3.1.3.1 Mô hình hồi quy đa biến
Đầu tiên, mô hình hồi quy tuyến tính phù hợp nhất cho EBITDA của mỗi m t trong ba công ty đã đƣợc lựa chọn, mô hình phù hợp cho Suzano:
Mô hình phù hợp cho VCP:
Mô hình phù hợp cho Aracruz:
Mô hình hồi quy tuyến tính đa nhân tố đƣợc chọn của ba công ty nhƣ sau:
Bảng 3.3: Mô hình hồi quy tuyến tính đa nhân tố của ba công ty
Từ mô hình ta thấy:
(1)
(2)
Quản Trị Rủi Ro Tài Chính O Ƣ NG RỦI RO T I CH NH N I SINH
Tài chính doanh nghiệp 06 – K34 Trang 39
Yếu tố trao đổi tiền tệ (PTAX) đã có m t ảnh hƣởng quan trọng trên các biến đ ng của EBITDA của ba công ty. Những sự biến đ ng của giá cả thị trƣờng giấy trong nƣớc có ý nghĩa đối với các sự thay đổi của EBITDA của công ty Suzano và VCP. Mặt khác, ảnh hƣởng của sự thay đổi về giá b t giấy có ý nghĩa chỉ trên mô hình cho EBITDA của VCP và Aracruz. Không có tác đ ng của sự thay đổi giá cả b t giấy trong mô hình cho Suzano, điều này có vẻ không hợp lý khi xem xét báo cáo hàng năm của công ty cho thấy rằng giá b t giấy là m t yếu tố ảnh hƣởng kết quả của công ty.
M t trong những lời giải thích có thể có cho việc lo i trừ giá b t giấy từ mô hình này có thể có đa c ng tuyến. Mặt khác, biến này đã không có mối tƣơng quan cao với bất kỳ các biến khác đƣợc sử dụng trong mô hình (PTAX và giá cả thị trƣờng giấy).
3.1.3.2 Mô hình PCR
Các hệ số nhân tố chính thu đƣợc cho Votorantin và Suzano (bảng 3.4) và cho Aracruz (Bảng 3.6) không đƣa ra bất kỳ sự giải thích trực tiếp nào của các nhân tố.
Các hệ số thành phần của Votorantin và Suzano cho thấy rằng các biến quan trọng hơn trong mỗi thành phần, tƣơng ứng, thị trƣờng giấy trong nƣớc, trao đổi tiền tệ PTAX, giấy A4, lãi suất Selic, b t giấy, và m t lần nữa, thị trƣờng giấy trong nƣớc. Các phân tích cho Aracruz cho thấy rằng hầu hết các biến quan trọng cho mỗi thành phần là chỉ số giá IPCA, trao đổi tiền tệ PTAX, lãi suất Selic và m t lần nữa chỉ số giá IPCA. Những sự thay đổi trong giá b t giấy có tác dụng quan trọng nhất vào nhân tố 1 (tỉ lệ nghịch do mối tƣơng quan phủ định).
Tỷ lệ phƣơng sai tổng thể đƣợc giải thích bởi mỗi nhân tố đƣợc ƣớc tính đƣợc trình bày trên Bảng 3.5 cho Suzano và VCP và Bảng 3.7 cho Aracruz.
Tài chính doanh nghiệp 06 – K34 Trang 40
Bảng 3.5: Tỷ lệ thay đổi tổng thể được giải thích bởi các thành phần cho VCP và Suzano
Bảng 3.6: hệ số nhân tố chính cho Aracruz:
Quản Trị Rủi Ro Tài Chính O Ƣ NG RỦI RO T I CH NH N I SINH
Tài chính doanh nghiệp 06 – K34 Trang 41
Sau khi các nhân tố chính đƣợc tính toán, các mô hình hồi quy sử dụng chúng nhƣ các biến đ c lập đƣợc ƣớc tính m t lần nữa thông qua các quy trình ngƣợc l i để lựa chọn biến. Mô hình PCR đƣợc lựa chọn phù hợp cho mỗi công ty đƣợc trình bày trong các phƣơng trình sau và Bảng 3.8.
Mô hình PCR phù hợp cho Suzano là,
Mô hình phù hợp cho VCP là:
Mô hình phù hợp cho Aracruz là:
Bảng 3.8 Mô hình PCR được lựa chọn phù hợp cho mỗi công ty:
M t lần nữa, phân tích dự đoán của các mô hình PCR đã không có bất kỳ vấn đề gì, vì vậy chúng có thể đã đƣợc xem xét và điều chỉnh tốt.
Trên mô hình EBITDA cuối cùng cho Suzano, m t ảnh hƣởng lớn của các thành phần phía trƣớc có thể đƣợc ghi nhận. Biến chính cho các thành phần này là lãi suất Selic, yếu tố mà không có ý nghĩa trên mô hình hồi quy đa nhân tố.
Tài chính doanh nghiệp 06 – K34 Trang 42 Trên các mô hình khác, những tác đ ng của các hệ số đồng nhất hơn. Xem xét mô hình của Aracruz, nhân tố đầu tiên và nhân tố thứ tƣ đã có những ảnh hƣởng tƣơng tự. Với mô hình VCP, nhân tố thứ tƣ l i có m t hệ số lớn hơn, giải thích tƣơng tự nhƣ trƣờng hợp Suzano.
3.1.4 So sánh kết quả dự báo EaR
Ở phần trên, chúng ta thấy đƣợc sự khác biệt giữa mô hình hồi quy đa biến thông thƣờng và PCR. Trong phần này, chúng ta sẽ kiểm tra kết quả dự báo EaR của hai phƣơng pháp để có cái nhìn rõ ràng hơn. Dự báo EaR từ các mô hình hồi quy đƣợc ƣớc tính, bắt đầu từ các mô phỏng các giá trị của các biến đ c lập trong tƣơng lai.
Để thực hiện mô phỏng này, tác giả sử dụng các quy trình bình thƣờng theo lý thuyết: giả định của phân phối đồng thời bình thƣờng và mô phỏng thông qua phân tích Cholesky của ma trận hiệp phƣơng sai. Ở đây, tác giả mô phỏng log của doanh thu của giá b t giấy, giá giấy thị trƣờng trong nƣớc, giấy A4, cũng nhƣ log-doanh thu của trao đổi tiền tệ PTAX, chỉ số giá IPCA và lãi suất Selic cho bốn quý liên tiếp, tổng hợp m t năm. Tổng số điểm mô phỏng là 10.000. Log-doanh thu cho chỉ số giá IPCA và lãi suất Selic đƣợc tính toán từ đơn giá.
Nhƣ vậy, 10,000 điểm mô phỏng thu đƣợc cho log – doanh thu hàng năm của EBITDA cho mỗi công ty. Từ các giá trị này, m t phân bố xác suất thực nghiệm đã đƣợc thực hiện và sau đó EaR, trong 1 khoảng thời gian là m t năm, có thể đƣợc ƣớc tính đối với bất kỳ mức đ tin cậy mong muốn.
Theo tài liệu kỹ thuật của Corporate Metrics, trong tính toán EaR, thiệt h i đƣợc xác định trong giá trị mục tiêu tƣơng lai của EBITDA. Vì chúng ta thiếu m t mục tiêu đƣợc xác định trƣớc, chúng tôi sẽ tính toán EaR nhƣ khả năng mất hơn giá trị EBITDA hiệu quả của cuối đƣa ra (quý 2006). Các giá trị EaR dự báo thu đƣợc (trong triệu R$) đƣợc trình bày trên Bảng 3.9.
Quản Trị Rủi Ro Tài Chính O Ƣ NG RỦI RO T I CH NH N I SINH
Tài chính doanh nghiệp 06 – K34 Trang 43
Điểm quan trọng đầu tiên đề cập đến là hai phƣơng pháp đã cho kết quả tƣơng đƣơng cho Aracruz. Theo các thử nghiệm tính cầu đƣợc tính trên phần 2, dữ liệu cho công ty này đã không có vấn đề đa c ng tuyến đáng kể. Điều này cho thấy rằng sự vắng mặt của tính công tuyến, phƣơng pháp PCR là tƣơng đƣơng với các phƣơng pháp hồi quy tuyến tính đa nhân tố thƣờng đƣợc sử dụng.
Mặt khác, với Suzano và VCP, phƣơng pháp PCR đƣa ra kết quả trong các giá trị EaR nhỏ hơn cho hầu hết tất cả các mức ý nghĩa, cho thấy rằng khi bỏ qua hiện tƣợng đa c ng tuyến giữa các biến đ c lập, rủi ro của công ty có thể đƣợc ƣớc tính quá mức.
Các giá trị thực tế của EBITDA trong quý cuối cùng của năm 2006 và 2007 cho ba công ty đƣợc trình bày trong bảng 3.10, nơi mà chúng ta có thể thấy rằng các tổn thất đƣợc thực hiện bởi mỗi công ty kết hợp với các giá trị dự báo.
Bảng 3.10: giá trị EBITDA thực cho ba công ty trong quý cuối năm 2006, 2007.
Lấy ví dụ nhƣ mô hình PCR điều chỉnh cho dữ liệu VCP, trong giai đo n cuối (cuối quý 2006) với xác suất 95%, tổn thất là nhỏ hơn 44 triệu R$ (xem Bảng 3.9); so sánh với các mô hình hồi quy tuyến tính đa nhân tố, tổn thất quý cuối cùng năm 2006 nhỏ hơn hoặc bằng 62,12 triệu R$. Các tổn thất thực tế đƣợc quan sát, 25,70 triệu R$, so sánh cả hai khoảng thời gian, tuy nhiên, khoảng thời gian thu thập thông qua phƣơng pháp PCR nhiều hiệu quả hơn so với cái thu đƣợc thông qua mô hình hồi quy bình thƣờng.
Tài chính doanh nghiệp 06 – K34 Trang 44 Nhƣ vậy,giá trị EaR cho dự báo m t thời kỳ hàng năm thu đƣợc thông qua các mô hình PCR đã đƣợc nhỏ hơn so với những gì có đƣợc thông qua mô hình hồi quy tuyến tính đa nhân tố cho hầu hết các khoảng tin cậy, điều này cho thấy rằng bỏ qua hiện tƣợng đa c ng tuyến trên mô hình kinh tế có thể dẫn đến m t rủi ro vƣợt quá ƣớc tính. Trong trƣờng hợp không có hiện tƣợng c ng tuyến, các mô hình PCR cho kết quả tƣơng đƣơng với các mô hình hồi quy tuyến tính đa nhân tố thông thƣờng.
Nói chung, mô hình hồi quy tuyến tính đa nhân tố đƣợc thực hiện và giải thích đơn giản hơn. Nhƣng vì nó không đƣa vào tính toán các tƣơng quan có thể có giữa các biến đ c lập và nó có thể dẫn đến rủi ro ƣớc tính có thể bất cân xứng và chịu sự không ổn định. Mặt khác, mô hình PCR lo i trừ đa c ng tuyến m t cách rõ ràng, nhƣng đã thực hiện và giải thích phức t p hơn. Vì vậy, các phƣơng pháp trình bày ở đây nên đƣợc coi là bổ sung cho nhau.
M t chính sách quản lý rủi ro tốt nên suy ngẫm về việc phân tích và sự so sánh kết quả của hai kỹ thuật, từ đó dẫn đến m t quá trình định lƣợng rủi ro tài chính đáng tin cậy và ít sai sót hơn.
3. o lƣờng CFaR – “Comparables-based”
3.2.1 Giới thiệu chung CFaR – “Comparables-based”
Theo Jeremy C. Stein ( Đ i học Harvard) và các c ng sự của mình trong bài “A comparables approach to measuring Cashflow-at- Risk for non-financial firms” đã định
nghĩa CFaR nhƣ là phân phối xác suất dòng tiền ho t đ ng của công ty trong tƣơng lai, dựa vào thông tin có sẵn của ngày hôm nay. Ví dụ, nếu hôm nay là ngày 31 tháng 12 năm 2000, CFaR quý tới của công ty là phân phối xác suất của dòng tiền ho t đ ng cuối quý vào ngày 31 tháng 3 năm 2001; và CFaR năm tới của nó là phân phối xác suất của dòng tiền cuối năm ngày 31 tháng 12 năm 2001. M t cách để xem xét việc xây dựng m t phƣơng thức đo lƣờng CFaR là so sánh nó với phƣơng thức đo lƣờng trị giá có rủi ro (VaR) thông dụng đƣợc các ngân hàng và tổ chức tài chính sử dụng. Mặc dù có m t vài sự khác biệt cơ bản giữa 2 phƣơng thức này ( ví dụ, CFaR tập trung vào dòng tiền trong
Quản Trị Rủi Ro Tài Chính O Ƣ NG RỦI RO T I CH NH N I SINH
Tài chính doanh nghiệp 06 – K34 Trang 45
khi VaR tập trung vào giá trị tài sản, và CFaR chú ý đến tầm nhìn 1 quý hoặc 1 năm trong khi tầm nhìn của VaR đƣợc đo lƣờng đặc trƣng là ngày hoặc tuần), CFaR là m t sự cố gắng để t o ra m t chất lƣợng tƣơng tự nhƣ VaR mà nó có thể hữu ích cho công ty phi tài chính.
Phƣơng pháp tiếp cận tiêu chuẩn để ƣớc tính VaR cho m t ngân hàng là phƣơng pháp “bottom up”. Ngƣời ta bắt đầu bằng cách liệt kê từng tài sản của ngân hàng – tất cả các khoản vay, vị trí kinh doanh … Đ nh y cảm rủi ro ( cú sốc về lãi suất, rủi ro tín dụng, sự biến đ ng tỷ giá hối đoái) của mỗi lo i tài sản sau đó đƣợc định lƣợng. Cuối cùng, những rủi ro này đƣợc tổng hợp trên toàn b danh mục đầu tƣ của ngân hàng.Bây giờ chúng tôi cố gắng áp dụng phƣơng pháp tiếp cận “bottom-up” giống nhƣ vậy cho công ty phi tài chính. Cụ thể hơn, xem xét trƣờng hợp của nhà sản xuất máy tính Dell. Ngƣời ta sẽ bắt đầu xác định tất cả rủi ro riêng lẻ đối với dòng tiền của Dell nhƣ thế nào? Và m t khi những rủi ro này đƣợc xác định, họ có thể định lƣợng chính xác nhƣ thế nào? Không nghi ngờ gì, Dell đối mặt với m t vài rủi ro giao dịch ( và là phƣơng pháp đo lƣờng trực tiếp) nhƣ m t ngân hàng (đ nh y cảm tỷ giá). Nhƣng ngay cả khi ngƣời ta dùng công cụ tƣơng tự nhƣ VaR để lập mô hình định lƣợng đo lƣờng đ nh y cảm tỷ giácủa Dell, rủi ro này cũng có khả năng thứ hai liên quan đến việc Dell quảng cáo kém và hỗ trợ khách hàng không tốt và do đó làm mất thị phần đáng kể cho Gateway và Compaq. Nhƣ vậy, nếu cứ cố gắng thực hiện m t phƣơng pháp tƣơng tự VaR ( bottom-up) cho những công ty nhƣ Dell, có m t sự nguy hiểm ở đây là cách tiếp cận nhƣ vậy sẽ bỏ sót m t vài nguồn gốc quan trọng của rủi ro và vì thế dẫn đến ƣớc tính không chính xác CFaR tổng thể.
M t cách thay thế khác cho phƣơng pháp “bottom-up” là tiếp cận vấn đề theo hƣớng “top down”. Nếu yếu tố cuối cùng mà chúng ta quan tâm là sự thay đổi trong dòng tiền ho t đ ng của Dell, t i sao l i không xem xét trực tiếp trong dữ liệu dòng tiền lịch sử? Thuận lợi hiển nhiên của việc làm này là dữ liệu này tóm tắt ảnh hƣởng kết hợp của tất cả rủi ro mà Dell phải đối mặt, vì vậy tránh đƣợc sự cần thiết phải xây dựng m t mô hình chi tiết của doanh nghiệp. Nếu CFaR của Dell cao thì điều này cần đƣợc thể hiện trong sự biến đ ng cao trong dòng tiền quá khứ của nó.
Tài chính doanh nghiệp 06 – K34 Trang 46 Thật không may, cũng có m t vấn đề lớn khi làm theo cách này, đó là thiếu dữ liệu, ngay cả khi lấy số liệu về dòng tiền hàng quý. Điều này cho thấy rằng những biến đ ng quá khứ là quá ít, đặc biệt đối với mục tiêu của phƣơng pháp đo lƣờng CFaR là để có đƣợc ý nghĩa đúng của các trƣờng hợp cực kỳ hiếm xảy ra ( khả năng xảy ra thấp). Nhƣng nếu chúng ta có thể xác định m t nhóm công ty tƣơng tự nhƣ Dell thì sao? Với 25 công ty nhƣ vậy và dữ liệu hàng quý trong 5 năm, chúng ta sẽ có đến 500 quan sát. Với 50 công ty tƣơng tự nhau, chúng ta sẽ có 1000 quan sát. Vào lúc này, chúng ta có thể ƣớc tính xác suất đuôi 5% ( và thậm chí là 1%).
Trong phần này, chúng tôi mô tả việc thực hiện “top down” nhƣ thế nào, phƣơng pháp tiếp cận “Comparables-based” đo lƣờng CFaR. M t điểm m nh rõ ràng của phƣơng thức này là – bởi vì chúng ta đang xem xét trực tiếp sự biến đổi dòng tiền – tính trung bình thì nó xác định câu trả lời đúng. Nếu chúng ta phân tích lặp l i cho nhiều công ty, tính trung bình chúng ta sẽ t o ra ƣớc tính CFaR m t cách hệ thống không quá cao cũng không quá thấp. Tính chất này không có ở cách tiếp cận “bottom-up”. Ví dụ, nếu m t mô hình “bottom-up” bỏ qua nguồn gốc quan trọng của rủi ro, thì nói chung nó sẽ ƣớc tính quá thấp.
Dĩ nhiên, phƣơng pháp tƣơng đồng này không phải là không có mặt h n chế của nó. H n chế chính là ngƣời ta không thể nắm bắt đƣợc đặc tính riêng ở cấp đ công ty mà điều này có thể làm tăng những khác biệt trong CFaR. Do đó, nếu chúng ta t o ra đƣợc m t nhóm 25 công ty tƣơng tự nhau để ƣớc tính CFaR của Dell, và Dell có m t số đặc trƣng riêng so với các công ty còn l i ( có lẽ nó có nhiều doanh số từ nƣớc ngoài, và do đó có nhiều rủi ro tỷ giá hơn), điều này sẽ không đƣợc nắm bắt. Giới h n khác của cách tiếp cận này là nó không thể giải thích cho chúng ta bất cứ điều gì về ảnh hƣởng dự kiến của những thay đổi trong chiến lƣợc về CFaR của công ty. Ví dụ, nếu Dell quyết định tiến xa hơn vào thị trƣờng nƣớc ngoài, chúng ta không thể nói điều này có thể làm tăng CFaR của nó bao nhiêu. Khả năng để lập mô hình cho những lo i ảnh hƣởng ở cấp đ công ty này là thuận lợi chính của phƣơng pháp tiếp cận “bottom-up” đƣợc sử dụng trong ứng dụng VaR.
Quản Trị Rủi Ro Tài Chính O Ƣ NG RỦI RO T I CH NH N I SINH