Luận văn: Ứng dụng mô hình Barra cho thị trường chứng khoán Việt Nam docx

Các mô hình đa nhân tố giúp chia rủi ro thặng dư thành rủi ro đặc trưng và rủi ro nhân tố chung, phát triển theo hướng chọn và ước tính những nhân tố mà tác động đến các TSSL mong đợi và

Luận văn

Ứng dụng mô hình Barra cho

thị trường chứng khoán

Việt Nam

MỤC LỤC

PHẦN MỞ ĐẦU - 1

Lý do chọn đề tài - 1

Mục tiêu nghiên cứu - 2

Phương pháp nghiên cứu - 2

Kết cấu đề tài - 2

PHẦN I: CƠ SỞ LÝ LUẬN CƠ BẢN MÔ HÌNH ĐA NHÂN TỐ 1.1 Khái quát về rủi ro và tỷ suất sinh lợi ( TSSL) - 3

1.1.1 Khái quát về rủi ro - 3

Cái nhìn tổng quan - 3

Đo lường rủi ro - 3

1.1.2 Tỷ suất sinh lợi và phân tích tỷ suất sinh lợi - 4

Sơ lược về mô hình cấu trúc rủi ro - 7

1.2.1 Ý tưởng - 7

1.2.2 Động lực thúc đẩy - 8

1.2.3 Tỷ suất sinh lợi hệ thống và việc đa dang hoá - 8

1.2.4 Những nền tảng của các mô hình đa nhân tố - 9

1.3 Các mô hình cấu trúc rủi ro - 10

1.3.1 Mô hình định giá tài sản vốn - 10

1.3.2 Lý thuyết kinh doanh chênh lệch giá - 12

1.3.3 Các mô hình đa nhân tố - 12

Mô hình đa nhân tố là gì? - 12

Các mô hình đa nhân tố hoạt động như thế nào? - 13

Ưu và nhược điểm cuả các mô hình đa nhân tố - 13

Những công thức tính toán mô hình - 14

Dự báo rủi ro bằng các mô hình đa nhân tố - 15

1.4 Mô hình GEM - 18

1.4.1 Phát triển mô hình (Mô hình Barra) - 18

Các chỉ số rủi ro - 19

Các thị trường nội địa - 19

Các ngành - 21

Các loại Tiền tệ - 23

1.4.2 Ước tính mô hình - 24

Một cái nhìn tổng quan - 24

Việc lựa chọn chỉ số rủi ro - 25

Sự bình thường hóa - 26

Lựa chọn và tiêu chuẩn hóa chỉ số rủi ro - 26

Xác định ngành - 27

Ước tính tỷ suất sinh lợi nhân tố - 28

Tính toán ma trận hiệp phương sai - 28

Tỷ trọng theo số mũ - 29

Tính toán độ biến động thị trường (Các mô hình GARCH) - 30

Các quốc gia trong GEM - 31

Ước tính rủi ro tiền tệ - 31

1.4.3 Cập nhật mô hình - 31

PHẦN II: ỨNG DỤNG MÔ HÌNH ĐA NHÂN TỐ TRÊN TTCK VIỆT NAM - 33

2.1 Ước lượng và kiểm định mối quan hệ giữa các nhân tố vĩ mô với Vnindex - 33

2.2 Kiểm định Giá trị giao dịch của nhà đầu tư nước ngoài với Vnindex - 38

2.3 Kiểm định mối quan hệ CPI của các ngành với Vnidex - 39

2.4 Kiểm định mối quan hệ giữa GDP các ngành với Vnindex - 41

2.5 Kiểm định mối quan hệ của từng nhân tố đối với Vnindex - 42

2.5.1 Mối quan hệ của các yếu tố vĩ mô: CPI, GDP, cung tiền, lãi suất, tỉ giá và Vn-Index - 42

2.5.2 CPI của các ngành và Vnindex - 43

2.5.3 Kiểm định mối quan hệ giữa GDP các ngành và Vnindex - 45

PHẦN III: KIẾN NGHỊ CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM - 47

PHỤ LỤC - i

DANH MỤC TÀI LIỆU THAM KHẢO - xv

F Phân phối F hay phân phối Fisher

P Giá trị xác suất ,mức ý nghĩa quan sát,

t-Statistic Thống kê t

Variable Biến số

Coeffcient Hệ số

n1,n2 Các bậc tự do

MSIC Phân ngành chuẩn của Malaysia (là phân loại các hoạt động kinh tế

do tổ chức Thống kê xây dựng cho các cơ sở hoạt động

FT Thời báo Tài chính (Financial Times – FT), tờ báo uy tín của giới tài

chính Anh nói riêng và thế giới nói chung

PHẦN MỞ ĐẦU

 Lý do chọn đề tài

Trong đầu tư, tỷ suất sinh lợi và rủi ro luôn là một cặp “bài trùng” Các nhà đầu tư nói chung, nhà đầu tư trên thị trường chứng khoán nói riêng, luôn thấu hiểu điều này Họ chấp nhận lý thuyết đánh đổi giữa rủi ro và TSSL như một điều hiển nhiên Tuy vậy, với tâm lý của những NĐT “bình thường” thì đa dạng hoá đầu tư là nhu cầu của họ Vì trong thực tế, có trường hợp giá cả chứng khoán được định giá đúng, nhưng mỗi chứng khoán vẫn chứa đựng rủi ro Những rủi ro này có thể san sẻ thông qua việc đa dạng hoá DMĐT Bên cạnh đó, quản lý DMĐT còn đáp ứng sở thích, nhu cầu, lứa tuổi của NĐT trong chính sách lựa chọn DMĐT

và liên quan đến rủi ro Như vậy, việc ứng dụng mô hình đa nhân tố trong quản lý DMĐT như là một nghiệp vụ quan trọng trong kinh doanh chứng khoán và là công cụ hữu hiệu để kiểm soát rủi ro và đáp ứng nhu cầu tối đa hóa TSSL của NĐT

Trên thực tế, những mô hình đã ra đời trước đây, như lý thuyết danh mục do Harry Markowit

đề xướng vào năm 1960 Đây là một khám phá đầu tiên về việc đa dạng hóa làm giảm thiểu rủi ro như thế nào và đề xuất sử dụng độ lệch chuẩn và phương sai để đo lường rủi ro của từng chứng khoán và DMĐT Lý thuyết thị trường vốn đã mở rộng lý thuyết danh mục và phát triển một mô hình định giá các tài sản rủi ro Kết quả là mô hình định giá tài sản vốn CAPM (Capital Asset Pricing Model) có một số hạn chế về mặt kỹ thuật Đó là mô hình này dựa trên ý tưởng danh mục thị trường là danh mục không chỉ có giá trị trung bình / phương sai hiệu quả mà còn là một danh mục được đầu tư hoàn toàn với tỷ số của TSSL vượt trội mong đợi so với độ lệch chuẩn là lớn nhất Sau đó, vào giữa những năm 1970, Ross đã đề xuất một cách khác để xem xét các TSSL của cổ phiếu đó là mô hình chênh lệch giá APT (Arbitrage Pricing Theory) nhưng APT cũng có những giới hạn của nó Trong khi diễn tả một mô hình phân tích rủi ro đa nhân tố nhưng lại không chỉ rõ những nhân tố được sử dụng Hơn nữa, APT không xác định được tỷ trọng của những nhân tố khác nhau hoặc không đưa

ra được phương pháp để tính toán những biểu hiện Chính vì điều đó mà các nhà đầu tư phải dựa vào một mô hình đa nhân tố thiết thực và phải thuộc về trực giác

Và đề tài nhằm giới thiệu một mô hình tiến bộ hơn và có thể cũng giống như những mô hình

đa nhân tố khác là phân tích biểu hiện của rủi ro dựa trên các nhân tố được nhận biết bởi BARRA Chính vì vậy mà mô hình được lấy tên là mô hình BARRA Những nhân tố chung này phân loại các biểu hiện của một danh mục thông qua những nhân tố thuộc về “phong

cách” (như quy mô và thành công) hay còn gọi là nhân tố trực giác, thị trường nội địa và phân loại ngành Chúng cung cấp những thông tin hữu dụng về cơ cấu của danh mục Tuy nhiên, mô hình cũng có nét riêng biệt là phân tích rủi ro theo nhân tố tiền tệ Mô hình rủi ro

đa nhân tố dựa trên ý tưởng rằng TSSL của một cổ phiếu có thể được giải thích bởi một tập hợp nhiều nhân tố chung cộng với một nhân tố đặc trưng gắn với cổ phiếu đó Các nhân tố có thể là những nhân tố tác động ảnh hưởng đến toàn bộ nhóm cổ phiếu Đi vào phân tích từng nhóm nhân tố sẽ cho ta thấy được ảnh hưởng của từng nhân tố đến TSSL của các cổ phiếu Tuy nhiên, việc khó khăn hiện nay là những nhân tố được chọn như đã trình bày ở trên có thật sự được đưa vào mô hình khi ứng dụng tại Việt Nam hay không và những nhân tố này tại Việt Nam có thực sự giải thích được mô hình hay không? Như vậy, đề tài ra đời cũng không nằm ngoài mục đích đó

 Mục tiêu nghiên cứu

a Hệ thống hóa các lý luận cơ bản về mô hình đa nhân tố, từ đó đưa tới mô hình thiết thực

và tiên tiến hơn, đó là mô hình Barra

b Lượng hóa mối quan hệ giữa chỉ số VN-Index và các nhân tố kinh tế vi mô (nhân tố thị trường), nhân tố vĩ mô, các chỉ số kinh tế Từ đó, có thể đưa ra những phân tích cũng như những dự báo về diễn biến của thị trường thông qua các nhân tố

c Đề xuất kiến nghị đối với thị trường chứng khoán Việt Nam để có thể ứng dụng tốt mô hình Barra

 Phương pháp nghiên cứu

Đề tài sử dụng phương pháp phân tích tổng hợp, thống kê mô tả đóng vai trò chủ đạo trong suốt quá trình nghiên cứu Đồng thời dùng phương pháp hồi quy để đưa đến kết quả thông qua mô hình Eviews Đồng thời sử dụng các phương pháp kiểm định kết quả của mô hình để xem xét có hay không có mối tương quan giữa VN-Index và các nhân tố kinh tế vi mô, nhân

tố vĩ mô, các chỉ số kinh tế

 Kết cấu đề tài

Đề tài gồm có 3 phần:

Phần 1: Lý luận cơ bản về mô hình Barra

Phần 2: Ứng dụng mô hình Barra cho thị trường chứng khoán Việt Nam

Phần 3: Kiến nghị đối với thị trường chứng khoán Việt Nam

Std[r˜]= Var [r~]

Var[r˜]=E[(r˜- r )]

PHẦN 1: LÝ LUẬN CƠ BẢN VỀ MÔ HÌNH BARRA

1.1 Khái quát về rủi ro và tỷ suất sinh lợi ( TSSL)

Những khái niệm về rủi ro và TSSL là trọng tâm của việc thảo luận về vấn đề đầu tư tài chính Đó là mối quan tâm hàng đầu của các NĐT Để đổi lấy việc phải sống chung với rủi

ro, các NĐT đòi hỏi một TSSL cao hơn Trong lĩnh vực tài chính, điều này được gọi là sự đánh đổi giữa rủi ro và TSSL và các nhà đầu tư lựa chọn sự kết hợp giữa rủi ro và TSSL dựa trên thái độ của họ đối với rủi ro

1.1.1 Khái quát về rủi ro

Cái nhìn tổng quan

Trong một môi trường đầu tư không ổn định, các NĐT thường không sống chung với rủi ro

Theo quan điểm truyền thống

Rủi ro làm cho kết quả đạt được thấp hơn so với mong đợi Tuy nhiên, trong quá trình đầu tư, chúng là công cụ để đo lường sự bất ổn Nó mô tả TSSL của kết quả theo hai hướng: tích cực

và tiêu cực cũng giống như tính chất của sự không chắc chắn Chúng ta thấy vấn đề này tuy nhỏ nhưng lại là một đặc điểm rất quan trọng Khoản đầu tư tốt nhất và có mức độ rủi ro thích hợp phụ thuộc vào khẩu vị của NĐT đối với rủi ro như thế nào, đặc biệt là tổng thể về

rủi ro và lợi nhuận

Theo quan điểm hiện đại

Rủi ro được xem như là độ biến động hoặc sự bất ổn về TSSL của một CK hoặc một danh mục Thêm vào đó, rủi ro phản ánh một sự không chắc chắn trong tương lai

Đo lường rủi ro

Trong quá trình đầu tư, rủi ro được đo lường nhiều hơn là các thành quả đạt được Nó mô tả TSSL của thành quả theo hai hướng, tốt và xấu cũng như tính chất của sự không chắc chắn Điều này không lớn nhưng nó là điểm quan trọng Các NĐT với mức độ rủi ro thích hợp nhất

là những NĐT có cái nhìn phụ thuộc vào khẩu vị của NĐT đối với rủi ro như thế nào, đặc biệt là toàn bộ tài sản của NĐT

Một thước đo rủi ro thuộc về trực giác chính là độ lệch chuẩn của tỷ suất sinh lợi Độ lệch chuẩn là một khái niệm về giá trị trung bình hoặc giá trị mong đợi mà các kết quả có khuynh

hướng rơi vào với xác suất là 2/3 Một thước đo liên quan là phương sai tức độ lệch chuẩn bình phương Công thức là:

Trong đó: r˜ : tỷ suất sinh lợi

r : tỷ suất sinh lợi mong đợi hoặc trung bình Std[x] : Độ lệch chuẩn của x

Var[x]: Phương sai của x E[x] : Giá trị mong đợi của x

Độ lệch chuẩn: là thước đo rủi ro phổ biến vì nó được đo lường dựa trên cùng các đơn vị như TSSL Đương nhiên, nếu biết được độ lệch chuẩn thì phương sai sẽ được tính toán một cách

dễ dàng và ngược lại

Độ lệch chuẩn cân xứng vì nó phản ánh cả những TSSL mong đợi và không mong đợi (Hình 1-1) Các nhà phê bình cho rằng, sự cân xứng này đã không đo lường chính xác được những tác động không chắc chắn - đó cũng chính là điều mà các NĐT thua lỗ muốn tránh Ví dụ, TSSL mong đợi và TSSL không mong đợi đều được quan tâm như nhau Tuy nhiên, độ lệch chuẩn rất hữu dụng, vì nó cung cấp một thước đo tương đối về biểu hiện của rủi ro

Độ lệch chuẩn có một vài đặc điểm cần xem xét, đó là:

 Độ lệch chuẩn không có thuộc tính danh mục

 Độ lệch chuẩn DMĐT không phải là bình quân gia quyền của các thành phần hợp lại vì ta

có độ lệch chuẩn chính là phương sai của TSSL

 Rủi ro TSSL vượt trội = rủi ro của TSSL tổng thể

1.1.2 Tỷ suất sinh lợi và phân tích tỷ suất sinh lợi

TSSL là phần thưởng đối với NĐT TSSL bao gồm những khoản thanh toán nhận được bằng tiền mặt (cổ tức) và những thay đổi về giá trị của một quá trình đầu tư (lãi hoặc lỗ vốn) Nói một cách đơn giản thì TSSL chính là một phần bù phần rủi ro được tạo ra bởi một chứng khoán hoặc một danh mục, TSSL thặng dư cộng với mức lãi suất phi rủi ro

Mỗi nguồn của rủi ro thì tương đương với một tỷ lệ của toàn bộ TSSL Những thành phần chính của TSSL (xem hình 1-2) là:

 TSSL phi rủi ro là TSSL chắc chắn nhận được trong quá trình đầu tư hoàn toàn không có rủi ro, thường là TSSL Trái phiếu chính phủ ngắn hạn (được xem như một sự đầu tư phi rủi ro)

 TSSL vượt trội cho một danh mục đa quốc gia, là TSSL vượt trội hơn so với TSSL phi rủi ro theo đồng bản tệ, theo cách, tổng TSSL của đồng bản tệ trừ đi TSSL phi rủi ro

Lợi nhuận theo đồng bản tệ: là viễn cảnh về tiền tệ của NĐT Trong hầu hết các trường hợp

thì nó là đồng bản tệ của NĐT Ví dụ, lợi nhuận theo đồng bản tệ của một NĐT Mỹ là đôla

Mỹ

Mặc dù TSSL phi rủi ro bị tác động bởi toàn bộ hành vi của các NĐT, nhưng các nhà quản trị danh mục riêng lẻ vẫn kiểm soát tốt mức TSSL vượt trội so với mong đợi của một danh mục Các NĐT có thể điều chỉnh chiến lược đầu tư hoặc cơ cấu danh mục của mình để thay đổi rủi

ro của một danh mục và cả TSSL của nó Với những tài sản không có ở thị trường nội địa hoặc nằm ngoài mong đợi của NĐT thì TSSL vượt trội sẽ bao gồm TSSL vượt trội nội địa và

TSSL tiền tệ Sơ đồ phân chia TSSL: (Hình 1-2)

Tổng TSSL = TSSL vượt trội + TSSL phi rủi ro

TSSL vượt trội = TSSL vượt trội nội địa + TSSL tiền tệ; một vài TSSL được tính toán từ lợi nhuận theo đồng bản tệ của NĐT (Lợi nhuận theo đồng bản tệ)

TSSL vượt trội nội địa được tính toán bằng cách sử dụng công thức mô hình vốn toàn

cầu(GEM) như sau:

TSSL vượt trội nội địa = TSSL quốc gia + TSSL ngành + TSSL chỉ số rủi ro + TSSL đặc

trưng Trong đó:

TSSL vượt trội nội địa: là TSSL tăng thêm so với TSSL phi rủi ro nội địa của một quá

trình đầu tư, được trình bày trong những khoản mục tiền tệ nội địa Nó được phân chia thành TSSL đặc trưng và TSSL nhân tố chung

TSSL đặc trưng: là TSSL của một tài sản riêng lẻ một phần của TSSL vượt trội không được giải thích bởi các nhân tố chung và TSSL đặc trưng của các tài sản khác

TSSL nhân tố chung: bao gồm những TSSL mà liên quan đến các đặc tính của chứng

khoán Trong mô hình vốn toàn cầu, những nhân tố chung này bao gồm ngành, thị trường nội địa, và chỉ số rủi ro

Ngoài ra: Mô hình vốn toàn cầu phân biệt TSSL tiền tệ với các TSSL nội địa

TSSL tiền tệ: là TSSL thị trường phi rủi ro cộng với những thay đổi trong tỷ giá hối đoái

Mặc dù đã phân biệt như vậy nhưng TSSL tiền tệ lại phụ thuộc vào TSSL vượt trội nội địa,

vì chắc chắn các sự kiện nổi bật của quốc gia sẽ tác động đến cả tỷ giá hối đoái và tình hình của thị trường nội địa

Sự lựa chọn lợi nhuận theo đồng bản tệ của NĐT sẽ cung cấp nền tảng cho việc đánh giá TSSL tiền tệ Lợi nhuận theo đồng bản tệ là viễn cảnh mà theo đó các NĐT đánh giá DM Thường thì lợi nhuận của NĐT được phản ánh theo đồng bản tệ

Công thức TSSL vượt trội đã được đơn giản hóa này sẽ trình bày TSSL tiền tệ liên quan đến TSSL hối đoái và TSSL vượt trội nội địa như thế nào:

Trong đó: r : Tỷ suất sinh lợi

rx : TSSL tỷ giá hối đoái

rl : TSSL tài sản nội địa rle : TSSL vượt trội tài sản nội địa

rc : TSSL tiền tệ rfl : TSSL phi rủi ro nội địa

Để tuyến tính hóa những chức năng này cho các mục đích tính toán, Mô hình vốn toàn cầu loại trừ các sản phẩm thuộc tính (rx*rl) và (rfl*rx) vì trong hầu hết các trường hợp, những khoản mục này thì không đáng kể

Sơ lược về mô hình cấu trúc rủi ro

Trải qua một thời gian dài từ lý thuyết đầu tư cổ điển nhất cho đến những phân tích quan trọng với kỹ thuật tính toán phức tạp về những công cụ tài chính hiện đại Với những khái niệm chính xác hơn về rủi ro và TSSL, các mô hình đã thay đổi để phản ứng với những thay

đổi của môi trường đầu tư

1.2.1 Ý tưởng

Mô hình rủi ro cấu trúc xuất phát từ việc phân chia TSSL của một tài sản Mô hình rủi ro đa nhân tố dựa trên ý tưởng rằng TSSL của một cổ phiếu có thể được giải thích bởi một tập hợp nhiều nhân tố chung cộng với một nhân tố đặc trưng gắn với cổ phiếu đó Chúng ta có thể hiểu những nhân tố chung này như là những nhân tố tác động ảnh hưởng đến cả nhóm cổ phiếu Các cổ phần này có thể là tất cả các cổ phiếu trong ngành ngân hàng, các cổ phiều có đòn bẩy cao và cả những cổ phiếu có tỷ lệ vốn hóa nhỏ hơn …Sau đây chúng ta sẽ đề cập một cách chi tiết những loại nhân tố có thể xảy ra

Bằng cách xác định những nhân tố quan trọng, chúng ta có thể xác định được bình diện của vấn đề Thay vì đề cập đến 6000 cổ phiếu thì chúng ta giải quyết 68 nhân tố Các cổ phiếu

thay đổi nhưng nhân tố thì không Tình huống sẽ đơn giản hơn nhiều khi chúng ta tập trung vào một số lượng nhỏ những nhân tố và cho phép những cổ phiếu thay đổi độ nhạy cảm theo những nhân tố này

Một mô hình rủi ro cấu trúc bắt đầu bằng cách phân tích TSSL theo cấu trúc tuyến tính đơn giản với 4 thành phần: TSSL vượt trội của cổ phiếu, độ nhạy cảm của cổ phiếu theo những nhân tố này, TSSL nhân tố thuộc tính và TSSL đặc trưng Cấu trúc đó là:

( ) ( ) ( ) ( )

,

t u t b t X t

k n k



 Rn (t) : là TSSL vượt trội (TSSL vượt trên TSSL phi rủi ro) của cổ phiếu n trong giai đoạn t đến (t+1)

 Xn-n (t): là độ nhạy cảm của cổ phiếu n theo nhân tố k được ước tính trong thời kỳ t

Độ nhạy cảm thường được gọi là tải trọng nhân tố Đối với nhân tố ngành thì độ nhạy cảm này hoặc bằng 0 hoặc bằng 1, điều này cho thấy cổ phiếu này có thuộc về ngành đó hay

không Đối với những nhân tố chung khác, độ nhạy cảm được chuẩn hoá để độ nhạy cảm

trung bình của tất cả các cổ phiếu bằng 0 và độ lệch chuẩn của các cổ phiếu bằng 1

 Bk(t): là TSSL nhân tố theo nhân tố k trong suốt thời kỳ t đến (t+1)

 Un(t): là TSSL đặc trưng của cổ phiếu n k trong suốt thời kỳ t đến (t+1) Đôi khi TSSL đặc trưng của cổ phiếu này được gọi là TSSL đặc tính đối với cổ phiếu: TSSL này không thể giải thích bằng mô hình rủi ro hình Tuy nhiên mô hình rủi ro sẽ giải thích rủi ro đặc trưng

Vì vậy việc dự đoán rủi ro sẽ được xem xét rõ ràng rủi ro TSSL đặc trưng (Un)

1.2.2 Động lực thúc đẩy

Tối ưu hoá DMĐT đòi hỏi rủi ro phải thấp nhất với TSSL mong đợi chắc chắn Cấu trúc rủi

ro của các CK như là những biểu hiện của chúng đối với các nhân tố ngành, hoặc hàng hoá /nhân tố phải được phân loại và sau đó cơ cấu của DM tối ưu được đưa ra để tối thiểu hoá bất kỳ nhân tố rủi ro đặc trưng nào trong DM

Điển hình, những nhân tố rủi ro phụ thuộc nhau, ví dụ như: ngành y tế và ngành dược có mối tương quan với nhau Ngoài ra TSSL mong đợi của một CK thì cũng liên quan đến những tổn thất của chúng với những nhân tố rủi ro chắc chắn Vì vậy tối ưu hoá DMĐT, hoặc quản trị rủi ro không thể nào thực hiện được bằng việc giảm tổn thất của DM đối với từng nhân tố rủi

ro đơn lẻ một cách độc lập Thay vào đó, một danh mục hiệu quả có thể xây dựng dựa trên lý

thuyết Markowit Mặc dù vậy, những đòi hỏi số liệu được lý thuyết Markovit áp dụng trong một DMĐT lớn là cần thiết Đặc biệt là, chúng ta chỉ ước lượng TSSL mong đợi và ma trận hiệp phương sai, điều này thật sự rất khó cho một danh mục lớn hoặc mô hình đa nhân tố và cũng là cái rất cần thiết để đạt đến mục tiêu này Vì thế, những mục tiêu của việc phát triển các mô hình nhân tố rủi ro gồm 2 phần:

 Giúp chúng ta hiểu và kiểm soát được những tổn thất của danh mục đối với bất cứ nhân

tố rủi ro đặc trưng nào

 Phương thức tối ưu hoá danh mục hoặc quản trị rủi ro

1.2.3 Tỷ suất sinh lợi hệ thống và việc đa dang hoá

Trước những năm 50, không hề có khái niệm về TSSL hệ thống TSSL là một sự tăng lên về giá trị của CK và rủi ro thì ngựợc lại là một sự giảm xuống Công cụ đầu tư chính của NĐT

là trực giác và phân tích tài chính là theo tầm nhìn Việc lựa chọn danh mục đơn giản chỉ là việc tập hợp một nhóm các chứng khoán “tốt” lại với nhau

Số chứng khoán trong danh mục )

Những lý thuyết của các nhà lý luận tài chính mang tính khoa học và thống kê hơn vào đầu những năm 50 Cũng vào lúc đó, chiến lược đầu tư được xem như là vấn đề nan giải Để hạn chế những TSSL không mong đợi, các nhà đầu tư đã đa dạng hoá DMĐT của mình bằng cách dùng những tài sản có TSSL cao để bù trừ cho những tài sản có TSSL thấp

Chúng ta biết đa dạng hóa tác động đến biểu hiện của rủi ro như thế nào Nó tính toán mức trung bình của rủi ro liên quan đến nhân tố và giảm đáng kể rủi ro đặc trưng của CK Tuy nhiên, việc đa dạng hóa không loại bỏ hoàn toàn rủi ro, vì các CK có khuynh hướng lên xuống cùng với thị trường Do đó, rủi ro thị trường hoặc rủi ro hệ thống không thể được loại

bỏ bằng việc đa dạng hóa

1.2.4 Những nền tảng của các mô hình đa nhân tố

CAPM giả định rằng chỉ có một nhân tố rủi ro từ nhiều phía khác nhau trong TSSL của CK

và phân loại nguồn của sự bất ổn thành những nhân tố hệ thống, không hệ thống của CK và những nhân tố đặc trưng Một danh mục thị trường đại diện có thể hoàn toàn loại trừ được những đặc tính của rủi ro trong các CK riêng lẻ Do đó, chỉ có rủi ro hệ thống của một CK riêng lẻ là có thể tác động đến toàn bộ rủi ro của danh mục Vì vậy chi phí rủi ro của một CK riêng lẻ có thể xác định độc lập bởi hệ số Beta của nó trên danh mục thị trường Nhưng trong thực tế, quan điểm của rủi ro đơn giản hoá quá mức không thể nắm bắt được sự dịch chuyển của thị trường vốn Ví dụ, qui mô của công ty là một nhân tố quan trọng của công ty đó Những NĐT đầu tư vào những công ty nhỏ, thì sẽ đa dạng hoá danh mục của họ bằng cách đầu tư thêm cổ phiếu vào doanh nghiệp lớn và ngược lại Giả định rằng tồn tại một chênh lệch kỳ hạn giữa những nhu cầu của các cổ phiếu nhỏ và lớn, điều này sẽ làm cho CK và TSSL mong đợi lệch so với những dự đoán của CAPM

Metron đã phát triển CAPM đa nhân tố xuất phát từ nhu cầu của các CK liên quan đến vòng đời của nó Trong khi đó CAPM đơn nhân tố chỉ có dự báo rủi ro thị trường mới tác động tới TSSL Những nguồn chung của rủi ro có thể ảnh hưởng đến TSSL của CK như qui mô, giá trị hay sự bất ổn của công ty và nền công nghiệp của quốc gia đó Theo kinh nghiệm, kiểm định hiệp phương sai của mô hình đơn nhân tố đo lường nhân tố trong TSSL của CK có thể qui cho sự biến đổi trong TSSL thị trường Vì vậy, từ kinh nghiệm nghiên cứu, một mô hình đa nhân tố được ưa chuộng hơn mô hình đơn nhân tố

1.3 Các mô hình cấu trúc rủi ro

1.3.1 Mô hình định giá tài sản vốn

Trước tiên, ta sẽ nói sơ qua về Mô hình chéo nhân tố đơn: là mô hình ấn định mỗi cổ phiếu

có hai thành phần rủi ro rủi ro thị trường và rủi ro thặng dư

Đây là mô hình tiền thân của CAPM Mô hình này bắt đầu phân tích TSSL như sau:

Mô hình này giả định rằng TSSL không tương quan với nhau, và vì thế hiệp phương sai sẽ:

Trong đó: n: TSSL thặng dư của cổ phiếu n

 n: Rủi ro thặng dư của cổ phiếu n

 n : beta của cổ phiếu n

m : beta của cổ phiếu m

r n :TSSL của cổ phiếu n

r : TSSL của cổ phiếu m m

Khi nhà quản trị đầu tư vào tiền tệ hiểu biết hơn, điều này sẽ dẫn đến việc nhận biết được những khái niệm cơ bản của quá trình phân tích đầu tư Mô hình định giá tài sản vốn (CAPM) là phương pháp mô tả mối quan hệ cân bằng giữa rủi ro TSSL và rủi ro hệ thống Giả định cơ bản của CAPM là các NĐT sẽ không được đền bù bằng việc thực hiện đa dạng hóa rủi ro (thặng dư) CAPM giả định rằng TSSL thặng dư mong đợi là bằng 0, trong khi TSSL hệ thống mong đợi thì lớn hơn hoặc gần bằng 0

“Chỉ có những rủi không đa dạng hóa mới tạo ra khoảng chênh lệch”.(William F Sharpe, 1964) Mô hình định giá tài sản vốn:

Hình 3-1

.

, cov rn rm  nm M

2 2

2 2

DM thị trường TSSL

Beta TSSL

Phi rủi ro

Mô hình định giá tài sản vốn: Giả định rằng TSSL vượt trội mong đợi của các CK tỷ lệ với

hệ số rủi ro hệ thống, hay Beta Danh mục thị trường được mô tả bởi Beta đơn nhất

Thước đo biểu hiện rủi ro hệ thống của danh mục được gọi là Beta (β) Beta là độ biến động hay độ nhạy cảm của một CK hay danh mục đối với những biến động của thị trường Đơn giản hơn, Beta là một khái niệm quan trọng được dùng để đánh giá rủi ro hệ thống của một tài sản TSSL và những chi phí cho rủi ro của bất kỳ một CK hoặc một danh mục nào cũng đều liên quan đến Beta, biểu hiện rủi ro không hệ thống do không đa dạng hóa được

E(r i ˜) – r f = i *E [r m˜-rf]

Trong đó : r˜ i : Tỷ suất sinh lợi trên tài sản i

r f : Tỷ suất sinh lợi phi rủi ro

r m : Tỷ suất sinh lợi của danh mục thị trường

i =

(rm˜)Var

rm˜)Cov(ri˜,

CAPM dễ sử dụng và bắt đầu phân chia thành những thành phần của rủi ro Tuy nhiên, mô hình đơn nhân tố đơn giản này không hoàn chỉnh Nó loại trừ rủi ro mà phát sinh từ những nguồn nhân tố chung

1.3.2 Lý thuyết kinh doanh chênh lệch giá

Trước những năm 70, các NĐT nhận ra rằng những tài sản có những đặc tính tương tự nhau thì có khuynh hướng phản ứng theo những cách giống nhau Nhận xét này được tìm thấy trong Lý thuyết kinh doanh chênh lệch giá (APT) APT giả định rằng TSSL mong đợi của

CK và danh mục gần như liên quan đến những TSSL của một số các nhân tố hệ thống cơ sở chưa biết

APT có những giới hạn của riêng Trong khi nó diễn tả một mô hình phân tích rủi ro đa nhân

tố nhưng lại không chỉ rõ những nhân tố được sử dụng Hơn nữa, APT không xác định được

tỷ trọng của những nhân tố khác nhau hoặc không đưa ra được phương pháp để tính toán những biểu hiện Chính vì điều đó mà các NĐT phải dựa vào một mô hìmh đa nhân tố thiết thực và thuộc về trực giác

“Mô hình chênh lệch giá đưa ra một sự thay thế đối với biến đổi trung bình của mô hình định giá tài sản vốn” (Stephen A Ross, 1976 Arbitrage Pricing Theory)

Các công ty có những đặc tính tương tự nhau trong thời gian 1 tháng tạo ra những TSSL khác hẳn với các công ty khác Nền tảng của sự khác nhau này cho thấy sự liên quan đến các nhân

tố Barra Rosenberg, 1974 Multiple Factor Models

1.3.3 Các mô hình đa nhân tố

Mô hình đa nhân tố là gì?

Sự phát triển của mô hình đa nhân tố song song cùng với sự phát triển của lý thuyết APT Các mô hình đa nhân tố giúp chia rủi ro thặng dư thành rủi ro đặc trưng và rủi ro nhân tố chung, phát triển theo hướng chọn và ước tính những nhân tố mà tác động đến các TSSL mong đợi và rủi ro của một CK hoặc danh mục, điều này APT không mô tả được Những mô hình này cung cấp một sơ đồ để phát triển các công cụ đo lường rủi ro, cơ cấu danh mục và những thuộc tính biểu hiện

Các mô hình đa nhân tố trình bày rõ ràng về những mối quan hệ giữa các TSSL CK trong một danh mục Nền tảng cơ bản của các mô hình đa nhân tố là những CK tương tự nhau nên thể hiện những thuộc tính giống nhau “Sự tương tự” này được định nghĩa là những thuộc tính của tài sản mà dựa trên những thông tin của thị trường, như giá cả và số lượng hoặc dữ liệu cơ bản có nguồn gốc từ bảng cân đối kế toán và báo cáo thu nhập

Các mô hình đa nhân tố xác định được các nhân tố chung và đưa ra được độ nhạy cảm của TSSL đối với những mong đợi về những nhân tố này Việc đánh giá đặc điểm của rủi ro không liên quan gì đến TSSL nhân tố chung và TSSL đặc trưng Đặc điểm này của rủi ro sẽ phản ứng ngay lập tức đối với những thay đổi của các thông tin nền tảng

Các mô hình đa nhân tố hoạt động như thế nào?

Các mô hình đa nhân tố dựa trên nền tảng là các CK được quan sát theo thời gian Những bước khó khăn chỉ ra những nền tảng đó và sau đó là nhận dạng chúng với những thuộc tính của tài sản mà các NĐT có thể hiểu được Các thuộc tính của tài sản là những đặc điểm tiêu biểu liên quan đến sự dịch chuyển giá của CK, như là các đặc điểm của ngành

Trong bước phát triển mô hình này thì rủi ro và TSSL mà không có tương quan với nhau sẽ được tách biệt Thật quan trọng khi những mô hình này bao gồm luôn cả những nguồn của

rủi ro và TSSL nhưng phải loại trừ những đặc điểm thuộc tính có thể ảnh hưởng đến quá trình phân tích

Việc tính toán rủi ro là bước cuối cùng trong việc xây dựng một mô hình hữu dụng Phương sai, hiệp phương sai và mối tương quan giữa các nhân tố được ước lượng và tính toán Các NĐT dựa vào việc tính toán rủi ro để quyết định việc lựa chọn các CK, phân bổ danh mục đầu tư và các chiến lược đầu tư khác Những quyết định của các NĐT dựa trên những thông tin có được từ việc phân tích mô hình kết hợp với những mong đợi về TSSL mà họ có được

từ những nguồn nghiên cứu khác

Ưu và nhược điểm cuả các mô hình đa nhân tố

Có một vài ưu điểm trong việc sử dụng các mô hình đa nhân tố cho việc phân tích chứng khoán và danh mục:

 Các mô hình đa nhân tố đã đưa ra được sự phân chia về rủi ro Chính vì vậy, một hệ thống phân tích hoàn chỉnh biểu hiện của rủi ro sẽ được hình thành

 Vì nền kinh tế phát triển một cách có logic nên các mô hình đa nhân tố sẽ không đơn thuần là những phân tích thuộc về lịch sử

 Các mô hình đa nhân tố là những mô hình mà có thể phản ứng với những tác nhân kinh tế bên ngoài

 Khi nền kinh tế và các công ty thay đổi thì các mô hình đa nhân tố sẽ thích ứng bằng cách phản ứng với những thay đổi

 Các mô hình đa nhân tố tách biệt tác động của những nhân tố riêng lẻ, cung cấp quá trình phân tích phân khúc giúp đưa ra những quyết định đầu tư tốt hơn

 Từ việc xem xét những ứng dụng, ta thấy các mô hình đa nhân tố đúng, dễ sử dụng và dễ hiểu đối với các NĐT

 Cuối cùng, các mô hình đa nhân tố là những mô hình linh động cho phép một số lượng lớn các NĐT tham khảo và sử dụng

Dĩ nhiên, các mô hình đa nhân tố có những hạn chế nhất định Mặc dù chúng dự báo được một tỷ lệ lớn về rủi ro nhưng chúng không thể giải thích được tất cả Thực tế là mô hình sẽ không đưa ra được việc lựa chọn cụ thể những CK nào mà chính các NĐT sẽ là người đưa ra những chiến lược lựa chọn riêng cho mình

Những công thức tính toán mô hình

r˜ j = X j * f˜ + u˜

Những mô hình đa nhân tố xây dựng dựa trên những mô hình đơn nhân tố bằng cách tính tóan và mô tả mối tương quan giữa các nhân tố Với những mô hình đơn nhân tố thì việc tính toán mà mô tả mức vượt trội của tỷ suất sinh lợi là:

r˜ j : Tổng tỷ suất sinh lợi vượt trội trên tỷ suất sinh lợi phi rủi ro

X j : Độ nhạy cảm của chứng khoán j đối với nhân tố

f˜ : Mức tỷ suất sinh lợi trên nhân tố

u˜ j : Tỷ suất sinh lợi phi nhân tố (đặc trưng) trên chứng khoán j

Chúng ta có thể mở rộng mô hình này đối với K nhân tố Công thức tính tổng tỷ suất sinh lợi vượt trội cho mô hình đa nhân tố trở thành:

(CT 1)

Trong đó :

Xjk : Biểu hiện rủi ro của chứng khoán j đối với nhân tố k f˜k : Mức tỷ suất sinh lợi đối với nhân tố k

Chú ý rằng khi k=1, công thức tính toán của mô hình đa nhân tố là mô hình đơn nhân tố Ví

dụ, CAPM là một mô hình đơn nhân tố mà TSSL “thị trường” chỉ liên quan đến một nhân tố duy nhất

Khi một danh mục bao gồm chỉ một CK thì công thức (CT 1) mô tả TSSL vượt trội của nó Nhưng hầu hết các danh mục bao gồm nhiều CK, mỗi CK chiếm một tỷ lệ hay một tỷ trọng của toàn bộ danh mục Khi các tỷ trọng h 1, h 2,…., hpn phản ánh các tỷ lệ của N CK trong danh mục P thì chúng ta biểu diễn TSSL vượt trội theo công thức sau:

1

Xjk

Công thức này bao gồm rủi ro từ tất cả các nguồn và đặt nền tảng cho việc phân tích các mô hình đa nhân tố

Dự báo rủi ro bằng các mô hình đa nhân tố

Các NĐT nhìn vào phương sai của toàn bộ danh mục để đưa ra một sự đánh giá tổng quát về rủi ro Để tính toán phương sai của một DM, ta cần phải tính toán tất cả hiệp phương sai của những thành phần tạo nên nó

Ngoài cái cốt lõi của mô hình đa nhân nhân tố, việc ước tính hiệp phương sai của mỗi tài sản với mỗi tài sản khác rất phức tạp và gây ra những sai số đáng kể trong quá trình ước tính Ví

dụ, việc sử dụng một tập hợp ước tính của 1.600 tài sản sẽ có 1.280.800 hiệp phương sai và phương sai phải tính toán (xem Hình 3-2):

(Hình 3-2)

Một mô hình đa nhân tố đơn giản hóa những tính toán này một cách đáng kể Điều này có được là do việc sử dụng những đặc điểm chung (nhân tố) để thay thế cho những đặc tính của các công ty riêng lẻ thông qua các cách phân loại Vì rủi ro đặc trưng được giả định là không tương quan giữa các tài sản nên chỉ có những phương sai và hiệp phương sai của các nhân tố mới cần được tính toán trong suốt quá trình ước tính mô hình

( Hình 3-3)

Ma tr n hi p

ph ng sai v i N=1600 tài s n, có 1.280.000 tài s n và

ph ng sai c n

v(1,1) v(1,2) … v(1,n) v(2,1) v(2,2) … v(2,n) v(3,n) v(3,2) … v(3,n)

Ma tr n t tr ng c a các nhân Vector c a các TSSL v t tr i

Vector c a các TSSL c tr ng Vector c a các TSSL nhân t

Ma tr n t tr ng c a các nhân Vector c a các TSSL v t tr i

Quá trình tính toán TSSL nhân tố Sử dụng một mô hình đa nhân tố để đơn giản hóa quá trình tính toán Hình (3-3) mô tả mô hình đa nhân tố bằng ma trận được trình bày bằng các nhân

tố, một số ước tính sẽ được giảm xuống một cách đáng kể

Ví dụ, trong GEM-MSCI, có 90 nhân tố (ngọai trừ nhân tố tiền tệ) gồm 48 nhân tố thị trường nội địa, 38 nhân tố ngành và 4 chỉ số rủi ro, chúng sẽ bao phủ được toàn bộ những đặc tính rủi ro của nguồn vốn chủ sở hữu Con số tính toán phương sai và hiệp phương sai sẽ được giảm xuống chỉ còn 4.095 (xem Hình 3-4) Hơn nữa, vì có thêm một vài tham số để xác định nên chúng có thể được ước tính với độ chính xác cao hơn

Trong những mô hình rủi ro đa quốc gia, biểu hiện của tiền tệ sẽ tác động đến rủi ro Trong GEM, việc tính toán các TSSL tiền tệ là bước cuối cùng trong việc tính toán ma trận hiệp phương sai Để đơn giản, chúng ta tính toán ma trận hiệp phương sai trước khi thêm vào những tác động của tiền tệ

Chúng ta có thể dễ dàng xác định được những tính toán đại số của ma trận, điều này hỗ trợ

và liên kết với những sơ đồ trên bằng việc sử dụng mô hình đa nhân tố Từ hình (3-3), chúng

ta sẽ bắt đầu bằng công thức tính toán mô hình đa nhân tố:

r˜ i = Xf˜ + u˜

r˜ i : Tỷ suất sinh lợi trên tài sản

X : Bỉêu hiện của hệ số trên nhân tố f˜ : Tỷ suất sinh lợi nhân tố, và

u˜ : Tỷ suất sinh lợi đặc trưng

Hình thành mối quan hệ này theo công thức tính toán cơ bản, chúng ta thấy rằng:

X : Trình bày về ma trận của các công ty dựa trên các nhân tố

F : Ma trận hiệp phương sai của các nhân tố

X T: Nghịch đảo của ma trận X, và

 : Ma trận nghịch đảo của những phương sai đặc trưng Đây là công thức tính toán cơ bản xác định những tính toán bằng ma trận được sử dụng trong việc phân tích rủi ro trong Mô hình vốn toàn cầu

1.4 Mô hình GEM

Những chức năng chính của mô hình GEM là dự báo rủi ro và giải thích TSSL Mô hình này cũng giống như những mô hình đa nhân tố khác là phân tích biểu hiện của rủi ro dựa trên các nhân tố được nhận biết bởi BARRA Những nhân tố chung này phân loại các biểu hiện của một DM thông qua những nhân tố thuộc về “phong cách” (như quy mô và thành công) hay còn gọi là nhân tố trực giác, thị trường nội địa và phân loại ngành, cung cấp những thông tin hữu dụng về cơ cấu của danh mục GEM chứa đựng một mô hình riêng biệt mà phân tích rủi

ro theo nhân tố tiền tệ

1.4.1 Phát triển mô hình ( Mô hình Barra)

Phát triển mô hình là cả một nghệ thuật và khoa học Nghệ thuật chính là sự chọn lựa những nhân tố chung mà sẽ phản ánh một cách rõ ràng những biểu hiện của rủi ro trong danh mục Quá trình chọn lựa này phải kết hợp giữa kinh nghiệm, phán đoán và cả kiểm định nữa Còn tính khoa học của việc phát triển mô hình chính là quá trình tính toán các TSSL nhân tố Các hiệp phương sai của những TSSL này là tập hợp của những ma trận hiệp phương sai được sử dung trong quá trình phân tích rủi ro, được giải thích trong phần “Quá trình phát triển của các mô hình rủi ro”

Công thức của mô hình vốn toàn cầu có nguồn gốc từ công thức mô hình đa nhân tố cơ bản

và biến đổi bao gồm các nhân tố BARRA (90 nhân tố và 46 loại tiền tệ theo phiên bản MSCI,

và 93 nhân tố và 51 loại tiền theo phiên bản FT của tháng 3 năm 1998)

1 46

1

)(),()

(),()

(),(

i j

k

i q i n z j

g j n y k

h k n

1 51

1

)(),()

(),()

(),(

i j

k

i q i n z j

g j n y k

h k n

b + e(n)

(vượt trội địa phương) (quốc gia) (ngành) (chỉ số rủi ro) (đặc trưng)

GEM-FT

Trong đó: Rl(n) : Tỷ suất sinh lợi nội địa đối với tài sản

Rfl(n): Mức phi rủi ro nội địa trong nứơc của tài sản, b(n,k): Biểu hiện của n tài sản đối với k nhân tố quốc gia, y(n,j): Biểu hiện của n tài sản đối với j nhân tố ngành,

z(n,i): Biểu hiện của n tài sản đối với i chỉ số rủi ro h(k) : TSSL đối với k nhân tố quốc gia,

g(j) : TSSL đối với j nhân tố ngành q(i) : TSSL đối với i chỉ số rủi ro e(n) : TSSL đặc trưng của n tài sản

Các chỉ số rủi ro

Mô hình GEM bao gồm 4 chỉ số rủi ro mà xác định những thuộc tính tiêu biểu chung giữa các công ty trong việc phân tích danh mục Chúng cung cấp thông tin so sánh đã đựơc nghiên cứu về các nguồn của rủi ro một cách dễ dàng Giá trị tuyệt đối của chỉ số càng cao thì sự ảnh hưởng đối với toàn bộ rủi ro danh mục của nhân tố càng lớn

Dưới đây là những chỉ số rủi ro mà chúng ta cần tìm hiểu:

1 Quy mô: chỉ số này giúp đánh giá công ty dựa trên sự vốn hoá thị trường để phân biệt sự khác nhau giữa những công ty lớn và công ty nhỏ Chỉ số rủi ro này là một yếu tố điển hình về tình hình qua các năm và cũng chính là một nguồn quan trọng về rủi ro

2 Đà phát triển (Thành công): sẽ xác định những CK tốt nhất gần đây thông qua những biểu hiện về giá thị trường được đánh giá bởi cường độ tương đối Cường độ tương đối của một CK quan trọng trong việc giải thích độ biến động của nó

3 Giá trị: đánh giá mức độ mà một CK được định giá thấp hơn so với thị trường, điều này liên quan đến chỉ tiêu cơ bản nhưng cụ thể như cổ tức,dòng tiền, giá trị sổ sách…

4 Sự biến động của thị trường: dự báo độ biến động của một công ty, trừ thị trường, dựa trên những ứng xử của nó trong quá khứ

Các thị trường nội địa

Khi đánh giá những DM quốc tế, một nhà quản lý phải xem xét những tác động của các ngành và thị trường nội địa Trong Mô hình vốn toàn cầu, những tác động của thị trường nội địa giải thích rủi ro của DM nhiều hơn là các phân loại ngành

Với một loạt các thị trường nội địa được trình bày vào tháng 3 năm 1998, gồm bảng 4-1 (GEM-MSCI) và bảng 4-2 (GEM-FT)

Bảng 4-1:

AUS Australia MAL Malaysia

Bảng 4-2:

CZE Czech Republic PHI Philippines

DEN Denmark POL Poland

Bằng việc phân tích theo từng vùng, GEM cũng cho phép người sử dụng nhóm các quốc gia thành những quốc gia tùy thích Trong GEM-MSIC, các quốc gia mà BARRA đã chọn mặc định là: Americas, Europe, Europe/Australia/Far East, Far East, Mideast / Africa, and Pacific Rim Trong GEM-FT, các quốc gia BARRA đã mặc định chọn là: Asia, Europe, Latin America, North America, and Pacific Basin Những quốc gia được chọn mặc định này được

sử dụng trong việc trình bày mô hình của BARRA và cũng được dùng cho quá trình phân tích rủi ro

Bảng 4-3: Những phân loại ngành trong GEM-MSCI

1 Năng lượng 20 Thực phẩm và sản phẩm gia dụng

2 Cung cấp gas và điện 21 Y tế và chăm sóc sức khỏe

3 Nguyên vật liệu xây dựng 22 Tái tạo

Có 36 ngành trong GEM-FT (xem Bảng 4-4) Những phân loại ngành này được dựa trên những phân loại của Financial Times

Bảng 4-4: Những phân loại ngành trong GEM-FT

5 Công nghệ giấy 24 Truyền thông và in ấn

6

Khai thác kim loại không chứa

7 Khai thác kim loại thép 26 Giải khuây và du lịch

8 Khai thác quặng 27 Cửa hàng bách hóa

9 Không gian và quân đội 28 Điện thoại

10 Xây dựng và nhà cửa 29 Hàng không

11 Tái xuất dữ liệu 30 Vận chuyển-Đường sắt và đường bộ

12 Điện và các ngành thuộc về điện 31

Vận chuyển-Đường biển và đường sông

13 Thiết bị điện nặng 32 Bán lẻ và thương mại quốc tế

14 Thiết bị và dịch vụ năng lượng 33 Ngân hàng

15 Công nghiệp phụ tùng 34 Dịch vụ tài chính

16 Máy móc và công nghệ 35 Bảo hiểm

17 Dụng cụ và thiết bị nhà cửa 36 Bất động sản

19 Đồ uống và thuốc lá 38 Khai thác than

1 Thương mại và ngân hàng khác 19

Các dịch vụ kinh doanh và phần mềm hoặc dịch vụ máy tính

2 Tổ chức và dịch vụ tài chính 20 Bán lẻ

3

Bảo hiểm-Nhân thọ và đại lý/môi

4 Bảo hiểm-Tài sản & tai nạn 22 Hàng tiêu dùng

6 Công ty nắm giữ việc đa dạng hóa 24 Máy tính / Điện thoại và thiết bị văn phòng

8 Các nguồn năng lượng khác 26 Điện và các thiết bị điện / Thiết bị kiểm soát

10 Vận chuyển và lưu kho 28 Công nghiệp nặng và đóng tàu

12 Dụng cụ và thiết bị nhà cửa 30 Các ngành công nghiệp khác

13 Công nghệ thêu và dệt may 31 Kiến trúc và xây dựng

14 Đồ uống và thuốc lá 32 Hóa phẩm

15 Y tế và chăm sóc sức khỏe 33 Than

Những ngành này cũng có thể được kết hợp trong các lĩnh vực kinh tế

Bảng 4-5: Những lĩnh vực kinh tế GEM-MSIC và GEM-FT

1 Năng lượng 1 Tài chính, bảo hiểm, bất động sản

2 Nguyên vật liệu 2 Năng lượng

3 Thiết bị sản xuất 3 Tiện ích công cộng

4 Hàng hoá tiêu dùng 4 Vận chuyển và kho bãi

Tiền tệ Achentina và Brazil bị loại trừ vì những tỷ giá hối đoái trong quá khứ biến động mạnh Các tài sản ở những quốc gia này được tính theo USD; điều này đưa đến việc đánh giá ổn định hơn (bảng 4-6)

Bảng 4-6: Liệt kê các loại tiền tệ được sử dụng trong Mô hình vốn toàn cầu

16 Thực phẩm và sản phẩm gia dụng 34 Khai thác quặng và kim loại

17 Giải trí / giải khuây / đồ chơi 35 Công nghệ giấy

Version

FT Version

Version

FT Version

2 Australian schilling   28 Dutch guildar  

3 Belgian franc   29 New Zealand

dollar

6 Chinese

yuan(renminbi)

7 Colombian peso   33 Peruvian new sol  

Một cái nhìn tổng quan

Việc tạo ra một mô hình rủi ro của nguồn vốn chủ sở hữu tổng quát là một quá trình cụ thể, sâu rộng về việc quýêt định những nhân tố mô tả các tỷ suất sinh lợi của tài sản Việc ước tính mô hình liên quan đến một loạt những bước phức tạp được tóm tắt bởi một chuỗi các bước trong Bảng 4-7

Bảng 4-7: Quá trình ước tính mô hình được tóm tắt theo bảng sau:

13 German

deutschmark

14 Greek drachma   40 South African rand  

15 Hong Kong dollar   41 Spanish peseta  

16 Hungarian forint   42 Sri Lanka rupee  

Bước đầu tiên trong việc ước tính mô hình là thu thập và xử lý dữ liệu Thông tin thị trường được sử dụng, như giá cả, tỷ suất sổ tức, và sự vốn hóa Việc tái cấu trúc vốn và những sự kiện điển hình khác được sử dụng để đưa ra những sự so sánh đồng nhất trong cùng thời kỳ GEM sử dụng dữ liệu từ nhiều nguồn, bao gồm Morgan Stanley (trong GEM-MSCI), Financial Times (trong GEM-FT), thậm chí là những nguồn dữ liệu nội địa và trong khu vực

Việc lựa chọn chỉ số rủi ro

Điều này liên quan đến việc chọn biến mô tả tốt nhất những thuộc tính rủi ro của tài sản Để quyết định tài sản nào biểu hiện phần rủi ro nào theo cách hiệu quả nhất thì các chỉ số rủi ro phải được kiểm định theo ý nghĩa thống kê Một chỉ số rủi ro được sử dụng trong mô hình nếu nó: (1) dự báo được Beta, (2) xác định được những nguồn của TSSL ngoại lệ trong quá khứ, hoặc Alpha, hoặc (3) đánh giá được nguồn của độ biến động thặng dư

Tiếp theo, việc phân loại ngành và thị trường nội địa được gắn với mỗi tài sản trong quá trình ước tính Chỉ số vốn quốc tế thế giới Morgan Stanley (MSWLD) trong GEM-MSCI và Chỉ

số thống kê thế giới Financial Times (FTWLD ) trong GEM-FT Theo các hồi quy mẫu tiêu biểu của phần này thì những TSSL nhân tố của các chỉ số rủi ro và các nhân tố ngành sẽ được tính toán Những TSSL nhân tố này được kết hợp với các TSSL chỉ số quốc gia sẽ tạo ra một

ma trận hiệp phương sai Các hiệp phương sai giữa các nhân tố sẽ được sử dụng để dự báo rủi ro

Theo quan điểm này, nhân tố tiền tệ lại được đưa vào quá trình ước tính mô hình Các biến động và những mối tương quan tiền tệ sẽ được tính toán một cách độc lập và sau đó được thêm vào ma trận hiệp phương sai

Quá trình ước tính mô hình

1 Thu thập dữ liệu

2 Tính toán chỉ số rủi ro

3 Định nghĩa ngành

4 Lựa chọn thị trường noi dia

5 Ước tính tỷ suất sinh lợi nhân tố 6.Tính toán ma trận hiệp phương sai 7.Ước tính rủi ro tiền tệ

8.Dự báo rủi ro đặc trưng

9 Kiểm định mô hình

TSSL đặc trưng không phụ thuộc vào các TSSL nhân tố và được ước tính bằng việc sử dụng một mô hình riêng biệt Đây là một phần của toàn bộ rủi ro mà chỉ liên quan đến một CK cụ thể và không thể được giải thích bởi các nhân tố Rủi ro đặc trưng của một tài sản càng lớn thì tỷ lệ TSSL bị ảnh hưởng bởi đặc trưng hoặc thuộc tính của công ty càng nhiều chứ không phải là các nhân tố chung

Cuối cùng mô hình cũng đi đến bước kết thúc là kiểm định Những dự báo về rủi ro được kiểm định ngược lại so với những mô hình tương tự Những kiểm định này bao gồm những đánh giá về dự báo của beta, rủi ro đặc trưng và rủi ro năng động Bảng 4.8:

Bảng này mô tả quá trình ước tính mô hình Các TSSL nhân tố và tiền tệ hình thành nên ma trận hiệp phương sai được sử dụng để dự báo rủi ro Rủi ro đặc trưng được ước tính một cách riêng biệt

Sự bình thường hóa là quá trình thiết lập các biến ngẫu nhiên theo một phạm vi đồng bộ, và cũng được gọi là sự tiêu chuẩn hóa mà một hằng số (thường là giá trị trung bình) được trừ từ mỗi số đối với một số mà biến đổi một cách đồng bộ Sau đó, mỗi số được chia bởi một hằng

số khác (thường là độ lệch chuẩn) để tạo ra phương sai

Sự tinh giản độ lệch chuẩn

Sự tinh giản độ lệch chuẩn liên quan đến việc bỏ bớt một số những độ lệch chuẩn cố định (thường là 3) từ giá trị trung bình Điều này ngăn cản những sự việc không bình thường do chịu ảnh hưởng bất thường của các dự báo

Lựa chọn và tiêu chuẩn hóa chỉ số rủi ro

Lựa chọn chỉ số rủi ro là một quá trình mang tính định tính rất lớn, phụ thuộc rất nhiều vào việc kiểm định định lượng Đầu tiên, các chỉ số rủi ro được xác định sơ bộ Những chỉ số tốt thì mang ý nghĩa riêng; đó là, chúng dựa trên những thuộc tính tài sản phổ biến và được chấp nhận rộng rãi Hơn nữa, chúng đại diện cho những thuộc tính danh mục điển hình trong các thị trường nội địa

Những chỉ số rủi ro được lựa chọn phải có một sự lý giải mang tính lý thuyết cho phần kết luận của mô hình Chúng phải hữu ích trong việc dự báo rủi ro và phải dựa trên dữ liệu có sẵn, chính xác và kịp thời Nói cách khác thì mỗi chỉ số rủi ro được đưa vào đều phải có giá trị đối với mô hình

Các TSSL nhân tố của chỉ số rủi ro phải được tính toán và bình thường hóa – đó là, được tiêu chuẩn hóa với mong đợi nhằm đa dạng hóa ước tính bằng việc sử dụng các giá trị trung bình theo tỷ trọng vốn và độ lệch chuẩn gia quyền Quá trình bình thường hóa được tóm tắt bằng công thức sau:

Chỉ số rủi ro được bình thường hóa =[dữ liệu ban đầu] - [sự vốn hóa - giá trị trung bình

theo tỷ trọng] / độ lệch chuẩn theo tỷ trọng bằng nhau

Việc tiêu chuẩn hóa chỉ số rủi ro có giá trị bằng 0 tại giá trị trung bình theo tỷ trọng vốn hóa của các công ty trong mỗi thị trường nội địa Giá trị này được xác định để một đơn vị thì bằng với một độ lệch chuẩn mẫu tiêu biểu của biến đổi giữa các tài sản trong mỗi thị trường nội địa (xem Hình 4.1) Với việc ước tính mô hình, giá trị tuyệt đối của độ lệch chuẩn của một biểu hiện nhân tố nên là giữa 0 và 4 Nếu giá trị là giữa 4 và 10 thì biểu hiện nhân tố

được chỉnh sửa bớt đến khoảng (- 4;+4) trong suốt quá trình tinh giản bớt độ lệch chuẩn; các giá trị lớn hơn 10 sẽ bị loại bỏ Việc bỏ sót các giá trị sẽ dẫn tới 0

Hình 4-1:

Sự tiêu chuẩn hóa các chỉ số rủi ro

Sự tiêu chuẩn phù hợp với các chỉ số rủi ro theo một phạm vi đồng bộ Các chỉ số rủi ro được bình thường hóa trong các thị trường nội địa với giá trị trung bình của vốn tiến đến 0 Trong hình này thì d bằng với độ lệch chuẩn mẫu tiêu biểu cân bằng về tỷ trọng

Xác định ngành

Mô hình vốn toàn cầu phân chia tài sản theo các phân loại ngành bằng cách sắp xếp dữ liệu ngành theo phân loại của Morgan Stanley hoặc Financial Times GEM phân chia mỗi chứng khoán theo một ngành riêng Những biểu hiện rủi ro ngành cho thấy phần trăm giá trị của

toàn danh mục trong mỗi phân loại ngành

Cũng giống như các chỉ số rủi ro, các ngành là những nhân tố toàn cầu - đó là, chúng phản ứng một cách tương tự trong các thị trường nội địa Các TSSL nhân tố được tính toán để đo lường các tác động ngành chứ không phải là tất cả các nhân tố khác Những TSSL nhân tố này được sử dụng để tạo ra ma trận hiệp phương sai

Ước tính tỷ suất sinh lợi nhân tố

Những bước đầu tiên đã xác định được các biểu hiện của mỗi tài sản đối với các nhân tố vào đầu mỗi thời kỳ trong quá trình ước tính Những TSSL nhân tố vượt trội ở mỗi thời kì sau đó được sử dụng theo một mô hình hồi quy mẫu tiêu biểu của các TSSL vượt trội của tài sản theo các biểu hiện của các nhân tố có liên quan:

Phân ph i trong

th tr ng n i

Ch s r i ro chu n

Trung bình t trng vn hoá

r˜ t = X t f˜ t + u

Trong đó: r˜ t : Những TSSL vượt trội đối với mỗi tài sản

X t : Biểu hiện ma trận của các tài sản đối với các nhân tố

f˜ t : Các TSSL nhân tố được ước tính

ut : Các TSSL đặc trưng Các TSSL nhân tố có được là những ước tính thiết thực được sử dụng để tính toán một ma trận hiệp phương sai các nhân tố mà dùng trong các bước ước tính mô hình ban đầu

Tính toán ma trận hiệp phương sai

Cách đơn giản nhất để tính toán ma trận hiệp phương sai các nhân tố là tính các hiệp phương sai mẫu trong toàn bộ các TSSL nhân tố được ước tính Hàm ý của mô hình này là giả định rằng chúng ta đang mô hình hóa một quá trình ổn định, và do đó mỗi mốc thời gian sẽ chứa đựng thông tin liên quan tương ứng

Tuy nhiên, có chứng cứ cho rằng những mối tương quan giữa các TSSL nhân tố thì thay đổi Hơn nữa, một quá trình ổn định ẩn chứa một phương sai ổn định cho một danh mục đã được

đa dạng hóa tốt với những biểu hiện ổn định có liên quan đối với các nhân tố Có một chứng

cứ cần phải được xem xét là trong một vài thị trường thì độ biến động của các danh mục chỉ

số thị trường thường thay đổi Ví dụ, các thời kỳ có độ biến động cao thường sẽ được tiếp nối bởi các thời kỳ tuơng tự Việc thay đổi những mối tương quan giữa các TSSL nhân tố và việc thay đổi độ biến động của các DM thị trường thì trái ngược với giả định ổn định làm cơ sở cho một ma trận hiệp phương sai đơn giản

Chúng ta hãy nới lỏng giả định ổn định của ma trận hiệp phương sai theo 2 cách:

 Đầu tiên là bằng việc tính toán hiệp phương sai giữa các TSSL nhân tố, chúng ta sẽ xác định thêm tỷ trọng của các quan sát gần đây mà có liên quan đến các quan sát liên tục trong quá khứ

 Thứ hai, chúng ta sẽ sử dụng các kỹ thuật GARCH để tạo ra ma trận hiệp phương sai nhân nhằm dự báo biến động về các danh mục quốc gia đã được lựa chọn để có thể so sánh được khi mà các mô hình đơn quốc gia của chúng sẽ tạo ra

Tỷ trọng theo số mũ

Giả định chúng ta cho rằng các quan sát mà xảy ra cách đây 60 tháng sẽ chiếm một nửa tỷ trọng các quan sát hiện tại Thể hiện bằng thời kỳ T hiện hành và bất kỳ thời kỳ t nào trong

quá khứ, t=1,2,3,…,T-1, T và để cho δ = 51/60 Nếu chúng ta phân bổ một tỷ trọng của δT  tđối với quan sát t, sau đó là một quan sát mà đã xảy ra cách đây 60 tháng sẽ chiếm một nửa

tỷ trọng của quan sát hiện tại, và một quan sát mà đã xảy ra cách đây 120 tháng sẽ chiếm ¼

tỷ trọng của quan sát hiện tại Vì vậy, sơ đồ tỷ trọng của chúng ta sẽ cho ra các tỷ trọng mà giảm theo số mũ đối với các quan sát khi chúng giảm xuống trong quá khứ

Lựa chọn 60 tháng của chúng ta là theo ví dụ trên

Thêm nữa, chúng ta sẽ cho một quan sát mà cách đây nửa chu kỳ của các tháng sẽ chiếm một nửa tỷ trọng cuả quan sát hiện tại Sau đó, chúng ta sẽ cho:

δ = (5)1/HALFLIFE

và phân bổ tỷ trọng của: w(t) = δ T  t

Độ dài của phân nửa chu kỳ kiểm soát ma trận hiệp phương sai các nhân tố sẽ phản ứng nhanh như thế nào đối với các thay đổi gần đây trong các mối quan hệ thị trường giữa các nhân tố Tỷ trọng bằng nhau của tất cả các quan sát tương ứng với phân nửa chu kỳ = ∞ Phân nửa chu kỳ mà quá ngắn sẽ không có được các dữ liệu hiệu quả vào thời điểm bắt đầu của các bước Nếu quá trình hoàn toàn ổn định thì điều này sẽ làm giảm đi sự chính xác của các ước tính Các kiểm định của chúng tôi cho thấy rằng lựa chọn phân nửa chu kỳ sẽ thay đổi từ quốc gia này đến quốc gia khác Vì lý do đó mà chúng tôi sử dụng các giá trị khác nhau của chu kỳ phân nửa cho các mô hình đơn quốc gia khác nhau

Ma trận tương quan giữa các nhân tố trong GEM thì có tỷ trọng theo số mũ với một chu kỳ phân nửa của 48 tháng Các dự báo về độ biến động của các nhân tố thị trường ngành, rủi ro

và thị trường nội địa thì sử dụng một chu kỳ phân nửa 48 tháng có tỷ trọng theo số mũ, ngoại trừ các nước như Australia, Canada, Korea, South Africa, Taiwan, Thailand và các thị trường nội địa Anh, mà sử dụng các chu kỳ phân nửa phù hợp với các mô hình đơn quốc gia Các lựa chọn này được dựa trên kiểm định BARRA nội tại

Tính toán độ biến động thị trường (Các mô hình GARCH)

Có một bằng chứng đáng quan tâm là trong một vài thị trường thì độ biến động thị trường theo một chiều hướng đã được dự báo Chúng tôi phát hiện ra rằng các TSSL mà có TSSL lớn thì biến động theo thời gian hoặc độ biến động đó vẫn tiếp tục tồn tại Chúng tôi cũng nhận thấy rằng những sự phân chia TSSL của các tài sản thật sự thể hiện khả năng xảy ra các

tác động cao hơn là được dự báo bởi một sự phân chia bình thường bằng một độ biến động liên tục

Vấn đề tiếp theo là trình bày lý thuyết chung về mô hình GARCH

Một cách quan trọng, trình bày bằng TSSL thị trường r˜ t ở thời gian t, và phân chia nó thành

thành phần mong đợi E(r˜ t ) và một thành phần không mong đợi ε t

r˜ t = E(r˜m) + ε t

Việc quan sát độ biến động mà đã được xác định cho thấy rằng phương sai của tỷ suất sinh

lợi thị trường tại thời điểm t, Var ( r˜m) t , có thể được biểu diễn như sau:

mô hình

Các quốc gia trong GEM

Các biểu hiện của thị trường nội địa đo lường độ nhạy cảm danh mục của mình theo từng thị trường nội địa Biểu hiện của thị trường nội địa được tính toán bằng cách đa dạng hóa tỷ trọng của danh mục trong mỗi thị trường bằng nhân tố thị trường nội địa, một phiên bản của beta trong quá khứ được tính toán theo ý nghĩa thống kê có nguồn gốc từ thông tin tài sản đặc trưng Không giống như các biểu hiện về tiền tệ, các biểu hiện thị trường nội địa không phải

là những tỷ lệ phần trăm

Nghiên cứu của BARRA cho thấy rằng các nhân tố thị trường nội địa ảnh hưởng đến toàn bộ rủi ro của danh mục nhiều hơn là các nhân tố ngành Trong quá trình ước tính mô hình, các tỷ suất sinh lợi chỉ số quốc gia được sử dụng để xác định các TSSL thị trường nội địa trong quá trình tính toán ma trận hiệp phương sai

Ước tính rủi ro tiền tệ

Đầu tư một số tiền lớn sẽ liên quan đến 2 vấn đề: Một là tình hình của một tài sản trong thị trường nội địa của nó và hai là sự đánh cược về tiền tệ Để phân tích rủi ro vượt trội nội địa,

GEM xem xét các hiệp phương sai giữa các chỉ số rủi ro, các ngành và các quốc gia như đã được trình bày trong phần trên Các tỷ suất sinh lợi tiền tệ được tính toán cho mỗi tài sản sẽ

sử dụng công thức sau Các rủi ro và các mối tương quan mà có được từ những tỷ suất sinh lợi này sẽ được thêm vào ma trận hiệp phương sai

Tỷ suất sinh lợi tiền tệ = rx + rfl – rf

Trong đó: rx : Tỷ suất sinh lợi tỷ giá hối đoái

rfl : Tỷ suất thị trường nội địa phi rủi ro, và

rf : Tỷ suất phi rủi ri đáng kể Trong GEM, các biểu hiện của rủi ro tiền tệ là phần trăm tỷ trọng của việc nắm giữ ở mỗi quốc gia

1.4.3 Cập nhật mô hình:

Cập nhật mô hình là một quá trình trong đó dữ liệu thị trường gần đây nhất được sử dụng để tính toán các biểu hiện đối với các nhân tố của các CK riêng lẻ Ước tính những TSSL của tháng gần đây nhất và tính lại ma trận hiệp phương sai Các TSSL chỉ số quốc gia đựoc sử dụng để đánh giá thị trường nội địa

Dữ liệu gần đây nhất sẽ được thu thập và xử lý Các biểu hiện ngành và chỉ số rủi ro của mỗi công ty trong cơ sở dữ liệu sẽ đựợc tính toán Tiếp theo, một mô hình hồi quy mẫu tiêu biểu

sẽ được thực hiện trên các TSSL tài sản cho tháng đầu tiên Điều này tạo ra các TSSL nhân

tố được sử dụng để cập nhật ma trận hiệp phương sai Cuối cùng, thông tin đã được cập nhật này sẽ được đưa đến tay những người sử dụng phần mềm ứng dụng Barra