2
Dòng tiền ho t đ ng nắm bắt đƣợc khoản tiền mặt ( cash) của công ty nhận đƣợc từ các ho t đ ng kinh doanh thƣờng ngày của nó. Con số này không bao gồm cash nhận đƣợc từ các nguồn khác nhƣ các khoản đầu tƣ. Đối với công ty, rất quan trọng để có dòng tiền dƣơng ( positive cash flow) vì điều này thể hiện khả năng tồn t i ít nhất là trong ngắn h n.
Tài chính doanh nghiệp 06 – K34 Trang 58 Tính toán CFaR đòi hỏi đầu tiên là xây d ng phân phối x c suất cho dòng tiền hoạt
động. Với mục tiêu này, sử dụng các tiếp cận trên cơ sở mô phỏng để t o ra m t số lƣợng
lớn các kịch bản mà lập biểu đồ các giá trị khác nhau có thể cho các nhân tố cấp đ công ty cụ thể nói trên. Chọn CFaR và Expected Shortfall để đo lƣờng rủi ro, cả hai đều đƣợc sử dụng r ng rãi. Trong thủ tục mô phỏng Monte Carlo, quy trình ngẫu nhiên thống kê của các nhân tố cụ thể cấp công ty đƣợc giả định tuân theo m t chuyển đ ng Brown tổng quát nhƣ sau:
[2] Trong đó, đối với công ty i t i thời điểm t: Xkit là giá trị của nhân tố k công ty cụ thể ,
là giá trị kỳ vọng của nhân tố k của công ty cụ thể,
là đ lệch chuẩn của nhân tố k của công ty cụ thể,
là nhiễu của nhân tố k t i thời điểm t của công ty cụ thể.
Nhiễu trong [2] đƣợc giả định theo phân phối chuẩn thông thƣờng.
M t giả thuyết phổ biến liên quan đến mục sai số trong [2] đƣợc giả định rằng chúng đ c lập với nhau khi CFaR đƣợc tính toán. Tuy nhiên, kết quả CFaR có thể không đáng tin cậy bởi vì các nhân tố của công ty cụ thể có thể tƣơng quan với nhau. Để giải thích cho sự tƣơng quan này và do đó t o ra m t hình ảnh chính xác hơn về phân phối xác suất của dòng tiền, chúng ta sử dụng nhân tử Cholesky (Cholesky factorization) nhƣ đƣợc miêu tả nhƣ sau đây. Ma trận tƣơng quan giữa 3 nhân tố cấp công ty cụ thể, ký hiệu là Ω, đƣợc định nghĩa nhƣ sau:
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 59
Trong đó, biểu thị mối quan hệ tƣơng quan giữa nhân tố i và j của công ty cụ thể.
Khi ma trận Ω là m t ma trận thực sự đối xứng, nó có thể đƣợc phân hủy thành các nhân tố Cholesky Ω =LL’, trong đó L là ma trận tam giác thấp hơn với các số không trên các góc trên bên phải chẳng h n nhƣ:
Sau đó, chúng ta xác định vecto 1x3 ( ) bao gồm các biến ngẫu nhiên đ c lập tuân theo phân phối chuẩn thông thƣờng, và trong đó k=1,…,3 biểu thị 3 nhân tố cấp đ công ty cụ thể: tổng tài sản, chi tiêu vốn, và thay đổi trong vốn luân chuyển ho t đ ng. Tiếp theo, sử dụng [4] , chúng ta xây dựng cải tiến cấp đ công ty cụ thể , trong đó ( ). Khi làm nhƣ vậy, chúng ta xác nhận là các giá trị của biểu thị cấu trúc tƣơng quan kỳ vọng giữa các nhân tố cụ thể cấp công ty. Sau đó, chúng ta sử dụng các phƣơng pháp Monte Carlo để mô phỏng 10,000 kịch bản dòng tiền ho t đ ng phụ thu c vào 3 nhân tố cấp công ty cụ thể. Từ kết quả phân phối xác suất của các dòng tiền đƣợc mô phỏng, chúng ta tính 2 thông số rủi ro: Cash Flow-at- Risk và Expected shortfall.
Thủ tục để đo lƣờng rủi ro công ty dựa trên các phƣơng trình [1], [2], và [4]. Có thể đƣợc tóm tắt thành 5 bƣớc cơ bản3:
3 Tiến trình 5 bƣớc này có thể dễ dàng đƣợc sửa đổi để nhận đƣợc m t phân phối xác suất của dòng tiền vô điều kiện hay đ c lập của các nhân tố cấp công ty cụ thể. Trong bƣớc 1, tính trung bình và đ lệch chuẩn của các phần dƣ từ hồi quy [1]. Trong bƣớc 2, mô phỏng 10,000 giá trị của cải tiến công ty đ c lập ( the firm-independent innovation) (mục sai số trong phƣơng trình [1]). Sau đó, SFaR đƣợc tính toán bằng định lƣợng t i m t mức ý nghĩa của phân phối xác suất các dòng tiền vô điều kiện. Lƣu ý rằng các thành phần của rủi ro có điều kiện và vô điều kiện không nên đƣợc xem nhƣ additive ( chất phụ gia, chất thêm vào…), hay tổng hợp toàn b để nhận đƣợc cái gọi là tổng
Tài chính doanh nghiệp 06 – K34 Trang 60
Bước 1: ƣớc lƣợng vecto của trung bình và ma trận phƣơng sai, hiệp phƣơng sai của
các yếu tố cụ thể cấp công ty.
Bước 2: mô phỏng 10,000 giá trị của các cải tiến nhân tố cụ thể cấp công ty thông
qua phƣơng trình: với L đƣợc tính bởi [4].
Bước 3: từ các cải tiến đƣợc mô phỏng trong bƣớc 2, tính 10,000 giá trị của mỗi
nhân tố cụ thể cấp công ty đƣợc xác định bởi [2].
Bước 4: Dựa trên mức đ đƣợc ƣớc lƣợng của các nhân tố cụ thể cấp công ty ( đầu
ra của hồi đa biến), tính 10,000 kịch bản của các dòng tiền ho t đ ng bằng cách chèn vào các giá trị thu đƣợc trong bƣớc 3 trong [1].
Bước 5: Từ phân phối xác suất của các dòng tiền đƣợc xây dựng trong bƣớc 4, tính
các thông số rủi ro CFaR và Expected shortfall với m t mức đ tin cậy cụ thể.
3.3.1.4 Kỹ thuật đo lường rủi ro
Trong bài nghiên cứu Frantz (2011) sử dụng 2 biện pháp đo lƣờng rủi ro trên cơ sở định lƣợng: Cash Flow-at-Risk và Expected shortfall. Về bản chất, CFaR, giống VaR, trả lời câu hỏi đơn giản mà tất cả các nhà quản trị cấp cao muốn đƣợc trả lời: “ Mọi chuyện tồi tệ nhƣ thế nào?” ( How bad can things get ?).
M t điểm bất lợi của cả VaR và CFaR là chúng không đƣa ra m t dấu hiệu cho thấy
mức độ của tổn thất tiềm năng ở đuôi hay bất kỳ thiệt h i nào vƣợt quá bao nhiêu con số
VaR hay CFaR. Artzner et al. (1999) đã đề xuất m t biện pháp đo lƣờng rủi ro thay thế đã khắc phục câu hỏi “ how bad is bad”, điều mà không đƣợc giải quyết bởi cách đo lƣờng VaR hay CFaR. Cách đo lƣờng này đƣợc gọi là thâm hụt kỳ vọng (expected shortfall), VaR có điều kiện hay kỳ vọng có điều kiện đu i. Trong khi, CFaR hỏi “how bad things can get ?”, thâm hụt kỳ vọng (expected shortfall) sẽ hỏi: “ Nếu mọi thứ trở nên tồi tệ, tổn thất dự kiến sẽ là những gì ?” ( If things do get bad, what is the expected loss?). Cần lƣu ý rằng thâm hụt kỳ vọng có các thu c tính lý thuyết tốt hơn so với CFaR truyền CFaR, vì cải tiến công ty đ c lập ( the firm- independent innovation) trong phƣơng trình [1] đƣợc định nghĩa là sự đ c lập của các nhân tố cấp công ty cụ thể. Điều này cũng đúng với tính toán Thâm hụt kỳ vọng vô điều kiện.
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 61
thống. Cụ thể, Artzner và các đồng tác giả đã chứng minh rằng thông số thâm hụt kỳ vọng tất cả các yêu cầu cho m t biện pháp đo lƣờng rủi ro đƣợc cho là nhất quán (coherent measure of risk).4
Chúng ta hãy xem xét m t biến ngẫu nhiên dòng tiền X. Theo Artzner et al. (1999), chúng tôi chính thức định nghĩa CFaR và thâm hụt kỳ vọng theo cách sau đây:
* Đo lường CFaR : cho - , , Cash Flow-at-Risk t i mức của giá trị ròng cuối cùng của X với phân phối P, là phủ định của điểm phân vị của X, cái là
[5] ( ) * | , - +
Nói m t cách đơn giản, [5] minh họa cho tổn thất lớn nhất sao cho xác suất phải gánh chịu bất kỳ tổn thất nào cao hơn đƣợc thiết lập trƣớc t i mức .
* Đo lường thâm hụt kỳ vọng : đƣa ra m t biện pháp đo lƣờng trên cớ sở xác suất P
và m t mức , thâm hụt kỳ vọng E là biện pháp đo lƣờng rủi ro đƣợc xác định bởi [6] ( ) , | ( )-
Nói m t cách đơn giản, [6] biểu thị tổn thất kỳ vọng phụ thu c vào tổn thất lớn hơn mức CFaR, hay dòng tiền kỳ vọng thấp hơn cái mà có thể tiềm năng trải qua. Do đó, khi so sánh với biện pháp đo lƣờng CFaR trong [5], thâm hụt kỳ vọng trong [6] cung cấp m t m t biện pháp đo lƣờng rủi ro thận trọng hơn cho cùng mức đ tin cậy.5 Cả hai biện pháp đo lƣờng rủi ro trong [5] và [6] phải cung cấp m t giá trị cho mức đ rủi ro hoặc không chắc chắn liên quan đến biến ngẫu nhiên dòng tiền X.
4 Artzner et al. (1999) đã đề xuất 4 thu c tính mà m t phƣơng pháp đo lƣờng rủi ro nên có: monotonicity (tiêu chuẩn tính đơn điệu), translation invariance ( bất biến tịnh tiến), tính đồng nhất và subadditivity. Các biện pháp đo lƣờng rủi ro đáp ứng tất cả 4 điều kiện đƣợc gọi là nhất ( coherent). Khi đáp ứng 3 đặc tính đầu tiên, CFaR vi ph m thu c tính subadditivity, trái ngƣợc với sự thâm hụt dự kiến. Xem chi tiết thêm trong phụ lục 1.
Tài chính doanh nghiệp 06 – K34 Trang 62
3.3.2 Dữ liệu
Nguồn dữ liệu là cơ sỡ dữ liệu Corporate Focus Premium Infinancials. Thời kỳ mẫu bao gồm giai đo n 2000-2009. Trong xây dựng mẫu của chúng tôi, chúng tôi thu thập dữ liệu cho tất cả các công ty đƣợc bao gồm trong cơ sỡ dữ liệu.6
-Lo i bỏ các công ty trong lĩnh vực tài chính.
-Yêu cầu là các công ty có giá trị dƣơng đối với giá trị sổ sách của tổng tài sản đƣợc bao gồm trong năm đề cập.
-Cuối cùng, h n chế mẫu của chúng tôi chỉ với các công ty mà đƣợc thành lập t i Mỹ.
Mẫu bao gồm 9 lĩnh vực chính – Oil & Gas, vật liệu cơ bản, công nghiệp, hàng tiêu dùng, chăm sóc y tế, Dịch vụ tiêu dùng, Viễn thông, tiện ích và Công nghệ. Cấu trúc ngành theo The Industry Classification Benchmark7. Phân tích của chúng tôi đƣợc thực hiện m t cách tách biệt trên mỗi ngành.
Bảng 3.14 : Các thông số tổng hợp cho biến dòng tiền hoạt động cũng như các biến chính cho mỗi ngành.
6 Lƣu ý rằng cơ sở dữ liệu Infinancials chỉ bao gồm các công ty đƣợc trích dẫn.
7 The Industry Classification Benchmark đƣợc t o bởi Dow Jones Indexes và Ftse. Bản chất của việc kinh doanh của công ty đƣợc xác định bởi các nguồn doanh thu của nó hay nơi mà nó t o nên phần lớn doanh thu.
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 63
Bảng trình bày các thống kê tổng hợp của dòng tiền ho t đ ng và các biến chính của 9 ngành thời kỳ 2000-2009. Đ đo dòng tiền từ các ho t đ ng là CFO. Ba biến chính là: (i) TA , tổng tài sản, (ii) CAPEX, chi tiêu vốn, và (iii) OWC, thay đổi trong vốn luân chuyển ho t đ ng. Bảng trình bày các giá trị trung bình và đ lệch chuẩn ( trong ngoặc đơn) cho các biến này. N là số quan sát và n là số lƣợng công ty. Đồng tiền : USD ( triệu).
3.3.3 Các kết quả thực nghiệm
3.3.3.1 Các hồi quy đa biến về các dòng tiền hoạt động
Chúng ta ƣớc lƣợng mô hình hồi quy tuyến tính tĩnh, đƣợc xác định bởi [1], để kiểm tra tác đ ng đồng thời của 3 nhân tố chính lên dòng tiền ho t đ ng.
Hai khía c nh của các hệ số hồi quy đƣợc ƣớc lƣợng trong mô hình không h n chế đƣợc xác định bởi [1] có thể đƣợc kiểm định :
Tài chính doanh nghiệp 06 – K34 Trang 64 -Đầu tiên, tính đồng nhất của các hệ số đ dốc hồi quy.
-Thứ hai, tính đồng nhất của các hệ số chặn hồi quy.
Nhằm mục tiêu này, chúng ta sử dụng thủ tục kiểm định phân tích hiệp phƣơng sai 3 bƣớc đƣợc phát triển bởi Hsiao (1986)8 :
1. Kiểm định tính đồng nhất tổng thể (đ dốc và chặn đồng nhất đồng thời giữa các công ty khác nhau t i các thời điểm khác nhau).
2. Kiểm định tính đồng nhất đ dốc (hệ số đ dốc hồi quy chung là nhƣ nhau).
3. Kiểm định tính đồng nhất hệ số chặn phụ thu c vào sự chấp nhận của tính thuần nhất của hệ số đ dốc .
Bỏ qua sự không đồng nhất tham số giữa các khu vực trong dữ liệu bảng có thể dẫn đến các ƣớc lƣợng không phù hợp hoặc không có ý nghĩa của các thông số chúng ta quan tâm ( Greene, 2008). Ví dụ, mô hình không h n chế của chúng tôi đƣợc thể hiện bởi [1] có thể đƣợc ƣớc lƣợng thông qua m t hồi quy g p khi và chỉ khi giả thuyết tính đồng nhất tổng thể H1 đƣợc chấp nhận trong bƣớc 1. Nếu không, các ƣớc lƣợng bình phƣơng bé nhất g p có thể dẫn đến những kết luận sai lầm.
Các kết quả đối với kiểm định tính tính đồng nhất của các ƣớc lƣợng chuỗi thời gian giữa các khu vực (các công ty) đƣợc xuất ra trong Bảng 3.15. Các kết quả này cho phép phân biệt giữa các hồi quy g p và mô hình các tác đ ng cụ thể (nhƣ cố định hoặc ngẫu nhiên).
Bảng 3.15 Kiểm định hiệp phương sai cho tính đồng nhất9
8 Logic cơ bản của thủ tục kiểm định 3 bƣớc của Hsiao là nhƣ sau: Nếu giả thuyết tính đồng nhất tổng thể (H1 trong bƣớc 1) đƣợc chấp nhận, thủ tục kiểm định sẽ không tiếp tục. Nếu giả thuyết tính đồng nhất tổng thể bị bác bỏ, m t nổ lực tiếp theo đƣợc thực hiện để tìm hiểu liệu tính không đồng nhất có thể là do đ dốc không đồng nhất hay các hệ số chặn không đồng nhất. Giả thuyết chặn không đồng nhất nhƣng đ dốc đồng nhất (H2) đƣợc kiểm định trong bƣớc 2. Nếu giả thuyết đ dốc đồng nhất bị bác bỏ, trình tự kiểm định dừng l i m t cách tự nhiên ( hồi quy riêng đối với mỗi cá nhân phải đƣợc ƣớc lƣợng). Nếu H2 đƣợc chấp nhận, m t kiểm định có điều kiện đối với các chặn đồng nhất đƣợc áp dụng trong bƣớc thứ 3 và cuối cùng..
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 65
Bảng trình b y c c kiểm định hiệp phương sai cho t nh đồng nhất c c hệ số hồi quy giữa c c đối tượng chéo. Bảng trình b y c c gi trị F th c v tới hạn cho mỗi bước thủ tục kiểm định phân t ch hiệp phương sai được ph t triển bởi Hsiao (1986). F1, F2, F3 minh họa cho thống k F được sử dụng kiểm định H1 (t nh đồng nhất tổng thể), H1 ( t nh đồng nhất độ dốc), H3 ( t nh đồng nhất chặn phụ thuộc v o s chấp nh n t nh đồng nhất độ dốc, tương ứng. Tất cả c c gi trị tới hạn được t nh tại mức độ tin c y 95%.
M t thực tế đáng chú ý đƣợc ghi nhận từ các số liệu đƣợc trình bày trong Bảng 3.15 là trừ 2 ngành ( Dâu khí và Vật liệu cơ bản), tất cả các ngành khác không đáp ứng tính đồng nhất tổng thể. Các kết quả này hàm ý rằng các tác đ ng cụ thể riêng có mặt trong b dữ liệu. Để quyết định xem liệu sử dụng m t mô hình các nhân tố cố định hay các nhân tố ngẫu nhiên, chúng ta sử dụng kiểm định đặc điểm kỹ thuật đƣợc phát minh bởi Hausman (1987).10 Các kết quả đƣợc xuất ra trong Bảng 3.16 cho chúng ta thấy mô hình tác đ ng cố định là đặc điểm kỹ thuật đƣợc ƣa thích hơn ngo i trừ ngành Hàng tiêu dùng.
Bảng 3.16 : Kiểm định Hausman cho các tác động cố định hay ngẫu nhiên.
Kiểm định n y được sử dụng để kiểm định cho t nh tr c giao của c c t c động th ng thường v hồi quy. Dưới giả thuy t 0 l kh ng tương quan, ( | ) ,
thống k kiểm định được phân phối tiệm c n l central chi-square, với K l b c t do.
Tài chính doanh nghiệp 06 – K34 Trang 66
N u giả thuy t 0 được chấp nh n, chúng t i sử dụng m hình t c độn ngẫu nhi n. N u giả thuy t ( | ) được chấp nh n, chúng t i sử dụng m hình t c động cố
định.
Dựa trên các kết quả từ Bảng 3.15 và 3.16, mô hình tổng quát đƣợc xác định bởi [1] đƣợc ƣớc lƣợng sử dụng hồi quy OLS cho 2 mô hình g p (Dầu khí và Vật liệu cơ bản), m t hồi quy GLS cho mô hình các tác đ ng ngẫu nhiên ( Hàng tiêu dùng) và hồi quy bình