mở đầu cho việc quan tâm về lĩnh vực này, hiện nay có rất nhiều các phương pháp đo lường RRHT. luan an 5 Các dữ liệu được sử dụng trong đo lường RRHT phụ thuộc vào một số trường hợp. Nhà nghiên cứu có thể truy cập thông tin chưa công khai, ví dụ như khi thực hiện nghiên cứu dưới giác độ nhà quản lý, hoặc khi nhằm vào việc sử dụng kết quả đo lường trong nội bộ các tổ chức lớn. Các mô hình dựa trên dữ liệu công khai cũng rất đa dạng.
Một ví dụ là việc phân tích mạng lưới được mô tả trong Chan - Lau và cộng sự (2009), trong đó các tiếp xúc song phương giữa các ngân hàng được sử dụng để xây dựng một mạng lưới nhằm phục vụ cho việc nghiên cứu một thất bại của ngân hàng này có thể gây ra sự thất bại của các ngân hàng khác như thế nào, và từ đó có thể gây ra nhiều thất bại tương tự. Dữ liệu có sẵn thường thay đổi theo từng quốc gia và ngay cả khi dữ liệu có sẵn, giữa các quốc gia nhiều khi không thể so sánh được. Ví dụ, dữ liệu bảng cân đối kế toán bị ảnh hưởng bởi các thông lệ kế toán khác nhau, gây khó khăn cho các nhà nghiên cứu trong việc có được các điểm dữ liệu tương đương để sử dụng trong mô hình RRHT. Việc tiếp cận chi tiết đối với vấn đề này được cung cấp bởi Cerutti và cộng sự (2012), qua đó các tác giả đề xuất các dữ liệu thống nhất từ các ngân hàng phải được cung cấp, bao gồm dữ liệu tiếp xúc liên kết được sử dụng trong các mạng lưới phân tích nêu trên.
Một khía cạnh quan trọng khác là mức độ thường xuyên của dữ liệu được sử dụng khi đo lường RRHT. Ở đây, hai loại chính có thể được phân biệt: phương pháp sử dụng dữ liệu với mức độ xuất hiện ít và phương pháp sử dụng dữ liệu xuất hiện thường xuyên. Đo lường rủi ro tập trung vào dữ liệu ở cấp vĩ mô như lạm phát, GDP và tỷ lệ thất nghiệp, thông thường rơi vào loại đầu tiên. Phương pháp sử dụng mức độ dữ liệu thường xuyên thường được dựa trên giá TTCK, hợp đồng hoán đổi nợ xấu (CDS) và các chỉ báo tương tự.
Huang và cộng sự (2009) sử dụng cả dữ liệu ít xuất hiện và xuất hiện thường xuyên, bao gồm CDS và lợi nhuận trên vốn chủ sở hữu, để ước tính phí bảo hiểm khi khủng hoảng xảy ra. Segoviano Basurto & Goodhart (2009) cũng sử dụng CDS để tính toán một số biện pháp ổn định ngân hàng (BSMs) từ một hàm mật độ đa biến được ước tính từ xác suất khủng hoảng của từng ngân hàng. Tuy nhiên, một trong những phương pháp đo lường rủi ro ra đời tương đối sớm và vẫn thể hiện nhiều ưu điểm trong quản trị tài chính ngày nay là mô hình “Giá trị chịu rủi ro” (Value at Risk – VaR). Trên thực tế, mô hình giá trị chịu rủi ro VaR được nghiên cứu từ khoảng giữa những năm 90.
Mô hình xác định giá trị tại mức rủi ro (VaR – Value at Risk) là một phương pháp được ứng dụng khá phổ biến trên thế giới trong việc đo lường rủi ro. Có 3 phương pháp ứng dụng mô hình VaR: (1) Phương pháp dựa trên dữ liệu lịch sử (Historical Method); (2) Phương pháp phương sai – hiệp phương sai (Variance – Covariance Method); (3) Phương pháp mô phỏng Monte Carlo (Monte Carlo Simulation) (Holton, Glyn, 2003). VaR được với nhiều mục tiêu nghiên cứu như đo lường rủi ro trong danh mục đầu tư cố định (Darbha, 2001), so sánh các phương pháp đo lường VaR (Lima LR and Neri BP (2007),…Tuy nhiên đa số các luan an 6 nghiên cứu ứng dụng VaR dựa trên dữ liệu lịch sử của thị trường hoặc cổ phiếu đơn lẻ mà chưa áp dụng vào các ngành riêng biệt: TTCK Ả Rập (Guermat, Hadri & Kucukozmen, 2003), TTCK Malaysia (Cheong, Nor & Isa, 2008) TTCK Iran (Shams, Sheikhi, Z., 2011), TTCK Pakistan (Nawaz & Afzal, 2011), … Hai nghiên cứu điển hình về VaR tại các thị trường mới nổi là nghiên cứu của tác giả Ying Fan và Mansur Masih. Năm 2004, Ying Fan và cộng sự đã ứng dụng phương pháp VaR đối với việc quản lý rủi ro trên TTCK Trung Quốc (Ying Fan, Yi-Ming Wei, Wei-Xuan Xu, 2004).
Theo đó, tác giả đã xác định giá trị dự tính VaR và so sánh với mức thu nhập thực tế trên TTCK Trung Quốc, với mức độ tin cậy 95%, để chỉ ra những rủi ro trên TTCK, từ đó đề xuất những công cụ quản lý rủi ro thích hợp. Đến năm 2010, việc ứng dụng mô hình VaR để đo lường RRHT đã được Mansur Masih và cộng sự (2010) thực hiện trên các TTCK mới nổi của các nước thuộc Vùng Vịnh (Gulf Stock Markets). Để làm tăng tính chính xác trong việc xác định và đo lường RRHT trong đầu tư chứng khoán, tác giả đã phân tích tác động của các biến động thị trường với các bộ dữ liệu có tần suất thời gian khác nhau và tính toán các giá trị tại mức rủi ro (VaR). Các giá trị VaR đo được với các dữ liệu có tần suất thời gian khác nhau cho thấy, RRHT có xu hướng bộc lộ rõ nét hơn với các số liệu được sử dụng với tần suất cao hơn.
Dữ liệu càng chi tiết, tần suất của các quan sát càng nhiều càng cho thấy sự tập trung của các RRHT. Điều này rất có ý nghĩa trong việc nghiên cứu và định hướng chính sách. Được hiểu là mô hình đo lường mức độ tổn thất tối đa mà một trạng thái hoặc danh mục đầu tư có thể phải chịu trong một khoảng thời gian nhất định với độ tin cậy cho trước, VaR cho biết giá trị tổn thất tối đa mà một chủ thể có thể phải chịu trong một khoảng thời gian nhất định là bao nhiêu với xác suất để tổn thất thực tế vượt quá giá trị này là rất thấp, chẳng hạn là 1%. Có thể thấy VaR là một thước đo theo xác suất, và do đó nó nhận các giá trị khác nhau ở các độ tin cậy khác nhau.
Mô hình thường được sử dụng cho ba yêu cầu cơ bản là so sánh rủi ro của các cơ hội đầu tư khác nhau, so sánh lợi tức trên vốn sử dụng và định giá các giao dịch cá nhân dựa trên mức độ rủi ro có liên quan của chúng. Với ưu điểm là tương đối dễ đo lường, VaR thể hiện ưu thế hơn so với cách tiếp cận truyền thống trong quản lý và đo lường rủi ro thị trường dựa vào giá trị danh nghĩa của các trạng thái riêng lẻ hoặc sử dụng các thước đo khác nhau cho mỗi loại tài sản khác nhau như hệ số beta, mô hình thời lượng, hệ số delta, gamma,… bởi VaR phản ánh được mức độ biến động và tương quan khác nhau của các nhân tố rủi ro bằng việc định lượng, so sánh và tổng hợp rủi ro gắn kết với các loại tài sản và danh mục đầu tư khác nhau. Tuy nhiên, trong quản lý RRHT, mô hình VaR chưa thực sự hiệu quả khi chỉ đo lường rủi ro của từng tổ chức tín dụng với các tài sản và danh mục đầu tư của chúng mà chưa phản ánh được rủi ro toàn hệ thống, đồng thời cũng không đề cập đến sự liên kết, ràng buộc lẫn nhau giữa các định chế tài chính. Artzner và cộng sự (1999) đã chỉ ra những nhược điểm của phương pháp khi VaR của danh mục có thể lớn hơn VaR của các tài sản thành phần trong danh mục, không phù hợp với lý thuyết Markowitz luan an 7 (Markowitz, 1952) (đa dạng hóa nhằm giảm thiểu rủi ro).
Bên cạnh đó, nhược điểm lớn nhất của VaR trong quản lý chính là không thể xem xét được sự thay đổi về mức độ tác động của các chủ thể đến rủi ro hệ thống của toàn thị trường khi các yếu tố khác thay đổi. Khắc phục điểm yếu của VaR trong việc đo lường RRHT, mô hình “Giá trị chịu rủi ro có điều kiện” (Conditional Value at Risk – CoVaR) đã được xây dựng dựa trên việc tính toán giá trị VaR của từng ngân hàng trong điều kiện một trong những ngân hàng khác đang gặp rủi ro. Theo phương pháp CoVaR, sự ảnh hưởng khi một định chế tài chính cụ thể đối mặt với nguy cơ phá sản tới rủi ro của toàn hệ thống có thể được đánh giá bằng việc lượng hóa vai trò của nó trong hệ thống, hay nói cách khác, sử dụng CoVaR giúp đánh giá khả năng gây tổn hại của một ngân hàng đến các ngân hàng khác và toàn bộ thị trường tài chính. Ví dụ trong thực tế, CoVaR cho biết chỉ số chứng khoán ngành ngân hàng sẽ giảm như thế nào khi giá cổ phiếu của một ngân hàng lao dốc, dựa trên tỷ lệ thu của từng cổ phiếu và chỉ số chứng khoán ngành ngân hàng.
Người ta theo dõi và tính toán CoVaR, trong điều kiện giá cổ phiếu ngân hàng A đang sụt giảm như một sự kiện châm ngòi, sau đó xem xét sự lan truyền của vấn đề này trong thị trường tài chính do có sự liên kết lẫn nhau giữa các ngân hàng. Như vậy, ngoài mục đích chính là ước tính mức độ đóng góp của từng ngân hàng riêng lẻ đến RRHT, các nhà quản trị rủi ro có thể kiểm tra tầm quan trọng của các ngân hàng, ngân hàng nào dễ gây tổn thương cho hệ thống hơn bằng việc so sánh giá trị CoVaR khi các ngân hàng khác nhau đối mặt với rủi ro phá sản. Tuy nhiên, mặc dù có ưu điểm là đưa vào nghiên cứu sự liên kết lẫn nhau trong ngành tài chính mà VaR không đề cập đến, nhưng CoVaR vẫn bộc lộ điểm yếu khi không thể trực tiếp tính toán mức độ RRHT tổng hợp dựa trên cách tiếp cận này. Trong một số hệ thống, giá trị ∆CoVaR và VaR có thể có sự tương quan tương đối chặt chẽ, thêm vào đó là việc một số ngân hàng không niêm yết hay các tổ chức tài chính khác không được nghiên cứu đến, có thể khiến cho việc sử dụng CoVaR trong quản trị RRHT trở nên kém hiệu quả.
Adrian và Brunnermeier (2009) ước tính việc đo lường CoVaR sử dụng lợi nhuận tài sản và hồi quy phân vị. Nhóm tác giả sử dụng dữ liệu được trao đổi công khai hàng tuần của 1226 tổ chức tài chính bao gồm các ngân hàng thương mại, môi giới chứng khoán, các công ty bảo hiểm và các công ty bất động sản, trong suốt giai đoạn của quý 1 năm 1986 đến quý 4 năm 2010.