Bài giảng Đánh giá rủi ro

VaR Value at Risk Phân tích độ nhạy để biết được một dự án hay một tiến trình giải ngân. Trong phân tích kinh tế, nhu cầu phân tích độ nhạy rất lớn vì nó cung cấp thông tin rất đa dạng cho nhà quản trị. Với phân tích độ nhạy giúp giải quyết những vấn đề cơ bản sau: - Khi độ chính xác của tài liệu không đảm bảo thì nhà quản trị có phải quá lo lắng về tính tối ưu của bài toán hay không? - Trong điều kiện dữ liệu của bài toán qui hoạch luôn thay đổi do giá cả, định mức, năng suất lao động, nhu cầu khách hàng, thị trường, nguồn lực luôn thay đổi thì bài toán qui hoạch sẽ như thế nào? - Khi nguồn lực thay đổi ở mức độ nào thì nhà quản trị không phải giải lại bài toán qui hoạch mà có thể sử dụng bài toán cũ để tìm phương án tối ưu và giá trị hàm mục tiêu của bài toán đã điều chỉnh; - Khi nguồn lực thay đổi ở mức độ nào thì nhà quản trị phải giải lại bài toán qui hoạch để tìm phương án tối ưu và giá trị hàm mục tiêu của bài toán đã điều chỉnh; - Biết rõ nguồn lực nào là quan trọng khi tham gia vào quá trình sản xuất; - Trong trường hợp nguồn lực có hạn cần có sự lựa chọn đầu tư thì nhà quản trị biết phải lựa chọn đầu tư cho yếu tố nào nhằm nâng cao hiệu quả. - Để thực hiện giải bài toán qui hoạch tuyến tính và quan tâm đến phân tích độ nhạy, chúng ta cần sử dụng các phần mềm máy tính. Hiện nay có nhiều phần mềm như vậy. Trong EXCEL có công cụ SOLVER hay EXCEL QM có thể thực hiện giải các bài toán qui hoạch nhỏ. Hoặc một số phần mềm độc lập khác như WINQSP, QM FOR WINDOWS… Đối với những bài toán lớn có thể sử dụng phần mềm LINGO. Nghiệp vụ? Đánh giá bản thân Đánh giá của đội nhóm Hay công thức tính toán... Trong thời gian gần đây, cụm từ “kiểm tra sức chịu đựng” (Stress Testing - ST) là một chủ đề rất “hot” và như một “trào lưu”, không ít lần cụm từ này được nhắc đến trong các hội thảo, diễn đàn về quản lý rủi ro ngân hàng. ST là gì? ST được nhìn nhận là tập hợp các kỹ thuật và phương pháp được sử dụng để đánh giá khả năng chịu đựng rủi ro hay mức độ tổn thương của các tổ chức tài chính, ngân hàng trước những sự kiện, hoàn cảnh rất bất lợi. Để đánh giá được mức độ tổn thương, sự kiện rất bất lợi mà người thực hiện ST cần kiến tạo là những sự kiện có tính chất cực độ, mang tính chất rất ngoại lệ, bất thường (extreme & exceptional) nhưng có khả năng xảy ra (plausible) (theo định nghĩa của Basel). Kết quả tác động của ST thường được thể hiện ở hai dạng chính: (1) các chỉ số tài chính về vốn, mức độ tổn thất (solvency stress test), hoặc (2) các tỷ lệ an toàn về thanh khoản (liquidity stress test). Vậy kiểm tra sức chịu đựng (ST) là gì? Nó có thật quan trọng không? Khi nào Ngân hàng Nhà nước nên áp dụng? Đâu là các thách thức lớn nhất và những lựa chọn giải pháp mà NHNN có thể cân nhắc? Trong phạm vi hạn hẹp về kiến thức của mình, người viết cố gắng nêu ra một vài giải đáp và lựa chọn cho các câu hỏi này. Dựa trên những tài liệu nghiên cứu khoa học quốc tế, kinh nghiệm của một số quốc gia và thử nghiệm thực tế của cá nhân khi tìm hiểu về ST ở Việt Nam, người viết muốn đưa ra những trao đổi cởi mở, thẳng thắn đối với một chủ đề còn mới nhưng rất quan trọng trong hoạt động quản lý ngân hàng. Gold Silver Thiếc Nhôm Đường Cà phê Gạo ... BĐS Đánh giá rủi ro theo các chỉ tiêu nào Định nghĩa VaR là một phương pháp đánh giá rủi ro bằng cách sử dụng các công cụ toán học và thống kê. Một cách tổng quát, VaR được đo lường như tổn thất tối đa ở tình huống xấu nhất trong một khoảng thời gian xác định với một mức xác suất cho trước (thường gọi là độ tin cậy ), VaR được xác định theo cách này được gọi là VaR tuyệt đối. Tuy nhiên, nhằm mục đích xác định vốn kinh tế mà ngân hàng cần nắm giữ, VaR tương đối dễ hiểu về mặt khái niệm, tuy nhiên khá phức tạp khi triển khai thực hiện, đặc biệt trong đo lường rủi ro tín dụng. Vì phần lớn các khoản vay được cấp bởi các ngân hàng không được mua bán trên thị trường thứ cấp, các dữ liệu cần thiết giúp cho việc ước lượng phân phối tổn thất tín dụng trong tương lai hầu như rất hạn chế. Để giải quyết khó khăn này, hầu hết các cách tiếp cận mô hình rủi ro tín dụng đều dựa trên một vài giả thiết nhất định cũng như các lý thuyết kinh tế để mô phỏng phân phối tổn thất tín dụng, từ đó xác định VaR tín dụng. Như chúng ta đã biết trong nghiệp vụ Ngân hàng các yếu tố đánh giá và áp dụng của VAR trong: Việc giám sát rủi ro thị trường đối với các ngân hàng Thương Mại Việc kinh doanh ngoại hối... Chứng khoán; các phép thử; tỷ giá ... Đều được đánh giá tầm quan trọng của rủi ro... Về bản chất, KDNH tự nó chứa đựng rủi ro rất cao. Ngoài các rủi ro thông thường mà các hoạt động khác cũng phải đối mặt như: rủi ro lãi suất, rủi ro tín dụng, rủi ro thanh khoản, rủi ro kỹ thuật, rủi ro hoạt động, rủi ro pháp lý và rủi ro quốc gia, thì KDNH còn chịu thêm một rủi ro đặc biệt, đó là rủi ro về tỷ giá ngoại tệ và giá vàng. Do tỷ giá ngoại tệ và giá vàng biến động thường xuyên và bất thường, nên rủi ro tỷ giá ngoại tệ và giá vàng được xem là rủi ro thường trực, gắn liền và trở thành rủi ro đặc trưng của hoạt động KDNH của các ngân hàng. rủi ro ngoại hối là rủi ro phát sinh do sự biến động của tỷ giá ngoại tệ và giá vàng làm ảnh hưởng xấu đến giá trị kỳ vọng trong tương lai. Có hai nguyên nhân chính gây nên rủi ro tỷ giá ngoại tệ và giá vàng: (1) các ngân hàng giao dịch các đồng tiền nước ngoài, vàng nhằm phục vụ cho khách hàng và cho chính ngân hàng mình; (2) các ngân hàng đầu tư vào tài sản có và huy động vốn bằng các ngoại tệ. Cả hai nguyên nhân này tạo ra một xu hướng trạng thái ngoại hối ròng (trường hoặc đoản) trong mua bán ngoại hối và trong cơ cấu tài sản bằng ngoại tệ. Nếu tỷ giá ngoại tệ và giá vàng biến động càng mạnh thì rủi ro ngoại hối sẽ càng lớn. Các yếu tố bên ngoài Đây là các yếu tố chủ yếu thuộc các lĩnh vực kinh tế - chính trị - xã hội của các nước trên thế giới có ảnh hưởng đến nền kinh tế của một Quốc gia nói chung và hoạt động KDNH nói riêng. Mức độ tác động này có thể tùy theo độ mở cửa của từng nền kinh tế khác nhau. Tuy nhiên qua các năm, mức độ ảnh hưởng của sự biến động của các nền kinh tế trên thế giới sẽ tác động ngay đến các hoạt động của nền kinh tế của một Quốc gia theo chính sách mở cửa của Quốc gia đó. Các yếu tố bên trong Đây là các yếu tố tác động từ nội tại của nền kinh tế ở một Quốc gia, trong đó chủ yếu bao gồm: lạm phát, thâm hụt cán cân thương mại, tình trạng đôla hóa nền kinh tế, trạng thái ngoại tệ, cơ chế điều hành tỷ giá và các hợp đồng giao dịch phái sinh ngoại hối. Quan hệ giữa lạm phát và tỷ giá hối đoái không phải là quan hệ một chiều mà là quan hệ vòng, tác động qua lại lẫn nhau, không thể coi yếu tố này là nguyên nhân và yếu tố kia là kết quả. Điều đó có thể tạo ra các thiệt hại tài chính lớn hơn nhiều do “vòng xoáy” lạm phát - tỷ giá gây ra. Giá trị tiền đồng giảm sẽ làm tăng giá hàng nhập khẩu và tạo thêm áp lực lên CPI, rồi từ CPI lên cao trở lại sẽ gây áp lực mặt bằng lãi suất cao và làm tiền đồng thêm mất giá. Nhập siêu hay tình trạng thâm hụt cán cân thương mại là sự mất cân đối giữa nhập khẩu và xuất khẩu trong điều kiện nhập khẩu vượt quá xuất khẩu. Nếu tình trạng này duy trì trong dài hạn và vượt quá mức độ cho phép có thể ảnh hưởng tới cán cân tài khoản vãng lai và gây nên những biến động bất lợi đối với nền kinh tế như gia tăng tình trạng nợ quốc tế, hạn chế khả năng cạnh tranh của nền kinh tế, tác động tiêu cực đến thu nhập và việc làm và ở mức trầm trọng hơn có thể gây nên khủng hoảng tài chính tiền tệ. Theo IMF, đôla hóa là tình trạng mà tỷ trọng tiền gửi bằng ngoại tệ chiếm trên 30% tổng khối tiền tệ mở rộng (M2) bao gồm: tiền mặt trong lưu thông, tiền gửi không kỳ hạn, tiền gửi có kỳ hạn và tiền gửi ngoại tệ. Đôla hóa được hiểu theo cách đơn giản nhất là ngoại tệ USD được sử dụng rộng rãi bên cạnh đồng nội tệ làm đồng tiền thanh toán trong các giao dịch thương mại. Điển hình như, IMF đã xếp Việt Nam thuộc nhóm quốc gia đôla hóa không chính thức. Đôla hóa không chính thức là trường hợp đồng đôla được sử dụng rộng rãi trong nền kinh tế nhưng không được quốc gia đó chính thức thừa nhận. Đôla hóa tác động đến việc hoạch định và thực thi chính sách tỷ giá. Đôla hóa có thể làm cho cầu tiền trong nước không ổn định, do người dân và các tổ chức kinh tế có xu hướng chuyển từ đồng nội tệ sang đôla Mỹ, làm cho cầu của đôla Mỹ tăng mạnh gây sức ép đến tỷ giá. Phương pháp ước tính VaR Hiện nay có bốn phương pháp thông dụng nhất để tính VaR :    • phân tích quá khứ (historical method)   • phương sai - hiệp phương sai (variance-covariance method)   • RiskMetrics   • Monte Carlo Phương pháp đơn giản này đưa ra giả thuyết rằng sự phân bố tỷ suất sinh lợi trong quá khứ có thể tái diễn trong tương lai. Nói cụ thể, VaR được xác định như sau :    1. tính giá trị hiện tại của danh mục đầu tư   2. tổng hợp 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)   3. 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.  VaR được tính cụ thể như sau :    1. tính giá trị hiện tại V0 của danh mục đầu tư   2. từ những dữ liệu quá khứ, tính tỷ suất sinh lợi kỳ vọng m và độ lệch chuẩn suất sinh lợi σ của danh mục đầu tư   3. VaR được xác định theo biểu thức sau đây :VaR = V0×(−m + zqσ) với zq bằng 1.65 nếu mức độ tin cậy là 95% và bằng 2.33 nếu độ tin cậy là 99%.Khi biết giá trị của độ lệch chuẩn σ là khoảng 2.64, và đồng thời tỷ suất sinh lợi trung bình xấp xỉ là 0 (phân bố chuẩn), vậy thì với mức tin cậy 95% ta có thể tin rằng khoản lỗ tối đa sẽ không vượt quá 1.65×2.64 = 4.36%, và với mức tin cậy 99%, khoản lỗ tối đa sẽ không lớn hơn 2.33×2.64 = 6.16%  Phưong pháp này đưa ra giả thuyết rằng các tỷ suất sinh lợi và rủi ro tuân theo phân bố chuẩn. Đường cong màu xanh lá cây sau đây là phân bố chuẩn của những dữ liệu trên : Nguyên tắc tính VaR của phương pháp RiskMetrics tương tự với nguyên tắc tính VaR của phương pháp Phưong sai - hiệp phương sai, nhưng thay vì tính độ lệch chuẩn σ cho tất cả các tỷ suất sinh lợi, ta tính σ theo những suất sinh lợi mới nhất. Phương pháp này cho ta phản ứng nhanh chóng khi thị trường thay đổi đột ngột và đồng thời cho ta quan tâm đến những sự kiện cực kỳ quan trọng có thể gây ảnh hưởng tiêu cực đến giá trị của danh mục đầu tư. Nói cụ thể, thuật toán tính VaR là như sau :    1. tính độ lệch chuẩn quá khứ σ0 (historical volatility) của danh mục đầu tư   2. dùng các tỷ suất sinh lợi xếp theo thứ tự thời gian, tính độ lệch chuẩn bằng công thức sau đây :với σn−1 là độ lệch chuẩn, rn−1 là tỷ suất sinh lợi ở thời điểm n−1 và hằng số λ được cố định là 0.94.    3. dùng giá trị ước tính mới nhất của độ lệch chuẩn σn , tính VaR theo biểu thức của phương pháp Phưong sai - hiệp phương sai.  Sau đây là cách tiếp cận toàn cầu để tính VaR :    1. mô phỏng một số lượng rất lớn N bước lặp, ví dụ N>10,000   2. cho mỗi bước lặp i, i<N      2.1. tạo ngẫu nhiên một kịch bản được căn cứ trên một phân bố xác suất về những hệ số rủi ro (giá trị cổ phiếu, tỷ giá hối đoái, tỷ suất, vv) mà ta nghĩ rằng chúng mô tả những dữ liệu quá khứ (historical data). Ví dụ ta giả sử mỗi hệ số rủi ro được phân bố chuẩn với kỳ vọng là giá trị của hệ số rủi ro ngày hôm nay. Và từ một tập hợp số liệu thị trường mới nhất và từ mô hình xác suất trên ta có thể tính mức biến động của mỗi hệ số rủi ro và mối tương quan giữa các hệ số rủi ro.       2.2. tái đánh giá danh mục đầu tư Vi trong kịch bản thị trường trên.      2.3. ước tính tỷ suất sinh lợi (khoản lời/lỗ) ri = Vi − Vi−1 (giá trị danh mục đầu tư ở bước i−1).    3. xếp các tỷ suất sinh lợi ri theo thứ tự giá trị từ thấp nhất đến cao nhất.   4. tính VaR theo độ tin cậy và tỷ lệ phần trăm (percentile) số liệu ri. Ví dụ: nếu ta mô phỏng 5000 kịch bản và nếu độ tin cậy là 95%, thì VaR là giá trị thứ 250. Nếu độ tin cậy là 99%, VaR là giá trị thứ 50.    5. đồng thời tính sai số tương ứng cho mỗi VaR, nếu số lượng N càng cao thì sai số càng nhỏ. Khái niệm VaR được phát triển để cung cấp một đánh giá tổng quát về rủi ro của một danh mục đầu tư, một sản phẩm tài chính, một loại thị trường (tiền tệ, hợp đồng tương lai, vv), vv trong một môi trường kinh tế bình thường trong đó không tồn tại các trường hợp xấu nhất (worst case scenarios). Nhưng VaR cũng có vài giới hạn, chẳng hạn như vấn đề tổng hợp, khai thác dữ liệu, hay vấn đề thiếu thông tin về tổn thất tối đa khi xảy ra một trường hợp xấu như khủng bố, vv. Vì lý do này mà các cơ quan giám sát thị trường chứng khoán bắt buộc các ngân hàng phải đánh giá VaR một cách độc lập, khách quan đối với những giả thuyết về mô hình xác suất trong trường hợp xảy ra các kịch bản thảm họa : đó là stress testing, ví dụ như khoản lỗ tối đa là bao nhiêu khi thị trường giảm đột ngột 10%−20%. Sự cuốn hút lớn nhất của VaR, đó là nó biểu diễn rủi ro dưới dạng một con số duy nhất. VaR được định nghĩa là số tiền lớn nhất một danh mục có thể bị thua lỗ với một độ tin cậy xác định, thông thường ở mức 95%. Ví dụ, một danh mục chứng khoán với 95% VaR trong 1 ngày là 1 triệu USD, nói lên rằng xác suất mà danh mục giảm giá trị trên 1triệu $ trong khoảng thời gian 1 ngày, với giả định rằng diễn biến thị trường như bìnhthường và không có giao dịch mua bán Qua phân tích về VaR và các điều kiện của ngành tài chính ngân hàng Việt Nam, - Phương pháp Delta-Gamma tương đối đơn giản nhưng cho kết quả có độ chính xác không cao, vì giả thuyết rằng mối quan hệ giữa các biến thị trường và VaR là tuyến tính, do đó có những hạn chế nhất định. - Phương pháp Monte Carlo có độ chính xác cao nhưng tương đối phức tạp, yêu cầu phải xây dựng được chương trình mô phỏng riêng biệt đối với từng ngân hàng. Do đó đề xuất sử dụng phương pháp mô phỏng dựa trên số liệu lịch sử để đo lường, cảnh báo và giám sát rủi ro thị trường tại các NHTM Việt Nam, bởi vì: - Các NHTM Việt Nam bước đầu đã xây dựng số liệu lịch sử cho bản thân từng ngân hàng, về các giá trị tài sản nợ - có, các hoạt động tự doanh… - Các tác nhân thị trường, như lãi suất, tỷ giá… đều có thể có được số liệu trong khoảng 10 năm trở lại đây. Áp dụng VaR – mô phỏng lịch sử để tính toán số tổn thất lớn nhất trên một danh mục kinh doanh (tradinh book) với một độ tin cậy cho trước Giả sử ngày 20/12/2009, ngân hàng đang nắm giữ một danh mục gồm 1000 chứngkhoán X với mức giá 24.3; ngân hàng muốn xác định mức tổn thất lớn nhất, với độ tincậy 95%, của danh mục vào ngày hôm sau, ngày 21/12/2009, để có thể đưa ra mức dựphòng hợp lý cho chứng khoán này. Ngân hàng sẽ tiến hành thu thập dữ liệu lịch sử củachứng khoán đó với vùng dữ liệu từ ngày 12/9/2009, sau đó tiến hành mô phỏng sự biếnđộng giá chứng khoán vào ngày mai, nếu nó biến động giống như trong quá khứ, sẽ làbao nhiêu. Thông qua đó, ngân hàng sẽ thống kê được những tổn thất lớn nhất đựa trênđộ tin cậy 95%, và tính toán VaR của danh mục theo bảng tính VAr Như vậy, với độ tin cậy 95%, mức tổn thất lớn nhất của danh mục vào ngày mai, 21/12/2009, sẽ nhỏ hơn ngưỡng VaR 438.975, và ngân hàng phải có mức dự trữ phù hợp cho VaR này nếu tình huống ngoài dự đoán xảy ra Đối với một danh mục gồm n chứng khoán, ngân hàng sẽ tiến hành mô phỏng tương tự đối với từng chứng khoán, sau đó VaR sẽ được xác định dựa trên mức lãi lỗ tổng hợp của n chứng khoán đó. Qua đó,ngân hàng sẽ biết được ngưỡng tổn thất lớn nhất mà danh mục tự doanh của mình(trading book) có thể phải gánh chịu để đưa ra các biện pháp điều chỉnh danh mục, đồng thời đó cũng là công cụ để các cơ quan có thẩm quyền đưa ra các quyết định giám sát haynhững khuyến nghị về vốn của ngân hàng, để có thể bao quát được toàn bộ mức rủi ro trên Phân tích rủi ro theo ngày của danh mục 1 hay n chứng khoán hay các cặp tỷ giá . Áp dụng VaR – mô phỏng lịch sử để tính toán số tổn thất lớn nhất trên một danh mục kinh doanh (tradinh book) với một độ tin cậy cho trước Áp dụng VaR – mô phỏng lịch sử để tính toán số tổn thất lớn nhất trên một danh mục tài sản với một độ tin cậy cho trước VaR nội bộ tạo ra các phép thử để kiếm chứng ví dụ như ngày làm việc; thanh tra; tỷ giá ... Tại Đức, NHTW yêu cầu các NHTM phải xác định VaR với độ tin cậy 99%, và tính toán cho 10 ngày làm việc tiếp theo. Tuy nhiên, trên quan điểm của NHTM, độ tin cậy 95% là có thể chấp nhận được, do đó các NHTM có thể xây dựng hệ thống VaR nội bộ của mình, với độ tin cậy 95%. Các NHTM hiện tại đang xây dựng ngân hàng dữ liệu lịch sử trong từng năm, và trong 252 ngày làm việc trong 1 năm. Do đó, với độ tin cậy 95%, NHTM thu thập 13 ngày với những điều kiện xấu nhất của thị trường. Qua vùng dữ liệu này, các ngân hàng có thể xây dựng mô phỏng lịch sử, và tính toán được VaR cho từng ngày làm việc tiếp theo Các NHTM hiện phải tiến hành các phép thử Stress test, do điều kiện thị trường liên tục có sự biến động bất thường, đôi khi có kết quả không chính xác của VaR, do những biến động xấu nhất hay xảy ra lại thường nằm ngoài khoảng tin cậy, đó là những giá trị nằm tại đuôi của hàm mật độ phân phối Các cơ quan có thẩm quyền phải định kỳ kiểm tra hệ thống VaR nội bộ của ngân hàng (Back test) để đảm bảo rằng hệ thống VaR tại ngân hàng đó cho những kết quả chính xác, đó sẽ là cơ sở để cơ quan này đưa ra những khuyến nghị hay quyết định về vốn cũng như về hoạt động kinh doanh của ngân hàng đó