Ứng dụng mô hình var (value at risk), CVaR (conditional value at risk) và các mô hình mở rộng để quản trị rủi ro danh mục cổ phiếu niêm yết trên thị trường chứng khoán việt nam

i Đạ ng ườ Tr ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KINH TẾ KHOA TÀI CHÍNH - NGÂN HÀNG  cK họ KHÓA LUẬN TỐT NGHIỆP inh ỨNG DỤNG MÔ HÌNH VaR (VALUE AT RISK), CVaR (CONDITIONAL VALUE AT RISK) VÀ CÁC MÔ HÌNH ĐỂ QUẢN TRỊ RỦI RO DANH MỤC CỔ PHIẾU NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM tế Đạ Sinh viên thực hiện: Lâm Hạnh Nhi Lớp: K46A- Tài Chính Niên khóa: 2012– 2016 ih Giảng viên hướng dẫn: Phan Khoa Cương ọc ế Hu KHÓA HỌC 2012 – 2016 i i Đạ ng ườ Tr LỜI CẢM ƠN Đầu tiên, em xin chân thành cảm ơn đến Ban giám hiệu Trường Đại Học Kinh Tế - Đại Học Huế, đặc biệt thầy cô giáo khoa Tài Chính- Ngân Hàng tận tình dạy dỗ, truyền đạt cung cấp kiến thức cho sinh viên suốt bốn năm học tập rèn luyện vừa qua Vốn kiến thức tiếp thu trình học tập không tảng cho trình nghiên cứu khóa luận mà hành cK họ trang quý báu để em bước vào đời cách vững tự tin Em xin trân trọng gửi lời cảm ơn đến Ban lãnh đạo anh chị công tác phòng giao dịch Sacombank Tây Lộc- Chi nhánh Huế, tạo điều kiện thuận lợi cho em suốt trình thực tập Đặc biệt, em xin gửi lời biết ơn chân thành sâu sắc đến thầy giáo inh Phan Khoa Cương, người tận tình hướng dẫn, giúp đỡ em suốt trình nghiên cứu thực khóa luận Mặc dù có nhiều cố gắng để thực đề tài cách tốt hạn chế mặt thời gian kiến thức kinh nghiệm nên tránh tế khỏi thiếu sót định Vì vậy, em mong nhận góp ý sửa chửa quý thầy cô giáo để khóa luận hoàn chỉnh Đạ Huế, tháng năm 2016 ih Sinh viên thực Lâm Hạnh Nhi ọc ế Hu i i Đạ ng ườ Tr TÓM TẮT NGHIÊN CỨU Trước bối cảnh kinh tế khó khăn nay, thị trường tài Việt Nam nói chung, thị trường chứng khoán nói riêng phải đối diện với nhiều bất ổn rủi ro Tuy nhiên, thị trường chứng khoán luôn thu hút quan tâm đặc biệt từ nhà đầu tư mức sinh lời cao Vì vậy, việc QTRR cho danh mục đầu tư có vai trò quan trọng, giúp cho nhà đầu tư đưa chiến lược tối ưu cho hoạt động đầu tư Được xây dựng từ năm 1993, thước đo giá trị chịu rủi ro gọi tắt VaR cK họ (Value at Risk) xem công cụ có tính đột phá nhanh chóng giới khoa học tài công nhận áp dụng rộng rãi Bên cạnh đó, nghiên cứu thêm ứng dụng mô hình CVaR mô hình mở rộng khác vào quản trị rủi ro danh mục cổ phiếu niêm yết, từ góp phần cung cấp cho nhà đầu tư số công cụ chiến lược quản trị rủi ro hữu ích để cân rủi ro lợi nhuận inh rổ tài sản Đề tài nghiên cứu tiến hành với danh mục gồm 10 cổ phiếu lựa chọn tương đối ngẫu nhiên sàn HOSE khoảng thời gian từ 08/01/2014 đến 08/03/2016 Quá trình quản trị rủi ro thực theo bốn bước từ (1) nhận tế dạng rủi ro, (2) đo lường rủi ro, (3) kiểm soát rủi ro (4) tài trợ rủi ro dựa mục tiêu quản trị đặt ban đầu Đạ Hai phương pháp tính VaR khác áp dụng phương pháp truyền thống gồm phương pháp Covarian- Variance, Historical Method; phương ih pháp mở rộng: phương pháp Risk Metrics, Monte Carlo (theo phân phối chuẩn phân phối beta) Ngoài ra, đề tài tiến hành kiểm định hỗ trợ Back- test mô hình CVaR để khắc phục hạn chế VaR Kết tính toán cho thấy VaR ọc tính theo phương pháp Monte Carlo cho kết lỗ tối đa xấp xĩ 19378 (1000 đ)/1 ngày, với độ tin cậy 95% đánh giá có độ xác cao Vì vậy, kết Hu sử dụng cho mục đích quản trị rủi ro cho danh mục Bên cạnh đó, giá trị định lượng CVaR đạt mức 20,861(1000đ) sử dụng cho bước CVaR kết hợp lượng hóa rủi ro cực biên, đặc điểm mà VaR không làm So ế ii i Đạ ng ườ Tr sánh với kết mức lời thực tế vào ngày mai 727.667 đồng đồng thuộc ngưỡng rủi ro 20,861(1000đ), chứng tỏ kết định lượng rủi ro đạt hiệu tốt Ngoài ra, tiến hành so sánh kết ước lượng từ mô hình CVaR với kết dự báo từ mô hình ARMA/GARCH hoạt động kiểm soát rủi ro để đưa định “Có phòng ngừa hay không?” Nếu định phòng ngừa, nghiên cứu xin đề cập theo hai trường hợp phổ biến: “có khả tăng dự phòng” “không có khả tăng dự phòng” Và NĐT có nguồn dự phòng dồi đơn giản họ đủ kinh phí chuyện cK họ trở nên khó khăn Kết đạt phương thức quản trị thể qua chi phí tài trợ cho rủi ro kết hợp với mục tiêu quản trị đặt ban đầu Cụ thể, trường hợp NĐT định không cần chi phí tài trợ rủi ro kết thực tế lời 727.667 đồng Đối với trường hợp NĐT định phòng ngừa:  TH1: NĐT có khả tăng dự phòng, cần mức tài trợ rủi ro inh 161,405đồng (do chi phí hội)  TH2: NĐT khả tăng dự phòng  Phương pháp 1: Huy động nguồn lực từ bên ngoài, cần mức tài trợ rủi ro tế 20,176 đồng  Phương pháp 2: Điều chỉnh tỷ trọng cổ phiếu DMĐT thông qua Đạ mô hình ARMA/GARCH: mức tài trợ rủi ro 1,010,000 đồng Qua ta thấy tùy vào điều kiện thực tế NĐT mà họ lựa chọn cho cách thức tiến hành dự phòng hay không dự phòng ih cho hiệu Từ kết đạt được, nghiên cứu hy vọng cung cấp số ọc phương pháp đo lường rủi ro chiến lược quản trị danh mục hiệu nhằm giúp cho nhà đầu tư kiểm soát rủi ro tối đa hóa lợi nhuận cho danh mục tài ế Hu sản iii i Đạ ng ườ Tr DANH MỤC TỪ VIẾT TẮT VaR Value at Risk CVaR Conditional Value at Risk TTCK Thị trường chứng khoán CK Chứng khoán SGDCK Sở giao dịch chứng khoán CPNY Cổ phiếu niêm yết QTRR Quản trị rủi ro TSSL NĐT PSSS ARMA cK họ DMĐT Danh mục đầu tư Tỷ suất sinh lời Nhà đầu tư Phương sai sai số Autoregressive Moving Average inh GARCH Generalised Autoregressive Conditional Heteroskedasticity ACF Autocorrelation PACF Partial Autocorrelation Funtion tế ih Đạ ọc ế Hu iv i Đạ ng ườ Tr MỤC LỤC LỜI CẢM ƠN i TÓM TẮT NGHIÊN CỨU ii DANH MỤC TỪ VIẾT TẮT iv MỤC LỤC v DANH MỤC HÌNH VẺ, BIỂU ĐỒ viii DANH MỤC BẢNG BIỂU ix PHẦN I: ĐẶT VẤN ĐỀ cK họ Lý chọn đề tài Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Kết cấu đề tài inh PHẦN 2: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ RỦI RO CỦA DANH MỤC CỔ PHIẾU VÀ QUẢN TRỊ RỦI RO CỦA DANH MỤC CỔ PHIẾU NIÊM YẾT TRÊN SÀN GIAO DỊCH CHỨNG KHOÁN tế 1.1 Tổng quan lý thuyết chứng khoán, thị trường chứng khoán danh mục đầu tư Đạ 1.1.1 Những vấn đề chứng khoán .5 1.1.2 Thị trường chứng khoán cổ phiếu niêm yết ih 1.1.3 Tổng quan danh mục đầu tư 1.2 Quản trị rủi ro danh mục danh mục cổ phiếu niêm yết .7 1.2.1 Khái niệm rủi ro ọc 1.2.2 Phân loại rủi ro danh mục đầu tư 1.2.3 Đo lường rủi ro danh mục đầu tư .8 Hu 1.2.4 Vai trò quản trị rủi ro 1.2.5.Một số phương pháp quản trị rủi ro danh mục đầu tư 1.3 Tổng quan mô hình VaR 10 ế 1.3.1 Khái niệm VaR 10 v i Đạ ng ườ Tr 1.3.2 Đặc điểm 11 1.3.3 Các thông số ảnh hưởng đến VaR 11 1.3.4 Phương pháp tiếp cận VaR truyền thống 12 1.3.5 Các hạn chế mô hình VaR 16 1.3.6 Phương pháp tiếp cận VaR mở rộng 17 1.4 Tổng quan CVaR 25 1.4.1 Khái niệm 25 1.4.2 Vai trò .25 cK họ 1.4.3 Phương pháp tính CVaR 26 1.4.4 Mối quan hệ VaR CVaR 26 1.5 Quá trình quản trị rủi ro danh mục cổ phiếu dựa mô hình VaR, CVaR mô hình mở rộng .28 1.5.1 Nhận diện rủi ro 28 1.5.2 Đo lường rủi ro 28 inh 1.5.3 Kiểm soát rủi ro 28 1.5.4 Tài trợ rủi ro: 30 1.6 Tổng quan nghiên cứu nước .30 tế 1.6.1 Các nghiên cứu nước 30 1.6.2 Các nghiên cứu nước .31 Đạ 1.6.3 Kết luận: 32 Chương 2: ỨNG DỤNG KẾT HỢP MÔ HÌNH VAR, CVAR VÀ CÁC MÔ HÌNH MỞ RỘNG TRONG QUẢN TRỊ RỦI RO ĐỐI VỚI DANH MỤC CỔ ih PHIẾU NIÊM YẾT 33 2.1 Thực trạng tình hình thị trường chứng khoán Việt Nam giai đoạn 2014 – 2016 33 ọc 2.2 Giới thiệu danh mục 34 2.2.1 Một số tiêu chuẩn để lựa chọn cổ phiếu 34 Hu 2.2.2 Giả thiết 35 2.2.3 Danh mục cổ phiếu 35 2.2.4 Tỷ trọng cổ phiếu danh mục 35 ế 2.3 Ứng dụng mô hình VaR để đo lường rủi ro danh mục 36 vi i Đạ ng ườ Tr 2.3.1.Tính VaR theo phương pháp truyền thống 36 2.3.2 Tính VaR theo mô hình mở rộng .41 2.3.3 Ứng lượng VaR 52 2.3.4 Ứng dụng Back-test để kiểm tra tính xác VaR .60 2.3.5 Ước lượng CVaR 61 CHƯƠNG 3: GIẢI PHÁP NHẰM QUẢN TRỊ RỦI RO DANH MỤC CỔ PHIẾU TRÊN SÀN GIAO DỊCH CHỨNG KHOÁN VIỆT NAM .62 3.1 Ứng dụng mô hình VaR, CVaR mô hình mở rộng để quản trị rủi ro cK họ danh mục 62 3.1.1 Nhận diện rủi ro 62 3.1.2 Đo lường rủi ro 62 3.1.3 Kiểm soát rủi ro 62 3.1.4 Tài trợ rủi ro 66 3.2 Thảo luận kết 69 inh 3.3 Đề xuất giải pháp 70 PHẦN III: KẾT LUẬN 71 Kết đạt .71 tế Hạn chế đề tài .71 Hướng phát triển đề tài .72 Đạ DANH MỤC TÀI LIỆU THAM KHẢO .73 PHỤ LỤC 76 ih ọc ế Hu vii i Đạ ng ườ Tr DANH MỤC HÌNH VẺ, BIỂU ĐỒ Trang Hình 1.1- Vị trí VaR CVaR đồ thị phân bổ tổn thất .27 Hình 1.2- Mối liên hệ CVaR, CVaR+, CVaR- VaR 27 Biểu đồ 2.1- Dạng phân phối xác suất cổ phiếu VNM .42 Biểu đồ 2.2- Hàm tương quan tự tương quan riêng phần chuỗi lợi suất VNM 44 Biểu đồ 2.3- Hàm tương quan tự tương quan riêng phần phần dư 46 cK họ Biểu đồ 2.4- Kết tính TSSL trung bình danh mục Monte Carlo độ tin cậy 95% 55 Biểu đồ 2.5- Kết tính TSSL trung bình danh mục Monte Carlo độ tin cậy 99% 56 Biểu đồ 2.6- Kết tính TSSL trung bình danh mục Monte Carlo độ tin cậy 95% 57 Biểu đồ 3.1 - Kết tính VaR-Montel Carlo mức tin cậy 95% sau hiệu chỉnh tỉ trọng .66 inh tế ih Đạ ọc ế Hu viii i Đạ ng ườ Tr DANH MỤC BẢNG BIỂU Trang Bảng 1.1- Ma trận phương sai-hiệp phương sai 14 Bảng 1.2- Kiểm soát rủi ro dựa mô hình CVaR ARMA/GARCH .29 Bảng 2.1 - Tỷ trọng cổ phiếu danh mục 36 Bảng 2.2 - TSSL TB ngày, phương sai, độ lệch chuẩn tỷ trọng cổ phiếu danh mục đầu tư .36 Bảng 2.3- Ma trận phương sai – hiệp phương sai cổ phiếu DMĐT 35 cK họ Bảng 2.4- Tỷ suất sinh lời, phương sai, độ lệch chuẩn danh mục 37 Bảng 2.5- Giá cổ phiếu giá trị danh mục đầu tư 38 Bảng 2.6- Tỷ suất sinh lời cổ phiếu danh mục đầu tư 39 Bảng 2.7- Kết tính VaR theo hai phương pháp truyền thống 40 Bảng 2.8- So sánh giá trị phân phối xác suất cổ phiếu DMĐT 42 inh Bảng 2.9- Kết kiểm định tính dừng 43 Bảng 2.10- Kết ước lượng Eview mô hình thử nghiệm 45 Bảng 2.11- So sánh chọn mô hình phù hợp 46 Bảng 2.12- Kết kiểm định ADF phần dư 47 tế Bảng 2.13- Kết kiểm định cổ phiếu VNM 47 Bảng 2.14-Kết kiểm định cáccổ phiếu DMĐT 48 Đạ Bảng 2.15- Kết kiểm định cổ phiếu ACC 48 Bảng 2.16- Kết Eview cho mô hình GARCH(1,0) thử nghiệm 49 ih Bảng 2.17- Kết Eview cho mô hình GARCH(1,1) thử nghiệm 49 Bảng 2.18- Kết Eview cho mô hình GARCH(1,1) thử nghiệm 50 Bảng 2.19- So sánh tiêu mô hình GARCH thử nghiệm 50 ọc Bảng 2.20- Kết kiểm tra lại PSSS 51 Bảng 2.21- Kết ước lượng mô hình AR(1), AR(2), AR(3), MA(1)/GARCH(1,0) .51 Hu Bảng 2.22-Kết ước lượng mô hình ARMA/GARCH cổ phiếu DMĐT 51 Bảng 2.23- Kết dự báo TSSL Tỉ trọng cổ phiếu cho ngày 09/03/2015 .48 Bảng 2.24- Ma trận phương sai-hiệp phương sai DMĐT sau hiệu chỉnh 53 ế Bảng 2.25- Kết tính TSSL Độ lệch chuẩn DMĐT sau hiệu chỉnh 54 ix i Đạ ng ườ Tr Bài nghiên cứu đưa trường hợp kết chi phí tài trợ tương ứng để qua giúp cho NĐT đưa chiến lược phù hợp trình quản trị rủi ro, nhiên thấy dự báo từ mô hình ARMA/GARCH số sai sót định Vì vậy, ta cần xem xét đưa biện pháp nhằm khắc phục sai số tối thiểu để nghiên cứu sau hoàn thiện xác 3.2 Thảo luận kết Đề tài nghiên cứu dựa việc áp dụng mô hình VaR theo hai hướng truyền thống mở rộng CVaR vào QTRR cho DMĐT niêm yết đem lại số kết cK họ sau: - Kết tính toán VaR CVaR tương đối xác tính toán khoản lời thực tế 727.667 đồng không vượt mức dự đoán 20,861,000 đồng Kết cho thấy việc định lượng VaR mô hình ARMA/GARCH, việc ứng dụng CVaR để khắc phục nhược điểm VaR inh cuối sử dụng kiểm định Back-test để tạo sở tin cậy cho việc đưa định phòng ngừa rủi ro - Kết dự báo DMĐT mô hình ARMA/GARCH cho khoản lỗ tế 657.296 đồng tính toán từ thực tế lại cho khoản lời 727.667 đồng Ta thấy kết dự báo so với thực tế không hoàn toàn xác mức sai dự phòng rủi ro hợp lý Đạ lệch lớn nên phần giúp cho NĐT đưa mức độ ih - Việc kết hợp mô hình VaR, CVaR, mô hình mở rộng khác giúp cho NĐT đưa biện pháp phòng ngừa hiệu phù hợp với thực tế Bài nghiên cứu tóm gọn hai trường hợp tiêu biểu để QTRR mà NĐT có ọc thể gặp phải “có khả tăng dự phòng” “không có khả tăng dự phòng” cần thiết trường hợp VaR, CVaR danh mục tính lớn khoản dự Hu phòng có NĐT Bên cạnh đó, cần xem xét giá trị VaR, CVaR ước tính so sánh với khoản lỗ/lời dự báo từ mô hình ARMA/GARCH để có nhìn xác Với kết điều chỉnh mức tài trợ rủi ro cho thấy kết khả quan ế 69 i Đạ ng ườ Tr - Cuối cùng, việc ứng dụng mô hình ARMA/GARCH không góp phần làm tăng thêm tính cậy cho việc ước lượng VaR, CVaR mà làm sở cho việc điều chỉnh tỷ trọng DMĐT đắn So với nghiên cứu đề cập phần 1.6, đề tài đưa kết tương đối xác, khắc phục hạn chế VaR Bên cạnh đó, đề tài đưa dự báo khoản lời/lỗ danh mục cho ngày mai Ngoài ra,việc đưa biện pháp phòng ngừa hiệu phù hợp với thực tế giúp cho nhà đầu tư đưa mức độ dự phòng rủi ro hợp lý Đây cK họ điểm nghiên cứu 3.3 Đề xuất giải pháp Để trình quản trị rủi ro hiệu quả, cần đưa số giải pháp sau: - Phát triển thêm hệ thống thu thập xử lý thông tin thông tin inh hệ thống xử lý ảnh hưởng trực tiếp đến kết tính toán, - Lựa chọn khoảng thời gian có biến động mạnh yếu tố đầu vào làm tăng tính xác mô hình tế - Ta ứng dụng mô hình ARMA/GARCH để hiệu chỉnh số liệu đầu vào để giảm thiểu sai số phạm vi cho phép Đạ - NĐT cần có chiến thuật quản trị rủi ro danh mục hợp lý với trường hợp thực tế đa dạng phức tạp - Đối với khoản dự phòng: ih  Trường hợp NĐT có tăng dự phòng khả họ lựa chọn cách huy động nguồn lực bên điều chỉnh tỷ trọng ọc DMĐT  Trường hợp NĐT có khả tăng dự phòng cần xem xét lại giá trị Hu VaR, CVaR tính để xem thử có nên chấp nhận hay không mức rủi ro Sau đó, so sánh với kết dự báo từ mô hình ARMA/GARCH để có định xác Và nhà đầu tư cần lựa chọn nguồn dự phòng với chi phí phù hợp để ế giảm thiểu chi phí tài trợ rủi ro 70 i Đạ ng ườ Tr PHẦN III: KẾT LUẬN Kết đạt Bài nghiên cứu giúp tổng hợp lý luận, cung cấp chứng minh tính hiệu phương pháp đo lường quản trị rủi ro nói chung mô hình VaR nói riêng Qua đó, giúp cho nhà đầu tư đưa định đắn để hạn chế tổn thất quản trị danh mục tài sản cK họ Đề tài nghiên cứu làm rõ nội dung sau: - Thứ nhất, đề tài sử dụng phương pháp tính VaR theo hai hướng tiếp cận truyền thống mở rộng Trong đó, phương pháp tiếp cận theo kiểu truyền thống bao gồm hai phương pháp chính: phương pháp lịch sử phương sai – hiệp phương sai Ngoài ra, để khắc phục hạn chế phương pháp tính VaR truyền thống, đề tài đề xuất thêm nghiên cứu mô hình VaR theo hướng mở rộng như: CVaR, mô inh hình ARMA/GARCH , phương pháp RiskMetrics, … Sự xuất mô hình ARMA/GARCH CVaR đem đến kết khả quan tính hiệu áp dụng mô hình đo lường rủi ro (VaR) để quản trị danh mục cổ phiếu niêm tế yết thị trường chứng khoán Việt Nam - Thứ hai, cần thiết thực kiểm định Back-test để kiểm tra tính lượng hóa VaR Đạ xác VaR nhằm giúp cho nhà đầu tư nâng cao mức độ tin tưởng việc ih Tóm lại, việc vận dụng kết hợp mô hình VaR, CVaR ARMA/GARCH đem đến nhiều kết tích cực Tuy nhiên, đề tài hạn chế cần khắc phục để hoàn thiện cách tốt  Hạn chế giả thiết mô hình VaR: ọc Hạn chế đề tài Hu - Phương pháp tồn số giả thiết chặt chẽ đòi hỏi tài sản phải biến động theo phân phối chuẩn Nhưng thị trường tài Việt ế 71 i Đạ ng ườ Tr Nam giả thiết với tài sản, nên gặp phải số khó khăn việc tính toán - Hoặc việc giả định hoạt động mua bán TTCK diễn liên tục không tuân thủ theo quy luật T +  Hạn chế từ phương pháp đo lường: - Việc xác định xác phân phối DMĐT nhiều khó khăn, việc chọn phân phối Beta mang tính tương đối nên chưa đảm bảo hoàn toàn tính xác cho kết tính toán VaR cK họ - Mô hình ARMA/GARCH chưa tối ưu phụ thuộc mô hình giả định tuyến tính Hướng phát triển đề tài Trên sở hạn chế nêu trên, đề tài đề xuất số hướng phát triển sau: inh - Ngoài việc kiểm định Back-test, ta sử dụng kiểm định khác để tăng tính thuyết phục như: Kiểm định Kupiec (1995), kiểm định dựa tiêu chuẩn Ủy ban Basel, kiểm định có điều kiện Christoffersen (2003) tế - Để dảm bảo tính xác việc lựa chọn phân phối cho chuỗi liệu, ta cần kết hợp số thuật toán thông qua phần mềm lập trình như: Đạ MATLAB, STATA, - Ngoài ra, ta sử dụng số phương pháp khác như: Stress- test để kiểm tra VaR điều kiện bất thường, tính E – VaR nhằm khắc phục ih giá trị VaR kết xác hơn, sử dụng Copula điều kiện công cụ toán học mạnh cho hàm xác suất phân phối đặc biệt bác bỏ giả ọc thiết phân phối chuẩn ế Hu 72 i Đạ ng ườ Tr DANH MỤC TÀI LIỆU THAM KHẢO  Tài liệu tham khảo nước: [1] Lê Chí Đạt, Lê Tuấn Anh (2012), “ Kết hợp phương pháp CVaR mô hình Merton/KMV để đo lường rủi ro vỡ nợ” Tạp chí phát triển Hội nhập – Số 15” [2] Vũ Thị Gương (2012) “ Kỹ thuật khai phá liệu chuỗi thời gian áp dụng dự báo giá chứng khoán” [3] Trần Mạnh Hà (2010), “ Ứng dụng Value at Risk việc cảnh báo giám cK họ sát rủi ro thị trường hệ thống NHTM Việt Nam” [4] Nguyễn Trọng Hoài(2010) “ Mô hình hóa dự báo chuỗi thời gian kinh doanh kinh tế- Nhà xuất Đại học Quốc gia Tp.HCM” [5] Trần Quang Huy (2014) “ Nghiên cứu ứng dụng mô hình VaR (Value at Risk) inh mô hình ARIMA (Autoregressive Integrated Moving Average) vào quản trị rủi ro danh mục cổ phiếu niêm yết” [6] Trần Thế Hưng (2010) “ Ứng dụng phương pháp VaR việc xác định giá tế trị rủi ro cổ phiếu thị trường chứng khoán Việt Nam, Khoa Toán Kinh tế, Đại học Kinh tế Quốc dân Hà Nội” Đạ [7] Đặng Hữu Mẫn (2009) “ Nghiên cứu chất lượng dự báo mô hình quản trị rủi ro thị trường vốn- trường hợp Value at Risk models” [8] Hoàng Như Thịnh (2013), “ Phân tích rủi ro tín dụng Ngân hàng Á Châu – Sử ih dụng mô hình Value at Risk, Conditional Value at Risk mô hình mở rộng” [9] Nguyễn Huyền Trang (2015) “ Nghiên cứu ứng dụng mô hình VaR, CVaR ọc ARMA/GARCH vào quản trị rủi ro danh mục cổ phiếu niêm yết” [10] Nguyễn Thị Ngọc Trang (2012), Quản trị rủi ro tài chính, NXB Thống kê Hu [11] Đỗ Nam Tùng (2010) “ Quản trị rủi ro mô hình VaR phương pháp ước lượng sử dụng Copula điều kiện”, Đề tài đạt giải Nhì giải thưởng “ Sinh Viên ế 73 i Đạ ng ườ Tr Nghiên Cứu Khoa Học” cấp giải thưởng Vifotec, Đại học kinh tế Quốc Dân Hà Nội [12] Chương trình giảng dạy kinh tế FullBright (2014), “ Kinh tế lượng chuỗi thời gian – Dự báo với mô hình ARIMA VaR”  Tài liệu tham khảo nước ngoài: [1] Carol Alexander (2001), Market Models, Copyright John Wiley & Sons Lid [2] Gregory P Hopper (1996), Value at risk: A new Methodology for Measuring cK họ Portfolio Risk, Business Review, pp 154-160 [3] Jamie Monogan (2009), ARIMA Estimanation – Adapting Maximum Likelihood to the Special Issues of Time Series, 75(1), pp.156-190 [4] John C Hull (Third Edition), Risk Management and Financial Instutions Edn, Morgan, New inh [5] Morgan J.P (1996), RiskMetrics: Technical Document, York, United States, Pages: 284 [6] Nieppola O., (2009), Backtesting Value at Risk Models tế [7] Paul H Kupiec (1995), Techniques for Verifying the Accuracy of Risk Measurement Models, Washington, DC : Division of Research and Statistics, Division of Monetary affairs, Federal Reserve Board Đạ [8] Roy Batchelor (2004), Box-Jenkins Analysis, Cass Business school, City of London, pp.43-76 ih [9] Ulrich Kohler, Frauke Kreuter (2005), Data Analysis Using Stata, Stata Press [10]Thomas J Linsmeier and Neil D Pearson (1996), Risk Measurement: An  Một số trang web tham khảo: [2]www.finance.vietstock.vn ế Hu [1] www.cophieu68.com ọc Introduction to Value at Risk, pp.3-4 74 i Đạ ng ườ Tr [3] www.vneconomy.vn [4]www.dankinhte.vn/khai-niem-va-dac-diem-cua-chung-khoan/ [5] www.voer.edu.vn/m/chung-khoan/ [6] http://vietbao.vn/Kinh-te/Thi-truong-chung-khoan-Viet-Nam-2014-mot-namnhin-lai/2147521613/91/ [7] http://tapchitaichinh.vn/thi-truong-tai-chinh/chung-khoan/thi-truong-chungkhoan-viet-nam-nam-2016-bien-thach-thuc-thanh-co-hoi-76122.html cK họ [8] http://cafef.vn/thi-truong-chung-khoan/thi-truong-chung-khoan-viet-nam-2016cua-thang-co-cao-20160113143628406.chn inh tế ih Đạ ọc ế Hu 75 i Đạ ng ườ Tr STT PHỤ LỤC PHỤ LỤC Danh sách cổ phiếu danh mục MCK Công ty Cổ phần Sữa VNM 19/01/2006 Thực phẩm NGÀNH VCB 30/06/2009 Ngân hàng – YẾT Việt Nam Ngân hàng Thương mại cK họ NGÀY NIÊM CÔNG TY Cổ phần Ngoại thương Bảo hiểm Việt Nam Công ty Cổ phần FPT Tổng công ty Cổ phần Công ty Cổ phần Xuất AGF 02/05/2002 Thủy sản Công ty Cổ phần Tập VNC đoàn Vinacontrol Công ty Cổ phần bê ACC tông BECAMEX Công ty Cổ phần Thiết JVC bị Y tế Việt Nhật Công ty Cổ phần Đầu tư 21/06/2011 lịch Vật liệu – Xây dựng Dược phẩm/ Y ITC 19/10/2009 Bất động sản TNC 22/08/2007 Cao su ế Hu Thống Nhất 30/06/2011 Dịch vụ - Du tế/ Hóa chất – Kinh doanh nhà Công ty Cổ phần Cao su 21/12/2006 ọc 10 Dầu khí ih 05/11/2007 Đạ DPM tế Viễn thông nhập thủy sản An Giang Công nghệ - phân bón hóa chất dầu khí 13/12/2006 inh FPT 76 i Đạ ng ườ Tr PHỤ LỤC KIỂM ĐỊNH PHÂN PHỐI CHUẨN VÀ TÍNH DỪNG VNC: 300 250 Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=18) Mean Median Maximum Minimum Std Dev Skewness Kurtosis 200 150 -0.000918 0.000000 0.069959 -1.000000 0.048369 -16.61302 343.7163 cK họ 100 Null Hypothesis: VNC has a unit root Series: VCB Sample 533 Observations 532 Jarque-Bera 2597747 Probability 0.000000 50 -1.0 -0.8 -0.6 -0.4 -0.2 t-Statistic Prob.* Augmented Dickey-Fuller test statistic -24.83305 0.0000 Test critical values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 0.0 *MacKinnon (1996) one-sided p-values inh FPT: 300 Null Hypothesis: FPT has a unit root Series: FPT Sample 533 Observations 532 250 Exogenous: Constant 150 -0.001667 0.000000 0.062753 -1.000000 0.047750 -17.41090 361.4922 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 Prob.* Augmented Dickey-Fuller test statistic -22.64270 0.0000 Test critical values: ih Jarque-Bera 2875664 Probability 0.000000 50 t-Statistic Đạ 100 tế Lag Length: (Automatic - based on SIC, maxlag=18) Mean Median Maximum Minimum Std Dev Skewness Kurtosis 200 1% level -3.442437 5% level -2.866764 10% level -2.569613 ọc *MacKinnon (1996) one-sided p-values ế Hu 77 i Đạ ng ườ Tr DPM: 300 250 Mean Median Maximum Minimum Std Dev Skewness Kurtosis 200 150 100 -0.8 -0.6 -0.002493 0.000000 0.065646 -1.000000 0.046255 -18.92862 408.2228 -0.4 -0.2 t-Statistic Prob.* -23.11082 0.0000 Augmented Dickey-Fuller test Test critical 0.0 values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 *MacKinnon (1996) one-sided p-values inh AGF: 300 Null Hypothesis: AGF has a unit root Series: AGF Sample 533 Observations 532 250 150 -0.035920 0.000000 0.070000 -1.000000 0.187453 -4.855488 25.08851 Jarque-Bera 12905.55 Probability 0.000000 50 -0.8 -0.6 -0.4 -0.2 0.0 t-Statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: -6.855272 0.0000 ih Lag Length: (Automatic - based on SIC, maxlag=18) Đạ 100 Exogenous: Constant tế Mean Median Maximum Minimum Std Dev Skewness Kurtosis 200 -1.0 Lag Length: (Automatic - based on SIC, maxlag=18) statistic cK họ -1.0 Exogenous: Constant Jarque-Bera 3671658 Probability 0.000000 50 Null Hypothesis: DPM has a unit root Series: DPM Sample 533 Observations 532 1% level -3.442530 5% level -2.866805 ọc 10% level -2.569635 *MacKinnon (1996) one-sided p-values ế Hu 78 i Đạ ng ườ Tr VNC: 350 300 250 200 150 100 -0.8 -0.6 Mean Median Maximum Minimum Std Dev Skewness Kurtosis Lag Length: (Automatic - based on SIC, maxlag=18) Exogenous: Constant 0.000188 0.000000 0.111111 -1.000000 0.053769 -12.06422 226.6566 -0.4 -0.2 statistic Prob.* -24.83305 0.0000 Test 0.0 critical values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 *MacKinnon (1996) one-sided p-values inh ACC: 120 100 60 40 0.000398 0.000000 0.057143 -0.050700 0.011510 -0.078537 5.549158 Lag Length: (Automatic - based on SIC, maxlag=18) statistic 0.00 0.02 0.04 0.06 -19.68898 critical values: 1% level 5% level -3.442437 -2.866764 Hu 10% level 0.0000 ọc -0.02 Prob.* Augmented Dickey-Fuller test Test t-Statistic ih Jarque-Bera 144.5904 Probability 0.000000 20 Exogenous: Constant Đạ Mean Median Maximum Minimum Std Dev Skewness Kurtosis 80 Null Hypothesis: ACC has a unit root tế Series: ACC Sample 533 Observations 532 -0.04 t-Statistic Augmented Dickey-Fuller test cK họ -1.0 Null Hypothesis: VNC has a unit root Jarque-Bera 1121732 Probability 0.000000 50 Series: VNC Sample 533 Observations 532 -2.569613 *MacKinnon (1996) one-sided p-values ế 79 i Đạ ng ườ Tr JVC: 280 240 200 160 120 80 -0.8 -0.6 Mean Median Maximum Minimum Std Dev Skewness Kurtosis Lag Length: (Automatic - based on SIC, maxlag=18) -0.4 -0.2 0.0 t-Statistic Prob.* -21.25061 0.0000 Augmented Dickey-Fuller test statistic Test critical values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 *MacKinnon (1996) one-sided p-values inh ITC: 350 Series: ITC Sample 533 Observations 532 300 200 150 100 -0.001552 0.000000 0.069444 -1.000000 0.048438 -16.49209 340.7835 -0.8 -0.6 -0.4 -0.2 0.0 Lag Length: (Automatic - based on SIC, maxlag=18) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -23.46102 0.0000 Test critical values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 ih Jarque-Bera 2553282 Probability 0.000000 50 Exogenous: Constant Đạ Mean Median Maximum Minimum Std Dev Skewness Kurtosis Null Hypothesis: ITC has a unit root tế 250 -1.0 Exogenous: Constant -0.003924 0.000000 0.069767 -1.000000 0.053351 -12.25104 229.6157 cK họ -1.0 Null Hypothesis: JVC has a unit root Jarque-Bera 1151670 Probability 0.000000 40 Series: JVC Sample 533 Observations 532 ọc *MacKinnon (1996) one-sided p-values ế Hu 80 i Đạ ng ườ Tr TNC: 350 300 250 200 150 100 Series: TNC Sample 533 Observations 532 Null Hypothesis: TNC has a unit root Mean Median Maximum Minimum Std Dev Skewness Kurtosis Lag Length: (Automatic - based on SIC, maxlag=18) -0.045415 0.000000 0.070000 -1.000000 0.208667 -4.315142 19.83810 -0.6 cK họ -0.8 -0.4 -0.2 t-Statistic Prob.* -24.24778 0.0000 Augmented Dickey-Fuller test Jarque-Bera 7935.741 Probability 0.000000 50 -1.0 Exogenous: Constant statistic Test 0.0 critical values: 1% level -3.442437 5% level -2.866764 10% level -2.569613 *MacKinnon (1996) one-sided p-values inh tế ih Đạ ọc ế Hu 81 i Đạ ng ườ Tr MÔ HÌNH ARMA- GARCH ACC: Variable Coefficient Std Error z-Statistic Prob C AR(1) AR(2) AR(3) MA(1) 0.000423 0.142249 -0.021347 0.070402 0.085449 0.000656 0.513870 0.119411 0.043426 0.516965 0.644665 0.276819 -0.178770 1.621180 0.165289 0.5191 0.7819 0.8581 0.1050 0.8687 6.79E-06 0.057360 14.83282 4.133859 0.0000 0.0000 Variance Equation cK họ C RESID(-1)^2 R-squared Adjusted R-squared S.E of regression vSum squared resid Log likelihood Durbin-Watson stat Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter 0.000536 0.011768 -6.127180 -6.070664 -6.105057 Coefficient Std Error z-Statistic Prob 0.000339 1.187982 -0.249530 0.043103 -0.993736 0.000238 0.050499 0.078562 0.049237 0.002146 1.428912 23.52486 -3.176204 0.875418 -463.1225 0.1530 0.0000 0.0015 0.3813 0.0000 2.072295 4.286424 16.26983 0.0382 0.0000 0.0000 tế C AR(1) AR(2) AR(3) MA(1) 0.050310 0.043061 0.011512 0.069440 1627.639 2.026786 inh Variable 0.000101 0.237120 Đạ Variance Equation C RESID(-1)^2 GARCH(-1) Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter ọc 0.046272 0.038992 0.011536 0.069735 1655.113 1.981881 3.54E-06 0.034323 0.049515 ih R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 7.33E-06 0.147122 0.805595 0.000536 0.011768 -6.227269 -6.162679 -6.201985 ế Hu 82 i Đạ ng ườ Tr Variable Coefficient Std Error z-Statistic Prob C 0.000401 0.000204 1.968097 0.0491 AR(1) 1.187611 0.051585 23.02250 0.0000 AR(2) -0.240370 0.079820 -3.011405 0.0026 AR(3) 0.026482 0.050631 0.523045 0.6009 MA(1) -0.990848 0.005935 -166.9559 0.0000 cK họ Variance Equation C 7.13E-06 3.86E-06 1.845564 0.0650 RESID(-1)^2 0.162472 0.046469 3.496378 0.0005 RESID(-2)^2 -0.026963 0.054040 -0.498946 0.6178 GARCH(-1) 0.816668 0.062065 13.15816 0.0000 inh R-squared Mean dependent var 0.000536 0.036710 S.D dependent var 0.011768 0.011550 Akaike info criterion -6.226174 Sum squared resid 0.069900 Schwarz criterion -6.153511 Log likelihood 1655.823 Hannan-Quinn criter -6.197730 Durbin-Watson stat 1.987885 Adjusted R-squared S.E of regression tế 0.044007 ih Đạ ọc ế Hu 83