Sau khi ti n hành x p h ng c ng nh phân tích đ th đ i v i k t qu d báo r i ro danh m c c a tám mô hình, t ng h p k t qu t hai b c này, tác gi kh ng đnh r ng mô hình CAViaR Adaptive d báo VaR hi u qu nh t. Trong khi đó, mô hình
Historical Simulation và EGARCH cho hi u qu khá th p trong vi c c l ng VaR.
Sau khi có đ c k t qu x p h ng cu i cùng v mô hình d báo r i ro danh m c hi u qu nh t, tác gi đ a ra khuy n ngh v v n đ nên l a ch n mô hình nào ph c v cho ho t đ ng d báo r i ro danh m c đ ng trên ph ng di n các nhà đ u t cá nhân và nhà đ u t t ch c.
Khi ti n hành so sánh các mô hình d báo r i ro danh m c, đ l a ch n ra mô hình phù h p nh t có th d a trên nhi u tiêu chí. Tuy nhiên, hai tiêu chí l a ch n ph bi n nh t có th đ c li t kê đó là tính đ n gi n trong ng d ng và s hi u qu c a mô hình.
Thông th ng thì tiêu chí đâu tiên th ng là c s l a ch n c a các nhà đ u t cá nhân, trong khi đó các t ch c l n, các nhà đâu t chuyên nghi p th ng thiên v tiêu chí th hai là s hi u qu trong ho t đ ng d báo c a mô hình. Rõ ràng, v n đ nào c ng có tính hai m t, mô hình càng ph c t p thì đòi h i chi phí càng l n, và vì th k v ng v đ chính xác c a mô hình càng cao. Ng c l i, mô hình càng đ n
gi n s giúp ti t ki m t i đa chi phí và d nhiên s chính xác, hi u qu d báo s là m t d u h i l n.
M c tiêu chính xuyên su t trong bài nghiên c u là x p h ng tính hi u qu c a các mô hình d báo. Vì v y, tiêu chí v s hi u qu c a mô hình đ c đ t lên hàng đ u trong vi c l a ch n mô hình d báo VaR.
Nh k t qu đư đ c p trong các ph n 4.3 thì các mô hình thu c nhóm CAViaR có tính hi u qu cao h n h n các mô hình khác. c bi t là mô hình CAViaR Adaptive có tính hi u qu h n c , và đây c ng chính là l a ch n c a tác gi .
Bài nghiên c u x p h ng ch t l ng d báo c a tám mô hình kinh t l ng đ c s d ng ph bi n b i các t ch c tài chính, các qu đ u t trên th gi i trong d báo r i ro danh m c đ u t .
D a vào k t qu nghiên tác gi rút ra m t s nh n xét sau:
Th nh t, các mô hình d báo VaR ho t đ ng hi u qu h n m c Ủ ngh a 5%.
m c Ủ ngh a 1%, các mô hình Historical Simulation và Variance-Covariance, GARCH, EGARCH th t b i trong ho t đ ng d báo VaR. Nguyên nhân ch y u là do gi đnh phân ph i chu n c a d li u s d ng đ i v i các ph ng pháp này.
Th hai, d a vào đ th tác gi th y r ng 2 mô hình Historical Simulation và Variance-Covariance cho k t qu c l ng VaR không th t s nh y c m so v i s bi n đ ng c a th tr ng.
Th ba, d a vào k t qu c a b ng x p h ng và m c tiêu nghiên c u xuyên su t trong bài nghiên c u, tác gi th y r ng CAViaR Adaptive là mô hình c l ng VaR có tính hi u qu cao nh t và đáng đ c l a ch n nh t.
CH NGă5:ăK T LU N