ỨNG DỤNG VAR, BACK-TEST, STRESS-

TEST VÀ MÔ HÌNH VAR MỞ RỘNG (EVAR)

ĐO LƯỜNG RỦI RO THỊ TRƯỜNG
1. Giới thiệu đề tài:

Rủi ro có thể là một quá trình kiểm soát của quyết định chiến lược, có thể là một nguyên
nhân của sự không chắc chắn trong DN hoặc đơn giản là rủi ro có thể được tích hợp vào
trong các hoạt động của DN. Một cách tiếp cận toàn DN để quản lý rủi ro cho phép một
DN xem xét các tác động tiềm năng của tất cả các loại rủi ro trên tất cả các quá trình, hoạt
động, các bên liên quan, các sản phẩm và dịch vụ. Cuộc khủng hoảng tài chính toàn cầu
năm 2008 đã chứng minh tầm quan trọng của quản lý rủi ro và đặt ra yêu cầu về sự cần
thiết thực hiện quản lý rủi ro doanh nghiệp đối với các DN Việt Nam.
Bài học khủng hoảng tài chính tiền tệ 2008 cũng là một động lực khiến các DN Việt Nam
đổi mới và thích ứng bằng cách xây dựng hệ thống quản trị rủi ro DN để thích ứng trong
khủng hoảng, cạnh tranh và hội nhập thành công.
Rủi ro là điều tất yếu của hoạt động kinh doanh, lợi nhuận cao luôn song hành với rủi ro
lớn. Đương đầu và quản lý rủi ro là phần không thể thiếu của bất kỳ doanh nghiệp nào
nếu muốn tạo ra lợi nhuận và mang lại giá trị cho cổ đông. Tuy nhiên, thực tế cho thấy rất
nhiều doanh nghiệp hoặc không quản lý rủi ro hiệu quả hoặc không hiểu một cách đầy đủ
những rủi ro đang đối mặt.
Trên thực tế, nhiều lãnh đạo doanh nghiệp thường đặt nặng trọng tâm vào hoạt động kinh
doanh, lợi nhuận, doanh thu thay vì tập trung nhiều đến quản lý rủi ro. Nâng cao quy
trình quản lý rủi ro một mặt sẽ tạo ra sự kiểm soát chặt chẽ và hiệu quả của Hội đồng
Quản trị và Ban giám đốc, mặt khác sẽ giúp tích hợp quy trình quản lý rủi ro vào quá
trình ra quyết định hàng ngày. Vấn đề đặt ra là làm thế nào để quản lý rủi ro doanh
nghiệp một cách hiệu quả? Đây có thể xem như câu hỏi xuyên suốt quá trình hoạt động
của doanh nghiệp, không chỉ đúng và quan trọng với doanh nghiệp trong thời kỳ trước,
trong suy thoái mà còn rất thiết yếu trong giai đoạn chờ phục hồi và tận dụng cơ hội sau
suy thoái.
Ngày nay, nhờ có sự tiến bộ của khoa học kỹ thuật, các công cụ toán học cho phép con
người có thể chủ động phòng ngừa, giảm thiểu, hay hoán đổi rủi ro, chủ động kiểm soát
rủi ro. Đó là lý do cho sự ra đời của hàng loạt các hệ thống và phương pháp định giá rủi
ro. Một trong các phương pháp định giá rủi ro đáng tin cậy là phương pháp xác định giá
trị rủi ro (Value at Risk – VaR).
Có nhiều phương pháp tính toán Var khác nhau đã được thảo luận. Cho đến nay đã có
nhiều chỉ tiêu và phương pháp đo lường rủi ro tài chính đang được áp dụng. Mô hình giá
trị rủi ro(Value at risk-Var) được sử dụng khá phổ biến trong quản trị rủi ro thị trường
của danh mục. Mặc dù vậy, Var vẫn có nhiều những hạn chế trên cả phương diện lý
thuyết lẫn thực tế. Rất nhiều những thiếu sót của các phương pháp và Var nói chung là
những lý do quan trọng nhất lý giải tại sao sự chính xác trong các ước tính rủi ro nên
được qua tâm nhiều. Vì vậy, mô hình VaR chỉ hữu ích khi nó dự đoán những rủi ro trong
tương lai một cách chính xác. Để đánh giá chất lượng của các ước lượng những phân tích
bổ sung chẳng hạn như stress-test và back-test cũng đã chứng minh tính hữu dụng của
chúng trong việc quản trị rủi ro tài chính. Và đó cũng chính là lý do tại sao chúng tôi
chọn nghiên cứu về VaR trong đề tài này. Vấn đề mà chúng tôi đưa ra là: Ứng dụng Var
(Value at Risk), Back-test, Stress-test cho và mô hình Var mở rộng (EVar) để đo lường
rủi ro thị trường.
Đề tài này ứng dụng VaR như một công cụ để ước lượng trước giá trị tổn thất thị trường
của danh mục và tài sản, kết hợp với những ước lượng phân tích bổ sung: stress-test và
back-test cho chúng ta thấy được toàn cảnh về bức tranh rủi ro. Bên cạnh đó bài nghiên
cứu này đề xuất một phương pháp giá trị tại rủi ro mở rộng (EVaR) để đo lường rủi ro thị
trường.

2. Nội dung đề tài:

2.1. Chạy mô hình ba phương pháp VaR cho danh mục và VN-index:
2.1.1. Chạy mô hình ba phương pháp VaR cho danh mục đầu tư:
Danh sách 10 cổ phiếu cấu thành nên danh mục:
MÃ
STT TÊN CÔNG TY
CK
1 AGF Công ty Cổ phần xuất nhập khẩu thủy sản An Giang
2 BBC Công ty Cổ phần BIBICA
3 GMD Công ty cổ phần đại lý liên hiệp vận chuyển
4 HBC Tổng Công ty Cổ phần xây dựng và kinh doanh địa ốc Hòa Bình
5 KHA Công ty Cổ phần xuất nhập khẩu Khánh Hội
6 PGC Công ty cổ phần Gas Petrolimex
7 HAP Công ty cổ phần tập đoàn Hapaco
8 SAM Công ty cổ phần đầu tư và phát triển Sacom
9 PAN Tổng Công ty cổ phần xuyên Thái Bình
10 STB Ngân hàng thương mại cổ phần Thương Tín

a) Tính toán VaR của danh mục bằng phương pháp phương sai – hiệp phương sai:
VAR= Vp * (μp – α*σp)
Bước 1: Tính toán TSSL kỳ vọng của danh mục μpbằng hàm MMULT

Bước 2: Xây dựng ma trận phương sai –hiệp phương sai để xác định hệ số σp
b) Tính toán VaR của danh mục bằng phương pháp lịch sử:
Bước 1: tính giá trị của danh mục qua mỗi ngày giao dịch.

Bước 2: Tính TSSL hằng ngày cho từng cổ phiếu. sắp xếp kết quả theo thứ tự tăng dần.

c) Tính toán VaR của danh mục bằng phương pháp mô phỏng Monter-Carlo:
Phương pháp này sẽ sử dụng giá tương lai để mô phỏng cho Var của danh mục. Ta sẽ mô
phỏng giá của mỗi chứng khoán trong danh mục trong tương lai qua 1000 vòng lặp tương
ứng ta nhận được 1000 giá trị của danh mục trong tương lai. Sắp xếp kết quả nhận được
theo chiều từ xấu nhất đến tốt nhất ta có được giá trị của danh mục tại mức ý nghĩa 5%
hay vị trí 50, chênh lệch giữa giá trị này và giá trị của danh mục vào ngày 31/12/2009 ta
nhận được được giá trị Var.

Về cơ bản chúng ta có được công thức tính:

S t+Δt = St*e (µΔt + σ.Z.√Δt) = St*exp(µΔt + σ.Z.√Δt )

Hiện nay ta có thể sử dụng phần mềm hữu hiệu Crystal Ball có thể cung cấp Var tin cậy
theo phương pháp Montecalor.

Từ kết quả của ba phương pháp trên ta có thể rút ra nhận xét sau:

- Ba phương pháp cho kết quả Var tương đương nhau

- Kết quả VAR với mức xác suất lớn hơn sẽ nhỏ hơn và ngược lại

2.1.2. Chạy mô hình ba phương pháp tính VaR cho VN-index:

a) Tính VaR bằng phương pháp phương sai – hiệp phương sai:
Để tính VAR của chỉ số VN-INDEX, chúng ta cũng cần thu thập chuỗi số liệu và tính
toán các chỉ số cần thiết khác như khi tính VAR cho danh mục.

VAR theo phương pháp phương sai-hiệp phương sai vẫ được xác định theo công thức:

VAR= Vp * (μp – α*σp)

b) Tính VaR bằng phương pháp lịch sử:

Để tính toán VaR của VN-Index theo phương pháp lịch sử, trước hết ta cần sắp xếp chuỗi
số liệu VN-Index theo thứ tự tăng dần.
 Phương pháp lịch sử

-0.0481571 1
-0.0478979 2
-0.0476739 3
-0.047281 4
-0.046865 5
-0.0465628 6
-0.0461274 7
-0.0460052 8
-0.0460041 9
-0.0455228 10
-0.0448236 11
0.0463798 741
0.0465295 742
0.0774069 743
Chúng ta nhận thấy rằng, 5% của những trường hợp xấu nhất trong số 744 tỷ suất sinh lợi
ngày cho một kết quả bằng ( 5% *744= 37.2 ). Như vậy, giá trị VaR theo phương pháp
lịch sử phải là giá trị trung bình của TSSL thứ 37 (-3.881%) và TSSL thứ 38 ( -3.838% )
trong bảng trên.

Nhận xét:

Như vậy bằng các phương pháp của Var ta tính được các khoản lỗ mà ngân hàng có thể
gánh chịu trên danh mục đầu tư của mình các kết quả nhận được này hầu như là bằng
nhau. Var được tính có tương quan chặc chẽ với Var của danh mục chuẩn, khi cho hệ số
tương quan cao (R=86,3%). Tuy nhiên để kiểm tra kết quả Var có thực sự đáng tin cậy ta
sẽ đi thực hiện Backtest và Stresstest cho mô hình.

2.2. Backtesting:

"VaR chỉ tốt khi nó được thử lại (backtest). Khi ai đó chỉ cho tôi thấy một số VaR, tôi
không hỏi nó được tính như thế nào, tôi chỉ yêu cầu được xem phép thử lại"(Brown,
2008, p.20).

Có nhiều phương pháp tính toán Var khác nhau đã được thảo luận. Rất nhiều những thiếu
sót của các phương pháp và Var nói chung là những lý do quan trọng nhất lý giải tại sao
sự chính xác trong các ước tính rủi ro nên được qua tâm nhiều. Vì vậy, mô hình VaR chỉ
hữu ích khi nó dự đoán những rủi ro trong tương lai một cách chính xác. Để đánh giá chất
lượng của các ước lượng, các mô hình nên luôn luôn được backtest (thử lại) với các
phương pháp thích hợp.
Backtesting là một tiến trình thống kê mà ở đó lợi nhuận và thiệt hại thực tế được so sánh
một cách có hệ thống với các Var ước tính tương ứng. Ví dụ, nếu mức độ tin cậy được sử
dụng để tính toán Var hàng ngày là 99%, chúng tôi mong đợi một sự ngoại lệ xảy ra một
lần trung bình trong mỗi 100 ngày. Trong quá trình backtesting chúng tôi có thể kiểm tra
thống kê xem liệu rằng tần số các trường hợp ngoại lệ trong một số khoảng thời gian quy
định có phù hợp với mức độ tin cậy đã chọn hay không. Những loại kiểm định này được
gọi là kiểm định bao phủ không điều kiện.Những kiểm định này thì tương đối dễ thực
hiện vì chúng không quan tâm đến việc khi nào thì những ngoại lệ xảy ra (Jorion, 2001)

Tuy nhiên, về mặt lý thuyết, một mô hình VaR tốt không chỉ tạo ra số lượng "chính xác”
các trường hợp ngoại lệ mà nó còn phải tạo ra sự độc lập giữa các ngoại lệ đó. Tập hợp
các trường hợp ngoại lệ chỉ ra rằng mô hình không nắm bắt chính xác những thay đổi
trong biến động thị trường và tương quan thị trường. Vì thế những kiểm định bao phủ có
điều kiện đã được thực hiện để kiểm tra trạng thái cũng như sự biến thiên thời gian trong
dữ liệu (Jorion,Năm 2001)

2.2.1. Bao phủ không điều kiện:

Hầu hết các thử nghiệm phổ biến nhất của một mô hình VaR là đếm số lượng các trường
hợp ngoại lệ của VaR, tức là ngày (hoặc khoảng thời gian khác) mà thua lỗ trong danh
mục đầu tư vượt quá VaR ước tính. Nếu số lượng các trường hợp ngoại lệ ít hơn so với số
trường hợp ngoại lệ ứng mức độ tin cậy được lựa chọn thì nó cho thấy rằng hệ thống ước
tính rủi ro quá cao. Ngược lại, trường hợp ngoại lệ quá nhiều là tín hiệu cho thấy hệ
thống đã đánh giá thấp rủi ro. Đương nhiên, hiếm khi chúng ta quan sát thấy số lượng
chính xác các trường hợp ngoại lệ được đề xuất bởi mức độ tin cậy. Do đó cần phải phân
tích thống kê để nghiên cứu xem liệu rằng số lượng trường hợp ngoại lệ là hợp lý hay
không, tức là mô hình sẽ được chấp nhận hay bác bỏ.

Ta giả sử x là số lượng các trường hợp ngoại lệ và T là tổng số lượng quan sát, chúng ta
có thể định nghĩa tỉ lệ thất bại như là x/T. Trong điều kiện lý tưởng, tỉ lệ này sẽ phản ánh
mức độ tin cậy được lựa chọn, Ví dụ, ở mức độ tin cậy là 99%, chúng ta có một giả
thuyết không là tần số của thua lỗ ở đuôi (tail losses) thì bằng p = (1-c) = 1-0.99=1%.Giả
sử mô hình đúng, tỉ lệ thất bại x/T được quan sát phải đóng vai trò như là một thước đo
không thiên lệch của p.

Số trường hợp ngoại lệ x tuân theo phân phối xác suất nhị thức:
Khi số lượng của các quan sát gia tăng, phân phối nhị thức có thể xấp xỉ với một phân
phốichuẩn:

Trong đó pT là số ngoại lệ được kì vọng và p(1-p)T là phương sai của ngoại lệ.
(Jorison,2001).

Bằng cách sử dụng phân phối nhị thức này, chúng ta có thể kiểm tra độ chính xác của mô
hình VaR.

2.2.2. Bao phủ có điều kiện:

Khuôn khổ basel và kiểm định bao phủ vô điều kiện, chẳng hạn như kiểm định POF, chỉ
tập trung vào số lượng những trường hợp ngoại lệ. Về lý thuyết, chúng ta sẽ mong đợi
những ngoại lệ này trải đều theo thời gian.Những mô hình var tốt có khả năng phản ứng
với thay đổi trong biến động và sự tương quan theo quan điểm những ngoại lệ xảy ra độc
lập nhau, trong khi những mô hình xấu có xu hướng cho ra một chuỗi những ngoại lệ liên
tiếp.(Finger,2005)

Người sử dụng Var cần có khả năng xác định những trường hợp ngoại lệ mà thỉnh thoảng
tụ thành nhóm, bởi vì những tổn thất lớn xảy ra nối tiếp nhau một cách nhanh chóng có
khả năng dẫn đến những sự việc tai hại hơn là những trường hợp ngoại lệ riêng lẻ mà
thỉnh thoảng diễn ra.(Christoffersen &Pelletier, 2003) những kiểm định bao phủ có điều
kiện(conditional coverage) cố gắng giải quyết vấn đề này bằng việc không chỉ kiểm tra
tần số vi phạm của Var mà còn kiểm tra thời gian khi nào chúng xảy ra. Trong phần này
tôi sẽ trình bày 2 kiểm định bao phủ có điều kiện: kiểm định ước lượng khoảng của
Christoffersen’s (1996) và kiểm định Kupiec pha trộn được thực hiện bởi Haas (2001).

2.2.3. Những phương pháp khác:

- Backtesting dựa trên hàm tổn thất

- Backtesting trên nhiều mức độ VaR

2.2.4 Kết luận:

Backtesting cung cấp thông tin phản hồi vô giá về tính chính xác của các mô hình quản lý
quản lý và người sử dụng VaR. Chương này đã trình bày một số phương pháp phổ biến
nhất để xác nhận tính hợp lý của mô hìnhVaR. Một mô hình VaR tốt đáp ứng hai thuộc
tính quan trọng tương đương nhau. Đầu tiên, nó tạo ra số lượng “ chính xác “ các trường
hợp ngoại lệ được chỉ định bởi mức độ tin cậy. Thứ hai, các trường hợp ngoại lệ là độc
lập với nhau. Những kiểm định đơn giản chỉ tập trung vào số lượng các trường hợp ngoại
lệ, trong khi các phương pháp tiên tiến hơn quan tâm đến sự phụ thuộc giữa các trường
hợp ngoại lệ. Nhiều kiểm định được dựa trên một mức độ tin cậy duy nhất nhưng những
phương pháp gần đây có khả năng kiểm tra toàn bộ phân phối, cung cấp các kiểm định
với năng lực nhiều hơn.

Kiểm định phổ biến nhất là kiểm định POF của Kupiec, nó đo lường số trường hợp ngoại
lệ trong một số khoảng thời gian cụ thể. Nếu thống kê có quá nhiều hay quá ít ngoại lệ
được quan sát, mô hình sẽ bị bác bỏ. Khuôn khổ pháp lý của Ủy ban Basel được dựa trên
các giả định giống như các kiểm định POF. Sự độc lập của các trường hợp ngoại lệ có thể
được kiểm tra bằng kiểm định dự báo khoảng của Christoffersen. Tuy nhiên, khi nghiên
cứu thực nghiệm cho thấy, một sự lựa chọn khác tốt hơn là sử dụng kiểm định Kupiec
pha trộnđược thực hiện bởi Haas vì nó có khả năng nắm bắt nhiều hình thái chung của sự
phụ thuộc.

Giả thuyết backtesting luôn luôn liên quan đến việc cân bằng giữa hai loại sai lầm: bác bỏ
một mô hình chính xác và chấp nhận một mô hình không chính xác. Một kiểm định thống
kê mạnh mẽ sẽ tối thiểu hóa một cách có hiệu quả xác suất xảy ra 2 loại sai lầm này. Để
tăng cường sức mạnh của các kiểm định, người ta có thể chọn mức độ tin cậy tương đối
thấp trong việc tính toán VaR để có đủ trường hợp ngoại lệ được quan sát. Ví dụ, trong
phần thực nghiệm của luận án này tôi sẽ áp dụng mức độtin cậy VaR thấp hơn là 90% và
95% để tăng cường sức mạnh của các kiểm định. Có một điều là sử dụng tập hợp lớn các
dữ liệu khi có thể. Tuy nhiên, trong thực tế hiếm khi có đủ số lượng quan sát có sẵn.

Trong quá trình xác nhận tính hợp lệ của mô hình, cần phải thận trọng trong việc lựa
chọn mô hình backtests. Một quan điểm quá hẹp, chẳng hạn như dựa trên các kiểm định
mức độ bao phủ vô điều kiện, khả năng có thể dẫn đến một tình huống mà chúng ta chấp
nhận một mô hình mà tạo ra được số lượng “chính xác” các ngoại lệ trường hợp ngoại lệ
nhưng nói chung là nó không thể phản ứng với những thay đổi trong các mối tương quan
và biến động bất thường, nó tạo ra một số nhóm ngoại lệ gắn bó chặt chẽ. Theo Haas
(2001),một backtests thì không bao giờ đủ và một kết quả tốt trong một vài kiểm định thì
nên luôn được xác nhận lại bằng một loại kiểm định khác. Lập luận này sẽ được lưu giữ
trong trong phần thực nghiệm

2.3. Stresstesting

2.3.1. Tại sao phải stress test

Chúng ta biết rằng, nhược điểm lớn nhất của VaR, đặc biệt là phương pháp phân tích lịch
sử, đó là sự biến động của các tác nhân rủi ro trong tương lai sẽ giống như trong quá khứ,
và đó là điều kiện bắt buộc để tiến hành mô phỏng. Tuy nhiên giả định này hoàn toàn phi
thực tế. Những ví dụ kinh điển về việc áp dụng VAR mà không thực hiện hoặc thực hiện
chưa đầy đủ Stress-test, đó là sự sụp đổ của một loạt các ngân hàng đầu tư, do họ thực
hiện VAR dựa trên số liệu biến động rất “êm đềm” trong quá khứ. Tuy nhiên khi những
điều kiện thị trường biến đổi đột ngột, như lãi suất, khiến cho giá trị VAR trở nên không
chính xác, và số tổn thất vượt quá VAR đã khiến cho các ngân hàng này chịu những
khoản thiệt hại khổng lồ, do không dự tính đúng được khả năng tổn thất lớn nhất khi điều
kiện thị trường biến đổi đột ngột. Do vậy, việc áp dụng phép thử Stresstest (thử khả năng
chịu đựng) có ý nghĩa đặc biệt quan trọng trong thời kỳ hiện nay.
Stress test được thực hiện để ước lượng những khoản lỗ trong giai đoạn thị trường bấtổn.
Phân tích lịch sử của thị trường cho thấy những tỷ suất sinh lợi tập trung ở phầnđuôi của
phân phối (fat tails) mà khi đó những biến động của thị trường xảy ra vượtqua khỏi mức
phân phối chuẩn cho phép.

Mặc dù hiện nay bộ phận quản trị tài chính đã phát triển rất tốt, tuy nhiên những sự kiện
như thiên tai, chiến tranh, bất ổn chính trị …vẫn ảnh hưởng rất lớn đến những dự báo của
nhà quản trị. Vì vậy, stress test thường được dùng bởi những nhà quản trị và các định chế
tài chính.

Stress test tìm ra khả năng (xác suất) xấu nhất mà VaR có thể có tính trong giai đoạn đặc
biệt. Stress testing kết hợp với VaR cho ta hiểu rõ hơn “bức tranh rủi ro”.
Stress test giải quyết được hai câu hỏi như sau:
- Tôi sẽ bị lỗ bao nhiêu khi thị trường gặp giai đoạn khó khăn, ví dụ như thời kì khủng
hoảng tín dụng ở Mỹ ?
- Sự kiện nào có thể là nguyên nhân gây ra khoản lỗ lớn hơn mức dự kiến?

Với phép thử Stress-test, ngân hàng sẽ đưa ra những bối cảnh của các nhân tố rủi ro, như
lãi suất, tỷ giá… biến động khác xa so với điều kiện bình thường, qua đó xác định VaR
ứng với từng bối cảnh đó. Như trong ví dụ xác định VaR ở trên, chúng ta thấy rằng lãi
suất mô phỏng chỉ dao động trong khoảng từ 3.3% - 4.3%, đó là với những điều kiện bình
thường trong quá khứ. Với Stress test, ngân hàng sẽ đưa ra những bối cảnh biến động rất
mạnh của lãi suất, như giảm xuống 1.5% hay 2%, hoặc tăng lên tới 5% hay 6%, qua đó
tính toán VaR ứng với từng bối cảnh này, và đưa ra những khuyến nghị phù hợp
Stress test có thường được sử dụng ?
Các định chế tài chính lớn hay thực hiện stress test trong khoảng một tuần hoặc thậm chí
hàng ngày. Kết quả stress test đặc biệt được ứng dụng trong những thời kì biến động
mạnh trên thị trường hoặc những ảnh hưởng của tình hình chính trị hay những sự kiện
kinh tế quan trọng. Nhưng stress test không nên sử dụng nhiều vì có thể gây ra tâm lý bi
quan về rủi ro.
2.3.2. Những bước thực hiện stress test

Bước 1: Những kịch bản chung

Hầu hết những mức trong stress test được dự đoán được từ kịch bản xấu nhất liên quan
đến vị thế của danh mục. Các kịch bản đặt ra những tình huống liên quan đến sự dao
động của những tài sản riêng lẻ và sự
tương tác giữa các tài sản trong danh
mục.
Bước 2: Đánh giá lại danh mục
Tính toán lại những chỉ tiêu rủi ro tài
chính của danh mục với những chỉ số
của kịch bản xấu nhất đã đề ra. Kết quả
stress test thay đổi trong giá trị hiện tại,
không phải làVaR.
Bước 3: Kết quả tổng hợp
Một bảng tổng hợp tóm tắt kết quả sẽ
đưa ra những mức kỳ vọng của khoản lỗ
(hay
lời) được cập nhật cho từng kịch bản
stress test và những khu vực mà khoản
lỗ được chú ý.
2.3.3. Áp dụng Stresstesting vào phương pháp VaR

a) Đối với trường hợp VaR tham số

Bước 1: chọn danh mục
Chọn danh mục giả định của ngân hàng như ở trên trong giai đoạn từ 2007-2009.
Bước 2: chọn kịch bản
Trong khoảng thời gian quan sát, lấy thời điểm biến động nhất làm yếu tố stress. Ở
đây, chúng ta chọn ngày 25/2/2008, thời gian mà thị trường chứng khoán sụt giảm lớn
nhất trong suốt thời gian quan sát.
Bước 3: tính toán VaR cho toàn giai đoạn quan sát
Lấy kết quả theo tính toán ở trên.
Bước 4: tính toán stress VaR
Thời điểm được chọn để làm yếu tố biến động là vào ngày 25/2/2008, do đó ta tính
stress VaR cho ngày này, sử dụng mối tương quan trong 20 ngày giao dịch ( từ
21/1/2008-25/2/2008).

b) Đối với phương pháp Monte-carlo

 . .√
Theo phương pháp monte-carlo, Pt = Pt-1 .
Để đưa yếu tố biến động trong giai đoạn khủng hoảng, ta sẽ đưa yếu tố hệ số tương quan
vào ε.

c) Stress test và phương pháp mô phỏng lịch sử

Mô phỏng giá theo tỷ suất sinh lợi trong thời gian khủng hoảng đã chọn. tương tự như mô
phỏng monte-carlo, chúng ta tính được giá trị danh mục theo từng mô phỏng, từ đó tính
được tỷ suất sinh lợi, tiếp đến sắp xếp tỷ suất sinh lợi theo thứ tự tăng dần, với mức xác
xuất 5%, ta chọn vị trí số 1, tức tỷ suất sinh lợi thấp nhất làm giá trị TSSL tại VaR 5%.
Nhân tỷ suất sinh lợi với giá trị danh mục ta được VaR

2.4. Áp dụng phương pháp VaR mở rộng (EvaR) đo lường rủi ro thị trường:

Bài nghiên cứu đã cho thấy một hướng áp dụng rất khả quan của phương pháp EVaR, tuy
nhiên với tình hình Việt Nam hiện tại thì việc áp dụng phương pháp EVaR còn gặp một
số rào cản nhất định.

Thách thức lớn nhất khi áp dụng EVaR ở Việt Nam là chất lượng và mức độ sẵn có của
dữ liệu. Lịch sử Việt Nam đã trải qua hơn 4.000 năm, nhưng có thể nói rằng hệ thống tài
chính Việt Nam - hệ thống tài chính do các ngân hàng đóng vai trò chủ đạo bắt đầu hình
thành rõ nét từ năm 1858, năm Việt Nam trở thành một nước phong kiến nửa thuộc địa
của Pháp. Nhưng thị trường ngân hàng và thị trường tài chính ở Việt Nam mới bắt đầu
phat triển từ khoảng thời gian năm 2000 và thực sự bùng nổ trong khoảng thời gian từ
năm 2005. Trong những giai đoạn này thì các số liệu về thị trường tài chính cũng không
được thống kê và ghi nhận đầy đủ. Bên cạnh một thì trường non nớt là những nhà đầu tư
không được trang bị đầy đủ kiến thức đã làm cho các số liệu thống kê về thị trường tài
chính của Việt Nam chưa phản ánh đúng tình hình thực tế.

Bên cạnh vấn đề chất lượng thông tin thì chất lượng dự báo cũng là một thách thức lớn
đối với việc tính toán EVaR. Bởi vì các công cụ dự báo của chúng ta còn yếu nên để dễ
thực hiện thì ta nên thực hiện theo phương pháp của bài nghiên cứu. Trong khi thực hiện
theo phương pháp của bài nghiên cứu trên thì có một vần đề là thị trường quyền chọn ở
Việt Nam chưa phát triển nên theo nghiên cứu trên chúng ta sẽ thiếu công cụ để dự báo
biến động doanh thu hàng ngày của danh mục đầu tư dựa vào biến động thị trường (σI).

Khi vượt qua được những rào cản trên thì việc áp dụng phương pháp EVaR cho thị
trường Việt Nam sẽ khả quan hơn nhiều.
3. Cách thức nghiên cứu:

1. Lựa chọn vấn đề nghiên cứu

 Xác định đối tượng nghiên cứu, phạm vi nghiên cứu và mục đích nghiên cứu
 Xác định mục tiêu nghiên cứu và nhiệm vụ nghiên cứu
 Xác định nội dung nghiên cứu
 Xác định phương pháp nghiên cứu

2. Xác định đề tài NCKH

3. Lập đề cương nghiên cứu sơ bộ

4. Triển khai đề tài nghiên cứu

 Tổng hợp tài liệu
 Phân loại tài liệu: theo đề cương chi tiết đã định
 Xử lí số liệu, tài liệu, gia công tài liệu…
 Nghiên cứu theo từng phần mục trong đề cương chi tiết.
 Ghi chép các kết quả nghiên cứu của từng phần mục.
5. Tổng hợp kết quả nghiên cứu
 Tập hợp các kết quả nghiên cứu đã đạt được
 Sắp xếp các kết quả theo trật tự logic
6. Viết báo các tổng hợp đề tài Nghiên cứu khoa học

4. Khả năng áp dụng

Ngành ngân hàng Việt Nam đang trong giai đoạn phát triển và cạnh tranh khốc liệt, cùng
với sự hiện diện ngày càng nhiều của các định chế tài chính quốc tế lớn với công nghệ và
năng lực quản trị tiên tiến, hiện đại. Để có thể tồn tại và cạnh tranh được ngay trên thị
trường nội địa, các ngân hàng thương mại trong nước đã không ngừng gia tăng chất
lượng sản phẩm, dịch vụ, cải tiến công nghệ kỹ thuật. Đồng thời, nâng cao năng lực quản
trị điều hành, trong đó năng lực quản trị rủi ro được xem là một yếu tố quan trọng trong
những năm gần đây.

Quản trị rủi ro ở đây là quá trình tiếp cận rủi ro một cách khoa học, toàn diện và có hệ
thống nhằm nhận dạng, kiểm soát, phòng ngừa và giảm thiểu những tổn thất, mất mát,
những ảnh hưởng bất lợi của rủi ro. Từ đó có sự chuẩn bị sẵn sàng các hành động thích
hợp để hạn chế các rủi ro đó ở mức thấp nhất. Sự tăng trưởng mạnh về quy mô của các
ngân hàng trong những năm qua dễ phát sinh rủi ro tiềm ẩn nếu việc phát triển về quy mô
vốn và mạng lưới không đi liền với sự tăng trưởng về công nghệ và quản trị điều hành.
Cùng với những diễn biến phức tạp của thị trường tiền tệ và quy định khắt khe của cơ
quan quản lý về các tỷ lệ đảm bảo hoạt động an toàn và hiệu quả đối với hệ thống các
ngân hàng, công tác quản trị rủi ro đóng vai trò then chốt nhằm đảm bảo sự an toàn, ổn
định và hiệu quả cho mỗi ngân hàng.

Đề tài của chúng tôi mô phỏng một quá trình áp dụng công cụ Value at Risk vào quản trị
rủi ro cho một ngân hàng. Qua mô phỏng trên, nhóm chúng tôi đã tính toán ra được mức
lỗ mà ngân hàng có thể phải gánh chịu đối với những tài sản ngân hàng đang nắm giữ.
Chúng tôi cũng áp dụng hai phương pháp kiểm định cho tính toán trên để đảm bảo cho ý
nghĩa của con số tính toán được. Việc thực hiện kiểm định này có ý nghĩa rất lớn với tình
hình kinh tế nước ta vốn là một nền kinh tế có sức chịu đựng kém trước các cú sốc kinh
tế. Đặc biệt với phương pháp Stress Test là một phương pháp tiên tiến mà hầu hết các
ngân hàng trên thế giới hiện đang áp dụng nhưng ở Việt Nam chúng ta vẫn chưa áp dụng
được. Với mô phỏng của chúng tôi, chúng tôi hy vọng sẽ mở đường cho việc áp dụng
Stress Test cho các ngân hàng ở Việt Nam trong công tác quản trị rủi ro.

Bên cạnh đó, việc áp dụng công nghệ thông tin vào quản trị rủi ro trong các ngân hàng
ngày càng phát triển đã mở ra hướng áp dụng khả quan cho đề tài của chúng tôi vào thực
tế quản trị rủi ro cho các ngân hàng ở Việt Nam. Với việc phát triển công nghệ và đặc
biệt là nhân lực, chúng tôi hy vọng đề tài của chúng tôi sẽ sớm được các ngân hàng hoàn
thiện và áp dụng vào thực tế.