Nội dung chính của bài nghiên cứu là xếp hạng và đánh giá các mơ hình kinh tế lượng trong dự báo VaR và ES của danh mục đầu tư. Bốn mơ hình sử dụng trong bài nghiên cứu đại diện cho hai hướng tiếp cận: phương pháp phi tham số với đại diện là HS và phương pháp tham số với các đại diện là MA, EWMA và N- GARCH.
Sau khi tiến hành dự báo và kiểm định theo phương pháp VR cũng như thực hiện phân tích đồ thị, thứ nhất, tác giả kết luận bốn mơ hình hoạt động khá hiệu quả tại mức ý nghĩa 5% trong khi đó tại mức ý nghĩa 1% thì các mơ hình tỏ ra không phù hợp trong việc dự báo VaR cho các danh mục. Thứ hai, dựa vào kết quả xếp hạng, tác giả khuyến nghị rằng khi tiến hành dự báo VaR và ES cho danh mục đầu tư, các CRO nên dựa trên kết quả dự báo của các mơ hình N-GARCH, EWMA, HS và MA theo trình tự ưu tiên. Và kết luận cuối cùng của tác giả trong bài nghiên cứu này, đó là sẽ thật vội vàng nếu như chỉ đơn thuần dựa vào một phương pháp kiểm định để đưa ra quyết định chấp nhận hay từ chối kết quả của mơ hình.
Tác giả tin tưởng rằng, các kết quả thực nghiệm thuyết phục tại mức ý nghĩa 5% trình bày tại chương 4 khi các mơ hình đều dự báo khá hiệu quả VaR và ES cho hầu hết các danh mục chứng khoán sẽ là một cở sở tốt để các CRO cảm thấy tự tin hơn khi sử dụng các mơ hình này trong dự báo rủi ro của danh mục.
Tuy nhiên, để có được sự an toàn cao hơn với mức ý nghĩa 1% hay độ tin cậy 99% thì bốn mơ hình đề xuất trong bài nghiên cứu dường như không là một giải pháp tốt khi tất cả đều dự báo khơng chính xác VaR cho hầu hết các danh mục. Sự thất bại này xuất phát từ nhiều nguyên nhân liên quan đến các giả định của mơ hình, nhưng theo tác giả thì ngun nhân chính và quan trọng nhất là sử dụng khơng chính xác quy luật phân phối của chuỗi dữ liệu.
57
Và đó cũng chính là một trong những hướng mở rộng mà tác giả muốn hướng đến trong tương lai, bằng cách thêm vào các mơ hình sử dụng các phân phối xác suất khác phân phối chuẩn để có thể lựa chọn ra mơ hình tối ưu nhất cho dự báo rủi ro danh mục.