3.2. Mơ hình nghiên cứu và phương pháp kiểm định
3.2.3 Các bước thực hiện nghiên cứu
Phương pháp tác giả tiến hành nghiên cứu dựa trên phần mềm MATLAB 7.0 được tóm gọn tại các bước như sau:
Bước 1: Download dữ liệu về chỉ số đóng cửa hàng ngày của mười danh mục
Dữ liệu giá đóng của của mười danh mục chứng khốn trong khoảng thời gian từ năm 2000 đến năm 2013 được tải trực tiếp từ website www.finance.yahoo.com và www.cophieu68.com. Dữ liệu bằng file excel sau khi tải về được sắp xếp theo trình tự thời gian từ cũ đến mới. Vì điều kiện của mơ hình u cầu số biến quan sát phải chia hết cho 100, tác giả lấy quan sát đầu tiên đến quan sát thứ 3x01 trong năm 2013. Số liệu tóm tắt được trình bày tại bảng 3.1. Tồn bộ dữ liệu bằng file excel sau khi sắp xếp và chỉnh sửa sẽ được nhập trực tiếp vào MATLAB để xử lí và chạy mơ hình.
Bước 2: Tính tốn TSSL của danh mục trong khoảng thời gian nghiên cứu
Dùng hàm Log trong MATLAB để chuyển đổi dữ liệu giá đóng cửa thành TSSL hàng ngày.
Bước 3: Dự báo VaR và ES của danh mục bằng bốn mơ hình ứng tại các mức ý
nghĩa 1% và 5%
Ứng với cơng thức tốn học của mỗi mơ hình, cài các hàm thống kê 1 tương ứng
1
35
trong MATLAB để thực hiện dự báo VaR và ES cho mười danh mục trong khoảng thời gian từ năm 2000 đến năm 2013 lần lượt tại các mức ý nghĩa 1% và 5%. Kết quả dự báo được trình bày chi tiết theo bảng và theo đồ thị tại mục 4.1.
Bước 4: Thực hiện và trình bày kết quả kiểm định theo phương pháp VR
Tại bước này, trước tiên, tác giả cài hàm thống kê 2 tương ứng trong MATLAB nhằm thiết lập các tham số cần thiết cho việc chạy kiểm định và sau đó chạy kiểm định theo VR đối với kết quả dự báo VaR và ES của bốn mơ hình lần lượt tại mức ý nghĩa 1% và 5%. Kế tiếp, tác giả trình bày kết quả kiểm định theo phương pháp VR. Cụ thể, dựa trên các kết quả kiểm định cho từng danh mục theo từng mơ hình tại từng mức ý nghĩa 1% và 5% được trình bày trong MATLAB, tác giả tập hợp ra excel và sắp xếp lại theo trình tự hợp lí. Kết quả kiểm định được trình bày tại mục 4.2.
Bước 5: Xếp hạng kết quả dự báo các mơ hình
Dựa trên kết quả kiểm định theo phương pháp VR có được ở bước 4, tác giả tiến hành xếp hạng bốn mơ hình. Mơ hình nào có chỉ số VR càng gần 1 sẽ được xếp hạng càng cao. Kết quả xếp hạng được trình bày tại mục 4.3.1.
Bước 6: Phân tích và đánh giá kết quả xếp hạng
Dựa trên kết quả xếp hạng có được ở bước 5, tác giả tiến hành đánh giá chất lượng dự báo của từng mơ hình tại các mức ý nghĩa 1% và 5%. Sau đó, tác giả tiến hành phân tích bằng đồ thị để kiểm tra lại kết quả xếp hạng. Chi tiết phân tích và đánh giá kết quả xếp hạng được trình bày tại mục 4.3.2.
Bước 7: Kết luận
Sau khi phân tích và đánh giá kết quả xếp hạng, tác giả đưa ra kết luận cuối cùng trong việc lựa chọn mơ hình dự báo tối ưu nhất cho VaR và ES của danh mục.
Khái quát nội dung chính của Chương 3:
Trong chương này, tác giả giới thiệu dữ liệu sử dụng và khái qt các mơ hình tác giả dùng để dự báo VaR và ES của danh mục. Cụ thể, tác giả sử dụng bốn mơ hình thuộc hai cách tiếp cận là phi tham số (mơ hình HS) và tham số (mơ hình MA,
2
36
EWMA và N-GARCH). Ưu điểm của mơ hình HS là dự báo trực tiếp các giá trị VaR dựa trên các dữ liệu thực tế xảy ra trong quá khứ mà không cần gián tiếp thông qua việc ước lượng hay giả định quy phân phối xác suất của chuỗi dữ liệu TSSL nên sẽ hạn chế được sai sót trong ước lượng. Tuy nhiên, vì mơ hình HS cho phép phân bổ tỉ trọng như nhau đối với các TSSL sử dụng để dự báo VaR nên dẫn đến việc phản ứng chậm chạp đối với các biến động lớn trong TSSL của danh mục. Kết quả cuối cùng sẽ dẫn đến việc dự báo các giá trị VaR cũng như ES khơng chính xác nếu như xuất hiện các điểm gãy cấu trúc trong khoảng thời gian nghiên cứu.
Trong khi đó, các mơ hình thuộc cách tiếp cận tham số thì dựa trên nền tảng giả định về phân phối xác suất của chuỗi dữ liệu TSSL để ước lượng giá trị tham chiếu z. Tiếp theo, ước tính các tham số đầu vào để tính tốn phương sai của TSSL danh mục. Cuối cùng, dựa trên giá trị tham chiếu z và phương sai ước tính được, các mơ hình đưa ra các dự báo về giá trị VaR và ES của danh mục. Tuy nhiên, để ước lượng chính xác quy luật phân phối thật sự của chuỗi TSSL danh mục với cộng nghệ hiện này của các công cụ thống kê là điều không thể. Do đó, sai sót trong ước lượng giá trị tham chiếu z rõ ràng một trong những vấn đề lớn nhất của các mơ hình thuộc cách tiếp cận tham số trong dự báo rủi ro danh mục.
Và để kiểm tra sự hiệu quả của các mơ hình trong dự báo rủi ro danh mục, các nhà nghiên cứu đề xuất một công cụ gọi là kiểm định. Kiểm định có thể được thực hiện theo nhiều phương pháp như VR, Kupiec, Christoffersen’s Independent, DQ, White’s SPA… và mỗi phương pháp đều có những ưu điểm và nhược điểm riêng. Dựa trên kết quả kiểm định, chúng ta có thể đưa ra các đánh giá cũng như xếp hạng các mơ hình để lựa chọn ra mơ hình tốt nhất cho dự báo rủi ro của danh mục.
37
CHƯƠNG 4 – KẾT QUẢ NGHIÊN CỨU