2010 là năm đánh dấu chặng đường 10 năm thành lập của thị trường chứng khoán Việt Nam Sau 10 năm, thị trường đã có những phát triển vượt bậc,
2.2.1Mô phỏng dựa trên dữ liệu lịch sử (historical simulation)
Historical Simulation, mô phỏng lịch sử là phương pháp đơn giản nhất để tính VaR cho danh mục, phương pháp này tỏ ra linh hoạt hơn so với phương pháp tiếp cận tham số (parametric method), và được chấp nhận rộng rãi bởi cộng đồng các nhà quản lý và đầu tư.
Historical Simulation, mô phỏng lịch sử là phương pháp đơn giản nhất để tính VaR cho danh mục. Phương pháp này đưa ra giả thuyết rằng sự tái diễn trong tương lai của phân bố tỷ suất sinh lợi trong quá khứ. Các giả định cơ bản của phương pháp này là:
- Giả định về phân phối chuẩn: không cần thiết
- Mỗi ngày trong chuỗi thời gian dùng để tính toán VaR là ngang nhau - Giả định quan trọng nhất là lịch sử có xu hướng lặp lại chính nó Cụ thể, VaR được xác định như sau :
1. Xét một danh mục gồm N tài sản được xác định bởi một vector tỷ trọng 2. Đối với tất cả giá tài sản lẫn nhân tổ rủi ro đang xét, lấy một chuỗi thu nhập trong một khoảng thời gian nhất định (ví dụ, 500 ngày). Chuỗi thu nhập được tính toán như sau:
,
với và lần lượt là thu nhập và giá của tài sản k ở thời gian t
3. Coi mỗi một ngày trong chuỗi thời gian của thu nhập là một kịch bản thay đổi có thể xảy ra trong ngày tiếp theo. Với N tài sản, mỗi ngày t trong dữ liệu lịch sử sẽ hình thành một kịch bản được xác định bởi:
kết quả của việc áp dụng kịch bản thứ t cho danh mục là:
5. Thu nhập của danh mục theo mỗi kịch bản được tính như sau: , nhớ rằng
6. Sắp xếp thu nhập của danh mục cho các kịch bản theo các mức phân vị (percentilers), từ thấp đến cao.
7. Giá trị VaR sẽ là thu nhập mà tương ứng với mức ý nghĩa cho trước, ví dụ với mức tin cậy 99% và 500 quan sát, VaR sẽ là giá trị thứ (1-99%) . 500 =5 của danh mục
Hạn chế lớn nhất của mô phỏng lịch sử đó là nó dựa hoàn toàn vào một quá trình ngẫu nhiên được thể hiện bởi một chuỗi số liệu lịch sử có sẵn. Do đó phương pháp này tin rằng những gì đã xảy ra trong quá khứ có thể đại diện tốt cho những gì sẽ xảy ra trong tương lai. Những sự kiện như thị trường sụp đổ hay những thời kỳ có những dao động quá mức thể hiện trong dữ liệu lịch sử có thể gây hại tới kết quả tính toán bằng phương pháp này. Một vấn đề khác mà phương pháp này gặp phải đó là nó phụ thuộc vào tính sẵn có của dữ liệu. Nếu một năm dữ liệu được sử dụng, thì chỉ mới có 250 điểm sẽ được trình bày, như vậy với việc sử dụng mẫu nhỏ có thể sẽ không đưa đến được một phân phối đủ tốt và cần phải nội suy nhiều hơn.