Để đo lƣờng xem dòng tiền lệch so với kỳ vọng bao nhiêu, ngƣời ta cần có m t dự báo dòng tiền kỳ vọng. Trong trƣờng hợp của chúng ta, điều này có nghĩa là chúng ta cần m t mô hình để dự báo dòng tiền quý tới cũng nhƣ năm tới. Để làm nhƣ vậy, chúng tôi sử dụng kỹ thuật tự hồi quy rất đơn giản. Đối với dự báo hàng quý của chúng tôi, chúng tôi hồi quy EBITDA/tài sản quý t với 4 đ trễ của chính nó, đó là: EBITDA/tài sản trong quý thứ t-1, t-2, t-3 và t-4. Chúng tôi cũng thêm vào biến giả quý. Trong bất kỳ quý thứ t nào, mô hình cũng phù hợp bằng cách sử dụng dữ liệu trong 5 năm trƣớc.
Tài chính doanh nghiệp 06 – K34 Trang 48
Bảng 3.11: kết quả hồi quy
Panel A trong bảng 3.11 đƣa ra ví dụ về hồi quy, sử dụng dữ liệu từ năm 1991 đến năm 1995. Nhƣ có thể thấy, mô hình tự hồi quy làm tốt việc dự báo tỷ số EBITDA/tài sản quý tới, đ t đƣợc R2 bằng 58%. Để dự báo cho năm tới, chúng ta sử dụng EBITDA/tài sản trong quý thứ t-1, t-2, t-3 và t-4 cũng nhƣ biến giả hàng quý. Sự thay đổi duy nhất là biến phụ thu c là tổng của EBITDA trong quý thứ t, t+1, t+2 và t+3, tất cả chia cho tài sản vào đầu quý thứ t. Bây giờ chúng tôi đang dự báo giá trị của EBITDA trong năm tới. Các kết quả từ hồi quy này đƣợc chỉ ra trong Panel B của Bảng 3.11. M t lần nữa, R2 là khá cao, lần này đ t đến 63%.
Kết quả dự báo là m t thành phần cần thiết để xây dựng những sai số dự báo ( forecast errors) – đ lệch của dòng tiền so với giá trị dự kiến.
M t ví dụ cụ thể có thể hữu ích hơn. Giả sử rằng chúng ta muốn xây dựng sai số dự báo quý tới cho công ty XYZ trong quý đầu tiên của năm 2000. Chúng ta bắt đầu từ 31 tháng 12 năm 1999. Sử dụng dữ liệu từ 5 năm trƣớc ( tháng 12 năm 1994- tháng 12 năm 1999), chúng ta đƣa vào mô hình và dự báo tỷ số EBITDA/tài sản của công ty XYZ trong quý đầu tiên của năm 2000. Dự báo này là 0.05 – mô hình hồi quy dự báo rằng XYZ sẽ có 5$ EBITDA trên mỗi 100$ tài sản trong quý đầu tiên năm 2000. Sau đó, dự báo đƣợc so sánh với giá trị thực tế của EBITDA/tài sản cho XYZ trong quý đầu tiên năm 2000, bằng cách đó t o ra sai số dự báo. Vì vậy nếu tỷ số EBITDA/tài sản thực tế của công ty XYZ trong quý đầu tiên năm 2000 l i là 0.04, chúng ta sẽ nói rằng sai số dự báo là -0.01 (
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 49
thực tế là 0.04 trừ cho giá trị dự báo là 0.05). Đây là cú sốc bất ngờ đối với tỷ số EBITDA/tài sản của công ty XYZ. Thủ tục của việc tính toán sai số dự báo năm tới cũng giống nhƣ vậy, ngo i trừ trƣờng hợp chúng ta so sánh EBITDA/tài sản của XYZ cho năm 2000 với giá trị dự báo kể từ tháng 12 năm 1999.
Chúng ta lặp l i thủ tục này t i mọi quý của công ty trong cơ sở dữ liệu của chúng ta. Điều này đƣa ra cho chúng ta m t hệ thống những sai số dự báo. Ví dụ, ngay cả khi chúng ta h n chế những sai số dự báo bằng việc lấy dữ liệu 6 năm gần nhất (1994-1999), chúng ta có khoảng 85.000 quan sát.
3.2.2.2 Phân loại các sai số dự báo dựa trên đặc điểm công ty
Hệ thống lớn gồm 85.000 sai số dự báo đ i diện cho m t hỗn hợp dữ liệu từ tất cả các lo i công ty khác nhau. Để tìm hiểu về phân phối xác suất của dòng tiền cho m t công ty cụ thể, chúng tôi muốn tìm hiểu hệ thống này và chỉ rút ra những sai số dự báo xuất phát từ nhóm công ty tƣơng tự nhau (peer group) xác định phù hợp. Nói cách khác, chúng ta cần phải chia nhỏ 85.000 quan sát thành những mẫu con, mà mỗi mẫu con đó bao gồm các công ty có đặc điểm khá giống nhau. Để làm đƣợc nhƣ vậy, chúng ta cần có ý tƣởng về các đặc điểm nổi bật của công ty là gì – nghĩa là, những đặc điểm quan trọng liên quan đến sự biến đ ng trong sai số dự báo.
Sau khi thử nghiệm thực tế, chúng ta đã giải quyết 4 đặc điểm có vẻ nhƣ liên quan nhất đến mô hình trong sự biến đ ng sai số dự báo. Đặc điểm đầu tiên là vốn hóa thị trƣờng. Có m t xu hƣớng có hệ thống rất m nh cho những công ty lớn hơn để có những sai số dự báo nhỏ hơn, nhiều khả năng là kết quả của m t thực tế rằng các công ty lớn hơn đa d ng hóa tốt hơn. Đặc điểm quan trọng thứ hai là khả năng sinh lợi, đƣợc đo lƣờng là giá trị trung bình của tỷ số EBITDA/tài sản trong 4 quý trƣớc. Đặc điểm thứ ba là rủi ro của dòng tiền trong ngành và thứ tƣ là sự biến đ ng giá cổ phiếu, đƣợc tính toán bằng cách sử dụng dữ liệu giá cổ phiếu hàng ngày trong quý trƣớc.
Chúng ta t o ra những mẫu con dựa trên 4 đặc điểm này nhƣ sau. Bắt đầu với hệ thống khoảng 85.000 sai số dự báo, trƣớc tiên chúng ta sắp xếp những công ty thành 3 nhóm dựa trên mức vốn hóa thị trƣờng. Tất cả các sai số dự báo từ các công ty ở nhóm
Tài chính doanh nghiệp 06 – K34 Trang 50 với vốn hóa thị trƣờng thấp nhất trong ba nhóm đƣợc gọi là “nhóm vốn hóa thị trƣờng 1”, nhóm ở giữa đƣợc gọi là “nhóm vốn hóa thị trƣờng 2” và nhóm có vốn hóa thị trƣờng cao nhất đƣợc gọi là “nhóm vốn hóa thị trƣờng 3”. Tƣơng tự nhƣ vậy với ba đặc điểm còn l i, chúng ta sẽ có m t ma trận 4 chiều, mỗi chiều gồm 3 nhóm, tức có 81 “bin”. Trong mỗi “bin” này có khoảng 1.000 sai số dự báo.
Trong ph m vi giả định đồng nhất này đúng, bây giờ chúng ta có m t phƣơng pháp phi tham số rất m nh để ƣớc định CFaR cho bất kỳ công ty nào đƣợc đƣa ra. Đơn giản cần xác định vị trí của công ty ở đâu trong 81 bin, dựa vào giá trị hiện t i của mức vốn hóa thị trƣờng, khả năng sinh lời, rủi ro ngành và biến đ ng giá cổ phiếu. Sau đó, khoảng 1.000 sai số dự báo trong mỗi bin có thể đƣợc dùng để mô tả phân phối thực nghiệm CFaR của công ty.
Bây giờ chúng ta sẽ áp dụng thủ tục này cho những công ty Coca-Cola, Dell và Cygnus. . Ví dụ, Coca-Cola thu c nhóm giá trị vốn hóa thị trƣờng thứ 3, đồng thời nó cũng thu c nhóm khả năng sinh lời thứ 3. Mặt khác, nó thu c nhóm thứ nhất các công ty về rủi ro ngành và biến đ ng giá cổ phiếu. Do đó, Coca-Cola đƣợc đặt vào bin {3,3,1,1}. Đặc điểm phân phối CFaR năm tới của Coca-Cola trong hình 3.2 (ở dƣới) không khác biểu đồ tần suất của sai số dự báo năm tới trong bin {3,3,1,1}. Áp dụng m t logic tƣơng tự cho Dell và Cygnus, chúng tƣơng ứng lần lƣợt thu c vào bin {3,3,3,3} và {2,1,3,3}.
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 51
Phân phối xác suất thực nghiệm của mỗi lo i đƣợc chỉ ra trong hình 1 cho chúng ta rất nhiều sự linh ho t. Bởi vì các dữ liệu theo dõi toàn b phân phối nên chúng ta không cần dựa vào bất kỳ giả định nào về phân phối chuẩn. Thay vào đó, để đánh giá phần đuôi t i mức 5% cho bất kỳ công ty nào đƣợc đƣa ra, đơn giản chúng ta nhìn vào phần trăm thứ 5 của phân phối thực nghiệm.
Tài chính doanh nghiệp 06 – K34 Trang 52
Bảng 3.12: giá trị đuôi CfaR tại mức 5% quý tới và năm tới
Bảng 3.12 là m t m ng lƣới các báo cáo giá trị t i mức 5% của phân phối CFaR, đơn vị EBITDA trên mỗi 100$ tài sản, cho mỗi 81 bin. Panel A xem xét những cú sốc của quý tới, trong khi Panel B xem xét những cú sốc của năm tới. Những ô tƣơng ứng với
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 53
những công ty mà chúng tôi làm ví dụ - Coca-Cola, Dell và Cygnus- đã đƣợc nhấn m nh trong bảng. Cho dù nhìn vào Panel A hay Panel B của Bảng 2 thì m t vài mô hình riêng biệt nổi bật lên. Những công ty nhỏ hơn, cũng nhƣ những công ty trong ngành có rủi ro hơn hoặc có sự biến đ ng giá cổ phiếu cao hơn, tất cả đều cho thấy rõ rệt hơn ở giá trị đo n đuôi. Kết quả của khả năng sinh lời tinh tế hơn m t chút. Có m t xu hƣớng chung của những công ty không sinh lợi có dòng tiền rủi ro hơn, điều này ngƣời ta có thể giải thích là hậu quả của đòn bẩy kinh doanh. Nhƣng xu hƣớng này không nắm giữ toàn b các ô này.
Xem xét ô {3,3,3,3} ở góc dƣới bên tay phải của Panel B, t i đây ngƣời ta tìm ra con số năm tới của Dell. Con số này là -28.5 t i mức 5% tình huống tệ nhất trong năm, EBITDA của Dell giảm so với kỳ vọng 28.5$ cho mỗi 100$ giá trị tài sản sổ sách. Ví dụ, áp dụng mô hình vào đầu năm tài chính 1999 của Dell, khi đó giá trị tài sản sổ sách của nó ( giá trị thuần tiền mặt và chứng khoán) là 3.696 triệu $, kết luận rằng t i mức 5% kịch bản tồi tệ nhất xảy ra trong năm 1999, EBITDA thâm hụt 1.053 triệu $ (1.053=3.696*0.285). Để tỷ lệ này có ý nghĩa, con số này có thể đƣợc so sánh với giá trị EBITDA thực tế năm 1999 của Dell là 2.419 triệu $. Giả sử rằng 2.419$ cũng là giá trị dự báo của EBITDA vào đầu năm 1999, sau đó chúng ta có thể nói rằng, t i mức 5% tình huống tồi tệ nhất xảy ra, EBITDA giảm 43.5% so với kỳ vọng (1.053/2.419=43.5%).
Lƣu ý rằng bất kỳ báo cáo nào chúng ta làm cho EBITDA thì nó cũng dễ dàng đƣợc làm cho EBIT, hoặc là thu nhập ròng sau thuế. Trong ph m vi Dell hoàn toàn có thể dự đoán khấu hao và mức chi trả từng kỳ năm tới của nó, sự thâm hụt bất ngờ của EBIT chính xác là giống nhƣ sự thâm hụt của EBITDA. Và để lấy mức thâm hụt trong thu nhập ròng, tất cả những gì ngƣời ta phải làm là nhân cho ( 1-thuế suất). Do đó, giả định mức thuế suất là 35%, t i mức 5% trong tình huống tệ nhất, mức thâm hụt trong thu nhập ròng là 684 triệu $ ( 684=0.65*1.053), tƣơng đƣơng với 41.1% thu nhập ròng thực tế năm 1999.
Tài chính doanh nghiệp 06 – K34 Trang 54 Vào thời điểm này, phƣơng pháp phân lo i theo 4 đặc trƣng để t o ra m t nhóm công ty ngang hàng nhau cho bất kỳ công ty nào có thể xem nhƣ là h p đen. Lo i công ty nào thực sự xuất hiện từ phƣơng pháp tiếp cận này? Để minh họa, bảng 3.13 trình bày m t phần danh sách các công ty so sánh mà mô hình t o ra cho Dell – nghĩa là, m t vài công ty thu c bin{3,3,3,3}. Các công ty xuất hiện tất yếu là các đối thủ gần nhất của Dell nhƣ Compaq, Gateway và Micron, cũng nhƣ những công ty công nghệ cao có lợi nhuận và lớn nhƣ Cisco. Nhƣng cũng có m t vài công ty không nhƣ dự kiến. Ví dụ, những nhà bán lẻ nhƣ Bed Bath & Beyond và Williams-Sonoma cũng nằm trong danh sách. M t lần nữa, những công ty đó có ở đây bởi vì chúng giống với Dell về giá trị vốn hóa thị trƣờng, khả năng sinh lời và biến đ ng giá cổ phiếu. Và mặc dù chúng là những ngành công nghiệp khá khác nhau nhƣng biến đ ng dòng tiền trong quá khứ của chúng có thể so sánh với Dell và những công ty trong ngành công nghệ cao.
Bảng 3.13: Một phần danh sách các công ty trong nhóm công ty có thể so sánh với Dell
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 55
Tiểu kết:
Chúng tôi tin tƣởng rằng phƣơng pháp “top down” của chúng tôi, phƣơng pháp tiếp cận so sánh để ƣớc tính CFaR đã cung cấp nhiều thuận lợi thực tế. Đầu tiên và trên hết, bằng cách nhìn trực tiếp vào đ biến thiên của dòng tiền, mô hình đã đƣa ra những ƣớc tính tính trung bình là đúng với bất kỳ nhóm công ty ngang hàng nào đƣợc đƣa ra. Trái l i, với phƣơng pháp tiếp cận “bottom-up”, ngƣời ta không thể chắc chắn rằng những ƣớc tính không bị chệch. Thứ hai, mô hình không có tham biến, và vì vậy tránh đƣợc việc đặt ra những giả định không có tính thực tế cao, mà những giả định này thƣờng gây ra những cú sốc đến dòng tiền. Cuối cùng, m t khi mô hình đƣợc xây dựng, nó rất dễ dàng và tốn ít chi phí để áp dụng cho bất kỳ công ty phi tài chính nào.
Dĩ nhiên không thể tự cho là phƣơng pháp tiếp cận của chúng ta vƣợt tr i, thay thế cho phƣơng pháp “bottom-up” trong việc xây dựng m t mô hình CFaR riêng cho mỗi công ty. Hơn thế nữa, hai phƣơng pháp tiếp cận có thể bổ sung cho nhau. Và mặc dù không có khả năng để xác định chắc chắn đặc điểm riêng biệt của công ty, thật khó để rút ra kết luận rằng chúng không đ i diện cho m t phần quan trọng của b công cụ định giá của con ngƣời. Chúng tôi hy vọng rằng phƣơng pháp tiếp cận của chúng tôi để ƣớc tính CFaR sẽ chứng minh là hữu ích.
3.3 Sử dụng CFaR đánh giá mức đ rủi ro tổng thể giữa các ngành phi tài chính t i Mỹ chính t i Mỹ
Frantz (2011) đã phát triển m t phƣơng pháp đo lƣờng rủi ro dựa trên cơ sở dòng tiền phụ thu c vào các nhân tố cụ thể của cấp công ty. Với dữ liệu cấp đ công ty Mỹ, trình bày bằng chứng về Cash Flow-at-Risk và sự thâm hụt dự kiến (Expected shortfall) khác nhau giữa các ngành phi tài chính chủ yếu. Các kết quả này đổi mới sự quan tâm đến vai trò mà phƣơng pháp đo lƣờng VaR cho dòng tiền có thể đóng vai trò trong các nghiên cứu thực nghiệm góp phần cho phân tích rủi ro công ty, và đối với mục đích quản trị rủi ro công ty.
Tài chính doanh nghiệp 06 – K34 Trang 56 Mặc dù cả lý thuyết và các nhà thực tiễn chỉ ra tầm quan trọng của mô hình công ty đối với VaR , có ít các nghiên cứu trƣớc quan tâm đến sự phát triển m t ƣớc lƣợng chính xác hợp lý cho CFaR. Mục tiêu của bài nghiên cứu là lấp lỗ hổng nghiên cứu này bằng cách phát triển m t phƣơng pháp đo lƣờng Cash Flow-at-Risk phụ thu c vào ( conditional on) 3 nhân tố cụ thể cấp đ công ty: tổng tài sản, chi tiêu vốn, và thay đổi trong vốn luân chuyển ho t đ ng.
Lý do cho biện pháp đo lƣờng nhƣ vậy là các công ty cá nhân đó thƣờng có rất ít nếu bất kỳ sự ảnh hƣởng đối với các rủi ro thị trƣờng cổ điển, mặc dù m t số có thể có sự hiểu biết sâu sắc thông tin do bản chất của việc kinh doanh của họ (ví dụ, các công ty hàng hóa hay năng lƣợng) điều mà cung cấp cho họ m t lợi thế so sánh để chịu đựng các rủi ro thị trƣờng nhất định. Ngƣợc l i với những nghiên cứu trƣớc, ở đây tập trung vào 2 phƣơng pháp đo lƣờng rủi ro : Cash Flow-at-Risk và Expected shortfall, có điều kiện về