- 5 - Khoa Toán Kinh Tế
Rủi ro thực chất phản ánh tính không chắc chắn của kết quả nên cách tốt nhất
là sử dụng các phân bố xác suất để đo lường rủi ro. Phương pháp VaR chủ yếu được
xác định trên nền tảng của lý thuyết xác suất và thống kê toán. Mặt thuận lợi nhất của
phương pháp VaR là cung cấp cho người quản lý doanh nghiệp một con số phản ánh
được nguy cơ tổn thất tài chính có thể xảy ra do sự biến động của thị trường.
Xét một danh mục đầu tư gồm n tài sản. Nếu
i
V
là giá trị thị trường của tài
sản i, thì phần trăm của cải đầu tư vào từng tài sản bằng tỷ số của giá trị thị trường
của tài sản với giá trị thị trường của mọi tài sản trong danh mục đầu tư, nên ta có tỷ
trọng của các tài sản là
i
w
;
ni , ,1
=
. Ở đây,
∑
=
=
n
i
i
i
i
V
V
w
1
. Khi đó lợi suất R của toàn
bộ danh mục là một tổ hợp tuyến tính của các R
i
: R=w
1
R
1+
w
2
R
2
+ + w
n
R
n.
(1.1)
Nếu lợi suất của tài sản i là
i
R
và xác suất tương ứng là
i
p
thì kỳ vọng toán
của lợi suất đầu tư là :
[ ]
∑ ∑∑
= ==
=×=×==
n
i
n
i
iii
n
i
iiR
ppRwRE
1 11
1/
µµ
(1.2)
Phương sai của phương án đầu tư là :
[ ]
∑∑∑
= ==
=×−=
n
i
n
j
jijiji
n
i
iiR
wwpRER
1 1
,
1
22
)(
ρσσσ
(1.3)
∑∑
= =
=⇔
n
i
n
j
jijiR
ww
1 1
,
2
σσ
Trong đó
i
µ
là kỳ vọng của R
i
,
ij
σ
là hiệp phương sai giữa R
i
và R
j
. Điều đáng
quan tâm là xu hướng của mức thua lỗ (significant loss) của danh mục đầu tư. Giá trị
thua lỗ lớn nhất được gọi là giá trị rủi ro (Value at Risk ) với độ tin cậy là (1-
α)*100%.
Phương pháp VaR là một công cụ quan trọng cho việc quản lý rủi ro. Đặc biệt là
giá trị VaR với độ tin cậy (1-α)*100% được xác định bởi 1 số
0
>
α
z
sao cho:
P{V – V
0
≥
-
α
z
}=
α
(1.4)
Trong đó, V
0
là giá trị thị trường ban đầu của phương án đầu tư và V là giá trị
tương lai của phương án đầu tư.
Phương pháp VaR sở dĩ được sử dụng rộng rãi là bởi vì nó đã đưa được rất nhiều
yếu tố rủi ro thị trường vào trong chỉ một số
α
z
.
Vì V-V
0
=V
0.
R , ta có :
.1)(
0
α
α
−=−≤
zRVP
(1.5)
Trong định nghĩa của VaR, người ta không đòi hỏi tính chuẩn của các phân bố R
i
.
Tuy nhiên, việc tính toán VaR sẽ đơn giản đi nhiều nếu ta giả thiết rằng (R
1
,R
2
,…,R
n
)
Trần Thế Hưng Toán Kinh Tế 48
- 6 - Khoa Toán Kinh Tế
tuân theo luật phân phối chuẩn n-chiều. Khi đó lợi suất R trong (1.3) sẽ có phân phối
chuẩn với trung bình và phương sai theo (1.2) và (1.3). Giá trị
α
z
trong (1.4) có thể
tìm được bằng cách tra bảng phân phối chuẩn hoá.
∫
∞
−
>=
x
dy
y
xexL 0,
2
1
)(
2
2
π
(1.6)
Khi đó dùng phương pháp tiêu chuẩn hoá và tính chất đối xứng của phân phối
chuẩn hoá đối với giá trị x=0 ta nhận được giá trị
α
z
. Nói cách khác, nếu đặt:
0
V
z
r
α
α
−=
, thì từ (1.5) suy ra:
−
≤
−
=−
σ
µ
σ
µ
α
α
r
R
P1
(1.7)
Trong đó
[ ]
RE
=
µ
và
2
R
σσ
=
với:
−
−=−
σ
µ
α
r
L1
Do đó nếu đặt
α
x
là một số sao cho:
α
α
−=
1)(xL
; thì ta được:
)(
0
µσ
αα
−=
xVx
(1.8)
Vì VaR có độ tin cậy là (1-α)*100% . Gía trị chính là phân vị 100(1-α) của
phân phối chuẩn hóa (bảng1.1). Chẳng hạn, nếu μ=0 thì 99% VaR cho bởi 2.326σV
0
.
BẢNG PHÂN VỊ CỦA PHÂN PHỐI CHUẨN
Chú ý: Trong thực tế quản lý rủi ro phạm vi thời gian tính toán rủi ro thường khá
ngắn (một ngày hoặc một tuần) cho nên người ta thường đặt lợi suất trung bình
0
=
µ
. Trong trường hợp đó, giá trị của VaR với độ tin cậy (1-α)*100% được cho bởii
0
Vx
××
σ
α
.
1.6. VaR trong phân tích tài chính.
1.6.1. VaR là công cụ, thước đo rủi ro
Markowitz (1952) trong bài viết về lựa chọn danh mục đầu tư (Portfolio Selection)
đã nhấn mạnh mối quan tâm đồng thời đến cả rủi ro và lợi suất và đưa ra việc sử dụng
độ lệch chuẩn là thước đo độ phân tán của phân bố. Hầu hết các công trình nghiên
cứu của ông tập trung vào phân tích mối quan hệ giữa rủi ro và lợi suất trong cơ chế
phân tích trung bình và phương sai của phân bố xác suất. Các phân tích này phù hợp
Trần Thế Hưng Toán Kinh Tế 48
100(1-p) 10 5 1 0.5 0.1 (%)
α
x
1.282 1.645 2.326 2.576 3
- 7 - Khoa Toán Kinh Tế
khi lợi suất có quy luật phân bố chuẩn hoặc hàm lợi ích của các nhà đầu tư có dạng
toàn phương.
Roy (1952) là người đầu tiên đưa ra khái niệm rủi ro gắn với độ tin cậy. Ông là
người đưa ra phương pháp lựa chọn danh mục đầu tư tối ưu theo nghĩa tối thiểu xác
suất xảy ra tổn thất ở mức lớn hơn mức thảm hoạ có thể. Baumol (1963) sau này đưa
ra tiêu chuẩn đo rủi ro dựa trên khái niệm xác suất và độ tin cậy cho phép:
µασ
−=
L
Artzner (1999) gần đây đã đưa ra 4 tính chất của một thước đo rủi ro, là cơ sở để
ban hành các thể chế pháp lý về vốn an toàn rủi ro tối thiểu. Một thước đo rủi ro có
thể được xem như là hàm của phân bố giá trị của một danh mục đầu tư V, ký hiệu
( )
v
ρ
với các tính chất :
(i) Tính đơn điệu: Nếu V
1
≤
V
2
,
( ) ( )
21
VV
ρρ
≥
; nếu một danh mục đầu tư có các
lợi suất thấp hơn một cách hệ thống so với danh mục đầu tư khác đối với mọi trạng
thái có thể thì rủi ro của danh mục này phải lớn hơn.
(ii) Tính bất biến:
( ) ( )
k
−=+
VkV
ρρ
: thêm vào danh mục đầu tư một lượng tiền
mặt k sẽ làm giảm mức độ rủi ro đúng bằng k.
(iii) Tính thuần nhất:
( ) ( )
V.V
ρρ
bb
=
: quy mô của danh mục đầu tư tăng hoặc
giảm b lần thì rủi ro sẽ tăng hoặc giảm bấy nhiêu lần. (giả định tính thanh khoản
không thay đổi khi thay đổi quy mô của danh mục đầu tư)
(iv) Tính cộng:
( ) ( ) ( )
2121
VVVV
ρρρ
+≤+
hoà trộn hai danh mục đầu tư không làm
tăng thêm rủi ro của danh mục đầu tư mới.
Trừ tính chất (iv), VaR thoả mãn cả 3 tính chất còn lại. Khi lợi suất có phân bố
chuẩn, VaR thoả mãn đồng thời cả 4 tính chất trên. Rõ ràng VaR được xem là thước
đo rủi ro với các ưu điểm nổi bật là tính minh bạch trong tính toán và tính có thể so
sánh được trong các phạm vi sử dụng khác nhau.
VaR không chỉ là một công cụ để thông báo về các mức độ rủi ro thị trường, mà
chúng còn được sử dụng như các công cụ nhằm kiểm soát mức độ rủi ro. Ở quy mô
một lĩnh vực kinh doanh hoặc một cơ sở, VaR có thể được sử dụng để xác lập các
giới hạn vị thế cho các nhà kinh doanh quyết định sẽ bỏ vốn đầu tư vào đâu. Ưu điểm
lớn nhất của VaR là chúng tạo thành một mẫu số chung để có thể so sánh mức độ rủi
ro của các hoạt động kinh doanh và đầu tư khác nhau.
Thông thường, giới hạn vị thế thường được xác lập theo giá trị tuyệt đối. Ví dụ,
một nhà kinh doanh có thể đặt ra mức giới hạn 20 triệu USD đối với các giao dịch trái
phiếu chính phủ 5 năm. Tuy nhiên, cũng với mức giới hạn này đối với các giao dịch
trái phiếu 30 năm hoặc các hợp đồng tương lai trái phiếu chính phủ thì giao dịch sẽ
trở nên rất rủi ro. Như vậy, có thể thấy rằng, các giới hạn vị thế theo giá trị tuyệt đối
Trần Thế Hưng Toán Kinh Tế 48
- 8 - Khoa Toán Kinh Tế
không phải là thước đo chuẩn trong xác lập giới hạn độ rủi ro chung trong mọi loại
hình kinh doanh hoặc bộ phận kinh doanh. Thực tế cho thấy rằng, VaR đã trở thành
mẫu số chung để so sánh các loại hình chứng khoán khác nhau và có thể được sử
dụng như những chuẩn mực để xác lập giới hạn vị thế cho các bộ phận kinh doanh.
Ngoài ra, do VaR có tính đến hiệu ứng tương quan, nên giới hạn vị thế xác lập ở
mức độ cao hơn thậm chí có thể có giá trị thấp hơn tổng các giới hạn vị thế của các bộ
phận kinh doanh cấu phần.
1.6.2. Các tham số định lượng trong mô hình VaR
Trong phân tích VaR, chúng ta nhận thấy có hai yếu tố quan trọng để xác định
VaR: mức tin cậy và độ dài kỳ đánh giá (k).
Một chú ý quan trọng là: VaR không phải là chỉ tiêu đo mức độ tổn thất tài chính
thật sự mà VaR chỉ phản ánh tổn thất có khả năng xảy ra ở mức độ tin cậy cho trước
trong một kỳ hạn lựa chọn nhất định. Do đó, nhìn chung VaR sẽ tăng khi độ tin cậy
yêu cầu cao hơn hoặc kỳ hạn đánh giá dài hơn. Việc lực chọn các tham số định lượng
này hoàn toàn phụ thuộc vào ý muốn chủ quan của người sử dụng VaR.
1.6.3. Hệ số điều chỉnh k trong hiệp định Basel
Hiệp định Basel quy định về vốn an toàn rủi ro trong các ngân hàng thương mại,
theo đó các ngân hàng được phép sử dụng mô hình đánh giá rủi ro nội bộ để ước
lượng VaR và giá trị VaR được xem là vốn an toàn rủi ro bắt buộc của ngân hàng.
Hiệp định Basel quy định :
(i) Mức độ tin cậy cho phép là 99%
(ii) Kỳ hạn đánh giá là 10 ngày kinh doanh
(iii) Kết quả đánh giá VaR sẽ được nhân với hệ số điều chỉnh k=3 để có được
mức vốn an toàn rủi ro tối thiểu.
1.7. Các phương pháp khi xác định VaR
1.7.1. Phương pháp Risk metrics
1.7.1.1. Nội dung
Giả định của phương pháp
RiskMetrics giả định rằng , r
t
/F
t
~
( )
2
,
t t
N
µ σ
, ở đây μ
t
là trung bình có điều
kiện &
2
t
σ
là phương sai có điều kiện của r
t
.
Phương pháp giả định rằng, hai lượng trên có thể được khai triển theo thời
gian bằng mô hình đơn giản sau:
μ
t
= 0,
2
t
σ
2 2
1 1
* (1 )*
t t
r
α σ α
− −
= + −
, 0<α<1 (2.1)
Trần Thế Hưng Toán Kinh Tế 48
- 9 - Khoa Toán Kinh Tế
Vì thế, phương pháp giả định rằng logarit của giá trị hàng ngày p
t
=ln(p
t
) của danh
mục đầu tư thỏa mãn phương trình khác : p
t
-p
t-1
= u
t
Ở đây, u
t
=
*
t t
σ ε
là một quá trình IGARCH(1,1) không có độ dịch hay mô hình
không có bụi. Giá trị α thường ở trong khoảng (0.9,1)
Một thuộc tính tốt của bước ngẫu nhiên trong mô hình IGARCH là phân phối có
điều kiện của tổng lợi suất thì dễ dàng đạt được. Đặc biệt, cho k thời kỳ , lợi suất từ
điểm (t+1) đến thời điểm (t+k) là:
[ ]
1 1
t t t k t k
r k r r r
+ + − +
= + + +
Chúng ta sử dụng ngoặc vuông [k] biểu thị lợi suất k thời kỳ.
Dưới mô hình đặc biệt IGARCH(1,1) trong phương trình (2.1) , phân phối có
điều kiện của r
t
[k], F
t
là chuẩn với giá trị trung bình bằng 0 và phương sai
[ ]
2
t
k
σ
.
Ở đây,
[ ]
2
t
k
σ
có thể được tính theo phương pháp dự báo mô hình độ dao động.
Sử dụng giả thiết các ε
t
độc lập và phương trình (2.1) ta có :
[ ] [ ]
( )
( )
2
1
/ /
k
t t t t i t
i
k VaR r k F VaR u F
σ
+
=
= =
∑
Ở đây,
( )
( )
2
1 1
/ /
t t t t
VaR u F E F
σ
+ +
=
có thể thu được một cách đệ quy
Sử dụng r
t-1
= u
t-1
=σ
t-1
*ε
t-1,
chúng ta có thể viết lại phương trình độ dao động của
phương trình IGARCH(1,1) trong phương trình (2.1) như sau:
2
t
σ
2 2 2
1 1 1
*(1 )*( 1)
t t t
σ σ α ε
− − −
= + − −
Trong trường hợp riêng ta có :
2
t i
σ
+
2 2 2
1 1 1
*(1 ) * ( 1)
t i t i t i
σ σ α ε
+ − + − + −
= + − −
Với i = 2,…,k (2.2)
Với dự báo mức độ dao động của một bước tiếp theo, phương trình (2.1) chỉ ra
rằng:
2
1t
σ
+
2 2
* (1 ) *
t t
r
α σ α
= + −
Vì thế, phương trình (2.2) cho thấy
( )
2
1
/
t i t t
VaR r F
σ
+ +
=
với i>1 .
Từ đó
[ ]
2
t
k
σ
= k*
2
1t
σ
+
Kết quả chỉ ra rằng r
t
[k]/F
t
~ (0,k
2
1t
σ
+
). Vì vậy, dưới mô hình IGARCH(1.1) trong
phương trình (2.1), phương sai có điều kiện của r
t
[k], k tỷ lệ theo thời gian. Độ lệch tiêu
chuẩn có điều kiện của lợi suất k thời kỳ là
1
*
t
k
σ
+
.
Nếu vị thế tài chính là trường vị, thì phần mất đi sẽ xảy ra khi có sự sụt giảm lớn (
như lợi suất âm rất lớn). Nếu xác suất được thiết lập tới 5% thì RiskMetrics sử dụng
1.65*
2
1t
σ
+
, nhưng do dấu âm bị loại bỏ bởi việc hiểu rằng đó là dấu hiệu của phần bị
Trần Thế Hưng Toán Kinh Tế 48
- 10 - Khoa Toán Kinh Tế
mất đi. Vì vậy, nếu độ lệch tiêu chuẩn được đo lường bằng % thì VaR hàng ngày của
danh mục đầu tư trong RiskMetrics là:
VaR = giá trị của danh mục tại t *1.65*
1t
σ
+
Ứng với k ngày là:
VaR(k) = giá trị của danh mục tại t *1.65
k
*
1t
σ
+
Ở đây đối số k của VaR thì được sử dụng để biểu thị cho trục thời gian. Vì vậy
trong RiskMetrics chúng ta có :
( )
*VaR k k VaR
=
Điều này chỉ ra quy tắc căn bậc hai của thời gian tính toán VaR trong
RiskMetrics.
Giả sử ta muốn tính giá trị rủi ro của một danh mục qua một ngày với 5% là xác
suất mà phần mất đi thực tại trong giá trị danh mục lớn hơn giá trị ước lượng VaR.
Việc tính toán giá trị rủi ro gồm các bước sau:
Xác định giá trị thị trường hiện hành của danh mục (mark-to-market), biểu thị
giá trị này là V
0
Xác định giá trị tương lai của danh mục : V
1
theo công thức V
1
=V
0
*e
r
. Ở
đây, r biểu diễn lợi suất thu được của danh mục đầu tư theo thời gian. Với một ngày
thì bước tính này là không cần thiết vì RiskMetrics giả định lợi suất = 0.
Tính giá trị dự báo lợi suất của một ngày đối với danh mục và biểu thị giá trị
này là
ˆ
r
, để 5% là xác suất giá trị thực nhỏ hơn
ˆ
r
. Được biểu thị theo công thức sau:
Probability( r <
ˆ
r
) = 5%
Xác định giá trị xấu nhất của danh mục tương lai:
ˆ
t
V
, ở đây
ˆ
1 0
ˆ
r
V V e
=
. Giá
trị rủi ro đo lường một cách đơn giản là :
0 1
ˆ
V V
−
. Việc đánh giá VaR có thể được viết
là V
0
(1-e
r
). Trong trường hợp này,
ˆ
r
là giá trị đủ nhỏ thì
ˆ
ˆ
1
r
e r
≈ +
do đó VaR sấp xỉ
bằng V
0
ˆ
r
1.7.1.2. Ưu nhược điểm của phương pháp
Ưu điểm : Một lợi ích của RiskMetrics là tính toán khá dễ dàng, dễ hiểu
và ứng dụng. Một lợi ích khác là phương pháp này tính toán rủi ro khá
rõ ràng trên thị trường tài chính.
Nhược điểm : Khi mức lợi suất có phần đuôi dày, thì giả định mang tính
chuẩn hóa được sử dụng là kết quả việc giá trị ước lượng của VaR thấp.
Một cách tiếp cận khác để tính VaR là tránh đưa ra giả định.
1.7.1.3. Ứng dụng với nhiều vị thế
Trần Thế Hưng Toán Kinh Tế 48
- 11 - Khoa Toán Kinh Tế
Trong một số ứng dụng, các nhà đầu tư có thể sở hữu nhiều vị thế tài chính
khác nhau và cần phải tính VaR của tất cả các vị thế trên. Áp dụng RiskMetrics theo
một cách tiếp cận đơn giản là tính toán theo giả định lợi suất hàng ngày của mỗi vị
thế theo mô hình bước ngẫu nhiên IGARCH(1.1) và thêm vào những điểm phân vị là
hệ số tương quan chéo giữa các lợi suất.
Đặt VaR
1
và VaR
2
là VaR của hai vị thế và ρ
12
là vị thế tương quan của hai vị
thế
( )
( ) ( )
1 2
12
0.5
1 2
cov ,
*
t t
t t
r r
VaR r VaR r
ρ
=
Khi đó, tổng giá trị rủi ro của nhà đầu tư là:
2 2
1 2 12 1 2
2*VaR VaR VaR VaRVaR
ρ
= + +
Khái quát hóa VaR của một vị thế với m công cụ thì dễ dàng có được :
2
ij
1
2* * *
m m
i i j
i i j
VaR VaR VaR VaR
ρ
= <
= +
∑ ∑
Ở đây, ρ
ij
là hệ số tương quan giữa các lợi suất của công cụ thứ i và thứ j. Và
VaR là giá trị rủi ro của công cụ thứ i.
1.7.2. Phương pháp ước lượng điểm phân vị
1.7.2.1. Nội dung
Phân phối của lợi suất thời kỳ dự báo là tương tự như thời kỳ mẫu, phân phối
của lợi suất có thể sử dụng điểm phân vị thực nghiệm lợi suất
t
r
để tính VaR. Đặt
n
rr ,
1
là lợi suất của danh mục đầu tư trong thời kỳ mẫu.
Thống kê theo bậc của mẫu là những giá trị được sắp xếp theo chiều tăng dần.
Chúng ta sử dụng kí hiệu:
( ) ( ) ( )
nrrr
≤≤≤
21
; để biểu thị sự xắp xếp và chỉ ra
( )
ir
là thống kê bậc thứ i của mẫu. Trường hợp đặc biệt r(1) là mẫu nhỏ nhất và r(n)
là mẫu lớn nhất.
Giả định rằng những lợi suất này là những biến số ngẫu nhiên độc lập và phân
phối một cách đồng nhất. Những lợi suất này có phân phối liên tục với hàm mật độ
xác suất (pdf) : f(x) và hàm phân phối tích lũy (CDF) : F(x). Khi đó, chúng ta có kết
quả gần đúng từ tài liệu thống kê, thống kê bậc r(
) với
=n.p, trong đó 0< p <1.
Kết quả: Đặt
p
x
là phân vị thứ p của F(x);
p
x
=
( )
pF
1
−
. Giả định rằng hàm
mật độ xác suất
( )
0
≠
xf
tại
p
x
:
( )
0
≠
p
xf
. Thống kê bậc r(
) là xấp xỉ chuẩn với
Trần Thế Hưng Toán Kinh Tế 48
- 12 - Khoa Toán Kinh Tế
giá trị trung bình
p
x
và phương sai
( )
[ ]
p
xfn
pp
2
.
)1(
−
. Điều này có nghĩa:
( )
r
∼
( )
[ ]
−
p
p
xfn
pp
xN
2
)1(
;
;
pn.
=
(2.3)
Dựa trên kết quả trước có thể sử dụng r(
) để ước lượng điểm phân vị
p
x
; ở
đây
pn.
=
. Trong thực tế, xác suất p của lợi suất có thể không thỏa mãn n.p là một
số nguyên dương. Trong trường hợp này, sử dụng phép nội suy giản đơn để thu được
ước lượng của điểm phân vị. Đặc biệt hơn, n.p là số không nguyên. Đặt
1
và
2
là
hai số dương lân cận với
1
< n.p <
2
. Xác định
n
p
i
i
=
. Kết quả trước chỉ ra rằng,
( )
i
r
là ước lượng vững của điểm phân vị
pi
x
. Từ định nghĩa,
1
p
<
2
pp
<
nên
điểm phân vị
p
x
có thể được ước lượng bằng cách:
( ) ( )
2
12
1
1
12
2
r
pp
pp
r
pp
pp
x
p
−
−
+
−
−
=
∧
(2.4)
1.7.2.2. Ưu nhược điểm của phương pháp
Ưu điểm
Tính đơn giản.
Sử dụng giả định phân phối không dặc trưng
Nhược điểm:
Thứ nhất, phương pháp giả định rằng phân phối của lợi suất r
t
được
giữ không đổi từ thời kỳ mẫu đến thời kỳ dự báo. Điều này dẫn đấn
VaR liên quan tới xác suất phần đuôi, giả định này dẫn đến phần
mất đi dự đoán được không thể lớn hơn phần mất đi dự đoán trong
quá khứ. Cách định nghĩa này thì không thực tế.
Thứ hai, điểm phân vị cực biên(ví du như khi p= 0 hoặc p=1),
những điểm phân vị thực nghiệm là những ước lượng không hiệu
quả của những điểm phân vị lý thuyết.
Thứ ba, ước lượng điểm phân vị trực tiếp thì không đạt được để tính
đến hiệu quả của những biến số giải thích, điều này liên quan dến
danh mục đầu tư nghiên cứu. Trong ứng dụng thực tế, VaR thu
được từ điểm phân vị thực nghiệm có thể thoả mãn cận thấp hơn
choVaR thực tế.
1.7.3. Phương pháp toán kinh tế để tính VaR
1.7.3.1. Phương pháp toán kinh tế để tính VaR một thời kỳ
Trần Thế Hưng Toán Kinh Tế 48
- 13 - Khoa Toán Kinh Tế
Xem xét loga lợi suất
t
r
của một tài sản. Mô hình chuỗi thời gian chung cho
t
r
có
thể được viết là:
ttt
q
j
jtj
p
i
titit
u
uurr
εσ
θφφ
*
**
11
0
=
−++=
∑∑
=
−
=
−
(2.5)
∑∑
=
−
=
−
++=
m
j
jtj
n
i
itit
u
1
2
1
2
0
2
**
σβαασ
(2.6)
Phương trình (2.5) và (2.6) là phương trình trung bình và phương trình độ dao
động của
t
r
, chúng thuộc lớp ARMA(p,q) và GARRCH(n,m). Hai phương trình này
có thể được sử dụng để thu được những giá trị dự báo bước tiếp theo của giá trị trung
bình có điều kiện và phương sai có điều kiện của
t
r
với giả định rằng những tham số
là đã biết. Đặc biệt chúng ta có :
( )
jt
q
j
jit
p
i
i
t
urr
−+
=
−+
=
∧
⋅−⋅+=
∑∑
1
1
1
1
0
1
θφφ
( )
∑∑
=
−+
=
−+
∧
⋅+⋅+=
m
j
jtj
n
i
iti
t
u
1
2
1
1
2
10
2
1
σβαασ
Nếu giả định rằng ε
t
là nhiễu Gauxơ, thì phân phối có điều kiện của
1
+
t
r
thông tin
có thể có tại thời điểm t là
( ) ( )
∧∧
1;1
2
t
t
rN
σ
. Những điểm phân vị của phân phối có
điều kiện dễ dàng đạt được để tính VaR.
Với điểm phân vị 5%, thì VaR =
( ) ( )
1*65,11
t
t
r
∧∧
−
σ
Nếu giả định ε
t
là một phân phối chuẩn hóa student – t với m bậc tự do, thì điểm
phân vị là :
( ) ( ) ( )
11
t
m
t
ptr
∧
∗
∧
⋅−
σ
. Ở đây,
( )
pt
m
∗
là điểm phân vị thứ p của phân phối
chuẩn hóa stduent – t với m bậc tự do.
Mối quan hệ giữa những điểm phân vị của phân phối student – t với m bậc tự do
được biểu thị bởi
m
t
; và những điểm phân vị của phân phối chuẩn hóa student – t
được biểu thị bởi
∗
m
t
là:
( )
( ) ( ) ( )
−
≤=
−
≤
−
=≤=
2/
Pr
2/2/
PrPr
*
mm
q
t
mm
q
mm
t
qtp
m
m
m
với m>2.
Điều đó có nghĩa : nếu q là điểm phân vị p của phân phối student – t với m bậc
tự do thì
( )
2/
−
mm
q
là điểm phân vị p của phân phối chuẩn hóa stdent – t với m bậc
tự do. Vì vậy, nếu ε
t
của mô hình GARCH trong phương trình (2.6) là phân phối
chuẩn hóa student – t với m bậc tự do và xác suất p, thì điểm phân vị được sử dụng để
Trần Thế Hưng Toán Kinh Tế 48
- 14 - Khoa Toán Kinh Tế
tính toán VaR của một thời kỳ tiếp theo tại thời điểm t là:
( )
( ) ( )
( )
2/
1
1
−
⋅
−
∧
∧
mm
pt
r
t
m
t
σ
. Với
( )
pt
m
là điểm phân vị p của phân phối student – t với m bậc tự do.
1.7.3.2. Phương pháp toán kinh tế để tính VaR nhiều thời kỳ
Giả định rằng, ở thời điểm h thường tính VaR của k thời kỳ của một tài sản mà
lợi suất của nó là r
t
. Biến số lợi suất là lợi suất k thời kỳ tại thời điểm gốc dự báo h:
r
h
[k] = r
h+1
+…r
h+k
Nếu lợi suất r
t
theo mô hình chuỗi thời gian trong phương trình (2.5) và (2.6)
thì giá trị trung bình có điều kiện và biến số r
h
[k] /F
k
có thể đạt được bởi những
phương pháp dự báo mô hình phương sai sai số thay đổi và chuỗi thời gian.
• Lợi suất kỳ vọng và sai số dự báo
Giá trị trung bình có điều kiện E(r
h
[k] /F
k
) có thể thu được bởi phương pháp dự
báo mô hình ARIMA. Đặc biệt, chúng ta có
hr
ˆ
[k] = r
h
[1]+…+r
h
[k] . Ở đây, r
h
[
]
là giá trị dự báo lợi suất của bước tiếp theo tại thời điểm dự báo gốc h. Những dự báo
này có thể thu được một cách đệ quy. Sử dụng phép biểu diễn MA:
R
t
= μ + u
t
+ ψ
1
u
t-1
+ψ
2
u
t-2
+…+ ψ
n
u
t-n
của mô hình ARMA trong phương trình
(2.5), chúng ta có thể viết sai số dự báo của
bước tiếp theo tại thời điểm dự báo
gốc h như sau:
e
h
(
) = r
h+
– r
h
(
) = u
h+
+ ψ
h+
u
h+
-1
+…
Ta có dự báo MA với
bước tiếp theo:
ˆ
( )
h
r
= μ + ψ
l
u
h
+ψ
l+1
u
h-1
+… (2.7)
Theo phương trình (2.7) và sai số dự báo kiên kết. Sai số dự báo của lợi suất kỳ
vọng k thời kỳ r
h
[k] là tổng sai số dự báo từ một thời kỳ đến k thời kỳ của r
t
tại
thời
điểm dự báo gốc h và có thể viết như sau:
e
h
[k] = e
h
(1)+…+ e
h
(k)
= u
h+1
+ (u
h+2
+ ψ
1
u
h+1
)+…+
∑
−
=
1
0
k
i
ψ
i
u
h+k-i
(2.8)
= u
h+k
+ (1+ ψ
1
) u
h+k-1
+…+(
∑
−
=
1
0
k
i
ψ
i
)u
h+1
Với ψ
0
= 1
• Độ dao động kỳ vọng có điều kiện
Dự báo độ dao động của lợi suất k thời kỳ tại thời điểm dự báo gốc h là bíên
số có điều kiện e
h
[k] /F
h
. Sử dụng giả thiết độc lập của ε
t+i
với i = 1,…,k.
Ở đây, i=1, ,k. Ở đây, u
t+i
= ε
t+i
.σ
t+I.
Chúng ta có:
Trần Thế Hưng Toán Kinh Tế 48
Không có nhận xét nào:
Đăng nhận xét