thuyết trình phân bổ tài sản ( asset allocation)

Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí MƠN ĐẦU TƯ TÀI CHÍNH ĐỀ TÀI: PHÂN BỔ TÀI SẢN I Lý thuyết phân bổ tài sản Khái niệm 1.1 Phân bổ tài sản gì? Phân bổ tài sản chiến lược đầu tư cố gắng để cân rủi ro so với lợi suất cách điều chỉnh tỷ lệ phần trăm tài sản danh mục đầu tư theo khả chịu đựng rủi ro đầu tư, mục tiêu khung thời gian đầu tư Phân bổ tài sản yếu tố quan trọng việc xác định lợi nhuận cho danh mục đầu tư Nhìn chung phân bổ tài sản định nghĩa phân bổ loại tài sản danh mục nhà đầu tư ( William F Sharpe, 1992 ) 1.2 Cách thức phân bổ tài sản: Phân bổ tài sản chiến lược ( Strategic asset allocation-SAA ) Là việc phân bổ tài sản quy định cụ thể tỷ lệ loại tài sản khác danh mục đầu tư, cung cấp cho nhà đầu tư với mức độ rủi ro / tỷ suất sinh lợi để đạt mục tiêu dài hạn Phân bổ tài sản chiến thuật ( Tactical asset allocation-TAA ) Là kết quản trị động mà nhà quản lý chuyển hướng từ phân bổ tài sản chiến lược để tận dụng lợi hội nhận ngắn hạn thị trường Mục tiêu phân bổ tài sản chiến thuật TAA để cải thiện lợi nhuận, điều chỉnh rủi ro mục tiêu đầu tư dài hạn Sự khác SAA TAA: Chỉ tiêu Phân bổ tài sản chiến lược Phân bổ tài sản chiến thuật Phạm vi thời gian Trong dài hạn - Ngắn hạn: vài tháng (ý tưởng kinh doanh) - Trung hạn: tháng đến 2-3 năm (ý tưởng chủ đề) Đối tượng Rủi ro tỷ suất sinh lợi kỳ vọng -Định giá hạng mục tài sản -Phân tích chu kỳ (kinh tế, thu nhập),thời gian, tâm lý thị trường Trong phân bổ tài sản chiến lược chiến thuật khác nhau, bổ sung cho để đạt đầu tư toàn diện Việc phân bổ tài sản chiến lược cung cấp neo để Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí giúp đảm bảo mục tiêu đầu tư dài hạn đáp ứng, phân bổ tài sản chiến thuật lại thay đổi việc phân bổ tài sản cho hiệu xoay quanh mục tiêu Phân bổ tài sản động tĩnh ( Dynamic and Static Asset Allocation ) - Phân bổ tài sản động: tầm nhìn nhà đầu tư nhiều thời kỳ Hay nói cách khác, thừa nhận thành tài sản thời kỳ tác động đến yêu cầu tỷ suất sinh lợi mức độ rủi ro chấp nhận giai đoạn sau - Phân bổ tĩnh lờ mối liên hệ phân bổ tài sản tối ưu qua thời kỳ khác Ví dụ: nhà quản lý dùng tiếp cận tĩnh ước tính đầu vào trung bình phương sai cần thiết thời điểm xây dựng danh mục dài hạn theo 1.3 Các phương pháp phân bổ tài sản Việc phân bổ tài sản hiệu thực nhiều phương pháp Phương pháp Trung bình – Phương sai ( Mean - Variance (MV ): Xác định danh mục có mức rủi ro thấp cho mức lợi nhuận kỳ vọng Mô đường biên hiệu (Resampled efficient frontier ): Sử dụng tỷ trọng trung bình cho mã chứng khốn tập hợp đường biên hiệu Phương pháp Black – Litterman ( Black- Litterman ): Mức lợi nhuận tính từ số thị trường tồn cầu dựa tỷ trọng giá trị Sử dụng giả định Monte – Carlo ( Monte Carlo simulation : Một phương pháp phân tích Trung bình – Phương sai dựa vào giả định Monte – Carlo Phương pháp quản lý vào tài sản nợ ( Asset Liability ManagementALM ): Tìm kiếm danh sách phân bổ dựa vào việc tối đa hóa khác biệt tài sản nợ tương ứng với mức độ rủi ro Dựa vào kinh nghiệm cá nhân ( Experience based ) Trong đó, phương pháp đạt giải Nobel Kinh tế năm 1990 Lý thuyết quản lý danh mục đầu tư đại Trọng tâm lý thuyết “đường biên hiệu quả” (efficient frontier) Được đúc kết từ phân tích chuyên sâu mối quan hệ rủi ro lợi nhuận thị trường tài chính, đường cong giúp xác định danh mục đầu tư thích hợp bao gồm kết hợp cổ phiếu trái phiếu “Đường biên hiệu quả” xác định bên cạnh đường đồ thị danh mục tài sản đầu tư, phụ thuộc vào mức ngại rủi ro nhà đầu tư vào thời điểm đầu tư Đường biên hiệu Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Đường biên hiệu tập hợp danh mục đầu tư có tỷ suất sinh lợi lớn cho mức độ rủi ro, rủi ro thấp cho mức tỷ suất sinh lợi Do lợi ích việc đa dạng hoá đầu tư tài sản tương quan khơng hồn tồn, mong đợi đường biên hiệu tạo nên danh mục đầu tư cao chứng khoán riêng lẻ Ngoại trừ hai khả xuất điểm cuối, nơi mà tài sản có tỷ suất sinh lợi cao tài sản có rủi ro thấp Như nhà đầu tư, bạn có điểm mục tiêu nằm dọc theo đường biên hiệu dựa hàm lợi ích thái độ hướng đến rủi ro, khơng có danh mục nằm đường hiệu chiếm ưu danh mục đầu tư khác đường hiệu Tất danh mục đầu tư có ước lượng tỷ suất sinh lợi rủi ro khác nhau, với tỷ suất sinh lợi mong đợi gia tăng rủi ro cao Độ dốc đường biên hiệu giảm dần Điều có nghĩa gia tăng mức độ rủi ro di chuyển lên phía đường biên hiệu nhận mức gia tăng nhỏ tỷ suất sinh lợi Những điểm mạnh hạn chế phương pháp phân bổ tài sản: PP phân bổ TS Phương pháp Trung bình – Phương sai Mean- Variance Điểm mạnh - Thực việc tối ưu hóa tạo đường cong hiệu tốn ln có sẵn - Xác định danh mục đầu tư Hạn chế - Số lượng chất ước tính (ví dụ: lợi nhuận kỳ vọng, phương sai, hiệp phương sai) bị áp đảo Trang Đề tài: Phân Bổ Tài Sản (MV) GVHD: TS Lê Đạt Chí với lợi nhuận kỳ vọng cao mức độ rủi ro - Bất kỳ danh mục hiệu (bao gồm lợi nhuận rủi ro) tạo cách kết hợp danh mục tiếp tuyến với tài sản phi rủi ro - Được hiểu chấp nhận rộng rãi - EF ổn định MV truyền thống Một thay đổi nhỏ liệu đầu vào dẫn đến sai số nhỏ - Danh mục có xu hướng đa dạng hóa tốt MV truyền thống - Lợi nhuận kỳ vọng dễ bị ước lượng chệch - Tiếp cận tĩnh (một thời kỳ) - Có thể làm cho danh mục đầu tư đa dạng hóa (danh mục tập trung) kể danh mục tiếp tuyến Black- Litterman - UBL: Đưa tỷ trọng loại tài sản từ số toàn cầu - Điều chỉnh dựa vào điểm mạnh quan điểm sau: + Ổn định đường biên hiệu + Danh mục đầu tư đa dạng hóa tốt BL: Ngược lại với q trình tối ưu hóa: + Thừa nhận ràng buộc danh mục đầu tư, khơng có tỷ trọng âm, loại tài sản bị giới hạn + Danh mục đầu tư đa dạng hóa tốt + Ổn định đường biên hiệu UBL: Thừa nhận không ràng buộc danh mục đầu tư + Dựa vào tỷ suất sinh lợi, độ lệch chuẩn hiệp phương sai khứ + Sử dụng tối ưu hóa trung bình – phương sai BL: Dựa vào độ lệch chuẩn hiệp phương sai khứ + Sử dụng tối ưu hóa trung bình – phương sai + Dựa vào lý thuyết thị trường vốn Monte Carlo simulation - Khắc phục chất tĩnh - Thực phức tạp phân tích MV điển hình - Có thể sinh niềm tin giả, Đường biên hiệu mô phỏngResampled efficient frontier - Không có lý thuyết hỗ trợ danh mục xây dựng qua mơ cung cấp hiệu suất cao so với danh mục đầu tư khác xây dựng thơng qua phân tích trung bình phương sai truyền thống Trang Đề tài: Phân Bổ Tài Sản Quản lý tài sản nợ (ALM) Experience based Dựa vào kinh nghiệp cá nhân - Kết hợp chặt chẽ tác động yếu tố thị trường vốn giả định khác - Có thể sử dụng để tạo phân phối xác suất việc đáp ứng nợ (Ví dụ, ALM) - Xem xét việc phân bổ tài sản khía cạnh nợ - Có thể tạo đường biên ALM mà kết hợp rủi ro lợi nhuận khả đáp ứng nợ - Dựa vào kết hợp kinh nghiệm phân bổ tài sản qua nhiều thập kỷ - Dễ hiểu - Không tốn để thực GVHD: TS Lê Đạt Chí đầu xác liệu đầu vào xác - Đối mặt với ước lượng chệch (tỷ suất sinh lợi mong đợi) - Phương pháp tiếp cận tĩnh trừ kết hợp với mơ hình Monte Carlo phương pháp đa thời kỳ khác - Không dựa vào lý thuyết đầu tư có sở - Cơng cụ phân bổ đơn giản cho số nhà đầu tư  Phương pháp trung bình phương sai Phương pháp trung bình phương sai tiếp cận phân bổ tài sản chiến lược tiếp cận tĩnh (so với tiếp cận đa thời kỳ động) Đường biên trung bình phương sai đường “ngồi rìa” đồ thị kết hợp tất trường hợp có tài sản rủi ro Đường biên hiệu danh mục đường biên trung bình phương sai mà chứa danh mục ( kết hợp) với lợi nhuận kỳ vọng cao mức độ rủi ro Hình ví dụ đường biên hiệu đường biên trung bình phương sai Trục hồnh biểu thị rủi ro đo lường độ lệch chuẩn Trục tung biểu thị lợi nhuận kỳ vọng danh mục Tất danh mục bên đường biên hiệu quả, điểm nằm đường biên trung bình phương sai nằm danh mục phương sai nhỏ tồn cầu điểm cực thuận Bởi có danh mục (trên đường biên hiệu quả) có lợi nhuận kỳ vọng cao có mức độ rủi ro Danh mục tối ưu danh mục thiết yếu với phân bổ khác loại tài sản hữu Để phân tích danh mục hiệu với lợi nhuận kỳ vọng k danh mục tài sản j, đưa cách phân bổ mà độ lệch chuẩn nhỏ Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Bản chất nhận dạng phân bổ có phương sai cực tiểu (danh mục có độ lệch chuẩn cực tiểu tất danh mục có lợi nhuận kỳ vọng) có lợi nhuận kỳ vọng k tổng tỷ trọng loại tài sản Chúng tơi phân tích thành phần danh mục hiệu đường biên hiệu qủa, phân tích danh mục đường biên hiệu với tỷ trọng trung bình hai danh mục  Đường biên hiệu mơ Một nhược điểm quan trọng để tạo đường biên hiệu thơng qua tối ưu hóa phương pháp trung bình phương sai truyền thống độ nhạy cảm đường biên đến thay đổi yếu tố đầu vào Và thân yếu tố đầu vào (ví dụ: tỷ suất sinh lợi mong đợi, hiệp phương sai) ước tính, phụ thuộc vào đường biên hiệu phát triển thơng qua tối ưu hóa trung bình phương sai đơn truyền thống lại vấn đề Đáp lại, Michaud1 phát triển phương pháp tiếp cận mơ sử dụng trung bình lịch sử, phương sai hiệp phương sai loại tài sản, đó, kết hợp với dự báo thị trường vốn, giả định chúng đại diện hợp lý cho kỳ vọng Kỹ thuật mô ông dựa mô Monte Carlo rút từ phân phối để phát triển đường biên hiệu mô Khi mô thực hàng ngàn lần, danh mục đầu tư hiệu mức tỷ suất sinh lợi, kết đường biên hiệu kết trình trung bình Thay đường cong đơn, sắc nét, nhọn, đường biên hiệu mô vết mờ Ở mức tỷ suất sinh lợi, danh mục đầu tư mô hiệu điểm phân phối ( tỷ suất sinh lợi kỳ vọng điểm đường cong hình chng phân phối chuẩn ) Thành phần danh mục đầu tư thay đổi bạn di chuyển xa điểm Trong chiều ngược lại, tối ưu hóa phương pháp trung bình phương sai truyền thống mang lại danh mục đầu tư với tỷ trọng loại tài sản mức tỷ suất sinh lợi Bằng cách sử dụng kỹ thuật mô phỏng, nhà quản lý danh mục đầu tư đánh giá cần thiết cho việc tái cân đối Ví dụ: danh mục đầu tư nhà quản lý nằm khoảng tin cậy 90% danh mục đầu tư hiệu nhất, coi tương đương mặt thống kê Đó là, tái Michaud, Richard, 1989 "The Markowitz Optimation Enigma”: Is Optimized Optimal?", Financial Analysis Journal, January Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí cân đối tỷ trọng lượng tối ưu không tạo thay đổi có ý nghĩa thống kê rủi ro tỷ suất sinh lợi Mơ có hai lợi lớn so với truyền thống - Đầu tiên, sử dụng q trình trung bình, đường biên hiệu tạo ổn định đường biên hiệu trung bình phương sai truyền thống, thay đổi nhỏ biến đầu vào kết thay đổi nhỏ REF - Tiếp theo, danh mục tạo thông qua q trình có xu hướng đa dạng hóa tốt Điểm hạn chế lớn mô thiếu lý thuyết sở Đơn giản lý thuyết hợp lý để hỗ trợ cho luận điểm danh mục xây dựng thông qua mô nên cung cấp hiệu suất cao liên quan đến danh mục xây dựng thông qua phân tích trung bình phương sai truyền thống  Black-Litterman Với động tương tự Michaud (mô phỏng), Black and Litterman phát triển hai mơ hình để giải vấn đề liên quan đến lỗi ước lượng, đặc biệt tỷ suất sinh lợi mong đợi: (1) mơ hình Black-Litterman khơng bị ràng buộc (UBL) (2) Mơ hình Black-Litterman (BL) Chúng tơi đề cập đến UBL, phần đọc giao chủ yếu vào BL  Các mơ hình Black - Litterman khơng bị ràng buộc UBL rút tỷ trọng loại tài sản từ số tồn cầu Áp dụng quy trình Bayesian, người quản lý làm tăng hay giảm tỷ trọng dựa quan điểm tỷ suất sinh lợi tài sản mong đợi mạnh quan điểm Quản lý thể sức mạnh quan điểm thơng qua phương sai gán giá trị mong đợi- phân bố thu hẹp, quan điểm mạnh mẽ Đây phương pháp trực tiếp cho nhà quản lý để lựa chọn việc phân bổ tài sản, tỷ trọng danh mục đầu tư thường gần với điểm chuẩn Ngoài ra, trọng số dựa danh mục đầu tư đa dạng toàn cầu, danh mục đầu tư kết có xu hướng đa dạng  Mơ hình Black-Litterman (BL) cho danh mục đầu tư đa dạng mà kết hợp quan điểm nhà quản lý tỷ suất sinh lợi tài sản Trong q trình ngược lại tối ưu hóa trung bình phương sai, nhà quản lý đưa vào tỷ trọng tài sản toàn cầu hiệp phương sai giải tỷ suất sinh lợi Bởi tỷ suất sinh lợi rút từ danh mục đầu tư tồn cầu đa dạng hóa, chúng đại diện cho kỳ vọng trung bình (tức là, thị trường) Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Trong UBL, nhà quản lý kết hợp quan điểm họ tỷ suất sinh lợi tài sản đầu tư vào mơ hình điều chỉnh tỷ suất sinh lợi kỳ vọng cho phù hợp Sử dụng tỷ suất sinh lợi điều chỉnh, nhà quản lý điều hành tối ưu hóa trung bình phương sai Nếu người quản lý khơng có kỳ vọng đặc biệt hiệu suất loại tài sản, họ phân bố danh mục đầu tư giống việc phân bố tài sản toàn cầu Nếu họ sử dụng tỷ tài sản tồn cầu, điều có nghĩa họ có khả chịu rủi ro trung bình Đó là, họ sẵn sàng chấp nhận rủi ro tỷ suất sinh lợi thị trường  Monte Carlo mơ Q trình máy tính sử dụng yếu tố đầu vào theo quy định người quản lý Sử dụng chiến lược phân bổ khác (bao gồm phân bổ nhà đầu tư), chương trình kết hợp chặc chẽ tác động yếu tố thị trường vốn giả định khác ( lạm phát, khoảng rộng lợi suất, suy thoái kinh tế, vv, thay đổi kỳ vọng) thời gian tới tổng hợp tác động chúng qua vài khoảng thời gian tương lai Bằng cách này, mơ hình khắc phục chất tĩnh (một thời kỳ) phân tích trung bình phương sai điển hình Các mơ hình chí kết hợp mức thuế suất thuế liên quan đến thu nhập tăng giảm cần thiết để tái điều chỉnh việc phân bổ cách bán mua tài sản khác Nhà quản lý lựa chọn phân bổ chiến lược mang lại kết tốt mục tiêu nhà đầu tư dài hạn (chiến lược)  Mơ hình ALM – Asset Liability Management Các phương pháp phân bổ thảo luận vậy, đến cố gắng xác định việc phân bổ chiến lược đạt kết dài hạn tốt (ví dụ: phân bổ tài sản tốt nhất) Quản lý tài sản nợ (ALM), mặt khác, xem xét việc phân bổ tài sản có liên quan đến nợ, nhóm nợ Cách tiếp cận ALM tìm kiếm tập hợp phân bổ, tối đa hóa khác biệt ( thặng dư ) tài sản nợ mức độ rủi ro (giống đường biên hiệu đại diện cho tỷ suất sinh lợi tối đa mức độ rủi ro) Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Figure ví dụ đường biên hiệu ALM định nghĩa kế hoạch trợ cấp phúc lợi Trục tung Hình giá trị thặng dư kỳ vọng (tài sản trừ nợ) trục hồnh nhóm rủi ro, đo lường độ lệch chuẩn Như với đường biên "hiệu quả", có danh mục đầu tư tối thiểu phương sai ( phân bổ ),trong có thặng dư kỳ vọng nhỏ Khi bạn di chuyển sang bên phải đường biên, thặng dư kỳ vọng rủi ro phân bổ tăng Việc quản lý ( nhiều tùy ý ) chọn phân bổ dọc theo đường biên, nhận họ chấp nhận rủi ro nhiều di chuyển khỏi đường biên Trong hình 2, quản lý lựa chọn việc việc " phân bổ chiến lược." Như với q trình tối ưu hóa khác, ALM u cầu ước tính tất nhóm tham số trung bình phương sai chịu ước lượng chệch Để giúp tránh vấn đề này, người quản lý sử dụng kỹ thuật mơ mơ hình Black-Litterman  Dựa vào kinh nghiệm cá nhân Thay dựa lý thuyết đầu tư có sở, Kỹ thuật dựa kinh nghiệm cá nhân trãi qua nhiều thập kỷ Ví dụ, hướng dẫn chấp nhận nhà đầu tư với kinh nghiệm dài chịu đựng nhiều rủi ro (chúng sử dụng hướng dẫn buổi học xác định mục tiêu rủi ro cho cá nhân) Các chuyên gia trẻ tuổi, ví dụ, nên đầu tư nhiều tài sản rủi ro, lợi nhuận cao chẳng hạn chứng khoán Nghĩ danh mục đầu tư nhà đầu tư có đủ thời gian để phục hồi từ suy giảm giá trị tạm thời Mặt khác, phương pháp người hưu trí, họ Trang Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí chịu đựng rủi ro nên đầu tư vào trái phiếu doanh nghiệp trái phiếu kho bạc chất lượng cao Một hướng dẫn chấp nhận quy tắc 60/40 (60% cổ phiếu đa dạng hóa 40% trái phiếu đa dạng hóa) Quy tắc chấp nhận coi điểm khởi đầu tất phân bổ cá nhân coi cách tiếp cận trung lập Các cổ phiếu danh mục đầu tư cung cấp tiềm tăng trưởng dài hạn trái phiếu thu nhập rủi ro giảm Một dẫn áp dụng để điều chỉnh phân bổ quy tắc "100 tuổi" Thật đơn giản, bạn cần lấy 100 trừ tuổi nhà đầu tư đạt đến phân bổ ưa thích với cổ phần, mà rơi độ tuổi nhà đầu tư I.4 Danh mục chuẩn, quản trị động Danh mục chuẩn: danh mục tham khảo quản trị danh mục động Mục tiêu nhà quản trị động vượt tỷ suất sinh lợi danh mục chuẩn Quản trị động: theo đuổi tỷ suất sinh lợi đầu tư vượt tỷ suất sinh lợi danh mục chuẩn xác định - Các nhà quản trị động đối lập với nhà quản trị thụ động chỗ họ áp dụng thơng tin để đạt tỷ suất sinh lợi cao tỷ suất sinh lợi danh mục chuẩn Trong nhà quản trị thụ động đơn giản cố gắng tạo thành danh mục chuẩn, họ thơng tin 1.5 Phân bổ tài sản truyền thống: Phân bổ tài sản truyền thống dạng phân bổ bỏ qua diện danh mục chuẩn mà đơn giản quan tâm đến đánh đổi tỷ suất sinh lợi vượt trội mong đợi với rủi ro tổng thể Tỷ suất sinh lợi vượt trội tỷ suất sinh lợi so với tỷ suất sinh lợi phi rủi ro Nếu tỷ suất sinh lợi tài sản 3% tỷ suất sinh lợi phi rủi ro 0,5% tỷ suất sinh lợi vượt trội tài sản 2,5% Quy trình phân bổ tài sản: Nghiên cứu chiến lược phân bổ tài sản cho nhà đầu tư tổ chức quy trình gồm bước:  Buoc 1: Dự báo tỷ suất sinh lợi mong đợi loại tài sản  Buoc 2: Xây dựng danh mục đầu tư tối ưu  Buoc 3: Phân tích thành danh mục phạm vi mẫu 2.1 Buoc 1: Dự báo tỷ suất sinh lợi mong đợi loại tài sản: Trang 10 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Quản trị động phải biết dự báo Chia thành loại dự báo: Dự báo vô điều kiện (dự báo sơ khởi): dự báo tỷ suất sinh lợi mong đợi Nó dự báo thiếu thơng tin (khơng am hiểu) => dự báo sơ khởi dẫn đến nắm giữ danh mục chuẩn Dự báo có điều kiện (dự báo có hiểu biết): dự báo dựa vào nguồn thơng tin Phương trình dự báo chuyển dự báo thơ thành dự báo có chọn lọc Kết phương trình dự báo dạng tỷ suất sinh lợi ngoại lệ, điều chỉnh nội dung thông tin dự báo thô E{r|g}= E{r}+ Cov {r,g}.Var-1 {g}.(g- E{g}) (*) Trong đó: r: Vector tỷ suất sinh lợi vượt trội (N tài sản) g: Vector dự báo thô (K dự báo) E{r}: Giá trị dự báo sơ khởi (giá trị dự báo nhất) E{g}: Giá trị dự báo mong đợi E{r|g}: Tỷ suất sinh lợi mong đợi có hiểu biết: tỷ suất sinh lợi mong đợi có điều kiện g Cốt lõi phương trình (*) liên hệ dự báo khác với mức độ mong đợi chúng dự báo tỷ suất sinh lợi khác với mức độ mong đợi chúng Tiếp theo khảo sát tỷ mỉ ý nghĩa việc sử dụng mơ hình dự báo bản: 2.1.1 Giới thiệu mơ hình ARCH GARCH Mơ hình ARCH đặc biệt xây dựng để lập mơ hình dự báo phương sai có điều kiện Phương sai biến phụ thuộc hàm biến phụ thuộc thời kỳ trước, biến độc lập biến ngoại sinh Mơ hình ARCH Engle giới thiệu vào năm 1982 mơ hình GARCH giới thiệu Bollerslev vào năm 1986 Mơ hình GARCH (Generalize AutoRegressive Conditional Heteroskedastaticity - Mơ hình phương sai sai số thay đổi có điều kiện tự hồi quy tổng qt) Mơ hình GARCH (1,1) có dạng: (1) (2) y t  xt    t  t2    t2   t2 Trong đó: Phương trình kỳ vọng (1) hàm biến ngẫu nhiên với biểu thức sai số Phương trình phương sai (2) hàm gồm biến: - Kỳ vọng:  Trang 11 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí - Những thơng tin dao động từ thời kì trước, xác định nhờ bình phương phần dư từ phương trình kỳ vọng:  t2 - Phương sai dự báo giai đoạn trước:  t2 Sự định dạng mơ hình thường giải thích thị trường tài có nhà đầu tư chứng khoán dự báo phương sai tài sản thời kỳ việc tạo trọng số trung bình dài hạn (hằng số) phương sai dự báo giai đoạn trước, thông tin giao động từ thời kỳ trước Mơ hình phù hợp với thay đổi doanh lợi tài sản tài lợi suất tài sản xuất hiện tượng phương sai sai số khơng đồng Phương trình phương sai (2) biểu diễn theo hai cách sau đây: a Thứ nhất:       (1   ) j 1 t j  t2 j Sai số bình phương doanh lợi xác định chênh lệch: vt  t2   t2 Thay vào phương sai phương trình (2) xét thời kỳ (t-1) với phương sai ta có phương trình sau:  t2   (   ) t2  vt  vt  Trong đó, bình phương sai số q trình kiểm định ARMA (1,1) b Thứ hai: Phương trình (2) bao gồm: biến ngoại sinh, biến xu z : ( 2' )  t2    t2   t2  z t Trong đó:  hệ số biến xu z Lưu ý dự báo phương sai từ phương trình khơng đảm bảo dương, hồi quy phương trình ta đặt: z t  xt2 Mơ hình GARCH (p, q) Trang 12 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Sự mở rộng mơ hình GARCH thể mơ hình GARCH (p, q) ước lượng cách chọn p q lớn Mơ hình GARCH (p, q) biểu diễn phương sai có điều kiện có dạng: q       t i t i i 1 p    j t2 j j 1 Trong đó: p: bậc mơ hình GARCH q: bậc mơ hình ARCH 2.1.2 Mơ hình 3: Mơ hình lọc Kalman - Rudolf Kalman (sinh năm 1930) nhà toán học Mỹ gốc Hungary biết đến nhiều cơng trình gọi lọc Kalman (Kalman filter) Vì cơng trình mà năm 2009 Kalman Obama trao tặng National Medal of Science Mỹ - Lọc Kalman phương pháp thuật tốn lọc nhiễu khỏi thơng tin, dùng nhiều lĩnh vực điều khiển, hàng không, quân sự, vũ trụ, v.v, ví dụ: để ước lượng điểu khiển quĩ đạo tên lửa, phi thuyền Nó dùng nhiều lĩnh vực khác, từ nhận dạng tiếng nói marketing - Lọc Kalman nhằm ước lượng giá trị đích thực đó, cách dự đốn giá trị tính độ tin cậy (hay độ bất định) dự đoán đó, đồng thời đo đạc giá trị (nhưng bị sai số có nhiễu), sau lấy trung bình có trọng giá trị dự đốn giá trị đo đạc được, làm giá trị ước lượng Có thể coi trường hợp “suy diễn có điều kiện kiểu Bayes” (bayesian inference) - Mơ hình lọc Kalman có liên kết chặc chẽ với phân tích Bayes Quy tắc dự báo ví dụ đơn giản Chúng ta bắt đầu với giá trị trung bình phương sai tỷ suất sinh lợi trước sau theo giá trị trung bình phương sai có điều kiện theo vài thơng tin Mơ hình lọc Kalman hoạt động kiểu hoạt động chúng thường khó hiểu ngơn ngữ thường dùng kỹ thuật - Mơ hình lọc Kalman, biết dự báo bậc tuyến tính (linear quadratic estimation (LQE)), thuật toán sử dụng loạt phép đo quan sát theo thời gian, áp dụng rộng rãi phân tích chuỗi thời gian sử dụng lĩnh vực xử lý tín hiệu kinh tế Trang 13 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí - Thuật tốn làm việc quy trình bước: bước dự báo, lọc Kalman đưa ước tính trạng thái biến tại, với không chắn chúng Là cơng cụ mạnh kinh tế lượng để mơ hình hóa tham số thay đổi theo thời gian Mơ hình tốn học: (Đây mơ hình tuyến tính, trạng thái viết vector biến đổi viết ma trận) Gọi vector giá trị thực (ví dụ vị trí tên lửa) thời điểm thứ Ta giả sử biến đổi theo qui luật sau: ma trận thay đổi trạng thái (state transition matrix), vector điểu khiển, ma trận điều khiển, nhiễu ngẫu nhiên, với giả sử có phân bố Gaussian (phân bố normal nhiều chiều) , ký hiệu ma trận hiệp phương sai tương ứng Tại thời điểm thứ , có đo đạc (measurement) trạng thái cho kết ma trận mơ hình quan sát, nhiễu lúc đo đạc, ta giả sử nhiễu tuân theo phân bố Gaussian Các mà trận coi biết Ta giả sử thêm nhiễu biến ngẫu nhiên độc lập độc lập với trạng thái ban đầu Câu hỏi đặt ước lượng trạng thái $x_k$ từ quan sát ? Nếu khơng có nhiễu, ta cần đặt Nhưng có nhiễu nên khơng tính xác mà ướng lượng Kalman filter hàm ước lượng đệ quy (recursive estimator) cho phép làm việc Thuật tốn ước lượng sau: Có thể chia thành bước, bước dự đoán ban đầu (predict) bước điều chỉnh sau (update) Predict: , Ở ký hiệu dự đoán giá trị dựa thơng tin giá trị thời điểm , $\hat{x}_{k|k}$ ước lượng giá trị sau sử dụng thông tin Trang 14 Đề tài: Phân Bổ Tài Sản thời điểm Ma trận lượng Update: GVHD: TS Lê Đạt Chí dùng để (ước lượng) ma trận hiệp phương sai ước Độ lệch so với quan sát (measurement residual): Thặng dư hiệp phương sai (residual covariance): Kalman tối ưu: Ước lượng điều chỉnh (updated estimate): Hiệp phương sai cho ước lượng (updated estimate covariance): 2.2 Bước 2: Xây dựng danh mục đầu tư tối ưu Căn vào kết dự báo tỷ suất sinh lợi vượt trội mong đợi, bước xây dựng có giá trị trung bình/ phương sai tối ưu Một vấn đề phân bổ tài sản truyền thống đánh đổi tỷ suất sinh lợi mong đợi vượt trội với rủi ro tổng thể mà không quan tâm tới danh mục chuẩn Các tỷ trọng danh mục đầu tư tối ưu ngạy cảm với thay đổi nhỏ tỷ suất sinh lợi mong đợi thường khác biệt lớn so với tỷ trọng danh mục chuẩn Markowitz người đưa khái niệm danh mục đầu tư hiệu quả: danh mục có rủi ro thấp tỷ suất lợi tức kỳ vọng xác định trước; có tỷ suất lợi tức kỳ vọng cao mức rủi ro xác định trước Chúng ta tìm danh mục đầu tư hiệu theo bước sau: Đầu tiên, ấn định trước tỷ suất lợi tức kỳ vọng danh mục đầu tư, sau giải tốn tối ưu hóa để tìm tỷ trọng chứng khoán danh mục (mục tiêu tối thiểu hóa độ lệch chuẩn danh mục đầu tư) Sau đó, thay đổi giá trị xác định trước tỷ suất lợi tức kỳ vọng danh mục, tìm tập hợp danh mục đầu tư có độ lệch chuẩn nhỏ tương ứng Đường cong tập hợp danh mục đầu tư với độ lệch chuẩn nhỏ đồ thị gọi Đường biên phương sai nhỏ Trên đường biên phương sai nhỏ nhất, điểm A thể cho danh mục đầu tư có độ lệch chuẩn nhỏ so với độ lệch chuẩn tất danh mục đầu tư tạo thành từ n chứng khốn Phần đường biên phương sai nhỏ (phần AB) thể cho danh mục đầu tư hiệu quả, gọi đường biên hiệu (efficient frontier) Trang 15 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Đường biên hiệu Đường biên hiệu tập hợp danh mục đầu tư có tỷ suất sinh lợi lớn cho mức độ rủi ro, rủi ro thấp cho mức tỷ suất sinh lợi Do lợi ích việc đa dạng hố đầu tư tài sản tương quan khơng hồn tồn, mong đợi đường biên hiệu tạo nên danh mục đầu tư cao chứng khoán riêng lẻ Ngoại trừ hai khả xuất điểm cuối, nơi mà tài sản có tỷ suất sinh lợi cao tài sản có rủi ro thấp Như nhà đầu tư, bạn có điểm mục tiêu nằm dọc theo đường biên hiệu dựa hàm lợi ích thái độ hướng đến rủi ro, khơng có danh mục nằm đường hiệu chiếm ưu danh mục đầu tư khác đường hiệu Tất danh mục đầu tư có ước lượng tỷ suất sinh lợi rủi ro khác nhau, với tỷ suất sinh lợi mong đợi gia tăng rủi ro cao Trang 16 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Độ dốc đường biên hiệu giảm dần Điều có nghĩa gia tăng mức độ rủi ro di chuyển lên phía đường biên hiệu nhận mức gia tăng nhỏ tỷ suất sinh lợi Đường cong hữu dụng đường cong nối liền tất điểm thể cho danh mục đầu tư có giá trị hữu dụng Các danh mục đầu tư nằm đường cong hữu dụng xem có tính “hấp dẫn” ngang nhà đầu tư chúng có giá trị hữu dụng ngang Lựa chọn danh mục đầu tư tối ưu Hình hai tập hợp đường cong hữu dụng với đường biên hiệu khoản đầu tư Đường cong U1 cho thấy thái độ khơng thích rủi ro mạnh nhà đầu tư (với U3 ,U2 ,U1) Những đường cong hữu dụng hoàn toàn dốc đứng, điều nhà đầu tư không gánh chịu thêm rủi ro để gia tăng tỷ suất sinh lợi Đường cong U1 cho thấy thái độ khơng thích rủi ro nhà đầu tư thấp Một nhà đầu tư sẵn sàng chấp nhận rủi ro để nhận tỷ suất sinh lợi mong đợi cao X, Y: Là điểm tiếp xúc đường cong hữu dụng đường biên hiệu  Đây điểm tối ưu danh mục đầu tư hiệu Tóm lại, thấy lời giải cho mơ hình Markowitz xoay quanh vấn đề xác định tỷ trọng tài sản danh mục đầu tư Bởi tỷ suất lợi tức kỳ vọng, độ lệch chuẩn tài sản, hệ số tương quan tài sản xem đầu vào mô hình Markowitz (Để ý nhà đầu tư có giá trị đầu vào ước Trang 17 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí lượng khác nhau, tùy theo mơ hình ước lượng thơng tin mà nhà đầu tư có Do vậy, đường biên hiệu nhà đầu tư khác Đây vấn đề liên quan đến thực tế đầu tư), tỷ trọng tài sản danh mục đầu tư biến số cần phải giải để tìm danh mục đầu tư hiệu 2.3.Bước 3: Phân tích thành danh mục phạm vi mẫu Bước phải tiến hành kiểm định chiến lược phạm vi mẫu để xác định nội dung thơng tin mơ hình tỷ suất sinh lợi mong đợi Kiểm định phạm vi mẫu thường mang tính định việc nghiên cứu chiến lược đầu tư Với mơ hình dựa chuỗi thời gian, thời kỷ mẫu phải có kiểm định cách rõ ràng khả dự báo Một kiểm định nghiêm khắc mô hình chuỗi thời gian u cầu kiểm định ngồi phạm vi mẫu Bước cuối phương pháp liên quan đến việc phân tích thành ngồi phạm vi mẫu danh mục đầu tư tối ưu Chú trọng vào tỷ suất sinh lợi vượt trội chiến lược , xem xét biểu đồ tỷ suất sinh lợi tích lũy so sánh thành danh mục chuẩn Chúng ta tính tốn tỷ số Sharpe cho danh mục cho danh mục chuẩn  Tỷ số Sharpe: mô tả mức tỷ suất sinh lợi vượt trội bạn nhận cho phần biến động tăng thêm mà bạn kéo dài thời gian nắm giữ tài sản rủi ro Tỷ suất sinh lợi rx Tỷ suất sinh lợi đo lường theo khoảng thời gian hàng ngày, hàng tháng, hàng năm có dạng phân phối chuẩn Phân phối bất thường (độ nghiêng độ nhọn), vấn đề tỷ số Tỷ suất sinh lợi tài sản phi rủi ro (rf ) Trang 18 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí Được biết đến bạn bù đắp tương xứng cho phần rủi ro tăng thêm mà bạn nắm giữ tài sản rủi ro Độ lệch chuẩn (StdDev(x)) Tỷ suất sinh lợi vượt trội = Tỷ suất sinh lợi tài sản rủi ro – Tỷ suất sinh lợi tài sản phi rủi ro Chúng ta cần chia tỷ suất sinh lợi vượt trội độ lệch chuẩn tài sản rủi ro đo lường Con số lớn kỳ vọng rủi ro/ tỷ suất sinh lợi từ nhìn đầu tư tốt - Sử dụng tỷ số Sharpe: phương pháp hiệu chỉnh rủi ro tỷ suất sinh lợi mà sử dụng để đánh giá kết danh mục đầu tư Tỷ số giúp so sánh kết danh mục đầu tư với danh mục đầu tư khác cách điều chỉnh rủi ro - Ví dụ: NĐT A tạo tỷ suất sinh lợi 15%, NĐT B tạo tỷ suất sinh lợi 12%, dường A đầu tư tốt B Tuy nhiên, NĐT A tạo tỷ suất sinh lợi 15% mà có mức rủi ro lớn NĐT B, trường hợp B có tỷ suất sinh lợi hiệu chỉnh rủi ro cao - Tiếp tục ví dụ trên, tỷ lệ tài sản phi rủi ro 5%, độ lệch chuẩn danh mục NĐT A 8%, độ lệch chuẩn danh mục NĐT B 5% => Shape A= (15%-5%)/8%= 1.25 Shape B = (12%-5%)/5%=1.4 Chúng ta xem xét tỷ suất sinh lợi động danh mục Chúng ta kiểm định tỷ suất sinh lợi tích lũy, tỷ số thơng tin thống kê t Một phân tích thành chi tiết xem xét doanh số, thành trường hợp thị trường lên xuống (được xác định danh mục chuẩn hay thị trường tiền tệ), số tháng thị trường lên xuống thị trường cụ thể góp phần lớn vào thành xuất sắc thành bị chi phối thị trường cụ thể biểu rắc rối Mục tiêu bước phân tích thành ngồi phạm vi mẫu đo lường cách xác giá trị gia tăng chiến lược nhận diện hướng nghiên cứu để hồn thiện mơ hình Chú ý bước phân tích cuối việc thực phân bổ tài sản đo lường cách thức nhận diện giá trị tương đối loại Ở bước đo lường khả dự báo việc sử dụng hệ số thông tin (IC), hệ số mối tương quan dự báo kết thực Sau xem xét khả dự báo mẫu để lựa chọn biến giải thích phù hợp, việc kiểm định phạm vi mẫu xác định thành mơ hình Trang 19 Đề tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí TÀI LIỆU THAM KHẢO Giáo trình CFA, Book 2, Institution Investor, Capital Market Expectations, Economic Concepts, and Asset Allocation, trang 173-205 Giáo trình Đầu tư tài chính, PGS.TS Phan Thị Bích Nguyệt, trường ĐH Kinh Tế TP.HCM www.investopedia.com www.saga.com William F Sharpe, “Asset Allocation Management Style and Performance Measurement”, 1992 Trang 20 ... tài: Phân Bổ Tài Sản GVHD: TS Lê Đạt Chí giúp đảm bảo mục tiêu đầu tư dài hạn đáp ứng, phân bổ tài sản chiến thuật lại thay đổi việc phân bổ tài sản cho hiệu xoay quanh mục tiêu Phân bổ tài sản. .. dài hạn tốt (ví dụ: phân bổ tài sản tốt nhất) Quản lý tài sản nợ (ALM), mặt khác, xem xét việc phân bổ tài sản có liên quan đến nợ, nhóm nợ Cách tiếp cận ALM tìm kiếm tập hợp phân bổ, tối đa hóa... sinh lợi tài sản 3% tỷ suất sinh lợi phi rủi ro 0,5% tỷ suất sinh lợi vượt trội tài sản 2,5% Quy trình phân bổ tài sản: Nghiên cứu chiến lược phân bổ tài sản cho nhà đầu tư tổ chức quy trình gồm