Định giá phái sinh
Định giá phái sinh là quá trình ước tính giá trị hợp lý của các công cụ phái sinh tài chính dựa trên mô hình định giá, các tham số thị trường quan sát được và các giả định về rủi ro. Các tham số thường được sử dụng gồm lãi suất, độ biến động, tương quan giữa các tài sản cơ sở, dòng tiền kỳ vọng và thời gian còn lại của công cụ. Mục tiêu của quy trình là xác định mức giá phù hợp với trạng thái thị trường tại thời điểm đánh giá, đồng thời phản ánh các điều kiện và giả định có ảnh hưởng đến giá trị của công cụ.
Đối với công cụ không có giao dịch trực tiếp trên thị trường, giá trị hợp lý có thể được xác định thông qua mô hình Black–Scholes, mô hình lãi suất, mô hình cây nhị phân, phương pháp giá trị tùy chọn hoặc mô hình định giá phù hợp với đặc điểm của từng loại phái sinh. Khi có nhiều mô hình hoặc nhiều tham số có thể sử dụng, cơ sở định giá thường được lựa chọn theo tính đại diện của thị trường, khả năng tái lập kết quả và mức độ phù hợp với đặc điểm rủi ro của công cụ.
Mục tiêu của định giá phái sinh
- Xác định giá trị hợp lý của công cụ tại một thời điểm cụ thể.
- Hỗ trợ giao dịch, định giá tài sản, kiểm soát rủi ro và báo cáo tài chính.
- Phản ánh biến động giá của phái sinh khi các yếu tố thị trường thay đổi.
- Tạo cơ sở đối chiếu giữa giá thị trường và giá trị ước tính của công cụ.
- Hỗ trợ xây dựng hệ thống kiểm soát rủi ro và phân tích độ nhạy cảm.
Các tham số thị trường thường được sử dụng
Một số tham số phổ biến gồm lãi suất phi rủi ro theo từng kỳ hạn, lãi suất kỳ hạn bằng không, lãi suất kỳ hạn có kỳ hạn định định kỳ, giá cổ phiếu, giá hợp đồng tương lai, độ biến động lịch sử và độ biến động ngầm định, hệ số tương quan, dòng tiền kỳ vọng, chi phí giao dịch, tỷ lệ thu hồi và giới hạn thị trường.
Ví dụ, giá trị một hợp đồng quyền chọn mua có độ biến động ngầm định tăng từ 20% lên 25% thường làm giá trị quyền chọn tăng, vì quyền chọn có giá trị cao hơn khi giá tài sản cơ sở biến động mạnh hơn. Mức tăng cụ thể còn phụ thuộc vào giá thực hiện, thời hạn, lãi suất và dòng tiền kỳ vọng.
Mô hình định giá phổ biến
Mô hình Black–Scholes thường được áp dụng cho quyền chọn mua và bán trên cổ phiếu hoặc chỉ số khi giả định các tham số phù hợp. Mô hình tính giá quyền chọn dựa trên giá tài sản cơ sở, giá thực hiện, thời gian còn lại, lãi suất phi rủi ro, độ biến động và khoản cổ tức hoặc lợi suất cổ tức.
Đối với hợp đồng đổi lãi suất hoặc phái sinh lãi suất, có thể áp dụng mô hình lãi suất, ví dụ mô hình Black–Duron. Với công cụ có thu nhập phụ thuộc vào nhiều tài sản cơ sở, mô hình Monte Carlo thường được sử dụng để mô phỏng nhiều đường diễn biến giá và tính giá trị kỳ vọng.
Các mô hình giả định thường không phải lúc nào cũng phản ánh đầy đủ hành vi thị trường. Vì vậy, kết quả định giá cần được kiểm soát thông qua đối chiếu với giá thị trường, kiểm tra độ nhạy cảm và phân tích chênh lệch giữa mô hình khác nhau.
Kiểm soát chất lượng kết quả định giá
Quy trình kiểm soát chất lượng cần xác định rõ nguồn dữ liệu, thời điểm lấy dữ liệu và ngày giá trị của công cụ. Các tham số phải được kiểm tra về tính đầy đủ, tính cập nhật và mức độ đại diện của thị trường. Người thực hiện cũng cần đánh giá ảnh hưởng của thay đổi lãi suất, độ biến động, tương quan và dòng tiền kỳ vọng.
Đối chiếu với giá giao dịch thực tế là một trong các kiểm tra quan trọng. Chênh lệch giữa giá mô hình và giá thị trường không nhất thiết là sai sót, vì có thể xuất phát từ thanh khoản thấp, chênh lệch thời điểm, khác biệt về giả định thanh toán hoặc đặc thù của công cụ. Tuy nhiên, chênh lệch bất thường kéo dài cần được phân tích và lưu vệ nhận ký giải thích.
Kết quả định giá cũng cần được phê duyệt theo thẩm quyền, lưu trữ phiên bản mô hình, tài liệu tham số và bằng chứng kiểm soát. Khi thay đổi phương pháp định giá hoặc có điều chỉnh dữ liệu đầu vào, kết quả cần được tái kiểm định để bảo đảm khả năng tái lập.
Câu hỏi thường gặp
Hỏi: Nếu thị trường không có đủ dữ liệu để xác định độ biến động ngầm định thì có thể xử lý thế nào?
Có thể sử dụng độ biến động lịch sử, mô hình lấy từ giá quyền chọn tương quan hoặc mô hình dựa trên dữ liệu tương tự. Lựa chọn này cần được ghi nhận rõ và thường được kiểm tra độ nhạy cảm vì kết quả có thể khác đáng kể khi tham số thay đổi.
Hỏi: Khi nào nên dùng mô hình Monte Carlo thay vì mô hình phân tích trong định giá phái sinh?
Monte Carlo thường phù hợp với công cụ có cấu trúc thu nhập phức tạp, nhiều tài sản cơ sở hoặc ràng buộc không dễ biểu diễn bằng phương trình phân tích. Phương pháp này linh hoạt hơn nhưng đòi hỏi nhiều tài nguyên tính toán và phải kiểm soát sai số mô phỏng.
Hỏi: Chênh lệch giữa giá mô hình và giá giao dịch trên sàn bao nhiêu thì bị coi là bất thường?
Không có một ngưỡng chung áp dụng cho mọi công cụ. Mức chênh lệch chấp nhận được phụ thuộc vào thanh khoản, loại phái sinh, thời điểm đối chiếu và chất lượng dữ liệu; vì vậy, tổ chức thường xây dựng ngưỡng cảnh báo và quy tắc xử lý riêng cho từng danh mục.
Nội dung mang tính tham khảo và không thay thế tư vấn chuyên môn về định giá, kế toán hoặc quản trị rủi ro.