Khóa luận: Dự báo và Quản trị rủi ro trên Thị trường Chứng khoán Việt Nam

Khóa luận nghiên cứu dự báo và quản trị rủi ro ngành ngân hàng trên thị trường chứng khoán Việt Nam, cung cấp các mô hình và giải pháp hiệu quả.

• Tác giả: Le Hai Nam
• Người hướng dẫn: Dr. Tran Manh Ha
• Trường học: Banking Academy
• Chuyên ngành: Banking
• Đề tài: Forecasting and Risk Management in Vietnam Stock Market
• Loại tài liệu: Graduation Thesis
• Năm xuất bản: 2020
• Địa điểm: Hanoi

Mục lục chi tiết

• ACKNOWLEDGEMENTS
• STATEMENT OF AUTHORSHIP
• LIST OF ACRONYMS
• LIST OF FIGURES
• LIST OF TABLES
• 1. CHAPTER 1: INTRODUCTION
• 2. CHAPTER 2: CONCEPTUAL FRAMEWORK OF VALUE AT RISK
• 2.1. Definition of risk and risk management:
• 2.2. Theoretical framework of Value at Risk (VaR):
• 2.3. Conceptual framework of Historical Simulation
• 2.4. Conceptual framework of EWMA
• 2.5. Conceptual framework of GARCH model:
• 2.6. Unconditional coverage test
• 2.7. Conditional coverage test
• 3. CHAPTER 3: APPLICATION OF VALUE AT RISK MODELS IN VIETNAM STOCK MARKET
• 3.1. Findings of prior research:
• 3.2. Overview of Vietnam stock market:
• 3.3. Vietnam stock market’s data illustration:
• 3.4. VaR model suggestion for Vietnam stock market:
• 3.5. The legal framework:
• 3.6. Preparation of risk management for institutions:

Tóm tắt

I. Khóa Luận Tốt Nghiệp Tổng Quan Dự Báo Quản Trị Rủi Ro

Thị trường chứng khoán Việt Nam, dù còn non trẻ, đóng vai trò quan trọng trong việc huy động vốn cho doanh nghiệp. Tuy nhiên, sự biến động của thị trường tiềm ẩn nhiều rủi ro cho nhà đầu tư. Dự báo tài chính và quản trị rủi ro trở nên cấp thiết để giảm thiểu tổn thất và đảm bảo hoạt động ổn định. Các mô hình định lượng như VaR, GARCH, EWMA đóng vai trò then chốt trong phân tích rủi ro, hỗ trợ các tổ chức tài chính và cá nhân đưa ra quyết định đầu tư sáng suốt. Khóa luận tốt nghiệp này tập trung vào việc đánh giá và đề xuất mô hình dự báo phù hợp cho thị trường chứng khoán Việt Nam, đặc biệt trong bối cảnh hội nhập kinh tế và biến động khó lường. Dữ liệu lịch sử giá cổ phiếu từ 2015 đến 2020 sẽ được phân tích để hiểu rõ hơn về xu hướng và biến động của thị trường. Thị trường chứng khoán Việt Nam có nhiều tiềm năng, nhưng cũng đòi hỏi nhà đầu tư có sự chuẩn bị kỹ lưỡng về kiến thức và công cụ quản trị rủi ro. Sự hiểu biết về các mô hình dự báo và khả năng áp dụng chúng vào thực tế là yếu tố then chốt để thành công. Theo Le Hai Nam (2020), "Việc dự báo, đo lường và quản trị rủi ro là vô cùng quan trọng và cấp bách cho các tổ chức và cá nhân để giảm thiểu tổn thất và đảm bảo hoạt động ổn định trong kinh doanh và đầu tư". Việc kết hợp phân tích định tính và định lượng sẽ mang lại kết quả hiệu quả hơn trong quản trị rủi ro tài chính.

1.1. Tầm quan trọng của dự báo trong thị trường chứng khoán Việt Nam

Dự báo chính xác biến động thị trường giúp nhà đầu tư đưa ra quyết định mua bán hợp lý, tối ưu hóa lợi nhuận và giảm thiểu rủi ro. Mô hình dự báo không chỉ dự đoán xu hướng mà còn lượng hóa mức độ biến động, giúp nhà đầu tư định lượng rủi ro và xây dựng chiến lược phòng ngừa hiệu quả. Áp dụng các mô hình dự báo tài chính phù hợp cho từng ngành và từng cổ phiếu sẽ mang lại hiệu quả cao hơn, tránh việc áp dụng một cách máy móc các mô hình chung. Ngân hàng thương mại và các tổ chức tài chính khác cũng sử dụng dự báo để quản lý danh mục đầu tư và tuân thủ các quy định về an toàn vốn. Sự chính xác của dự báo có ảnh hưởng trực tiếp đến hiệu quả hoạt động và ổn định tài chính của các tổ chức này.

1.2. Rủi ro và Quản trị rủi ro trong bối cảnh thị trường Việt Nam

Thị trường chứng khoán Việt Nam, với đặc điểm biến động cao, đòi hỏi các biện pháp quản trị rủi ro hiệu quả. Rủi ro thị trường là mối quan tâm hàng đầu của nhà đầu tư, bao gồm rủi ro thanh khoản, rủi ro lãi suất, và rủi ro tỷ giá hối đoái. Các phương pháp phân tích rủi ro hiện đại, như stress testing và ICAAP, giúp các tổ chức tài chính đánh giá khả năng chịu đựng các cú sốc thị trường và đảm bảo an toàn vốn. Basel III cũng đặt ra những tiêu chuẩn cao hơn về quản trị rủi ro cho các ngân hàng đầu tư, yêu cầu các tổ chức này phải có hệ thống quản trị rủi ro toàn diện và hiệu quả.

II. Các Mô Hình VaR HS EWMA GARCH Ứng Dụng Thị Trường

Value at Risk (VaR) là công cụ phổ biến để đo lường rủi ro thị trường. Có nhiều phương pháp tính VaR, bao gồm Historical Simulation (HS), Exponentially Weighted Moving Average (EWMA) và Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Mỗi phương pháp có ưu và nhược điểm riêng, phù hợp với các điều kiện thị trường khác nhau. HS dựa trên dữ liệu lịch sử, EWMA nhấn mạnh vào dữ liệu gần đây, còn GARCH mô hình hóa sự biến động có điều kiện. Việc lựa chọn mô hình phù hợp đòi hỏi sự hiểu biết sâu sắc về đặc điểm của từng mô hình và dữ liệu thị trường. Phân tích hồi quy, chuỗi thời gian, mô hình kinh tế lượng được sử dụng để xây dựng và kiểm định các mô hình VaR. SPSS, Eviews, R, Python là những công cụ hỗ trợ đắc lực trong quá trình này.

2.1. So sánh ưu điểm và hạn chế của các mô hình HS EWMA và GARCH

Historical Simulation (HS) dễ thực hiện nhưng phụ thuộc vào dữ liệu lịch sử, không phản ánh kịp thời các thay đổi của thị trường. EWMA nhạy bén hơn với dữ liệu gần đây, nhưng có thể bỏ qua các sự kiện quan trọng trong quá khứ. GARCH mô hình hóa sự biến động có điều kiện, nhưng phức tạp và đòi hỏi nhiều dữ liệu. Lựa chọn mô hình VaR phù hợp phụ thuộc vào mục tiêu phân tích và đặc điểm của thị trường. Độ chính xác của mô hình VaR cần được kiểm định bằng backtesting, sử dụng các kiểm định thống kê như Kupiec test và Christoffersen test.

2.2. Ứng dụng mô hình VaR trong quản lý danh mục đầu tư

Mô hình VaR giúp nhà đầu tư đánh giá rủi ro của danh mục đầu tư và điều chỉnh tỷ trọng các tài sản để đạt được mức rủi ro mong muốn. Quản lý vốn hiệu quả là yếu tố then chốt để bảo toàn vốn và tối ưu hóa lợi nhuận. Mô hình VaR cũng giúp các ngân hàng thương mại tuân thủ các quy định về an toàn vốn và quản lý rủi ro tín dụng. Việc kết hợp mô hình VaR với các công cụ định giá tài sản khác, như CAPM và APT, giúp nhà đầu tư đưa ra quyết định đầu tư toàn diện hơn.

III. Phân Tích Thị Trường Chứng Khoán Việt Nam Từ 2015 Đến 2020

Giai đoạn 2015-2020 chứng kiến nhiều biến động trên thị trường chứng khoán Việt Nam. Từ tăng trưởng ổn định đến những cú sốc do ảnh hưởng của các sự kiện toàn cầu như chiến tranh thương mại Mỹ-Trung và đại dịch COVID-19. VN-Index trải qua nhiều giai đoạn thăng trầm, đòi hỏi nhà đầu tư phải có khả năng dự báo và quản trị rủi ro linh hoạt. Phân tích dữ liệu chuỗi thời gian giúp nhận diện các xu hướng và biến động quan trọng, từ đó đưa ra quyết định đầu tư phù hợp. Các ngành như ngân hàng, thép và xây dựng có những đặc điểm riêng, đòi hỏi các mô hình dự báo chuyên biệt. Kinh tế vĩ mô, lãi suất, tỷ giá hối đoái, lạm phát, tăng trưởng kinh tế, và chính sách tiền tệ là những yếu tố có ảnh hưởng lớn đến thị trường chứng khoán Việt Nam.

3.1. Đánh giá ảnh hưởng của các yếu tố vĩ mô đến thị trường chứng khoán

Tăng trưởng kinh tế ổn định tạo điều kiện thuận lợi cho thị trường chứng khoán phát triển. Chính sách tiền tệ nới lỏng giúp tăng thanh khoản và thúc đẩy đầu tư. Tuy nhiên, lạm phát cao và tỷ giá hối đoái biến động có thể gây áp lực lên thị trường chứng khoán. Việc theo dõi sát sao các chỉ số kinh tế vĩ mô và đánh giá tác động của chúng đến thị trường chứng khoán là rất quan trọng. Phân tích dữ liệu kinh tế vĩ mô kết hợp với phân tích kỹ thuật giúp nhà đầu tư có cái nhìn toàn diện về thị trường.

3.2. Phân tích biến động của các ngành ngân hàng thép và xây dựng

Ngành ngân hàng có vai trò quan trọng trong việc cung cấp vốn cho nền kinh tế, nhưng cũng đối mặt với nhiều rủi ro như rủi ro tín dụng, rủi ro lãi suất và rủi ro thanh khoản. Ngành thép chịu ảnh hưởng lớn bởi giá nguyên liệu và nhu cầu xây dựng. Ngành xây dựng phụ thuộc vào tình hình thị trường bất động sản và các dự án hạ tầng. Phân tích biến động của các ngành này giúp nhà đầu tư đưa ra quyết định đầu tư ngành phù hợp. Hiệu quả hoạt động của các doanh nghiệp trong từng ngành cũng là yếu tố quan trọng cần được xem xét.

IV. Gợi Ý Mô Hình VaR Phù Hợp Cho Thị Trường Chứng Khoán VN

Dựa trên phân tích dữ liệu và các nghiên cứu trước đây, GARCH (1,1) được xem là một trong những mô hình VaR phù hợp cho thị trường chứng khoán Việt Nam. Sự đơn giản và hiệu quả của mô hình này giúp nhà đầu tư dễ dàng áp dụng và quản lý rủi ro. Tuy nhiên, cần lưu ý rằng không có mô hình nào là hoàn hảo, và việc kết hợp nhiều mô hình khác nhau có thể mang lại kết quả tốt hơn. Kiểm định mô hình bằng sai số dự báo và độ chính xác là bước quan trọng để đảm bảo tính tin cậy của kết quả dự báo. Giải pháp và kiến nghị cần được đưa ra dựa trên kết quả phân tích, nhằm giúp nhà đầu tư và các nhà hoạch định chính sách cải thiện hiệu quả quản trị rủi ro.

4.1. Lý do lựa chọn mô hình GARCH 1 1 cho thị trường Việt Nam

GARCH (1,1) đơn giản, dễ sử dụng và có khả năng mô hình hóa sự biến động có điều kiện, phù hợp với đặc điểm của thị trường chứng khoán Việt Nam. Mô hình này đã được chứng minh là hiệu quả trong nhiều nghiên cứu trước đây. Tuy nhiên, cần lưu ý rằng GARCH (1,1) có một số hạn chế, như không thể mô hình hóa hiệu ứng bất đối xứng. Việc kết hợp GARCH (1,1) với các mô hình khác có thể khắc phục được những hạn chế này. Xây dựng mô hình GARCH (1,1) cần chú ý đến việc lựa chọn dữ liệu và tham số phù hợp.

4.2. Đề xuất các bước triển khai và kiểm định mô hình GARCH 1 1

Triển khai mô hình GARCH (1,1) cần thu thập dữ liệu giá cổ phiếu, ước lượng tham số và kiểm định độ phù hợp của mô hình. Các bước kiểm định bao gồm kiểm tra tính dừng của chuỗi thời gian, kiểm tra sự tồn tại của hiệu ứng ARCH và kiểm định độ chính xác của kết quả dự báo. Kiểm định mô hình là bước quan trọng để đảm bảo tính tin cậy của kết quả dự báo. Các công cụ như Eviews và R có thể được sử dụng để triển khai và kiểm định mô hình GARCH (1,1).

V. Khuôn Khổ Pháp Lý Yêu Cầu Quản Lý Rủi Ro Cho Tổ Chức

Ngân hàng Nhà nước Việt Nam (NHNN) ban hành nhiều quy định về quản lý rủi ro cho các tổ chức tín dụng, bao gồm yêu cầu về an toàn vốn, quản lý rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động. Các tổ chức tín dụng phải xây dựng hệ thống quản lý rủi ro toàn diện và hiệu quả, đảm bảo tuân thủ các quy định của NHNN. ERM (Enterprise Risk Management) đóng vai trò quan trọng trong việc quản lý rủi ro toàn diện. Việc áp dụng các mô hình dự báo và quản trị rủi ro là yêu cầu bắt buộc đối với các tổ chức tài chính, nhằm đảm bảo ổn định tài chính và bảo vệ quyền lợi của nhà đầu tư.

5.1. Quy định của Ngân hàng Nhà nước về quản lý rủi ro thị trường

NHNN quy định các tổ chức tín dụng phải đo lường, giám sát và kiểm soát rủi ro thị trường một cách hiệu quả. Các tổ chức tín dụng phải xây dựng hệ thống báo cáo rủi ro thị trường đầy đủ và kịp thời. Việc sử dụng các mô hình VaR để đo lường rủi ro thị trường là một trong những yêu cầu của NHNN. Đánh giá rủi ro tín dụng, rủi ro thị trường, và rủi ro hoạt động là những nội dung quan trọng trong quy định của NHNN.

5.2. Yêu cầu về báo cáo và kiểm toán hoạt động quản lý rủi ro

Các tổ chức tín dụng phải báo cáo định kỳ về hoạt động quản lý rủi ro cho NHNN. Hoạt động quản lý rủi ro phải được kiểm toán độc lập để đảm bảo tính khách quan và tin cậy. Báo cáo và kiểm toán giúp NHNN giám sát hoạt động quản lý rủi ro của các tổ chức tín dụng và phát hiện các vấn đề tiềm ẩn. Dữ liệu thứ cấp được sử dụng để đánh giá và kiểm toán hoạt động quản lý rủi ro. Phân tích dữ liệu một cách cẩn thận là cần thiết để đảm bảo tính chính xác và tin cậy của kết quả đánh giá.

VI. Kết Luận và Hướng Nghiên Cứu Tương Lai Về Dự Báo Rủi Ro

Khóa luận đã trình bày tổng quan về các mô hình dự báo và quản trị rủi ro trong thị trường chứng khoán Việt Nam, đồng thời đề xuất mô hình GARCH (1,1) là một lựa chọn phù hợp. Tuy nhiên, vẫn còn nhiều vấn đề cần được nghiên cứu sâu hơn, như việc kết hợp các mô hình khác nhau để cải thiện độ chính xác của dự báo, và việc đánh giá ảnh hưởng của các yếu tố phi tài chính đến thị trường chứng khoán. Kiến nghị chính sách cần được đưa ra dựa trên kết quả nghiên cứu, nhằm giúp các nhà hoạch định chính sách cải thiện hiệu quả quản lý và phát triển thị trường chứng khoán Việt Nam. Nghiên cứu vòng đời kinh tế có thể giúp cải thiện khả năng dự báo và quản trị rủi ro.

6.1. Tóm tắt kết quả nghiên cứu và những đóng góp chính

Khóa luận đã góp phần làm sáng tỏ các đặc điểm của thị trường chứng khoán Việt Nam và đề xuất mô hình GARCH (1,1) là một lựa chọn phù hợp cho việc dự báo và quản trị rủi ro. Nghiên cứu cũng chỉ ra những hạn chế của các mô hình truyền thống và đề xuất hướng nghiên cứu tương lai. Kết quả nghiên cứu có thể được sử dụng để cải thiện hiệu quả quản lý rủi ro của các tổ chức tài chính và nhà đầu tư.

6.2. Hướng nghiên cứu tiếp theo về mô hình hóa và quản trị rủi ro

Nghiên cứu tiếp theo có thể tập trung vào việc phát triển các mô hình dự báo phức tạp hơn, như các mô hình học máy và trí tuệ nhân tạo. Ngoài ra, cần nghiên cứu sâu hơn về ảnh hưởng của các yếu tố phi tài chính đến thị trường chứng khoán, như yếu tố chính trị, xã hội và môi trường. Mô hình hóa các yếu tố này sẽ giúp cải thiện khả năng dự báo và quản trị rủi ro. Việc sử dụng dữ liệu thứ cấp và phân tích dữ liệu một cách sáng tạo sẽ mang lại những kết quả nghiên cứu có giá trị.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán đóng vai trò là kênh huy động vốn trung và dài hạn quan trọng của nền kinh tế, kết nối dòng vốn giữa các chủ thể có vốn nhàn rỗi và các doanh nghiệp có nhu cầu huy động vốn. Tuy nhiên, hoạt động của thị trường chứng khoán luôn gắn liền với các chu kỳ kinh tế (khởi nghiệp, tăng trưởng, bão hòa và suy thoái), dẫn đến tính biến động cao của giá chứng khoán và tiềm ẩn nhiều rủi ro tổn thất tài chính cho các nhà đầu tư cũng như các định chế tài chính. Trong quản trị rủi ro hiện đại, các phân tích định tính đơn thuần không còn đủ khả năng cung cấp cảnh báo sớm; việc áp dụng các công cụ và chỉ số định lượng để lượng hóa tổn thất kỳ vọng là yêu cầu cấp thiết.

Tại Việt Nam, kể từ khi thị trường chính thức vận hành vào tháng 7 năm 2000 chỉ với 2 doanh nghiệp niêm yết ban đầu trên Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE), thị trường đã ghi nhận những bước phát triển vượt bậc. Đến tháng 2 năm 2020, toàn thị trường đã có 1.628 doanh nghiệp giao dịch trên cả ba sàn HOSE, HNX và UPCoM, với quy mô vốn hóa đạt 4.384 nghìn tỷ đồng vào cuối năm 2020 (tương đương 79,2% GDP). Song hành cùng sự tăng trưởng là những biến động rất mạnh: chỉ số VN-Index từng đạt đỉnh 1.179,32 điểm vào tháng 3/2007, rơi xuống đáy 235,5 điểm vào tháng 2/2009 dưới tác động của khủng hoảng tài chính toàn cầu, thiết lập đỉnh lịch sử 1.204,33 điểm vào tháng 4/2018, và ghi nhận những đợt sụt giảm sâu trong giai đoạn bùng phát đại dịch COVID-19 đầu năm 2020 (xuống mức 656,46 điểm vào ngày 24/03/2020).

Trước thực tế đó, khóa luận xác định các nhiệm vụ nghiên cứu cụ thể:

1. Tổng quan cơ sở lý thuyết về các mô hình đo lường rủi ro và dự báo biến động giá trị chịu rủi ro (Value at Risk - VaR) thường được áp dụng trong phân tích tài chính.
2. Cung cấp bức tranh toàn cảnh về thị trường chứng khoán Việt Nam qua 20 năm phát triển và minh họa dữ liệu chuỗi thời gian thực nghiệm của một số ngành tiêu biểu (Ngân hàng, Thép, Xây dựng).
3. Tổng hợp kết quả từ các công trình nghiên cứu thực nghiệm trong nước và quốc tế để đề xuất mô hình dự báo rủi ro phù hợp với thị trường chứng khoán Việt Nam, đồng thời nêu ra các yêu cầu về khung pháp lý và công tác chuẩn bị quản trị rủi ro cho các định chế tài chính.

• Đối tượng nghiên cứu: Các mô hình đo lường Giá trị chịu rủi ro (VaR), các mô hình phương sai thay đổi có điều kiện (GARCH, EWMA, Mô phỏng lịch sử) và chuỗi dữ liệu biến động giá chứng khoán.
• Phạm vi không gian: Thị trường chứng khoán Việt Nam (tập trung vào các sàn HOSE và HNX) cùng các nghiên cứu so sánh tại các thị trường chứng khoán châu Á (Ấn Độ, Trung Quốc, Pakistan, Singapore, Malaysia, Philippines, Thái Lan, Indonesia).
• Phạm vi thời gian: Dữ liệu chuỗi thời gian lịch sử được thu thập từ ngày 05/01/2015 đến ngày 28/02/2020 (bao gồm 1.285 quan sát đối với chỉ số VN-Index và các cổ phiếu đại diện ngành).

---

Cơ sở lý thuyết và phương pháp

Khóa luận tập trung vào khung lý thuyết đo lường rủi ro thị trường (Market Risk) – nguy cơ tổn thất phát sinh do sự biến động bất lợi của giá chứng khoán hoặc lãi suất thị trường.

1. Khung lý thuyết Giá trị chịu rủi ro (Value at Risk - VaR)

Mô hình VaR đo lường mức giảm giá trị tối đa của một danh mục đầu tư trong một khoảng thời gian xác định tại một mức độ tin cậy cho trước (phổ biến là mức 95% và 99% cho khung thời gian 1 ngày). Được J.P. Morgan giới thiệu rộng rãi vào năm 1994, VaR đã được Ủy ban Giám sát Ngân hàng Basel và Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (US SEC) công nhận là công cụ chuẩn mực để xác định tỷ lệ an toàn vốn và công bố thông tin rủi ro.

Khóa luận phân loại và trình bày ba mô hình ước lượng VaR:

• Mô hình Mô phỏng Lịch sử (Historical Simulation - HS): Phương pháp phi tham số (non-parametric), xác định VaR trực tiếp dựa trên chuỗi lợi suất thực tế đã sắp xếp theo thứ tự (ví dụ: với 1.000 quan sát ở mức tin cậy 95%, mức VaR tương ứng với điểm tổn thất lớn thứ 51). Phương pháp này không đòi hỏi giả định về phân phối xác suất nhưng có nhược điểm phản ứng chậm với biến động bất thường và chịu hiện tượng bóng ma dữ liệu (ghost effect).
• Mô hình Trung bình Động theo Trọng số Mũ (EWMA): Phương pháp tham số gán trọng số giảm dần theo cấp số nhân cho các quan sát quá khứ thông qua hệ số suy giảm $\lambda$ ($0 < \lambda < 1$). Công thức cập nhật phương sai: $$\sigma_t^2 = (1 - \lambda) R_{t-1}^2 + \lambda \sigma_{t-1}^2$$ Trong hệ thống RiskMetrics của J.P. Morgan, tham số tối ưu $\lambda$ thường được ấn định ở mức $0,94$.
• Mô hình Tự hồi quy có Phương sai Thay đổi Điều kiện (ARCH/GARCH): Mô hình GARCH(1,1) do Bollerslev (1986) và Taylor (1986) phát triển giúp khắc phục nhược điểm nhiều tham số của ARCH (Engle, 1982). Phương trình phương sai có điều kiện: $$\sigma_t^2 = \omega + \alpha \varepsilon_{t-1}^2 + \beta \sigma_{t-1}^2$$ với điều kiện dừng $\alpha + \beta < 1$. Khóa luận cũng phân tích các biến thể như IGARCH ($\alpha + \beta = 1$) và các mô hình GARCH phi đối xứng (EGARCH, GJR-GARCH, APARCH, FIGARCH, FIAPARCH) nhằm nắm bắt hiệu ứng đòn bẩy (leverage effect) – hiện tượng tin xấu làm tăng mức độ biến động mạnh hơn tin tốt có cùng quy mô.

2. Phương pháp kiểm định mô hình (Backtesting)

Để đánh giá độ tin cậy và mức độ chính xác của các ước lượng VaR, khóa luận trình bày quy trình kiểm định thống kê:

• Kiểm định tỷ lệ bao phủ vô điều kiện của Kupiec (1995): Kiểm tra số lần tổn thất thực tế vượt ngưỡng VaR ước lượng (ngoại lệ - exceptions) thông qua phân phối nhị thức $B(N, \alpha)$ và thống kê tỷ số hợp lý $LR_{UC}$ có phân phối tiệm cận Chi-bình phương với 1 bậc tự do $\chi^2(1)$.
• Kiểm định tỷ lệ bao phủ có điều kiện của Christoffersen (1998): Đánh giá tính độc lập của các ngoại lệ theo thời gian để phát hiện hiện tượng vi phạm tụ cụm (clustering violations) với thống kê tổng hợp: $$LR_{CC} = LR_{UC} + LR_{IND} \sim \chi^2(2)$$

3. Phương pháp nghiên cứu và nguồn dữ liệu

• Phương pháp thực hiện: Tổng quan tài liệu có hệ thống (literature review), kết hợp phân tích thống kê mô tả chuỗi thời gian lợi suất logarithm: $$R_t = \ln\left(\frac{P_t}{P_{t-1}}\right)$$
• Nguồn dữ liệu: Số liệu thứ cấp thu thập từ Sàn Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE), Sàn Giao dịch Chứng khoán Hà Nội (HNX), Ủy ban Chứng khoán Nhà nước (SSC), Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), Bloomberg, VNDIRECT, Công ty Cổ phần Chứng khoán MB (MBS), Ngân hàng Nhà nước Việt Nam (SBV) và Hiệp hội Thép Việt Nam (VSA).

---

Nội dung chính theo từng chương

Chapter 1: Introduction

Chương mở đầu trình bày tính cấp thiết của việc dự báo và quản trị rủi ro danh mục trong bối cảnh các chu kỳ kinh tế và biến động thị trường chứng khoán. Tác giả khái quát quá trình chuyển dịch của nền kinh tế Việt Nam từ sau Đổi mới 1986, sự ra đời của thị trường chứng khoán theo Quyết định số 48/CP ngày 11/07/1998, cùng sự phát triển về quy mô niêm yết (từ 2 doanh nghiệp năm 2000 lên 745 doanh nghiệp niêm yết trên HOSE và HNX tính đến ngày 29/02/2020). Chương này xác lập các mục tiêu nghiên cứu, câu hỏi nghiên cứu, phương pháp tiếp cận định lượng và cấu trúc 5 chương của khóa luận.

Chapter 2: Conceptual Framework of Value at Risk

Chương 2 thiết lập toàn bộ nền tảng lý thuyết định lượng về quản trị rủi ro thị trường và công cụ VaR:

• Định nghĩa rủi ro tài chính như một biến ngẫu nhiên hai chiều (lãi hoặc lỗ bất ngờ do biến động của các nhân tố rủi ro cơ sở).
• Trình bày quy trình 6 bước chuẩn hóa của phương pháp Mô phỏng Lịch sử (Historical Simulation), từ việc xác định chuỗi dữ liệu giá, tính tỷ trọng danh mục, xây dựng chuỗi lợi suất giả lập đến trích xuất giá trị VaR tại phân vị mong muốn.
• Trình bày cấu trúc toán học của mô hình EWMA và tham số suy giảm $\lambda$.
• Phân tích chi tiết mô hình GARCH(1,1), mô hình IGARCH(1,1), mô hình RiskMetrics ($\sigma_t^2 = 0,94 \sigma_{t-1}^2$), đồng thời giải thích bản chất kinh tế của hiện tượng biến động bất đối xứng (hiệu ứng đòn bẩy và hiệu ứng phản hồi biến động - volatility feedback effect) dẫn tới sự ra đời của các mô hình EGARCH, GJR-GARCH, APARCH.
• Cung cấp khung lý thuyết kiểm định hậu kiểm (Backtesting) gồm kiểm định Kupiec ($LR_{UC}$) và kiểm định Christoffersen ($LR_{CC} = LR_{UC} + LR_{IND}$).

Giả thuyết kiểm định Christoffersen	$LR_{UC}$ (Tỷ lệ bao phủ vô điều kiện)	$LR_{IND}$ (Tính độc lập)	$LR_{CC}$ (Tỷ lệ bao phủ có điều kiện)
Giả thuyết $H_0$	Tỷ lệ vi phạm thực tế bằng mức danh định	Các điểm vi phạm độc lập với nhau	Mô hình đạt chuẩn tỷ lệ bao phủ có điều kiện
Giả thuyết $H_1$	Tỷ lệ vi phạm thực tế sai lệch mức danh định	Các điểm vi phạm xuất hiện tụ cụm	Mô hình không đạt chuẩn tỷ lệ bao phủ có điều kiện

Chapter 3: Application of Value at Risk Models in Vietnam Stock Market

Chương 3 là phần trọng tâm của khóa luận, gồm 6 nội dung chính:

1. Tổng quan các nghiên cứu thực nghiệm trước đây

Tác giả tổng hợp các kết quả nghiên cứu định lượng về VaR và mô hình GARCH tại nhiều thị trường:

• Thị trường ASEAN: Nghiên cứu của Quang, Klein, Nam và Walther (2018) trên 6 chỉ số (JCI, KLSE, PCOMP, SET, STI, VN-Index) giai đoạn 2006–2017 (~2.700 quan sát/chỉ số) kết luận rằng các mô hình GARCH đơn giản và RiskMetrics thất bại trong việc nắm bắt rủi ro; các mô hình bộ nhớ dài và phi đối xứng (FIGARCH, APARCH, FIAPARCH) hoặc mô hình Biến động ngẫu nhiên (Stochastic Volatility) cho kết quả vượt trội.
• Thị trường Ấn Độ: Nghiên cứu của Maniklal & Shyamal (2013) và Karmakar (2015) trên chỉ số BSE Sensex và S&P CNX Nifty (1991–2012) xác nhận sự tồn tại của hiện tượng tụ cụm biến động và mô hình GARCH(1,1) là phù hợp nhất. Nghiên cứu của Singh (2017) trên chỉ số S&P BSE Bankex giai đoạn 2005–2015 chỉ ra mô hình EGARCH(1,1) nắm bắt hiệu ứng đòn bẩy tốt nhất.
• Thị trường Trung Quốc: Nghiên cứu của Zhang & Cheng (2014) trên 6 chỉ số sàn Thượng Hải (SSE) và Thâm Quyến (SZSE) giai đoạn 2002–2013 cho thấy phương pháp phi tham số kết hợp biến động HS-EWMA cho kết quả ước lượng VaR tốt nhất theo kiểm định Kupiec.
• Nhóm 4 thị trường châu Á (Pakistan, Ấn Độ, Malaysia, Singapore): Nghiên cứu của Farid & Iqbal (2020) giai đoạn 2008–2017 (1.500 quan sát/chỉ số) chứng minh mô hình RDCC-GARCH với sai số phân phối Student-t vượt trội trong dự báo VaR trước 1 ngày.
• Thị trường Việt Nam:
  • Hồ Thủy Tiên, Hồ Thu Hoài và Ngô Văn Toàn (2017) với 2.988 quan sát VN-Index (2005–2016) kết luận GARCH(1,1) là mô hình đối xứng tốt nhất và EGARCH(1,1) là mô hình phi đối xứng tốt nhất.
  • Hà và Darné (2018) nghiên cứu dữ liệu HOSE và HNX (2007–2015) khẳng định mô hình FIAPARCH phù hợp nhất nhờ tính chất bộ nhớ dài và tính bất đối xứng.
  • Lê Văn Tuấn và Phùng Duy Quang (2020) nghiên cứu dữ liệu 2007–2020 chỉ ra GARCH(1,1) là mô hình tối ưu nhất về mặt hiệu quả và tính đơn giản.

2. Tổng quan sự phát triển của thị trường chứng khoán Việt Nam

• Quy mô niêm yết và cơ cấu ngành: Đến ngày 29/02/2020, HOSE có 378 công ty và HNX có 367 công ty niêm yết. Cơ cấu ngành trên HOSE gồm: Công nghiệp (28,3%), Nguyên vật liệu (16,4%), Bất động sản (13,0%), Tài chính (10,8%), Hàng tiêu dùng thiết yếu (9,7%), Hàng tiêu dùng không thiết yếu (7,5%), Tiện ích (6,7%), Năng lượng (3,2%), Y tế (2,7%), Công nghệ thông tin (1,1%), Dịch vụ truyền thông (0,6%).
• Hoạt động của nhà đầu tư nước ngoài: Tính đến 29/02/2020, có 32.687 tài khoản nước ngoài (28.947 cá nhân và 3.740 tổ chức, chiếm 26,8% tổng số tài khoản tổ chức toàn thị trường). Khối ngoại mua ròng đa số các năm, ngoại trừ năm 2016 (bán ròng 4.696 tỷ đồng), năm 2018 (bán ròng 4.665 tỷ đồng) và 2 tháng đầu năm 2020 (bán ròng 1.238 tỷ đồng do dịch COVID-19).
• Quy mô vốn hóa: Tăng trưởng bình quân 32%/năm giai đoạn 2006–2019. Đến 29/02/2020, vốn hóa thị trường đạt 3.215.536 tỷ đồng (HOSE đạt 3.015.949 tỷ đồng, HNX đạt 199.587 tỷ đồng), tương đương 58% GDP.

3. Minh họa dữ liệu chuỗi thời gian thực nghiệm (2015 – 2020)

Tác giả phân tích dữ liệu 1.285 quan sát (05/01/2015 – 28/02/2020) của VN-Index và 3 nhóm ngành:

• Ngành Ngân hàng: Đại diện bởi 3 mã CTG (VietinBank), VCB (Vietcombank) và MBB (MBBank). VCB có thị giá cao vượt trội so với CTG và MBB; cả ba cổ phiếu đều có xu hướng tăng giá từ cuối 2016 đến đầu 2020 đi kèm sự cải thiện tỷ lệ ROA, ROE và xử lý nợ xấu theo Đề án 254 của Ngân hàng Nhà nước.
• Ngành Thép: Đại diện bởi 3 mã HPG (Hòa Phát), HSG (Hoa Sen) và NKG (Nam Kim). Giai đoạn 2015–2017 chứng kiến sự tăng trưởng mạnh nhờ các biện pháp tự vệ thương mại (áp thuế 21% với phôi thép và thép dài nhập khẩu từ Trung Quốc năm 2017) và sản lượng toàn ngành đạt trên 25 triệu tấn. Từ giữa 2018, giá cổ phiếu điều chỉnh giảm do chủ nghĩa bảo hộ thương mại quốc tế.
• Ngành Xây dựng: Đại diện bởi các mã HBC, C47, LCG, ghi nhận chu kỳ phục hồi theo thị trường bất động sản và đầu tư cơ sở hạ tầng giai đoạn 2014–2018.

4. Đề xuất mô hình và định hướng ứng dụng

Dựa trên phân tích thực nghiệm và tổng quan nghiên cứu, tác giả đề xuất việc áp dụng các mô hình họ GARCH (GARCH(1,1), EGARCH, FIAPARCH) để đo lường VaR tại thị trường chứng khoán Việt Nam, đồng thời nêu rõ các yêu cầu về khung pháp lý và sự chuẩn bị hạ tầng công nghệ, quy trình nội bộ của các định chế tài chính để triển khai quản trị rủi ro theo chuẩn mực quốc tế.

---

Kết quả và đóng góp

1. Kết quả chính

• Đặc trưng chuỗi lợi suất chứng khoán Việt Nam: Lợi suất dao động xung quanh giá trị trung bình xấp xỉ 0, có hiện tượng đuôi dày (heavy tails), phương sai thay đổi theo thời gian và xuất hiện rõ nét hiện tượng tụ cụm biến động (volatility clustering), đặc biệt trong các giai đoạn khủng hoảng (2008–2009) và dịch bệnh (đầu năm 2020).
• Đánh giá tính tương thích của các mô hình VaR: Các mô hình đơn giản như phương sai lịch sử thuần túy hoặc RiskMetrics cố định không đủ độ tin cậy để bao quát rủi ro. Các mô hình thuộc họ GARCH, đặc biệt là GARCH(1,1) và các mô hình phi đối xứng như EGARCH(1,1) và FIAPARCH, nắm bắt tốt nhất các đặc tính biến động và hiệu ứng đòn bẩy trên thị trường chứng khoán Việt Nam.

Thị trường / Chỉ số	Tác giả & Năm nghiên cứu	Giai đoạn dữ liệu	Mô hình VaR / Biến động tối ưu
6 thị trường ASEAN (gồm VN-Index)	Quang, Klein, Nam, Walther (2018)	01/07/2006 – 30/06/2017	FIGARCH, APARCH, FIAPARCH, Stochastic Volatility
Ấn Độ (BSE Sensex)	Maniklal & Shyamal (2013)	01/1991 – 09/2012	GARCH(1,1)
Ấn Độ (S&P BSE Bankex)	Singh (2017)	01/01/2005 – 31/12/2015	EGARCH(1,1)
Trung Quốc (SSE, SZSE)	Zhang & Cheng (2014)	01/01/2002 – 31/12/2013	HS-EWMA (Mô phỏng lịch sử kết hợp EWMA)
4 thị trường châu Á (KSE, BSE, KLSE, SGX)	Farid & Iqbal (2020)	03/01/2008 – 31/12/2017	RDCC-GARCH (phân phối Student-t)
Việt Nam (VN-Index)	Hồ Thủy Tiên, Hồ Thu Hoài, Ngô Văn Toàn (2017)	2005 – 2016	GARCH(1,1) và EGARCH(1,1)
Việt Nam (HOSE, HNX)	Hà & Darné (2018)	09/02/2007 – 15/10/2015	FIAPARCH
Việt Nam (VN-Index)	Lê Văn Tuấn & Phùng Duy Quang (2020)	30/07/2007 – 23/04/2020	GARCH(1,1)

2. Kiến nghị giải pháp

• Đối với cơ quan quản lý: Cần hoàn thiện khung pháp lý về quản trị rủi ro, đưa ra các quy định bắt buộc các công ty chứng khoán, ngân hàng thương mại và quỹ đầu tư phải công bố chỉ số rủi ro định lượng (như VaR) định kỳ trong báo cáo tài chính.
• Đối với các định chế tài chính: Cần đầu tư hệ thống công nghệ thông tin hiện đại nhằm giảm thiểu chi phí truyền dẫn dữ liệu, nâng cao tốc độ tính toán và tách biệt rõ ràng giữa bộ phận kinh doanh trực tiếp (front office) và bộ phận quản trị rủi ro/hậu cần (back office).

3. Đóng góp của đề tài

Khóa luận đã tổng hợp có hệ thống cơ sở toán học của các mô hình VaR phổ biến, hệ thống hóa các kiểm định hậu kiểm Kupiec và Christoffersen, đồng thời cung cấp một bức tranh toàn diện về dữ liệu biến động lịch sử của thị trường chứng khoán Việt Nam từ lúc thành lập đến tháng 02/2020, làm cơ sở tham chiếu cho việc lựa chọn mô hình định lượng rủi ro.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về phạm vi dữ liệu và phương pháp: Đề tài chủ yếu tiếp cận theo hướng tổng quan tài liệu kết hợp mô tả trực quan chuỗi dữ liệu lịch sử đến tháng 02/2020; các cổ phiếu được chọn lựa để minh họa trong các nhóm ngành bị giới hạn bởi điều kiện phải niêm yết trước năm 2015.
• Hướng nghiên cứu mở rộng: Thực hiện ước lượng hồi quy trực tiếp và chạy kiểm định hậu kiểm thực nghiệm (Backtesting) trên chuỗi dữ liệu đầy đủ bao quát toàn bộ giai đoạn tác động của đại dịch COVID-19; mở rộng ước lượng cho danh mục đầu tư đa tài sản bằng các mô hình GARCH đa biến (M-GARCH, RDCC-GARCH).

---

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

• Sinh viên và học viên cao học ngành Tài chính - Ngân hàng, Kinh tế học tài chính: Tham khảo khung lý thuyết chặt chẽ về phương pháp đo lường VaR (HS, EWMA, GARCH, IGARCH), cách thiết lập công thức toán học và quy trình kiểm định Kupiec, Christoffersen.
• Chuyên viên phân tích định lượng (Quant) và chuyên viên quản trị rủi ro: Nắm bắt tổng quan các kết quả thực nghiệm về tính tương thích của từng mô hình biến động trên thị trường chứng khoán Việt Nam và các thị trường mới nổi trong khu vực.
• Các nhà nghiên cứu về thị trường chứng khoán Việt Nam: Khai thác các dữ liệu lịch sử về quá trình phát triển 20 năm của HOSE và HNX, cơ cấu ngành niêm yết và chu kỳ giao dịch của nhà đầu tư nước ngoài giai đoạn 2007–2020.

---

Câu hỏi thường gặp

1. Dữ liệu thực nghiệm của thị trường chứng khoán Việt Nam trong khóa luận được thu thập trong khung thời gian nào?

Dữ liệu chuỗi thời gian được tác giả thu thập từ ngày 05/01/2015 đến ngày 28/02/2020, gồm 1.285 quan sát đối với chỉ số VN-Index cùng dữ liệu giá của các cổ phiếu đại diện thuộc ba ngành Ngân hàng (VCB, CTG, MBB), Thép (HPG, HSG, NKG) và Xây dựng (HBC, C47, LCG).

2. Ba phương pháp chính để ước lượng Giá trị chịu rủi ro (VaR) được trình bày trong khóa luận là gì?

Khóa luận hệ thống hóa 3 phương pháp:

1. Mô hình Mô phỏng Lịch sử (Historical Simulation - HS) thuộc nhóm phi tham số.
2. Mô hình Trung bình Động theo Trọng số Mũ (EWMA) thuộc nhóm tham số.
3. Mô hình Tự hồi quy có Phương sai Thay đổi Điều kiện (GARCH) và các biến thể phi đối xứng (EGARCH, APARCH, FIAPARCH).

3. Theo các nghiên cứu thực nghiệm tại Việt Nam được tổng hợp trong khóa luận, mô hình nào phù hợp nhất để dự báo rủi ro biến động?

Các nghiên cứu của Hồ Thủy Tiên và cs (2017), Lê Văn Tuấn & Phùng Duy Quang (2020) chỉ ra rằng mô hình GARCH(1,1) là mô hình hiệu quả và tối ưu nhất về tính đơn giản, trong khi nghiên cứu của Hà & Darné (2018) và Quang và cs (2018) chỉ ra mô hình FIAPARCH và các mô hình có tính chất bộ nhớ dài, nắm bắt hiệu ứng đòn bẩy là thích hợp nhất cho chỉ số VN-Index.

4. Cơ cấu tài khoản nhà đầu tư nước ngoài tại Việt Nam tính đến ngày 29/02/2020 được ghi nhận như thế nào?

Theo số liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD) được trích dẫn trong khóa luận, toàn thị trường có 2.403.426 tài khoản, trong đó có 32.687 tài khoản nước ngoài (chiếm 1,3% tổng số tài khoản). Khối ngoại gồm 28.947 tài khoản cá nhân và 3.740 tài khoản tổ chức (chiếm 26,8% tổng số tài khoản tổ chức trên toàn thị trường).

5. Kiểm định Christoffersen (1998) bổ sung điểm gì so với kiểm định Kupiec (1995) trong quy trình Backtesting?

Kiểm định Kupiec ($LR_{UC}$) chỉ đếm tổng số lần vi phạm VaR mà không xét đến sự phân bổ thời gian của các vi phạm, trong khi kiểm định Christoffersen mở rộng thêm thống kê kiểm tra tính độc lập ($LR_{IND}$), giúp phát hiện hiện tượng vi phạm xảy ra tụ cụm (clustering exceptions) liên tiếp trong các giai đoạn thị trường biến động mạnh.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Hải Nam đã hệ thống hóa toàn diện cơ sở lý luận về Giá trị chịu rủi ro (VaR), các mô hình dự báo phương sai có điều kiện (EWMA, GARCH, EGARCH) và các phương pháp kiểm định hậu kiểm Kupiec, Christoffersen. Thông qua việc tổng quan các công trình thực nghiệm quốc tế và trong nước, tác giả đã làm rõ các đặc tính biến động, hiện tượng tụ cụm và hiệu ứng đòn bẩy trên thị trường chứng khoán Việt Nam giai đoạn 2000–2020. Nghiên cứu khẳng định sự cần thiết của việc áp dụng các mô hình định lượng thuộc họ GARCH trong quản trị rủi ro danh mục và đề xuất các giải pháp nâng cao năng lực quản trị rủi ro cho các định chế tài chính tại Việt Nam.

Trích đoạn nội dung tài liệu

BANKING ACADEMY ADVANCED PROGRAM BANKING FACULTY ---------- GRADUATION THESIS Title: Forecasting and risk management in Vietnam Stock Market Student: Le Hai Nam Class: K19CLC-NHB Cohort: 2016-2020 Student code: 19A4000420 Supervisor: Dr. Tran Manh Ha Hanoi, June 2020 ACKNOWLEDGEMENTS I am grateful to Dr. Tran Manh Ha, lecturer in the Banking Faculty, who instructs me throughout this Thesis. I am extremely thankful and indebted to him for spending valuable time to share expertise, precious guidance and encouragement extended to me.

I take this opportunity to express gratitude to all of the lecturers in Banking Academy in general and Banking Faculty lecturers in particular for their conscientious and support. I also thank my parents for the unceasing encouragement, support and attention. I also place on record, my sense of gratitude to one and all, who directly or indirectly, have lent their hand in this thesis. STATEMENT OF AUTHORSHIP Name: Le Hai Nam Class: K19CLC-NHB Students’ Numbers: 19A4000420 Supervisor: Dr.

Tran Manh Ha Name of research paper: Literature review about forecasting and risk management in Vietnam Stock Market Declaration I declare that this thesis has been composed solely by myself and that it has not been submitted, in whole or in part, in any previous application for a degree. Except where states otherwise by reference or acknowledgment, the work presented is entirely my own. TABLE OF CONTENT ACKNOWLEDGEMENTS. STATEMENT OF AUTHORSHIP.

LIST OF ACRONYMS. LIST OF FIGURES. LIST OF TABLES .1 CHAPTER 2: CONCEPTUAL FRAMEWORK OF VALUE AT RISK. Definition of risk and risk management:.

Theoretical framework of Value at Risk (VaR):. Conceptual framework of Historical Simulation. Conceptual framework of EWMA. Conceptual framework of GARCH model:.

Unconditional coverage test. Conditional coverage test .14 CHAPTER 3: APPLICATION OF VALUE AT RISK MODELS IN VIETNAM STOCK MARKET. Findings of prior research:. Overview of Vietnam stock market:.

Vietnam stock market’s data illustration:. VaR model suggestion for Vietnam stock market:. The legal framework:. Preparation of risk management for institutions: .56 LIST OF ACRONYMS Value at Risk VaR HOSE Ho Chi Minh City Stock Exchange HNX Hanoi Stock Exchange HS Historical Simulation EWMA Exponentially Weighted Moving Average GARCH Generalized Autoregressive Conditional Heteroskedasticity VSE Vietnam Stock Exchange LIST OF FIGURES Name Page Figure 1.

Log-returns for the period July 1st, 2006 - June 30th, 2017 17 Figure 2. Daily Return on BSE Sensex (1991-2012) 18 Figure 3. The return of S&P BSE Bankex index 19 Figure 4. Daily Stock prices returns of Karachi, Bombay, Singapore 22 and Kuala Lumpur stock Exchanges from 2008 to 2017 Figure 5.

Daily return of VN-Index (2005-2016) 24 Figure 6. Daily return of VSE (09/02/2007 - 30/10/2015) 25 Figure 7. Daily return of VN-Index from 2007 to 2020 26 Figure 8. VN-Index stock price in the period 2000 – 2020 29 Figure 9.

Number of listed companies in HOSE and HNX 33 Figure 10. The structure of enterprises listed on HOSE by industry 34 Figure 11. Number of foreign investors in Vietnam in the 35 period of 2015 – 2020 Figure 12. Transaction statistics of foreign investors for the 36 period 2007 – 2020 Figure 13.

Market capitalization of Vietnam stock market in the 37 period of 2006 – 2020 Figure 14. Time series of VN-Index in the period of 2014 – 2018 38 Figure 15. Time series of stock price of VCB, MBB and CTG from 41 5/1/2015 to 28/2/2020 Figure 16. Time series of stock price of NKG, HSG and HPG from 43 5/1/2015 to 29/2/2020 Figure 17.

Time series of stock price of HBC, C47 and LCG from 45 5/1/2015 to 29/2/2020 Figure 18. Daily log return of VN-Index from January 2015 to February 47 2020 Figure 19. Daily log return of Bank’s stock from January 2015 48 to February 2020 Figure 20. Daily log return of Steel’s stock from January 2015 49 to February 2020 Figure 21.

Daily log return of Construction’s stock from January 2015 50 to February 2017 LIST OF TABLES Name Page Table 1. Descriptive statistics of daily returns of Chinese Indexes 21 Table 2. Descriptive statistics of daily stock return and daily stock market 46 return CHAPTER 1: INTRODUCTION Over many years of development, in recent time, the stock market is one of the best channel for people to mobilize fund for their businesses. The emergence of the stock market has an important role as an intermediary in the capital flow both domestically and internationally, connecting the sellers who want to make profit to the buyers who need capital to run their businesses.

However, businesses have to follow the economic cycle, go through four main stages: start-ups, growth, maturity, and recession. The fluctuation in business activities and the economy may be the main reasons causing the volatility in stock market. It make some influences to the earlier prediction of portfolio, which are known as risks involved in investing. Consequently, the forecast, measurement and risk management is very important and urgent for institutions and individuals to minimize losses and guarantee the stable operation in business and investment activities.

In financial risk management, only qualitative analysis is not sufficient. To reach more effective result, we should combine it with quantitative indicators to measure risk and financial losses. This is the basis for the development of quantitative method in risk management. Through the long history of risk management in the financial market, many models like SIM, EPG, VaR, which are concerned about the expected return as well as the risk of stocks, portfolios was exercised.

It is true that each risk model has pros and cons but VaR is the most common model in stock analysis. This is the method of evaluating the risk of a portfolio by two criteria such as the value of the portfolio and the risk tolerance of the investor. However, the usage of VaR risk measurement is equivalent to using traditional measure like variances or standard deviation. Therefore, many economists have extended the methods for calculating the VaR of stocks or categories that are most commonly used, namely the ARCH, GARCH.

Vietnam stock market is very young, has been only opened since July 2020 but this is remarkable progress. It has made a great contribution to form a relatively 1 comprehensive capital market model, create and activate a mid-term and long-term capital mobilization channel for the economy. There are many evidences to proof the amazing development of Vietnam’s stock market. In the first day of opening, only two companies listed on the Ho Chi Minh City Stock Exchange (HOSE).

However, on February 2020, the data of State Security Commission of Vietnam (SSC) showed that 1,628 listed companies included 378 listed companies on HOSE, 367 listed organizations on Hanoi Stock Exchange (HNX) and 883 firms have transaction on Unlisted Public Company Market (UPCoM). As to the market capitalization, as of December 29th, 2020, market capitalization reached VND 4,384 trillion, up 11% from the end of 2018, equivalent to 79.2% of Vietnamese GDP. Nevertheless, in the 20-year period of operation, Vietnam’s stock market recorded numerous big fluctuations. From the beginning to 2017, this is the rise period.

The VN- Index increased from 131.44 point on September 27th, 2003 to a record high on March 12, 2007 with 1,179.32 points, up nearly 9 times. However, under the effect of economic crisis, from late 2007 to early 2009, the VN-Index fell rapidly to the bottom with only 235.5 points on February 24th, 2009. Within the time span of 8 years commencing from 2009 to 2016, Vietnam’s stock market witnessed a fluctuation when VN-Index increased and decreased intermingle. From 2016 until now, thanks to economic recovery and the positive business result of many corporations, the stock market in Vietnam entered a period of strong growth and became one of the most promising market in the world.

VN-Index was considered as the strongest growth index in world in the first quarter of 2018, with the peak at 1,200 points in April 2018, surpass the data in March, 2017. After the rapid downfall in the second quarter of 2018, VN-Index recorded a slight rehabilitation in 2019. Unfortunately, with the appearance of 2019 coronavirus pandemic, Vietnam’s stock market witnessed the worst session from 2014 in March 2020. Thus, the above data has demonstrated the strong fluctuation of the stock market in Vietnam.

The prices of stocks are always changing over time, it means there are many risks threatened investors when they enter the market without fully preparation. Thus, 2 understanding and forecasting the volatility of stocks’ price as well as predicting adverse events making the downfall of prices, such as 2019 coronavirus pandemic, is vital for investors and finance managers to gain profit and reduce loss. Moreover, there are many methods for economists to forecast and manage risk in the stock market but each method has pros and cons. The most plausible forecast model for market is very important because each market has their own performance so we cannot use the same model for every markets.

This is the motivation for me to do this thesis statement. In this study, the secondary data of historic stock prices which were collected from January 1st, 2015 to February 29th, 2020 is used in order to describe the trend of Vietnam’s stock market in several lately years. All selected companies listed on Ho Chi Minh Stock Exchange (HOSE) and Hanoi Stock Exchange (HNX). The objective of this research is providing the knowledge of VaR models and suggesting the suitable model for Vietnam’s stock market.

However, with each risk measurement model, specific assumptions, such as market hypotheses, investor hypotheses are used. Therefore, in order to clarify the statement’s objectives, the author focuses on following specific targets: - Briefly overview of theoretical models used in forecasting Vietnam’s stock market in recent time. - Provide the overview of Vietnam’s stock market, with the data of some outstanding industry to describe the volatility in some lately years. - Based on numerous previous research about risk forecast model, suggest the suitable model for Vietnam market.

Within the scope of the literature review, quantitative methods are used so as to illuminate advance research objectives, including three most common VaR models: Historical Simulation (HS), Exponentially Weighted Moving Average (EWMA) and the Generalized Autoregressive Conditional Heteroskedasticity (GARCH). There are five chapters in this thesis. In chapter 1, this is the presentation of overview and problem statement, the objectives of the research methodology. Chapter 3 2 supplied some theory about VaR and three models: HS, EWMA and GARCH.

According to chapter 3, the author will provide the overview of Vietnam stock market. Chapter 4 is the overview of some prior research, describing the data description of Vietnam Stock Market in the chosen period and the suggestion of suitable forecasting model. Finally, the author will provide some regulator about risk management and the requirement of using forecasting models for the financial institutions in chapter 5. 4 CHAPTER 2: CONCEPTUAL FRAMEWORK OF VALUE AT RISK 2.

Definition of risk and risk management: Many people think that financial risk is the risk associated with financial outcome of one sort or another, but the definition of risk is more complicated. It evokes notions of uncertainty, randomness, and probability. The random out can be positive (e., we might gain profit from investing) or negative (e., we might suffer the financial loss), and we may (or may not) prefer to focus on the risk associated with ‘bad’ event, presumably with a view to trying protect ourselves against them. The notion of ‘risk’ is very broaden with many facets, and no single definition of risk can be satisfied every situations.

However, for specific purpose like ours, a plausible definition is considering financial risk as the prospect financial loss – or gain – because of unpredictable or random changes in underlying risk factors.