Ứng Dụng Mô Hình VaR Trong Phân Tích Rủi Ro Cổ Phiếu Của Công Ty Xuất Nhập Khẩu Thủy Sản An Giang

Phân tích rủi ro cổ phiếu là một phần quan trọng trong quản lý đầu tư, đặc biệt đối với các công ty xuất… 59 trang · Trường Đại Học Kinh Tế Quốc Dân · 2010.

• Tác giả: Nguyễn Thùy Linh
• Người hướng dẫn: ThS. Hoàng Bích Phương
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Ứng Dụng Mô Hình VaR Trong Phân Tích Và Quản Lý Rủi Ro Cổ Phiếu Của Công Ty Xuất Nhập Khẩu Thủy Sản An Giang
• Loại tài liệu: Đề án môn học
• Năm xuất bản: 2010
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: MỘT SỐ LÝ THUYẾT CƠ BẢN VỀ PHƯƠNG PHÁP TÍNH GIÁ TRỊ RỦI RO CỦA MÔ HÌNH VaR
• 1.1. SỰ CẦN THIẾT CỦA VIỆC SỬ DỤNG MÔ HÌNH VaR TRONG CÔNG TÁC QUẢN LÝ RỦI RO
• 1.2. ĐỊNH GIÁ RỦI RO BẰNG PHƯƠNG PHÁP VaR
• 1.2.1. Phương pháp VaR
• 1.2.1.1. Khái niệm giá trị rủi ro VaR (Value at Risk)
• 1.2.1.2. Ý nghĩa của phương pháp VaR
• 1.2.1.3. Ðặc điểm của VaR
• 1.2.1.4. Lợi ích và những phê phán về VaR
• 1.2.1.5. Phương pháp xác định giá trị rủi ro VaR
• 1.2.2. VaR trong phân tích tài chính
• 2. CHƯƠNG 2: ỨNG DỤNG MÔ HÌNH VaR TRONG PHÂN TÍCH VÀ QUẢN LÝ RỦI RO CỔ PHIẾU CỦA CÔNG TY XUẤT NHẬP KHẨU THỦY SẢN AN GIANG
• 2.1. VÀI NÉT GIỚI THIỆU VỀ CÔNG TY XUẤT NHẬP KHẨU THỦY SẢN AN GIANG VÀ SỐ LIỆU PHỤC VỤ PHÂN TÍCH
• 2.1.1. Vài nét giới thiệu về công ty xuất nhập khẩu thuỷ sản An Giang
• 2.1.2. Số liệu phục vụ phân tích
• 2.2. MỘT SỐ CÁC ĐẶC TRƯNG CƠ BẢN CỦA CHUỖI LỢI SUẤT
• 2.2.1. Đồ thị chuỗi giá đóng cửa mỗi phiên của cổ phiếu AGF
• 2.2.2. Đồ thị chuỗi lợi suất LS_AGF
• 2.2.3. Đồ thị hàm mật độ và các thống kê mô tả chuỗi lợi suất LS_AGF
• 2.2.4. Kiểm định tính dừng của chuỗi lợi suất LS_AGF
• 2.3. ỨNG DỤNG PHƯƠNG PHÁP VaR TRONG PHÂN TÍCH RỦI RO CỔ PHIẾU AGF
• 2.3.1. Phân tích rủi ro cổ phiếu AGF dựa vào phương pháp Riskmetrics
• 2.3.1.1. Mô hình đề nghị
• 2.3.1.2. Ước lượng mô hình và một số kết quả nhận được
• 2.3.1.2.a. Mô hình GARCH(1,1)
• 2.3.1.2.b. Kiểm tra hệ số mô hình GARCH(1,1) của lợi suất cổ phiếu AGF theo phương pháp Riskmetrics
• 2.3.1.2.c. Dự báo giá trị rủi ro VaR cho cổ phiếu AGF theo phương pháp Riskmetrics
• 2.3.2. Phân tích rủi ro cổ phiếu AGF dựa vào phương pháp toán kinh tế
• 2.3.2.1. Mô hình đề nghị
• 2.3.2.2. Ước lượng mô hình và một số kết quả nhận được
• 2.3.2.2.a. Mô hình hồi quy của lợi suất cổ phiếu AGF
• 2.3.2.2.b. Mô hình AR(1) – GARCH(1,1) của lợi suất cổ phiếu AGF
• 2.3.2.2.c. Kiểm tra hệ số mô hình AR(1) – GARCH(1,1) của lợi suất cổ phiếu AGF theo phương pháp toán kinh tế
• 2.3.2.2.d. Dự báo giá trị rủi ro VaR cho cổ phiếu AGF theo phương pháp toán kinh tế
• 2.3.3. Kết luận chung về kết quả nghiên cứu
• 2.4. HẬU KIỂM MÔ HÌNH VaR
• 2.5. MỘT SỐ KIẾN NGHỊ
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Phân Tích Rủi Ro Cổ Phiếu Công Ty Xuất Nhập Khẩu Thủy Sản An Giang

Phân tích rủi ro cổ phiếu là một phần quan trọng trong quản lý đầu tư, đặc biệt đối với các công ty xuất nhập khẩu thủy sản như An Giang. Việc hiểu rõ về rủi ro giúp các nhà đầu tư đưa ra quyết định chính xác hơn. Mô hình VaR (Value at Risk) là một công cụ hữu ích trong việc đo lường và quản lý rủi ro tài chính. Mô hình này không chỉ giúp xác định mức độ tổn thất tối đa có thể xảy ra trong một khoảng thời gian nhất định mà còn cung cấp thông tin cần thiết để các nhà đầu tư có thể chuẩn bị ứng phó với các tình huống bất lợi.

1.1. Ứng Dụng Mô Hình VaR Trong Phân Tích Rủi Ro

Mô hình VaR được sử dụng rộng rãi trong phân tích rủi ro cổ phiếu. Nó giúp các nhà đầu tư ước lượng tổn thất tối đa có thể xảy ra trong một khoảng thời gian nhất định với độ tin cậy cao. Việc áp dụng mô hình này giúp các nhà đầu tư có cái nhìn rõ hơn về rủi ro mà họ đang đối mặt.

1.2. Tầm Quan Trọng Của Việc Quản Lý Rủi Ro

Quản lý rủi ro là một yếu tố quan trọng trong đầu tư. Đặc biệt trong bối cảnh thị trường chứng khoán ngày càng biến động, việc áp dụng các phương pháp như VaR giúp các nhà đầu tư có thể giảm thiểu tổn thất và tối ưu hóa lợi nhuận.

II. Vấn Đề Rủi Ro Trong Ngành Xuất Nhập Khẩu Thủy Sản

Ngành xuất nhập khẩu thủy sản An Giang đang đối mặt với nhiều thách thức, bao gồm biến động giá cả, rủi ro thị trường và các yếu tố kinh tế vĩ mô. Những yếu tố này có thể ảnh hưởng đến lợi nhuận và giá trị cổ phiếu của công ty. Việc phân tích rủi ro là cần thiết để hiểu rõ hơn về những thách thức này và tìm ra giải pháp phù hợp.

2.1. Các Yếu Tố Ảnh Hưởng Đến Rủi Ro Cổ Phiếu

Các yếu tố như biến động giá nguyên liệu, chính sách thương mại và tình hình kinh tế toàn cầu đều có thể tác động đến rủi ro cổ phiếu của công ty xuất nhập khẩu thủy sản. Việc nắm bắt và phân tích các yếu tố này là rất quan trọng.

2.2. Thách Thức Trong Quản Lý Rủi Ro

Quản lý rủi ro trong ngành thủy sản không chỉ đơn thuần là phòng ngừa mà còn cần phải chủ động kiểm soát. Các nhà đầu tư cần có chiến lược rõ ràng để ứng phó với những biến động bất ngờ trên thị trường.

III. Phương Pháp Tính Toán Giá Trị Rủi Ro Bằng Mô Hình VaR

Mô hình VaR cung cấp một phương pháp định lượng để đo lường rủi ro tài chính. Phương pháp này cho phép các nhà đầu tư ước lượng 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 này giúp các nhà đầu tư có cái nhìn rõ hơn về rủi ro mà họ đang đối mặt.

3.1. Khái Niệm Và Ý Nghĩa Của Mô Hình VaR

Khái niệm VaR (Value at Risk) là một thước đo rủi ro tài chính, cho phép các nhà đầu tư ước lượng tổn thất tối đa có thể xảy ra trong một khoảng thời gian nhất định. Ý nghĩa của mô hình này là giúp các nhà đầu tư có thể chuẩn bị ứng phó với các tình huống bất lợi.

3.2. Các Phương Pháp Tính Toán VaR

Có nhiều phương pháp để tính toán VaR, bao gồm phương pháp lịch sử, phương pháp mô phỏng Monte Carlo và phương pháp phân phối chuẩn. Mỗi phương pháp có ưu nhược điểm riêng và phù hợp với từng tình huống cụ thể.

IV. Ứng Dụng Thực Tiễn Của Mô Hình VaR Trong Phân Tích Rủi Ro

Mô hình VaR đã được áp dụng thành công trong việc phân tích rủi ro cổ phiếu của công ty xuất nhập khẩu thủy sản An Giang. Kết quả từ việc áp dụng mô hình này đã giúp các nhà đầu tư có cái nhìn rõ hơn về rủi ro và đưa ra quyết định đầu tư chính xác hơn.

4.1. Kết Quả Nghiên Cứu Về Rủi Ro Cổ Phiếu AGF

Nghiên cứu cho thấy rằng việc áp dụng mô hình VaR giúp xác định rõ ràng mức độ rủi ro của cổ phiếu AGF. Kết quả này cung cấp thông tin quan trọng cho các nhà đầu tư trong việc ra quyết định.

4.2. Ứng Dụng VaR Trong Quản Lý Danh Mục Đầu Tư

Việc sử dụng VaR trong quản lý danh mục đầu tư giúp các nhà đầu tư có thể tối ưu hóa lợi nhuận và giảm thiểu rủi ro. Điều này đặc biệt quan trọng trong bối cảnh thị trường chứng khoán ngày càng biến động.

V. Kết Luận Về Phân Tích Rủi Ro Cổ Phiếu Công Ty An Giang

Phân tích rủi ro cổ phiếu công ty xuất nhập khẩu thủy sản An Giang bằng mô hình VaR đã cho thấy những kết quả tích cực. Mô hình này không chỉ giúp các nhà đầu tư hiểu rõ hơn về rủi ro mà còn cung cấp thông tin cần thiết để đưa ra quyết định đầu tư chính xác.

5.1. Tương Lai Của Mô Hình VaR Trong Quản Lý Rủi Ro

Mô hình VaR sẽ tiếp tục đóng vai trò quan trọng trong việc quản lý rủi ro tài chính. Các nhà đầu tư cần cập nhật và áp dụng các phương pháp mới để tối ưu hóa hiệu quả đầu tư.

5.2. Khuyến Nghị Đối Với Các Nhà Đầu Tư

Các nhà đầu tư nên áp dụng mô hình VaR trong phân tích rủi ro cổ phiếu để có cái nhìn rõ hơn về rủi ro mà họ đang đối mặt. Việc này sẽ giúp họ đưa ra quyết định đầu tư chính xác hơn và giảm thiểu tổn thất.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán Việt Nam sau hơn 9 năm đi vào hoạt động (tính đến thời điểm năm 2010) đã phát triển thành một kênh huy động vốn cho nền kinh tế và thu hút sự tham gia của đông đảo nhà đầu tư cá nhân lẫn tổ chức. Tuy nhiên, thị trường cũng bộc lộ tính chất biến động phức tạp, đặc biệt là giai đoạn biến động mạnh từ năm 2007 đến 2008 do ảnh hưởng của khủng hoảng tài chính toàn cầu. Phần lớn các nhà đầu tư cá nhân trên thị trường chịu tác động bởi hiệu ứng tâm lý đám đông (hiệu ứng bầy đàn) và thiếu các công cụ kỹ thuật để đo lường, kiểm soát mức độ tổn thất danh mục một cách định lượng.

Trong lý thuyết tài chính hiện đại, việc quản trị rủi ro không nhằm triệt tiêu hoàn toàn rủi ro mà hướng tới chủ động kiểm soát và định giá chính xác tài sản rủi ro để tối ưu hóa phân bổ nguồn lực. Mô hình Giá trị tại rủi ro (Value at Risk - VaR), ra đời từ năm 1993 và được chuẩn hóa bởi tổ chức J.P. Morgan cũng như Hiệp định Basel của Ủy ban Basel về Giám sát Ngân hàng, đã trở thành chuẩn mực đo lường rủi ro thị trường tại các định chế tài chính quốc tế. Tại Việt Nam vào năm 2010, các nghiên cứu ứng dụng có hệ thống về mô hình VaR trong quản lý rủi ro cổ phiếu đơn lẻ và danh mục còn hạn chế. Đề tài được thực hiện nhằm kiểm định khả năng áp dụng của mô hình VaR đối với một cổ phiếu niêm yết cụ thể trong ngành thủy sản.

Mục tiêu và nhiệm vụ nghiên cứu của đề án gồm:

1. Hệ thống hóa các cơ sở lý thuyết về mô hình đo lường rủi ro VaR, bao gồm các phương pháp định lượng rủi ro chuỗi thời gian tài chính như RiskMetrics, phương pháp toán kinh tế (mô hình phương sai sai số thay đổi có điều kiện), phương pháp ước lượng điểm phân vị thực nghiệm và phương pháp hiệu chỉnh theo mômen phân phối.
2. Thu thập dữ liệu giao dịch thực tế, phân tích các đặc trưng thống kê và kiểm định tính dừng của chuỗi lợi suất cổ phiếu Công ty Cổ phần Xuất nhập khẩu Thủy sản An Giang (mã AGF).
3. Ước lượng mô hình thực nghiệm theo hai cách tiếp cận: Phương pháp RiskMetrics và Phương pháp Toán kinh tế (kết hợp phương trình trung bình AR(1) và phương sai có điều kiện GARCH(1,1)).
4. Thực hiện dự báo giá trị rủi ro VaR ở các mức ý nghĩa 1% và 5% cho kỳ hạn 1 ngày và 5 ngày.
5. Tiến hành hậu kiểm (Backtesting) mô hình trên mẫu dữ liệu thực tế gồm 250 phiên giao dịch để kiểm tra độ tin cậy của mô hình dự báo.
6. Đề xuất các định hướng ứng dụng mô hình VaR trong quản trị danh mục, phân bổ vốn và kiểm soát rủi ro tại các tổ chức tài chính và doanh nghiệp.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Rủi ro thị trường và mức độ tổn thất tiềm năng của chuỗi lợi suất cổ phiếu AGF.
• Phạm vi không gian: Cổ phiếu AGF niêm yết trên Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE).
• Phạm vi thời gian dữ liệu: Bộ số liệu theo phiên giao dịch từ ngày 01/03/2005 đến ngày 07/05/2010, bao gồm 1.295 quan sát. Mẫu dữ liệu dùng cho công tác hậu kiểm được chọn từ ngày 02/01/2007 đến ngày 03/01/2008 với quy mô 250 quan sát.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đề án xây dựng trên định nghĩa chuẩn tắc về Value at Risk theo Due & Pan (1997) và Jorion (1997): VaR là ước lượng điểm về mức tổn thất tối đa mà một định chế tài chính hoặc danh mục đầu tư có thể gánh chịu trong một khoảng thời gian nắm giữ xác định, tại một mức độ tin cậy cho trước $(1-\alpha)%$, trong điều kiện thị trường hoạt động bình thường.

Về mặt cấu trúc toán học của thước đo rủi ro, đề tài trích dẫn 4 tiên đề của Artzner (1999) đối với một thước đo rủi ro $\rho(V)$:

• Tính đơn điệu: Nếu $V_1 \le V_2$ thì $\rho(V_1) \ge \rho(V_2)$.
• Tính bất biến tịnh tiến: $\rho(V + k) = \rho(V) - k$.
• Tính thuần nhất bậc một: $\rho(bV) = b\rho(V)$ với $b > 0$.
• Tính cộng dưới (Subadditivity): $\rho(V_1 + V_2) \le \rho(V_1) + \rho(V_2)$. VaR thỏa mãn 3 tính chất đầu tiên trong mọi trường hợp, và thỏa mãn đồng thời cả tính chất cộng dưới khi phân phối lợi suất là phân phối chuẩn.

Các phương pháp xác định VaR được trình bày bao gồm:

• Phương pháp RiskMetrics: Giả định lợi suất hàng ngày $r_t$ có trung bình có điều kiện $\mu_t = 0$ và phương sai có điều kiện biến thiên theo mô hình IGARCH(1,1) không có độ dịch: $\sigma_t^2 = (1-\alpha) r_{t-1}^2 + \alpha \sigma_{t-1}^2$ với $0 < \alpha < 1$. VaR cho $k$ thời kỳ được tính theo quy tắc căn bậc hai của thời gian: $\text{VaR}(k) = \sqrt{k} \cdot \text{VaR}(1)$.
• Phương pháp Toán kinh tế: Sử dụng kết hợp mô hình tự hồi quy trung bình trượt ARMA($p,q$) cho phương trình trung bình và mô hình GARCH($n,m$) cho phương trình phương sai sai số thay đổi có điều kiện. Mô hình này cho phép trung bình có điều kiện $\mu_t \ne 0$ và có thể xử lý phần dư theo phân phối chuẩn hoặc phân phối Student-$t$.
• Phương pháp ước lượng điểm phân vị thực nghiệm: Dựa trên thống kê thứ tự $r_{(1)} \le r_{(2)} \le \dots \le r_{(n)}$ của mẫu dữ liệu trong quá khứ để xác định điểm phân vị mà không cần áp đặt phân phối tham số cụ thể.
• Phương pháp dựa trên độ dao động, hệ số bất đối xứng (Skewness) và hệ số nhọn (Kurtosis): Sử dụng khai triển trực giao hóa Doob (1953) và lý thuyết ước lượng tối ưu của Godambe & Thompson (1989) để điều chỉnh khoảng tin cậy khi chuỗi lợi suất vi phạm giả thiết phân phối chuẩn.

Phương pháp nghiên cứu thực nghiệm: Nghiên cứu sử dụng phương pháp phân tích kinh tế lượng chuỗi thời gian với sự hỗ trợ của phần mềm EViews. Quy trình phân tích gồm:

• Tính chuỗi log-lợi suất: $r_t = \ln(S_t) - \ln(S_{t-1})$.
• Thống kê mô tả và kiểm định tính dừng bằng kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF).
• Phân tích đồ thị tự tương quan (ACF) và tự tương quan riêng (PACF) để xác định bậc trễ ARMA.
• Kiểm định phương sai sai số thay đổi bằng kiểm định ARCH LM Test.
• Ước lượng tham số mô hình GARCH bằng phương pháp hợp lý cực đại (Maximum Likelihood).
• Kiểm định dạng IGARCH bằng kiểm định Wald Test.
• Tính toán và hậu kiểm (Backtesting) giá trị VaR thông qua so sánh lãi/lỗ thực tế (P&L) với ngưỡng rủi ro ước lượng trên chuỗi 250 quan sát.

Nguồn dữ liệu: Bộ dữ liệu giá đóng cửa theo từng phiên giao dịch của cổ phiếu AGF (đơn vị: nghìn đồng) được trích xuất từ cơ sở dữ liệu chứng khoán cophieu68.com trong giai đoạn từ ngày 01/03/2005 đến ngày 07/05/2010.

Nội dung chính theo từng chương

CHƯƠNG 1: MỘT SỐ LÝ THUYẾT CƠ BẢN VỀ PHƯƠNG PHÁP TÍNH GIÁ TRỊ RỦI RO CỦA MÔ HÌNH VaR

Chương 1 hệ thống hóa toàn bộ cơ sở lý luận về quản lý rủi ro và các kỹ thuật ước lượng VaR. Nội dung tập trung vào:

• Sự cần thiết của VaR trong quản trị tài chính: VaR tích hợp các yếu tố rủi ro thị trường vào một chỉ tiêu định lượng duy nhất, cung cấp thông tin trực quan cho ban điều hành và các cơ quan quản lý.
• Quy chuẩn định lượng theo Hiệp định Basel: Yêu cầu mức độ tin cậy 99%, kỳ hạn đánh giá 10 ngày kinh doanh, và kết quả VaR tính toán nội bộ phải nhân với hệ số điều chỉnh tối thiểu $k = 3$ để xác định mức vốn an toàn rủi ro bắt buộc.
• Phân tích chi tiết 4 phương pháp tính toán:
  1. Phương pháp RiskMetrics của J.P. Morgan (1995): Thiết lập công thức tính VaR đơn vị và danh mục đa vị thế có tính đến hệ số tương quan chéo $\rho_{ij}$. Đánh giá ưu điểm là tính toán nhanh, nhược điểm là đánh giá thấp rủi ro khi chuỗi dữ liệu có hiện tượng đuôi dày (Fat tails) hoặc khi giả định trung bình bằng 0 bị vi phạm.
  2. Phương pháp toán kinh tế chuỗi thời gian: Xây dựng công thức dự báo $k$ bước cho kỳ vọng $E(r_{h[k]}|\mathcal{F}h)$ và phương sai $\text{VaR}(e{h[k]}|\mathcal{F}_h)$ dựa trên cấu trúc ARIMA - GARCH. Phân tích điểm phân vị theo phân phối chuẩn Gauxơ và phân phối chuẩn hóa Student-$t$ với $m$ bậc tự do ($m > 2$).
  3. Phương pháp điểm phân vị thực nghiệm: Trình bày định lý giới hạn cho thống kê bậc $r_{(\lfloor np \rfloor)}$ và công thức nội suy khi $n \cdot p$ không phải số nguyên.
  4. Phương pháp mở rộng tính đến Skewness và Kurtosis: Trình bày hàm ước lượng tối ưu $h_1, h_2$ và công thức tính khoảng tin cậy $[X_L, X_U]$ để hiệu chỉnh điểm phân vị khi lợi suất có độ lệch và độ nhọn cao.

CHƯƠNG 2: ỨNG DỤNG MÔ HÌNH VaR TRONG PHÂN TÍCH VÀ QUẢN LÝ RỦI RO CỔ PHIẾU CỦA CÔNG TY XUẤT NHẬP KHẨU THỦY SẢN AN GIANG

Chương 2 tập trung xử lý số liệu thực nghiệm của cổ phiếu AGF qua các bước phân tích định lượng:

• Giới thiệu doanh nghiệp và mẫu dữ liệu: Công ty Cổ phần Xuất nhập khẩu Thủy sản An Giang (AGIFISH) thành lập theo Quyết định 792/QĐ-TTg ngày 28/06/2001, niêm yết trên sàn HOSE ngày 08/03/2002. Chuỗi dữ liệu gồm 1.295 quan sát phản ánh đầy đủ các chu kỳ tăng trưởng (2005 - đầu 2007), suy thoái (cuối 2007 - 2008) và phục hồi chậm (2009 - đầu 2010).
• Thống kê mô tả chuỗi lợi suất LS_AGF:
  • Lợi suất trung bình kỳ vọng: $\mu = 0,000113$ (tương đương $0,0113%$/phiên).
  • Lợi suất lớn nhất: $+0,048790$.
  • Lợi suất nhỏ nhất: $-0,152839$.
  • Độ lệch tiêu chuẩn: $\sigma = 0,026736$.
• Kiểm định tính dừng: Kiểm định Dickey-Fuller cho thấy giá trị thống kê kiểm định nhỏ hơn giá trị tới hạn ở các mức ý nghĩa 1%, 5% và 10%, kết luận chuỗi LS_AGF là chuỗi dừng.
• Ước lượng VaR theo phương pháp RiskMetrics:
  • Mô hình GARCH(1,1) không có hệ số chặn cho thấy hệ số ARCH(1) có $z = 7,109506$ ($p = 0,0000$) và GARCH(1) có $z = 29,23949$ ($p = 0,0000$).
  • Kiểm định Wald Test với giả thiết $H_0: C(2) + C(3) = 1$: Ở mức ý nghĩa 1%, không đủ cơ sở bác bỏ $H_0$ (mô hình đạt dạng IGARCH(1,1)); ở mức ý nghĩa 5%, bác bỏ $H_0$.
  • Dự báo phương sai phiên thứ 1296: $\sigma_{1296}^2 = 0,000607993 \Rightarrow \sigma_{1296} = 0,0246575$.
  • Giá trị rủi ro ước lượng cho vị thế mua (long position) trị giá 10 triệu đồng:
    • VaR 1 ngày (mức 1%, độ tin cậy 99%): $-5,73490%$ (tương đương tổn thất tối đa $573.490$ đồng).
    • VaR 5 ngày (mức 1%, độ tin cậy 99%): $-1.282.362$ đồng (tính theo quy tắc $\sqrt{5}$).
    • VaR 1 ngày (mức 5%, độ tin cậy 95%): $-4,05585%$ (tương đương tổn thất tối đa $405.585$ đồng).
• Ước lượng VaR theo phương pháp Toán kinh tế:
  • Phương trình trung bình: Mô hình AR(1) không có hệ số chặn cho kết quả: $$\text{LS_AGF}t = 0,238459 \cdot \text{LS_AGF}{t-1} + u_t$$ với $t = 8,816332$ ($p = 0,0000$). Khi lợi suất phiên trước tăng (giảm) 1% thì lợi suất phiên sau tăng (giảm) $0,238459%$.
  • Kiểm định ARCH LM Test trên phần dư của mô hình AR(1) cho thấy giá trị Prob $< 0,05$, khẳng định có tồn tại hiệu ứng phương sai sai số thay đổi ARCH.
  • Mô hình kết hợp AR(1) - GARCH(1,1): $$\text{Phương trình trung bình: } \text{LS_AGF}t = 0,238459 \cdot \text{LS_AGF}{t-1} + u_t$$ $$\text{Phương trình phương sai: } \sigma_t^2 = 0,0000407 + 0,165780 \cdot u_{t-1}^2 + 0,782163 \cdot \sigma_{t-1}^2$$ Các hệ số đều có ý nghĩa thống kê ở mức 1% ($z_{\text{ARCH}} = 6,794053$, $z_{\text{GARCH}} = 27,82382$). Kiểm định Wald bác bỏ giả thiết dạng IGARCH ở mức 5%.
  • Dự báo cho phiên thứ 1296: $\text{LS_AGF}{1296} = -0,0076704$; $\sigma{1296}^2 = 0,000382046 \Rightarrow \sigma_{1296} = 0,0195546$.
  • Giá trị rủi ro ước lượng cho vị thế 10 triệu đồng:
    • VaR 1 ngày (mức 1%, độ tin cậy 99%): $-5,31554%$ (tương đương tổn thất tối đa $531.554$ đồng).
    • VaR 1 ngày (mức 5%, độ tin cậy 95%): $-3,98384%$ (tương đương tổn thất tối đa $398.384$ đồng).
• Hậu kiểm mô hình (Backtesting):
  • Tiến hành trên mẫu 250 phiên giao dịch (02/01/2007 đến 03/01/2008, quan sát thứ 467 đến 716), giả định danh mục ban đầu 10 triệu đồng mua 90,909091 cổ phiếu AGF (giá 110.000 đồng/cổ phiếu ngày 02/01/2007).
  • Kết quả: Đối với VaR(1%), có 1 phiên tổn thất thực tế vượt ngưỡng dự báo (tỷ lệ vi phạm $1/250 = 0,4% \le 1%$). Đối với VaR(5%), có 13 phiên tổn thất thực tế vượt ngưỡng dự báo (tỷ lệ vi phạm $13/250 = 5,2% \approx 5%$). Cả hai mô hình đều đạt chuẩn xác định lượng.
• Các kiến nghị: Khuyến nghị ứng dụng VaR trong phân bổ danh mục, xác định hạn mức rủi ro chi nhánh, quản trị cơ cấu vốn doanh nghiệp và hoàn thiện hành lang pháp lý cho thị trường sản phẩm phái sinh.

Kết quả và đóng góp

Nghiên cứu đã lượng hóa rủi ro của cổ phiếu AGF thông qua các chỉ số cụ thể:

Phương pháp	Mức ý nghĩa $\alpha = 1%$ (Độ tin cậy 99%)	Mức ý nghĩa $\alpha = 5%$ (Độ tin cậy 95%)
RiskMetrics	$573.490$ đồng ($-5,73490%$)	$405.585$ đồng ($-4,05585%$)
Toán kinh tế (AR(1)-GARCH(1,1))	$531.554$ đồng ($-5,31554%$)	$398.384$ đồng ($-3,98384%$)

Các phát hiện và đóng góp chính:

• So sánh phương pháp: Phương pháp toán kinh tế cho giá trị rủi ro VaR thấp hơn phương pháp RiskMetrics ở cả hai mức ý nghĩa 1% và 5%. Nguyên nhân do RiskMetrics giả định trung bình có điều kiện bằng 0, trong khi phương pháp toán kinh tế đưa vào phương trình tự hồi quy AR(1) giúp mô hình phản ánh sát hơn biến động của chuỗi lợi suất thực tế.
• Kiểm định thực nghiệm: Cả hai phương pháp đều tuân thủ nguyên tắc cơ bản của lý thuyết tài chính: Khi yêu cầu mức độ tin cậy càng cao (từ 95% lên 99%) thì giá trị tổn thất tiềm năng ước lượng càng lớn.
• Kết quả hậu kiểm xác nhận tính khả thi và độ tin cậy của việc ứng dụng các mô hình chuỗi thời gian biến thiên phương sai (GARCH) để quản lý rủi ro trên thị trường chứng khoán Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế:

• Đề án chỉ mới tiến hành tính toán và kiểm định trên một mã cổ phiếu đơn lẻ (AGF), chưa xây dựng mô hình VaR hoàn chỉnh cho danh mục đầu tư đa dạng nhiều loại tài sản cổ phiếu hoặc công cụ phái sinh.
• Dữ liệu nghiên cứu kết thúc vào ngày 07/05/2010, chưa bao quát các giai đoạn biến động mới của thị trường.
• Các phương pháp thực nghiệm áp dụng chủ yếu dựa trên giả thiết phân phối chuẩn của phần dư, chưa mở rộng sang các phân phối bất đối xứng hoặc phân phối Student-$t$ bậc tự do thấp trong phần ước lượng số liệu thực tế.

Hướng nghiên cứu tiếp:

• Mở rộng ứng dụng mô hình VaR cho danh mục đầu tư đa dạng hóa nhiều ngành nghề trên thị trường chứng khoán Việt Nam, có tính đến ma trận hiệp phương sai biến thiên theo thời gian (Multivariate GARCH).
• Nghiên cứu áp dụng các công cụ đo lường rủi ro nâng cao sau VaR như Conditional Value at Risk (CVaR / Expected Shortfall) nhằm lượng hóa tổn thất tại vùng đuôi phân phối khi vượt quá ngưỡng VaR.

Giá trị tham khảo

Tài liệu là tài liệu tham khảo phù hợp cho:

• Sinh viên, học viên chuyên ngành Toán kinh tế, Kinh tế lượng tài chính, Tài chính - Ngân hàng đang thực hiện các đề án môn học, khóa luận tốt nghiệp về mô hình hóa rủi ro chuỗi thời gian.
• Các chuyên viên phân tích định lượng (Quant), chuyên viên quản lý rủi ro tại các công ty chứng khoán, quỹ đầu tư muốn áp dụng quy trình kiểm định tính dừng, kiểm định hiệu ứng ARCH, ước lượng GARCH và hậu kiểm mô hình trên phần mềm EViews.
• Nội dung có giá trị tham khảo cao nhất: Quy trình thực nghiệm tại Chương 2, bao gồm các bước chẩn đoán kiểm định chuỗi số liệu tài chính, thiết lập kiểm định Wald cho IGARCH, quy trình tính toán phân vị và phương pháp lập bảng dữ liệu hậu kiểm P&L.

Câu hỏi thường gặp

1. Phương trình ước lượng mô hình AR(1) - GARCH(1,1) cho cổ phiếu AGF có dạng cụ thể như thế nào? Phương trình trung bình và phương trình phương sai có điều kiện ước lượng được từ chuỗi lợi suất AGF (giai đoạn 01/03/2005 - 07/05/2010) là:

• Phương trình trung bình: $\text{LS_AGF}t = 0,238459 \cdot \text{LS_AGF}{t-1} + u_t$
• Phương trình phương sai: $\sigma_t^2 = 0,0000407 + 0,165780 \cdot u_{t-1}^2 + 0,782163 \cdot \sigma_{t-1}^2$

2. Mức độ tổn thất tối đa dự báo (VaR 1 ngày) của vị thế 10 triệu đồng cổ phiếu AGF theo hai phương pháp là bao nhiêu?

• Theo phương pháp RiskMetrics: Với độ tin cậy 99% (mức 1%), mức tổn thất tối đa trong 1 ngày là $573.490$ đồng; với độ tin cậy 95% (mức 5%), mức tổn thất tối đa là $405.585$ đồng.
• Theo phương pháp Toán kinh tế: Với độ tin cậy 99% (mức 1%), mức tổn thất tối đa trong 1 ngày là $531.554$ đồng; với độ tin cậy 95% (mức 5%), mức tổn thất tối đa là $398.384$ đồng.

3. Kết quả kiểm định tính dừng (ADF) và kiểm định hiệu ứng ARCH của chuỗi lợi suất AGF cho kết quả ra sao?

• Kiểm định nghiệm đơn vị Dickey-Fuller (ADF) xác nhận chuỗi lợi suất $\text{LS_AGF}$ là chuỗi dừng ở mọi mức ý nghĩa thông dụng (1%, 5%, 10%).
• Kiểm định ARCH LM Test trên phần dư của mô hình AR(1) cho giá trị xác suất Prob $< 0,05$, chứng minh có hiện tượng phương sai sai số thay đổi có điều kiện, đủ điều kiện để áp dụng mô hình họ GARCH.

4. Quy trình hậu kiểm (Backtesting) mô hình VaR của cổ phiếu AGF được tiến hành như thế nào và kết quả đạt được là gì? Hậu kiểm được thực hiện trên mẫu 250 quan sát (từ 02/01/2007 đến 03/01/2008). Kết quả ghi nhận có 1 phiên thực tế vượt quá mức lỗ dự báo của $\text{VaR}(1%)$ (tỷ lệ $0,4%$) và 13 phiên vượt quá mức lỗ dự báo của $\text{VaR}(5%)$ (tỷ lệ $5,2%$). Tỷ lệ này tương thích với mức xác suất lý thuyết (1% và 5%), chứng minh mô hình đạt chuẩn xác thực nghiệm.

Kết luận

Đề án môn học đã hệ thống hóa cơ sở lý thuyết về mô hình Value at Risk và các kỹ thuật kinh tế lượng chuỗi thời gian phục vụ định lượng rủi ro tài chính. Nghiên cứu thực nghiệm trên 1.295 phiên giao dịch của cổ phiếu AGF (2005 - 2010) cho thấy mô hình AR(1) - GARCH(1,1) và RiskMetrics phản ánh được cấu trúc biến động phương sai của chuỗi lợi suất. Kết quả hậu kiểm trên 250 phiên khẳng định mô hình VaR có độ chính xác cao, cung cấp cơ sở định lượng hữu ích cho công tác quản trị rủi ro danh mục và phân bổ vốn đầu tư.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 MỘT SỐ LÝ THUYẾT CƠ BẢN VỀ PHƯƠNG PHÁP TÍNH GIÁ TRỊ RỦI RO CỦA MÔ HÌNH VaR 1.1 - SỰ CẦN THIẾT CỦA VIỆC SỬ DỤNG MÔ HÌNH VaR TRONG CÔNG TÁC QUẢN LÝ RỦI RO Phương pháp VaR được phát triển từ năm 1993 và hiện được các tổ chức tài chính trên thế giới áp dụng rộng rãi. JP Morgan là tổ chức tài chính đi tiên phong về ứng dụng và phát triển phương pháp này. Hiệp định Basel áp dụng đối với các nước trong tổ chức G-10 đã coi VaR là nền tảng để xây dựng nên hành lang pháp lý, tạo ra sân chơi thống nhất và bình đẳng cho các tổ chức tài chính quốc tế. Đối với các nhà đầu tư tài chính, hay những nhà quản lí rủi ro xây dựng một danh mục và quản lý tốt rủi ro của nó là một vấn đề hết sức quan trọng và cần thiết để nâng cao hiệu quả đầu tư.

Ở những nước phát triển, rất nhiều lý thuyết danh mục hiện đại đã được nghiên cứu, ứng dụng và kiểm nghiệm; trong khi ở Việt Nam, cụm từ “quản lý rủi ro” vẫn còn là một khái niệm xa lạ với hầu hết nhà đầu tư cá nhân và các doanh nghiệp vừa và nhỏ. Tuy nhiên, những mất mát và thất bại trong kinh doanh vì sự tác động của khủng hoảng và bất ổn bất kinh tế, sự thay đổi của chính sách vĩ mô, sự biến động giá của một số loại hàng hóa cơ bản… đã buộc những nhà quản lý ở Việt Nam từng bước phải quan tâm đến rủi ro của tài sản mà họ sở hữu. Có rất nhiều phương pháp để quản lý rủi ro cho danh mục là VaR (giá trị tại rủi ro). Đây là một trong những nền tảng lý thuyết để quản trị rủi ro danh mục.

Cho đến nay vẫn chưa có những nghiên cứu chi tiết đề xuất việc ứng dụng VaR một cách có hệ thống vào chương trình quản trị rủi ro tại Việ tNam. Thông qua việc nghiên cứu về VaR, đề tài này cũng là những bước định hướng cơ bản để có thể ứng dụng VaR trong quản lí rủi ro của cổ phiếu trong hoạt động đầu tư của các cá nhân, các công ty, tổ chức kinh doanh… 1.2 - ĐỊNH GIÁ RỦI RO BẰNG PHƯƠNG PHÁP VaR 1.1 - Phương pháp VaR 1.1 - Khái niệm giá trị rủi ro VaR (Value at Risk) Nguyễn Thùy Linh Lớp Toán Kinh Tế 48 Khoa Toán Kinh Tế Đề án môn học Giá trị của rủi ro liên quan chính tới rủi ro thị trường hay rủi ro hệ thống. Theo Due & Pan (1997) và Jorion (1997), VaR là ước lượng điểm về khả năng có thể bị sụt giảm của một định chế tài chính do một loại rủi ro dẫn đến sự vận động chung của thị trường trong suốt một thời kỳ nắm giữ nhất định. Trong trường hợp này, VaR được sử dụng để đảm bảo rằng các định chế tài chính vẫn hoạt động sau những sự kiện khủng hoảng.

VaR là một hướng tiếp cận mới trong định lượng rủi ro. VaR là ước lượng điểm về khả năng có thể bị sụt giảm của một định chế tài chính do một loại rủi ro dẫn đến sự vận động chung của thị trường trong suốt một thời kỳ nắm giữ nhất định. Trong trường hợp này, VaR được sử dụng để đảm bảo rằng các định chế tài chính vẫn hoạt động sau những sự kiện khủng hoảng. Như vậy, theo quan điểm của các định chế tài chính: VaR có thể được xác định là phần mất đi lớn nhất của một định chế tài chính trong một thời kỳ nhất định theo một xác suất nhất định.

Dưới góc độ cơ quan quản lý: VaR có thể được xác định như phần mất đi nhỏ nhất trong điều kiện bất thường của thị trường tài chính. Cả hai cách định nghĩa này đều đưa ra cách tính VaR như nhau dù khái niệm đưa ra là khác nhau. Phương pháp VaR chủ yếu được xác định trên nền tảng của lý thuyết xác suất và thống kê toán. Mặt thuận lợi của phương pháp này là cung cấp cho người quản lý một con số phản ánh được nguy cơ tổn thất tài chính có thể xảy ra do sự biến động của thị trường.2 - Ý nghĩa của phương pháp VaR  Với phương pháp tính VaR các nhà đầu tư có thể ước lượng mức độ tổn thất lớn nhất của danh mục trong 1 khoảng thời gian nhất định với độ tin cậy cho trước và với điều kiện thị trường tài chính hoạt động bình thường.

Ví dụ: Theo ước tính của J. Nghĩa là với độ tin cậy 95%, trong 1 ngày, mức độ tổn thất tối đa mà J.Morgan phải gánh chịu là 15 triệu $. Từ việc xác định giá trị tổn thất như vậy thì J.Morgan có thể chuẩn bị trước một khoản tiền (có thể là lớn hơn hoặc bằng 15 triệu $) để chi trả và đối ứng khi có rủi ro xảy ra.  Căn cứ vào VaR, người ta có thể biết được mức độ rủi ro của một tổ chức tài chính hoặc của một danh mục đầu tư trong một giai đoạn cụ thể.

Ví dụ, nếu một ngân hàng công bố rằng, VaR hằng ngày của một danh mục giao dịch của họ ở vào khoảng 30 triệu đôla Mỹ với độ tin cậy 95%. Điều đó có nghĩa là, xác suất mà ngân hàng đó Nguyễn Thùy Linh Lớp Toán Kinh Tế 48 Khoa Toán Kinh Tế Đề án môn học bị thiệt hại 30 triệu đô la Mỹ là 5%. Con số này cho thấy mức độ rủi ro mà ngân hàng đó phải đối mặt, cũng như xác suất xảy ra rủi ro đó.  Căn cứ vào VaR, các cổ đông và các nhà quản lý có thể xem xét, chấp nhận hay không, một mức độ rủi ro như vậy.

Họ còn có thể tìm hiểu nguồn gốc của rủi ro thông qua giá trị cấu thành VaR. Một điều đặc biệt là không chỉ ở những thành viên tham gia thị trường, những tổ chức hàng ngày phải định lượng mức độ rủi ro liên quan đến các hoạt động đầu tư của mình, mà các cơ quan quản lý về ngân hàng và chứng khoán cũng ngày càng trở nên quan tâm hơn tới VaR.3 - Ðặc điểm của VaR Ðối với nhà đầu tư thì VaR của một danh mục tài sản tài chính phụ thuộc vào thông số quan trọng sau đây :  Độ tin cậy Ví dụ : nếu độ tin cậy là 99% có nghĩa là có 1% trường hợp xấu nhất có thể xảy ra  Khoảng thời gian đo lường VaR  Sự phân bố lời/lỗ trong khoảng thời gian này Ðường phân bố khoản lời lỗ của danh mục đầu tư thể hiện thông số quan trọng nhất và khó xác định nhất. Vì mức tín nhiệm phụ thuộc vào khả năng chịu đựng rủi ro của nhà đầu tư, nếu mức tín nhiệm này càng quan trọng thì VaR càng cao. Nói cụ thể nếu nhà đầu tư sợ rủi ro thì họ sẽ hoạch định một chiến lược nhằm giảm xác suất xảy ra các trường hợp xấu nhất.

Trong giới tài chính thì độ tin cậy thường thường là 99% và thời gian đo lường VaR là 10 ngày làm việc. Hãy minh họa khái niệm VaR qua một ví dụ sau đây: một nhà đầu tư muốn đánh giá rủi ro của một chỉ số Nasdaq 100 Index được giao dịch tại sở giao dịch Nguyễn Thùy Linh Lớp Toán Kinh Tế 48 Khoa Toán Kinh Tế Đề án môn học chứng khoán Nasdaq. Từ tháng 6 năm N đến tháng 6 năm N+3, nếu ta tính tỷ suất sinh lợi mỗi ngày thì ta sưu tập được gần 1400 dữ liệu. Histogram sau đây biểu diễn sự phân bố các tỷ suất sinh lợi hàng ngày của Nasdaq 100 Index : 1.4 - Lợi ích và những phê phán về VaR Mặc dù bị phê phán khá mạnh mẽ nhưng VaR vẫn được sử dụng trong quản trị rủi ro.

Cho đến giờ VaR vẫn được các nhà giao dịch công cụ phái sinh và những người sử dụng cuối cùng ngày càng nhiều. VaR có lẽ có ích cho việc truyền đạt thông tin đến ban quản trị. Khi bạn trình bày với giám đốc điều hành rằng công ty dự tính thua lỗ ít nhất là 4000$ một tháng trong một ngày với mức xác suất 5% trong khoảng thời gian nhất định, có nghĩa là khoảng 1 lần trong một tháng. Thông tin này làm các vị điều hành dễ hiểu và cảm thấy rất hữu ích.

Tuy nhiên có một sự đánh đổi là nếu giá trị VaR không chính xác, giám đốc sẽ mất lòng tin vào VaR và người cung cấp thông tin về VaR. VaR cũng được sử dụng rộng rãi trong điều lệ ngân hàng. Mục tiêu của các điều lệ ngân hàng là đảm bảo hệ thống không bị vỡ nợ và những người tiêu dùng và người tiết kiệm được bảo vệ. Tương tự như vậy, ngân hàng và các công ty có những giao dịch lớn thường sử dụng VaR như một thước đo phân phối vốn, Nói cách khác, họ dành dụm vốn để bảo vệ tránh lỗ.

Số vốn để dành thường là VaR.5 - Phương pháp xác định giá trị rủi ro VaR Rủi ro thực chất phản ánh tính không chắc chắn của kết quả nên cách tốt nhất là sử dụng các phân bố xác suất để đo lường rủi ro. Phương pháp VaR chủ yếu được Nguyễn Thùy Linh Lớp Toán Kinh Tế 48 Khoa Toán Kinh Tế Đề án môn học xác định trên nền tảng của lý thuyết xác suất và thống kê toán. Mặt thuận lợi nhất của phương pháp VaR là cung cấp cho người quản lý doanh nghiệp một con số phản ánh được nguy cơ tổn thất tài chính có thể xảy ra do sự biến động của thị trường. Xét một danh mục đầu tư gồm n tài sản.

Nếu là giá trị thị trường của tài sản i, thì phần trăm của cải đầu tư vào từng tài sản bằng tỷ số của giá trị thị trường của tài sản với giá trị thị trường của mọi tài sản trong danh mục đầu tư, nên ta có tỷ trọng của các tài sản là ;. Khi đó lợi suất R của toàn bộ danh mục là một tổ hợp tuyến tính của các Ri : R=w1R1+ w2R2 +.1) Nếu lợi suất của tài sản i là và xác suất tương ứng là thì kỳ vọng toán của lợi suất đầu tư là : (1.2) Phương sai của phương án đầu tư là : (1.3) Trong đó là kỳ vọng của Ri , là hiệp phương sai giữa Ri và Rj. Điều đáng quan tâm là xu hướng của mức thua lỗ (significant loss) của danh mục đầu tư. Giá trị thua lỗ lớn nhất được gọi là giá trị rủi ro (Value at Risk ) với độ tin cậy là (1- )*100%.

Phương pháp VaR là một công cụ quan trọng cho việc quản lý rủi ro.