CHƯƠNG 1 :LÝ LUẬN VÀ NGHIÊN CỨU TỔNG QUAN
3.3. QUY TRÌNH QUẢN TRỊ DÒNG TIỀN
3.3.2.2. Tính tốn các mức độ rủi ro
Chúng ta sử dụng cùng nguồn dữ liệu để đánh giá mơ hình độ nhạy cảm và vẫn
giả định là các nhân tố rủi ro tuân theo quy luật ngẫu nhiên. Như đã nói ở trên, chúng ta sẽ xem xét mức độ tương quan, trung bình và độ lệch chuẩn của các biến rủi ro để xem chúng tác động đồng thời lên dịng tiền của cơng ty như thế nào.
Bảng 3.4: Trung bình và độ lệch chuẩn của các biến độc lập:
Trung bình (Mean) Độ lệch chuẩn (Std. Deviation) USD/VND 16,500.21 698.81 EUR/VND 23,061.69 2,322.07 VNIBOR 3M 9.75 3.63 CPI 11.24 8.81 Oil (usd) 77.45 24.97
Chúng ta cũng xem xét ma trận tương quan variance/covariance của các biến
50
Bảng 3.5: Ma trận variance/covariance của các biến độc lập:
USD/VND EUR/VND VNIBOR 3M CPI Oil usd
USD/VND 1
EUR/VND 0.63822 1 VNIBOR 3M 0.1796941 0.55654255 1
CPI 0.2868448 0.70109025 0.8807851 1 Oil usd -0.1993367 0.49081759 0.7604621 0.6172793 1
Sử dụng phần mềm mô phỏng @Risk là phần mềm của Palisade Decision Tools với phiên bản @Risk 4.5 for Excel để thực hiện 10,000 tình huống thay đổi của các biến số trong hệ thống ước tính. Theo hệ phương pháp luận đã được đề cập ở trên, sự
thay đổi trong dòng tiền của Mercedes-Benz Việt Nam là kết quả tổng cộng của mỗi
biến số mô phỏng của thị trường và nền kinh tế nhân với hệ số độ nhạy cảm liên quan, cộng với một hằng số và một giá trị mô phỏng của sai số е (trong đó độ lệch chuẩn được cho bởi sai số chuẩn của phép hồi quy từ mơ hình độ nhạy cảm). Với mỗi lần
trong số 10,000 lần mơ phỏng, @Risk sẽ tính lại giá trị dịng tiền của công ty. Chúng ta sẽ đạt được một phân phối dịng tiền được xây dựng khơng chỉ bởi độ nhạy của dòng
tiền mà còn bởi sự thay đổi được chờ đợi và tính hiệp biến (thay đổi tương ứng) của các nhân tố rủi ro. Các tham số của mơ hình được xác định như sau:
- Các tham số đầu vào của mơ hình: các biến thị trường như tỷ giá, lãi suất, lạm phát và giá cả hàng hóa và sai số e. Phần mềm @Risk sẽ thực hiện 10,000 tình huống thay đổi của các tham số này
- Kết quả đầu ra: sự thay đổi lên xuống của dòng tiền là do hai thành phần: sự
thay đổi xuất phát bởi sự lên xuống của các yếu tố thị trường như trên, xác định bởi hệ số R2 trong mơ hình hồi quy và sự thay đổi độc lập với sự lên xuống đó, xác định bởi 1-R2, kết quả đầu ra cho thấy xác suất phân phối dòng tiền tổng. Chúng ta sẽ thực hiện lần lượt như sau:
- Xác định phân phối cho các biến đầu vào là các nhân tố rủi ro của thị trường,
51
các biến ở trên. Bởi vì chúng ta đã giả định ở trên là các biến tuân theo quy luật ngẫu nhiên và phân phối chuẩn, chúng ta xác định phân phối chuẩn lần lượt cho các biến như hình dưới. Đồng thời, chúng ta biết rằng có một sai số xuất hiện trong phép hồi quy, chúng ta cũng giả định rằng sai số này tuân theo quy luật ngẫu nhiên và phân phối chuẩn, với độ lệch chuẩn của phép hồi quy đa biến ở
trên.
Chúng ta sẽ xác định phân phối chuẩn cho biến đầu vào đầu tiên USD/VND tại ô dữ liệu Y89, bằng cách nhấp chọn ô, chọn phân phối Chuẩn (Distribution Normal), chọn trung bình µ và độ lệch chuẩn σ (thu được từ phân tích variance/covariance ở
trên).
52
Tương tự như trên, chúng ta cũng xác định phân phối chuẩn của biến đầu vào
EUR/VND tại ơ Y90
Hình 3.2: Phân phối chuẩn của biến đầu vào EUR/VND:
Chúng ta thực hiện việc xác định phân phối chuẩn lần lượt cho các biến đầu vào VNIBOR 3 tháng, CPI, giá dầu và sai số e với cùng cách thức như trên
- Xác định biến đầu ra của mơ hình:
Bằng cách xác định CfaR cho từng lĩnh vực hoạt động kinh doanh và CfaR tổng thể cho tịan cơng ty, chúng ta có thể thấy được tác dụng của việc đa dạng hóa đầu tư
53
Theo phương pháp luận đã được trình bày ở trên, sự thay đổi trong dòng tiền
của PC là kết quả tổng cộng của mỗi biến số mô phỏng của thị trường và nền kinh tế nhân với hệ số độ nhạy cảm liên quan, cộng với một hằng số (intercept) và một giá trị mô phỏng của sai số е. Thêm vào đó, chúng ta biết rằng sự thay đổi của dịng tiền tổng thể một phần khơng do tác động của các nhân tố rủi ro thị trường, xác định bằng hệ số 1-R2, với R2 là hệ số thu được trong phép hồi quy đa biến. Chúng ta sẽ xác định ô dữ liệu P98 là biến đầu ra đầu tiên bằng cách nhập chọn ô, chọn nút Output và đặt tên cho biến là Cash flow/PC
54
CfaR của dòng xe thương mại (VA):
Tương tự như trên, chúng ta sẽ xác định ô dữ liệu R98 là biến đầu ra thứ hai
bằng cách nhấp chọn ô, chọn nút Output và đặt tên cho biến là Cash flow/VA Hình 3.4: Biến đầu ra Cash flow/VA:
55
CfaR tổng hợp của công ty (MBV):
Sử dụng cùng một phương pháp như trên, chúng ta cũng xác định ô dữ liệu T98 là biến đầu ra cuối cùng bằng cách nhấp chọn ô, chọn nút Output và đặt tên cho biến là Cash flow/MBV
56
- Kiểm tra các biến đầu vào và đầu ra:
Việc kiểm tra danh sách các biến đầu ra và đầu vào trước khi thực hiện sẽ giúp loại bỏ các thao tác sai hoặc dư thừa khi chọn biến đầu vào và đầu ra.
57
- Chọn Chức năng của @ Risk:
Phần mềm @ Risk cho phép mở cùng một lúc nhiều bảng tính mơ phỏng, bước này cho phép chúng ta lựa chọn bảng tính để bắt đầu mô phỏng.
58
- Thiết lập mô phỏng:
Bước này cho phép chọn số lần thực hiện mơ phỏng. Như đã trình bày ở trên, chúng ta sẽ thực hiện 1000 lần mô phỏng các biến đầu vào của mơ hình.
59
Chúng ta cũng xác định cách thức mơ phỏng, cách tính và lấy mẫu theo phương thức mô phỏng Monte Carlo
60
- Thiết kế báo cáo và thực hiện:
Phần mềm @Risk cho phép thiết lập các báo cáo bao gồm một báo cáo kết quả mô phỏng và các báo cáo nhanh trên MS Excel.
61
Sau khi đã hoàn thiện tất cả các bước chuẩn bị như trên, chúng ta sẽ chạy phần mềm mơ phỏng @Risk để tính tốn CfaR.
Bảng 3.6: Kết quả CfaR của công ty trong quý 3 năm 2009
Dòng tiền mong
đợi 5% CfaR CfaR CfaR in %
PC 897.57 787.05 110.52 12%
VA 1,090.97 946.48 144.49 13%
MBV 1,984.69 1,727.71 256.99 13%
Chúng ta cũng thể hiện kết quả phân phối cho dòng tiền quý 3 năm 2009 của công ty bằng đồ thị. P h â n p hối d ò n g t iền của M B V T ru n g b ì n h (M e a n ) = 1 9 8 4 .6 9 3 X < = 2 2 4 2 .9 3 9 5 % X < = 1 7 2 7 .7 1 5 % 0 0 .5 1 1 .5 2 2 .5 3 1 .5 1 .7 5 Đ ơn vị: 1 0 0 0 U S D2 2 .2 5 2 .5 Đ ơn vị: 1 0- 3
Biểu đồ 3: Biểu đồ phân phối dòng tiền của MBV trong quý 3 năm 2009
Giả định độ tin cậy 95% được đưa ra, chúng ta có CfaR ước tính cho cơng ty
62
khỏi giá trị mong đợi một số lớn hơn 256.99 ngàn USD. Đồng thời cho thấy xác suất dòng tiền rơi xuống dưới mức 1,727.71 ngàn USD là 13%.
Giải thích ý nghĩa
Một lợi ích của việc thực hiện Cfar dựa trên độ nhạy cảm là nó mở ra nhiều khả năng phân tích Cfar và thấu hiểu được sự năng động của dòng tiền doanh nghiệp và các nhân tố chủ chốt của rủi ro dòng tiền. Một tiện ích khác là khả năng hiểu được diện
mạo danh mục của rủi ro doanh nghiệp.
Diện mạo danh mục rủi ro xuất hiện ở ba mức độ:
- Thứ nhất, chúng ta có thể quan sát độ nhạy cảm bù trừ, có nghĩa là độ nhạy cảm dịng tiền của từng lĩnh vực hoạt động có thể bù trừ lẫn nhau nếu chúng có vị thế trái ngược nhau, hoặc âm hoặc dương với các nhân tố nhạy cảm và dẫn đến là độ nhạy cảm đối với dòng tiền tổng thể được giảm bớt hoặc triệt tiêu. Điều này thường gặp ở các công ty có hoạt động sản xuất đa dạng, đầu tư vào nhiều lĩnh vực khác nhau. Trường hợp
của Mercedes-Benz Việt Nam thì ở vị thế ngược lại, hoạt động sản xuất kinh doanh của công ty ở hai lĩnh vực xe du lịch (PC) và xe thương mại (VA) về cơ bản là giống nhau, do vậy chúng ta không thấy được độ nhạy cảm bù trừ trong mơ hình độ nhạy
cảm. Độ nhạy cảm của dòng tiền tổng thể lớn hơn độ nhạy cảm của từng lĩnh vực. - Thứ hai, xuất hiện các sai số trong mô hình độ nhạy cảm. Các sai số này cho thấy có
sự thay đổi của dịng tiền độc lập với nhân tố rủi ro. Nhìn vào mơ hình độ nhạy cảm của công ty chúng ta thấy sai số lần lượt ở hai lĩnh vực PC và VA là 6.844 và 12.645.
Điều này cho thấy ngoài tác động của các nhân tố rủi ro của thị trường, cịn có sự
thay đổi dịng tiền của cơng ty độc lập với các nhân tố rủi ro thị trường, chẳng hạn như rủi ro luật pháp, rủi ro ngành…
- Thứ ba, sự tương quan giữa hai nhân tố rủi ro sẽ tác động trên Cfar ước tính, thể hiện
ở hệ số độ nhạy cảm. Nếu hai nhân tố rủi ro là tương quan dương, nhưng cơng ty thì
nhạy cảm ngược chiều đối với một và cùng chiều với cái cịn lại, thì sẽ có tác động làm giảm trên rủi ro dòng tiền. Nếu các mối tương quan này thấp, điều đó hàm ý rằng
63
có một tác động đa dạng hóa một cách rõ ràng và ngược lại. Các hệ số tương quan
càng lớn thì mối tương quan giữa các biến rủi ro đó càng chứa đựng nhiều rủi ro tổng thể. Nhìn vào ma trận tương quan variance/covariance của các biến độc lập, chúng ta thấy đa phần các mối tương quan là cùng chiều và công ty cũng nhạy cảm cùng chiều với các nhân tố rủi ro, vì vậy ít có tác động làm giảm rủi ro trên dòng tiền tổng thể.
Đồng thời các mối tương quan giữa các nhân tố rủi ro là lớn, giả sử tương quan giữa
tỷ giá EUR/VND và chỉ số CPI là 0.70, điều này cho thấy rõ ràng thiếu sự đa dạng hóa trong hoạt động sản xuất của công ty và chứa đựng nhiều rủi ro tổng thể.
Ở một góc độ khác thì khơng phải tất cả các nhân tố rủi ro cần được bao gồm
trong trong mơ hình độ nhạy cảm, có thể sử dụng nhân tố đại diện để đạt được đủ độ
nhạy cảm đối với một vài lĩnh vực kinh doanh của doanh nghiệp. Việc chỉ ra rằng
những nhân tố này có tương quan, từ khía cạnh danh mục rủi ro, đủ đo lường độ nhạy cảm đối với một hoặc hai lĩnh vực kinh doanh của doanh nghiệp. Nhờ đặc tính tương quan của các nhân tố rủi ro, việc quản lý độ nhạy cảm đối với ít nhân tố rủi ro đại diện cho độ nhạy cảm đối với toàn danh mục rủi ro sẽ tiết kiệm được chi phí giao dịch.
Đánh giá mức độ giảm thiểu rủi ro nhờ đa dạng hóa
Phịng ngừa tự nhiên (đa dạng hóa hoạt động sản xuất kinh doanh) cũng làm
giảm thiểu rủi ro trên dòng tiền. Nếu tổng rủi ro của các thành phần cao hơn rủi ro tổng thể (nghĩa là chênh lệch âm), điều đó chứng tỏ hoạt động đầu tư kinh doanh của cơng ty có sự đa dạng hóa tốt và ngược lại. Trong trường hợp của Mercedes-Benz Việt Nam, vì hoạt động của Mercedes-Benz Việt Nam khơng có sự đa dạng hóa rõ rệt, cả hai dịng xe thương mại và sản xuất đều có những nét rất giống nhau như linh kiện nhập khẩu, chi phí cấu thành giá thành sản phẩm, doanh thu…, điều này làm cho rủi ro tổng thể của tồn cơng ty lớn hơn tổng rủi ro thành phần, thể hiện ở mức chênh lệch 1.97 ngàn USD
64
Bảng 3.7: Phân tích giảm thiểu rủi ro nhờ đa dạng hóa:
Đơn vị: Ngàn USD CfaR PC 110.52 VA 144.49 Tổng rủi ro thành phần 255.01 Rủi ro tổng thể (MBV) 256.99 Chênh lệch 1.97