Bối cảnh và vấn đề nghiên cứu
Trong cấu trúc của nền kinh tế thị trường, hệ thống ngân hàng thương mại (NHTM) giữ vị trí trung gian tài chính huyết mạch, đóng vai trò cầu nối luân chuyển vốn giữa các chủ thể kinh tế. Mức độ an toàn và sự ổn định của hệ thống NHTM phản ánh trực tiếp sức khỏe tài chính quốc gia; sự suy thoái hay sụp đổ của một định chế ngân hàng có thể tạo ra hiệu ứng dây chuyền tiêu cực lên toàn bộ nền kinh tế. Hoạt động kinh doanh ngân hàng mang tính nhạy cảm cao trước các biến động vĩ mô, đối mặt thường trực với nhiều loại rủi ro tài chính như rủi ro tín dụng, rủi ro thanh khoản, rủi ro lãi suất và rủi ro tỷ giá. Rủi ro thị trường là yếu tố mang tính khách quan và tất yếu. Lịch sử tài chính thế giới đã ghi nhận nhiều cuộc khủng hoảng bắt nguồn từ sự biến động thị trường và mất cân đối kỳ hạn như vụ phá sản của Northern Rock tại Anh năm 2007, Lehman Brothers tại Mỹ năm 2008, và sự kiện sụp đổ của Silicon Valley Bank (SVB) năm 2023 tại Mỹ khi Cục Dự trữ Liên bang Mỹ (FED) tăng lãi suất nhanh khiến ngân hàng mất thanh khoản do nắm giữ danh mục đầu tư dài hạn, kéo theo sự sụp đổ liên hoàn của Signature Bank và Silvergate Bank.
Tại Việt Nam, thực tiễn quản trị rủi ro thị trường ở nhiều NHTM vẫn bộc lộ hạn chế khi chủ yếu dừng lại ở mức độ rà soát cơ cấu nguồn vốn và tài sản để nhận diện chiều hướng rủi ro định tính, thiếu vắng các công cụ định lượng chuẩn hóa nhằm đo lường, dự báo và giám sát tổn thất theo chuẩn mực quốc tế. Mô hình Giá trị chịu rủi ro (Value at Risk - VaR) được thừa nhận rộng rãi trên thế giới theo khung giám sát của Ủy ban Basel, nhưng mức độ ứng dụng thực tế tại hệ thống ngân hàng Việt Nam còn khiêm tốn. Khóa luận tập trung giải quyết yêu cầu lượng hóa rủi ro thị trường nhằm cung cấp cơ sở thực nghiệm cho hoạt động quản trị rủi ro tại các NHTM.
Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định cụ thể:
- Hệ thống hóa cơ sở lý luận về rủi ro thị trường, quy trình quản trị rủi ro thị trường và các mô hình lượng hóa rủi ro, trọng tâm là mô hình Value at Risk.
- Phân tích thực trạng hệ thống NHTM Việt Nam giai đoạn 2018 – 2023, đánh giá mức độ phơi nhiễm rủi ro lãi suất và rủi ro tỷ giá thông qua dữ liệu báo cáo tài chính của các ngân hàng đại diện.
- Thu thập dữ liệu chuỗi thời gian tỷ suất sinh lời cổ phiếu ngành ngân hàng, kiểm định các giả thiết kinh tế lượng và thực hiện ước lượng giá trị VaR thông qua các phương pháp định lượng trên phần mềm thống kê R/RStudio.
- Đề xuất các giải pháp và kiến nghị nâng cao hiệu quả quản trị rủi ro thị trường cho các NHTM Việt Nam dựa trên kết quả tính toán định lượng.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Rủi ro thị trường và việc ứng dụng mô hình Value at Risk trong đo lường rủi ro thị trường của các ngân hàng thương mại.
- Phạm vi không gian: Thị trường ngân hàng Việt Nam, nghiên cứu thực nghiệm trên 3 mã cổ phiếu đại diện cho 3 nhóm quy mô ngân hàng: Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank - VCB, đại diện nhóm NHTM Nhà nước quy mô lớn), Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank - STB, đại diện nhóm NHTM Cổ phần quy mô vừa và lớn), và Ngân hàng TMCP Xuất Nhập khẩu Việt Nam (Eximbank - EIB, đại diện nhóm NHTM Cổ phần quy mô nhỏ).
- Phạm vi thời gian: Giai đoạn 5 năm từ năm 2018 đến năm 2023. Dữ liệu chuỗi thời gian giá cổ phiếu hàng ngày được thu thập từ ngày 03/04/2018 đến ngày 03/04/2023 (1.250 quan sát). Dữ liệu thực trạng tài sản và cơ cấu nợ lấy từ Báo cáo thường niên của Ngân hàng Nhà nước và Báo cáo tài chính các ngân hàng giai đoạn 2018 – 2022.
Cơ sở lý thuyết và phương pháp
Khung lý thuyết của đề tài được xây dựng trên cơ sở các chuẩn mực quốc tế và các nghiên cứu tài chính:
- Khái niệm rủi ro thị trường: Theo Hiệp định Basel II, rủi ro thị trường phát sinh từ những thay đổi bất lợi về giá trị của các trạng thái hoặc danh mục tài sản do biến động của giá cả thị trường, lãi suất hoặc tỷ giá hối đoái. Rủi ro này không thể triệt tiêu hoàn toàn bằng cách đa dạng hóa danh mục.
- Phân loại rủi ro thị trường trong ngân hàng:
- Rủi ro lãi suất (David M. Houpt): Nguy cơ suy giảm thu nhập lãi ròng hoặc giá trị tài sản ròng do biến động lãi suất. Rủi ro thu nhập được đo lường thông qua khe hở nhạy cảm lãi suất $GAP_{rs} = \text{Tài sản Có nhạy cảm lãi suất} - \text{Tài sản Nợ nhạy cảm lãi suất}$. Khi $GAP_{rs} > 0$, ngân hàng đối mặt với rủi ro khi lãi suất giảm; khi $GAP_{rs} < 0$, ngân hàng chịu rủi ro khi lãi suất tăng. Rủi ro giảm giá trị tài sản xuất phát từ việc chiết khấu lại các dòng tiền tương lai theo lãi suất thị trường mới.
- Rủi ro tỷ giá (Crouhy et al., 2001; Viktor Popov & Yann Stutzmann, 2003; Moremi Marwa, 2006): Xuất hiện do sự bất cân xứng giữa tài sản có và tài sản nợ bằng ngoại tệ (trạng thái ngoại hối mở). Trạng thái ngoại hối dương chịu rủi ro khi tỷ giá giảm, trạng thái ngoại hối âm chịu rủi ro khi tỷ giá tăng.
- Quản trị rủi ro thị trường: Quá trình nhận dạng, đo lường, giám sát và kiểm soát rủi ro (Pyle, 1997). Hệ thống nguyên tắc quản trị bao gồm: chấp nhận rủi ro, điều tiết rủi ro tương thích, quản trị độc lập, phù hợp giữa mức độ rủi ro và thu nhập, phù hợp năng lực tài chính (vốn dự phòng), hiệu quả kinh tế, thời gian phù hợp, chiến lược phù hợp và khả năng chuyển đổi rủi ro.
- Lý thuyết mô hình Value at Risk (VaR): Khởi nguồn từ Leavens (1945), Markowitz (1952), Roy (1952), Lietaer (1971), và được J.P. Morgan chuẩn hóa qua hệ thống RiskMetrics (1989, 1994, 1996), sau đó được Ủy ban Basel (1995) và Cục Dự trữ Liên bang Mỹ (Fed) áp dụng làm tiêu chuẩn tính vốn an toàn tối thiểu. VaR biểu thị mức tổn thất tối đa có thể xảy ra trong một danh mục tài sản tại một mức độ tin cậy cho trước ($\alpha$) trong một khoảng thời gian xác định ($t$).
Phương pháp nghiên cứu kết hợp giữa định tính và định lượng:
- Phương pháp định tính: Thống kê mô tả, phân tích tổng hợp, đối chiếu báo cáo tài chính và báo cáo thường niên của Ngân hàng Nhà nước để đánh giá thực trạng quy mô vốn, tài sản có, khe hở lãi suất và trạng thái ngoại hối.
- Phương pháp định lượng:
- Tỷ suất sinh lời hàng ngày của chuỗi giá cổ phiếu: $r_t = (P_t - P_{t-1}) / P_{t-1}$.
- Kiểm định giả thiết kinh tế lượng: Kiểm định phân phối chuẩn bằng Jarque-Bera Test; kiểm định tính dừng bằng Augmented Dickey-Fuller (ADF) Test; kiểm định tính tự tương quan bằng hàm tự tương quan (ACF), hàm tự tương quan riêng (PACF) và kiểm định Ljung-Box Test trên chuỗi phần dư và chuỗi bình phương phần dư tại các độ trễ 10, 15, 20.
- Bốn phương pháp ước lượng VaR (độ tin cậy 95%, thời gian 1 ngày):
- Phương pháp phân vị trực tiếp (Quantile Estimation / Historical Simulation): Sắp xếp chuỗi tỷ suất sinh lời thực nghiệm trong quá khứ để xác định giá trị phân vị tương ứng với mức rủi ro 5%.
- Phương pháp tiếp cận kinh tế lượng (Econometric Approach): Sử dụng mô hình chuỗi thời gian kết hợp $ARMA(0,0) + GARCH(1,1)$ để dự báo phương sai có điều kiện.
- Phương pháp RiskMetrics: Ứng dụng mô hình $iGARCH(1,1)$ (Integrated GARCH) với giả định lợi suất trung bình bằng không ($\mu = 0$).
- Phương pháp mô phỏng Monte Carlo (Monte Carlo Simulation): Tạo lập các kịch bản ngẫu nhiên dựa trên các tham số phân phối xác suất giả định của chuỗi dữ liệu.
Nguồn dữ liệu và công cụ thực hiện:
- Dữ liệu giá đóng cửa điều chỉnh hàng ngày của 3 cổ phiếu VCB, STB, EIB trong 5 năm (03/04/2018 – 03/04/2023) từ cổng dữ liệu Investing.com.
- Báo cáo tài chính năm 2022 của Vietcombank, Sacombank, Eximbank và Báo cáo thường niên giai đoạn 2018 – 2022 của Ngân hàng Nhà nước Việt Nam.
- Môi trường tính toán: Phần mềm RStudio (phiên bản 2023.0-386) trên nền tảng R (phiên bản 4.2), tích hợp các gói thư viện chuyên ngành tài chính định lượng:
fBasics, fGarch, rugarch, tseries, quantmod.
Nội dung chính theo từng chương
Phần mở đầu
Phần mở đầu xác lập tính cấp thiết của việc nghiên cứu rủi ro thị trường trong bối cảnh các biến động tài chính toàn cầu ngày càng gia tăng. Tác giả chỉ ra lỗ hổng trong công tác quản trị rủi ro tại các NHTM Việt Nam khi chủ yếu dựa vào nhận định định tính mà thiếu công cụ lượng hóa rủi ro bằng số liệu cụ thể. Tác giả xác định rõ mục tiêu, đối tượng nghiên cứu là rủi ro thị trường tại các NHTM Việt Nam, phạm vi nghiên cứu 5 năm (2018 – 2023), phương pháp tiếp cận định lượng bằng mô hình VaR và kết cấu nghiên cứu gồm 4 chương.
Chương 1: Tổng quan nghiên cứu
Chương 1 xây dựng nền tảng lý luận toàn diện về rủi ro và quản trị rủi ro thị trường. Tác giả phân tích chi tiết hai cấu phần rủi ro chính trong hoạt động ngân hàng: rủi ro lãi suất (bao gồm rủi ro thu nhập đo lường qua khe hở lãi suất $GAP_{rs}$ và rủi ro giảm giá trị tài sản do biến động tỷ suất chiết khấu) và rủi ro tỷ giá (phát sinh từ trạng thái ngoại hối dương, âm hoặc cân bằng). Hệ thống quản trị rủi ro được phân tích qua 9 nguyên tắc cốt lõi và mô hình cơ cấu tổ chức phân tầng từ Hội đồng quản trị, Ban Giám đốc, Ban Kiểm soát rủi ro, Phòng Quản trị rủi ro đến Bộ phận Kiểm toán nội bộ. Tác giả tổng hợp các nhân tố ảnh hưởng bao gồm nhân tố khách quan (môi trường chính trị, pháp lý, kinh tế, dân trí - xã hội) và nhân tố chủ quan (cơ cấu tổ chức, năng lực lãnh đạo, công nghệ thông tin, nguồn lực tài chính, chất lượng nhân sự và chính sách tài chính).
Trong phần lý thuyết về mô hình VaR, chương này trình bày lịch sử hình thành từ các nghiên cứu sơ khai đến khi được chuẩn hóa thành tiêu chuẩn quốc tế trong khung Basel. Tác giả phân tích hai tham số bắt buộc trong đo lường VaR là độ tin cậy và thời gian nắm giữ, đồng thời so sánh ưu nhược điểm của 4 phương pháp tính toán: phương pháp phân tích quá khứ, phương pháp phương sai - hiệp phương sai, phương pháp RiskMetrics và phương pháp mô phỏng Monte Carlo. Chương 1 khẳng định ưu điểm của VaR trong việc quy đổi mức độ rủi ro phức tạp về một chỉ số định lượng cụ thể, nhưng cũng nhấn mạnh giới hạn của mô hình khi không phản ánh được mức độ thiệt hại vượt quá ngưỡng tin cậy trong các điều kiện thị trường biến động cực đoan.
Chương 2: Dữ liệu và phương pháp nghiên cứu
Chương 2 trình bày chi tiết thiết kế nghiên cứu thực nghiệm. Tác giả lựa chọn giá cổ phiếu của 3 ngân hàng VCB, STB, EIB đại diện cho các nhóm quy mô khác nhau trong hệ thống để phản ánh mức độ nhạy cảm thị trường và hạn chế hiện tượng bù trừ rủi ro danh mục. Quy trình nghiên cứu gồm 4 bước:
- Thu thập dữ liệu giá đóng cửa điều chỉnh 5 năm (03/04/2018 – 03/04/2023) với 1.250 quan sát và tính tỷ suất sinh lời hàng ngày.
- Xác định tham số đo lường với độ tin cậy 95% (mức rủi ro 5%) và khung thời gian nắm giữ 1 ngày tiếp theo.
- Kiểm định các giả thiết kinh tế lượng: thống kê mô tả (mean, median, min, max, độ lệch chuẩn, skewness, kurtosis), kiểm định phân phối chuẩn Jarque-Bera, kiểm định tính dừng ADF, phân tích đồ thị tự tương quan ACF/PACF và kiểm định Ljung-Box.
- Ước lượng, kiểm tra và dự báo VaR thông qua 4 phương pháp: Quantile Estimation, Econometric Approach ($ARMA(0,0) + GARCH(1,1)$), RiskMetrics ($iGARCH(1,1)$), và Monte Carlo Simulation; sau đó kiểm tra độ phù hợp của mô hình qua đồ thị QQ-plot và kiểm định chuỗi phần dư.
Chương 3: Ứng dụng mô hình VaR và kết quả nghiên cứu
Chương 3 trình bày kết quả phân tích thực trạng hệ thống NHTM Việt Nam và kết quả ước lượng thực nghiệm. Về thực trạng giai đoạn 2018 – 2022, vốn điều lệ của khối NHTM Cổ phần tăng từ 267.234 tỷ đồng (2018) lên 469.409 tỷ đồng (2022); tài sản có tăng từ 5.439.691 tỷ đồng lên 8.000.502 tỷ đồng. Khối NHTM Nhà nước có vốn điều lệ tăng từ 155.153 tỷ đồng lên 190.433 tỷ đồng và tài sản có tăng từ 4.554.977 tỷ đồng lên 6.451.584 tỷ đồng.
Phân tích rủi ro lãi suất năm 2022 cho thấy tỷ lệ nợ ngắn hạn cho vay trung dài hạn của khối NHTM Nhà nước ở mức 30,71%. Cả ba ngân hàng nghiên cứu đều có khe hở lãi suất dương ($GAP_{rs} > 0$) và tỷ lệ nhạy cảm lãi suất lớn hơn 1, khiến các ngân hàng đối mặt trực tiếp với rủi ro suy giảm lợi nhuận khi lãi suất thị trường tăng. Về rủi ro tỷ giá, cả ba ngân hàng đều duy trì trạng thái tiền tệ ngoại bảng âm trong năm 2022.
| Chỉ tiêu tài chính năm 2022 |
Vietcombank (VCB) |
Sacombank (STB) |
Eximbank (EIB) |
| Tài sản Có nhạy cảm lãi suất (triệu đồng) |
1.849.690.528 |
614.649.694 |
186.975.614 |
| Tài sản Nợ nhạy cảm lãi suất (triệu đồng) |
1.678.169.085 |
553.280.699 |
164.576.151 |
| Khe hở lãi suất ($GAP_{rs}$) (triệu đồng) |
+171.521.443 |
+61.368.995 |
+22.399.463 |
| Tỷ lệ nhạy cảm lãi suất (TSC/TSN) |
1,10 |
1,11 |
1,14 |
| Trạng thái tiền tệ nội bảng (triệu đồng) |
+171.521.443 |
+2.443.982 |
+252.800 |
| Trạng thái tiền tệ ngoại bảng (triệu đồng) |
-9.241.487 |
-116.382 |
-62.762 |
| Mức chênh trạng thái tiền tệ (triệu đồng) |
+162.279.956 |
+2.327.600 |
+190.083 |
Kết quả kiểm định chuỗi tỷ suất sinh lời 1.250 quan sát của 3 mã cổ phiếu:
- Thống kê mô tả: Độ lệch chuẩn hàng ngày của VCB là 0,018682 (thấp nhất), STB và EIB có mức biến động cao hơn. Hệ số bất đối xứng (Skewness) của VCB và STB mang giá trị âm (-0,054370 đối với VCB), phản ánh phân phối lệch trái; trong khi EIB có Skewness dương (0,146715), phản ánh phân phối lệch phải. Hệ số nhọn (Kurtosis) của cả 3 cổ phiếu đều sai lệch so với phân phối chuẩn.
- Kiểm định phân phối chuẩn Jarque-Bera: Giá trị kiểm định của VCB ($x^2 = 288,2$), STB ($x^2 = 67,2$), EIB ($x^2 = 239,2$) đều có $p\text{-value} < 0,05$, dẫn đến bác bỏ giả thuyết $H_0$, xác nhận chuỗi dữ liệu không tuân theo phân phối chuẩn. Biểu đồ hàm mật độ xác suất cho thấy STB và EIB xuất hiện các điểm đột biến ở vùng đuôi 5%.
- Kiểm định tính dừng ADF: Cả 3 chuỗi tỷ suất sinh lời đều có $p\text{-value} < 0,05$, xác nhận chuỗi dữ liệu có tính dừng, đáp ứng điều kiện mô hình hóa kinh tế lượng.
- Ước lượng VaR cho danh mục giả định 3 tỷ đồng (phân bổ đều 1 tỷ đồng mỗi mã): Tác giả thực hiện tính toán VaR với độ tin cậy 95%, thời gian 1 ngày thông qua 4 mô hình: RiskMetrics (iGARCH(1,1)), Econometric Approach (ARMA(0,0) + GARCH(1,1)), Quantile Estimation và Monte Carlo Simulation. Kết quả cung cấp mức tổn thất tối đa dự kiến của từng cổ phiếu và làm cơ sở so sánh độ nhạy giữa các phương pháp.
Từ kết quả nghiên cứu, tác giả đề xuất 3 nhóm kiến nghị: kết hợp kiểm định ngược (Back-testing) và kiểm tra sức chịu tải (Stress-testing) để kiểm soát rủi ro đuôi; ứng dụng công nghệ thông tin và xây dựng kho dữ liệu tập trung; chuẩn hóa quy trình và nâng cao chất lượng nguồn nhân lực quản trị rủi ro.
Chương 4: Kết luận và Khuyến nghị
Chương 4 tổng kết toàn bộ kết quả nghiên cứu của khóa luận, tái khẳng định vai trò của việc định lượng rủi ro thị trường bằng mô hình VaR trong hoạt động ngân hàng. Tác giả tóm lược các giải pháp then chốt nhằm hoàn thiện khung quản trị rủi ro tại các NHTM Việt Nam, hướng tới việc tuân thủ các chuẩn mực an toàn vốn quốc tế.
Kết quả và đóng góp
Khóa luận đạt được các kết quả thực nghiệm và đóng góp cụ thể:
- Kết quả lượng hóa thực trạng rủi ro: Đã chứng minh bằng số liệu tài chính năm 2022 rằng các NHTM Việt Nam (đại diện bởi VCB, STB, EIB) đều duy trì tỷ lệ nhạy cảm lãi suất lớn hơn 1 với khe hở lãi suất dương (VCB: +171.521.443 triệu đồng; STB: +61.368.995 triệu đồng; EIB: +22.399.463 triệu đồng), đồng thời mang trạng thái tiền tệ ngoại bảng âm. Điều này cho thấy hệ thống ngân hàng đang chịu phơi nhiễm cao trước nguy cơ lãi suất thị trường gia tăng và tỷ giá biến động bất lợi.
- Kết quả kiểm định thống kê và ước lượng mô hình:
- Chứng minh chuỗi tỷ suất sinh lời của cổ phiếu ngân hàng có tính dừng nhưng không tuân theo phân phối chuẩn thông qua kiểm định Jarque-Bera ($p\text{-value} < 0,05$).
- Triển khai thành công 4 phương pháp đo lường VaR (RiskMetrics, Econometric Approach với ARMA-GARCH, Quantile Estimation, Monte Carlo Simulation) trên phần mềm RStudio, cung cấp công cụ định lượng mức tổn thất tối đa hàng ngày ở độ tin cậy 95%.
- Hệ thống giải pháp đề xuất từ tác giả:
- Đề xuất tích hợp phương pháp Back-testing để kiểm tra lại tính chính xác của mô hình VaR và Stress-testing để đo lường khả năng chống chịu trong các kịch bản khủng hoảng cực đoan vượt quá ngưỡng tin cậy 95% hoặc 99%.
- Xây dựng hệ thống công nghệ thông tin và cơ sở dữ liệu tập trung lưu trữ dữ liệu thị trường (lãi suất, tỷ giá, giá chứng khoán) phục vụ tính toán tự động các tham số rủi ro.
- Nâng cao năng lực chuyên môn của đội ngũ cán bộ phân tích rủi ro định lượng và thiết lập cơ chế kiểm soát đạo đức nghề nghiệp nhằm ngăn ngừa rủi ro nội bộ.
- Đóng góp khoa học và thực tiễn: Nghiên cứu cung cấp khung tham chiếu định lượng hoàn chỉnh, minh họa cách thức sử dụng phần mềm RStudio để xử lý chuỗi dữ liệu tài chính Việt Nam, tạo nền tảng cho các NHTM xây dựng hạn mức rủi ro theo khẩu vị rủi ro riêng biệt.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận tồn tại các hạn chế được rút ra từ phạm vi và giả định mô hình:
- Hạn chế của mô hình VaR: Mô hình hoạt động dựa trên giả định thị trường tương đối ổn định và không phản ánh được quy mô thiệt hại cụ thể khi tổn thất vượt quá ngưỡng phân vị rủi ro (vùng đuôi 1% hoặc 5%). Dữ liệu tỷ suất sinh lời thực tế có hiện tượng đuôi dày và xuất hiện các cú sốc đột biến (đặc biệt tại STB và EIB) mà phân phối chuẩn hoặc các mô hình tham số đơn giản khó bao quát hết.
- Phạm vi dữ liệu thực nghiệm: Nghiên cứu mới dừng lại ở việc sử dụng giá đóng cửa của 3 mã cổ phiếu đại diện (VCB, STB, EIB) làm biến số thay thế cho rủi ro thị trường, chưa bao quát được toàn bộ danh mục tài sản kinh doanh thực tế phức tạp của ngân hàng như danh mục trái phiếu, hợp đồng phái sinh hay các trạng thái ngoại tệ cụ thể.
Hướng nghiên cứu tiếp theo:
- Mở rộng phạm vi dữ liệu sang toàn bộ danh mục đầu tư nội bảng và ngoại bảng của các NHTM, bao gồm các công cụ thu nhập cố định và phái sinh tiền tệ.
- Ứng dụng các thước đo rủi ro phi tuyến tính và tổn thất kỳ vọng điều kiện (Expected Shortfall / CVaR) kết hợp các kịch bản kiểm tra sức chịu tải đa biến (Multi-factor Stress Testing) để bù đắp các khiếm khuyết của mô hình VaR.
Giá trị tham khảo
Khóa luận có giá trị tham khảo học thuật và ứng dụng thực tiễn:
- Đối tượng sử dụng: Tài liệu hữu ích cho sinh viên, học viên chuyên ngành Tài chính - Ngân hàng, Kinh tế lượng ứng dụng; các nhà nghiên cứu về quản trị rủi ro tài chính; và các chuyên viên tại bộ phận Quản trị rủi ro thị trường, Phòng Quản lý tài sản Nợ - Có (ALM) của các NHTM.
- Các nội dung đáng tham khảo:
- Quy trình 4 bước đo lường rủi ro thị trường bằng mô hình VaR trên RStudio.
- Phương pháp áp dụng các gói phần mềm kinh tế lượng tài chính (
rugarch, fGarch, tseries, quantmod) trong việc kiểm định tính dừng, tự tương quan và thiết lập mô hình $ARMA(0,0) + GARCH(1,1)$ cũng như $iGARCH(1,1)$.
- Phương pháp phân tích khe hở lãi suất ($GAP_{rs}$) và trạng thái tiền tệ từ báo cáo tài chính ngân hàng thương mại.
Câu hỏi thường gặp
1. Tại sao khóa luận lại lựa chọn 3 mã cổ phiếu VCB, STB và EIB làm dữ liệu thực nghiệm?
Tác giả lựa chọn VCB, STB và EIB vì 3 ngân hàng này đại diện cho 3 phân khúc quy mô khác nhau trong hệ thống ngân hàng Việt Nam: Vietcombank đại diện cho nhóm NHTM Nhà nước quy mô lớn (Big4); Sacombank đại diện cho nhóm NHTM Cổ phần quy mô vừa và lớn; Eximbank đại diện cho nhóm NHTM Cổ phần quy mô nhỏ. Việc phân tách này giúp loại trừ hiện tượng bù trừ rủi ro giữa các nhóm ngân hàng và đảm bảo tính khách quan trong đánh giá mức độ phơi nhiễm rủi ro thị trường.
2. Kết quả phân tích khe hở lãi suất năm 2022 cho thấy các ngân hàng đang đối mặt với rủi ro gì?
Báo cáo tài chính năm 2022 cho thấy cả ba ngân hàng đều có khe hở lãi suất dương ($GAP_{rs} > 0$) với giá trị lần lượt là VCB: +171.521.443 triệu đồng, STB: +61.368.995 triệu đồng, EIB: +22.399.463 triệu đồng, và tỷ lệ nhạy cảm lãi suất đều lớn hơn 1 (VCB: 1,10; STB: 1,11; EIB: 1,14). Cơ cấu này chỉ ra rằng Tài sản Có nhạy cảm với lãi suất lớn hơn Tài sản Nợ nhạy cảm với lãi suất, khiến ngân hàng chịu rủi ro sụt giảm lợi nhuận khi lãi suất thị trường tăng lên do chi phí huy động nợ ngắn hạn điều chỉnh tăng nhanh hơn thu nhập từ tài sản cho vay.
3. Kiểm định Jarque-Bera về phân phối chuẩn của chuỗi tỷ suất sinh lời mang lại kết quả như thế nào?
Kiểm định Jarque-Bera trên RStudio cho kết quả giá trị thống kê kiểm định $x^2$ của VCB là 288,2 ($p\text{-value} = 2,2 \times 10^{-16}$), STB là 67,2 ($p\text{-value} = 2,5 \times 10^{-15}$), và EIB là 239,2 ($p\text{-value} = 2,2 \times 10^{-16}$). Vì tất cả các $p\text{-value}$ đều nhỏ hơn mức ý nghĩa $\alpha = 0,05$, nghiên cứu bác bỏ giả thuyết $H_0$ và kết luận chuỗi tỷ suất sinh lời của cả 3 cổ phiếu đều không tuân theo phân phối chuẩn.
4. Khóa luận sử dụng những phương pháp nào để ước lượng VaR và dùng các gói lệnh nào trong R?
Nghiên cứu sử dụng 4 phương pháp ước lượng VaR: phương pháp RiskMetrics (mô hình $iGARCH(1,1)$), phương pháp tiếp cận kinh tế lượng Econometric Approach (mô hình $ARMA(0,0) + GARCH(1,1)$), phương pháp phân vị trực tiếp Quantile Estimation (mô phỏng lịch sử) và phương pháp mô phỏng Monte Carlo. Các gói thư viện được sử dụng trong RStudio gồm có fBasics, fGarch, rugarch, tseries và quantmod.
5. Tác giả đề xuất những giải pháp kỹ thuật nào để khắc phục các hạn chế vốn có của mô hình VaR?
Tác giả đề xuất kết hợp phương pháp kiểm định ngược (Back-testing) để đánh giá lại tần suất và mức độ sai lệch của các dự báo tổn thất trong quá khứ, đồng thời triển khai kỹ thuật kiểm tra sức chịu tải (Stress-testing) nhằm mô phỏng tác động tài chính trong các kịch bản thị trường xảy ra biến động cực đoan, bù đắp cho điểm yếu của VaR tại vùng đuôi phân phối ngoài độ tin cậy 95%.
Kết luận
Khóa luận tốt nghiệp của tác giả Ngô Phương Anh đã hệ thống hóa cơ sở lý luận về rủi ro thị trường và ứng dụng thành công mô hình Value at Risk trong việc lượng hóa mức độ tổn thất tiềm năng của các ngân hàng thương mại tại Việt Nam. Thông qua việc phân tích thực trạng tài chính năm 2022 và chuỗi dữ liệu 1.250 quan sát giá cổ phiếu giai đoạn 2018 – 2023 của Vietcombank, Sacombank và Eximbank trên phần mềm RStudio, nghiên cứu đã chỉ ra sự phơi nhiễm rủi ro lãi suất, rủi ro tỷ giá và tính chất phi chuẩn của chuỗi tỷ suất sinh lời tài chính. Các kết quả ước lượng từ 4 phương pháp tính toán VaR cùng hệ thống kiến nghị về kiểm định ngược, kiểm tra sức chịu tải và đầu tư hạ tầng dữ liệu cung cấp cơ sở thực nghiệm có giá trị tham khảo cho công tác quản trị rủi ro thị trường trong hệ thống ngân hàng thương mại.
