Định giá rủi ro thị trường bằng phương pháp VaR
Phương pháp VaR — Value at Risk, hay Giá trị Rủi ro — là một công cụ thống kê nhằm ước tính mức lỗ tối đa có thể xảy ra đối với một danh mục tài sản hoặc vị thế tài chính trong một khoảng thời gian xác định, với mức độ tin cậy được chọn trước.
Ví dụ, khi báo cáo VaR ở mức tin cậy 99% trong thời hạn một ngày, kết quả có nghĩa là: trong điều kiện thị trường thông thường và dựa trên dữ liệu lịch sử, có xác suất tối đa 1% để danh mục bị lỗ lớn hơn mức VaR trong ngày đó. VaR thường được biểu diễn bằng số tiền, chẳng hạn 3 tỷ đồng. Với cùng danh mục nhưng thời hạn mười ngày, mức VaR thường cao hơn do khoảng thời gian chịu rủi ro dài hơn.
Phương pháp này không dự đoán chắc chắn kết quả thực tế. Nó cũng không cho biết mức lỗ có thể vượt quá ngưỡng VaR ra sao. Do đó, VaR cần được sử dụng cùng với các chỉ tiêu khác như Expected Shortfall, kịch bản căng thẳng và dự phòng rủi ro thị trường.
Công thức và cách diễn giải
Nếu (P_0) là giá trị hiện tại của danh mục và (P_t) là giá trị danh mục sau thời hạn (t), lợi nhuận được xác định:
[ R = \frac{P_t-P_0}{P_0} ]
Với mức độ tin cậy (c), chẳng hạn 99%, VaR phần vốn là giá trị phân vị (1-c) của phân phối lợi nhuận. Nếu phân vị 1% của lợi nhuận là (-2%), thì VaR ở mức tin cậy 99% là 2%.
Đối với một danh mục có nhiều khoản mục, giá trị danh mục thay đổi theo tổng mức lỗ của các khoản mục, trong đó mức lỗ của mỗi khoản mục phụ thuộc vào lợi nhuận của chính khoản mục đó và mức tương quan giữa các khoản mục. Vì vậy, đa dạng hóa có thể làm giảm rủi ro tổng thể khi các tài sản không biến động cùng chiều.
Trong báo cáo nội bộ, VaR thường được trình bày theo mẫu: VaR 99% một ngày bằng 3 tỷ đồng. Khi diễn giải, cần chú ý ba yếu tố: mức độ tin cậy, thời hạn và đơn vị tiền tệ. Không nên chỉ nói “VaR là 3 tỷ đồng” mà thiếu các thông tin này.
Phương pháp tính toán phổ biến
Phương pháp lịch sử — Historical Simulation: Sử dụng chuỗi lợi nhuận thực tế trong quá khứ để xây dựng phân phối, sau đó lấy phân vị tương ứng với mức tin cậy. Phương pháp này trực quan, dễ giải thích nhưng phụ thuộc vào chất lượng và độ dài của dữ liệu lịch sử.
Phương pháp tham số — Variance-Covariance: Giả định lợi nhuận tuân theo phân phối thống kê thông thường, thường áp dụng mô hình biến động của Giaoblack cho thay đổi giá. Phương pháp cho phép phân tích đóng góp rủi ro của từng tài sản nhưng có thể không phản ánh tốt các thay đổi phân phối khi thị trường biến động mạnh.
Phương pháp mô phỏng — Monte Carlo: Mô hình hóa hành vi của các yếu tố rủi ro, tạo ra nhiều kịch bản lợi nhuận tiềm năng rồi xác định phân vị VaR. Phương pháp này linh hoạt, phù hợp với danh mục phức tạp nhưng đòi hỏi nhiều năng lực tính toán và chất lượng mô hình.
Phương pháp đo lường giá đa yếu tố — Full Valuation: Đánh giá lại toàn bộ danh mục theo các kịch bản thay đổi của nhiều yếu tố thị trường như lãi suất, tỷ giá, giá cổ phiếu và chênh lệch tín dụng. Cách tiếp cận này phù hợp với danh mục có đặc tính phức tạp, nhưng cần nhiều dữ liệu đầu vào.
Việc lựa chọn phương pháp còn phụ thuộc vào khả năng dữ liệu, đặc điểm danh mục, mục tiêu quản trị rủi ro và yêu cầu kiểm định nội bộ. Một mô hình VaR phù hợp với giao dịch hằng ngày có thể chưa phù hợp với vị thế có thời hạn dài hoặc thanh khoản thấp.
Ứng dụng trong hoạt động ngân hàng
VaR được sử dụng để theo dõi rủi ro thị trường của danh mục chứng khoán, trái phiếu, ngoại hối, phái sinh và các vị thế tài chính. Kết quả VaR hỗ trợ người quản trị xác định giới hạn rủi ro, điều chỉnh quy mô vị thế, đánh giá mức vốn cần thiết và so sánh hiệu quả của các phương án tái cơ cấu danh mục.
Đối với hoạt động kinh doanh, VaR có thể hỗ trợ quy trình định giá giao dịch và đánh giá đóng góp rủi ro. Tuy nhiên, các kết quả phải được kiểm tra lại, phù hợp với quy trình quản trị rủi ro nội bộ và không được xem là căn cứ duy nhất để ra quyết định đầu tư.
Một chương trình kiểm định hồi quy thường so sánh VaR dự báo với lỗ thực tế của danh mục trong một giai đoạn đánh giá. Nếu danh mục có VaR 99% một ngày bằng 3 tỷ đồng nhưng liên tục phát sinh lỗ vượt mức này, cần rà soát lại mô hình, chất lượng dữ liệu, giả định phân phối và hiệu quả của việc thực hiện các biện pháp giảm rủi ro.
VaR và Expected Shortfall
VaR cho biết ngưỡng lỗ tại một mức xác suất xác định, còn Expected Shortfall — ES — mô tả mức lỗ trung bình trong các trường hợp lỗ vượt ngưỡng VaR. Vì vậy, ES cung cấp thông tin chi tiết hơn về phần đuôi trái của phân phối rủi ro.
Ví dụ, nếu VaR 99% một ngày là 3 tỷ đồng và ES 99% là 4,2 tỷ đồng, kết luận có thể diễn giải như sau: trong các kịch bản thuộc 1% phân vị lỗ tệ nhất, mức lỗ trung bình dự kiến là 4,2 tỷ đồng. ES thường hữu ích hơn trong việc quản trị các đuôi phân phối lỗ, nhưng vẫn phụ thuộc vào chất lượng mô hình và dữ liệu sử dụng.
Ưu điểm và hạn chế
Ưu điểm: VaR trình bày trực quan, dễ trao đổi với các bên liên quan; có thể tính toán và cập nhật định kỳ; phù hợp với nhiều loại sản phẩm; đồng thời phản ánh hiệu quả của đa dạng hóa nếu tính đúng tương quan giữa các khoản mục.
Hạn chế: VaR không mô tả mức lỗ xảy ra khi vượt ngưỡng; nhạy cảm với lịch sử và các giả định mô hình; có thể không phản ánh tốt các kịch bản hiếm nhưng tác động lớn; không trực tiếp phản ánh rủi ro thanh khoản; và có thể bị sử dụng sai khi không làm rõ thời hạn hoặc mức độ tin cậy.
VaR cũng không loại bỏ hoàn toàn rủi ro phân phối đuôi dày. Trong một giai đoạn thị trường căng thẳng, nhiều tài sản có thể biến động mạnh và tương quan giữa chúng thay đổi. Vì vậy, chương trình quản trị rủi ro cần kết hợp VaR với kiểm định hồi quy, phân tích kịch bản căng thẳng, giới hạn rủi ro và phương pháp giám sát phân phối lợi nhuận.
Câu hỏi thường gặp
Hỏi: VaR 99% một ngày là 5 tỷ đồng có nghĩa là tối đa ngân hàng chỉ có thể lỗ 5 tỷ đồng trong một ngày không?
Không. VaR 99% một ngày là 5 tỷ đồng chỉ cho biết ngưỡng lỗ được thiết lập với xác suất tin cậy 99%, không phải mức lỗ tuyệt đối. Trong những tình huống bất lợi, lỗ thực tế có thể vượt 5 tỷ đồng; mức vượt có thể được phản ánh rõ hơn bằng Expected Shortfall và kịch bản căng thẳng.
Hỏi: Vì sao VaR của cùng một danh mục thay đổi khi kéo dài thời hạn từ một ngày lên mười ngày?
Thời hạn dài hơn tạo cơ hội để nhiều biến động thị trường cộng dồn và làm tăng phạm vi kịch bản lỗ. Vì vậy, mức VaR thường tăng theo thời hạn, nhưng không nhất thiết tăng tuyến tính nếu mô hình có tính đến hiệu ứng tương quan, tương tác và các yếu tố khác.
Hỏi: Khi nào không nên sử dụng VaR để ra quyết định giao dịch?
Không nên dùng VaR làm căn cứ quyết định duy nhất, đặc biệt đối với vị thế thanh khoản thấp, phức tạp hoặc có khả năng tập trung rủi ro cao. Cần bổ sung thông tin về kịch bản căng thẳng, chi phí giao dịch, khả năng thanh khoản, ES, hiệu quả back-testing và các yếu tố phân bổ vốn trước khi đưa ra quyết định.
Nội dung mang tính tham khảo, không thay thế tư vấn chuyên môn.