Kết hợp phương pháp CVaR và mô hình MertonKMV để đo lường rủi ro vỡ nợ bằng chứng thực nghiệm ở việt nam

Trong bài nghiên cứu này, chúng tôi kết hợp cách tiếp cận CVaR thị trường với mô hình tín dụng Merton/KMV để tạo ra một mô hình đo lường rủi ro tín dụng dưới các điều kiện at Risk là một

-

CÔNG TRÌNH DỰ THI GIẢI THƯỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN

“NHÀ KINH TẾ TRẺ – NĂM 2012”

TÊN CÔNG TRÌNH:

KẾT HỢP PHƯƠNG PHÁP CVaR VÀ MÔ HÌNH MERTON/KMV ĐỂ ĐO LƯỜNG RỦI RO VỠ NỢ – BẰNG CHỨNG THỰC NGHIỆM Ở VIỆT NAM

THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ

TP Hồ Chí Minh, tháng 4 năm 2012

DANH MỤC TỪ VIẾT TẮT

DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ

Bảng 2.1 Kết cấu bảng cân đối kế toán theo thời điểm t của công ty 16

Bảng 4.1 Kết quả CVaR vốn cổ phần qua các năm 27

Bảng 4.2 Thay đổi CVaR trước và sau khủng hoảng 27

Bảng 4.3 Xếp hạng CVaR qua các năm 28

Bảng 4.4 Thay đổi rủi ro giữa các ngành trước và sau khủng hoảng 30

Bảng 4.5 Tổng hợp VaR/CVaR, DD/CDD, PD/CPD của Vinamilk qua các năm 32

Bảng 4.6 Giá trị VaR và CVaR của DVD trong năm 2010 37

HÌNH VẼ Trang Hình 2.1 Vị trí VaR và CVaR trên đồ thị phân bổ tổn thất 13

Hình 2.2 Mối liên hệ giữa CVaR, CVaR+, CVaR- và VaR 14

Hình 2.3 Phân phối giá trị tài sản công ty ở thời điểm đáo hạn T 20

Hình 3.1 Vòng lặp xác định giá trị thị trường tài sản công ty tại ngày t của năm i 23

Hình 4.1 Biểu đồ tăng trưởng doanh thu và lợi nhuận của Vinamilk (2007-2011) 33

Hình 4.2 Đường xu hướng DD và CDD của Vinamilk trong giai đoạn 2007-2011 36

MỤC LỤC

PHẦN MỞ ĐẦU 1

1 GIỚI THIỆU ĐỀ TÀI VÀ NHỨNG KHÁI NIỆM LIÊN QUAN 9

1.1 Rủi ro, rủi ro tín dụng và vấn đề quản trị rủi ro tín dụng 9

1.2 Giá trị có rủi ro (VaR) và giá trị rủi ro có điều kiện (CVaR) với khủng hoảng tài chính 2008 10

1.3 Sự cần thiết nghiên cứu đề tài này ở Việt Nam 11

2 TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY 12

2.1 Những nghiên cứu về VaR và CVaR đối với rủi ro tín dụng 12

2.1.1 VaR và những hạn chế của VaR 12

2.1.2 CVaR và những ưu điểm của nó so với VaR 13

2.2 Kết hợp CVaR với mô hình Merton/KMV – mô hình đo lường rủi ro vỡ nợ dựa trên nền tảng lý thuyết định giá quyền chọn Black-Scholes 15

2.2.1 Mô hình Merton dựa trên lý thuyết định giá quyền chọn Black-Scholes 16

2.2.2 Mô hình Merton/KMV 18

3 DỮ LIỆU VÀ PHƯƠNG PHÁP ĐO LƯỜNG RỦI RO VỠ NỢ 21

3.1 Dữ liệu và phương pháp thu thập, xử lý dữ liệu 21

3.1.1 Dữ liệu 21

3.1.2 Phương pháp thu thập và xử lý dữ liệu 22

3.2 Phương pháp 23

3.2.1 Tính VaR và CVaR 24

3.2.3 Tính DD/PD và CDD/CPD 25

4 NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN CỨU 26

4.1.Ước lượng CVaR vốn cổ phần đối với các ngành trên thị trường chứng khoán Việt Nam 26 4.2.Ứng dụng mô hình Merton/KMV để đo lường rủi ro vỡ nợ - trường hợp đối với

Công ty Cổ phần Sữa Việt Nam (Vinamilk) 31

4.3 Bằng chứng thực nghiệm ở Việt Nam: Đo lường rủi ro vỡ nợ của Công ty Dược

PHỤ LỤC V THÔNG TIN VỀ CÔNG TY CỔ PHẦN DƯỢC VIỄN ĐÔNG (DVD) 52

cứu đề tài “Kết hợp phương pháp CVaR và mô hình Merton/KMV để đo lường rủi ro

vỡ nợ - Bằng chứng thực nghiệm ở Việt Nam”

2 Mục tiêu và nội dung nghiên cứu

Mục tiêu quan trọng của bài nghiên cứu này là nhằm cung cấp cho các nhà quản trị doanh nghiệp, các nhà đầu tư hay các nhà lập chính sách một công cụ định lượng để nhận diện, đánh giá và phân tích rủi ro tín dụng thông qua một mô hình lượng hóa rủi ro vỡ nợ Trong bài nghiên cứu này, chúng tôi kết hợp cách tiếp cận CVaR thị trường với mô hình tín dụng Merton/KMV để tạo ra một mô hình đo lường rủi ro tín dụng dưới các điều kiện

at Risk) là một kỹ thuật mở rộng của phương pháp giá trị có rủi ro VaR (Value at Risk) Trong quản trị rủi ro tài chính, giá trị rủi ro VaR là một kỹ thuật được sử dụng phổ biến

và rộng rãi trong việc đo lường rủi ro thị trường VaR đo lường mức tổn thất tiềm tàng qua một khoảng thời gian nhất định ứng với độ tin cậy cho trước Tuy nhiên, kết quả từ VaR có thể chỉ tỏ ra hợp lý khi đo lường rủi ro trong điều kiện thông thường của thị trường Trong điều kiện thị trường cực biên (xuất hiện rủi ro cực biên), phương pháp VaR với những hạn chế của nó dường như không còn thích hợp nữa Như trong bối cảnh khủng hoảng tài chính 2008, phương pháp VaR không thể dự báo tốt những “rủi ro vượt mức giới hạn” và nói theo cách của một số người, VaR đã thất bại Sự ra đời của phương pháp giá trị rủi ro có điều kiện CVaR là cần thiết trong hoàn cảnh này nhằm điều chỉnh thước đo rủi ro một cách chính xác và hợp lý hơn

Mô hình Merton/KMV hay còn gọi là mô hình Black-Scholes-Merton ứng dụng phương pháp định giá quyền chọn trên vốn cổ phần để ước lượng khoảng cách tới vỡ nợ (DD) nhằm dự báo xác suất vỡ nợ (PD) Mô hình này thể hiện mối liên kết giữa rủi ro tín dụng

và cấu trúc vốn của công ty dựa trên nền tảng lý thuyết quyền chọn của Black-Scholes Cách tiếp cận này của mô hình xem vốn cố phần như là một “quyền chọn” dựa trên giá trị tài sản của công ty Vỡ nợ sẽ xảy ra khi giá trị tài sản của công ty nhỏ hơn giá trị của nợ

Do đó xác suất vỡ nợ sẽ phụ thuộc vào những đặc điểm không thể quan sát được của công

ty như giá trị thị trường của đòn bẩy nợ, của tài sản hay biến động của tài sản Mô hình tính xác suất vỡ nợ thông qua một tham số mới, đó là khoảng cách tới vỡ nợ (DD), tức là khoảng cách giữa giá trị kỳ vọng của tài sản công ty và điểm vỡ nợ (DP) Cuối cùng,

1 Rủi ro cực biên được hiểu là rủi ro mà mức lỗ tiềm tàng vượt qua giới hạn thông thường

khoảng cách tới vỡ nợ được đưa vào hàm mật độ tích lũy để tích xác suất mà giá trị công

ty thấp hơn giá trị danh nghĩa của nợ ở thời điểm đáo hạn – chính là xác suất vỡ nợ (PD)

Từ hai lý thuyết về phương pháp CVaR thị trường và mô hình Merton/KMV tưởng chừng không liên quan gì với nhau như ở trên, chúng tôi kết hợp chúng lại trong một mô hình đo lường rủi ro tín dụng dưới các điều kiện thị trường cực biên Mô hình tín dụng cực biên này được ứng dụng để so sánh rủi ro vỡ nợ của các công ty giữa các ngành trong bối cảnh thị trường tài chính Việt Nam – ở đây, chúng tôi lấy việc đo lường rủi ro tín dụng ở Công

ty Cổ phần Sữa Việt Nam (Vinamilk) và Công ty Cổ phần Dược Viễn Đông (DVD) làm

ví dụ về phương pháp thực nghiệm Bài nghiên cứu này giải thích làm thế nào phương pháp CVaR có thể áp dụng đối với rủi ro tín dụng trong những hoàn cảnh kinh tế khác nhau, đồng thời cung cấp cho người đọc một cái nhìn thấu đáo hơn về sự ảnh hưởng của rủi ro tín dụng cực biên trong suốt cuộc khủng hoảng tài chính 2008

Theo đó, bài nghiên cứu này hướng đến giải quyết những câu hỏi sau:

chính Việt Nam và chúng dịch chuyển theo chiều hướng nào ngay trước, trong và sau khủng hoảng tài chính năm 2008 Sự phân bố và dịch chuyển rủi ro đó có mối liên hệ với dạng cấu trúc vốn của ngành hay không

đối với công ty Vinamilk, chúng ta có thể hình dung thế nào về sự biến chuyển rủi ro qua các năm, và liệu có tìm thấy bằng chứng cho thấy cấu trúc vốn ảnh hưởng lên cấu trúc rủi

ro của công ty hay không

chọn Merton/KMV có hiệu quả như thế nào trong việc đánh giá rủi ro trong các điều kiện thị trường cực biên

3 Dữ liệu và phương pháp nghiên cứu

Dữ liệu và xử lý dữ liệu

Chúng tôi tiến hành nghiên cứu trên thị trường tài chính Việt Nam từ năm 2007 đến năm

2011 Mẫu dữ liệu của chúng tôi bao gồm những thông tin của 179 doanh nghiệp có

chứng khoán niêm yết trên hai sàn giao dịch HoSE và HNX Đối với trường hợp ước lượng VaR hay CVaR, chúng tôi sử dụng dữ liệu giá lịch sử của các chứng khoán này Còn trường hợp để tính khoảng cách tới vỡ nợ (DD) và xác suất vỡ nợ (PD) chúng tôi sử dụng các thông tin về giá trị thị trường của vốn cổ phần, nợ (ngắn hạn và dài hạn) được thu thập và tổng hợp từ các bảng báo cáo tài chính của các doanh nghiệp

Mẫu dữ liệu nghiên cứu theo từng năm của chúng tôi tương ứng với ba thời kỳ trước, trong và sau khủng hoảng tài chính 2008 Trong nghiên cứu của chúng tôi, để dữ liệu có thể mang tính đại diện hợp lý cho thị trường, các chứng khoán với dữ liệu ít hơn 12 tháng

ở một trong số ba thời kỳ đều bị loại trừ Ngoài ra, những ngành với ít hơn 3 công ty cũng

bị loại trừ Chúng tôi vừa tiến hành nghiên cứu theo từng chứng khoán riêng lẻ vừa nghiên cứu trên phương diện các ngành

Để thuận lợi trong việc thu thập và xử lý dữ liệu, chúng tôi xây dựng các mô hình mẫu trên tiện ích Excel của phần mềm Microsoft Office bao gồm mô hình ước lượng

VaR/CVaR và mô hình tính toán DD/PD Trong mô hình DD/PD, chúng tôi phải sử dụng

rất nhiều chức năng Solver để thực hiện một vòng lặp nhằm xác định giá trị thị trường của

tài sản qua công thức định giá quyền chọn Black-Scholes-Merton Cụ thể, có thể mô tả

vòng lặp này qua sơ đồ sau:

Với mỗi vòng lặp này, chúng ta cần các tham số đầu vào bao gồm giá cổ phiếu tại ngày t

giá trị thị trường của tài sản Vt trong cả năm i Vấn đề này trở nên phức tạp vì đây là một quy trình hoàn toàn khép kín và các thành phần trong đó ràng buộc lẫn nhau

Để thuận tiện, chúng tôi xây dựng một cấu trúc chương trình con MVA_Solver bằng

VBA của Excel để thực hiện mỗi quy trình Do sự hạn chế về thời gian và để đơn giản hóa các quy trình (mà theo tính toán của chúng tôi, để xử lý cho 179 công ty phải mất khoảng 225.000 vòng lặp, tức gần 900 quy trình), chúng tôi chỉ thực hiện mô hình tính

toán DD/PD đối với công ty Vinamilk như là một quy trình mẫu Từ kết quả có được,

chúng tôi sẽ phân tích rủi ro tín dụng đối với trường hợp của Vinamilk trong bối cảnh kinh tế Việt Nam trước, trong và sau khủng hoảng 2008

Merton, đầu tiên chúng tôi xây dựng hai mô hình tài chính nền tảng cho từng phương

pháp sau đó hai mô hình này sẽ được liên kết qua một “mắc xích” đó là độ lệch chuẩn có điều kiện – chính là độ lệch chuẩn được tính trong các điều kiện cực biên

Tính VaR và CVaR

Để tính VaR, chúng tôi áp dụng theo phương pháp được sử dụng bởi RiskMetrics (J.P Morgan & Reuters, 1996) Trong bài nghiên cứu này, chúng tôi tính VaR vốn cổ phần và cũng vậy, CVaR vốn cổ phần Lợi tức vốn cổ phần theo ngày được tính cho mỗi năm bằng cách sử dụng làm logarit theo giá tương đối hàng ngày:

ln 𝑃𝑡

𝑃𝑡−1

VaR với độ tin cậy (1-α) của các giá trị lợi tức X được tính như sau:

VaR(1-α),x = zα.σx

trong đó zα là hệ số chuẩn với mức ý nghĩa α

Cách thức tính CVaR tương tự như VaR ngoại trừ việc chúng ta sử dụng giá trị kỳ vọng của những khoản lỗ vượt VaR (tức là α trường hợp xấu nhất của lợi tức):

CVaR(1-α),x = E[X|X≤ VaR(1-α),x]

là kỳ đáo hạn của các khoản nợ của công ty và N(•) là hàm phân phối chuẩn tích lũy Đối với mục đích của bài nghiên cứu này chúng tôi xác định xác suất vỡ nợ có điều kiện (CPD) tức là xác suất vỡ nợ (PD) dựa trên điều kiện độ lệch chuẩn của lợi tức tài sản vượt quá độ lệch chuẩn ở độ tin cậy 95%, tức là 5% trường hợp xấu nhất của lợi tức tài sản Chúng tôi tính độ lệch chuẩn 5% xấu nhất của lợi tức tài sản hàng ngày đối với mỗi thời

kỳ để đạt được độ lệch chuẩn có điều kiện (Cstdev) Sau đó chúng tôi thay thế Cstdev bằng công thức được sử dụng để tính DD, để có được DD có điều kiện (CDD) CPD được tính bằng cách thay thế DD bằng CDD trong công thức CPD

2 𝑇

4 Bố cục bài nghiên cứu

Phần 1: Giới thiệu đề tài và những khái niệm liên quan

Phần 2: Tổng quan các kết quả nghiên cứu trước đây

Phần 3: Dữ liệu và phương pháp đo lường rủi ro vỡ nợ

Phần 4: Nội dung và các kết quả nghiên cứu

Phần 5: Kết luận

5 Kết quả nghiên cứu và đóng góp của đề tài

Thông qua phương pháp CVaR, nghiên cứu cho thấy rủi ro ở tất cả các ngành đã gia tăng đáng kể trong suốt cuộc khủng hoảng Sự gia tăng thể hiện rõ nhất trong các ngành như Tài chính và bảo hiểm, Vận tải và kho bãi, Sản xuất và Khai khoáng Những ngành “chịu đựng” tốt trong thời kỳ này là Sản xuất nông nghiệp và Tiện ích công cộng Tuy nhiên, một điểm đáng chú ý từ kết quả nghiên cứu là rủi ro trên thị trường tài chính Việt Nam trong suốt giai đoạn 2007-2011 có xu hướng chuyển dịch theo chiều dọc hơn là chuyển dịch theo chiều ngang giữa các ngành Ở trường hợp của Vinamilk, công ty cũng cho thấy

sự gia tăng rủi ro thị trường và rủi ro tín dụng đáng kể Sử dụng mô hình Merton/KMV kết hợp CVaR, chúng tôi đo lường xác suất vỡ nợ của Vinamilk trước, trong và sau khủng hoảng Kết quả cho thấy rằng xác suất vỡ nợ của Vinamilk không thật sự đáng kể nếu đo lường theo phương pháp thông thường nhưng lại rất đáng kể trong điều kiện thị trường cực biên, cao nhất là năm 2008 với 19.80% khả năng vỡ nợ Đối với trường hợp của Công

ty Dược Viễn Đông (DVD) nghiên cứu trong năm 2010, xác suất vỡ nợ của DVD là 0.83% theo phương pháp thông thường và tăng lên mức rất cao là 34.44% theo phương pháp kết hợp CVaR-Merton/KMV Đây là một bằng chứng điển hình cho khả năng đo lường hợp lý của phương pháp kết hợp trong thực tế bởi vì DVD sau đó đã phá sản vào năm 2011 Những kết quả đạt được từ mô hình CVaR-Merton/ KMV sẽ cung cấp cho người đi vay, nhà đầu tư hay các nhà quản trị doanh nghiệp một cái nhìn thấu đáo với những thay đổi trong rủi ro cực biên của các ngành từ khi bắt đầu cuộc khủng hoảng tài chính, đặc biệt là khi nghiên cứu được hoàn chỉnh với phần mở rộng đo lường xác suất vỡ

nợ cho tất cả các công ty

Chúng tôi khuyến nghị các tổ chức đo lường rủi ro tín dụng nên cân nhắc hướng tiếp cận trong bài này để định lượng trong điều kiện thị trường cực biên Nhà đầu tư, người cho vay hay các doanh nghiệp nên cân nhắc lựa chọn mô hình kết hợp này như là một công cụ

phân tích, nhận diện và đo lường rủi ro tín dụng từ đó có những giải pháp thích hợp nhằm kiểm soát rủi ro Ở góc độ Chính phủ, các nhà chính sách hoàn toàn có thể sử dụng mô hình để tính xác suất vỡ nợ của các công ty trên thị trường tài chính, từ đó Chính phủ có thể đưa ra những điều chỉnh hoặc tác động kịp thời nhằm giảm thiểu những tác động tiêu cực có thể ảnh hưởng xấu đến nền kinh tế

Bài nghiên cứu này cũng đã bổ sung một hướng tiếp cận mới trong việc đo lường rủi ro tín dụng ở thị trường Việt Nam dựa trên thước đo CVaR kết hợp mô hình Merton/KMV, đồng thời góp phần đánh giá tính “cực biên” của rủi ro này trước và từ khi xảy ra cuộc khủng hoảng tài chính 2008 trong những điều kiện thị trường ở Việt Nam

6 Hạn chế và hướng phát triển của đề tài

Bên cạnh những kết quả đạt được, mô hình kết hợp Merton/KMV với CVaR trong điều kiện cực biên vẫn tồn tại những hạn chế nhất định Trước hết là những giả định lý thuyết của mô hình Merton có thể bị vi phạm trong quá trình nghiên cứu thực nghiệm Ngoài ra, việc thực hiện quy trình mẫu của mô hình đối với trường hợp công ty Vinamilk không thể đại diện cho một mẫu lớn công ty Trong tương lai, việc mở rộng nghiên cứu là cần thiết

để việc đánh giá cơ cấu và chuyển dịch rủi ro giữa các ngành được đầy đủ và tổng quát hơn Ngoài ra, một số hướng nghiên cứu khác dựa trên CVaR và mô hình Merton/KMV

có thể cân nhắc như nghiên cứu CVaR cho trường hợp rủi ro đuôi dương (positive tail)

như rủi ro lãi suất, rủi ro tỷ giá… Chúng ta cũng có thể mở rộng mô hình kết hợp giữa Merton/KMV và CVaR để giải quyết vấn đề ở một phạm vi rộng hơn như đo lường rủi ro

vỡ nợ của một quốc gia

1 GIỚI THIỆU ĐỀ TÀI VÀ NHỮNG KHÁI NIỆM LIÊN QUAN

1.1 Rủi ro, rủi ro tín dụng và vấn đề quản trị rủi ro tín dụng

Trong bối cảnh kinh tế khó khăn hiện nay, thị trường tài chính Việt Nam đang đối diện với những biến động tiềm ẩn nhiều rủi ro Việc quản trị rủi ro tài chính đang là một vấn

đề thu hút sự quan tâm đặc biệt từ góc độ nhà quản trị doanh nghiệp cũng như từ góc độ của Chính phủ Để công việc quản trị rủi ro đạt kết quả tốt, việc đánh giá và ước lượng được các loại rủi ro là rất quan trọng

Rủi ro tài chính được phân chia thành nhiều loại như rủi ro thị trường, rủi ro hoạt động, rủi ro tín dụng… Rủi ro thị trường thể hiện sự không chắc chắn trong giá trị của công ty hoặc dòng tiền liên quan với các biến động của các nguồn gốc cơ sở của rủi ro, bao gồm các yếu tố thị trường như lãi suất, tỷ giá hoặc là giá hàng hóa Rủi ro hoạt động, còn được gọi là rủi ro tác nghiệp hay rủi ro vận hành, là loại rủi ro có mặt trong hầu hết các hoạt

ban giám đốc trong việc quan sát và ghi chép các giao dịch, do hạn chế của ban giám đốc

về am hiểu các giao dịch phức tạp tiềm ẩn, hoặc có thể do gặp sự cố máy tính như bị virus hay lỗi phần mềm… Rủi ro tín dụng là tính không chắc chắn và tiềm ẩn về khoản lỗ do công ty không có khả năng thanh toán của bên đối tác cho vay Nói cách khác, rủi ro tín dụng là khả năng không chi trả được nợ của bên vay đối với bên cho vay khi đến hạn phải thanh toán Rủi ro này, hay còn gọi là rủi ro vỡ nợ là rủi ro bất cứ người cho vay nào cũng phải gánh chịu

Hiện nay, rủi ro tín dụng và quản trị rủi ro tín dụng đang được sự quan tâm đặc biệt của Chính phủ, các tổ chức và nhà đầu tư Đây được xem là một trong những nguồn gốc làm bùng phát cuộc khủng hoảng tài chính năm 2008 – cuộc khủng hoảng có sức ảnh hưởng toàn cầu trên nhiều lĩnh vực của đời sống và hệ lụy của nó đến nay vẫn còn rất nặng nề, đặc biệt là đối với ngành tài chính và ngân hàng Bằng chứng là có hàng loạt công ty vỡ

nợ, hàng loạt ngân hàng lâm vào tình trạng điêu đứng và phá sản Bởi vậy, công việc quản trị rủi ro tín dụng đòi hỏi nhà quản trị phải biết cách xác định mức độ rủi ro thực sự mà công ty mình đang đối mặt, từ đó có những biện pháp thích hợp nhằm điều chỉnh mức độ

rủi ro về mức an toàn cần thiết Việc lượng hóa rủi ro tín dụng sẽ góp phần cung cấp một công cụ đánh giá và phân tích định lượng rất hữu ích không những cho nhà quản trị công

ty mà còn cho các nhà đầu tư hay các nhà lập chính sách Đây chính là mục đích quan trọng của bài nghiên cứu này

1.2 Giá trị có rủi ro (VaR) và giá trị rủi ro có điều kiện (CVaR) với khủng hoảng tài chính 2008

Giá trị rủi ro (VaR) là một kỹ thuật rất phổ biến trong việc đo lường rủi ro thị trường VaR

đo lường mức tổn thất tiềm tàng trong một khoảng thời gian nhất định ứng với độ tin cậy cho trước Đây là khái niệm được hiểu và sử dụng rộng rãi nhất Tuy nhiên, khủng hoảng

tài chính 2008 đã làm dấy lên những tranh cãi sôi nổi xung quanh tính hiệu quả của phương pháp VaR trong việc đo lường rủi ro trong những điều kiện thị trường bất ổn

mạnh, tiềm tàng nhiều rủi ro vượt giới hạn (chúng tôi gọi là rủi ro cực biên) Người ta nói

nhiều về sự thất bại của VaR trong khủng hoảng vì VaR không thể đo lường những thiệt hại mang tính cực biên, chính xác hơn là VaR không thể đo lường những trường hợp xấu nhất có thể xảy ra Taleb (2007) gọi vấn đề này là “thiên nga đen” (black swan) hay “rủi

ro đuôi” (tail risk) ở rìa cực của đường cong xác suất, ví dụ mức thiệt hại trong 1% mà VaR 99% không thể dự đoán Bởi vậy mà Taleb mô tả “thiên nga đen” là “xác suất cực nhỏ, tác động cực lớn” Và như Aaron Brown (2008) từng đề cập: “VaR là một thống kê thời bình” Có lẽ trong điều kiện thị trường cực biên, VaR không còn đúng hoặc không còn khả năng dự báo tốt

Vượt qua những khuyết điểm của VaR, chúng tôi tiến hành một hướng tiếp cận khác mang tính bao quát hơn VaR, đó là phương pháp giá trị rủi ro có điều kiện (CVaR) CVaR

là một thước đo tương đương VaR ứng dụng cho cả rủi ro thị trường và rủi ro tín dụng CVaR có thể làm được điều mà VaR không thể là lượng hóa được những rủi ro mang tính cực biên CVaR có những ưu điểm hơn so với VaR, như có thuộc tính cộng và tính lồi, những vấn đề này sẽ được chúng tôi thảo luận chi tiết trong phần sau Một số bài nghiên cứu gần đây áp dụng CVaR đối với các bài toán tối đa hóa danh mục đầu tư; xem Rockafeller and Uryasev (2002; 2000), Andersson và cộng sự (2000), Alexander và cộng

sự (2003), Alexander và Baptista (2003) và Rockafellar và cộng sự (2006) Ở khía cạnh

khác, Powell & Allen (2009) đã kết hợp CVaR với mô hình tính xác suất vỡ nợ

Merton/KMV trên cơ sở lý thuyết định giá quyền chọn Black-Scholes để ước lượng rủi ro

tín dụng cực biên trong điều kiện thị trường Australia

1.3 Sự cần thiết nghiên cứu đề tài này ở Việt Nam

Ở Việt Nam, chúng tôi chưa tìm thấy những nghiên cứu về cách ứng dụng CVaR trong

khung cảnh thị trường tài chính Thị trường tài chính Việt Nam đang phát triển và ngày

càng đóng vai trò hết sức quan trọng như là kênh truyền dẫn vốn của nền kinh tế thúc đẩy

tích lũy, tập trung và phân bổ hiệu quả nguồn vốn để phát triển các nguồn lực xã hội Từ

sau khủng hoảng, cũng như thị trường tài chính thế giới, thị trường tài chính Việt Nam

đối mặt với rất nhiều khó khăn và thử thách Thị trường ngày càng biến động khó lường,

luôn bất ổn và tìm ẩn rủi ro cao Trong đó rủi ro tín dụng liên quan đến thanh khoản cần

được kiểm soát chặt chẽ Việc lượng hóa rủi ro trên thị trường Việt Nam cũng trở nên

quan trọng đối với công tác quản lý rủi ro ở cả góc độ doanh nghiệp và Chính phủ Bài

nghiên cứu này nhằm mục tiêu xây dựng một mô hình đo lường rủi ro tín dụng (cụ thể là

đo lường rủi ro vỡ nợ) như là một công cụ phân tích rủi ro định lượng trang bị cho nhà

đầu tư, doanh nghiệp hay Chính phủ giúp nhận diện rủi ro, đánh giá và tìm ra những giải

pháp quản trị rủi ro phù hợp trong những hoàn cảnh kinh tế khác nhau Như là một ví dụ

cho phương pháp mẫu, chúng tôi tiến hành đo lường xác suất vỡ nợ của Công ty Cổ phần

Sữa Việt Nam (Vinamilk) Bên cạnh đó, việc phân tích và đo lường xác suất vỡ nợ của

Công ty Dược Viễn Đông trước thời điểm công ty này phá sản là một minh chứng cho

khả năng đo lường hiệu quả của phương pháp kết hợp CVaR-Merton/KMV trong thực tế

ở Việt Nam

Những phần còn lại trong bài nghiên cứu này chúng tôi trình bày như sau: Phần 2 trình

bày tổng quan các kết quả nghiên cứu trước đây về VaR, CVaR và mô hình Merton/KMV

cũng như những khả năng kết hợp giữa hai phương pháp này; Phần 3 giới thiệu phương

pháp nghiên cứu bao gồm mô tả dữ liệu và quy trình tính toán của phương pháp kết hợp;

Phần 4 trình bày kết quả nghiên cứu đồng thời đánh giá, phân tích nhằm giải thích kết quả

đạt được Cuối cùng, chúng tôi đưa ra kết luận của bài nghiên cứu trong Phần 5

2 TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY

2.1 Những nghiên cứu về VaR và CVaR đối với rủi ro tín dụng

2.1.1 VaR và những hạn chế của VaR

VaR là một khái niệm được biết đến và sử dụng rộng rãi trong ngân hàng và bảo hiểm

ro thị trường Không chỉ đo lường rủi ro thị trường, VaR cũng được ứng dụng để đo lường rủi ro tín dụng Một số mô hình ứng dụng VaR đối với rủi ro tín dụng có thể kể đến như

mô hình CreditMetrics (Gupton, Finger & Bhatia, 1997), mô hình CreditPortfolioView (Wilson, 1998) và mô hình iTransition (Allen & Powell, 2008)

Ngược lại với tính phổ biến của nó, VaR có khá nhiều nhược điểm VaR chứa đựng những thuộc tính toán học hơi phiền phức, như thiếu đi cộng tính phụ và tính lồi mà Arztner và cộng sự (1999; 1997) đã thảo luận Trong định nghĩa về thước đo rủi ro chặt (coherent risk measure) mà ông từng đề cập, một thước đo rủi ro gọi là chặt chẽ nếu nó thỏa mãn những tính chất: cộng tính phụ (sub-additivity), thuần nhất dương (positive

VaR dựa trên giả định đồ thị phân phối dạng chuẩn, cân xứng với độ lệch chuẩn Nó sẽ chặt chẽ khi dựa trên dạng phân phối này nhưng sẽ không còn chặt chẽ khi dựa trên những dạng phân phối khác VaR tính được từ sự kết hợp hai danh mục có thể tốt hơn tổng các rủi ro của từng danh mục đơn lẻ Điều rắc rối hơn là liên quan với việc VaR khó tối ưu khi được tính từ các tính huống (kịch bản) Thật khó để giải quyết vì hàm số của một vị thế danh mục có thể xuất hiện đa cực trị địa phương, điều này làm nó trở nên không chắc chắn khi xác định tập hợp các vị thế tối ưu và giá trị VaR tổng thể đặc thù Xem thảo luận về vấn đề này ở Mckay and Keefer (1996) và Mauser and Rosen (1999)

2 Hiệp ước Basel là thỏa ước về quản lý ngân hàng bao gồm các đề xuất về luật là các quy định quản chế ngân hàng

do Ủy ban Basel về giám sát ngân hàng (BCBS – Basel Committee on Banking Supervision) ban hành BCBS được thành lập năm 1974 bởi một nhóm các ngân hàng trung ương và cơ quan giám sát của 10 nước phát triển (G10) tại thành phố Basel, Thụy Sỹ nhằm ngăn chặn sự sụp đổ hàng loạt của các ngân hàng Hiện nay, các thành viên của BCBS gồm đại diện của nhiều ngân hàng trung ương hay cơ quan giám sát hoạt động ngân hàng các nước Đến nay, BCBS đã ban hành 3 phiên bản của hiệp ước Basel gồm Basel I (1988), Basel II (2003) và Basel III (2009)

3 Xem thêm Phụ lục I

2.1.2 CVaR và những ưu điểm của nó so với VaR

So với VaR, giá trị rủi ro có điều kiện (CVaR) được xem là một thước đo có hiệu quả hơn CVaR có thể đo lường lợi tức cực biên (điều này ngoài khả năng của VaR) Allen and Powell (2006; 2007) khám phá ra CVaR như là một phương pháp tương đương VaR trong việc đo lường rủi ro thị trường và tín dụng Họ phát hiện rằng CVaR cho ra những kết quả phù hợp với VaR khi áp dụng cho các loại rủi ro ngành ở Australia, nhưng thêm vào đó là thuận lợi cho việc đo lường lợi tức cực biên (điều này ngoài khả năng của VaR) Pfug (2000) chứng minh rằng CVaR là một thước đo rủi ro chặt chẽ với nhiều thuộc tính như mong muốn như là tính lồi và tính đơn điệu, hai trong số những tính chất đáng quan tâm nhất Hơn nữa, VaR không biểu thị khoảng tổn thất có thể gặp phải trừ giá trị ngưỡng đầu tiên được đưa ra bởi thước đo này Ngược lại CVaR xác định số lượng tổn thất có thể

gặp phải trong đuôi (tail) phân phối

Hình 2.1 Vị trí VaR và CVaR trên đồ thị phân bổ tổn thất

Nguồn: Rockafeller and Uryasev (2002; 2000)

Rockafeller and Uryasev (2002; 2000) nghiên cứu CVaR đối với các bài toán tối đa hóa danh mục đầu tƣ và cũng đƣa ra những bằng chứng cho thấy CVaR hiệu quả hơn VaR Hình 2.2 cho thấy CVaR có dạng đồ thị lồi, trong khi VaR thì không lồi

Hình 2.2 Mối liên hệ giữa CVaR, CVaR + , CVaR - và VaR

Nguồn: Rockafeller and Uryasev (2002; 2000)

và sau khủng hoảng tài chính 2008 Nghiên cứu cấu trúc cho dạng biến đổi rủi ro tín dụng

từng được thực hiện qua nhiều phương pháp như phương pháp tương quan tài sản

(Cespedes, 2002; Kealhofer & Bohn, 1993; Lopez, 2004; Vasicek, 1987; Zeng & Zhang,

2001), giá trị tiên đoán và tính hiệu lực (Bharath & Shumway, 2004; Stein, 2002) và mô

hình thu nhập cố định (D’Vari, Yalamanchili, & Bai, 2003) Tác động của rủi ro vỡ nợ

trên lợi tức vốn cổ phần cũng được kiểm chứng (Chan, Faff, & Koffman, 2008; Gharghori, Chan, & Faff, 2007; Vassalou & Xing, 2002) Những bài nghiên cứu này cũng giải thích PD như là một sự mở rộng của quan điểm 3 nhân tố của Fama and French (1992; Fama & French, 1993) về định giá tài sản – bao gồm thị trường, quy mô và giá trị

sổ sách trên giá thị trường Ghargori và cộng sự phát hiện rằng rủi ro vỡ nợ không được định giá trong lợi tức vốn cổ phần và các nhân tố Fama-French là không đại diện cho rủi

ro vỡ nợ Vassalou và Xing phát hiện sự ủng hộ đối với quy mô và giá trị số sách trên giá thị trường là có ảnh hưởng lên rủi ro vỡ nợ, nhưng không tìm thấy mối liên kết mạnh giữa rủi ro vỡ nợ và lợi tức Chan và cộng sự, sử dụng mẫu dữ liệu 30 năm bao quát của cổ phiếu nhỏ, phát hiện mối liên kết đáng kể giữa rủi ro vỡ nợ và lợi tức

Trong khi nghiên cứu quá trình phát triển của các mô hình lượng hóa rủi ro tín dụng, chúng tôi tìm thấy một hướng tiếp cận khá thú vị trong vấn đề này Đó là một liên kết giữa rủi ro tín dụng và cấu trúc vốn của công ty Cách tiếp cận này xem vốn cố phần như

là một “quyền chọn” dựa trên giá trị tài sản của công ty Qua phương trình định giá quyền chọn Black-Scholes, xác suất vỡ nợ sẽ được ước lượng thông qua một tham biến khác là

khoảng cách tới vỡ nợ (DD) – đây chính là cách tiếp cận của mô hình Merton (Merton, 1974), sau đó được tổ chức Moody’s KMV ứng dụng như là một công cụ phân tích tín dụng định lượng, gọi là mô hình Merton/KMV Tổng quan về lý thuyết của các mô hình này được chúng tôi trình bày ngay sau đây

2.2.1 Mô hình Merton dựa trên lý thuyết định giá quyền chọn Black-Scholes

Vấn đề chính của bài nghiên cứu này liên quan đến việc đo lường rủi ro tín dụng Ở đây, rủi ro tín dụng có thể được hiểu là rủi ro vỡ nợ và công cụ để đo lường khả năng vỡ nợ là

xác suất vỡ nợ Theo kinh tế học, vỡ nợ sẽ xảy ra khi giá trị tài sản của công ty nhỏ hơn

giá trị của nợ Do đó xác suất vỡ nợ sẽ phụ thuộc vào những đặc điểm không thể quan sát

được của công ty như giá trị thị trường của đòn bẩy nợ, của tài sản hay biến động của tài sản Những giá trị này được suy ra từ giá trị thị trường hàng ngày của vốn cổ phần – giá trị này có thể tính được bằng cách lấy giá cổ phiếu hàng ngày nhân cho khối lượng cổ phiếu hiện hữu của công ty Trong bài nghiên cứu này, chúng tôi sử dụng cách tiếp cận Merton (1974) dựa trên lý thuyết định giá quyền chọn của Black-Scholes để ước lượng những giá trị này Để phát triển lý thuyết Black-Scholes, mô hình Merton dựa trên nhiều giả định, có thể tóm lược như sau:

- Giả định về nợ

Công ty chỉ phát hành một loại trái phiếu có kỳ đáo hạn là T và công ty cam kết trả hết nợ cho trái chủ khi trái phiếu đáo hạn

- Giả định về cấu trúc vốn

Mô hình Merton giả định công ty cổ phần đại chúng được tài trợ bằng cả nợ và vốn cổ

phần, bảng cân đối kết toán có dạng như sau:

Bảng 2.1 Kết cấu bảng cân đối kế toán theo thời điểm t của công ty

Vốn cổ phần: E(V,t)

Như vậy:

V(t) = E(V,t) + C(V,t) (3) Chú ý là trong kỳ hạn của nợ, công ty không thể phát hành các trái quyền có thể mua bán (tradable claims) hay là mua lại các cổ phần của công ty

- Giả định về tính năng động của giá trị tài sản công ty

Tài sản công ty được giả định là tài sản có thể giao dịch (tradable assets), và các giá trị của tài sản tuân theo vận động Brownian trong không gian xác suất (Ω,V,P):

vọng ở thời điểm t:

2𝜎𝑉2)𝑡 + 𝜎𝑉 𝑡𝑊𝑡} (5)

- Giả định về sự hoàn hảo của thị trường

Giả định công ty không trả cổ tức, coupon và thuế, không hạn chế về bán khống Thị trường thanh khoản tốt và nhà đầu tư có thể mua và bán các tài sản ở mức giá thị trường như mong muốn Công ty vay và cho vay ở mức lãi suất phi rủi ro (r) như nhau và lãi suất này không đổi giữa các ngành Những giả định này không vi phạm công thức của mô hình, mà chỉ nhằm mục đích để thuận lợi cho việc mô tả

Mô hình Meton như là một mô hình liên kết giữa rủi ro tín dụng và cấu trúc vốn của công

ty Theo cách tiếp cận này, giá trị vốn cổ phần của công ty (E) được xem như là một

“quyền chọn mua” (call option) đối với tài sản của công ty (V):

E(V,t) = max[V(T) – F, 0] (6)

Ở thời điểm đáo hạn T, nếu giá trị của tài sản công ty lớn hơn nợ, chúng ta sẽ thực thi quyền chọn để có được khoản trả V(T) – F (F là giá trị danh nghĩa của nợ); ngược lại chúng ta chẳng có gì Tức là, nếu giá trị tài sản thấp hơn giá trị danh nghĩa của nợ, giá trị vốn cổ phần được xem như bằng không Bằng việc xem xét lại cấu trúc vốn, giá trị của nợ

là giá trị nhỏ nhất giữa tài sản công ty và nợ, tương đương giá trị của nợ trừ đi giá “quyền chọn bán” dựa trên giá trị cơ sở (underlying value) của tài sản công ty với “giá thực hiện”

là giá trị danh nghĩa F của nợ ở thời điểm đáo hạn của nghĩa vụ nợ Do vậy, có thể viết:

C(V,t) = min[V(T), F] = F – max[F – V(T)] (7)

Do tính chất quyền chọn của vốn cổ phần và nợ, Merton cho rằng chúng ta có thể mở rộng mô hình định giá quyền chọn đối với cả vốn cổ phần và nợ, như đã thể hiện qua hai công thức (6) và (7) Theo đúng lý thuyết định giá quyền chọn thì chúng ta có:

Từ công thức (8) và cấu trúc vốn C(V,t) = V(t) – E(V,t) thì chúng ta cũng có:

𝐶𝑡 = 𝑉𝑡 𝑁 −𝑑1,𝑡 + 𝑒−𝑟(𝑇−𝑡)𝐹 𝑁 𝑑2,𝑡 (9)

2.2.2 Mô hình Merton/KMV

KMV dựa trên mô hình Merton đối với giá trị tài sản công ty, và xem vốn cổ phần như là một quyền chọn trên tài sản trong khuôn khổ phương trình Black-Scholes-Merton để tính xác suất vỡ nợ cho mỗi công ty ở thời điểm được cho Trong mô hình này, chúng ta cần ước lượng giá trị hiện tại và độ biến động của tài sản công ty từ giá trị thị trường và độ biến động tức thời của vốn cổ phần, cùng với lượng nợ hiện hành và kỳ hạn của nó Kỳ hạn của nợ được lựa chọn và giá trị sổ sách của nợ được xem bằng với giá trị danh nghĩa của nó Công ty vỡ nợ khi giá trị tài sản công ty thấp hơn “điểm vỡ nợ” (DP), tức là giá trị danh nghĩa của nợ Để tính xác suất vỡ nợ, ta cần biết một thông số mới, đó là khoảng cách tới vỡ nợ (DD), tức là khoảng cách giữa giá trị kỳ vọng của tài sản công ty và điểm

vỡ nợ và sau đó chia độ lệch này cho độ biến động ước lượng của công ty trong một phạm

vi thời gian Cuối cùng, khoảng cách tới vỡ nợ được đưa vào hàm mật độ tích lũy để tính xác suất mà giá trị công ty thấp hơn giá trị danh nghĩa của nợ ở thời điểm đáo hạn

Một trong những giả định của Merton là tài sản công ty có thể giao dịch (tradable) bị vi phạm bởi KMV KMV nhận thấy được điều này Thay vào đó, KMV chỉ sử dụng các cấu trúc của Black-Scholes và Merton làm cơ sở để tính khoảng cách tới vỡ nợ (DD) trước khi tính xác suất vỡ nợ (PD)

Bằng cách sử dụng độ biến động của tài sản công ty để đo lường, chúng ta có thể tính được khoảng cách tới vỡ nợ Khoảng cách tới vỡ nợ càng lớn thì nguy cơ vỡ nợ của công

ty càng ít Vì vậy, DD có thể được diễn tả theo thước đo xác suất phi rủi ro tại thời điểm t như sau:

𝑉𝑡

𝐹 + 𝑟 −12𝜎𝑉2 (𝑇 − 𝑡)

PDt = N(-DDt) (11) với N(•) là hàm phân phối chuẩn tích lũy Giá trị xác suất này chính bằng điểm vỡ nợ (default point), có thể quan sát thấy điều đó trong hình sau:

Hình 2.3 Phân phối giá trị tài sản công ty ở thời điểm đáo hạn T

Nguồn: Crosbie, P., & Bohn, J (2003)

Trong hình 2.3., 1 Giá trị tài sản hiện tại; 2 Phân phối của giá trị tài sản ở thời điểm T; 3

Độ biến động giá trị tài sản tương lai ở thời điểm T; 4 Mức vỡ nợ, là giá trị sổ sách của nợ; 5 Mức tăng kỳ vọng trong giá trị tài sản qua thời điểm T; 6 Kỳ hạn T

Những nền tảng lý thuyết ở trên là cơ sở của các phương pháp định lượng rủi ro tín dụng

mà chúng tôi sẽ trình bày ở phần sau Chúng ta đã tổng quan sự phát triển trong mô hình tính xác suất vỡ nợ, từ lý thuyết định giá quyền chọn Black-Scholes, từ mô hình Merton trên nền tảng Black-Schole cho đến thực nghiệm ứng dụng ở KMV Cuối cùng, chúng tôi chọn cách ứng dụng trong một mô hình liên kết nhiều nghiên cứu trước đó, gọi là Black-Scholes-Merton hay Merton/KMV Kết hợp với phương pháp CVaR trình bày ở đoạn đầu

ở phần này, chúng tôi đã có một mô hình mới để ước lượng xác suất vỡ nợ trong điều kiện thị trường cực biên, tức là lượng hóa được rủi ro tín dụng cực biên

Trong phạm vi nghiên cứu ở Việt Nam của bài này, chúng tôi mong muốn tìm thấy những bằng chứng thực nghiệm về rủi ro tín dụng thể hiện qua tác động của rủi ro vỡ nợ Trong các phần sau, chúng tôi sẽ lần lượt giải quyết những câu hỏi cơ bản nhất của bài nghiên cứu này, bao gồm:

- Về rủi ro thị trường, rủi ro phân bố như thế nào giữa các ngành trên thị trường tài chính Việt Nam và chúng dịch chuyển theo chiều hướng nào ngay trước, trong và sau khủng hoảng tài chính năm 2008 Sự phân bố và dịch chuyển rủi ro đó có mối liên hệ với dạng cấu trúc vốn của ngành hay không

- Về rủi ro tín dụng, thông qua phương pháp mẫu đo lường xác suất vỡ nợ áp dụng đối với công ty Vinamilk, chúng ta có thể hình dung thế nào về sự biến chuyển rủi ro qua các năm, và liệu có tìm thấy bằng chứng cho thấy cấu trúc vốn ảnh hưởng thế nào lên cấu trúc rủi ro của công ty hay không

- Cuối cùng, việc ứng dụng CVaR vào mô hình tính xác suất vỡ nợ mà chúng tôi lựa chọn Merton/KMV có hiệu quả như thế nào trong việc đánh giá rủi ro trong các điều kiện thị trường cực biên

3.1 Dữ liệu và phương pháp thu thập, xử lý dữ liệu

3.1.1 Dữ liệu

Chúng tôi tiến hành nghiên cứu trên thị trường tài chính Việt Nam từ năm 2007 đến năm

2011 Mẫu dữ liệu của chúng tôi bao gồm những thông tin của 179 doanh nghiệp có

lượng VaR hay CVaR, chúng tôi sử dụng dữ liệu giá lịch sử của các chứng khoán này Còn trường hợp để tính khoảng cách tới vỡ nợ (DD) và xác suất vỡ nợ (PD) chúng tôi sử dụng các thông tin về giá trị thị trường của vốn cổ phần, nợ (ngắn hạn và dài hạn) được thu thập và tổng hợp từ các bảng báo cáo tài chính của các doanh nghiệp

Mẫu dữ liệu nghiên cứu theo từng năm của chúng tôi tương ứng với ba thời kỳ trước, trong và sau khủng hoảng tài chính 2008 Thời kỳ đầu tiên (2007) là năm phát triển vượt bậc của thị trường tài chính Việt Nam nói chung cũng như thị trường chứng khoán Việt Nam nói riêng Thời kỳ thứ hai (năm 2008) là thời kỳ thị trường tài chính Việt Nam xuống dốc do ảnh hưởng nặng nề của cuộc khủng hoảng tài chính toàn cầu Thời kỳ thứ

ba (từ 2010 đến nay) là thời kỳ hậu khủng hoảng tài chính, thị trường Việt Nam có những tín hiệu lạc quan hơn tuy nhiên vẫn còn chứa đựng nhiều bất ổn và rủi ro Trong nghiên cứu của chúng tôi, để dữ liệu có thể mang tính đại diện hợp lý cho thị trường, các chứng khoán với dữ liệu ít hơn 12 tháng ở một trong số ba thời kỳ đều bị loại trừ Ngoài ra, những ngành với ít hơn 3 công ty cũng bị loại trừ

Chúng tôi vừa tiến hành nghiên cứu theo từng chứng khoán riêng lẻ vừa nghiên cứu trên phương diện các ngành Trên quan điểm phân chia ngành, vì ở Việt Nam các tổ chức tài chính chưa thật sự công khai rõ ràng việc phân chia ngành cho thị trường chứng khoán nên chúng tôi chọn cách phân loại ngành theo tiêu chuẩn của Hệ thống phân ngành Bắc

Mỹ năm 2007 (NAICS 2007) mà vietstock.vn đang sử dụng Cách phân loại này có những

cơ sở khoa học rõ ràng và phù hợp với những cách phân loại ngành trên thế giới hiện nay cũng như phù hợp với Hệ thống ngành kinh tế quốc dân 2007 (VSIC 2007) của Việt Nam

Cụ thể, hệ thống phân ngành này gồm 6 cấp trong đó phân ngành cấp 1 gồm 20 ngành Trường hợp trong bài nghiên cứu này, do những tiêu chí thu thập dữ liệu như độ dài kỳ nghiên cứu, số công ty tối thiểu trong một ngành nên thực tế mẫu nghiên cứu của chúng

trong nền kinh tế nên mẫu dữ liệu của chúng tôi không mất đi tính đại diện hợp lý của nó

3.1.2 Phương pháp thu thập và xử lý dữ liệu

Dữ liệu của 179 công ty trong 5 năm (2007-2011) là rất lớn Do đó, để thuận lợi trong

việc thu thập và xử lý dữ liệu, chúng tôi xây dựng các mô hình mẫu trên tiện ích Excel của phần mềm Microsoft Office bao gồm mô hình ước lượng VaR/CVaR và mô hình tính

toán DD/PD Trong mô hình DD/PD, chúng tôi phải sử dụng rất nhiều chức năng Solver

6 Chúng tôi gộp chung hai ngành Thương mại bán sỉ và Thương mại bán lẻ lại thành ngành Thương mại nói chung Xem thêm ở Phụ lục III

để thực hiện một vòng lặp nhằm xác định giá trị thị trường của tài sản qua công thức định giá quyền chọn Black-Scholes-Merton Cụ thể, có thể mô tả vòng lặp này qua sơ đồ sau:

Hình 3.1 Vòng lặp xác định giá trị thị trường của tài sản công ty tại ngày t của năm i

Với mỗi vòng lặp này, chúng ta cần các tham số đầu vào bao gồm giá cổ phiếu tại ngày t

quy trình hoàn toàn khép kín và các thành phần trong đó ràng buộc lẫn nhau Để thuận

tiện, chúng tôi xây dựng một cấu trúc chương trình con MVA_Solver bằng VBA của

một quy trình mẫu Từ kết quả có được, chúng tôi sẽ phân tích rủi ro tín dụng đối với trường hợp của Vinamilk trong bối cảnh kinh tế Việt Nam trước, trong và sau khủng hoảng 2008

tiên chúng tôi xây dựng hai mô hình tài chính nền tảng cho từng phương pháp sau đó

hai mô hình này sẽ được liên kết qua một “mắc xích” đó là độ lệch chuẩn có điều kiện – chính là độ lệch chuẩn được tính trong các điều kiện cực biên

3.2.1 Tính VaR và CVaR

Mục tiêu chính của chúng ta là CVaR Trước khi tính CVaR, chúng tôi tính VaR như là một cơ sở tính toán và để so sánh với CVaR Để tính VaR, chúng tôi áp dụng theo phương pháp được sử dụng bởi RiskMetrics (J.P Morgan & Reuters, 1996), tổ chức đã giới thiệu và phổ biến phương pháp VaR, và đây cũng là phương pháp thông thường nhất được sử dụng để tính VaR

Trong bài nghiên cứu này, chúng tôi tính VaR vốn cổ phần và cũng vậy, CVaR vốn cổ phần Lợi tức vốn cổ phần theo ngày được tính cho mỗi năm bằng cách sử dụng làm logarit theo giá tương đối hàng ngày:

ln 𝑃𝑡

𝑃𝑡−1 (12)

tôi tính VaR và CVaR với các độ tin cậy khác nhau: 90%, 95% và 99% Khi đó VaR với

độ tin cậy (1-α) của các giá trị lợi tức X được tính như sau:

VaR(1-α),x = zα.σx (13)

Cách thức tính CVaR tương tự như VaR ngoại trừ việc chúng ta sử dụng giá trị kỳ vọng của những khoản lỗ vượt VaR (tức là α (10%, 5%và 1%) trường hợp xấu nhất của lợi tức)9: CVaR(1-α),x = E[X|X≤ VaR(1-α),x] (14)

9 Đây không phải là dạng tổng quát của CVaR CVaR truyền thống chỉ tính cho rủi ro đuôi âm (negative tail) Tuy

nhiên, ứng dụng của CVaR là rất rộng và có thể dùng CVaR để tính cho rủi ro đuôi dương (positive tail) Chẳng hạn, trong trường hợp đối với rủi ro lãi suất, giá trị sử dụng trong CVaR đều là những giá trị dương Bởi vậy, công thức CVaR (Andrew, Kanto & Malo, 2005) được mở rộng như sau:

CVaRq = E[X|A]

trong đó A ám chỉ X≤q, X≥q lần lượt ứng với trường hợp rủi ro đuôi âm và rủi ro đuôi dương Tuy nhiên, trong bài nghiên cứu này, X thực chất là các khoản lỗ nên tính CVaR theo công thức (3) là hợp lý.