Quản lý rủi ro thị trường: Nghiên cứu mô hình biến động trên thị trường chứng khoán Việt Nam

Luận văn thạc sĩ nghiên cứu ueh management of market risk case study of modelling volatility in vietnam stock market, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn

• Tác giả: Lam Van Bao Dan
• Người hướng dẫn: Dr. Vo Xuan Vinh
• Trường học: University Of Economics Ho Chi Minh City
• Chuyên ngành: Business Administration
• Đề tài: Management Of Market Risk: Case Study Of Modelling Volatility In Vietnam Stock Market
• Loại tài liệu: Thesis
• Năm xuất bản: 2012
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• I.1. Background of the Thesis
• I.2. Research Questions and Objectives
• I.2.1. Research Questions
• I.2.2. Research Objectives and Implications
• I.3. Vietnam Stock Market Overview
• I.3.1. Introduction
• II.1. The Characteristics of Volatility in Financial Market
• III.1. DATA AND METHODOLOGY
• III.1.1. Histogram and Statistics Definition
• III.1.2. Descriptive Statistics of Return Series for the Period before Crisis
• III.1.3. Descriptive Statistics of Return Series for Crisis Period
• III.1.4. Descriptive Statistics of Return Series for Recovering Period
• III.1.5. Descriptive Statistics of Return Series for the Whole Period
• III.2. Testing for ARCH Effects
• IV.1. Testing for ARCH Effect
• IV.2. Empirical Results of Different Periods
• IV.2.1. Empirical Results of the Period before Crisis
• IV.2.2. Empirical Results of the Crisis Period
• IV.2.3. Empirical Results of the Recovering Period
• IV.2.4. Empirical Results of the Whole Period of Vietnam Stock Market
• V. SUMMARY AND IMPLICATIONS
• V.1. Summary and Implications
• V.2. Limitations and Recommendations for Further Research
• Appendix-1: Testing for ARCH Effect
• appendix.1.1. Before Crisis Period (From March, 2002 to December, 2007)
• appendix.1.2. Appendix-2: GARCH Models Analysis
• appendix.1.2.1. Before Crisis Period (From March, 2002 to December, 2007)

Tóm tắt

I. Tổng quan về quản lý rủi ro thị trường chứng khoán Việt Nam

Quản lý rủi ro thị trường là một yếu tố quan trọng trong đầu tư chứng khoán, đặc biệt là tại thị trường chứng khoán Việt Nam. Thị trường này đã trải qua nhiều biến động lớn, từ sự phát triển mạnh mẽ đến những cú sốc do khủng hoảng tài chính toàn cầu. Việc hiểu rõ về biến động thị trường và các mô hình quản lý rủi ro là cần thiết để bảo vệ các nhà đầu tư và doanh nghiệp. Nghiên cứu này sẽ tập trung vào việc phân tích các mô hình biến động và cách chúng có thể áp dụng để quản lý rủi ro hiệu quả.

1.1. Đặc điểm của thị trường chứng khoán Việt Nam

Thị trường chứng khoán Việt Nam đã phát triển nhanh chóng từ khi thành lập vào năm 2000. Tuy nhiên, nó vẫn còn nhiều đặc điểm của một thị trường mới nổi, bao gồm tính thanh khoản thấp và sự nhạy cảm với các cú sốc tài chính. Các nhà đầu tư cần nhận thức rõ về những yếu tố này để đưa ra quyết định đầu tư hợp lý.

1.2. Tầm quan trọng của quản lý rủi ro

Quản lý rủi ro không chỉ giúp bảo vệ tài sản mà còn tối ưu hóa lợi nhuận. Việc áp dụng các mô hình như GARCH có thể giúp các nhà đầu tư dự đoán và quản lý rủi ro hiệu quả hơn. Điều này đặc biệt quan trọng trong bối cảnh thị trường chứng khoán Việt Nam đang ngày càng thu hút nhiều nhà đầu tư trong và ngoài nước.

II. Thách thức trong quản lý rủi ro thị trường chứng khoán

Mặc dù có nhiều cơ hội, nhưng quản lý rủi ro trên thị trường chứng khoán Việt Nam cũng đối mặt với nhiều thách thức. Các yếu tố như sự biến động cao, thiếu thông tin và sự không ổn định của các nhà đầu tư có thể làm tăng rủi ro. Nghiên cứu này sẽ phân tích các thách thức chính mà các nhà đầu tư và doanh nghiệp phải đối mặt.

2.1. Biến động giá cổ phiếu

Biến động giá cổ phiếu là một trong những thách thức lớn nhất trong quản lý rủi ro. Các nhà đầu tư cần phải hiểu rõ về các yếu tố ảnh hưởng đến giá cổ phiếu để có thể đưa ra quyết định đầu tư chính xác. Việc áp dụng các mô hình như GARCH có thể giúp dự đoán biến động này.

2.2. Thiếu thông tin và minh bạch

Thiếu thông tin và minh bạch trong hoạt động của các công ty niêm yết có thể dẫn đến quyết định đầu tư sai lầm. Các nhà đầu tư cần phải tìm kiếm thông tin từ nhiều nguồn khác nhau và sử dụng các công cụ phân tích để giảm thiểu rủi ro.

III. Phương pháp quản lý rủi ro hiệu quả trên thị trường chứng khoán

Để quản lý rủi ro hiệu quả, các nhà đầu tư cần áp dụng các phương pháp và mô hình phù hợp. Nghiên cứu này sẽ giới thiệu một số phương pháp quản lý rủi ro, bao gồm việc sử dụng các mô hình GARCH và các chiến lược đầu tư khác.

3.1. Mô hình GARCH trong quản lý rủi ro

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) là một trong những công cụ mạnh mẽ để phân tích và dự đoán biến động giá cổ phiếu. Việc áp dụng mô hình này giúp các nhà đầu tư hiểu rõ hơn về rủi ro và đưa ra quyết định đầu tư chính xác hơn.

3.2. Chiến lược đầu tư đa dạng hóa

Đa dạng hóa danh mục đầu tư là một trong những chiến lược hiệu quả nhất để giảm thiểu rủi ro. Bằng cách đầu tư vào nhiều loại tài sản khác nhau, các nhà đầu tư có thể giảm thiểu tác động của biến động giá cổ phiếu đến toàn bộ danh mục đầu tư.

IV. Ứng dụng thực tiễn của mô hình biến động trong quản lý rủi ro

Việc áp dụng các mô hình biến động trong quản lý rủi ro đã cho thấy hiệu quả rõ rệt trong việc dự đoán và kiểm soát rủi ro trên thị trường chứng khoán Việt Nam. Nghiên cứu này sẽ trình bày một số ứng dụng thực tiễn của các mô hình này.

4.1. Kết quả nghiên cứu từ mô hình GARCH

Nghiên cứu đã chỉ ra rằng mô hình GARCH có thể dự đoán chính xác biến động giá cổ phiếu trong nhiều giai đoạn khác nhau. Kết quả này cho thấy tính khả thi của việc áp dụng mô hình này trong quản lý rủi ro.

4.2. Ứng dụng trong quyết định đầu tư

Các nhà đầu tư có thể sử dụng kết quả từ mô hình GARCH để đưa ra quyết định đầu tư thông minh hơn. Việc hiểu rõ về rủi ro và biến động giá cổ phiếu sẽ giúp các nhà đầu tư tối ưu hóa lợi nhuận và giảm thiểu thiệt hại.

V. Kết luận và triển vọng tương lai của quản lý rủi ro thị trường

Quản lý rủi ro thị trường chứng khoán Việt Nam đang ngày càng trở nên quan trọng trong bối cảnh thị trường phát triển nhanh chóng. Nghiên cứu này đã chỉ ra rằng việc áp dụng các mô hình biến động như GARCH có thể giúp các nhà đầu tư quản lý rủi ro hiệu quả hơn. Tương lai của quản lý rủi ro sẽ phụ thuộc vào việc cải thiện thông tin và minh bạch trong thị trường.

5.1. Triển vọng phát triển của thị trường chứng khoán

Thị trường chứng khoán Việt Nam có tiềm năng phát triển lớn trong tương lai. Việc cải thiện cơ sở hạ tầng và quy định sẽ giúp thu hút nhiều nhà đầu tư hơn, từ đó tạo ra cơ hội cho việc áp dụng các mô hình quản lý rủi ro hiệu quả.

5.2. Tương lai của mô hình GARCH trong quản lý rủi ro

Mô hình GARCH sẽ tiếp tục đóng vai trò quan trọng trong việc dự đoán và quản lý rủi ro trên thị trường chứng khoán. Các nghiên cứu tiếp theo cần tập trung vào việc cải thiện độ chính xác của mô hình và áp dụng chúng trong các tình huống thực tế.

Nội dung chính

Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam đã ghi nhận bước chuyển mình mạnh mẽ khi quy mô vốn hóa tăng trưởng từ khoảng 16 triệu USD vào năm 2000 lên xấp xỉ 55,68 tỷ USD vào cuối năm 2011, tương đương 48% GDP cả nước. Tuy nhiên, đi liền với tốc độ tăng trưởng nhanh chóng này là mức độ rủi ro thị trường luôn ở mức rất cao. Điển hình trong cuộc khủng hoảng tài chính toàn cầu 2008, chỉ số VN-Index đã sụt giảm nghiêm trọng tới 79,9%, rơi tự do từ đỉnh cao lịch sử 1.170,68 điểm vào ngày 12/03/2007 xuống mức đáy 235,5 điểm vào ngày 24/02/2009. Thực tế này đặt ra yêu cầu cấp bách về việc đo lường và kiểm soát rủi ro thị trường cho các định chế tài chính và nhà đầu tư cá nhân.

Vấn đề cốt lõi của nghiên cứu là xác định quy luật vận động và kiểm soát rủi ro biến động giá cổ phiếu trong điều kiện thị trường cận biên non trẻ. Mục tiêu cụ thể của luận văn là kiểm định sự hiện diện của phương sai sai số thay đổi, so sánh năng lực ước lượng và dự báo của các mô hình thuộc họ GARCH đối xứng lẫn phi đối xứng, từ đó tìm ra công cụ định lượng tối ưu nhất cho thị trường chứng khoán Việt Nam.

Phạm vi nghiên cứu bao quát toàn bộ 2.447 phiên giao dịch hàng ngày của chỉ số VN-Index trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) trong giai đoạn từ tháng 03/2002 đến tháng 12/2011. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn trong việc nâng cao độ chính xác của các mô hình quản trị rủi ro danh mục, giúp cải thiện tỷ lệ dự báo biến động giá và hỗ trợ các nhà tạo lập chính sách thiết lập biên độ giao dịch phù hợp với từng giai đoạn thị trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng lý thuyết bước đi ngẫu nhiên của Fama (1965), lý thuyết phương sai sai số thay đổi có điều kiện tự hồi quy ARCH của Robert Engle (1982) và mô hình GARCH tổng quát do Tim Bollerslev (1986) phát triển. Để phân tích toàn diện mối quan hệ giữa rủi ro và lợi suất, tác giả mở rộng khung phân tích sang mô hình GARCH-M (1987) cùng hai mô hình phi đối xứng tiêu biểu là EGARCH của Nelson (1991) và TGARCH của Glosten, Jagannathan và Runkle (1993).

Các khái niệm then chốt được chuẩn hóa bao gồm:

• Độ biến động lợi suất (Return Volatility): Đo lường bằng phương sai có điều kiện của chuỗi lợi suất logarit hàng ngày, phản ánh tốc độ và biên độ thay đổi giá chứng khoán.
• Hiện tượng tập cụm biến động (Volatility Clustering): Trạng thái thị trường trong đó các biên độ dao động lớn thường theo sau bởi các dao động lớn, và các dao động nhỏ nối tiếp các dao động nhỏ.
• Hiện tượng quay về giá trị trung bình (Mean Reversion): Xu hướng phương sai có điều kiện luôn dao động xung quanh một mức trung bình dài hạn ổn định.
• Hiệu ứng đòn bẩy hay tính bất đối xứng (Leverage Effect): Phản ứng bất đối xứng của độ biến động trước các cú sốc tiêu cực so với các cú sốc tích cực có cùng độ lớn.

Phương pháp nghiên cứu

Nghiên cứu sử dụng mẫu dữ liệu gồm 2.447 quan sát chuỗi thời gian hàng ngày của chỉ số VN-Index thu thập từ ngày 01/03/2002 đến ngày 30/12/2011. Phương pháp chọn mẫu tập trung vào toàn bộ các phiên giao dịch chính thức, loại trừ giai đoạn 2000 - 2002 do thời kỳ đầu chỉ duy trì tần suất giao dịch 3 phiên mỗi tuần. Nhằm tăng cường độ chuẩn xác, tổng thể mẫu được phân tách thành 4 giai đoạn cụ thể:

• Giai đoạn trước khủng hoảng: 01/03/2002 – 28/12/2007 (1.452 quan sát).
• Giai đoạn khủng hoảng: 02/01/2008 – 31/12/2009 (495 quan sát).
• Giai đoạn phục hồi: 04/01/2010 – 30/12/2011 (497 quan sát).
• Toàn bộ thời kỳ nghiên cứu: 01/03/2002 – 30/12/2011 (2.446 quan sát tính lợi suất).

Quy trình phân tích thực nghiệm bắt đầu bằng việc kiểm định tính dừng và thống kê mô tả. Tác giả áp dụng kiểm định nhân tử Lagrange (Lagrange Multiplier - LM test) trên phần dư của phương trình trung bình OLS để xác định sự tồn tại của hiệu ứng ARCH. Lý do lựa chọn mô hình họ GARCH thay vì phương pháp bình phương nhỏ nhất thông thường (OLS) là vì chuỗi dữ liệu tài chính Việt Nam luôn vi phạm giả định phương sai không đổi, xuất hiện hiện tượng biến động tụ cụm và phân phối đuôi dày rõ rệt.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, kiểm định thống kê mô tả chỉ ra rằng chuỗi lợi suất hàng ngày của VN-Index không tuân theo phân phối chuẩn. Trong giai đoạn trước khủng hoảng, hệ số nhọn (Kurtosis) đạt tới 5,76 (vượt xa mức 3,00 của phân phối chuẩn), hệ số bất đối xứng (Skewness) mang giá trị âm (-0,38) và kiểm định Jarque-Bera đạt mức ý nghĩa thống kê 1%, khẳng định hiện tượng đuôi dày và phân phối lệch trái.

Thứ hai, kết quả kiểm định LM xác nhận sự hiện diện mạnh mẽ của hiệu ứng ARCH trên chuỗi phần dư với mức ý nghĩa 1% ở tất cả các giai đoạn kiểm thử, bác bỏ hoàn toàn giả thuyết phương sai thuần nhất của phương pháp OLS truyền thống.

Thứ ba, các mô hình đối xứng bao gồm ARCH(1), GARCH(1,1) và GARCH-M(1,1) thể hiện năng lực vượt trội trong việc mô hình hóa biến động chuỗi lợi suất. Tổng các hệ số ước lượng phương sai (alpha1 + beta1) trong mô hình GARCH(1,1) xấp xỉ mức 0,95 đến 0,98 ở hầu hết các giai đoạn, cho thấy tính bền bỉ của biến động (volatility persistence) là rất cao tại thị trường Việt Nam.

Thứ tư, ước lượng mô hình GARCH-M(1,1) ghi nhận hệ số bù đắp rủi ro mang giá trị dương có ý nghĩa thống kê, phản ánh đúng quy luật nhà đầu tư yêu cầu mức lợi suất kỳ vọng cao hơn để bù đắp rủi ro biến động. Ngược lại, các mô hình phi đối xứng EGARCH(1,1) và TGARCH(1,1) chỉ đưa ra bằng chứng rất yếu về hiệu ứng đòn bẩy, cho thấy phản ứng của thị trường Việt Nam trước tin xấu và tin tốt chưa có sự phân hóa rõ nét như tại các thị trường phát triển.

Thảo luận kết quả

Khi mô tả qua biểu đồ chuỗi thời gian, phương sai có điều kiện thể hiện rõ các cụm biến động lớn tập trung mạnh mẽ vào giai đoạn bùng nổ 2006-2007 và giai đoạn sụt giảm sâu 2008-2009. Bảng so sánh tiêu chuẩn thông tin Akaike (AIC) và Schwarz (SIC) chứng minh mô hình GARCH(1,1) có cấu trúc tham số tinh gọn nhưng vẫn tối ưu hóa khả năng giải thích dữ liệu.

Sự thiếu vắng hiệu ứng đòn bẩy bất đối xứng bắt nguồn từ đặc thù nhà đầu tư cá nhân chiếm hơn 90% khối lượng giao dịch trong giai đoạn 2002-2011. Tâm lý bầy đàn và hành vi phản ứng quá mức khiến dòng tiền có xu hướng mua đuổi hoặc bán tháo quyết liệt ở cả hai chiều thông tin. Kết quả này tương đồng với các nghiên cứu thực nghiệm tại thị trường Trung Quốc và Nigeria, nhưng trái ngược với các thị trường trưởng thành như Mỹ hay Tây Âu - nơi tin tức tiêu cực luôn kích hoạt mức biến động cao hơn đáng kể so với tin tức tích cực.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, luận văn đưa ra 4 nhóm giải pháp cụ thể:

1. Ứng dụng mô hình GARCH(1,1) vào đo lường Giá trị chịu rủi ro (Value-at-Risk - VaR):

• Chủ thể thực hiện: Bộ phận Quản trị Rủi ro tại các ngân hàng thương mại, công ty chứng khoán và quỹ đầu tư.
• Hành động: Thiết lập hệ thống tính toán VaR động hàng ngày dựa trên phương sai có điều kiện GARCH(1,1) thay cho phương pháp phương sai lịch sử tĩnh.
• Target metric: Giảm thiểu sai số ước lượng tổn thất danh mục xuống dưới 5% trong điều kiện thị trường biến động mạnh.
• Timeline: Triển khai hoàn tất trong vòng 6 tháng.

2. Hoàn thiện cơ chế điều hành biên độ dao động giá giao dịch:

• Chủ thể thực hiện: Ủy ban Chứng khoán Nhà nước (SSC) và Sở Giao dịch Chứng khoán TP.HCM (HOSE).
• Hành động: Thiết lập cơ chế điều chỉnh linh hoạt biên độ giá (từ mức 5% thời kỳ nghiên cứu lên các mức 7% - 10%) kết hợp cơ chế ngắt mạch thị trường tự động (circuit breaker) khi thị trường xảy ra biến động cực đoan.
• Target metric: Kiểm soát chỉ số biến động bất thường giảm 15-20% trong các phiên có tin tức gây sốc.
• Timeline: Định kỳ rà soát và điều chỉnh hàng quý.

3. Chuẩn hóa hệ thống công bố thông tin và minh bạch tài chính:

• Chủ thể thực hiện: Bộ Tài chính phối hợp cùng các Sở Giao dịch Chứng khoán.
• Hành động: Bắt buộc 100% doanh nghiệp niêm yết áp dụng chuẩn mực báo cáo tài chính quốc tế (IFRS), xử lý nghiêm minh các hành vi thao túng và giao dịch nội gián.
• Target metric: Tăng tỷ lệ công bố thông tin đúng hạn đạt 98% trên toàn thị trường.
• Timeline: Thực hiện lộ trình chuyển đổi trong 24 tháng.

4. Phát triển các sản phẩm tài chính phái sinh phòng ngừa rủi ro:

• Chủ thể thực hiện: Trung tâm Lưu ký Chứng khoán Việt Nam và HOSE.
• Hành động: Nghiên cứu xây dựng chỉ số đo lường trạng thái tâm lý biến động thị trường (tương tự chỉ số VIX của CBOE) và đưa vào vận hành các hợp đồng quyền chọn chỉ số.
• Target metric: Cung cấp ít nhất 2 công cụ hedging thanh khoản cao cho nhà đầu tư tổ chức.
• Timeline: Hoàn thành khung pháp lý và kỹ thuật trong 18 tháng.

Đối tượng nên tham khảo luận văn

1. Chuyên viên quản trị rủi ro tại các quỹ đầu tư và định chế tài chính: Khai thác trực tiếp các tham số mô hình GARCH(1,1) và GARCH-M(1,1) để tính toán hạn mức rủi ro danh mục, tối ưu hóa tỷ lệ Sharpe và kiểm soát rủi ro thị trường theo thời gian thực.
2. Nhà phân tích định lượng (Quant Analyst) và nhà giao dịch chuyên nghiệp: Ứng dụng quy luật tập cụm biến động và tính chất bền bỉ của phương sai để xây dựng chiến lược giao dịch định lượng ngắn hạn, xác định điểm vào lệnh và phân bổ tỷ trọng vốn hợp lý.
3. Cơ quan quản lý nhà nước và nhà hoạch định chính sách tài chính: Tham khảo căn cứ khoa học về hành vi giá và phản ứng của chỉ số VN-Index qua các thời kỳ khủng hoảng để ban hành các quy chế giao dịch, biên độ giá và kiểm soát tính ổn định vĩ mô.
4. Giảng viên, học viên cao học và nghiên cứu sinh chuyên ngành Tài chính - Ngân hàng: Sử dụng luận văn như một tài liệu tham khảo chuẩn mực về phương pháp luận kinh tế lượng chuỗi thời gian, quy trình kiểm định ARCH-LM và kỹ thuật ước lượng phi tuyến tính trên phần mềm EViews.

Câu hỏi thường gặp

Tại sao nghiên cứu lại chọn chuỗi dữ liệu từ tháng 03/2002 thay vì từ ngày mở cửa thị trường năm 2000? Trước tháng 03/2002, HOSE chỉ tổ chức giao dịch 3 phiên mỗi tuần (cách nhật), dẫn đến chuỗi dữ liệu bị gián đoạn và không đảm bảo tính liên tục của chuỗi thời gian tài chính. Việc chọn mốc 01/03/2002 đảm bảo 2.447 quan sát đều đặn mỗi ngày làm việc, nâng cao độ tin cậy của các ước lượng phương sai có điều kiện.

Hiện tượng tập cụm biến động (volatility clustering) biểu hiện như thế nào trên thị trường chứng khoán Việt Nam? Kết quả kiểm định GARCH(1,1) cho thấy tổng hệ số alpha1 và beta1 đạt mức 0,95 - 0,98. Điều này chứng minh một cú sốc biến động lớn ngày hôm nay sẽ tiếp tục duy trì dư chấn biến động cao trong nhiều phiên tiếp theo, tương tự đợt sụt giảm liên tục 80% điểm số của VN-Index trong giai đoạn khủng hoảng 2008.

Mô hình GARCH(1,1) có ưu điểm vượt trội gì so với phương pháp OLS truyền thống? Phương pháp OLS giả định phương sai sai số là hằng số bất biến, khiến việc đánh giá rủi ro bị sai lệch nghiêm trọng. Mô hình GARCH(1,1) cho phép phương sai thay đổi linh hoạt theo các cú sốc quá khứ và phương sai trễ, phản ánh chính xác phân phối đuôi dày (Kurtosis = 5,76) của dữ liệu tài chính.

Tại sao hiệu ứng đòn bẩy bất đối xứng lại không thể hiện rõ nét trong nghiên cứu này? Ước lượng từ mô hình EGARCH và TGARCH cho thấy hệ số bất đối xứng không đạt mức ý nghĩa cao. Nguyên nhân chủ yếu do thị trường giai đoạn 2002-2011 bị chi phối bởi hơn 90% nhà đầu tư cá nhân có tâm lý bầy đàn, khiến mức độ phản ứng thái quá trước tin tốt và tin xấu diễn ra tương đương nhau.

Kết quả nghiên cứu giúp cải thiện việc tính toán Giá trị chịu rủi ro (VaR) như thế nào? Thay vì dùng độ lệch chuẩn tĩnh khiến VaR bị đánh giá thấp trong thời kỳ khủng hoảng và quá cao trong thời kỳ bình ổn, việc đưa phương sai có điều kiện từ GARCH(1,1) vào công thức VaR giúp định lượng chính xác mức tổn thất tối đa theo từng ngày giao dịch với độ tin cậy 95% hoặc 99%.

Kết luận

• Luận văn đã chứng minh chuỗi lợi suất VN-Index giai đoạn 2002-2011 mang đầy đủ đặc trưng của thị trường mới nổi: phân phối phi chuẩn, đuôi dày, có hiện tượng tập cụm biến động và phương sai sai số thay đổi mạnh mẽ theo thời gian.
• Kiểm định LM xác nhận sự hiện diện của hiệu ứng ARCH với mức ý nghĩa 1%, khẳng định tính tất yếu của việc sử dụng các mô hình kinh tế lượng phi tuyến tính trong phân tích chuỗi tài chính.
• Mô hình GARCH(1,1) và GARCH-M(1,1) được chứng minh là các mô hình tối ưu nhất để nắm bắt đặc tính biến động và phản ánh mối tương quan thuận chiều giữa rủi ro và lợi suất tại thị trường Việt Nam.
• Bằng chứng về tính bất đối xứng của biến động (hiệu ứng đòn bẩy) tại HOSE trong giai đoạn nghiên cứu là rất mờ nhạt do đặc thù tâm lý bầy đàn của các nhà đầu tư cá nhân.
• Nghiên cứu đóng góp hệ thống giải pháp định lượng thực tiễn cho các nhà đầu tư tổ chức trong việc đo lường rủi ro VaR, đồng thời cung cấp cơ sở dữ liệu cho cơ quan quản lý điều hành biên độ giá thị trường.

Để tiếp tục phát triển hướng nghiên cứu này trong giai đoạn 12-24 tháng tới, các nhà nghiên cứu cần mở rộng phạm vi sang dữ liệu tần suất cao (intraday data), tích hợp thêm phân phối sai số phi chuẩn (như GED hoặc Student-t) và so sánh với sàn Hà Nội (HNX). Hãy liên hệ ngay với các đơn vị lưu trữ học thuật uy tín hoặc cơ quan phát hành để tiếp cận toàn văn công trình nghiên cứu và ứng dụng bộ mô hình toán lượng chuyên sâu này vào hoạt động quản trị tài chính thực tế.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HO CHI MINH CITY    MASTER OF BUSINESS ADMINISTRATION MANAGEMENT OF MARKET RISK: CASE STUDY OF MODELLING VOLATILITY IN VIETNAM STOCK MARKET    BY LAM VAN BAO DAN HO CHI MINH CITY – 2012 LUAN VAN CHAT LUONG download : add [e-mail] MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HO CHI MINH CITY FALCULTY OF BUSINESS ADMINISTRATION    MASTER OF BUSINESS ADMINISTRATION MANAGEMENT OF MARKET RISK: CASE STUDY OF MODELLING VOLATILITY IN VIETNAM STOCK MARKET    BY LAM VAN BAO DAN SUPERVISOR VO XUAN VINH 2012 A thesis submitted in partial fulfillment of the requirements for the degree of Master of Business Administration LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan CERTIFICATION “I certify that the substance of this thesis has not already been submitted for any degree and is not being currently submitted for any other degree. I certify that, to the best of my knowledge, any help received in preparing this thesis, and all sources used have been acknowledged in this thesis” LAM VAN BAO DAN Date: 25th April, 2012 K17-EMBA Page 2 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan Abstract The thesis concerns with market risk management. It has implications for businesses and investors, especially those hold investment in stocks. In particular, the thesis investigates the technique to model stock volatility in Vietnam stock market.

The rapid growth of Vietnam stock market recently has received a great attraction of local and global investors. However, like other emerging stock markets, this growth has accompanied with high risk. Over the past thirty years, a huge number of articles have discussed the volatility of stock returns in developed and emerging capital markets. Unfortunately, even though Vietnam stock market has started trading from 2000, there has been relatively little work done on modelling and forecasting the return volatility in Vietnam stock market.

This thesis employ the GARCH type models, both symmetric and asymmetric including ARCH (1), GARCH (1,1), GARCH-M (1,1), EGARCH (1,1) and TGARCH (1,1) to examine the sufficient models for capturing the characteristics of the return volatility in Vietnam stock market. The data set of VN-Index over nine year period from March, 2002 to December, 2011 which divided into four periods including before crisis, crisis, recovering and whole period. The findings suggest the sufficiency of ARCH (1), GARCH (1,1) and GARCH-M (1,1) models in capturing properties of conditional variance in Vietnam stock market. The results also provide the indicator of the risk-reward relationship and show the weak evidence of asymmetry in the return series in Vietnam stock market.

K17-EMBA Page 3 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan Table of Contents Page I.1 Background of the Thesis.2 Research Questions and Objectives.2 Research Objectives and Implications .3 Vietnam Stock Market Overview .4 Outline of the Thesis .2 The Characteristics of Volatility in Financial Market. DATA AND METHODOLOGY .1 Histogram and Statistics Definition .2 Descriptive Statistics of Return Series for the Period before Crisis .3 Descriptive Statistics of Return Series for Crisis Period .4 Descriptive Statistics of Return Series for Recovering Period .5 Descriptive Statistics of Return Series for the Whole Period .2 Testing for ARCH Effects. 46 K17-EMBA Page 4 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan IV.1 Testing for ARCH Effect .2 Empirical Results of Different Periods .1 Empirical Results of the Period before Crisis .2 Empirical Results of the Crisis Period .3 Empirical Results of the Recovering Period .4 Empirical Results of the Whole Period of Vietnam Stock Market. SUMMARY AND IMPLICATIONS .1 Summary and Implications .2 Limitations and Recommendations for Further Research .1 Appendix-1: Testing for ARCH Effect .1 Before Crisis Period (From March, 2002 to December, 2007) .2 Appendix-2: GARCH Models Analysis .1 Before Crisis Period (From March, 2002 to December, 2007).

89 K17-EMBA Page 5 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan List of Tables Table No. Description Page Table 1 Price limitations in HOSE over different periods 16 Table 2 Summary for estimation results of before crisis period 60 Table 3 Summary for estimation results of crisis period 60 Table 4 Summary for estimation results of recovering period 61 Table 5 Summary for estimation results of whole period 61 List of Figures Figure No. Description Page Figure 1 Number of listed company from 2000 to 2011 14 Figure 2 Market capitalization from 2000 to 2011 14 Figure 3 Number of securities companies from 2000 to 2011 15 Figure 4 Number of trading accounts from 2000 to 2011 15 Figure 5 Performance of VN-Index from 2000 to 2011 17 Figure 6 Performance of VN-Index in 2007 18 Figure 7 Performance of VN-Index in 2009 18 Histogram of daily return series of VN-Index Figure 8 40 (01/03/2002 – 28/12/2007) Figure 9 Histogram of daily return series of VN-Index 41 (02/01/2008 – 31/12/2009) Figure 10 Histogram of daily return series of VN-Index 42 (04/01/2010 – 30/12/2011) Figure 11 Histogram of daily return series of VN-Index 43 (01/03/2002 – 30/12/2011) K17-EMBA Page 6 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan Acknowledgement I would like to say special thanks to my supervisor, Dr. Vo Xuan Vinh for his helpful directions, encouragements and valuable comments in preparing this thesis.

I would like to thank all lecturers in EMBA program, especially to Dr. Tran Ha Minh Quan for his help. I would also like to thank all my friends in the program for supporting and encouraging me to finish this thesis. Finally, special thanks also go to my wife and my family for their love and staying beside me during my study.

K17-EMBA Page 7 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan I.1 Background of the Thesis Investing in emerging stock markets can make a large return but also creates a big loss for businesses because of high volatility (high risk). Therefore, finding a technique to model volatility is important for businesses and investors investing in stock market. This thesis will investigate the volatility models which best fits the Vietnam stock market conditions. Modelling volatility will help businesses and investors understand and better manage risks involved in their investment.

Volatility is more and more important in financial market. There are a huge number of researches and discussions for volatility in the past thirty years and especially in the recent years. This is because volatility is a special indicator in financial market. It is a key factor in many securities pricing formula as well as the value-at-risk models.

Even though volatility is unobservable, it plays an important role in making investment decision. On the other hand, it is also the interest of the policy makers in financial markets. The policy makers are interested in the impact of volatility on the stability of the financial market and hence on the economy. Because of the above implications, volatility is the focus of several studies for estimation and forecast.

The volatility index (VIX) and Nasdaq Volatility Index (VXN) that defined as a weighted of prices for a range of options on the S&P 500 index and the Nasdaq 100 index have started trading from 2006. It is calculated in real time by Chicago Board Option Exchange (CBOE). These are two of the world’s most popular index of investors concerning to future stock market volatility. The goal is to estimate the implied volatility of the stock market over the next 30 days.

It is proven that the low volatility index, the high trader confidence. There are a lot of models that can be implied for modelling and forecasting volatility including ARCH/GARCH models and non-GARCH models. However, ARCH model K17-EMBA Page 8 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan proposed by Engle (1982) and generalized by Bollerslev (1986) are said to be most sufficient for capturing the characteristics of the time varying stock return volatility. From the introduction of the GARCH model, a huge number of GARCH extensions or GARCH family such as GARCH in mean (GARCH-M) (Bollerslev, 1986), EGARCH (Nelson, 1991), Threshold GARCH (TGARCH) (Glosten, Jagannathan and Runkle, 1993), Asymmetric GARCH model (AGARCH) (Engle, 1990), etc.

have been studied and proven to be sufficient for modelling and forecasting stock return volatility. However, different papers support different models and show the conflicts in implication. The empirical results argue that different models are suitable for different markets and in different time periods. Therefore, we will employ several widely accepted GARCH models including ARCH, GARCH, GARCH-M, TGARCH and EGARCH to investigate the volatility of Vietnam stock market in this thesis.

From the results of the study, we will suggest the sufficient GARCH models for capturing the properties of return volatility in Vietnam stock market. There have been numerous researches focusing on modelling stock price volatility. However, most of them have discussed about the developed capital markets. The emerging markets have not received much attention.

Recently, the emerging markets, especially the fast development countries such as China, Brazil, India, Russia, Mexico and the ASEAN countries has increasingly attracted the investors to diversify their portfolios. Vietnam stock market has just been traded more than ten years. It has significantly developed in recent years and has received a great attraction of many investors, both local and foreign. They made considerable amount of profits during the boom time of 2006-2007.

However, the market went down in 2008 and 2009 due to the effect of world financial crisis that results in a big loss for many businesses and investors. K17-EMBA Page 9 2012 LUAN VAN CHAT LUONG download : add [e-mail] Master of Business Administration Lam Van Bao Dan Comparing with the other stock markets in the region, Vietnam stock market is a small and young market. It has the typical characteristics of the young emerging financial market such as illiquidity of stock, incomplete legal system, unstable investors and sensitive to financial shocks. It is a promising stock market but requires high risk management technique to avoid the unexpected shocks.

The data set to be used in this thesis is the daily VN-Index of Ho Chi Minh City stock exchange (HOSE). The sufficient source of data is received from the data base of Vietnam stock market news and information official website (www.vn) and Vietcombank Securities Company Ltd. The time period of the data set is from March, 2002 to December, 2011 which is the time of this study. The reason for choosing the data set from March, 2002 instead of July, 2000 (starting time of trading of Ho Chi Minh City Securities Trading Center (HOSTC)) is that there were only three trading days per week before March, 2002.

The world financial crisis in 2008 and 2009 has negative impacted on the stock markets around the world and Vietnam is one of the most critical impacted countries. The impact of the crisis to Vietnam stock market was clearly reflected on the VN- Index of Ho Chi Minh City Stock Exchange. The VN-Index went down unbreakable from 1,002.7 on 15th November, 2007 to the bottom of 235.5 on 24th February, 2009. Even though the VN-Index has recovered from the end of 2009 but it has not reached to haft of the peak value at 1,170.68 on 12th March, 2007.

To provide a more accuracy analysis, the data set will be splitted into four periods including before 2008 (before crisis period), from 2008 to 2009 (crisis period), from 2010 to 2011 (recovering period) and from 2002 to 2011 (whole period of Vietnam stock market). We will examine whether the applied GARCH models are sufficient for Vietnam stock market in different periods.