B GIÁO DCăVĨăĨOăTO
TRNGăI HC KINH T TP. H CHÍ MINH
NGUYN THANH PHÚ
XP HNG CÁC MÔ HÌNH VALUE AT RISK
TRONG D BÁO RI RO DANH MC
LUNăVNăTHCăS KINH T
Tp. H Chí Minh ậ Nmă2015
B GIÁO DCăVĨăĨOăTO
TRNGăI HC KINH T TP. H CHÍ MINH
NGUYN THANH PHÚ
XP HNG CÁC MÔ HÌNH VALUE AT RISK
TRONG D BÁO RI RO DANH MC
Chuyên ngành: TÀI CHÍNH ậ NGÂN HÀNG
Mã s: 60340201
LUNăVNăTHCăS KINH T
NGIăHNG DN KHOA HC
PGS. TS. LÊ PHAN TH DIU THO
Tp. H Chí Minh ậ Nmă2015
LIăCAMăOAN
Tôi xin cam đoan Lun vn Thc s Kinh t vi đ tài “Xp hng các mô hình
Value at Risk trong d báo ri ro danh mc” là công trình nghiên cu ca riêng
tôi di s hng dn ca PGS. TS. Lê Phan Th Diu Tho.
Các s liu, kt qu trong lun vn là trung thc và cha tng đc ai công b trong
bt k công trình nào khác. Tôi s chu trách nhim v ni dung tôi đư trình bày
trong lun vn này.
TP. HCM, tháng 5 nm 2015
Tác gi
Nguyn Thanh Phú
MC LC
TRANG PH BÌA
LIăCAMăOAN
MC LC
DANH MC CÁC THUT NG VIT TT
DANH MC CÁC BNG
DANH MCăCỄCă TH
CHNGă1:ăGII THIU V TÀI 1
1.1. Lý do chnăđ tài 1
1.2. Mc tiêu nghiên cu 1
1.3. Ni dung nghiên cu 2
1.4. Phngăphápănghiênăcu 2
1.5. Phm vi nghiên cu 2
1.6. ụănghaăđ tài 3
1.7. Kt cu ca bài nghiên cu 3
CHNGă2:ăTNG QUAN CÁC NGHIÊN CU V VaR 5
2.1. Tng quan v Value at Risk (VaR) 5
2.1.1. Khái nim VaR 5
2.1.2. S phát trin ca VaR trong qun tr ri ro 5
2.1.3. Mt s đc đim ca VaR 6
2.1.4. Các thông s nh hng đn VaR 6
2.2. Các cách tip cn các mô hình VaR 8
2.2.1. Cách tip cn Phi tham s (Nonparametric) 8
Mô hình Mô phng Quá kh (Historical Simulation) 8
Mô hình mô phng Monte Carlo 9
2.2.2. Cách tip cn tham s 10
Mô hình Riskmetrics 10
Mô hình Phng sai-Hip phng sai (Variance-Covariance) 11
Mô hình GARCH 12
Mô hình EGARCH 13
2.2.3. Cách tip cn bán tham s 13
Mô hình CAViaR thích nghi (CAViaR Adaptive) 14
Mô hình Giá tr tuyt đi đi xng (CAViaR Symmetric) 15
Mô hình GARCH(1,1) gián tip (CAViaR Indirect GARCH) 15
Mô hình đ dc bt đi xng (CAViaR Asymmetric) 16
Lý thuyt giá tr cc tr (Extreme Value Theory – EVT) 18
2.2.4. Kim tra li phng pháp lun VaR (Back-testing) 19
Kim đnh phm vi vô điu kin (Unconditional Coverage Test) 19
Kim đnh phm vi có điu kin (Conditional Coverage Test) 20
2.2.5. Stress test 22
Khái nim 22
Phân tích kch bn 22
La chn kch bn 22
ánh giá nh hng ca các kch bn 23
ánh giá Stress Test 24
2.3. Bng chng thc nghim v xp hng các mô hình VaR 24
2.2.6. Bng chng thc nghim ti các th trng đang phát trin 24
2.2.7. Bng chng thc nghim ti các th trng mi ni 24
2.2.8. Bng chng thc nghim ti các th trng phát trin 25
CHNGă3:ăPHNGăPHỄPăNGHIểNăCU 27
3.1. Các mô hình d báo VaR và d liuăđc s dng 27
3.2. Phân tích d liu 29
3.2.1. Tính toán TSSL 29
3.2.2. Mô t thng kê ca chui d liu TSSL 29
3.2.3. Mô hình d báo VaR và phng pháp kim đnh 33
Mô hình Historical Simulation 34
Mô hình Variance-Covariance 35
Mô hình GARCH (1,1) 35
Mô hình EGARCH (1,1) 36
Mô hình CAViaR Adaptive 36
Mô hình CAViaR Symmetric 37
Mô hình CAViaR Indirect GARCH 37
Mô hình CAViaR Asymmetric 37
Mô hình kim đnh VR 37
3.2.4. Các bc nghiên cu 38
CHNGă4:ăKT QU NGHIÊN CU 41
4.1. Kt qu d báo VaR 41
4.1.1. Trình bày kt qu d báo VaR theo bng 41
4.1.2. Trình bày kt qu d báo VaR bng đ th 45
4.2. Kimăđnh kt qu d báo 54
4.3. Xp hng,ăphơnătíchăvƠăđánhăgiáăkt qu d báo 56
4.3.1. Xp hng các mô hình 56
4.3.2. Phân tích kt qu xp hng 57
4.3.3. Phân tích đ th kt qu d báo. 58
4.3.4. La chn mô hình d báo ri ro danh mc. 58
CHNGă5:ăKT LUN 60
5.1. Kt qu nghiên cu 60
5.2. Hn ch ca bài nghiên cuăvƠăhng m rng 60
Li kt 61
TÀI LIU THAM KHO
PH LC
DANH MC CÁC THUT NG VIT TT
CAViaR
CRO
EGARCH
EWMA
ES
EVT
GARCH
HS
TSSL
VaR
VR
Conditional Autoregressive Value at Risk - Mô hình VaR
t hi quy có điu kin
Chief Risk Officer – Giám đc qun tr ri ro
Exponential GARCH – GARCH ly tha
Mô hình bình quân gia quyn theo hàm s m
Expected Shortfall – Thc đo giá tr tn tht k vng
Extreme Value Theory – Mô hình cc tr
Generalized autoregressive conditional heteroskedasticity
ARCH tng quát
Histirical Simulation – Mô hình mô phòng lch s
T sut sinh li
Value at Risk – Thc đo giá tr chu ri ro
Violation ratio – T l vi phm
DANH MC CÁC BNG
Bng 1: Mt s kt qu nghiên cu thc nghim Mô hình Monte Carlo 10
Bng 2: Mt s nghiên cu m rng ca mô hình CAViaR 17
Bng 3: D liu danh mc chng khoán s dng 28
Bng 4: Kt qu c lng VaR cho danh mc DJA và NEKKEI 225 42
Bng 5: Kt qu c lng VaR cho danh mc FTSE và DAX 43
Bng 6: Kt qu c lng VaR cho danh mc BOVESPA và SSEC 44
Bng 7: Kt qu c lng VaR cho danh mc SENSEX và VNINDEX 44
Bng 8: S trng hp vi phm ca các mô hình VaR ti mc ý ngha 1% 54
Bng 9: S trng hp vi phm ca các mô hình VaR ti mc ý ngha 5% 54
Bng 10: Kt qu kim đnh c lng VaR ti mc ý ngha 1% 55
Bng 11: Kt qu kim đnh c lng VaR ti mc ý ngha 5% 55
Bng 12: Kt qu xp hng c lng VaR ti mc ý ngha 1% 56
Bng 13: Kt qu xp hng c lng VaR ti mc ý ngha 5% 56
DANH MC CÁC TH
th 1: S phân b li/l trong khong thi gian xác đnh VaR 7
th 2: Tác đng ca TSSL và Phng sai lên thc đo VaR 15
th 3: Phân phi xác sut TSSL ca danh mc DJIA 29
th 4: Phân phi xác sut TSSL ca danh mc FTSE 100 30
th 5: Phân phi xác sut TSSL ca dah mc NIKKEI 225 30
th 6: Phân phi xác sut TSSL ca danh mc DAX 30
th 7: Phân phi xác sut TSSL ca danh mc BOVESPA 31
th 8: Phân phi xác sut TSSL ca danh mc SENSEX 31
th 9: Phân phi xác sut TSSL ca danh mc SSEC 31
th 10: Phân phi xác sut TSSL ca danh mc VN INDEX 32
th 11: Kt qu d báo VaR cho danh mc DJA ti mc ý ngha 1% 46
th 12: Kt qu d báo VaR cho danh mc DJA ti mc ý ngha 5% 46
th 13: Kt qu d báo VaR cho danh mc NIKKEI ti mc ý ngha 1% 47
th 14: Kt qu d báo VaR cho danh mc NIKKEI ti mc ý ngha 5% 47
th 15: Kt qu d báo VaR cho danh mc FTSE ti mc ý ngha 1% 48
th 16: Kt qu d báo VaR cho danh mc FTSE ti mc ý ngha 5% 48
th 17: Kt qu d báo VaR cho danh mc DAX ti mc ý ngha 1% 49
th 18: Kt qu d báo VaR cho danh mc DAX ti mc ý ngha 5% 49
th 19: Kt qu d báo VaR cho danh mc BOVESPA ti mc ý ngha 1% 50
th 20: Kt qu d báo VaR cho danh mc BOVESPA ti mc ý ngha 5% 50
th 21: Kt qu d báo VaR cho danh mc SSEC ti mc ý ngha 1% 51
th 22: Kt qu d báo VaR cho danh mc SSEC ti mc ý ngha 5% 51
th 23: Kt qu d báo VaR cho danh mc SENSEX ti mc ý ngha 1% 52
th 24: Kt qu d báo VaR cho danh mc SENSEX ti mc ý ngha 5% 52
th 25: Kt qu d báo VaR cho danh mc VNINDEX ti mc ý ngha 1% 53
th 26: Kt qu d báo VaR cho danh mc VNINDEX ti mc ý ngha 5% 53
1
CHNGă1:ăGII THIU V TÀI
1.1. Lý do chnăđ tài
Khng hong tài chính toàn cu nm 2008 đư đi qua nhng d chn nng n vn
còn tip tc kéo dài đn ngày hôm nay. Anh hng tiêu cc đn các thành phn
kinh t trong th trng, đc bit là các qu đu t. Chính vì th, vai trò qun tr ri
ro ngày càng tr nên quan trng, các mô hình ngày càng tr nên quan trng và tr
thành vn đ nóng bng ca gii tài chính nh là mt h qu tt yu.
Sau thi gian dài hình thành và phát trin, mô hình VaR đư ra đi, và các ng dng
xoay quanh nó đư cho thy đc nhng hiu qua thc t. Hin ti có khá nhiu
phng pháp đ tính VaR t đn gin ti nhng tính toán phc tp, yêu cu phi s
dng nhng h thng chuyên dng.
Tuy nhiên, nhng mô hình này cng có nhng u đim và nhc đim riêng bit.
đánh giá đâu là mô hình phù hp nht đ d báo tt nht ri ro cho danh mc
đu t, tác gi đư tin hành nghiên cu đ tài: Xp hng các mô hình Value at
Risk trong d báo ri ro danh mc.
1.2. Mc tiêu nghiên cu
Bài nghiên cu tin hành đánh giá và xp hng mt s mô hình kinh t lng ph
bin trên th gii trong vic c lng VaR. Qua đó, nhm cung cp thêm bng
chng thc nghim trong vic đánh giá đâu là mô hình d báo ri ro danh mc tt
nht.
Tác gi s dng tám mô hình nghiên cu đi din cho các cách tip cn tham s, phi
tham s, bán tham s đ c lng VaR cho tám danh mc đu t th trng đi
din cho th trng mi ni và th trng phát trin vi 2 mc Ủ ngha 1% và 5%.
Sau khi tin hành c lng VaR, tác gi s thc hin kim đnh theo phng pháp
t l VR đ xp hng các mô hình c lng VaR.
2
1.3. Ni dung nghiên cu
T các mc tiêu nghiên cu, lun vn tp trung gii quyt các vn đ sau:
Th nht, tin hành nghiên cu tt c các mô hình c lng VaR trên th gii.
Th hai, c lng VaR cho tám danh mc vi hai mc Ủ ngha 1% và 5% bng
tám mô hình Historical Simulation, Variance – Corvariance, GARCH, EGARCH,
CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR
Adaptive.
Th ba, kim đnh kt qu d báo ca các mô hình theo phng pháp t l vi phm
VR và xp hng các mô hình da trên kt qu kim đnh. Sau đó, tin hành phân
tích bng đ th đ kim tra tính chính xác và đa ra kt qu cui cùng.
1.4. Phngăphápănghiênăcu
Bài nghiên cu s dng mô hình kinh t lng và phng pháp kim đnh đc đ
xut và phát trin bi các nhà nghiên cu uy tín trong các công trình khoa hc trc
đây.
Các mô hình mà tác gi s dng đ tin hành c lng VaR là: Historical
Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric,
CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive.
D liu ca tám danh mc chng khoán đ chy mô hình bao gm: S&P 500,
FTSE100, DAX, Nikkei225, SSEC, BOVESPA, SENSEX, VNINDEX.
c ly t các website tài chính uy tín là và t phn
mm Metastock. Các phn mm, công c h tr đc tác gi s dng cho vic x lý
s liu và tin hành c lng, kim đnh là Excel, Eviews và Matlab.
1.5. Phm vi nghiên cu
n hin ti, có khá nhiu mô hình đc s dng đ c lng VaR nh Historical
Simulation, Variance – Corvariance, GARCH, EGARCH, CAViaR symmetric,
CAViaR Asymmetric, CAViaR Indirect GARCH, CAViaR Adaptive, Riskmetrics,
3
Monte Carlo… Tng t, vic kim đnh các phng pháp c lng cng có th
đc thc hin theo nhiu phng pháp nh VR, Kupiec, Christoffersen’s
Independent, DQ, White’s SPA…
Tuy nhiên, do hn ch v thi gian, tác gi không th nghiên cu sâu v đc đim,
phng thc thc hin cng nh u nhc đim ca tt c các mô hình c lng
VaR và phng pháp kim đnh, nên bài nghiên cu ch thc hin c lng VaR
bng tám phng pháp Historical Simulation, Variance – Corvariance, GARCH,
EGARCH, CAViaR symmetric, CAViaR Asymmetric, CAViaR Indirect GARCH,
CAViaR Adaptive và kim đnh bng phng pháp t l vi phm VR.
1.6. ụănghaăđ tài
Trong bi cnh tình hinh kinh t th gii và trong nc vn còn trong tình trng bt
n nh hin nay, ri ro th trng vn luôn là mi đe da thng trc vi các ch
th tham gia vào nn kinh t.
VaR đư đc s dng rng rãi trên th gii nh là nhng yêu cu bt buc khi báo
cáo cho y bán chng khoán M. Ti Vit Nam, nm 2013 y Ban Chng khoán
Nhà nc đư ban hành Quy ch Hng dn Thành lp và Vn hành H thng Qun
tr Ri ro cho Công ty Qun lý qu.
Bài nghiên cu s giúp cho các nhà đu t, các CRO có đc thêm nhng kin thc
khái quát v VaR. Ngoài ra, kt qu nghiên cu trong bài còn là mt bng chng
thc nghim đ h có th tham kho la chn mô hình phù hp trong d báo ri ro
danh mc đu t.
1.7. Kt cu ca bài nghiên cu
Ngoài phn tóm tt, danh mc bng biu, danh mc các t vit tt, ph lc, tài liu
tham kho, đ tài có tt c 5 chng, bao gm:
Chng 1: Gii thiu v đ tài
4
Trong chng đu tiên, tác gi khái quát v lý do chn đ tài, mc tiêu nghiên cu,
ni dung nghiên cu, phng pháp và phm vi nghiên cu, Ủ ngha ca đ tài cng
nh tóm lc kt cu ca bài nghiên cu.
Chng 2: Tng quan nhng nghiên cu v các mô hình VaR
Trong chng này, tác gi khái quát lý thuyt và các nghiên cu trên th gii liên
quan đn thc do VaR cng nh các mô hình d báo VaR. Bên cnh đó, tác gi
trình bày các bng chng thc nghim v xp hng các mô hình VaR trong d báo
ri ro danh mc.
Chng 3: Phng pháp nghiên cu
chng này, tác gi tóm lc các mô hình và ngun d liu đ thc hin nghiên
cu cng nh mô t khái quát các bc x lý d liu và thc nghim vi công c,
phn mm h tr là Excel, Eviews và Matlab.
Chng 4: Kt qu nghiên cu
Trong chng này, tác gi trình bày các kt qu d báo VaR, kt qu kim đnh
theo phng pháp VR cng nh kt qu xp hng các mô hình. Cui cùng, tác gi
tin hành đánh giá kt qu xp hng và thc hin phân tích đ th đ kim tra li s
chính xác ca kt qu xp hng.
Chng 5: Kt lun
chng này, tác gi tng kt ni dung nghiên cu và đ xut hng m rng cho
nhng nghiên cu tip theo.
5
CHNGă2:ăTNG QUAN CÁC NGHIÊN CU V VaR
2.1. Tng quan v Value at Risk (VaR)
2.1.1. Khái nim VaR
Theo Giáo trình Qun tr ri ro tài chính ca Nguyn Th Ngc Trang nm 2010,
Giá tr có ri ro (VaR) là mt phng pháp đo lng tính bng tin ca khon l ti
thiu d kin trong mt thi k vi mt xác sut cho sn. Ví d VaR là $5 triu
trong mt ngày vi xác sut 0.05 có ngha là công ty d kin l ít nht $5 trong mt
ngày vi xác sut 5%. Ngoài cách hiu trên, có th din t VaR theo mt cách khác.
Theo đó, có kh nng xác sut 95% khon l ca công ty s không vt quá $5
triu. Vi cách hiu này, VaR tr thành khon l ti đa tng ng vi mt xác sut
nào đó. Tm quan trng là ln hay nh ca khon l $5 triu tùy thuc vào quy mô
và khu v ri ro ca công ty này. Nhng rõ ràng là d kin s xut hin mt khon
l ít nht $5 triu trong 20 ngày giao dch, có ngha là khong mi tháng mt ln.
Nói mt cách d hiu, VaR chính là cách thc mà bn xác đnh phân phi xác sut
ca nhng ngun gc c bn (Giá c hàng hóa, t giá, giá chng khoán…) dn đn
ri ro và tìm cách cô lp t l phn trm sut hin các kt qu xu nht. S dng ví
d trên ta có VaR s xác đnh 5% là kt qu xu nht. Kt qu ti 5% là VaR.
2.1.2. S phát trin ca VaR trong qun tr ri ro
VaR đc xây dng trên nhng c s lý thuyt xác sut và thng kê t nhiu th k
và k tha t nhng phng pháp đo lng ri ro trc đó, đc phát trin và ph
bin đu nhng nm 1990 bi mt lot các nhà khoa hc và toán hc tài chính làm
vic trong JPMorgan Chase. T nm 1994, vi s ra đi ca Riskmetrics, mt gói
sn phm ng dng VaR mang thng hiu ca mt công ty tách ra t JPMorgan
Chase, Value at Risk đư đc áp dng rng rãi và tr thành mt tiêu chun trong
vic đo lng và giám sát ri ro tài chính, đc bit là ri ro th trng, trên toàn th
gii.
6
Vào cui nhng nm 1990, y ban Chng khoán M phán quyt rng các công ty
phi báo cáo mt công b đnh lng các ri ro th trng trong báo cáo tài chính
ca h cho s tin li ca nhà đu t, và VaR đư tr thành công c chính đ làm
nh vy.
Cùng thi gian đó, y ban Basel v giám sát ngân hàng nói rng các công ty và các
ngân hàng có th da trên tính toán VaR ni b ca riêng ca h đ thit lp các yêu
cu v vn ca h. Vì vy, nu VaR ca h khá thp, s tin h đư phi dành đ
trang tri các ri ro có th xu đi cng có th mc thp.
Ti Vit Nam, nm 2013 y Ban Chng khoán Nhà nc (UBCKNN) đư ban hành
Quy ch Hng dn Thành lp và Vn hành H thng Qun tr Ri ro cho Công ty
Qun lý qu. Trong quy ch này, UBCKNN đư đ cp đn VaR và các cách tính c
bn ca VaR giúp hng dn các công ty Qun lý qu qun tr ri ro hiu qu hn.
2.1.3. Mt s đcăđim ca VaR
VaR thông thng đc tính cho tng ngày trong khong thi gian nm gi tài
sn, và thng đc tính vi đ tin cy 95% hoc 99%.
VaR có th áp dng đc vi mi danh mc có tính lng. Tt c mi tài sn lng
đu có giá tr không c đnh, đc điu chnh theo th trng vi mt quy lut
phân b xác sut nht đnh.
Hn ch ln nht ca VaR, đó là gi đnh các yu t ca th trng không thay
đi nhiu trong khong thi gian xác đnh VaR. ây là mt hn ch rt ln, và
trong nm 2007, 2008 đư dn đn s phá sn ca mt lot ngân hàng đu t trên
th gii, do điu kin th trng có nhng bin đng đt ngt vt xa so vi
trong quá kh.
2.1.4. Các thông s nhăhngăđn VaR
Ði vi nhà đu t thì VaR ca mt danh mc tài sn tài chính ph thuc vào ba
thông s quan trng là tin cy, Khong thi gian đo lng VaR và S phân b
li/l trong khong thi gian này.
7
tin cy. Vi mi công ty khác nhau s có mt nhu cu v đ tin cy khác nhau,
nó còn tùy thuc vào khu v ri ro ca tng nhà đu t. Nhng nhà đu t không
thích ri ro s mun có đ tin cy cao. Bên cnh đó, vi mc đích kim đnh tính
đúng đn ca c tính VaR, thì vic chn đ tin cy không cn quá cao, bi l nu
đ tin cy quá cao (99% chng hn) thì lúc đó VaR s cao hn, hay nói cách khác là
xác sut đ thua l ln hn VaR s thp đi, dn đn thi gian đ thu thp d liu xác
đnh tính đúng đn ca kim đnh s kéo dài hn.
Khong thi gian đo lng VaR. Mt trong nhng yu t quan trng đ áp dng
VaR đó là thi gian s dng. Trong nhng khung thi gian khác nhau thì TSSL ca
danh mc s có nhng đ giao đng khác nhau, thông thng khung thi gian càng
dài thì đ giao đng ca danh mc càng ln.
Ngun: internet
th 1: S phân b li/l trong khong thi gian xác đnh VaR
S phân b li/l trong khong thi gian xác đnh VaR. Ðng phân b khon li
l ca danh mc đu t th hin thông s quan trng nht và khó xác đnh nht. Vì
mc tín nhim ph thuc vào kh nng chu đng ri ro ca nhà đu t, nu mc tín
8
nhim này càng quan trng thì VaR càng cao. Nói c th nu nhà đu t s ri ro thì
h s hoch đnh mt chin lc nhm gim xác sut xy ra các trng hp xu
nht.
2.2. Các cách tip cn các mô hình VaR
2.2.1. Cách tip cn Phi tham s (Nonparametric)
Phng pháp phi tham s không da trên nhng gi đnh v phân phi và các yêu
cu liên quan. Mt li th ca phng pháp này là d tránh đc các li k thut,
tuy nhiên hn ca các phng pháp này nm vic không gi đnh phân phi.
Mô hình Mô phng Quá kh (Historical Simulation)
Mô hình VaR da trên phng pháp Historical Simulation (HS) là các tip cn phi
tham s c đin nht. S dng HS, ta có th tính toán TSSL ca danh mc da trên
d liu quá kh trong mt khong thi gian ngi s dng xác đnh, các thông tin
này đc biu din di hình thc biu đ. T đó, ta s d dàng tính khon l vt
quá vi xác sut 5% hay 1%.
Các bc tính VaR theo phng pháp này nh sau
Bc 1. Tính giá tr hin ti ca danh mc đu t.
Bc 2. Tng hp tt c các t sut sinh li quá kh ca danh mc đu t trong mt
khong thi gian xác đnh.
Bc 3. Xp các t sut sinh li theo th t t thp nht đn cao nht.
Bc 4. Tính VaR theo đ tin cy và s liu t sut sinh li quá kh.
Phng pháp đa ra gi thuyt rng s phân b t sut sinh li trong quá kh có th
tái din trong tng lai nên s dng d liu TSSL trong quá kh đ c tính VaR vì
cho rng quá kh s lp li.
Mô hình mô phng quá kh có nhng u đim là rt trc quan, đn gin và d hiu;
nhng s liu tn tht đc bit trong quá kh có th vn đc tính đn trong mô
hình này; mô hình này tng đi d trin khai áp dng; có th s dng s liu s
9
liu sn có t nhiu ngun khác nhau; có th x lỦ đc nhiu dng phân phi khác
nhau ca li sut.
Mt trong nhng nhc đim ca mô hình mô phng quá kh là mô hình này ph
thuc hoàn toàn vào s liu quá kh nên không th thc hin khi không có s liu
hoc khi s liu không đáng tin cy. S lng các bn ghi ca s liu quá kh cng
nh hng đn đ tin cy ca giá tr c lng VaR.
Mô hình mô phng Monte Carlo
V tng quát, mô phng Monte Carlo đa ra nhng kt qu ngu nhiên nên ta có th
kim tra xem cái gì đang xy ra và s to ra loi ri ro nh th nào. Mô hình này
đc s dng rng rãi trong nhiu ngành khoa hc cng nh trong kinh doanh đ
phát hin nhiu vn đ khác nhau.
Mô hình Monte Carlo trc ht đnh ngha các bin và tham s có th nh hng
đn li sut, tip theo dùng k thut mô phng (s dng sc mnh tính toán ca các
chng trình máy tính) đ to ra rt nhiu kt qu mô phng, mi kt qu mô phng
gn vi mt giá tr lãi/l. Các kt qu mô phng này s to ra mt phân phi v
lãi/l và VaR s đc tính toán t phân phi này.
Mô hình Monte Carlo có nhiu u đim nh: có th xem xét đc nhiu hành vi ri
ro trên th trng, có th x lỦ đc các ri ro phi tuyn tính và ca các công c tài
chính phc tp, không quá ph thuc vào s liu trong quá kh. Trc đây mô hình
Monte Carlo có mt nhc đim là cn tính toán rt nhiu, nhng ngày nay vi phát
trin ca ngành Công ngh thông tin nhc đim này càng ngày càng không đáng
k.
Tác gi
Nhnăđnh
Estrella và cng s
(1994)
Monte Carlo là mt k thut thú v, đc s dng
đ c tính VaR cho các danh mc đu t phi
tuyn bi vì nó không đòi hi gi đnh v s phân
10
phi chung ca d liu. Tuy nhiên, chi phí tính
toán quá ln là mt rào cn hn ch ng dng ca
nó vào nhng vn đ ngn chn ri ro th gii
thc
Antonelli và Iovino
(2002)
xut mt phng pháp lun ci thin hiu qu
tính toán ca mô phng Monte Carlo đ c tính
VaR.
Abad và Benito (2013)
Huang (2009) Tolikas và
cng s(2007)
Bao và cng s (2006)
Các c tính VaR đt đc bng các phng
pháp khác có đ chính xác ln hn so vi Monte
Carlo
Bng 1: Mt s kt qu nghiên cu thc nghim Mô hình Monte Carlo
Ngun: Pilar Abad, Sonia Benito, Carmen López, 2013
2.2.2. Cách tip cn tham s
Mô hình Riskmetrics
Phng pháp tham s đo lng ri ro bng vic s dng đng cong xác sut cho
b d liu và t đó suy ra VaR. Trong s các phng pháp tham s, mô hình đu
tiên đ c tính VaR là Riskmetricss ca Morgan (1996). Mô hình này gi đnh
rng các TSSL ca danh mc đu t tuân theo phân phi chun. Theo gi thuyt
này, VAR ca mt danh mc đu t ti đ tin cy 1-% đc tính toán bng:
Trong đó,
là đim phân v th ca phân phi chun hóa và
là đ lch
chun có điu kin ca TSSL danh mc đu t.
c lng
, Morgan s dng mt mô hình trung bình di đng có trng s ly
tha (EWMA).
11
2
1
2
1
2
)1(
ttt
Trong đó, = 0.94
Nhng hn ch chính ca Riskmetricss liên quan đn các gi đnh TSSL tuân theo
phân phi chun. Bng chng thc nghim cho thy, TSSL không tuân theo phân
phi chun. Các h s đ lch trong hu ht các trng hp đu âm và có Ủ ngha
thng kê, ng ý rng s phân b TSSL là lch sang bên trái. Kt qu này không là
phù hp vi tính cht ca mt phân phi chun, đi xng. Ngoài ra, phân phi thc
nghim v TSSL đư đc ghi nhn đ th hin đ nhn quá mc (uôi và đnh)
(Bollerslev, 1987). Do đó, qui mô ca các khon l thc t là cao hn nhiu so vi
d đoán ca mt phân phi chun.
Hn ch th hai ca Riskmetricss liên quan đn mô hình đc s dng đ c tính
s bin đng có điu kin ca TSSL. Mô hình EWMA nm bt mt s đc tính phi
tuyn ca s bin đng, nhng không xem xét tính bt đi xng và hiu ng đòn
by (Black, 1976).
MôăhìnhăPhngăsai-Hip phngăsaiă(Variance-Covariance)
Phng pháp tip cn mô hình Phng sai-Hip phng sai có tên gi khác là
phng pháp phân tích (Analytical method)
Phng pháp này s dng nhng hiu bit v các giá tr nhp liu v các giá tr
nhp liu và nhng mô hình đnh giá có liên quan cùng vi các gi đnh đây là phân
phi chun.
Gi s rng li sut (R) trong khong thi gian nghiên cu (h ngày) tuân theo phân
phi chun vi giá tr trung bình
và đ lch chun
2
Khi đó VaR vi đ tin cy (1-) đc tính nh sau:
12
Trong đó,
là h s chun vi mc Ủ ngha
Mô hình phân tích có u đim là đn gin, d hiu, d thc hin. Tuy nhiên, gi
đnh rng li sut tuân theo phân phi chun có th ít khi đúng trên thc t. Trong
trng hp thiu d liu quá kh s không xây dng đc các phân phi này.
Mô hình VaR này thích hp cho trng hp mc đ ri ro thp và đn gin, khi các
v th giao dch trong danh mc phc tp hn, hoc mi quan h gia các v th là
phi tuyn tính thì chúng ta cn ti nhng mô hình VaR hoàn thin hn.
Mô hình GARCH
i vi h GARCH, Engle (1982) đư đa ra mô hình ARCH (Autoregressive
Conditional Heteroskedasticity) đc trng cho mt phng sai thay đi theo thi
gian.
Bollerslev (1986) hn na đư m rng mô hình bng vic thêm vào mô hình ARCH
tng quát (GARCH). Mô hình này ch rõ và c lng 2 phng trình: Phng
trình đu tiên mô t s phát trin ca t sut sinh li theo t sut sinh li quá kh.
Phng trình hai mô t s tin trin v bin đng ca t sut sinh li ( lch chun
không ch ph thuc vào nhiu trong quá kh mà còn ph thuc và đ lch chun
trong quá kh). Công thc tng quát ca mô hình GARCH là mô hình GARCH
(p,q) đc đi din bi biu thc sau:
Trong đó,
là chênh lch gia t sut sinh li thc t và t sut sinh li trung bình
.
là đ lch chun trong quá kh
Hu ht các nhà nghiên cu đ ngh dùng GARCH (1,1) đ c lng mô hình vì
chúng phù hp và tt nht đi vi chui thi gian tài chính. GARCH (1,1) có dng
nh sau:
13
2
11
2
110
2
ttt
Khi đó VaR vi đ tin cy (1-) ca các giá tr li tc t đc tính nh sau:
Trong đó,
là h s chun vi mc Ủ ngha .
Trong phng pháp này, nhng tác đng ca li nhun cc và phng sai đc mô
hình hóa đi xng
Mô hình EGARCH
bin đng ca d liu tài chính có th đc ghi nhn di gc đ bt cân xng,
vì th, nhng thông tin tt và nhng thông tin xu có th nh hng khác nhau đn
s bin đng trong tng lai. mô hình hóa, EGARCH đư đc phát trin nh là
mt m rng ca dòng mô hình GARCH.
Khi đó VaR vi đ tin cy (1-) ca các giá tr li tc t đc tính nh sau:
Trong đó,
là h s chun vi mc Ủ ngha .
2.2.3. Cách tip cn bán tham s
Phng pháp bán tham s kt hp gia phng pháp tham s và phng pháp phi
tham s. Phng pháp bán tham s quan trng nht là mô phng lch s có trng s
bin đi, và mô phng lch s có lc (FSH), phng pháp CaViaR và phng pháp
da trên lý thuyt giá tr cc tr.
14
Mô hình CAViaR thích nghi (CAViaR Adaptive)
Nghiên cu thc nghim cho thy rng s bin đng ca nhóm t sut sinh li th
trng chng khoán qua thi gian có th gii thích bng đnh lng (phng sai hay
đ lch chun) mà phân phi ca chúng b t tng quan. Kt qu là, VaR do liên
kt cht ch vi phân phi ca s bin đng này phi th hin hành vi tng t, có
ngha là b t tng quan.
Vì vy, Engle và Manganelli (2004) đư đ xut mt k thut nhm mô hình hóa đc
trng t tng quan này trong vic tính VaR gi là CAViaR - mô hình VaR t hi
quy có điu kin (Conditional Autoregressive Value at Risk). Phng pháp này da
trên c lng phân v, thay vì lp mô hình cho toàn b phân phi h đ xut lp
mô hình trc tip các phân v.
Ni dung: t
là vect ch TSSL tài chính đc quan sát ti thi đim t và
là
mt vect p ca nhng tham s cha bit. t
là phân v
ca phân phi ca t sut sinh li danh mc đc hình thành ti thi đim t-1.
Mô hình CAViaR tng quát nh sau:
Trong đó: là kích tht ca (s lng tham s trong mô hình)
là mt hàm ca 1 s hu hn các giá tr quan sát có đ tr.
Mc t hi quy
, vi đ đm bo rng các phân v thay đi trn
tru theo thi gian. Vai trò ca
là đ liên kt
vi các bin quan sát
nm trong b thông tin. Mt s la chn t nhiên cho
là t sut sinh li có đ
tr. Mt thun li ca phng pháp này là nó không có gi đnh phân phi c th
đi vi t sut sinh li ca tài sn. H cho rng trình t đu tiên là đ cho s dng
trong thc tin:
15
Trong khuôn kh mô hình CAViaR, 3 mô hình t hi quy sau có th đc c th
hn t mô hình CAViaR Adaptive:
Mô hình Giá tr tuytăđiăđi xng (CAViaR Symmetric)
Mô hình GARCH(1,1) gián tip (CAViaR Indirect GARCH)
Trong hai mô hình CAViaR Symmetric và CAViaR Indirect GARCH, tác đng ca
t sut sinh li và phng sai lên thc đo VaR đc mô hình hóa mt cách đi
xng. d hình dung, ta quan sát đ th sau (vi trc hoành là t sut sinh li
,
trc tung là
):
a) CAViaR Symmetric
b) CAViaR Indirect GARCH
c) CAViaR Asymmetric
d) CAViaR Adative
th 2: Tác đng ca TSSL và Phng sai lên thc đo VaR
16
gii thích cho s bt đi xng trên th trng tài chính, thông qua hiu ng đòn
by (Black, 1976), mô hình SAV đư đc Engle và Manganelli (2004) m rng
thành mô hình đ dc bt đi xng (Asymetric slope).
Môăhìnhăđ dc btăđi xng (CAViaR Asymmetric)
Trong đó,
và
đc s dng nh nhng
hàm s.
Nhng tham s trong mô hình s đc c lng bng phng pháp hi quy
phân v nh đc gii thiu trong Koenker và Basset (1978). H cho thy làm th
nào đ m rng khái nim mt mu phân v thành mt mô hình hi quy tuyn tính.
Lý do tác gi s dng Phng pháp hi quy phân v thay vì OLS đ c lng các
tham s? Hi quy phân v có th gii quyt các vn đ vn là nhc đim khi áp
dng OLS trên thc t:
(i) Thng thành phn sai s không phi là không đi trên toàn b phân b vì th đư
vi phm tiên đ v tính thun nht ca OLS (tiên đ nh sau: phng sai ca thành
phn sai s là c đnh). (ii) OLS thông qua vic coi giá tr trung bình là đ đo v v
trí, thông tin v đuôi ca phân b b mt đi. (iii) OLS rt nhy cm vi các giá tr
ngoi lai có th làm sai lch kt qu đáng k. (iv) Trong mô hình CAViaR có tn ti
t tng quan gia các bin, nên vi phm gi thit ca OLS là không có s t tng
quan gia các bin.
Thun li ca mô hình này là không to ra nhng gi đnh phân phi c th trên
TSSL ca tài sn và nm bt đc nhng đc trng phi tuyn ca TSSL tài chính.
Trong khi đó, mô hình này cng có bt li là khó thc hin.
Mt s nghiên cu m rng ca mô hình CAViaR: nm bt đc tác dng
đòn by và các đc tính phi tuyn khác ca t sut sinh li tài chính, mt s m
rng ca mô hình CAViaR đư đc đ xut: