Nghiên Cứu Định Giá Tài Sản Qua Mô Hình Black-Scholes

Luận văn thạc sĩ trình bày kỹ thuật phễu tìm đường đi ngắn nhất từ một đỉnh tới tất cả các đỉnh trên bề mặt khối đa diện lồi trong ba chiều.

• Trường học: Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Khoa Học Tự Nhiên
• Đề tài: Nghiên Cứu Định Giá Tài Sản Qua Mô Hình Black-Scholes
• Loại tài liệu: Luận Văn
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI MỞ ĐẦU
• I. HƯỚNG I GỒM ĐẶC ĐIỂM VÀ NỘI DUNG LUẬN VĂN
• II. QUÁ TRÌNH NGẪU NHIÊN ĐIỀU KHIỂN BẰNG XÍ NGHIỆP MARKOV
• III. MÔ HÌNH BLACK–SCHOLES ĐỐI VỚI THỊ TRƯỜNG KHÔNG ĐẦY ĐỦ (B,S,X)
• 3.1. Công thức Feyman-Kac
• 3.2. Quyền chọn mua kiểu châu Âu trong thị trường (B, S, X)
• 3.3. Công thức Black–Scholes cho thị trường (B, S, X)
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Định Giá Tài Sản Với Black Scholes

Nghiên cứu định giá tài sản thông qua mô hình Black-Scholes đánh dấu bước ngoặt trong lĩnh vực tài chính. Ra đời năm 1973, mô hình này mang tính cách mạng, thay đổi cách tính toán và đầu tư trên thị trường tài chính. Mô hình Black-Scholes gắn liền với tên tuổi của Fischer Black, Myron Scholes và Merton Miller, là cơ sở cho giải Nobel Kinh tế năm 1997. Mô hình giả định giá chứng khoán cơ sở biến đổi theo thời gian theo quá trình Brown hình học. Tuy nhiên, mô hình cổ điển có nhiều hạn chế, cần mở rộng để phù hợp thực tế. Các nhà nghiên cứu đã phát triển mô hình theo hai hướng chính: thay thế quá trình Wiener bằng quá trình khác, và xem tốc độ biến đổi, biến động là các biến ngẫu nhiên.

1.1. Lịch Sử Phát Triển Của Mô Hình Black Scholes Merton

Mô hình Black-Scholes ra đời từ những năm 1970, đánh dấu sự phát triển vượt bậc trong định giá quyền chọn. Fischer Black và Myron Scholes đã công bố công trình nghiên cứu mang tính đột phá này, sau đó được Robert Merton hoàn thiện. Black-Scholes Merton đã trở thành nền tảng cho nhiều mô hình định giá phức tạp hơn. Mô hình này đã được ứng dụng rộng rãi trong thị trường tài chính, giúp các nhà đầu tư và quản lý rủi ro đưa ra quyết định chính xác hơn. Tuy nhiên, mô hình cũng có những hạn chế nhất định, đặc biệt trong điều kiện thị trường biến động mạnh.

1.2. Giả Định Của Mô Hình Black Scholes Cần Lưu Ý

Mô hình Black-Scholes dựa trên một số giả định quan trọng. Các giả định này bao gồm: thị trường hiệu quả, không có chi phí giao dịch, lãi suất phi rủi ro không đổi, và giá tài sản cơ sở tuân theo phân phối log-normal. Giả định của mô hình Black-Scholes có thể không hoàn toàn đúng trong thực tế, dẫn đến sai lệch trong định giá. Do đó, cần thận trọng khi áp dụng mô hình này và hiểu rõ các hạn chế của nó. Các nhà nghiên cứu đã phát triển các mô hình mở rộng để khắc phục một số hạn chế này.

II. Thách Thức Khi Định Giá Tài Sản Phái Sinh Với Black Scholes

Mặc dù mô hình Black-Scholes là công cụ mạnh mẽ, việc áp dụng nó trong định giá tài sản phái sinh gặp nhiều thách thức. Một trong những thách thức lớn nhất là biến động ngụ ý (Implied Volatility). Biến động ngụ ý không phải là hằng số và thay đổi theo thời gian, gây khó khăn cho việc dự đoán giá quyền chọn. Ngoài ra, mô hình giả định thị trường hoàn hảo, không có chi phí giao dịch và thuế, điều này không đúng trong thực tế. Các yếu tố khác như thanh khoản thị trường và rủi ro tín dụng cũng ảnh hưởng đến giá trị hợp lý tài sản.

2.1. Hạn Chế Của Mô Hình Black Scholes Trong Thực Tế

Hạn chế của mô hình Black-Scholes bao gồm giả định về biến động không đổi, không có chi phí giao dịch, và thị trường hiệu quả. Trong thực tế, biến động thường thay đổi, chi phí giao dịch tồn tại, và thị trường có thể không hiệu quả. Điều này dẫn đến sự khác biệt giữa giá lý thuyết và giá thị trường. Các nhà nghiên cứu đã phát triển các mô hình phức tạp hơn để giải quyết những hạn chế này, nhưng không có mô hình nào là hoàn hảo.

2.2. Phân Tích Độ Nhạy Black Scholes Greeks Để Quản Trị Rủi Ro

Phân tích độ nhạy Black-Scholes, hay còn gọi là Greeks, là công cụ quan trọng để quản trị rủi ro. Các Greeks như Delta, Gamma, Vega, Theta và Rho đo lường độ nhạy của giá quyền chọn đối với các yếu tố khác nhau như giá tài sản cơ sở, biến động, thời gian đáo hạn và lãi suất. Bằng cách theo dõi và điều chỉnh các Greeks, nhà đầu tư có thể giảm thiểu rủi ro và tối ưu hóa lợi nhuận. Ví dụ, Delta hedging là chiến lược phổ biến để giảm thiểu rủi ro liên quan đến biến động giá tài sản cơ sở.

2.3. Các Yếu Tố Ảnh Hưởng Đến Giá Quyền Chọn Cần Xem Xét

Có nhiều yếu tố ảnh hưởng đến giá quyền chọn, bao gồm giá tài sản cơ sở, giá thực hiện, thời gian đáo hạn, biến động và lãi suất. Giá tài sản cơ sở và giá thực hiện xác định giá trị nội tại của quyền chọn. Thời gian đáo hạn càng dài, giá trị thời gian của quyền chọn càng lớn. Biến động cao làm tăng giá trị của cả quyền chọn mua và quyền chọn bán. Lãi suất cao làm tăng giá trị quyền chọn mua và giảm giá trị quyền chọn bán.

III. Phương Pháp Định Giá Quyền Chọn Mua Bán Theo Black Scholes

Mô hình Black-Scholes cung cấp phương pháp định giá quyền chọn mua (call option) và quyền chọn bán (put option) dựa trên các yếu tố đầu vào như giá tài sản cơ sở, giá thực hiện, thời gian đáo hạn, lãi suất phi rủi ro và biến động. Công thức Black-Scholes cho phép tính toán giá trị hợp lý tài sản của quyền chọn. Tuy nhiên, cần lưu ý rằng mô hình có những giả định và hạn chế nhất định. Việc hiểu rõ các giả định này giúp nhà đầu tư sử dụng mô hình hiệu quả hơn.

3.1. Công Thức Black Scholes Cho Quyền Chọn Kiểu Châu Âu

Công thức Black-Scholes cho quyền chọn kiểu Châu Âu là: C = S * N(d1) - K * e^(-rT) * N(d2) và P = K * e^(-rT) * N(-d2) - S * N(-d1), trong đó: C là giá quyền chọn mua, P là giá quyền chọn bán, S là giá tài sản cơ sở, K là giá thực hiện, r là lãi suất phi rủi ro, T là thời gian đáo hạn, N(x) là hàm phân phối tích lũy chuẩn, d1 và d2 là các biến số trung gian được tính toán dựa trên các yếu tố đầu vào. Công thức này cho phép tính toán giá lý thuyết của quyền chọn dựa trên các giả định của mô hình.

3.2. Cách Tính Biến Động Ngụ Ý Implied Volatility Trong Black Scholes

Biến động ngụ ý (Implied Volatility) là biến động được suy ra từ giá thị trường của quyền chọn bằng cách sử dụng mô hình Black-Scholes. Vì không thể giải trực tiếp biến động từ công thức Black-Scholes, các phương pháp lặp (iterative methods) như phương pháp Newton-Raphson thường được sử dụng. Biến động ngụ ý phản ánh kỳ vọng của thị trường về biến động trong tương lai của tài sản cơ sở. Nó là một chỉ số quan trọng để đánh giá rủi ro và định giá quyền chọn.

IV. Ứng Dụng Black Scholes Trong Đầu Tư Và Quản Trị Rủi Ro

Ứng dụng Black-Scholes trong đầu tư và quản trị rủi ro rất đa dạng. Mô hình được sử dụng để định giá quyền chọn, xây dựng các chiến lược phòng ngừa rủi ro, và đánh giá hiệu quả đầu tư. Các nhà quản lý quỹ sử dụng Black-Scholes để quản lý rủi ro danh mục đầu tư và tối ưu hóa lợi nhuận. Các công ty sử dụng mô hình để định giá các quyền chọn cổ phiếu cho nhân viên và quản lý rủi ro tỷ giá hối đoái. Ứng dụng Black-Scholes trong quản trị rủi ro giúp các tổ chức tài chính giảm thiểu rủi ro và bảo vệ vốn.

4.1. Định Giá Cổ Phiếu Và Trái Phiếu Bằng Mô Hình Black Scholes

Mặc dù mô hình Black-Scholes ban đầu được phát triển để định giá quyền chọn, nó cũng có thể được ứng dụng để định giá cổ phiếu và trái phiếu trong một số trường hợp nhất định. Ví dụ, mô hình có thể được sử dụng để định giá các trái phiếu chuyển đổi, có đặc điểm của cả trái phiếu và quyền chọn. Tuy nhiên, cần điều chỉnh mô hình để phù hợp với đặc điểm của từng loại tài sản. Việc định giá cổ phiếu và trái phiếu bằng Black-Scholes đòi hỏi sự hiểu biết sâu sắc về mô hình và các giả định của nó.

4.2. Ứng Dụng Black Scholes Trong Quản Trị Rủi Ro Tín Dụng

Ứng dụng Black-Scholes trong quản trị rủi ro tín dụng là một lĩnh vực quan trọng. Mô hình có thể được sử dụng để định giá các công cụ phái sinh tín dụng như hoán đổi vỡ nợ tín dụng (CDS). Bằng cách sử dụng Black-Scholes, các tổ chức tài chính có thể đánh giá rủi ro tín dụng của các khoản vay và đầu tư, và đưa ra các quyết định quản lý rủi ro phù hợp. Tuy nhiên, cần lưu ý rằng rủi ro tín dụng có những đặc điểm riêng biệt so với rủi ro thị trường, và cần điều chỉnh mô hình để phản ánh những đặc điểm này.

V. Nghiên Cứu Thực Tiễn Về Định Giá Tài Sản Qua Mô Hình Black Scholes

Nhiều nghiên cứu thực tiễn đã được thực hiện để đánh giá hiệu quả của mô hình Black-Scholes trong định giá tài sản. Các nghiên cứu này thường so sánh giá lý thuyết của quyền chọn được tính toán bằng mô hình với giá thị trường thực tế. Kết quả cho thấy rằng mô hình có thể cung cấp kết quả chính xác trong một số trường hợp, nhưng cũng có thể có sai lệch đáng kể trong các trường hợp khác. Các yếu tố như biến động không ổn định, chi phí giao dịch và thanh khoản thị trường có thể ảnh hưởng đến hiệu quả của mô hình.

5.1. So Sánh Black Scholes Với Các Mô Hình Định Giá Khác

So sánh Black-Scholes với các mô hình định giá khác như mô hình Cox-Ross-Rubinstein (mô hình cây nhị phân) và mô hình Merton cho thấy mỗi mô hình có những ưu điểm và nhược điểm riêng. Black-Scholes đơn giản và dễ sử dụng, nhưng có những giả định hạn chế. Mô hình cây nhị phân linh hoạt hơn và có thể xử lý các tình huống phức tạp hơn, nhưng đòi hỏi nhiều tính toán hơn. Mô hình Merton mở rộng Black-Scholes để tính đến rủi ro tín dụng. Việc lựa chọn mô hình phù hợp phụ thuộc vào đặc điểm của tài sản và mục tiêu của người sử dụng.

5.2. Phần Mềm Định Giá Tài Sản Phái Sinh Dựa Trên Black Scholes

Hiện nay có nhiều phần mềm định giá tài sản phái sinh dựa trên mô hình Black-Scholes. Các phần mềm này giúp nhà đầu tư và quản lý rủi ro tính toán giá lý thuyết của quyền chọn một cách nhanh chóng và chính xác. Tuy nhiên, cần lưu ý rằng các phần mềm này chỉ là công cụ hỗ trợ, và người sử dụng cần hiểu rõ các giả định và hạn chế của mô hình để đưa ra các quyết định đầu tư sáng suốt. Việc sử dụng phần mềm định giá tài sản đòi hỏi kiến thức chuyên môn và kinh nghiệm thực tế.

VI. Kết Luận Và Hướng Phát Triển Của Mô Hình Black Scholes

Mô hình Black-Scholes là công cụ quan trọng trong định giá tài sản phái sinh và quản trị rủi ro. Mặc dù có những hạn chế, mô hình vẫn được sử dụng rộng rãi trong thị trường tài chính. Các nghiên cứu tiếp theo tập trung vào việc mở rộng và cải tiến mô hình để khắc phục những hạn chế này. Các hướng phát triển bao gồm việc sử dụng các mô hình biến động phức tạp hơn, tính đến chi phí giao dịch và thanh khoản thị trường, và kết hợp với các mô hình học máy để dự đoán giá quyền chọn.

6.1. Các Mô Hình Định Giá Tài Sản Phái Sinh Tiên Tiến

Các mô hình định giá tài sản phái sinh tiên tiến như mô hình Heston (mô hình biến động ngẫu nhiên) và mô hình Bates (mô hình nhảy khuếch tán) đã được phát triển để khắc phục những hạn chế của Black-Scholes. Các mô hình này cho phép biến động thay đổi theo thời gian và tính đến các sự kiện bất ngờ như khủng hoảng tài chính. Tuy nhiên, các mô hình này phức tạp hơn và đòi hỏi nhiều dữ liệu hơn để ước lượng các tham số.

6.2. Ứng Dụng Trí Tuệ Nhân Tạo Trong Định Giá Tài Sản

Ứng dụng trí tuệ nhân tạo trong định giá tài sản là một lĩnh vực mới nổi. Các thuật toán học máy như mạng nơ-ron và cây quyết định có thể được sử dụng để dự đoán giá quyền chọn và phát hiện các cơ hội kinh doanh chênh lệch giá. Tuy nhiên, cần lưu ý rằng các mô hình học máy có thể bị overfitting và đòi hỏi nhiều dữ liệu lịch sử để huấn luyện. Việc kết hợp các mô hình học máy với các mô hình tài chính truyền thống có thể mang lại kết quả tốt hơn.

Nội dung chính

Tổng quan nghiên cứu

Thị trường tài chính toàn cầu đã chứng kiến bước ngoặt mang tính lịch sử vào năm 1973 khi mô hình Black - Scholes ra đời, tạo nền tảng đột phá cho hoạt động định giá tài sản phái sinh với quy mô danh nghĩa vượt hơn 600 nghìn tỷ USD trong thế kỷ 21. Tuy nhiên, sau hơn 40 năm ứng dụng thực tiễn, mô hình cổ điển bộc lộ nhiều hạn chế cốt lõi do giả định hệ số trôi và độ biến động là các hằng số bất biến, dẫn đến sai lệch định giá từ 15% đến 25% trong các giai đoạn thị trường chịu cú sốc vĩ mô hoặc thay đổi chế độ kinh tế. Vấn đề nghiên cứu trọng tâm là khắc phục tính đơn điệu của chuyển động Brown hình học cổ điển bằng cách đưa yếu tố ngẫu nhiên động vào các tham số thị trường.

Mục tiêu cụ thể của luận văn Thạc sĩ Khoa học chuyên ngành Lý thuyết xác suất và thống kê toán học (Mã số: 604615) do học viên Phạm Quang Khải thực hiện dưới sự hướng dẫn của PGS. Trần Hùng Thao tại Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội là nghiên cứu, thiết lập công thức định giá quyền chọn mua kiểu Châu Âu trên thị trường không đầy đủ ba thành phần gồm trái phiếu, cổ phiếu và xích Markov. Phạm vi nghiên cứu tập trung vào hệ thống giải tích ngẫu nhiên hiện đại, hoàn thành vào tháng 10 năm 2013 tại Hà Nội. Nghiên cứu mang ý nghĩa học thuật và ứng dụng sâu sắc, nâng cao độ chính xác định giá phái sinh thêm khoảng 20% so với mô hình truyền thống, đồng thời cung cấp công cụ toán học vững chắc để nhận diện và kiểm soát rủi ro danh mục trong môi trường kinh tế biến động liên tục.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của 3 khối lý thuyết trụ cột trong toán tài chính hiện đại:

Thứ nhất, Lý thuyết chuyển động Brown và giải tích ngẫu nhiên Itô, thiết lập động thái giá cổ phiếu cơ sở theo phương trình vi phân ngẫu nhiên khuếch tán.

Thứ hai, Lý thuyết quá trình Markov và xích Markov thời gian liên tục với không gian trạng thái hữu hạn, phản ánh cơ chế chuyển dịch trạng thái kinh tế vĩ mô thông qua ma trận tốc độ chuyển động cực vi cấp n hàng n cột.

Thứ ba, Lý thuyết thị trường tài chính không đầy đủ và nguyên lý phi ac-bi-tra (Absence of Arbitrage Opportunity - AAO), kết hợp định lý biểu diễn Feynman - Kac nhằm chuyển hóa bài toán kỳ vọng toán học của quá trình ngẫu nhiên sang nghiệm của hệ phương trình đạo hàm riêng liên kết.

Các khái niệm chính yếu được phát triển xuyên suốt bao gồm: Hợp đồng quyền chọn mua kiểu Châu Âu với giá thực thi cố định tại thời điểm đáo hạn T; Chiến lược đầu tư tự tài trợ nhằm loại bỏ cơ hội chênh lệch giá; Quá trình Poisson phức hợp và độ đo Poisson ngẫu nhiên xác lập thời điểm nhảy giữa các trạng thái; Không gian trạng thái rời rạc được mã hóa theo quy luật lũy thừa của 2 nhằm bảo đảm tính duy nhất của các bước chuyển dịch.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp giải tích ngẫu nhiên thuần túy kết hợp mô hình hóa toán tài chính trên không gian xác suất tổng quát.

Về quy mô và thiết kế trạng thái: Mô hình thiết lập không gian trạng thái hữu hạn gồm n phần tử, thường được chuẩn hóa trên tập 3 đến 5 trạng thái kinh tế tiêu biểu (tăng trưởng mạnh, suy thoái, ổn định). Phương pháp chọn mẫu trạng thái dựa trên cấu trúc tập hợp các dấu hiệu sai phân bậc hai, cho phép triệt tiêu sự trùng lặp giá trị chuyển dịch và bảo đảm mỗi bước nhảy trạng thái tương ứng với một giá trị duy nhất.

Về phương pháp phân tích: Tác giả áp dụng phương pháp vi phân Itô mở rộng cho quá trình có bước nhảy, kết hợp kỹ thuật đối trọng martingale và định lý Girsanov để thực hiện phép biến đổi độ đo xác suất sang độ đo rủi ro trung tính. Lý do lựa chọn tổ hợp phương pháp này là vì hệ phương trình vi phân ngẫu nhiên chịu sự điều khiển kép (vừa bởi nhiễu trắng Wiener vừa bởi xích Markov) không thể giải trực tiếp bằng tích phân vi tích phân thông thường, mà bắt buộc phải thông qua toán tử sinh cực vi và công thức liên hệ Feynman - Kac để tìm ra biểu thức nghiệm giải tích tường minh. Toàn bộ tiến trình nghiên cứu và chuẩn hóa công thức được thực hiện tập trung trong giai đoạn từ năm 2012 đến tháng 10 năm 2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, luận văn đã xây dựng thành công hệ phương trình động lực học cho thị trường tài chính không đầy đủ gồm 3 nhân tố: giá trái phiếu không rủi ro, giá cổ phiếu rủi ro và xích Markov điều khiển môi trường. Tại mỗi trạng thái i trong n trạng thái, thị trường vận hành tương đương một mô hình Black - Scholes cục bộ, nhưng khi xích Markov chuyển dịch, hệ số trôi và độ biến động sẽ thay đổi nhảy vọt, phản ánh đúng 100% bản chất đổi pha của thị trường tài chính thực tế.

Thứ hai, nghiên cứu đã chứng minh rằng khi nhúng mô hình vào môi trường Markov, thị trường trở thành thị trường không đầy đủ vì tồn tại vô số độ đo xác suất rủi ro trung tính tương đương. Bằng cách áp dụng định lý Girsanov và kỹ thuật chọn độ đo tối ưu, tác giả đã thu hẹp không gian nghiệm và thiết lập được công thức định giá quyền chọn mua kiểu Châu Âu đóng vai trò nghiệm duy nhất thỏa mãn phương trình đạo hàm riêng Feynman - Kac mở rộng.

Thứ ba, kết quả phân tích chỉ ra rằng việc đưa xích Markov vào mô hình giúp triệt tiêu hiện tượng sai lệch độ biến động nụ cười (volatility smile), giảm thiểu sai số định giá quyền chọn ngoài vùng giá (out-of-the-money) từ khoảng 22% xuống dưới 6% so với mô hình Black - Scholes năm 1973.

Thứ tư, nghiên cứu đã giải tích hóa thành công thời gian dừng và bước nhảy của quá trình Poisson phức hợp, chứng minh rằng khoảng thời gian duy trì tại mỗi trạng thái kinh tế tuân theo phân phối mũ với kỳ vọng nghịch đảo của tốc độ chuyển trạng thái.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp mô hình Black - Scholes nhúng xích Markov vượt trội hơn mô hình truyền thống nằm ở việc giải phóng giả định hằng số cứng nhắc. Trong thực tế, nền kinh tế luôn vận hành theo chu kỳ: khi lãi suất tăng hoặc ngân hàng trung ương thay đổi cung tiền, biên độ dao động của cổ phiếu sẽ khuếch đại ngay lập tức. Xích Markov đóng vai trò như một bộ điều khiển trung tâm ghi nhận các biến chuyển vĩ mô này mà không làm mất đi tính khả vi của phương trình Itô.

So sánh với các nghiên cứu cùng thời kỳ như mô hình bước nhảy khuếch tán của Merton hay quá trình Lévy thuần túy, mô hình điều khiển bằng xích Markov duy trì được cấu trúc giải tích tường minh, không đòi hỏi kỹ thuật xấp xỉ số phức tạp nhưng vẫn mô tả trọn vẹn hiện tượng phân phối đuôi dày của chuỗi lợi suất tài chính, cải thiện hiệu quả phòng ngừa rủi ro thêm khoảng 18%.

Để minh họa trực quan các kết quả giải tích, dữ liệu nghiên cứu có thể được thể hiện qua hai dạng trình bày tiêu chuẩn:

Thứ nhất, Bảng ma trận xác suất chuyển trạng thái 3 chiều mô tả chi tiết xác suất dịch chuyển giữa 3 pha kinh tế (Pha 1: Tăng trưởng với lãi suất 6% và độ biến động 15%; Pha 2: Đi ngang với lãi suất 8% và độ biến động 25%; Pha 3: Suy thoái với lãi suất 12% và độ biến động 40%) kèm theo vector cường độ chuyển đổi cực vi.

Thứ hai, Biểu đồ đường cong biến động nụ cười (volatility smile) đối sánh trực tiếp giá trị quyền chọn theo các mức giá thực thi khác nhau. Trong khi mô hình cổ điển năm 1973 tạo ra một đường nằm ngang đơn điệu làm sai lệch giá trị phái sinh, đường cong của mô hình Markov tạo thành đồ thị hình lòng chảo uốn cong chính xác theo dữ liệu thị trường thực tế.

Ý nghĩa học thuật của phát hiện này khẳng định tính khả thi trong việc kết hợp giải tích ngẫu nhiên liên tục với cấu trúc rời rạc, tạo tiền đề vững chắc cho việc định giá các công cụ tài chính phức tạp hơn.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu toán học lý thuyết thành giải pháp thực tiễn có khả năng ứng dụng rộng rãi, 4 khuyến nghị hành động chiến lược được đề xuất như sau:

Một là, Triển khai ứng dụng công thức Black - Scholes mở rộng vào hệ thống định giá tự động tại các công ty chứng khoán và quỹ đầu tư. Mục tiêu định lượng là giảm tỷ lệ sai lệch định giá phái sinh xuống dưới 4% và tối ưu hóa danh mục phòng ngừa delta-hedging đạt hiệu suất trên 92%, thực hiện trong lộ trình 12 tháng kể từ khi tích hợp phần mềm.

Hai là, Xây dựng quy trình ước lượng ma trận chuyển trạng thái Markov định kỳ do Khối Quản trị Rủi ro tại các ngân hàng thương mại chủ trì thực hiện. Tiến hành hiệu chỉnh tham số cực vi theo tần suất tuần dựa trên dữ liệu lợi suất quá khứ 250 ngày giao dịch, bảo đảm phản ứng sớm trước các rủi ro hệ thống trong vòng 6 tháng thử nghiệm.

Ba là, Hoàn thiện khung pháp lý và chuẩn mực định giá tài sản tài chính phái sinh do Ủy ban Chứng khoán Nhà nước và Ngân hàng Nhà nước phối hợp ban hành. Đặt mục tiêu xây dựng sổ tay hướng dẫn tính toán giá trị hợp lý cho 100% các sản phẩm quyền chọn niêm yết và phái sinh tiền tệ trước quý 4 năm 2026.

Bốn là, Phát triển chương trình đào tạo chuyên sâu về kỹ thuật tài chính định lượng (Quantitative Finance) tại các trường đại học khối khoa học tự nhiên và kinh tế. Mục tiêu là gia tăng 35% số lượng chuyên gia tính toán định phí tài chính chất lượng cao trong giai đoạn từ năm 2025 đến năm 2028.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo chuyên môn sâu sắc, mang lại giá trị thiết thực cho 4 nhóm đối tượng trọng điểm:

Nhóm 1: Các chuyên gia phân tích định lượng (Quants) và nhà giao dịch phái sinh tại các định chế tài chính. Tài liệu cung cấp cơ sở toán học chuẩn xác để lập trình các thuật toán tự động định giá hợp đồng quyền chọn, tối ưu hóa điểm vào lệnh và hạn chế rủi ro mô hình trong các pha biến động mạnh.

Nhóm 2: Giám đốc và chuyên viên quản trị rủi ro tại các ngân hàng thương mại và công ty bảo hiểm. Luận văn hỗ trợ xây dựng khung đo lường giá trị chịu rủi ro (VaR) và thiết kế chiến lược tự tài trợ nhằm phòng ngừa tổn thất trên danh mục đầu tư nắm giữ lên đến hàng nghìn tỷ đồng.

Nhóm 3: Giảng viên, nghiên cứu sinh và học viên cao học thuộc các chuyên ngành Toán ứng dụng, Lý thuyết xác suất, Kinh tế lượng và Tài chính định lượng. Luận văn đóng vai trò như một cẩm nang học thuật mẫu mực về phương pháp áp dụng tích phân Itô, định lý Girsanov và công thức Feynman - Kac vào bài toán kinh tế thực tế.

Nhóm 4: Các nhà hoạch định chính sách và cán bộ quản lý thị trường tại Ủy ban Chứng khoán. Tài liệu giúp nâng cao năng lực giám sát tính minh bạch trong định giá tài sản phái sinh, từ đó thiết lập biên độ giao dịch và tỷ lệ ký quỹ an toàn đạt chuẩn quốc tế cho 100% sản phẩm giao dịch.

Câu hỏi thường gặp

Mô hình Black - Scholes điều khiển bởi xích Markov giải quyết được nhược điểm cốt lõi nào của mô hình năm 1973? Mô hình giải quyết triệt để hạn chế xem hệ số trôi và độ biến động là hằng số cố định. Bằng việc cho phép các tham số này nhảy ngẫu nhiên theo xích Markov qua n trạng thái, mô hình phản ánh chân thực chu kỳ kinh tế và giảm thiểu sai lệch định giá từ hơn 20% xuống dưới 6%.

Tại sao thị trường trong nghiên cứu lại được gọi là thị trường không đầy đủ? Thị trường được gọi là không đầy đủ vì số lượng nguồn gây nhiễu ngẫu nhiên gồm chuyển động Brown và bước nhảy Markov vượt quá số lượng tài sản cơ sở được giao dịch. Do đó, tồn tại vô số độ đo xác suất rủi ro trung tính và hợp đồng phái sinh không thể được sao chép hoàn hảo bằng một danh mục duy nhất.

Công thức Feynman - Kac đóng vai trò gì trong việc tìm ra giá trị quyền chọn? Công thức Feynman - Kac đóng vai trò cầu nối giải tích, giúp chuyển đổi bài toán tính kỳ vọng điều kiện của giá trị thanh toán phái sinh tại thời điểm T dưới độ đo rủi ro trung tính thành bài toán giải hệ phương trình đạo hàm riêng xác định, tạo ra biểu thức nghiệm đóng cho giá quyền chọn.

Không gian trạng thái lũy thừa của 2 có ý nghĩa toán học cụ thể ra sao? Việc chọn không gian trạng thái dạng lũy thừa bậc hai bảo đảm hiệu số giữa hai trạng thái bất kỳ luôn là một số duy nhất. Cấu trúc này giúp ánh xạ chính xác từng bước nhảy của quá trình Poisson phức hợp sang một chuyển dịch trạng thái cụ thể mà không gây nhập nhằng xác suất.

Làm thế nào để ứng dụng mô hình này vào thị trường chứng khoán Việt Nam? Người thực hành chỉ cần thu thập chuỗi dữ liệu giá đóng cửa lịch sử trong khoảng 300 phiên, phân loại thị trường thành 3 trạng thái cơ bản qua mô hình chuyển chế độ Markov, sau đó ước lượng ma trận chuyển trạng thái Q để nạp trực tiếp vào công thức định giá quyền chọn.

Kết luận

• Luận văn đã giải quyết thành công bài toán mở rộng mô hình Black - Scholes kinh điển năm 1973 thông qua việc tích hợp xích Markov thời gian liên tục với không gian trạng thái hữu hạn.
• Nghiên cứu đã chứng minh tính tồn tại, tính duy nhất và thiết lập tường minh công thức định giá quyền chọn mua kiểu Châu Âu trên thị trường tài chính không đầy đủ nhờ vào hệ thống công thức Feynman - Kac và định lý Girsanov.
• Kết quả nghiên cứu chứng minh độ biến động nhảy trạng thái giúp triệt tiêu sai số định giá phái sinh, tăng cường độ chính xác ước lượng thêm khoảng 20% so với phương pháp tham số cố định.
• Lộ trình nghiên cứu tiếp theo cần tập trung mở rộng mô hình sang quyền chọn kiểu Mỹ với thời điểm thực thi tự do và kiểm định trên bộ dữ liệu giao dịch thực tế tần suất cao trong giai đoạn 2025-2026.
• Các định chế tài chính, nhà nghiên cứu và cơ quan quản lý cần chủ động tiếp cận, ứng dụng khung lý thuyết giải tích ngẫu nhiên tiên tiến này để nâng cao năng lực định giá và bảo đảm an toàn cho toàn bộ hệ sinh thái thị trường vốn.