Bối cảnh và vấn đề nghiên cứu

Quỹ hoán đổi danh mục (Exchange-Traded Fund – ETF) khởi nguồn từ quỹ SPDR S&P 500 ETF niêm yết trên Sở Giao dịch Chứng khoán New York (NYSE) và nhanh chóng phát triển tại thị trường chứng khoán toàn cầu. Tại Việt Nam, quỹ ETF DCVFMVN30 (mã giao dịch: E1VFVN30) do Công ty Cổ phần Quản lý Quỹ Dragon Capital Việt Nam (DCVFM) quản lý là quỹ ETF đầu tiên được thành lập và niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) từ tháng 9 năm 2014. Quỹ vận hành theo phương thức mô phỏng vật chất thụ động rổ chỉ số VN30 gồm 30 cổ phiếu có giá trị vốn hóa và thanh khoản cao nhất thị trường. Trong cơ cấu tài sản, giá trị danh mục chứng khoán cơ cấu thường xuyên chiếm trên 95% tổng tài sản sở hữu của quỹ. Do đó, sự biến động giá của 30 mã cổ phiếu thành phần tác động trực tiếp đến giá trị danh mục, kéo theo sự thay đổi của giá trị tài sản ròng (NAV), giá trị NAV trên một chứng chỉ quỹ (NAV/CCQ), giá giao dịch chứng chỉ quỹ (CCQ) trên thị trường thứ cấp cũng như tính thanh khoản và kết quả lợi nhuận của quỹ. Xuất phát từ quá trình thực tập tại phòng Tư vấn Đầu tư 118 thuộc Công ty Cổ phần Chứng khoán VPS, tác giả nhận thấy tầm quan trọng của việc lượng hóa rủi ro giá cổ phiếu để quản trị danh mục đầu tư.

Mục tiêu nghiên cứu của khóa luận được xác định cụ thể:

  1. Hệ thống hóa các vấn đề lý luận cơ bản về rủi ro tài chính và phương pháp đo lường giá trị rủi ro (Value at Risk – VaR).
  2. Ứng dụng phương pháp VaR kết hợp các mô hình kinh tế lượng chuỗi thời gian để đo lường rủi ro hệ thống đối với danh mục chứng khoán cơ cấu của quỹ ETF DCVFMVN30.

Câu hỏi nghiên cứu trọng tâm mà khóa luận giải quyết là: "Thông qua phương pháp ước lượng VaR, rủi ro hệ thống đối với danh mục chứng khoán cơ cấu của quỹ ETF DCVFMVN30 là bao nhiêu?"

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Rủi ro hệ thống đối với giá trị danh mục chứng khoán cơ cấu của quỹ ETF DCVFMVN30.
  • Phạm vi không gian: Quỹ ETF DCVFMVN30 niêm yết trên HOSE và rổ 30 cổ phiếu thuộc chỉ số VN30 tại thị trường chứng khoán Việt Nam.
  • Phạm vi thời gian: Đánh giá thực trạng hoạt động của quỹ trong giai đoạn 2018 – 2022; thu thập dữ liệu chuỗi thời gian để ước lượng VaR từ ngày 09/12/2020 đến ngày 21/04/2023.

Cơ sở lý thuyết và phương pháp

Khóa luận dựa trên hệ thống lý thuyết về rủi ro đầu tư tài chính và quản trị danh mục chứng khoán. Theo quan điểm hiện đại, rủi ro là sự khác biệt giữa kết quả thực tế và kết quả kỳ vọng, được cấu thành từ ba yếu tố: xác suất xảy ra, mức tổn thất và thời điểm xảy ra rủi ro. Khóa luận phân loại rủi ro thành rủi ro phi hệ thống (rủi ro kinh doanh, quản lý, môi trường, pháp lý, truyền thông) và rủi ro hệ thống (rủi ro lãi suất, lạm phát, tỷ giá, giá hàng hóa, rủi ro giá cổ phiếu). Khái niệm rủi ro giá cổ phiếu được trích dẫn theo điểm b khoản 2 Điều 8 Thông tư 08/2017/TT-NHNN của Ngân hàng Nhà nước Việt Nam. Về phương pháp đo lường, Giá trị rủi ro (Value at Risk – VaR) được định nghĩa theo Chance và Robert Brooks (2015) là mức tổn thất tối đa kỳ vọng trong một khoảng thời gian xác định ở một mức độ tin cậy cho trước, biểu diễn qua dạng toán học:

$$P[L \ge VaR] = \alpha \quad \text{hay} \quad P[L \le VaR] = 1 - \alpha$$

Phương pháp ước lượng VaR Ưu điểm theo tổng hợp của tác giả Nhược điểm theo tổng hợp của tác giả
Phương sai – hiệp phương sai (Tham số) Đơn giản, tính toán nhanh và dễ dàng áp dụng cho danh mục tài sản thông thường. Giả định tỷ suất sinh lợi tuân theo phân phối chuẩn; không phù hợp cho danh mục chứa quyền chọn.
Mô phỏng lịch sử (Phi tham số) Đơn giản, trực quan, không bị ràng buộc vào giả định phân phối chuẩn của dữ liệu. Phụ thuộc hoàn toàn vào dữ liệu quá khứ, đòi hỏi thời kỳ mẫu phù hợp, giả định quá khứ lặp lại.
Mô phỏng Monte Carlo Cho phép sử dụng nhiều phân phối xác suất khác nhau, áp dụng tốt cho danh mục tài sản phức tạp. Đòi hỏi khối lượng tính toán lớn, tốn nhiều thời gian và phụ thuộc vào chất lượng phân phối giả định.

Để khắc phục nhược điểm vi phạm giả định phân phối chuẩn của chuỗi tỷ suất sinh lợi thực tế, tác giả áp dụng phương pháp định lượng hồi quy chuỗi thời gian trên phần mềm EViews, kết hợp hai mô hình:

  • Mô hình tự hồi quy tích hợp trung bình trượt ARIMA(p,d,q): Dùng để ước lượng tỷ suất sinh lợi kỳ vọng $\mu_t$.
  • Mô hình phương sai sai số thay đổi có điều kiện tổng quát GARCH(p,q), trọng tâm là GARCH(1,1): Dùng để mô hình hóa và dự báo độ lệch chuẩn có điều kiện $\sigma_t$, giải quyết hiện tượng biến động cụm (volatility clustering) và hiệu ứng ARCH.
  • Công thức VaR tham số mở rộng: $VaR = V_0 \times (\mu_p - Z_\alpha \times \sigma_p)$, với giá trị tới hạn một phía $Z_\alpha$ tương ứng là 1.28 (độ tin cậy 90%), 1.65 (95%) và 2.33 (99%).

Dữ liệu nghiên cứu gồm giá đóng cửa điều chỉnh hàng ngày của 30 cổ phiếu thuộc danh mục cơ cấu của quỹ từ ngày 09/12/2020 đến 21/04/2023 thu thập từ hệ thống dữ liệu Vietstock; các tài liệu công bố thông tin, bản cáo bạch năm 2023 của quỹ ETF DCVFMVN30 do DCVFM, HOSE, Công ty Cổ phần Chứng khoán Thành phố Hồ Chí Minh (HSC - thành viên lập quỹ và tạo lập thị trường) và Ngân hàng Standard Chartered Việt Nam (ngân hàng giám sát) phát hành.

Nội dung chính theo từng chương

Chương I: Cơ sở luận về rủi ro và phương pháp ước lượng Value at Risk

Chương I tập trung hệ thống hóa cơ sở lý luận về rủi ro trong đầu tư tài chính, lịch sử phát triển các công cụ lượng hóa rủi ro từ lý thuyết danh mục của Markowitz (1952), mô hình CAPM của William Sharpe (1963) đến khi VaR ra đời năm 1993. Tác giả phân tích chi tiết ba yếu tố cấu thành việc xác định VaR (mức độ tin cậy, khoảng thời gian nắm giữ, đơn vị tiền tệ) và so sánh ba phương pháp tính toán VaR truyền thống. Về lý thuyết quỹ ETF, chương này làm rõ cơ chế vận hành quỹ mở niêm yết, phương thức giao dịch hoán đổi sơ cấp giữa thành viên lập quỹ với công ty quản lý và giao dịch thứ cấp trên HOSE. Tác giả phân tích tổng quan các công trình nghiên cứu quốc tế của Philippe Jorion (2006), Carol Alexander (2008), Del Brio và cộng sự (2017) cùng các nghiên cứu trong nước của Hồ Viết Tiến (2010), Nguyễn Thị Khánh Linh (2021), từ đó xác lập tính cần thiết của việc quản trị rủi ro danh mục ETF mô phỏng chỉ số tại Việt Nam.

Chương II: Cơ sở dữ liệu và phương pháp nghiên cứu

Chương II thiết lập quy trình nghiên cứu thực nghiệm gồm 7 bước chặt chẽ:

  1. Thu thập dữ liệu giá 30 cổ phiếu và tỷ trọng trong danh mục cơ cấu tại ngày 21/04/2023; tính giá trị danh mục $V_t = \sum (P_{it} \times Q_i)$ và chuỗi tỷ suất sinh lợi $r_t = (V_t - V_{t-1}) / V_{t-1}$. Giá trị danh mục ngày 09/12/2020 đạt 11.234.207.250.000 VNĐ và ngày 10/12/2020 đạt 11.118.818.340.000 VNĐ.
  2. Thống kê mô tả và kiểm định chuỗi dữ liệu: Kiểm định phân phối chuẩn Jarque-Bera; kiểm định tính dừng thông qua kiểm định Dickey - Fuller mở rộng (ADF); phân tích đồ thị tự tương quan (AC) và tương quan riêng (PAC).
  3. Phân chia mẫu: Mẫu 1 gồm 489 quan sát (10/12/2020 đến 24/11/2022) để ước lượng mô hình; Mẫu 2 gồm 100 quan sát (25/11/2022 đến 21/04/2023) để đánh giá độ chính xác (Backtest).
  4. Xây dựng mô hình ARIMA(p,d,q) bằng phương pháp bình phương nhỏ nhất (OLS), lựa chọn mô hình tối ưu theo tiêu chí Akaike Information Criterion (AIC) và Schwarz Criterion (SBIC), kiểm định phân phối chuẩn và tính tự tương quan của phần dư.
  5. Kiểm định hiệu ứng ARCH của phần dư mô hình ARIMA; ước lượng mô hình biến động GARCH(1,1) bằng phương pháp ước lượng khả năng cực đại (MLE) và kiểm định lại tính thuần nhất phương sai.
  6. Ước lượng giá trị VaR cho danh mục theo ba mức độ tin cậy 90%, 95% và 99%.
  7. Thực hiện phép thử Backtest so sánh mức tổn thất thực tế của 100 phiên kiểm định với giá trị VaR dự báo.

Chương III: Kết quả nghiên cứu

Chương III trình bày chi tiết thực trạng hoạt động của quỹ ETF DCVFMVN30 và các kết quả định lượng. Tại ngày 21/04/2023, quỹ có 459.900.000 chứng chỉ quỹ đang lưu hành; cơ cấu sở hữu ghi nhận tỷ lệ nắm giữ của khối ngoại chiếm áp đảo với 92,73%, trong khi nhà đầu tư trong nước chỉ chiếm 7,27%. Phân tích danh mục cơ cấu cho thấy tỷ trọng tập trung cao vào nhóm ngành Ngân hàng (dẫn đầu bởi các mã VPB với 38.171.700 cổ phiếu, ACB nắm giữ 23.454.900 cổ phiếu chiếm 7,00% tỷ trọng tương đương 568,78 tỷ đồng, MBB với 20.235.600 cổ phiếu, TCB với 18.396.000 cổ phiếu), tiếp theo là Bất động sản (15,30%), Thực phẩm - Nước giải khát - Thuốc lá (11,75%), Phần mềm và dịch vụ phần mềm (7,14%), Năng lượng, Tiện ích và Chứng khoán (0,94%).

Về kết quả kinh tế lượng, chuỗi tỷ suất sinh lợi dừng ở sai phân bậc 0 theo kiểm định ADF. Dựa trên đồ thị tương quan và tiêu chí AIC/SBIC, mô hình ARMA(21,31) được xác định là phù hợp nhất để dự báo giá trị kỳ vọng. Kiểm định ARCH trên phần dư của ARMA(21,31) xác nhận có hiện tượng phương sai sai số thay đổi với mức ý nghĩa 5%. Mô hình GARCH(1,1) được ước lượng thành công, giải quyết triệt để hiệu ứng ARCH. Dựa trên kỳ vọng và phương sai điều kiện thu được, tác giả ước lượng VaR hàng ngày cho danh mục trong 100 phiên thuộc mẫu kiểm định và tiến hành kiểm định Backtest để đánh giá độ tin cậy của mô hình.

Chương IV: Hạn chế và giải pháp

Chương IV chỉ ra các hạn chế cố hữu của nghiên cứu, bao gồm việc giả định các cú sốc thông tin trong quá khứ sẽ lặp lại ở tương lai, tính tiêu biến nhanh của thông tin thị trường, việc cố định số lượng cổ phiếu theo danh mục cơ cấu ngày 21/04/2023 trong toàn bộ quá trình tính toán giá trị quá khứ, và phạm vi dữ liệu chưa bao quát các giai đoạn khủng hoảng sâu. Từ đó, tác giả đưa ra các nhóm giải pháp:

  • Đối với công ty quản lý quỹ DCVFM: Ứng dụng mô hình kết hợp ARIMA-GARCH vào hệ thống quản trị rủi ro nội bộ hàng ngày; theo dõi sát kỳ tái cơ cấu chỉ số VN30 (tháng 1 và tháng 7 hàng năm) để cân bằng tỷ trọng danh mục; thiết lập hạn mức chịu đựng rủi ro dựa trên chỉ số VaR ở các mức tin cậy 95% và 99%.
  • Đối với nhà đầu tư: Sử dụng VaR để lượng hóa mức lỗ tối đa dự kiến trước khi ra quyết định giải ngân; theo dõi sát chênh lệch giữa giá thị trường của CCQ và giá trị NAV/CCQ cũng như mức độ tập trung ngành ngân hàng trong rổ VN30.

Kết quả và đóng góp

Mã cổ phiếu Số lượng cổ phiếu nắm giữ Ngày niêm yết trên HOSE
ACB 23.454.900 09/12/2020
BCM 459.900 31/08/2020
BID 1.839.600 24/01/2014
BVH 459.900 25/06/2009
CTG 5.978.700 16/07/2009
FPT 7.358.400 12/06/2006
GAS 919.800 21/05/2012
GVR 1.379.700 17/03/2020
HDB 14.256.900 05/01/2018
HPG 26.214.300 15/11/2007
MBB 20.235.600 01/11/2011
MSN 5.058.900 05/09/2009
MWG 8.738.100 14/07/2014
NVL 8.738.100 28/12/2016
PDR 2.299.500 30/07/2010
PLX 919.800 21/04/2017
POW 4.599.000 14/01/2019
SAB 459.900 06/12/2016
SSI 8.278.200 29/10/2007
STB 15.176.700 12/07/2006
TCB 18.396.000 04/06/2018
TPB 7.818.300 19/04/2018
VCB 4.139.100 30/06/2009
VHM 8.738.100 17/05/2018
VIB 8.738.100 10/11/2020
VIC 7.818.300 19/09/2007
VJC 2.299.500 28/02/2017
VNM 6.898.500 19/01/2006
VPB 38.171.700 17/08/2017
VRE 7.358.400 06/11/2017

Kết quả chính của nghiên cứu:

  • Lượng hóa đặc điểm vận hành của quỹ: Khẳng định quỹ duy trì cơ chế bám sát chỉ số tham chiếu VN30; quy mô chứng chỉ quỹ đạt 459,9 triệu đơn vị với tỷ lệ sở hữu nước ngoài đạt 92,73% tại ngày 21/04/2023. Tỷ trọng danh mục cơ cấu phản ánh tính đa dạng hóa nhưng nghiêng mạnh về ngành ngân hàng và bất động sản (chiếm trên 50% tổng giá trị).
  • Kết quả kiểm định định lượng: Chứng minh chuỗi tỷ suất sinh lợi của danh mục không tuân theo phân phối chuẩn (kiểm định Jarque-Bera), có tính dừng ở chuỗi gốc (kiểm định ADF), tồn tại tự tương quan bậc cao được hiệu chỉnh bởi mô hình ARMA(21,31), và có phương sai thay đổi theo thời gian được mô hình hóa thành công bằng GARCH(1,1).
  • Tính chuẩn xác của mô hình VaR: Kết quả Backtesting trên 100 quan sát thực tế chứng minh mô hình kết hợp ARIMA-GARCH đưa ra các ngưỡng VaR 90%, 95% và 99% phản ánh sát với các tổn thất thực tế của danh mục quỹ trong điều kiện thị trường biến động.

Đóng góp của nghiên cứu do tác giả tự xác định:

  1. Thực hiện phân tích chi tiết mối quan hệ phụ thuộc giữa giá trị danh mục chứng khoán cơ cấu, giá trị NAV của lô ETF, NAV/CCQ và giá giao dịch CCQ trên sàn HOSE.
  2. Tiên phong ứng dụng quy trình kết hợp mô hình chuỗi thời gian ARIMA và mô hình phương sai GARCH để ước lượng giá trị rủi ro VaR chuyên biệt cho một quỹ ETF cổ phiếu mô phỏng vật chất tại Việt Nam.
  3. Đề xuất hệ thống khuyến nghị thực tiễn cho công ty quản lý quỹ trong quản trị rủi ro thị trường và cho nhà đầu tư khi ra quyết định giao dịch chứng chỉ quỹ.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự chỉ ra một số hạn chế gắn liền với phạm vi và giả định kỹ thuật:

  • Giả định nghiên cứu: Việc chia tách dữ liệu giả định các cú sốc thông tin trong quá khứ có thể lặp lại trong tương lai, trong khi trên thực tế các cú sốc thông tin tài chính thường có tính chất tiêu biến nhanh chóng.
  • Cố định cơ cấu danh mục: Nghiên cứu sử dụng số lượng nắm giữ của 30 mã cổ phiếu tại thời điểm 21/04/2023 để nhân ngược với chuỗi giá lịch sử từ tháng 12/2020 nhằm tính giá trị danh mục quá khứ, chưa phản ánh đầy đủ các đợt tái cơ cấu rổ cổ phiếu thực tế diễn ra định kỳ vào tháng 1 và tháng 7 hàng năm của quỹ.
  • Phạm vi dữ liệu: Mẫu ước lượng gồm 489 quan sát và mẫu kiểm tra gồm 100 quan sát chỉ phản ánh giai đoạn từ cuối năm 2020 đến đầu năm 2023.

Hướng nghiên cứu tiếp theo được gợi mở từ văn bản:

  • Mở rộng khung dữ liệu nghiên cứu dài hơn qua nhiều chu kỳ thị trường khác nhau.
  • Áp dụng thêm phương pháp mô phỏng Monte Carlo kết hợp các dạng phân phối đuôi dày (phân phối Student's t, phân phối GED) trong mô hình GARCH để so sánh đối chứng độ chính xác ước lượng VaR.
  • Mở rộng đối tượng nghiên cứu sang các quỹ ETF chỉ số khác trên thị trường chứng khoán Việt Nam.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo cho sinh viên, học viên chuyên ngành Tài chính - Ngân hàng, Kinh tế đầu tư và Kinh tế lượng ứng dụng. Đề tài cung cấp tài liệu nghiên cứu cho những người thực hiện khóa luận, luận văn về quản trị rủi ro thị trường và phân tích quỹ đầu tư chỉ số.

Nội dung có giá trị tham khảo chuyên môn cao bao gồm:

  • Quy trình thực hành kinh tế lượng 7 bước xử lý dữ liệu chuỗi thời gian tài chính trên phần mềm EViews, từ kiểm định tính dừng (ADF), kiểm định phân phối chuẩn (Jarque-Bera), xác định bậc mô hình ARMA qua AIC/SBIC đến kiểm định hiệu ứng ARCH và thiết lập mô hình GARCH(1,1).
  • Phương pháp luận chuyển đổi dữ liệu thành phần rổ chỉ số thành chuỗi giá trị danh mục tổng hợp và công thức tính VaR có điều kiện theo ba mức độ tin cậy.
  • Tài liệu thực tế về cơ chế vận hành, tỷ lệ sở hữu nhà đầu tư nước ngoài và cơ cấu phân bổ ngành của quỹ ETF DCVFMVN30 tại HOSE.

Câu hỏi thường gặp

1. Quỹ ETF DCVFMVN30 vận hành theo hình thức mô phỏng nào và chỉ số tham chiếu là gì? Quỹ ETF DCVFMVN30 (mã CCQ: E1VFVN30) vận hành theo phương thức mô phỏng vật chất thụ động, trực tiếp nắm giữ các cổ phiếu cấu thành nên chỉ số tham chiếu là VN30 – chỉ số gồm 30 mã cổ phiếu có giá trị vốn hóa và thanh khoản cao nhất niêm yết trên HOSE.

2. Tại thời điểm ngày 21/04/2023, cơ cấu sở hữu chứng chỉ quỹ ETF DCVFMVN30 có đặc điểm gì? Tại ngày 21/04/2023, quỹ có 459.900.000 chứng chỉ quỹ đang lưu hành. Cơ cấu cổ đông ghi nhận tỷ lệ sở hữu của nhà đầu tư nước ngoài chiếm tới 92,73%, trong khi tỷ lệ sở hữu của các nhà đầu tư khác chỉ chiếm 7,27%.

3. Danh mục chứng khoán cơ cấu của quỹ phân bổ tập trung vào những nhóm ngành nào? Căn cứ số liệu ngày 21/04/2023, danh mục cơ cấu của quỹ tập trung chủ yếu vào nhóm ngành Ngân hàng (chiếm tỷ trọng áp đảo với các mã lớn như VPB, ACB, MBB, TCB), tiếp đến là nhóm Bất động sản (15,30%), Thực phẩm, Nước giải khát và Thuốc lá (11,75%), Phần mềm và Dịch vụ phần mềm (7,14%), Năng lượng, Tiện ích và Chứng khoán (0,94%).

4. Vì sao tác giả không sử dụng đơn thuần phương pháp phương sai - hiệp phương sai truyền thống để ước lượng VaR? Phương pháp phương sai - hiệp phương sai truyền thống giả định tỷ suất sinh lợi tuân theo phân phối chuẩn. Tuy nhiên, chuỗi tỷ suất sinh lợi của danh mục thực tế không tuân theo phân phối chuẩn (bác bỏ qua kiểm định Jarque-Bera) và có hiện tượng phương sai thay đổi theo thời gian. Do đó, tác giả sử dụng mô hình ARIMA(p,d,q) để ước lượng tỷ suất sinh lợi kỳ vọng và mô hình GARCH(1,1) để dự báo phương sai biến đổi.

5. Dữ liệu chuỗi thời gian dùng để xây dựng mô hình và kiểm định Backtest được phân chia như thế nào? Dữ liệu tỷ suất sinh lợi từ 10/12/2020 đến 21/04/2023 được chia thành hai nhóm: Nhóm 1 gồm 489 quan sát (từ 10/12/2020 đến 24/11/2022) dùng để xây dựng mô hình ARMA(21,31) và GARCH(1,1); Nhóm 2 gồm 100 quan sát (từ 25/11/2022 đến 21/04/2023) dùng để thực hiện phép thử Backtest kiểm tra độ chính xác của ước lượng VaR.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Diệu Linh đã hệ thống hóa cơ sở lý luận về quản trị rủi ro thị trường và phương pháp Value at Risk trên thị trường chứng khoán. Bằng việc kết hợp mô hình kinh tế lượng chuỗi thời gian ARIMA và GARCH(1,1) trên phần mềm EViews, tác giả đã giải quyết được nhược điểm vi phạm phân phối chuẩn để đo lường giá trị rủi ro cho danh mục chứng khoán cơ cấu của quỹ ETF DCVFMVN30 trong giai đoạn 2020 – 2023. Công trình cung cấp hệ thống số liệu thực nghiệm và đề xuất các khuyến nghị hữu ích cho công tác quản trị rủi ro của công ty quản lý quỹ cũng như chiến lược giao dịch của nhà đầu tư chứng chỉ quỹ tại Việt Nam.