Professional Documents
Culture Documents
MÔ HÌNH ĐA NHÂN TỐ
MÔ HÌNH ĐA NHÂN TỐ
Lúc sử dụng chứng khoán để phòng ngừa rủi ro từ các nhân tố thì sẽ tạo ra 1 đường SML đa nhân tố
(SML Multifactor)
Mỗi nguồn rủi ro mà có thể phòng ngừa được thì sẽ có thêm một nhân tố (factor) giúp tìm được
đường SML
Các nhân tố rủi ro có thể được thể hiện hoặc là bằng với tỉ suất sinh lời của danh mục phòng ngừa
hoặc trực tiếp hơn là qua chính nhân tố rủi ro đó
Mô hình đa nhân tố (Multifactor) là những mô hình mô tả TSSL của chứng khoán phản ứng đối với
một số nhân tố hệ thống.
(1.1)
Trong đó:
Ri : Tỷ suất lợi nhuận vượt trội của tài sản i (cổ phiếu i)
β ij: Hệ số nhạy cảm của tài sản i đối với nhân tố vĩ mô thứ j
P:(w1,w2,…,wm)
Từ mô hình n nhân tố (1.2), suy ra phương trình nhân tố đối với danh mục P như sau:
(1.2)
Trong đó:
Các hệ số beta của các nhân tố trong DMĐT là giá trị bình quân gia quyền các hệ số beta theo tỷ
trọng cảu những chứng khoán trong danh mục
Trong đó:
1≤i≤n, 1≤j≤n
Ký hiệu:
Suy ra:
Ta định nghĩa các mô hình hiệp phương sai như sau: hiệp phương sai được những nhà phân tích đầu
tư liệt kê vào các phương án để xác định, giảm thiểu rủi ro tổng thể cho một hoặc nhiều danh mục
đầu tư có liên quan. Nó hoạt động bằng cách loại bỏ những yếu tố biến động nhờ vào sự đa dạng
hóa thông tin khỏi hiệp phương sai đã tính toán. Điều này chứng tỏ hiệp phương sai là một trong
những phép tính quan trọng trong cả lý thuyết danh mục đầu tư lẫn tài chính nói chung.
Dựa vào giả thuyết 3 và giả thuyết 4 ta suy ra được Cov(F) và Cov( ɛ)
Trong đó:
Cov(F): Ma trận chéo cấp n với các phần tử là phương sai của các nhân tố vĩ mô
Cov(ɛ): Ma trận chéo cấp m với các phần tử là phương sai của các nhân tố riêng
Các phần tử của Cov(R) là các ma trận : ma trận hệ số nhân tố gồm m hàng n cột; ma trận chéo cấp n
Cov(F) và ma trận chéo cấp m, Cov(ɛ)
2. Phân tích rủi ro và tính Var của tài sản, danh mục:
a. Phân tích rủi ro của tài sản, danh mục:
Ta có:
2
Đại lượng σ i̇ gọi là tổng rủi ro của tài sản i.
Tổng rủi ro được phân tích thành hai phần bao gồm:
2 T T
σ i̇ =β (i) Cov ( F ) β (i )+ e( i) Cov ( ε ) e (i)
Trong đó:
T
e (i ) Cov ( ε ) e(i ): rủi ro phi nhân tố của tài sản i
Khi đó có:
n m
σ 2P=∑ β 2Pj var ( F j ) + ∑ w 2i var ( ε i )
j=1 i=1
Trong đó
2
σ P: tổng rủi ro danh mục
Trong đó:
Do rủi ro của tài sản và danh mục cấu thành từ rủi ro nhân tố và rủi ro riêng nên ta có thể tính var và
phân tích các bộ phận cấu thành tương ứng.
Nếu ký hiệu xi là giá trị tài sản i và X = (x1, x2,…, xm) vectơ giá trị tài sản có trong danh mục đầu tư nắm
giữ theo công thức tính Var, ta có:
Trong đó
x i {ϕ ( α ) √ β( i) Cov ( F ) β (i ) }; ϕ ( α ) √ X ¿ ¿ đây được gọi là VaR riêng biệt của tài sản, danh mục.
−1 T −1 T
x
1
∫
2
Với ϕ ( x )= ⅇ−0,5t ⅆt là hàm phân phối xác suất của biến ngẫu nhiên có phân phối Gauss
√2 π −∞
(phân phối chuẩn tắc).
Một mô hình nhân tố cố ép các nhân tố hệ thống vào giới hạn của một nhân tố đại diện thì không
hợp lý cho lắm.
Do đó một mô hình nhân tố phân tách được tỷ suất sinh lời thành các nhân tố hệ thống và các nhân
tố đặc trưng của công ty thì là hợp lý.
Như vậy các mô hình đa nhân tố (Multifactor Models) có thể mô tả tốt tỷ suất sinh lời của một chứng
khoán.
Fama và French đã đề xuất một mô hình ba yếu tố để giải thích lợi nhuận trung bình đã trở thành
một công cụ tiêu chuẩn cho các nghiên cứu thực nghiệm về lợi nhuận tài sản.
Bên cạnh chỉ số thị trường, họ đề xuất một danh mục chuẩn, lợi nhuận được hình thành trên cơ
sở quy mô công ty và tỷ lệ sổ sách trên thị trường (B/M).
Mô hình đã bổ sung quan sát rằng lợi nhuận trung bình trên cổ phiếu của các công ty nhỏ và các
công ty có tỷ lệ giá trị sổ sách cao so với giá trị thị trường của vốn chủ sở hữu đã cao hơn dự
đoán của CAPM.
Các công ty có tỷ lệ sổ sách trên thị trường cao không tương xứng bao gồm các công ty có giá
thị trường được hình thành từ phần lớn tài sản họ có sẵn thay vì cơ hội tăng trưởng (hay còn gọi
là nhóm giá trị.
Các công ty có B/M thấp là các công ty mà giá thị trường đến từ các cơ hội tăng trưởng nhiều
hơn là từ các tài sản sẵn có.
Trong đó:
SMB: TSSL của danh mục các chứng khoán công ty có quy mô nhỏ - TSSL của danh mục các chứng
khoán công ty có quy mô lớn
• HML: TSSL của danh mục các chứng khoán có tỷ số giá trị sổ sách trên giá trị thị trường (BV/MV)
cao - TSSL của danh mục các chứng khoán có tỷ số giá trị sổ sách trên giá trị thị trường thấp.
Mô hình CAPM chỉ số đơn thất bại trong các thử nghiệm thực nghiệm bởi vì mô hình này giải thích
không đầy đủ lợi tức của quá nhiều chứng khoán. Nói tóm lại, có quá nhiều giá trị có ý nghĩa thống
kê của alpha (mà CAPM cho rằng phải bằng 0) xuất hiện trong hồi quy một chỉ số. Mặc dù thất bại
này, nó vẫn được sử dụng rộng rãi trong ngành công nghiệp.
Các mô hình đa yếu tố như mô hình FF cũng có thể được kiểm tra bằng mức độ phổ biến của các giá
trị alpha có ý nghĩa. Mô hình ba yếu tố cho thấy sự cải thiện đáng kể so với mô hình một chỉ số về
vấn đề đó. Nhưng việc sử dụng các mô hình đa chỉ số phải trả giá: Chúng yêu cầu dự báo về lợi
nhuận nhân tố bổ sung. Nếu bản thân các dự báo về các yếu tố bổ sung đó có sai số dự báo, thì các
mô hình này có thể kém chính xác hơn so với mô hình một chỉ số kém hơn về mặt lý thuyết. Tuy
nhiên, các mô hình đa yếu tố có một sức hấp dẫn nhất định bởi vì rõ ràng rủi ro trong thế giới thực
là nhiều mặt.
Mô hình FF ban đầu đã tạo ra một ngành tiểu thủ công nghiệp tạo ra các danh mục nhân tố mới, bao
gồm nhưng không giới hạn ở các nhân tố động lực hoặc thanh khoản. Người ta hy vọng rằng đóng
góp gia tăng của các yếu tố bổ sung này sẽ nhỏ hơn so với đóng góp của hai yếu tố đầu tiên, SMB và
HML. Tuy nhiên, việc tìm kiếm phiên bản cuối cùng của mối quan hệ rủi ro sinh lợi kỳ vọng còn lâu
mới kết thúc.