Sử dụng mô hình lượng hóa rủi ro lãi suất VaR trong quản trị rủi ro lãi suất

Một phần của tài liệu Đề tài: Giải pháp phòng ngừa hạn chế rủi ro lãi suất trong hoạt động kinh doanh tại NHNo & PTNT thị xã Sông Công, Thái Nguyên ppt (Trang 66 - 68)

III- Theo loại tiền gử

GIẢI PHÁP PHÒNG NGỪA VÀ HẠN CHẾ RỦI RO LÃI SUẤT TẠI NHNo&PTNT SÔNG CÔNG

3.2.2.2. Sử dụng mô hình lượng hóa rủi ro lãi suất VaR trong quản trị rủi ro lãi suất

lãi suất

Hiện nay, các NHTM trên thế giới sử dụng mô hình đo lường giá trị chịu rủi ro (VaR – Value at Risk) để đo lường RRLS. VaR được định nghĩa là tổn thất hay khoản lỗ tối đa được dự đoán khi tình huống xấu nhất xảy ra với một đột tin cậy nào đó và trong một khoản thời gian nhất định. VaR cho phép chúng ta tổng hợp tất cả các trạng thái rủi ro và các loại tài sản khác nhau để tìm ra một con số nhằm trả lời câu hỏi: tổn thất/ khoản lỗ tiềm tàng của NH là bao nhiêu? Giả sử một danh mục đầu tư có VaR hàng ngày là 5000USD với độ tin cậy là 99% thì chỉ có 1% khả năng NH mất số tiền vượt quá 5000 USD.

Có ba phương pháp để tính VaR

- Phương pháp JPM RiskMetrics (hay phương pháp tiếp cận theo phương sai và hiệp phương sai).

- Phương pháp mô phỏng lịch sử.

- Phương pháp mô phỏng Monte-Carlo.

3.2.2.2.1. Phương pháp JPM RiskMetrics

Phương pháp này đưa ra giả thuyết rằng các tỷ suất sinh lợi và rủi ro tuân theo phân bố chuẩn. Ý tưởng của phương pháp này là xác định giá trị chịu rủi ro (VaR) theo công thức :

VaR = Giá trị thị trường của TSTC x Mức biến động trong thu nhập hàng ngày của TSTC x Z

VaR = Vo x SigmaVo x Z

Trong đó:

Vo là giá trị thị trường của TSTC

Z cho biết mức độ tin cậy được sử dụng. Z=1,65 tương ứng với độ tin cậy 95%. Z= 2,33 nếu độ tin cậy là 99%.

3.2.2.2.2. Phương pháp mô phỏng lịch sử

Phương pháp này đưa ra giả thuyết rằng sự phân bố tỷ suất sinh lợi trong quá khứ có thể tái diễn trong tương lai. Nói cụ thể, VaR được xác định qua các bước:

i. Tính giá trị hiện tại của danh mục đầu tư.

ii. Tổng hợp tất cả các tỷ suất sinh lợi quá khứ của danh mục đầu tư này theo từng hệ số rủi ro (giá trị cổ phiếu, tỷ giá hối đoái, tỷ lệ lãi suất)

iii. Xếp các tỷ suất sinh lợi theo thứ tự từ thấp nhất đến cao nhất. iv. Tính VaR theo độ tin cậy và số liệu tỷ suất sinh lợi quá khứ.

Ví dụ: Nếu ta có một danh sách bao gồm 100 dữ liệu quá khứ và nếu độ tin cậy là 95%, thì VaR là giá trị thứ 95 trong danh sách này. Nếu đột in cậy là 99% thì VaR là giá trị thứ 99.

3.2.2.2.3. Phương pháp mô phỏng Monte-Carlo

i. Mô phỏng một số lượng rất lớn N bước lặp, ví dụ N > 10.000 ii. Cho mỗi bước lặp i, i<N

 Tạo ngẫu nhiên một kịch bản được căn cứ trên một phân bố xác suất về những hệ số rủi ro mà ta nghĩ rằng chúng mô tả những dữ liệu quá khứ. Ví dụ, ta giả sử mỗi hệ số rủi ro được phân bố chuẩn với kỳ vọng là giá trị hệ số rủi ro ngày hôm nay, từ một tập hợp số liệu thị trường mới nhất và từ mô hình xác suất trên ta có thể tính mức biến động của mỗi hệ số rủi ro và mối tương quan giữa các hệ số rủi ro

- Ước tính tỷ suất sinh lợi (khoản lời/lỗ) ri = Vi – Vi-1 (giá trị danh mục đầu tư ở bước i-1)

iii. Xếp các tỷ suất sinh lợi ri theo thứ tự giá trị từ thấp nhất đến cao nhất.

iv. Tính VaR theo độ tin cậy và tỷ lệ phần trăm số liệu ri. Ví dụ: Nếu ta mô phỏng 5000 kịch bản và với độ tin cậy là 95%, thì VaR là giá trị thứ 250, nếu độ tin cậy là 99% thì VaR là giá trị thứ 50.

v. Đồng thời tính sai số tương ứng cho mỗi VaR, nếu số lượng N càng cao thì sai số càng nhỏ

Một phần của tài liệu Đề tài: Giải pháp phòng ngừa hạn chế rủi ro lãi suất trong hoạt động kinh doanh tại NHNo & PTNT thị xã Sông Công, Thái Nguyên ppt (Trang 66 - 68)