MC O Mô tả thanh khoản (trang 82) * Tính tốn nhu cầu dự trữ thanh khoản
THƯƠNG MẠI VIỆT NAM
3.2.1. Áp dụng mơ hình giá trị chịu rủi ro (VaR) nhằm lượng hóa rủi ro thị trường
tại các NHTM Việt Nam
3.2.1. Áp dụng mơ hình giá trị chịu rủi ro (VaR) nhằm lượng hóa rủi rothị trường thị trường
Trong hoạt động QLRRTT, mơ hình giá trị chịu rủi ro (VaR) được áp dụng như là một công cụ đo lường định lượng hữu hiệu nhất hiện nay. Hầu hết các NHTM trên thế giới đều đang áp dụng mơ hình tính VaR để xác định mức độ chịu rủi ro tối đa đối với các hoạt động kinh doanh trên thị trường tài chính của mình, trên cơ sở đó các ngân hàng có thể đưa ra các yêu cầu vốn tối thiểu liên quan đến RRTT.
Mơ hình giá trị chịu rủi ro (VaR) được xây dựng trên những cơ sở lý thuyết xác suất, thống kê và được phát triển phổ biến đầu những năm 1990 bởi các nhà khoa học và tốn học tài chính. VaR được định nghĩa là số tiền tổn thất lớn nhất cho một danh mục đầu tư có thể bị thua lỗ với một mức độ tin cậy xác định, thường là 95% hoặc 99%. Đối với các nhà quản lý ngân hàng thì VaR rất được ưa chuộng khơng phải vì VaR có thể đo lường được tất cả các rủi ro mà vì VaR khiến cho việc quản lý rủi ro trở nên trực quan, cụ thể và dễ dàng hơn rất nhiều. Ngồi ra VaR cịn được chuẩn hóa quốc tế trong tiêu chuẩn Basel II cho các ngân hàng.
Như đã nêu ở mục 1.3.3.1 chương I, khái niệm về VaR và các phương pháp tính VaR. VaR sẽ đưa ra một con số cụ thể (con số này được thể hiện bằng tiền) để xác định mức độ thua lỗ tối đa cho 1 danh mục đầu tư với độ tin cậy là 95% hoặc 99% (trong 95% hoặc 99% thì chỉ có 5% hoặc 1% khả năng mức thua lỗ có thể vượt ra ngồi giá trị VaR). Tuy nhiên, VaR chỉ đúng trong trường hợp các dữ liệu thị trường cũng như dữ liệu lịch sử (dữ liệu kinh doanh) của ngân hàng được giả định là một hàm phân phối chuẩn. Nhưng trong thực tế thì biến động của thị trường và các dữ liệu lịch của ngân hàng không bao giờ là một hàm phân phối chuẩn bởi tính
dễ biến động của nó. Như vậy với bất kỳ phương pháp tính VaR nào thì kết quả cho ra cũng chỉ là một con số tương đối khơng hồn tồn chính xác 100%. Giả sử trong một chu kỳ khoảng 3 năm, giá trị VaR đối với danh mục đầu tư của một ngân hàng là luôn đúng, các yêu cầu vốn đối với RRTT được thỏa mãn. Tuy nhiên, sang năm thứ 4, thị trường biến động mạnh với nhiều biến cố lúc này giá trị VaR khơng cịn chính xác nữa, rủi ro ngân hàng phải đối mặt là rơi vào tình huống xấu nhất khi giá trị VaR khơng cịn nằm trong 95% hoặc 99% đúng mà nằm ở 1% và 5% ngồi dự kiến. Ví dụ giá trị VaR cho cả danh mục đầu tư là 50 triệu USD với độ tin cậy là 99%, như vậy là chỉ có duy nhất 1% là mức độ chịu tổn thất vượt ra ngoài 50 triệu USD. Nhưng điều quan trọng là ngân hàng không xác định được 1% là bao nhiêu, có thể gấp nhiều lần so với 50 triệu USD. Và như vậy chỉ cần 1% nằm ngồi dự kiến của giá trị VaR thì ngân hàng cũng có thể bị phá sản. Do đó các ngân hàng đã phải sử dụng các mơ hình như Backtest để kiểm chứng lại mức độ chính xác của giá trị VaR với kết quả thực tế và sử dụng mơ hình Stresstest để kiểm chứng VaR với các cuộc khủng hoảng, để từ đó có thể điều chỉnh giá trị chịu rủi ro và điều chỉnh yêu cầu vốn tối thiểu đối với RRTT.
Hiện nay, có 4 phương pháp xác định VaR, bao gồm:
- Phương pháp phương sai, hiệp phương sai (Variance and Covariance Method).
- Phương pháp phân tích quá khứ (Historical Simulation) - Phương pháp ma trận rủi ro (Risk Metrics)
- Phương pháp mô phỏng Monte Carlo (Monte Carlo Simulation)
Cả 4 phương pháp trên đều đưa ra kết quả là một con số cụ thể nhưng giá trị thì khơng giống nhau, mỗi một phương pháp ứng với một kết quả khác nhau. Việc sử dụng phương pháp nào để tính VaR tùy thuộc vào quy mơ chiến lược QLRRTT cũng như mơ hình hoạt động kinh doanh của từng ngân hàng mà áp dụng. Ngoài ra, theo kinh nghiệm của nhiều NHTM lớn trên thế giới thì giá trị VaR có thể là "con dao hai lưỡi", nếu sử dụng VaR đúng mục đích và việc tính VaR đúng cách sẽ đem lại hiệu quả quản lý rủi ro rất tốt cho ngân hàng, ngược lại nó cũng có thể làm sụp đổ cả một hệ thống ngân hàng. Ví dụ minh chứng rõ nhất cho việc áp dụng VaR của
Leman Brothe và Goldman Sachs, trong khi Leman bị phá sản còn Goldman Sachs vẫn đứng vững (theo báo New York Times ngày 18/1/2009).
Đối với 4 phương pháp tính VaR hiện nay thì mỗi phương pháp đều có những điểm mạnh và điểm yếu khác nhau, cụ thể được so sánh ở bảng sau:
Phương pháp Ưu điểm Nhược điểm
Phân tích quá khứ (historical analysis)
* Thiết kế và áp dụng dễ dàng
* Không cần giả thuyết về quy luật phân bố
* Đòi hỏi nguồn dữ liệu rất lớn
* Tương lai có thể khơng giống quá khứ
Phương sai - hiệp phương sai/Risk Metrics
* Thiết kế và áp dụng dễ dàng
* Áp dụng cho danh mục đầu tư bao gồm chứng khốn tuyến tính (như cổ phiếu)
* Tính VaR khơng tốt cho những chứng khốn phi tuyến (quyền chọn)
* Ít quan tâm đến trường hựp xấu nhất và như vậy không chứng minh được giả thuyết về phân bố chuẩn của các dữ liệu Monte Carlo * Có khả năng tính VaR
rất chính xác
* Áp dụng cho danh mục đầu tư bao gồm chứng khoán phi tuyến (quyền chọn)
* Không dễ chọn một phân bố xác suất
* Chi phí tính tốn rất cao (thời gian thực thi, bộ nhớ máy vi tính mạnh, v.v…)
Với tình hình thị trường tài chính thế giới liên tục biến động khó lường như hiện nay, cùng với sự gia tăng quá nhiều các sản phẩm tài chính được giao thoa giữa các ngân hàng với nhau đã khiến cho việc áp dụng mơ hình tính VaR trở nên khó khăn hơn rất nhiều. Trong khi mơ hình tính VaR u cầu các dữ liệu đầu vào phải đầy đủ, phải minh bạch và việc chắt lọc dữ liệu phải được tiến hành rất cẩn thận, chính xác để có thể đưa ra một số kết quả VaR có giá trị. Song một thực tế cho thấy sự giao thoa của các sản phẩm tài chính giữa các ngân hàng trên thế giới đã làm cho
dữ liệu thị trường và kho dữ liệu của ngân hàng bị xáo trộn khiến cho việc chắt lọc dữ liệu trở nên rất khó khăn. Chính vì lý do này mà đã có rất nhiều các ngân hàng trên thế giới áp dụng mơ hình tính VaR nhưng kết quả mang lại khơng như mong đợi, bởi việc đưa dữ liệu đầu vào không chuẩn xác khiến cho giá trị chịu rủi ro bị sai lệch làm ảnh hưởng đến kết quả hoạt động kinh doanh và đặc biệt là khả năng ứng phó tình huống xấu của ngân hàng. Tuy nhiên, cũng khơng thể phủ nhận được vai trò quan trọng của VaR trong cơng tác QLRRTT vì hiện nay cũng rất nhiều ngân hàng trên thế giới đã và đang sử dụng VaR một cách rất hiệu quả, phòng chống được rất nhiều rủi ro từ thị trường tài chính. Mặc dù đã có rất nhiều những tranh cãi về mơ hình VaR và với vơ vàn những biến cố của thị trường tài chính ảnh hưởng đến tính chính xác của VaR, nhưng cho đến nay thị trường tài chính chưa đón nhận được bất cứ một cơng cụ hay một mơ hình nào định lượng rủi ro thị trường tốt hơn mơ hình VaR, và nó vẫn được các ngân hàng lớn trên thế giới áp dụng như kim chỉ nam cho việc định lượng rủi ro thị trường của mình.
Đối với thị trường Việt Nam, các hoạt động kinh doanh trên thị trường tiền tệ của NHTM còn hạn chế và việc giao thoa các sản phẩm tài chính giữa các ngân hàng với nhau là rất ít, mức độ rủi ro chưa cao. Tuy nhiên sau khi thực hiện cam kết WTO thì các NHTM Việt Nam sẽ phải tham gia một sân chơi mới với nhiều cơ hội nhưng cũng khơng ít rủi ro. Các sản phẩm tài chính mới phát sinh, tính cạnh tranh cao, và các yêu cầu về quản lý tn thủ theo thơng lệ quốc tế. Chính vì vậy, các NHTM Việt Nam nên sớm có kế hoạch triển khai ứng dụng các mơ hình quản lý tiên tiến đối với các hoạt động kinh doanh của mình, trong đó có mơ hình tính VaR đối với QLRRTT. Bước đầu, các NHTM Việt Nam nên làm quen với 2 phương pháp tính VaR cơ bản đó là: Phương pháp phương sai hiệp phương sai và phương pháp phân tích quá khứ (chi tiết xem mục 1.3.3.1. các phương pháp tính VaR)…