Phương pháp mô phỏng monte carlo ứng dụng phần mềm crystal ball dự báo rủi ro giá nguyên liệu phân bón trung vi lượng của công ty cổ phần sinh học mekong

Lí do chọn đề tài Trong môi trường nền kinh tế chứa đựng nhiều biến động và cạnh tranh khôngngừng hiện nay, các doanh nghiệp luôn đối mặt với nhiều rủi ro thách thức, trong đórủi ro về g

NGUYỄN THÀNH TRUNG

PHƯƠNG PHÁP MÔ PHỎNG MONTE CARLO ỨNG DỤNG PHẦN MỀM CRYSTAL BALL DỰ BÁO RỦI RO GIÁ NGUYÊN LIỆU PHÂN BÓN TRUNG VI LƯỢNG CỦA CÔNG TY CỔ PHẦN SINH HỌC

MEKONG

LUẬN VĂN THẠC SĨ KINH TẾ

Tp HỒ CHÍ MINH – 2015

NGUYỄN THÀNH TRUNG

PHƯƠNG PHÁP MÔ PHỎNG MONTE CARLO ỨNG DỤNG PHẦN MỀM CRYSTAL BALL DỰ BÁO RỦI RO GIÁ NGUYÊN LIỆU PHÂN BÓN TRUNG VI LƯỢNG CỦA CÔNG TY CỔ PHẦN SINH HỌC

MEKONG

LUẬN VĂN THẠC SĨ KINH TẾ

CHUYÊN NGÀNH: KINH DOANH THƯƠNG MẠI

Mã số: 60340121

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS NGUYỄN ĐỨC TRÍ

Tp HỒ CHÍ MINH - 2015

Tôi xin cam đoan luận văn thạc sĩ “Phương pháp mô phỏng Monte carlo, ứngdụng phần mềm Crystal Ball dự báo rủi ro giá nguyên liệu phân bón trung vi lượngcủa công ty cổ phần Mekong” là kết quả của quá trình học tập, nghiên cứu khoa họcđộc lập của cá nhân tôi dưới sự hướng dẫn của TS Nguyễn Đức Trí.

Các số liệu được nêu trong luận văn được trích dẫn nguồn rõ ràng và thu thập từthực tế, đáng tin cậy, được xử lý trung thực và khách quan Tôi xin hoàn toàn chịutrách nhiệm về nội dung đề tài tôi đã nghiên cứu

Người cam đoan

Nguyễn Thành Trung

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC BẢNG BIỂU

DANH MỤC ĐỒ THỊ

CHƯƠNG 1: MỞ ĐẦU

1 Lí do chọn đề tài

2 Mục tiêu nghiên cứu

3 Đối tượng và phạm vi nghiên cứu

4 Phương pháp nghiên cứu

5 Ý nghĩa thực tiễn của đề tài

6 Nội dung và kết cấu đề tài

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT

2.1 Rủi ro và phân tích rủi ro

2.1.1 Khái niệm về rủi ro

2.1.2 Những nguyên nhân gây nên rủi ro

2.1.3 Khái quát về phân tích rủi ro trong doanh nghiệp

2.1.3.1 Sự cần thiết phải phân tích rủi ro trong doanh nghiệp

2.1.3.2 Các nguồn thông tin để phân tích rủi ro

2.1.3.3 Phương pháp ước lượng rủi ro cơ bản

2.1.4 Các nhân tố ảnh hưởng đến rủi ro kinh doanh

2.2 Phương pháp phân tích dự báo rủi ro Value at Risk (VaR)

2.2.1 Khái niệm

2.2.2 Sự phát triển của VaR trong quản trị rủi ro:

2.2.2.1 Khái quát về sự phát triển của các phương pháp phân tích & quản trị rủi ro:

13

2.2.4 Các thông số ảnh hưởng đến Value at Risk:

2.2.4.1 Độ tin cậy

2.2.4.2 Khoảng thời gian đo lường VaR:

2.2.5 Các phương pháp tiếp cận VaR truyền thống

2.2.5.1 Phương pháp phân tích

2.2.5.2 Khái niệm

2.2.5.3 Cách tiến hành

2.2.5.4 Đánh giá

2.2.6 Tổng quan các nghiên cứu trước đây

2.3 Phương pháp mô phỏng Monte Carlo

2.3.1 Luật số lớn và luật số lớn yếu

2.3.1.1 Định lý Bernoulli

2.3.1.2 Định lý Poisson

2.3.2 Luật số lớn mạnh

2.4 Định lý giới hạn trung tâm

2.5 Phân phối đều và phân phối chuẩn

2.5.1 Phân phối đều:

2.5.1.1 Định nghĩa:

2.5.1.2 Hàm phân phối xác suất:

2.5.1.3 Đồ thị:

2.5.1.4 Các đặc trưng số của phân phối đều:

2.5.2 Phân phối chuẩn:

2.5.2.1 Định nghĩa:

2.5.2.2 Hàm phân phối xác suất:

2.5.2.3 Đồ thị:

2.5.2.4 Các đặc trưng số của phân phối chuẩn:

2.6 Số giả ngẫu nhiên và biến ngẫu nhiên

2.6.1.2 Thuật toán tạo ra số giả ngẫu nhiên

2.6.2 Biến ngẫu nhiên

2.6.2.1 Giới thiệu

2.6.2.2 Phương pháp tạo biến ngẫu nhiên - Phương pháp phép biến nghịch đảo

2.7 Ví dụ ứng dụng của phương pháp mô phỏng Monte Carlo

2.8 Phần mềm ứng dụng crystal ball

2.8.1 Giới thiệu

2.8.2 Tổng quan về xây dựng mô hình

Tóm tắt chương 2

CHƯƠNG 3: DỰ BÁO RỦI RO VỀ GIÁ NGUYÊN LIỆU

3.1 Các biến đầu vào

3.1.1 CuSO4.5 H2O (Đồng sunphát ngậm 5 nước)

3.1.2 Dolomite

3.1.3 FeSO4.7H2O (Sắt sunphát ngậm 7 nước)

3.1.4 MnSO4 H2O (Mangan sunphát ngậm 1 nước)

3.1.5 Na2BO3 (Borát)

3.1.6 Nitrophenol

3.1.7 Pennac P

3.1.8 Zeolite indo

3.1.9 ZnSO4.H2O (Kẽm 1 nước)

3.1.10 Màu Green VP20

3.2 Mô hình dự báo rủi ro

3.3 Biến kết quả

3.4 Kết quả hỗ trợ ra quyết định

3.5 Phân tích nguyên nhân giá cả nguyên liệu thay đổi

CHƯƠNG 4: KẾT LUẬN VÀ KIẾN NGHỊ

4.1 Kết luận:

4.4 Hướng mở rộng của đề tài 86

TÀI LIỆU THAM KHẢO

PHỤ LỤC

LCGLimModVarUSDVaR

Bảng 2.2: Kết quả của bộ sinh LCG (3, 0, 16, xo) 39

Bảng 2.3: Các kết quả là phân phối đều : min =2, max =10 43

Bảng 2.4: Các kết quả là phân phối chuẩn: N(0,1) 46

Bảng 2.5: Bảng minh họa gieo 10 điểm P 48

Bảng 2.6: Giá trị xấp xỉ của pi với số lần thử khác nhau 48

Bảng 3.1: định mức nguyên liệu dùng để sản xuất 1000 sản phẩm RICE 55

Bảng 3.2: Giá nguyên liệu CuSO4.5 H2O 56

Bảng 3.3: Giá nguyên liệu Dolomite 58

Bảng 3.4: Giá nguyên liệu FeSO4.7H2O 60

Bảng 3.5: Giá nguyên liệu MnSO4 H2O 62

Bảng 3.6: Giá nguyên liệu Na2BO3 64

Bảng 3.7: Giá nguyên liệu Nitrophenol 66

Bảng 3.8: Giá nguyên liệu Pennac P 69

Bảng 3.9: Giá nguyên liệu 71

Bảng 3.10: Giá nguyên liệu ZnSO4.H2O 71

Bảng 3.11: Giá nguyên liệu Màu Green VP20 74

Bảng 3.12: Khai báo mô hình mô phỏng 74

Bảng 3.13: Tần suất xuất hiện của biến kết quả (giá tổng hợp) trong khoảng min, max 77

Bảng 3.14: Bảng các thông số của giá nguyên liệu sản phẩm 79

Bảng 3.15: Dự báo rủi ro của giá tổng hợp trong khoảng min, max 79

Bảng 3.16: Dự báo rủi ro bên phải của giá tổng hợp 80

Hình 2.2: Đồ thị hàm phân phối xác suất của phân phối đều 30

Hình 2.3 : Đồ thị hàm mật độ của phân phối chuẩn 31

Hình 2.4: Đồ thị hàm phân phối xác suất của phân phối chuẩn 32

Hình 2.5: Hàm mật độ xác suất 27

Hình 2.6: Nghịch đảo của F(x) 41

Hình 2.7: Đồ thị hàm mật độ phân phối đều 42

Hình 2.8: Đồ thị tần suất phân phối đều [ 2, 10) 43

Hình 2.9: Đồ thị tần suất phân phối chuẩn N(0,1) 46

Hình 2.10: Một phần đường tròn đơn vị có tâm là gốc tọa độ với hình vuông đơn vị 47

Hình 3.1: Biểu đồ giá của nguyên liệu CuSO4.5 H2O theo tần suất 57

Hình 3.2: Biểu đồ hàm mật độ của giá nguyên liệu CuSO4.5 H2O 57

Hình 3.3: Biểu đồ giá của nguyên liệu dolomite theo tần suất 59

Hình 3.4: Biểu đồ hàm mật độ của giá nguyên liệu Dolomite 59

Hình 3.5: Biểu đồ giá của nguyên liệu FeSO4.7H2O theo tần suất 60

Hình 3.6: Biểu đồ hàm mật độ của giá nguyên liệu FeSO4.7H2O 61

Hình 3.7: Biểu đồ giá của nguyên liệu MnSO4 H2O theo tần suất 63

Hình 3.8: Biểu đồ hàm mật độ của giá nguyên liệu MnSO4 H2O 63

Hình 3.9: Biểu đồ giá của nguyên liệu Na2BO3 theo tần suất 65

Hình 3.10: Biểu đồ hàm mật độ của giá nguyên liệu Na2BO3 65

Hình 3.11: Biểu đồ giá của nguyên liệu Nitrophenol theo tần suất 67

Hình 3.12: Biểu đồ hàm mật độ của giá nguyên liệu Nitrophenol 68

Hình 3.13: Biểu đồ giá của nguyên liệu Pennac P theo tần suất 70

Hình 3.14: Biểu đồ hàm mật độ của giá nguyên liệu Pennac P 70

Hình 3.15: Biểu đồ giá của nguyên liệu ZnSO4.H2O theo tần suất 73

Hình 3.16: Biểu đồ hàm mật độ của giá nguyên liệu ZnSO4.H2O 73

Hình 3.17: Màn hình lập mô hình mô phỏng 75

Hình 3.18: Khai báo số lần thử 76

Hình 3.19: Chọn phương pháp Monte Carlo 76

Hình 3.20: Biểu đồ tổng hợp giá nguyên liệu sản phẩm theo tần suất 78

CHƯƠNG 1: MỞ ĐẦU

1 Lí do chọn đề tài

Trong môi trường nền kinh tế chứa đựng nhiều biến động và cạnh tranh khôngngừng hiện nay, các doanh nghiệp luôn đối mặt với nhiều rủi ro thách thức, trong đórủi ro về giá nguyên liệu đầu vào là một trong những thách thức chính của doanhnghiệp sản xuất do chi phí đầu vào đóng vai trò quan trọng trong chi phí sản xuấtdoanh nghiêp

Mọi doanh nghiệp hoạt động đều hướng tới mục tiêu tạo ra lợi thế cạnh tranh vàđem lại giá trị tăng thêm cho những đối tác bên trong và bên ngoài của doanhnghiệp gắn kết chặt chẽ với hoạt động của mình Để có thể đạt được mục tiêu đó,doanh nghiệp thường xây dựng cho mình chiến lược hoạt động cùng hàng loạtnhững chương trình, kế hoạch để thực thi những chiến lược đã được đề ra Trongquá trình thực thi chiến lược sẽ thường có nhiều rủi ro xảy ra làm ảnh hưởng đếnquá trình tiến tới mục tiêu của doanh nghiệp Hệ thống quản lý rủi ro doanh nghiệpđược thiết lập nhằm san lấp những khiếm khuyết này

Với mục tiêu là đạt được mức lợi nhuận tối đa với mức chi phí tối thiểu, đặc biệtvới các doanh nghiệp hoạt động sản xuất kinh doanh thì chi phí cho hoạt động kinhdoanh là cơ sở ban đầu để định giá thành phẩm Tiết kiệm chi phí hoạt động kinhdoanh luôn được coi là một trong những chìa khóa của sự tăng trưởng và phát triển,

để làm được điều này nhất thiết các doanh nghiệp sản xuất kinh doanh phải quantâm đến các yếu tố đầu vào trong đó chi phí nguyên vật liệu là chi phí chiếm tỉ trọngkhá lớn trong tổng chi phí sản xuất Sự biến động của giá cả ảnh hưởng đến giáthành của sản phẩm và lợi nhuận của doanh nghiệp, điều này thể hiện ở chỗ nguyênvật liệu là đối tượng cấu thành thực thể sản phẩm cho nên tiết kiệm chi phí nguyênvật liệu là biện pháp hữu hiệu để giảm giá thành và tăng lợi nhuận cho doanhnghiệp Nhưng bên cạnh việc tiết kiệm chi phí ở mức tối đa cho doanh nghiệp thìviệc dự báo rủi ro giá cho nguyên liệu cũng quan trọng không kém Nhờ có dự báo,các doanh nghiệp có thể lường trước những khó khăn hay thuận lợi của

dự án Qua đó có thể quyết định thực hiện dự án hay không, hoặc chọn một phương

án tối ưu nhất

Hằng ngày chúng ta đều phải đối mặt với một vấn đề đó là ra quyết định trongtình trạng thiếu kém thông tin, không có công cụ hỗ trợ và ra quyết định theo cảmtính Đặc biệt đối với các vị trí quản lý trong quản lý kinh tế việc ra quyết định đầu

tư, quyết định tài chính hay các quyết định liên quan đến hoạt động sản xuất kinhdoanh của công ty là rất quan trọng Các nhà quản lý luôn mong muốn tìm kiếmmột đội ngũ tham mưu, tư vấn chính xác nhất Các nhà tư vấn hoặc các chuyên giatrong các công đoạn sản xuất kinh doanh cũng tìm kiếm một công cụ hỗ trợ ra quyếtđịnh để tư vấn cho cấp trên có được thông tin tư vấn tốt nhất Ngày nay với sự tiến

bộ của khoa học kỹ thuật, cùng với sự phát triển của thông tin thông qua các kênhkhác nhau, mỗi cá nhân, nhà quản lý có rất nhiều thông tin hỗ trợ trong quá trình raquyết định nhưng đó cũng là vấn đề đối với nhà quản lý, khi mỗi một quyết địnhđưa ra lại có quá nhiều thông số dẫn đến tình trạng nhiễu thông tin và khi thay đổimột trong những yếu tố ảnh hưởng đến thông số tính toán cần có thời gian để lậpcông thức tính toán Phần mềm Oracle Crystal Ball (OCB) là công cụ được pháttriển bởi tập đoàn Oracle của Mỹ có những chức năng tích hợp trên bảng tính Excelvới các thuật toán được xây dựng sẵn nổi tiếng như Monte Carlo Simulation,Portfolio simulation là những thuật toán hiện nay đang được chấp nhận nhiều trênthế giới và ứng dụng vào rất nhiều lĩnh vực, đặc biệt là thống kê kinh tế, dự báokinh tế và quản lý kinh tế với nhiều yếu tố biến thiên Hiện nay phần mềm đã được

áp dụng trong rất nhiều tập đoàn, công ty trên thế giới và tại Việt Nam

Phương pháp ước lượng rủi ro Value at Risk với phương thức tính toán môphỏng Monte Carlo được hiểu như là phương pháp tính, bằng cách biểu diễnnghiệm các bài toán dưới dạng các tham số của một đám đông lý thuyết và sử dụngdãy số ngẫu nhiên để xây dựng mẫu đám đông mà từ đó ta thu được ước lượngthống kê của các tham số Phương pháp Monte Carlo thường thực hiện lặp lại một

số lượng rất lớn các bước đơn giản, song song với nhau, là phương pháp tận dụng

được sức mạnh của máy tính Kết quả của phương pháp này càng chính xác khi sốlượng lặp các bước tăng.

Dựa vào phương pháp Monte Carlo, phần mềm Crystal Ball và số liệu của công

ty để cho ra kết quả rủi ro về giá Crystal Ball sử dụng các đồ thị trong phân tích vàminh họa các báo cáo nhằm giúp loại trừ các yếu tố bất định khi ra quyết định.Thông qua sức mạnh mô phỏng, Crystal Ball đã trở thành công cụ hiệu quả trongtay của những người ra quyết định Crystal Ball rất dễ học và sử dụng, để bắt đầuchỉ cần tạo một bảng tính mới và lập mô hình bài toán trên đó, sau đó thực hiện một

số khai báo các thông số cho chương trình và bắt đầu mô phỏng Crystal Ball sẽ dựbáo toàn bộ dãy kết quả có thể của một tình huống cho trước và đồng thời cung cấpthêm các thông tin về mức tin cậy của dự báo đó, do đó ta có thể dự đoán được khảnăng xuất hiện của một biến cố nào đó

Tại công ty cổ phần sinh học Mekong, nhằm giải quyết vấn đề được đặt ra là khi

ký hợp đồng cung cấp phân bón cho các công ty, đại lý phân phối, cho mùa vụ sắptới (một mùa vụ khoảng 4 tháng) thì công ty Mekong cần có phương pháp đo lườnggiá bán phù hợp, với mỗi mức xác định rủi ro nhất định Để nghiên cứu sâu hơntrong việc ước lượng dự báo rủi ro giá nguyên liệu, phương pháp đo lường chủ độngtrong kinh doanh Tôi thực hiện đề tài “Phương pháp mô phỏng Monte Carlo, ứngdụng phần mềm Crystal Ball dự báo rủi ro giá nguyên liệu phân bón trung vi lượngcủa công ty cổ phần sinh học Mekong”

2 Mục tiêu nghiên cứu

Bài nghiên cứu nhằm mục tiêu xây dựng phương pháp dự báo rủi ro giánguyên liệu phân bón trung vi lượng của công ty cổ phần sinh học Mekong Để thựchiện mục tiêu này, bài nghiên cứu cần giải quyết những vấn đề sau:

 Phân tích đánh giá rủi ro giá nguyên liệu phân bón trung vi lượng của công ty cổ phần sinh học Mekong

 Xác định giá bán sản phẩm có tính đến rủi ro biến động giá đầu vào

3. Đối tượng và phạm vi nghiên cứu

 Đối tượng nghiên cứu:

Rủi ro trong giá nguyên liệu phân bón trung vi lượng của công ty cổ phần sinh học MeKong

 Phạm vi nghiên cứu:

Giá nguyên liệu và giá bán sản phẩm phân bón trung vi lượng của công ty cổphần sinh học MeKong Trong đó các nguyên liệu bao gồm: CuSO4.5H2O (Đồngsunphát ngậm 5 nước), Dolomite, FeSO4.7H2O (Sắt sunphát ngậm 7 nước), MnSO4

H2O (Mangan sunphát ngậm 1 nước), Na2BO3 (Borát), Nitrophenol, Pennac P,Zeolite indo, ZnSO4.H2O (Kẽm 1 nước), Màu Green VP20 được mua vào công ty

cổ phần sinh học Mekong từ năm 2012 đến tháng 8 năm 2015

4 Phương pháp nghiên cứu

Bài nghiên cứu sử dụng phương pháp định lượng, từ dữ liệu của công ty làgiá của các loại nguyên liệu từ năm 2012 đến nay Dựa vào giá của mỗi loại nguyênliệu lập đồ thị biểu diễn tần suất của mỗi khoảng mức giá, sau đó lựa chọn loại phânphối phù hợp cho nguyên liệu đó

Sử dụng phần mềm Crystal Ball và dữ liệu về giá xây dựng đồ thị hàm mật

độ với các tham số đặc trưng cho từng loại phân phối cho từng loại nguyên liệu

Xây dựng mô hình phân tích rủi ro Value at Risk với phương pháp tínhMonte Carlo nhằm ước lượng rủi ro từng mức giá

5. Ý nghĩa thực tiễn của đề tài

Đề tài nghiên cứu có ý nghĩa thực tiễn đối với công ty cổ phần sinh họcMekong Kết quả nghiên cứu giúp cho doanh nghiệp có cái nhìn tổng quan hơntrong việc đưa ra quyết định kinh doanh, từng bước xây dựng quy chế quản trị rủi rocông ty Bài nghiên cứu trực tiếp cung cấp phương pháp ước lượng rủi ro và kiểmsoát rủi ro giá đầu vào cho công ty Qua đó, doanh nghiệp nắm được tình hình vềgiá nguyên liệu, chủ động hơn trong việc đưa ra giá thành sản phẩm và các quyết

định ký hợp đồng, góp phần đảm bảo được doanh thu và lợi nhuận của công ty bền bỉ.

6 Nội dung và kết cấu đề tài

Bài nghiên cứu được kết cấu như sau:

Chương 1 Mở đầu

Chương 2 Cơ sở lý thuyết

 Rủi ro trong kinh doanh

 Phương pháp ước lượng rủi ro Value at Risk với phương pháptính mô phỏngMonte Carlo

Khái niệm

Lịch sử phát triển phương pháp

So sánh các phương pháp Các

nghiên cứu trước đây

 Phương pháp thực nghiệm nghiên cứu

Chương 3 Dự báo rủi ro về giá của sản phẩm phân bón

Chương 4 Kết luận và kiến nghị và hướng mở rộng

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2.1 Rủi ro và phân tích rủi ro

2.1.1 Khái niệm về rủi ro

Cho đến nay chưa có được định nghĩa thống nhất về rủi ro Nhưng có thể chia thành hai trường phái lớn:

 Theo trường phái truyền thống: Rủi ro được xem là sự không may mắn, sựtổn thất mất mát, nguy hiểm Đó là sự giảm sút về tài sản hay sự giảm sútlợi nhuận thực tế so với lợi nhuận dự kiến Theo quan điểm này rủi ro mangtính tiêu cực

 Theo trường phái hiện đại: Rủi ro là sự bất trắc có thể đo lường được, vừamang tính tích cực vừa mang tính tiêu cực Nếu tích cực nghiên cứu rủi ro

có thể tìm ra những biện pháp phòng ngừa, hạn chế những rủi ro tiêu cực,chớp lấy những cơ hội mang lại kết quả tốt đẹp cho tương lai

2.1.2 Những nguyên nhân gây nên rủi ro

Là những nguyên nhân xảy ra ngoài ý muốn, ngoài sự kiểm soát và không phải từ hành động trực tiếp của con người bao gồm:

 Nhóm nguyên nhân đến từ những điều kiện tự nhiên bất lợi như: gió, bão, sóng thần, dịch bệnh…

 Nhóm nguyên nhân từ môi trường kinh doanh

 Nguyên nhân chủ quan:

Là những nguyên nhân xuất hiện từ hành vi trực tiếp hoặc gían tiếp của conngười:

 Chính sách quản lý vĩ mô sai lầm, chính trị không ổn định, hệ thống pháp luật luôn thay đổi, pháp chế không nghiêm, tập quán xã hội khác biệt…

 Những sai lầm của các cá nhân, tổ chức về việc lựa chọn chiến lược kinh

 Thiếu thông tin kiến thức kinh doanh

 Buôn lậu, làm hàng giả, cạnh tranh không lành mạnh…

 Về phía doanh nghiệp: Rủi ro có thể xuất phát từ việc thiếu hiểu biết kỹ thuật công nghệ mới, chưa có chiến lược nhân sự …

2.1.3 Khái quát về phân tích rủi ro trong doanh nghiệp

2.1.3.1 Sự cần thiết phải phân tích rủi ro trong doanh nghiệp

Đối với doanh nghiệp:

Phân tích rủi ro là công cụ để phát hiện những rủi ro tiềm ẩn trong kinhdoanh của mọi doanh nghiệp Bất kỳ ngành nghề kinh doanh với điều kiện và môitrường kinh doanh khác nhau thế nào đi chăng nữa cũng luôn tồn tại những nhân tốgây bất lợi có ảnh hưởng không tốt đến sự phát triển của doanh nghiệp Chỉ khitiến hành phân tích mới phát hiện những yếu tố bất lợi đó và có những giải phápngăn chặn kịp thời để giảm thiểu rủi ro và mang lại hiệu quả hoạt động cho doanhnghiệp

Đối với nhà đầu tư:

Để đưa ra quyết định đầu tư, các nhà đầu tư xem xét tình hình tài chính củadoanh nghiệp thông qua viêc phân tích hiệu quả của doanh nghiệp Hiệu quả hoạtđộng của một doanh nghiệp chỉ có thể được xem xét tương ứng với một mức rủi

ro mà nó có thể chịu và ngược lại Nhà đầu tư chỉ chấp nhận một rủi ro đầu tưtương ứng với một hiệu quả trông chờ nào đó Phân tích rủi ro của doanh nghiệpnhà đầu tư sẽ biết được mức độ rủi ro của doanh nghiệp từ đó đưa ra quyết định

có nên đầu tư hay không

Đối với các chủ nợ:

Các chủ nợ quan tâm đầu tiên đó là mức độ an toàn của các doanh nghiệp đểđảm bảo trả nợ Thông qua việc phân tích rủi ro của doanh nghiệp, các chủ nợ

sẽ biết được mức độ an toàn của doanh nghiệp từ đó đưa ra quyết định cho vay haykhông và mức vay là bao nhiêu Doanh nghiệp có mức rủi ro càng thấp sẽ được cácnhà cho vay càng tin tưởng, ưu tiên để tiếp cận với nguồn vốn của họ.

2.1.3.2 Các nguồn thông tin để phân tích rủi ro

∗ Báo cáo tài chính

- Bảng cân đối kế toán

- Báo cáo kết quả hoạt động kinh doanh

- Báo cáo lưu chuyển tiền tệ

- Thuyết minh báo cáo tài chính và các báo cáo kế toán nội bộ khác

∗ Các nguồn thông tin khác

- Thông tin liên quan đến tình hình kinh tế

- Thông tin theo ngành

- Thông tin về đặc điểm hoạt động kinh doanh của doanh nghiệp

2.1.3.3 Phương pháp ước lượng rủi ro cơ bản

Phân tích rủi ro doanh nghiệp cần xác định các chỉ tiêu phù hợp và so sánhgiữa các thời kỳ, giữa các doanh nghiệp hoặc so sánh với các chỉ tiêu trung bìnhngành để đánh giá mức độ rủi ro của doanh nghiệp giữa các thời kỳ hoặc giữa cácphương án nghiên cứu khác nhau hoặc xu hướng rủi ro

Trên cơ sở đó ta thiết lập các công thức thể hiện mối liên quan giữa các chỉtiêu phản ánh rủi ro với các nhân tố ảnh hưởng qua đó làm rõ mức độ ảnh hưởngcủa từng nhân tố

Rủi ro kinh doanh được hiểu là biến cố xảy ra và gây nên tổn thất trong hoạtđộng sản xuất kinh doanh, đó là sự tổn thất về tài sản hay sự giảm sút về lợi nhuận.Rủi ro kinh doanh là rủi ro gắn liền với sự không chắc chắn, sự biến thiên của kếtquả và hiệu quả kinh doanh của doanh nghiệp

 Phân tích rủi ro kinh doanh qua phương sai, độ lệch chuẩn và hệ số biến thiên

 Phương sai

Theo quan điểm phân tích thống kê, để đo lường rủi ro kinh doanh người ta

sử dụng chỉ tiêu phương sai đại lượng kết quả kinh doanh như doanh thu, lợinhuận… hay hiệu quả kinh doanh như khả năng sinh lời tổng tài sản để đánh giámức độ biến thiên của các đại lượng đó Ví dụ, để xem xét độ biến thiên của chỉ tiêu

k, ta dùng phương sai (ký hiệu là Var) để thể hiện và phương sai sẽ được tính bằngbình phương các độ lệch của chỉ tiêu nghiên cứu với giá trị trung bình của nó

Trong đó

ki : là giá trị thứ i của chỉ tiêu nghiên cứu (đó có thể là kết quả kinh doanh haychỉ tiêu hiệu quả kinh doanh nào đó được chọn để phân tích như: doanh thu,lợi nhuận, hiệu suất sinh lời…)

̅ : giá trị kỳ vọng hay giá trị trung bình của chỉ tiêu phân tích ở trên, được tính bằng công thức:

Hai chỉ tiêu này có ý nghĩa tương tự nhau, đều thể hiện độ phân tán của cácgiá trị của chỉ tiêu so với giá trị trung bình của nó Khi phân tích rủi ro kinh doanhthì nó có ý nghĩa là ở một mức hoạt động và quy mô tương tự nhau, doanh nghiệphay phương án nào có phương sai hay độ lệch chuẩn của cùng một chỉ tiêu nhỏ hơnthì doanh nghiệp hay phương án đó có rủi ro thấp hơn do mức độ biến thiên kết quảkinh doanh của doanh nghiệp là thấp hơn Nghĩa là doanh nghiệp hoạt động ổn địnhhơn.

 Hệ số biến thiên

Trong quá trình phân tích chỉ tiêu phương sai và độ lệch chuẩn có nhượcđiểm là các chỉ tiêu có thước đo khác nhau, giá trị kỳ vọng giữa các phương án sosánh khác nhau thì sử dụng phương sai và độ lệch chuẩn để so sánh là không có ýnghĩa Do đó, người ta sử dụng thêm chỉ tiêu hệ số biến thiên, hệ số biến thiên đượctính bằng tỷ số giữa độ lệch chuẩn của chỉ tiêu với giá trị kỳ vọng của nó

Với công thức như trên, hệ số biến thiên đã loại bỏ ảnh hưởng của nhân tốthước đo và quy mô Do đó, nó có thể làm căn cứ so sánh giữa hai doanh nghiệpkhông cùng quy mô Phương án hay doanh nghiệp nào có hệ số biến thiên nhỏ hơnthì có rủi ro kinh doanh nhỏ hơn

 Phân tích rủi ro kinh doanh qua đòn bẩy kinh doanh

Hệ số đòn bẩy kinh doanh hay còn gọi là độ lớn đòn bẩy kinh doanh là chỉtiêu phản ánh ảnh hưởng của những thay đổi về doanh thu đối với lợi nhuận củadoanh nghiệp Nó phản ánh mức độ rủi ro trong kinh doanh Độ lớn đòn bẩy kinhdoanh (K) được tính theo công thức sau:

Trong đó:

LN là lợi nhuận kinh doanh của doanh nghiệp

DT là doanh thu hoạt động kinh doanh của doanh nghiệp

Hệ số K cho thấy: cứ 1% thay đổi về doanh thu sẻ ảnh hưởng đến K% thay đổi về lợi nhuận kinh doanh

Hệ số đòn bẩy kinh doanh càng cao thì doanh nghiệp có thể đạt được hiệuquả kinh doanh lớn nhưng hiệu quả kinh doanh biến thiên lớn do đó rủi ro kinhdoanh của doanh nghiệp cũng cao Lí do là một sự thay đổi nhỏ về doanh thu cũngdẫn đến một sự thay đổi lớn hơn về lợi nhuận kinh doanh

2.1.4 Các nhân tố ảnh hưởng đến rủi ro kinh doanh

 Sự biến đổi nhu cầu thị trường:

Khi nhu cầu thị trường ổn định và số lượng sản phẩm tiêu thụ của doanhnghiệp ổn định, trong điều kiện các yếu tố khác không đổi thì rủi ro kinh doanh củadoanh nghiệp càng thấp

 Sự biến đổi giá bán:

Những doanh nghiệp mà có giá bán sản phẩm dễ dao động thường mang rủi

ro kinh doanh cao hơn những doanh nghiệp có giá bán ổn định Nhân tố này gắnliền với doanh thu vì sự thay đổi giá cả thường dẫn đến khách hàng thay đổi sảnphẩm tiêu thụ Khi phân tích sự biến đổi giá bán cũng cần xem xét đến đặc điểm củasản phẩm, chiến lược định giá của doanh nghiệp, các vấn đề có tính thời vụ, thiêntai, quản lý giá cả, điều kiện giao thông vận tải,… phải xem xét toàn diện vì chúng

có liên hệ mật thiết đến giá cả của doanh nghiệp

 Sự biến đổi giá cả và các yếu tố đầu vào:

Nhân tố này thể hiện: những doanh nghiệp có giá cả yếu tố đầu vào luôn biếnđộng cao thì có mức độ rủi ro kinh doanh cao vì yếu tố này sẽ tác động đến lợinhuận trong tương lai thông qua mức chi phí Một khi giá cả đầu vào ổn định thì lợinhuận của doanh nghiệp ít bị ảnh hưởng.

 Khả năng thay đổi giá bán khi có sự thay đổi giá đầu vào:

Không phải doanh nghiệp nào cũng có khả năng tăng giá bán khi giá đầu vàotăng Những doanh nghiệp nào có khả năng thay đổi giá bán càng lớn khi giá cả đầuvào thay đổi, doanh nghiệp đó càng có mức độ rủi ro kinh doanh thấp Nhân tố nàyđặc biệt quan trọng khi doanh nghiệp hoạt động trong nền kinh tế có mức lạm phátcao

2.2 Phương pháp phân tích dự báo rủi ro Value at Risk (VaR)

Để thực hiện đo lường rủi ro của giá nguyên liệu, tác giả sử dụng phương phápValue at Risk với tính toán dựa trên mô phỏng Monte Carlo Mục 2.2 giới thiệu từkhái niệm, sự phát triển của phương pháp, và các nghiên cứu trước đây nhằm làm rõhơn về phương pháp thực hiện ước lượng rủi ro của bài nghiên cứu

2.2.1 Khái niệm

VaR của một danh mục tài sản tài chính (hàng hóa) được định nghĩa là khoảntiền lỗ tối đa trong một thời hạn nhất định, nếu ta loại trừ những trường hợp xấunhất (worst case scenarios) hiếm khi xảy ra

VaR là một phương pháp đánh giá mức rủi ro của một danh mục đầu tư theohai tiêu chuẩn như giá trị của danh mục đầu tư (danh mục hàng hóa) và khả năngchịu đựng rủi ro của nhà đầu tư (nhà nắm giữ tài sản)

Ví dụ: VaR ở mức 95% của danh mục cổ phiếu châu Âu trong một tháng là4000€, có nghĩa là nếu danh mục này không thay đổi trong vòng một tháng và nếuthị trường tài chính vẫn trong một tình trạng bình thường (không tồn tại worst casescenarios), thì khoản lỗ trong 95% các trường hợp tối đa là 4000€ và xác suất khoản

lỗ cao hơn 4000€ là 5% trong trường hợp worst case scenarios : VaR(1 tháng, 95%)

= 4000€

2.2.2 Sự phát triển của VaR trong quản trị rủi ro:

2.2.2.1 Khái quát về sự phát triển của các phương pháp phân tích & quản trị

2.2.2.2 Sự phát triển của thực nghiệm Value at Risk

Vào cuối những năm 1980, các danh mục đầu tư và các ngân hàng thương mạiđược mở rộng khắp, cùng với những biến động lớn tạo ra nhu cầu cần phải kiếmsoát rủi ro một cách kịp thời Được Xây dựng trên những cơ sở lý thuyết xác suất vàthống kê từ nhiều thế kỷ và kế thừa từ những phương pháp đo lường rủi ro trước đó,VaR được phát triển và phổ biến đầu những năm 1990 bởi một loạt các nhà khoahọc và toán học tài chính làm việc trong JPMorgan Chase Quản trị rủi ro sử dụng

VAR để xác định số lượng vị trí rủi ro của công ty của họ cho hội đồng quản trị của

họ Vào cuối những năm 1990, Ủy ban Chứng khoán và phán quyết rằng các công

ty phải báo cáo một công bố định lượng các rủi ro thị trường trong báo cáo tài chínhcủa họ cho sự tiện lợi của nhà đầu tư, và VAR đã trở thành công cụ chính để làmnhư vậy Cùng thời gian đó, Ủy ban Basel về giám sát ngân hàng nói rằng các công

ty và các ngân hàng có thể dựa trên tính toán VAR nội bộ của riêng của họ để thiếtlập các yêu cầu về vốn của họ Vì vậy, miễn là VAR của họ là khá thấp, số tiền họ đãphải dành để trang trải các rủi ro có thể xấu đi cũng có thể ở mức thấp Cuối nhữngnăm 1980 và đầu những năm 1990 đã được một thời gian khi nhiều công ty đang cốgắng để đưa ra các mô hình nguy cơ phức tạp hơn bởi vì thế giới đang thay đổi xungquanh họ Ngân hang có rủi ro tín dụng - rủi ro cho vay có thể không được trả lại Phái sinh, các khoản vay thế chấp, thẻ tín dụng đã được đóng gói của các công tyđầu tư và bán cho các nhà đầu tư - đã trở thành một thành phần ngày càng quantrọng của Wall Street Và một loạt các câu hỏi được đặt ra: Có phải những rủi rotrong danh mục đầu tư cổ phiếu của JPMorgan hủy bỏ nguy cơ đang được thực hiệnbởi danh mục đầu tư trái phiếu - hay nâng cao những rủi ro? Làm thế nào bạn có thể

so sánh các loại khác nhau của các rủi ro phát sinh? Điều gì đã xảy ra với danh mụcđầu tư khi biến động tăng hoặc lãi suất tăng? Làm thế nào biến động tiền tệ ảnhhưởng đến các công cụ có thu nhập cố định? Những câu hỏi này đều liên quan đếnvar Khi thay đổi danh mục đầu tư, thương nhân mua và bán chứng khoán vào ngàyhôm sau, các VAR sau đó đã được tính toán lại, cho phép tất cả mọi người để xemliệu các ngành nghề mới đã được thêm vào, hoặc giảm đi, nguy cơ của công ty.Theo thời gian, như VAR đã được chứng minh chính xác hơn, giám đốc điều hànhhàng đầu không chỉ để tin vào nó mà còn dựa vào nó Sau khi sự sụp đổ của thịtrường năm 1987, với sự xuất hiện của “thiên nga đen” có thể dẫn đến sự sụp đổ củavar Nhưng cuối cùng sự sụp đổ này được xác định là một sự thất bại của con ngườichứ không phải là một sự thất bại của mô hình rủi ro và điều cần thiết là hiểu đượcnhững rủi ro của toàn bộ công ty Chỉ VAR có thể làm điều đó Vì vậy, thay vì giảmbớt tầm quan trọng, VAR đã trở thành một phần quan trọng của cảnh tài

chính Ủy ban Chứng khoán và Hối đoái, ví dụ, lo lắng về mức độ rủi ro mà cácchất dẫn xuất đặt ra cho hệ thống, bắt buộc các công ty tài chính sẽ phải tiết lộ rủi rocho các nhà đầu tư, và VAR đã trở thành biện pháp thực tế Nếu số lượng VAR tăng

từ năm này sang năm khác trong báo cáo hàng năm của công ty, nó có nghĩa là công

ty đã được tham gia nhiều rủi ro hơn Thay vì làm bất cứ điều gì để hạn chế sự pháttriển của các chất dẫn xuất, cơ quan này kết luận rằng việc tiết lộ, thông qua VAR,

là đủ Từ năm 1994, với sự ra đời của RiskMetric, một gói sản phẩm ứng dụng VaRmang thương hiệu của một công ty tách ra từ JPMorgan Chase, Value at risk đãđược áp dụng rộng rãi và trở thành một tiêu chuẩn trong việc đo lường và giám sátrủi ro tài chính, đặc biệt là rủi ro thị trường, trên toàn thế giới

Như vậy, Thuật ngữ VaR (Giá trị rủi ro - Value at Risk) đã được sử dụng rộngrãi và thực sự trở thành một lĩnh vực quan trọng trong khoa học kinh tế từ sau sựkiện thị trường chứng khoán sụp đổ năm 1987

2.2.3 Đặc điểm Value at Risk

VaR thông thường được tính cho từng ngày trong khoảng thời gian nắm giữtài sản, và thường được tính với độ tin cậy 95% hoặc 99%

VaR có thể áp dụng được với mọi danh mục có tính lỏng (danh mục mà giátrịđược điều chỉnh theo thị trường) VaR không thể áp dụng được với các tài sảnkhông có tính lỏng (BĐS, tác phẩm nghệ thuật…) Tất cả mọi tài sản lỏng đều cógiá trị không cố định, được điều chỉnh theo thị trường với một quy luật phân bố xácsuất nhất định

Var có thể áp dụng cho một tài sản cá nhân, một danh mục đầu tư hoặc là cóthể dùng cho toàn bộ công ty Và tất nhiên, Var cũng có thể dùng để tính rủi ro chocác đối thủ cạnh tranh của công ty, cũng như là rủi ro đối với một công ty cụ thể nàođó

VaR được xác định dựa trên quy luật phân bố xác suất cho giá trị thị trườngcủa danh mục Thông thường, sự biến động giá trị của các tài sản lỏng được tuân

theo quy luật phân phối chuẩn, với 2 giá trị đặc trưng là mức ý nghĩa (kỳ vọng) vàphương sai.

Hạn chế lớn nhất của VaR, đó là giả định các yếu tố của thị trường khôngthay đổi nhiều trong khoảng thời gian xác định VaR Đây là một hạn chế rất lớn, vàtrong năm 2007, 2008 đã dẫn đến sự phá sản của một loạt ngân hàng đầu tư trên thếgiới, do điều kiện thị trường có những biến động đột ngột vượt xa so với trong quákhứ

2.2.4 Các thông số ảnh hưởng đến Value at Risk:

Ðối với nhà đầu tư thì VaR của một danh mục tài sản tài chính phụ thuộc vào

ba thông số quan trọng sau đây:

 Độ tin cậy

 Sự phân bố lời/lỗ trong khoảng thời gian này

2.2.4.1 Độ tin cậy

Độ tin cậy ảnh hưởng rất lớn đến ước tính của VaR

Với mỗi công ty khác nhau sẽ có một nhu cầu về độ tin cậy khác nhau, nó còntuỳ 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 đắncủa ước tính Var, thì việc chọn độ tin cậy không cần quá cao, bởi lẽ nếu độ tin cậyquá cao (99% chẳng hạn) thì lúc đó VaR sẽ cao hơn, hay nói cách khác là xác suất

để thua lỗ lớn hơn VaR sẽ thấp đi, dẫn đến thời gian để thu thập dữ liệu xác địnhtính đúng đắn của kiểm định sẽ kéo dài hơn

Độ tin cậy thể hiện xác xuất mà nhà đầu tư chịu lỗ dưới mức VaR Ví dụ: NếuVar = 4000€ với độ tin cậy là 95% thì có nghĩa là với xác suất là 95% nhà đầu tư sẽ

bị lỗ tối đa là 4000€, và xác suất 5% để khoản lỗ đó lớn hơn 4000€

2.2.4.2 Khoảng thời gian đo lường VaR:

Một trong những yếu tố quan trọng để áp dụng var đó là thời gian sử dụng var.theo The Market Risk Amendment (MRA) cho rằng nên sử dụng Var trong 10 ngày,được ước tính bằng cách lấy căn bậc 2 của tỉ lệ thời gian của var trong 1 ngày Tuynhiên tất cả các bài nghiên cứu đều cho rằng việc áp dụng thời gian tính Var như thếnào là tuỳ thuộc vào mục đích kinh tế của Var Ví dụ như đối với ngân hàng thìthường tính VaR theo ngày do có chứa nhiều tài sản có tính lỏng cao (tiền mặt), cònnhư đối với quỹ hưu trí chẳng hạn thì tính VaR 50 ngày thì thích hợp hơn

Các tính toán về thời gian sử dụng Var còn giới thiệu về vấn đề làm thế nào đểtính toán cho sự thay đổi cho thành phần của danh mục đầu tư Thường thì phản ứngkịp với những biến đổi trong danh mục đầu tư thì nên chọn thời gian tính Var ngắn.Đặc biệt là đối với các tổ chức trong một thị trường giao dịch tài sản sôi động nhưthị trường tiền tệ

Một giải pháp thông thường là tính toán var tại thời gian ngắn và mở rộng kếtquả cho thời gian mong muốn bằng cách sử dụng căn bậc 2 của thời gian Nhưngđiều này mắc phải vấn đề về rủi ro đuôi

Việc kết hợp các biến động thay đổi theo thời gian trong các biện pháp VARkhông phải là dễ dàng khi có nhiều yếu tố rủi ro Tương quan thay đổi theo thờigian nên được đưa vào giải thích Thay vì sử dụng các phương pháp phức tạp hơn,tương quan thay đổi theo thời gian xuất hiện để làm cho các lựa chọn nhẹ nhànghơn, chẳng hạn như bằng cách sử dụng trọng số đơn giản của các quan sát, hoặc rútngắn thời gian cửa sổ dữ liệu được sử dụng để ước tính VAR Những cách tiếp cậnnày làm giảm giá trị về tính chính xác, nhưng hấp dẫn về mặt tính toán đối với cácdanh mục đầu tư lớn và phức tạp Các tài liệu học thuật gần đây cung cấp lời hứarằng một số các phương pháp thực nghiệm công phu có thể sớm trở thành thực tếcho danh mục đầu tư lớn và phức tạp

2.2.5 Các phương pháp tiếp cận VaR truyền thống

2.2.5.1 Phương pháp phân tích

2.2.5.2 Khái niệm

Phương pháp phân tích còn có tên gọi khác là phương pháp phương sai – hiệpphương sai Phương pháp này sử dụng những hiểu biết về các giá trị nhập liệu vềcác giá trị nhập liệu và những mô hình định giá có liên quan cùng với các giả địnhđây là phân phối chuẩn

2.2.5.3 Cách tiến hành

Thông thường, tiến trình gồm 4 bước:

Bước 1: Bằng những công cụ được chuẩn hóa, chúng ta phải lọc ra từng tài sảntrong danh mục đầu tư để phác họa tài sản đó đơn giản hơn Tiến trình vạch ra rủi rothì phức tạp hơn cho các tài sản phức hợp (như cổ phiếu và quyền chọn), nhưngcách tính toán trên cơ bản vẫn không thay đổi Chúng ta cố gắng vạch ra mỗi tài sảntài chính trong từng nhóm công cụ tương ứng với những rủi ro thị trường cơ bản.Việc vạch ra rủi ro thì khá phiền phức, vì phải ước lượng các phương sai và hiệpphương sai của hàng ngàn tài sản độc lập, do đó ước lượng những thống kê này chonhững công cụ rủi ro phổ biến của thị trường, có sự khác biệt giữa những tài sản cũ

và mới Ma trận kết quả có thể đựơc sử dụng để đo lường Var của bất kì tài sản nàothể hiện sự kết hợp của những rủi ro thị trường này

Bước 2: Mỗi tài sản tài chính được quy định như là một nhóm các vị thế trongnhững công cụ thị trường được chuẩn hóa Ví dụ với một trái phiếu kỳ hạn 10 nămtương ứng với 10 trái phiếu zero coupon trung gian (có mệnh giá tương xứng với lãimỗi năm), và trái phiếu trung gian cuối cùng thì có mệnh giá tương đương với cảtrái phiếu 10 năm Tiến trình này rất phức tạp khi tính toán với trái phiếu có thểchuyển đổi, cổ phiếu hay những công cụ phái sinh

Bước 3: Một khi những công cụ được chuẩn hóa có ảnh hưởng đến tài sản haynhững tài sản trong danh mục đầu tư được xác định, chúng ta phải ước lượng

phương sai của từng công cụ và hiệp phương sai giữa các công cụ ở bước tiếp theo.Trên thực tế, phương sai và hiệp phương sai này được ước lượng bằng các dữ liệutrong quá khứ Chúng là mấu chốt để ước lượng Var.

Bước 4: Var của danh mục đầu tư đựơc tính tóan bằng cách sử dụng tỷ trọngcủa những công cụ được chuẩn hóa tính toán trong bước 2 và phương sai, hiệpphương sai của những công cụ này được tính ở bước 3

2.2.5.4 Đánh giá

Thế mạnh của phương pháp tiếp cận phương sai- hiệp phương sai là tính varđơn giản, khi bạn đã có giả thiết về phân phối của lợi nhuận và đưa ra lợi nhuận kỳvọng, phương sai, hiệp phương sai của lợi nhuận Thông qua tiến trình ước lượng,

có 3 điểm chính yếu của cách tiếp cận này:

- Giả thiết phân phối không chính xác: nếu tỷ suất sinh lợi có điều kiện khôngtuân theo phân phối chuẩn, Var tính được sẽ nhỏ hơn giá trị của Var thật sự Nóicách khác, nếu nó có nhiều nét chính sai khác trong phân phối thực hơn giả thiếtphân phối chuẩn mong đợi, Var thực sẽ cao hơn Var tính được

- Nhập liệu sai: thậm chí nếu giả thiết lợi nhuận có phân phối chuẩn chính xác,Var có thể vẫn bị sai nếu phương sai và hiệp phương sai dùng để ước lượng nókhông chính xác Mở rộng hơn, khi những con số này được ước lượng bằng việc sửdụng các dữ liệu lịch sử, nó cũng có những sai sót sơ đẳng có liên quan đến từngphương pháp ước lượng Nói cách khác, ma trận phương sai và hiệp phương sai –

dữ liệu đầu vào quan trọng trong phương pháp đo lường Var – là một tập hợp nhữngphương pháp ước lượng, một số trong đó có những khoản mục sai lệch rất lớn

- Những biến số không ổn định: một vấn đề liên quan khác là phương sai vàhiệp phương sai giữa các tài sản thay đổi theo thời gian Sự bất ổn định trong nhữnggiá trị này rất phổ biến bởi vì những thành tố cơ bản tạo nên những con số này thayđổi theo thời gian Điều này có thề dẫn đến sự sai lệch khi tính toán Var

Phương pháp mô phỏng lịch sử

Phương pháp đơn giản này đưa ra giả thuyết rằng sự phân bố tỷ suất sinh lợitrong quá khứ có thể tái diễn trong tương lai Nói cụ thể, VaR được xác định nhưsau :

1. Xác định giá trị hiện tại của danh mục đầu tư (V0)

2. Tính tất cả các tỷ suất sinh lợi quá khứ của danh mục đầu tư này theo từng hệ

số rủi ro (giá trị cổ phiếu, tỷ giá hối đoái, tỷ lệ lãi suất, vv) từ 23/03/2011 đến10/09/2011

Công thức tính tỷ suất sinh lợi: ln(P t /P t-1 )

3. Sắp xếp các tỷ suất sinh lợi theo thứ tự từ thấp nhất đến cao nhất

4. Tính VaR theo độ tin cậy và số liệu tỷ suất sinh lợi quá khứ Ví dụ : nếu ta có

một danh sách bao gồm 1400 dữ liệu quá khứ (historical data) và nếu độ tin

cậy là 95%, thì VaR là giá trị thứ 70 trong danh sách này = (1 − 0.95) × 1400.Nếu độ tin cậy là 99% thì VaR là giá trị thứ 14

So sánh ba phương pháp tiếp cận VaR truyền thống

Trong ba phương pháp: phương sai và hiệp sai, mô phỏng lịch sử và mô phỏngMonter Carlo thì lựa chọn phương pháp đo lường nào là tốt nhất để quản lý rủi rocủa danh mục đầu tư Câu trả lời là không co phương pháp nào là tối ưu duy nhấthay tốt nhất Lựa chọn phương pháp nào là phụ thuộc vào:

 Khả năng nắm bắt các rủi ro của thị trường trong danh mục đầu tư bao gồm quyền chọn

 Dễ thực hiện, dễ giải thích cho quản lý cấp cao

trường trong danhmục đầu tư

gồm quyền chọn

Dễ thực hiện

Thực hiện tínhtoán một cáchnhanh chóng

Dễ giải thích chonhà quản lý cấpcao

Nguy cơ sai lệchước tính giá trị rủi

ro khi sử

những dữ liệu quá

khứ gần đây không

điển hình

Dễ phân tích linh

hoạt để kiểm tra

hiệu quả của giả

Nhiều nhà quản trị chấp nhận rằng VaR không thể đo lường 1% rủi ro đuôi,nhưng có rất nhiều việc phải làm với 99% còn lại "Nếu bạn nói rằng tất cả rủi ro làkhông thể biết, bạn không có cơ sở cho bất kỳ một loại đặt cược hoặc kinh doanhnào Bạn không thể mua và bán bất cứ thứ gì trừ khi bạn có một số ý tưởng kỳ vọng

nó sẽ dịch chuyển như thế nào Nói cách khác, nếu bạn dành tất cả thời gian suynghĩ của bạn về con thiên nga đen, bạn sẽ quá lo sợ rủi ro và bạn sẽ không bao giờthực hiện một kinh doanh nào cả” Brown (2008) nói "Taleb nói rằng 1% sẽ thốngtrị kết quả của bạn Tôi nghĩ rằng 99% cũng là vấn đề Có những điều bạn có thểlàm để kiểm soát rủi ro của bạn Không sử dụng VaR là nói rằng tôi sẽ không quantâm đến 99%, trong trường hợp này bạn sẽ không có một công việc kinh doanh Đó

là sự thật ngay cả khi bạn biết số phận của công ty sẽ có thể bị phá hoại bởi một số

sự kiện lớn" Richard Bookstaber, một nhà quản lý rủi ro của quỹ đầu tư và tác giảcủa “A Demon of Our Own Design”, phê bình VaR gay gắt Nhưng cuối cùng sau

đó, ông nói, "Nếu bạn đặt một khẩu súng vào đầu tôi và hỏi tôi rủi ro của công tycủa tôi là gì, tôi sẽ sử dụng VaR VaR có thể có một số thiếu sót, nhưng nó là con sốtốt nhất mà hiện tại ai đó có thể nghĩ ra”

Thực vây, VaR cho ta một con số đơn giản và rõ ràng mà mọi người đều có thếhiểu được Vấn đề không phải là nó có thể và không thể làm gì mà vấn đề là bạnnhìn nhận nó như thế nào Các mô hình không làm lên quản trị rủi ro, con ngườilàm điều đó và một mình toán học là không đủ Thế giới tài chính vẫn đang miệtmài tìm một công cụ hữu hiệu hơn VaR, tất nhiên điều đó là hoàn toàn có thể,nhưng nếu một ngày bạn còn sử dụng VaR, hãy sử dụng nó đúng cách, khi đó nó sẽ

là một công cụ hứu ích

2.2.6 Tổng quan các nghiên cứu trước đây

Các nghiên cứu về VaR sử dụng mô phỏng Monte Carlo rất nhiều với các nhân tốkhác nhau VaR là công cụ mạnh để phân tích đối với việc ra quyết định trong các

dự án hay quyền chọn trên sản phẩm phái sinh, các định lượng đầu tư chứng khoán,hàng hóa…Trong phạm vi nghiên cứu, để tập trung sâu hơn trong việc dự báo rủi ro

giá nguyên liệu, chúng ta xem xét các bài viết về VaR chạy mô phỏng Monte Carlo

để có cái nhìn tốt hơn đối với đề tài, cũng như bằng chứng thực nghiệm về phươngpháp VaR chạy mô phỏng Monte Carlo khi dự báo rủi ro về giá

Sử dụng tiếp cận Value at Risk với mô phỏng Monte Carlo về phân phối giá gạo vàxác định lợi nhuận tiềm năng, nghiên cứu của Rodrigo Antonio Arriagada (2004),

“Estimating profitability and fertilizer demand for rice production around the paloverde national park, Costa Rica”, xem xét một loại chi phí công quan trọng có thể

đo lường được là việc áp dụng thuế trên giá gạo Tác giả sử dụng mô phỏng MonteCarlo và phân phối xác suất của giá gạo quốc tế để ước tính lợi nhuận mà nhữngngười nông dân sẽ nhận được trong tương lai khi phải đối mặt với việc lựa chọn giágiữa gạo quốc tế thay gạo thị trường nội địa

Về phương pháp tiếp cận các thành phần nguyên liệu khi phân tích, tác giả Nga DoThua, Thammarat Kootattepb và cộng sự (2011) trong “Assessing nutrient fluxes in

a Vietnamese rural area despite limited and highly uncertain data” tiếp cận theophân tích dòng nguyên liệu (MFA), là một phương pháp hữu ích để mô tả và xácđịnh số lượng các hệ thống phức tạp dựa trên các định luật bảo toàn khối lượng Nóđược tiếp tục điều chỉnh cho phù hợp với điều kiện cụ thể ở các nước đang pháttriển, nơi các dữ liệu có sẵn là khan hiếm và không chắc chắn Phương pháp luận

“thích nghi MFA” tối ưu hóa số lượng các thông số, mô tả các thông số như phân bốxác suất và đánh giá độ chính xác và sự không chắc chắn của các giá trị mô hìnhbằng cách mô phỏng Monte Carlo Nghiên cứu này cho thấy việc áp dụng thànhcông đầu tiên của phương pháp 'thích nghi MFA' trong một khu vực nhỏ và thunhập thấp bao gồm hai xã lân cận ở vùng nông thôn bắc Việt Nam, nơi mà điều kiện

vệ sinh môi trường và thực hành nông nghiệp truyền thống có mối liên kết mạnh mẽ

và có tác động đối với môi trường xung quanh Các kết quả thu được cho thấy các

hệ thống nông nghiệp là một nguồn quan trọng của các chất dinh dưỡng (nitơ (N) vàphốt pho (P)), ảnh hưởng đến môi trường xung quanh chủ yếu là do việc lạm dụngphân bón hóa học Mỗi năm, đã có 103 ± 39 tấn N thải vào khí quyển, 25 ± 3 tấn N

ngấm vào nguồn nước mặt và 14 ± 2 tấn P tích lũy trong đất, tất cả bắt nguồn từ cácloại phân bón hóa học áp dụng Ngoài ra, hệ thống vệ sinh cũng là một nguồn quantrọng của các chất dinh dưỡng mà nhập vào nước mặt 69 ± 6 tấn N và 23 ± 4 tấn Pđến từ các hộ gia đình thông qua nước thải của hệ thống vệ sinh tại chỗ (như nhà vệsinh và bể tự hoại) và được trực tiếp thải vào nước mặt hàng năm Hơn nữa, toàn bộ

hệ thống hàng năm tạo ra một nguồn lớn chất dinh dưỡng (214 ± 56 tấn N; 58 ± 16tấn P) trong các hình thức xử lý nước thải, phân bùn, phân động vật và chất thải rắnhữu cơ

Cũng tiếp cận Value at Risk với mô phỏng Monte Carlo cho các thành phần củathành phẩm duy nhất, một nghiên cứu khác của Reinhard Madlener and SimonStoverink (2011) “Power Plant Investments in the Turkish Electricity Sector: A RealOptions Approach Taking into Account Market Liberalization” Trong bài báo này,tác giả xem xét tính kinh tế khả thi của việc xây dựng một nhà máy điện đốt than

560 MW ở Thổ Nhĩ Kỳ, Thông thường, sự biến động của tầng ngầm không phải domột yếu tố duy nhất, nhưng thay vì xác định bởi một loạt các yếu tố không chắcchắn đơn lẻ Trong quá trình xây dựng, các yếu tố đơn lẻ của sự không chắc chắnđược xác định và phân bổ một phân phối xác suất Sau đó, bằng mô phỏng MonteCarlo, chúng được tóm tắt theo một giá trị phản ánh sự biến động của dự án Đốivới việc đầu tư nhà máy điện được xem xét trong bài báo này, bốn đại lượng xácđịnh các nguồn biến động gồm giá điện, giá than, giá dầu và giá cước vận chuyểnthan Bốn yếu tố này được gói thành một giá trị duy nhất của mô phỏng MonteCarlo

Value at Risk với mô phỏng Monte Carlo được sử dụng để đo lường biến động củachi phí và lợi nhuận, Supisra Arayaphong (2012) trong “Cost – Benefit Analysis ofDifferent Rice Cropping systems in Thailand” đã nghiên cứu hệ thống thâm canhlúa cải tiến (SRI) Tuy nhiên, các hệ thống cấy thông thường đang được chấp nhậngiữa các nông dân Thái trên toàn quốc Bài báo này xác định số lượng và so sánhchi phí và lợi ích của SRI và các hệ thống truyền thống ở Thái Lan để tìm ra sản

phẩm tốt nhất Nghiên cứu sử dụng phân tích chi phí-lợi ích để điều tra sự biến đổi

có ý nghĩa và lợi nhuận và chi phí trong giới hạn tiền tệ Monte Carlo được sử dụng

để định lượng rủi ro trong mỗi tình huống Nghiên cứu thấy rằng SRI tiết kiệm đầuvào sản xuất và tăng năng suất tăng đáng kể Kết quả ấn tượng nhất là giảm lượngnước tiêu thụ và số lượng hạt giống Ngoài ra, những thiệt hại môi trường do hệthống này là thấp hơn do có ít lượng phân bón và thuốc trừ sâu hóa học ứng dụngcũng như một tỷ lệ thấp của khí thải khí mê-tan Phân tích độ nhạy cho thấy SRI cóhiệu suất tốt hơn dưới tốt và xấu nhất kịch bản trường hợp cho cả hai loại đất (đấtsét và thịt pha cát) Tuy nhiên, hệ thống này có nguy cơ cao nhất về lợi nhuận củangười nông dân, SRI là có lợi hơn và hiệu quả hơn so với hệ thống thông thường

Dù vậy, khía cạnh rủi ro cần phải được xem xét trong quá trình ra quyết định

Để phân tích giả định phân phối của chất lượng phân bón, Manfred Zeller (2013)

“Fertilizer Quality and Its Impacts on Technical Efficiency and use intensity in theNorth China Plain“ đã sử dụng mô phỏng Value at Risk với mô phỏng Monte Carlotheo các giả định chất lượng phân bón mà các hộ gia đình sử dụng khác nhau trongcác giả định cụ thể liên quan Kết quả cho thấy rằng bỏ qua việc sử dụng đầu vàophân bón chất lượng thấp, sự tác động tới hiệu quả kỹ thuật là từ 16-30%

Trong nghiên cứu “Role of economics in developing fertilizer best managementpractices” của Serhat Asci, Tatiana Borisova, John J VanSickle (2015), tác giả tậptrung vào việc phân bổ nguồn phân bón thực tiễn và giá bán khoai tây để ước tính tỷtrọng nguồn phân bón thay thể trong vòng 10 năm Kết quả Value at Risk với môphỏng Monte Carlo cho thấy tất cả phụ thuộc vào giả định về giá bán khoai tây vàmức độ lo ngại của nhà sản xuất

Để tối ưu hóa các quá trình ngẫu nhiên trong biến động về chi phí đầu vào phânbón, “Analyzing the value of the residue of crops grown on arable land withstochastic optimization” của Adám Zlatniczki (2015) xác định giá trị của các dưlượng các loại cây trồng trên đất canh tác là một nhiệm vụ không tầm thường, phụ

thuộc nhiều vào cách nó được xác định Trong bài báo này, các giá trị tồn dư đượccoi là các khoản tiết kiệm đạt được trên tổng chi phí phân phối phân bón nhân tạobằng cách trả lại dư lượng vào trong đất Một cách tiếp cận chung là lập trình tuyếntính được trình bày để có được phân bổ phân bón nhân tạo tối ưu Vì số lượng phânbón nhân tạo yêu cầu phụ thuộc vào đầu vào không chắc chắn, mô phỏng MonteCarlo được áp dụng cùng với các chương trình tuyến tính để giải quyết các phátsinh vấn đề tối ưu hóa ngẫu nhiên Các dữ liệu đầu vào, chẳng hạn như năng suấtbình quân cả nước, số lượng cụ thể của các chất dinh dưỡng theo yêu cầu của câytrồng để đạt năng suất bình quân quốc gia và chi tiết công bố công khai các sảnphẩm phân bón nhân tạo khác nhau, cụ thể đối với Hungary Mô phỏng được thựchiện cho một số cây trồng chính như lúa mì, ngô, hướng dương và cải dầu.

2.3 Phương pháp mô phỏng Monte Carlo

Phương pháp Monte Carlo có khả năng tính toán rủi ro Value at Risk chínhxác, có thể áp dụng cho danh mục hàng hóa phi tuyến nên có một vị trí hết sức quantrọng trong vật lý tính toán và nhiều ngành khác, có ứng dụng bao trùm nhiều lĩnhvực, từ tính toán trong động lực học lượng tử, mô phỏng hệ spin của nguyên tửtương tác như thế nào trong phân tử, đến thiết kế vỏ bọc nhiệt hay hình dáng khíđộng lực học Các phương pháp này đặc biệt hiệu quả khi giải quyết các phươngtrình vi tích phân; ví dụ như trong mô tả trường ánh sáng trong mô phỏng hình ảnh

3 chiều trên máy tính, có ứng dụng trong trò chơi điện tử, kiến trúc, thiết kế, phimtạo từ máy tính, các hiệu ứng đặc biệt trong điện ảnh, hay trong nghiên cứu khíquyển, và các ứng dụng nghiên cứu vật liệu bằng laser

Trong toán học, thuật toán Monte Carlo là phương pháp tính hiệu quả chonhiều bài toán có nhiều biến số mà không dễ dàng giải được bằng các phương phápkhác, chẳng hạn bằng tính tích phân Hiệu quả của phương pháp này, so với cácphương pháp khác, tăng lên khi số biến của bài toán tăng lên

Trong kinh tế, Monte Carlo cũng được ứng dụng cho nhiều bài toán tối ưuhóa, dự báo rủi ro

Xét một biến nghiên cứu Z được mô tả với các biến giải thích X,Y…: NếuX.Y là các biến xác suất thì Z là biến xác suất Nghiên cứu Z với các biến X, Y vớiquy luật xác suất đã biết là nội dung lý thuyết Monte Carlo (Hoàng Thị MộngMinh, 2012)

Phương pháp mô phỏng Monte Carlo hay còn gọi là phương pháp thử thống kêđược hiểu như là phương pháp tính, bằng cách biểu diễn nghiệm các bài toán dưới dạngcác tham số của một đám đông lý thuyết và sử dụng dãy số ngẫu nhiên để xây dựngmẫu đám đông mà từ đó ta thu được ước lượng thống kê của các tham số Nói cáchkhác, phương pháp mô phỏng Monte Carlo cung cấp những lời giải gần đúng cho cácbài toán bằng cách thực hiện nhiều thí nghiệm mang tính ngẫu nhiên

Phương pháp mô phỏng Monte Carlo được thực hiện hiệu quả hơn với số giảngẫu nhiên, thay cho số ngẫu nhiên thực thụ Các số giả ngẫu nhiên được tạo ra từchuỗi giả ngẫu nhiên có quy luật theo cùng điều kiện như trước Các số giả ngẫunhiên trong các mô phỏng chỉ cần đủ mức ngẫu nhiên, nghĩa là chúng theo phân bốđều hay theo một phân bố định trước, khi số lượng của chúng lớn

Phương pháp Monte Carlo thường thực hiện lặp lại một số lượng rất lớn cácbước đơn giản, song song với nhau, là phương pháp tận dụng được sức mạnh củamáy tính Kết quả của phương pháp này càng chính xác khi số lượng lặp các bướctăng

2.3.1 Luật số lớn và luật số lớn yếu

Luật số lớn

Luật số lớn chỉ ra rằng, khi ta chọn ngẫu nhiên các giá trị mẫu thử trong mộtquần thể giá trị, kích thước dãy mẫu thử càng lớn thì các đặc trưng thống kê (trungbình, phương sai, ) của mẫu thử càng gần với các đặc trưng thống kê của quần thể

Ví dụ: Nghiên cứu giá bán trung bình của một kg sản phẩm phân bón A trêntất cả các tỉnh đồng bằng sông Cửu Long (trung bình quần thể) Thực tế chỉ nghiêncứu trên n mẫu thử đại diện cho quần thể Nếu n càng lớn thì trung bình của n mẫuthử càng gần với trung bình của quần thể

Luật số lớn chia ra thành luật số lớn mạnh và luật số lớn yếu như sau

Luật số lớn yếu

Luật số lớn yếu phát biểu rằng, với mọi số thực epsilon dương, xác suất đểkhoảng cách giữa trung bình tích lũy Yn = (X1 + X2 + + Xn)/n và kỳ vọng E(X) lớnhơn epsilon là tiến về 0 khi n tiến về vô cực

2.3.1.1 Định lý Bernoulli

Tần suất của A hội tụ theo xác suất xuất hiện của A Nói theo ngôn ngữ thôngdụng, khi số lần thử đủ lớn thì tần suất xuất hiện của A rất gần với xác suất thànhcông của A

Ví dụ: khi gieo n = 2000 lần đồng xu, được 983 lần mặt ngửa và 1017 lầnmặt sấp Tần suất xuất hiện mặt ngửa là 0.4915 Khi số lần gieo n rất lớn thì tần suất

sẽ rất gần với xác suất xuất hiện mặt ngửa là 0.5

2.3.1.2 Định lý Poisson

Tần suất xảy ra của biến cố A trong n phép thử độc lập bằng trung bình cộngxác suất xảy ra biến cố A trong n lần thử

2.3.2 Luật số lớn mạnh

Luật số lớn mạnh phát biểu rằng trung bình tích lũy Yn = (X1 + X2 + +

Xn)/n hội tụ hầu như chắc chắn về kỳ vọng E(X)

2.4 Định lý giới hạn trung tâm

Cho X1, X2 là tập hợp các biến ngẫu nhiên được định nghĩa trên cùng mộtkhông gian xác suất, có cùng phân phối D và độc lập lẫn nhau Giả sử giá trị kỳvọng μ và độ lệch chuẩn σ của phân phối D là tồn tại và hữu hạn ( )

Xét tổng Sn = X1 + + Xn Ta có Sn có kỳ vọng là nμ và độ lệch chuẩn σn½.Khi đó, phân phối của Sn hội tụ về phân phối chuẩn N (nμ,σ2n) khi n tiến về vôcùng

2.5 Phân phối đều và phân phối chuẩn

2.5.1 Phân phối đều:

2.5.1.1 Định nghĩa:

Biến ngẫu nhiên X được gọi là biến ngẫu nhiên có phân phối đều trên đoạn [a,b] nếu có hàm mật độ là:

 0

f (x )=  



 b-a

2.5.1.2 Hàm phân phối xác suất:

Hàm phân phối xác suất của biến ngẫu nhiên có phân phối đều là:

2.5.1.4 Các đặc trƣng số của phân phối đều:

Kỳ vọng:

E (x )=a+

2b= Med ( X )