Đo lường rủi ro thị trường tài chính ở Việt Nam.pdf

Đo lường rủi ro thị trường tài chính ở Việt Nam

TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

ĐO LƯỜNG RỦI RO

THỊ TRƯỜNG TÀI CHÍNH Ở VIỆT NAM

THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ

Chương 1 CƠ SỞ LÝ LUẬN 10

1.1 Một số nguyên nhân của rủi ro thị trường 10

1.1.1 Môi trường kinh tế thay đổi 10

1.1.1.1 Biến động của thị trường chứng khoán 10

1.1.1.2 Biến động tỷ giá hối đoái 11

1.1.1.3 Biến động lãi suất 11

1.1.1.4 Biến động giá cả hàng hóa 11

1.1.2 Hoạt động đầu tư ngày càng tăng 11

1.1.3 Khoa học kỹ thuật phát triển 12

1.2 Một số phương pháp tính toán rủi ro 12

1.2.1 Phân tích Gap 13

1.2.2 Phân tích Duration 13

1.2.3 Phân tích triển vọng 14

1.2.4 Lý thuyết danh mục đầu tư 14

1.2.5 Đo lường rủi ro phái sinh 16

1.2.6 Phương pháp VaR 17

1.2.6.1 Nguyên tắc phương pháp VaR 17

1.2.6.2 Sự khác biệt giữa VaR và lý thuyết danh mục đầu tư 19

1.3Các mô hình đo lường rủi ro trên thị trường 20

1.3.1 Sử dụng độ lệch chuẩn để tính toán rủi ro 20

1.3.1.1 Cách tính 20

1.3.1.2 Ưu/nhược điểm của độ lệch chuẩn 21

1.3.2 Sử dụng các cận biên để tính toán rủi ro 21

1.3.2.1 Mô hình 21

1.3.2.2 Ưu/nhược điểm của mô hình 25

1.3.3 Sử dụng các mô hình lấy ARCH làm gốc: 26

Chương 2 TÌNH HÌNH THỰC TIỄN RỦI RO THỊ TRƯỜNGVÀ ĐO LƯỜNG RỦI RO THỊ TRƯỜNG Ở VIỆT NAM 30

2.1 Các nhân tố tác động đến rủi to thị trường ở Việt Nam 30

2.1.2 Thị trường tài chính Thế giới 38

2.2 Tình hình biến động thực tế ở thị trường tài chính Việt Nam 39

2.2.1 Giai đoạn từ ngày khai trương 20/07/2000 đến cuối tháng 6/2001 39 2.2.2 Từ đầu tháng 7/2001 đến đầu tháng 12/2004 39

2.2.3 Giai đoạn từ tháng 1/2005 đến 2007 40

2.2.4 Giai đoạn thăng trầm năm 2008 và bước hồi phục năm 2009 41

2.2.5 Thị trường chứng khoán năm 2010 42

2.2.6 Thị trường những tháng đầu năm 2011 42

2.3 Công cụ đo lường rủi ro phổ biến: Độ lệch chuẩn 44

2.3.1 Ưu điểm 44

2.3.2 Nhược điểm 44

Chương 3 TÌM KIẾM MÔ HÌNH TÍNH TOÁN RỦI RO THỊ TRƯỜNGPHÙ HỢP CHO VIỆT NAM 47

3.1 Cơ sở dữ liệu 473.2 Lựa chọn mô hình đo lường rủi ro phù hợp cho thị trường Việt Nam48

3.2.1 Xác định dạng mô hình đo lường phù hợp 48

3.2.2 Chọn các thông số cho mô hình 51

3.2.2.1 Lựa chọn độ trễ p, q trong mô hình ARIMA(p,q) 51

3.2.2.2 Lựa chọn biến số trong các mô hình họ ARCH 52

3.3 Kiểm định mô hình trên thị trường Việt Nam 56

3.4 Ý nghĩa mô hình 57

Chương 4: HẠN CHẾ VÀ ĐỊNH HƯỚNG PHÁT TRIỂN MÔ HÌNHTRONG TƯƠNG LAI 58

4.2 Định hướng phát triển mô hình trong tương lai 60

DANH MỤC CÁC TỪ VIẾT TẮT

CPI Chỉ số giá tiêu dùng FED Cục dự trữ liên bang Mỹ FX: Ngoại hối

GDP: Tổng sản phẩm quốc nội

HOSE Sở giao dịch chứng khoán Tp.HCM HNX Sở giao dịch chứng khoán Hà Nội NYSE Sở giao dịch chứng khoán New York WTO Tổ chức thương mại Thế giới

Tp.HCM Thành phố Hồ Chí Minh TTCK Thị trường chứng khoán

DANH MỤC BẢNG BIỂU

Bảng 3.1: Thống kê mô tả dữ liệu VN-Index

Bảng 3.2 So sánh giá trị t-prob giữa các quá trình tự hồi qui AR(p) Bảng 3.3 So sánh giá trị t-prob giữa các quá trình trung bình trượt MA(q) Bảng 3.4 So sánh giá trị t-prob giữa các mô hình GARCH(p,q)

Bảng 3.5 So sánh các thông số Skewness, Kurtosis, Jarque – Bera các mô mình GARCH(p,q)

Bảng 3.6 Giá trị t-prob các biến mô hình EGARCH(1,2) Bảng 3.7 Giá trị t-prob các biến mô hình APARCH(1,1)

DANH MỤC HÌNH VẼ

Hình 1.1 Phương pháp VaR Hình 1.2 VaR với độ tin cậy 95%

Hình 1.3 Mặt phẳng VaR tương ứng mức tin cậy và thời gian Hình 2.1 Lạm phát Việt Nam qua các năm 2001 - 2010

Hình 2.2 Phần trăm tăng trưởng GDP Việt Nam qua các năm 1985 – 2010 Hình 2.3 Diễn biến thay đổi tỷ giá Ngân hàng Nhà nước công bố 2008-2010 Hình 2.4 Diễn biến thay đổi tỷ giá bình quân liên ngân hàng 2008-2010 Hình 2.5 Lãi suất cơ bản 2000 – 2011

Hình 2.6 Lãi suất tái chiết khấu qua những lần điều chỉnh 2008-2011

Hình 2.7 Tỷ lệ dữ trữ ngoại tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12 tháng đối với các tổ chức tín dụng thông thường.

Hình 2.8 Tỷ lệ dữ trữ nội tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12 tháng đối với các tổ chức tín dụng thông thường.

Hình 3.1 Phân phối Variance of tỷ suất sinh lợi từng ngày of VN-Index Hình 3.2 Độ biến động của TSSL từng ngày of VN-Index

Hình 4.1 Các nhân tố quan trọng nhất đóng góp vào định giá quá mức thị trường trong thời kỳ bong bóng đầu cơ.

PHẦN MỞ ĐẦU 1 Lý do nghiên cứu

Trên thị trường tài chính nói chung, vấn đề được nhà đầu tư quan tâm nhiều nhất khi tiến hành lựa chọn một danh mục đầu tư là xác định được rủi ro và tỷ suất sinh lợi của danh mục đó Đã có rất nhiều bài nghiên cứu tìm hiểu về các vấn đề này, tuy nhiên với đặc thù các thị trường tài chính khác nhau cũng như tại những giai đoạn khác nhau, mà thị trường không luôn đúng với một mô hình đo lường rủi ro nào cả.

Đối với TTCK Việt Nam, tuy mới ra đời hơn 10 năm nhưng được đánh giá là thị trường mới nổi rất tiềm năng, nên đã thu hút được rất nhiều nhà đầu tư tham gia vào thị trường Từ đó nhu cầu tìm ra một phương pháp đo lường rủi ro thị trường để nhà đầu tư có cơ sở có thể tin cậy dùng định giá tài sản tài chính các ngày càng trở thành một nhu cầu thiết yếu.

Tuy nhiên do nhiều lý do đặc thù nên việc đánh giá rủi ro thị trường ở Việt Nam còn rất nhiều hạn chế, về nguồn dữ liệu, về tính chất nhà đầu tư,… nên việc đo lường rủi ro thị trường tại thị trường tài chính ở Việt Nam rất khó khăn, chính vì vậy nhóm nghiên cứu quyết định tiến hành nghiên cứu đề tài “Đo lường rủi ro thị trường tài chính ở Việt Nam”.

2 Xác định vấn đề nghiên cứu

Đề tài này tập trung chủ yếu nghiên cứu các phương pháp đo lường rủi ro và đưa ra một số mô hình để đo lường các rủi ro đó đang được áp dụng trên Thế giới Từ đó nhóm nghiên cứu tiến hành lựa chọn một mô hình phù hợp nhất với thị trường tài chính - ở đây là TTCK Việt Nam Từ kết quả đạt được, nhóm rút ra những kết luận về những vấn đề còn tồn tại và những đặc điểm của TTCK Việt Nam.

3 Câu hỏi và mục đích nghiên cứu:

Đề tài nghiên cứu này được thực hiện nhằm trả lời cho các câu hỏi sau:

- Những nguyên nhân nào gây nên rủi ro thị trường trên Thế giới và ở Việt Nam?

- Có những phương pháp tính toán rủi ro nào?

- Những mô hình nào đang được áp dụng để tính toán những rủi ro đó? Ở Việt Nam phương pháp được áp dụng hiện nay là gì?

- Các đặc thù ở thị trường Việt Nam là gì và với các đặc thù đó, mô hình tính toán rủi ro nào phù hợp nhất cho TTCK Việt Nam?

Trong quá trình đi tìm lời giải cho những câu hỏi đó, bài nghiên cứu tập trung vào các đối tượng sau đây:

- Tìm hiểu về lý thuyết danh mục đầu tư và phương pháp VaR

- Tìm hiểu họ các mô hình ARCH, xác định mô hình phù hợp nhất cho thị trường Việt Nam.

- Kiểm định sự phù hợp của mô hình, từ đó đưa ra những nhận xét về các đặc điểm của TTCK Việt Nam.

4 Phương pháp nghiên cứu

Bài nghiên cứu chủ yếu sử dụng phương pháp định tính, định lượng, thống kê, so sánh và tổng hợp nhằm làm rõ các vấn đề cần nghiên cứu Đối với nghiên cứu định lượng được sử dụng trong bài nghiên cứu này, nhóm nghiên cứu dùng phương pháp tự hồi quy tương quan GARCH với sự trợ giúp của phần mềm G@RCH 6.0.

5 Nội dung nghiên cứu

Chương 1: Đưa ra một số nguyên nhân dẫn đến rủi ro thị trường trên Thế giới.

Đưa ra một số phương pháp tính toán rủi ro, tập trung chủ yếu vào lý thuyết danh mục đầu tư và lý thuyết VaR Xét phương pháp dùng hệ số Độ lệch chuẩn để tính rủi ro theo lý thuyết danh mục đầu tư và mô hình dùng cận biên và các mô hình họ ARCH để tính toán rủi ro thị trường theo lý thuyết VaR.

Chương 2: Xét tình hình rủi ro thị trường tài chính thực tiễn ở Việt Nam và tình

hình đo lường rủi ro phổ biến ở Việt Nam hiện nay bằng hệ số Độ lệch chuẩn.

Chương 3: Lựa chọn và kiểm định sự phù hợp của mô hình GARCH(2,1) trên

TTCK Việt Nam.

Chương 4: Những đặc điểm của thị trường tài chính Việt Nam dẫn đến hạn chế

trong việc đo lường rủi ro thị trường tài chính.

Chương 1.CƠ SỞ LÝ LUẬN1.1Một số nguyên nhân của rủi ro thị trường

Rủi ro thị trường là một dạng cụ thể của rủi ro tài chính, nó thể hiện ở khả năng lời hoặc lỗ của một hoạt động kinh doanh, đầu tư, phụ thuộc vào những thay đổi bất thường của giá cả trên thị trường, lãi suất thị trường hoặc tỷ giá hối đoái trên thị trường Vì thế rủi ro thị trường cũng được phân loại theo nhiều loại khác nhau: đó là rủi ro lãi suất, rủi ro cổ phiếu, rủi ro tỷ giá hoặc rủi ro giá cả hàng hóa, … Tùy theo từng nhân tố tác động đến nó mà xác định cho chính xác Rủi ro thị trường có thể được phân biệt rõ ràng với những dạng khác của rủi ro tài chính, mà cụ thể ở đây là rủi ro tín dụng (một dạng rủi ro khi đối tác trễ hẹn hoặc thất hứa thanh toán các khoản nợ), hoặc rủi ro hoạt động (nguy cơ kinh doanh bị lỗ do hệ thống kiểm toán nội bộ yếu kém, hoặc do khả năng của những người lãnh đạo) Sau đây là các nhân tố tác động đến rủi ro thị trường:

1.1.1 Môi trường kinh tế thay đổi

Nhân tố đẩy mạnh sự phát triển cũng như mối quan tâm của mọi người đến khái niệm quản trị rủi ro đó là xác suất biến động lớn của nền kinh tế mà các doanh nghiệp đang hoạt động Những biến động mạnh của các nhân tố trong nền kinh tế sẽ khiến các doanh nghiệp đối mặt với những rủi ro tài chính, do đó điều này sẽ khiến các doanh nghiệp tích cực tìm kiếm những giải pháp hiệu quả để giảm thiểu nó Tính không ổn định của nền kinh tế thể hiện ở những nhân tố khác nhau:

1.1.1.1 Biến động của thị trường chứng khoán

Đây là thị trường không ngừng biến động, và thỉnh thoảng chúng dao động cực mạnh theo chiều hướng rất xấu: ví dụ trong ngày 19/10/1987 chỉ số Dow Jones giảm tới 23% làm bốc hơi khoảng 1000 tỷ USD, và tiếp theo đó từ 21/7 đến 31/8/1998 Dow Jones đã giảm liên tục mất đi 18% giá trị Các thị trường chứng khoán khác trên thế giới cũng đã từng đối mặt với tình trạng này.

1.1.1.2 Biến động tỷ giá hối đoái

Tỷ giá hối đoái liên tục thay đổi sau sự sụp đổ của hệ thống tỷ giá cố định Bretton Woods những năm đầu thập niên 70 Và lịch sử đã chứng kiến những biến động tồi tệ như: sự mất giá đồng ERM vào 9/1992, đồng peso 1994, khủng hoảng tiền tệ Đông Á thời kỳ 1997-1998, đồng rúp 1998 và đồng tiền quốc gia Brazil thời kỳ 1990.

1.1.1.3 Biến động lãi suất

Lãi suất thường có những giao động mạnh, làm ảnh hướng lớn đến chi phí sử dụng vốn, dòng tiền cũng như giá trị tài sản của doanh nghiệp Từng diễn biến hoạt động của FED được mọi người rất quan tâm, và người ta thường dựa vào lãi suất T-Bill như là một thước đo để xem xét lãi suất ngắn hạn trên thị trường.

1.1.1.4 Biến động giá cả hàng hóa

Thị trường này biến động rất khó lường, giá cả những loại hàng hóa này, điển hình là giá dầu thô, thường ổn định trong 1 thời gian dài, sau đó đột nhiên giao động với một biên độ rất lớn, bằng chứng vào những năm đầu 1990, giá dầu thô vùng phía Trung Tây tiểu bang Texas tăng gần 3 lần từ 15$/thùng đên 40$/thùng Ngoài ra, giá cả các loại hàng hóa khác, như giá điện, cũng biến động từng ngày, thậm chí là từng giờ.

1.1.2 Hoạt động đầu tư ngày càng tăng

Một nhân tố khác góp phần vào sự quan tâm đến khái niệm quản trị rủi ro đó là sự phát triển lớn mạnh các hoạt động giao dịch từ cuối thập niên 60 Số trung bình cổ phiếu giao dịch mỗi ngày trên thị trường NYSE đã gia tăng từ 3.5 triệu năm 1970 lên đến 100 triệu cổ phiếu năm 2000; tương tự tổng giá trị giao dịch mỗi ngày trên thị trường FX ngày càng tăng mạnh từ 1 tỷ USD năm 1965 lên đến 1210 tỷ USD vào 4/2001, và hiện nay mỗi ngày giá trị giao dịch FX ước tính gần 4000 tỷ USD mỗi ngày Trong vòng 2-3 thập kỷ nay, có một sự phát triển mở rộng các công cụ giao dịch mới trên thị trường, đồng thời khối lượng giao dịch các sản phẩm mới này cũng gia tăng nhanh chóng Các sản phẩm giao dịch mới này cũng được phát triển ở nhiều thị trường trên thế giới như: Tây Âu, Trung Quốc, Mỹ Latinh, Nga và những khu vực khác Có rất nhiều công cụ giao dịch

mới, vốn được dựa trên những tài sản có tính thanh khoản rất thấp nhất như: các khoản nợ người tiêu dùng, nợ của ngân hàng cho vay thương mại và công nghiệp, các hợp đồng mua vay nhà…thị trường này phát triển mạnh mẽ vào những năm đầu 1980.

Ngoài ra, các hoạt động trên thị trường phái sinh cũng rất phát triển Cho đến năm 1972, các sản phẩm phái sinh được giao dịch chỉ là những hợp đồng giao sau hàng hóa thực, hợp đồng kỳ hạn và hợp đồng quyền chọn trên thị trường phi tập trung Sàn giao dịch Chicago bắt đầu giao dịch các hợp đồng giao sau ngoại tệ vào năm 1972 và năm 1973 đã xuât hiện quyền chọn mua cổ phiếu trên thị trường này Hợp đồng giao sau lãi suất cũng được ra đời vào năm 1975, và một loạt các hợp đồng tài chính phái sinh cũng xuất hiện những năm sau đó: hợp đồng hoán đổi SWAP, và các hợp đồng lai phức khác như hợp đồng giao sau hoán đổi lãi suất…và các hợp đồng phái sinh tín dụng, điện và thời tiết cũng ra đời những năm đầu thập niên 90s Từ một khối lượng giao dịch không đáng kể những năm đầu thập kỷ 70s, thì cho đến 4/2001 tổng giá trị giao dịch bình quân mỗi ngày của các hợp đồng phái sinh này đạt tới mức 2800 tỷ USD.

1.1.3Khoa học kỹ thuật phát triển

Nhân tố thứ ba góp phần giúp ý niệm quản trị rủi ro trở nên phổ biến hơn đó là sự phát triển vượt bậc của khoa học kỹ thuật Công nghệ ngày càng hiện đại giúp cho việc tính toán, ước lượng thực hiện được cách nhanh chóng và tiện lợi gấp rất nhiều lần Sự phát triển công nghệ này giúp hạ chi phí kỹ thuật giảm xuống chỉ còn 25-30% so với vài chục năm trước kia.

Những thành tựu vượt bậc trong công nghệ tin học, phát triển tốc độ xử lý phần mềm, giảm thiểu chi phí kỹ thuật giúp cho việc chuyển đổi công nghệ đáp ứng nhu cầu quản trị rủi ro Những công văn quyết định sẽ không còn nằm phía trong những phong bì thư nữa, mà chúng sẽ được chuyển tải nhanh chóng đến những địa điểm cần đến bằng những phần mềm chương trình mã hóa thông minh.

1.2 Một số phương pháp tính toán rủi ro

1.2.1 Phân tích Gap

Một trong những cách phổ biến nhất đó là phân tích Gap, vốn được phát triển bởi những tổ chức tài chính với ý tưởng tác động rủi ro lãi suất Phân tích Gap bắt đầu bằng việc chọn lựa mốc thời gian thích hợp: 1 năm hoặc có thể nhiều hơn nữa Sau đó chúng ta sẽ thực hiện việc đánh giá lại danh mục tài sản hoặc nợ trong giai đoạn này, những giá trị này sẽ cho chúng ta biết được độ nhạy cảm của danh mục mà chúng ta đang nắm giữ Sự khác biệt này chính là Gap mà chúng ta cần tìm, và tác động của lãi suất được tính bằng sự thay đổi thu nhập ròng khi có sự biến động trong lãi suất.

Với ∆ là mức thay đổi thu nhập lãi ròng, và ∆ là thay đổi lãi suất Phân tích Gap dễ dàng thực hiện, nhưng nó có nhiều hạn chế như: chỉ đề cập tới rủi ro lãi suất, vì thế chúng chỉ xem xét tác động của lãi suất đến thu nhập ròng thay vì đến giá trị danh mục nợ hoặc tài sản, ngoài ra kết quả còn phụ thuộc vào gốc thời gian mà chúng ta chọn lựa.

1.2.2 Phân tích Duration

Thêm một phương pháp truyền thống nữa mà các tổ chức tài chính sử dụng để đo rủi ro lãi suất là phương pháp phân tích Duration, hay nói cách khác là phân tích các kỳ hạn của trái phiếu, hoặc các chứng khoán có lợi tức cố định khác Ta tính toán Duration theo công thức:

Với PVCFi là hiện giá của dòng tiền thời gian i Phương pháp này khá hữu dụng vì nó tính toán gần đúng mức độ biến động của giá chứng khoán với thay đổi của lãi suất:

% thay đổi giá chứng khoán ≈ - D x ∆y/(1 + y)

Với y là lãi suất và ∆y là thay đổi lãi suất Với Duration càng lớn, giá trái phiếu thay đổi càng phụ thuộc nhiều vào sự thay đổi của lãi suất.

Phân tích Duration, tương tự như phân tích Gap, chỉ tập trung vào sự thay đổi lãi suất, nhưng với ưu thế tính toán đơn giản, phân tích Duration được ưa dùng nhiều hơn.

1.2.3 Phân tích triển vọng

Cách tiếp cận thứ ba đó là phân tích triển vọng, hay còn gọi là phân tích what-if, đó là phương pháp mà cách nhà phân tích sẽ nghĩ đến nhiều tình huống khác nhau, từ đó sẽ xác định lời hoặc lỗ Để thực hiện phương pháp này, chúng ta phải thiết lập một loạt những tình huống, rồi xác định xem xét sự ảnh hưởng của các nhân tố liên quan như: giá chứng khoán, lãi suất, tỷ giá…Sau đó chúng ta sẽ dự phóng dòng tiền và giá trị kế toán của tài sản và nợ trong mỗi tình huống, và rồi cuối cùng sử dụng những kết quả đó đưa ra kết luận.

Phân tích triển vọng không dễ thực hiện, có rất nhiều thách thức gây khó khăn cho chúng ta trong việc xác định đâu là triển vọng chắc chắn xảy ra trong tương lai, có một số lời khuyên giúp ta lựa chọn như sau: chúng ta cần chắc chắn rằng triển vọng mà chúng ta đang xem xét là hợp lý và không được dựa quá nhiều vào những giả định bất hợp lý, và đặc biệt phải xem xét mỗi quan hệ tương hỗ giữa các biến liên quan trong mỗi tình huống Phân tích triển vọng không cho chúng ta biết xác suất xảy ra của những tình huống khác nhau, vì thế chúng ta cần phải sử dụng khả năng xét đoán, đánh giá tính thực tế của từng triển vọng Nói chung, điều này còn phụ thuộc vào rất nhiều khả năng và kinh nghiệm của người phân tích.

1.2.4 Lý thuyết danh mục đầu tư

Được Harry Markowitz giới thiệu năm 1952, đưa ra một cách tiếp cận khác để đo lường rủi ro thị trường Lý thuyết danh mục đầu tư bắt đầu từ những quyết định lựa chọn tập hợp các cổ phiếu đầu tư, với mức tỷ suất sinh lợi kỳ vọng cho trước và độ lệch chuẩn của tỷ suất sinh lợi đó, hay còn gọi là mức biến động của tỷ suất sinh lợi, đó cũng chính là rủi ro mà nhà đầu tư nắm giữ danh mục đầu tư này gặp phải Với các nhân tố các không đổi, các nhà đầu tư luôn muốn danh mục đầu tư mà mình đang nắm giữ sẽ có tỷ suất sinh lợi cao nhất, đồng thời độ lệch chuẩn

thì bé nhất Điều này tương ứng, các nhà đầu tư nên lựa chọn danh mục đầu tư có tỷ suất sinh lợi cao nhất ở mức độ lệch chuẩn cho trước, hoặc với tỷ suất sinh lợi cho trước thì danh mục đầu tư đó phải có độ lệch chuẩn là bé nhất Đây là những danh mục đầu tư hiệu quả, điều mà các nhà đầu tư luôn luôn muốn hướng đến Ngoài ra cũng cần biết rằng, có thể có danh mục hiệu quả này có độ lệch chuẩn cao hơn danh mục hiệu quả kia, và đồng thời rủi ro cao hơn thì tỷ suất sinh lợi cũng sẽ cao tương ứng Ở đây luôn có sự đánh đổi giữa tỷ suất sinh lợi và độ lệch chuẩn của danh mục Những nhà đầu tư an toàn sẽ có xu hướng chọn những danh mục đầu tư có độ lệch chuẩn bé, tương ứng tỷ suất sinh lợi thấp; ngược lại các nhà đầu tư thích rủi ro thường sẵn sàng chọn những danh mục có tỷ suất sinh lợi cao với độ lệch chuẩn lớn.

Một chi tiết nên lưu ý trong lý thuyết danh mục đầu tư đó là rủi ro của từng tài sản riêng lẻ thì không hẳn đó sẽ là tỷ suất sinh lợi của tài sản đó, mà nó sẽ góp phần tạo nên cả rủi ro cho toàn danh mục đầu tư Tuy nhiên mức độ mà tài sản tạo nên rủi ro cho cả danh mục còn tùy thuộc vào mối tương quan hoặc hiệp phương sai tỷ suất sinh lợi của tài sản này với những tài sản khác còn lại trong danh mục Hệ số tương quan càng thấp hoặc âm thì rủi ro của tài sản trong danh mục sẽ rất bé thậm chí góp phần giảm thiểu độ lệch chuẩn của cả danh mục Lý thuyết danh mục đầu tư được ứng dụng tính toán tỷ suất sinh lợi của một tài sản hay một danh mục tài sản tài chính, thông qua mô hình định giá tài sản vốn (CAPM) của William Sharpe, John Lintnet và Jack Treynor (1960), với công thức tổng quát:

ri = rf+ βix (rm– rf) Với ri: tỷ suất sinh lợi tài sản tài chính i

rf: tỷ suất sinh lợi phi rủi ro

βi: độ nhạy cảm của tài sản tài chính i so với thị trường rm: tỷ suất sinh lợi thị trường

Lý thuyết danh mục đầu tư đưa ra mô hình giúp quản lý được những rủi ro khác nhau, xem xét mối tương quan rủi ro giữa các tài sản khác nhau trong danh mục.

Vì thế mô hình này được sử dụng rộng rãi bởi các giám đốc quỹ đầu tư và nhiều nhà đầu tư khác Tuy nhiên việc tính toán tìm kiếm dữ liệu để đưa vào mô hình rất rắc rối Việc xác định lãi suất phi rủi ro, và tỷ suất sinh lợi của thị trường thì không quá khó, nhưng việc ước lượng độ lệch chuẩn chính xác thì hết sức phức tạp Để ước lượng hệ số độ lệch chuẩn chính xác, chúng ta cần dữ liệu tỷ suất sinh lợi của từng tài sản trong danh mục và dữ liệu thống kê này phải được thu thập trong một thời gian đủ dài để có thể đáng tin cậy Hệ số độ lệch chuẩn phụ thuộc vào danh mục hiện hữu, và khi danh mục thay đổi cơ cấu thì chúng ta cũng phải cần đánh giá lại hệ số độ lệch chuẩn này.

1.2.5 Đo lường rủi ro phái sinh

Khi thực hiện các hợp đồng phái sinh, chúng ta có thể đo lường rủi ro của chúng thông qua:

- Delta: thể hiện phần trăm thay đổi trong giá cả sản phẩm phái sinh khi giá trị thực của tài sản thay đổi.

- Gamma: thể hiện mức thay đổi của delta khi giá trị thực của tài sản thay đổi - Rho: thể hiện mức thay đổi trong giá cả sản phẩm phái sinh khi lãi suất thay

- Vega: thể hiện mức thay đổi trong giá cả sản phầm phái sinh tương ứng với sự thay đổi mức biến động của thị trường.

- Theta: thể hiện mức thay đổi trong giá cả sản phẩm phái sinh tương ứng với từng thời gian khác nhau.

Khi sử dụng phương pháp đo lường này, cần lưu ý rằng chúng chỉ có ý nghĩa cho chiến lược phòng ngừa hiệu quả bởi vì những biến số đo lường này chỉ đúng với những biến động nhỏ của các nhân tố rủi ro, do đó chúng cần luôn phải được kiểm soát một cách thường xuyên Người sử dụng phương pháp này thường lo lắng bởi vì khi có một biến động lớn trong các nhân tố rủi ro thì phương pháp

này sẽ không còn chính xác nữa, và chiến lược phòng ngừa sẽ bị thất bại hoàn toàn.

1.2.6 Phương pháp VaR

Đo lường VaR được dựa trên lý thuyết danh mục chuẩn, sử dụng ước lượng độ lệch chuẩn và mối tương quan giữa tỷ suất sinh lợi của những tài sản giao dịch khác nhau .

1.2.6.1 Nguyên tắc phương pháp VaR

Phương pháp đo lường rủi ro VaR đi theo một hướng tiếp cận tốt hơn, tập trung xem xét xác suất phân phối thu nhập xấu nhất có thể xảy ra, vì ta đã biết phương pháp VaR giúp ta đo lường mất mát lớn nhất mà nhà đầu tư phải gánh chịu trong một khoảng thời gian nhất định với mức tin cậy cho trước Do đó phương pháp Var phụ thuộc vào hai biến cố không chắc chắn: khoảng thời gian mà chúng ta đo lường lời lỗ của danh mục đầu tư, có thể là mỗi ngày, mỗi tuần hoặc mỗi tháng, và phụ thuộc vào mức tin cậy, giao động từ 0 đến 1, thông thường là 50%, 90%, 95% hoặc 99% cho biết xác suất thực tế không thể có mức lỗ nào cao hơn mức lỗ mà phương pháp VaR ước lượng.

Hình 1.1 Phương pháp VaR

Nguồn: Kevin Dowd, 2002 An introduction to market risk measurement

Hình trên đây mô phỏng chi tiết phương pháp đo lường rủi ro VaR, thể hiện giá trị lời lỗ của danh mục đầu tư trong một thời gian cụ thể Trục hoành dương thể hiện mức lời của danh mục, còn trục hoành âm thể hiện mức lỗ mà danh mục gánh chịu Để tính được VaR, chúng ta phải chọn một mức tin cậy Trong trường hợp mức tin cậy là 95% như hình trên, tương ứng trục hoành là -1.645, thì VaR sẽ là 1.645 cho biết rằng với mức tin cậy 95% thì mức lỗ tương ứng của danh mục là 1.645.

Như đã đề cập ở phần trên, giá trị của VaR sẽ thay đổi khi chúng ta thay đổi độ tin cậy Với mức tin cậy là 99%, tức độ chính xác của phương pháp sẽ chính xác hơn, thì giá trị tương ứng sẽ có xu hướng tiến về phía trái của trục hoành đạt mức -2.326, khi đó VaR sẽ là 2.326 Có thể thấy rằng khi chúng ta tăng mức tin cậy thì giá trị của VaR cũng sẽ có xu hướng gia tăng.

Ngoài ra, giá trị của VaR còn phụ thuộc vào khoảng thời gian mà chúng ta lựa chọn để đánh giá mức lời lỗ của danh mục đầu tư.

Hình 1.2 VaR với độ tin cậy 95%

Nguồn: Kevin Dowd, 2002 An introduction to market risk measurement

Hình trên với mức tin cậy 95%, với khoảng thời gian xem xét giao động từ 1 đến 100 ngày thì tương ứng giá trị của VaR sẽ gia tăng từ 1.645 đến 16.449.

Tuy nhiên đây chỉ tồn tại trên lý thuyết, chúng ta nên xem xét sự thay đổi của VaR khi có sự thay đổi tương ứng giữa mức tin cậy và khoảng thời gian xem xét.

Hình 1.3 Mặt phẳng VaR tương ứng mức tin cậy và thời gian

Nguồn: Kevin Dowd, 2002 An introduction to market risk measurement

Mặt phẳng trên thể hiện sự thay đổi của VaR tương ứng với từng cặp giá trị của mức tin cậy và khoảng thời gian xem xét Có thể thấy giá trị VaR ngày càng tăng khi mức tin cậy và khoảng thời gian xem xét tăng đến đỉnh điểm, cho ta thấy rằng khi đó danh mục đầu tư sẽ giao động mạnh nhất, tức rủi ro cao nhất.

1.2.6.2 Sự khác biệt giữa VaR và lý thuyết danh mục đầu tư.

Mặc dù phương pháp đo lường VaR bắt nguồn từ thuyết danh mục đầu tư, nhưng chúng có những điểm khác biệt quan trọng sau:

- Thuyết danh mục đầu tư thể hiện độ lệch chuẩn của tỷ suất sinh lợi, trong khi đó phương pháp VaR thể hiện ở góc độ mức lỗ tối đa có thể xảy ra của danh mục, chính vì thế VaR dễ hiểu và được tiếp cận rộng rãi.

- Thuyết danh mục đầu tư giả định tỷ suất sinh lợi được phân phối bình thường, còn VaR khái quát hơn, cung cấp những phân phối rộng hơn Do đó VaR thể hiện ở nhiều góc độ hơn, không những bao gồm rủi ro thị trường, mà còn rủi ro tín dụng, rủi ro thanh khoản và nhiều rủi ro khác

1.3Các mô hình đo lường rủi ro trên thị trường1.3.1Sử dụng độ lệch chuẩn để tính toán rủi ro1.3.1.1 Cách tính

Trong lĩnh vực tài chính, độ lệch chuẩn được dùng để đo lường rủi ro của nhà đầu tư.

Độ lệch chuẩn ký hiệu là σ, đo lường phần trăm biến động của tỷ suất sinh lợi tài sản so với giá trị trung bình trong một thời kỳ, được tính bằng căn bậc hai của phương sai.

Gọi X là giá trị ngẫu nhiên tỷ suất sinh lợi tài sản ngày bất kỳ, μ là giá trị trung bình của tỷ suất sinh lợi trong một thời kỳ.

Ta có: E(X) = μ

Với ký tự E biểu thị cho giá trị kỳ vọng của tỷ suất sinh lợi tài sản Khi đó phương sai σ2= E[(X-μ)2]

Độ lệch chuẩn σ = √σ là căn bậc hai giá trị kỳ vọng của (X-μ)2

Ta xét hai trường hợp, tính toán phương sai hay độ lệch chuẩn trong trường hợp chúng ta tính trực tiếp toàn bộ tổng thể hay chỉ tính một mẫu là một phần được lấy ra từ tổng thể lớn, sau đó dùng số này ước tính cho phương sai tổng thể.

Với X nhận giá trị x1, x2,…, xN(N giá trị).

Trường hợp chúng ta tính trực tiếp toàn bộ tổng thể: σ = [( − μ) + ( − μ) + … + ( − μ) hay ta có:

Trường hợp chúng ta tính thông qua mẫu đại diện cho tổng thể: tính toán tương tự với công thức tính độ lệch chuẩn ở trên nhưng thay N trong bằng (N-1) Gọi s là độ lệch chuẩn mẫu, ta có công thức:

1.3.1.2 Ưu/nhược điểm của độ lệch chuẩn

Ưu điểm chính của việc sử dụng độ lệch chuẩn là đơn giản, dễ thực hiện, dễ áp dụng Nhà đầu tư chỉ cần thu thập dữ liệu quá khứ và tính toán số học đơn giản Nhưng độ lệch chuẩn cũng hàm chứa những nhược điểm của nó.

- Như đã phân tích ở phần trên, có rất nhiều nguyên nhân gây ra tính rủi ro cho thị trường Nếu chúng ta chỉ dùng dữ liệu quá khứ để ước lượng rủi ro thị trường trong tương lai thì chúng ta đang bỏ qua các nguyên nhân đó.

- Hơn nữa, để tính độ lệch chuẩn có độ chính xác cao yêu cầu cơ sở dữ liệu phải đủ lớn, hay nói cách khác thị trường tài chính cần phải hoạt động đủ lâu thì độ lệch chuẩn tính được mới chính xác Chính vì vậy đối với đại đa số các thị trường tài chính, việc sử dụng độ lệch chuẩn để tính toán rủi ro là không phù hợp.

- Độ lệch chuẩn trên thực tế là một biến số thay đổi theo thời gian, chính điều này nên việc xác định độ lệch chuẩn chính xác cho tài sản tài chính trở thành một thách thức lớn cho các nhà đầu tư trên thị trường tài chính.

1.3.2 Sử dụng các cận biên để tính toán rủi ro1.3.2.1 Mô hình

Mô hình được xây dựng dựa trên “thuyết giá trị cực biên” Nhà đầu tư không quan tâm đến những biến động hàng ngày của giá cả hay lãi suất mà quan tâm đến giá trị trung bình và mức biến động của thay đổi lãi suất ngắn hạn tại các điểm cực biên.

Từ lý thuyết Fisher – Tippett (1928) và khái niệm phân phối Pareto tổng quát (Generalized Pareto Distribution – GPD), chúng ta có 2 phương pháp để xác định loại phân phối đường cận biên cho các cực Khi không thể dùng GPD, chúng ta dùng phân phối giá trị cực biên tổng quát (GEV) Phân phối GPD các biến cực đại ký hiệu là Gmax(x) tính bằng Gmax(x) =1+log[Hmax(x)], với Hmax(x) là phân

phối GEV, ξ là hình dạng tham số:

Với μ, σ lần lượt là tham số cục bộ và tham số tỷ lệ, Xmax,n làngày thay đổi đạt cực

đại, x = (Xmax.n–max,n)/max,n→Hmax(x)

Chú ý rằng GPD được biểu diễn trong phương trình (1) kết hợp với phân phối Pareto chuẩn, phân phối đồng dạng trong khoảng [-1,0], và phân phối theo quy luật số mũ chuẩn:8

Sau đó chúng tôi dùng phương pháp tham số như Gumbel (1958) đề cập để tìm

các tham số của các phân phối cận biên Dãy các giá trị cực đại Xmax,1, Xmax,2, ,

Xmax,nđược sắp xếp tăng dần để có đc thống kê yêu cầu X max,1≤ X max,2≤…≤ X

max,n Với mỗi r chạy từ 1 đến n, tần số của Hmax,n(Xmax,r) là biến ngẫu nhiên nằm

giữa 0 và 1 Trung bình của tần số r-th, μr:n= E[Hmax,n(Xmax,r)], cũng bằng r/(n

+ 1).10Chúng ta lập phương trình các quan sát cực biên Hmax,n(Xmax,r) với trung

bình của nó, r/(n +1):

(5) Sau khi ước lượng các tham số, chúng ta tiến hành tính toán VaR.

Với St là 1 vector biểu diễn các nhân tố rủi ro như lãi suất, tỷ giá, các chỉ số giá vốn, và giá cả hàng hóa Giá tài sản tài chính A là một hàm đã biết của vector St, thời gian t, và các nhân tố φ:

Biến ngẫu nhiên trong hàm A trong khoảng vi phân dt được đưa ra bởi Bổ đề Ito: dA = AsdSt+ Atdt + ½ Assσt2dt (7) với As= ( , )và Ass= ( , )là delta và gamma của tài sản.

Để tính toán VaR, chúng ta xây dựng một mô hình cho đại lượng ngẫu nhiên dSt Với đại đa số các nhân tố, ta có:

dSt= μtdt + σtdWt (8) Với μt là độ lệch và σt là các tham số không ổn định, Wt là chu trình Wiener chuẩn, dWttuân theo phân phối chuẩn với trung bình bằng 0 và biến đổi theo dt Giả định rằng ∆t ký hiệu độ dài một khoảng thời gian, ước tính thời gian gián đoạn của quá trình ngẫu nhiên (8) có thể viết:

∆St= μt∆t + σt∆Wt (9) Chúng ta tính toán VaR bằng cách ước tính các điểm mốc là các cực biên của St, ký hiệu là Ψ α là xác suất ∆Stvượt qua điểm Ψ:

P(∆St≥ Ψ√∆t) = α (10) P(.) là phân phối xác suất được giả định đã biết Trong các mô hình sử dụng VaR thông dụng, Ψ được định nghĩa:

Ψnomal= 2.33σt (11) Và P(.) được giả định tuân theo phân phối chuẩn với α = 1% VaR tại thời điểm t được rút ra từ phương trình (7) bằng cách lấy At= Ass= 0:

VaR (A, α, ∆t) = 2.33σtAs√∆t (12) Nhà đầu tư cần xác định ngưỡng Ψ, là mức biến động tối đa hay rủi ro tối đa có thể chấp nhận, xác suất ∆St≥ Ψ xảy ra là α Sử dụng thuyết cực biên, ta tính phân phối giá trị cực biên G(Ψ) thay cho P(.), ước lượng mốc Ψ:

Với việc tính toán VaR bằng lý thuyết cực biên, chúng ta lựa chọn Z: ∆St> Z > 0 và Ψ>Z, chúng ta xác định xác suất xảy ra với ∆St:

P(∆St≤ Z + yt) = F(Z + yt) (15) Với yt> 0 là mức vượt trội của mức Z tại thời gian t, ta có:

Fzlà phân phối có điều kiện của cực đại ∆St Pickands (1975) chỉ ra rằng Fzsẽ rất gần với phân phối Pareto tổng quát GPD Gmax,ξđưa ra bởi phương trình (1) nếu Z lớn Nghĩa là, chênh lệch giữa Gmax,ξvới Fzsẽ tiến tới 0 khi Z tăng.

Giả định rằng (Z + y , … , Z + y ) biểu diễn những sự thay đổi cực đại của biến ngẫu nhiên ∆St tại thời gian ti vậy y biểu diễn những chênh lệch vượt trội Hơn nữa, lấy Z đủ lớn thì GPD là một ước lượng tốt cho phân phối của Fz Vậy xác suất xảy ra những cực đại này được tính bởi:

Fz(∆St– Z < y ) = 1 + ξ ξ (17)

Các tham số GPD μ, σ, ξ được ước tính là cực đại hay phương pháp điều chỉnh giảm, chúng ta có thể ước lượng hệ quả theo sau tại mỗi Z + y , dùng phương trình (16)

Với n và N là số quan sát cực đại và tổng số các quan sát Tỷ số n/N là một ước lượng của 1 – F(Z), là xác suất có một quan sát vượt quá Z.

Giá trị giới hạn Ψ phù hợp với các giá trị biến đổi của α trong phương trình (13) có thể được tính:

Suy ra Ψ:

Thay các điểm ΨGPDvào phương trình (12), ta có VaR:

1.3.2.2 Ưu/nhược điểm của mô hình

Ưu điểm lớn nhất của mô hình chính là mô hình đưa ra phương pháp tính toán VaR dựa trên việc xác định các điểm cực biên của lãi suất ngắn hạn Nhờ đó ta tránh được sự phức tạp khi xác định phân phối của lãi suất ngắn hạn một cách chính xác.

Nhược điểm lớn nhất của mô hình chính là mô hình đưa ra khá phức tạp, gây khó khăn cho người sử dụng mô hình Hơn nữa, chúng ta sử dụng ước tính của mỗi

(20)

nhà đầu tư để xác định biến động lãi suất tại các điểm cực biên, nên nếu không ước tính đúng sẽ dẫn đến kết quả tìm được không chính xác.

1.3.3 Sử dụng các mô hình lấy ARCH làm gốc:

Bắt đầu từ khi Engle (1982) đề xuất sử dụng Autoregressive Conditional Heteroskedasticity – ARCH, đến nay ARCH đã liên tục được điều chỉnh cho phù hợp hơn với yêu cầu ước lượng sự biến động của thị trường.

1.3.3.1 ARCH(q)

Coi ytlà chuỗi tỷ suất sinh lợi tài sản theo thời gian được giải thích bằng phương trình

yt= E(yt|It-1) + εt

Trong đó It-1 là thông tin có sẵn tại thời gian t-1 và εt là những ngẫu nhiên với

E(εt) =0 Mô hình ARCH của Engle (1982) xác định phương sai của tỷ suất sinh lợi:

Trong đó εt = tzt và zt là biến ngẫu nhiên và có giá trị trung bình bằng 0 và có phương sai bằng 1.

Bollerslev (1986) đưa ra mô hình GARCH dựa trên đặc điểm là sự vô hạn của ARCH nhưng làm giảm được sự xác định các thông số:

Trong đó αi, βjvà ω là các thông số được xác định Sử dụng mô hình độ trễ L phương sai trở thành:

= + α( ) + ( )

Trong đó: α(L) = ∑ αvà β(L) = ∑ β

Nếu tất cả các phương trình gốc |1 – β(L)| = 0 vượt ra ngoài vòng tròn đơn vị

chúng ta có:

= [1 − ( )] + α( )[1 − ( )]

Phương trình này có thể được dự kiến như mô hình ARCH (∞) từ các phương sai điều kiện phụ thuộc tuyến tính với tất cả bình phương số dư ở trước Như vậy, phương sai có điều kiện của yttrở thành lớn hơn với phương sai không điều kiện sau đó, nếu sự nhận thức rõ của ε hơn σ2thì được cung cấp bởi phương trình:

Cũng như ARCH , GARCH giả định σ phù hợp với mọi t; ω > 0, αi> 0 (với i =

1, , q) và βj≥ 0 (với j = 1, , p) là đầy đủ cho phương sai có điều kiện.

Exponential GARCH – EGARCH phát triển dựa trên ý tưởng GARCH với phân phối bất đối xứng Được Nelson (1991) đưa ra như sau:

Với zt=εσ là chuỗi các chênh lệch.

Giá trị (zt) là một hàm phụ thuộc vào dấu và độ lớn của zt:

GJR được Glosten, Jagannathan, và Runkle (1993) đưa ra, với mô hình tổng quát:

Với là biến giả.

Mô hình giả định tác động của ε lên phương sai có điều kiện σ là khác nhau khi εtmang dấu âm hoặc dương:

= 0 khi εt≥ 0 và = 1 khi εt< 0

GJR ra đời, giúp giải quyết vấn đề dấu của hệ số bất đối xứng skewness có thể âm hoặc dương.

Tương tự như EGARCH, APARCH tiếp tục phát triển theo hướng nghiên cứu sự bất đối xứng của ARCH, nhưng làm cho các hàm mũ linh hoạt hơn với hệ số bất đối xứng APARCH (p, q) được viết như sau:

- NARCH khi γi= 0 và βj= 0 - Log – ARCH khi δ  0

Như vậy, theo nguyên tắc trên ta cũng có thể biến đổi các công thức APARCH tuân theo các phân phối chuẩn, phân phối Student-t, phân phối Skewed Student-t sang các công thức khác:

Phân phối chuẩn

Ding, Granger và Engle (1993) đã phát triển mô hình GARCH (Bollerslev,1986) thành mô hình APARCH tuân theo phân phối chuẩn, chúng ta có APARCH(1,1):

PHÂN PHỐI Student

Việc tính toán VaR dựa trên phân phối chuẩn không thể tính toán được “đuôi” của phân phối, dẫn đến kết quả có được thiếu chính xác Để khắc phục nhược điểm này, chúng ta sử dụng phân phối Student:

εt = σtzt; với zt là biến ngẫu nhiên độc lập và phân phối đồng nhất t(0,1,u), u là bậc tự do; σttuân theo công thức phân phối chuẩn.

Với phân phối Student, việc tính toán VaR cho các vị thế mua/vị thế bán được thể hiện theo công thức:

- Vị thế mua: μt+ sta,uσt

- Vị thế bán: μt+ st1-a,,uσt

Công thức này cũng đúng trong trường hợp phân phối chuẩn.

PHÂN PHỐI Skewed Student

Fernández and Steel (1998) mở rộng phân phối Student bằng cách thêm tham số Skewness, Lambert và Laurent (2001) cũng làm rõ một lần nữa vai trò của phân phối Skewed Student trong các mô hình ARCH:

Với g(.|u) là mật độ Student đối xứng, ξ là hệ số bất đối xứng, m và s2lần lượt là giá trị trung bình và phương sai.

Với phân phối Skewed Student, việc tính toán VaR cho các vị thế mua/vị thế bán được thể hiện theo công thức:

- Vị thế mua: μt+ sksta,u,ξσt; với sksta,u,ξlà điểm phân vị trái - Vị thế bán: μt+ skst1-a,,u,ξσt; với skst1-a,,u,ξ là điểm phân vị phải Nếu log (ξ) < 0, ta có | sksta,u,ξ| > | skst1-a,,u,ξ| và ngược lại.

VÀ ĐO LƯỜNG RỦI RO THỊ TRƯỜNG Ở VIỆT NAM2.1Các nhân tố tác động đến rủi to thị trường ở Việt Nam

2.1.1 Các biến số vĩ mô2.1.1.1 Lạm phát

Hình 2.1 Lạm phát Việt Nam qua các năm 2001 - 2010Nguồn: Nhóm nghiên cứu tổng hợp

LẠM PHÁT VIỆT NAM QUA CÁC NĂM

Qua các năm, lạm phát ở Việt Nam có nhiều biến động Từ giữ ở mức thấp dưới 5% các năm 2002 - 2003 đến ổn định ở mức khoảng 7% từ 2004 – 2006, tăng cao trong các năm 2007 – 2008, kiềm chế xuống thấp năm 2009.

Theo tổng cục thống kê, lạm phát năm 2010 của Việt Nam vào khoảng 11.75%, nhưng theo ước tính của nhiều tổ chức, con số thực tế lên tới 13% Việt Nam đã cố gắng hết sức để găm giữ giá cả không cho lạm phát tăng quá cao, nhưng điều này tiềm ẩn khả năng lạm phát năm 2011 sẽ tiếp tục tăng nhanh ở mức 2 con số, đặc biệt khi Việt Nam liên tục phá giá đồng nội tệ, đưa tỷ giá liên ngân hàng lên 20.693VND.

Sẽ không có nhiều vấn đề bàn cãi nếu lạm phát tăng cao nhưng tăng trưởng kinh tế tăng tương ứng, hoặc vượt lên trên lạm phát, vì khi đó nền kinh tế vẫn có tăng trưởng thực, đời sống người dân được đảm bảo và nâng cao Nhưng lạm phát ở Việt Nam, điển hình là năm 2010 tăng quá cao, gần gấp đôi so với tăng trưởng kinh tế Đây không chỉ là dấu hiệu của nền kinh tế tăng trưởng thực âm, mà còn là dấu hiệu của nền kinh tế tăng trưởng quá nóng, tiềm ẩn nhiều rủi ro cho các nhà đầu tư.

2.1.1.2 GDP

Hình 2.2 Phần trăm tăng trưởng GDP Việt Nam qua các năm 1985 – 2010Nguồn: Nhóm nghiên cứu tổng hợp từ số liệu World Bank

GDP Việt Nam, đặc biệt là những năm gần đây, tăng trưởng khá ổn định ở mức khoảng 7% Với xuất phát điểm ở mức thấp, do hậu quả của chiến tranh, kinh tế nước ta đã dần được cải thiện qua các năm Đặc biệt là từ khi đổi mới, sau đại hội Đảng lần VI năm 1986, tăng trưởng GDP liên tục tăng cao, đời sống người dân được cải thiện rõ rệt.

Do chưa hòa nhập sâu và rộng vào nền kinh tế Thế giới, nên qua các cuộc khủng hoảng kinh tế châu Á 1997, khủng hoảng tài chính Thế giới 2008, tốc độ tăng trưởng GDP tuy có giảm nhưng vẫn giữ mức tăng trưởng dương.

Điều đáng lo ngại như đã nói ở trên, là song song với tăng trưởng GDP, đời sống người dân còn chịu ảnh hưởng bởi tác động bởi lạm phát Tuy nước ta giữ được mức tăng trưởng cao và ổn định như lạm phát làm đồng tiền mất giá quá nhanh Đời sống người dân đang có nguy cơ đi xuống.

2.1.1.3 Tỷ giá

Đối với một nước có đồng tiền yếu như Việt Nam, việc giao thương xuất nhập khẩu với các quốc gia khác đều phải thanh toán thông qua ngoại tệ, chủ yếu là Đô la Mỹ - USD Do đó, tỷ giá giao dịch thực tế và việc điều hành tỷ giá là những vấn đề rất quan trọng, cần những chính sách hợp lý từ phía nhà nước để tránh tình trạng Đô la hóa đang diễn biến ngày càng nan giải.

Hình 2.3 Diễn biến thay đổi tỷ giá Ngân hàng Nhà nước công bố 2008-2010Nguồn: Nhóm nghiên cứu tổng hợp từ số liệu Eximbank

Tỷ Giá USD Ngân hàng Nhà nước Công Bố

Một tình trạng gây khó khăn cho các doanh nghiệp ở Việt Nam là việc tồn tại hai tỷ giá, một do ngân hàng nhà nước công bố, buộc các ngân hàng thương mại phải niêm yết theo mức giá này; hai là tỷ giá giao dịch thực tế trên thị trường tự do Tỷ giá được công bố luôn thấp hơn tỷ giá tự do, nhưng các doanh nghiệp lại rất khó để mua được Đô la trên kênh chính thức này, tạo điều kiện cho tỷ giá tự do tồn tại.

Hình 2.4 Diễn biến thay đổi tỷ giá bình quân liên ngân hàng 2008-2010Nguồn: Nhóm nghiên cứu tổng hợp từ số liệu Eximbank

Trong các năm qua, tỷ giá USD liên tục tăng cao, gây ảnh hưởng không nhỏ đến việc sản xuất, kinh doanh của các doanh nghiệp Hơn nữa, thông qua các kênh gián tiếp khác, việc tăng tỷ giá USD còn làm tăng giá hàng loạt các mặt hàng khác, làm tăng tỷ lệ lạm phát ở nước ta mỗi khi tỷ giá được điều chỉnh tăng cao Với tính biến động của USD trên thị trường tự do, tỷ giá đang là một nhân tố quan trọng, gây nên tính biến động lớn trong nền kinh tế nước ta.