Ng 3.5: Ma t rn variance/covariance ca các bi nđ cl p:

Một phần của tài liệu Ứng dụng mô hình dòng tiền có rủi ro để xây dựng quy trình quản trị dòng tiền Nghiên cứu tình huống Mercedes-Bens Việt Nam Luận văn thạc sĩ (Trang 59)

USD/VND EUR/VND VNIBOR 3M CPI Oil usd

USD/VND 1

EUR/VND 0.63822 1

VNIBOR 3M 0.1796941 0.55654255 1

CPI 0.2868448 0.70109025 0.8807851 1

Oil usd -0.1993367 0.49081759 0.7604621 0.6172793 1

S d ng ph n m m mô ph ng @Risk là ph n m m c a Palisade Decision Tools v i phiên b n @Risk 4.5 for Excel đ th c hi n 10,000 tình hu ng thay đ i c a các bi n s trong h th ng c tính. Theo h ph ng pháp lu n đã đ c đ c p trên, s thay đ i trong dòng ti n c a Mercedes-Benz Vi t Nam là k t qu t ng c ng c a m i bi n s mô ph ng c a th tr ng và n n kinh t nhân v i h s đ nh y c m liên quan, c ng v i m t h ng s và m t giá tr mô ph ng c a sai s (trong đó đ l ch chu n

đ c cho b i sai s chu n c a phép h i quy t mô hình đ nh y c m). V i m i l n trong s 10,000 l n mô ph ng, @Risk s tính l i giá tr dòng ti n c a công ty. Chúng ta s đ t đ c m t phân ph i dòng ti n đ c xây d ng không ch b i đ nh y c a dòng ti n mà còn b i s thay đ i đ c ch đ i và tính hi p bi n (thay đ i t ng ng) c a các nhân t r i ro. Các tham s c a mô hình đ c xác đ nh nh sau:

- Các tham s đ u vào c a mô hình: các bi n th tr ng nh t giá, lãi su t, l m phát và giá c hàng hóa và sai s e. Ph n m m @Risk s th c hi n 10,000 tình hu ng thay đ i c a các tham s này

- K t qu đ u ra: s thay đ i lên xu ng c a dòng ti n là do hai thành ph n: s thay đ i xu t phát b i s lên xu ng c a các y u t th tr ng nh trên, xác đ nh b i h s R2 trong mô hình h i quy và s thay đ i đ c l p v i s lên xu ng đó, xác đ nh b i 1-R2, k t qu đ u ra cho th y xác su t phân ph i dòng ti n t ng. Chúng ta s th c hi n l n l t nh sau:

- Xác đ nh phân ph i cho các bi n đ u vào là các nhân t r i ro c a th tr ng, trong đó trung bình và đ l ch chu n có đ c t phân tích variance/covariance

51

các bi n trên. B i vì chúng ta đã gi đ nh trên là các bi n tuân theo quy lu t ng u nhiên và phân ph i chu n, chúng ta xác đ nh phân ph i chu n l n l t cho các bi n nh hình d i. ng th i, chúng ta bi t r ng có m t sai s xu t hi n trong phép h i quy, chúng ta c ng gi đ nh r ng sai s này tuân theo quy lu t ng u nhiên và phân ph i chu n, v i đ l ch chu n c a phép h i quy đa bi n trên.

Chúng ta s xác đ nh phân ph i chu n cho bi n đ u vào đ u tiên USD/VND t i ô d li u Y89, b ng cách nh p ch n ô, ch n phân ph i Chu n (Distribution Normal), ch n trung bình µ và đ l ch chu n (thu đ c t phân tích variance/covariance trên).

52

T ng t nh trên, chúng ta c ng xác đ nh phân ph i chu n c a bi n đ u vào EUR/VND t i ô Y90

Hình 3.2: Phân ph i chu n c a bi n đ u vào EUR/VND:

Chúng ta th c hi n vi c xác đ nh phân ph i chu n l n l t cho các bi n đ u vào VNIBOR 3 tháng, CPI, giá d u và sai s e v i cùng cách th c nh trên

- Xác đnh bi n đ u ra c a mô hình:

B ng cách xác đnh CfaR cho t ng l nh v c ho t đ ng kinh doanh và CfaR t ng th cho tòan công ty, chúng ta có th th y đ c tác d ng c a vi c đa d ng hóa đ u t

53

Theo ph ng pháp lu n đã đ c trình bày trên, s thay đ i trong dòng ti n c a PC là k t qu t ng c ng c a m i bi n s mô ph ng c a th tr ng và n n kinh t nhân v i h s đ nh y c m liên quan, c ng v i m t h ng s (intercept) và m t giá tr mô ph ng c a sai s . Thêm vào đó, chúng ta bi t r ng s thay đ i c a dòng ti n t ng th m t ph n không do tác đ ng c a các nhân t r i ro th tr ng, xác đnh b ng h s 1-R2, v i R2 là h s thu đ c trong phép h i quy đa bi n. Chúng ta s xác đ nh ô d li u P98 là bi n đ u ra đ u tiên b ng cách nh p ch n ô, ch n nút Output và đ t tên cho bi n là Cash flow/PC

54

CfaR c a dòng xe th ng m i (VA):

T ng t nh trên, chúng ta s xác đ nh ô d li u R98 là bi n đ u ra th hai b ng cách nh p ch n ô, ch n nút Output và đ t tên cho bi n là Cash flow/VA

55

CfaR t ng h p c a công ty (MBV):

S d ng cùng m t ph ng pháp nh trên, chúng ta c ng xác đ nh ô d li u T98 là bi n đ u ra cu i cùng b ng cách nh p ch n ô, ch n nút Output và đ t tên cho bi n là Cash flow/MBV

56

- Ki m tra các bi n đ u vào và đ u ra:

Vi c ki m tra danh sách các bi n đ u ra và đ u vào tr c khi th c hi n s giúp lo i b các thao tác sai ho c d th a khi ch n bi n đ u vào và đ u ra. (adsbygoogle = window.adsbygoogle || []).push({});

57

- Ch n Ch c n ng c a @ Risk:

Ph n m m @ Risk cho phép m cùng m t lúc nhi u b ng tính mô ph ng, b c này cho phép chúng ta l a ch n b ng tính đ b t đ u mô ph ng.

58

- Thi t l p mô ph ng:

B c này cho phép ch n s l n th c hi n mô ph ng. Nh đã trình bày trên, chúng ta s th c hi n 1000 l n mô ph ng các bi n đ u vào c a mô hình.

59

Chúng ta c ng xác đnh cách th c mô ph ng, cách tính và l y m u theo ph ng th c mô ph ng Monte Carlo

60

- Thi t k báo cáo và th c hi n:

Ph n m m @Risk cho phép thi t l p các báo cáo bao g m m t báo cáo k t qu mô ph ng và các báo cáo nhanh trên MS Excel.

61

Sau khi đã hoàn thi n t t c các b c chu n b nh trên, chúng ta s ch y ph n m m mô ph ng @Risk đ tính toán CfaR.

Một phần của tài liệu Ứng dụng mô hình dòng tiền có rủi ro để xây dựng quy trình quản trị dòng tiền Nghiên cứu tình huống Mercedes-Bens Việt Nam Luận văn thạc sĩ (Trang 59)