Tổng quan nghiên cứu

Trong giai đoạn từ tháng 07/2006 đến tháng 04/2016, ngành ngân hàng Việt Nam đã trải qua nhiều biến động với sự xuất hiện của các rủi ro tín dụng và hiệu quả đầu tư thấp, gây tâm lý e ngại cho nhà đầu tư khi tiếp cận nhóm cổ phiếu ngân hàng thương mại (NHTM). Theo ước tính, có 9 cổ phiếu NHTM niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh được nghiên cứu nhằm đánh giá rủi ro danh mục đầu tư. Mục tiêu chính của luận văn là ứng dụng mô hình Value at Risk (VaR) với ước lượng phương sai thay đổi GARCH(1,1) để đo lường rủi ro danh mục đầu tư cổ phiếu các NHTM Việt Nam, đồng thời kiểm định sự phù hợp của mô hình qua tỷ lệ vi phạm VaR. Nghiên cứu tập trung vào việc xác định mức tổn thất tối đa có thể xảy ra với các mức tin cậy khác nhau, từ đó cung cấp công cụ định lượng rủi ro hữu ích cho nhà đầu tư và các nhà quản trị rủi ro. Phạm vi nghiên cứu bao gồm dữ liệu giá đóng cửa điều chỉnh và vốn hóa thị trường của 9 cổ phiếu NHTM trong khoảng thời gian 10 năm, giúp đánh giá rủi ro trong bối cảnh thị trường chứng khoán Việt Nam mới nổi. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả quản lý danh mục đầu tư, giảm thiểu rủi ro và hỗ trợ ra quyết định đầu tư chính xác hơn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: lý thuyết rủi ro danh mục đầu tư và mô hình Value at Risk (VaR). Rủi ro danh mục đầu tư được hiểu là sự sai biệt giữa lợi nhuận thực tế và lợi nhuận kỳ vọng, bao gồm rủi ro hệ thống (không thể đa dạng hóa) và rủi ro phi hệ thống (có thể giảm thiểu bằng đa dạng hóa). VaR là công cụ đo lường rủi ro tài chính phổ biến, xác định mức tổn thất tối đa có thể xảy ra trong một khoảng thời gian với mức độ tin cậy nhất định. Mô hình VaR được xây dựng dựa trên giả định phân phối chuẩn của tỷ suất lợi nhuận và sử dụng phương pháp phương sai-hiệp phương sai để ước lượng. Ngoài ra, mô hình GARCH(1,1) được áp dụng để ước lượng phương sai thay đổi theo thời gian, phản ánh tính biến động không đồng nhất của tỷ suất lợi nhuận. Các khái niệm chính bao gồm: tỷ suất lợi nhuận, phương sai, độ lệch chuẩn, phân phối chuẩn, phân phối leptokurtic, và tỷ lệ vi phạm VaR (Violation Rate - VR) dùng để kiểm định chất lượng dự báo của mô hình.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với dữ liệu giá đóng cửa điều chỉnh và vốn hóa thị trường của 9 cổ phiếu NHTM niêm yết trên sàn chứng khoán TP. Hồ Chí Minh trong giai đoạn 07/2006 - 04/2016. Cỡ mẫu dao động từ khoảng 555 đến 2438 quan sát tùy từng cổ phiếu và danh mục tổng hợp. Tỷ suất lợi nhuận hàng ngày được tính bằng logarit của tỷ số giá đóng cửa ngày hiện tại và ngày trước đó. Tỷ trọng cổ phiếu trong danh mục được xác định dựa trên tỷ trọng vốn hóa thị trường. Mô hình VaR được ước lượng theo phương pháp phương sai-hiệp phương sai kết hợp với mô hình GARCH(1,1) giả định phân phối chuẩn cho tỷ suất lợi nhuận. Trước khi ước lượng VaR, chuỗi dữ liệu được kiểm định tính dừng bằng kiểm định nghiệm đơn vị (Unit Root Test) và kiểm định phân phối chuẩn bằng kiểm định Jarque-Bera. Chất lượng dự báo của mô hình được đánh giá qua tỷ lệ vi phạm VaR thực tế so với kỳ vọng, sử dụng mô hình kiểm định VR. Toàn bộ quá trình phân tích được thực hiện trên phần mềm Eviews với timeline nghiên cứu kéo dài 10 năm dữ liệu thực nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Phân phối tỷ suất lợi nhuận không chuẩn: Kết quả kiểm định Jarque-Bera cho thấy chuỗi tỷ suất lợi nhuận của 10 danh mục đầu tư đều có hệ số kurtosis lớn hơn 3, biểu hiện hiện tượng leptokurtosis với đuôi phân phối dài hơn phân phối chuẩn. Tất cả các danh mục đều bị bác bỏ giả thiết phân phối chuẩn ở mức ý nghĩa 1%, ngoại trừ danh mục 1 có phân phối xấp xỉ chuẩn hơn với hệ số skewness gần 0 và kurtosis gần 3.

  2. Chuỗi tỷ suất lợi nhuận là chuỗi dừng: Kiểm định nghiệm đơn vị cho thấy hệ số t-statistic (τ) của tất cả các danh mục đều vượt mức tới hạn ở các mức ý nghĩa 1%, 5%, 10%, khẳng định chuỗi tỷ suất lợi nhuận là chuỗi dừng, phù hợp để áp dụng mô hình GARCH(1,1).

  3. Chất lượng dự báo VaR không đồng nhất theo mức rủi ro: Mô hình VaR ước lượng với GARCH(1,1) cho kết quả tốt hơn ở các mức rủi ro 5% và 2.5% so với các mức rủi ro thấp hơn như 1% và 0. Điều này được thể hiện qua tỷ lệ vi phạm VaR thực tế gần với tỷ lệ kỳ vọng hơn ở các mức rủi ro cao hơn.

  4. Ảnh hưởng của kích cỡ mẫu: Danh mục có kích cỡ mẫu lớn hơn (khoảng 2438 quan sát) cho kết quả ước lượng VaR chính xác hơn so với các danh mục có kích cỡ mẫu nhỏ hơn (khoảng 555 quan sát). Điều này cho thấy kích thước mẫu ảnh hưởng đáng kể đến độ tin cậy của mô hình.

Thảo luận kết quả

Hiện tượng leptokurtosis trong chuỗi tỷ suất lợi nhuận phản ánh thực tế biến động giá cổ phiếu ngân hàng có các cú sốc mạnh và không đối xứng, làm giảm tính chính xác của mô hình VaR giả định phân phối chuẩn. Kết quả này phù hợp với các nghiên cứu quốc tế cho thấy mô hình GARCH với giả định phân phối Student’s-t thường cho kết quả dự báo tốt hơn. Việc chuỗi tỷ suất lợi nhuận là chuỗi dừng cho phép áp dụng mô hình GARCH(1,1) để ước lượng phương sai thay đổi theo thời gian, phản ánh tính biến động không đồng nhất của thị trường. Sự không đồng nhất trong chất lượng dự báo VaR theo mức rủi ro cho thấy mô hình phù hợp hơn với các mức rủi ro phổ biến trong quản trị rủi ro (5%, 2.5%) và kém chính xác hơn ở các mức rủi ro cực thấp, điều này cần lưu ý khi áp dụng trong thực tế. Kích cỡ mẫu lớn giúp mô hình ước lượng chính xác hơn do giảm thiểu sai số ước lượng và tăng tính ổn định của tham số. Các kết quả này có thể được trình bày qua biểu đồ phân phối tỷ suất lợi nhuận, bảng thống kê mô tả và bảng tỷ lệ vi phạm VaR thực tế so với kỳ vọng, giúp minh họa rõ ràng hiệu quả của mô hình.

Đề xuất và khuyến nghị

  1. Áp dụng mô hình VaR kết hợp phân phối phi chuẩn: Khuyến nghị các nhà đầu tư và tổ chức tài chính sử dụng mô hình VaR với giả định phân phối Student’s-t hoặc các phân phối phi chuẩn khác để cải thiện độ chính xác trong đo lường rủi ro, đặc biệt trong các giai đoạn thị trường biến động mạnh. Thời gian áp dụng: ngay lập tức; Chủ thể thực hiện: các quỹ đầu tư, ngân hàng.

  2. Tăng cường thu thập và sử dụng dữ liệu lịch sử dài hạn: Để nâng cao độ tin cậy của mô hình, cần mở rộng kích cỡ mẫu dữ liệu, thu thập dữ liệu giá cổ phiếu và các chỉ số liên quan trong khoảng thời gian dài hơn. Thời gian áp dụng: 1-2 năm; Chủ thể thực hiện: các cơ quan quản lý thị trường và tổ chức nghiên cứu.

  3. Phát triển hệ thống kiểm định mô hình định kỳ: Thiết lập quy trình kiểm định định kỳ chất lượng dự báo VaR bằng tỷ lệ vi phạm thực tế, nhằm điều chỉnh mô hình phù hợp với điều kiện thị trường thay đổi. Thời gian áp dụng: hàng quý; Chủ thể thực hiện: bộ phận quản trị rủi ro các tổ chức tài chính.

  4. Đào tạo và nâng cao nhận thức về quản trị rủi ro: Tổ chức các khóa đào tạo chuyên sâu về mô hình VaR và các kỹ thuật quản trị rủi ro hiện đại cho nhà đầu tư và cán bộ quản lý tài chính nhằm nâng cao năng lực ứng dụng công cụ định lượng. Thời gian áp dụng: liên tục; Chủ thể thực hiện: các trường đại học, trung tâm đào tạo tài chính.

Đối tượng nên tham khảo luận văn

  1. Nhà đầu tư cá nhân và tổ chức: Giúp hiểu rõ hơn về rủi ro danh mục đầu tư cổ phiếu ngân hàng, từ đó đưa ra quyết định đầu tư hợp lý, giảm thiểu tổn thất không mong muốn.

  2. Các nhà quản trị rủi ro tại ngân hàng và công ty chứng khoán: Cung cấp công cụ định lượng để đánh giá và kiểm soát rủi ro danh mục đầu tư, nâng cao hiệu quả quản lý vốn và tuân thủ quy định.

  3. Các nhà nghiên cứu và sinh viên chuyên ngành Tài chính – Ngân hàng: Là tài liệu tham khảo quý giá về ứng dụng mô hình VaR và GARCH trong thực tiễn thị trường chứng khoán Việt Nam.

  4. Cơ quan quản lý thị trường chứng khoán và chính sách: Hỗ trợ xây dựng các chính sách quản lý rủi ro tài chính, giám sát hoạt động đầu tư và phát triển thị trường chứng khoán bền vững.

Câu hỏi thường gặp

  1. Mô hình VaR là gì và tại sao lại quan trọng trong quản trị rủi ro?
    VaR là công cụ đo lường mức tổn thất tối đa có thể xảy ra trong một khoảng thời gian với mức độ tin cậy nhất định. Nó giúp nhà đầu tư và tổ chức tài chính đánh giá rủi ro danh mục đầu tư một cách định lượng, từ đó đưa ra các biện pháp phòng ngừa hiệu quả.

  2. Tại sao mô hình GARCH(1,1) được sử dụng để ước lượng phương sai trong nghiên cứu này?
    GARCH(1,1) cho phép ước lượng phương sai thay đổi theo thời gian, phản ánh tính biến động không đồng nhất của tỷ suất lợi nhuận, giúp mô hình VaR dự báo rủi ro chính xác hơn so với giả định phương sai cố định.

  3. Hiện tượng leptokurtosis ảnh hưởng thế nào đến kết quả ước lượng VaR?
    Leptokurtosis biểu hiện phân phối có đuôi dài hơn phân phối chuẩn, làm cho mô hình VaR giả định phân phối chuẩn đánh giá thấp rủi ro ở các sự kiện cực đoan, dẫn đến dự báo không chính xác trong những tình huống thị trường biến động mạnh.

  4. Làm thế nào để kiểm định chất lượng dự báo của mô hình VaR?
    Chất lượng dự báo được kiểm định qua tỷ lệ vi phạm VaR thực tế so với tỷ lệ vi phạm kỳ vọng. Mô hình có tỷ lệ vi phạm thực tế gần với kỳ vọng được đánh giá là có độ chính xác cao.

  5. Tại sao kích cỡ mẫu lại ảnh hưởng đến độ chính xác của mô hình VaR?
    Kích cỡ mẫu lớn giúp giảm sai số ước lượng và tăng tính ổn định của tham số mô hình, từ đó nâng cao độ tin cậy của kết quả dự báo VaR. Mẫu nhỏ có thể dẫn đến kết quả không ổn định và sai lệch.

Kết luận

  • Luận văn đã ứng dụng thành công mô hình VaR kết hợp GARCH(1,1) để đo lường rủi ro danh mục đầu tư cổ phiếu 9 NHTM niêm yết tại Việt Nam trong giai đoạn 2006-2016.
  • Chuỗi tỷ suất lợi nhuận của các danh mục không tuân theo phân phối chuẩn mà có hiện tượng leptokurtosis, ảnh hưởng đến độ chính xác của mô hình VaR giả định phân phối chuẩn.
  • Mô hình VaR ước lượng tốt hơn ở các mức rủi ro 5% và 2.5%, đồng thời kích cỡ mẫu lớn giúp nâng cao độ chính xác dự báo.
  • Nghiên cứu cung cấp công cụ định lượng hữu ích cho nhà đầu tư và nhà quản trị rủi ro trong việc đánh giá và kiểm soát rủi ro danh mục đầu tư cổ phiếu ngân hàng.
  • Đề xuất các giải pháp nâng cao hiệu quả ứng dụng mô hình VaR, bao gồm sử dụng phân phối phi chuẩn, mở rộng dữ liệu, kiểm định định kỳ và đào tạo chuyên sâu.

Next steps: Áp dụng các đề xuất cải tiến mô hình và mở rộng nghiên cứu sang các nhóm cổ phiếu khác để nâng cao khả năng quản trị rủi ro toàn diện trên thị trường chứng khoán Việt Nam.

Các nhà đầu tư và tổ chức tài chính nên tích cực áp dụng mô hình VaR cải tiến để nâng cao hiệu quả quản lý rủi ro và bảo vệ danh mục đầu tư trong bối cảnh thị trường biến động phức tạp.