Luận văn: Ứng dụng mô hình VaR đo lường rủi ro danh mục cổ phiếu ngân hàng TM Việt Nam

Luận văn thạc sĩ nghiên cứu hub ứng dụng mô hình var để đo lường rủi ro danh mục nghiên cứu thực nghiệm cho danh mục đầu tư cổ, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Phan Thị Quỳnh Anh
• Người hướng dẫn: TS. Ngô Vi Trọng
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Ứng Dụng Mô Hình VaR Để Đo Lường Rủi Ro Danh Mục Nghiên Cứu Thực Nghiệm Cho Danh Mục Đầu Tư Cổ Phiếu Các Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu của đề tài
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Đóng góp của nghiên cứu
• 1.6. Kết cấu luận văn
• 2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VỀ RỦI RO DANH MỤC VÀ MÔ HÌNH VaR
• 2.1. Cơ sở lý thuyết về rủi ro và rủi ro danh mục đầu tư
• 2.1.1. Khái niệm rủi ro và rủi ro danh mục đầu tư
• 2.1.2. Đo lường rủi ro
• 2.2. Cơ sở lý thuyết về mô hình giá trị rủi ro Value at risk (VaR)
• 2.2.1. Lịch sử ra đời của mô hình giá trị rủi ro VaR
• 2.2.2. Khái niệm về Value at Risk (VaR)
• 2.2.3. Điều kiện sử dụng mô hình VaR
• 2.2.4. Các yếu tố ảnh hưởng đến VaR
• 2.2.5. Hạn chế của mô hình VaR
• 2.2.6. Các phương pháp tính VaR
• 2.3. Tổng quan về các nghiên cứu thực nghiệm ứng dụng Value at Risk để đo lường rủi ro danh mục đầu tư
• 3. CHƯƠNG 3: CƠ SỞ DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Cơ sở dữ liệu
• 3.2. Phương pháp nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Kết quả kiểm định phân phối chuẩn
• 4.2. Kết quả kiểm định tính dừng
• 4.3. Kết quả ước lượng GARCH (1,1)
• 4.4. Kết quả ước lượng VaR 1 ngày của tỷ suất lợi nhuận danh mục đầu tư
• 4.5. Kết quả kiểm định ước lượng VaR tại các mức ý nghĩa
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. Kết luận
• 5.2. Hạn chế của đề tài
• 5.3. Hướng nghiên cứu mở rộng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tìm hiểu về mô hình VAR trong đo lường rủi ro danh mục đầu tư

Mô hình VAR (Value at Risk) là một công cụ quan trọng trong việc đo lường rủi ro danh mục đầu tư, đặc biệt là trong lĩnh vực tài chính. Mô hình này giúp các nhà đầu tư xác định mức tổn thất tối đa có thể xảy ra trong một khoảng thời gian nhất định với một mức độ tin cậy nhất định. Việc áp dụng mô hình VAR trong nghiên cứu thực nghiệm cho danh mục đầu tư cổ phiếu các ngân hàng thương mại Việt Nam là cần thiết để cung cấp thông tin hữu ích cho các nhà đầu tư trong việc quản lý rủi ro.

1.1. Khái niệm và ứng dụng của mô hình VAR

Mô hình VAR được định nghĩa là một phương pháp thống kê dùng để ước lượng rủi ro tài chính. Nó cho phép các nhà đầu tư đánh giá khả năng tổn thất trong các điều kiện thị trường khác nhau. Ứng dụng của mô hình này trong các ngân hàng thương mại Việt Nam giúp cải thiện khả năng quản lý rủi ro và đưa ra quyết định đầu tư chính xác hơn.

1.2. Lịch sử phát triển của mô hình VAR

Mô hình VAR đã được phát triển từ những năm 1980 và nhanh chóng trở thành tiêu chuẩn trong ngành tài chính. Sự phát triển này đã giúp các tổ chức tài chính lớn áp dụng VAR để quản lý rủi ro hiệu quả hơn, đặc biệt là trong bối cảnh khủng hoảng tài chính toàn cầu.

II. Thách thức trong việc đo lường rủi ro danh mục đầu tư cổ phiếu ngân hàng

Việc đo lường rủi ro danh mục đầu tư cổ phiếu ngân hàng thương mại Việt Nam gặp nhiều thách thức do sự biến động của thị trường và các yếu tố kinh tế vĩ mô. Các nhà đầu tư cần nhận thức rõ về những rủi ro này để có thể đưa ra quyết định đầu tư hợp lý.

2.1. Biến động thị trường và tác động đến rủi ro

Thị trường chứng khoán Việt Nam thường xuyên trải qua những biến động lớn, ảnh hưởng đến giá cổ phiếu ngân hàng. Những yếu tố như lãi suất, chính sách tiền tệ và tình hình kinh tế toàn cầu đều có thể tác động đến rủi ro danh mục đầu tư.

2.2. Rủi ro hệ thống và phi hệ thống trong đầu tư

Rủi ro hệ thống ảnh hưởng đến toàn bộ thị trường, trong khi rủi ro phi hệ thống chỉ tác động đến một số cổ phiếu cụ thể. Việc phân tích và phân loại các loại rủi ro này là rất quan trọng để quản lý danh mục đầu tư hiệu quả.

III. Phương pháp ứng dụng mô hình VAR trong nghiên cứu thực nghiệm

Để đo lường rủi ro danh mục đầu tư cổ phiếu ngân hàng, mô hình VAR được áp dụng kết hợp với phương pháp GARCH(1,1) để ước lượng phương sai thay đổi. Phương pháp này giúp cải thiện độ chính xác trong việc dự đoán rủi ro.

3.1. Quy trình áp dụng mô hình VAR

Quy trình áp dụng mô hình VAR bao gồm việc thu thập dữ liệu giá cổ phiếu, tính toán tỷ suất lợi nhuận và ước lượng VAR. Các bước này cần được thực hiện một cách cẩn thận để đảm bảo tính chính xác của kết quả.

3.2. Kết hợp mô hình GARCH 1 1 với VAR

Mô hình GARCH(1,1) giúp ước lượng phương sai thay đổi theo thời gian, từ đó cải thiện độ chính xác của mô hình VAR. Việc kết hợp này cho phép các nhà đầu tư có cái nhìn rõ hơn về rủi ro tiềm ẩn trong danh mục đầu tư.

IV. Kết quả nghiên cứu ứng dụng mô hình VAR cho danh mục đầu tư cổ phiếu ngân hàng

Nghiên cứu đã chỉ ra rằng mô hình VAR có thể cung cấp thông tin hữu ích về rủi ro danh mục đầu tư cổ phiếu ngân hàng thương mại Việt Nam. Kết quả cho thấy mô hình này có thể dự đoán chính xác mức tổn thất tối đa trong các điều kiện thị trường khác nhau.

4.1. Phân tích kết quả ước lượng VAR

Kết quả ước lượng VAR cho thấy mức tổn thất tối đa của danh mục đầu tư cổ phiếu ngân hàng ở các mức rủi ro khác nhau. Điều này giúp các nhà đầu tư có cái nhìn rõ hơn về rủi ro mà họ đang đối mặt.

4.2. Đánh giá hiệu quả của mô hình VAR

Mô hình VAR đã cho thấy hiệu quả trong việc dự đoán rủi ro danh mục đầu tư. Tuy nhiên, cần lưu ý rằng mô hình này cũng có những hạn chế nhất định, đặc biệt là trong các tình huống thị trường bất thường.

V. Kết luận và triển vọng tương lai của mô hình VAR trong đầu tư

Mô hình VAR đã chứng minh được giá trị của nó trong việc đo lường rủi ro danh mục đầu tư cổ phiếu ngân hàng thương mại Việt Nam. Tuy nhiên, cần tiếp tục nghiên cứu và cải tiến mô hình để nâng cao độ chính xác và khả năng ứng dụng trong thực tiễn.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng mô hình VAR có thể giúp các nhà đầu tư đánh giá rủi ro danh mục đầu tư một cách hiệu quả. Kết quả cho thấy mô hình này có thể dự đoán chính xác mức tổn thất tối đa trong các điều kiện thị trường khác nhau.

5.2. Hướng nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu để cải thiện mô hình VAR, bao gồm việc áp dụng các phương pháp mới và kết hợp với các mô hình khác để nâng cao độ chính xác trong việc đo lường rủi ro.

Nội dung chính

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.

Trích đoạn nội dung tài liệu

Chương 1 sẽ giới thiệu tổng quát về tính cấp thiết của đề tài, nêu lên bối cảnh khoa học và thực tiễn của vấn đề nghiên cứu. Chương này cũng trình bày khái quát về mục tiêu nghiên cứu, trong đó nêu rõ các câu hỏi nghiên cứu. Ngoài ra, đối tượng nghiên cứu, phạm vi nghiên cứu cũng như phương pháp nghiên cứu cũng được giới thiệu tóm tắt. Những đóng góp của nghiên cứu cũng được nhấn mạnh cùng với kết cấu của bài nghiên cứu.

Chƣơng 2: Tổng quan lý thuyết về rủi ro danh mục và mô hình VaR Chương 2 trình bày tổng quan cơ sở lý thuyết về rủi ro, cách đo lường rủi ro và lý thuyết về VaR, bao gồm khái niệm, các yếu tố ảnh hưởng đến VaR và ba phương pháp để đo lường VaR thông dụng nhất. Ngoài ra, trong chương này, tác giả đã sơ lược kết quả các nghiên cứu trước đây về ứng dụng VaR để đo lường rủi ro danh mục đầu tư, làm tiền đề cho tác giả nghiên cứu đề tài này. Chƣơng 3: Cơ sở dữ liệu và phƣơng pháp nghiên cứu Chương 3 trình bày phương pháp nghiên cứu, kỳ nghiên cứu, quy trình thu thập và xử lý dữ liệu bao gồm: nguồn dữ liệu đầu vào, quy trình xử lý dữ liệu đầu vào. Tác giả trình bày cụ thể từng bước đo lường VaR, sử dụng mô hình GARCH(1,1) để tính toán phương sai thay đổi và thực hiện các kiểm định về sự phù hợp của mô hình để từ đó đo lường rủi ro danh mục đầu tư và dự báo cho giai đoạn tiếp theo.

Chƣơng 4: Kết quả nghiên cứu Chương 4 sẽ trình bày chi tiết kết quả ước lượng được. Từ đó tiến hành thảo luận về các kết quả nghiên cứu đã đạt được. Chƣơng 5: Kết luận và hàm ý chính sách LUAN VAN CHAT LUONG download : add [e-mail] 7 Chương 5 sẽ kết luận nghiên cứu, tóm tắt kết quả nghiên cứu chính. Đồng thời, chương này cũng đưa ra những hạn chế của nghiên cứu và đề xuất hướng nghiên cứu tiếp theo.

LUAN VAN CHAT LUONG download : add [e-mail] 8 CHƢƠNG 2: TỔNG QUAN LÝ THUYẾT VỀ RỦI RO DANH MỤC VÀ MÔ HÌNH VaR 2.1 Cơ sở lý thuyết về rủi ro và rủi ro danh mục đầu tƣ 2.1 Khái niệm rủi ro và rủi ro danh mục đầu tƣ Trong thực tế, chúng ta nhận thấy là việc đầu tư vào các cổ phiếu thường mang lại tỷ suất lợi nhuận cao hơn so với khi chúng ta đầu tư vào các chứng khoán nợ khác như tín phiếu, trái phiếu kho bạc hay đơn giản hơn là gửi ngân hàng dưới hình thức tiết kiệm. Tuy nhiên, câu hỏi đặt ra là, tại sao tất cả mọi người không cùng đầu tư vào một kênh mà lại phân tán ra nhiều kênh khác nhau. Câu trả lời là tỷ suất lợi nhuận thường tỷ lệ thuận với rủi ro, tỷ suất lợi nhuận cao đồng nghĩa với khả năng chịu rủi ro cao. Mặt khác, với nguyên tắc “không để tất cả trứng vào một giỏ”, các nhà đầu tư thường phân bổ vốn vào nhiều kênh tài chính khác nhau nhằm phân tán rủi ro.

Thông thường, các quyết định đầu tư được xem xét trên cơ sở cân bằng giữa lợi nhuận và mức rủi ro mà nhà đầu tư đó có thể chấp nhận được. Có nhiều định nghĩa khác nhau về rủi ro. Theo Holton (2004), rủi ro là “sự không chắc chắn về các biến cố có thể xảy ra”. Sự không chắc chắn này chúng ta có thể đo lường thông qua các hàm phân phối xác suất.

Trong lĩnh vực tài chính, rủi ro được hiểu là sự không chắc chắn về lợi tức mà nhà đầu tư kỳ vọng nhận được từ việc đầu tư các tài sản tài chính, là một biến cố có khả năng xảy ra và cũng có khả năng không xảy ra. Hay nói một cách khác rủi ro là sự sai biệt của lợi nhuận thực tế so với lợi nhuận kỳ vọng, lợi nhuận thực tế có thể cao hơn hoặc thấp hơn so với lợi nhuận kỳ vọng. Các nhà đầu tư chỉ chấp nhận đầu tư vào các cổ phiếu có độ rủi ro cao hơn khi mà lợi nhuận kỳ vọng từ cổ phiếu đó cao. LUAN VAN CHAT LUONG download : add [e-mail] 9 Từ định nghĩa trên, chúng ta có thể hiểu rủi ro danh mục đầu tư là là sự sai biệt của lợi nhuận thực tế so với lợi nhuận kỳ vọng của một danh mục đầu tư.

Khi đầu tư vào các tài sản tài chính, chúng ta có thể gặp hai loại rủi ro là rủi ro hệ thống (rủi ro thị trường) và rủi ro phi hệ thống. Rủi ro hệ thống là loại rủi ro tác động lên toàn bộ hoặc tất cả các tài sản trong danh mục nói riêng và tất cả các tài sản cấu thành nên thị trường nói chung, còn gọi là rủi ro thị trường. Các nguyên nhân có thể gây ra rủi ro hệ thống thường là các điều kiện chung của nền kinh tế như: GDP giảm, lãi suất tiền vay tăng cao, lạm phát tăng cao, chính trị bất ổn, thiên tai…Những điều kiện kinh tế trên ảnh hưởng đến tất cả các doanh nghiệp. Rủi ro phi hệ thống là loại rủi ro chỉ tác động đến một tài sản hay một nhóm nhỏ các tài sản.

Rủi ro này chỉ liên quan đến một hoặc một nhóm các doanh nghiệp cụ thể do đó ở một số tài liệu nó còn được gọi bằng tên gọi khác là rủi ro đơn nhất hay rủi ro cho một tài sản cụ thể. Nguyên nhân gây ra rủi ro phi hệ thống có thể do trình độ quản lý doanh nghiệp yếu kém, trình độ khoa học kỹ thuật lạc hậu… Rủi ro phi hệ thống có thể được loại trừ thông qua việc đa dạng hóa danh mục đầu tư còn rủi ro hệ thống không thể loại trừ thông qua việc đa dạng hóa. Bởi vì, rủi ro có hệ thống tác động đến tất cả các loại tài sản khác nhau. Do đó, dù có bao nhiêu tài sản trong danh mục hay thay đổi tỷ trọng các tài sản trong danh mục đầu tư thì rủi ro có hệ thống cũng không thể bị loại bỏ.

Trên thực tế, rủi ro hệ thống còn được gọi là rủi ro không thể đa dạng hóa. Rủi ro tổng thể = Rủi ro hệ thống + rủi ro phi hệ thống LUAN VAN CHAT LUONG download : add [e-mail] 10 Nguồn: Drake và Fabozzi, 2010 Hình 2.1 Thành phần của rủi ro danh mục đầu tƣ 2.2 Đo lƣờng rủi ro Trong quản trị rủi ro tài chính hiện đại, nếu chỉ dựa vào các phương pháp phân tích định tính thì chưa đủ mà quan trọng hơn là phải hình thành, phát triển các phương pháp, mô hình để đo lường, lượng hóa rủi ro. Từ đó, giúp nhà đầu tư đưa ra các quyết định chính xác. Phương pháp đo lường rủi ro hiện nay vẫn sử dụng phổ biến là sử dụng phương sai (variance) và độ lệch tiêu chuẩn (standard deviation) để đo lường độ biến động của tỷ suất lợi nhuận thực tế khi đầu tư các chứng khoán so với tỷ suất lợi nhuận kỳ vọng của các nhà đầu tư.

Phƣơng sai và độ lệch tiêu chuẩn Rủi ro đề cập đến sự không chắc chắn về lợi nhuận thực tế mà nhà đầu tư nhận được từ việc đầu tư. Sự không chắc chắn này được thể hiện bởi nhiều tỷ suất lợi nhuận có thể nhận được với nhiều xác suất khác nhau. Độ phân tán của những giá trị lợi LUAN VAN CHAT LUONG download : add [e-mail] 11 nhuận có thể xảy ra so với lợi nhuận kỳ vọng càng lớn, thì sự không chắc chắn (rủi ro) càng lớn. Giá trị kỳ vọng của một biến ngẫu nhiên đơn giản chỉ cho biết trọng tâm của biến đó ở đâu chứ không cho biết các giá trị riêng lẻ của biến đó phân tán như thế nào xung quanh giá trị trung bình.

Thước đo phổ biến nhất cho sự phân tán là phương sai và độ lệch tiêu chuẩn. + Đối với chứng khoán riêng lẻ Phương sai của tỷ suất lợi nhuận (σ2) được xác định như sau: n 2  2    pi (R i  E ( R) i 1 Trong đó: E(R): Tỷ suất lợi nhuận kỳ vọng. Ri: Tỷ suất lợi nhuận có thể nhận được trong tình huống i pi : Xác suất nhận được Ri Độ lệch chuẩn của tỷ suất lợi nhuận (σ): n 2     p (R  E ( R) i 1 i i Các ký hiệu được giải thích tương tự như trên. + Đối với danh mục đầu tƣ: Rủi ro của danh mục đầu tư được đo lường bằng chỉ tiêu phương sai (hoặc độ lệch chuẩn) của tỷ suất lợi nhuận trên danh mục đầu tư (tương tự như trường hợp mỗi chứng khoán riêng lẻ).

Năm 1952, Harry Markowitz - được xem là người khai sinh ra lý thuyết danh mục đầu tư hiện đại - đã phát triển mô hình lựa chọn danh mục đầu tư dựa trên nguyên lý đa dạng hóa. Markowitz đưa ra công thức tính toán phương sai (hoặc độ lệch chuẩn) của tỷ suất lợi tức trên danh mục đầu tư như sau: LUAN VAN CHAT LUONG download : add [e-mail] 12 Phương sai: n n n    w    w i w j ij 2 p 2 i i 2 i 1 i 1 j 1 j i Độ lệch chuẩn: n n n p   w i2 i2   w i w j ij i 1 i 1 j 1 j i Trong đó: σp: Độ lệch chuẩn của tỷ suất lợi nhuận trên danh mục đầu tư. Wi,(j) : Tỷ trọng của tài sản thứ i (hoặc j) trong danh mục đầu tư. σi: Độ lệch chuẩn của tỷ suất lợi nhuận trên tài sản thứ i σij : Hiệp phương sai giữa tỷ suất lợi nhuận trên tài sản thứ i và tỷ suất lợi nhuận trên tài sản thứ j trong danh mục đầu tư.

Hiệp phương sai là một hệ số đo lường mức độ theo đó lợi nhuận trên hai tài sản (tài sản A và tài sản B) biến động so với nhau. Hệ số tương quan là thước đo mối quan hệ tuyến tính giữa hai biến ngẫu nhiên, nghĩa là nó cho biết hai biến đó quan hệ với nhau như thế nào, mạnh hay là yếu. Hệ số tương quan có giá trị thay đổi từ -1 đến 1 (-1 ≤ ρAB ≤ 1). Giá trị 1 thể hiện một quan hệ tuyến tính thuận hoàn hảo giữa hai tài sản.

Giá trị -1 thể hiện quan hệ tuyến tính nghịch hoàn hảo. Nếu hệ số tương quan bằng 0, hai biến độc lập hoàn toàn với nhau. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.2 Cơ sở lý thuyết về mô hình giá trị rủi ro Value at risk (VaR) 2.