Professional Documents
Culture Documents
Chương 1
Việc lập mô hình hỗ trợ 2 bước ñầu của tiến trình trên:
phân tích tình huống và ñưa ra các kết quả dự kiến của
những tình huống ñó
1
1.1.1 Tiến trình lập mô hình
2
1.1.3 Yêu cầu khi lập mô hình
• Các mô hình buộc bạn phải dứt khoát rõ ràng về
mục tiêu của mình.
• Các mô hình buộc bạn phải nhận dạng và lưu lại
các quyết định mà những quyết định này sẽ ảnh
hưởng và tác động đến các mục tiêu của bạn.
• Các mô hình buộc bạn nhận dạng và lưu lại
những tương tác và những đánh đổi bù trừ giữa
các quyết định.
• Các mô hình sẽ buộc bạn suy nghĩ cẩn trọng về
các biến số và lượng hóa rõ ràng những biến số
này trong điều kiện chúng có thể định lượng.
3
1.1.4 Các loại mô hình
Loại mô hình ðặc ñiểm Ví dụ
4
1.1.5 Xây dựng mô hình
5
1.2.2 Ví dụ Công ty S.P
Lợi nhuận
Giá bán Chi phí chế Chi phí NVL 1 Chi phí NVL 2 Chi phí
biến (ñơn vị) (ñơn vị) cố ñịnh
(ñơn vị)
6
1.2.2 Ví dụ Công ty S.P
Mô hình sơ khởi
7
1.2.2 Ví dụ Công ty S.P
• Tình huống thực tiễn: chi phí chế biến trong
thực tiễn đúng như dự báo (cố định
2,05$/SP). Giải quyết: cải tiến việc dự báo chi
phí chế biến.
8
1.2.2 Ví dụ Công ty S.P
• Tình huống thực tiễn: khả năng sản xuất bình thường của
công ty là 25.000 SP/tuần. Số sản phẩm làm ngoài giờ sẽ
làm tăng chi phí chế biến thêm 0.8$/SP. Giải quyết: sử
dụng hàm IF để tính lại chi phí chế biến.
• Tình huống thực tiễn: công ty SP sẽ phải cân nhắc:
• Chi phí chế biến ngoài giờ có thể được giảm bớt bằng
cách tăng giá bán và từ đó làm giảm lượng cầu đối với sản
phẩm.
• Lợi nhuận đạt được sẽ là bao nhiêu nếu SP đầu tư thêm
máy móc thiết bị để tăng năng lực sản xuất trong giờ lên
trên mức 25.000.
• Giải quyết: Lập DataTable với Giá Bán và khả năng sx bình
thường
9
1.2.3 Nghệ thuật lập mô hình
Các yêu cầu của mô hình bảng tính
• Các biến số phải được phân định rõ ràng và
được đặt tên phù hợp.
• Các thông số, nhập liệu đầu vào của mô hình
phải được nhận diện rõ ràng.
• Các kết quả thực hiện, các biến số hệ quả,
xuất liệu đầu ra của mô hình cũng phải được
nhận diện rõ ràng.
10
1.2.7 Công ty C
• Khung tình huống
• Công ty C sản xuất ghế ngồi các loại chất lượng cao. Có 6
loại ghế của công ty được mã hóa như sau: G1, G2, G3; G4,
G5, G6. Những chiếc ghế này được thiết kế để có thể sử
dụng hoán đổi lẫn nhau 6 loại phụ tùng: g1, g2, g3, g4, g5,
g6 và chân ghế. Ngoài ra mỗi một ghế có tay vịn khác nhau.
• Lợi nhuận mỗi loại ghế, yêu cầu về phụ tùng, mức tồn kho
của mỗi loại phụ tùng lắp ráp đã được cố định từ trước và
hiện tại công ty đang đứng trước một kế hoạch sản xuất
sao cho tối đa hóa được lợi nhuận.Từ tất cả những đặc
điểm trên công ty đã phát triển mô hình bảng tính như
trong hình 1.42.
1.2.7 Công ty C
11
1.2.7 Công ty C
• Tình huống thực tiễn: Loại ghế G3 là loại sản
phẩm tạo ra lợi nhuận cao nhất nhưng lại sử
dụng nhiều loại phụ tùng g1 nhất. Nếu chúng
ta từ bỏ sản xuất 2 sản phẩm G3, chấp nhận
mất lợi nhuận là 90$ nhưng chúng ta sẽ có
được 2 x 12 = 24 phụ tùng g1 để sản xuất 3
sản phẩm G1 và đạt được lợi nhuận là 108$
• Giải quyết: Xem bảng tính
1.2.7 Công ty C
12
1.2.7 Công ty C
• Tình huống thực tiễn: Loại sản phẩm G5 đòi hỏi 8
phụ tùng g1 trong khi sản phẩm G6 chỉ cần 4 cái. Nên
chăng chúng ta từ bỏ sản phẩm G5 và chấp nhận mất
lợi nhuận 35$ nhưng chúng ta có thể sản xuất gấp đôi
sản phẩm G6 và lợi nhuận đạt được là 50$. Vậy bây
giờ chúng ta kiểm tra xem lợi nhuận tổng cộng tăng
thêm là bao nhiêu khi chúng ta ngừng sản xuất G5 và
chuyển sang gia tăng mức sản xuất sản phẩm G6
• Giải quyết: Xem bảng tính. Kết quả: Lợi nhuận tăng
360$ mà vẫn sử dụng đủ nguyên vật liệu => giải pháp
khả thi.
1.2.7 Công ty C
13
1.2.7 Công ty C
• Lợi nhuận tăng 600 $ nhưng giải pháp trên là
giải pháp không khả thi vì sẽ thiếu hụt một
loạt vật liệu khác nhau.
• YÊU CẦU:
• Tìm kiếm các giải pháp khả thi khác sao cho
tối đa hóa lợi nhuận đạt được.
14
12/31/2009
Financial Modeling 1
Financial Modeling 2
1
12/31/2009
• Sao cho N
∑x i =1
i =1
• xi ≥ 0, i =1,…N
N N
• Với : N
và σ p = x T Sx = ∑∑ x x σ
E (rx ) = x T * R = ∑ x i E( ri ) i =1 j=1
i j ij
i =1
Financial Modeling 3
Financial Modeling 4
2
12/31/2009
Financial Modeling 5
Financial Modeling 6
3
12/31/2009
13,0%
12,0%
Tỷ suất sinh lợi
11,0%
10,0%
9,0%
8,0%
7,0%
6,0%
19% 39% 59% 79% 99% 119%
ðộ lệch chuẩn
Không có bán khống ðược bán khống
Financial Modeling 7
4
TỐI ƯU HÓA TUYẾN TÍNH
Chương 2
Financial Modeling 1
1
2.1 BÀI TOÁN QUY HOẠCH TUYẾN
TÍNH
• Các điều kiện ràng buộc
Financial Modeling 3
Financial Modeling 4
2
2.1 BÀI TOÁN QUY HOẠCH TUYẾN
TÍNH
• Hàm mục tiêu:
• Thông số đo lường kết quả thực hiện được các nhà
quản lý mong muốn tối đa hóa (chẳng hạn lợi
nhuận, tỷ suất sinh lợi, hiệu năng, hoặc tính hiệu
quả) hoặc tối thiểu hóa (như chi phí hoặc thời gian).
• Nhà quản lý danh mục có thể muốn tối đa hóa tỷ
suất sinh lợi của danh mục, và giám đốc sản xuất có
thể muốn chi phí sản xuất là thấp nhất. Tương tự
hãng hàng không muốn có một lịch trình bay sao cho
tối thiểu hóa chí phí và công ty dầu khí muốn khai
thác các mỏ dầu hiện có sao cho tối đa hóa lợi
nhuận.
Financial Modeling 5
Financial Modeling 6
3
2.2 VÍ DỤ VỀ BÀI TOÁN
QUY HOẠCH TUYẾN TÍNH
Loại phụ tùng Sp1 Sp2 Tổng số
g1 8 4 1280
g2 4 12 1600
g3 1 0 140
g4 0 1 120
Financial Modeling 7
Financial Modeling 8
4
2.2 VÍ DỤ VỀ BÀI TOÁN QUY HOẠCH
TUYẾN TÍNH
• Hàm mục tiêu:
• Công ty C có mục tiêu là tối đa hóa lợi nhuận và
mục tiêu này là kết hợp 2 mục tiêu thành phần:
• Tổng phần bù định phí đạt được từ doanh số
của Sp1
• Tổng phần bù định phí đạt được từ doanh số
của Sp2
• Phần bù định phí đơn vị của Sp1 là 56$ và của
Sp2 là 40$. Chúng ta có hàm mục tiêu sau:
• 56x1 + 40x2 = tổng phần bù định phí => max
Financial Modeling 9
Financial Modeling 10
5
Financial Modeling 11
Financial Modeling 12
6
2.4 CHI PHÍ CHÌM VÀ CHI PHÍ BIẾN ĐỔI
• Chi phí chìm là những chi phí đã bỏ ra và
những quyết định trong tương lai không thể
tác động hay sửa đổi được gì đối với những
chi phí đã chi tiêu này. Vì thế, chi phí chìm
không đưa vào mô hình tối ưu hóa.
• Chi phí biến đổi là những thông số đầu vào
(biến ngoại sinh) nên được tính vào trong mô
hình tối ưu hoá.
Financial Modeling 13
7
2.5 GIẢI QUYẾT MÔ HÌNH TỐI ƯU
HÓA BẰNG BẢNG TÍNH
• Mỗi một biến số quyết định được trình bày trong các ô khác nhau, thường được
nhóm lại với nhau theo dòng hay cột
• Mỗi một ràng buộc được trình bày trong các dòng và cột riêng rẽ trong một bảng
tính.
• Các biến số ra quyết định được nhóm lại với nhau theo các cột/các dòng liền kề
nhau và các ràng buộc được nhóm lại với nhau theo các dòng/cột liền kề nhau.
• Mỗi một ô biến số ra quyết định và ô hàm mục tiêu phải được đặt tên tại ô trên
cùng của cột đó. Và mỗi một ràng buộc phải được đặt tên tại ô bên trái ngoài
cùng của dòng đó.
• Các thông số được đặt trong các ô nằm trong các dòng riêng biệt liền kề ngay
bên trên hay bên dưới các biến số ra quyết định để phản ánh tác động từ những
hệ số này và công thức hàm mục tiêu xuất hiện gần kề ngay bên cạnh những ô
này.
Financial Modeling 15
Financial Modeling 16
8
2.5 GIẢI QUYẾT MÔ HÌNH
TỐI ƯU HÓA BẰNG
BẢNG TÍNH
Thuật ngữ quy hoạch tuyến tính Thuật ngữ Solver
Các biến số ra quyết ñịnh Biến số ra quyết ñịnh (By changing cells)
Các ñiều kiện ràng buộc Ràng buộc (Subject to the constraints/add)
Hàm ràng buộc (Vế trái của bất ñẳng thức) Tham chiếu ô ràng buộc (Cell reference)
Giới hạn ràng buộc- Vế phải bất ñẳng thức Các ràng buộc hoặc giới hạn (Constraint)
Financial Modeling 17
Financial Modeling 18
9
2.5 GIẢI QUYẾT MÔ HÌNH TỐI ƯU
HÓA BẰNG BẢNG TÍNH
Financial Modeling 19
Financial Modeling 20
10
2.5 GIẢI QUYẾT MÔ HÌNH TỐI ƯU
HÓA BẰNG BẢNG TÍNH
Financial Modeling 21
Financial Modeling 22
11
2.5 GIẢI QUYẾT MÔ HÌNH TỐI ƯU
HÓA BẰNG BẢNG TÍNH
Financial Modeling 23
Financial Modeling 24
12
2.6 TỐI ƯU HÓA KHI
NGUỒN VỐN BỊ GIỚI
HẠN
• Khung tình huống:
Dự án Năm 0 Năm 1 Năm 2 Năm 3 NPV (r =
10%)
W – 70 – 20 60 60 6,44
X ––– – 90 60 50 5,30
Y – 80 10 60 30 1,18
Z ––– – 50 30 30 1,86
Financial Modeling 25
Financial Modeling 26
13
TỐI ƯU HÓA PHI TUYẾN
CHƯƠNG 3
Financial Modeling 1
Financial Modeling 2
1
3.1 GiỚI THIỆU MÔ HÌNH PHI TUYẾN
• Bất cứ giá trị nào của x mà tại đó đạo hàm riêng = 0 gọi là điểm dừng.
• Tại giá trị tối ưu địa phương (tối thiểu hoặc tối đa) tất cả các đạo hàm riêng
phải = 0. Điểm tối ưu cực đại hoặc cực tiểu luôn là điểm dừng.
• Việc thiết lập các đạo hàm riêng cấp 1 bằng 0 trong một hàm n biến sẽ tạo ra n
hệ phương trình. Ngoại trừ trường hợp hệ phương trình là tuyến tính, thì đối
với trường hợp hàm phi tuyến (ví dụ hàm số gốc là hàm bậc 3) không dễ dàng
tìm lời giải và sẽ không khả thi khi giải bằng tay.
• Điều kiện đủ thứ 2 khá phức tạp, yêu cầu phải tính toán các định thức của các
ma trận đạo hàm riêng cấp 2. Trên thực tế, ngay cả trong trường hợp hàm f chỉ
có một hay hai biến số nhưng quá phức tạp thì dường như chúng ta vẫn không
có khả năng giải bằng thủ công bài toán tối ưu này.
Financial Modeling 3
Financial Modeling 4
2
3.2 TỐI ƯU HÓA PHI TUYẾN QUA ĐỒ
THỊ
• Giải pháp tối ưu của mô hình phi tuyến không phải luôn luôn tại góc như của mô
hình tuyến tính
Financial Modeling 5
Financial Modeling 6
3
3.2 TỐI ƯU HÓA PHI TUYẾN QUA ĐỒ
THỊ
• Giá trị tối ưu địa phương (cực trị địa phương) so với giá trị tối
ưu toàn cục (cực trị toàn cục)
• Trong mô hình LP cực trị địa phương cũng là cực trị toàn cục
• Trong mô hình NLP có thể vừa có cực trị địa phương và vừa có cựa
trị toàn cục.
• Giá trị cực đại toàn cục là điểm cực đại theo ràng buộc toàn cục
bởi vì giá trị của hàm mục tiêu tại điểm này là lớn nhất so với tất
cả các điểm khả thi khác.
• Trong mô hình NLP để tìm ra cực trị toàn cục từ các cực trị địa
phương cần phải bổ sung các điều kiện các điều kiện lồi và điều
kiện lõm. Những điều kiện này phải được thỏa mãn để đảm bảo
rằng giá trị tối ưu hóa địa phương cũng sẽ là giá trị tối ưu hóa toàn
cục.
Financial Modeling 7
Financial Modeling 8
4
3.3 SỬ DỤNG SOLVER CHO MÔ HÌNH PHI TUYẾN
• Trong mô hình LP, Solver sử dụng phương pháp di chuyển từ
góc này sang góc khác trong các vùng khả thi.
• Trong mô hình NLP, Solver sử dụng phương pháp “leo dốc” dựa
trên tiến trình tìm kiếm ñộ dốc ñược giảm thiểu chung và
phương pháp này còn ñược gọi là GRG.
• Các bước của tiến trình này ñược thực hiện như sau:
• Sử dụng các giá trị ban ñầu của các biến số quyết ñịnh tính
toán một hướng ñi ñược sao cho cải thiện nhanh nhất giá trị
của hàm mục tiêu.
• Solver lại thử một hướng tính toán mới từ một ñiểm khởi sự
mới, tiến trình trên ñược lặp lại cho ñến khi giá trị OV không
còn ñược cải thiện tốt hơn trên bất kỳ một hướng mới nào thì
tiến trình tìm kiếm giá trị tối ưu kết thúc.
Financial Modeling 9
Financial Modeling 10
5
3.4 MÔ HÌNH QUẢN LÝ HÀNG TỒN
KHO EOQ
• Kiến thức nền tài chính
• Gọi S là lượng hàng tiêu thụ trong kỳ nên số lần
đặt hàng trong kỳ là S
Q
• Gọi O là chi phí cho mỗi lần đặt hàng thì tổng chi
phí đặt hàng trong kỳ là: S
xO
Q
Financial Modeling 12
6
3.4 MÔ HÌNH QUẢN LÝ HÀNG TỒN
KHO EOQ
• Ví dụ:
• Công ty bán sỉ Steco có nhu cầu hàng hóa mỗi
tháng duy trì ở mức ổn định là vào khoảng 5.000
sản phẩm (60.000 sản phẩm/năm).
• Giả định chi phí cho một lần đặt hàng của công
ty Steco là 25$.
• Chi phí lưu giữ tính trên mỗi sản phẩm tồn kho
bao gồm chi phí cơ hội của vốn là 20% trên giá
mua vào và chi phí tồn trữ là 4% trên giá mua vào
mỗi sản phẩm. Vậy chi phí lưu giữ cho mỗi đơn
vị hàng tồn kho là 24% x 8,00$ = 1,92$.
Financial Modeling 13
Financial Modeling 14
7
MÔ PHỎNG MONTE CARLO
CHƯƠNG 4
Financial Modeling 1
Financial Modeling 2
1
4.1 GIỚI THIỆU
• Mô phỏng và các biến ngẫu nhiên
• Các mô hình mô phỏng thường được sử dụng để phân
tích một quyết định trong điều kiện có rủi ro, đó là một mô
hình mà khả năng biến động một hay nhiều các yếu tố của
mô hình là không biết được một cách chắc chắn.
• Các nhân tố mà ta không biết được một cách chắc chắn
được hiểu như là biến ngẫu nhiên. Hành vi thay đổi của
một biến ngẫu nhiên được mô tả bởi phân phối xác suất.
• Loại hình mô phỏng này đôi khi được gọi là phương pháp
Monte Carlo, sau đó là phương pháp bánh xe Roulette, là
phương pháp có thể được hiểu như là cấu hình tạo lập
nên các sự kiện ngẫu nhiên hay không chắc chắn.
Financial Modeling 3
0,5
Financial Modeling 4
2
4.2 THIẾT LẬP CÁC BIẾN NGẪU NHIÊN
• Các dạng phân phối xác suất:
• Phân phối đồng dạng: các giá trị ngẫu nhiên trong khoảng
(min, max) có xác suất xảy ra bằng nhau.
• Phân phối chuẩn: một giá trị ngẫu nhiên sẽ có xác suất xảy
ra cao nhất (giá trị trung bình). Các giá trị trên hay dưới giá
trị trung bình có xác suất xảy ra như nhau (cân đối).
• Phân phối nhị thức: Chỉ xảy ra hai giá trị và có kết quả độc
lập lẫn nhau.
• Phân phối lognomal: Biến có thể tăng vô hạn nhưng không
thể nhỏ hơn 0. Log của biến có phân phối chuẩn.
• Và rất nhiều các dạng phân phối xác suất khác.
Financial Modeling 5
3
4.2 MÔ PHỎNG VỚI BẢNG TÍNH THÔNG THƯỜNG
Financial Modeling 7
4
4.2 MÔ PHỎNG VỚI BẢNG TÍNH THÔNG THƯỜNG
Financial Modeling 9
• Vấn đề đặt ra với các nhà quản lý là kết hợp giữa mô hình
mô phỏng và mô hình tối ưu.
• Công cụ Solver đã làm việc rất hiệu quả khi đi giúp chúng
ta đi tìm giải pháp tối ưu trong điều kiện chắc chắn theo
đó các biến nội sinh (biến số đầu vào của mô hình) sẽ tạo
ra giá trị hàm mục tiêu tối ưu.
• Các chương trình mô phỏng như Crytal Ball rất hữu ích
trong việc giải quyết các biến số ngoại sinh trong điều kiện
không chắc chắn.
• Kết hợp 2 công cụ trên nhà quản lý sẽ giải quyết được bài
toán tối ưu trong những điều kiện không chắc chắn.
• Phần này sẽ giới thiệu công cụ OptQuest trong Crytal Ball
giải quyết vấn đề trên.
Financial Modeling 10
5
4.5 TỐI ƯU HÓA TRONG ĐIỀU KIỆN KHÔNG CHẮC CHẮN
• Thiết lập danh mục tối ưu trong điều kiện không chắc
chắn
• Khung tình huống:
• Giả định rằng nhà đầu tư đã lựa chọn đầu tư vào danh
mục gồm 3 loại cổ phiếu là Intel; Microsoft và Proter &
Gamble và chứng chỉ quỹ đầu tư Money Market. Các biến
số ra quyết định của chúng ta sẽ là W, X, Y, Z với:
• W: là tỷ trọng vốn đầu tư vào chứng chỉ quỹ Money
Market
• X: là tỷ trọng vốn đầu tư vào cổ phiếu Intel
• Y: là tỷ trọng vốn đầu tư vào cổ phiếu Microsoft
• Z: là tỷ trọng vốn đầu tư vào cổ phiếu Proter & Gamble
Financial Modeling 11
Financial Modeling 12
6
4.5 TỐI ƯU HÓA TRONG ĐIỀU KIỆN KHÔNG CHẮC CHẮN
• Excel có thể giải quyết bài toán tối ưu hóa phi tuyến trên
• Đáng tiếc là tỷ suất sinh lợi mong đợi không chắc chắn xảy ra mà
nó tuân theo phân phối xác suất vì thế thông số về TSSL là không
chắc chắn.
• CHúng ta sẽ dùng OptQuest giải quyết bài toán trên.
• OptQuest cho câu trả lời tương tự như Solver và bạn có thể thắc
mắc rằng như vậy giá trị của OptQuest khác với Solver ở điểm gì?
Kết quả xử lý từ OptQuest đã xác nhận rằng:
• Sau khi thực hiện 1000 phép thử, phương sai bình quân của danh
mục thực sự rất gần với giá trị đạt được khi xử lý tối ưu hóa bằng
Solver trong bảng tính gốc trước đây. Vì vậy mặc dù ví dụ này
không bổ sung thêm được một giá trị mới nào, nhưng nó đã thật
sự hữu ích khi xác nhận với chúng ta rằng giá trị phương sai mong
đợi của danh mục đã tìm được là đúng.
Financial Modeling 13
Financial Modeling 14
7
4.5 TỐI ƯU HÓA TRONG ĐIỀU KIỆN KHÔNG CHẮC CHẮN
Financial Modeling 15
8
12/31/2009
Chương 5
Financial Modeling 1
Financial Modeling 2
1
12/31/2009
Financial Modeling 3
Financial Modeling 4
2
12/31/2009
Financial Modeling 5
Financial Modeling 6
3
12/31/2009
Financial Modeling 7
Financial Modeling 8
4
12/31/2009
re =
D1
+g D0 (1 + g )
re = +g
P0 P0
Financial Modeling 9
DIVH +1 1
P02 =
r % − g 2 (1 + r %) H
Financial Modeling 10
5
12/31/2009
Financial Modeling 12
6
12/31/2009
Financial Modeling 13
Financial Modeling 14
7
12/31/2009
• Trong thực tiễn, hệ số beta đối với nợ của một công ty liên quan đến 2
yếu tố:
• Thời gian đáo hạn của nợ vay: thời gian đáo hạn xa hơn thì rủi ro cao hơn
tương ứng và ngược lại.
• Rủi ro không trả được nợ: rủi ro không trả được nợ cao hơn thì hệ số
beta của nợ sẽ cao hơn.
Financial Modeling 15
Financial Modeling 16
8
12/31/2009
Financial Modeling 17
Financial Modeling 18
9
12/31/2009
Financial Modeling 19
10
12/31/2009
Financial Modeling 1
EBIT 216
Lãi vay (INT) * 36
Lãi ròng 90
Financial Modeling 2
1
12/31/2009
Tài sản
Vốn luân chuyển (NWC)*** 200 160 +40
Tài sản cố ñịnh (FA) 800 740 +60
Tổng tài sản 1.000 900 +100
Nợ và vốn cổ phần
Nợ vay (D) 400 400 0
Vốn cổ phần (E) 600 500 +100
Tổng nợ và vốn cổ phần 1.000 900 +100
Financial Modeling 4
2
12/31/2009
Financial Modeling 5
• Hầu hết các mô hình kế hoạch tài chính đều phụ thuộc
vào doanh số. Các thông số trên bảng CĐKT và BCTN
đều phụ thuộc doanh số như:
• Tài sản cố định
• Khoản phải thu
• Nhu cầu vốn luân chuyển…
• Tuy nhiên, cũng có những khoản mục không phụ thuộc
vào doanh số còn gọi là những quyết định chính sách
như: nợ, cổ tức …
Financial Modeling 6
3
12/31/2009
Financial Modeling 7
• Khi tiền mặt và chứng khoán là hạng mục cân đối sẽ có 2 hàm ý:
• Ý nghĩa về mặt tính toán:
Tiền mặt và chứng khoán thị trường=Tổng nợ và vốn cổ phần–Tài sản lưu
động–Tài sản cố định ròng
• Ý nghĩa về tài chính:
Việc xác định tiền mặt và chứng khoán thị trường là hạng mục cân đối,
chúng ta sẽ tính toán được mức độ tự tài trợ của doanh nghiệp là bao
nhiêu khi doanh nghiệp không phát hành thêm cổ phiếu, không trả bớt
nợ cũng như không vay thêm tiền.
Financial Modeling 8
4
12/31/2009
Financial Modeling 9
5
12/31/2009
Financial Modeling 11
6
12/31/2009
• Lưu ý:
• Các mô hình báo cáo tài chính dự kiến trong
Excel luôn luôn bao gồm các ô tham chiếu qua lại
lẫn nhau. Vì vậy giải pháp của mô hình phải dựa
trên khả năng của Excel khi giải quyết những ô
tham chiếu lẫn nhau tạo thành vòng lặp.
• Để đảm bảo mô hình bảng tính của bạn có thể
tính toán được, chọn Tools/Options/Calculation
và click Iteration.
Financial Modeling 13
Financial Modeling 14
7
12/31/2009
• Trong công thức này V5 là giá trị của doanh nghiệp vào cuối năm thứ 5 và có
giá trị xấp xỉ bằng hiện giá của tất cả các dòng tiền FCF từ năm thứ 6 trở đi
Financial Modeling 15
• Một vài lưu ý khi sử dụng dòng tiền tự do để định giá doanh nghiệp và cổ phần
∞
FCFt +5 ∞
FCF5 (1 + g %)t ∞ FCF5 (1 + g %)
V5 = ∑ = ∑ =∑
t =1 (1 + WACC ) t t =1 (1 + WACC )t t =1 WACC − g %
• Trên thực tế chúng ta có 3 cách khác để xác định giá trị đến hạn vào thời điểm H:
• Cách 1: Khi đó VH = (Tỷ số giá trị thị trường/ Giá trị số sách) * (Giá trị sổ sách năm H).
• Cách 2: VH = Tỷ số P/E * Lợi nhuận năm H + Giá trị sổ sách của nợ vay vào năm H.
• Cách 3: VH = Tỷ số EBITDA * EBITDA mong đợi vào năm H.
Financial Modeling 16
8
12/31/2009
Financial Modeling 17
• Để chạy lại mô hình, các bạn cần lưu ý những vấn đề sau:
• Tiền mặt không thể âm
• Khi doanh nghiệp cần nguồn tài trợ bổ sung, doanh nghiệp sẽ vay nợ hoặc
phát hành cổ phiếu. Nhưng trong ví dụ này, để cho đơn giản, chúng ta chỉ
giả định là doanh nghiệp chỉ vay nợ bổ sung mà thôi khi cần huy động vốn
cổ phần.
• Khi đó, nợ là hạng mục cân đối.
Financial Modeling 18
9
12/31/2009
Financial Modeling 19
Financial Modeling 20
10
MÔ HÌNH PORTFOLIO
CHƯƠNG 8
Financial Modeling 15
Financial Modeling 16
1
8.2 CÁC KÝ HIỆU
• E(ri) là tỷ suất sinh lợi mong đợi của tài sản i
• Var(ri) phương sai của tỷ suất sinh lợi tài sản
i
• Cov(ri;rj) là hiệp phương sai của giữa tài sản i
và tài sản j. Cov(ri;rj) là σij
• Var(ri) là σii
Financial Modeling 17
P
rAt = ln At
PA,t −1
• Đây là công thức tính theo kỳ ghép lãi liên tục, trong
trường hợp có cổ tức, chúng ta có thể tính:
P + Divt
rAt = ln At
PA,t −1
Financial Modeling 18
2
8.3 MÔ HÌNH 2 CHỨNG KHOÁN
• Giả định rằng các dữ liệu tỷ suất sinh lợi
trong 12 tháng qua thể hiện phân phối tỷ
suất sinh lợi của cổ phiếu này trong những
tháng (tuần, ngày) sắp tới.
• Tính TSSL
n
mong đợi như sau:
1
r= ∑ rj
N j=1
• Tính phương sai của TSSL:
N
1
Var =
N
∑ (r
j =1
j − r )2
Financial Modeling 20
3
8.3 MÔ HÌNH 2 CHỨNG KHOÁN
• Giá trị trung bình tỷ suất sinh lợi của danh mục là bình quân
gia quyền với trọng số là tỷ lệ vốn ñầu tư vào mỗi cổ phiếu
thành phần.
• Gọi xA là tỷ trọng vốn ñầu tư vào cổ phiếu A, ta có:
• E(rp) = xAE(rA) + (1–xA)E(rB)
• Phương sai danh mục không phải là bình quân gia quyền
của các phương sai (vì có mối tương quan trong biến ñộng
TSSL của các cổ phiếu)
• Var(rp) = xA2 Var(rA) + (1– xA)2 Var(rB) + 2 xA(1–xA)Cov(rA,rB)
Financial Modeling 21
3.50%
3.45%
TSSL bình quân của danh mục
3.40%
3.35%
3.30%
3.25%
3.20%
3.15%
3.10%
3.05%
3.00%
3.50% 4.50% 5.50% 6.50% 7.50% 8.50%
Financial Modeling ðộ lệch chuẩn của danh mục 22
4
8.4 MÔ HÌNH NHIỀU CHỨNG KHOÁN
• Trong trường hợp tổng quát với N chứng khoán (hay N tài sản), giả
định rằng tỷ lệ vốn đầu tư vào chứng khoán i trong danh mục là xi,
như vậy ta có ma trận cột X các tỷ trọng vốn đầu tư vào danh mục
như sau:
x1
x
2
X = x 3
....
x n
• Chúng ta có thể viết XT như là ma trận đảo của ma trận cột X:
• XT = [x1, x2, x3, ….xn]
Financial Modeling 23
Financial Modeling 24
5
8.4 MÔ HÌNH NHIỀU CHỨNG KHOÁN
• Tỷ suất sinh lợi mong đợi của danh mục dưới
dạng công thức ma trận như sau:
N
E ( rp ) = ∑ x i E (ri ) = X T E (r ) = E ( r ) T X
i −1
S = σ 31 σ 32 σ 33 ... σ 3 N
..... ..... ..... .....
σ N1 σ N 2 σ N3 ... σ NN
• Phương sai của danh mục là Var(rp) = XTSX
Financial Modeling 26
6
8.5 TÍNH TOÁN MA TRẬN HIỆP
PHƯƠNG SAI
• Cách 1:
• Dựa trên công thức thống kê và các hàm của
Excel, chúng ta có thể tính ma trận phương
sai – hiệp phương sai:
• A là ma trận chênh lệch tỷ suất sinh lợi các
chứng khoán r11 − r1 .... rN 1 − rN
r − r .... r − r
A = 12 1 N2 N
.... .... .....
Financial Modeling
r1M − r1 .... rNM − rN 27
7
8.5 TÍNH TOÁN MA TRẬN HIỆP
PHƯƠNG SAI
• Sử dụng hàm COVAR kết hợp với hàm Offset
Financial Modeling 29
8
DANH MỤC ĐẦU TƯ HIỆU QUẢ
CÓ BÁN KHỐNG
Chương 9
Financial Modeling 1
Financial Modeling 2
1
9.1 CÁC ĐỊNH ĐỀ NỀN TẢNG
Financial Modeling 3
2
9.1 CÁC ĐỊNH ĐỀ NỀN TẢNG
•Định đề 3
Gọi y là một danh mục đầu tư hiệu quả bất kỳ, khi đó với bất kỳ một danh
mục đầu tư x nào đó (có thể là hiệu quả hoặc không), chúng ta có mối quan
hệ sau:
E(rx) = c + βx[E(ry) – c]
Với Cov ( x, y)
βx =
σ 2y
C là tỷ suất sinh lợi mong đợi của danh mục z, là danh mục có hiệp phương
sai với y là 0:
•c = E(rz)
•Với Cov(y,z) = 0
Financial Modeling 5
∑V
Financial Modeling h =1
h
6
3
9.1 CÁC ĐỊNH ĐỀ NỀN TẢNG
•Định đề 5:
Giả định rằng có một danh mục y và một danh
mục x có mối quan hệ như sau:
E(rx) = c + βx[E(ry) – c]
Cov ( x , y)
Với β x = σ 2y
Financial Modeling 7
4
9.2 TÍNH TOÁN ĐƯỜNG BIÊN HIỆU
QUẢ
Danh mục hiệu quả x tương ứng với c = 0 còn
danh mục hiệu quả y có hằng số c 6,5%
Financial Modeling 9
Financial Modeling 10
5
9.2 TÍNH TOÁN ĐƯỜNG BIÊN HIỆU
QUẢ
Sau đó tính đường biên hiệu quả là kết hợp
giữa 2 danh mục hiệu quả x và y trên:
E(Rp) = aE(Rx) + (1– a)E(Ry)
σ p = a 2 σ 2x + (1 − a ) 2 σ 2y + 2a (1 − a )Cov( x, y)
Financial Modeling 11
Financial Modeling 12
6
9.2 TÍNH TOÁN ĐƯỜNG BIÊN HIỆU
QUẢ
Sử dụng đồ thị của Excel ta sẽ có đường biên
hiệu quả như sau
ðường biên hiệu quả
11%
Tỷ suất sinh lợi kỳ vọng
10%
w
9% y
z
8%
7%
x
6%
q
5%
10% 30% 50% 70% 90%
Financial Modeling ðộ lệch chuẩn 13
∑z i =1
i
7
9.3 DANH MỤC THỊ TRƯỜNG
Tỷ suất sinh lợi trung bình của danh ðường biên hiệu quả CML
Financial Modeling 15
8
9.4 BETA VA ĐƯỜNG SML
• Kiểm định mô hình CAPM:
Bước 1: Chọn danh mục thị trường (tạm thời chọn VN-Index)
Bước 2: Tính TSSL trung bình và beta của các chứng khoán:
Co var( TSSL chöùng khoaùn i, TSSL VN − Index)
βi =
Varp (TSSL VN − Index)
• Thay vì tính toán beta bằng cách sử dụng hàm Covar( ) và
Varp(), chúng ta có thể sử dụng hàm Slope( ) của Excel.
• Đường SML của mô hình CAPM cho rằng:
E(Ri) = α + βiП + єi.
Financial Modeling 17
Financial Modeling 18
9
9.4 BETA VA ĐƯỜNG SML
• Chúng ta cũng có thể sử dụng công cụ Tools/Data
Analysis/Regression để thực hiện công việc hồi quy
một cách chi tiết hơn và sẽ nhận được nhiều kết quả
hơn.
• Các kết quả này cho thấy rằng đường SML được cho
bởi công thức E(Ri) = α + βiП với α = 0,0766 và П =
0,0545.
• Hệ số R2 của hồi quy (là % thay đổi trong các giá trị tỷ
suất sinh lợi khi hệ số beta thay đổi) bằng 28%.
• E(Ri) = 7,66% + 5,45%βi , R2 = 27,93%.
• Nếu TSSL phi rủi ro (danh mục có beta = 0) là 7,66% thì
TSSL danh mục thị trường là 13,11%.
Financial Modeling 19
Financial Modeling 20
10
9.4 BETA VA ĐƯỜNG SML
• Các vấn đề trong kiểm định CAPM
• Mô hình CAPM chỉ đúng cho các kết hợp đầu tư
vào các danh mục hơn là kết hợp đầu tư vào các
tài sản (chứng khoán) riêng lẻ.
• Có lẽ tập hợp các lựa chọn các (tài sản) chứng
khoán của chúng ta là không đủ lớn: Mô hình
CAPM đã sử dụng thuật ngữ tất cả các tài sản có
rủi ro trong khi chúng ta lại lựa chọn mẫu quan
sát chỉ là một tập hợp con rất nhỏ của những tài
sản này.
• Có lẽ “danh mục thị trường” là không hiệu quả.
Financial Modeling 21
Financial Modeling 22
11
9.4 BETA VA ĐƯỜNG SML
Các danh mục hiệu quả
tạo nên danh mục thị trường VN-Index
30%
25%
Tỷ suất sinh lợi trung bình
20%
15%
VN-Index
10%
5%
0%
0% 5% 10% 15% 20% 25%
ðộ lệch chuẩn
Financial Modeling 23
12
Thank you for evaluating AnyBizSoft PDF
Merger! To remove this page, please
register your program!
Go to Purchase Now>>
AnyBizSoft
PDF Merger
Merge multiple PDF files into one
Select page range of PDF to merge
Select specific page(s) to merge
Extract page(s) from different PDF
files and merge into one