Bài nghiên cứu này đánh giá việc áp dụng các phương pháp đo lường giá trị chịu rủi ro áp dụng cho thị trường Việt Nam thông qua kênh thị trường chứng khoán. Cụ thể, các phương pháp phi tham số, bán tham số và tham số được sử dụng để dự báo giá trị chịu rủi ro cho tỷ lệ thu nhập của VNIndex.
Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Lê Hải Trung Nguyễn Thị Mai Trang Học viện Ngân hàng Ngân hàng TMCP Quân đội Bài nghiên cứu đánh giá việc áp dụng phương pháp đo lường giá trị chịu rủi ro áp dụng cho thị trường Việt Nam thông qua kênh thị trường chứng khoán Cụ thể, phương pháp phi tham số, bán tham số tham số sử dụng để dự báo giá trị chịu rủi ro cho tỷ lệ thu nhập VNIndex Bài viết cho thấy việc áp dụng giả định phân phối chuẩn cho tỷ lệ thu nhập VN-Index đánh giá thấp rủi ro thực thị trường chứng khoán Các kiểm định đánh giá lại dự báo VaR cho thấy phương pháp tham số với giả định phân phối xác suất tỷ lệ thu nhập VN-Index không chuẩn, tồn độ lệch độ dày đuôi lớn phân phối chuẩn, cho dự báo VaR có độ xác cao Từ khóa: Giá trị chịu rủi ro, Dự báo, Phân phối xác suất Giới thiệu giữ trạng thái mở tài sản/danh mục tài sản tài khoảng thời gian định tương lai với độ tin cậy xác định trước VaR Giá trị chịu rủi ro (Value at Risk- VaR) đo lường mức độ tổn thất tối đa việc nắm Forecasting Value at Risk: An application to Vietnamese market Abstract: This paper investigates several approaches to forecast Value at Risk (VaR) in Vietnam Non-parametric, semi-parametric and parametric methods are used to forecast VaR for returns of Vietnamese stock index Using several backtesting methods, I find that the GARCH-based model with non-Gaussian conditional return distribution yields the best forecasting performance This finding warns the popular application of normal distribution to stock returns, which is found to underestimate the potential risk of Vietnamese stock market Keywords: Value at Risk, Backtesting, Time series forecasting Trung Hai Le Email: trunglh@hvnh.edu.vn Banking Academy of Vietnam Trang Thi Mai Nguyen Email: maitrang2103@gmail.com Military Commercial Joint Stock Bank Ngày nhận: 30/04/2020 Tạp chí Khoa học & Đào tạo Ngân hàng Số 221- Tháng 10 2020 Ngày nhận sửa: 11/05/2020 50 Ngày duyệt đăng: 19/05/2020 © Học viện Ngân hàng ISSN 1859 - 011X LÊ HẢI TRUNG công cụ phổ biến sử dụng rộng rãi để đo lường kiểm soát rủi ro thị trường Hiệp ước vốn Basel yêu cầu ngân hàng sử dụng VaR để tính tốn giá trị vốn tối thiểu yêu cầu nắm giữ rủi ro thị trường Do đó, việc tính tốn xác định xác giá trị VaR có vai trị quan trọng hoạt động quản trị rủi ro ngân hàng Điều đặc biệt có ý nghĩa bối cảnh thị trường tài có nhiều biến động mạnh giai đoạn việc tính tốn xác VaR mang lại chủ động cho ngân hàng việc kiểm soát đảm bảo an toàn hoạt động Trong nội dung nghiên cứu này, tác giả tiến hành đánh giá phương pháp phổ biến sử dụng để tính tốn dự báo VaR cho thị trường Việt Nam Cụ thể, tác giả ứng dụng phương pháp tiên tiến để dự báo giá trị VaR cho biến động thị trường chứng khoán (TTCK) Việt Nam từ năm 2006 đến hết tháng 4/2020 Các dự báo giá trị VaR cho tỷ lệ thu nhập số chứng khoán VN-Index, đại diện cho thu nhập từ nắm giữ cổ phiếu thị trường Việt Nam tính tốn cho độ tin cậy 99% Các dự báo sau đánh giá lại mức độ xác thông qua kiểm định phổ biến để xem xét mức độ phù hợp xác phương pháp trường hợp áp dụng cho thị trường Việt Nam Việc nghiên cứu mơ hình phù hợp để dự báo giá trị chịu rủi ro cho Việt Nam có ý nghĩa quan trọng hai lý Thứ nhất, Ngân hàng Nhà nước Việt Nam (NHNN) chủ động xây dựng lộ trình triển khai áp dụng quy định quản trị rủi ro chặt chẽ theo chuẩn Basel II thông qua Thông tư 41/2016/TT-NHNN, yêu cầu NHTM phải thức áp dụng tỷ lệ an toàn vốn tối thiểu theo chuẩn Basel II kể từ ngày 01/01/2020 Trong đó, yêu cầu vốn tối thiểu cho rủi ro thị trường tính tốn dựa giá trị VaR Thứ hai, TTCK Việt Nam có bước phát triển nhanh chóng mức độ phát triển thị trường sơ khai1 Võ Xuân Vinh Trần Thị Tuấn Anh (2020) nghiên cứu nhân tố tác đến thu nhập cổ phiếu niêm yết thị trường Việt Nam yếu tố cho ảnh hưởng mạnh đến biến động thu nhập dựa nghiên cứu thị trường phát triển khơng có ý nghĩa áp dụng vào thị trường Việt Nam Sử dụng số liệu theo thời gian thực, Quách Mạnh Hào, Nguyễn Linh Nguyễn Hồng (2019) cịn mối quan hệ ngược chiều nhân tố thị trường Việt Nam so với nghiên cứu trước giới Do đó, việc áp dụng trực tiếp mơ hình đánh giá mức độ rủi ro dựa nghiên cứu giới vào thị trường Việt Nam cần phải thực cẩn trọng có đánh giá kỹ Phương pháp nghiên cứu Định nghĩa tỷ lệ thu nhập từ biến động giá hàng ngày tài sản tài thời điểm t rt = ln(Pt/Pt - 1) , Pt giá trị tài sản tài đóng cửa ngày t ln() hàm logarit với số tự nhiên VaRt + 1, α giá trị phân vị α phân phối xác suất rt + Theo ý nghĩa kinh tế, giá trị VaRt + 1, α giá trị suy giảm tối đa rt + với độ tin cậy - α, đo lường dựa thông tin thời điểm t + 12 mang ý nghĩa dự báo mức thua lỗ cho ngày2 Ngày 26/7/2000, mở cửa thị trường có cổ phiếu niêm yết (REE SAM), đến hết tháng 2/2020 có 745 doanh nghiệp niêm yết hai sàn giao dịch chứng khoán Hồ Chí Minh (HOSE) Hà Nội (HNX) Ở phạm vi nghiên cứu này, tác giả giới hạn Số 221- Tháng 10 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 51 Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam Với ý nghĩa quan trọng việc đo lường kiểm sốt rủi ro, có nhiều phương pháp sử dụng để tính tốn đo lường VaR Một thống kê đầy đủ phương pháp tính tốn VaR tìm thấy nghiên cứu Nieto Ruiz (2016) Trong phạm vi nghiên cứu này, tác giả lựa chọn mơ hình sử dụng phổ biến nhất, bao gồm: phương pháp mô lịch sử (Historical Simulation), phương pháp tự hồi quy phân vị (Conditional Autoregressive Value at Risk - CAViaR) phương pháp dựa mơ hình biến động phương sai (GARCH) Sau đó, tác giả thực kiểm định lại kết dự báo VaR hai kiểm định phổ biến Kiểm định tính phủ phân vị không điều kiện (unconditional coverage) Kupiec (1995) Kiểm định tính độc lập dự báo VaR Engle Manganelli (2004) 2.1 Phương pháp mô lịch sửHistSim Phương pháp mô lịch sử phương pháp dự báo phi tham số (non-parametric) cho giá trị VaR đơn giản sử dụng nhiều thực tế ngân hàng (Berkowitz, Christoffersen, Pelletier 2011) Giả sử, thời điểm, thu chuỗi kiện lịch sử cho ngày gần rt, rt-1, , rt - T+1.VaRt + 1, α xác định là: Trong đó, r̂α giá trị phân vị thực tế chuỗi kiện lịch sử Dự báo VaR phụ thuộc vào độ dài khoảng thời gian phạm vi thời gian ngày Để tính VaR cho khoảng thời gian lớn ngày, ví dụ 10 ngày theo yêu cầu tính tốn giá trị rủi ro thị trường, Basel II cho phép tính tốn giá trị từ giá trị VaR ngày nhân với giá trị bậc thời gian, VaRt + 1: t + 10, α = √10 x VaRt + 1, α 52 khứ Trong nghiên cứu này, tác giả sử dụng để phù hợp với phương pháp khác so sánh (Nieto Ruiz 2016) 2.2 Phương pháp tự hồi quy phân vịCAViaR Phương pháp tự hồi quy phân vị (CAViaR) phương pháp dự báo bán tham số (semiparametric) Phương pháp đề xuất Engle Manganelli (2004), theo VaR tính tốn dựa mơ hình hồi quy phân vị với giá trị phân vị lựa chọn Mơ hình CAViaR có hai dạng chính: Phương trình cân xứng (CAViaR-SAV): VaRt + 1, α = β0 + β1VaRt, α + β2 |rt| Phương trình bất cân xứng (CAViaR-AS): VaRt + 1, α = β0 + β1VaRt, α + β2⁻I(rt < 0) |rt| + β2⁺I(rt |r | ≥ 0) t Hai dạng mơ hình xây dựng dựa giả định VaR phản ứng cân xứng hay không cân xứng tùy thuộc vào tỷ lệ thu nhập ngày liền trước Giả định phù hợp nghiên cứu trước phương sai tỷ lệ thu nhập thường tăng mạnh tỷ lệ thu nhập ngày liền trước mang giá trị thua lỗ (Glosten, Jagannathan, Runkle 1993) 2.3 Phương pháp dựa mơ hình hồi quy biến động phương sai- GARCH Phương pháp dựa mơ hình hồi quy biến động phương sai (GARCH) phương pháp dự báo tham số (parametric) Theo đó, mơ hình GARCH ước lượng cho biến động tỷ lệ thu nhập tài sản dựa giả định phân phối xác suất Với tham số ước lượng, VaR Tạp chí Khoa học & Đào tạo Ngân hàng- Số 221- Tháng 10 2020 LÊ HẢI TRUNG dựa ước lượng giá trị trung bình sai số chuẩn phân phối xác suất Với nghiên cứu này, tác giả lựa chọn mơ hình GJR-GARCH, cho phép phản ứng khác phương sai với thay đổi tỷ lệ thu nhập Nghiên cứu Brownlees, Engle, Kelly (2011) mô hình có khả dự báo xác thay đổi phân phối xác suất có điều kiện tỷ lệ thu nhập mơ hình cân xứng Cụ thể, giá trị VaR xác định sau: rt = a0 + a1rt - + σtzt σ2t = β0 + β1ε2t-1 + β2I(εt - 1