Lý do lựa chọn
Phương pháp mô phỏng lịch sử lọc (FSH) được đề xuất bởi Barone – Adesi và cộng sự (1999) bằng việc sử dụng mô hình GARCH để mô hình hóa phân phối tương lai của giá trị tài sản và giá trị hoán đổi. Phương pháp này kết hợp những ưu điểm của phương pháp mô phỏng lịch sử với độ mạnh và tính linh hoạt của mô hình biến động có điều kiện. Sự thay đổi giá của các quyền chọn được tính bằng cách đánh giá lại đầy đủ về mức thay đổi của tài sản cơ bản. Phương pháp này ngầm xem xét mối tương quan của các tài sản mà không hạn
chế giá trị của chúng theo thời gian hoặc tính toán chúng một cách rõ ràng. Giá trị VaR cho danh mục đầu tư chứng khoán phái sinh có được mà không cần sự tăng lên tuyến tính của chúng. Phương pháp lịch sử gán xác suất bằng nhau cho các tỷ suất sinh lợi trong quá khứ, bỏ qua các điều kiện của thị trường hiện tại. Phương pháp FHS là một phương pháp sàng lọc lại phương pháp lịch sử.
Nội dung
Giả sử chúng ta sử dụng mô phỏng lịch sử lọc để ước tính VaR của danh mục tài sản giản đơn với đơn vị thời gian là 1 ngày. Về mặt thực hiện phương pháp này, đầu tiên là làm cho mô hình biến động có điều kiện phù hợp với dữ liệu tỷ suất sinh lợi mà ta có. Barone-Adesi và công sự (1999) đã đề xuất mô hình GARCH bất đối xứng. Tỷ suất sinh lợi được công bố sau đó được tiêu chuẩn hóa bằng cách chia mỗi tỷ suất sinh lợi ứng với mỗi biến động tương ứng zt=εt/σt. Những tỷ suất sinh lợi được chuẩn hóa này cần phải độc lập và được phân phối một cách đồng nhất và do đó phù hợp với phương pháp lịch sử mô phỏng. Bước thứ 3, bao gồm việc khởi động một lượng lớn hình mẫu từ bộ dữ liệu mẫu của tỷ suất sinh lợi đã được chuẩn hóa.
Giả sử một thời gian nắm giữ VaR là 1 ngày, giai đoạn thứ 3 bao gồm việc rút ra có chọn lọc bộ dữ liệu của các tỷ suất sinh lợi đã được chuẩn hóa: chúng ta lấy một lượng lớn số liệu từ bộ dữ liệu, mà chúng ta xem như là một mẫu, thay thế mỗi cái sau khi nó được rút ra và nhân với mỗi lần rút một cách ngẫu nhiên bằng sự dự báo tính biến động của nó 1 ngày tiếp theo:
Với z* là tỷ suất sinh lợi chuẩn hóa được mô phỏng. Nếu chúng ta lấy M mẫu ra, chúng ta có được 1 mẫu của M tỷ suất sinh lợi được mô phỏng. Với phương pháp này, VaR(α) là phân vị α% của mẫu tỷ suất sinh lợi được mô phỏng.
Những bằng chứng thực nghiệm gần đây chỉ ra rằng phương pháp này hoạt động tương đối tốt trong việc ước lượng VaR
Kết luận
Phương pháp lịch sử lọc dẫn đến một đánh giá nhanh chóng của VaR. Đó là có thể bởi vì nó đòi hỏi một mô phỏng lịch sử đơn giản để được kích hoạt mỗi ngày thông qua một bộ lọc chuỗi thời gian định sẵn. Số lượng các tính toán tăng tuyến tính với số lượng tài sản. Độ tin cậy của đánh giá phụ thuộc vào chất lượng của các bộ lọc được sử dụng trong phân tích chuỗi thời gian. Một bộ lọc tốt hơn là theo định nghĩa dẫn đến một đánh giá tốt hơn về rủi ro.