Phương pháp var: rủi ro thị trường

     Trong phần này, chúng tôi chỉ ra cách kết hợp những thước đo rủi ro khác nhau để định nghĩa VaR rủi ro thị trường trong trường họp bách phân vị của p & L (lợi nhuận và thua lỗ) của vị thế.
Hãy xem xét một tài sản phụ thuộc vào một nhân tố rủi ro duy nhất. Không có nhiều loại tài sản như vậy. Một ví dụ là trái phiếu không trái tức. Giá trị của nó chi phụ thuộc vào lãi suất ứng vào ngày đáo hạn của trái phiếu. Đối với những tài sản phụ thuộc vào nhiều nhân tố rủi ro và danh mục đầu tư, chúng ta cần mở rộng hoàn toàn mô hình VaR, như trong mục 10 về rủi ro thị trường. Vị thế chỉ phụ thuộc một nhân tố rủi ro được gọi là “sơ cấp” vì không cần dùng đến những chi tiết phức tạp của những phép tính VaR và chúng ta có thế tập trung vào ba bước chính để rút ra VaR rủi ro thị trường.
     Ba bước kết hợp những thước đo rủi ro: độ nhạy và độ biến động để rút ra giá trị gặp rủi ro (VaR) – thước đo thua lỗ tiêm năng hay rủi ro sụt giá. VaR hay rủi ro sụt giá là thưúc đo rủi ro toàn diện nhất. Nó tích hợp cả độ nhạy và độ biến động với ảnh hưởng tiêu cực của sự không chắc chắn, nhưng cũng dựa vào giả định về phân phối giá trị. Ba bước chính cho một vị thế sơ cấp là: đo lường độ nhạy với nhân tố rủi ro, đo lường độ biến động của nhân tố rủi ro và kết hợp độ nhạy với độ biến động để tính toán ra độ biến động của vị thế. Xác định bách phân vị thua lỗ ở mức độ tin cậy a, dựa vào giả định về phân phổi giá trị.
     Bách phân vị thua lỗ ở a là VaR với mức độ tin cậy đó. Phần trình bày này bắt đầu với vị thế sơ cấp và sử dụng những giả định cơ bản. Nó sẽ được mở rộng để bao gồm nhiều nhân tố trong chương về VaR delta-chuẩn (chương 35). 

 rủi ro thị trường

Độ nhạy
     Độ nhạy đo lường phản ứng với một sự thay đổi trong tham số cơ sở ngẫu nhiên, hay những thay đổi trong nhân tố rủi ro.
     Độ nhạy không cố định và thay đổi khi điều kiện thị trường thay đổi. Chúng là những phép đo “cục bộ” và coi chúng là cố định chi là một phép xấp xi. Trái phiếu không trái tức dựa vào một nhân tố rủi ro duy nhất, lãi suất 2 năm vào thời điểm hiện tại t hay i(t,T) với t là ngày hiện tại và là kỳ hạn 2 năm. Ví dụ lãi suất là lãi suất không rủi ro. Giá trị của trái phiếu không trái tức không rủi ro với kỳ hạn 2 năm là giá trị chiết khấu của dòng tiền cuối cùng F(T): t là thời điểm hiện tại, T bằng 2 năm và sử dụng dòng tiền cuối cùng 100, giá trị trái phiếu không trái tức không rủi ro. Đạo hàm có thể được tính từ biểu thức dạng đóng. Trong trường hợp của trái phiếu, đây là duration. Duration của trái phiếu không trái tức bằng với kỳ hạn của nó T=2. Thay đổi giá trị ngẫu nhiên của trái phiếu không trái tức là hàm tuyên tính của những thay đổi ngẫu nhiên trong lãi suất.
Với B-90,703 và Ai =1%, giá trị tính bằng tiền của độ nhạy trái phiếu với thay đổi 100 điểm cơ sở của i là $1,81 hay 1,81% giá trị hiện tại.



Từ khóa tìm kiếm nhiều: cac ngan hang viet nam

Mô phỏng thay đổi tiềm năng của giá trị

     Các mô hình VaR đòi hỏi mô phỏng độ lệch của bất kỳ tham số nào ở một mức độ tin cậy nhất định. Trong trường hợp VaR, biến mục tiêu là lợi nhuận và thua lỗ (P & L) đối với rủi ro thị trường và thua lỗ rủi ro đôi với rủi ro tín đụng. Nhưng phương pháp này có thể áp đụng với mọi nhân tố ngẫu nhiên khác.      Việc đo lường những thay đổi tiêu cực có nhiều ứng dụng ngoài VaR. Ví dụ, chúng ta có thể muốn biết về những thay đổi tiêu cực trong giá của vật thế chap, để đánh giá và hạn chế khả năng thiếu hụt thế chấp. Chúng ta cũng muôn biết “thu nhập gặp rủi ro”- những thua lỗ lớn chi xảy ra trong rất ít trường hợp. Chúng ta muôn xác lập vốn tối thiểu để bảo hiểm cho một danh mục đầu tư tài sản tín dụng. Đối với những nguy cơ thị trường, ví dụ như phái sinh không chính thức (hợp đồng hoán đổi) ta cần xác định giới hạn của nguy cơ sao cho xác suất vượt qua mức nguy cơ đó là rất nhỏ.
Những vân để rủi ro như vậy đều dựa trên cùng một phương pháp: xác định bách phân vị của một biến ngẫu nhiên, độc lập với VaR. Bách phân vị của một biến ngẫu nhiên là một ngưỡng sao cho biến không thể vượt qua giá trị đó với một xác suất định trước.
    Bách phân vị của một biến được dùng rất phổ biến và quan trọng đối với các mô hình rủi ro, bao gồm VaR, chúng ta sẽ định nghĩa chúng một cách chính xác hơn, như một điều kiện tiên quyết cho việc minh họa ứng dụng trong những mô hình VaR.

Bách phân vị giá trị

Bách phân vị giá trị
    Phương pháp dùng để xác định những độ lệch tiềm năng phụ thuộc vào việc định ra cận trên và dưới của biến. 
    Thuật ngữ gây nhiều nhẩm lẫn vì rủi ro có nghĩa là thua lỗ hoặc thu nhập âm: chúng ta tìm cận trên của thua lỗ hoặc cận dưới của thu nhập. Thứ hai, cận trên và cận dưới được mô phỏng với xác suất vượt qua cận trên hoặc tụt xuống thấp hơn cận dưới. Điều này đòi hỏi phải định nghĩa một số giá trị liên quan: giá trị cụ thể của cận trên và cận dưới của biến, và xác suất của biến vượt quá cận hên hoặc thấp hơn cận dưới.
Cách mô phỏng thay đổi tiềm năng của một biến sử dụng bách phân vị, đó là các xác suất. Biến ngẫu nhiên là X. Để định nghĩa bách phân vị ta cần có một phân phôi. Bách phân vị được định nghĩa là xác suất (a) của một biến thấp hơn hoặc bằng một cận trên x(à). Theo định nghĩa của a và x(a):
P[X<x(a)] = a
Với những ký hiệu này, x(cx) là cận trên của X và xác suất X không vượt qua x(a) là a.
     Do đó x(a) là cận dưới và X lớn hơn x(a) với xác suất là 1- a. Điểm ngắt của X, x(a), cùng với xác suất a được gọi là bách phân vị a của X. Trong biểu thức này, a luôn là xác suất Ị X thấp hơn hoặc bằng x(a) và x(a) là điểm ngắt của X. Hình 17.1 chi ra bách phân vị a của X, x(a). Xác suất X thấp hơn cận trên này là diện tích dưới đồ thị hay mật độ xác suất tích lũy của X tại x(a). Xác suất X vượt qua x(a) là phần diện tích còn tại dưới biểu đồ. Chú ý là bách phân vị thưởng được gọi là “độ tin cậy”.



Từ khóa tìm kiếm nhiều: các ngân hàng việt nam

Tính toán giá trị gặp rủi ro -VaR

     Chương này sẽ hoàn tất những chương trước đó với việc tính toán ‘giá trị gặp rủi ro” -VaR trong những trường hợp rất đơn giản. Mục đích là cung cấp cái nhìn tồng quan về mô phỏng VaR không đi sâu vào những chi tiết phức tạp của những mô hình VaR và chỉ ra khái niệm VaR ứng dụng với những rủi ro khác nhau. Sự đơn giản hóa đầu tiên là chúng ta chỉ xem xét rủi ro độc lập của một giao địch hay công ty và bỏ qua tác động với danh mục đầu tư. Một sự đơn giản hóa nữa là giả định VaR bị chi phôi chỉ bởi một nhân tố, trong khi những mô hình VaR thật sự phụ thuộc vào rất nhiều nhân tố. Các mô hình VaR được mở rộng ở Mục 10 về rủi ro thị trường và Mục 12 về danh mục đầu tư tín dụng.

giá trị gặp rủi ro

    Mô phỏng VaR bắt đầu với bách phân vị của phân phối giá trị. Do đó, chúng tôi sẽ trình bày chi tiết thước đo bách phân vị trong phần đầu tiên của chương. Đối với rủi ro thị trường, phân phôi cần thiết là phân phối chuẩn thu nhập của những công cụ tuyến tính. Phần thứ hai trình bày quá trình tính toán VaR của những “vị thế cơ sở” độc lập chỉ phụ thuộc vào một nhân tố rủi ro. Phần này sẽ chỉ ra các bước dẫn tới VaR bằng cách kết hợp nhũng thước đo rủi ro: độ nhạy và độ biến động. Bách phân vị giá trị cũng có thể áp dụng với giá trị công ty. Sự biến động tiêu cực trong giá trị công ty sẽ làm ảnh hưởng tói khả năng thanh toán và uy tín tín dụng của nó. Phần cuối cùng trình bày cách tính toán VaR cho rủi ro tín dụng với một công ty độc lập. Phương pháp về VaR rủi ro tín dụng được tối giản hóa và chúng tôi sẽ không mở rộng những chi tiết về mô hình Merton (chương 46) hay những hiệu ứng danh mục đầu tư.
MÔ PHỎNG THAY ĐỔI TIỀM NĂNG VÀ BÁCH PHÂN VỊ
     Vì rủi ro luôn là những thay đổi tiêu cực tiềm năng của thu nhập hoặc thua lỗ, hẩu hết các mô hình rủi ro đều phải định nghĩa thay đổi “tiềm năng”. Đặc biệt, VaR là cận trên của thua lỗ tiềm tàng, xác suất vượt qua VaR là rất thấp, được gọi là mức độ tin cậy.



Từ khóa tìm kiếm nhiều: rui ro

Công thức của mô hình EWMA

     Các dòng tiếp theo cột thứ ba sử dụng công thức của mô hình EWMA. Quá trình đòi hỏi đưa vào các hệ số để chúng ta có thế xác định hàm khả năng cực đại. Bằng cách cực đại hóa hàm khả năng, ta tim ra những giá trị tham số đúng. Các phép tính trong bảng 16.1 sử dụng ước lượng tốt nhất của A. Bắt đầu với quan sát thứ ba, ta tính toán ước lượng mói của phương sai tức thì . Theo ước lượng của EWMA, các tham số GARCH trở thành co=0, Ị3=A và a=l-A và công thức. Sử dụng những giá trị đó, ta tìm ra giá trị thứ hai của ước lượng phưomg sai tức thời quá khứ, 0,000225. Với những ngày tiếp theo, công thức đó được sử dụng từng bước cho tới khi đi tới điểm kết thúc của chuỗi các quan sát. Hàm khả năng logarit tính tồng k lần.
     Nếu ta có tồng cộng t+2 quan sát thu nhập, tổng sẽ cộng hàm số khả năng logarit này 5 lần. Giá trị của hàm khả năng logarit được cực đại hóa bằng cách chọn A, đứng ở phía j trên cùng của cột cuối cùng 13138,6. Giá trị tương ứng của tham số là À=0,9708, phù hợp với ước lượng thông thưởng (bảng 16.1).

mô hình EWMA

Vì hàm số có thể có nhiều điểm cực đại, vân đề là tìm điểm cao nhất của những điểm cực đại này. Một số thuật toán làm điều này rất tốt. Ví dụ này sử dụng hàm solver của Excel, nhưng không đảm bảo sẽ tạm được chỉ một điểm cực đại.
     Quy trình như trên cũng dùng để ước lượng mô hình GARCH (1,1), băng cách áp đặt những điều kiện đối với thuật toán cực đại. Các điều kiện của GARCH (1,1) với các hệ số được nói đến ở trên. Tóm tắt lại, các điều kiện của thuật toán cực đại hóa.
      Phương sai dài hạn phải là số dương hoặc 0. Đê’ ước lượng mô hình GARCH, ta sẽ tiếp tục Ị với những điều kiện này và hàm khả năng logarit. Chu ý có thể giảm số các tham số phải : ước lượng bằng cách áp đặt giá trị của phương sai dài hạn. Sử dụng chỉ còn hai tham số còn lại với các biến còn lại.


Uớc lượng độ biến động emwa

     Bây giờ chúng ta sẽ nói tói phương sai không tình và phương pháp khả năng cực đại. Các phương trình giống như trên với giả định tương tự, trừ giả định về phương sai cố định.
Theo mô hình GARCCH, thu nhập vào ngày t được phân phối chuẩn và phương sai ơ(2 tùy thuộc vào thòi gian. Vì thu nhập được phân phối chuẩn và độc lập với nhau, phương trình như trên vẫn đúng, trừ phương sai thay đổi theo thời gian. Quan sát được đánh chi số dưới t. Xác suất quan sát k điểm dữ liệu.
Để ước lượng phương sai điều kiện, chúng ta tối đa hóa khả năng như trên:
Quy trình đòi hỏi tính chuỗi thời gian của thu nhập, tính thu nhập bình phương và sau đó ước lượng phương sai. Biểu đổ dưới đây khóp mô hình EWMA với toàn bộ chuỗi thời gian của dữ liệu thu nhập chi số cổ phiếu, sử dụng ước lượng khả năng cực đại theo những bước như trên. Biểu đổ khớp mô hình EWMA trên chi số cAC 40 đưa ra phương sai EWMA cho giai đoạn 3-1-1990 tói 25-2-2009. Có một số bước nhảy vọt và chúng xảy ra với tần suất cao hơn nhiều gần đây. Thu nhập bình phương không phải là phương sai nhưng chúng đo đạc số hạng “cập nhật” trong phương trình GARCH. Hình 16.1 biểu diễn xu hướng thòi gian điển hình của phương sai: phương sai giảm dần sau mỗi bước nhảy vọt. Bước nhảy lớn nhất là trong cuộc khủng hoảng gần đây.

độ biến động emwa

     Ước lượng mô hình GARCH cho giai đoạn gần đây có thể không có ý nghĩa gì nhiều vì sự rối loạn thị trường gây ra những độ lệch rất lớn. EWMA khớp với độ biến động thay đổi theo thời gian vì cách thức trọng số đơn giản chi dựa trên một tham số.
    Quy trình ước lượng mô hình GARCH (1,1) giống như quy trình ước lượng EWMA. Sự khác biệt là ở những tham số được ước lượng. Các tham số phải ước lượng trong mô hình GARCH là phương sai gia quyền dài hạn. Các bước của EWMA và GARCH giống nhau, chi trừ các hệ số. Tôi sẽ trình bày tính toán của mô hình EWMA vì dữ liệu thị trường gần đây có những sự biến động dữ dội.
     Một khi chúng ta có chuỗi thòi gian, ta tính toán đối số của toán tử cực đại bằng cách tính tồng các số hạng trong ngoặc qua thời gian. Sau đó, ta tính bằng số những tham số của mồ hình, có bao gồm những điều kiện nói trên. Thu nhập hàng ngày được tính là thu nhập logarit ln với t là thời gian và I là giá trị chi số cổ phần vào ngày t, hoặc thu nhập hàng ngày có thể là thu nhập rời rạc vì hai biểu thức này gần giống nhau với những thay đổi nhỏ. Bảng giống như bảng 16.1 với một chuỗi thời gian các quan sát dài hơn. Chúng tôi chi đưa ra những dòng đẩu tiên là điểm xuất phát của các tính toán. Thời gian tiên về phía trước, bắt đầu với những quan sát đầu tiên II và 12, chúng ta rút ra thu nhập đầu tiên vào ngày thứ 2.



Từ khóa tìm kiếm nhiều: rủi ro