Phân Tích Và Dự Báo Rủi Ro Giá Cổ Phiếu Ngân Hàng TMCP Ngoại Thương Việt Nam Bằng Mô Hình ARCH-GARCH

Tài liệu nghiên cứu Chuyên đề thực tập ứng dụng mô hình arch garch để phân tích và dự báo rủi ro giá cổ phiếu của ngân, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Phan Ngọc Bích
• Người hướng dẫn: TS. Nguyễn Mạnh Thế
• Trường học: Trường Đại học Kinh tế Quốc dân
• Chuyên ngành: Toán Kinh tế
• Đề tài: Ứng dụng mô hình ARCH-GARCH phân tích & dự báo rủi ro giá cổ phiếu Ngân hàng TMCP Ngoại Thương Việt Nam
• Loại tài liệu: chuyên đề thực tập
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM KẾT
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN TRONG NGHIÊN CỨU VỀ DỰ BÁO RỦI RO GIÁ CỔ PHIẾU
• 1.1. MỘT SỐ KHÁI NIỆM CƠ BẢN
• 1.2. GIỚI THIỆU MÔ HÌNH ARIMA
• 1.3. GIỚI THIỆU MÔ HÌNH ARCH — GARCH
• 1.3.1. Mô hình ARCH
• 1.3.2. Mô hình GARCH
• 1.3.3. Ưu điểm, nhược điểm của mô hình ARCH — GARCH
• 1.4. MỘT SỐ NGHIÊN CỨU TRONG NƯỚC VÀ QUỐC TẾ
• 2. CHƯƠNG 2: NGÂN HÀNG THƯƠNG MẠI VÀ THỰC TRẠNG GIÁ CỔ PHIẾU CỦA NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM
• 2.1. NGÂN HÀNG THƯƠNG MẠI
• 2.2. NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM - VIETCOMBANK
• 2.3. CỔ PHIẾU CỦA NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH ARCH - GARCH ĐỂ PHÂN TÍCH VÀ DỰ BÁO RỦI RO GIÁ CỔ PHIẾU VCB
• 3.1. XỬ LÍ SỐ LIỆU VÀ KIỂM ĐỊNH TÍNH DỪNG
• 3.2. KIỂM ĐỊNH HIỆU ỨNG ARCH
• 3.3. MÔ HÌNH GARCH
• 3.4. KIỂM TRA CHẤT LƯỢNG DỰ BÁO
• 3.5. DỰ BÁO GIÁ TRỊ DAO ĐỘNG
• 3.6. ỨNG DỤNG VÀ KẾT QUẢ MÔ HÌNH ARCH — GARCH
• KẾT LUẬN CHUNG
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình ARCH GARCH

Mô hình ARCH-GARCH là công cụ quan trọng trong phân tích chuỗi thời gian tài chính, đặc biệt trong việc đo lường và dự báo rủi ro. Mô hình này giúp phân tích sự biến động của giá cổ phiếu, từ đó đưa ra các dự báo chính xác hơn. Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) và mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity) được sử dụng rộng rãi trong nghiên cứu tài chính do khả năng mô tả hiệu ứng biến động theo thời gian.

1.1. Giới thiệu mô hình ARCH

Mô hình ARCH được giới thiệu bởi Engle (1982), tập trung vào việc mô hình hóa phương sai có điều kiện của chuỗi thời gian. Mô hình này giả định rằng phương sai của sai số thay đổi theo thời gian và phụ thuộc vào các giá trị trước đó của sai số bình phương. Điều này giúp mô hình hóa hiện tượng biến động cụm (volatility clustering) thường thấy trong dữ liệu tài chính.

1.2. Giới thiệu mô hình GARCH

Mô hình GARCH, được phát triển bởi Bollerslev (1986), là phiên bản mở rộng của ARCH. Mô hình này không chỉ phụ thuộc vào các giá trị trước đó của sai số bình phương mà còn vào các giá trị trước đó của phương sai. Điều này giúp mô hình GARCH linh hoạt hơn trong việc mô tả biến động dài hạn của chuỗi thời gian tài chính.

II. Phân tích rủi ro

Phân tích rủi ro là quá trình đánh giá và đo lường các yếu tố có thể ảnh hưởng tiêu cực đến giá trị đầu tư. Trong nghiên cứu này, rủi ro tài chính được xem xét thông qua sự biến động của giá cổ phiếu. Việc sử dụng mô hình ARCH-GARCH giúp nhận diện và dự báo các rủi ro tiềm ẩn, từ đó đưa ra các chiến lược quản lý rủi ro hiệu quả.

2.1. Rủi ro trong đầu tư cổ phiếu

Rủi ro trong đầu tư cổ phiếu bao gồm rủi ro thị trường, rủi ro thanh khoản và rủi ro thông tin. Rủi ro thị trường liên quan đến sự biến động của giá cổ phiếu do các yếu tố kinh tế vĩ mô. Rủi ro thanh khoản xảy ra khi nhà đầu tư không thể bán cổ phiếu một cách nhanh chóng. Rủi ro thông tin phát sinh từ việc thiếu hoặc sai lệch thông tin về doanh nghiệp.

2.2. Giải pháp quản lý rủi ro

Để quản lý rủi ro, nhà đầu tư cần áp dụng các chiến lược như đa dạng hóa danh mục đầu tư, sử dụng các công cụ phòng ngừa rủi ro và thường xuyên cập nhật thông tin thị trường. Mô hình ARCH-GARCH cung cấp cơ sở định lượng để đánh giá và dự báo rủi ro, giúp nhà đầu tư đưa ra quyết định đầu tư chính xác hơn.

III. Dự báo giá cổ phiếu

Dự báo giá cổ phiếu là quá trình sử dụng các mô hình toán học và thống kê để dự đoán xu hướng giá trong tương lai. Mô hình ARCH-GARCH được sử dụng để dự báo sự biến động của giá cổ phiếu, từ đó giúp nhà đầu tư đưa ra các quyết định đầu tư hiệu quả. Nghiên cứu này tập trung vào việc dự báo giá cổ phiếu của Ngân hàng TMCP Ngoại Thương Việt Nam (Vietcombank).

3.1. Phương pháp dự báo

Phương pháp dự báo trong nghiên cứu này bao gồm việc sử dụng mô hình ARIMA để xử lý chuỗi thời gian và mô hình ARCH-GARCH để dự báo biến động. Các bước thực hiện bao gồm kiểm định tính dừng của chuỗi thời gian, ước lượng mô hình và kiểm tra chất lượng dự báo.

3.2. Kết quả dự báo

Kết quả dự báo cho thấy mô hình ARCH-GARCH có khả năng dự báo chính xác sự biến động của giá cổ phiếu Vietcombank. Điều này giúp nhà đầu tư có cái nhìn tổng quan về rủi ro và cơ hội đầu tư, từ đó đưa ra các quyết định đầu tư hiệu quả hơn.

IV. Ngân hàng TMCP Ngoại Thương Việt Nam

Ngân hàng TMCP Ngoại Thương Việt Nam (Vietcombank) là một trong những ngân hàng thương mại lớn nhất tại Việt Nam. Nghiên cứu này tập trung vào việc phân tích và dự báo rủi ro giá cổ phiếu của Vietcombank, sử dụng mô hình ARCH-GARCH để đánh giá sự biến động của giá cổ phiếu trong giai đoạn từ năm 2017 đến năm 2020.

4.1. Tình hình hoạt động của Vietcombank

Vietcombank đã gặt hái nhiều thành công trong hoạt động kinh doanh, tuy nhiên vẫn tiềm ẩn các rủi ro tài chính. Nghiên cứu này phân tích các yếu tố ảnh hưởng đến giá cổ phiếu của Vietcombank, bao gồm các yếu tố kinh tế vĩ mô và tình hình hoạt động của ngân hàng.

4.2. Phân tích giá cổ phiếu Vietcombank

Giá cổ phiếu Vietcombank được phân tích thông qua chuỗi thời gian từ năm 2017 đến năm 2020. Mô hình ARCH-GARCH được sử dụng để đánh giá sự biến động của giá cổ phiếu và dự báo rủi ro trong tương lai. Kết quả cho thấy giá cổ phiếu Vietcombank có xu hướng biến động mạnh trong giai đoạn này.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường chứng khoán giữ vai trò là kênh huy động và chu chuyển vốn trung và dài hạn trọng yếu đối với nền kinh tế, tạo điều kiện cho các doanh nghiệp tiếp cận nguồn vốn mở rộng hoạt động sản xuất kinh doanh, đồng thời mang lại cơ hội sinh lời cho các nhà đầu tư. Tuy nhiên, thị trường chứng khoán luôn tiềm ẩn mức độ rủi ro cao do sự biến động giá liên tục dưới tác động của các yếu tố kinh tế vĩ mô, thông tin doanh nghiệp và tâm lý thị trường. Việc lượng hóa, phân tích và dự báo độ biến động của giá chứng khoán là yêu cầu cấp thiết giúp các nhà đầu tư cá nhân, tổ chức tài chính chủ động nhận diện rủi ro, xây dựng danh mục đầu tư và đưa ra các quyết định phân bổ vốn phù hợp.

Trong hệ thống tài chính Việt Nam, nhóm ngành ngân hàng đóng vai trò huyết mạch. Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank - mã chứng khoán VCB) là một trong những định chế tài chính quy mô lớn, có kết quả kinh doanh tăng trưởng ổn định nhưng giá cổ phiếu vẫn chịu sự chi phối bởi các biến động thị trường. Xuất phát từ bối cảnh đó, tác giả Phan Ngọc Bích (chuyên ngành Toán Kinh tế, Khoa Toán Kinh tế, Trường Đại học Kinh tế Quốc dân) dưới sự hướng dẫn của TS. Nguyễn Mạnh Thế đã thực hiện chuyên đề tốt nghiệp: "Ứng dụng mô hình ARCH - GARCH để phân tích và dự báo rủi ro giá cổ phiếu của Ngân hàng TMCP Ngoại thương Việt Nam - Vietcombank".

Mục tiêu nghiên cứu của chuyên đề được xác định gồm ba nội dung chính:

1. Khái quát các vấn đề lý luận và thực tiễn trong phân tích chuỗi thời gian tài chính và ứng dụng của chuỗi thời gian trong quá trình dự báo biến động.
2. Vận dụng lý thuyết, phương pháp ước lượng của lớp mô hình ARIMA và ARCH - GARCH để phân tích sự biến động giá cổ phiếu trên thị trường từ năm 2017 và dự báo rủi ro của mã chứng khoán VCB.
3. Đề xuất một số khuyến nghị đối với nhà đầu tư trong việc quản trị rủi ro cổ phiếu VCB và thích ứng với biến động thị trường.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Lớp mô hình kinh tế lượng ARCH - GARCH và biến động giá cổ phiếu của Ngân hàng TMCP Ngoại thương Việt Nam (mã chứng khoán VCB).
• Phạm vi nghiên cứu: Chuỗi dữ liệu giá đóng cửa theo ngày của cổ phiếu VCB niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) trong giai đoạn từ ngày 01/09/2017 đến ngày 31/12/2020.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình ứng dụng

Chuyên đề dựa trên nền tảng lý thuyết kinh tế lượng tài chính về chuỗi thời gian, lý thuyết danh mục đầu tư và đo lường rủi ro tài chính:

• Khái niệm chứng khoán, cổ phiếu và rủi ro tài chính: Rủi ro trong đầu tư cổ phiếu được tiếp cận dưới góc độ khả năng xuất hiện sai lệch giữa giá trị thực tế và giá trị kỳ vọng, xuất phát từ rủi ro thanh khoản, rủi ro bất đối xứng thông tin, rủi ro cú sốc thị trường và năng lực tài chính của nhà đầu tư.
• Mô hình Giá trị chịu rủi ro (Value at Risk - VaR): Phương pháp đo lường tổn thất tối đa của danh mục tài sản tài chính trong một khoảng thời gian xác định tại mức độ tin cậy cho trước, thông qua ba cách tiếp cận: Phương pháp lịch sử, Phương pháp phương sai - hiệp phương sai, và Phương pháp mô phỏng Monte Carlo.
• Lớp mô hình ARIMA (Autoregressive Integrated Moving Average): Mô hình tuyến tính do George Box và Gwilym Jenkins (1976) phát triển để dự báo chuỗi thời gian đơn biến. Mô hình ARIMA($p, d, q$) kết hợp ba thành phần: Tự hồi quy AR($p$), Bậc sai phân lấy tính dừng I($d$), và Trung bình trượt MA($q$) theo quy trình 4 bước Box-Jenkins (Nhận dạng mô hình, Ước lượng tham số, Kiểm định chẩn đoán phần dư, Dự báo).
• Lớp mô hình ARCH (Autoregressive Conditional Heteroskedasticity) và GARCH (Generalized ARCH): Mô hình ARCH do Robert Engle (1982) đề xuất và mô hình GARCH do Tim Bollerslev (1986) phát triển nhằm giải quyết hiện tượng phương sai của sai số thay đổi theo thời gian (Conditional Heteroskedasticity) và hiện tượng biến động cụm (Volatility Clustering) trong chuỗi dữ liệu tài chính. Mô hình GARCH($p, q$) mô tả phương sai có điều kiện phụ thuộc đồng thời vào các bậc trễ của bình phương sai số quá khứ (thành phần ARCH) và các bậc trễ của chính phương sai có điều kiện trong quá khứ (thành phần GARCH).

Phương pháp nghiên cứu và công cụ xử lý

Nghiên cứu sử dụng phương pháp định lượng thực nghiệm với chuỗi thời gian tài chính. Quy trình phân tích số liệu được thực hiện trên môi trường phần mềm thống kê R / RStudio thông qua các bước kiểm định thống kê chuyên sâu:

1. Thống kê mô tả và vẽ đồ thị chuỗi thời gian giá cổ phiếu.
2. Kiểm định tính dừng của chuỗi giá gốc và chuỗi sai phân bằng kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF).
3. Nhận dạng bậc mô hình thông qua biểu đồ hàm tự tương quan (ACF) và hàm tự tương quan riêng phần (PACF).
4. Ước lượng mô hình trung bình ARIMA và kiểm tra tính nhiễu trắng của phần dư bằng kiểm định Box-Pierce.
5. Kiểm định phương sai sai số thay đổi có điều kiện bằng kiểm định Lagrange Multiplier (ARCH LM-test).
6. Ước lượng mô hình phương sai GARCH và kiểm định chẩn đoán tính phù hợp (Jarque-Bera, Shapiro-Wilk, Ljung-Box test cho phần dư chuẩn hóa và bình phương phần dư chuẩn hóa, ARCH LM test sau khi hiệu chỉnh).
7. Đánh giá độ chính xác dự báo ngoài mẫu thông qua các chỉ số sai số: ME, RMSE, MAE và MAPE.

Nguồn dữ liệu

Bộ dữ liệu gồm 835 quan sát giá đóng cửa theo ngày giao dịch của cổ phiếu VCB từ ngày 01/09/2017 đến ngày 31/12/2020, được thu thập từ nguồn dữ liệu trực tuyến cophieu68.vn. Dữ liệu được sắp xếp theo trình tự thời gian tăng dần và phân chia thành hai tập con:

• Tập dữ liệu luyện (Train set - vcbp_train): Gồm 823 quan sát đầu tiên (từ ngày 01/09/2017 đến ngày 15/12/2020) dùng để ước lượng tham số và xây dựng mô hình.
• Tập dữ liệu kiểm tra (Test set - vcbp_test): Gồm 12 quan sát cuối cùng (từ quan sát 824 đến 835, tương ứng nửa cuối tháng 12/2020) dùng để đối chiếu, kiểm định độ chính xác của kết quả dự báo.

---

Nội dung chính theo từng chương

Chương 1. Cơ sở lý luận và tổng quan trong nghiên cứu về dự báo rủi ro giá cổ phiếu

Chương 1 hệ thống hóa các khái niệm nền tảng về thị trường chứng khoán, phân loại cổ phiếu thường và cổ phiếu ưu đãi (ưu đãi biểu quyết, ưu đãi tài chính). Tác giả làm rõ bản chất của rủi ro tài chính, tần suất rủi ro, biên độ rủi ro, các nguồn gốc rủi ro trong đầu tư cổ phiếu (rủi ro thanh khoản, thông tin chưa kiểm chứng, cú sốc vĩ mô, yếu tố tâm lý) và các nguyên tắc hạn chế rủi ro thông qua tái cơ cấu danh mục, duy trì tỷ lệ tiền mặt, đa dạng hóa sang trái phiếu.

Chương này trình bày chi tiết cấu trúc toán học của mô hình ARIMA($p, d, q$), quy trình 4 bước Box-Jenkins, mô hình ARCH($m$) với phương pháp ước lượng hàm hợp lý cực đại (Maximum Likelihood), và mô hình GARCH($p, q$). Tác giả phân tích ưu điểm của GARCH trong việc mô hình hóa biến động cụm dài hạn mà không đòi hỏi bậc trễ quá cao như ARCH, đồng thời nêu rõ nhược điểm của mô hình GARCH chuẩn là giả định phản ứng đối xứng với các cú sốc, chưa tách biệt được tác động khác nhau giữa cú sốc tích cực và tiêu cực (hiệu ứng đòn bẩy).

Phần tổng quan tài liệu điểm lại các nghiên cứu quốc tế và trong nước ứng dụng lớp mô hình ARCH/GARCH:

• Nghiên cứu quốc tế: Choo Wei Chong (1998) với thị trường chứng khoán Malaysia (KLSE); Recep Bildik & Selim Elekdag (2002) tại Istanbul; Vladimir Gazda & Tomas Vyrost (2003) tại Slovakia (chỉ số SAX); Karmakar (2005, 2007) và Goudarzi & Ramanarayanan (2010) tại Ấn Độ (chỉ số BSE 500); Hongyu Pan & Zhichao Zhang (2006) tại Thượng Hải và Thâm Quyến; Floros (2008) tại Trung Đông; GC (2009) tại Nepal; AbdElaal (2011) tại Ai Cập.
• Nghiên cứu tại Việt Nam: Vương Quân Hoàng (2003) nghiên cứu tác động của biên độ giá; Võ Thị Thúy Anh và Nguyễn Anh Tùng (2010), Đặng Hữu Mẫn và Hoàng Dương Việt Anh (2013), Bùi Hữu Phước, Phạm Thị Thu Hồng và Ngô Văn Toàn (2016) kết hợp ARCH/GARCH để ước tính tham số phương sai trong mô hình VaR.

Chương 2. Ngân hàng thương mại và thực trạng giá cổ phiếu của ngân hàng TMCP Ngoại thương Việt Nam

Chương 2 trình bày bản chất kinh tế, 3 chức năng cốt lõi (trung gian tín dụng, trung gian thanh toán, tạo tiền) và vai trò của ngân hàng thương mại trong việc điều hòa vốn, thúc đẩy lưu thông hàng hóa và thực thi chính sách tiền tệ. Tác giả khái quát thực trạng ngành ngân hàng Việt Nam với hơn 100 ngân hàng, hệ thống 906 quỹ tín dụng nhân dân cơ sở, 1 quỹ tín dụng trung ương và 23 chi nhánh, cùng xu thế chuyển đổi số mạnh mẽ.

Về Vietcombank, văn bản tóm lược lịch sử phát triển từ Cục Ngoại hối (thành lập ngày 01/4/1963), thực hiện cổ phần hóa ngày 02/6/2008 và chính thức niêm yết mã VCB trên HOSE ngày 30/6/2009. Mạng lưới hoạt động gồm trụ sở chính tại Hà Nội, 111 chi nhánh, 472 phòng giao dịch, 4 công ty con trong nước, 3 công ty con tại nước ngoài (Vinafico Hongkong, Công ty chuyển tiền Vietcombank tại Mỹ, Ngân hàng con tại Lào), văn phòng đại diện tại TP. Hồ Chí Minh, Singapore, Mỹ và hơn 18.000 cán bộ nhân viên. Vietcombank dẫn đầu Top 10 Ngân hàng Thương mại Việt Nam uy tín năm 2020 do Vietnam Report đánh giá.

Bảng số liệu kết quả kinh doanh Vietcombank giai đoạn 2016 - 2019 được tổng hợp chi tiết:

Chỉ tiêu tài chính (Đơn vị: Triệu đồng)	Năm 2016	Năm 2017	Năm 2018	Năm 2019
Thu nhập lãi thuần	18.527.711	21.937.546	28.408.516	34.577.350
Chi phí hoạt động	9.950.443	11.866.345	13.611.094	15.817.575
Tổng thu nhập trước thuế (TNTT)	8.523.083	11.341.361	18.269.226	23.122.377
Tổng lợi nhuận sau thuế (LNST)	6.851.001	9.110.588	14.622.062	18.525.988
LNST của cổ đông Ngân hàng mẹ	6.831.725	9.091.070	14.605.578	18.510.898

Nguồn: Thời báo Ngân hàng (trích dẫn trong chuyên đề)

Các chỉ tiêu tài chính năm 2019 ghi nhận tỷ suất sinh lời trên tổng tài sản (ROA) đạt 1,6%, tỷ suất sinh lời trên vốn chủ sở hữu (ROE) đạt 25%. Tỷ lệ nợ xấu được kiểm soát giảm liên tục: 1,1% (năm 2017), 0,97% (năm 2018) và 0,77% (năm 2019). Diễn biến giá cổ phiếu VCB trong tháng 12/2020 dao động trong khoảng từ 89.000 đồng đến trên 99.000 đồng/cổ phiếu, duy trì xu hướng tăng trưởng dài hạn.

Chương 3. Xây dựng mô hình ARCH - GARCH để phân tích và dự báo rủi ro giá cổ phiếu VCB

Chương 3 trình bày toàn bộ kết quả chạy mô hình định lượng thực nghiệm:

1. Kiểm định tính dừng của dữ liệu:

   • Chuỗi giá gốc vcbp_train (823 quan sát, giá trị nhỏ nhất 35.95194): Kiểm định ADF cho giá trị $P\text{-value} = 0.05$, chưa đủ cơ sở bác bỏ giả thuyết $H_0$ (chuỗi không dừng).
   • Lấy sai phân bậc nhất $D(Y_t) = Y_t - Y_{t-1}$: Kiểm định ADF trên chuỗi sai phân bậc nhất cho $P\text{-value} = 0$, bác bỏ $H_0$, chuỗi sai phân đạt tính dừng ($d = 1$).

2. Ước lượng mô hình trung bình ARIMA(2, 1, 1):

   • Phân tích đồ thị ACF gợi ý bậc tự hồi quy $p = 2$; đồ thị PACF gợi ý bậc trung bình trượt $q = 1$.
   • Ước lượng ARIMA(2, 1, 1) cho kết quả phương sai sai số $\sigma^2 = 1.64$.
   • Kiểm định phần dư Box-Pierce đạt thống kê $X\text{-squared} = 0.9989$ với $P\text{-value} = 0.05$, xác nhận phần dư của mô hình ARIMA(2, 1, 1) là chuỗi nhiễu trắng.

3. Kiểm định hiệu ứng ARCH:

   • Đồ thị phần dư cho thấy hiện tượng phương sai thay đổi theo thời gian.
   • Kiểm định ARCH LM-test đối với phần dư cho giá trị thống kê $Chi\text{-squared} = 14.0001371$ với $P\text{-value} = 0$. Kết quả bác bỏ giả thuyết phương sai không đổi, khẳng định sự tồn tại của hiệu ứng ARCH.

4. Ước lượng mô hình GARCH(2, 1):

   • Đồ thị ACF và PACF của bình phương sai số lựa chọn cấu trúc GARCH với $p = 2, q = 1$.
   • Hệ số ước lượng thành phần phương sai: $\beta_1 = 0.91700105$. Tiêu chuẩn thông tin AIC đạt 3.222006.
   • Kiểm định phân phối chuẩn của phần dư chuẩn hóa: Jarque-Bera Test ($Chi^2 = 204.5894, P\text{-value} = 0$) và Shapiro-Wilk Test ($P\text{-value} < 0.05$) khẳng định phần dư không tuân theo phân phối chuẩn.
   • Kiểm định tự tương quan Ljung-Box Test trên phần dư ($Q(10)=12.28, Q(15)=17.27, Q(20)=21.36$) và trên bình phương phần dư ($Q(10)=3.98, Q(15)=6.97, Q(20)=8.98$) đều có $P\text{-value} > 0.05$.
   • Kiểm định LM ARCH Test sau ước lượng đạt thống kê $TR^2 = 3.9873565$ với $P\text{-value} = 0.05$, cho thấy không còn hiệu ứng ARCH trong phần dư. Phương trình phương sai có điều kiện được xác lập: $$\sigma_t^2 = 0.91700105 \sigma_{t-1}^2 + \dots$$

5. Kiểm định chất lượng dự báo và dự báo tương lai:

   • Dự báo ngoài mẫu cho 12 phiên (quan sát 824 đến 835) so sánh với dữ liệu kiểm tra thực tế: Quan sát 824 có giá trị thực tế đạt 97.5, đường giá trị dự báo bám sát đường giá trị thực tế.
   • Các chỉ số đánh giá độ chính xác dự báo trên tập kiểm tra:
     • Sai số trung bình (Mean Error - ME): $0.8475071$
     • Căn sai số bình phương trung bình (Root Mean Squared Error - RMSE): $1.301271$
     • Sai số tuyệt đối trung bình (Mean Absolute Error - MAE): $1.149813$
     • Phần trăm sai số tuyệt đối trung bình (Mean Absolute Percent Error - MAPE): $1.173001%$
   • Dự báo 10 giá trị quan sát tương lai: Tại quan sát thứ 836, giá dự báo điểm (Point Forecast) đạt $97.2534$.
   • Dự báo độ dao động: Độ lệch chuẩn dao động dự báo trung bình đạt các giá trị $0.573171$ và $0.576920$.

---

Kết quả và đóng góp

Kết quả định lượng chính

Công trình đã thực hiện đầy đủ quy trình kinh tế lượng trên chuỗi dữ liệu giá cổ phiếu VCB giai đoạn 2017 - 2020:

Hạng mục kiểm định / Đánh giá	Phương pháp / Mô hình	Kết quả thống kê	Kết luận thực nghiệm
Kiểm định tính dừng dữ liệu gốc	Augmented Dickey-Fuller (ADF)	$P\text{-value} = 0.05$	Chuỗi giá gốc không dừng
Kiểm định tính dừng sai phân bậc 1	Augmented Dickey-Fuller (ADF)	$P\text{-value} = 0.00$	Chuỗi sai phân bậc 1 dừng ($d=1$)
Mô hình hóa phương trình trung bình	ARIMA(2, 1, 1)	$\sigma^2 = 1.64$	Phần dư là nhiễu trắng (Box-Pierce $P\text{-value} = 0.05$)
Kiểm định phương sai thay đổi	ARCH LM-test	$Chi^2 = 14.0001, P\text{-value} = 0.00$	Tồn tại hiệu ứng ARCH rõ rệt
Mô hình hóa phương sai có điều kiện	GARCH(2, 1)	$\beta_1 = 0.9170, \text{AIC} = 3.2220$	Khử hoàn toàn hiệu ứng ARCH ($TR^2 = 3.9874$)
Độ chính xác dự báo (12 quan sát)	ME, RMSE, MAE, MAPE	$\text{RMSE} = 1.3013, \text{MAPE} = 1.1730%$	Độ tin cậy dự báo cao, sai số nhỏ
Dự báo giá trị bước tiếp theo	Point Forecast (bước 836)	Giá trị $= 97.2534$	Xu hướng giá ổn định, tăng nhẹ

Đóng góp của đề tài

• Về mặt phương pháp: Áp dụng bài bản quy trình kết hợp mô hình ARIMA(2, 1, 1) và GARCH(2, 1) trên ngôn ngữ R để xử lý chuỗi thời gian tài chính có phương sai thay đổi, cung cấp bằng chứng thực nghiệm về hiện tượng biến động cụm của cổ phiếu ngân hàng tại Việt Nam.
• Về mặt thực tiễn: Cung cấp số liệu dự báo giá và mức độ rủi ro dao động của mã cổ phiếu VCB với sai số kiểm định MAPE thấp ($1.173%$). Kết hợp phân tích định lượng chuỗi giá với nền tảng tài chính lành mạnh của Vietcombank (tăng trưởng lợi nhuận 2017 - 2019 lần lượt là $32.2%$, $61.1%$, $26%$; nợ xấu giảm còn $0.77%$) nhằm khẳng định VCB là tài sản đầu tư có rủi ro thấp trong dài hạn.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về mô hình: Mô hình GARCH(2, 1) được sử dụng là mô hình đối xứng, chỉ khai thác thông tin quá khứ của bản thân nhiễu mà chưa phân tách được sự khác biệt giữa tác động của cú sốc tích cực (tin tốt) và cú sốc tiêu cực (tin xấu) đối với độ biến động giá (hiệu ứng đòn bẩy).
• Hạn chế về dữ liệu và phạm vi: Nghiên cứu giới hạn trong phạm vi dữ liệu giá đóng cửa lịch sử của duy nhất mã cổ phiếu VCB từ 01/09/2017 đến 31/12/2020 (835 quan sát), chưa mở rộng kiểm định chéo trên toàn bộ nhóm cổ phiếu ngành ngân hàng hoặc toàn thị trường.
• Hướng nghiên cứu tiếp: Văn bản gợi ý việc ứng dụng các mô hình GARCH phi đối xứng (như EGARCH, TGARCH, PGARCH, GJR-GARCH) hoặc kết hợp mô hình GARCH để ước tính tham số phương sai trong các mô hình quản trị rủi ro danh mục nâng cao như VaR (Value at Risk) và ES (Expected Shortfall).

---

Giá trị tham khảo

Chuyên đề tốt nghiệp là tài liệu tham khảo hữu ích cho:

• Sinh viên và học viên chuyên ngành: Toán kinh tế, Kinh tế lượng, Phân tích dữ liệu tài chính, Tài chính - Ngân hàng cần tìm hiểu tài liệu mẫu về quy trình nghiên cứu chuỗi thời gian tài chính.
• Người làm nghiên cứu định lượng: Tham khảo chi tiết các bước kiểm định thực nghiệm trên phần mềm R: từ kiểm định nghiệm đơn vị ADF, chẩn đoán ACF/PACF, ước lượng ARIMA, kiểm định hiệu ứng ARCH LM-test, ước lượng GARCH cho đến các kiểm định chẩn đoán sau ước lượng (Jarque-Bera, Ljung-Box, LM ARCH).
• Nhà đầu tư cá nhân và chuyên viên phân tích rủi ro: Tham khảo phương pháp lượng hóa rủi ro biến động giá cổ phiếu ngân hàng dựa trên chuỗi dữ liệu thực tế và các thước đo sai số dự báo ngoài mẫu.

---

Câu hỏi thường gặp

1. Dữ liệu chuỗi giá cổ phiếu VCB ban đầu có tính dừng không và tác giả xử lý như thế nào?

Chuỗi giá đóng cửa ban đầu của VCB (vcbp_train với 823 quan sát) không có tính dừng, kết quả kiểm định Augmented Dickey-Fuller (ADF) cho $P\text{-value} = 0.05$ (chưa đủ cơ sở bác bỏ $H_0$). Tác giả đã tiến hành lấy sai phân bậc nhất $D(Y_t) = Y_t - Y_{t-1}$. Kiểm định ADF trên chuỗi sai phân bậc nhất cho $P\text{-value} = 0.00$, xác nhận chuỗi đã dừng ở bậc 1 ($d = 1$).

2. Mô hình ARIMA nào được lựa chọn và kết quả kiểm định phần dư ra sao?

Dựa trên đồ thị ACF (gợi ý $p = 2$) và đồ thị PACF (gợi ý $q = 1$), tác giả lựa chọn mô hình ARIMA(2, 1, 1). Phương sai sai số ước lượng đạt $\sigma^2 = 1.64$. Kiểm định Box-Pierce trên phần dư của mô hình đạt thống kê $X\text{-squared} = 0.9989$ với $P\text{-value} = 0.05$, chứng minh phần dư không còn tự tương quan và đạt tính chất của chuỗi nhiễu trắng.

3. Căn cứ nào chứng minh sự tồn tại của hiệu ứng ARCH trong dữ liệu giá cổ phiếu VCB?

Sau khi ước lượng ARIMA(2, 1, 1), tác giả thực hiện kiểm định ARCH LM-test trên phần dư. Thống kê kiểm định đạt $Chi\text{-squared} = 14.0001371$ với $P\text{-value} = 0.00$. Do $P\text{-value} < 0.05$, giả thuyết $H_0$ (phương sai không đổi) bị bác bỏ, khẳng định mô hình tồn tại hiệu ứng ARCH (phương sai sai số thay đổi có điều kiện), là điều kiện bắt buộc để chuyển sang ước lượng mô hình GARCH.

4. Độ chính xác dự báo của mô hình trên tập kiểm tra 12 phiên giao dịch đạt kết quả cụ thể như thế nào?

Khi đối chiếu giá trị dự báo với 12 quan sát thực tế (từ quan sát 824 đến 835), mô hình đạt các chỉ số sai số:

• Sai số trung bình (ME): $0.8475071$
• Căn sai số bình phương trung bình (RMSE): $1.301271$
• Sai số tuyệt đối trung bình (MAE): $1.149813$
• Phần trăm sai số tuyệt đối trung bình (MAPE): $1.173001%$ Các chỉ số sai số ở mức rất nhỏ cho thấy mô hình có khả năng dự báo giá bám sát diễn biến thực tế.

5. Thực trạng kết quả kinh doanh và chất lượng nợ xấu của Vietcombank giai đoạn 2016 - 2019 được ghi nhận ra sao?

Theo số liệu trong chuyên đề, lợi nhuận sau thuế của Vietcombank tăng trưởng liên tục từ 6.851.001 triệu đồng (năm 2016) lên 18.525.988 triệu đồng (năm 2019), với tốc độ tăng trưởng lợi nhuận các năm 2017, 2018, 2019 lần lượt là $32.2%$, $61.1%$ và $26%$. Tỷ lệ nợ xấu giảm dần qua các năm: $1.1%$ (năm 2017), $0.97%$ (năm 2018) và còn $0.77%$ (năm 2019); chỉ số ROA và ROE năm 2019 đạt lần lượt $1.6%$ và $25%$.

---

Kết luận

Chuyên đề tốt nghiệp của tác giả Phan Ngọc Bích đã ứng dụng thành công phương pháp kinh tế lượng chuỗi thời gian kết hợp giữa mô hình ARIMA(2, 1, 1) và GARCH(2, 1) trên phần mềm R để phân tích và dự báo rủi ro biến động giá cổ phiếu Vietcombank (VCB). Kết quả kiểm định thực nghiệm trên 835 quan sát giai đoạn 2017 - 2020 đã lượng hóa được hiện tượng phương sai thay đổi và tính cụm dao động của chuỗi giá, đồng thời cho kết quả dự báo ngoài mẫu có độ chính xác cao với sai số MAPE đạt $1.173%$. Công trình là tài liệu tham khảo có giá trị học thuật và thực tiễn cho sinh viên chuyên ngành Toán kinh tế, Kinh tế lượng và các nhà đầu tư quan tâm đến phương pháp phân tích định lượng rủi ro trên thị trường chứng khoán Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. CƠ SỞ LÝ LUẬN VÀ TỎNG QUAN TRONG NGHIÊN CUU VE DỰ BAO RỦI RO GIÁ CO PHIẾU 11. MOT SO KHÁI NIỆM CƠ BẢN Khái niệm chứng khoán Chứng khoán là các công cụ để huy động vốn trung và dài hạn, các giấy tờ có giá, có khả năng chuyên đổi, chuyển nhượng nhằm xác nhận quyền sở hữu, quan hệ vay nợ giữa nó và chủ thể phát hành ra nó. Đối với mỗi loại chứng khoán thường có các tính chât sau: Tính thanh khoản (tính lỏng): Khả năng chuyên đổi giữa chứng khoán đó sang tiền mặt.

Tính lỏng của chứng khoán thể hiện qua việc chứng khoán đó được mua bán, trao đổi trên thị trường. Tính sinh lời: Thu nhập của nhà đầu tư được sinh ra từ việc tăng giá chứng khoán trên thị trường hay các khoản tiền lời được trả hằng năm. Tính rủi ro: Đặc trưng cơ bản của chứng khoán. Trong quá trình trao đôi và mua di ban lại, giá của chứng khoán bị giảm hoặc mất hoàn toàn ta gọi là rủi ro.

Chứng khoán bao gồm: Cổ phiếu, trái phiếu, chứng chỉ quỹ đầu tư. Khái niệm cô phiếu Cô phiếu là loại chứng khoán xác nhận quyền sở hữu và lợi ích hợp pháp đối với thu nhập và tài sản của công ty cổ phan. Số vốn đóng góp dé thành lập công ty được chia ra thành nhiều phần nhỏ bằng nhau gọi là cổ phần. Người mua cổ phan gọi là cô đông.

Cô phiếu có thê được phát hành dưới dang chứng chỉ vật chất hoặc bút toán ghi số, xác nhận quyền và lợi ích hợp pháp của nhà dau tư, khi tham gia vào hoạt động kinh doanh của doanh nghiệp và chỉ có công ty cô phần mới có cô phiếu. Giá trị ban đầu ghi trên cổ phiếu là mệnh giá của cổ phiếu. Mệnh giá là giá trị danh nghĩa. Số tiền nhận được từ khoản góp vốn gọi là cổ tức.

Giá cổ phiếu giao động qua các phiên giao dịch trên thị trường chứng khoán và tách rời so với mệnh giá. Cô phiếu thường: là loại cổ phiếu không có ki hạn, tồn tại cùng với sự tồn tại của công ty phát hành ra nó. Nó không có lãi suất cố định, số lãi được chia vào cuối mỗi niên độ quyết toán. Cổ đông nắm giữ cổ phiếu này có quyền bỏ phiếu, mua cổ phiếu mới và tham gia vào đại hội cô đông.

Cổ phiếu ưu đãi gồm: Cô phiếu ưu đãi biểu quyết: Cổ phiếu dành cho các cổ đông sáng lập. Cổ 4 Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích Chuyên đề thực tập chuyên ngành Toán Kinh tế đông nắm giữ loại cô phiếu này phải nắm giữ trong một khoảng thời gian nhất định, không được chuyên nhượng, trao đôi. Cô phiếu ưu đãi tài chính: Tương tự cổ phiếu thường nhưng có một số hạn chế. Cô đông nắm giữ cổ phiếu này không được tham gia bau cử, ứng cử vào hội đồng quản trị, ban kiêm soát của công ty nhưng họ được ưu đãi về tài chính theo một mức cổ tức riêng biệt, có tính có định hằng năm, được ưu tiên chia cổ tức và được phân chia tài sản còn lại của công ty sau khi thanh lý, giải thé trước cổ phiếu thường.

Đầu tư cổ phiếu Đầu tư cổ phiếu là việc mua bán cô phiếu trên thị trường chứng khoán nhằm mục đích kiếm lời. Đầu tư cổ phiếu không chỉ giúp nhà đầu tư kiếm được lợi nhuận từ việc giá cô phiếu tăng trưởng mà còn được công ty chi trả cô tức hằng năm. Tuy nhiên, tất cả các hoạt động đầu tư đều chứa yếu tố rủi ro và đầu tư cô phiếu cũng vậy, vô cùng hấp dẫn nhưng khá nhiều rủi ro. Vì thế, khi tham gia vào thị trường chứng khoán, các nhà đầu tư cần biết nhận diện, lường trước được những rủi ro có thé sẽ gặp phải để đo lường rủi ro va đưa ra những quyết định đầu tư chính xác nhất.

Khái niệm rủi ro Theo quan điểm truyền thống rủi ro là sự kiện bắt lợi, bất ngờ xảy ra gây ton that cho con người. Theo quan điểm hiện đại rủi ro duoc hiểu là khả năng có sai lệch giữa một bên là những gì xảy ra trên thực tế với một bên là những gì được dự kiến từ trước (mà bình thường đáng lẽ đã phải diễn ra). Các khái niệm có liên quan: Nguy cơ rủi ro: Một tình huống có thé tạo nên ở bat kỳ lúc nào, có thé gây nên những tổn thất (hay có thé là những lợi ích) mà cá nhân hay tổ chức không thé tiên đoán được. Tổn thất: Những thiệt hại, mắt mát về tài sản, cơ hội có thể được hưởng về tinh than, thé chất do rủi ro gây ra.

Tần suất rủi ro: Số lần xuất hiện rủi ro trong một khoảng thời gian hay trong tông số lần quan sát sự kiện. Biên độ rủi ro: Thé hiện tính chất nguy hiém, mức độ thiệt hại tác động tới chủ thể. Thiệt hại của rủi ro = Tân suât rủi ro * Biên độ rủi ro 5 Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích Chuyên đề thực tập chuyên ngành Toán Kinh tế Nhận diện rủi ro trong dau tư cổ phiếu Trước hết cần hiểu về định nghĩa rủi ro tài chính. Rủi ro tài chính là kết quả của sự thay đối, biến động không lường trước được của giá trị tài sản hoặc giá trị của các khoản nợ đối với các tổ chức và nhà đầu tư trong quá trình hoạt động của thị trường tài chính.

C6 phiếu chính là một tài sản tài chính, rủi ro cô phiếu là hậu quả của việc biến động giá cổ phiếu đối với các nhà đầu tư trên thị trường chứng khoán. Có rất nhiều nguyên nhân gây ra rủi ro trong hoạt động cô phiếu: Rui ro do tính thanh khoản thấp của cổ phiếu: Cổ phiếu có tính thanh khoản thấp là cổ phiếu khó bán, thậm chí là không bán được trên thị trường chứng khoán. Việc nắm giữ những cô phiếu có tính thanh khoản thấp sẽ khiến nhà đầu tư gặp rủi ro khi cần bán cô phiếu dé rút vốn đầu tư vào chỗ khác. Điều này có thé làm chậm tiến trình đầu tư hoặc thậm chí bỏ lỡ cơ hội đầu tư khác.

Rui ro từ thông tin: Việc nắm bat và cập nhật thông tin một cách nhanh chóng, chính xác là rất quan trọng đối với mọi nhà đầu tư. Trên thị trường đầy biến động này, các nhà đầu tư phải thật tinh ranh, lừa lọc lẫn nhau thì việc ai nam giữ thông tin nhanh hơn, tốt hơn sẽ là chìa khóa dé chiến thăng. Rui ro có thể đến từ việc dựa theo thông tin của một bài báo chưa được kiểm toán hoặc tin vào một người thông tin chưa được xác thực,. Rủi ro từ cú sốc trên thị trường: Các cú sốc như sự vỡ nợ của nhà phát hành cổ phiếu, các cuộc khủng hoảng kinh tế trong và ngoài nước hay thậm chí là những bat ôn về mặt chính trị,.

đều gây ra những rủi ro cho các nhà dau tư. Rui ro từ tài chính của chính các nhà đầu tư: Kinh doanh dau tư cổ phiếu không đơn thuần chi là mua cô phiếu rồi đợi giá cao để bán ra. Ngoài những kỹ năng và sự hiểu biết thì nhà đầu tư còn cần phải có một cái đầu lạnh, một sự phân tích và phản ứng nhạy bén đối với thị trường. Việc ảo tưởng về lợi nhuận làm mờ mắt hay đầu tư khi không đủ kiến thức phân tích tổng hợp sẽ khiến các nhà đầu tư thua lỗ nhanh chóng.

Giải pháp hạn chế rủi ro trong dau tư cô phiếu Sự cần thiết phải hạn chế rủi ro trong đầu tư cô phiếu: Trên thị trường hiện nay các nhà đầu tư tác nhân chiếm một tỷ trọng không hề nhỏ. Bên cạnh một số nhà đầu tư đã thành công, không ít người đã thất bại, chán nản và rời bỏ thị trường do không lường hết được những rủi ro. Trước tình hình ấy, việc tìm kiếm các giải pháp giúp nhà đầu tư cá nhân hạn chế rủi ro là cần thiết. Một số giải pháp hạn chế rủi ro trong đầu tư cô phiếu: Phải thường xuyên thu thập thông tin từ nhiều nguồn khác nhau về các 6 Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích Chuyên đề thực tập chuyên ngành Toán Kinh tế công ty niêm yết có trong danh mục, đặc biệt là báo cáo tài chính có kiểm toán.

Kip thời loại bỏ khỏi danh mục đầu tư những mã cổ phiếu có nguy cơ rủi ro bất thường cao như hỏa hoạn, thiên tai, gian lận tài chính, công bồ thông tin tài chính sai dé gian lận,. Hạn chế đầu tư vào những doanh nghiệp có tình hình đầu tư tài chính và đầu tư chéo lớn, đầu tư tràn lan sang các ngành nghé không cốt lõi,. Kiểm soát rủi ro danh mục bang cách quản trị năng động danh mục: Thường xuyên điều chỉnh một cách chủ động danh mục đầu tư bằng cách bán hoặc mua các chứng khoán trong danh mục cho phù hợp với những chuyên biến của thị trường. Luôn duy trì một lượng tiền mặt thích hợp để có khả năng xử lý trước những tình huống biến động của thị trường nhằm làm giảm bớt tác động rủi ro của nó.

Cân nhắc đầu tư một tỷ lệ nhất định vào chứng khoán có nguồn thu cố định như trái phiếu công ty hay trái phiếu chính phủ cũng là một lựa chọn tốt dé tăng tính năng động trong quản trị danh mục đầu tư tương tự như một tỷ lệ tiền mặt nói trên. Các phương pháp do lường rủi ro Hiện tại, quản trị rủi ro tài chính không chỉ phân tích định tính mà phân tích định lượng cũng vô cùng quan trọng. Đó là phải hình thành và phát triển các phương pháp dé lượng hóa mức rủi ro và tốn that tài chính. Vấn đề đặt ra: Tìm thước đo chung, một chỉ tiêu định lượng thể hiện mức độ rủi ro của danh mục và độ đo rủi ro phải đáp ứng các yêu cầu cơ bản.

Theo thời gian đã có nhiều phương pháp đánh giá rủi ro trong tài chính. Các mô hình nỗi tiếng thế giới: CAMP, VaR, ES, ARCH, GARCH,. Năm 1983, Macaulay là người đầu tiên đưa ra phương pháp đánh giá rủi ro cô phiếu. Phương pháp này có tên là VaR, giúp tính toán kì hạn hoàn vốn trung bình của cổ phiếu.

Phương pháp ước lượng VAR Mô hình VaR: VaR của một danh mục tài sản tài chính được định nghĩa là khoản tiền lỗ tối đa trong một thời hạn nhất định, nếu ta loại trừ những trường hợp xấu nhất, hiếm khi xảy ra. Tuy nhiên chúng ta thích thé hiện VaR như một khoản lỗ vốn nhỏ nhất với một xác suất cho sẵn.