Những rủi ro khác nhau được theo dõi thông qua các chỉ số lành mạnh tài chính có thể tương quan với nhau và chắc chắn không loại trừ lẫn nhau (ví dụ như một cú sốc giá dầu có thể sẽ có thể gây ảnh hưởng xấu đến lạm phát và lãi suất và do đó nó có thể là nguồn gốc của rủi ro lãi suất cũng như rủi ro tín dụng và rủi ro giá cả hàng hóa, vv.). Vì vậy, để đánh giá tính bất ổn của hệ thống tài chính trước kịch bản xấu, các nhà kinh tế tìm kiếm một mô hình rủi ro tích hợp cùng giải thích nhiều nguồn gốc rủi ro. Điều đó khác với việc dựa vào các chỉ số khác nhau để định lượng tác động của từng nhân tố rủi ro riêng lẻ.
Về bản chất, mô hình rủi ro là một công cụ phân tích vẽ ra kịch bản vĩ mô nhất định và danh mục tài sản có liên quan vào trong phân phối xác suất thua lỗ mà các đo lường rủi ro khác nhau có thể được bắt nguồn từ đó. Theo các giả thuyết phân phối và các thông số cụ thể, nó cung cấp một thước đo thông dụng để so sánh tính bất ổn của danh mục tài sản khác nhau trước một cú sốc đã cho hoặc tác động của những kịch bản bất lợi khác nhau trên một danh mục tài sản nhất định. Có rất nhiều phương pháp tiếp cận mô hình khác nhau để tính toán thiệt hại dự kiến của danh mục tài sản có thể được rút ra từ một phân phối tổn thất nhất định. Một số nghiên cứu đã áp dụng phương pháp giá trị có rủi ro (VaR) trong thực hiện stress test. Khi nói một danh mục tài sản nào có VaR 1
25
năm là $ X tại một khoảng tin cậy 99% có nghĩa là chất lượng của danh mục tài sản là - bất cứ điều gì xảy ra - chỉ có một 1% cơ hội sự mất mát là $ X năm.
Tổn thất do rủi ro thị trường được tính toán bằng cách phân tích giá trị thị trường của từng công cụ trong danh mục tài sản thay đổi như thế nào trong chuỗi thời gian do một vector các nhân tố rủi ro có liên quan cùng chuyển động. Một số mô hình định giá được sử dụng để ước tính những thay đổi tương quan trong lãi suất, tỷ giá hối đoái, vốn cổ phần hoặc giá trái phiếu, vv có thể ảnh hưởng đến việc định giá danh mục thị trường khác nhau (trái phiếu, cổ phiếu, phái sinh, vv). Phương pháp định giá địa phương thường sử dụng xấp xỉ bậc một hoặc bậc hai để đánh giá mức độ nhạy cảm của danh mục tài sản trước các nhân tố rủi ro xung quanh giá trị thị trường hiện tại của nó và sau đó sử dụng nó để suy ra sự thay đổi giá trị (tức là phân phối lỗ) trong những tình huống căng thẳng khác nhau. Thay vào đó, phương pháp định giá đầy đủ tính toán lại giá trị của danh mục đầu tư trong từng kịch bản sử dụng một vector giá cả mới được suy ra từ phân tích lịch sử hoặc rút ra từ phân phối được biết đến bằng cách sử dụng mô phỏng Monte Carlo.
Trong nhiều ứng dụng và đặc biệt là khi thực hiện stress test các ngân hàng, những nhân tố rủi ro chính chiếm hầu hết các khoản thiệt hại tiềm năng trên bảng cân đối kế toán là rủi ro tín dụng. Mô hình rủi ro tín dụng có lẽ là lĩnh vực tập trung hầu hết sự chú ý trong thời gian gần đây. Hai loại mô hình rủi ro tín dụng chính thường xuất hiện trong các bài nghiên cứu là: (1) Mô hình dạng rút gọn giả định các biến trong hàm số là ngoại sinh thể hiện cho mối quan hệ giữa khả năng vỡ nợ và một số nhân tố rủi ro chính liên quan. (2) Mô hình cấu trúc theo dõi một cách rõ ràng hơn tác động của các nhân tố rủi ro trên các tài sản và nợ phải trả của người có nghĩa vụ và tìm được xác suất vỡ nợ dựa trên
26
khoảng cách giữa giá trị kỳ vọng của các tài sản khi đến hạn và ngưỡng mặc định trong mức độ nợ phải trả.
Sự thay đổi các nguyên tắc kinh tế vĩ mô cơ bản hoặc trong giá tài sản có thể ảnh hưởng trực tiếp đến giá trị thị trường của tài sản và nợ của các ngân hàng. Hơn nữa, thay đổi lớn trong giá tài sản có thể dẫn đến biến động đáng kể trong tỷ lệ nợ trên thu nhập cho hộ gia đình và các công ty. Tác động của các cú sốc về giá tài sản trên khả năng thanh toán của các ngân hàng và chất lượng tín dụng của các ngân hàng, đại diện cho mối quan tâm chính trong việc phân tích rủi ro hệ thống. Trong thực tế, một cú sốc kinh tế vĩ mô được đưa ra có thể dẫn đến thiệt hại cả thị trường và những thay đổi trong chất lượng tín dụng của bên có nghĩa vụ (trong đó hàm ý sự mất mát trong giá trị thị trường tiềm năng trong giá trị sổ sách của nợ). Do đó, nó sẽ được dùng để tích hợp các phân tích thị trường và rủi ro tín dụng
