Ứng dụng value at risk trong đo lường rủi ro kinh doanh ngoại tệ tại các ngân hàng thương mại việt nam

Giá trị VaR tính được sẽ là cơ sở cho các quyết định đầu tư và quản trị rủi ro trong hoạt động kinh doanh ngoại tệ của các ngân hàng trong ngắn hạn.. Từ những kết quả đạt được và so sánh

ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KINH TẾ KHOA TÀI CHÍNH NGÂN HÀNG

-o0o -

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

ỨNG DỤNG VALUE AT RISK TRONG ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NGÂN

HÀNG THƯƠNG MẠI VIỆT NAM

Lớp: K46B-Tài chính Niên khóa: 2012 - 2016

Huế, 05/2016

Trường Đại học Kinh tế Đại học Huế

LỜI CẢM ƠN

Trong suốt thời gian thực tập vừa qua, dưới sự hỗ trợ tận tình của giáo viên hướng dẫn, được phía nhà trường và ngân hàng tạo điều kiện thuận lợi về thời gian và cơ sở thực tập, em đã có cơ hội học hỏi được nhiều kinh nghiệm thực tế đáng quý, cũng như đã góp phần củng cố giữa kiến thực được học và áp dụng vào công việc tại lĩnh vực ngân hàng Qua đó, em xin gửi lời cám ơn chân thành đến toàn thể quý thầy, cô giáo trong trường, đặc biệt là các thầy cô của khoa Tài chính – Ngân hàng đã tận tình dạy dỗ, truyền đạt kiến thức cho sinh viên trong suốt bốn năm học và vốn kiến thức tiếp thu được sẽ là hành trang quý báu để em bước vào đời một cách vững chắc và tự tin hơn

Em cũng xin gửi lời cảm ơn sâu sắc nhất đến thầy Phan Khoa Cương, người đã tận tình hướng dẫn, động viên và hỗ trợ em rất nhiều trong quá trình hoàn thành luận văn tốt nghiệp này Em bày tỏ lòng biết ơn chân thành đến sự giúp đỡ của thầy

Cuối cùng, em xin gửi lời cảm ơn đến các anh chị, cán bộ nhân viên phòng giao dịch Phú Xuân – Ngân hàng TMCP Sài Gòn Thương Tín chi nhánh TT Huế đã nhiệt tình chỉ dẫn và giúp em có những trải nghiệm thực tế về công việc qua đó em đã học được nhiều kiến thức bổ ích qua đợt thực tập

Trong quá trình thực hiện và trình bày đề tài không thể tránh khỏi những sai sót và hạn chế, do vậy em rất mong nhận được sự góp ý của các thầy cô giáo, ban lãnh đạo ngân hàng nơi em thực tập để bài khoá luận của em được hoàn thiện hơn

TÓM TẮT NGHIÊN CỨU

Để ngày càng thích nghi với xu thế hội nhập nền kinh tế thế giới, tăng tính cạnh tranh đặc biệt là khi Việt Nam vừa ký kết Hiệp định Đối tác xuyên Thái Bình Dương (TPP) đòi hỏi các doanh ngiệp phải quan tâm đến các giao dịch ngoại tệ, biến động về tỷ giá để giảm thiểu rủi ro cho những hoạt động giao dịch thương mại liên quan đến ngoại tệ Hiện tại rủi ro tỷ giá đang được đánh giá là một trong 5 áp lực chính mà doanh nghiệp phải đối mặt trong kinh doanh bên cạnh chính sách thuế, môi trường cạnh tranh, năng lực vốn, biến động thị trường Do đó công tác quản lý rủi ro tỷ giá được đặt ra như là một nhu cầu cần thiết tất yếu đối với các doanh nghiệp có hoạt động thu chi bằng ngoại tệ Trên cơ sở đó, tôi quyết định thực hiện

đề tài: “Ứng dụng Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các

Ngân hàng thương mại Việt Nam”

Nghiên cứu tiến hành với danh mục gồm năm đồng ngoại tệ được giao dịch phổ biến trên thị trường ngoại tệ, đó là: USD, GBP, EUR, JPY, AUD Dữ liệu sử dụng trong đề tài là chuỗi tỷ giá của các đồng tiền này, được lấy từ website kinh doanh ngoại tệ www.oanda.com, thu thập từ ngày 26/02/2006 đến 14/02/2006, cập nhật hàng tuần, gồm 521 quan sát

Dựa trên hai hướng tiếp cận khác nhau là hướng tiếp cận truyền thống và tiếp cận mở rộng, đề tài đã tập trung đưa ra bốn phương pháp tính VaR và áp dụng vào tính toán mức lỗ tối đa cho một danh mục đầu tư bằng ngoại tệ, gồm: (i) phương pháp mô phỏng lịch sử (Historical Method), (ii) phương pháp phương sai – hiệp phương sai (Variance- Covariance), (iii) phương pháp Risk Metrics, (iv) phương pháp mô phỏng Monte Carlo Ba kiểm định Backtest, Stress-test và E-VaR được thực hiện để hỗ trợ và khắc phục nhược điểm của phương pháp tính VaR Dựa trên

dữ liệu quan sát, nghiên cứu đã tính ra tỷ lệ lỗ tối đa mà ngân hàng có thể gặp phải 0,38% cho danh mục đầu tư của mình ứng với xác suất gặp mức lỗ tối đa này là 1% Giá trị VaR tính được sẽ là cơ sở cho các quyết định đầu tư và quản trị rủi ro trong hoạt động kinh doanh ngoại tệ của các ngân hàng trong ngắn hạn

Trường Đại học Kinh tế Đại học Huế

Từ những kết quả đạt được và so sánh với mức sinh lợi bình quân của ngân hàng trong hoạt động kinh doanh ngoại tệ, tối khuyến nghị các ngân hàng có thể cân nhắc đầu tư vào danh mục này Tuy nhiên, bên cạnh tìm kiếm lợi nhuận ta cần tối thiểu hoá rủi ro bằng các chiến lược phòng ngừa rủi ro tỷ giá Nghiên cứu khuyến nghị các nhà quản trị có thể sử dụng các công cụ ngoại tệ phái sinh và chi phí rủi ro biên trong việc chọn lựa hợp đồng giao dịch ngoại tệ phái sinh

Trường Đại học Kinh tế Đại học Huế

DANH MỤC CÁC CHỮ CÁI VÀ KÍ HIỆU VIẾT TẮT

KDNT : Kinh doanh ngoại tệ NHNN : Ngân hàng nhà nước NHTM : Ngân hàng thương mại NXB : Nhà xuất bản

DMĐT : Danh mục đầu tư QTRR : Quản trị rủi ro TCTD : Tổ chức tín dụng TSSL : Tỷ suất sinh lời PSSS : Phương sai sai số VaR : Value at Risk ARMA : Autoregressive Moving Average GARCH : Generalised Autoregressive Conditional Heteroskedasticity

Trường Đại học Kinh tế Đại học Huế

MỤC LỤC

PHẦN I: ĐẶT VẤN ĐỀ 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu nghiên cứu 2

3 Đối tượng và phạm vi nghiên cứu 3

4 Phương pháp nghiên cứu: 3

5 Kết cấu của đề tài: 4

PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 5

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ RỦI RO KINH DOANH NGOẠI TỆ VÀ ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ CỦA CÁC NGÂN HÀNG THƯƠNG MẠI 5

1.1 Tổng quan về kinh doanh ngoại tệ 5

1.1.1 Khái niệm ngoại tệ 5

1.1.2 Thị trường ngoại hối 5

1.2 Rủi ro tỷ giá 6

1.3 Quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ 7

1.3.1 Khái niệm 7

1.3.2 Vai trò quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ 7

1.4 Cơ sở lý luận thực tiễn về đo lường rủi ro tỷ giá bằng Value at Risk 8

1.4.1 Tổng quan về quá trình phát triển các phương pháp quản trị rủi ro 8

1.4.2 Khái niệm về VaR 10

1.4.3 Các thông số ảnh hưởng đến VaR của danh mục 10

1.4.3.1 Độ tin cậy 10

1.4.3.2 Khoảng thời gian đo lường VaR 11

1.4.3.3 Đơn vị tiền tệ 11

1.4.4 Các phương pháp tính VaR 11

1.4.4.1 Phương pháp tiếp cận VaR truyền thống 11

1.4.4.1.1 Các giả thiết của mô hình VaR 11

1.4.4.1.2 Phương pháp mô phỏng lịch sử (Historical Method) 12

Trường Đại học Kinh tế Đại học Huế

1.4.4.1.3 Phương pháp phương sai-hiệp phương sai (Variance-Covariance Method)

13

1.5.4.1.4 Những tồn tại của mô hình VaR truyền thống 15

1.4.4.2 Phương pháp tiếp cận VaR mở rộng 16

1.4.4.2.1 Giới thiệu mô hình ARMA(p,q) và GARCH(p’,q’) 16

1.5.4.2.2 Mô hình VaR ứng dụng phương pháp RiskMetrics 21

1.4.4.2.3 Phương pháp Monte-Carlo (Monte-Carlo Simulation) 23

1.4.5 Các hạn chế của phương pháp tính VaR 23

1.4.6 Giới thiệu về Backtest 24

1.4.7 Giới thiệu về Stress-test 25

1.4.8 Giới thiệu về E-VaR 25

1.5 Tóm tắt các nghiên cứu trước 26

1.5.1 Các nghiên cứu trong nước 26

1.5.2 Các nghiên cứu ngoài nước 27

CHƯƠNG 2: ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM 28

2.1 Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015 28

2.2 Giới thiệu dữ liệu tính VaR 30

2.2.1 Tình huống nghiên cứu 30

2.2.2 Cơ sở dữ liệu 31

2.3 Ứng dụng mô hình VaR để đo lường rủi ro tỷ giá 32

2.3.1 Tính VaR theo phương pháp truyền thống 32

2.3.1.1 Tính toán VaR theo phương pháp mô phỏng lịch sử 32

2.3.1.2 Tính VaR theo phương pháp Variance-Covariance 34

2.3.2 Tính VaR theo hướng mở rộng 37

2.3.2.1 Kiểm định 37

2.3.2.2 Hiệu chỉnh số liệu 39

2.3.2.2.1 Mô hình ARMA/GARCH 39

2.3.2.2.2 Kiểm tra PSSS thay đổi 41

2.3.2.3 Phương pháp Risk Metrics 44

2.3.2.4 Phương pháp mô phỏng Monte Carlo 46

Trường Đại học Kinh tế Đại học Huế

2.4 Ứng dụng Back-test để kiểm tra tính chính xác của VaR 50

2.5 Ứng dụng E-VaR để khắc phục hạn chế của VaR 51

2.6 Ứng dụng Stress-test để khắc phục hạn chế của VaR 53

CHƯƠNG 3: ỨNG DỤNG KẾT QUẢ VaR TRONG PHÒNG NGỪA RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC NHTM VIỆT NAM 55

3.1 Ứng dụng kết quả tính VaR để đưa ra quyết định đầu tư 55

3.2 Ứng dụng chi phí rủi ro biên để phòng ngừa rủi ro tỷ giá 55

3.3 Một số chiến lược phòng ngừa rủi ro tỷ giá bằng hợp đồng quyền chọn 57

PHẦN III: KẾT LUẬN 62

1 Kết quả đạt được 62

2 Hạn chế của đề tài 63

3 Hướng phát triển của đề tài 64

Trường Đại học Kinh tế Đại học Huế

DANH MỤC BIỂU ĐỒ, SƠ ĐỒ

Biểu đồ 1.1 Đồ thị biểu diễn phân phối chuẩn của chuỗi TSSL 13

Biểu đồ 2.1 Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015 28

Biểu đồ 2.2 Dạng phân phối xác suất của ngoại tệ GBP 37

Biểu đồ 2.3 Hàm tương quan và tự tương quan riêng phần của chuỗi lợi suất GBP 39 Biểu đồ 2.4 Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin cậy 95% 47

Biểu đồ 2.5 Kết quả tính TSSL trung bình danh mục bằng Monte Carlo độ tin cậy 99% 47

Biểu đồ 2.6 Kết quả Stress test bằng phương pháp Monte Carlo 54

Biểu đồ 3.1 Lời/Lỗ trong chiến lược Long Straddle 58

Biểu đồ 3.2 Lời/Lỗ trong chiến lược Short Straddle 60

Trường Đại học Kinh tế Đại học Huế

DANH MỤC BẢNG BIỂU

Bảng 1.1 Sự phát triển các phương pháp phân tích và QTRR 9

Bảng 1.2 Ma trận phương sai – hiệp phương sai 14

Bảng 1.3 Giới hạn giả thuyết của phương pháp tiếp cận VaR truyền thống 15

Bảng 1.4 Các dạng lý thuyết của ACF và PACF 20

Bảng 2.1 Cơ cấu danh mục đầu tư 31

Bảng 2.2 Chuỗi dữ liệu tỷ giá 32

Bảng 2.3 Giá trị danh mục đầu tư và mức lỗ dự kiến vào 21/02/2016 33

Bảng 2.4 Sắp xếp các mức lỗ theo thứ tự giảm dần 33

Bảng 2.5 Kết quả tính TSSL và độ lệch chuẩn của tỷ giá 35

Bảng 2.6 Kết quả tính ma trận Covariance 35

Bảng 2.7 Kết quả tính toán tỷ suất sinh lời trung bình, phương sai, độ lệch chuẩn của danh mục 35

Bảng 2.8 Kết quả tính VaR theo hai phương pháp truyền thống 36

Bảng 2.9 So sánh giá trị phân phối xác suất của các đồng tiền có trong DMĐT 38

Bảng 2.10 Kết quả kiểm định tính dừng đối với chuỗi TSSL của GBP 38

Bảng 2.11- Kết quả ước lượng bằng Eview đối với mô hình thử nghiệm 40

Bảng 2.12 So sánh chọn mô hình phù hợp 40

Bảng 2.13 Kết quả kiểm định 41

Bảng 2.14 Kết quả Eview mô hình GARCH thử nghiệm 41

Bảng 2.15 So sánh các chỉ tiêu của mô hình GARCH thử nghiệm 42

Bảng 2.16- Kết quả kiểm tra lại PSSS 43

Bảng 2.17 Kết quả ước lượng mô hình ARMA(1)/GARCH(2,1) 43

Bảng 2.18 Kết quả ước lượng mô hình ARMA/GARCH của các ngoại tệ trong DMĐT 44

Trường Đại học Kinh tế Đại học Huế

Bảng 2.19 Kết quả dự báo TSSL và tỉ trọng ngoại tệ cho ngày 21/02/2016 44

Bảng 2.20 Ma trận phương sai-hiệp phương sai của DMĐT sau hiệu chỉnh 45

Bảng 2.21 Kết quả tính TSSL và Độ lệch chuẩn của DMĐT sau hiệu chỉnh 45

Bảng 2.22 Kịch bản mô phỏng Monte Carlo 46

Bảng 2.23 Kết quả tính VaR theo các phương pháp 48

Bảng 2.24 Kết quả kiểm định Back-test 50

Bảng 2.25 Kết quả tính E-VaR theo phương pháp phương sai-hiệp phương sai 52

Bảng 2.26 So sánh kết quả VaR và E-VaR 52

Bảng 2.27 Kịch bản mô phỏng Monte Carlo khi sử dụng Stress-test 53

Bảng 3.1 Kết quả tính toán chi phí rủi ro biên của các hợp đồng kỳ hạn 56

Bảng 3.2.Tổng hợp lợi nhuận của chiến lược Long Straddle 59

Bảng 3.3 Tổng hợp lợi nhuận của chiến lược Short Straddle 61

Trường Đại học Kinh tế Đại học Huế

PHẦN I: ĐẶT VẤN ĐỀ

1 Tính cấp thiết của đề tài

Trong khoảng thời gian qua, Nhà nước đã thi hành nhiều chính sách kinh tế vĩ

mô nhằm kiềm chế lạm phát, hạn chế sự mất giá của đồng nội tệ với mục tiêu tăng trưởng kinh tế bền vững Một trong đó là chính sách tỷ giá thả nổi theo thị trường nhưng đặt dưới sự kiểm soát của Nhà nước.Cụ thể, Thống đốc Ngân hàng Nhà nước Việt Nam đã ký Quyết định số 230/QĐ-NHNN ngày 11/02/2011 cho phép các tổ chức tín dụng được phép giao dịch ngoại hối được ấn đinh tỷ giá mua và tỷ giá bán nhưng phái theo nguyên tắc tỷ giá đồng USD không được vượt quá biên độ ± 1% so với tỷ giá bình quân trên thị trường ngoại tệ liên ngân hàng của ngày giao dịch Do

đó, tỷ giá giao dịch được ổn định tương đối trong một thời gian khá dài dẫn đến nhiều doanh nghiệp chưa quan tâm đến rủi ro tỷ giá Nhưng tình hình đã thay đổi khi kinh tế Việt Nam đang bắt đầu trong một giai đoạn mới với nhiều cải cách mạnh

mẽ trong tương lai Để ngày càng thích nghi với xu thế hội nhập nền kinh tế thế giới, tăng tính cạnh tranh đặc biệt là khi Việt Nam vừa ký kết Hiệp định Đối tác xuyên Thái Bình Dương (TPP) đòi hỏi các doanh ngiệp phải quan tâm đến các giao dịch ngoại tệ, biến động về tỷ giá để giảm thiểu rủi ro cho những hoạt động giao dịch thương mai liên quan đến ngoại tệ Vấn đề về tỷ giá càng nóng hơn khi nền kinh tế đã bước đầu khởi sắc, sự biến động của nền kinh tế toàn cầu đã khiến tỷ giá biến động trong khoảng 2 năm gần đây và kéo theo đó NHNN đã liên tục nới rộng biến động tỷ giá lên ± 2% vào ngày 12/08/2015 và tiếp tục nâng lên ± 3% vào ngày 19/08/2015 Cơ chế càng linh hoạt thì rủi ro tỷ giá càng lớn và hiện tại rủi ro tỷ giá đang được đánh giá là một trong 5 áp lực chính mà doanh nghiệp phải đối mặt trong kinh doanh bên cạnh chính sách thuế, môi trường cạnh tranh, năng lực vốn, biến động thị trường Do đó công tác quản lý rủi ro tỷ giá được đặt ra như là một nhu cầu cần thiết tất yếu đối với các doanh nghiệp có hoạt động thu chi bằng ngoại tệ

Thực tế cũng đã chứng minh rằng rủi ro không chỉ tồn tại ở dưới dạng tiềm ẩn

mà nó thực sự hiện hữu khi các cuộc khủng hoảng kinh tế liên tiếp xảy ra Cuộc khủng hoảng tài chính thế giới 2007-2008 nổ ra, hàng loạt các định chế tài chính lớn

Trường Đại học Kinh tế Đại học Huế

như Merrill Lynch, Sterns Bear, Lehman Brothers,… sụp đổ Bên cạnh cuộc khủng hoảng đó, ta thấy vẫn có nhiều doanh nghiệp và tổ chức tài chính vẫn đứng vững nhờ vào việc quan tâm đến quản trị rủi ro cũng như có những công cụ mạnh để việc quản trị rủi ro thực sự có hiệu quả

Cuối cùng, Ngân hàng nhà nước (NHNN) đã có nhiều chính sách mạnh mẽ trong bối cảnh thực hiện việc tái cơ cấu hệ thống ngân hàng Ngày 17/03/2014, Ngân hàng nhà nước đã triển khai áp dụng Basel II tại Việt Nam với việc ban hành Công văn 1601/NHNN-TTGSNH về việc thực hiện Hiệp ước vốn Basel II Basel II và các văn bản bổ sung của Basel yêu cầu các NHTM phải có hệ thống quản lý rủi ro tiên tiến, trong đó bao gồm chính sách quản lý rủi ro, các phương pháp luận quản lý rủi ro Ngân hàng nhà nước đã đặt ra mục tiêu đến cuối năm 2018 thì các NHTM phải xây dựng các mô hình để đo lường “Giá trị chịu rủi ro” (Value at Risk), “Xác suất khách hàng không trả được nợ” (PD-Probability of Default) Mô hình được xây dựng phải cho ra kết quả sát với thực tế, phản ánh đúng mức độ rủi ro mà ngân hàng gặp phải từ đó tiến hành triển khai trong hệ thống quản lý rủi ro và xem như là một công cụ hỗ trợ trong hoạt động kinh doanh của ngân hàng

Chính từ những nguyên nhân này, tôi đã quyết định thực hiện đề tài “Ứng dụng

Value at Risk trong đo lường rủi ro kinh doanh ngoại tệ tại các Ngân hàng thương mại Việt Nam” Với mục tiêu quản trị rủi ro, tôi mong muốn qua đề tài

này, các nhà đầu tư, doanh nghiệp và NHTM sẽ có nhìn chuẩn xác hơn trong việc

đo lường rủi ro, đánh giá đúng rủi ro mà mình gặp phải từ đó cân nhắc khi đưa ra quyết định đầu tư hay dự phòng rủi ro

2 Mục tiêu nghiên cứu Mục tiêu chung:

- Nghiên cứu ứng dụng mô hình Value at Risk trong việc đo lường rủi ro kinh

doanh ngoại tệ từ đó đưa ra một số khuyến nghị quản trị rủi ro trong kinh doanh ngoại tệ cho các NHTM Việt Nam

Trường Đại học Kinh tế Đại học Huế

Mục tiêu cụ thể:

- Tổng hợp cơ sở lý luận rủi ro tỷ giá, rủi ro kinh doanh ngoại tệ và đo lường

rủi ro kinh doanh ngoại tệ

- Ứng dụng mô hình VaR nhằm đo lường rủi ro kinh doanh ngoại tệ có sự kết

hợp của mô hình ARIMA/GARCH vào quy trình quản trị rủi ro kinh doanh ngoại

- Thời gian: Nghiên cứu dữ liệu tỷ giá mua ngoại tệ, cập nhật hàng tuần trong

khoảng thời gian từ 26/02/2006 đến 14/02/2016 ( gồm 521 quan sát )

- Không gian: Các NHTM Việt Nam

4 Phương pháp nghiên cứu:

 Phương pháp nghiên cứu tài liệu:

Tìm hiểu các nguồn tài liệu tham khảo dựa trên cơ sở từ sách, báo, tạp chí kinh

tế, Internet, đề tài nghiên cứu của các tác giả trong và ngoài nước cùng với sự hỗ trợ của giáo viên hướng dẫn

 Phương pháp nghiên cứu định lượng:

Phương pháp thu thập số liệu: thu thập số liệu thứ cấp

Phương pháp xử lý số liệu:

- Sử dụng 4 phương pháp tính VaR: phương pháp mô phỏng lịch sử (Historical

Method), phương pháp phương sai – hiệp phương sai (Variance- Covariance), phương pháp Risk Metrics, phương pháp Monte Carlo

Trường Đại học Kinh tế Đại học Huế

- Ba kiểm định: Backtest, Stress-test và E-VaR được thực hiện để hỗ trợ và

khắc phục nhược điểm của phương pháp tính VaR

- Phần mềm hỗ trợ: Eviews 8.0, Crystal Ball, Excel 2010

5 Kết cấu của đề tài:

Kết cấu của đề tài gồm có 3 phần như sau:

Phần I: Đặt vấn đề Phần II: Nội dung và kết quả nghiên cứu

Chương 1: Cơ sở lý luận về rủi ro kinh doanh ngoại tệ và đo lường rủi ro kinh doanh ngoại tệ của các ngân hàng thương mại

Chương 2: Đo lường rủi ro kinh doanh ngoại tệ tại các NHTM Việt Nam Chương 3: Ứng dụng kết quả VaR trong phòng ngừa rủi ro kinh doanh ngoại tệ tại các NHTM Việt Nam

Phần III: Kết Luận

Trường Đại học Kinh tế Đại học Huế

PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ RỦI RO KINH DOANH NGOẠI TỆ VÀ

ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ CỦA CÁC NGÂN HÀNG

THƯƠNG MẠI 1.1 Tổng quan về kinh doanh ngoại tệ

1.1.1 Khái niệm ngoại tệ

Ngoại tệ (foreign currency) là đồng tiền của nước này đối với nước khác, nó có thể được chi trả trực tiếp hoặc thông qua đồng tiền thứ ba trong thanh toán quốc tế Mỗi quốc gia trong nền kinh tế thể giới đều có một đồng tiền riêng lưu hành theo luật pháp riêng của nó và các đồng tiền không phải do ngân hàng trung ương của quốc gia đó phát hành thì được xem là ngoại tệ Tuy nhiên, cần thấy rằng trong giao dịch thanh toán và đầu tư quốc tế không phải tất cả các đồng ngoại tệ đều được chấp nhận, mà chỉ có những ngoại tệ mạnh, tức là đồng tiền dễ dàng chuyển đổi ra nội tệ của các nước khác mới được chấp nhận rộng rãi Một đồng tiền được xem xét là mạnh thường căn cứ vào các tiêu chuẩn:

- Khả năng chấp nhận của quốc tế đối với đồng tiền đó;

- Nhu cầu thương mại của quốc gia phát hành ra đồng tiền đó;

- Tiềm năng cung ứng hàng hoá trên thị trường thế giới của quốc gia đó

Theo đánh giá của Quỹ tiền tệ quốc tế (IMF) thì đồng USD và đồng tiền của nước công nghiệp phát triển (OECD) là những đồng tiền mạnh như đồng: EUR, GBP, JPY, AUD,

1.1.2 Thị trường ngoại hối

Các quan hệ cung cầu, giao dịch liên quan đến ngoại tệ đều được diễn ra ở thị trường ngoại hối Thị trường ngoại hối là nơi diễn ra các hoạt động mua bán trao đổi ngoại hối trong đó chủ yếu là mua bán ngoại tệ và các phương tiện thanh toán quốc tế phát hành bằng ngoại tệ

Trường Đại học Kinh tế Đại học Huế

Trung tâm của thị trường ngoại hối là thị trường liên ngân hàng, thông qua thị trường liên ngân hàng, mọi giao dịch mua bán ngoại hối có thể tiến hành trực tiếp với nhau

Quá trình hình thành và phát triển của thị trường ngoại hối đã hình thành hai hệ thống tổ chức khác nhau Hệ thống hối đoái Anh - Mỹ và hệ thống hối đoái châu

Âu Theo hệ thống Anh - Mỹ thì thị trường ngoại hối mang tính chất biểu tượng, chỉ giao dịch ngoại hối thường xuyên giữa một số ngân hàng và người môi giới Quan

hệ này có thể là trực tiếp, song chủ yếu là thông qua điện thoại, telex Ngược lại, theo hệ thống lục địa (Pháp, Đức, Ý ) thì thị trường ngoại hối có địa điểm nhất định Hàng ngày, những người mua bán ngoại hối tới đó để giao dịch và ký hợp đồng

Việc mua bán trên thị trường ngoại hối được tiến hành thông qua một số nghiệp

vụ chủ yếu như nghiệp vụ giao ngay (spot transaction), nghiệp vụ kỳ hạn (forward transaction), nghiệp vụ hoán đổi (swap), nghiệp vụ chuyển hối (arbitrage), nghiệp

vụ tương lai (future transaction), nghiệp vụ quyền chọn (option)

Thị trường ngoại hối cũng như nhiều thị trường khác thường phải chịu sự can thiệp của chính phủ Nói chung, phần lớn các nước hiện nay đều thực hiện chế độ tỷ giá thả nổi có sự quản lý của nhà nước, tức là một chế độ trong đó tỷ giá biến động hàng ngày, nhưng các ngân hàng trung ương can thiệp đến tỷ giá của đồng tiền nước mình bằng cách mua vào hoặc bán ra các đồng tiền

1.2 Rủi ro tỷ giá

Rủi ro tỷ giá là rủi ro phát sinh do sự biến động của tỷ giá tương ứng với một trạng thái ngoại tệ nhất định Nói cách khác, rủi ro tỷ giá là sự biến động của tỷ giá làm ảnh hưởng đến giá trị các tài sản và các khoản nợ bằng ngoại tệ Rủi ro tỷ giá

có thể phát sinh trong nhiều hoạt động khác nhau của các ngân hàng và doanh nghiệp khi thực hiện các hoạt động giao dịch có liên quan đến ngoại tệ

Sự thay đổi về tỷ giá cũng là một trong những nguyên nhân gây ra tổn thất tài chính đối với các NHTM Rủi ro tỷ giá tồn tại trong các NHTM chủ yếu là do sự

Trường Đại học Kinh tế Đại học Huế

mở rộng phạm vi hoạt động của mình trên nhiều lĩnh vực như: giao dịch mua bán ngoại tệ, giao dịch gửi vay ngoại tệ, các khoản đầu tư cũng như các khoản nợ, tài sản thể hiện dưới dạng ngoại tệ… Đặc biệt là hoạt động KDNT, cụ thể là các giao dịch ngoại tệ phái sinh như: quyền chọn, kỳ hạn, hoán đổi đã mở ra cho NHTM nhiều trạng thái ngoại tệ, từ đó cũng phải gánh chịu những rủi ro tiềm ẩn khi tỷ giá biến động

Tuy nhiên, NHTM lại không thể không tiến hành các giao dịch ngoại tệ này nhất

là khi nền kinh tế ngày càng hội nhập và nguồn vốn đầu tư nước ngoài ngày càng chảy nhiều vào Việt Nam Do đó để ngân hàng hoạt động có hiệu quả, không chịu nhiều tác động do rủi ro tỷ giá mang lại thậm chí tạo ra lợi nhuận từ ngoại tệ thì việc quản trị rủi ro tỷ giá là điều tất yếu

1.3 Quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ 1.3.1 Khái niệm

Rủi ro KDNT là một yếu tố khách quan, ngân hàng không thể loại trừ được tất

cả mọi rủi ro có thể xảy ra khi tham gia giao dịch KDNT, mà ngân hàng chỉ có thể đưa ra các biện pháp và công cụ nhằm hạn chế sự xuất hiện của rủi ro Cho nên việc quản trị rủi ro KDNT tại ngân hàng là quá trình tiếp cận rủi ro một cách khoa học, toàn diện và có hệ thống nhằm nhận dạng, kiểm soát, phòng ngừa và giảm thiểu những tổn thất do rủi ro gây ra

1.3.2 Vai trò quản trị rủi ro tỷ giá trong kinh doanh ngoại tệ

Các nhân tố gây nên rủi ro đối với hoạt động KDNT của các ngân hàng là luôn tiềm ẩn, cho nên hoạt động quản trị rủi ro KDNT của các NHTM là một nội dung quan trọng và luôn cần thiết mà các cấp lãnh đạo và điều hành ngân hàng cần đặc biệt quan tâm

Quản trị rủi ro KDNT tốt giúp góp phần làm giảm thiểu chi phí hoạt động và hạn chế tổn thất cho các ngân hàng, từ đó sẽ giúp tối đa hóa lợi nhuận và giá trị cho cổ đông của ngân hàng

Trường Đại học Kinh tế Đại học Huế

Quản lý rủi ro KDNT hiệu quả góp phần tạo điều kiện làm lành mạnh tình hình tài chính, ngăn ngừa nguy cơ phá sản và gia tăng uy tín cho các NHTM Qua đó, các NHTM góp phần tăng lòng tin nơi khách hàng và các đối tác trong và ngoài nước; đồng thời thúc đẩy tăng trưởng, phát triển kinh tế ổn định và bền vững cho đất nước

Quản lý rủi ro KDNT tốt giúp phát hiện kịp thời những nguyên nhân có thể gây nên rủi ro cho hoạt động KDNT, từ đó ngân hàng có những giải pháp phòng ngừa

Năm 1938, Macaulay là người đầu tiên đề xuất phương pháp đánh giá rủi ro của lãi suất trái phiếu Phương pháp này dùng để tính toán kỳ hạn trung bình của trái phiếu

Năm 1952, Markowitz mở đường cho phương pháp phân tích trung bình và phương sai (Mean – Variance Analysis) Cho tới nay thì danh mục này vẫn được ứng dụng rộng rãi trong quản lý các danh mục và cơ cấu đầu tư

Năm 1966, Stephen Ross đưa ra mô hình khái quát hơn về quan hệ giữa lợi suất

và nhiều nhân tố, gọi là “ Mô hình đa nhân tố” (Multi Factor Model) Từ mô hình này, kết hợp với “ Nguyên lý không cơ hội”, Stephen Ross đã xây dựng “ Lý thuyết định giá cơ lợi” ( Arbitrage Pricing Theory)

Trường Đại học Kinh tế Đại học Huế

Năm 1973, mô hình Black – Scholes về định giá quyền chọn, mô hình này là một trong những phát triển quan trọng nhất trong lịch sử về định giá công cụ tài chính

Đặc biệt, năm 1993 bởi một loạt các nhà khoa học và toán học tài chính làm việc trong NH JPMorgan Chase đã cho ra phương pháp đo lường rủi ro bằng Value at Risk VaR càng trở nên hoàn thiện, được áp dụng rộng rải và được xem như là một tiêu chuẩn trong việc đo lường và giám sát rủi ro tài chính với sự ra đời của phương pháp RiskMetrics- một gói sản phẩm ứng dụng VaR mang thương hiệu của công ty được tách ra từ JPMorgan Chase

Hiệp định Basel áp dụng đối với các nước trong tổ chức G10 đã coi VaR là nền tảng để xây dựng hành trang pháp lý, tạo sân chơi thống nhất và bình đẳng cho các

tổ chức tài chính quốc tế Chính vì ý nghĩa và tầm quan trọng của VaR mà phần tiếp theo sẽ tập trung phân tích phương pháp định lượng VaR

Có thể tóm tắt sự phát triển các phương pháp phần tích và quản trị rủi ro như bảng sau:

Bảng 1.1 Sự phát triển các phương pháp phân tích và QTRR

1938 Thời lượng trái phiếu

1952 Khung kỳ vọng - phương sai của Markowitz

1963 Mô hình định giá tài sản vốn (CAPM) của Sharpe

1966 Mô hình đa nhân tố

1973 Mô hình định giá quyền chọn Black-Scholes

1988 Tài sản theo trọng số rủi ro đối với NHTM

1993 Value at Risk

1994 Thước đó rủi ro

1997 Thước đó tín nhiệm, Rủi ro tín dụng

Trường Đại học Kinh tế Đại học Huế

1998 Sự kết hợp của rủi ro tín dụng và rủi ro thị trường

1998 Phân bố ngân quỹ cho rủi ro

1.4.2 Khái niệm về VaR

Value at Risk (VaR) là mô hình đo lường mức lỗ lớn nhất mà nhà đầu tư có thể gặp phải với một mức độ tin cậy hoặc khoản lỗ tối thiểu với một mức xác suất nhất định khi tỷ giá biến động trong điều kiện bình thường Một khoản lỗ lớn hơn VaR

có thể xảy ra nhưng với xác suất nhỏ hơn ( Thomas J Linsmeler and Neli D Person, 1996)

Sự cuốn hút lớn nhất của VaR là sự biểu diễn rủi ro dưới dạng một con số duy nhất VaR được định nghĩa là số tiền lớn nhất một danh mục có thể bị thua lỗ với một độ tin cậy xác định Trong thực hành chúng ta thường chọn mức độ tin cậy để tính VaR là 95% hoặc 99%, như vậy xác xuất để khoản lỗ lớn hơn VaR là 5% hoặc 1%

Ví dụ: Một danh mục đầu tư có VaR (95%, 1 ngày) đạt giá trị 1 triệu USD Điều

này, nói lên rằng mức lỗ tối đa của danh mục trong một ngày là 1 triệu USD với độ tin cậy 95% Ngoài ra, ta cũng có thể hiểu là có 5% khả năng danh mục sẽ lỗ vượt quá 1 triệu USD trong một ngày

1.4.3 Các thông số ảnh hưởng đến VaR của danh mục 1.4.3.1 Độ tin cậy

Độ tin cậy ảnh hưởng rất lớn đến việc ước tính VaR và nó tùy thuộc vào khẩu vị rủi ro của từng nhà đầu tư Những nhà đầu tư không thích rủi ro sẽ muốn có độ tin cậy cao Bên cạnh đó, với mục đích kiểm định tính đúng đắn của ước tính VaR, thì việc chọn độ tin cậy không cần quá cao, bởi lẽ nếu độ tin cậy quá cao (99%) thì xác suất để thua lỗ lớn hơn VaR sẽ thấp đi (chỉ còn 1%), dẫn đến một sự ước lượng quá thận trọng và thời gian để thu thập dữ liệu xác định tính đúng đắn của kiểm định sẽ kéo dài hơn

Trường Đại học Kinh tế Đại học Huế

1.4.3.2 Khoảng thời gian đo lường VaR

Việc áp dụng thời gian tính VaR như thế nào là tùy thuộc vào mục đích kinh tế của VaR Ví dụ, đối với ngân hàng thì thường tính VaR theo ngày do có chứa nhiều tài sản có tính lỏng cao (tiền mặt), còn đối với quỹ hưu trí thì lại tính VaR 50 ngày

sẽ thích hợp hơn

Các tính toán về thời gian sử dụng VaR còn giới thiệu về vấn đề làm thế nào để tính toán cho sự thay đổi các thành phần của danh mục đầu tư Thường để phản ứng kịp với những biến đổi trong danh mục đầu tư thì nên chọn thời gian tính VaR ngắn

1.4.3.3 Đơn vị tiền tệ

Sự cuốn hút lớn nhất của VaR đó là nó biểu diễn rủi ro không chỉ thông qua xác suất mà còn dưới dạng một con số định lượng duy nhất, tức mức lỗ được biểu diễn bằng tiền đem lại sự đánh giá trực quan cho nhà đầu tư Vì vậy, việc lựa chọn đơn

vị tiền tệ là quan trọng để xác định số lỗ mà NDT phải chịu trong một khoảng thời

gian nhất định là bao nhiêu

1.4.4 Các phương pháp tính VaR 1.4.4.1 Phương pháp tiếp cận VaR truyền thống 1.4.4.1.1 Các giả thiết của mô hình VaR

Tính dừng: một chuỗi số liệu được gọi là dừng nếu kỳ vọng, phương sai và hiệp phương sai không thay đổi theo thời gian Điều này cũng có nghĩa là phân bổ xác suất của chuỗi là không thay đổi theo thời gian

- Trung bình: E( ) = µ = const

- Phương sai: VaR( ) = ( − µ) = = const

- Hiệp phương sai: Cov( , ) = E[( − µ)( − µ)] = = const

- Phân phối chuẩn: Trong một số phương pháp tính VaR, giả thiết rằng lợi suất

tài sản tuân theo quy luật phân phối chuẩn, chỉ trừ một số phương pháp tiếp cận VaR phi tham số

Trường Đại học Kinh tế Đại học Huế

- Bước ngẫu nhiên: Với giả thiết này, người ta tin rằng giá trị tương lai không

phụ thuộc vào giá trị trong quá khứ

- Giá trị không âm: Các tài sản nhất thiết phải là các giá trị không âm

- Thời gian cố định: Giả thiết này cho rằng, điều gì đúng cho một khoảng thời

gian thì cũng đúng cho nhiều khoảng thời gian Chẳng hạn, nếu cho khoảng thời gian một tuần thì cũng có thể mở rộng cho một năm

1.4.4.1.2 Phương pháp mô phỏng lịch sử (Historical Method)

Phương pháp này đưa ra giả thuyết rằng sự phân bố tỷ suất sinh lợi trong quá khứ có thể tái diễn trong tương lai Cụ thể, VaR được xác định như sau:

Bước 1: Mô phỏng thứ i dựa trên giả thiết rằng giá trị của biến thị trường vào

ngày mai được tính theo công thức

= Trong đó:

: Giá trị của biến thị trường sau 7 ngày

: Giá trị của biến thị trường ở hiện tại , : Giá trị của biến thị trường vào tuần i, i-1

Bước 2: Tính giá trị DMĐT sau 7 ngày

Bước 5: Tính VaR theo độ tin cậy dựa vào thứ tự các mức lỗ

 Ưu điểm của phương pháp này là cho kết quả nhanh, khối lượng tính toán ít,

không cần giả thuyết về các quy luật phân bố phù hợp khi nhà quản trị có một danh mục tài sản tài chính hay các hợp đồng kỳ hạn với giá trị nhỏ

 Khuyết điểm

- Để chính xác đòi hỏi số liệu cực lớn

- Không chú ý biến động rủi ro cùng nhau của các tài sản có trong danh mục

- Chiều hương tương lai có thể không giống quá khứ vì các thành phần cấu thành VaR thay đổi theo thời gian, ví dụ như chuỗi số liệu trong quá khứ có phương sai sai số thay đổi

1.4.4.1.3 Phương pháp phương sai-hiệp phương sai (Variance-Covariance Method)

Phương pháp này đưa ra giả thuyết rằng các tỷ suất sinh lợi và rủi ro tuân theo phân phối chuẩn Ý tưởng của phương pháp này nằm ở quan điểm cho rằng một DMĐT phải có sự liên kết rủi ro của các tài sản chứ không bằng tổng rủi ro của các tài sản có trong DMĐT

Đường cong màu xanh lá cây sau đây biểu diễn phân phối chuẩn:

Biểu đồ 1.1 Đồ thị biểu diễn phân phối chuẩn của chuỗi TSSL

Trường Đại học Kinh tế Đại học Huế

 Quá trình thực hiện:

Bước 1: Từ những dữ liệu quá khứ, tính tỷ suất sinh lợi rt cho từng ngoại tệ trong DMĐT

r t = ( P t – P t-1 )/ P t-1 (t = 1,2, ,n) Bước 2: Tính toán ma trận Variance – Covariance cho danh mục

Để tính toán phương sai của danh mục gồm N ngoại tệ, ta phải sử dụng ma trận phương sai – hiệp phương sai

Bảng 1.2 Ma trận phương sai – hiệp phương sai Đồng tiền 1 Đồng tiền 2 Đồng tiền 3 … Đồng tiền n Đồng tiền 1 σ Cov1,2 Cov1,3 … Cov1,n

Đồng tiền 2 Cov2,1 σ Cov2,3 … Cov2,n

Đồng tiền 3 Cov3,1 Cov3,2 σ … Cov3,n

Đồng tiền n Covn,1 Covn,2 Covn,3 … σ

Bước 3: Tính tỉ suất sinh lời trung bình của danh mục

Bước 5: Tính VaR của DMĐT

 Ưu điểm của phương pháp này là đảm bảo tính tương quan của các đồng tiền

trong danh mục, do đó VaR tính toán được sẽ chính xác hơn

 Nhược điểm:

- VaR vướng phải giả định tuân theo phân phối chuẩn

- Những biến số tính VaR theo phương pháp Variance-Covariance không ổn

định: phương sai và hiệp phương sai giữa các tài sản thay đổi theo thời gian Sự bất

ổn định trong những giá trị này rất phổ biến bởi vì những thành phần cơ bản tạo nên những con số này thay đổi theo thời gian Điều này có thể dẫn đến sự sai lệch khi tính toán VaR

1.5.4.1.4 Những tồn tại của mô hình VaR truyền thống Bảng 1.3 Giới hạn giả thuyết của phương pháp tiếp cận VaR truyền thống

Covariance

Historical method

Biến số đầu vào ổn định (chuỗi TSSL không đổi, không có hiện tượng phương sai sai số thay đổi) nếu không sẽ ảnh hưởng tính chính xác của VaR

Trường Đại học Kinh tế Đại học Huế

Ta nhận thấy rằng những giả định trên thường không sát với thực tế, khi mà các chuỗi lợi suất ít khi tuân theo quy luật phân phối chuẩn hay yêu cầu về biến số đầu vào ổn định Thực tế cũng chứng minh rằng thị trường tài chính luôn đầy biến động với những rủi ro không lường trường thì việc đưa ra những giả định về biến số đầu vào phải tuân theo những chuẩn mức nhất định là chưa chính xác và có thể ảnh hưởng đến kết quả tính toán Vì vậy ứng dụng các phương pháp truyền thống sẽ làm giảm tính chính xác khi tính toán VaR

1.4.4.2 Phương pháp tiếp cận VaR mở rộng

Trước những hạn chế của phương pháp tiếp cận VaR truyền thống, đề tài đem

đến một hướng phát triển mới khi ứng dụng VaR mở rộng thông qua hiệu chỉnh

chuối lợi suất sau khi hiệu chỉnh phù hợp với những giả thiết đã đặt ra từ đó ứng dụng vào hai phương pháp tính VaR hiệu quả hơn là RiskMetrics và Monte Carlo

1.4.4.2.1 Giới thiệu mô hình ARMA(p,q) và GARCH(p’,q’)

 Mô hình ARMA(p,q)

Mô hình ARMA là một dạng đơn giản hơn của mô hình ARIMA thuộc nghiên cứu của George Box và Gwilym Jenkins (1976) dùng để phân tích và dự báo chuỗi thời gian, xem giá trị trong quá khứ của một biến số cụ thể là một chỉ tiêu tốt phản ánh giá trị trong tương lai của nó

Mô hình ARMA bao gồm quá trình trung bình trượt và tự hồi quy nhằm mô tả chuỗi lợi suất rt nếu rt được biểu diễn dưới dạng:

r = ∅ + ∑ ∅ + ∑ (1) Với rt là chuỗi dừng, ut là nhiễu trắng (1)

Trong đó: r t , r t-i : lần lượt là tỉ suất sinh lời tại thời điểm t và t-i

u t , u t-i : lần lượt là sai số ngẫu nhiên tại thời điểm t và t-i (1) Nhiễu trắng: rt = rt-1 + ut

Trường Đại học Kinh tế Đại học Huế

Nếu một ut đáp ứng đầy đủ các giả thiết của mô hình hồi quy tuyến tính cổ điển (OLS), tức là có kì vọng bằng 0, phương sai không đổi và hiệp phương sai bằng 0 thì ut được gọi là nhiễu trắng

Mô hình ARMA(p,q) cho thấy biến rt tại thời điểm t không chỉ phụ thuộc vào giá trị quá khứ của nó mà còn phụ thuộc vào sai số quá khứ

Trong thực tiễn, mô hình ARMA sẽ có hai thành phần chính:

- Quá trình tự hồi quy bậc p-AR(p) : Trong mô hình tự hồi quy, biến phụ

thuộc được hồi quy theo các biến trễ của nó hay giá trị của rt phụ thuộc vào các giá

trị của nó trong quá khứ cộng với yếu tố ngẫu nhiên

Mô hình tổng quát của quá trình tự hồi quy bậc p, kí hiệu AR(p)

rt =∅ + ∅ r (t-1) +∅ r (t-2)+…+ ∅ r (t-p) + ut Với rt là chuỗi dừng, ut là nhiễu trắng

- Quá trình trung bình trượt bậc q-MA(q): Trong mô hình trung bình

trượt, biến phụ thuộc được hồi quy theo giá trị của sai số quá khứ và sai số hiện tại

Mô hình tổng quát của quá trình trung bình trượt bậc q, kí hiệu MA(q) là:

rt = µ + ut + γ1 ut-1 + γ2ut-2 +…+ γq ut-q Với rt là chuỗi dừng, ut là nhiễu trắng

Quá trình trung bình trượt, tự hồi quy ARMA:

Mô hình ARMA chỉ được dùng khi chuỗi thời gian phải dừng, nhưng thực tế tồn tại rất nhiều chuỗi thời gian không dừng Do đó, ta lấy sai phân để biến đổi một

chuỗi thời gian không dừng thành dừng trước khi áp dụng mô hình ARMA

Một chuỗi thời gian dừng ở sai phân bậc d gọi là chuỗi liên kết bậc d, ký hiệu I(d) Kết hợp với mô hình ARMA, ta có được mô hình trung bình trượt, đồng liên kết, tự hồi quy ARIMA(p,d,q) với p số hạng tự hồi quy, q số hạng trung bình trượt

và cần lấy sai phân d để chuỗi dừng có dạng:

GARCH được dựa trên thực tế sự dao động của các lợi suất thường xuất hiện hiện tượng tự tương quan chuỗi hay phương sai của sai số không đồng đều Việc áp dụng các mô hình cũ với giả thiết phương sai sai số không đổi sẽ gây những sai lệch trong việc định lượng

Dạng tổng quát GARCH(p’,q’) như sau:

rt =∅ + ∅ rt-1 + ut Với ut ~N(0,ơt2)

Với điều kiện α0 >0 , αj≥0, ≥ 0 ∀ , ∑ ( ′, ′)( + ) < 1 Phương trình trên nói lên rằng phương sai bây giờ còn phụ thuộc vào cả giá trị quá khứ của những thông tin thời kì trước, được xác định bởi bình phương phần

dư từ phương trình kì vọng, và các giá trị quá khứ của bản thân đại diện bởi các biến

Vậy mô hình chuỗi {r t } có điều kiện: ( r t / ) với mô hình ARMA(p,q) GARCH(p’,q’) được tổng hợp như sau:

rt = ∅ + ∑ ∅ + ∑

ut = σt εt Với εt ~ IID(0, σ2 )

Việc hiệu chỉnh chuỗi lợi suất được thực hiện theo các bước sau đây:

Bước 1: Xác định mô hình ARMA(p,q)

 Kiểm định tính dừng của chuỗi lợi suất bằng kiểm định đơn vị (Unit roost test)

- Bước ngẫu nhiên (random walk):

Xét mô hình: rt = β rt-1 + ut với ut là nhiễu trắng

Hồi quy mô hình trên, thu được β = 1 thì ta nói rằng biến ngẫu nhiên rt có nghiệm đơn vị, tức chuỗi thời gian không dừng Một chuỗi thời gian có nghiệm đơn

vị được gọi là bước ngẫu nhiên

Trường Đại học Kinh tế Đại học Huế

- Kiểm định Dickey-Fuller:

Phương pháp này được Dickey và Fuller phát hiện vào năm 1979 nhằm xác định xem chuỗi thời gian có phải là Random walk (nghĩa là rt =1*rt-1 + ut ) hay không Nếu là bước ngẫu nhiên thì không có tính dừng

Xét mô hình: rt =β rt-1 + ut (1) với ut là nhiễu trắng

H0 : β=1 (rt là chuỗi không có tính dừng) H1 : β<1 (rt là chuỗi có tính dừng) Phương trình (1) tương đương với phương trình sau:

rt - rt-1 = β rt-1 - rt-1 + ut

∆ rt =δ rt-1 + ut với δ= β-1 Giả thiết trên có thể viết lại như sau:

H0: δ =0 (rt là chuỗi không có tính dừng) H1: δ ≠0 (rt là chuỗi có tính dừng) Với giá trị τ ước lượng từ phương trình trên, nếu |τ| >|τα| thì bác bỏ H0 hay rt là chuỗi có tính dừng và ngược lại |τ| <|τα| thì rt là chuỗi không có tính dừng

Nếu chuỗi rt chưa dừng ta tiếp tục sai phân cấp 1, cấp 2, , đến khi chuỗi dừng và cho kết quả kiểm định |τ| >|τα| Lúc đó mô hình ARMA(p,q) được chuyển thành

ARIMA(p,d,q) với d là số bậc sai phân của chuỗi lợi suất

Bảng 1.4 Các dạng lý thuyết của ACF và PACF

AR(p) Suy giảm theo số mũ hay dạng

hình sin tắt dần hoặc cả hai Có đỉnh ở p

hình sin tắt dần hoặc cả hai

ARMA(p,q) Suy giảm theo số mũ hay dạng

hình sinh tắt dần hoặc cả hai

Suy giảm theo số mũ hay dạng hình sinh tắt dần hoặc cả hai

Tuy nhiên mỗi chuỗi dữ liệu có thể phù hợp với nhiều mô hình ARIMA khác nhau, do đó ta cần thử nhiều mô hình để chọn mô hình phù hợp nhất, thông thường

có thể dựa vào các tiêu chuẩn sau:

Tiêu chuẩn AIC/SIC: mô hình có giá trị AIC/SIC càng nhỏ thì mô hình càng phù hợp: AIC= e2k/n SIC= ek/n

R2 càng gần 1 càng tốt

Bước 2: Kiểm định giả thiết, chuẩn đoán:

Các tiêu chí để lựa chọn mô hình phù hợp là:

- Hệ số hồi quy có ý nghĩa thống kê hay không Mô hình nào có tất cả các hệ số hồi quy AR, MA có ý nghĩa thống kê ở mức ý nghĩa được chọn thì mô hình đó tốt

- Mô hình phù hợp khi các yếu tố ngẫu nhiên phải là nhiễu trắng Tiến hành kiểm định Dickey-Fuller và LB cho phần dư để xem et có phải là nhiễu trắng không

 Kiểm định hiện tương PSSS thay đổi

Thống kê χ2 = nR2 tuân theo phân phối chi bình phương với số bậc tự do là số

độ trễ q’( χ2(q’)α )

Nếu χ2 > χ2(q’)α thì bác bỏ H0 (Hay giá trị P-Value < 0.05) tức mô hình có PSSS thay đổi và ngược lại

Bước 3: Ước lượng mô hình:

Để ước lượng các hệ số của mô hình, thông thường ta thực hiện bằng phương pháp hồi quy OLS, nhưng cũng có trường hợp phải sử dụng các phương pháp ước lượng phi tuyến

Bước 4: Ước lượng mô hình GARCH

Nếu chuỗi lãi suất được kiểm định là tồn tại hiện tượng phương sai sai số thay đổi, ta tiếp tục ước lượng mô hình GARCH với đầu vào là giá trị mô hình ARMA(p,q) đã ước tính và thử nghiệm với các chỉ số GARCH(p’,q’) thường tồn tại trong thực tế: p’, q’ ∈ {0,1,2, } So sánh các mô hình và lựa chọn mô hình tốt nhất Sau đó ta thực hiện kiểm định lại để xác định mô hình GARCH đã khắc phục được hiện tượng phương sai sai số thay đổi hay chưa Nếu chưa (P-Value <0.05) thì

ta thực hiện ước lượng lại mô hình

Bước 5: Dự báo

Các kết quả dự báo sẽ cho ta giá trị về rt+1 và ơt+1 Đây là những giá trị đã được hiệu chỉnh và được sử dụng để ước lượng VaR sau này

1.5.4.2.2 Mô hình VaR ứng dụng phương pháp RiskMetrics

Nguyên tắc tính VaR của phương pháp RiskMetrics tương tự với nguyên tắc tính VaR của phương pháp Variance- Covariance, nhưng thay vì tính độ lệch chuẩn σ cho tất cả các tỷ suất sinh lợi, ta tính σ theo những suất sinh lợi mới nhất Phương pháp này cho ta phản ứng nhanh chóng khi thị trường thay đổi đột ngột và cho ta quan tâm đến những sự kiện cực kỳ quan trọng có thể gây ảnh hưởng tiêu cực đến giá trị của danh mục đầu tư Đồng thời, phương pháp này có thể áp dụng đối với các chuỗi số liệu không dừng

Mô hình VaR-Riskmetrics được ngân hàng JP Morgan công bố vào năm 1994

Trường Đại học Kinh tế Đại học Huế

Giả định của phương pháp:

Quy luật phân phối chuẩn: N~ (µt, σ t2)

µt tuân theo mô hình AR (1)

σ t của lãi suất thỏa mãn mô hình GARCH(1,1) là mô hình không có bụi:

ut = rt - µt

ut = σ t *εt Ở đây, εt phân bố IDD: E(εt )=0, Var(εt )=1 và Cov(εt , εt+1)=0

σ t2 = α0 + α1 r2t -1 + β1σ t-12Trong thực tiễn có thể mở rộng với ARMA(p,q) và GARCH(1,0)/ GARCH(0,1),

Quy trình tính VaR-Riskmetrics:

Bước 1: Xác định giá trị thị trường hiện hành của danh mục (V0 )

Bước 2: Ước lượng mô hình ARMA/GARCH, tính rt +1 , σt+12 cho từng ngoại tệ

+ Từ các giá trị σ t+1 tìm được, lập ma trận hiệp phương sai, ta tính được giá trị σ

t+1 của danh mục đầu tư:

R: Tỉ suất sinh lời kì vọng của danh mục

σt+1: Độ lệch chuẩn thời gian t+1 của danh mục

Z0.05 = 1.65 Z0.01 = 2.33 V0: giá trị danh mục hiện tại

Trường Đại học Kinh tế Đại học Huế

1.4.4.2.3 Phương pháp Monte-Carlo (Monte-Carlo Simulation)

Đây là phương pháp tính VaR với một kịch bản các tình huống có thể xảy ra, cộng thêm với nhiều mô phỏng sẽ kết quả chính xác hơn với phân phối xác suất của VaR

Quy trình thực hiện:

Bước 1: Nhận diện nhân tố rủi ro mà DMĐT đang gặp phải: “sự biến động của

tỷ giá ngoại tệ trong danh mục”

Bước 2: Xây dựng các giả định cho nhân tố rủi ro đã xác định ở bước 1

Bước 3: Tiến hành mô phỏng

- Khai báo các biến đầu vào là TSSL của các ngoại tệ trong danh mục với

trung bình và độ lệch chuẩn Điểm mở rộng khi sử dụng phương pháp Monte Carlo theo hướng tiếp cận mới là việc sử dụng biến đầu vào đã được hiệu chỉnh bằng ARMA/GARCH

- Phân phối được lựa chọn thường là phân phối chuẩn Nhớ rằng trong thực

hành, một thuận lợi của phương pháp mô phỏng này là nó không yêu cầu một phân phối chuẩn, nhưng phân phối chuẩn thường được sử dụng để dễ dàng minh họa

- Khai báo biến dự báo: biến TSSL của danh mục Bước 4: Trên kết quả mô phỏng tiến hành tính VaR tại các mức tin cậy 95% và 99% VaR= TSSL Danh mục của mô phỏng * tổng giá trị Danh mục

1.4.5 Các hạn chế của phương pháp tính VaR

Mặc dù VaR là công cụ đo lường rủi ro được sử dụng phổ biến trong quản trị rủi

ro tài chính nhưng VaR vẫn có những hạn chế nhất định trên cả phương diện lý thuyết cũng như áp dụng trong thực tiễn

Về phương diện lý thuyết :

VaR chỉ phản ánh những biến động dựa trên số liệu lịch sử của các biến thị trường và phải giả định rằng các yếu tố trên thị trường tài chính tuân theo quy luật phân phối chuẩn Giả định này đôi khi không phù hợp với thực tế vì thị trường tài chính luôn tiềm ẩn các khoản tổn thất ngoài dự đoán và các biến động lớn đặc biệt khi nền kinh tế khủng hoảng Do đó, việc đựa ra giả định này nhiều khi không chính

Trường Đại học Kinh tế Đại học Huế

xác đòi hỏi cần phải kết hợp một số mô hình khác nhằm việc quản trị rủi ro được tốt hơn

Về phương diện thực tiễn:

VaR chỉ đo lường khoản lỗ lớn nhất trong phần lớn các tình huống với 99% hay 95% khẳ năng sẽ xảy ra Tuy nhiên, VaR chưa giải quyết được vấn đề là trong phần xác suất nhỏ 1% hay 5% tương ứng với các tình huống xấu do những diễn biến thất thường của thị trường gây ra thì mức lỗ sẽ vượt quá VaR, vậy mức tổn thất lúc này

sẽ được xác định như thế nào? Như vậy, VaR sẽ không còn đúng khi thị trường có những biến động thất thường và nằm ngoài dự đoán

1.4.6 Giới thiệu về Backtest

Tại các nước có nền tài chính ngân hàng phát triển, các ngân hàng, đặc biệt là ngân hàng đầu tư, đều xây dựng cho mình một mô hình VaR nội bộ, để xác định mức tổn thất lớn nhất trên vốn mà một danh mục có thể gây ra cho ngân hàng Tuy nhiên, mô hình này đôi khi cho những kết quả sai lệch với thực tế Chính vì vậy, cần tiến hành các phép thử nghiệm lại (Back-test) nhằm kiểm tra tính chính xác của VaR

Back test thực chất là một phép kiểm tra để so sánh VaR tìm được với những dữ liệu trong quá khứ để đảm bảo rằng các mức lỗ thực sự gặp phải trong quá khứ tương ứng với danh mục đồng tiền đang có không vượt quá một giới hạn nào đó Nếu độ tin cậy là 95% thì số lần bị lỗ vượt qua này quá N*5% Với N là kích thước mẫu

Ví dụ: NHTM A áp dụng hệ thống VaR với độ tin cậy 95%, và trong 252 ngày

làm việc trong 1 năm vừa rồi, ngân hàng đó xác định được VaR của danh mục Khi tiến hành phép thử Backtest, ngân hàng thấy rằng trong 252 ngày:

- Nếu số ngày tổn thất vượt quá giá trị VaR là trên 13 ngày (5% của 252 ngày làm việc) thì cho thấy hệ thống VaR nội bộ của ngân hàng vẫn chưa cho kết quả chính xác, và ngân hàng đó buộc phải điều chỉnh cách thức đánh giá VaR

Trường Đại học Kinh tế Đại học Huế

- Nếu số ngày tổn thất vượt quá giá trị VaR là dưới 13 ngày, chứng tỏ hệ thống VaR của ngân hàng đó là chấp nhận được

1.4.7 Giới thiệu về Stress-test

Chúng ta biết rằng, nhược điểm lớn nhất của VaR, đặc biệt là phương pháp mô phỏng lịch sử, đó là sự biến động của các tác nhân rủi ro trong tương lai sẽ giống như trong quá khứ, và đó là điều kiện bắt buộc để tiến hành mô phỏng Tuy nhiên giả định này hoàn toàn phi thực tế Đặc biệt, VaR chỉ đo lường mức lỗ lớn nhất trong những điều kiện bình thường, bỏ qua các ảnh hưởng từ các cú sốc kinh tế hay những biến động lớn hiếm gặp Vấn đề này càng được quan tâm từ sau khủng hoảng kinh tế năm 2008, khi các nhà quản trị tài chính hàng đầu nước Mỹ phải đối mặt với những khoản lỗ khủng khiếp mà họ thậm chí không biết không biết những khoản lỗ này xuất phát từ đâu Do vậy, việc áp dụng phép thử Stresstest (thử khả năng chịu đựng) có ý nghĩa đặc biệt quan trọng trong thời kỳ hiện nay

Stress test thực chất là phép kiểm định lại VaR trước những cú sốc bất ngờ của thị trường Hay nói cách khác, sau khi thực hiện Stress test thì các kết quả VaR trong những trường hợp đột biến sẽ được biết đến Phép thử Stress-test sẽ đưa ra những bối cảnh của các nhân tố rủi ro như: lãi suất, tỷ giá,… biến động khác xa so với điều kiện bình thường nhằm xác định VaR ứng với từng bối cảnh đó Qua đó, giúp các tổ chức hay nhà quản lý có thể hình dung ra được số tổn thất vượt quá VaR nằm trong khoảng giá trị bao nhiều từ đó đưa ra những khuyến nghị về vốn để quản

lý rủi ro

1.4.8 Giới thiệu về E-VaR

E-VaR là chữ viết tắt của Expanded Value at Risk, tức nó là giá trị mở rộng của VaR Thường E-VaR được dùng trong những trường hợp mà kiểm định Back test cho kết quả bác bỏ VaR tức số ngày trong quá khứ có độ biến động thua lỗ lớn hơn VaR, vượt quá số lượng cho phép E-VaR sẽ được tính theo mô hình sau đây Giả

sử một dữ liệu đầu vào là những thua lỗ vượt quá VaR ký hiệu là (L), hàm mật độ

Trường Đại học Kinh tế Đại học Huế

xác suất chuẩn của L ký hiệu là, đồng thời mức ý nghĩa ký hiệu là và hàm xác suất của mức ý nghĩa này ký hiệu là ( ) lúc này E-VaR sẽ được tính như sau:

E –VaR = ∫ ( ) =∑

∑ ( )

Với pi là xác suất thua lỗ ứng với mức lỗ liE-VaR sẽ cho kết quả chính xác về việc đo lường rủi ro hơn VaR trong những trường hợp Back–test bác bỏ VaR Tuy nhiên không phải lúc nào E-VaR cũng hữu hiệu vì nếu nhà quản trị cứ đi dự phòng rủi ro thì mức lợi nhuận sẽ phải giảm xuống ảnh hưởng đến kết quả kinh doanh Nên một lần nữa khẳng định lại rằng E-VaR chỉ nên sử dụng trong những hợp đồng KDNT lớn hoặc trong trường hợp Back-test cho rằng VaR đang đánh giá thấp rủi ro

1.5 Tóm tắt các nghiên cứu trước 1.5.1 Các nghiên cứu trong nước Trần Mạnh Hà (2010) - Ứng dụng VaR trong việc cảnh bảo và giám sát rủi

ro thị trường đối với hệ thống NHTM Việt Nam Tác giả cho rằng lợi ích lớn

nhất của VaR là việc đòi hỏi phải thay đổi suy nghĩ về quản lý rủi ro thị trường đối với những tổ chức tài chính áp dụng nó Thông qua quá trình tính toán VaR sẽ phơi bày rõ hơn về những rủi ro tài chính và do đó thiết lập chức năng quản lý rủi ro thích hợp với bản thân Tác giả cũng chỉ ra những hạn chế của VaR như “hiệu ứng đuôi chuông”, khoảng tin cây,… đồng thời cũng đề xuất một số biện pháp khắc phục như sử dụng phép thử Back-test, Stress-test để đảm bảo hệ thống VaR của ngân hàng cho kết quả chính xác

Đỗ Nam Tùng (2010) – Quản trị rủi ro bằng mô hình VaR mở rộng Tác giả

ứng dụng mô hình VaR để đo lường mức lỗ tối đa cho danh mục gồm 2 cổ phiếu REE và SAM trên thị trường chứng khoán Việt Nam Tác giả cho rằng việc đưa ra các giả định về phân phối chuẩn cho chuỗi lợi suất của mỗi cổ phiếu là chưa chính xác Do đó, tác giả đã kết hợp thêm mô hình ARMA và GARCH dùng để hiệu chỉnh chuỗi lợi suất từ đó đưa ra kết quả tính VaR có độ chính xác cao hơn

Trường Đại học Kinh tế Đại học Huế

1.5.2 Các nghiên cứu ngoài nước Philippe Jorion (1996) – Risk Measuring the Risk in Value at Risk Nghiên

cứu chứng tỏ rằng mặc dù VaR có nhiều ứng dụng trong thực tiễn quản trị rủi ro, nhưng nó vẫn có những hạn chế nhất định VaR chỉ đúng nếu như nó được đo lường với một số lượng quan sát nhất định, tuy nhiên thực tế VaR chỉ phản ánh những biến động từ dữ liệu lịch sử do người tính toán cung cấp, do vậy đôi lúc chuỗi dữ liệu này không bao gồm những biến động lớn trong các cuộc khủng hoảng dẫn đến kết quả tính VaR không chính xác Bên cạnh đó, tác giả cũng chỉ ra các phương pháp đo lương VaR khác nhau sẽ có kết quả khác nhau

Grzegorz Mentel & Jacek Brozyna (2014) - Historical Data in the Context

of Risk Prediction Nghiên cứu đưa ra việc tính toán giá trị VaR dựa trên phương

pháp GARCH(1,1) thuộc cách tiếp cận phi tham số Tác giả đã sử dụng bộ số liệu

về chỉ số WIG20 trong khoảng thời gian 3 năm từ 2010 đến 2012 được niêm yết trên thị trường chứng khoán Warsaw, với số mẫu được dùng để ước lượng khoảng

500 quan sát Đề tài đã chỉ ra phương pháp này có thể khắc phục một số hạn chế về những giả định mà VaR truyền thống thường gặp phải và cho ra kết quả khá chính xác

 Kết luận:

Dựa trên các nghiên cứu trong và ngoài nước đã điểm qua, từ đó tôi nắm bắt được việc đo lường VaR có thể thực hiện theo hai cách tiếp cận truyền thống và mở rộng Tuy nhiên, các nghiên cứu này chỉ thực hiện đo lường VaR bằng một cách tiếp cận duy nhất nên chưa so sánh được ưu điểm và hạn chế của từng cách tiếp cận Trên cơ sở đó, tôi đã quyết định nghiên cứu tính toán giá trị VaR theo cả hai hướng tiếp cận truyền thống và mở rộng nhằm tìm ra những ưu điểm, hạn chế và đánh giá hiệu quả của VaR khi áp dụng trong ngắn hạn và dài hạn

Trường Đại học Kinh tế Đại học Huế

CHƯƠNG 2: ĐO LƯỜNG RỦI RO KINH DOANH NGOẠI TỆ TẠI CÁC

NGÂN HÀNG THƯƠNG MẠI VIỆT NAM 2.1 Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015

Đơn vị tính: VNĐ

Biểu đồ 2.1 Tình hình biến động tỷ giá USD/VNĐ giai đoạn 2011-2015

(Nguồn : Ngân hàng nhà nước Việt Nam)

Nhìn chung, ta nhận thấy rằng sau nhiều năm biến động và tăng mạnh thì bắt đầu từ năm 2011 đã đánh dấu một xu hướng duy trì ổn định và kéo dài cho đến cuối năm 2014 và bắt đầu tăng nhẹ vào 2015 Nếu như trước năm 2011, tỷ giá thị trường

tự do thường chênh lệch đáng kể so với tỷ giá chính thức nhưng bắt đầu từ năm

2011 thì tỷ giá đã bước vào giai đoạn ổn định và sự hoạt động công khai trên thị trường tự do đã bị thu hẹp

Trong giai đoạn 2012-2013, NHNN đặt mục tiêu ổn định tỷ giá trong biên độ tăng không quá 2-3%/năm, hạn chế tình trạng đô la hóa nền kinh tế và kiểm soát sự mất giá của VNĐ Tuy nhiên, tại một số thời điểm trong năm 2013, áp lực tỷ giá tăng nhẹ theo diễn biến trên thị trường tài chính trong nước và quốc tế, một số NHTM đã nâng giá USD lên kịch trần cho phép Để chấm dứt áp lực lên tỷ giá, ngày 27/6/2013, NHNN đã điều chỉnh tăng tỷ giá bình quân liên ngân hàng thêm 1% lên mức 21,036 VNĐ/USD Sau thời gian đó, nhu cầu USD tại các NHTM bắt đầu hạ nhiệt, gây tác động lan tỏa sang thị trường tự do

17000,00 18000,00 19000,00 20000,00 21000,00 22000,00 23000,00

USD

USD

Trường Đại học Kinh tế Đại học Huế

Đến năm 2014, NHNN đề ra mục tiêu tỷ giá trong biên độ không quá ±2% Đây cũng là năm mà tín dụng VNĐ tăng chậm, theo đó NHNN đã nới lỏng đối tượng được vay ngoại tệ theo chủ trương của Chính phủ Do tín dụng ngoại tệ tăng cao, giá mua bán USD được duy trì ở mức cao, cùng với tâm lý kỳ vọng về khả năng NHNN sẽ sớm điều chỉnh tăng tỷ giá sau những thông điệp của Thống đốc và định hướng chính sách tỷ giá trong năm 2014, NHNN đã quyết định nâng tỷ giá chính thức thêm 1% lên 21,246 VNĐ/USD, có hiệu lực từ ngày 19/6/2014

Năm 2015 được coi là một năm đầy biến động, nhiều thách thức trong chính sách tiền tệ và chính sách tỷ giá trước bối cảnh USD liên tục lên giá do kỳ vọng Fed điều chỉnh tăng lãi suất và Trung Quốc bất ngờ điều chỉnh mạnh tỷ giá đồng Nhân dân tệ, kéo theo làn sóng giảm giá mạnh của các đồng tiền của các đối tác thương mại chính của Việt Nam Trước tình hình đó, NHNN đã điều chỉnh biên độ tỷ giá giữa VNĐ và USD tăng từ +/-1% lên +/-2% ngay sau khi Ngân hàng Trung ương Trung Quốc phá giá đồng Nhân dân tệ và tiếp tục mở rộng biên độ tỷ giá từ +/-2% lên +/-3% nhằm đón đầu các tác động về khả năng Fed tăng lãi suất và biến động của thị trường tài chính thế giới

Qua việc phân tích tình hình biến động tỷ giá như trên thì nhìn chung tỷ giá có

xu hướng duy trì ổn định trong 2011-2015 Tuy nhiên, ta phải nhận ra rằng bên cạnh

xu hướng ổn định đó thì có những thời điểm do ảnh hưởng tình hình tiền tệ thế giới buộc NHNN phải điều chỉnh lại tỷ giá khiến tỷ giá đột nhiên tăng mạnh Điều này

sẽ ảnh hưởng rất lớn đến hoạt động KDNT của các NHTM, sự biến động mạnh về

tỷ giá có thể tạo ra những khoản lợi nhuận đối với một số NHTM đã dự báo trước được nhưng bên cạnh đó nếu không lường trước những rủi ro về tỷ giá thì sẽ tạo ra những khoản lỗ từ hoạt động KDNT Do đó việc việc xây dựng những mô hình để lượng hoá những rủi ro mà ngân hàng gặp phải là rất quan trọng

Trường Đại học Kinh tế Đại học Huế