CHƯƠNG I. TỔNG QUAN NGHIÊN CỨU 1. Tổng quan nghiên cứu Tốc độ tăng trưởng nhanh của quá trình toàn cầu hóa cùng với phát triển VaR đã tạo ra rất nhiều các nghiên cứu VaR. Nghiên cứu nước ngoài Giá trị rủi ro (VaR) là tổn thất tối đa mà một người sẽ không vượt quá với một xác suất nhất định trong một khoảng thời gian nhất định (Manfred Gilli et al, 2011).
Theo Min Liu và cộng sự (2008) thì VaR được phát triển và quảng bá trong ngành ngân hàng nhằm cung cấp thước đo chung cho mức độ rủi ro của các danh mục đầu tư tài chính. Trong tài liệu tài chính, nó được định nghĩa là một giá trị tiền tệ mà danh mục đầu tư sẽ mất ít hơn số tiền đó trong một khoảng thời gian xác định với một xác suất xác định. VaR được áp dụng cho tất cả các loại tài sản: cổ phiếu, trái phiếu, công cụ phái sinh, tiền tệ, v. Cụ thể, VaR ước tính khoản lỗ tiềm ẩn tối đa mà một vị thế có thể phải chịu trong khoảng thời gian nắm giữ cụ thể và được cung cấp một mức độ tin cậy nhất định, thường là 99% hoặc 95% (A.
Julijana Angelovska (2012) đã viết bài nghiên cứu khả năng áp dụng mô hình SMA và EWMA VaR với mức độ tin cậy 95% và 99% trong các quy trình đầu tư trên thị trường chứng khoán của 3 quốc gia phát triển: Mỹ, Anh, Đức và 4 quốc gia Nam Tư cũ. Bài nghiên cứu đã chỉ ra rằng ở mức độ tin cậy 95% cho kết quả ước lượng VaR có độ chính xác tốt hơn so với độ tin cậy 99%. Có rất nhiều phương pháp để tính toán VaR, sử dụng các giả định và kỹ thuật khác nhau. Do tính toán VaR rất nhạy cảm với các giả định và dữ liệu nên các kết quả định lượng sẽ khác nhau khi áp dụng cùng một kỹ thuật bằng cách sử dụng các giả định khác nhau hoặc các bộ dữ liệu khác nhau.
(Min Liu, Felix F. Các phương pháp này không nhất thiết phải hiệu quả nhất hoặc mạnh mẽ nhất, nhưng khá đơn giản và dễ thực hiện. Điều này là do Ủy ban Basel cam kết nâng cao trình độ chuyên môn công nghệ của ngành ngân hàng. Dự kiến rằng các khuyến nghị và công cụ tính toán do Ủy ban Basel đề xuất trong tương lai sẽ ngày càng tinh vi hơn.
Rajesh Kumar (2014) cho rằng các ngân hàng sẽ tuân theo các tiêu chuẩn tối thiểu nhằm mục đích tính toán chi phí vốn của họ mặc dù vẫn tồn tại sự linh hoạt trong việc đưa ra bản chất chính xác của các mô hình VaR, hơn nữa VaR phải được tính toán hàng ngày. Để tính toán VaR, phải sử dụng phân vị thứ 99, khoảng tin cậy một đuôi 5 và cú sốc giá tức thời tương đương với biến động giá trong 10 ngày. Khoảng thời gian quan sát lịch sử có độ dài tối thiểu là một năm. Các ngân hàng được yêu cầu cập nhật bộ dữ liệu của họ ba tháng một lần.
Mô hình VaR đã trở thành một trong những phương pháp được sử dụng phổ biến trên thế giới và là tiêu chuẩn ngành để tính toán rủi ro (J. Theo Manfred Gilli và cộng sự (2011) thì một lý do chính cho sự phổ biến của VaR là nó rất trực quan và các giá trị bằng số của nó dễ diễn giải hơn các phép đo rủi ro khác như phương sai hoặc omega. Một lý do khác là nó được quy định trong các hiệp định Basel II và Basel III. VaR nắm bắt được một khía cạnh quan trọng của rủi ro, cụ thể là những điều tồi tệ có thể xảy ra như thế nào với một xác suất nhất định (Peter F.
Trong một nghiên cứu quản trị rủi ro bảo hiểm, Rajesh Kumar (2014) cho rằng ngoài việc đo lường rủi ro, các công cụ này còn được sử dụng để xác định vốn kinh tế, thiết lập các khoản khấu trừ bảo hiểm và mức nhượng tái bảo hiểm, cùng với ước tính các khoản bồi thường và tổn thất dự kiến. Tuy nhiên, cũng có một số hạn chế của VaR được chỉ ra trong các nghiên cứu trước đây. Artzner và cộng sự (1999) cho rằng mô hình VaR còn có những thuộc tính thiếu đi chứa đựng những thuộc tính toán học hơi phiền phức, như thiếu đi cộng tính phụ và tính lồi. Philippe Jorion (2003) nêu lên rằng hạn chế lớn nhất của mô hình VaR là thị trường không thay đổi nhiều trong khoảng thời gian ước lượng VaR.
Wolfgang Schwerdt (2010) lưu ý rằng khi sử dụng VaR phải luôn ghi nhớ VaR chỉ đo lường tổn thất lớn nhất ở một xác suất nhất định mà lại bỏ qua bất kỳ tổn thất nào khác có khả năng lớn hơn nhiều hay nghiêm trọng hơn nhiều so với tổn thất do VAR đưa ra. Choudhry (2013) và Yamai & Yoshiba (2005) cũng nhận thấy được điều đó, các khoản lỗ vượt quá ngưỡng không thể được ghi lại bằng thước đo VaR. Trong một nghiên cứu về rủi ro thanh khoản của Moorad Choudhry (2001), với các điều kiện thị trường cực đoan chẳng hạn như sự sụp đổ hoặc sự điều chỉnh đáng kể của thị trường, thước đo VaR sẽ đánh giá thấp rủi ro. Sự thiếu chính xác đó thể hiện qua kết quả VaR của Long Term Capital Management - một quỹ phòng hộ tích cực và có đòn bẩy cao, chỉ rõ ràng khi thị trường giảm với tốc độ đáng báo động sau vụ vỡ nợ kỹ thuật của trái phiếu Nga và các vấn đề tiền tệ ở Brazil, việc thiếu thanh khoản dẫn đến thua lỗ gấp nhiều lần so với giá trị VaR.
Như trong năm 2007, 2008 do điều kiện thị trường có những biến động đột ngột vượt xa so với trong quá khứ đã dẫn đến sự khủng hoảng và phá sản của hàng loạt các ngân hàng đầu tư trên 6 thế giới. Ngoài ra, mô hình còn có hạn chế do dựa trên giả định đồ thị phân phối dạng chuẩn, cân xứng với độ lệch chuẩn. VaR có nhược điểm lớn nữa, đó là con số VaR chỉ cho chúng ta biết rằng 1% trường hợp chúng ta sẽ nhận được lợi nhuận thấp hơn con số VaR được báo cáo, nhưng nó không nói lên điều gì sẽ xảy ra trong 1% trường hợp xấu nhất đó. Hơn nữa, VaR giả định rằng danh mục đầu tư không đổi trong N ngày tiếp theo (Peter F.
VaR của Danh mục đầu tư không bằng tổng VaR các thành phần của nó. VaR của một danh mục đầu tư hoặc doanh nghiệp có thể rất khác so với tổng các thước đo VaR của các bộ phận. Lý do là các biện pháp VAR của các bộ phận khác nhau có khả năng tương quan tích cực hoặc tiêu cực (Wolfgang Schwerdt, 2010). Tác giả cho rằng nếu các phép đo VaR dành riêng cho từng bộ phận không tương quan hoặc độc lập với nhau, thì VaR của danh mục sẽ là VaR của tổng các bộ phận của nó.
Ngược lại, phép đo VAR tổng hợp phụ thuộc vào ma trận tương quan giữa các phép đo VaR của các bộ phận. Ảnh hưởng của điều này là trong một số trường hợp, VAR của một danh mục đầu tư hoặc doanh nghiệp có thể cao hơn đáng kể so với tổng VAR của các bộ phận, trong khi ở những trường hợp khác, nó sẽ thấp hơn đáng kể. Thêm vào đó, (Rockafellar & Uryasev, 2002) đưa ra kết luận rằng kết quả VaR tính được từ sự kết hợp hai danh mục có thể tốt hơn tổng các rủi ro của từng danh mục đơn lẻ. Nghiên cứu trong nước Đặng Hữu Mẫn (2009) xem xét chỉ số FTSE 100 trên thị trường chứng khoán (TTCK) Anh để nghiên cứu tính hiệu quả của mô hình VaR trong những giai đoạn thị trường biến động mạnh, đặc biệt là khủng hoảng.
Thông qua ứng dụng 4 mô hình VaR khá phổ biến bao gồm mô phỏng lịch sử, RiskMetrics, N-GARCH (1,1) và t-GARCH (1,1) dưới những giả định phân phối của thu nhập thị trường vốn Anh Quốc. Kết quả thực nghiệm chỉ ra rằng mô phỏng lịch sử không có ý nghĩa trong suốt giai đoạn khủng hoảng. Các mô hình tham số đều không cho kết quả chính xác với giả định phân phối chuẩn. Ngoài ra, nghiên cứu cũng chỉ ra rằng trong suốt giai đoạn khủng hoảng, mô hình VaR chỉ hoạt động hiệu quả tại mức tin cậy 97.5%, thấp hơn mức khuyến cáo của Ủy ban Basel khi dự báo rủi ro đối với DMĐT của một định chế tài chính (99%).
Võ Trí Thành và cộng sự (2000) sử dụng mô hình VAR và ECM để xem xét mối quan hệ giữa lạm phát với tỷ giá, khối tiền và sản lượng công nghiệp trong giai đoạn 1992- 1999 cho thấy, tiền tệ chịu tác động của lạm phát và sản lượng công nghiệp. Bên 7 cạnh đó, tỷ giá cũng có ảnh hưởng đến lạm phát trong khi cung tiền không có ảnh hưởng đến biến động của giá cả trong tương lai. Lạm phát tác động tiêu cực đến tăng trưởng sản lượng nhưng không mạnh mẽ, trong khi trong dài hạn, không tìm thấy mối quan hệ giữa tăng trưởng sản lượng và lạm phát Võ Hồng Đức và Huỳnh Long Phi (2015) sử dụng 12 mô hình khác nhau để ước lượng VaR 1 ngày của chỉ số chứng khoán VN-Index và HNX-Index trên mẫu dữ liệu nghiên cứu bao gồm 2001 quan sát trong giai đoạn 2006-2014 ở các mức rủi ro khác nhau để kiểm định sự phù hợp về chất lượng dự báo của các mô hình ước lượng VaR tại TTCK Việt Nam. Kết quả thực nghiệm cho thấy ở mức rủi ro 5%, nhiều mô hình dự báo không thỏa điều kiện kiểm định.
Nhằm cung cấp thêm bằng chứng thực nghiệm trong việc đánh giá mô hình dự báo rủi ro danh mục tốt nhất, Lê Phan Thị Diệu Thảo và Nguyễn Thanh Phú (2015) đã nghiên cứu đánh giá và xếp hạng một số mô hình kinh tế lượng phổ biến trên thế giới trong việc ước lượng VaR Bài viết sử dụng 8 mô hình nghiên cứu đại diện cho các cách tiếp cận tham số, phi tham số, bán tham số cho các danh mục đầu tư thị trường đại diện cho thị trường mới nổi và thị trường phát triển với 2 mức ý nghĩa là 1% và 5%. Kết quả thực nghiệm cho thấy hầu hết các mô hình đều hoạt động hiệu quả ở mức ý nghĩa 5%. Tuy nhiên, tại mức ý nghĩa 1%, các mô hình có giả định dữ liệu là phân phối chuẩn như phương sai – hiệp phương sai, GARCH, EGARCH hoàn toàn thất bại trong dự báo VaR. Phùng Thế Đông và cộng sự (2022) dựa trên dữ liệu thu nhập hàng quý từ quý III/2006 đến quý IV/2021 tại Việt Nam, nghiên cứu đã tiến hành xem xét một số nhân tố ảnh hưởng đến lạm phát cũng như dự báo về lạm phát trong quý II/2022.