toán VaR ES danh mục thời điểm tương lai ( )t h+ Giả sử giá trị danh mục kí hiệu tS biết Giá trị tương lai danh mục chưa biết biến ngẫu nhiên, kí hiệu t hS + Chúng ta cần phải ước lượng phân phối t hS + để tính toán VaR ES Chúng ta ước lượng VaR ES theo thủ tục sau ([16]): • Thủ tục ánh xạ (mapping procedure) sử dụng liệu đầu vào thông tin danh mục, kết cho ta hàm ánh xạ θ • Thủ tục suy diễn (inference procedure) sử dụng liệu đầu vào véctơ nchiều R chứa số liệu lịch sử nhân tố rủi ro Mục đích thủ tục suy diễn mô tả phân phối R dựa vào số liệu • Thủ tục biến đổi (transformation procedure) kết hợp kết thủ tục ánh xạ thủ tục suy diễn để mô tả phân phối t hS + Dựa vào phân phối t hS + giá trị tS , thủ tục biến đổi định giá trị VaR ES Phương pháp mô lịch sử phương pháp mô Monte Carlo thường sử dụng nghiên cứu quản trị rủi ro tài Theo thuật toán chung cho ước lượng VaR ES phương pháp mô phỏng, phải xác định phân phối đồng thời danh mục R Tuy nhiên, phân phối đồng thời R phân phối chuẩn nhiều chiều tiếp cận phương pháp copula để nghiên cứu Phương pháp copula: Lý thuyết copula lý thuyết họ hàm phân phối nhiều chiều, công cụ để xác định phân phối đồng thời dựa hàm phân phối biên duyên hàm copula Một số họ Copula: Có nhiều họ copula khác ([34], [40]): Copula Gauss, copula Student (Copula-T), copula Clayton, copula Frank, copula Plackett, copula Gumbel, copula Clayton copula-SJC, Các copula-Gauss, copula-T dùng để mô tả phụ thuộc cho biến có tính đối xứng; copula Gumbel phù hợp mô tả cho biến có đuôi bên trái dầy, copula Clayton phù hợp mô tả cho biến có đuôi bên phải dầy; copula-SIC mô tả phụ thuộc tốt cho biến có phụ thuộc đuôi Ngoài luận án chọn thêm cách tiếp cận theo phương pháp Vine để xây dựng copula nhiều chiều từ copula chiều 1.3.6 Hậu kiểm mô hình VaR ES Hậu kiểm mô hình VaR: Theo hiệp định Basel II, năm 1996 BIS (Bank for International Settlements) khuyến cáo tổ chức tài xây dựng mô hình VaR riêng để ước lượng P&L dùng quản lý rủi ro phải thường xuyên hậu kiểm tính chuẩn xác mô hình Theo quy định BIS: Với n = 250, α = 1%, số ngày P&L thực tế lớn P&L lý thuyết không mô hình xem chuẩn xác Nếu α = 5% số 19 Hậu kiểm mô hình ES: Để thực hậu kiểm ES ta tiến hành ước lượng ES cho ngày so sánh lợi suất thực tế danh mục với ES ước lượng ngày tính hàm tổn thất ([19], [24]) , 1 , 11 | ES | aR nguoc lai tttt t r r Vα αψ + + + ++ − > =  ; , 1 , 12 ( ES ) aR nguoc lai tttt t r r Vα αψ + + + ++  − > =  (1.42) Giả sử ta chọn n ngày để thực hậu kiểm, dựa hàm tổn thất ta tính sai số tuyệt đối trung bình (mean absolute error-MAE) sai số bình phương trung bình (mean squared error- MSE): 1 n t tMAE n ψ == ∑ ; n t tMSE n ψ == ∑ (1.43) Ta lựa chọn phương pháp ước lượng ES cho MAE, MSE nhỏ 1.4 Thực trạng đo lường rủi ro thị trường chứng khoán Việt Nam 1.4.1 Quá trình hình thành phát triển thị trường chứng khoán Việt Nam Trung tâm giao dịch chứng khoán Thành phố Hồ Chí Minh (TTGDCK TPHCM) thành lập theo Quyết định số 127/1998/QĐ-TTg ngày 11/7/1998, thức thực phiên giao dịch vào ngày 28/7/2000 Trung tâm giao dịch chứng khoán Hà Nội (TTGDCK HN) thức chào đời vào ngày 8/3/2005 Giai đoạn 2000-2005: Giai đoạn hình thành TTCK Việt Nam Giai đoạn năm 2006-2007: Giai đoạn bùng nổ TTCK Việt Nam Giai đoạn năm 2008-2012: TTCK Việt Nam giai đoạn khủng hoảng 1.4.2 Đo lường rủi ro thị trường chứng khoán Việt Nam Rủi ro hoạt động đầu tư thị trường chứng khoán Việt Nam Đầu tư TTCKVN chịu nhiều rủi ro khác trình bày mục 1.1: Rủi ro thị trường, rủi ro lãi suất, rủi ro sức mua, rủi ro kinh doanh, rủi ro tài Ngoài ra, rủi ro khác mà nhà đầu tư gặp phải tham gia TTCKVN: Rủi ro thông tin, rủi ro sách, Đo lường rủi ro thị trường chứng khoán Việt Nam Phương pháp đo lường rủi ro phổ biến dùng sử dụng độ lệch chuẩn để đo lường độ biến động lợi suất chứng khoán Hiện số trang web có công bố hệ số beta cổ phiếu niêm yết sàn chứng khoán, hệ số beta ngành 1.5 Kết luận chương Trên sở tìm hiểu mô hình đo lường rủi ro tổng quan thị trường chứng khoán Việt Nam, chương có số kết luận sau: • Khi sử dụng phương pháp độ lệch chuẩn hay phương sai để đo lường rủi ro danh mục đầu tư việc tính toán đơn giản chưa đưa mức thua lỗ mà nhà đầu tư nắm giữ danh mục Hệ số beta mô hình CAPM cho biết rủi ro hệ thống chứng khoán hay danh mục thực có ý nghĩa giả thiết mô hình thỏa mãn • Mô hình VaR sử dụng phổ biến quản trị rủi ro thị trường, rủi ro tín dụng danh mục Tuy nhiên, VaR không độ đo rủi ro chặt chẽ nên quy tắc đa dạng hóa đầu tư bị phá vỡ Trong điều kiện thị trường bình thường VaR giúp ta trả lời câu hỏi “có thể tối đa phần lớn tình huống” Khi thị trường có biến động bất thường, để dự đoán mức tổn thất xảy sử dụng mô hình ES, ES độ đo rủi ro chặt chẽ • Để ước lượng VaR ES sử dụng nhiều phương pháp khác Tuy nhiên, thị trường bình thường sử dụng phương pháp: Phương pháp tham số với giả thiết lợi suất phân phối chuẩn, phương pháp mô lịch sử,; thị trường có nhiều biến động nên sử dụng phương pháp: Phương pháp EVT, phương pháp mô MonteCarlo, Việc thực hậu kiểm mô hình VaR ES thường xuyên cần thiết, giúp đánh giá tính phù hợp mô hình • Phương pháp đo lường rủi ro chủ yếu sử dụng thị trường chứng khoán Việt Nam độ lệch chuẩn Bên cạnh đó, hệ số beta cổ phiếu, ngành công bố số trang web, nhiên hệ số chưa thể đầy đủ ý nghĩa thị trường chứng khoán Việt Nam • Mặc dù nghiên cứu mô hình đo lường rủi ro thị trường chứng khoán Việt Nam hạn chế bước đầu tiếp cận với nghiên cứu giới Tuy nhiên, nghiên cứu phụ thuộc tài sản thị trường có biến động lớn, đo lường rủi ro danh mục đầu tư nhiều tài sản thị trường có biến động lớn thị trường chứng khoán Việt Nam chưa có CHƯƠNG MÔ HÌNH ĐO LƯỜNG SỰ PHỤ THUỘC CỦA CÁC CHUỖI LỢI SUẤT CHỨNG KHOÁN Rủi ro danh mục đầu tư nhiều tài sản phụ thuộc vào rủi ro tài sản cấu trúc phụ thuộc tài sản danh mục Do đó, việc nghiên cứu phụ thuộc tài sản nội dung quan trọng đo lường rủi ro danh mục đầu tư Mục đích tác giả muốn biết phụ thuộc thống kê (đơn giản gọi phụ thuộc) tài sản thay đổi điều kiện thị trường bình thường thị trường có biến động lớn 2.1 Đo lường phụ thuộc chuỗi lợi suất chứng khoán Trước tiên, luận án sử dụng hàm đồng vượt ngưỡng theo cách tiếp cận tác giả Dirk G Baur Niels Schulze ([21]) để tính toán giá trị vượt ngưỡng đồng thời cặp chuỗi lợi suất Luận án tiếp cận mô hình hồi quy phân vị để nghiên cứu thay đổi hàm đồng vượt ngưỡng chu kỳ nghiên cứu qua thấy hành vi tăng hay giảm chứng khoán thay đổi Tiếp đó, tác giả trình bày mô hình GARCH-copula động để nghiên cứu phụ thuộc cặp chuỗi lợi suất Dựa việc nghiên cứu động thái tham số hàm copula, tác giả biết được phụ thuộc cặp chuỗi lợi suất điều kiện thị trường bình thường hay thị trường có biến động lớn thay đổi 2.1.1 Các giá trị vượt ngưỡng đồng thời chuỗi lợi suất chứng khoán Tác giả sử dụng hàm đồng vượt ngưỡng để xác định giá trị vượt ngưỡng đồng thời chuỗi lợi suất 2,t tr r : Hàm đồng vượt ngưỡng ([21, tr 3]): 1212 121212 min( , ) : ( , ) ax( , ) : 0 : nguoc lai tttt ttttt rrrvr r r m r r r v rφ > >  = < <   (2.1) với cách tiếp cận giá trị vượt ngưỡng đồng thời xác định với ngưỡng thay đổi theo thời gian t Mô hình hồi quy phân vị Giả sử Y biến ngẫu nhiên có hàm phân phối xác suất F(y), γ -phân vị (0<γ <1) Y, ký hiệu ( )Q γ , xác định sau: { }( ) inf : ( )Q y F yγ γ= ≥ Sau đây, ta xét mô hình hồi quy phân vị tuyến tính ([38, tr 38])với biến giải thích , , kX X : 2 2( / , , ) ( ) ( ) ( )i ki i k kiQ X X X Xγ β γ β γ β γ= + + +L (2.2) 2.1.2 Mô hình GARCH-copula động Tiếp cận theo phương pháp copula để nghiên cứu phụ thuộc chuỗi lợi suất, sử dụng mô hình copula không điều kiện mô hình copula có điều kiện Với mô hình copula có điều kiện, tác giả sử dụng lớp mô hình: Mô hình ARMA(m,n) mô tả lợi suất trung bình mô hình GARCH(p,q) mô tả phương sai cho chuỗi lợi suất Sau ước lượng đồng thời phương trình trung bình phương sai chuỗi ta có phần dư ˆtu từ phương trình trung bình ước lượng độ lệch chuẩn có điều kiện ˆtσ từ phương trình phương sai; ta có giá trị phần dư chuẩn hóa ˆ ˆ ˆ t t t u ε σ = Tiếp đó, tác giả sử dụng hàm copula để mô tả cấu trúc phụ thuộc chuỗi phần dư chuẩn hóa Tác giả sử dụng số hàm copula để mô tả cấu trúc phụ thuộc chuỗi phần dư chuẩn hóa: copula-T, copula-Gauss, copula-Clayton, copula-SJC Hơn nữa, nghiên cứu mô hình GARCH-copula, luận án đặt trường hợp: Trường hợp tham số copula số, trường hợp tham số copula thay đổi hay gọi mô hình GARCH-copula động Ở đây, tác giả lựa chọn mô hình phân tích thay đổi tham số hàm copula sau: • Trong trường hợp copula-T and copula-Gauss, tác giả xét ma trận hệ số tương quan thay đổi theo thời gian với giả thiết thay đổi hệ số tương quan tuân theo mô hình DCC(1,1) Khi ta có mô hình: Copula-T-DCC, copula- Gauss-DCC • Đối với hàm copula-Clayton copula-SJC, tác giả xét mô hình phụ thuộc theo thời gian cho tham số (dạng Patton (2006)) 2.2 Kết phân tích thực nghiệm 2.2.1 Mô tả số liệu Tác giả sử dụng giá đóng cửa ( tP ) cổ phiếu chọn để tính số VN30, số VNINDEX số HNX Mẫu nghiên cứu chọn từ 2/1/2007 đến 28/12/2012 để phân tích, số quan sát chuỗi giá đóng cửa cổ phiếu không giống Ta ký hiệu RVCB, RSSI, RVIC, RSBT, RPVF, RPNJ, ROGC, RNTL, RMSN, RMBB , RIJC, RHSG, RHPG, RHAG, REIB, RDPM, RDIG, RCTG, RBVH, RCII, RDRC, RFPT, RGMD, RITA, RKDC, RPVD, RREE, RSTB, RVNM, RVSH, RHNX, RVNINDEX chuỗi lợi suất ( t t P Ln P−    ) chuỗi giá đóng cửa cổ phiếu số HNX, VNINDEX tương ứng Trong nội dung phân tích thực nghiệm phần chương này, tác giả lựa chọn chuỗi lợi suất có đủ số quan sát từ 2/1/2007 đến 28/12/2012 nhóm chứng khoán nêu Khi đó, có chuỗi lợi suất: RCII, RDRC, RFPT, RGMD, RITA, RKDC, RPVD, RREE, RSTB, RVNM, RVSH, RHNX, RVNINDEX, chuỗi có 1491 quan sát 2.2.2 Phân tích đặc điểm biến động chiều cặp cổ phiếu số thị trường Phần này, luận án nghiên cứu hàm đồng vượt ngưỡng chuỗi lợi suất có khác chu kỳ nghiên cứu hay không? Qua thấy hành vi tăng giá, giảm giá cặp chứng khoán diễn chu kỳ nghiên cứu Trước hết, ta ký hiệu: COERCII, COERFPT, COERGMD, COERKDC, COERPVD, COERSTB, COERVSH, COERREE, COERDRC, COERVNM, COERITA, COERHNX hàm đồng vượt ngưỡng cặp RCIIRVNINDEX, RFPT-RVNINDEX, RGMD-RVNINDEX, RKDC-RVNINDEX, RPVD-RVNINDEX, RSTB-RVNINDEX, RVSH-RVNINDEX, RREERVNINDEX, RDRC-RVNINDEX, RVNM-RVNINDEX, RITA-RVNINDEX, RHNX-RVNINDEX Để đánh giá xu hướng đồng vượt ngưỡng cặp lợi suất giai đoan từ 1/2/2008 đến 27/2/2009 có khác biệt với giai đoạn lại mẫu nghiên cứu, tiếp tục thực phân tích hồi quy phân vị hàm đồng vượt ngưỡng với biến giả BG (BG nhận giá trị quan sát thuộc khoảng từ 1/2/2008 đến 27/2/2009 BG nhận giá trị quan sát thuộc khoảng thời gian lại) Khi ta có mô hình: 2( / ) ( ) ( )i iQ BG BGγ β γ β γ= + (2.10) Từ kết ước lượng hàm đồng vượt ngưỡng trên, tác giả có số kết luận: • Tại phân vị 0.01, 0.05, 0.1: Các hệ số biến giả (BG) có ý nghĩa thống kê nhận giá trị âm, điều có nghĩa khoảng thời gian từ 1/2/2008 đến 27/2/2009, xảy đồng vượt ngưỡng âm cặp chuỗi lợi suất lớn chu kỳ lại CCC tác giả có số nhận xét: Các hệ số GARCH(-1) ước lượng mô hình CCC nhỏ hệ số GARCH(-1) ước lượng mô hình GARCH đơn biến Có chuỗi RFPT RVNINDEX hệ số RESID(-1)^2 ước lượng mô hình CCC bé hệ số RESID(-1)^2 ước lượng mô hình GARCH đơn biến Với chuỗi RCII, RGMD, RKDC, RITA hệ số RESID(-1)^2 ước lượng mô hình CCC lớn hệ số RESID(-1)^2 ước lượng mô hình GARCH đơn biến Khi nghiên cứu đồng thời nhiều chứng khoán phụ thuộc chứng khoán làm cho rủi ro chứng khoán thay đổi so với việc nghiên cứu rủi ro riêng chứng khoán 3.2 Phân tích rủi ro hệ thống số cổ phiếu Ở phần này, tác giả ứng dụng mô hình GARCH để phân tích biến động hệ số beta cổ phiếu: CII, FPT, GMD, KDC, ITA, DRC, PVD, REE, STB, VNM, VSH, chuỗi có số quan sát 1491, số VNINDEX sử dụng để làm số thị trường Tác giả thấy giá trị trung bình chuỗi hệ số beta cổ phiếu KDC nhỏ 1, giá trị trung bình chuỗi hệ số beta 10 cổ phiếu lại lớn 1, giá trị trung bình chuỗi hệ số beta cổ phiếu REE có giá trị lớn Qua đó, tác giả thấy giá 10 cổ phiếu có xu hướng dao động nhiều mức dao động số VNINDEX 3.3 Mô hình VaR ES 3.3.1 Ước lượng VaR ES cho chuỗi lợi suất tài sản Ở đây, tác giả sử dụng phương pháp POT lý thuyết giá trị cực trị để mô hình hóa phân phối xác suất đuôi chuỗi lợi suất không phân phối chuẩn ước lượng VaR ES chuỗi lợi suất Kết ước lượng VaR ES (xét độ lớn) phương pháp EVT cho chuỗi không phân phối chuẩn cho ta biết: Sau phiên giao dịch: lợi suất chứng khoán giảm với khả 95%, hay 99% biết mức giảm tối đa Trong tình xấu, lợi suất chứng khoán giảm sâu, vượt ngưỡng với khả 95%, hay 99% biết mức giảm dự tính Ta có số nhận xét cụ thể: Đối với RVNINDEX: Nếu lợi suất thị trường giảm với khả 95% mức giảm không 3.28%, với khả 99% mức giảm không 4.35% Trong tình xấu, lợi suất thị trường giảm sâu, vượt ngưỡng với khả 95% mức giảm dự tính 3.93%; với khả 99% mức giảm dự tính 4.56% Như vậy, với giới hạn cho phép biên độ giá cổ phiếu sàn HOSE ± 7%, dù hoàn cảnh xấu tượng tất cổ phiếu sàn HOSE đồng loạt giảm giá kịch sàn không xảy Đối với RHNX: Với giới hạn cho phép biên độ giá cổ phiếu sàn HaSTC ± 10%, dù hoàn cảnh xấu tượng tất cổ phiếu sàn HaSTC đồng loạt giảm giá kịch sàn không xảy Đối với cổ phiếu: CII, FPT, GMD, KDC, PVD, STB, VSH, DRC, ITA, REE, VNM, VCB, SSI, PVF, VIC, SBT, PNJ, HSG, IJC, MBB, NTL, CTG, DIG, EIB, HAG, HPG phiên giao dịch với khả 95%, dù hoàn cảnh xấu việc cổ phiếu giảm giá kịch sàn không xảy Tuy nhiên với khả 99%, hoàn cảnh xấu cổ phiếu: CII, FPT, KDC, PVD, STB, VSH, DRC, ITA, REE, VNM, VCB, SSI, VIC, SBT, PNJ, IJC, MBB, NTL, CTG, DIG, EIB, HAG, HPG giảm giá kịch sàn 3.3.2 Ước lượng VaR danh mục đầu tư nhiều tài sản Trong phần này, tác giả áp dụng: Mô hình GARCH-EVT-copula-Gauss, mô hình GARCH-EVT-copula-T, mô hình GARCH-EVT-DVine-T, Mô hình với giả thiết phân phối chuẩn, Phương pháp thực nghiệm để ước lượng giá trị rủi ro danh mục lợi suất cổ phiếu: RCII, RFPT, RGMD, RKDC, RITA Trong kết phân tích thực nghiệm đây, tác giả lựa chọn danh mục lập từ chuỗi lợi suất với trọng số Tác giả sử dụng số liệu giới thiệu chương 2, chuỗi lợi suất chọn để lập danh mục gồm 1491 quan sát Tác giả sử dụng cửa sổ gồm 1241 quan sát chuỗi lợi suất để ước lượng VaR danh mục Sau đó, tác giả thực hậu kiểm mô hình VaR với 250 giá trị quan sát Trước tiên, tác giả có kết ước lượng VaR danh mục cho cửa sổ thứ gồm 1241 quan sát chuỗi số liệu: Bảng 3.5 Kết ước lượng VaR 1241 quan sát mức 0.95 0.99 GARCHEVT-copula T GARCHEVT-copulaGauss GARCH-EVTcopula -DVineT Phân phối chuẩn Thực nghiệm VaR(95%,1 ngày) -0.03503 -0.03556 -0.03694 -0.03685 -0.04141 VaR(99%,1 ngày) -0.05240 -0.05236 -0.05755 -0.05212 -0.05023 3.3.2.6 Hậu kiểm mô hình VaR Để đánh giá phù hợp phương pháp tính VaR, tác giả tiến hành hậu kiểm mô hình VaR Ta thực hậu kiểm với 250 quan sát (từ quan sát 1242 đến quan sát 1491) Sau ước lượng 250 giá trị VaR danh mục, tác giả tiến hành so sánh giá trị thực tế danh mục giá trị VaR ước lượng Trong 250 quan sát để thực hậu kiểm có đến 124 quan sát lợi suất danh mục (Rport) nhận giá trị âm, tức danh mục chịu tổn thất Tác giả xem xét sai lệch lợi suất danh mục với giá trị VaR ước lượng trường hợp danh mục chịu tổn thất Độ sai lệch so với tổn thất thực tế tính cách lấy lợi suất danh mục chịu tổn thất trừ giá trị VaR ước tính Độ sai lệch tuyệt đối trung bình so với tổn thất thực tế tính tổng tất sai lệch tuyệt đối 124 quan sát chia cho 124 Độ sai lệch tuyệt đối trung bình nhỏ phản ánh giá trị VaR ước lượng gần giá trị tổn thất thực tế Bảng 3.6 Kết hậu kiểm mô hình ước lượng VaR Mô hình ước lượng VaR Số vượt ngưỡng tối đa cho phép Số thực tế vượt VaR Độ sai lệch tuyệt đối trung bình GARCH-EVT-copula-T 19 0.024125 GARCH-EVT-copula- Gauss 19 0.023960 VaR(0.95) GARCH-EVT-copula-DVine-T 19 0.024758 Phân phối chuẩn 19 0.023990 Thực nghiệm 19 0.028579 GARCH-EVT-copula-T 0.037410 GARCH-EVT-copula- Gauss 0.037968 VaR(0.99) GARCH-EVT-copula-DVine-T 0.044472 Phân phối chuẩn 0.039653 Thực nghiệm 0.044569 Như vậy, số quan sát mà mức tổn thất thực tế danh mục vượt VaR ước lượng mô hình nằm giới hạn cho phép BIS mức 95% 99% Tuy nhiên, với mô hình VaR(0.95) độ sai lệch tuyệt đối trung bình ước lượng mô hình GARCH-EVT-copula-Gauss 0.023960 nhỏ nhất; với mô hình VaR(0.99) độ sai lệch tuyệt đối trung bình ước lượng mô hình GARCH-EVT-copula-T 0.037410 nhỏ Như vậy, sử dụng phương pháp copula có điều kiện EVT để ước lượng VaR danh mục kết thu tốt nhà đầu tư sử dụng giả định danh mục có phân phối chuẩn 3.3.3 Ước lượng ES danh mục đầu tư nhiều tài sản Trong phần này, tác giả ước lượng ES(0.95) ES(0.99) danh mục lập từ cổ phiếu: RCII, RFPT, RGMD, RKDC, RITA với trọng số mô hình: Mô hình GARCH-EVT-copula-T, mô hình GARCH-EVT-copulaGauss, mô hình GARCH-EVT-copula-DVine-T, mô hình phân phối chuẩn, phân phối thực nghiệm Đồng thời, tác giả thực hậu kiểm ES để so sánh tính phù hợp mô hình Trước hết, ta có kết ước lượng ES danh mục mức 0.95 0.99 mô hình với 1241 quan sát đầu tiên: Bảng 3.7 Ước lượng ES 1241 quan sát mức 0.95 0.99 GARCHEVTcopula-T GARCHEVT-copulaGauss GARCHEVT-copula -DVine-T Phân phối chuẩn Thực nghiệm ES(0.95,1 ngày) -0.04596905 -0.0441147 -0.04874 -0.04621162 -0.051126156 ES(0.99,1 ngày) -0.07313909 -0.0665023 -0.07796 -0.059709656 -0.068190381 Theo kết ước lượng ES tác giả có nhận xét: Sau phiêu giao dịch sàn HOSE nhà đầu tư nắm giữ danh mục này: • Trong tình xấu lợi suất danh mục giảm sâu vượt ngưỡng VaR(0.95), theo mô hình: GARCH-EVT-copula-T, GARCH-EVT-copulaGauss, GARCH-EVT-copula-DVine-T, phân phối chuẩn, phương pháp thực nghiệm 95% khả mức giảm dự tính tương ứng 4.596905%, 4.41147%, 4.874%, 4.621162%, 5.1126156% • Trong tình xấu lợi suất danh mục giảm sâu vượt ngưỡng VaR(0.99), theo mô hình: GARCH-EVT-copula-T, GARCH-EVT-copula- Gauss, GARCH-EVT-copula-DVine-T, phân phối chuẩn, phương pháp thực nghiệm 99% khả mức giảm dự tính tương ứng 7.313909%, 6.65023%, 7.796%, 5.9709656%, 6.8190381% Ta có bảng kết hậu kiểm ES mức tin cậy 0.95 0.99 với 250 quan sát (từ quan sát 1242 đến quan sát 1491): Bảng 3.8 Hậu kiểm ES mức 0.95 0.99 GARCHEVTcopula-T GARCHEVTcopulaGauss GARCHEVT-copula -DVine-T Phân phối chuẩn Thực nghiệm MAS ES(0.95,1 ngày) 0.000301141 0.00034122 0.000309 0.00033282 0.000259675 ES(0.99,1 ngày) 0.000110719 0.00011077 0.000085528 0.000149318 0.000157367 Theo kết hậu kiểm ES cho 250 ngày, tác giả có nhận xét: • Với ES(0.95): Có thể cho mô hình GARCH-EVT-copula-T, GARCH-EVT-copula-DVine-T, thực nghiệm có sai số trung bình tuyệt đối nhỏ sai số trung bình tuyệt đối ước lượng phân phối chuẩn • Với ES(0.99): Các mô hình: GARCH-EVT-copula-T, GARCH-EVTcopula-Gauss, GARCH-EVT-copula-DVine-T có sai số trung bình tuyệt đối nhỏ sai số trung bình tuyệt đối ước lượng phân phối chuẩn Như vậy, với mức 0.95 0.99, số mô hình ước lượng ES nêu mô hình GARCH-EVT-copula-T GARCH-EVT-copula-DVine-T cho thấy tốt sử dụng phân phối chuẩn Qua kết thực nghiệm cho thấy, phương pháp copula điều kiện EVT phù hợp phản ánh giá trị tổn thất thực tế xác sử dụng giả thiết lợi suất tài sản có phân phối chuẩn 3.4 Kết luận chương Chương thực phân tích thực nghiệm với số mô hình đo lường rủi ro thị trường chứng khoán Việt Nam thu kết sau: Ứng dụng mô hình GARCH để lựa chọn mô hình phương sai sai số cho 21 chuỗi lợi suất: RBVH, RCTG, RDIG, RDPM, REIB, RHPG, RHSG, RIJC, RMBB, RMSN, ROGC, RPVF, RSBT, RVCB, RCII, RFPT, RGMD, RKDC, RITA, RHNX, RVNINDEX có hiệu ứng ARCH Kết ước lượng mô hình GARCH cho nhà đầu tư biết tác động cú sốc khứ tác động nhiều hay tới độ biến động lợi suất cổ phiếu thời điểm Dựa kết ước lượng mô hình GARCH tác giả thấy cú sốc khứ làm cho rủi ro (phương sai có điều kiện) số cổ phiếu (DPM, IJC, VCB, FPT) tăng lên nhiều so với cổ phiếu khác lợi suất kỳ vọng cổ phiếu lại nhỏ hơn; nhà đầu tư nên cẩn trọng với cổ phiếu tham gia thị trường Hơn nữa, chương ứng dụng mô hình CCC để ước lượng đồng thời phương sai hiệp phương sai có điều kiện cho số cổ phiếu Trên sở kết ước lượng mô hình GARCH, dựa theo hệ số beta mô hình CAPM, chương biến động rủi ro hệ thống 11 cổ phiếu (những cổ phiếu có số quan sát 1491): CII, FPT, GMD, KDC, ITA, DRC, PVD, REE, STB, VNM, VSH Dựa kết ước lượng VaR ES phương pháp EVT cho chuỗi lợi suất phân phối chuẩn ta ước tính mức tổn thất nắm giữ cổ phiếu này, có nhận xét: Dù hoàn cảnh xấu tượng tất cổ phiếu sàn HOSE, sàn HaSTC đồng loạt giảm giá kịch sàn không xảy Hơn nữa, cổ phiếu: CII, FPT, GMD, KDC, PVD, STB, VSH, DRC, ITA, REE, VNM, VCB, SSI, PVF, VIC, SBT, PNJ, HSG, IJC, MBB, NTL, CTG, DIG, EIB, HAG, HPG phiên giao dịch với khả 95%, dù hoàn cảnh xấu việc cổ phiếu giảm giá kịch sàn không xảy Tuy nhiên hoàn cảnh xấu với khả 99%, cổ phiếu: CII, FPT, KDC, PVD, STB, VSH, DRC, ITA, REE, VNM, VCB, SSI, VIC, SBT, PNJ, IJC, MBB, NTL, CTG, DIG, EIB, HAG, HPG giảm giá kịch sàn Ước lượng VaR(0.95), VaR(0.99), ES(0.95), ES(0.99) danh mục lập từ cổ phiếu: RCII, RFPT, RGMD, RKDC, RITA với trọng số mô hình: Mô hình GARCH-EVT-copula-T, mô hình GARCH-EVT-copulaGauss, mô hình GARCH-EVT-copula-DVine-T, mô hình phân phối chuẩn, phân phối thực nghiệm Dựa kết hậu kiểm 250 quan sát mô hình trên, thấy phương pháp copula có điều kiện EVT phản ánh giá trị tổn thất thực tế xác sử dụng giả thiết lợi suất tài sản có phân phối chuẩn MỘT SỐ KHUYẾN NGHỊ VỀ ĐO LƯỜNG RỦI RO TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM Trên sở tổng quan mô hình đo lường rủi ro kết phân tích thực nghiệm mô hình đo lường rủi ro thị trường chứng khoán Việt Nam, luận án đưa số khuyến nghị cho nhà nghiên cứu, nhà tư vấn người đầu tư đo lường rủi ro thị trường thị trường chứng khoán Việt Nam: Thứ nhất, kết kiểm định cho thấy giai đoạn nghiên cứu, hầu hết chuỗi lợi suất cổ phiếu chọn tính VN30, lợi suất HNX lợi suất VNINDEX (29 chuỗi tổng số 32 chuỗi) không tuân theo phân phối chuẩn, điều cho thấy nhà đầu tư sử dụng kết phân tích từ mô hình đo lường rủi ro với giả thiết phân phối chuẩn chuỗi chưa phù hợp dẫn tới kết sai lệch nhiều Hơn nữa, chuỗi lợi suất: RVCB, RSSI, RVIC, RSBT, RPNJ, RNTL, RMBB , RIJC, RHSG, RHPG, RHAG, REIB, RDIG, RCTG, RCII, RDRC, RFPT, RGMD, RITA, RKDC, RPVD, RREE, RSTB, RVNM, RVSH, RVNINDEX có hệ số nhọn lớn 3; điều cho thấy khả sau chu kỳ giá cổ phiếu, số VNINDEX tăng (hoặc giảm) với biên độ lớn đáng kể Để biết độ biến động chuỗi lợi suất thay đổi nhà đầu tư tiếp cận mô hình GARCH để phân tích Với chuỗi lợi suất có phương sai có điều kiện sai số thay đổi kết ước lượng mô hình GARCH cho nhà đầu tư biết tác động cú sốc khứ tác động nhiều hay tới độ biến động lợi suất cổ phiếu thời điểm Hơn nữa, để biết mối quan hệ mức độ rủi ro tài sản riêng lẻ so với mức độ rủi ro toàn thị trường sử dụng hệ số beta mô hình CAPM Hệ số thay đổi tùy thuộc vào độ biến động số thị trường, phụ thuộc tài sản với số thị trường Theo kết thực nghiệm, luận án lựa chọn mô hình phương sai có điều kiện sai số phù hợp cho 21 chuỗi lợi suất: RBVH, RCTG, RDIG, RDPM, REIB, RHPG, RHSG, RIJC, RMBB, RMSN, ROGC, RPVF, RSBT, RVCB, RCII, RFPT, RGMD, RKDC, RITA, RHNX, RVNINDEX có hiệu ứng ARCH Kết ước lượng mô hình GARCH, tác giả thấy cú sốc khứ làm cho rủi ro (phương sai có điều kiện) số cổ phiếu (DPM, IJC, VCB, FPT) tăng lên nhiều so với cổ phiếu khác lợi suất kỳ vọng cổ phiếu lại nhỏ cổ phiếu khác; nhà đầu tư nên cẩn trọng với cổ phiếu tham gia thị trường Trên sở ước lượng mô hình GARCH đơn biến, mô hình GARCH đa biến ta thấy rủi ro hệ thống cổ phiếu thay đổi Như vậy, nhà đầu tư biết giá trị beta cổ phiếu thời điểm nhà đầu tư biết giá cổ phiếu biến động (β<1), nhiều (β>1) hay (β=1) mức biến động thị trường Nếu beta chứng khoán lớn mà VNINDEX có dấu hiệu tăng lên, với thông tin khác thông tin nhà đầu tư tham khảo để định mua chứng khoán giá chứng khoán tăng giá nhiều mức tăng số thị trường; ngược lại VNINDEX giảm nhà đầu tư tham khảo thông tin để định bán chứng khoán giá chứng khoán giảm giá nhiều mức giảm số thị trường Ngoài ra, việc nghiên cứu phụ thuộc cổ phiếu, phụ thuộc cổ phiếu với số thị trường cần thiết Qua nhà đầu tư biết xu hướng biến động, mức độ phụ thuộc cặp cổ phiếu, cổ phiếu số thị trường thay đổi nào, đặc biệt giai đoạn thị trường có biến động lớn Để nghiên cứu phụ thuộc chuỗi lợi suất điều kiện thị trường có biến động lớn, nhà đầu tư tiếp cận phương pháp: hàm đồng vượt ngưỡng, mô hình hồi quy phân vị, phương pháp copula Thứ hai, nắm giữ danh mục đầu tư, để biết nguy tổn thất lớn xảy ngày (kỳ đầu tư tiếp theo) với độ tin cậy định, điều kiện thị trường hoạt động bình thường nhà đầu tư nên tính giá trị rủi ro (VaR) danh mục đầu tư nắm giữ Đặc biệt, tình bất thường thị trường xảy ra, mức thua lỗ vượt VaR xảy nhà đầu tư tính tổn thất kỳ vọng (ES) danh mục để dự đoán mức tổn thất Như vậy, độ đo rủi ro ES giúp nhà đầu tư kiểm soát khoản thua lỗ danh mục đầu tư cách chủ động thị trường có biến động bất thường Độ xác ước lượng VaR, ES phụ thuộc vào yếu tố: Giá trị danh mục, mức độ tin cậy, chu kỳ, phương pháp tính toán Để có giá trị ước lượng VaR, ES xác trước hết nhà đầu tư phải cập nhật thông tin số liệu danh mục đầu tư mình, tiếp lựa chọn phương pháp ước lượng để ước lượng độ đo Trên sở phân tích đặc điểm phương pháp ước lượng VaR, ES nhà đầu tư lựa chọn phương pháp cho phù hợp, chẳng hạn: điều kiện thị trường bình thường sử dụng phân phối chuẩn, phương pháp mô lịch sử ước lượng VaR, ES, ; điều kiện thị trường có nhiều biến động sử dụng phương pháp EVT, kết hợp phương pháp Monte Carlo copula để ước lượng VaR, ES, Một thủ tục quan trọng nhà đầu tư phải thực hậu kiểm thường xuyên cho mô hình VaR, ES để biết tính phù hợp mô hình Luận án tiếp cận phương pháp EVT để ước lượng VaR, ES chuỗi lợi suất không phân phối chuẩn; kết ước lượng VaR ES cho thấy hoàn cảnh xấu tượng tất cổ phiếu sàn HOSE, sàn HaSTC đồng loạt giảm giá kịch sàn không xảy Tuy nhiên hoàn cảnh xấu với khả 99%, cổ phiếu: CII, FPT, KDC, PVD, STB, VSH, DRC, ITA, REE, VNM, VCB, SSI, VIC, SBT, PNJ, IJC, MBB, NTL,CTG, DIG, EIB, HAG, HPG giảm giá kịch sàn Kết ước lượng VaR ES giúp nhà đầu tư biết mức độ tổn thất nắm giữ cổ phiếu có giải pháp để phòng hộ rủi ro tốt Khi ước lượng VaR ES danh mục lập từ cổ phiếu: RCII, RFPT, RGMD, RKDC, RITA với trọng số kết hậu kiểm cho thấy phương pháp copula có điều kiện EVT phù hợp phản ánh giá trị tổn thất thực tế xác sử dụng giả thiết lợi suất tài sản có phân phối chuẩn Kết cung cấp cho nhà đầu tư cách tiếp cận phù hợp để nghiên cứu mô hình đo lường rủi ro danh mục đầu tư thị trường chứng khoán Việt Nam Tuy nhiên, để ứng dụng cách hiệu phương pháp định lượng phân tích đầu tư thị trường chứng khoán Việt Nam nhà đầu tư cần nâng cao kiến thức chuyên môn Một vấn đề quan trọng khác phải nâng cao tính hiệu thị trường chứng khoán Việt Nam, giải vấn đề cần có chung tay nhiều quan tổ chức, đặc biệt phải kể đến vai trò hàng đầu phủ, UBCKNN sở giao dịch chứng khoán KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG NGHIÊN CỨU TIẾP THEO Kết luận Luận án “Một số mô hình đo lường rủi ro thị trường chứng khoán Việt Nam” thực mục tiêu nghiên cứu, thông qua việc trả lời nội dung câu hỏi đặt phần mở đầu: - Thứ nhất, luận án tổng quan mô hình đo lường rủi ro phương pháp ước lượng mô hình Luận án tổng quan nghiên cứu rủi ro định lượng thị trường chứng khoán Việt Nam - Thứ hai, luận án đo lường mức độ phụ thuộc số cặp lợi suất chứng khoán điều kiện thị trường bình thường điều kiện thị trường có biến động lớn dựa cách tiếp cận: hàm đồng vượt ngưỡng, mô hình hồi quy phân vị, phương pháp copula Kết phân tích thực nghiệm cho thấy mức độ phụ thuộc căp lợi suất thị trường bình thường cao thị trường có biến động lớn Hơn nữa, dựa cách tiếp cận luận án nghiên cứu biến động mức độ phụ thuộc cặp chuỗi lợi suất chu kỳ nghiên cứu - Thứ ba, luận án lựa chọn mô hình phương sai sai số thay đổi phù hợp cho 21 chuỗi lợi suất có hiệu ứng ARCH Kết ước lượng mô hình GARCH cho nhà đầu tư biết cú sốc khứ tác động nhiều hay tới độ biến động lợi suất cổ phiếu thời điểm Hơn nữa, sở kết ước lượng mô hình GARCH đơn biến mô hình GARCH đa biến luận án biến động rủi ro hệ thống số cổ phiếu - Thứ tư, luận án ước lượng VaR ES phương pháp EVT cho chuỗi lợi suất phân phối chuẩn Dựa kết ước lượng VaR ES, nhà đầu tư nắm giữ chứng khoán biết sau phiên giao dịch điều kiện thị trường bình thường mức tổn thất tối đa bao nhiêu, hoàn cảnh thị trường xấu nhà đầu tư dự tính mức tổn thất Hơn nữa, luận án nghiên cứu mô hình: Mô hình GARCH-EVT-copula-Gauss, mô hình GARCH-EVT-copula-T, mô hình GARCHEVT-copula-DVine-T, mô hình phân phối chuẩn, phương pháp thực nghiệm để ước lượng VaR ES danh mục đầu tư nhiều cổ phiếu Dựa kết phân tích thực nghiệm danh mục gồm cổ phiếu có trọng số nhau, luận án phương pháp copula có điều kiện phương pháp EVT phản ánh giá trị tổn thất thực tế xác sử dụng giả thiết lợi suất tài sản có phân phối chuẩn - Thứ năm, luận án nêu số khuyến nghị đo lường rủi ro thị trường thị trường chứng khoán Việt Nam Đề xuất hướng nghiên cứu Để tiếp tục phát triển thị trường chứng khoán giảm thiểu rủi ro thị trường chứng khoán, có quản trị rủi ro định lượng Các hướng nghiên cứu tương lai thực với số nội dung chính: - Thứ nhất, nghiên cứu mô hình đo lường rủi ro nhiều chứng khoán với nhiều loại rủi ro - Thứ hai, mở rộng nghiên cứu phụ thuộc thị trường chứng khoán thị trường khác nước, thị trường chứng khoán nước thị trường khu vực quốc tế Như vậy, kết luận án góp phần bổ sung cho nghiên cứu quản trị rủi ro định lượng thị trường chứng khoán Việt Nam nói riêng thị trường tài Việt Nam nói chung phong phú hơn, ngày hội nhập với nghiên cứu khu vực giới DANH MỤC CÁC CÔNG TRÌNH CỦA TÁC GIẢ ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN LUẬN ÁN Hoàng Đức Mạnh (2010), “Ứng dụng lý thuyết cực trị đo lường rủi ro”, Tạp chí Kinh tế Phát triển, 159(II), 10-17 Hoàng Đức Mạnh (2010), “Mô hình Garch-EVT đo lường rủi ro thị trường”, Tạp chí Kinh tế Phát triển, 162(II), 21-31 Hoàng Đức Mạnh (2012), “GARCH–Copula models analyses Dependence Structure between returns of shares and VnIndex index on Viet nam Stock Market”, Proceedings on Business Administration in a Global Society-Hà Nội-2012, 119-132 Hoàng Đức Mạnh, Trần Trọng Nguyên (2012), “Mô hình GARCH đa biến phân tích rủi ro cổ phiếu thị trường chứng khoán Việt Nam”, Tạp chí Kinh tế Phát triển, Số 186, Tháng 12, 75-85 Hoàng Đức Mạnh (2012), “Ứng dụng lý thuyết cực trị phân tích đánh giá rủi ro số cổ phiếu thị trường chứng khoán Việt Nam”, đề tài nghiên cứu khoa học, đạt giải khuyến khích “Giải thưởng tài khoa học trẻ cho giảng viên năm 2012” Bộ giáo dục Đào tạo tổ chức Hoàng Đức Mạnh (2013), “Phân tích phụ thuộc chuỗi lợi suất tài sản-Tiếp cận mô hình hồi quy phân vị phương pháp Copula”, Kỷ yếu hội thảo quốc gia: Đào tạo ứng dụng Toán học kinh tế- xã hội, tháng năm 2013, Nhà xuất Đại học Kinh tế Quốc dân, 311-321