Ứng dụng mô hình value at risk trong Đo lường và quản trị rủi ro thị trường tại ngân hàng thương mại cổ phần việt nam thịnh vượng

Em xin cam đoan bài khóa luận tốt nghiệp với đề tài “Ứng dụng mô hình Value at Risk trong đo lường và quản trị rủi ro thị trường tại Ngân hàng thương mại cổ phần Việt Nam Thịnh Vượng” ch

Tính cấp thiết của đề tài

Trong nền kinh tế thị trường, nhắc đến rủi ro trong hoạt động tài chính là không thể không nhắc tới tác động của nó tới hệ thống ngân hàng - một trong những định chế tài chính tiêu biểu có tỷ lệ gặp vấn đề rủi ro cao cùng với các tác động xấu đến hệ thống nền kinh tế thị trường Hệ thống ngân hàng toàn cầu đã trải qua thời gian dài phát triển và ngày càng vững chắc, thế nhưng “Bức tường kiên cố” mà hệ thống ngân hàng đã gây dựng không phải là không bị phá vỡ Sự xuất hiện của các cuộc khủng hoảng tài chính toàn cầu trong khoảng thế kỷ XIX và XX đã tác động tiêu cực đối với nền kinh tế, đặc biệt là khủng hoảng từ các ngân hàng thương mại (NHTM) lớn trên thế giới Sự sụp đổ của nền kinh tế được minh chứng qua: Khủng hoảng bong bóng toàn cầu năm 1929 –

1930 do làn sóng đầu cơ chứng khoán; Khủng hoảng tài chính năm 1997 tại Đông Nam Á; Khủng hoảng bong bóng BĐS năm 2008 Mặc dù các dự báo về sự xuất hiện của các sự kiện này là có, thế nhưng khả năng quản trị của chúng ta còn hạn chế nên không thể nhận biết rõ ràng cũng như không thể đo lường chính xác được mức độ tác động của chúng tới toàn bộ thị trường tài chính toàn cầu

Chính vì thế, rất nhiều chuyên gia và lãnh đạo tổ chức chấp nhận và coi quản trị rủi ro là nền tảng của quản lý ngân hàng Để quản trị rủi ro ngân hàng, các chủ ngân hàng và tổ chức tài chính đã tiếp cận toàn diện Hiệp ước vốn Basel I, II và tiếp tục là Hiệp ước vốn Basel III Kể từ đó, công tác quản trị rủi ro của các ngân hàng ngày càng được quan tâm và phát triển nhờ có sự xuất hiện hàng loạt các tiến bộ khoa học Các ngân hàng nước ta đã và đang không ngừng quan tâm đến công tác quản trị rủi ro, đặc biệt là công cụ ước lượng tiên tiến hiện đại Thế nhưng những bước đầu còn nhiều hạn chế và thô sơ cần được tháo gỡ, vì thế mà chưa đạt được hiệu quả như mong đợi

Trong thế kỷ 21, trên thế giới đã có rất nhiều nghiên cứu về rủi ro và quản trị rủi ro thị trường trong ngân hàng Halm (2004) cho rằng để đảm bảo tự do hóa tài chính thành công, cần tăng cường giám sát ngân hàng, hoạt động kinh doanh ngân hàng và quản trị rủi ro Theo Ha In Bong và cộng sự (2007) nghiên cứu về rủi ro lãi suất và tỷ giá hối đoái của Ngân hàng Hàn Quốc trước khủng hoảng kinh tế Châu Á - Thái Bình Dương năm 1997 thì thấy rằng Đại hàn dân quốc hướng tới một chính sách tỷ giá ngoại tệ "mở" và tự do hóa trong vốn tài khoản Chính vì vậy, các ngân hàng Hàn Quốc phải vay mượn quốc tế mà chủ yếu là nợ tự không bảo hiểm rủi ro và vay ngắn hạn Sensarma và Jayadev

(2009) coi quản trị rủi ro là một trong những định thức hồi vốn của ngân hàng Hameeda,

AH và Al-Aimi, J (2012) cho rằng ngân hàng quốc doanh và ngân hàng nước ngoài có sự khác biệt lớn trong quản trị rủi ro, nhưng không có sự khác biệt trong nhận diện và phân tích rủi ro, phân tích rủi ro hay thực hành quản trị rủi ro Hassan (2009) đưa ra những rủi ro chính mà các ngân hàng thương mại Brunei phải đối mặt như rủi ro ngoại hối, rủi ro tín dụng và rủi ro hoạt động Hennie van Greuing và Sonia Brajovic Bratanovic (2003) tính toán các rủi ro cơ bản trong ngân hàng như rủi ro thị trường, thanh khoản, tín dụng, Pan (2016) chỉ ra rằng, có sự liên kết chặt chẽ giữa việc quản trị hoạt động của NHTM với quản trị rủi ro thị trường

Kể từ khi mô hình Value atRisk được ra đời từ năm 1953 đến nay, VaR đã được các tổ chức tài chính sử dụng rộng rãi trên toàn thế giới JPMorgan Chase là định chế tài chính đi đầu nhận ra tiềm năng phát triển và lợi ích của VaR Hiệp định Basel xây dựng hành lang pháp lý dựa trên VaR nhằm tạo môi trường cạnh tranh nhất quán và bìnhđẳng cho các định chế tài chính trên thế giới Đối với QTRR thị trường, VaR được sử dụng như “cánh tay phải” của công tác lượng hóa rủi ro Gần như toàn bộ các NHTM quốc tế đều sử dụng đến nó Vì vậy, việc đo lường và nhận định đúng giá trị VaR là cơ sở hoàn hảo để ngân hàng chủ động kiểm soát và phòng tránh

Sự phổ biến của VaR đã tác động mạnh mẽ tới Việt Nam khi Ngân hàng Nhà nước Việt Nam (NHNN) đã nhanh chóng thúc đẩy ứng dụng các yêu cầu cứng rắn và chặt chẽ trong quản trị rủi ro theo tiêu chuẩn Basel II Không những thế còn có sự xuất hiện của rất nhiều nghiên cứu về mô hình VaR trong nước cũng như ứng dụng VaR vào nhiều ngành khác nhau trên thị trường, thế nhưng sự tăng trưởng của các nghiên cứu vẫn còn rất nguyên sơ và đầy những hạn chế với một mô hình VaR đầy non trẻ và mới lạ Nhận thức được tầm quan trọng của VaR trong giai đoạn tài chính có nhiều sự thay đổi đáng kể như hiện nay cũng như tương lai Là một sinh viên có cơ hội được làm việc tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) – Ngân hàng tư nhân đứng đầu Việt Nam, em thấy hiện nay nghiên cứu về sử dụng mô hình VaR trong hoạt động quản trị rủi ro rất hạn chế, đặc biệt là về VPBank nên em quyết định lựa chọn đề tài: “Ứng dụng mô hình Value at Risk trong đo lường và quản trị rủi ro thị trường tại ngân hàng thương mại cổ phẩn Việt Nam Thịnh Vượng” để nghiên cứu cho luận văn tốt nghiệp của mình để góp một phần sức mình trong sự phát triển của ngân hàng VPBank cũng như sự phát triển của bản thân mình

Mục tiêu nghiên cứu

Nghiên cứu những lý thuyết về rủi ro thị trường cũng như quản trị rủi ro thị trường của các ngân hàng thương mại Đưa ra các thông tin đánh giá về thực trạng rủi ro thị trường cũng như công tác quản trị rủi ro thị trường của Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank)

Xác định mức độ rủi ro tiềm năng trong các vị thế đầu tư và hoạt động kinh doanh của VPBank qua mô hình VaR Nhờ đó, nhà quản trị VPBank có thể hiểu rõ hơn về các nguy cơ và khả năng mất mát trong tình hình thị trường biến đổi, từ đó đưa ra các quyết định đầu tư và quản lý rủi ro một cách có hệ thống và khoa học

Mô hình VaR cũng đóng vai trò là một công cụ hữu ích trong việc giám sát và đánh giá rủi ro thị trường Các nhà quản trị VPBank có thể sử dụng mô hình này để theo dõi và đo lường hiệu quả rủi ro liên quan đến các chỉ số thị trường, tài sản và danh mục đầu tư Điều này giúp họ đưa ra các biện pháp phòng ngừa và điều chỉnh cần thiết để giảm thiểu tác động của rủi ro và tăng cường sự bảo vệ cho tổ chức và các nhà đầu tư

Ngoài ra, tính toán VaR của cổ phiếu nhằm hỗ trợ các nhà đầu tư liên quan đến VPBank trong việc ra quyết định đầu tư một cách thông minh và hiệu quả Các nhà đầu tư có thể sử dụng thông tin và đánh giá rủi ro thị trường dựa trên mô hình VaR để định hình chiến lược đầu tư, đồng thời đảm bảo mức độ rủi ro phù hợp với mục tiêu đầu tư của mình.

Phương pháp nghiên cứu

Bài nghiên cứu sử dụng các phương pháp định tính, định lượng, tổng hợp, mô tả, thống kê, so sánh, phân tích các dữ liệu tập hợp để làm rõ những lý thuyết quản trị rủi ro thị trường

Bài nghiên cứu sử dụng Value at Risk để đo lường thông qua phần mềm R và RStudio đồng thời chỉ ra phương pháp tốt nhất để áp dụng vào đo lường rủi ro thị trường của NHTM nói chung và VPBank nói riêng

Kết cấu bài nghiên cứu

Kết cấu của bài khóa luận gồm 04 chương:

TỔNG QUAN NGHIÊN CỨU

Tổng quan nghiên cứu

Tốc độ tăng trưởng nhanh của quá trình toàn cầu hóa cùng với phát triển VaR đã tạo ra rất nhiều các nghiên cứu VaR

Giá trị rủi ro (VaR) là tổn thất tối đa mà một người sẽ không vượt quá với một xác suất nhất định trong một khoảng thời gian nhất định (Manfred Gilli et al, 2011) Theo Min Liu và cộng sự (2008) thì VaR được phát triển và quảng bá trong ngành ngân hàng nhằm cung cấp thước đo chung cho mức độ rủi ro của các danh mục đầu tư tài chính Trong tài liệu tài chính, nó được định nghĩa là một giá trị tiền tệ mà danh mục đầu tư sẽ mất ít hơn số tiền đó trong một khoảng thời gian xác định với một xác suất xác định VaR được áp dụng cho tất cả các loại tài sản: cổ phiếu, trái phiếu, công cụ phái sinh, tiền tệ, v.v Cụ thể, VaR ước tính khoản lỗ tiềm ẩn tối đa mà một vị thế có thể phải chịu trong khoảng thời gian nắm giữ cụ thể và được cung cấp một mức độ tin cậy nhất định, thường là 99% hoặc 95% (A Burchi, D Martelli, 2016) Julijana Angelovska (2012) đã viết bài nghiên cứu khả năng áp dụng mô hình SMA và EWMA VaR với mức độ tin cậy 95% và 99% trong các quy trình đầu tư trên thị trường chứng khoán của 3 quốc gia phát triển: Mỹ, Anh, Đức và 4 quốc gia Nam Tư cũ Bài nghiên cứu đã chỉ ra rằng ở mức độ tin cậy 95% cho kết quả ước lượng VaR có độ chính xác tốt hơn so với độ tin cậy 99%

Có rất nhiều phương pháp để tính toán VaR, sử dụng các giả định và kỹ thuật khác nhau Do tính toán VaR rất nhạy cảm với các giả định và dữ liệu nên các kết quả định lượng sẽ khác nhau khi áp dụng cùng một kỹ thuật bằng cách sử dụng các giả định khác nhau hoặc các bộ dữ liệu khác nhau (Min Liu, Felix F Wu, 2008) Các phương pháp này không nhất thiết phải hiệu quả nhất hoặc mạnh mẽ nhất, nhưng khá đơn giản và dễ thực hiện Điều này là do Ủy ban Basel cam kết nâng cao trình độ chuyên môn công nghệ của ngành ngân hàng Dự kiến rằng các khuyến nghị và công cụ tính toán do Ủy ban Basel đề xuất trong tương lai sẽ ngày càng tinh vi hơn (Christian Gourieroux, Joann Jasiak, 2010) Rajesh Kumar (2014) cho rằng các ngân hàng sẽ tuân theo các tiêu chuẩn tối thiểu nhằm mục đích tính toán chi phí vốn của họ mặc dù vẫn tồn tại sự linh hoạt trong việc đưa ra bản chất chính xác của các mô hình VaR, hơn nữa VaR phải được tính toán hàng ngày Để tính toán VaR, phải sử dụng phân vị thứ 99, khoảng tin cậy một đuôi

6 và cú sốc giá tức thời tương đương với biến động giá trong 10 ngày Khoảng thời gian quan sát lịch sử có độ dài tối thiểu là một năm Các ngân hàng được yêu cầu cập nhật bộ dữ liệu của họ ba tháng một lần

Mô hình VaR đã trở thành một trong những phương pháp được sử dụng phổ biến trên thế giới và là tiêu chuẩn ngành để tính toán rủi ro (J.P Morgan, 1996) Theo Manfred Gilli và cộng sự (2011) thì một lý do chính cho sự phổ biến của VaR là nó rất trực quan và các giá trị bằng số của nó dễ diễn giải hơn các phép đo rủi ro khác như phương sai hoặc omega Một lý do khác là nó được quy định trong các hiệp định Basel

II và Basel III VaR nắm bắt được một khía cạnh quan trọng của rủi ro, cụ thể là những điều tồi tệ có thể xảy ra như thế nào với một xác suất nhất định (Peter F Christoffersen,

2012) Trong một nghiên cứu quản trị rủi ro bảo hiểm, Rajesh Kumar (2014) cho rằng ngoài việc đo lường rủi ro, các công cụ này còn được sử dụng để xác định vốn kinh tế, thiết lập các khoản khấu trừ bảo hiểm và mức nhượng tái bảo hiểm, cùng với ước tính các khoản bồi thường và tổn thất dự kiến

Tuy nhiên, cũng có một số hạn chế của VaR được chỉ ra trong các nghiên cứu trước đây Artzner và cộng sự (1999) cho rằng mô hình VaR còn có những thuộc tính thiếu đi chứa đựng những thuộc tính toán học hơi phiền phức, như thiếu đi cộng tính phụ và tính lồi Philippe Jorion (2003) nêu lên rằng hạn chế lớn nhất của mô hình VaR là thị trường không thay đổi nhiều trong khoảng thời gian ước lượng VaR Wolfgang Schwerdt

(2010) lưu ý rằng khi sử dụng VaR phải luôn ghi nhớ VaR chỉ đo lường tổn thất lớn nhất ở một xác suất nhất định mà lại bỏ qua bất kỳ tổn thất nào khác có khả năng lớn hơn nhiều hay nghiêm trọng hơn nhiều so với tổn thất do VAR đưa ra Choudhry (2013) và Yamai & Yoshiba (2005) cũng nhận thấy được điều đó, các khoản lỗ vượt quá ngưỡng không thể được ghi lại bằng thước đo VaR Trong một nghiên cứu về rủi ro thanh khoản của Moorad Choudhry (2001), với các điều kiện thị trường cực đoan chẳng hạn như sự sụp đổ hoặc sự điều chỉnh đáng kể của thị trường, thước đo VaR sẽ đánh giá thấp rủi ro

Sự thiếu chính xác đó thể hiện qua kết quả VaR của Long Term Capital Management - một quỹ phòng hộ tích cực và có đòn bẩy cao, chỉ rõ ràng khi thị trường giảm với tốc độ đáng báo động sau vụ vỡ nợ kỹ thuật của trái phiếu Nga và các vấn đề tiền tệ ở Brazil, việc thiếu thanh khoản dẫn đến thua lỗ gấp nhiều lần so với giá trị VaR Như trong năm

2007, 2008 do điều kiện thị trường có những biến động đột ngột vượt xa so với trong quá khứ đã dẫn đến sự khủng hoảng và phá sản của hàng loạt các ngân hàng đầu tư trên

7 thế giới Ngoài ra, mô hình còn có hạn chế do dựa trên giả định đồ thị phân phối dạng chuẩn, cân xứng với độ lệch chuẩn VaR có nhược điểm lớn nữa, đó là con số VaR chỉ cho chúng ta biết rằng 1% trường hợp chúng ta sẽ nhận được lợi nhuận thấp hơn con số VaR được báo cáo, nhưng nó không nói lên điều gì sẽ xảy ra trong 1% trường hợp xấu nhất đó Hơn nữa, VaR giả định rằng danh mục đầu tư không đổi trong N ngày tiếp theo

VaR của Danh mục đầu tư không bằng tổng VaR các thành phần của nó VaR của một danh mục đầu tư hoặc doanh nghiệp có thể rất khác so với tổng các thước đo VaR của các bộ phận Lý do là các biện pháp VAR của các bộ phận khác nhau có khả năng tương quan tích cực hoặc tiêu cực (Wolfgang Schwerdt, 2010) Tác giả cho rằng nếu các phép đo VaR dành riêng cho từng bộ phận không tương quan hoặc độc lập với nhau, thì VaR của danh mục sẽ là VaR của tổng các bộ phận của nó Ngược lại, phép đo VAR tổng hợp phụ thuộc vào ma trận tương quan giữa các phép đo VaR của các bộ phận Ảnh hưởng của điều này là trong một số trường hợp, VAR của một danh mục đầu tư hoặc doanh nghiệp có thể cao hơn đáng kể so với tổng VAR của các bộ phận, trong khi ở những trường hợp khác, nó sẽ thấp hơn đáng kể Thêm vào đó, (Rockafellar & Uryasev,

2002) đưa ra kết luận rằng kết quả VaR tính được từ sự kết hợp hai danh mục có thể tốt hơn tổng các rủi ro của từng danh mục đơn lẻ

1.1.2 Nghiên cứu trong nước Đặng Hữu Mẫn (2009) xem xét chỉ số FTSE 100 trên thị trường chứng khoán (TTCK) Anh để nghiên cứu tính hiệu quả của mô hình VaR trong những giai đoạn thị trường biến động mạnh, đặc biệt là khủng hoảng Thông qua ứng dụng 4 mô hình VaR khá phổ biến bao gồm mô phỏng lịch sử, RiskMetrics, N-GARCH (1,1) và t-GARCH (1,1) dưới những giả định phân phối của thu nhập thị trường vốn Anh Quốc Kết quả thực nghiệm chỉ ra rằng mô phỏng lịch sử không có ý nghĩa trong suốt giai đoạn khủng hoảng Các mô hình tham số đều không cho kết quả chính xác với giả định phân phối chuẩn Ngoài ra, nghiên cứu cũng chỉ ra rằng trong suốt giai đoạn khủng hoảng, mô hình VaR chỉ hoạt động hiệu quả tại mức tin cậy 97.5%, thấp hơn mức khuyến cáo của Ủy ban Basel khi dự báo rủi ro đối với DMĐT của một định chế tài chính (99%)

Võ Trí Thành và cộng sự (2000) sử dụng mô hình VAR và ECM để xem xét mối quan hệ giữa lạm phát với tỷ giá, khối tiền và sản lượng công nghiệp trong giai đoạn 1992- 1999 cho thấy, tiền tệ chịu tác động của lạm phát và sản lượng công nghiệp Bên

Các khái niệm liên quan đến quản trị rủi ro thị trường

1.2.1 Khái niệm chung về rủi ro thị trường

Theo hiệp định Basel II: “Rủi ro thị trường phát sinh từ những thay đổi bất lợi về giá trị của các trạng thái hoặc các danh mục tài sản do những thay đổi trong giá cả thị trường, lãi suất hay tỉ giá Khi thực hiện giao dịch cho chính mình, các ngân hàng xem xét tác động của rủi ro thị trường trực tiếp đối với trạng thái trong sổ kinh doanh của ngân hàng cũng như trong mối liên hệ với vai trò của ngân hàng như là một trung gian tài chính cho các khách hàng”

Cụ thể hơn, rủi ro thị trường là loại rủi ro ảnh hưởng đến toàn bộ thị trường và không thể phòng ngừa bằng cách đa dạng hóa Rủi ro thị trường thể hiện bằng khả năng xảy ra kết quả thua lỗ trong kinh doanh khi mà thị trường có những thay đổi giá trị trong các trạng thái nội hoặc ngoại bảng cân đối kế toán (CĐKT) của ngân hàng Các giá trị bảng CĐKT đó chịu ảnh hưởng bất lợi bởi những biến động trong thị trường chứng khoán, lãi suất, tỷ giá hối đoái hay giá cả hàng hoá ngược chiều so với dự đoán của ngân hàng

1.2.2 Phân loại rủi ro thị trường

1.2.2.1 Rủi ro lãi suất a, Khái niệm rủi ro lãi suất

Theo David M Wright & James V Houpt tại bộ phận giám sát ngân hàng của Ngân hàng Vương Quốc Anh thì rủi ro lãi suất là khả năng thay đổi lãi suất làm giảm thu nhập

11 hoặc làm giảm giá trị của ngân hàng Có thể nói rằng NHTM là định chế tài chính dễ dàng gặp rủi ro lãi suất nhất do cấu trúc bảng cân đối kế toán và đặc biệt là trong quan hệ tín dụng vốn và lãi chi được thu về sau một thời gian nhất định vì thế có sự rủi ro về lãi suất

Theo Timothy W.Koch: "Rủi ro lãi suất là sự thay đổi tiềm tàng về thu nhập lãi rộng và giá thị trưởng của vốn ngân hàng xuất phát từ sự thay đổi của mức lãi suất” Rủi ro lãi suất đề cập đến khả năng một ngân hàng có thể phải đối mặt với sự suy giảm lợi nhuận hoặc các tổn thất liên quan đến tài sản do sự biến động của lãi suất Sự chênh lệch kỳ hạn giữa tài sản có và tài sản nợ khiến ngân hàng gặp rủi ro lãi suất Sự biến động về lãi suất có thể kéo theo những rủi ro trong việc tài trợ tài sản nợ, việc tái đầu tư và các rủi ro giảm giá trị tài sản Các NHTM coi rủi ro lãi suất là một sự chấp nhận thông thường và luôn tiềm ẩn trong hoạt động kinh doanh của mình, vì vậy việc xây dựng kế hoạch quản trị rủi ro lãi suất là một nhiệm vụ hết sức quan trọng trong quản trị rủi ro ngân hàng Nếu không quan tâm đúng mức đến công tác quản lý rủi ro lãi suất và không dự đoán được những biến động của lãi suất, các ngân hàng thương mại có thể phải gánh chịu những thiệt hại đáng kể từ những rủi ro đó b, Phân loại rủi ro lãi suất

Rủi ro thu nhập: Khi lãi suất trên thị trường có sự thay đổi bất thường sẽ gây ra rủi ro làm giảm biên lợi nhuận của ngân hàng Biến động lãi suất sẽ khiến các chi phi về huy động vốn và các khoản thu nhập từ các khoản cho vay thay đổi theo hướng không cân xứng với nhau Điều này khiến cho thu nhập của ngân hàng gặp rủi ro khi có khả năng bị thay đổi theo hướng xấu Trong đó, kỳ hạn của vốn đầu tư mà ngân hàng huy động được và thời hạn của các khoản cho vay, đầu tư của ngân hàng sẽ quyết định tính chất rủi ro mà ngân hàng phải đối mặt Từ đó, ta có thể phân chia thành 2 loại rủi ro sau:

• Rủi ro tái tài trợ (Refinancing risk): Khi kỳ hạn của tài sản cho vay, đầu tư của ngân hàng dài hơn kỳ hạn của vốn huy động, nếu lãi suất thị trường tăng sẽ làm cho chi phi tải huy động vốn cao hơn khoán tiền lãi thu được Điều này gây ra rủi ro làm giảm lợi nhuận của ngân hàng

• Rủi ro tái đầu tư (Reinvestement Risk): Khi kỳ hạn của tài sản cho vay, đầu tư của ngân hàng ngắn hơn kỳ hạn của vốn huy động, nếu lãi suất thị trường giảm sẽ làm cho thu nhập từ lãi của các tải sản đầu tư thấp hơn chi phí tái huy động vốn Điều này dẫn đến rủi ro làm giảm lợi nhuận của ngân hàng

Rủi ro giảm giá trị thị trường: Loại rủi ro nay diễn ra khi có sự biến động bất thường trong lãi suất thị trường sẽ khiến cho giá trị của tài sản có và tài sản nợ của ngân hàng thay đổi những lượng khác nhau làm cho giá trị thị trường của vốn chủ sở hữu thay đổi theo Trên thị trường, giá trị của tài sản có hay nợ phải trả của ngân hàng đều dựa trên giá trị hiện tại của tiền tệ để xác định Do đó, khi lãi suất thị trường tăng lên thì mức chiết khấu giá trị tài sản cũng tăng lên làm cho giá trị tài sản có và nợ phải trả giảm xuống Và ngược lại, khi lãi suất thị trường giảm thì giá trị tài sản có và nợ phải trả tăng lên Như vậy, có thể thấy giá trị ròng của ngân hàng luôn thay đổi không ngừng và phụ thuộc vào tình hình lãi suất trên thị trường c, Nguyên nhân tạo ra rủi ro lãi suất của NHTM

Sự biến động bất thường của lãi suất thị trường : Đối với những biến động dù nhỏ của lãi suất trên thị trường cũng sẽ gây ảnh hưởng và mang đến rủi ro lớn cho các tài sản nhạy cảm của ngân hàng:

Hình 1.1: Công thức khe hở nhạy cảm lãi suất

Giá trị TSC nhạy cảm với lãi suất là giá trị của những tài sản mà có thời gian đáo hạn dưới một năm và những khoản giải ngân với lãi suất phụ thuộc vào lãi suất trên thị trường

TSN nhạy cảm với lãi suất đó là những khoản huy động vốn với thời gian đến hạn dưới 1 năm và những khoản huy động vốn khác gắn liền với lãi suất biến động trên thị trường

Có 2 trường hợp xấu sẽ xảy ra khi lãi suất thị trường biến động:

Nếu ngân hàng duy trì khe hở lãi suất dương thì khi lãi suất thị trường giảm sẽ làm cho thu nhập lãi từ TSC giảm mạnh hơn so với chi phí huy động từ TSN, tương ứng thu nhập lãi ròng của ngân hàng giảm

Giá trị tài sản có (TSC) nhạy cảm với lãi suất

Giá trị tài sản nợ (TSN) nhạy cảm với lãi suất

Khe hở nhạy cảm lãi suất

Nếu ngân hàng duy trì khe hở lãi suất âm thì khi lãi suất tăng sẽ làm cho thu nhập lãi từ TSC tăng chậm hơn so với chi phí trả lãi trên TSN, có nghĩa là doanh thu tăng ít hơn chi phí, tương ứng với hệ số thu nhập lãi ròng của ngân hàng giảm

Bất cân xứng về kỳ hạn giữa tài sản có và tài sản nợ:

Trong môi trường kinh doanh cạnh tranh cao và đầy biến động như hiện nay, các ngân hàng không có nhiều sự lựa chọn về kỳ hạn, quy mô của các khoản đầu tư và huy động theo đúng như mong muốn của mình Chính vì vậy, luôn xuất hiện sự không phù hợp giữa về kỳ hạn giữa TSN và TSC Điều này làm cho khi có biến động lãi suất sẽ gây ra rủi ro ảnh hưởng tới ngân hàng Đối với ngân hàng thương mại, các tài sản và nguồn vốn luôn luôn có những kỳ hạn khác nhau Ngân hàng sẽ dựa vào kỳ hạn mà đưa ra lãi suất phù hợp Để có thể giảm thiểu được rủi ro lãi suất thay đổi quá lớn mà vẫn đưa ra được nhiều dạng kỳ hạn, ngân hàng đã đưa ra kỳ hạn đặt lại lãi suất Đây là kỳ hạn mà khi kết thúc, lãi suất sẽ thay đổi theo lãi suất thị trường

Cơ sở lý thuyết về mô hình VaR

1.3.1 Mô hình VaR và cơ sở đo lường

1.3.1.1 Lịch sử phát triển của mô hình VaR

Hình 1.4: Các mốc lịch sử chính trong quá trình phát triển của VaR

Những nỗ lực đầu tiên để đo lường rủi ro và thể hiện những tổn thất tiềm năng trong danh mục đầu tư được cho là của Francis Edgeworth và bắt đầu từ năm 1888 Ông đã có những đóng góp quan trọng cho lý thuyết thống kê, ủng hộ việc sử dụng dữ liệu từ kinh nghiệm trong quá khứ làm cơ sở để ước tính xác suất trong tương lai

Lịch sử của VaR tiếp tục vào năm 1945, khi Dickson H Leavens tạo ra một tác phẩm được coi là lần đầu tiên đề cập đến VaR Đó là một ví dụ đơn giản về danh mục đầu tư bao gồm mười trái phiếu chính phủ Ông gợi ý rằng trái phiếu sẽ đáo hạn với số tiền 1.000 đô la hoặc các điều kiện đã thỏa thuận không được đáp ứng và trở nên vô giá trị Hơn nữa, ông giả định rằng các trái phiếu là độc lập với nhau Leavens cố gắng đo lường giá trị của danh mục đầu tư Trong nghiên cứu của mình, Leavens đã không sử dụng cái tên Value at Risk Ông đã nhiều lần đề cập đến "sự chênh lệch giữa lãi và lỗ có thể xảy ra" và điều đó rất có thể là độ lệch chuẩn mà chúng ta biết ngày nay - được sử dụng để đo lường rủi ro và là một phần quan trọng của VaR

Vào năm 1952, Harry Markowitz, người đã được trao giải Nobel Kinh tế năm 1990 cho nghiên cứu tiên phong của ông trong lĩnh vực lý thuyết danh mục đầu tư, và cùng năm đó, chỉ ba tháng sau, Arthur D Roy đã độc lập đề xuất các chỉ số VaR Cả hai nhà nghiên cứu đều đưa ra các kết quả tương tự một cách đáng ngạc nhiên (Kollar, 2014)

Cả hai đều cố gắng tìm ra cách có thể tối ưu hóa lợi nhuận ở một mức độ rủi ro nhất định Trong các đề xuất của họ, hiệp phương sai đóng một vai trò quan trọng, nhưng các chỉ số VaR khác nhau đáng kể Roy và Markowitz bày tỏ phỏng đoán về cách thức xác định phân phối xác suất Để tính toán VaR của Roy, cần phải biết vectơ thu nhập trung bình tương ứng với tổn thất và ma trận hiệp phương sai của các yếu tố rủi ro Chúng phải được ước tính trên cơ sở dữ liệu lịch sử Cách tính toán VaR theo Markowitz thì điều kiện đủ là biết ma trận hiệp phương sai Cả hai đều cho rằng việc tính toán của họ là cần thiết để kết hợp các kỹ thuật thống kê với sự đánh giá đúng đắn của các chuyên gia

Trong những năm 70 đến 80, nhiều sản phẩm tài chính mới đã được sinh ra theo sự phát triển của nền kinh tế toàn cầu Điều này đã đặt ra một thách thức mới đối với việc mô hình hóa rủi ro Các sản phẩm tài chính mới không có tính lịch sử, qua đó có thể ước tính rủi ro ít nhất là xấp xỉ (Gavlakova & Kliestik, 2014) Có một lựa chọn được đưa ra là tìm các sản phẩm tài chính gần giống nhau và cố gắng loại bỏ rủi ro từ chúng Ví dụ, việc bãi bỏ hệ thống tiền tệ Bretton Woods vào năm 1971 đã dẫn đến một thị trường

22 ngoại hối kỳ hạn Những thách thức mới này đã kích thích sự phát triển của một chỉ báo rủi ro dễ hiểu và đáng tin cậy

Năm 1971, Bernard Lietaer đã phát triển một mô hình tập trung vào rủi ro biến động tỷ giá hối đoái Chủ đề này rất được quan tâm trong chương trình nghị sự vì sau Chiến tranh thế giới thứ hai, hầu hết các loại tiền tệ bắt đầu mất giá vào một thời điểm nào đó (Jaros et al, 2014) Mô hình mà Bernard Lietaer là một “liều thuốc”; nó thu nhỏ tác động của rủi ro chuyển đổi Đó là một mô hình phá giá đặc biệt, giúp tối ưu hóa chiến lược bảo vệ và phòng ngừa rủi ro (Misankova và Kocisova, 2014) Trong tác phẩm Lietaer có lẽ lần đầu tiên phương pháp Monte Carlo được sử dụng

Mặc dù những ấn phẩm đầu tiên về tiền thân của VaR đã có từ thế kỷ 20, nhưng công lao cho việc sử dụng VaR hiện tại chủ yếu là do ngân hàng đầu tư Hoa Kỳ JP Morgan Chủ tịch của Ngân hàng lúc đó, Dennis Weatherstone, đã yêu cầu một thứ gì đó đơn giản, thứ gì đó có thể bao trùm toàn bộ các rủi ro mà ngân hàng phải đối mặt trong 24 giờ tới Ngân hàng đã nghiên cứu, phát triển và sử dụng lý thuyết danh mục đầu tư Markowitz, VaR Nhưng lúc đó nó được gọi là “4:15 Report” Nguồn gốc của cái tên

“Value at Risk” vẫn chưa được biết đến Trong những năm 90, những cái tên "đô la có rủi ro", "vốn có rủi ro", "thu nhập có rủi ro", "lợi nhuận có rủi ro", "tiền có rủi ro" cũng được sử dụng, Holton (2003)

Năm 1994, J P Morgan xuất bản tài liệu kỹ thuật của hệ thống VaR Tiếp theo đó là việc mua lại hàng loạt hệ thống bởi nhiều tổ chức VaR đã được phổ biến rộng rãi như là thước đo rủi ro được các ngân hàng đầu tư lựa chọn để có thể đo lường rủi ro danh mục đầu tư của họ vì lợi ích của các nhà quản lý ngân hàng Vào tháng 6 năm 1974, Chính phủ Đức phải giải cứu Ngân hàng Herstatt và điều này đã trở thành cuộc khủng hoảng quốc tế, do đó, ngay trong cùng năm đó, sáng kiến đã được đưa ra bởi các thành viên của G10 và Luxembourg, những người đã thành lập Ủy ban Giám sát Ngân hàng Basel (BCBS) BCBS đã thiết lập các tiêu chuẩn toàn cầu để thúc đẩy sự ổn định của ngành ngân hàng Theo Ủy ban Basel, phương pháp VaR có thể được các tổ chức tài chính sử dụng để tính toán chi phí vốn liên quan đến rủi ro tài chính của họ Việc sử dụng VaR độc quyền của chính các ngân hàng cũng đã được phê duyệt

Tháng 6 năm 1995, FED (Cục dự trữ liên bang Hoa Kỳ) đã đưa ra đạo luật dùng VaR để tính toán yêu cầu vốn tối thiểu đáp ứng được rủi ro mà các NHTM đang mắc phải, và sẽ áp dụng một khoản phạt nếu các NHTM không đáp ứng được chuẩn vốn này

Tháng 12 năm 1995, Ủy ban Chứng khoán Mỹ và Cục quản lý ngoại hối Mỹ cũng đưa ra đạo luật buộc các công ty chứng khoán, đa quốc gia phải tính rủi ro và yêu cầu vốn tối thiểu dựa trên mô hình VaR

Bắt đầu từ cuối năm 1996, chỉ thị Vốn cần thiết của EU (Liên minh Châu Âu) tính toán theo mô hình VaR đã chính thức có hiệu lực và năm 1998 ở Mỹ, các ngân hàng lớn đã triển khai ứng dụng VaR trong các mô hình nội bộ để tính yêu cầu vốn cho rủi ro thị trường của tài sản của họ

Giá trị chịu rủi ro (VaR) là một thống kê định lượng mức độ tổn thất tài chính có thể xảy ra trong một công ty, danh mục đầu tư hoặc vị thế trong một khung thời gian cụ thể Người ta đo VaR bằng cách đánh giá mức độ tổn thất tiềm năng, xác suất xảy ra đối với một khoảng tổn thất trong khung thời gian nhất định Các nhà quản lý rủi ro sử dụng VaR để đo lường và kiểm soát mức độ rủi ro Người ta có thể áp dụng các tính toán VaR cho các vị trí cụ thể hoặc toàn bộ danh mục đầu tư hoặc sử dụng chúng để đo lường mức độ rủi ro của toàn công ty Hiện nay, Mô hình này đang được các NHTM, công ty chứng khoán, doanh nghiệp niêm yết sử dụng phổ biến nhất để xác định mức độ và xác suất thua lỗ tiềm năng trong danh mục đầu tư của tổ chức của họ Định nghĩa của VaR ngụ ý rằng cần phải chọn hai tham số, đó là thời gian nắm giữ và mức độ tin cậy Thời gian nắm giữ có thể là một ngày, mười (làm việc) ngày hoặc một tháng, nhưng cũng có thể là thời gian dài hơn Mức độ tin cậy phụ thuộc chủ yếu vào mục đích sử dụng VaR Nếu mục đích là đảm bảo xác suất mất khả năng thanh toán thấp hoặc đánh giá cao thì mức tin cậy được chọn có thể lên tới 99,9% Đối với các mục đích quản lý, mức độ tin cậy hàng ngày của VaR thường được sử dụng trong khoảng từ 99% đến 95%

Trên cơ sở xác suất thống kê, ta xác định giá trị VaR như sau:

• p: Xác suất để giá trị tổn thất không vượt quá giá trị VaR (%)

• VaR: Giá trị chịu rủi ro

• 𝑳(𝟏) = 𝑽 𝒕 − 𝑽 𝟎 : Hàm thua lỗ tính VaR của danh mục trong khoảng thời gian là một ngày

• 𝑽 𝒕 : giá trị của danh mục tại thời điểm t

• 𝑽 𝟎 : giá trị của danh mục tại thời điểm ban đầu

Ví dụ, danh mục có giá trị VaR bằng 1.000.000 USD với thời hạn một ngày và mức độ tin cậy 95% có nghĩa là chúng tôi tin tưởng 95% rằng sẽ không có tổn thất nào cao hơn 1.000.000 USD trong khoảng thời gian một ngày Theo cơ sở xác suất thống kê, VaR có thể được coi là một phân vị (trong trường hợp này là 95%) của phân phối lợi nhuận của danh mục đầu tư được nắm giữ trong một khoảng thời gian (trong trường hợp này là một ngày), Hull (2011) Khoản tổn thất 1.000.000 USD hoặc cao trên giá trị được kỳ vọng chỉ xảy ra trên 1 ngày trong 20 ngày (5%) Khoản tổn thất vượt quá ngưỡng VaR này được gọi là “VaR break”

Biểu đồ 1.1: Đồ họa biểu diễn Value at Risk (95%) trong phân phối tỉ suất sinh lời

VaR có thể áp dụng được với mọi danh mục có tính lỏng (danh mục mà giá trị được điều chỉnh theo thị trường) VaR không thể áp dụng được với các tài sản không có tính lỏng như bất động sản, Tất cả mọi tài sản lỏng đều có giá trị không cố định, được điều chỉnh theo thị trường với một quy luật phân bố xác suất nhất định - mọi nguyên nhân rủi ro của thị trường hình thành nên quy luật phân bố xác suất này Hữu dụng với tất cả tài sản lỏng, chứa đựng mọi nguồn rủi ro thị trường, do đó VaR là phương pháp đo lường toàn diện đối với rủi ro thị trường Các nhà quản trị yêu thích ứng dụng VaR vì VaR đưa ra các công cụ đo lường đơn giản, dễ hiểu mà hiệu quả VaR còn được chuẩn hóa quốc tế trong tiêu chuẩn Basel cho các ngân hàng

DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Số liệu sử dụng Để sử dụng Value at Risk trong ước lượng rủi ro thị trường của Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank), tác giả dùng nguồn dữ liệu từ giá cổ phiếu đóng cửa có điều chỉnh hàng ngày VPB của Ngân hàng TMCP Việt Nam Thịnh Vượng trong 5 năm từ ngày 17/04/2018 - 17/04/2023 được lấy từ website http://investing.com, bộ dữ liệu dạng file.csv

Trong thống kê dữ liệu, Ngôn ngữ lập trình R là một công cụ hữu ích cho các nhà khoa học dữ liệu, nhà phân tích và nhà thống kê, đặc biệt là những người làm việc trong môi trường học thuật Khả năng của R để xử lý các phân tích phức tạp như máy học, lập mô hình tài chính, v.v khiến nó trở thành tài sản quý giá cho nhiều tác vụ liên quan đến dữ liệu Chương trình R những năm gần đây đã được ứng dụng trong nhiều cơ sở doanh nghiệp hay thậm chí là các trường đại học lớn ở Việt Nam cũng đã đưa R vào chương trình giảng dạy của mình, trong đó có cả Học Viện Ngân Hàng Đặc biệt phải nói đến RStudio – mô hình phần mềm mạnh mẽ và dễ dàng chạy trên nền tảng phần mềm lập trình R, được coi là Môi trường phát triển tích hợp (IDE) cung cấp giải pháp cho tất cả đồ họa và điện toán thống kê RStudio là phiên bản nâng cao hơn của R đi kèm với thiết lập cửa sổ nhiều ngăn cung cấp quyền truy cập vào tất cả những thứ chính trên một màn hình (chẳng hạn như nguồn, bảng điều khiển, môi trường & lịch sử, tệp, ảnh, đồ thị, v.v.)

Bài viết này sử dụng các công cụ tập trung R và Rstudio để áp dụng mô hình VaR trong đo lường rủi ro thị trường thông qua phương pháp RiskMetrics, phương pháp Econometric Approach, phương pháp Quantile Estimation và phương pháp mô phỏng Monte Carlo Simulation Bài nghiên cứu đưa ra giả thiết rằng chuỗi tỷ suất sinh lời của chứng khoán VPB có phân phối chuẩn, tồn tại hiện tượng tự tương quan và tính dừng Bài nghiên cứu sử dụng nền tảng Rstudio phiên bản 2023.03.0-386 trên nền tảng R phiên bản 4.2.2 để phân tích và tính toán VaR Các gói package được sử dụng:

• fBasics: Là một tập hợp các chức năng để khám phá và điều tra các thuộc tính cơ bản của lợi nhuận tài chính và các đại lượng liên quan bao gồm các kỹ

37 thuật phân tích dữ liệu khám phá và điều tra các thuộc tính phân phối, bao gồm ước tính tham số và kiểm tra giả thuyết Thậm chí, có một số chức năng tiện ích để xử lý dữ liệu và quản lý

• fGarch: Là một tập hợp các chức năng để chạy các mô hình như ARCH(1,0),

GARCH (1,1),…trong chuỗi thời gian tài chính

• rugarch: cung cấp một môi trường thử nghiệm và chạy các mô hình phức tạp như iGARCH và EGARCH,… trong chuỗi thời gian tài chính

• tseries: Hỗ trợ khai thác các dữ liệu tài chính

• quantmod: khung mô hình tài chính định lượng cho R

Quá trình nghiên cứu đo lường qua các bước sau đây:

Bước 1: Thu thập dãy số thời gian tài chính

Dựa trên cơ sở dữ liệu giá đóng cửa có điều chỉnh hằng ngày cổ phiếu VPB của Ngân hàng TMCP Việt Nam Thịnh Vượng từ ngày 17/04/2018 – 17/04/2023, ta thực hiện tính tỷ suất sinh lời hàng ngày của cổ phiếu VPB:

𝒓: Tỷ suất sinh lời hàng ngày của cổ phiếu

𝑷 𝒏 : Giá cổ phiếu đóng cửa vào ngày n

𝑷 𝒏−𝟏 : Giá cổ phiếu đóng cửa vào ngày n-1

Bước 2: Xác định mức độ tin cậy và mức độ rủi ro

Việc xác định mức độ tin cậy phụ thuộc hoàn toàn vào mục đích sử dụng VaR và mức chịu đựng tổn thất Đối với bộ dữ liệu của đề tài, với mục đích quản trị rủi ro thị trường, bài nghiên cứu lựa chọn mức độ tin cậy hàng ngày của VaR là 95% với mức ý nghĩa là 5%

Bước 3: Kiểm định các giả thiết của mô hình VaR

Xem xét các thống kê mô tả của chuỗi dữ liệu Đánh giá tổng quát một số thông tin như:

• giá trị nhỏ nhất (minimum): Giá trị nhỏ nhất của bộ dữ liệu

• Giá trị lớn nhất (maximum): Giá trị lớn nhất của bộ dữ liệu

• Giá trị trung bình (mean): Là chỉ số thống kê trung bình của TSSL cổ phiếu một công ty trong một đơn vị thời gian nhất định

• Giá trị trung vị (median): Nó là giá trị trung tâm mà chia dữ liệu thành hai phần trên và dưới bằng nhau về mặt số lượng Median có ý nghĩa đánh giá gần giống với Mean

• độ lệch chuẩn (stdev): Là chỉ số thống kê có thể được sử dụng để đánh giá mức độ biến động của tỷ suất sinh lời cổ phiếu

• độ lệch (skewness): Là chỉ số thống kê giúp kiểm tra độ lệch phân phối dữ liệu, qua đó đánh giá được dấu hiệu của tỷ suất sinh lời

• độ nhọn (kurtosis): Tương tự như Skewness, đây là chỉ số thống kê mô tả mức độ tập trung của phân phối

Kiểm định phân phối chuẩn của chuỗi dữ liệu Để sử dụng đầy đủ các công cụ đo lường VaR, nhà quản trị rủi ro sẽ phải xác định được phân phối xác suất của tỷ suất sinh lời thì mới có thể đưa ra phương pháp ước lượng phù hợp với bộ dữ liệu của mình Qua đó, kết quả đánh giá được đưa ra một cách chính xác hơn Tuy nhiên, việc xác định được phân phối xác suất đúng với chuỗi tỷ suất sinh lời là điều không dễ dàng

Ngày nay có rất nhiều cách để kiểm tra phân phối xác suất của chuỗi dữ liệu là chuẩn hay không chuẩn thông qua các kiểm định phân phối như Jarque - Bera, Sapiro - Wilk, Lilliefors, Kolmogorov - Smirnov,

Trong bài nghiên cứu, tác giả sẽ sử dụng kiểm định của Jarque – Bera để kiểm tra phân phối chuẩn Cặp giả thiết thống kê được đưa ra:

• 𝐻 0 : Chuỗi dữ liệu có phân phối chuẩn

• 𝐻 1 : Chuỗi dữ liệu không phân phối chuẩn

Với mức ý nghĩa đã chọn 𝛼 là 5%: p-value < 0.05 => Bác bỏ 𝐻 0 , chấp nhận 𝐻 1 => Chuỗi dữ liệu không có phân phối chuẩn p-value > 0.05 => Tạm chấp nhận 𝐻 0 , bác bỏ 𝐻 1 => Chuỗi dữ liệu không có phân phối chuẩn

Kiểm định tính dừng của chuỗi dữ liệu

Theo Gujarati (2003), chuỗi dữ liệu theo thời gian có tính dừng khi giá trị mean, covariance hay variance không có sự biến động tại bất cứ một thời điểm xác định nào cho trước Cụ thể thì chuỗi dữ liệu có tính dừng khi nó dao động xung quanh giá trị mean và những dao động sẽ là như nhau

Có nhiều phương pháp kiểm tra tính dừng của chuỗi thời gian: kiểm định Dickey – Fuller (DF), kiểm định Phillip – Person (PP) và kiểm định Augment Dickey Fuller (ADF), biểu đồ tự tương quan, kiểm định KPSS,…

Trong bài nghiên cứu, tác giả sẽ sử dụng hai loại kiểm định là ADF và KPSS để kiểm tra tính dừng, cặp giả thiết thống kê được đưa ra:

• 𝐻 0 : Chuỗi dữ liệu không có tính dừng

• 𝐻 1 : Chuỗi dữ liệu có tính dừng

Với mức ý nghĩa đã chọn 𝛼 là 5%: p-value < 0.05 => Bác bỏ 𝐻 0 , chấp nhận 𝐻 1 => Chuỗi dữ liệu có tính dừng p-value > 0.05 => Tạm chấp nhận 𝐻 0 , bác bỏ 𝐻 1 => Chuỗi dữ liệu không có tính dừng

• 𝐻 0 : Chuỗi dữ liệu có tính dừng

• 𝐻 1 : Chuỗi dữ liệu không có tính dừng

THỰC TRẠNG RỦI RO THỊ TRƯỜNG CỦA NGÂN HÀNG

TMCP VIỆT NAM THỊNH VƯỢNG 3.1 Tổng quan về thực trạng rủi ro thị trường của VPBank

3.1.1.1 Quá trình hình thành và phát triển VPBank a, Khái quát về VPBank

Ngân hàng TMCP Việt Nam Thịnh Vượng VPBank (Trước đây là ngân hàng TMCP các Doanh nghiệp ngoài quốc doanh Việt Nam) được thành lập vào ngày 12 tháng 8 năm 1993 Biểu tượng của ngân hàng là hình ảnh “Hoa Thịnh Vượng” cùng với lời hứa thương hiệu “Vì một Việt Nam Thịnh Vượng”, hướng tới sứ mệnh vươn tầm quốc tế

Sự tăng trưởng của VPBank được thể hiện qua hệ sinh thái các chi nhánh và phòng giao dịch được mở rộng qua từng năm Tính đến cuối năm 2022 vừa qua, mạng lưới VPBank bao gồm 01 hội sở, 72 chi nhánh, 178 phòng giao dịch trên cả nước

Những thành tựu quốc nội và quốc tế đã chứng minh cho ta thấy chất và lượng của hệ thống sản phẩm dịch vụ cũng sức cạnh tranh nổi bật của Ngân hàng TMCP Việt Nam Thịnh Vượng trên thị trường tài chính Việt Nam:

- Top 3 Ngân hàng TMCP được vinh danh là “Nơi làm việc hạnh phúc nhất”

- Top 10 doanh nghiệp tư nhân lớn nhất Việt Nam do Vietnam Report bình chọn

- “Ngân hàng tốt nhất dành cho SME” tại Việt Nam do The Asian Banker bình chọn năm 2019

- "Nơi làm việc tốt nhất Châu Á" do HR Asia bình chọn

- Top 10 NHTM uy tín nhất Việt Nam năm 2019

- Đầu năm 2020, được bình chọn là “Tổ chức phát hành trái phiếu nước ngoài tốt nhất châu Á” và “Tổ chức Việt Nam đầu tiên phát hành thành công trái phiếu USD trên thị trường vốn quốc tế” do The Asset công bố

- Top 1 thương hiệu ngân hàng giá trị nhất Việt Nam

- Ngân hàng tư nhân đầu tiên và duy nhất tại Việt Nam được vinh danh nằm trong top 250 thương hiệu ngân hàng giá trị nhất thế giới năm 2021

- Riêng năm 2022 vừa qua, VPBank đã vinh dự được công bố là ngân hàng tư nhân có vốn hóa cao nhất Việt Nam Xếp thứ 173 trong 500 Thương hiệu Ngân hàng Toàn cầu năm 2023 do Brand Finance công bố

Các thương vụ như VPBank bán 49% vốn điều lệ tại FE Credit cho SMBC Group, sáp nhập Công ty Cổ phần (CTCP) Bảo hiểm OPES và CTCP Chứng khoán VPBank trong năm 2022 đã giúp ngân hàng TMCP Việt Nam Thịnh Vượng hoàn thành mảnh ghép tài chính cuối cùng của một tập đoàn tài chính toàn diện, phục vụ tất cả các nhu cầu tài chính trên thị trường cho mọi khách hàng

Các thành tựu mà VPBank đạt được trong suốt các giai đoạn phát triển là kết quả của chiến lược tăng trưởng bền vững và đúng đắn của lãnh đạo ngân hàng Trong suốt các giai đoạn chạy đà (2012 – 2017) và giai đoạn bứt phát (2018 – 2022), VPBank luôn là một trong các ngân hàng đứng đầu trong áp dụng công nghệ thông tin vào vận hành cũng như các sản phẩm và dịch vụ của mình Thông qua những nỗ lực liên tục, thương hiệu VPBank ngày càng trở nên mạnh mẽ hơn, hướng tới các mục tiêu tăng trưởng lớn mạnh hơn nữa trong năm 2023

Trong giai đoạn sắp tới đến năm 2026, VPBank đang cố gắng khẳng định bản thân và chinh phục được các mục tiêu quan trọng đó là nằm trong top 100 ngân hàng có quy mô lớn nhất khu vực Châu Á và là một trong ba ngân hàng hàng đầu Việt Nam

3.1.1.2 Sơ đồ cơ cấu tổ chức

Hình 3.1: Sơ đồ tổ chức của VPBank

(Nguồn: Ngân hàng TMCP Việt Nam Thịnh Vượng)

3.1.1.3 Sản phẩm dịch vụ của ngân hàng VPBank

- Thực hiện đầy đủ các hoạt động cơ bản của một ngân hàng như huy động, nhận tiền gửi và cho vay ngắn, trung và dài hạn từ tất cả các nhóm khách hàng

- Phục vụ các giao dịch ngoại hối, các dịch vụ tài trợ thương mại quốc tế, chiết khấu thương phiếu, trái phiếu và các giấy tờ có giá khác

- Tham gia đầu tư hợp đồng tương lai trái phiếu Chính phủ

- Cung cấp dịch vụ thanh toán, ví điện tử

- Dịch vụ quản lý tài sản

- Cấp tín dụng dưới hình thức tái chiết khấu công cụ chuyển nhượng và giấy tờ có giá khác và các dịch vụ ngân hàng khác được Ngân hàng Nhà nước cho phép

- Hệ sinh thái số của VPBank hiện nay cung cấp các mảng:

3.1.2 Diễn biến rủi ro thị trường tại VPBank

Năm 2023 được các chuyên gia kinh tế Việt Nam nhận định rằng là năm của các khó khăn không lường trước được với các biến động tình hình kinh tế thế giới

Chúng ta sẽ sử dụng bảng đồ nhiệt để đánh giá các rủi ro của VPBank:

Bảng 3.1: Khả năng xảy ra rủi ro

Bảng 3.2: Tác động của rủi ro

Bảng 3.3: Bảng đồ nhiệt đánh giá rủi ro (Heat map)

3.1.2.1 Rủi ro lãi suất của VPBank

Năm 2022 vừa qua, các ngân hàng trung ương đã phải gượng ép chỉnh tăng lãi suất để đối mặt với tình trạng lạm phát toàn cầu Theo IMF – quỹ tiền tệ quốc tế thì đây được

50 coi là mức tăng lãi suất mạnh mẽ nhất FED đã thực hiện tới bảy lần tăng liên tiếp lãi suất, khiến lãi suất của Mỹ đạt cao nhất và nhanh nhất kể từ lần tăng cách đây hơn 40 năm (1981) Trong thời gian tới, FED được dự đoán sẽ giữ vững mức lãi suất lên đến 5.1% trong năm 2023, với 0.25 điểm mỗi lần điều chỉnh và giữ ở mức 4.1% trong năm

2024 Để cố gắng điều chỉnh mức lạm phát trở lại mức kỳ vọng là 2% thì trong năm 2022, FED đã liên tiếp điều chỉnh lãi suất, cụ thể là tăng tới 07 lần liên tục khiến cho lãi suất của Hoa Kỳ bị đẩy lên nhanh và cao nhất kể từ lần cuối được ghi nhận mức tăng đáng kể là năm 1981 Trong năm 2023, theo dự đoán thì FED sẽ duy trì mức lãi suất lên tới 5,1% và điều chỉnh giảm mức tăng xuống còn 0.25 và duy trì ở mức 4,1% năm 2024 Trong năm 2023, sự áp lực về chính sách tiền tệ được dự đoán là sẽ không cần áp lực như năm trước, tuy nhiên xu hướng giữ vững lãi suất ở mức đáng kể Với tình trạng Ngân hàng nhà nước không ngừng hướng tới ổn định và vững vàng nền kinh tế và kiềm chế lạm phát tăng cao, CTCP xếp hạng tín nhiệm đầu tư Việt Nam khẳng định rằng chính sách lãi suất dự kiến sẽ duy trì theo hướng thắt chặt

Tình trạng lãi suất tăng cao sẽ trực tiếp ảnh hưởng tới việc hoạt động các dịch vụ của các ngân hàng trong ngắn, trung và dài hạn Đầu năm 2023, Thị trường bất động sản kém khả quan, tăng trưởng xuất khẩu giảm tốc, “bóng ma” lạm phát vẫn còn, dẫn đến rủi ro tăng và nợ xấu tăng Theo đó, ngân hàng sẽ phải trích lập dự phòng rủi ro, dẫn đến chi phí đầu vào tăng, khiến lãi suất cho vay buộc phải tăng Những đợt lãi suất tăng theo chính sách điều hành gần đây sẽ làm cho biên lợi nhuận ròng hẹp lại Thời điểm hiện tại thì các NHTM đang hứng chịu các khó khăn từ việc phải cạnh tranh đồng thời thu hẹp biên lợi nhuận ròng

KẾT QUẢ VÀ KHUYẾN NGHỊ

4.1.1 Kết quả kiểm định giả thiết mô hình

• Vị thế: 1,000,000,000 VND đầu tư vào cổ phiếu VPB

• Thời gian: 1 ngày tiếp theo

4.1.1.1 Thống kê mô tả dữ liệu

Chúng ta sử dụng bộ dữ liệu tỷ suất sinh lời của VPB (ký hiệu là r_VPB)

Sau khi mở gói package qua câu lệnh: > library(FBasics), chúng ta sẽ quan sát toàn bộ các giá trị thống kê mô tả của bộ dữ liệu để đưa ra các nhận định sơ bộ về tỷ suất sinh lời của cổ phiếu VPB qua câu lệnh:

Ta có kết quả mô tả thống kê như sau:

Hình 4.1: Thống kê mô tả tỷ suất sinh lời VPB

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Thống kê mô tả 1250 quan sát, chúng ta có thể thấy được rằng:

• Giá trị nhỏ nhất theo ngày của tỷ suất lợi nhuận VPB (Minimum) là -7.2576% trong khi đi đó giá trị cao nhất (Maximum) là 6.7385%

• Tỷ lệ sinh lợi trung bình theo ngày của VPB (Mean) là 0.03%

• Độ lệch chuẩn so với trung bình ngày (Stdev) là 0.024092

• Giá trị độ lệch (Skewness) là - 0.232276 nhỏ hơn Median cho thấy rằng phân phối tỷ suất sinh lời có xu hướng lệch về bên trái, các giá trị tỷ suất sinh lời âm xuất hiện nhiều hơn các giá trị tỷ suất sinh lời dương, đây là dấu hiệu không khả quan đối với cổ phiếu VPB

• Giá trị độ nhọn (Kurtosis) là 1.601666 cho biết rằng ở vùng giá trị ngoài độ tin cậy 95% của tỷ suất lợi nhuận mỏng hơn so với phân phối chuẩn ( độ nhọn

4.1.1.2 Kết quả kiểm định phân phối chuẩn

Tác giả lựa chọn ứng dụng phép thử Jarque – Bera thông qua phần mềm RStudio để kiểm định phân phối chuẩn của chuỗi dữ liệu tỷ suất sinh lời cổ phiếu VPB, kết quả được ra như sau:

Hình 4.2: Kiểm định phân phối chuẩn bằng Normalality Test

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Kiểm định (mức ý nghĩa đã chọn 𝛼 là 5%):

• 𝐻 0 : Chuỗi dữ liệu có phân phối chuẩn

• 𝐻 1 : Chuỗi dữ liệu không phân phối chuẩn

=> Chuỗi dữ liệu không có phân phối chuẩn Để có cái nhìn rõ hơn, thông qua 2 câu lệnh:

Ta có biểu đồ mật độ tỷ suất sinh lời mức ý nghĩa 5% như sau:

Biểu đồ 4.1:Mật độ tỷ suất sinh lời cổ phiếu VPB

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Biểu đồ mật độ cho thấy ngoài khoảng tin cậy 95%, có tương đối nhiều giá trị có density cao đột biến, đuôi của phân phối to và phần trung tâm khá nhọn Hình dạng phân phối như hình vậy cho thấy phân phối tỷ suất sinh lời của VPB có xác suất xảy ra rủi ro lớn, thậm chí là các sự kiện cực đoan Tuy nhiên đây là dạng đồ thị ưa thích đối với các nhà đầu tư ưa thích rủi ro

4.1.1.3 Kết quả kiểm định tính dừng

Tác giả lựa chọn ứng dụng kiểm định ADF và KPSS thông qua phần mềm RStudio để xem xét tính dừng của chuỗi dữ liệu tỷ lệ sinh lợi cổ phiếu VPB Để có thể kiểm định ADF và KPSS thì đầu tiên chúng ta cần mở gói package: > library(tseries) rồi mới chạy câu lệnh kiểm định

Kết quả Rstudio đưa ra như sau:

Hình 4.3: Kiểm định tính dừng bằng ADF Test

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Kiểm định (mức ý nghĩa đã chọn 𝛼 là 5%):

• 𝐻 0 : Chuỗi dữ liệu không có tính dừng

• 𝐻 1 : Chuỗi dữ liệu có tính dừng

=> Chuỗi dữ liệu có tính dừng

Hình 4.4: Kiểm định tính dừng bằng KPSS Test

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Kiểm định (mức ý nghĩa đã chọn 𝛼 là 5%):

• 𝐻 0 : Chuỗi dữ liệu có tính dừng

• 𝐻 1 : Chuỗi dữ liệu không có tính dừng

=> Tạm chấp nhận 𝐻 0 , bác bỏ 𝐻 1

=> Chuỗi dữ liệu có tính dừng khi quan sát biểu đồ Plot của tỷ suất sinh lời của VPB qua câu lệnh:

Biểu đồ 4.2: Sự thay đổi tỷ suất sinh lời của VPB theo chuỗi thời gian

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Ta thấy rằng, tỷ suất sinh lời của VPB ổn định theo thời gian (Stationary), giá trị trung bình tỷ suất sinh lời nằm ở ngưỡng 0 và độ lệch chuẩn tương đối ổn định Vậy nên có thể cho rằng giá trị kiểm định là đúng (dữ liệu tỷ suất sinh lời của VPB là có tính dừng)

Qua đó, ta có thể đưa bộ dữ liệu tỷ suất sinh lời của VPB vào ước lượng trong các mô hình đo lường VaR

4.1.1.4 Kết quả kiểm định tự tương quan

Trước tiên tác giả sẽ thực hiện quan sát hai biểu đồ ACF và PACF để có cái nhìn tổng quan về tự tương quan tỷ suất sinh lời của cổ phiếu VPB Thông qua 2 câu lệnh:

Kết quả Rstudio đưa ra như sau:

Biểu đồ 4.3: Phân tán ACF của TSSL

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Biểu đồ 4.4: Phân tán PACF của TSSL

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Quan sát cả hai biểu đồ, ta đều thấy rằng xuất hiện tương quan với chính nó trong quá khứ của tỷ lệ sinh lợi cổ phiếu VPB tại các độ trễ là lag 1, 9, 10, 11, 13, 21, 23 Qua

59 đó có thể kết luận rằng tỷ suất sinh lời của cổ phiếu VPB tồn tại hiện tượng tự tương quan hay cụ thể hơn đó là tỷ suất sinh lời của cổ phiếu VPB ngày hôm nay chịu ảnh hưởng bởi tỷ suất sinh lời cổ phiếu VPB 1 ngày trước, 9 ngày trước, 10 ngày trước,… Để khẳng định, tác giả sẽ sử dụng kiểm định Ljung-Box ở mức ý nghĩa là 5% thông qua câu lệnh như sau:

> Box.test(r_VPB,lag=t,type=c("Ljung-Box"))

Trong đó: t là độ trễ (lag) với giá trị lần lượt là 10, 15, 20

Rstudio đưa ra kết quả kiểm định như bảng sau:

Bảng 4.1: Kết quả kiểm định Ljung-Box với độ trễ 10, 15, 20 lag X squared pvalue 𝛼 Kết luận

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)

Cả ba kiểm định Ljung-Box với lag 10, 15, 20 đều đưa ra kết quả là bộ dữ liệu tỷ lệ sinh lợi của VPB xuất hiện tự tương quan chính nó trong quá khứ

Qua các kiểm định trên bộ dữ liệu r_VPB đã được kiểm định có ý nghĩa thống kê, ta có thể sử dụng bộ dữ liệu cho việc đo lường và ước lượng VaR

4.1.2 Ước lượng, kiểm tra và dự báo VaR

Trước khi ước lượng các mô hình bằng GARCH và IGARCH, chúng ta cần mở 2 package là fGarch và ruGarch qua 2 câu lệnh:

Qua biểu đồ PACF được biểu diễn ở phần trước, chúng ta thấy được rằng chuỗi dữ liệu có sai phân bậc 1 là phù hợp Chúng ta áp dụng IGARCH(1,1) với bậc 1:

Hình 4.5: Kết quả mô hình IGARCH(1,1)

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio) iGARCH (1,1) đưa ra alpha1 + beta1 = 1, nên kết quả beta1 là không có khi giá trị alpha1 vượt quá giá trị 1 Kết quả alpha1 có ý nghĩa thống kê (p-value=0.000000 0.05 qua kết quả Ljung- Box Test của chuỗi giá trị Standardized Residuals và Standard Squared Residuals, ta có kết luận được rằng sự xuất hiện của tự tương quan trong chuỗi giá trị phần dư là không có (Hình 4.6)

Hình 4.6: Kiểm định Ljung-Box của phần dư và bình phương phần dư

(Nguồn: Tác giả thực hiện qua phần mềm Rstudio)