Chuyên đề thực tập: Ứng dụng mô hình ARCH - GARCH để phân tích và dự báo rủi ro giá cổ phiếu của ngân hàng TMCP ngoại thương Việt Nam

Trang 1

TRUONG ĐẠI HỌC KINH TE QUOC DANKHOA TOAN KINH TE

CHUYEN DE THUC TAP

Dé tai:

UNG DUNG MO HINH ARCH - GARCH DE

PHAN TICH VA DU BAO RUI RO GIA CO PHIEU CUANGAN HANG TMCP NGOẠI THUONG VIET NAM

Sinh viên thực hiện: Phan Ngọc BíchMã sinh viên : 11170569

Lớp chuyên ngành : Toán Kinh Tế 59

Giảng viên hướng dẫn: TS Nguyễn Mạnh Thế

Hà Nội — 04/2021

Trang 2

LOI CAM ON

Trước hết, em xin trân trọng cảm on TS Nguyễn Mạnh Thé, thay đã trực tiếphướng dẫn, tận tình chỉ bảo em tìm ra hướng nghiên cứu, tiếp cận thực tế, tìmkiếm, xử lý và phân tích số liệu, giải quyết van đề Nhờ đó em mới có thé hoànthành chuyên đề tốt nghiệp của mình.

Em cũng xin chân thành cảm ơn các thầy, cô giáo trong Khoa Toán Kinh Tế Trường Đại học Kinh tế Quốc dân, đã giảng dạy, trang bị cho em những kiếnthức quý báu trong suốt chặng đường 4 năm vừa qua.

-Mặc dù có nhiều cố gắng trong quá trình nghiên cứu nhưng do khả năng và kinh

nghiệm của bản thân có hạn nên chuyên đề không tránh khỏi những hạn chế và

thiếu sót Vì vậy em rất mong được nhận được sự góp ý chân thành của các thầy,

cô nhằm giúp em bồ sung hoàn thiện chuyên đề tốt nghiệp này.

Em đặc biệt gửi lời tri ân tới gia đình, bạn bẻ và người thân đã luôn đồng hành,động viên, khích lệ em trong suốt thời gian qua.

Em xin chân thành cảm ơn !

Hà Nội, ngày 26 tháng 04 năm 2021Sinh viên thực hiện

Phan Ngọc Bích

Trang 3

LOI CAM KET

Em xin cam kết chuyên dé: “Ung dụng mô hình ARCH — GARCH đểphân tích va dự báo rủi ro giá cổ phiếu của Ngân hàng TMCP Ngoại thương ViệtNam — Vietcombank” do cá nhân em thực hiện dưới sự hướng dẫn của thầyNguyễn Mạnh Thế Các số liệu VCB và kết quả trong chuyên dé là hoàn toàntrung thực, được thu thập và tìm hiểu từ quá trình chạy mô hình.

Trang 4

DANH MỤC BANG VÀ HÌNH ¿- 2-52 SE 121121121111111E 1111111 c0.MO ĐẦU 5 S1 E1 E1 1111111111211211211 11.1111 11 1101111111 1111 10g ggrec 1

1 Lí do chọn đề tai c.cceceecceccccccssessessessessssssessessessssssessessecsucssessessessuessessessesavesseeses 1

2 Mục tiêu nghiÊn CỨU - - <1 11911 HH ve 2

3 Đối tượng và phạm vi nghiên cứu 2-2 2+2 £+Ee£E££EeExeExzrxrrerrered 2

4 Phương pháp nghiÊn ctu - 5 5c 3211331321119 EEEEErrkrrrvre 2

5 Cau trúc để tài c-sct E 1121121121111 1111111101111 111111 11011111111 rreu 2

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VA TONG QUAN TRONG NGHIÊN CỨU

VỀ DỰ BAO RỦI RO GIÁ CÔ PHIỀU - 2-52 2 £2E+E££E£EE£EE2EEzEzEerxee 4

1.1 MỘT SỐ KHÁI NIỆM CƠ BẢN ¿- 2 252+E+EcEeEeEEeEkerrrervee 4

1.2 GIỚI THIỆU MÔ HÌNH ARIMA 2 +2E£+E+E£EEerErEerrxerxee 9

1.3 GIỚI THIỆU MÔ HÌNH ARCH — GARCH -2-2+cscsze: 12

1.3.1 Mô hình ARCH 2- 2S tk EE1211211 111111111 te, 12

1.3.2 Mô hình GARCH 2-5 E2 EEEEE211211211 71211211 13

1.3.3 Ưu điểm, nhược điểm của mô hình ARCH — GARCH 15

1.3.4 Một số nghiên cứu trong nước và quốc tẾ - -: -:-: 16

CHƯƠNG 2 NGÂN HÀNG THƯƠNG MAI VÀ THUC TRANG GIÁ CO

PHIẾU CUA NGAN HANG TMCP NGOẠI THUONG VIỆT NAM 19

2.1 NGAN HÀNG THƯƠNG MẠẠI -2- 52 2S<+EE££E2EE2EEEEEEEErExerkerxee 19

22 NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM

-VIETCOMBANK - 2-5 SE EEE12112111111111111211 211111111111 1111k 22

2.3 CÔ PHIẾU CUA NGAN HANG TMCP NGOẠI THUONG VIET NAM

¬ 25

CHƯƠNG 3: XÂY DỰNG MÔ HÌNH ARCH - GARCH DE PHAN TÍCH VA

DU BAO RỦI RO GIÁ CO PHIẾU VCB - 2-52 2+ £+Ee£EeEEeEEeEeExerxee 26

3.1 SỐ LIỆU ¿- 25c SSkSEEEEEEE12112112152111171111111111.11E 11.11111111 263.2 UNG DỤNG VA KET QUA MÔ HÌNH ARCH — GARCH 263.2.1 Xử lí số liệu và kiểm định tính dừng oo esseeseeseeseeseeeseeeees 26

3.2.2 UGc long ARIMA 00 30

3.2.3 Kiểm định hiệu ứng ARCH uo ceecceccesceccsscesessessesssessessessessessessesaees 32

3.2.4 Mô hình GARCH 252+SE+EE2E2EE£EEEEEEEEEEEEEEEEEEEEErrkerkreg 33

3.2.5 Kiểm tra chất lượng dự DAO -.- - c St re re 36

3.2.6 DU on 37

Trang 5

3.2.7 Dự báo giá tri dao đỘng - +c 12312 119 111 rrrirrrrree

3.3 KET LUẬN

KET LUẬN CHUNG TÀI LIỆU THAM KHẢO

Trang 6

Chuyên đề thực tập chuyên ngành Toán Kinh tế

DANH MỤC BANG VÀ HÌNH

Hình 2.1 Danh sách Top 10 Ngân hang Thuong mại Việt Nam uy tín 2020 22

Bang 2.1 Báo cáo kết quả kinh doanh của Vietcombank năm 2016 - 2019 24Hình 2.2 Đồ thị cô phiếu ngân hàng TMCP Ngoại thương Việt Nam phiên giao

Bang 3.9 Đánh giá kết quả dự báo - 2-52 2+S<‡EE‡EE2E2E12E1EEE 2E crkerkeeg 36

Bảng 3.10 Kết quả dự báo 10 giá trị quan sát tương lai -: -:-:-: 37Bảng 3.11 Kết quả dự báo các giá trị dao động -. ¿-2¿©5++cx+ecxccreees 38

Trang 7

MỞ ĐẦU

1 Lí do chọn đề tài

Thị trường chứng khoán Việt Nam nói riêng và thị trường chứng khoán

thé giới nói chung đã và dang có vai trò vô cùng quan trọng trong mọi nền kinh

tế Nó giúp nhà đầu tư đến gần với doanh nghiệp, qua đó doanh nghiệp có cơ hội

tiếp cận với nguồn vốn lớn, mở rộng hoạt động kinh doanh hay nói cách khácđây chính là kênh đầu tư, thu hút vốn trong và ngoài nước để có nhiều cơ hộiphát triển hơn nữa Điều đó khiến mọi doanh nghiệp từ nhỏ đến lớn đều cô gắngđạt chỉ tiêu của các Ban/Ủy Ban Chứng Khoán dé được niêm yết và tham gia mọihoạt động trên thị trường chứng khoán Có thể thấy trong thị trường chứngkhoán, lợi nhận và rủi ro luôn song hành với nhau, một số lý thuyết cũng chỉ rarằng lợi nhuận càng cao thì rủi ro phải đánh đổi càng lớn Đầu tư chứng khoán làmột hoạt động có tính rủi ro cao, chính vì thế mà các nhà đầu tư luôn muốn tối

thiêu hóa rủi ro đó Ngày nay, mặc dù không triệt tiêu hết được rủi ro nhưng nhờcó sự tiến bộ của khoa học kỹ thuật, chúng ta có thé chủ động phòng ngừa, giảm

thiểu, kiểm soát rủi ro Việc dự báo chính xác các xu hướng của thị trường sẽgiúp dé ra chiến lược đúng dan phục vụ cho công việc kinh doanh của các cánhân, tô chức hay thậm chí là hoạch định chiến lược của cả một quốc gia Thôngqua môn học chuyên ngành “ Kinh tế lượng” đã hướng con người đi sâu vào lĩnhvực lượng hóa các vấn đề kinh tế, thu thập những giá trị mang tính chất địnhlượng đem lại hiệu quả tốt Nghiên cứu chuỗi thời gian để dự báo là một phươngpháp hữu hiệu, được sử dụng trong các lĩnh vực kinh tế, xã hội ở các nước trên

thế giới Có khá nhiều mô hình phục vụ cho việc dự báo chuỗi thời gian nhưng

mô hình ARCH — GARCH được ứng dụng nhiều và cho ra kết quả đáng tin hơn

Trong bối cảnh hiện nay, có thé thấy ngân hàng là một trong các tổ chức

tài chính có vai trò quan trọng đối với sự phát triển kinh tế toàn cầu Hệ thống

ngân hàng Việt Nam kê từ khi chuyên sang cơ chế thị trường đã không ngừnglớn mạnh và thu được những thành tựu nhất định Ngân hàng TMCP Ngoạithương Việt Nam - Vietcombank là ngân hàng đã gặt hái được nhiều thành côngnhưng trong hoạt động kinh doanh vẫn còn chứa đựng những rủi ro tiềm ẩn.

Với nhận thức đó, thông qua quá trình tìm hiểu các tài liệu về chứngkhoán, giá cổ phiếu của ngân hàng Vietcombank, các mô hình dé phân tích dựbáo sự biến động của giá cô phiếu trên thị trường chứng khoán và bằng sự hiểubiết của em trong suốt quá trình học tập, em quyết định chọn nghiên cứu đề tài:

Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích

Trang 8

“Ứng dụng mô hình ARCH — GARCH để phân tích và dự báo rủi ro giá cô phiếu

của Ngân hàng TMCP Ngoại thương Việt Nam — Vietcombank”.2 Mục tiêu nghiên cứu

Khái quát những vấn đề lý luận và thực tiễn trong phân tích chuỗi thời

gian và ứng dụng quan trong của nó trong quá trình dự bao.

Giúp bản thân nắm rõ lý thuyết, phương pháp ước lượng và đủ khả năng

vận dụng mô hình ARCH — GARCH vào việc đánh giá tình hình biến động giácô phiếu trên thị trường từ năm 2017 và dự báo rủi ro của mã chứng khoán VCB.

Dua ra một số đề xuất cho cổ phiếu VCB trong quản trị rủi ro cô phiếu và

thị trường.

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Mô hình ARCH — GARCH và giá cô phiếu của

ngân hàng TMCP Ngoại thương Việt Nam — Vietcombank với mã chứng khoánVCB.

Phạm vi nghiên cứu: Sử dung giá đóng cửa của cô phiếu VCB từ ngày

01/09/2017 - 31/12/2020 niêm yết trên sàn HOSE.

4 Phương pháp nghiên cứu

Chuyên đề sử dụng phương pháp nghiên cứu định lượng: Áp dụng mô

hình ARCH — GARCH trong ứng dụng kinh tế lượng phân tích chuỗi thời giantrong tài chính để làm rõ các nội dung nghiên cứu.

Chuyên đề nghiên cứu sử dung phần mềm R dé xử lý số liệu và đưa ra kết

quả phân tích.

5 Cấu trúc đề tài

Ngoài phần mở đầu, danh mục bảng và hình, kết luận, mục lục và tài liệutham khảo, chuyên đề được kết cấu thành 3 chương với nội dung chính như sau:Chương 1 Cơ sở lý luận và tổng quan trong nghiên cứu về dự báo rủi ro giácỗ phiếu

Trình bày về cơ sở lý thuyết của các đối tượng và các công cụ được sửdụng nghiên cứu trong chuyên đề: cổ phiếu, rủi ro, các phương pháp ước lượng

va du báo độ dao động, lớp mô hình ARIMA, ARCH — GARCH.

Trang 9

Chương 2 Ngân hàng thương mại và thực trạng giá cỗ phiếu của ngân hàng

TMCP Ngoại thương Việt Nam

Tìm hiểu về lịch sử hình thành, tình hình hoạt động và phát triển của ngânhàng TMCP Ngoại thương Việt Nam, phân tích diễn biến của chuỗi giá chứng

khoán VCB.

Chương 3 Xây dựng mô hình ARCH — GARCH để phân tích và dự báo rủiro giá cô phiếu VCB

Chương nay tập trung xây dựng mô hình ARCH — GARCH cho chuỗi giá

cô phiếu VCB dé dự báo độ dao động của giá cô phiếu và đánh giá rủi ro cổ

phiếu của ngân hàng TMCP Ngoại thương Việt Nam — Vietcombank.

Trang 10

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VÀ TỎNG QUAN TRONGNGHIÊN CUU VE DỰ BAO RỦI RO GIÁ CO PHIẾU

11 MOT SO KHÁI NIỆM CƠ BẢN

Khái niệm chứng khoán

Chứng khoán là các công cụ để huy động vốn trung và dài hạn, các giấy tờcó giá, có khả năng chuyên đổi, chuyển nhượng nhằm xác nhận quyền sở hữu,quan hệ vay nợ giữa nó và chủ thể phát hành ra nó Đối với mỗi loại chứng

khoán thường có các tính chât sau:

Tính thanh khoản (tính lỏng): Khả năng chuyên đổi giữa chứng khoán đósang tiền mặt Tính lỏng của chứng khoán thể hiện qua việc chứng khoán đóđược mua bán, trao đổi trên thị trường.

Tính sinh lời: Thu nhập của nhà đầu tư được sinh ra từ việc tăng giáchứng khoán trên thị trường hay các khoản tiền lời được trả hằng năm.

Tính rủi ro: Đặc trưng cơ bản của chứng khoán Trong quá trình trao đôivà mua di ban lại, giá của chứng khoán bị giảm hoặc mất hoàn toàn ta gọi là rủi

cổ phan gọi là cô đông Cô phiếu có thê được phát hành dưới dang chứng chỉ vậtchất hoặc bút toán ghi số, xác nhận quyền và lợi ích hợp pháp của nhà dau tư, khitham gia vào hoạt động kinh doanh của doanh nghiệp và chỉ có công ty cô phầnmới có cô phiếu Giá trị ban đầu ghi trên cổ phiếu là mệnh giá của cổ phiếu.Mệnh giá là giá trị danh nghĩa Số tiền nhận được từ khoản góp vốn gọi là cổ tức.Giá cổ phiếu giao động qua các phiên giao dịch trên thị trường chứng khoán và

tách rời so với mệnh giá.

Cô phiếu thường: là loại cổ phiếu không có ki hạn, tồn tại cùng với sự tồn

tại của công ty phát hành ra nó Nó không có lãi suất cố định, số lãi được chiavào cuối mỗi niên độ quyết toán Cổ đông nắm giữ cổ phiếu này có quyền bỏ

phiếu, mua cổ phiếu mới và tham gia vào đại hội cô đông.

Cổ phiếu ưu đãi gồm:

Cô phiếu ưu đãi biểu quyết: Cổ phiếu dành cho các cổ đông sáng lập Cổ

Trang 11

đông nắm giữ loại cô phiếu này phải nắm giữ trong một khoảng thời gian nhấtđịnh, không được chuyên nhượng, trao đôi.

Cô phiếu ưu đãi tài chính: Tương tự cổ phiếu thường nhưng có một số hạnchế Cô đông nắm giữ cổ phiếu này không được tham gia bau cử, ứng cử vào hộiđồng quản trị, ban kiêm soát của công ty nhưng họ được ưu đãi về tài chính theo

một mức cổ tức riêng biệt, có tính có định hằng năm, được ưu tiên chia cổ tức vàđược phân chia tài sản còn lại của công ty sau khi thanh lý, giải thé trước cổ

phiếu thường.

Đầu tư cổ phiếu

Đầu tư cổ phiếu là việc mua bán cô phiếu trên thị trường chứng khoánnhằm mục đích kiếm lời Đầu tư cổ phiếu không chỉ giúp nhà đầu tư kiếm đượclợi nhuận từ việc giá cô phiếu tăng trưởng mà còn được công ty chi trả cô tứchằng năm Tuy nhiên, tất cả các hoạt động đầu tư đều chứa yếu tố rủi ro và đầu tư

cô phiếu cũng vậy, vô cùng hấp dẫn nhưng khá nhiều rủi ro Vì thế, khi tham gia

vào thị trường chứng khoán, các nhà đầu tư cần biết nhận diện, lường trước được

những rủi ro có thé sẽ gặp phải để đo lường rủi ro va đưa ra những quyết định

đầu tư chính xác nhất.

Khái niệm rủi ro

Theo quan điểm truyền thống rủi ro là sự kiện bắt lợi, bất ngờ xảy ra gâyton that cho con người.

Theo quan điểm hiện đại rủi ro duoc hiểu là khả năng có sai lệch giữa mộtbên là những gì xảy ra trên thực tế với một bên là những gì được dự kiến từ trước

(mà bình thường đáng lẽ đã phải diễn ra).

Các khái niệm có liên quan:

Nguy cơ rủi ro: Một tình huống có thé tạo nên ở bat kỳ lúc nào, có thé gây

nên những tổn thất (hay có thé là những lợi ích) mà cá nhân hay tổ chức khôngthé tiên đoán được.

Tổn thất: Những thiệt hại, mắt mát về tài sản, cơ hội có thể được hưởng về

tinh than, thé chất do rủi ro gây ra.

Tần suất rủi ro: Số lần xuất hiện rủi ro trong một khoảng thời gian haytrong tông số lần quan sát sự kiện.

Biên độ rủi ro: Thé hiện tính chất nguy hiém, mức độ thiệt hại tác động tớichủ thể.

Thiệt hại của rủi ro = Tân suât rủi ro * Biên độ rủi ro

Trang 12

Nhận diện rủi ro trong dau tư cổ phiếu

Trước hết cần hiểu về định nghĩa rủi ro tài chính Rủi ro tài chính là kếtquả của sự thay đối, biến động không lường trước được của giá trị tài sản hoặcgiá trị của các khoản nợ đối với các tổ chức và nhà đầu tư trong quá trình hoạtđộng của thị trường tài chính C6 phiếu chính là một tài sản tài chính, rủi ro cô

phiếu là hậu quả của việc biến động giá cổ phiếu đối với các nhà đầu tư trên thị

trường chứng khoán.

Có rất nhiều nguyên nhân gây ra rủi ro trong hoạt động cô phiếu:

Rui ro do tính thanh khoản thấp của cổ phiếu: Cổ phiếu có tính thanhkhoản thấp là cổ phiếu khó bán, thậm chí là không bán được trên thị trườngchứng khoán Việc nắm giữ những cô phiếu có tính thanh khoản thấp sẽ khiến

nhà đầu tư gặp rủi ro khi cần bán cô phiếu dé rút vốn đầu tư vào chỗ khác Điều

này có thé làm chậm tiến trình đầu tư hoặc thậm chí bỏ lỡ cơ hội đầu tư khác.

Rui ro từ thông tin: Việc nắm bat và cập nhật thông tin một cách nhanh

chóng, chính xác là rất quan trọng đối với mọi nhà đầu tư Trên thị trường đầy

biến động này, các nhà đầu tư phải thật tinh ranh, lừa lọc lẫn nhau thì việc ai nam

giữ thông tin nhanh hơn, tốt hơn sẽ là chìa khóa dé chiến thăng Rui ro có thể đếntừ việc dựa theo thông tin của một bài báo chưa được kiểm toán hoặc tin vào một

người thông tin chưa được xác thực,

Rủi ro từ cú sốc trên thị trường: Các cú sốc như sự vỡ nợ của nhà pháthành cổ phiếu, các cuộc khủng hoảng kinh tế trong và ngoài nước hay thậm chí là

những bat ôn về mặt chính trị, đều gây ra những rủi ro cho các nhà dau tư.

Rui ro từ tài chính của chính các nhà đầu tư: Kinh doanh dau tư cổ phiếu

không đơn thuần chi là mua cô phiếu rồi đợi giá cao để bán ra Ngoài những kỹ

năng và sự hiểu biết thì nhà đầu tư còn cần phải có một cái đầu lạnh, một sự phântích và phản ứng nhạy bén đối với thị trường Việc ảo tưởng về lợi nhuận làm mờmắt hay đầu tư khi không đủ kiến thức phân tích tổng hợp sẽ khiến các nhà đầu

tư thua lỗ nhanh chóng.

Giải pháp hạn chế rủi ro trong dau tư cô phiếu

Sự cần thiết phải hạn chế rủi ro trong đầu tư cô phiếu: Trên thị trường hiệnnay các nhà đầu tư tác nhân chiếm một tỷ trọng không hề nhỏ Bên cạnh một số

nhà đầu tư đã thành công, không ít người đã thất bại, chán nản và rời bỏ thịtrường do không lường hết được những rủi ro Trước tình hình ấy, việc tìm kiếmcác giải pháp giúp nhà đầu tư cá nhân hạn chế rủi ro là cần thiết.

Một số giải pháp hạn chế rủi ro trong đầu tư cô phiếu:

Phải thường xuyên thu thập thông tin từ nhiều nguồn khác nhau về các

Trang 13

công ty niêm yết có trong danh mục, đặc biệt là báo cáo tài chính có kiểm toán.Kip thời loại bỏ khỏi danh mục đầu tư những mã cổ phiếu có nguy cơ rủi ro bấtthường cao như hỏa hoạn, thiên tai, gian lận tài chính, công bồ thông tin tài chính

sai dé gian lận,

Hạn chế đầu tư vào những doanh nghiệp có tình hình đầu tư tài chính và

đầu tư chéo lớn, đầu tư tràn lan sang các ngành nghé không cốt lõi,

Kiểm soát rủi ro danh mục bang cách quản trị năng động danh mục:

Thường xuyên điều chỉnh một cách chủ động danh mục đầu tư bằng cáchbán hoặc mua các chứng khoán trong danh mục cho phù hợp với những chuyênbiến của thị trường.

Luôn duy trì một lượng tiền mặt thích hợp để có khả năng xử lý trướcnhững tình huống biến động của thị trường nhằm làm giảm bớt tác động rủi ro

của nó.

Cân nhắc đầu tư một tỷ lệ nhất định vào chứng khoán có nguồn thu cố

định như trái phiếu công ty hay trái phiếu chính phủ cũng là một lựa chọn tốt détăng tính năng động trong quản trị danh mục đầu tư tương tự như một tỷ lệ tiền

mặt nói trên.

Các phương pháp do lường rủi ro

Hiện tại, quản trị rủi ro tài chính không chỉ phân tích định tính mà phân

tích định lượng cũng vô cùng quan trọng Đó là phải hình thành và phát triển cácphương pháp dé lượng hóa mức rủi ro và tốn that tài chính.

Vấn đề đặt ra: Tìm thước đo chung, một chỉ tiêu định lượng thể hiện mứcđộ rủi ro của danh mục và độ đo rủi ro phải đáp ứng các yêu cầu cơ bản.

Theo thời gian đã có nhiều phương pháp đánh giá rủi ro trong tài chính.

Các mô hình nỗi tiếng thế giới: CAMP, VaR, ES, ARCH, GARCH,

Năm 1983, Macaulay là người đầu tiên đưa ra phương pháp đánh giá rủiro cô phiếu Phương pháp này có tên là VaR, giúp tính toán kì hạn hoàn vốn

trung bình của cổ phiếu.

Phương pháp ước lượng VAR

Mô hình VaR: VaR của một danh mục tài sản tài chính được định nghĩa là

khoản tiền lỗ tối đa trong một thời hạn nhất định, nếu ta loại trừ những trườnghợp xấu nhất, hiếm khi xảy ra Tuy nhiên chúng ta thích thé hiện VaR như mộtkhoản lỗ vốn nhỏ nhất với một xác suất cho sẵn.

Một số phương pháp ước tính VaR:

Phương pháp Lịch sử: Phương pháp đưa ra giả định rằng sự phân bố tỉsuất sinh lời trong quá khứ có thê tái diễn trong tương lai Phương pháp số liệu

7Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích

Trang 14

quá khứ gồm 4 bước thực hiện:

Bước 1: Tính giá trị hiện tại của danh mục đầu tư.

Bước 2: Tổng hợp tất cả các tỉ suất sinh lợi quá khứ của danh mục đầu tư nàytheo từng hệ số rủi ro (giá trị cỗ phiếu, ty giá hối đoái, ty lệ lãi suất, )

Bước 3: Xếp các tỉ suất sinh lợi theo thứ tự từ thấp nhất đến cao nhất.

Bước 4: Tính VaR theo độ tin cậy và số liệu tỷ suất lợi nhuận quá khứ.

Phương pháp phương sai - hiệp phương sai: Phương pháp này đưa ra giả

thuyết rằng các tỷ suất sinh lời và rủi ro tuân theo phân phối chuẩn Các bước

thực hiện phương pháp:

Bước 1: Tính giá trị hiện tai Vo của danh mục.

Bước 2: Tính kì vọng r của tỷ suất sinh lợi và độ lệch chuẩn o của tỷ suất sinh

Bước 3: Tinh VaR theo công thức VaR = Vo * (r - Uso)Với mức tin cậy 95%: Usa = 1.645

Với mức tin cậy 99%: Us = 2.33

Phương pháp Monte - Carlo: Phuong pháp này phức tap hon các phương

pháp trên, tuy nhiên lại có khả năng tính VaR chính xác Các bước thực hiện

phương pháp Monte — Carlo:

Bước 1: Mô phỏng một sé lượng lớn N bước lặp, ví dụ ý > 5000

Tại mỗi bước lặp i (i<N) tạo ngẫu nhiên một kịch ban được căn cứ trên một phân

bố xác suất về những hệ SỐ rủi ro (giá trị cô phiếu, tỷ giá hối đoái, tỷ suất, ) ma

ta nghĩ rang chúng mô ta những đữ liệu quá khứ Và từ một tập hợp số liệu thịtrường mới nhất và từ mô hình xác suất trên ta có thé tính mức biến động củamỗi hệ số rủi ro cùng với mối tương quan giữa các hệ sé rủi ro.

Bước 2: Đánh giá lại danh mục đầu tư V; trong kịch bản thị trưởng trên.

Bước 3: Ước tính tỷ suất sinh lợi r;= V;-V,.

Bước 4: Sắp xếp các tỷ suất sinh lợi z¡ theo thứ tự giá trị từ thấp nhất đến cao

Bước 5: Tính VaR theo độ tin cậy và tỷ lệ phần trăm số liệu r;

Ví dụ nếu ta mô phỏng 10000 kịch bản và nếu độ tin cậy là 95%, thì VaR là giá

trị thứ 500 Nếu độ tin cậy 99%, VaR là giá trị thứ 100.

Cuối cùng tính sai số tương ứng cho mỗi VaR, nếu số lượng N càng cao thì sai số

cảng nhỏ.

Tuy nhiên, trong những mô hình đã nêu trên, GARCH là mô hình ưu điểm

hơn cả Mô hình GARCH giải thích được khi nhà đầu tư dự báo về phương sai

của tải sản thời kì này băng việc tạo ra sô một trọng sô trung bình trong dài hạn

Trang 15

và phương sai dự báo ở giai đoạn trước, những thông tin về sự giao động từ thời

kì trước Xem xét các dạng dữ liệu trong đó cho phép phương sai của nó phụ

thuộc vào các giá trị phương sai trong quá khứ nhằm ước lượng mức độ rủi ro và

dự báo mức độ giao động của chuỗi thời gian trong tài chính có độ dao động cao.

Nhược điểm của mô hình là có thể giải thích sự bất thường của phương sai mà

chỉ sử dụng thông tin quá khứ của bản thân nhiễu, không tách biệt được mức ảnh

hưởng cú sốc âm và cú sốc đương ở thời kì trễ ảnh hưởng đến tỷ suất sinh lợi ở

hiện tại.

1.2 GIỚI THIỆU MÔ HÌNH ARIMA

Dạng cua ARIMA:

Y+p=aot ayy + + apy ptt + €œ+ + biew + + bgee—q41)

Chuối thời gian và các thành phần của chuỗi thời gian

Trong bài toán dự báo, một kiêu dit liệu thường gặp là chuỗi thời gian, tức

là dữ liệu được thu thập, lưu trữ và quan sát theo thứ tự tăng dần của thời gian.

Trong chuỗi thời gian thường các giá trị ở những thời điểm khác nhau có

mối tương quan với nhau Sự tương quan này được đánh giá bằng hệ số tự tươngquan Tự tương quan là sự tương quan giữa một biến với chính nó theo những độ

trễ trong thời gian khác nhau Đề biểu diễn sự tự tương quan của một biến theonhiều độ trễ khác nhau một cách trực quan, ta dùng hàm tự tương quan.

Hàm tự tương quan là một đồ thị biểu diễn các hệ số tự tương quan theo

các độ trễ khác nhau.

Khái niệm

Dự báo chính xác là một nhiệm vụ quan trọng nhưng thường là khó khăn

đối với các nhà hoạch định chính sách trong nhiều lĩnh vực Trong nghiên cứuđịnh lượng có ba loại số liệu cơ bản: số liệu theo thời gian, số liệu chéo và số liệuhỗn hợp, đối với các vấn đề kinh tế loại số liệu chúng ta thường xuyên đề cập đến

nhất là số liệu theo thời gian.

Mặc dù có nhiều mô hình được ứng dụng trong việc dự báo số liệu chuỗi

thời gian nhưng mỗi mô hình đều có ưu điểm và hạn chế riêng Trong đó, môhình trung bình chuyền động tự hồi quy (ARIMA) là một trong những mô hìnhtuyến tính phổ biến nhất trong dự báo chuỗi thời gian đã được áp dụng rộng rãi

dé xây dựng các mô hình lai chính xác hơn trong thập ky qua Mô hình này cũngđược đánh giá là “phù hợp đối với những quan hệ tuyến tính giữa dữ liệu hiện tại

và dữ liệu quá khứ” (Khashei & Bijari, 2011).

Trang 16

Mô hình dự báo ARIMA (Autoregressive Integrated Moving Average —

Tự hồi qui tích hợp Trung bình trượt), là phương pháp dự báo yếu tố nghiên cứumột cách độc lập (dự báo theo chuỗi thời gian) Bằng thuật toán sử dụng độ trễ sẽ

đưa ra mô hình dự báo thích hợp George Box và Gwilym — Jenkins (1976) đã

nghiên cứu mô hình ARIMA (Autoregressive integrated Moving average- tự hồi

qui trung bình trượt).

Với cách xây dựng tương đối dễ và độ tin cậy khá cao, mô hình ARIMA

được sử dụng khá phổ biến trong các dự báo ngắn hạn, và đã có nhiều nghiên cứu

áp dụng mô hình vào tài chính.

ARIMA model là viết tắt của cum từ Autogressive intergrated movingaverage, dựa trên giả thuyết chuỗi dừng và phương sai sai số không đổi Mô hìnhsử dụng đầu vào chính là những tín hiệu quá khứ của chuỗi được dự báo để dự

báo nó Các tín hiệu đó bao gồm: chuỗi tự hồi quy AR (auto regression), nghĩa làbiến phụ thuộc được hồi quy theo các biến trễ của nó và chuỗi trung bình trượt

MA (moving average), nghĩa là độ lệch của biến phụ thuộc so với giá tri trungbình là một hàm tuyến tính của các sai số trong quá khứ.

Hầu hết các chuỗi thời gian sẽ có xu hướng tăng hoặc giảm theo thờigian, do đó yếu tố chuỗi dừng thường không đạt được Trong trường hợp chuỗikhông dừng thì ta cần biến đổi sang chuỗi dừng bằng sai phân Khi đó tham sốđặc trưng của mô hình sẽ có thêm thành phần bậc của sai phân d và mô hìnhđược đặc tả bởi 3 tham số ARIMA (p, d, q)

Cách sử dụng mô hình

ARIMA được kết hợp bởi 3 thành thành phan chính: AR (thành phan tự

hồi quy); I (tính dừng của chuỗi thời gian); MA (thành phần trung bình trượt).

Phương pháp Box-Jenkins với 4 bước:

Bước 1: Xác lập mô hình ARIMA (p, d, q)

Bước 2: Ước lượng tham số mô hìnhBước 3: Kiểm định bằng chân đoán

Trang 17

Phương pháp kiểm định tính dừng thường được áp dung là kiêm định fuller Sau khi kiểm định tính dùng, ta sẽ xác định bậc của thành phần AR(p) vàMA(q) thông qua biểu đồ tự tương quan (ACF) và biểu đồ tự tương quan riêngphần (PACF).

Dickey-Lưu ý răng các ACF và PACF của các quá trình AR(p) và MA(q) có các dạngtrái ngược; trong trường hợp AR(p), ACF giảm theo cấp số nhân hay theo số mũ

nhưng PACF đạt tới giới hạn sau một số độ trễ nhất định, trái lại hiện tượng đối

ngược sẽ xảy ra đối với quá trình MA(q).

Bước 2: Ước lượng.

Sau khi đã nhận dạng các giá trị thích hợp của p và q, bước tiếp theo làước lượng các thông số của các số hạng tự hồi quy và trung bình trượt trong mô

hình Đôi khi phép tính này có thể được thực hiện bằng phương pháp bìnhphương tối thiểu Một số dạng ARIMA phức tạp đòi hỏi phải sử dụng các ước

lượng phi tuyến Về việc ước lượng tham số thì các phần mềm kinh tế lượng sẽ

tính giúp chúng ta.

Bước 3: Kiểm tra chân đoán.

Sau khi đã lựa chọn mô hình ARIMA cụ thể và ước lượng các tham số củanó, ta tìm hiểu xem mô hình lựa chọn có phù hợp với dữ liệu ở mức chấp nhậnhay không bởi vì có thé một mô hình ARIMA khác cũng phù hợp với dữ liệu Déđảm bảo mô hình là phù hợp, sai số của mô hình phải là nhiễu trắng (whitenoice) Có thể sử dụng biểu đồ tự tương quan ACF hoặc kiểm định Breusch-Godfrey kiểm tra tính tự tương quan của sai số Đối với phương sai sai số thayđối, có thé sử dụng kiểm định White hoặc ARCH.

Bước 4: Dự báo.

Dự báo là bước sau khi kiểm định sai số Nếu mô hình là phù hợp, mô

hình sẽ được sử dụng vào việc dự báo Dự báo bao gồm 2 phần chính, đó là: dựbáo trong mẫu và dự báo ngoài mẫu Các tiêu chí được sử dụng dé so sánh hiệuquả dự báo là RMSE, MAE và MAPE Bước này được coi là một trong số các lýdo về tính phố biến của phương pháp lập mô hình ARIMA là thành công của nó

trong dự báo Trong nhiều trường hợp, các dự báo thu được từ phương pháp nàytin cậy hơn so với các dự báo tính từ phương pháp lập mô hình kinh tế lượngtruyền thống, đặc biệt là đối với dự báo ngắn hạn Tất nhiên, từng trường hợp

phải được kiểm tra cụ thê.

Qua 4 bước trên ta có thé hiểu tại sao phương pháp lập mô hình ARIMAcủa Box-Jenkins là một nghệ thuật nhiều hơn là một khoa học; cần phải có kỹnăng tốt để lựa chọn đúng mô hình ARIMA Một kiểm định đơn giản về mô hình

Trang 18

lựa chọn là xem xem các phần dư ước lượng từ mô hình này có phù hợp haykhông: nếu không, ta phải lặp lại từ đầu Như vậy, phương pháp luận Box-

Jenkins là một quá trình lặp lại.

1.3 GIỚI THIỆU MÔ HÌNH ARCH - GARCH

Mô hình ARCH đặc biệt được xây dựng để lập mô hình và dự báo về

phương sai có điều kiện Phương sai của biến phụ thuộc là một hàm của biến phụthuộc thời kì trước, biến độc lập và biến ngoại sinh Mô hình ARCH được Engle

giới thiệu vào năm 1982, mô hình GARCH được giới thiệu bởi Bollerslev năm

1986 Những mô hình này được sử dụng rất rộng rãi trong các mô hình của nềnkinh tế, đặc biệt là trong phân tích chuỗi thời gian tài chính Giống như

Bollerslev thì Chou, Kroner đã thực hiện mô hình ARCH — GARCH vào năm

1992 và Bollerslev, Engle, Nelson đã tiến hành vào năm 1994.

Lí do sử dụng mô hình ARCH — GARCH

Thứ nhất: Việc phân tích về giá và lợi suất của chứng khoán có một vaitrò rất quan trọng, một ý nghĩa lớn trong kinh tế đặc biệt trong giai đoạn hiện naykhi thị trường chứng khoán nước ta vẫn còn rất non trẻ Mô hình này được áp

dụng rộng rãi trong các ngành: toán kinh tế, tài chính, trong việc dự báo Từ đó,giúp các nha phân tích thị trường có thé xác đỉnh được mức độ rủi ro của việcnăm giữ tài sản, thấy được sự biến động của giá cô phiếu trên thị trường chứngkhoán để đưa ra những dự báo cũng như các kết luận nên đầu tư vào loại cé

phiếu nào thì mang lại lợi nhuận cao nhất.

Thứ hai: Về phương diện thực hành, với sự tiễn bộ của các phần mềm

kinh tế như Rstudio, một công cụ phổ biến thì việc áp dụng mô hình ARCH -—GARCH có thể phân tích biến động của giá chứng khoán Nếu giá chứng khoán

càng giảm thì mức độ dao động giá càng lớn, hiện tượng này gọi là hiệu ứng đòn

bây được Blank phát hiện vào năm 1976 Ngoài ra, khi phân tích về chuỗi giáchứng khoán còn chỉ ra được sự thay đổi trong lợi suất trung bình từ đó thấyđược mối liên hệ giữa cổ phiếu trong một phiên giao dịch khác với phiên giao

Trang 19

of = dạ + Gyuệ + + đ;u2_ ¿ t+ đmUỆ_m

Với A > 0; Gy, A2, , An >0

€, là biến ngẫu nhiên độc lập có cùng phân bố với kỳ vọng bang không, phươngsai bang 1.

Các bước ước lượng mô hình ARCH (m):

Bước 1: Xác định bậc của ARCH (m): Ta dùng với u? để xác định bậc của

ARCH (m).

Bước 2: Ước lượng: Hàm hợp lý của ARCH (m) có dạng:

L=f (uy, Uy, ,Un/a)

=f _— 1)-f - 1|F¿-a)- Ê (+1 |Em)Ÿ (Uy, tạ, , trạ /đ)

nfms ES Pp 1, 2 n/@)sa exp(— HE) Fy, tạ, , a207

Do dang chính xác của f (u,u¿, ,„/œ) là khá phức tap nên việc bỏ thành

phần này khi mẫu lớn là chấp nhận được Từ đó:

1 u?

Ln(L) = = vem (— sIn(2m) — “In(o? — 2 202

Bước 3: Cực dai hóa ham tương đương:

Ln(L’)=— tem+iC In(o? ¬.2 20?

Bước 4: Kiểm định

Bước 5: Dự báo

Ở điểm gốc dự báo h, dự báo cho 07,418:

of(1) = ag + đyuƒ_¡ + đau2_¿ te +: đmH2¿1—mDự báo cho ø/„;là:

ơ¿(2) = ag + ¡øi(1) + aguz te + đmH2+2—m

Tương tự:

of(1) = ay + œ;ø£(LT— 1) + œ;ø£(L— 2) + -+ œmø£(Ì — m)

=ứo + Liz (aio (I — i)1.3.2 Mô hình GARCH

Trong các mô hình kinh tế lượng, thường giả thiết “phương sai sai số

không đổi theo thời gian” Tuy nhiên các chuỗi dữ liệu về kinh tế, đặc biệt là các

chuôi dữ liệu tài chính có xu hướng dao động cao vào một sô giai đoạn, đông

Trang 20

thời có những giai đoạn có dao động rất nhỏ Điều này có thê được giải thích bởichuỗi dữ liệu theo thời gian chịu ảnh hưởng bởi các tin tức tốt, xấu và hành vicủa các nhà đầu tư trên thị trường Chính vì thế, giả thiết này thường không phù

hợp với dữ liệu chuỗi thời gian Năm 1986, Bollerslev đã mở rộng mô hình

ARCH, và đặt tên GARCH Mô hình GARCH cho phép ta có thể dự báo được độ

dao động của các chuỗi thời gian khi phương sai sai số thay đổi.

Mô hình có dạng:

T, = Hy + Ut

Ut = Get

Ø2 = do + au? 1-1 + 02H22 + + Om? emt tÖiØ ¡+ B20? 1-24 + Bsorr-s

Việc xác định bậc của một mô hình GARCH là khá phức tạp, tuy nhiên chi

các mô hình GARCH bậc thấp được sử dụng trong hầu hết các ứng dụng, như là

GARCH (1,1), GARCH (2,1) và GARCH (1,2) Nhiều nghiên cứu thực nghiệmđã chỉ ra răng mô hình GARCH (1,1) là đủ để mô hình hoá sự thay đổi của

phương sai trong thời kỳ mẫu dài.

Với dự báo tĩnh, ta có thé dự báo cho thời kì n+1

Dự báo động có lợi thế là đự báo cho thời kì ngoài mẫu dài hơn và thực hiện như

Trang 21

Những thông tin từ sự dao động ở thời kỳ trước, được xác định qua bình

phương phần dư thời kỳ trước thu được từ phương trình trung bình và phương sai

của giai đoạn trước.

Ta thay rằng ø;, lớn có xu hướng theo sau bởi ur lớn va như vay đặc tinh

tạo thành cụm của độ dao động được phan ánh.

1.3.3 Ưu điểm, nhược điểm của mô hình ARCH — GARCH

Mô hình ARCH GARCH

Mô hình đầu tiên đưa ra cơ sở lý Giải thích được dự báo về phươngthuyết để mô hình hóa rủi ro sai của tài sản thời kỳ này bằng việcƯu điểm tạo ra một trọng số trung bình trong

đài hạn và phương sai dự báo ở giaiđoạn trước.

Thường dự báo cao độ rủi ro vì Có thê giải thích sự bất thường của

mô hình phản ứng chậm đối với P hương sai ma chỉ sử dụng những

những cú sốc lớn cô lập thông tin quá khứ cua bản thân

" nhiễu, không tách biệt được mức độ

Không đưa ra một giải thích và „ , a `

+ _ anh hưởng của các cú sôc dương vagoc biên thiên của các chuỗi ti x 2 veya x, ;

cu sôc âm ở thời kỳ trễ ảnh hưởng

chính đến tỷ suất sinh lợi kỳ hiện tại.

Nhược Có điều kiện ràng buộc, mô hìnhđiêm ARCH bậc càng cao điều kiện

ràng buộc càng phức tap.

Gia thiệt các cú sôc dương và cú

sôc âm có cùng ảnh hưởng tới rủiro, trong thực tê giá phản ứng

khác nhau với các cú sôc.

Trang 22

1.3.4 Một sô nghiên cứu trong nước và quôc tê

Ta thấy rằng khả năng áp dụng của lớp mô hình GARCH vào việc phân

tích, đánh giá và dự báo trên thị trường tài chính nói chung và thị trường chứng

khoán nói riêng là rat rộng rãi và đa dạng Khó có thể ké ra hết các phân tích cóáp dụng mô hình này Hầu hết các thị trường chứng khoán trên thế giới đều đã cónhững phân tích với lớp mô hình này và rút ra được nhiều kết luận có ý nghĩa.Việc áp dụng ngày càng linh hoạt, có những thay đổi và điều chỉnh trên nền củamô hình GARCH chuẩn, giúp cho việc mô tả ngày càng tốt hơn các vấn đề kinhtế trong thực tiễn Nhiều nghiên cứu đã bàn về tính hiệu quả của các mô hìnhGARCH trong việc giải thích tính dễ biến động của thị trường chứng khoán.

Choo Wei Chong (1998) cũng đã sử dụng lớp mô hình GARCH dé ướclượng và dự báo độ dao động của lợi suất trên chỉ số với 5 chỉ số chứng khoáncủa thị trường chứng khoán Kuala Lumpur (Malayxia) - KLSE với số liệu theongày từ 1/1/1989 đến 31/12/1990 Ông kết luận rang mô hình EGARCH (1,1) là

mô hình tốt nhất cho dự báo độ dao động đối với lợi suất của cả 5 chỉ số trên thị

trường chứng khoán.

Recep Bildik và Selim Elekdag (2002) đã sử dụng các mô hình GARCH

cho thị trường chứng khoán Istanbul và chỉ ra rằng các giới hạn về biên độ giá

không có tác dụng làm giảm độ dao động của thị trường.

Vladimir Gazda và Tomas Vyrost (2003) đã áp dung các mô hình

TARCH, GARCH và EGARCH để phân tích và dự báo độ dao động của lợi suấttrên chỉ số thị trường chứng khoán Slovak - SAX với số liệu gồm 1173 quan sáttừ 1/8/1997 đến 27/9/2002, rút ra kết luận SAX mô hình EGARCH là tốt nhất để

phân tích và dự báo, khang định sự tồn tại của “hiệu ứng đòn bay’ và dé xuất có

thé dùng các kết quả này dé định giá hợp đồng quyền chọn.

Karmakar (2005) ước tính mô hình biến động nhằm nam bắt các tính năng

của biến động thị trường chứng khoán ở Ấn Độ Nghiên cứu cũng điều tra sự

hiện diện của hiệu ứng đòn bẩy trên thị trường chứng khoán An Độ và chứngminh răng mô hình GARCH (1,1) cung cấp dự báo biến động thị trường khá tốt.

Hongyu Pan và Zhichao Zhang (2006) sử dụng các mô hình GARCH để

xem xét trên độ dao động của lợi suất 2 chỉ số chứng khoán trên thi trường chứng

khoán Trung Quốc là chỉ số Shanghai và Shenzhen Hai ông đã kết luận răng vớithị trường chứng khoán Shenzhen, các mô hình bất đối xứng như GJR vàEGARCH là tốt hơn so với các dạng khác của GARCH Với thị trường chứngkhoán Shanghai không có dấu hiệu của hiệu ứng bat đối xứng.

Cùng với đó nghiên cứu của Karmakar (2007) cho thấy phương sai có

Trang 23

điều kiện không đối xứng trong giai đoạn nghiên cứu và mô hình EGARCH-Mđược cho là mô hình thê hiện đầy đủ mối quan hệ thuận chiều giữa rủi ro và lợinhuận Floros (2008) nghiên cứu độ biến động sử dụng dữ liệu hàng ngày từ chỉsố chứng khoán Middle East và Egyptian CMA và Israeli TASE-100, trong đó sửdụng GARCH, EGARCH, TGARCH Nghiên cứu cho thấy hệ số mô hình

EGARCH có tác động âm và có ý nghĩa với các chỉ số này, đồng thời tồn tại hiệu

ứng đòn bây.

Trong khi đó, GC (2009) sau khi thực hiện nghiên cứu ở thị trường chứng

khoán Nepalese đã tìm thấy bằng chứng về sự bất đối xứng của phương sai cóđiều kiện đối với tỷ suất lợi tức bởi GARCH (1,1) và GARCH (1,1) là mô hìnhthích hợp dé dự báo.

Goudarzi và Ramanarayanan (2010) nghiên cứu sự biến động của thịtrường chứng khoán An Độ, trong đó sử dụng chỉ số S&P BSE 500 làm đại diệntrong 10 năm Dữ liệu bao gồm 2.108 quan sát giá đóng cửa theo ngày của chỉ sốBSE500 từ 26/7/2000 đến 20/01/2009, được lấy từ Sở Giao dịch Chứng khoán

Bangalore Mô hình ARCH — GARCH được ước tính là hai mô hình tốt nhất,được lựa chọn bằng 9cách sử dụng AIC và SIC Nghiên cứu cho rằng GARCH(1,1) là mô hình thích hợp nhất dé giải thích biến động theo cụm và có ý nghĩa

cho chuỗi dữ liệu ở giai đoạn nghiên cứu.

AbdElaal (2011) nghiên cứu tỷ suất lợi nhuận của chỉ số thị trường chứngkhoán Ai Cập giai đoạn 1998-2009 và nhận thấy mô hình EGARCH là mô hình

tốt trong tat cả các mô hình dùng dé đo lường độ dao động.

Với thị trường chứng khoán Việt Nam, các phân tích sử dụng lớp mô hìnhARCH-GARCH còn khá ít Vương Quân Hoàng (2003) đã xem xét hiệu ứng

GARCH đối với chuỗi lợi suất của một số loại cỗ phiếu trên thị trường chứng

khoán Việt Nam giai đoạn 2000-2003 và chỉ ra rằng thị trường chứng khoán ViệtNam chịu ảnh hưởng đáng ké của các biến chính sách, nhất là biên độ giá.

Các tác giả như Võ Thị Thúy Anh và Nguyễn Anh Tùng (2010), ĐặngHữu Mẫn và Hoàng Dương Việt Anh (2013), Bùi Hữu Phước, Phạm Thị Thu

Hồng và Ngô Văn Toàn (2016) cũng tiến hành nghiên cứu về mô hình giá trị chịu

rủi ro (VaR - Value at Risk) kết hợp sử dụng mô hình ARCH và GARCH đề ướctính tham số phương sai (độ lệch chuẩn).

Kết quả cho thay việc ước tính khá chính xác và các tác giả cũng khang

định mô hình GARCH là mô hình hữu ích trong việc quản trỊ rủi ro.

Các nghiên cứu còn cho thấy thị trường chứng khoán có những giai đoạndao động bất thường khiến hoạt động đầu tư gặp rủi ro, đồng thời cung cấp một

17Mã sinh viên: 11170569 Họ và tên: Phan Ngọc Bích

Trang 24

phương pháp xác định độ dao động giá cô phiếu dé từ đó đưa ra các quyết định

phù hop.

Mặc dù nhiều nghiên cứu được thực hiện dựa trên mô hình biến động củathị trường chứng khoán phát triển song chỉ có một vài nghiên cứu được thực hiệntrong bối cảnh Việt Nam Các nghiên cứu này đã được thực hiện dựa trên môhình biến động thị trường chứng khoán của thị trường Việt Nam, nhưng chủ yếugiới hạn chỉ có mô hình đối xứng của chỉ số thị trường chứng khoán.

Hầu hết các nghiên cứu về biến động mô hình phát hiện ra rằng GARCH(1,1) là mô hình tốt nhất trong việc nắm bắt hiệu ứng đối xứng và hiệu ứng đònbẩy Các nghiên cứu trước đây cho thấy mô hình EGARCH-M và TGARCH

cũng là những mô hình thích hợp Do đó, nghiên cứu này sử dụng các mô hình

GARCH nham ước tính biến động của chỉ số VN-Index.