầu tư luôn tinh ranh, lừa lọc lẫn nhau thì việc ai nắm thông tin tốt hơn sẽ là chìa khóa dẫn tới chiến thắng. Rui ro có thé đến từ việc chấp nhận dựa theo một báo cáo tài chính chưa được kiểm toán, hay do tin vào một thông tin tích cực chưa được xác thực,.

Rui ro từ các cú sốc trên thị trường. Các cú sốc như sự vỡ nợ của nhà phát hành cô phiếu, các cuộc khủng hoảng kinh tế trong nước và ngoài nước, hay thậm chí là những bat ôn về mặt chính tri,. đều gây ra rủi ro cho các nha đầu tư. Rui ro từ chính các nhà dau tư.

Kinh doanh đầu tư cỗ phiếu không đơn thuần chi là mua cổ phiếu rồi đợi giá cao dé bán ra. Ngoài những kĩ năng và sự hiểu biết thì nhà đầu tư còn cần phải có một cái đầu lạnh, một sự phân tích và phản ứng nhạy bén đối với thị trường. Viêc ảo tưởng về lợi nhuận làm mờ mắt hay đầu tư mà không đủ kiến thức phân tích tổng hop sẽ khiến các nhà đầu tư thua lỗ nhanh chóng. Một số phương pháp đo lường rủi ro “VaR của một danh mục tài sản tài chính thể hiện mức độ tốn thất có thé xảy ra trong một khoảng thời gian nhất định với một mức độ tin cậy nhất đinh.

Xác định VaR sẽ giúp các nhà hoạch định chính sách quản lý tốt hơn hoạt động thị trường, còn các nhà đầu tư, tổ chức tài chính ước tính được nguy cơ ton thất tài chính của họ. Dưới đây là một số phương pháp ước tính VaR: e Phương pháp số liệu quá khứ. Đây là một phương pháp khá đơn giản.Phương pháp đưa ra giả định rằng sự phân bồ tỉ suất lợi nhuận sinh lời trong quá khứ có thể tái diễn trong tương lai. Phương pháp số liệu quá khứ gồm 3 bước thực hiện.

Tính tất cả các tỷ suất sinh lợi trong quá khứ Xếp các tỷ suất sinh lợi từ thấp nhất cho đến cao nhất Tính VaR theo độ tin cậy và số liệu tỷ suất sinh lợi quá khứ Ví dụ nếu ta có danh sách gồm 800 dữ liệu quá khứ, thì nếu độ tin cậy là 95%, VaR của danh mục sẽ là giá trị thứ 4. ePhương pháp phương sai- hiệp phương sai. Phương pháp đưa ra giả thuyết rằng tỷ suất sinh lợi tuân theo phân phối chuẩn. Các bước thực hiện phương pháp 11145147 - Nguyễn Công Minh 5 Chuyên đề thực tập chuyên ngành Toán Tai Chính Tính giá trị hiện tại Vọ của danh mục Tính kì vọng r của tỷ suất sinh lợi và độ lệch chuẩn ø của tỷ suất sinh lợi Tinh VaR theo công thức VaR = Vo * (r - Uso) Với mức tin cậy 95%, Ua = 1.645 Voi mức tin cậy 99%, U¿= 2.33 ePhương pháp RiskMetrics.

Tương tự như phương pháp phương sai- hiệp phương sai. Tuy nhiên, ở phương pháp này, ta tính ø cho những tỷ suất sinh lợi mới nhất thay vi tính ø cho tat cả các tỷ suất sinh lợi. Các bước thực hiện phương pháp RiskMetrics như sau. Tính độ lệch chuẩn quá khứ oo của danh mục.

Xếp các tỷ suất sinh lợi của danh mục theo thứ tự thời gian, tính độ lệch chuẩn bằng công thức : ø?n =A ø?n- + (1 — À)r2a-1 Hang số 4 = 0. mạ và on-1 lần lượt là tỷ suất sinh lợi và độ lệch chuẩn ở thời điểm n-I. Dùng giá tri on tính được ở bước 2 dé tinh theo phương pháp phương sai- hiệp phương sai. ePhương pháp Monte- Carlo.

Phương pháp này phức tạp hơn các phương pháp trên, tuy nhiên lại có khả năng tính VaR rất chính xác. Các bước thực hiện phương pháp Monte- Carlo. Mô phỏng một số lượng rat lớn N bước lặp, ví dụ N>5000 Tai mỗi bước lặp i(i<N) tạo ngẫu nhiên một kịch ban được căn cứ trên một phân bố xác suất về những hệ số rủi ro (giá trị cỗ phiếu, tỷ giá hối đoái, ty suất,.) mà ta nghĩ rằng chúng mô tả những dữ liệu quá khứ. Và từ một tập hợp số liệu thị trường mới nhất và từ mô hình xác suất trên ta có thể tính mức biến động của mỗi hệ số rủi ro cùng với mối tương quan giữa các hệ số rủi ro.

Đánh giá lại danh mục đầu tư V; trong kịch bản thị trường trên. Ước tính tỷ suất sinh lợi ri = Vi- V;-; Sắp xếp các tỷ suất sinh lợi r; theo thứ tự giá trị từ thấp nhất đến cao nhất Tính VaR theo độ tin cậy và tỷ lệ phần trăm số liệu r;.