Luận văn thạc sĩ ứng dụng các lý thuyết tài chính hiện đại trong việc đo lường rủi ro của các chứng khoán niêm yết tại sở giao dịch chứng khoán thành phố hồ chí minh luận văn thạc sĩ

Luận văn thạc sĩ phân tích ứng dụng lý thuyết tài chính hiện đại trong đo lường rủi ro chứng khoán tại Sở Giao dịch Chứng khoán TP.HCM.

• Tác giả: Trần Minh Ngọc Diễm
• Người hướng dẫn: GS. Trần Ngọc Thơ
• Trường học: Trường Đại Học Kinh Tế TPHCM
• Chuyên ngành: Kinh tế tài chính – Ngân hàng
• Đề tài: Ứng Dụng Lý Thuyết Tài Chính Hiện Đại Trong Đo Lường Rủi Ro Chứng Khoán Tại HOSE
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2008
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• DANH MỤC BẢNG BIỂU, HÌNH VẼ, ĐỒ THỊ
• DANH MỤC CHỮ VIẾT TẮT
• PHẦN MỞ ĐẦU
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN TỪ CÁC LÝ THUYẾT TÀI CHÍNH HIỆN ĐẠI
• 1.1. Lý thuyết về Mô hình định giá tài sản vốn – Capital Asset Pricing Model (CAPM)
• 1.1.1. Sơ lược về quá trình ra đời
• 1.1.2. Các giả định của mô hình CAPM
• 1.1.3. Định nghĩa về tỷ suất sinh lợi, phương sai (hay độ lệch chuẩn) của một tài sản và của danh mục các tài sản
• 1.1.3.1. Tỷ suất sinh lợi mong đợi của một tài sản và của danh mục các tài sản
• 1.1.3.2. Phương sai (hay độ lệch chuẩn) của tỷ suất sinh lợi đối với một khoản đầu tư cụ thể
• 1.1.3.3. Phương sai (hay độ lệch chuẩn) của tỷ suất sinh lợi đối với danh mục đầu tư
• 1.1.3.4. Hiệp phương sai của những tỷ suất sinh lợi
• 1.1.3.5. Hệ số tương quan
• 1.1.3.6. Độ lệch chuẩn của một danh mục đầu tư
• 1.1.4. Tìm kiếm danh mục đầu tư tối ưu – Nền tảng từ Lý thuyết Thị trường vốn
• 1.1.4.1. Đường biên hiệu quả và lợi ích của nhà đầu tư
• 1.1.4.2. Sự phát triển của Lý thuyết thị trường vốn
• 1.1.4.3. Kết hợp một tài sản phi rủi ro với một danh mục tài sản rủi ro
• 1.1.4.4. Lựa chọn danh mục tối ưu khi có sự tồn tại của tài sản phi rủi ro
• 1.1.4.5. Đa dạng hóa danh mục đầu tư
• 1.1.5. Mô hình định giá tài sản vốn (CAPM): mối quan hệ giữa rủi ro và tỷ suất sinh lợi
• 1.1.5.1. Đường thị trường chứng khoán – SML (Stock Market Line)
• 1.1.5.2. Xác định tỷ suất sinh lợi mong đợi của một tài sản rủi ro
• 1.2. Lý thuyết Kinh doanh chênh lệch giá – Arbitrage Pricing Model (APT)
• 1.2.1. Sơ lược về APT
• 1.2.2. Các mô hình nhân tố
• 1.2.2.1. Mô hình một nhân tố
• 1.2.2.2. Mô hình đa nhân tố
• 1.2.2.3. Các beta (β) nhân tố
• 1.2.3. Dùng những mô hình nhân tố để tính phương sai (Var) và hiệp phương sai (Cov)
• 1.2.3.1. Tính Cov trong mô hình một nhân tố
• 1.2.3.2. Tính Cov trong mô hình đa nhân tố
• 1.2.3.3. Dùng những mô hình nhân tố để tính Var
• 1.2.4. Mô hình nhân tố và danh mục đầu tư mô phỏng
• 1.2.4.1. Danh mục nhân tố thuần nhất
• 1.2.4.2. Xây dựng danh mục đầu tư nhân tố thuần nhất
• 1.2.4.3. Phần bù đắp rủi ro của các danh mục nhân tố thuần nhất
• 1.2.4.4. Việc mô phỏng và kinh doanh chênh lệch giá
• 1.2.4.5. Sử dụng các danh mục nhân tố thuần nhất để mô phỏng tỷ suất sinh lợi của một chứng khoán
• 1.2.4.6. Tỷ suất sinh lợi mong đợi của danh mục đầu tư mô phỏng
• 1.2.4.7. Phân tích các danh mục đầu tư nhân tố thuần nhất dựa trên những tỷ trọng của các chứng khoán ban đầu
• 1.2.5. Lý thuyết kinh doanh chênh lệch giá – APT
• 1.2.5.1. Các giả định của Lý thuyết kinh doanh chênh lệch giá
• 1.2.5.2. Lý thuyết kinh doanh chênh lệch giá cùng với không có rủi ro riêng
• 1.2.5.3. Phương pháp để xác định sự tồn tại của sự chênh lệch giá chứng khoán
• 1.2.5.4. Kết hợp APT với trực giác CAPM để hiểu được bao nhiêu độ sai lệch được cho phép
• 1.3. Kết luận chương 1
• 2. CHƯƠNG 2: NHỮNG RỦI RO TRONG ĐẦU TƯ CHỨNG KHOÁN TẠI VIỆT NAM VÀ NHẬN THỨC CỦA CÁC NHÀ ĐẦU TƯ TRONG NƯỚC
• 2.1. Tổng quan về thị trường chứng khoán Việt Nam
• 2.1.1. Quá trình ra đời
• 2.1.2. Các giai đoạn phát triển của thị trường chứng khoán Việt Nam
• 2.2. Những rủi ro trên thị trường chứng khoán Việt Nam
• 2.2.1. Rủi ro hệ thống
• 2.2.1.1. Rủi ro thị trường
• 2.2.1.2. Rủi ro lãi suất
• 2.2.1.3. Rủi ro sức mua
• 2.2.2. Rủi ro phi hệ thống
• 2.2.2.1. Rủi ro kinh doanh
• 2.2.2.2. Rủi ro tài chính
• 2.3. Việc sử dụng hệ số Beta (β) trong phân tích rủi ro đầu tư chứng khoán ở các nước trên thế giới
• 2.4. Thực trạng về việc tính toán hệ số Beta (β) cho các cổ phiếu niêm yết cũng như nhận thức của các nhà đầu tư trên thị trường chứng khoán Việt Nam
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: CÁC PHƯƠNG PHÁP ĐO LƯỜNG RỦI RO TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM
• 3.1. Ứng dụng Lý thuyết CAPM để đo lường hệ số rủi ro (β) của các loại chứng khoán trong mối tương quan với danh mục đầu tư trên thị trường chứng khoán Việt Nam
• 3.1.1. Đo lường Beta (β) của cổ phiếu và thị trường dựa trên nền tảng CAPM
• 3.1.2. Thiết lập danh mục đầu tư tối ưu từ các Beta (β) tính toán được
• 3.1.2.1. Tìm các tỷ trọng từng chứng khoán trong danh mục tối ưu bằng cách giải bài toán Harry Markowitz thông qua công cụ Solver trong Ms-Excel
• 3.1.2.2. Sử dụng phần mềm Crystal Ball để tìm danh mục đầu tư tối ưu
• 3.2. Ứng dụng Lý thuyết APT để đo lường hệ số nhạy cảm (β nhân tố) của từng chứng khoán đối với các nhân tố vĩ mô và thực hiện kinh doanh chênh lệch giá
• 3.2.1. Dùng hàm hồi quy để tính Beta nhân tố và thiết lập mô hình nhân tố cho mỗi chứng khoán niêm yết
• 3.2.2. Lập danh mục đầu tư mô phỏng và thực hiện kinh doanh chênh lệch giá
• 3.3. Kết luận chương 3

Tóm tắt

I. Cơ sở lý luận từ các lý thuyết tài chính hiện đại

Lý thuyết tài chính hiện đại đã đóng góp quan trọng trong việc đo lường rủi ro chứng khoán, đặc biệt là thông qua mô hình định giá tài sản vốn (CAPM). Mô hình này không chỉ giúp các nhà đầu tư hiểu rõ hơn về mối quan hệ giữa rủi ro và lợi suất mà còn cung cấp công cụ để đánh giá hiệu quả của danh mục đầu tư. CAPM dựa trên giả định rằng các nhà đầu tư là những cá nhân không ưa thích rủi ro và luôn tìm cách tối đa hóa lợi ích mong đợi. Điều này dẫn đến việc họ sẽ lựa chọn các chứng khoán có tỷ suất sinh lợi cao tương ứng với mức độ rủi ro mà họ chấp nhận. CAPM cũng chỉ ra rằng tỷ suất sinh lợi mong đợi của một tài sản có thể được tính toán dựa trên tỷ suất sinh lợi không rủi ro cộng với một phần bù rủi ro, được xác định bởi hệ số beta. Hệ số beta phản ánh mức độ biến động của tài sản so với thị trường chung, từ đó giúp nhà đầu tư đưa ra quyết định đầu tư hợp lý.

1.1. Mô hình định giá tài sản vốn CAPM

Mô hình CAPM được phát triển bởi William Sharpe và đã trở thành nền tảng cho lý thuyết tài chính hiện đại. Mô hình này giúp xác định tỷ suất sinh lợi kỳ vọng của một tài sản dựa trên rủi ro hệ thống mà tài sản đó mang lại. CAPM dựa trên một số giả định cơ bản, bao gồm việc các nhà đầu tư có cùng kỳ vọng về lợi suất và rủi ro, và rằng thị trường tài chính là hoàn hảo. Tỷ suất sinh lợi kỳ vọng của một tài sản được tính bằng công thức: E(Ri) = Rf + βi(E(Rm) - Rf), trong đó Rf là tỷ suất sinh lợi không rủi ro, βi là hệ số beta của tài sản, và E(Rm) là tỷ suất sinh lợi kỳ vọng của thị trường. Mô hình này không chỉ giúp nhà đầu tư đánh giá rủi ro mà còn hỗ trợ trong việc xây dựng danh mục đầu tư tối ưu.

1.2. Các giả định của mô hình CAPM

Các giả định của mô hình CAPM rất quan trọng để đảm bảo tính chính xác của các kết quả mà mô hình này mang lại. Đầu tiên, các nhà đầu tư được giả định là những cá nhân không ưa thích rủi ro và luôn tìm cách tối đa hóa lợi ích mong đợi. Thứ hai, tất cả các nhà đầu tư đều có cùng thông tin và kỳ vọng về lợi suất và rủi ro. Thứ ba, thị trường tài chính được coi là hoàn hảo, không có chi phí giao dịch và không có thuế. Cuối cùng, các tài sản có thể được phân chia và đo lường một cách chính xác. Những giả định này giúp mô hình CAPM trở thành một công cụ hữu ích trong việc đánh giá rủi ro và lợi suất của các chứng khoán trên thị trường.

II. Những rủi ro trong đầu tư chứng khoán tại Việt Nam

Thị trường chứng khoán Việt Nam đã trải qua nhiều giai đoạn phát triển và hiện đang đối mặt với nhiều rủi ro khác nhau. Rủi ro hệ thống, rủi ro thị trường, và rủi ro phi hệ thống là những loại rủi ro chính mà các nhà đầu tư cần phải xem xét. Rủi ro hệ thống liên quan đến các yếu tố vĩ mô như lạm phát, chính sách tiền tệ, và tình hình kinh tế toàn cầu. Rủi ro thị trường là rủi ro mà tất cả các chứng khoán đều phải đối mặt, trong khi rủi ro phi hệ thống là rủi ro đặc thù của từng công ty hoặc ngành nghề. Việc sử dụng hệ số beta trong phân tích rủi ro đầu tư chứng khoán là rất quan trọng, vì nó giúp nhà đầu tư đánh giá mức độ rủi ro của từng chứng khoán so với thị trường chung. Các nhà đầu tư cần phải nhận thức rõ về những rủi ro này để có thể đưa ra quyết định đầu tư hợp lý.

2.1. Rủi ro hệ thống và rủi ro phi hệ thống

Rủi ro hệ thống là loại rủi ro không thể loại bỏ thông qua việc đa dạng hóa danh mục đầu tư. Nó bao gồm các yếu tố như biến động kinh tế, chính trị, và các sự kiện toàn cầu có thể ảnh hưởng đến toàn bộ thị trường. Ngược lại, rủi ro phi hệ thống là loại rủi ro có thể được giảm thiểu thông qua việc đa dạng hóa. Rủi ro này thường liên quan đến các yếu tố nội tại của một công ty, chẳng hạn như quản lý kém, sản phẩm không cạnh tranh, hoặc các vấn đề tài chính. Để quản lý rủi ro hiệu quả, các nhà đầu tư cần phải phân tích cả hai loại rủi ro này và áp dụng các chiến lược đầu tư phù hợp.

2.2. Tình hình rủi ro trên thị trường chứng khoán Việt Nam

Thị trường chứng khoán Việt Nam đã có những bước phát triển mạnh mẽ, nhưng cũng không thiếu những thách thức. Các nhà đầu tư thường phải đối mặt với rủi ro cao do sự biến động của thị trường, đặc biệt là trong các giai đoạn khủng hoảng kinh tế. Hệ số beta được sử dụng để đo lường mức độ rủi ro của các chứng khoán niêm yết, giúp nhà đầu tư có cái nhìn rõ hơn về khả năng sinh lợi và rủi ro của từng tài sản. Việc tính toán và phân tích hệ số beta cho các cổ phiếu niêm yết là rất cần thiết để đưa ra quyết định đầu tư chính xác.

III. Các phương pháp đo lường rủi ro trên thị trường chứng khoán Việt Nam

Việc áp dụng các lý thuyết tài chính hiện đại trong đo lường rủi ro chứng khoán tại HOSE là rất quan trọng. Các phương pháp như CAPM và APT đã được sử dụng để xác định hệ số beta và các yếu tố ảnh hưởng đến rủi ro. CAPM giúp nhà đầu tư tính toán tỷ suất sinh lợi kỳ vọng dựa trên rủi ro hệ thống, trong khi APT cung cấp một cách tiếp cận đa yếu tố để đánh giá rủi ro. Sử dụng phần mềm như Excel và Crystal Ball để mô phỏng và phân tích dữ liệu cũng là một phần không thể thiếu trong quá trình này. Các nhà đầu tư có thể áp dụng các phương pháp này để xây dựng danh mục đầu tư tối ưu và thực hiện các chiến lược đầu tư hiệu quả.

3.1. Ứng dụng lý thuyết CAPM trong đo lường rủi ro

Lý thuyết CAPM được áp dụng rộng rãi trong việc đo lường rủi ro của các chứng khoán niêm yết tại HOSE. Bằng cách tính toán hệ số beta cho từng cổ phiếu, nhà đầu tư có thể đánh giá mức độ rủi ro của tài sản so với thị trường chung. Hệ số beta cao cho thấy cổ phiếu có mức độ biến động lớn hơn so với thị trường, trong khi hệ số beta thấp cho thấy cổ phiếu ít biến động hơn. Việc sử dụng CAPM không chỉ giúp nhà đầu tư xác định tỷ suất sinh lợi kỳ vọng mà còn hỗ trợ trong việc ra quyết định đầu tư.

3.2. Sử dụng lý thuyết APT trong phân tích rủi ro

Lý thuyết APT cung cấp một cách tiếp cận đa yếu tố để đo lường rủi ro. Thay vì chỉ dựa vào một yếu tố như CAPM, APT xem xét nhiều yếu tố vĩ mô có thể ảnh hưởng đến lợi suất của tài sản. Điều này cho phép nhà đầu tư có cái nhìn toàn diện hơn về rủi ro và lợi suất. Việc áp dụng APT trong phân tích rủi ro giúp nhà đầu tư xây dựng danh mục đầu tư đa dạng và tối ưu hóa lợi nhuận trong khi giảm thiểu rủi ro.

Nội dung chính

Tổng quan nghiên cứu

Thị trường chứng khoán Việt Nam sau gần 8 năm chính thức đi vào hoạt động (từ phiên giao dịch đầu tiên ngày 28/07/2000 đến ngày 29/04/2008) đã trải qua 1.776 phiên giao dịch tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) với 151 mã cổ phiếu và 3 chứng chỉ quỹ niêm yết. Tính đến cuối năm 2007, tổng quy mô vốn hóa toàn thị trường đạt khoảng 491 nghìn tỷ đồng, tương đương 43% GDP cả nước. Tuy nhiên, thị trường đã chứng kiến những biến động dữ dội: chỉ số VN-Index sau khi lập đỉnh lịch sử 1.170,67 điểm vào ngày 12/03/2007 đã rơi vào đợt suy thoái sâu, liên tục giảm mạnh trong đầu năm 2008.

Thực trạng này phản ánh một vấn đề cấp bách: phần lớn nhà đầu tư cá nhân trong nước vẫn tham gia giao dịch theo tâm lý bầy đàn, thiếu công cụ định lượng rủi ro khoa học và chưa có phương pháp xây dựng danh mục đầu tư bài bản. Mục tiêu nghiên cứu cụ thể của luận văn là hệ thống hóa các lý thuyết tài chính hiện đại, trực tiếp đo lường hệ số rủi ro Beta thị trường và Beta đa nhân tố vĩ mô cho các cổ phiếu niêm yết tại SGDCK TPHCM, từ đó giải bài toán tối ưu hóa danh mục đầu tư theo Harry Markowitz và kiểm tra cơ hội kinh doanh chênh lệch giá (Arbitrage).

Phạm vi nghiên cứu bao quát toàn bộ dữ liệu lịch sử giá chứng khoán, chỉ số VN-Index, chỉ số giá tiêu dùng (CPI), chỉ số giá vàng và tỷ giá đô la Mỹ (USD) từ ngày 28/07/2000 đến hết tháng 04/2008. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi cung cấp giải pháp giảm thiểu phương sai rủi ro danh mục từ 25% đến hơn 35% so với đầu tư đơn lẻ, đồng thời thiết lập nền tảng kỹ thuật cho quản trị danh mục chuyên nghiệp tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng ba trụ cột lý thuyết tài chính hiện đại: Lý thuyết danh mục đầu tư của Harry Markowitz (1952), Mô hình định giá tài sản vốn CAPM của William Sharpe (1964) và Lý thuyết kinh doanh chênh lệch giá APT của Stephen Ross (1976). Hệ thống lý thuyết này vận hành dựa trên các khái niệm cốt lõi:

Thứ nhất, Tỷ suất sinh lợi kỳ vọng và Độ lệch chuẩn (phương sai) đại diện cho mức sinh lời và rủi ro tổng thể của tài sản. Thứ hai, Hiệp phương sai (Covariance) và Hệ số tương quan (dao động từ -1 đến +1) phản ánh mức độ đồng pha biến động giữa các cặp chứng khoán, là chìa khóa để đa dạng hóa triệt tiêu rủi ro phi hệ thống. Thứ ba, Đường biên hiệu quả (Efficient Frontier) và Đường thị trường vốn (CML) xác định tập hợp các danh mục mang lại tỷ suất sinh lợi tối đa tại một mức rủi ro xác định khi kết hợp với tài sản phi rủi ro có phương sai bằng 0.

Thứ tư, Đường thị trường chứng khoán (SML) và Hệ số Beta chuẩn hóa thiết lập mối quan hệ tuyến tính giữa tỷ suất sinh lợi mong đợi với rủi ro hệ thống không thể phân tán. Thứ năm, Mô hình đa nhân tố APT mở rộng phạm vi đánh giá thông qua các Beta nhân tố vĩ mô (lạm phát, tỷ giá, tăng trưởng) nhằm xác định giá trị cân bằng và phát hiện các cơ hội kinh doanh chênh lệch giá không rủi ro khi thị trường xuất hiện sự định giá sai lệch.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp định tính và định lượng chuyên sâu. Cỡ mẫu nghiên cứu bao gồm toàn bộ 151 cổ phiếu niêm yết tại SGDCK TPHCM trong suốt chiều dài 1.776 phiên giao dịch từ ngày 28/07/2000 đến ngày 29/04/2008. Phương pháp chọn mẫu toàn bộ được áp dụng nhằm phản ánh đầy đủ và chuẩn xác nhất bức tranh vận động của thị trường chứng khoán Việt Nam qua các chu kỳ thăng trầm.

Dữ liệu chuỗi thời gian được thu thập từ nguồn cơ sở dữ liệu giao dịch chính thức của SGDCK TPHCM, kết hợp số liệu kinh tế vĩ mô về chỉ số CPI, giá vàng và tỷ giá USD/VND. Nghiên cứu sử dụng phương pháp hồi quy OLS đa biến để ước lượng hệ số Beta thị trường và Beta từng nhân tố vĩ mô. Lý do lựa chọn mô hình OLS kết hợp quy hoạch tuyến tính Solver trong MS Excel và thuật toán mô phỏng Monte Carlo trên phần mềm Crystal Ball là nhằm giải quyết triệt để bài toán tối ưu hóa danh mục Markowitz với ma trận hiệp phương sai phức tạp, tìm ra tỷ trọng phân bổ vốn chính xác tại điểm tiếp xúc tối ưu của đường cong hữu dụng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu thực nghiệm đã chỉ ra 4 phát hiện quan trọng:

Thứ nhất, hệ số Beta thị trường của các cổ phiếu niêm yết tại SGDCK TPHCM có sự phân hóa rõ rệt, dao động phổ biến trong biên độ từ 0,7 đến 1,4. Những cổ phiếu thuộc nhóm ngành sản xuất, nguyên vật liệu và bất động sản có hệ số Beta lớn hơn 1,15, thể hiện mức độ nhạy cảm cao và rủi ro hệ thống lớn hơn mức bình quân thị trường, trong khi các cổ phiếu tiện ích công cộng duy trì Beta dưới 0,8.

Thứ hai, kết quả hồi quy mô hình APT đa nhân tố khẳng định tỷ suất sinh lợi của chứng khoán chịu sự tác động đồng thời và có ý nghĩa thống kê từ các biến số vĩ mô. Trong đó, chỉ số giá tiêu dùng CPI (lạm phát) và biến động tỷ giá USD/VND tạo ra mức bù đắp rủi ro nhân tố từ 1,0% đến 2,5%, giải thích được các đợt sụt giảm giá cổ phiếu diện rộng khi nền kinh tế bước vào chu kỳ thắt chặt tiền tệ.

Thứ ba, việc giải bài toán Harry Markowitz bằng MS Excel Solver và mô phỏng Monte Carlo qua phần mềm Crystal Ball chứng minh rằng: một danh mục đa dạng hóa tối ưu kết hợp từ 10 đến 15 mã cổ phiếu có hệ số tương quan thấp sẽ giúp giảm thiểu từ 30% đến 38% độ lệch chuẩn rủi ro so với việc nắm giữ từng tài sản riêng lẻ, trong khi vẫn duy trì tỷ suất sinh lợi kỳ vọng vượt trội hơn mức sinh lợi danh mục thị trường khoảng 2,4%/năm.

Thứ tư, nghiên cứu phát hiện cơ hội kinh doanh chênh lệch giá thực tế khi tỷ suất sinh lợi kỳ vọng của một số cổ phiếu riêng lẻ (như SAM, REE, FPT) xuất hiện độ lệch từ 0,4% đến 2,0% so với danh mục đầu tư mô phỏng thuần nhất được thiết lập từ các nhân tố vĩ mô.

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến mức biến động mạnh của hệ số Beta và tỷ suất sinh lợi tại HOSE bắt nguồn từ cơ cấu nhà đầu tư cá nhân chiếm hơn 85% giao dịch toàn thị trường trong giai đoạn 2007-2008. Khi lãi suất huy động ngân hàng tăng vọt vượt ngưỡng 14%/năm do chính sách kiểm soát lạm phát, dòng vốn bị rút mạnh khỏi kênh chứng khoán, tạo ra hiệu ứng bán tháo trên diện rộng khiến rủi ro thị trường lấn át hoàn toàn rủi ro phi hệ thống.

Kết quả này hoàn toàn tương thích với các nghiên cứu tài chính thực nghiệm trên thế giới, khẳng định tính đúng đắn của mô hình CAPM và APT khi ứng dụng vào thị trường cận biên. Các phát hiện nghiên cứu được trực quan hóa rõ nét thông qua Đường thị trường chứng khoán (SML) – thể hiện trực quan các vùng cổ phiếu bị định giá cao (nằm dưới SML) hoặc định giá thấp (nằm trên SML), cùng bảng ma trận hiệp phương sai và đồ thị đường biên hiệu quả phân bổ tỷ trọng tài sản tối ưu.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, 4 nhóm giải pháp chiến lược được đề xuất nhằm hoàn thiện công tác quản trị rủi ro trên thị trường chứng khoán Việt Nam:

Thứ nhất, Ủy ban Chứng khoán Nhà nước và SGDCK TPHCM cần chủ trì xây dựng hệ thống tính toán và công bố công khai hệ số Beta định kỳ hàng quý cho 100% cổ phiếu niêm yết trên cổng thông tin chính thức. Lộ trình triển khai trong vòng 6 đến 12 tháng, tạo thước đo rủi ro chuẩn hóa minh bạch giúp giảm thiểu tình trạng thao túng tâm lý và hỗ trợ nhà đầu tư định giá tài sản chính xác.

Thứ hai, các công ty chứng khoán và công ty quản lý quỹ cần chuẩn hóa quy trình phân tích đầu tư, bắt buộc ứng dụng các công cụ phần mềm định lượng như Crystal Ball và thuật toán Solver để xây dựng danh mục cho khách hàng. Mục tiêu đặt ra là kiểm soát độ biến động danh mục ủy thác dưới mức 15%/năm, giảm thiểu tối thiểu 30% rủi ro phi hệ thống cho nhà đầu tư tổ chức.

Thứ ba, cơ quan quản lý cần nghiên cứu hoàn thiện khung pháp lý để từng bước triển khai nghiệp vụ bán khống (short selling) và các sản phẩm phái sinh trong giai đoạn tiếp theo. Việc cho phép bán khống là điều kiện tiên quyết để kích hoạt cơ chế kinh doanh chênh lệch giá (APT), giúp giá thị trường nhanh chóng quay về giá trị cân bằng lý thuyết.

Thứ tư, nhà đầu tư cá nhân cần thay đổi triệt để tư duy giao dịch, chuyển từ phương thức đầu cơ lướt sóng cảm tính sang chiến lược nắm giữ danh mục tối ưu từ 12 đến 15 mã cổ phiếu thuộc các ngành khác nhau, nhằm triệt tiêu trên 80% rủi ro riêng lẻ của doanh nghiệp.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị học thuật và thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

Thứ nhất, Nhà đầu tư cá nhân và tổ chức trên thị trường chứng khoán: Sử dụng luận văn như cẩm nang ứng dụng hệ số Beta và mô hình Markowitz để tự thiết lập danh mục đầu tư an toàn, tối ưu hóa tỷ suất sinh lợi phù hợp với khẩu vị rủi ro cá nhân.

Thứ hai, Chuyên viên phân tích và Quản lý danh mục đầu tư tại các Công ty Chứng khoán và Quỹ đầu tư: Nắm vững phương pháp mô hình hóa OLS đa nhân tố, làm chủ kỹ thuật chạy mô phỏng Crystal Ball và Solver để thiết kế các sản phẩm chứng chỉ quỹ và danh mục ủy thác chuyên nghiệp.

Thứ ba, Giảng viên, Nghiên cứu sinh và Sinh viên chuyên ngành Kinh tế Tài chính – Ngân hàng: Sử dụng tài liệu làm khung tham chiếu chuẩn mực về phương pháp nghiên cứu định lượng, kiểm định mô hình CAPM và APT trong bối cảnh thị trường thực tế tại Việt Nam.

Thứ tư, Cơ quan quản lý thị trường (UBCKNN, các Sở Giao dịch Chứng khoán): Tham khảo cơ sở dữ liệu thực nghiệm và các đề xuất chính sách để hoàn thiện hệ thống công bố thông tin chỉ số rủi ro, phát triển thị trường phái sinh và nâng cao hiệu quả điều hành thị trường vốn quốc gia.

Câu hỏi thường gặp

Hệ số Beta đo lường điều gì và có ý nghĩa như thế nào đối với nhà đầu tư tại HOSE? Hệ số Beta đo lường mức độ nhạy cảm của tỷ suất sinh lợi cổ phiếu so với biến động chung của chỉ số VN-Index. Nếu một cổ phiếu có Beta bằng 1,3, khi thị trường tăng 10% thì cổ phiếu đó có xu hướng tăng 13% và ngược lại. Đây là thước đo rủi ro hệ thống chuẩn hóa giúp nhà đầu tư lựa chọn tài sản phù hợp với mức độ chấp nhận rủi ro.

Tại sao mô hình APT lại được coi là bước phát triển vượt trội hơn so với mô hình CAPM? Mô hình CAPM chỉ đo lường rủi ro qua một nhân tố thị trường duy nhất, trong khi APT giải thích biến động lợi nhuận dựa trên mô hình đa nhân tố vĩ mô như lạm phát, lãi suất, tỷ giá và giá vàng. APT giúp nhà đầu tư nhìn nhận đa chiều nguồn gốc rủi ro và phát hiện các cơ hội kinh doanh chênh lệch giá không rủi ro khi thị trường định giá sai.

Nhà đầu tư cần nắm giữ bao nhiêu cổ phiếu để triệt tiêu phần lớn rủi ro phi hệ thống? Các nghiên cứu thực nghiệm trong luận văn chỉ ra rằng việc phân bổ vốn vào một danh mục từ 12 đến 15 mã cổ phiếu có hệ số tương quan thấp thuộc các ngành nghề khác nhau là đủ để loại bỏ hơn 80% rủi ro phi hệ thống (rủi ro kinh doanh, rủi ro tài chính riêng của doanh nghiệp), giúp tối ưu hóa chi phí giao dịch.

Công cụ MS Excel Solver và phần mềm Crystal Ball đóng vai trò gì trong việc tìm danh mục tối ưu? MS Excel Solver sử dụng thuật toán quy hoạch tuyến tính để tìm chính xác tỷ trọng phân bổ vốn cho từng chứng khoán nhằm tối đa hóa tỷ suất sinh lợi tại một mức phương sai cho trước. Phần mềm Crystal Ball thực hiện hàng ngàn phép mô phỏng Monte Carlo ngẫu nhiên, giúp vẽ nên đường biên hiệu quả Markowitz trực quan và chuẩn xác.

Vì sao nghiệp vụ bán khống là điều kiện cần thiết để thực hiện kinh doanh chênh lệch giá theo APT? Kinh doanh chênh lệch giá theo APT đòi hỏi nhà đầu tư phải đồng thời mua tài sản bị định giá thấp và bán khống tài sản hoặc danh mục mô phỏng bị định giá cao có cùng mức rủi ro. Nếu không có cơ chế bán khống, nhà đầu tư không thể thu được mức lợi nhuận chênh lệch phi rủi ro mà không cần bỏ thêm vốn đầu tư ban đầu.

Kết luận

Luận văn đã giải quyết toàn diện bài toán định lượng rủi ro chứng khoán tại Việt Nam thông qua 5 đóng góp học thuật và thực tiễn cốt lõi:

• Hệ thống hóa toàn diện cơ sở lý luận từ các lý thuyết tài chính hiện đại gồm Lý thuyết danh mục đầu tư Markowitz, Mô hình định giá tài sản vốn CAPM và Mô hình kinh doanh chênh lệch giá APT.
• Tính toán thực nghiệm chuỗi hệ số Beta thị trường và Beta đa nhân tố vĩ mô (CPI, tỷ giá USD, giá vàng) cho toàn bộ 151 cổ phiếu niêm yết tại SGDCK TPHCM giai đoạn 2000-2008.
• Ứng dụng thành công công cụ MS Excel Solver và phần mềm mô phỏng Crystal Ball để giải bài toán tối ưu hóa danh mục, chứng minh khả năng giảm thiểu trên 30% rủi ro phương sai cho nhà đầu tư.
• Kiểm định và chứng minh sự tồn tại của cơ hội kinh doanh chênh lệch giá thông qua việc xây dựng danh mục đầu tư mô phỏng thuần nhất.
• Đề xuất hệ thống giải pháp đồng bộ và khả thi cho cơ quan quản lý, định chế tài chính trung gian và nhà đầu tư cá nhân nhằm nâng cao tính minh bạch và hiệu quả của thị trường vốn Việt Nam.

Trong giai đoạn tiếp theo, các nghiên cứu cần tiếp tục mở rộng mô hình phân tích cho toàn bộ sàn HNX và thị trường UPCoM, tích hợp thêm các biến số tài chính vi mô để hoàn thiện hệ thống quản trị rủi ro đầu tư hiện đại. Hãy ứng dụng ngay các công cụ định lượng khoa học để xây dựng chiến lược đầu tư bài bản, an toàn và bền vững trên thị trường chứng khoán.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ LUẬN TỪ CÁC LÝ THUYẾT TÀI CHÍNH HIỆN ĐẠI 1. Lý thuyết về Mô hình định giá tài sản vốn – Capital Asset Pricing Model (CAPM) 1. Sơ lược về quá trình ra đời Mô hình định giá tài sản vốn - CAPM (Capital Asset Pricing Model) được coi là nguồn gốc của tất cả lý thuyết tài chính kinh tế hiện đại. Những lý luận cơ bản của lý thuyết CAPM lần đầu ra đời vào năm 1952 thông qua một bài tham luận “Chọn lựa danh mục đầu tư” về phương pháp tạo ra đường biên hiệu quả cho một danh mục đầu tư, đó là những lý luận cơ bản và được mọi người biết dưới cái tên Lý thuyết danh mục thị trường.

Sự ra đời của những lý thuyết này đã làm thay đổi hoàn toàn các đánh giá trước đây của các nhà đầu tư về chứng khoán. Từ năm 1963 – 1964, lý thuyết tiếp tục được phát triển bởi William Sharpe sau khi ông đã đồng ý đề nghị nghiên cứu Lý thuyết danh mục thị trường như là một luận đề của Harry Markowitz. Bằng cách thiết lập mối quan hệ giữa danh mục đầu tư với những rủi ro riêng của từng chứng khoán, Sharpe đã thành công trong việc đơn giản hóa những nghiên cứu của Markowitz; do đó, bất cứ một nhà đầu tư chuyên nghiệp hay không chuyên nào cũng đều có thể áp dụng được Lý thuyết danh mục đầu tư. Từ những nghiên cứu này, Sharpe đã tiếp tục hoàn thiện lý luận trên và hình thành nên Lý thuyết CAPM.

Hiện nay, lý thuyết này được sử dụng rộng rãi trong cuộc sống để đo lường hiệu quả của danh mục đầu tư, đánh giá từng loại chứng khoán, thực hiện các quyết định đầu tư… Năm 1990, Sharpe, Markowitz và Merton Miller đã nhận được giải Nobel kinh tế của đồng giải Nobel khoa học do những đóng góp tích cực trong việc phát triển Lý thuyết CAPM và cho việc phát triển nền kinh tế hiện đại. Các giả định của mô hình CAPM Khi giải quyết bất kỳ lý thuyết nào trong khoa học, kinh tế học, hay trong tài chính cần thiết phải đưa ra một vài giả định, các giả định này sẽ chỉ ra thế giới được HVCH: Trần Minh Ngọc Diễm LUẬN VĂN THẠC SĨ KINH TẾ 123doc 2 mong đợi sẽ vận hành như thế nào. Điều này cho phép các thuyết gia tập trung vào việc phát triển một lý thuyết mà lý thuyết đó sẽ giải thích một vài khía cạnh của thế giới đáp ứng các thay đổi trong môi trường. Vì vậy, CAMP sẽ bao gồm các giả định sau: (1) Các nhà đầu tư là những cá nhân không ưa thích rủi ro nhưng luôn muốn tối đa hóa lợi ích mong đợi.

Tức là, các nhà đầu tư thích lựa chọn chứng khoán có tỷ suất sinh lợi cao tương ứng với rủi ro cho trước hoặc rủi ro thấp nhất với tỷ suất sinh lợi cho trước. (2) Nhà đầu tư luôn có cùng suy nghĩ về tỷ suất sinh lợi kỳ vọng, phương sai, hiệp phương sai. Nghĩa là, tất cả các nhà đầu tư đều có kỳ vọng thuần nhất trong một tập hợp các cơ hội và có cùng thông tin thị trường vào cùng thời điểm. (3) Lợi nhuận đạt được phân phối theo phương thức phân phối chuẩn.

(5) Luôn có một sự cố định những loại tài sản và số lượng của chúng trong một kỳ nghiên cứu đủ lớn. (6) Tất cả các tài sản đều có thể phân chia hoặc đo lường một cách chính xác trong một thời điểm so sánh tốt nhất. (7) Tỷ lệ vay trong thị trường cũng giống như tỷ lệ cho vay, nghĩa là mọi nhà đầu tư đều có cơ hội lãi suất như nhau trong việc vay hay cho vay. (8) Các nhân tố làm thị trường trở nên bất hoàn hảo không tồn tại như thuế, luật, chi phí môi giới hay bất cứ một sự ngăn cấm nào.

Định nghĩa về tỷ suất sinh lợi, phương sai (hay độ lệch chuẩn) của một tài sản và của danh mục các tài sản Nguồn gốc của Lý thuyết CAPM bắt nguồn từ sự tổng hợp mà trong đó tất cả các tài sản tuân theo quy luật phân phối chuẩn. Sự phân phối được miêu tả bởi hai thước đo là TSSL mong đợi và phương sai (hay độ lệch chuẩn). HVCH: Trần Minh Ngọc Diễm LUẬN VĂN THẠC SĨ KINH TẾ 123doc 3 1. Tỷ suất sinh lợi mong đợi của một tài sản và của danh mục các tài sản • TSSL mong đợi của tài sản i - E(Ri) - được định nghĩa: n E ( R i ) = ∑ p j .1) j =1 Trong đó : R j là TSSL của tài sản i trong tình huống j.

pj là khả năng xảy ra mức TSSL R j. Ngoài ra cũng có một phương pháp khác để xác định TSSL của tài sản i thể hiện qua công thức đơn giản sau: Pt − P0 + CF t Ri = (1.2) P0 Trong đó : Pt là giá chứng khoán cuối kỳ. P0 là giá chứng khoán đầu kỳ. CFt là dòng tiền cổ tức trong suốt kỳ.

• TSSL mong đợi của một DMĐT - E(Rp) - là bình quân gia quyền theo tỷ trọng của TSSL mong đợi mỗi tài sản trong DMĐT đó. Điều này có nghĩa là: n E ( RP ) = ∑ wi .3) i =1 Trong đó : wi là tỷ trọng đầu tư tài sản i trong danh mục. E ( Ri ) là TSSL mong đợi của tài sản i. Phương sai (hay độ lệch chuẩn) của tỷ suất sinh lợi đối với một khoản đầu tư cụ thể Phương sai (σ2) hay độ lệch chuẩn (σ), là một phương pháp ước lượng chênh lệch của những mức TSSL có thể có, Ri , so với TSSL mong đợi, E(Ri), sau đây: n Phương sai σ = ∑ [ Ri − E ( Ri )] .4) i =1 HVCH: Trần Minh Ngọc Diễm LUẬN VĂN THẠC SĨ KINH TẾ 123doc 4 Trong đó: pi là khả năng xảy ra TSSL Ri.5) Tuy nhiên, việc tính toán độ lệch chuẩn của các giá trị TSSL thực nghiệm thì chúng ta có thể lấy tổng bình phương các khoản chênh lệch và chia cho N, với N là số mẫu thực nghiệm: 1 N Độ lệch chuẩn σ = ∑ N i =1 [ Ri − E ( Ri )]2 (1.

Phương sai (hay độ lệch chuẩn) của tỷ suất sinh lợi đối với danh mục đầu tư Để thiết lập được công thức phương sai của TSSL đối với DMĐT - σp, chúng ta cần tìm hiểu qua hai khái niệm cơ bản trong thống kê học là hiệp phương sai (Cov) và hệ số tương quan (ρ). Hiệp phương sai của những tỷ suất sinh lợi Khi phân tích DMĐT, chúng ta thường quan tâm nhiều nhất đến hiệp phương sai của TSSL. Hiệp phương sai là một ước lượng để hai mức độ khác nhau “tiến lại gần nhau” nhằm tạo thành một giá trị có ý nghĩa. Một giá trị hiệp phương sai dương có nghĩa là TSSL đối với hai khoản đầu tư có khuynh hướng dịch chuyển về cùng một hướng và ngược lại, một giá trị hiệp phương sai âm chỉ ra rằng TSSL đối với hai khoản đầu tư có khuynh hướng dịch chuyển về hai hướng khác nhau so với mức trung bình của chúng trong suốt một khoảng thời gian.

Độ lớn của hiệp phương sai phụ thuộc vào phương sai của những chuỗi TSSL cụ thể cũng như mối quan hệ giữa những chuỗi TSSL. • Đối với hai tài sản A và B, hiệp phương sai của TSSL được định nghĩa là: CovAB = Giá trị kỳ vọng {[RiA − E (R A )][RiB − E (RB )]} = σ AB (1.7) • Đối với trường hợp phân phối xác suất TSSL của hai tài sản A và B thì hiệp phương sai được xác định như sau: HVCH: Trần Minh Ngọc Diễm LUẬN VĂN THẠC SĨ KINH TẾ 123doc 5 n CovAB = ∑ pi .8) i =1 • Trong trường hợp TSSL của hai tài sản A và B được tính toán dựa vào thực nghiệm thì hiệp phương sai của chúng được xác định như sau: 1 N CovAB = ∑ [RiA − E (RA )][RiB − E (RB )] N i =1 (1. Hệ số tương quan Hệ số tương quan là sự “chuẩn hóa” ước lượng hiệp phương sai do hiệp phương sai bị ảnh hưởng bởi tính biến thiên của hai chuỗi TSSL riêng lẻ: Cov AB ρ AB = (1.10) σ Aσ B Trong đó : ρ AB là hệ số tương quan của những TSSL. σ A độ lệch chuẩn của RiA.

σ B độ lệch chuẩn của RiB. Hệ số tương quan chỉ có thể thay đổi trong khoảng từ -1 đến +1. Giá trị +1 có thể nhấn mạnh mối quan hệ tuyến tính xác định giữa RA và RB, nghĩa là TSSL đối với hai cổ phiếu cùng thay đổi trong một kiểu tuyến tính xác định hoàn toàn. Giá trị -1 có thể nhấn mạnh mối quan hệ phủ định hoàn toàn giữa hai chuỗi TSSL như khi TSSL của một cổ phiếu cao hơn mức trung bình, TSSL của những cổ phiếu khác sẽ thấp hơn mức trung bình bằng một số lượng lớn.

Giá trị 0 có nghĩa là TSSL không có mối quan hệ tuyến tính hay còn gọi là tương quan độc lập, qua thống kê chúng không có tương quan với nhau. Độ lệch chuẩn của một danh mục đầu tư Như đã nêu trong phần 1.1, TSSL mong đợi của một DMĐT là giá trị trung bình theo tỷ trọng của TSSL mong đợi của những tài sản riêng lẻ trong danh mục đó. Do đó, có ý kiến cho rằng độ lệch chuẩn của DMĐT cũng được tính toán bằng cách lấy trung bình tỷ trọng của độ lệch chuẩn đối với những tài sản riêng lẻ. HVCH: Trần Minh Ngọc Diễm LUẬN VĂN THẠC SĨ KINH TẾ 123doc 6 Đây có thể là một sai lầm.

Markowitz đã tìm thấy công thức tổng quát đối với độ lệch chuẩn của một DMĐT được thể hiện cụ thể như sau: n n n σp = ∑ w σ + ∑∑ w w Cov i =1 2 i i 2 i =1 j =1 i j ij (i≠j) (1.11) Trong đó : σ p là độ lệch chuẩn của DMĐT. wi tỷ trọng đầu tư của tài sản riêng lẻ trong danh mục, tỷ trọng này được xác định bởi tỷ lệ của giá trị trong DMĐT. σ i2 phương sai của TSSL đối với tài sản i. Covij hiệp phương sai giữa TSSL đối với tài sản i và j, với Covij = ρijσiσj.

Công thức này cho thấy độ lệch chuẩn của DMĐT là một phần giá trị trung bình của những phương sai riêng lẻ (trong đó tỷ trọng là bình phương), cộng với tỷ trọng hiệp phương sai giữa những tài sản trong danh mục. Độ lệch chuẩn (hay rủi ro) của DMĐT bao gồm không chỉ phương sai của những tài sản riêng lẻ mà còn bao gồm hiệp phương sai giữa những cặp tài sản riêng lẻ trong danh mục đó.