VaR ban đầu được xác định bởi nghiên cứu của nhóm G30 về giao dịch phái sinh như một công cụ quản lý RRTT, nghiên cứu sơ khai mới chỉ cung cấp một con số duy nhất đo mức độ tiếp xúc của
Mục tiêu nghiên cứu
Đầu tiên, cần trình bày các lý thuyết liên quan đến RRTT và phương pháp đo lường VaR Những lý thuyết này sẽ là nền tảng cho các nhận xét và kết luận trong các chương tiếp theo.
Thứ hai, cần nhận diện và phân tích các rủi ro tiềm ẩn mà STK có thể gặp phải Từ đó, đánh giá xác suất xảy ra của các rủi ro này và mức độ ảnh hưởng của chúng thông qua biểu đồ nhiệt.
Ứng dụng VaR trong việc đo lường rủi ro thị trường của cổ phiếu STK được thực hiện dựa trên các phương pháp đa dạng, được lựa chọn từ kết quả kiểm định dữ liệu TSSL Nghiên cứu không chỉ đưa ra các nhận xét về VaR mà còn kiểm tra tính phù hợp của các phương pháp đo lường VaR đã sử dụng.
Tác giả đề xuất các giải pháp nhằm giảm thiểu rủi ro trong doanh nghiệp, dựa trên kết quả của mô hình Những giải pháp này tập trung vào việc củng cố hệ thống quản lý rủi ro và xử lý đặc thù cho từng loại rủi ro riêng lẻ.
Câu hỏi nghiên cứu
Nghiên cứu tập trung trả lời các câu hỏi sau đây
Câu hỏi 1: Các rủi ro thị trường của STK là gì?
Kết quả đo lường rủi ro thị trường của STK thông qua phương pháp VaR cho thấy khả năng chịu đựng rủi ro của công ty trong các điều kiện thị trường khác nhau Các phương pháp và mô hình dự báo VaR được áp dụng cần được đánh giá để đảm bảo tính chính xác và phù hợp với đặc thù của STK Việc lựa chọn mô hình phù hợp sẽ giúp cải thiện khả năng dự đoán và quản lý rủi ro hiệu quả hơn trong bối cảnh biến động thị trường.
Câu hỏi 3: Nhằm giảm thiểu rủi ro, STK nên quản trị RRTT như thế nào?
Kết cấu bài nghiên cứu
Bài nghiên cứu có kết cấu gồm 04 chương như sau:
Chương 1: Tổng quan nghiên cứu
Chương 2: Dữ liệu và phương pháp nghiên cứu
Chương 3: Kết quả nghiên cứu
Chương 4: Kết luận và khuyến nghị
TỔNG QUAN NGHIÊN CỨU
Khung lý luận
1.1.1 Những vấn đề cơ bản về rủi ro thị trường
1.1.1.1 Khái niệm rủi ro thị trường
Rủi ro thị trường bắt đầu được chú ý từ những cú sốc lớn và sự xuất hiện nhanh chóng của các công cụ phái sinh vào cuối những năm 80 và đầu những năm 90 Ngày 19 tháng 10 năm 1987, thị trường chứng khoán sụp đổ với chỉ số Dow Jones giảm hơn 20% trong một ngày Năm 1990, sự sụp đổ của bong bóng giá tài sản Nhật Bản đã gây thiệt hại nghiêm trọng cho nền kinh tế Đến năm 1994, lãi suất Mỹ tăng đột ngột dẫn đến thảm họa trên thị trường trái phiếu, ảnh hưởng xấu đến ngân hàng, quỹ phòng hộ và các nhà quản lý tiền tệ Giai đoạn 1994 - 1995 chứng kiến nhiều thảm họa tài chính, nổi bật là sự phá sản của công ty quản lý đầu tư Barings và Quận Cam.
Rủi ro thị trường (RRTT) đã trở thành một vấn đề quan trọng trong quản trị rủi ro (QTRR) của doanh nghiệp kể từ năm 2007 Uỷ ban Basel đã xuất bản ấn phẩm đầu tiên về RRTT trong tỷ lệ Cooke vào tháng 4 năm 1993, và đến tháng 4 năm 1995, họ chấp nhận tính chi phí vốn cho RRTT bằng mô hình nội bộ, dựa trên chỉ số rủi ro do JP Morgan công bố Theo Uỷ ban Basel (2019), RRTT là rủi ro thua lỗ phát sinh từ biến động giá cả thị trường, bao gồm các yêu cầu về vốn như rủi ro vỡ nợ, rủi ro lãi suất, rủi ro chênh lệch tín dụng, rủi ro ngoại hối và rủi ro hàng hoá đối với các công cụ trong danh mục giao dịch cũng như trong số sách ngân hàng Quan điểm của Basel hiện nay là một trong những quan điểm phổ biến nhất trong hoạt động của các ngân hàng và tổ chức tín dụng.
Ngoài Uỷ ban Basel, nhiều nghiên cứu trước đây đã đưa ra các khái niệm về RRTT, từ góc độ doanh nghiệp, RRTT được xem là một hình thức cụ thể của rủi ro tài chính Đây là loại rủi ro ảnh hưởng đến tình trạng tài chính của tổ chức do những yếu tố bên ngoài và nội tại.
RRTT là một trong những rủi ro rõ ràng mà tổ chức và cá nhân thường phải đối mặt, phát sinh từ các sự kiện kinh tế cụ thể Rủi ro này liên quan đến những thay đổi trên thị trường mà tổ chức có thể tiếp xúc Nó khác biệt với các hình thức rủi ro tài chính khác như rủi ro tín dụng, liên quan đến khả năng thanh toán của đối tác, và rủi ro hoạt động, liên quan đến hệ thống kiểm soát hoặc khả năng của người vận hành.
RRTT, theo định nghĩa của Donald R Van Deventer và các đồng tác giả (2013), là một tập hợp công cụ tài chính được giao dịch trên sàn với giá thị trường có thể quan sát được Theo Peter F Christoffersen (2012) và Don M Chance cùng Michelle McCharthy Beck (2022), RRTT liên quan đến rủi ro từ biến động giá cả thị trường như cổ phiếu, tỷ giá hối đoái, lãi suất và giá hàng hóa trong quản trị rủi ro danh mục đầu tư Các công ty tài chính thường chấp nhận RRTT để kiếm lợi nhuận, nhưng lựa chọn loại rủi ro mà họ muốn tiếp xúc Ví dụ, các giao dịch quyền chọn thường tập trung vào biến động mà không theo hướng thị trường, với chiến lược delta trung lập Ngược lại, các công ty phi tài chính có thể chỉ muốn tiếp xúc với rủi ro kinh doanh cốt lõi và tìm cách giảm thiểu hoặc loại bỏ RRTT.
Rủi ro tài chính (RRTT) là một thách thức mà hầu hết các doanh nghiệp phải đối mặt RRTT phát sinh từ sự biến động của các yếu tố thị trường, bao gồm lãi suất và tỷ giá hối đoái.
Giá cả hàng hóa và rủi ro thị trường tài chính (RRTT) có ảnh hưởng lớn đến kết quả kinh doanh của doanh nghiệp Do đó, các doanh nghiệp cần xây dựng chiến lược cụ thể nhằm giảm thiểu rủi ro này để duy trì hiệu quả hoạt động và tăng trưởng bền vững.
1.1.1.2 Các yếu tố cấu thành rủi ro thị trường
Rủi ro thị trường có thể được phân loại thành nhiều loại khác nhau, bao gồm rủi ro lãi suất, rủi ro biến động giá cả hàng hóa và rủi ro tỷ giá đối hoái, tùy thuộc vào các yếu tố như lãi suất, giá cổ phiếu hoặc các biến ngẫu nhiên khác (Kevin Dowd, 2007) Nhiều nghiên cứu, bao gồm của Peter F Christoffersen (2012), Don M Chance và Michelle McCarthy Beck (2022), Darrell Duffie và Jun Pan (1997), cùng Trần Mạnh Hà (2009), đều đồng thuận về các yếu tố chính của rủi ro thị trường.
Biểu đồ 1.1: Các yếu tố cấu thành rủi ro thị trường
Rủi ro lãi suất là khả năng xảy ra tác động tiêu cực đến lợi nhuận hoặc giá trị tài sản do sự biến động của lãi suất Rủi ro này ảnh hưởng đến cả người đi vay và nhà đầu tư, đặc biệt là các ngành đòi hỏi nhiều vốn Khi lãi suất thay đổi, người đi vay sẽ phải chịu ảnh hưởng qua chi phí vốn, chẳng hạn như doanh nghiệp có khoản nợ lãi suất thả nổi sẽ phải đối mặt với việc tăng chi phí vốn khi lãi suất tăng.
Rủi ro lãi suất xuất phát từ nhiều nguồn khác nhau, bao gồm: (1) sự thay đổi trong mặt bằng lãi suất, được gọi là rủi ro lãi suất tuyệt đối; (2) sự biến động của hình dạng đường cong lợi suất, hay còn gọi là rủi ro đường cong lợi suất; và (3) sự không phù hợp giữa mức độ rủi ro và các chiến lược quản lý rủi ro đã được thực hiện, được biết đến là rủi ro nền tảng.
Rủi ro lãi suất Rủi ro tỷ giá Rủi ro biến động giá chứng khoán Rủi ro biến động giá cả hàng hoá
Các rủi ro khác (ví dụ: bất động sản, lạm phát)
Một tổ chức có thể áp dụng các chiến lược phòng ngừa rủi ro thông qua các công cụ phái sinh như thỏa thuận, hợp đồng tương lai, hợp đồng hoán đổi và quyền chọn để bảo vệ tài sản và giảm thiểu rủi ro tài chính.
Rủi ro tỷ giá hối đoái bao gồm các yếu tố như rủi ro chuyển đổi, rủi ro giao dịch và rủi ro kinh tế Những rủi ro này thường phát sinh từ các giao dịch hàng hóa, trong đó giá trị hàng hóa được xác định và thực hiện bằng một loại tiền tệ khác.
Rủi ro giao dịch ảnh hưởng đến khả năng sinh lời của tổ chức trong báo cáo kết quả hoạt động kinh doanh Rủi ro này phát sinh từ các giao dịch thông thường như mua hàng từ nhà cung cấp, thanh toán hợp đồng bằng nhiều loại tiền tệ, thanh toán tiền bản quyền và bán hàng cho khách hàng bằng ngoại tệ Các tổ chức thường xuyên mua bán sản phẩm và dịch vụ bằng ngoại tệ phải đối mặt với rủi ro hối đoái giao dịch, và việc quản lý rủi ro này là yếu tố quyết định khả năng cạnh tranh của doanh nghiệp.
Rủi ro chuyển đổi là những biến động phát sinh từ việc chuyển đổi báo cáo tài chính, đặc biệt liên quan đến tài sản và nợ phải trả trên bảng cân đối kế toán Ví dụ, khi công ty con chuyển đổi kết quả từ đồng tiền của mình sang đồng tiền của công ty mẹ, có thể xảy ra lỗ tỷ giá Rủi ro này ảnh hưởng đến giá trị các khoản mục trong bảng cân đối ngoại tệ như khoản phải trả, phải thu, tiền mặt, tiền gửi ngoại tệ và nợ ngoại tệ Tài sản và nợ dài hạn liên quan đến nước ngoài thường bị ảnh hưởng đặc biệt Ngoài ra, đối với các khoản nợ ngoại tệ, khi giá trị ngoại tệ so với nội tệ tăng, giá trị thị trường quy đổi của khoản nợ phải trả bằng ngoại tệ cũng sẽ tăng lên.
Rủi ro biến động giá cả hàng hóa xảy ra khi giá của hàng hóa cần mua hoặc bán có khả năng thay đổi Rủi ro này cũng có thể phát sinh từ hoạt động kinh doanh phi hàng hóa nếu đầu vào hoặc sản phẩm và dịch vụ liên quan đến hàng hóa Giá hàng hóa biến động ảnh hưởng đến người tiêu dùng và các bên liên quan như nhà sản xuất, chính phủ, nhà chế biến và nhà bán buôn Khi giá hàng hóa tăng, chi phí mua hàng tăng theo, dẫn đến giảm lợi nhuận từ các giao dịch.
Khoảng trống nghiên cứu và câu hỏi nghiên cứu
Các nghiên cứu thực nghiệm trong và ngoài nước đã thiết lập nền tảng vững chắc cho các nghiên cứu tiếp theo, nhằm áp dụng vào bối cảnh nghiên cứu cụ thể và lấp đầy những khoảng trống còn thiếu sót Mỗi nghiên cứu trước đó đều có những ưu điểm và nhược điểm riêng, từ đó tác giả nhận diện được một số khoảng trống nghiên cứu cần được khai thác thêm.
Phương pháp VaR (Value at Risk) chủ yếu được sử dụng để đo lường rủi ro tài chính trong lĩnh vực ngân hàng, xuất phát từ những nghiên cứu từ những năm 90 Sự phổ biến của VaR trong ngành ngân hàng là do nó được phát triển nhằm đánh giá và quản lý rủi ro trong hệ thống tài chính này.
Basel đã trở thành tiêu chuẩn quan trọng trong yêu cầu an toàn vốn cho các định chế tài chính, đặc biệt là trong lĩnh vực ngân hàng tại Việt Nam, nơi Ngân hàng Nhà Nước yêu cầu thông tin định kỳ về an toàn vốn Tuy nhiên, việc xây dựng và theo dõi các mô hình quản trị rủi ro tín dụng (RRTT) vẫn chưa phổ biến trong các doanh nghiệp sản xuất Nghiên cứu ứng dụng VaR để đo lường RRTT cho doanh nghiệp sản xuất vẫn còn hạn chế, mặc dù việc quản lý rủi ro này là rất quan trọng, vì các doanh nghiệp sản xuất thường chịu ảnh hưởng lớn từ biến động thị trường đến kết quả kinh doanh.
Các nghiên cứu trước đây chủ yếu tập trung vào việc đo lường rủi ro thị trường thông qua các chỉ số chứng khoán và giá nhà, mà chưa chú trọng đến rủi ro của doanh nghiệp cụ thể Điều này dẫn đến một số bất cập như: (1) Thiếu phân tích chi tiết về các dạng rủi ro tồn đọng và mức độ ảnh hưởng của chúng, không có biểu đồ nhiệt để minh họa; (2) Thiếu dự báo VaR cụ thể cho doanh nghiệp sản xuất, làm cơ sở cho việc định giá rủi ro; (3) Việc không ứng dụng VaR vào doanh nghiệp sản xuất khiến các nghiên cứu sau này không có cơ sở để đánh giá ưu, nhược điểm của phương pháp này so với các chỉ số chứng khoán hay định chế tài chính.
Các nghiên cứu trước năm 2015 chiếm ưu thế, trong khi số lượng nghiên cứu mới, cập nhật còn hạn chế Tuy nhiên, trong 3-5 năm qua, đại dịch COVID-19 đã gây ảnh hưởng sâu rộng đến nền kinh tế toàn cầu, đặc biệt tại Việt Nam, nơi mà diễn biến kinh tế và thị trường đã có nhiều thay đổi bất lợi cho doanh nghiệp Các chính sách giãn cách xã hội đã tác động mạnh mẽ đến hoạt động kinh doanh, cùng với sự biến động giá dầu và tình trạng tăng giá.
27 loại hàng hóa ảnh hưởng đến chi phí đầu vào của doanh nghiệp, trong khi tỷ giá hối đoái biến động do các Ngân hàng Trung ương điều chỉnh lãi suất Hiện nay, sự biến động của thị trường qua các chỉ báo kinh tế vẫn khó lường và chưa ổn định Vì vậy, việc cập nhật giai đoạn nghiên cứu mới nhất là cần thiết để nhận diện rõ hơn các rủi ro tài chính mà doanh nghiệp gặp phải Đồng thời, doanh nghiệp cũng cần có kết quả đo lường rủi ro để quản trị các biến động khó lường hiện tại.
Trước các khoảng trống nghiên cứu hiện có, tác giả quyết định chọn đề tài “Ứng dụng VaR trong đo lường rủi ro thị trường của Công ty Cổ phần Sợi” để khám phá và phân tích.
Nghiên cứu "Thế Kỷ" không chỉ lấp đầy khoảng trống trong lĩnh vực nghiên cứu mà còn mang lại giá trị quan trọng cho doanh nghiệp trong quản trị rủi ro Đồng thời, nghiên cứu này giúp các nhà đầu tư đánh giá chính xác mức độ rủi ro tài chính của doanh nghiệp, từ đó đưa ra quyết định đầu tư hợp lý Cuối cùng, nghiên cứu cung cấp những điểm mới, tạo nền tảng cho các nghiên cứu liên quan trong tương lai.
Khung nghiên cứu
Bài nghiên cứu này xây dựng khung nghiên cứu dựa trên tổng quan lý thuyết và các nghiên cứu trước đó, đồng thời xác định những khoảng trống trong nghiên cứu hiện tại.
Biểu đồ 1.2: Khung nghiên cứu
Nhận diện, đánh giá mức độ ảnh hưởng của rủi ro thị trường
- Thống kê, mô tả dữ liệu
- Lựa chọn phương pháp đo lường VaR phù hợp
- Ước lượng và dự báo VaR
Giải pháp phòng ngừa rủi ro thị trường
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu sử dụng
Để ứng dụng VaR trong đo lường rủi ro tài chính, các nghiên cứu thực nghiệm chủ yếu sử dụng dữ liệu từ các chỉ số thị trường như VN-Index, S&P 500 và Dax Nghiên cứu của Micheal Chak và Sam Wong (2003) nhấn mạnh lý do sử dụng chỉ số AOI, bao gồm 500 công ty đa dạng ngành nghề trên thị trường chứng khoán Úc Chỉ số AOI được cho là chịu ảnh hưởng từ nhiều loại rủi ro tài chính như rủi ro giá cả hàng hóa, rủi ro tiền tệ và rủi ro lãi suất, do đó nó được sử dụng để đo lường rủi ro tài chính bằng VaR Ngoài ra, giá cổ phiếu riêng lẻ cũng bị tác động bởi các yếu tố thị trường lớn hơn như biến động lãi suất, giá cả hàng hóa và tỷ giá hối đoái (Hull, J C).
Các yếu tố cơ bản như kết quả kinh doanh và hiệu quả hoạt động đều bị ảnh hưởng bởi RRTT, ảnh hưởng trực tiếp đến định giá cổ phiếu của nhà đầu tư Do đó, nghiên cứu này dựa vào dữ liệu có sẵn và lý thuyết về tác động của RRTT lên giá cổ phiếu, lựa chọn TSSL của cổ phiếu STK để đo lường VaR.
Nghiên cứu này sử dụng chuỗi dữ liệu tài chính phản ánh biến động giá cổ phiếu STK hàng ngày trên sàn HOSE từ ngày 4/1/2016 đến 31/12/2022, với số liệu được trích xuất từ website investing.com Dữ liệu được áp dụng trong mô hình là tỷ suất sinh lời hàng ngày (𝑅 𝑡 ), được tính dựa trên giá đóng cửa theo công thức cụ thể.
Trong đó: 𝑅 𝑡 là giá trị TSSL hàng ngày
𝑃 𝑡 là là giá đóng cửa ngày t
𝑃 𝑡−1 là giá đóng cửa của ngày trước đó, ngày t-1
Kết quả kiểm định đặc tính dữ liệu
2.2.1 Kiểm định phân phối chuẩn
Tác giả kiểm tra các đặc tính của dữ liệu nhằm lựa chọn mô hình phù hợp cho nghiên cứu, vì các phương pháp và mô hình VaR có giả định khác nhau về tập dữ liệu Đầu tiên, tác giả thực hiện kiểm định phân phối trên tập dữ liệu TSSL của cổ phiếu STK, sử dụng phần mềm RStudio để kiểm tra phân phối chuẩn thông qua mô hình Jarque – Bera với giả thuyết H0: Phân phối của TSSL cổ phiếu STK tuân theo quy luật phân phối chuẩn.
H1: Phân phối của TSSL cổ phiếu STK không tuân theo quy luật phân phối chuẩn Kết quả kiểm định Jarque – Bera trên phần mềm R Studio như sau:
Hình 2.1: Kiểm định Jarque-Bera
Nguồn: Kết quả từ phần mềm RStudio
Kết quả kiểm định cho thấy giá trị p-value < 2.2e-16, nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết H0 và chấp nhận H1 ở mức ý nghĩa 5% Điều này cho thấy phân phối của TSSL của STK không tuân theo quy luật phân phối chuẩn mà tuân theo phân phối đuôi to.
Nghiên cứu sử dụng kiểm định Dickey-Fuller với cặp giả thiết như sau:
H0: Dữ liệu nghiên cứu không có tính dừng
H1: Dữ liệu nghiên cứu có tính dừng
Hình 2.2 Kiểm định Dickey-Fuller
Nguồn: Kết quả từ phần mềm RStudio
Kết quả kiểm định cho thấy p-value < 0.05, do đó, tác giả bác bỏ H0, chấp nhận H1 ở mức ý nghĩa 5% Như vậy, dữ liệu TSSL của cổ phiếu STK có tính dừng
Song song với kiểm định Dickey-Fuller, nghiên cứu sử dụng thêm kiểm định KPSS, cặp giả thiết H0, H1 của kiểm định như sau:
H0: Dữ liệu nghiên cứu có tính dừng
H1: Dữ liệu nghiên cứu không có tính dừng
Nguồn: Kết quả từ phần mềm RStudio
Giá trị p-value lớn hơn 0.05 cho thấy tác giả chấp nhận giả thuyết H0, chứng tỏ dữ liệu TSSL của cổ phiếu STK có tính dừng Do đó, dữ liệu này có thể được sử dụng cho mô hình phân tích chuỗi thời gian.
2.2.3 Kiểm định tự tương quan
Tính tự tương quan theo chuỗi thời gian đề cập đến việc tỷ suất lợi tức của ngày hôm nay bị ảnh hưởng bởi tỷ suất lợi tức của ngày trước Điều này có nghĩa là giá trị của ngày hôm nay thường có xu hướng liên quan đến giá trị của ngày hôm qua, tạo ra một mối quan hệ giữa các ngày trong chuỗi thời gian.
Tự tương quan là một yếu tố quan trọng trong việc kiểm định các mô hình chuỗi thời gian, đặc biệt là các mô hình tự hồi quy Nghiên cứu này áp dụng mô hình Ljung-Box để kiểm tra tính tự tương quan, với cặp giả thuyết được thiết lập nhằm phân tích ảnh hưởng của giá trị ngày hôm nay đến giá trị ngày hôm trước.
H0: Dữ liệu nghiên cứu không có hiện tượng tự tương quan
H1: Dữ liệu nghiên cứu có hiện tượng tự tương quan
Bảng 2.1: Kết quả kiểm định tự tương quan thông qua kiểm định Ljung-Box
Lag X-squared p-value 𝜶 Kết luận
Nguồn: Kết quả từ phần mềm RStudio
Kết quả kiểm định với bậc lag cho thấy p-value < 0.05, do đó nghiên cứu đã bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 Điều này chứng minh rằng dữ liệu TSSL của cổ phiếu STK có tính tự tương quan.
Phương pháp nghiên cứu
2.3.1 Lựa chọn phương pháp ước lượng VaR phù hợp
Dựa trên kết quả kiểm định dữ liệu TSSL ở mục 2.2, có thể thấy rằng dữ liệu TSSL của cổ phiếu STK không tuân theo phân phối chuẩn, xuất hiện hiện tượng tự tương quan và có tính dừng Do đó, nghiên cứu này sẽ tập trung vào ba phương pháp được lựa chọn dựa trên kết quả kiểm định dữ liệu TSSL hàng ngày, phù hợp với các giả định của các phương pháp và mô hình đã trình bày ở mục 1.1.2.
Phương pháp mô phỏng lịch sử và mô phỏng Monte Carlo đều không yêu cầu giả định về phân phối dữ liệu, cho phép áp dụng cho bất kỳ loại phân phối nào Mô phỏng lịch sử dễ thực hiện, trong khi mô phỏng Monte Carlo hiệu quả trong việc nắm bắt các sự kiện cực đoan nhưng đòi hỏi chi phí cao Tuy nhiên, với sự hỗ trợ của phần mềm RStudio, việc áp dụng mô phỏng Monte Carlo trở nên khả thi với ngân sách hạn chế Do đó, tác giả quyết định sử dụng cả hai phương pháp này trong nghiên cứu để đảm bảo tính chính xác và khả năng thực hiện mô hình.
Trong phương pháp tham số, giả định về phân phối dữ liệu là yếu tố đầu vào quan trọng, trong đó giả định về phân phối chuẩn thường được sử dụng Tuy nhiên, tác giả cho rằng việc áp dụng mô hình với giả định dữ liệu tuân theo phân phối chuẩn có thể không hợp lý cho kết quả kiểm định Do đó, nghiên cứu đã mở rộng ra các giả định phân phối khác để ước lượng VaR, bao gồm: (1) phân phối chuẩn, (2) phân phối chuẩn lệch, (3) phân phối t-student, và (4) phân phối t-student lệch.
Nhiều mô hình đã được phát triển để ước lượng VaR, đặc biệt là các mô hình như ARCH, GARCH và ARMA Tuy nhiên, không phải tất cả các mô hình này đều phù hợp với thực tế và nghiên cứu thực nghiệm Do đó, nghiên cứu lựa chọn sử dụng mô hình sGARCH(1,1) và iGARCH(1,1) cho phương pháp tham số Mô hình sGARCH (symmetric GARCH) giả định rằng các cú sốc tiêu cực và tích cực đối với TSSL có tác động tương đương, nhưng cũng cho phép xảy ra hiệu ứng đòn bẩy, tức là những cú sốc tiêu cực có thể ảnh hưởng mạnh hơn đến biến động.
Cú sốc tiêu cực đối với TSSL có ảnh hưởng lớn hơn đến sự biến động so với cú sốc tích cực cùng cường độ Mô hình iGARCH (integrated GARCH) cho phép phân tích các tác động không đối xứng của các cú sốc này, giả định rằng cú sốc biến động trong quá khứ có ảnh hưởng lâu dài đến kết quả tương lai Mô hình iGARCH rất hữu ích trong việc lập mô hình lợi nhuận tài chính với các yếu tố phụ thuộc dài hạn, đặc biệt khi làm việc với dữ liệu hàng ngày hoặc hàng tuần (Bollerslev, T, 1986).
Bảng 2.2: Các phương pháp đo lường VaR trong bài nghiên cứu
Phương pháp Mô hình Dựa theo nghiên cứu Tham số ước lượng
Phương pháp tham số sGARCH(1,1) Timotheos Angelidis & George
Skiadopoulos (2007) 𝛼 1 , 𝛽 1 iGARCH(1,1) Guglielmo Maria Caporale , Nikitas
Qi Chen, Rongda Chen (2013), Nupur Noni Das & Bhabani Sankara Rount (2020)
Phương pháp mô phỏng lịch sử
Nguồn: Tác giả tự tổng hợp
Để kiểm định mô hình có ý nghĩa và các phần dư có tương quan, tác giả thực hiện kiểm tra mức ý nghĩa trong mô hình ước lượng, lựa chọn kiểm định Ljung-Box và sử dụng chỉ số Akaike để xác định mô hình phù hợp Mức ý nghĩa được chọn là 𝛼 = 5%, tương ứng với độ tin cậy 95% Thời gian dự báo là giá trị VaR trong 01 ngày tiếp theo, được xác định dựa trên quyết định chủ quan của tác giả.
34 trên các nghiên cứu thực nghiệm trước đó
Sau khi chọn được các phương pháp, mô hình và giả định phân phối, nghiên cứu tiến hành dự báo VaR theo quy trình sau đây:
Bước 1: Ước lượng các tham số của mô hình & Kiểm định sự phù hợp của mô hình theo phương pháp tham số
Câu lệnh ugarchspec và ugarchfit cho phép người dùng định nghĩa mô hình và giả định xác suất Kết quả trả về bao gồm các tham số 𝛼 1 , 𝛽 1 ước lượng cùng với các kiểm định liên quan Tác giả chú ý đến giá trị p-value của các tham số để đánh giá tính ý nghĩa thống kê của mô hình Cuối cùng, tác giả thực hiện kiểm định giá trị phần dư Ljung-Box với cặp giả thuyết.
H0: Không tồn tại tự tương quan trên giá trị phần dư và bình phương giá trị phần dư của mô hình
H1: Có tồn tại tự tương quan trên giá trị phần dư và bình phương giá trị phần dư của mô hình
Trong trường hợp p-value lớn hơn 𝛼, tác giả bác bỏ H1, chấp nhận H0 và mô hình phù hợp để sử dụng trong ước lượng VaR
Để dự báo giá trị VaR bằng phương pháp tham số, bước đầu tiên là ước lượng giá trị trung bình và phương sai Tác giả áp dụng câu lệnh ugarchforecast, một công cụ dự báo cho các mô hình GARCH phức tạp, nhằm thực hiện dự báo này.
Dựa vào giá trị trung bình và phương sai đã dự báo, nghiên cứu sử dụng câu lệnh
Để tính toán VaR, tác giả sử dụng các chỉ số như trung bình và phương sai Sau đó, họ nhân kết quả này với giá trị danh mục đầu tư để xác định mức tổn thất tiềm năng.
Phương pháp mô phỏng lịch sử là một phương pháp đơn giản, được xây dựng dựa trên việc thu thập số liệu TSSL trong quá khứ của danh mục và sử dụng kết quả để đánh giá phân phối xác suất trong tương lai Khi chuỗi dữ liệu có tính dừng và tự tương quan phù hợp, nghiên cứu có thể áp dụng mô hình này để ước lượng VaR Trên phần mềm RStudio, để tìm ra giá trị VaR, tác giả sử dụng câu lệnh quantile(dữ liệu, xác suất) nhằm xác định điểm phân vị.
Phương pháp mô phỏng Monte Carlo là một công cụ linh hoạt không bị giới hạn bởi giả định về phân phối xác suất Khác với phương pháp mô phỏng lịch sử, Monte Carlo không yêu cầu dự báo các tham số 𝜇 và 𝛿 để xác định VaR Phương pháp này sử dụng mô hình dự báo xác suất để xác định kết quả dưới tác động của các yếu tố ngẫu nhiên Nghiên cứu áp dụng câu lệnh rnorm (số lần mô phỏng, giá trị trung bình, giá trị độ lệch chuẩn) để thực hiện mô phỏng Cuối cùng, tác giả tính toán phân vị bằng hàm quantile và nhân với giá trị danh mục để thu được kết quả VaR.
Bước 4: Hậu kiểm kết quả VaR
Sau khi tính toán kết quả VaR, nghiên cứu tiến hành hậu kiểm để đánh giá độ chính xác và độ tin cậy của VaR Hậu kiểm VaR là quá trình đếm số lần dữ liệu TSSL trong quá khứ vượt quá mức VaR đã tính toán Nếu số ngày vi phạm tăng lên, điều đó cho thấy VaR đánh giá thấp rủi ro và không phản ánh đúng thực tế Nghiên cứu đã chọn mẫu 500 ngày từ 1/12/2021 đến 31/12/2022 để thực hiện hậu kiểm VaR, nhằm tính toán số ngày vượt quá kết quả ước lượng từ các phương pháp khác nhau.
KẾT QUẢ NGHIÊN CỨU
Tổng quan thực trạng rủi ro thị trường của Công ty Cổ phần Sợi Thế Kỷ
3.1.1.1 Ngành nghề kinh doanh & Quy trình sản xuất
Công ty Cổ phần Sợi Thế Kỷ, tiền thân là Công ty TNHH Sản xuất – Thương mại Thế Kỷ, được thành lập vào tháng 06/2000 và đã chuyển đổi thành công ty cổ phần vào tháng 05/2025 Công ty chính thức niêm yết trên sàn HOSE vào năm 2015 và hoạt động chủ yếu trong lĩnh vực sản xuất và kinh doanh sợi xơ dài polyester, bao gồm sợi dún xơ dài (DTY) và sợi kéo duỗi hoàn toàn (FDY) Sản phẩm sợi của STK được sử dụng để sản xuất nhiều mặt hàng như quần áo thể thao, quần áo dã ngoại, túi vải polyester và trang phục bơi Tính đến năm 2022, công ty đã có hai nhà máy sản xuất sợi hoạt động tại Củ Chi (Hồ Chí Minh) và khu công nghiệp Trảng Bàng (Tây Ninh).
Hiện nay, có hai công nghệ sản xuất sợi polyester chính: Direct Spinning và Chips Spinning Công ty STK sử dụng công nghệ Chips Spinning, cho phép linh hoạt chuyển đổi giữa sản xuất sợi nguyên sinh và sợi tái chế khi nhu cầu tăng cao Quy trình sản xuất sợi tại STK được đơn giản hóa nhờ mô hình công nghệ Chips Spinning.
Biểu đồ 3.1: Quy trình sản xuất thành phẩm của STK
(Chế phẩm của dầu thô)
Hạt nhựa PET (Ảnh hưởng trực tiếp bởi giá dầu)
(Sản phẩm trung gian khi nung chảy hạt PET chip)
Kênh phân phối: Trong nước & Xuất khẩu
(Chế phẩm của dẩu thô)
Hạt nhựa PET Chips là nguyên liệu chính của STK, chiếm 70% giá vốn hàng bán trong năm 2022 Nguyên liệu này được sản xuất từ PTA (axit perephthalic tinh khiết) và MEG (monoethylenglycol), cả hai đều có nguồn gốc từ dầu mỏ Do đó, giá hạt nhựa PET Chips phụ thuộc vào biến động giá dầu thô, ảnh hưởng trực tiếp đến chi phí nguyên liệu đầu vào và giá bán sản phẩm của STK.
Chế biến bán thành phẩm sợi POY đã trải qua nhiều giai đoạn phát triển, bắt đầu từ việc phải nhập khẩu vào năm 2000 Đến năm 2008, STK đã xây dựng nhà máy sản xuất sợi POY từ hạt nhựa PET Chips, hoàn thiện quy trình sản xuất nội địa Sợi POY, được chế biến từ dầu mỏ, sử dụng nguyên liệu chính là hạt nhựa PET Chips Quy trình sản xuất bao gồm các bước nung chảy hạt PET Chips, bơm chip, kết tinh, sấy khô, extruder, spinning và winder, cuối cùng tạo ra sản phẩm bán thành phẩm là sợi POY.
Sản xuất thành phẩm sợi FDY và DTY bắt đầu từ sợi POY qua 4 công đoạn: lên giàn, nối đuôi, sản xuất và kiểm phẩm Đặc biệt, sợi FDY được sản xuất trực tiếp từ hạt nhựa PET Chips, không cần qua sợi POY trung gian.
Sau khi hoàn tất quá trình sản xuất, các sản phẩm đạt tiêu chuẩn chất lượng sẽ được đóng gói và nhập kho để phân phối STK không chỉ hoạt động trong thị trường nội địa mà còn mở rộng kinh doanh ra nhiều quốc gia trên thế giới, bao gồm Mỹ, Mexico, Thái Lan, Hàn Quốc, Đài Loan và Nhật Bản Bên cạnh việc bán hàng trực tiếp cho khách hàng trong nước, STK còn cung cấp sản phẩm cho khách hàng quốc tế với địa điểm giao hàng tại Việt Nam, thực hiện xuất khẩu tại chỗ.
3.1.1.2 Tổng quan tình hình kinh doanh
STK chú trọng phát triển thị trường nội địa, với tỷ trọng doanh thu nội địa và xuất khẩu khá cân bằng Tuy nhiên, giai đoạn 2020 – 2022 cho thấy doanh thu từ thị trường nội địa có xu hướng cao hơn Cụ thể, năm 2020, doanh thu nội địa chiếm 59%, đạt 1,041 tỷ VND.
Năm 2022, tỷ lệ này đã tăng lên 68%, đạt 1,435 tỷ VND Công ty STK đang thực hiện chiến lược phát triển mạnh mẽ trong nước do gặp khó khăn trong hoạt động xuất khẩu liên quan đến COVID-19 Tâm lý tiêu dùng tại Mỹ và châu Âu đã thay đổi, khi người dân thắt chặt chi tiêu và các nhà cung cấp ưu tiên xử lý hàng tồn kho thay vì nhập hàng mới.
Biểu đồ 3.2: Cơ cấu doanh thu theo thị trường giai đoạn 2018 - 2022
Sản phẩm sợi tái chế đã trở thành mặt hàng chủ lực trong giai đoạn 2020 – 2022, nhờ vào chiến lược phát triển mạnh mẽ nhằm đáp ứng nhu cầu ngày càng cao của khách hàng đối với các loại sợi bảo vệ môi trường Tỷ trọng doanh thu từ sợi tái chế đã có sự gia tăng rõ rệt trong giai đoạn này, như thể hiện qua biểu đồ 3.3.
Năm 2022, sản phẩm sợi nguyên sinh chiếm 48% doanh thu tổng, trong khi sợi tái chế đạt 52%, phản ánh nỗ lực của STK trong việc phát triển sản phẩm sợi tái chế Kế hoạch năm 2023 đặt mục tiêu tăng tỷ trọng sợi tái chế lên 60% và hướng tới việc đạt 100% vào năm 2025.
Biểu đồ 3.3: Cơ cấu doanh thu theo sản phẩm giai đoạn 2017 - KH2023
Trong năm 2022, doanh thu tổng hợp (DTT) ghi nhận sự tăng trưởng dương, tuy nhiên, lợi nhuận gộp (LNG) và lợi nhuận sau thuế (LNST) lại giảm sút, dẫn đến việc các chỉ số khả năng sinh lời có sự giảm nhẹ.
Biểu đồ 3.4: Kết quả kinh doanh giai đoạn 2018 – 2022
Mặc dù nền kinh tế toàn cầu năm 2022 gặp khó khăn và áp lực lạm phát ảnh hưởng đến thói quen tiêu dùng, doanh thu thuần hợp nhất của các doanh nghiệp vẫn ghi nhận sự tăng trưởng đáng kể.
Sợi nguyên sinh Sợi tái chế
STK ghi nhận tăng trưởng dương với doanh thu đạt 2114.5 tỷ VND, tăng 3.5% so với năm 2021 Mặc dù doanh số của hai sản phẩm sợi tái chế và sợi nguyên sinh đều giảm trong năm 2022 do ảnh hưởng của kinh tế thế giới, trong đó sợi nguyên sinh giảm 6.8% và sợi tái chế giảm 3.4%, nhưng giá bán sản phẩm tăng 9.5% đã giúp doanh thu năm 2022 vẫn tăng nhẹ so với cùng kỳ năm trước.
Mặc dù doanh thu và doanh thu thuần (DTT) tăng trưởng dương trong năm 2022, nhưng lợi nhuận gộp (LNG) và lợi nhuận sau thuế (LNST) lại giảm so với năm 2021 Cụ thể, LNG năm 2021 đạt 374.5 tỷ VND và năm 2022 đạt 373.3 tỷ VND Sự gia tăng 23.4% trong giá nguyên liệu chính là hạt nhựa PET Chips, cùng với áp lực từ lạm phát và biến động giá dầu, đã khiến giá vốn hàng bán tăng 4.5% Dù LNG của sản phẩm sợi tái chế tăng 37%, nhưng vẫn không đủ bù đắp cho sự sụt giảm của sản phẩm sợi nguyên sinh, dẫn đến LNG giảm nhẹ 0.3% so với cùng kỳ Ngoài ra, LNST năm 2022 đạt 278.5 tỷ VND và 242.3 tỷ VND, giảm 13% so với cùng kỳ do áp lực từ chi phí tài chính.
Trong năm 2022, LNST giảm dẫn đến sự suy giảm các chỉ số sinh lời như biên lợi nhuận gộp, biên lợi nhuận ròng, ROA, ROE và ROS Do đó, khả năng sinh lời của STK đã có sự giảm nhẹ trong năm này.
Biểu đồ 3.5: Tỷ suất sinh lời giai đoạn 2018 - 2022
Nguồn: STK, tác giả tự tính toán
Lợi nhuận từ HĐKD/DTT ROS ROA ROE
Phân tích kết quả nghiên cứu
3.2.1 Phân tích dữ liệu nghiên cứu
Bảng 3.6: Thống kê mô tả TSSL của mã cổ phiếu STK Đại lượng thống kê mô tả HOSE: STK
Phương sai 0.000961 Độ lệch chuẩn 0.030998 Độ lệch (Skewness) 0.531629 Độ nhọn (Kurtosis) 10.168916
Nguồn: Kết quả từ phần mềm RStudio
Bảng 3.6 trình bày kết quả thống kê mô tả cơ bản về lợi tức hàng ngày của cổ phiếu STK Từ những số liệu thống kê này, có thể đưa ra một số nhận định quan trọng về biến động và xu hướng lợi tức của cổ phiếu này.
Dữ liệu TSSL của cổ phiếu STK không tuân theo quy luật phân phối chuẩn, như thể hiện trong bảng 3.6 Phân phối chuẩn có đặc điểm là độ lệch bằng 0, độ nhọn bằng 3 và tính đối xứng quanh giá trị trung bình Tuy nhiên, bảng thống kê cho thấy độ lệch dương, cho thấy phân phối có xu hướng lệch phải, với độ nhọn lớn hơn.
3 rất nhiều và giá trị trung bình và trung vị không bằng nhau Do đó, TSSL của cổ phiểu STK không theo quy luật phân phối chuẩn
Hình 3.1: Hình dạng phân phối TSSL của mã cổ phiểu STK
Nguồn: Kết quả từ phần mềm RStudio
Giá trị độ lệch lớn hơn 0 và độ nhọn lớn hơn 3 cho thấy đuôi của phân phối lợi tức thực tế dài và to hơn so với phân phối chuẩn, điều này chỉ ra rằng có sự xuất hiện thường xuyên của những điểm giao động bất thường Do đó, xác suất xảy ra biến động cực đoan là lớn, đặc biệt trong trường hợp của cổ phiếu, vốn có phân phối dạng đuôi béo do tính rủi ro cao Điều này yêu cầu nhà đầu tư phải quản lý rủi ro một cách hiệu quả hoặc nắm bắt các cơ hội đầu tư tiềm năng.
3.2.2 Kết quả ước lượng và dự báo VaR Đối với phương pháp tham số, do phương pháp này tiến hành tính toán VaR dựa trên kết quả ước lượng các tham số trong mô hình, vì vậy, cần kiểm tra kết quả ước lượng tham số có ý nghĩa hay không sẽ quyết định sự ý nghĩa của kết quả đo lường VaR Đối với mô hình sGARCH và iGARCH, nghiên cứu tiến hành kiểm tra ý nghĩa thống kê của mô hình bằng cách xét kết quả pr(>|t|) trong kết quả mô hình ước lượng các tham số 𝛼 1 ,
𝛽 1 Từ bảng 3.7 cho thấy, các kết quả ước lượng 𝛼 1 & 𝛽 1 đều có p-value rất nhỏ và nhỏ mức ý nghĩa 5% Vì vậy, mô hình có ý nghĩa thống kê với mức ý nghĩa 5%
Bảng 3.7: Kết quả ước lượng tham số mô hình sGARCH(1,1) và iGARCH(1,1)
∝ 1 𝛽 1 sGARCH(1,1)-norm 0.127230 *** 0.700918 *** sGARCH(1,1)-sstd 0.341255 *** 0.492764 *** sGARCH(1,1)-std 0.343040 *** 0.490559 *** sGARCH(1,1)-snorm 0.127699 *** 0.702372 *** iGARCH(1,1)-norm 0.152186 *** 0.847814 iGARCH(1,1)-std 0.479427 *** 0.520573 iGARCH(1,1)-sstd 0.478820 *** 0.521180 iGARCH(1,1)-snorm 0.157099 *** 0.842901
Mô hình iGARCH(1,1) tham số 𝛽 1 không có p-value do mô hình lấy 1-∝ 1 để tính 𝛽 1
Nguồn: Kết quả từ phầm mềm RStudio
Để đánh giá sự phù hợp của các mô hình GARCH, tác giả đã tiến hành kiểm định phần dư, bao gồm kiểm định chuỗi giá trị phần dư và chuỗi bình phương phần dư thông qua kiểm định L Jung.Box Test Kết quả từ bảng 3.8 cho thấy, các mô hình sGARCH(1,1) và iGARCH(1,1) đều có p-value > 0.05, cho thấy không có hiện tượng tự tương quan trong chuỗi bình phương giá trị phần dư và chuỗi giá trị phần dư, xác nhận tính phù hợp của mô hình.
58 hợp với bài nghiên cứu Do đó, với kết quả mô hình GARCH(1,1) có ý nghĩa và phù hợp, kết quả giá trị trung bình, phương sai đáng tin cậy
Bảng 3.8: Kết quả kiểm định Ljung-Box Test
Kiểm định giá trị phần dư norm sstd std snorm
Kiểm định bình phương giá trị phần dư norm sstd std snorm
Kiểm định giá trị phần dư norm sstd std snorm
Kiểm định bình phương giá trị phần dư norm sstd std snorm
Nguồn: Kết quả từ phần mềm RStudio
Sau khi kiểm định tính phù hợp và ý nghĩa của mô hình, nghiên cứu tiến hành đo lường và dự báo VaR Đối với phương pháp tham số, cần ước lượng giá trị 𝜇 và 𝜎 theo cơ sở lý thuyết đã nêu Nghiên cứu đã dự báo các giá trị này của mô hình GARCH và thu được kết quả dự báo cho giá trị 𝜇 và 𝜎 của ngày tiếp theo (T+1) như trình bày trong bảng 3.9.
Bảng 3.9: Dự báo giá trị trung bình, độ lệch chuẩn của 01 ngày tiếp theo
Giá trị trung bình Độ lệch chuẩn sGARCH(1,1)-norm 0.003332 0.02673 sGARCH(1,1)-sstd 0.004283 0.02935 sGARCH(1,1)-std 0.004352 0.02941 sGARCH(1,1)-snorm 0.003269 0.02669 iGARCH(1,1)-norm 0.003417 0.023 iGARCH(1,1)-sstd 0.004448 0.03252 iGARCH(1,1)-std 0.004467 0.03254 iGARCH(1,1)-snorm 0.003254 0.02306
Nguồn: Kết quả từ phần mềm RStudio
Sử dụng phần mềm RStudio, chúng tôi đã tách giả để tính toán kết quả dự báo giá trị VaR cho ngày tiếp theo, dựa trên bảng 3.10 và 3.11, áp dụng ba phương pháp: phương pháp tham số, phương pháp mô phỏng Monte Carlo và phương pháp mô phỏng lịch sử.
Bảng 3.10: Tổng hợp kết quả dự báo VaR theo phương pháp tham số
Giá trị VaR với giả định danh mục có giá trị
Phương pháp tham số sGARCH(1,1)-std 5.273% 52,727,150 VND -4.3373 sGARCH(1,1)-sstd 5.256% 52,559,450 VND -4.3361 sGARCH(1,1)-norm 4.730% 47,298,940 VND -4.2026 sGARCH(1,1)-snorm 4.717% 47,170,140 VND -4.2015 iGARCH(1,1)-std 5.799% 57,990,540 VND -4.3402 iGARCH(1,1)-sstd 5.794% 57,938,640 VND -4.3391 iGARCH(1,1)-norm 4.125% 41,248,630 VND -4.1705 iGARCH(1,1)-snorm 4.118% 41,184,320 VND -4.17
Nguồn: Kết quả từ phần mềm RStudio
Bảng 3.11: Tổng hợp kết quả dự báo VaR theo phương pháp mô phỏng lịch sử và phương pháp mô phỏng Monte Carlo
VaR Giá trị VaR với giả định danh mục có giá trị $1,000,000,000 VND
Phương pháp mô phỏng lịch sử 5.318% 53,181,610 VND
Phương pháp mô phỏng Monte
Nguồn: Kết quả từ phần mềm RStudio
Bảng 3.10 và 3.11 tổng hợp các kết quả ước lượng VaR dựa trên 03 phương pháp
Các phương pháp ước lượng và dự đoán VaR cho ra kết quả khác nhau Phương pháp tham số sử dụng mô hình iGARCH(1,1) với giả định phân phối t-student cho kết quả VaR cao nhất, đạt mức thua lỗ tối đa 57,990,540 VND trong 01 ngày tiếp theo với độ tin cậy 95% Ngược lại, mô hình iGARCH(1,1) với giả định phân phối chuẩn lệch chỉ cho mức thua lỗ tối đa 41,184,320 VND Như vậy, khi áp dụng đa dạng các phương pháp đo lường VaR, mức thua lỗ tối đa có thể lên tới 5.794% trong 01 ngày tiếp theo.
Theo kết quả dự báo VaR từ mô hình iGARCH(1,1)-std, nhà đầu tư sở hữu danh mục trị giá 1,000,000,000 VND có thể đối mặt với mức thua lỗ tối đa là 57,990,540 VND trong một ngày với độ tin cậy 95% Các phương pháp khác cũng đưa ra những kết luận tương tự về mức thua lỗ Điều này cho thấy VaR là công cụ hữu ích giúp nhà đầu tư xác định mức thua lỗ tối đa một cách rõ ràng bằng đơn vị VND.
Theo dự báo VaR từ nhiều phương pháp khác nhau, giá trị VaR cho 01 ngày dao động trong khoảng 4.118% - 5.799% Điều này cho thấy rằng nhà đầu tư và nhà quản trị rủi ro nên áp dụng nhiều phương pháp đo lường VaR để đánh giá rủi ro thị trường, với mức thua lỗ tiềm năng nằm trong khoảng này Dựa trên giá trị VaR, các nhà đầu tư có thể theo dõi sự biến động của thị trường so với dữ liệu trong quá khứ.
Để đánh giá mức độ thua lỗ của các tài sản tài chính, cần xem xét khẩu vị rủi ro nội bộ và khả năng chịu đựng rủi ro của nhà đầu tư Việc xác định VaR (Value at Risk) là công cụ quan trọng giúp doanh nghiệp phản ánh mức độ rủi ro tài chính, từ đó các nhà quản lý có thể đánh giá rủi ro hiện tại và đưa ra quyết định về việc phân bổ vốn hoặc rút vốn Việc sử dụng VaR cũng hỗ trợ trong việc phân tích và phòng ngừa rủi ro trong tương lai, đảm bảo hoạt động đầu tư nằm trong giới hạn an toàn của nguồn vốn.
Các phương pháp đo lường VaR khác nhau cho ra kết quả khác nhau do các giả định riêng của từng phương pháp Phương pháp mô phỏng lịch sử dựa vào giả định rằng biến động thị trường sẽ lặp lại trong tương lai, do đó giá trị VaR chịu ảnh hưởng lớn từ dữ liệu quá khứ Ngược lại, phương pháp tham số giả định lợi nhuận tuân theo một phân phối cụ thể, phụ thuộc vào lựa chọn của người sử dụng Trong khi đó, phương pháp mô phỏng Monte Carlo tạo ra các kịch bản ngẫu nhiên dựa trên giả định về điều kiện thị trường tương lai, nhưng độ chính xác của ước tính lại phụ thuộc vào tính chính xác của các giả định và độ phức tạp của mô hình.
Mỗi phương pháp tính toán VaR đều phụ thuộc vào các giả định và yếu tố tác động khác nhau, điều này dẫn đến sự chênh lệch trong kết quả.
Các mô hình GARCH với các giả định phân phối khác nhau sẽ tạo ra các kết quả VaR khác nhau, trong đó giả định phân phối chuẩn thường đánh giá rủi ro thấp hơn so với giả định t-student Việc lựa chọn giả định phân phối phù hợp có ảnh hưởng lớn đến kết quả đánh giá rủi ro.
Giá trị rủi ro (VaR) khác nhau do giả định phân phối ảnh hưởng đến hình dáng của hàm mật độ xác suất Kết quả VaR phụ thuộc vào đuôi của hàm mật độ, dẫn đến việc các hình dáng phân phối khác nhau tạo ra kết quả VaR khác nhau Cụ thể, các kết quả đo lường VaR dựa trên giả định phân phối chuẩn thường cho ra kết quả thu lỗ thấp hơn so với giả định phân phối t-student, vì phân phối t-student có đuôi dày hơn và tỷ trọng xác suất ở phần đuôi cao hơn, trong khi phân phối chuẩn có đuôi thoải hơn.