Download Đề tài Ứng dụng VaR vào quản trị rủi ro danh mục tại Việt Nam miễn phí MỤC LỤCDanh mục từ viết tắtDanh mục các ký hiệuDanh mục hìnhDanh mục bảng biểuChương ICƠ SỞ KHOA HỌC CỦA QUẢN TRỊ RỦI RO DANH MỤC1. TỔNG QUAN VỀ VaR 11.1 Những cơ sở lý thuy ết ban đầu . 11.1.1 Cơ sở về rủi ro 11.1.2 Đo lường rủi ro c ủa danh mục . 21.2 Lịch sử hình thành VaR . 61.3 Khái niệm VaR 71.4 Sự khác nhau giữa VaR và độ lệch chuẩn . 81.5 Ba thông số ảnh hưởng đến VaR danh mục 92. BA PHƯƠNG PHÁP TÍNH VaR 112.1 Phương pháp phân tích hay phương pháp phương sai – hiệp phương sai. 112.2 Phương pháp lịch sử . 162.3 Phương pháp mô phỏng Monte Carlo . 18Chương IIỨNG DỤNG VAR TRONG QUẢN TRỊ RỦI RO DANH MỤCCÁC CỔ PHIẾU NIÊM YẾT1. GIỚI THIỆU VỀ DANH MỤC . 211.1 Các tiêu chuẩn để chọn lựa 10 cổ phiếu 211.2 Danh sách 10 loại cổ phiếu cấu thành nên danh mục 221.3 Tỷ trọng của từng cổ phiếu trong danh mục . 222. MỘT SỐ BƯỚC CHUẨN BỊ . 242.1 Thu thập chuỗi số liệu giá của 10 cổ phiếu trong danh mục . 242.2 Điều chỉnh giá cổ phiếu trong ngày giao dịch không hưởng quy ền . 242.3 Tính toán những chỉ số cần thiết 26 3. TÍNH VAR DANH MỤC BẰNG PHƯƠNG PHÁP PHƯƠNG SAI-HIỆP PHƯƠNG SAI VÀ PHƯƠNG PHÁP LỊCH SỬ . 273.1 Tính VaR danh mục bằng phương pháp phương sai – hiệp phương sai . 273.2 Tính VaR của danh mục bằng phương pháp lịch sử 284. TÍNH VAR CỦA CHỈ SỐ VN-INDEX BẰNG PHƯƠNG PHÁP PHƯƠNG SAIHIỆP PHƯƠNG SAI VÀ PHƯƠNG PHÁP LỊCH SỬ . 304.1 Tính VaR của danh mục bằng phương pháp phương sai-hiệp phương sai . 304.2 Tính VaR của chỉ số VN-Index bằng phương pháp lịch sử . 335. BACKTESTING . 345.1 Sự cần thiết ph ải làm backtesting 345.2 Thực hiện backtesting . 35Chương IIIKIẾN NGHỊ TRONG VIỆC SỬ DỤNG VaR ĐỀ QUẢN TRỊ RỦI RO DANH MỤC1. Ý NGHĨA CỦA GIÁ TRỊ TẠI RỦI RO – VaR . 372. NHỮNG HẠN CHẾ CỦA VaR . 383. STRESSTESTING . . 404. MỘT SỐ LƯU Ý KHI SỬ DỤNG VaR . 424.1 Đối với nhà đầu tư cá nhân 424.2 Đối với qu ỹ đầu tư . 424.3 Lưu ý khi sử dụng giả định phân phối chu ẩn . 43 /tai-lieu/de-tai-ung-dung-tren-liketly-16451/
++ Ai muốn tải bản DOC Đầy Đủ thì Trả lời bài viết này, mình sẽ gửi Link download cho!
vọng, một công việc hơi cực khổ hơn là việc tính toán những thay đổi giá trị. Một lợi ích khác của điều chỉnh này là nó làm cho việc điều chỉnh VaR dễ hơn trong khoảng thời gian khác nhau. Ví dụ, nếu VaR theo ngày ước tính là 100,000$, VaR theo năm sẽ là 100,000$ * 250 = 1,581,139. Cách chuyển đổi đơn giản từ VaR ngắn hạn sang VaR dài hạn (hay còn gọi là cách trái ngược) không phải quan tâm nếu như TSSL trung bình không phải là zero. Trong trường hợp đó, ta sẽ phải chuyển TSSL trung bình và độ lệch chuẩn trong những khoảng thời gian khác nhau và tính toán VaR từ giá trị trung bình đã điều chỉnh và độ lệch chuẩn đã điều chỉnh. Thuận lợi và khó khăn: Thuận lợi của phương pháp phân tích trước hết là sự đơn giản của nó. Bất lợi đầu tiên của nó cũng dựa trên sự đơn giản đó, bao gồm cả việc phân phối chuẩn TSSL. Về nguyên tắc, không có lý do nào tại sao việc tính toán cần một phân phối chuẩn, nhưng nếu chúng ta không sử dụng giả định phân phối chuẩn, thì không thể dựa vào phương sai như một cách tính của rủi ro. Những phân phối có thể lệch khỏi chuẩn thông thường bởi vì skewness và kurtosis. Sknewness là thước đo của độ lệch trong phân phối từ hình dạng cân đối hoàn hảo (phân phối chuẩn có skewness bằng zero). Một phân phối có skewness dương thì thể hiện đặc điểm là sẽ có nhiều khoản lỗ nhỏ và một vài những lợi nhuận lớn rất nhiều và có đường thể hiện dài về phía phải. Một phân phối có skewness âm thì thể hiện nhiều những khoảng thu lợi nhỏ và một ít những khoảng lỗ cực lớn và nó có một đường kéo đài về phía trái. Khi một phân phối lệch về phía âm hay dương, phương pháp phương sai-hiệp phương sai không còn chính xác nữa. Thêm nữa, nhiều phân phối xác suất được khảo sát có một con số lớn bất thường bởi những sự kiện đặc biệt. Điều này thể hiện trong thống kê bằng một thước đo leptokurtosis nhưng thường được gọi là phân phối tập trung nhiều ở phần đuôi (fat tail). Thị trường vốn, ví dụ, có khuynh hướng có thêm nhiều những giảm sút thường xuyên hơn so với phân phối chuẩn dự đoán. Như vậy, sử dụng một cách tính chuẩn để ước lượng VaR danh mục trong trường hợp này (fat tails-trường hợp phân phối tập trung nhiều về phía phần đuôi) có thể không đúng sự thật và tạo nhiều khoản lỗ lớn. VaR sẽ vì vậy thất bại trong việc xác định cái gì đang diễn ra: đo lường rủi ro liên quan đến những khoản lỗ lớn. Một vấn đề liên quan là bên trên của phương pháp phân tích này là sự chấp nhận việc phân phối chuẩn TSSL danh mục và không hề có một quyền chọn. Những phân phối TSSL của quyền chọn danh mục thường không phải là một phân phối chuẩn. Nhớ rằng một phân phối chuẩn không có giới hạn trên và dưới. Quyền chọn mua không có giới hạn trên, cũng như phân phối chuẩn, nhưng phần dưới bị giới hạn bởi một giá trị cố định (phí quyền chọn) và phân bổ của TSSL quyền chọn mua thì có skewness cao. Quyền chọn bán có một giới hạn trên rất lớn và một giới hạn dưới là phí quyền chọn bán, và phân bố của TSSL quyền chọn bán cũng có skewness cao. Cùng một đặc tính như vậy, quyền chọn mua và quyền chọn bán bảo vệ có phân bố mà skewness rất lớn về hướng này hay hướng khác. Như vậy, khi danh mục bao gồm quyền chọn, việc chấp nhận phân phối chuẩn để ước lượng VaR đưa ra một vấn đề khá quan trọng. Một giải pháp thông thường là ước tính sự thay đổi của giá quyền chọn sử dụng delta. Gọi delta là mối quan hệ tuyến tính giữa một giá quyền chọn và giá của tài sản cơ sở (nghĩa là Delta = Thay đổi trong giá quyền chọn/thay đổi trong giá tài sản cơ sở). Mối quan hệ tuyến tính của delta là một đặc tính đơn giản hơn khi điều chỉnh với phân phối chuẩn. Vì vậy, các biến phân phối chuẩn ngẫu nhiên tồn tại phân phối chuẩn khi một biến nhân với 1 hằng số. Trong trường hợp này thì hằng số đó là delta. Sự thay đổi trong giá quyền chọn được giả định là bằng với lại sự thay đổi trong giá trị tài sản cơ sở nhân với delta. Cái thủ thuật này chuyển đổi phân phối chuẩn của TSSL trên tài sản cơ sở thành phân phối chuẩn cho TSSL của quyền chọn. Cũng giống như là, việc sử dụng delta để ước lượng độ nhạy cảm của giá quyền chọn cho việc tính VaR. Tất cả những việc này sẽ dẫn đến một thứ gọi là phương pháp phân tích (hay là phương pháp phương sai – hiệp phương sai) phương pháp chuẩn Delta. Tuy nhiên, việc sử dụng delta chỉ phù hợp cho sự thay đổi nhỏ trong tài sản cơ sở. Để thay thế thì một số người sử dụng phương pháp chuẩn delta sẽ cộng thêm hiệu ứng này, được bổ sung bằng điều chỉnh gamma. Thật không may là, những hiệu ứng ở mức cao hơn được cộng vào thì mối quan hệ giữa giá quyền chọn và giá của tài sản cơ sở sẽ xấp xỉ bằng mối quan hệ phân tán (ko tuyến tính). Về điểm này thì sử dụng phân phối chuẩn hoàn toàn không phù hợp. Vì vậy cho nên sử dụng phương pháp phân tích sẽ gặp khó khăn nếu như một danh mục tồn tại nhiều quyền chọn hay là những công cụ tài chính khác không theo phân phối chuẩn. Thêm nữa, nó thường gặp khó khăn hay không thể để phù hợp với ước lượng đơn (single second-order estimate) mà cả hai đều chính xác và phù hợp đối với mô hình tính VaR theo phương sai/độ lệch chuẩn. 2.2 Phương pháp lịch sử Một cách khác để tính VaR thường sử dụng là phương pháp lịch sử. Sử dụng VaR lịch sử, ta có thể tính toán TSSL của danh mục sử dụng dữ liệu giá quá khứ hằng ngày trong một khoảng thời gian người sử dụng xác định, các thông tin này được biểu diễn dưới hình thức biểu đồ. Từ đó, ta sẽ dễ dàng tính khoản lỗ vượt quá với xác suất 0.05 (hay 0.01, nếu thích). Phương pháp lịch sử đôi khi cũng được gọi là phương pháp mô phỏng lịch sử. Thuật ngữ này hơi gây ra sự lầm lẫn bởi vì cách tiếp cận không liên quan đến một mô phỏng của TSSL quá khứ nhưng hơn thế nó là một thực tế trong quá khứ. Trong ngữ nghĩa này, lưu ý rằng danh mục mà một nhà đầu tư có thể nắm giữ trong quá khứ có lẽ không giống vị thế của họ trong tương lai. Khi sử dụng phương pháp lịch sử, ta phải luôn nhớ rằng mục đích của thực hiện này là áp đặt sự thay đổi của giá lịch sử vào danh mục hiện tại. Thêm nữa, những công cụ như trái phiếu hay nhiều những công cụ phái sinh cư xử rất khác trong những khoản thời gian khác nhau trong đời sống của nó, và bất cứ sự tính toán VaR theo phương pháp lịch sử nào phải đưa điều này vào trong việc tính toán bằng cách điều chỉnh biến số trái phiếu hiện tại/giá sản phẩm phái sinh để mô phỏng cho đặc điểm hiện tại trong thời gian phân tích. Ví dụ, kết quả tính toán VaR lịch sử vào trong một năm của danh mục bao gồm trái phiếu đáo hạn vào năm 2027 nên sử dụng tại thời điểm hiện tại thay vì trái phiếu đang đáo hạn vào năm 2026 là những biến đại diện; những trái phiếu này là những thay mặt chính xác nhấtthể hiện rõ tình trạng rủi ro danh mục ...
VaR lịch sử là một phương pháp thông thường để tính VaR. Nó không dựa vào các phép đo tương quan và độ biến động mà sử dụng chuỗi thời gian lịch sử của các nhân tố rủi ro. Chuỗi thời gian ẩn chứa tương quan và độ biến động của các nhân tố rủi ro. Cả nguyên tắc và cách thực hiện đều khá đơn giản và không phải dựa vào những giả định hạn chế trừ giả định dữ liệu lịch sử trong một cửa sổ thời gian có thể điều chỉnh đại diện cho các điều kiện thị trường hiện tại. Đây có lẽ là lý do tại sao nó thường được sử dụng. Cuối cùng, chú ý có một vài đặc điểm chung giữa mô phỏng lịch sử và giả định, khác biệt chính là cách tạo ra chuỗi giá trị của nhân tố rủi ro.
Nguyên tắc
Giả sử ta quan sát 250 giá trị hàng ngày của ba nhân tố rủi ro chi phối giá trị của hợp đồng giao sau. Ta có thể tính ra 250 giá trị của hợp đồng. Các giá trị nhân tố rủi ro lịch sử không giống như những giá trị sẽ tạo ra giá trị hiện tại của hợp đồng. Vì những độ lệch cẩn thiết xuất phát từ giá trị hiện tại, những quan sát lịch sử này nên được chuyển thành những thay đổi hàng ngày áp dụng cho những giá trị hiện tại của các nhân tố rủi ro này.
Áp dụng những thay đổi phân trăm này cho giá trị hiện tại, ta tính được 250 giá trị của nhân tố rủi ro bắt đầu từ giá trị hiện tại của chúng. Tạp hợp mới các giá trị nhân tố rủi ro tương tự những thay đổi lịch sử bắt đầu từ giá trị của hôm nay. Không cần phải dùng giả định chuẩn để tính VaR. Vì ta có phân phối thực của các giá trị, ta có thế tính bách phân vị trực tiếp từ phân phối này.
Lợi ích chính của mô phỏng lịch sử là:
• Không cần phải tìm công thức của tương quan và độ biến động vì nó & trong dữ liệu lịch sử
• Không cần dựa vào giả định phi thực tế về phân phối chuẩn
Delta-VaR và VaR lịch sử khác nhau trong trình tự các phép tính và trong số lượng phép tính. Theo delta-VaR, độ nhạy được tính chỉ một lần. được tính. Độ lệch của giá trị công cụ, sử dụng những độ nhạy này, sẽ được tính từ độ lệch của nhân tố rủi ro từ giá trị hiện tại. Đây là phương pháp “tái định giá một phân” vì những giá trị mới xuất phát từ áp dụng độ nhạy bất biến co những giá trị ban đầu.
Từ khóa tìm kiếm nhiều: vỡ nợ