B GIÁO DCăVĨăĨOăTO TRNGăI HC KINH T TP. H CHÍ MINH NGUYN THANH PHÚ XP HNG CÁC MÔ HÌNH VALUE AT RISK TRONG D BÁO RI RO DANH MC LUNăVNăTHCăS KINH T Tp. H Chí Minh ậ Nmă2015 B GIÁO DCăVĨăĨOăTO TRNGăI HC KINH T TP. H CHÍ MINH NGUYN THANH PHÚ XP HNG CÁC MÔ HÌNH VALUE AT RISK TRONG D BÁO RI RO DANH MC Chuyên ngành: TÀI CHÍNH ậ NGÂN HÀNG Mã s: 60340201 LUNăVNăTHCăS KINH T NGIăHNG DN KHOA HC PGS. TS. LÊ PHAN TH DIU THO Tp. H Chí Minh ậ Nmă2015 LIăCAMăOAN Tôi xin cam đoan Lun vn Thc s Kinh t vi đ tài “Xp hng các mô hình Value at Risk trong d báo ri ro danh mc” là công trình nghiên cu ca riêng tôi di s hng dn ca PGS. TS. Lê Phan Th Diu Tho. Các s liu, kt qu trong lun vn là trung thc và cha tng đc ai công b trong bt k công trình nào khác. Tôi s chu trách nhim v ni dung tôi đư trình bày trong lun vn này. TP. HCM, tháng 5 nm 2015 Tác gi Nguyn Thanh Phú MC LC TRANG PH BÌA LIăCAMăOAN MC LC DANH MC CÁC THUT NG VIT TT DANH MC CÁC BNG DANH MCăCỄCă TH CHNGă1:ăGII THIU V  TÀI 1 1.1. Lý do chnăđ tài 1 1.2. Mc tiêu nghiên cu 1 1.3. Ni dung nghiên cu 2 1.4. Phngăphápănghiênăcu 2 1.5. Phm vi nghiên cu 2 1.6. ụănghaăđ tài 3 1.7. Kt cu ca bài nghiên cu 3 CHNGă2:ăTNG QUAN CÁC NGHIÊN CU V VaR 5 2.1. Tng quan v Value at Risk (VaR) 5 2.1.1. Khái nim VaR 5 2.1.2. S phát trin ca VaR trong qun tr ri ro 5 2.1.3. Mt s đc đim ca VaR 6 2.1.4. Các thông s nh hng đn VaR 6 2.2. Các cách tip cn các mô hình VaR 8 2.2.1. Cách tip cn Phi tham s (Nonparametric) 8  Mô hình Mô phng Quá kh (Historical Simulation) 8  Mô hình mô phng Monte Carlo 9 2.2.2. Cách tip cn tham s 10  Mô hình Riskmetrics 10  Mô hình Phng sai-Hip phng sai (Variance-Covariance) 11  Mô hình GARCH 12  Mô hình EGARCH 13 2.2.3. Cách tip cn bán tham s 13  Mô hình CAViaR thích nghi (CAViaR Adaptive) 14  Mô hình Giá tr tuyt đi đi xng (CAViaR Symmetric) 15  Mô hình GARCH(1,1) gián tip (CAViaR Indirect GARCH) 15  Mô hình đ dc bt đi xng (CAViaR Asymmetric) 16  Lý thuyt giá tr cc tr (Extreme Value Theory – EVT) 18 2.2.4. Kim tra li phng pháp lun VaR (Back-testing) 19  Kim đnh phm vi vô điu kin (Unconditional Coverage Test) 19  Kim đnh phm vi có điu kin (Conditional Coverage Test) 20 2.2.5. Stress test 22  Khái nim 22  Phân tích kch bn 22  La chn kch bn 22  ánh giá nh hng ca các kch bn 23  ánh giá Stress Test 24 2.3. Bng chng thc nghim v xp hng các mô hình VaR 24 2.2.6. Bng chng thc nghim ti các th trng đang phát trin 24 2.2.7. Bng chng thc nghim ti các th trng mi ni 24 2.2.8. Bng chng thc nghim ti các th trng phát trin 25 CHNGă3:ăPHNGăPHỄPăNGHIểNăCU 27 3.1. Các mô hình d báo VaR và d liuăđc s dng 27 3.2. Phân tích d liu 29 3.2.1. Tính toán TSSL 29 3.2.2. Mô t thng kê ca chui d liu TSSL 29 3.2.3. Mô hình d báo VaR và phng pháp kim đnh 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 kim đnh VR 37 3.2.4. Các bc nghiên cu 38 CHNGă4:ăKT QU NGHIÊN CU 41 4.1. Kt qu d báo VaR 41 4.1.1. Trình bày kt qu d báo VaR theo bng 41 4.1.2. Trình bày kt qu d báo VaR bng đ th 45 4.2. Kimăđnh kt qu d báo 54 4.3. Xp hng,ăphơnătíchăvƠăđánhăgiáăkt qu d báo 56 4.3.1. Xp hng các mô hình 56 4.3.2. Phân tích kt qu xp hng 57 4.3.3. Phân tích đ th kt qu d báo. 58 4.3.4. La chn mô hình d báo ri ro danh mc. 58 CHNGă5:ăKT LUN 60 5.1. Kt qu nghiên cu 60 5.2. Hn ch ca bài nghiên cuăvƠăhng m rng 60 Li kt 61 TÀI LIU THAM KHO PH LC DANH MC CÁC THUT NG VIT TT CAViaR CRO EGARCH EWMA ES EVT GARCH HS TSSL VaR VR Conditional Autoregressive Value at Risk - Mô hình VaR t hi quy có điu kin Chief Risk Officer – Giám đc qun tr ri ro Exponential GARCH – GARCH ly tha Mô hình bình quân gia quyn theo hàm s m Expected Shortfall – Thc đo giá tr tn tht k vng Extreme Value Theory – Mô hình cc tr Generalized autoregressive conditional heteroskedasticity ARCH tng quát Histirical Simulation – Mô hình mô phòng lch s T sut sinh li Value at Risk – Thc đo giá tr chu ri ro Violation ratio – T l vi phm DANH MC CÁC BNG Bng 1: Mt s kt qu nghiên cu thc nghim Mô hình Monte Carlo 10 Bng 2: Mt s nghiên cu m rng ca mô hình CAViaR 17 Bng 3: D liu danh mc chng khoán s dng 28 Bng 4: Kt qu c lng VaR cho danh mc DJA và NEKKEI 225 42 Bng 5: Kt qu c lng VaR cho danh mc FTSE và DAX 43 Bng 6: Kt qu c lng VaR cho danh mc BOVESPA và SSEC 44 Bng 7: Kt qu c lng VaR cho danh mc SENSEX và VNINDEX 44 Bng 8: S trng hp vi phm ca các mô hình VaR ti mc ý ngha 1% 54 Bng 9: S trng hp vi phm ca các mô hình VaR ti mc ý ngha 5% 54 Bng 10: Kt qu kim đnh c lng VaR ti mc ý ngha 1% 55 Bng 11: Kt qu kim đnh c lng VaR ti mc ý ngha 5% 55 Bng 12: Kt qu xp hng c lng VaR ti mc ý ngha 1% 56 Bng 13: Kt qu xp hng c lng VaR ti mc ý ngha 5% 56 DANH MC CÁC  TH  th 1: S phân b li/l trong khong thi gian xác đnh VaR 7  th 2: Tác đng ca TSSL và Phng sai lên thc đo VaR 15  th 3: Phân phi xác sut TSSL ca danh mc DJIA 29  th 4: Phân phi xác sut TSSL ca danh mc FTSE 100 30  th 5: Phân phi xác sut TSSL ca dah mc NIKKEI 225 30  th 6: Phân phi xác sut TSSL ca danh mc DAX 30  th 7: Phân phi xác sut TSSL ca danh mc BOVESPA 31  th 8: Phân phi xác sut TSSL ca danh mc SENSEX 31  th 9: Phân phi xác sut TSSL ca danh mc SSEC 31  th 10: Phân phi xác sut TSSL ca danh mc VN INDEX 32  th 11: Kt qu d báo VaR cho danh mc DJA ti mc ý ngha 1% 46  th 12: Kt qu d báo VaR cho danh mc DJA ti mc ý ngha 5% 46  th 13: Kt qu d báo VaR cho danh mc NIKKEI ti mc ý ngha 1% 47  th 14: Kt qu d báo VaR cho danh mc NIKKEI ti mc ý ngha 5% 47  th 15: Kt qu d báo VaR cho danh mc FTSE ti mc ý ngha 1% 48  th 16: Kt qu d báo VaR cho danh mc FTSE ti mc ý ngha 5% 48  th 17: Kt qu d báo VaR cho danh mc DAX ti mc ý ngha 1% 49  th 18: Kt qu d báo VaR cho danh mc DAX ti mc ý ngha 5% 49  th 19: Kt qu d báo VaR cho danh mc BOVESPA ti mc ý ngha 1% 50  th 20: Kt qu d báo VaR cho danh mc BOVESPA ti mc ý ngha 5% 50  th 21: Kt qu d báo VaR cho danh mc SSEC ti mc ý ngha 1% 51  th 22: Kt qu d báo VaR cho danh mc SSEC ti mc ý ngha 5% 51  th 23: Kt qu d báo VaR cho danh mc SENSEX ti mc ý ngha 1% 52  th 24: Kt qu d báo VaR cho danh mc SENSEX ti mc ý ngha 5% 52  th 25: Kt qu d báo VaR cho danh mc VNINDEX ti mc ý ngha 1% 53  th 26: Kt qu d báo VaR cho danh mc VNINDEX ti mc ý ngha 5% 53 1 CHNGă1:ăGII THIU V  TÀI 1.1. Lý do chnăđ tài Khng hong tài chính toàn cu nm 2008 đư đi qua nhng d chn nng n vn còn tip tc kéo dài đn ngày hôm nay. Anh hng tiêu cc đn các thành phn kinh t trong th trng, đc bit là các qu đu t. Chính vì th, vai trò qun tr ri ro ngày càng tr nên quan trng, các mô hình ngày càng tr nên quan trng và tr thành vn đ nóng bng ca gii tài chính nh là mt h qu tt yu. Sau thi gian dài hình thành và phát trin, mô hình VaR đư ra đi, và các ng dng xoay quanh nó đư cho thy đc nhng hiu qua thc t. Hin ti có khá nhiu phng pháp đ tính VaR t đn gin ti nhng tính toán phc tp, yêu cu phi s dng nhng h thng chuyên dng. Tuy nhiên, nhng mô hình này cng có nhng u đim và nhc đim riêng bit.  đánh giá đâu là mô hình phù hp nht đ d báo tt nht ri ro cho danh mc đu t, tác gi đư tin hành nghiên cu đ tài: Xp hng các mô hình Value at Risk trong d báo ri ro danh mc. 1.2. Mc tiêu nghiên cu Bài nghiên cu tin hành đánh giá và xp hng mt s mô hình kinh t lng ph bin trên th gii trong vic c lng VaR. Qua đó, nhm cung cp thêm bng chng thc nghim trong vic đánh giá đâu là mô hình d báo ri ro danh mc tt nht. Tác gi s dng tám mô hình nghiên cu đi din cho các cách tip cn tham s, phi tham s, bán tham s đ c lng VaR cho tám danh mc đu t th trng đi din cho th trng mi ni và th trng phát trin vi 2 mc Ủ ngha 1% và 5%. Sau khi tin hành c lng VaR, tác gi s thc hin kim đnh theo phng pháp t l VR đ xp hng các mô hình c lng VaR. [...]... t lu n r ng ng ch so sánh hi u mô hình truy n th ng v i mô hình N-GARCH và T- GARCH K t qu nghiên c u cho th y, các mô hình trong dòng mô hình GARCH t ra hi u qu i các mô hình còn l i Angelidis, Benos và Degiannakis (2003) so sánh hi u qu d báo gi a các mô hình trong dòng GARCH b ng cách th c hi n nghiên c u trên n khoán khác nhau t i các qu c gia phát tri n và s d ng các gi c ch ng nh phân ph i khác... ng h p vi ph m k v ng, ta k t lu n mô hình d báo r i ro có c l i tn u nh mô hình là m c a mô hình d báo r i ro và t (Jon Danielsson, 2011) Ki m c k h u d ng trong vi giúp chúng ta h n ch báo quá cao hay quá th p r i ro c a danh m c giá s y u kém ng h p d 22 Tuy nhiên, h n ch c a ki nh là không th cho chúng ta bi t ng không hi u qu Khi m t mô hình d báo kém i ho trong kho ng th i gian ti n hành ki... Blanco-Ihle, RMSE và MAPE D a trên k t qu ki cx pv u báo t t nh t so v i các mô hình còn l i c các khái ni m v mô hình tham s u ng VaR d a trên ba cách ti p c n là phi tham s , bán tham s và ng th i, tác gi hình này Nh ng gi ng h m c a các mô nh v phân ph i c a chu i d li u ng nhi u t i hi u qu c a các mô hình Bên c giá hi u qu c a các mô hình VaR, tác gi các mô hình ki phân v POF c a Kupiec (1995), Ki ng (DQ)... p và tóm t t các b ng ch ng th c nghi m trong vi c d báo VaR cho danh m c c nhau, cho th y m t cái nhìn toàn di n v các công trình nghiên c n l n các b ng ch ng th c nghi m, mô hình EVT ro danh m t nh t trong vi c d báo r i n vi c xây d a phân ph i xác su t b ng cách s d ng phân ph i khác h h ng ph n ng i Pareto t ng quát Tuy nhiên, EVT là mô hình khá ph c t p và vì th vi c s d ng mô hình EVT v n còn... : 3.1 U Các mô hình d báo VaR và d li Quan sát các nghiên c c s d ng Vi t Nam, tác gi rút th y r ng cs d x p h ng nhi u thu t toán ph c t d ng g ng kh c ph c nh ng h n ch này b ng vi c b sung mô hình CAViaR vào vi u qu , so sánh v C th , các mô hình s d ng thông qua 3 cách ti p c n sau: Cách ti p c n Phi tham s - Mô hình Mô ph ng L ch s (Historical Simulation) Cách ti p c n tham s - -Hi - Mô hình GARCH... tr m b o r ng các phân v liên k t n m trong b thông tin M t s l a ch n t nhiên cho tr M t thu n l i c i v i t su t sinh l i c a tài s n H cho r ng trình t trong th c ti n: v i các bi n quan sát là t su t sinh l nh phân ph i c th cho s d ng 15 Trong khuôn kh mô hình CAViaR, 3 mô hình t h i quy sau có th c c th mô hình CAViaR Adaptive: Mô hình Giá tr tuy i x ng (CAViaR Symmetric) Mô hình GARCH(1,1)... các t vi t t t, ph l c, tài li u tham kh tài có t t c i thi u v m: tài 4 Trong u tiên, tác gi khái quát v lý do ch n i dung nghiên c tài, m c tiêu nghiên c u, m vi nghiên c c k t c u c a bài nghiên c u T ng quan nh ng nghiên c u v các mô hình VaR khái quát lý thuy t và các nghiên c u trên th gi i liên báo VaR Bên c trình bày các b ng ch ng th c nghi m v x p h ng các mô hình VaR trong d báo r i ro danh. .. (2006) so sánh và x p h ng các mô hình VaR d a trên b y danh m c ch ng khoán c a các qu d c Phi Tác gi s -Hi d báo VaR K t qu ch ra r ng, EVT là mô hình t t nh t cho d i v i danh m c thu c các qu c gia này 2.2.7 B ng ch ng th c nghi m t i các th ng m i n i Gencay, Selcuk, Ulugulyagci (2003) và Gencay, Selcuk (2004) so sánh hi u qu gi a mô hình EVT v i các mô hình ph bi a danh m c ch ng khoán t i chính... h ng các mô hình VaR d i m t danh m c ch s ch ng khoán thu sáu danh m c thu c m i n i và nt s d d báo VaR t i hai m 1% và 5% Tác gi s d qu ki nh t so v i các mô hình còn l i n nh DQ, Whit cx pv a trên k t báo t t 26 Sasa Zikovic, Randall K.Filer (2012) so sánh và x p h ng các mô hình VaR và ES d a trên tám danh m c ch s ch ng khoán thu c nhóm m c thu cm in gi s d c phát tri n và tám danh nt d báo VaR... quan h gi a các v th là phi tuy n tính thì chúng ta c n t i nh ng mô hình VaR hoàn thi Mô hình GARCH i v i h i theo th i gian r ng mô hình b ng vi c thêm vào mô hình ARCH t ng quát (GARCH) Mô hình này ch u tiên mô t s phát tri n c a t su t sinh l i theo t su t sinh l i quá kh s ti n tri n v bi ng c a t su t sinh l l ch chu n không ch ph thu c vào nhi u trong quá kh mà còn ph thu l ch chu n trong quá . hng các mô hình Value at Risk trong d báo ri ro danh mc. 1.2. Mc tiêu nghiên cu Bài nghiên cu tin hành đánh giá và xp hng mt s mô hình kinh t lng ph bin trên th gii trong. 2.2. Các cách tip cn các mô hình VaR 8 2.2.1. Cách tip cn Phi tham s (Nonparametric) 8  Mô hình Mô phng Quá kh (Historical Simulation) 8  Mô hình mô phng Monte Carlo 9 2.2.2. Cách. “Xp hng các mô hình Value at Risk trong d báo ri ro danh mc” là công trình nghiên cu ca riêng tôi di s hng dn ca PGS. TS. Lê Phan Th Diu Tho. Các s liu, kt qu trong lun