lƣờng rủi ro danh mục đầu tƣ
Với những ưu điểm của mình, VaR đã trở thành một công cụ quan trọng trong việc đo lường rủi ro thị trường. Có rất nhiều nghiên cứu ứng dụng VaR để đo lường rủi ro danh mục đầu tư cũng như nhiều nghiên cứu đánh giá chất lượng dự báo, kiểm định sự phù hợp của các mô hình ước lượng VaR tại các quốc gia phát triển và các quốc gia đang phát triển.
Orhan và Koksan (2012) so sánh chất lượng dự báo của 16 mô hình họ nhà GARCH để ước lượng VaR trong thời kỳ khủng hoảng dựa trên dữ liệu của hai thị trường chứng khoán mới nổi là Brazil, Thổ Nhĩ Kỳ và hai thị trường phát triển là Đức và Mỹ. Bằng các kiểm định Kupiec và Christofersen, nghiên cứu đã chỉ ra rằng mô hình ARCH thực hiện ước lượng tốt nhất, tiếp sau đó là GARCH (1,1) và các mô hình với giả định phân phối chuẩn thì cho kết quả kém chính xác hơn so với các mô hình giả định phân phối Students.
Akgiray (1989) nghiên cứu thị trường chứng khoán Hoa Kỳ và kết luận rằng GARCH(1,1) đưa ra các kết quả dự báo tốt hơn so với các mô hình truyền thống khác.
Billio và Pelizzon (2000) đã ứng dụng mô hình GARCH(1,1) với giả định phân phối chuẩn và Student’s-t để ước lượng VaR của 10 cổ phiếu Italia và chỉ số thị trường MIB30 của Italia. Kết quả cho thấy mô hình với giả định phân phối chuẩn có khuynh hướng đánh giá thấp rủi ro trong khi theo giả định phân phối Student’s-t thì lại đánh giá quá cao mức độ rủi ro. Từ đó, ông đề xuất mô hình chuyển đổi chế độ đa biến để cho ra ước lượng chính xác hơn.
Christoffersen, Hahn và cộng sự (2001) trong đó kiểm định và so sánh các thước đo VaR dựa trên kết quả ước lượng theo mô hình GARCH(1,1) của chuỗi tỷ suất lợi nhuận hàng ngày của chỉ số S&P 500 giai đoạn từ 11/1985 đến 10/1994. Kết quả cho
thấy GARCH(1,1) theo phân phối Student’s-t cung cấp những con số dự báo rủi ro chính xác hơn mô hình GARCH(1,1) theo phân phối chuẩn.
Zhang và Pan (2006) đã đánh giá hoạt động của mô hình GARCH dựa trên chỉ số Composite của thị trường chứng khoán Shanghai và chỉ số Component của thị trường chứng khoán Shenzhen từ tháng 01/2000 đến 12/2004 với giả định 3 phân phối khác nhau. Kết quả cho thấy, mô hình GARCH với phân phối Students được hỗ trợ hơn đối với cả chỉ số Shanghai và Shenzhen.
Angelidis, Benos và cộng sự (2004) so sánh hiệu quả dự báo giữa các mô hình trong họ nhà GARCH bằng cách thực hiện nghiên cứu thực nghiệm trên 5 danh mục chứng khoán khác nhau tại các quốc gia phát triển với các giả thiết phân phối khác nhau. Kết quả cho thấy các mô hình họ nhà GARCH với giả thiết phân phối T-student và phức hợp phân phối chuẩn cho kết quả chính xác hơn.
Benavides (2007) ứng dụng quá trình GARCH để ước tính VaR của chuỗi lãi suất danh mục tương lai trên thị trường Mexico nhằm xem xét liệu mô hình GARCH có đánh giá quá cao mức độ rủi ro hay không. Tác giả sử dụng chuỗi lãi suất Cetes 91 ngày (được tính từ lãi suất trái phiếu Chính phủ Mexico) và chuỗi lãi suất TIIE 28 ngày (được tính toán từ các giao dịch đi vay và cho vay của các Ngân hàng thương mại Mexico). Kết quả cho thấy quá trình GARCH có thể ước tính VaR chính xác trong thời gian 1 ngày giao dịch, tuy nhiên với thời gian hơn 10 ngày giao dịch hoặc lâu hơn thì GARCH lại đánh giá quá mức mức độ rủi ro do bởi sự kéo dài dao dộng trong mô hình.
Nghiên cứu của Iqbal, Azher và cộng sự (2010) ước lượng VaR trên thị trường chứng khoán Pakistan dựa trên mô hình GARCH(1,1) theo giả định phân phối GED, sau đó so sánh với các phương pháp ước lượng tham số và phi tham số khác. Tác giả sử dụng chuỗi tỷ suất lợi nhuận hàng ngày của chỉ số KSE-100 trong khoảng thời gian
từ năm 1992 đến năm 2008 với 4.298 quan sát. Kết quả mô hình GARCH(1,1) ước lượng chính xác hơn cả, đặc biệt là tại mức tin cậy 95%.
So và Yu (2006) sử dụng mô hình RiskMetrics và các mô hình họ nhà GARCH để phân tích chỉ số chứng khoán ở 12 thị trường Úc, Anh, Indonesia, HongKong, Malaysia, Hàn Quốc, Mỹ, Nhật Bản, Thái Lan, Singapore, Đài Loan với các cặp tỷ giá. Kết quả cho thấy các mô hình họ nhà GARCH ước lượng tốt hơn RiskMetric ở mức rủi ro 1%.
Mô hình Value at Risk cũng được một số nhà nghiên cứu ở Việt Nam ứng dụng để đo lường rủi ro danh mục đầu tư, tuy nhiên số lượng vẫn còn khá hạn chế.
Võ Hồng Đức và Huỳnh Long Phi (2015) đánh giá chất lượng dự báo của các mô hình ước lượng giá trị rủi ro được áp dụng tại TTCK Việt Nam. Nghiên cứu đã sử dụng 12 mô hình khác nhau để ước lương VaR 1 ngày của chỉ số chứng khoán VN-Index và HNX Index ở các mức rủi ro lần lượt là 5%, 2,5%, 1%, 0.5% và 0.1% với mẫu dữ liệu gồm 2001 quan sát trong giai đoạn 2006-2014. Kết quả thực nghiệm chỉ ra rằng chất lượng ước lượng của các mô hình phụ thuộc vào kích thước cỡ mẫu được chọn. Việc lựa chọn kích cỡ mẫu không phù hợp sẽ dẫn đến giá trị VaR ước lượng hoặc quá cao hoặc quá thấp, đồng thời khi so sánh chất lượng ước lượng giữa các mô hình với cùng một kích cỡ mẫu chỉ ra rằng chất lượng dự báo của mô hình là không đồng nhất ở các mức rủi ro. Trong các mô hình được sử dụng, mô hình trung bình trượt MA và mô hình giả lập lịch sử có mức độ phù hợp để thực hiện là kém nhất. Đồng thời, với một kích cỡ mẫu phù hợp, các mô hình họ nhà GARCH như GARCH (1,1), GRJ-GARCH (1,1) EGARCH(1,1), t-GARCH(1,1), t-GJR-GARCH(1,1), t-EGARCH(1,1) có thể ước lượng VaR tốt nhất ở các mức rủi ro từ 5% đến 1%. Tuy nhiên, ở các mức rủi ro thấp hơn, các mô hình như EVT-GARCH (1,1) và FHS-GARCH(1,1) sẽ là một lựa chọn phù hợp.
Đặng Hữu Mẫn (2009) nghiên cứu chỉ số FTSE 100 trên TTCK Anh để tìm ra bằng chứng làm sáng tỏ nghi vấn có hay không những mô hình VaR được lựa chọn hoạt động hiệu quả trong những giai đoạn thị trường dao động mạnh, đặc biệt là dưới sự tác động của cuộc khủng hoảng tín dụng dưới tiêu chuẩn gẩn đây. Bài báo đã ứng dụng 4 mô hình VaR khá phổ biến bao gồm mô hình giả lập lịch sử HS, RiskMetrics, N-GARCH(1,1) và t-GARCH(1,1) dưới những giả định phân phối của thu nhập thị trường vốn Anh Quốc. Kết quả thực nghiệm chỉ ra rằng mô hình HS không hoạt động trong suốt giai đoạn khủng hoảng. Các mô hình tham số đều không cho kết quả chính xác với giả định phân phối chuẩn. Ngoài ra, nghiên cứu cũng chỉ ra rằng trong suốt giai đoạn khủng hoảng, mô hình VaR chỉ hoạt động hiệu quả tại mức tin cậy 97.5%, thấp hơn mức khuyến cáo của Ủy ban Basel khi dự báo rủi ro đối với danh mục đầu tư của một định chế tài chính (99%). Cuối cùng, nghiên cứu khẳng định rằng không có bằng chứng xác thực nào chứng tỏ mô hình t-GARCH(1,1) dự báo rủi ro chính xác hơn mô hình N-GARCH(1,1), trái ngược với kết quả một số nghiên cứu trước đây.
Võ Hồng Đức và Huỳnh Long Phi (2016) trong một nghiên cứu khác đã kiểm định sự phù hợp về chất lượng dự báo của các mô hình ước lượng VaR tại TTCK Việt Nam. Nghiên cứu sử dụng 12 mô hình khác nhau để ước lượng VaR 1 ngày của chỉ số chứng khoán VN-Index và HNX-Index trên mẫu dữ liệu nghiên cứu bao gồm 2001 quan sát trong giai đoạn 2006-2014 ở các mức rủi ro khác nhau. Kết quả thực nghiệm cho thấy ở mức rủi ro 5%, nhiều mô hình dự báo không thỏa điều kiện kiểm định.
Lê Phan Thị Diệu Thảo và Nguyễn Thanh Phú (2015) đã nghiên cứu đánh giá và xếp hạng một số mô hình kinh tế lượng phổ biến trên thế giới trong việc ước lượng VaR, nhằm cung cấp thêm bằng chứng thực nghiệm trong việc đánh giá mô hình dự báo rủi ro danh mục tốt nhất. Bài viết sử dụng 8 mô hình nghiên cứu đại diện cho các cách tiếp cận tham số, phi tham số, bán tham số cho các danh mục đầu tư thị trường đại diện cho thị trường mới nổi và thị trường phát triển với 2 mức ý nghĩa là 1% và 5%.
Sau khi tiến hành ước lượng VaR, bài viết thực hiện kiểm định theo phương pháp tỷ lệ VR để xếp hạng các mô hình. Kết quả cho thấy hầu hết các mô hình đều hoạt động hiệu quả ở mức ý nghĩa 5%. Trong khi đó, ở mức ý nghĩa 1%, các mô hình có giả định dữ liệu là phân phối chuẩn như Variance-Covariance, GARCH, EGARCH hoàn toàn thất bại trong dự báo VaR.
Tóm lại, có nhiều nghiên cứu về việc ứng dụng các mô hình ước lượng phương sai thay đổi với các giả định phân phối khác nhau của chuỗi tỷ suất lợi nhuận để dự báo VaR. Kết quả các nghiên cứu này có thể không giống nhau do sự khác biệt về kích cỡ mẫu lựa chọn, lỗi mô hình dẫn đến phương trình ước lượng sai, hoặc sự khác biệt trong giả định phân phối của chuỗi tỷ suất lợi nhuận. Phần lớn các nghiên cứu trước đây ứng dụng mô hình VaR để đo lường rủi ro danh mục đầu tư tại các thị trường phát triển, thị trường đang phát triển trên thế giới. Trong bối cảnh các nghiên cứu về mô hình VaR ở nước ta hiện nay còn rất ít, đề tài “Ứng dụng mô hình VaR để đo lường rủi ro danh mục nghiên cứu thực nghiệm cho danh mục đầu tư cổ phiếu các Ngân hàng thương mại Việt Nam” giúp các nhà đầu tư có thêm một công cụ hữu ích trong việc ra quyết định đầu tư hay quản lý, giám sát danh mục đầu tư của mình một cách có hiệu quả hơn.
KẾT LUẬN CHƢƠNG 2
Tóm lại, từ lược khảo cơ sở lý thuyết về rủi ro danh mục đầu tư, khung VaR và những bằng chứng thực nghiệm về việc ứng dụng VaR để đo lường rủi ro danh mục đầu tư đã cho thấy các nghiên cứu không có sự thống nhất về chất lượng dự báo của các mô hình ước lượng VaR. Sự không thống nhất này không chỉ thể hiện trên lập luận lý thuyết, mà còn cả trong các nghiên cứu thực nghiệm. Một trong những nguyên nhân có thể do tỷ suất lợi nhuận danh mục đầu tư trên thực tế không chỉ phụ thuộc vào tỷ suất lợi nhuận của danh mục trong quá khứ mà còn phụ thuộc vào các yếu tố khác chưa được tính toán và đánh giá trong mô hình như biên độ dao động giá, tâm lý đám đông... Thêm vào đó, việc lựa chọn các giả định phân phối, kích cỡ mẫu, phương pháp nghiên cứu khác nhau và mô hình nghiên cứu không thể xem xét tất cả các yếu tố cũng như giải quyết những vấn đề trong thống kê.
CHƢƠNG 3: CƠ SỞ DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU