Em xin cam đoan bài khóa luận tốt nghiệp với đề tài “Ứng dụng mô hình Value at Risk trong việc đo lường và đưa ra quyết định quản trị rủi ro thị trường của các ngân hàng thương mại tại
Mục tiêu nghiên cứu
Bài nghiên cứu được thực hiện với mục tiêu tìm ra các nhân tố, nguyên do của rủi ro thị trường, từ đó sử dụng VaR để đo lường rủi ro thị trường đối với ngân hàng thương mại tại Việt Nam, đưa ra các đề xuất quản trị rủi ro cho ngân hàng thương mại khi đứng trước sự biến động của thị trường, góp phần ổn định và phát triển ngân hàng thương mại cũng như nền kinh tế Việt Nam.
Phương pháp nghiên cứu
Bài nghiên cứu sử dụng hai phương pháp: Đối với các mục tiêu định tính, bài nghiên cứu sử dụng phương pháp mô tả, thống kê, so sánh để làm rõ lý thuyết về tính tất yếu của thị trường cũng như rủi ro thị trường đối với ngân hàng thương mại tại Việt Nam Đối với mục tiêu định lượng, sử dụng mô hình Value at Risk để đo lường rủi ro thị trường, từ đó đưa ra các kiến nghị về quản trị rủi ro thị trường đối với ngân hàng thương mại tại Việt Nam.
Đóng góp của nghiên cứu
Nghiên cứu ứng dụng mô hình VaR giúp đo lường rủi ro tại các NHTM, làm nền tảng để áp dụng đo lường rủi ro dựa theo khẩu vị rủi ro của từng NHTM tại Việt Nam, góp phần nâng cao hiệu quả quản trị rủi ro
Từ kết quả đo lường rủi ro tại nghiên cứu này, ngân hàng có thể áp dụng để đo lường, từ đó phân tích, so sánh, đánh giá mức độ thiệt hại có thể gây ra của các rủi ro thị trường đối với ngân hàng mình Trên cơ sở đó, xây dựng chiến lược quản trị rủi ro cũng như chuẩn bị khoản dự phòng để bù đắp tổn thất.
Kết cấu bài nghiên cứu
Bài nghiên cứu gồm 4 chương:
Chương 1: Tổng quan nghiên cứu
Chương 2: Dữ liệu và phương pháp nghiên cứu
Chương 3: Ứng dụng mô hình VaR và kết quả nghiên cứu
Chương 4: Kết luận và Khuyến nghị
TỔNG QUAN NGHIÊN CỨU
Rủi ro thị trường và quản trị rủi ro thị trường
1.1.1 Khái niệm chung về rủi ro
Rủi ro là nguy cơ xảy ra những mất mát, tổn thất cho con người Rủi ro xuất hiện ở mọi lĩnh vực, mọi ngành, mọi khía cạnh của cuộc sống Rủi ro mang tính tất yếu và khách quan, không thể loại bỏ và khó để né tránh hoàn toàn
Rủi ro đối với Ngân hàng thương mại là những biến cố tiêu cực có thể xảy ra, gây hậu quả về mặt tổn thất giá trị, lợi nhuận của ngân hàng, đồng thời khiến ngân hàng tiêu tốn một khoản lớn chi phí để bù đắp thua lỗ
1.1.2 Rủi ro thị trường và tính tất yếu của rủi ro thị trường đối với NHTM
1.1.2.1 Khái niệm 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
Tóm lại, rủi ro thị trường là khả năng xảy ra sự thua lỗ trong hoạt động kinh doanh của Ngân hàng Rủi ro thị trường phát sinh do thị trường đối mặt với những biến động bất lợi và thay đổi đối nghịch với dự đoán của ngân hàng, bao gồm các yếu tố lãi suất, tỷ giá, giá vàng, giá chứng khoán và giá hàng hóa trên thị trường
Ngân hàng thương mại là chủ thể giữ vị trí trung gian trong hoạt động tài chính của nền kinh tế, chịu ảnh hưởng trực tiếp từ thị trường Các yếu tố như lãi suất, tỷ giá gắn liền với hoạt động kinh doanh của ngân hàng, bởi vậy rủi ro thị trường là tất yếu đối với ngân hàng thương mại
1.1.2.2 Phân loại rủi ro thị trường a 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 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
Rủi ro lãi suất là nguy cơ biến động thu nhập và giá trị ròng của ngân hàng khi lãi suất thị trường biến động Bản chất ngân hàng có chức năng chuyển hóa tài sản, quá trình này bao gồm huy động vốn - sử dụng vốn Kỳ hạn, giá trị và mức độ thanh khoản trong danh mục đầu tư thuộc Tài sản có thường không cân xứng với tài sản nợ Sự không cân xứng về kỳ hạn giữa Tài sản có và Tài sản nợ chính là nguyên nhân khiến ngân hàng phải chịu rủi ro khi lãi suất trên thị trường biến động
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
Có thể chia rủi ro lãi suất thành 2 loại:
Rủi ro thu nhập: là nguy cơ giảm thu nhập lãi ròng của NH, rủi ro này xuất hiện do sự chênh lệch giữa kỳ hạn, lãi suất huy động đầu vào (huy động, vay vốn) và đầu ra
GAPrs = TSC nhạy cảm lãi suất – TSN nhạy cảm lãi suất
(lãi suất cho vay, lãi suất đầu tư) Do sự chênh lệch về kỳ hạn, khi lãi suất thị trường biến động, giá trị lợi nhuận từ các khoản cho vay biến động không cân xứng với sự thay đổi chi phí từ khoản đi vay Tức là, nếu lãi suất thị trường tăng sẽ khiến tốc độ tăng lên của chi phí vay nhanh hơn khoản lãi thu được từ khoản cho vay, đầu tư và ngược lại, sự chênh lệch đó ảnh hưởng trực tiếp lên tổng thu nhập lãi ròng của ngân hàng Sự chênh lệch về kỳ hạn này được quy về Khe hở nhạy cảm lãi suất (GAPrs) để tính toán và đo lường
GAPrs = 0 Không có rủi ro lãi suất
GAPrs > 0 Đối mặt với rủi ro khi lãi suất giảm
GAPrs < 0 Đối mặt với rủi ro lãi suất tăng
Rủi ro giảm giá trị tài sản: là nguy cơ giảm giá trị tài sản của ngân hàng do sự biến động bất lợi của lãi suất Giá trị của một tài sản là giá trị hiện tại của các dòng tiền trong tương lai, được chiết khấu theo lãi suất hiện tại Do đó mức độ chiết khấu giá trị tài sản có và tài sản nợ sẽ thay đổi khi lãi suất thị trường thay đổi Tức là giá trị tài sản thuộc sở hữu của ngân hàng phụ thuộc vào mức lãi suất trên thị trường 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
Các nguyên nhân của rủi ro lãi suất:
Ngân hàng sử dụng lãi suất cố định: Khi ngân hàng sử dụng lãi suất cố định sẽ chịu rủi ro lãi suất do sự chênh lệch lãi suất từ vốn vay và vốn huy động khi lãi suất thay đổi Vì vậy, ngân hàng sẽ hạn chế được rủi ro lãi suất nếu sử dụng lãi suất thả nổi các hợp đồng sử dụng vốn và huy động vốn Tuy nhiên trên thực tế rất khó hạn chế theo cách này vì ngân hàng thường dùng lãi suất cố định
Ngân hàng dự đoán sai về chiều hướng lãi suất thay đổi: Lãi suất thị trường biến động gây ảnh hưởng đến các chiến lược của ngân hàng Nếu ngân hàng duy trì khe hở lãi suất dương: Khi lãi suất trên thị trường tăng thì chênh lệch lãi suất tăng và ngược lại Nếu ngân hàng duy trì khe hở lãi suất âm: Khi lãi suất trên thị trường tăng thì chênh lệch lãi suất giảm và ngược lại Nếu một ngân hàng dự báo lãi suất thị trường sẽ
6 tăng/giảm và duy trì khe hở lãi suất dương/âm nhưng thực tế lãi suất thị trường theo chiều ngược lại thì ngân hàng sẽ gặp rủi ro lãi suất
Cơ sở lý thuyết về mô hình VaR
1.2.1 Mô hình VaR và cơ sở đo lường
1.2.1.1 Lịch sử ra đời của mô hình VaR
Nguồn gốc của lý thuyết danh mục đầu tư có thể bắt nguồn từ các cuộc thảo luận phi toán học về việc xây dựng danh mục đầu tư Leavens (1945) đã đưa ra một ví dụ định lượng, đây có thể là thước đo VaR đầu tiên từng được công bố
Viết cho đối tượng không chuyên về kỹ thuật, Leavens không xác định rõ ràng chỉ số VaR, nhưng ông đã nhắc đi nhắc lại nhiều lần về “sự chênh lệch giữa lỗ và lãi có thể xảy ra” Ông dường như đã nghĩ đến độ lệch chuẩn của giá trị thị trường danh mục đầu tư Dựa trên số liệu này, danh mục đầu tư của ông có VaR là 948,69 USD
Markowitz (1952) và Roy (1952) công bố cách nhau 3 tháng một cách độc lập các thước đo VaR, tuy nhiên kết quả lại rất giống nhau Mỗi người đang làm việc để phát triển một phương tiện lựa chọn danh mục đầu tư, theo một nghĩa nào đó, sẽ tối ưu hóa phần thưởng cho một mức độ rủi ro nhất định Cả hai đều cố gắng tìm ra cách có thể tối ưu hóa lợi
19 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
Tuy nhiên, cả Markowitz và Roy đều bỏ qua vấn đề về cách xác định các giả định xác suất Phép đo VaR của Roy yêu cầu ma trận vectơ trung bình và hiệp phương sai cho các yếu tố rủi ro Ông quan sát thấy rằng những điều này phải được “ước tính từ thông tin về quá khứ” Thước đo VaR của Markowitz chỉ yêu cầu một ma trận hiệp phương sai cho các yếu tố rủi ro
Lietaer (1971) đã mô tả một thước đo VaR thực tế đối với rủi ro ngoại hối Ông đã viết trong những ngày suy yếu của tỷ giá hối đoái cố định khi rủi ro thể hiện qua sự mất giá tiền tệ Kể từ Thế chiến thứ hai, hầu hết các loại tiền tệ đều bị mất giá tại một số thời điểm, các chính phủ giữ bí mật về việc phá giá theo kế hoạch, vì vậy các tập đoàn duy trì các biện pháp phòng ngừa rủi ro liên tục Lietaer (1971) đã đề xuất một quy trình phức tạp để tối ưu hóa các hàng rào như vậy Nó kết hợp thước đo VaR với phương sai của chỉ số VaR giá trị thị trường Giả định rằng sự mất giá diễn ra ngẫu nhiên, với mức độ mất giá có điều kiện được phân phối bình thường Các tính toán được đơn giản hóa bằng cách sử dụng một sửa đổi mô hình của Sharpe (1963) Công trình của Lietaer có thể là trường hợp đầu tiên của phương pháp Monte Carlo được sử dụng trong thước đo VaR
Năm 1995, J.P Morgan cung cấp quyền truy cập công khai vào dữ liệu về phương sai và hiệp phương sai giữa các loại tài sản và chứng khoán khác nhau, mà nó đã sử dụng nội bộ trong gần một thập kỷ để quản lý rủi ro và cho phép các nhà sản xuất phần mềm phát triển phần mềm để đo lường rủi ro Nó đặt tên cho dịch vụ là “RiskMetrics” và sử dụng thuật ngữ Giá trị rủi ro để mô tả thước đo rủi ro xuất hiện từ dữ liệu Biện pháp này đã tìm thấy một đối tượng sẵn sàng là các ngân hàng thương mại và đầu tư, cũng như các cơ quan quản lý giám sát họ, những người đã cảm thấy thích thú với sự hấp dẫn trực quan của nó
Năm 1995 sự cho phép của Ủy ban Besel về việc sử dụng những công dụng của VaR để các ngân hàng tính yêu cầu vốn là sự đánh dấu bước phát triển của VaR Tháng 06 năm
1995, Cục dự trữ Liên Bang Mỹ, Fed, đã đưa ra yêu cầu về chuẩn vốn tối thiểu của Ngân
20 hàng thương mại để xử lý được những rủi ro của ngân hàng đó dựa trên kết quả của phương pháp Var Tháng 12 năm 1995, Ủy ban Chứng khoán Mỹ và Cục quản lý ngoại hối Mỹ cũng áp dụng điều luật về tiêu chuẩn vốn tối thiểu đối với các công ty chứng khoán Năm 1996 chỉ thị Vốn cần thiết của Liên Minh Châu Âu tính toán theo mô hình VaR đã chính thức có hiệu lực Sau quá trình dài nghiên cứu và phát triển, VaR đã được sử dụng rộng rãi và được coi là một tiêu chuẩn để đo lường và đánh giá rủi ro thị trường trên toàn thế giới
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
Rủi ro thực chất phản ánh tính không chắc chắn của kết quả, vì vậy cách tốt nhất để đo lường là sử dụng các phân bố xác suất Phương pháp VaR chủ yếu được xác định trên nền tảng của lý thuyết xác suất và thống kê toán Value at Risk (VaR) là mô hình đo lường mức độ tổn thất tối đa mà ngân hàng có thể gặp phải với một mức xác xuất và khoảng thời gian xác định khi đối mặt với rủi ro thị trường (trong điều kiện không có giao dịch và các yếu tố thị trường không biến động) Ngân hàng cũng có thể phải chịu một khoảng lỗ lớn hơn kết quả VaR nhưng với xác suất cực nhỏ Mức xác suất thường được chọn để tính VaR là 95% hoặc 99%, tức là chỉ có 5% hoặc 1% xác suất để khoản lỗ lớn hơn VaR
Ví dụ, với độ tin cậy 99% và thời gian là 1 ngày, kết quả VaR cho thấy mức lỗ tối đa của danh mục ngoại tệ của ngân hàng là 10.000 USD, tức là có tới 99% mức tổn thất của ngày hôm sau dưới 10.000 USD, cũng có nghĩa là trường hợp mức tổn thất lớn hơn 10.000 USD chỉ chiếm 1% xác suất
VaR không bao gồm phân bổ tổn thất tiềm ẩn xảy ra trong một số trường hợp hiếm hoi mà giá trị thực tế vượt quá VaR (Misankova et al, 2014) VaR không xác định giá trị tối đa của tổn thất và thậm chí giá trị tổn thất nhỏ hơn cũng có thể xảy ra Chỉ dựa hoàn toàn vào VaR có thể dẫn đến việc sử dụng các chiến lược kinh doanh rất nguy hiểm và rủi ro Vậy nên, phải thấy rằng VaR chỉ là giá trị ước tính và không phải một giá trị chính xác (Kollar và Bartosova, 2014)
1.2.1.3 Các tham số quan trọng trong đo lường VaR
Khi sử dụng VaR để đo lường rủi ro, cần chú ý hai tham số quan trọng: Độ tin cậy và Thời gian đo lường rủi ro Độ tin cậy: Độ tin cậy là xác suất tổn thất cho trước được lựa chọn bởi nhà quản trị rủi ro tùy vào nhu cầu và mong muốn của họ Dưới góc độ an toàn vốn, xác suất tổn thất thường được lựa chọn để hạn chế tối thiểu các trường hợp giá trị tổn thất thực tế vượt quá dự báo của VaR Theo đề nghị của Ủy ban BASEL xác suất đo lường VaR nên là 99% (hay mức rủi ro là 1%), trong khi RiskMetrics đề nghị mức 95% (hay mức rủi ro là 5%) đối với mục đích mua bán lẫn đầu tư Mỗi mô hình phù hợp với độ tin cậy khác nhau và chất lượng của việc ước lượng mô hình VaR cũng phụ thuộc nhiều vào việc lựa chọn các mức độ tin cậy (hay mức rủi ro)
Thời gian đo lường rủi ro: Thời gian đo lường phụ thuộc vào hai yếu tố: Thứ nhất, mức độ rủi ro biến động giá của tài sản đang nắm giữ Đối với tài sản có biến động giá (hoặc giá trị) mạnh và sự biến động là liên tục như cổ phiếu hay ngoại tệ, cần đo lường với chu kỳ đo lường ngắn (hàng ngày hoặc hàng tuần) Ngược lại, những tài sản có mức biến động giá tương đối thấp (hàng nông sản, nguyên liệu thô, v.v.) có thể đo lường VaR trong khoảng thời gian dài hơn (tháng, quý hoặc năm) Chu kỳ biến động cần phù hợp với mức biến động bởi nếu áp dụng chu kỳ dài trong khi biến động giá liên tục, kết quả đo lường VaR sẽ vô nghĩa do độ trễ của quyết định quản trị rủi ro Thứ hai, chu kỳ đo lường dựa trên mục đích nhà quản trị là dài hạn hay ngắn hạn Nếu nhà quản trị rủi ro tính toán để đưa ra phương án quản trị trong thời gian ngắn, vậy chu kỳ cần phù hợp (ngắn) và ngược lại, đối với việc quản trị rủi ro dài hạn, cần sử dụng chu kỳ tính toán hợp lý Lựa chọn chu kỳ không phù hợp sẽ ảnh hưởng tới tầm nhìn của nhà quản trị dẫn đến chiến lược sai lệch, kém hiệu quả
1.2.2 Các phương pháp tính VaR
1.2.2.1 Phương pháp phân tích quá khứ
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Giá chứng khoán thể hiện sự biến động của thị trường, cực kỳ nhạy cảm với sự thay đổi từ thị trường, đặc biệt chịu tác động của rủi ro thị trường bao gồm cả rủi ro lãi suất và tỷ giá
VaR là phương pháp đo lường rủi ro khá hoàn thiện hiện nay và được thế giới công nhận, ưu tiên sử dụng Tuy nhiên, như đã phân tích ở trên, VaR không phải hoàn hảo, để sử dụng VaR cần một lượng dữ liệu rất lớn, vì vậy giá cổ phiếu là cơ sở dữ liệu phù hợp để đo lường rủi ro bằng VaR
Mặt khác, để thể hiện cụ thể việc đo lường và tính toán rủi ro bằng VaR trong hoạt động quản trị rủi ro của ngân hàng, thay vì sử dụng bộ dữ liệu là danh mục đầu tư toàn ngành ngân hàng, bài nghiên cứu sử dụng dữ liệu giá ba cổ phiếu ngành ngân hàng thể hiện cho toàn ngành là VCB (Vietcombank), STB (Sacombank) và EIB (Eximbank), ba ngân hàng trên với quy mô từ lớn tới nhỏ: Vietcombank đại diện cho Big4; Sacombank đại diện cho ngân hàng vừa và lớn; Eximbank đại diện cho ngân hàng nhỏ Điều này sẽ giúp tách bạch các ngân hàng, loại trừ sự bù trừ giữa các ngân hàng trong kết quả đo lường, từ đó cho ra kết quả đánh giá rõ ràng và khách quan hơn
Từ cơ sở trên, dữ liệu mà tác giả sử dụng trong bài nghiên cứu để tính toán, đo lường rủi ro thị trường bằng VaR là dữ liệu giá chứng khoán 5 năm của ba ngân là Vietcombank, Sacombank và Eximbank, dữ liệu được lấy từ ngày 03/04/2018 – 03/4/2023 tại website http://investing.com dưới dạng file.csv
2.2 Quy trình và phương pháp nghiên cứu
Ngôn ngữ lập trình R trong thống kê dữ liệu là một ứng dụng hữu dụng cho việc phân tích, thống kê dữ liệu một cách học thuật Ứng dụng R có khả năng xử lý và phân tích các dữ liệu phức tạp như tạo lập mô hình về tài chính, tính toán dữ liệu lớn v.v khiến nó trở thành ứng dụng vàng dành cho các nhà phân tích dữ liệu Trong những năm gần đây, nhiều cơ sở doanh nghiệp đã ứng dụng chương trình R trong việc xử lý dữ liệu của mình, hơn thế R đã được đưa vào chương trình giảng dạy của các trường đại học lớn ở Việt Nam Đặc biệt, mô hình phần mềm phù hợp và đơn giản thông dụng nhất là RStudio
– phiên bản nâng cao và hoàn thiện hơn R có nhiều công cụ tích hợp trên một màn hình thông qua nhiều cửa sổ
Tác giả sử dụng bốn phương pháp trong bài nghiên cứu bao gồm phương pháp mô phỏng lịch sử (historical method), phương pháp Quantile Estimation, phương pháp Econometric Approach, phương pháp mô phỏng Monte Carlo và phương pháp Risk Metrics thông qua ứng dụng R và Rstudio Bài nghiên cứu đặt giả thiết rằng ba mã chứng khoán EIB, STB, VCB có chuỗi tỷ suất sinh lời tuân theo quy luật phân phối chuẩn, có tính dừng và tính tự tương quan Bài khóa luận sử dụng phần mềm Rstudio version 2023.03.0-386 trên nền tảng R version 4.2.2 để tính toán, đo lường VaR và sử dụng song song một số gói phần mềm liên quan:
fBasics: Bao gồm các công cụ giúp phát hiện và theo dõi các thuộc tính cơ bản của lợi nhuận tài chính và các đại lượng liên quan bao gồm các kỹ thuật phân tích dữ liệu, phát hiện các thuộc tính phân phối, bao gồm ước tính tham số và kiểm định giả thuyết Ngoài ra còn bao gồm một số tiện ích có chức năng xử lý dữ liệu để quản lý
fGarch: Bao gồm các công cụ có chức năng chạy một số mô hình đơn giản như
ARCH(1,0), GARCH (1,1),…trong một khoảng thời gian tài chính nhất định
rugarch: đưa ra giả định về một môi trường thử nghiệm và chạy các mô hình phức tạp như iGARCH và EGARCH,… trong một khoảng thời gian tài chính nhất định
tseries: Hỗ trợ khai thác các dữ liệu tài chính
quantmod: khung mô hình tài chính định lượng cho R (vẽ biểu đồ và thực thi các phân tích)
Các bước nghiên cứu đo lường:
Bước 1: Thu thập dữ liệu thời gian tài chính
Dựa trên cơ sở dữ liệu giá đóng cửa của cổ phiếu EIB, STB, VCB (có điều chỉnh hằng ngày), từ ngày 03/04/2018 – 03/04/2023, ta đi vào tính toán tỷ suất sinh lời hàng ngày của cổ phiếu EIB, STB, VCB:
𝒓: Tỷ suất sinh lời hàng ngày của cổ phiếu
𝑷 𝒏 : Giá cổ phiếu đóng cửa của ngày n
𝑷 𝒏−𝟏 : Giá cổ phiếu đóng cửa của ngày n-1
Bước 2: Xác định độ tin cậy và mức độ rủi ro
Dựa vào mục đích và mức chịu tổn thất để độ tin cậy được xác định Với mục đích quản trị rủi ro thị trường và bộ dữ liệu, tác giả lựa chọn độ tin cậy hàng ngày của VaR là 95% với mức độ rủi ro 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:
Số nhỏ nhất (minimum): Giá trị nhỏ nhất của bộ dữ liệu
Số lớn nhất (maximum): Giá trị lớn nhất của bộ dữ liệu
Số trung bình (mean): Là chỉ số thống kê có thể được sử dụng để đánh giá hiệu suất của giá cổ phiếu một công ty trong một thời gian nhất định
Số trung vị (median): Là giá trị trung tâm về số lượng, chia dữ liệu thành hai phần bằng nhau (phần trên và phần dưới) Median có ý nghĩa đánh giá gần tương đương với Mean
Độ lệch chuẩn (stdev): Là chỉ số thống kê được dùng để đánh giá mức độ biến thiên của tỷ suất sinh lời của cổ phiếu
Độ lệch (skewness): Là chỉ số thống kê hỗ trợ 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 có được kết quả đánh giá chính xác, nhà quản trị rủi ro cần lựa chọn phương pháp ước lượng phù hợp với bộ dữ liệu sử dụng thông qua phân phối xác suất của tỷ suất sinh lời Tuy nhiên, rất khó để lựa chọn được phân phối xác suất chính xác với chuỗi tỷ suất sinh lời
Các kiểm định như Jarque - Bera, Sapiro - Wilk, Lilliefors, Kolmogorov - Smirnov, hay kiểm tra biểu đồ đường cong phân phối chuẩn là các phương pháp giúp xác định phân phối xác suất chuẩn của dữ liệu
29 Để kiểm tra phân phối chuẩn, tác giả sử dụng kiểm định của Jarque – Bera trong bài khóa luận Với cặp giả thiết thống kê:
𝐻 0 : Chuỗi dữ liệu có phân phối chuẩn
𝐻 1 : Chuỗi dữ liệu không phân phối chuẩn
ỨNG DỤNG MÔ HÌNH VAR VÀ KẾT QUẢ NGHIÊN CỨU
3.1 Hệ thống NHTM Việt Nam và thực trạng kiểm soát rủi ro thị trường
3.1.1 NHTM tại Việt Nam giai đoạn 2018 – 2023
Tăng trưởng kinh tế năm 2018 đạt 7,08%, cao nhất trong vòng 11 năm trước đó, vượt mục tiêu 6,7%, xuất khẩu (ròng) là yếu tố chính đóng góp vào tăng trưởng kinh tế năm
2018 với xuất siêu kỷ lục, cầu nội địa cải thiện Kinh tế vĩ mô ổn định, chất lượng tăng trưởng, hiệu quả đầu tư được cải thiện, năng suất lao động từng bước nâng cao Mặt bằng lãi suất ngân hàng cũng như thị trường ngoại tệ của Việt Nam cũng duy trì được ở mức ổn định do có nền tảng kinh tế vĩ mô vững chắc
Tuy nhiên, bước sang 2019, nền kinh tế Việt Nam cũng như thế giới bắt đầu gánh chịu những tác động nặng nề từ dịch bệnh, suốt thời kỳ covid-19 bùng phát, tình hình kinh tế đi xuống trầm trọng, năm 2020 tốc độ tăng trưởng kinh tế Việt Nam thấp nhất kể từ
1988, năm 2021 tốc độ tăng trưởng vẫn tiếp tục giảm, chỉ đạt 2.56% Khi dịch bệnh được kiểm soát, 2022 – 2023 đã ổn định hơn nhưng tình hình cho đến nay vẫn không mấy khả quan khi nhiều doanh nghiệp vẫn đang chật vật bù đắp thiệt hại từ Covid – 19
Tuy chịu tác động nặng nề của đại dịch, theo báo cáo của ngân hàng nhà nước, Ngân hàng thương mại Việt Nam nhìn chung vẫn đang trên đà phát triển với tốc độ khá tốt, tỷ lệ tăng trưởng mạnh đặc biệt khối ngân hàng thương mại cổ phần
Nguồn: Số liệu từ báo cáo thường niên của NHNN
Biểu đồ 3.1 Tài sản có của NHTM Việt Nam giai đoạn 2018 - 2022
Nguồn: Số liệu từ báo cáo thường niên của NHNN
Biểu đồ 3.1 và 3.2 thể hiện rõ tốc độ tăng trưởng của Ngân hàng thương mại cổ phần Việt Nam là khá ấn tượng, chỉ trong vòng 5 năm, vốn điều lệ từ 267,234 tỷ đồng tăng gần gấp đôi lên đến con số 469,409 tỷ đồng Song song với đó, tài sản có của NHTM nhà nước cũng như NHTM cổ phần đều tăng liên tiếp từ 2018 – 2022 Nhìn vào tốc độ tăng trưởng, có thể đánh giá tiềm năng cũng như tiềm lực phát triển của ngân hàng thương mại trong 2023 cũng như các năm tiếp theo khá lớn, khi nền kinh tế đang dần hồi phục sau dịch bệnh, chúng ta có thể kỳ vọng mức độ tăng trưởng lớn hơn nữa trong thời gian gần
3.1.2 Thực trạng rủi ro thị trường của Ngân hàng thương mại tại Việt Nam
Qua quá trình phát triển, ngân hàng thương mại Việt Nam ngày càng hoàn thiện về cơ cấu tổ chức cũng như chất lượng dịch vụ, đặc biệt cũng đã trú trọng việc quản trị rủi ro thị trường để tối đa hóa lợi nhuận Tuy cơ chế quản trị rủi ro chưa quá hoàn hảo tuy nhiên cũng đã coi quản trị rủi ro là quan trọng, mỗi ngân hàng đều xây dựng bộ máy quản trị rủi ro riêng theo khẩu vị rủi ro của ngân hàng
Biểu đồ 3.2 Vốn điều lệ NHTM Việt Nam giai đoạn 2018 - 2022
Thực trạng quản lý rủi ro lãi suất:
Bảng 3.1 Tỷ lệ Nợ ngắn hạn cho vay Trung dài hạn của NHTM Đơn vị tính: %
Nguồn: Số liệu từ BCTC thường niên của NHNN
Nhìn vào số liệu có thể thấy tỷ lệ nợ ngắn hạn cho vay trung dài hạn của NHTM Việt Nam khá cao, tỷ lệ này chính là phần chênh khiến NHTM có thể chịu rủi ro lãi suất, bởi sự chênh lệch về kỳ hạn sẽ dẫn đến chênh lệch chi phí huy động và lợi nhuận cho vay Với tỷ lệ này, ngân hàng sẽ chịu rủi ro lãi suất khi lãi suất thị trường tăng lên do khoản nợ có kỳ hạn ngắn hạn nhạy cảm hơn với lãi suất, khiến chi phí vốn vay tăng cao trong khi khoản cho vay trung dài hạn ít nhạy cảm hơn
Về cơ cấu TSC – TSN có thể theo dõi bảng số liệu sau:
Bảng 3.2 Tình hình TSC – TSN nhạy cảm lãi suất năm 2022 của
Vietcombank, Sacombank và Eximbank Đơn vị tính: Triệu đồng Vietcombank Sacombank Eximbank TSC nhạy cảm lãi suất 1,849,690,528 614,649,694 186,975,614 TSN nhạy cảm lãi suất 1,678,169,085 553,280,699 164,576,151
Tỷ lệ nhạy cảm lãi suất (%) 1.10 1.11 1.03
Nguồn: Số liệu từ BCTC của 3 ngân hàng năm 2022 và tác giả tự tính toán
Với cơ cấu TSC – TSN như bảng 3.2, có thể thấy cả ba ngân hàng đại diện là Vietcombank, Sacombank và Eximbank đều có khe hở lãi suất dương và tỷ lệ nhạy cảm lãi suất lớn hơn 1, tức là hai ngân hàng này có tài sản nợ nhạy cảm hơn với lãi suất và sẽ chịu rủi ro lãi suất tăng Tại thời điểm này, mỗi phần trăm lãi suất tăng lên sẽ khiến ngân hàng chịu mức lỗ bằng với GAPrs Sự bất cân xứng hai loại tài sản này sẽ khiến ngân hàng rơi vào thua lỗ trầm trọng nếu lãi suất thị trường đi theo chiều hướng bất lợi trong thời gian dài
Nhìn vào những con số chênh lệch giữa TSC và TSN của 3 ngân hàng có thể thấy rõ sự bất cân xứng này là khá lớn, thể hiện sự kém hiệu quả trong việc cân bằng và quản trị rủi ro lãi suất Chỉ dựa trên khe hở nhạy cảm lãi suất đã có thể dễ dàng thấy mức độ rủi ro lãi suất của ngân hàng là không hề nhỏ
Thực trạng quản trị rủi ro tỷ giá:
Ngân hàng thương mại Việt Nam có rất nhiều hoạt động ngoại hối như kinh doanh ngoại tệ, cho vay, huy động bằng ngoại tệ,… Chính vì vậy, ngân hàng luôn luôn phải đối mặt với rủi ro tỷ giá, các ngân hàng thương mại đều có phương án và kế hoạch kiểm soát rủi ro tỷ giá riêng, từ đó đưa ra các chính sách kinh doanh hiệu quả hơn Dưới đây là bảng tổng hợp trạng thái tiền tệ của ba ngân hàng: Vietcombank, Sacombank và Eximbank năm 2022
Bảng 3.3 Trạng thái tiền tệ của Vietcombank, Sacombank và Eximbank 2022 Đơn vị: Triệu đồng
Trạng thái tiền tệ nội bảng
Trạng thái tiền tệ ngoại bảng -9,241,487 -116,382 -62,762
Mức chênh trạng thái tiền tệ 162,279,956 2,327,600 190,083
Nguồn: BCTC của Vietcombank, Sacombank và Eximbank năm 2022
Theo số liệu thống kê, đa số các ngân hàng đều giữ trạng thái tiền tệ ngoại bảng âm, với trạng thái ngoại tệ này, ngân hàng sẽ gặp phải rủi ro tỷ giá và chịu thua lỗ khi tỷ giá tăng
3.2 Ứng dụng và kết quả ứng dụng mô hình VaR
3.2.1 Ứng dụng mô hình VaR
Giả định: Vốn đầu tư ban đầu là 3 tỷ VND được chia đều cho 3 cổ phiếu bao gồm EIB,
STB, VCB mỗi cổ phiếu 1 tỷ VND
Thời gian: 01 ngày kế tiếp
Chuỗi dữ liệu: Giá hàng ngày từ 03/04/2018 – 03/04/2023 của 3 cổ phiếu EIB, STB, VCB (giá có điều chỉnh)
Bộ dữ liệu có tính dừng là tỷ suất sinh lời của cả 3 cổ phiếu lần lượt được ký hiệu trong Rstudio là r_EIB, r_STB, r_VCB
Nguồn dữ liệu: https://www.investing.com/
3.2.2 Kết quả kiểm định giả thiết mô hình
3.2.2.1 Thống kê mô tả dữ liệu
Bảng 3.4 Kết quả thống kê mô tả của tỷ suất sinh lời cổ phiếu
(Nguồn: Kết quả tác giả ứng dụng phần mềm Rstudio)
Với 1250 dữ liệu tỷ suất sinh lời trong 5 năm của ngân hàng Vietcombank, ta có các giá trị thống kê đưa ra như sau:
- Giá trị bé nhất mà bộ dữ liệu TSSL của cổ phiếu cả ba ngân hàng là xấp xỉ -7.25% trong khi giá trị lớn nhất được đưa ra là xấp xỉ 6.7%
- TSSL trung bình của bộ dữ liệu giá cổ phiếu VCB, STB và EIB lần lượt là 0.0399%, 0.0426% và 0.0387%
- Độ lệch chuẩn so với trung bình ngày của VCB là 0.018682, trong khi của STB và EIB cao hơn lần lượt là 0.025758 và 0.023207
- Giá trị skewness của VCB và STB là -0.258100 và -0.054370 đều nhỏ hơn 0 thể hiện phân phối tỷ suất sinh lời có xu hướng lệch trái; trong khi đó kết quả của EIB là 0.146715 > 0 thể hiện phân phối tỷ suất sinh lời có xu hướng lệch phải Các giá trị TSSL dương xuất hiện ít hơn so với TSSL âm thể hiện tình hình không tốt đối với cổ phiếu VCB và STB, cổ phiếu EIB có tình hình khá tốt khi kết quả là giá trị TSSL dương xuất hiện nhiều hơn
- Độ nhọn Kurtosis của cả ba cổ phiếu được đưa ra đều dưới 3 thể hiện tỷ suất sinh lời không phải phân phối chuẩn
Như vậy, bộ dữ liệu là không phải phân phối chuẩn, thế nhưng với độ lệch xấp xỉ giá trị 0 cùng với độ nhọn gần với 3 thì có chấp nhận được trong ước lượng VaR
KHUYẾN NGHỊ
Để nâng cao chất lượng và hiệu quả quan trị rủi ro thị trường, cùng với tất cả các ưu điểm, tính hữu dụng và tính phổ biến trên thế giới, có thể minh chứng được rằng, VaR cũng nên được áp dụng tại tất cả các ngân hàng thương mại tại Việt Nam
Từ kết quả mức lỗ tối đa tính được bởi VaR, ngân hàng có thể xác định được mức độ chịu rủi ro của mình, có sơ sở để dự phòng tổn thất và đưa ra các yêu cầu vốn tối thiểu, từ đó có thể đặt mình trong thế sẵn sàng đối mặt với rủi ro Thêm vào đó, kết quả của VaR thể hiện rõ ràng trên những con số, điều đó giúp nhà quản trị rủi ro dễ dàng đánh giá cũng như so sánh, cân nhắc để đưa ra quyết định rủi ro đúng đắn
Không có mô hình nào là hoàn hảo nhất dù VaR có sự đa dạng về cả phương pháp và hình thức đo lường, tùy vào bối cảnh kinh tế, khẩu vị rủi ro mà ngân hàng lựa chọn mô hình phù hợp nhất để áp dụng
4.2 Kết hợp sử dụng Back – test và Stress – test để bù đắp hạn chế của VaR
Bên cạnh những ưu điểm và tính hữu dụng, VaR còn tồn tại hạn chế Như đã nói ở trên, VaR đo lường trên cơ sở thị trường ổn định và thời gian nhất định với độ tin cậy lớn nhất là 99% Tức là, VaR không đo lường được tất cả rủi ro, 1% lệch chuẩn tuy nhỏ nhưng rất có thể xảy ra, đặc biệt là trong thời điểm thị trường biến động Nguy hiểm nhất là các nhà quản trị rủi ro tin tưởng hoàn toàn vào VaR mà bỏ qua 1% rủi ro còn lại, khi biến động xảy ra, rủi ro ập đến, ngân hàng sẽ không kịp đối mặt để xử lý Để bù đắp hạn chế của VaR và hoàn thiện hơn quá trình quản trị rủi ro, các Ngân hàng thương mại tại VN nên sử dụng thêm hai phép thử: Back – test và Stress test
Back – test là phép kiểm tra chất lượng kết quả tính toán từ VaR Việc kiểm định lại tính chính xác của VaR là hoàn toàn cần thiết, bởi nếu kết quả tính toán thiếu tính chính xác, dự báo mức lỗ quá thấp sẽ khiến ngân hàng đối mặt với nhiều rủi ro hơn Back – test nên được sử dụng thường xuyên để đảm bảo tính chính xác của VaR
Stress test là phép thử đối với VaR, bằng cách đưa vào những biến động mạnh mang tính tiêu cực của thị trường Những biến động giả định rằng thị trường đi theo hướng khắc nghiệt (như khủng hoảng) mà trong quá khứ chưa từng xuất hiện (hoặc trong thời
58 gian dữ liệu tính VaR), những biến động bất ngờ này có thể khiến cho ngân hàng đối mặt với mức lỗ cực lớn Từ kết quả biến động đó, kết hợp với VaR để dự báo chính xác và bao hàm cả được biến động (có thể hiểu rằng giả định đó được coi là đã xảy ra giúp VaR nhận diện được và không bỏ qua những biến động bất thường này)
4.3 Áp dụng khoa học công nghệ vào quản trị rủi ro
Trong kỷ nguyên của công nghệ, việc áp dụng công nghệ thông tin vào kinh doanh cũng như quản trị rủi ro trong kinh doanh là cực kỳ quan trọng và cấp thiết Đặc biệt, khi ngân hàng sử dụng các phương pháp như VaR, Back – test hay Stress test,… hệ thống công nghệ tiên tiến là rất cần thiết, giúp tối đa hóa hiệu quả đo lường, rút ngắn thời gian cũng như giảm độ trễ trong dự báo và quản trị rủi ro Đồng thời công nghệ giúp đồng bộ hóa quá trình quản trị rủi ro của tất cả các cấp, khiến cho nhà quản trị rủi ro có cái nhìn bao quát hơn, từ đó đưa ra các chiến lược quản trị rủi ro hiệu quả và phù hợp
4.4 Nâng cao chất lượng quy trình QTRR và nguồn nhân lực trong QTRR
Quy trình quản trị rủi ro của cần được nâng cấp, đổi mới, hoàn thiện và đồng bộ thường xuyên nhằm đảm bảo phản ứng nhanh và linh hoạt trong môi trường công nghệ và quy định thay đổi nhanh chóng
Chất lượng nguồn nhân lực là cực kỳ quan trọng trong tất cả các quy trình kinh doanh, trong đó quản trị rủi ro là quy trình cần đến nhân lực có kiến thức và kinh nghiệm Đặc biệt, nguồn nhân lực giỏi cần nắm bắt được thị trường song song với sử dụng khoa học công nghệ và các phương pháp đo lường rủi ro Điều này giúp định hướng và chiến lược quản trị rủi ro được chính xác nhất Tức là, song song với nâng cao chất lượng đầu vào của nguồn nhân lực, cần liên tục hỗ trợ nhân lực phát triển thông qua đào tạo
