Độ đo rủi ro tuyệt đối:
Dựa trên các kết quả hồi quy, bây giờ chúng ta tính toán Cash Flow-at-Risk và Expected shortfall cho mỗi ngành căn cứ theo phƣơng trình [5] và [6], tƣơng ứng. Bảng 3.18 báo cáo các kết quả t i mức đ tin cậy 99%. Các kết quả cho thấy rằng ba nhóm riêng biệt có thể đƣợc t m xác định:
Nhóm thứ nhất bao gồm các ngành rủi ro nhất : Tiện ích, Viễn Thông, và Oil&Gas, với CFaR t i đ tin cậy 99% trên 700 triệu đôla.
Nhóm thứ 2 bao gồm các ngành với rủi ro thấp nhất : Hàng hóa tiêu dùng, Công nghệ và Chăm sóc Y tế, với CFaR dƣới 100 triệu đôla.
Nhóm cuối cùng hơi khó để giải thích về mức đ rủi ro. Hai ngành ( Vật liệu cơ bản và Công nghiệp) thể hiện m t CFaR trong dãy từ 400 – 500 triệu USD, và ngành dịch vụ tiêu dùng biểu thị m t CFaR bằng 162 triệu USD. Do đó, nó có thể không quá liên quan đến nhóm 3 lĩnh vực này với nhau. Rõ ràng, Vật liệu cơ bản và Công nghiệp thu c cùng m t lo i rủi ro. Tuy nhiên, dƣờng nhƣ không có ý nghĩa là chúng có rủi ro trung bình, bởi vì chúng gần hơn với nhóm đầu tiên của các ngành rất rủi ro hơn nhóm thứ 2. Trƣờng hợp của Dịch vụ tiêu dùng thâm chí còn phức t p hơn. CFaR của nó quá gần với nhóm các ngành ít rủi ro hơn và cũng quá xa các nhóm ngành rủi ro nhất đƣợc xem nhƣ là lo i rủi ro trung bình. Thâm hụt kỳ vọng đƣợc trình bày trong Table 5 chính
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 69
xác dẫn đến các kết luận tƣơng tự, vì chúng cung cấp m t đo lƣờng rủi ro thận trọng hơn CFaR đối với cùng m t mức đ tin cậy.
Bảng 3.18:Cash Flow-at-Risk, ES, và CFaR tương đối
Bảng trình b y c c t nh to n CFaR, ES th ng qua phương ph p m ph ng Monte Carlo. Cả hai phụ thuộc v o c c nhân tố cấp c ng ty : tổng t i sản, chi ti u vốn, v thay đổi trong vốn luân chuyển hoạt động. Trung bình của dòng tiền hoạt động từ Bảng 3.14. Đồng tiền : USD ( triệu).
Độ đo rủi ro tương đối
Nhƣ vậy đến nay, phân tích rủi ro của chúng ta tập trung vào m t biện pháp đo lƣờng rủi ro tuyệt đối mà nó xác định m t mức dòng tiền ho t đ ng mà chúng ta biết xác suất của mức đó vƣợt quá . VaR và do đó CFaR là 2 ví dụ của các đ đo rủi ro tuyệt đối nhƣ vậy. M t cách khác để nghĩ về rủi ro của công ty là để tính toán m t đ đo rủi ro tƣơng đối từ phân phối của dòng tiền có điều kiện. Biện pháp đo lƣờng nhƣ vậy định lƣợng số tiền tối đa mà theo đó dòng tiền ho t đ ng có thể thấp hơn m t điểm chuẩn, đối với m t mức đ tin cậy mong muốn, do 3 nhân tố cấp công ty cụ thể đƣợc sử dụng trong nghiên cứu này.
Để tính toán các đo lƣờng này, mức đ dòng tiền ho t đ ng tƣơng ứng với m t mức đ tin cậy trừ (-) điểm chuẩn quy định thâm hụt tối đa tiềm năng. Mặc dù phân tích rủi ro của chúng tôi đƣợc thực hiện t i ngành không phải cấp đ công ty, lo i đo lƣờng rủi ro tƣơng đối này có thể hữu ích vì nó chuyển tải thông tin về khả năng m t kết quả tƣơng đối so với m t điểm chuẩn. Trong bối cảnh m t công ty, m t mức điểm chuẩn đối với
Tài chính doanh nghiệp 06 – K34 Trang 70 dòng tiền từ các ho t đ ng có thể đƣợc ƣớc lƣợng bởi mô hình các ho t đ ng cụ thể mà t o ra dòng tiền. Ở đây, chúng ta lấy trung bình của các dòng tiền ho t đ ng cho mỗi ngành, nhƣ đƣợc trình bày trong Bảng 3.14, làm mức điểm chuẩn.11
Điều quan trọng cần lƣu ý rằng các tính toán của m t Cash Flow-at-Risk tƣơng đối chỉ hợp lý cho các giá trị điểm chuẩn lớn hơn mức trƣờng hợp xấu nhất của dòng tiền ho t đ ng đối với mức cụ thể của đ tin cậy. Nếu không, sẽ không có sự thâm hụt tiềm năng. Các giá trị của VaR từ Bảng 3.18 vƣợt quá giá trị trung bình của dòng tiền ho t đ ng từ Bảng 3.14 đối với các ngành sau đây : Oil & Gas, Vật liệu cơ bản, Công nghiệp, và Tiện ích. Do đó, chúng tôi tính toán l i CFaR có điều kiện t i mức đ tin cậy 95%.12
T i đ tin cậy 95%, giá trị CFaR duy nhất vẫn duy trì trên điểm chuẩn của nó (Vật liệu cơ bản). CFaRs tƣơng đối t i đ tin cậy 95% đƣợc xuất ra t i c t cuối cùng của Bảng 3.18.
CFaRs tƣơng đối mang l i các kết quả hơi khác về phân lo i rủi ro khi so sánh với CFaRs tuyệt đối. Điểm gãy của các nhóm rủi ro là rõ ràng hơn so với trƣớc nhƣng thành phần của mỗi nhóm khác nhau đáng kể. Viễn thông bây giờ là ngành rủi ro nhất với CFaR tƣơng đối bằng 755 triệu USD, điều đó phù hợp với kết quả trƣớc đó. Sau đó, m t nhóm 5 ngành có thể đƣợc xác định ( Công nghệ, Oil & Gas, Dịch vụ tiêu dùng, Chăm sóc sức khỏe, và Tiện ích) , với CFaR tƣơng đối dao đ ng từ 107 – 188 triệu USD. Nhóm này tƣơng ứng với lo i đƣợc gọi là rủi ro trunh bình. Trong nhóm này, Oil & Gas và Tiện ích đƣợc xếp vào lo i rủi ro cao nhất căn cứ theo CFaR tuyệt đối của chúng. Ngƣợc l i, Công nghệ và Chăm sóc sức khỏe đƣợc bao gồm trong lo i rủi ro thấp nhất. Cuối cùng, Công nghiệp, hiện nay là ngành rủi ro thấp nhất, gần nhóm rủi ro cao nhất hơn nhóm rủi ro thấp nhất.
Sự khác nhau nhƣ vậy giữa các kết quả từ CFaR tuyệt đối và tƣơng đối cho thấy rằng sự lựa chọn m t ngƣỡng điểm chuẩn phù hợp hay dòng tiền ho t đ ng là m t điều rất quan trọng. Hai phƣơng pháp đo lƣờng rủi ro công ty này chuyển tải thông tin liên
11 Theo m t ý nghĩa nào đó, thâm hụt kỳ vọng có thể đƣợc coi là m t biện pháp đo lƣờng rủi ro tƣơng đối vì biến ngẫu nhiên tổn thất X trong [6] sẽ vƣợt quá m t giá trị giới h n, thƣờng đƣợc gọi là điểm vi phân. Do đó chúng tôi tập trung vào m t CFaR tƣơng đối.
12 Lƣu ý rằng không có mức đ tin cậy cụ thể nào là “ tốt nhất”. Mức cụ thể đƣợc sử dụng là m t sự lựa chọn của công ty, và phần lớn phụ thu c vào biện pháp đo lƣờng rủi ro sẽ đƣợc áp dụng nhƣ thế nào.
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 71
quan và bổ sung. Trong khi CFaR tuyệt đối tập trung vào các mức đ thực tế của dòng tiền ho t đ ng, CFaR tƣơng đối tập trung vào các điểm chuẩn hay mục tiêu của dòng tiền ho t đ ng cụ thể và các yếu tố của công ty có thể dẫn đến bõ lỡ các mục tiêu này. Do đó, nó cung cấp cho các nhà quản trị doanh nghiệp các thông tin quan trọng về sự không chắc chắn đ t đƣợc các mục tiêu của họ. Trong khi các điểm chuẩn dòng tiền ho t đ ng về mặt lý thuyết có thể là m t số tiền tùy ý bất kỳ, các điểm chuẩn hữu ích nhất thƣờng sẽ là các mức tham khảo mà các nhà quản trị tập trung vào. Từ gốc đ quản trị, các kết quả quả này có thể cho phép m t nhà quản trị công ty đánh giá rủi ro của m t ngành cụ thể hay điểm chuẩn của chính công ty họ.
Tài chính doanh nghiệp 06 – K34 Trang 72
CHƢƠNG 4 - TỪ KHỦNG HOẢNG T I CH NH - NHÌN ẠI VaR, CFaR – V NHỮNG CON “ THIÊN NGA EN”
“Thiên nga đen” ? Đã có thời ai cũng nghĩ đã là thiên nga thì phải là màu trắng cho đến khi các nhà thám hiểm khám phá ra lục địa Australia, và t i nơi đây – “ Thiên nga đen” – đã ra đời. Đã bao giờ b n nghe về m t câu chuyện “hoang đƣờng” và b n đã bu c miệng “Đúng là chuyện cổ tích!” chƣa ? Nếu đã nhƣ vậy, hãy thận trọng, biết đâu m t mai kia b n thức dậy thì câu chuyện cổ tích đó đã trở thành m t “sự thật” rồi đó.
Con ngƣời có thể tính toán chính xác đến từng giây lúc nào có nhật thực, nhƣng không thể dự báo chính xác ngày mai điều gì sẽ xảy ra. Mọi quy luật kinh tế đều phải chiếu qua lăng kính tâm lý con ngƣời để rồi biến đổi khôn lƣờng nhƣ chiếc kính v n hoa. Dự báo kinh tế bấy lâu nay còn tƣơng đối chính xác do ngƣời ta cùng chia sẻ m t niềm tin rằng nếu làm nhƣ thế này sẽ có kết quả nhƣ thế kia. Chẳng h n, nếu h lãi suất, ngƣời dân sẽ vay tiền làm ăn nhiều hơn. Nay bỗng khủng hoảng kinh tế tài chính nổ ra, mọi giá trị bị đảo l n, niềm tin biến mất, và mọi dự báo hóa ra đều trật lất. Lúc giá dầu thô vọt lên đỉnh 147 đôla m t thùng, có ai dám nói nó sẽ rớt xuống dƣới mức 50 đôla chỉ trong vòng bốn tháng ?
Đầu tiên chúng tôi sẽ đi giải thích khái niệm “Thiên nga đen” mà chúng tôi đã đề cập, sau đó sẽ lý giải sự liên quan của nó đến các đ đo lƣờng rủi ro nhƣ VaR hay CFaR, cuối cùng là bài học rút ra từ cu c khủng hoảng tài chính năm 2007- 2008. Chúng tôi sẽ mở đầu phần này với…
4.1 Black Swans – ý thuyết “Thiên nga đen”
Cuốn sách “ Black Swans” của Nassim Taleb đƣợc xuất bản vào tháng 5/2007. Tƣ tƣởng chủ yếu của Taleb, m t giáo sƣ toán tài chính t i trƣờng New York University, có thể tóm gọn trong m t câu: Tất cả chúng ta đều nhắm mắt làm ngơ trƣớc các biến cố hiếm hoi và cứ ảo tƣởng mình có thể tiên đoán mọi rủi ro, mọi cơ h i.
Theo Nassim Taleb, “thiên nga đen” là m t biến cố tƣởng chừng nhƣ không thể xảy ra với ba đặc điểm chính: không thể dự đoán, có tác đ ng nặng nề và sau khi nó xảy ra,
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 73
ngƣời ta dựng lên m t lời giải thích để khiến nó ít ngẫu nhiên hơn, dễ dự đoán hơn so với bản chất thật của nó. Thành công bất ngờ của Google có thể xem là m t “thiên nga đen”; sự kiện 11 tháng 9 cũng vậy. Với Nassim Nicholas Taleb, “thiên nga đen” ẩn chứa hầu nhƣ mọi điều về thế giới này, từ sự trỗi dậy của tôn giáo đến những biến cố trong cu c sống của chúng ta.
Taleb tin rằng nhà đầu tƣ thƣờng bỏ qua nguy cơ thị trƣờng biến đ ng m nh, đặc biệt trong suốt thời gian dài kinh tế phát triển ổn định. Ông viết: “Chúng ta cứ gán thành công cho sự tài tình của bản thân còn thất b i là do biến cố ngo i lai, nằm ngoài tầm kiểm soát”. Taleb cho rằng con ngƣời có xu hƣớng bỏ qua các biến cố lớn với xác suất thấp bởi “các chuyên gia” thƣờng đƣa ra dự báo dựa vào các mối liên hệ đã đƣợc quan sát trong quá khứ. Ông chia các hiện tƣợng thành hai lo i và đặt tên chúng là Mediocristan (Bình thƣờng) và Extremistan (Cực đ ).
Lo i Mediocristan thƣờng có đ ngẫu nhiên thấp nhƣ chiều cao, cân nặng, chỉ số IQ, thu nhập của giáo viên; còn lo i Extremistan có đ ngẫu nhiên cao có sự phân bổ khác thƣờng không tiên đoán đƣợc nhƣ tài sản, dân số của các thành phố, thiệt h i do đ ng đất, giá hàng hóa và chứng khoán.
Ví dụ, lấy m t nhóm 100 ngƣời ngẫu nhiên, thêm vô anh chàng cầu thủ bóng rổ Yao Ming cao kều, chỉ số chiều cao bình quân của nhóm sẽ tăng chút ít nhƣng không đáng kể. Cũng nhóm 100 ngƣời này, bổ sung thêm tỷ phú Bill Gates thì bỗng nhiên, tài sản bình quân của nhóm sẽ tăng đ t ng t. Nhƣ vậy chiều cao của Yao Ming là lo i Mediocristan còn tài sản của Bill Gates thu c lo i Extremistan.
Tiến b xã h i, nhất là do khoa học kỹ thuật, đã làm lo i Extremistan xuất hiện nhiều hơn và liên quan đến con ngƣời nhiều hơn. Ví dụ, trƣớc khi có công nghệ thu âm, thu nhập của ca sĩ đƣợc phân bổ đều hơn bây giờ. Taleb tin rằng b não con ngƣời phù hợp với m t thế giới đơn giản hơn là thế giới phức t p nhƣ ngày nay. Con ngƣời vẫn có xu hƣớng thấy, tin và nhớ lâu những dữ kiện củng cố suy nghĩ của chúng ta, những sự kiện phù hợp với dự phóng của con ngƣời về tƣơng lai.
Tài chính doanh nghiệp 06 – K34 Trang 74
4.2 Những sai lầm khi sử dụng VaR, CFaR nhƣ m t công cụ phòng ngừa rủi ro
VaR và CFaR về bản chất là không khác nhau. Chỉ là khác nhau trong cách tiếp cận và biến phụ thu c khi xem xét ( nhƣ đã phân tích ở phần trên). Còn cách hiểu về giá trị VaR, CFaR với m t mức tin cậy là tƣơng tự nhau. Chính vì lý do đó, từ phần này chúng tôi sẽ sử dụng thuật ngữ VaR đ i diện cho đo lƣờng giá trị có rủi ro (aR – at Risk) để phân tích.
T i sao nhờ sử dụng VaR - Goldman Sachs đã gần nhƣ tránh đƣợc ảnh hƣởng của cu c khủng hoảng tín dụng dƣới chuẩn năm 2007, trong khi đó cũng với VaR - Lehman Brothers đã phải ra đi ? Tóm l i VaR là gì và nó có nguy hiểm nhƣ thế nào nếu không hiểu và sử dụng đúng chức năng của nó ?
Có thể hình dung : Nếu xác suất cổ phiếu của công ty X có thể mất tối đa $10 trong m t ngày là 99% thì có thể nói cổ phiếu đó có “daily VaR 99%” là $10. Ở đây chúng tôi sẽ không đi sâu vào kỹ thuật tính VaR. Sau đây chúng tôi sẽ trình bày 2 lo i sai lầm chính khi sử dụng VaR nhƣ m t công cụ phòng ngừa rủi ro: Xác định VaR sai và dùng VaR sai mục đích.
4.2.1 Xác định VaR sai :
Có hai nguyên nhân phổ biến dẫn đến xác định sai VaR:
Thứ nhất là dùng sai mô hình mà phổ biến nhất là dùng phân phối chuẩn (Gaussian) cho các công cụ tài chính. Dùng phân phối chuẩn đơn giản hóa rất nhiều quá trình tính toán nhƣng sẽ đánh giá không đúng mức VaR vì vấn đề “đuôi phẳng”, nghĩa là phân phối của tất cả các công cụ tài chính đều bị “leptokurtic” (lồi mảnh, nhọn vƣợt chuẩn - có nhiều “return” lớn ở đuôi hơn bình thƣờng). 13
Hình 4.1 – Phân phối Mesokurtic, leptokurtic and platykurtic
13 Xem thêm Phụ lục 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 75
Sai lầm thứ hai là dùng dữ liệu lịch sử không phù hợp, hoặc quá ngắn hoặc bỏ mất những giai đo n quan trọng. Việc sử dụng dữ liệu lịch sử để ƣớc lƣợng VaR còn bị phê phán là không phù hợp vì lịch sử không phải lúc nào cũng phản ánh đƣợc tƣơng lai, nhất là đối với những “uncertainty” liên quan đến hành vi con ngƣời. Nassim Taleb cho rằng số liệu trong quá khứ không bao giờ phản ánh đƣợc những sự kiện kiểu nhƣ “black swan” sẽ xảy ra trong tƣơng lai.
4.2.2 Dùng VaR sai mục đích:
Taleb cho rằng cái mà nhà đầu tƣ cần quan tâm là những “black swan” có thể xuất hiện trong cái đuôi 1% còn l i chứ không phải những gì diễn ra trong 99% của VaR. Nghĩa là VaR 99% bằng $10 chỉ cho biết có 1% rủi ro cổ phiếu X sẽ mất giá tổi thiểu là $10 chứ nó không cho biết tối đa, hoặc thậm chí trung bình sẽ lỗ bao nhiêu với cùng xác suất. Tuy nhiên hầu hết các chuyên gia về rủi ro không đồng ý với Taleb. Họ cho rằng đúng là VaR không cho biết số lỗ tối đa trong 1% còn l i nhƣng mục đích của VaR là