qtrr- Đo lƯỜng rrtc nỘi sinh cỦa cty phi tc - tc6

8/3/2019 QTRR- ĐO LƯỜNG RRTC NỘI SINH CỦA CTY PHI TC - TC6

http://slidepdf.com/reader/full/qtrr-do-luong-rrtc-noi-sinh-cua-cty-phi-tc-tc6 1/90

MỤC LỤC

Tóm tắt ................................................................................................................................. 1

CHƢƠNG 1 - TIẾP CẬN RỦI RO CỦA CÁC CÁC CÔNG TY PHI TÀI CHÍNH ......... 2

1.1 Các khác biệt chính giữa các định chế tài chính và các công ty phi tài chính ........... 2

1.2 Chiến lƣợ c tài chính của các công ty phi tài chính .................................................... 4

1.3 Đo lƣờ ng rủi ro tài chính của công ty phi tài chính: VaR hay CFaR ? ...................... 6

1.3.1 VaR không phù hợ p với các công ty phi tài chính. ............................................. 6

1.3.2 CFaR-sự lựa chọn phù hợ p với các công ty phi tài chính: .................................. 7

1.3.3 Tiến trình phát triển các phƣơng pháp đo lƣờ ng CFaR ....................................... 9

CHƢƠNG 2: PHƢƠNG PHÁP ĐO LƢỜNG RỦI RO TÀI CHÍNH NI SINH. ........... 11

2.1 Phân tích thống kê doanh thu và chi phí: ................................................................. 11

2.2 Phân tích đ nhy: .................................................................................................... 11

2.3 Phân tích mô phỏng- nhy cảm của dòng tiền: ........................................................ 12

2.3.1 Mô hình ngân sách và các khuyết điểm: ............................................................ 13

2.3.2 Mô hình quản trị đ nhy cảm: ......................................................................... 15

2.3.2.1 Tiếp Cận Các Phƣơng Pháp xác Định Đ Nhy Cảm ................................. 15 2.3.2.2 Mô phỏng các biến số rủi ro kiệt giá tài chính ............................................ 18

CHƢƠNG 3 – MT SỐ NGHIÊN CỨ U MỞ RNG CHO ĐO LƢỜNG CFaR CỦA

CÔNG TY PHI TÀI CHÍNH............................................................................................. 32

3.1 Đo lƣờ ng CFaR với mô hình khắc phục hiện tƣợng đa cng tuyến trong hồi quy .. 32

3.1.1 Vấn đề đa cng tuyến và cách khắc phục .......................................................... 33

3.1.2 Mô hình thực nghiệm:........................................................................................ 34

3.1.3 Kết quả của hai mô hình .................................................................................... 38

3.1.3.1 Mô hình hồi quy đa biến.............................................................................. 38

3.1.3.2 Mô hình PCR ............................................................................................... 39

3.1.4 So sánh kết quả dự báo EaR .............................................................................. 42

3.2 Đo lƣờ ng CFaR – “Comparables- based” ................................................................. 44



3.2.1 Giớ i thiệu chung CFaR – “Comparables- based”............................................... 44

3.2.2 Xây dựng mô hình ............................................................................................. 47

3.2.2.1 Hồi quy dự báo: ........................................................................................... 47

3.2.2.2 Phân loi các sai số dự báo dựa trên đặc điểm công ty ............................... 49

3.2.2.3 Mt cái nhìn gần hơn nhóm công ty ngang hàng của Dell (peer-group) .... 53

3.3 Sử dụng CFaR đánh giá mức đ rủi ro tổng thể giữa các ngành phi tài chính ti Mỹ........................................................................................................................................ 55

3.3.1 Phƣơng pháp tính toán Cash Flow-at-Risk ........................................................ 56

3.3.1.1 Định nghĩa dòng tiền ( Cash Flow) ............................................................. 56

3.3.1.2 Mô hình hồi quy đa nhân tố (multivariate regression model) ..................... 57

3.3.1.3 Thủ tục mô phỏng Monte Carlo .................................................................. 57

3.3.1.4 Kỹ thuật đo lƣờ ng rủi ro .............................................................................. 60

3.3.2 Dữ liệu ............................................................................................................... 62

3.3.3 Các kết quả thực nghiệm ................................................................................... 63

3.3.3.1 Các hồi quy đa biến về các dòng tiền hot đng ......................................... 63

3.3.3.2 Phân tích rủi ro ngành ................................................................................. 68

CHƢƠNG 4 - TỪ KHỦNG HOẢNG TÀI CHÍNH - NHÌN LẠI VaR, CFaR – VÀNHỮNG CON “ THIÊN NGA ĐEN” .............................................................................. 72

4.1 Black Swans – Lý thuyết “Thiên nga đen” .............................................................. 72

4.2 Những sai lầm khi sử dụng VaR, CFaR nhƣ mt công cụ phòng ngừa rủi ro ......... 74

4.2.1 Xác định VaR sai : ............................................................................................. 74

4.2.2 Dùng VaR sai mục đích: .................................................................................... 75

4.3 Đ đo rủi ro tuyệt đối – VaR, CFaR – và “ Thiên Nga Đen” .................................. 76

4.4 Bài học từ khủng hoảng tài chính toàn cầu 2007 – 2008 ......................................... 78

PHỤ LỤC 1 : ..................................................................................................................... 80

PHỤ LỤC 2 ....................................................................................................................... 84

TÀI LIỆU THAM KHẢO ................................................................................................. 86



DANH MỤC BẢNG BIỂU

Bảng 3.1: Các biến trong mt số nghiên cứu trƣớc đây .............................................................. 33

Bảng 3.2: Chỉ số VIF của 3 công ty ................................................................................................. 36

Bảng 3.3: Mô hình hồi quy tuyến tính đa nhân tố của ba công ty ............................................ 38

Bảng 3.4: Hệ số các thành phần chính cho VCP và Sunazo ...................................................... 39

Bảng 3.5: Tỷ lệ thay đổi tổng thể đƣợ c giải thích bởi các thành phần cho VCP và Suzano.................................................................................................................................................................... 40

Bảng 3.6: hệ số nhân tố chính cho Aracruz:................................................................................... 40

Bảng 3.7:Tỷ lệ thay đổi tổng thể đƣợ c giải thích bởi các thành phần cho Aracruz: ........... 40

Bảng 3.8 Mô hình PCR đƣợ c lựa chọn phù hợ p cho mỗi công ty: .......................................... 41

Bảng3.9: Giá trị EaR đƣợ c dự báo (triệu R$) ................................................................................ 42

Bảng 3.10: giá trị EBITDA thực cho ba công ty trong quý cuối năm 2006, 2007. ............. 43

Bảng 3.11: k ết quả hồi quy ................................................................................................................. 48

Bảng 3.12: giá trị đuôi CfaR ti mức 5% quý tới và năm tớ i .................................................... 52

Bảng 3.13: Mt phần danh sách các công ty trong nhóm công ty có thể so sánh vớ i Dell54

Bảng 3.14 : Các thông số tổng hợ p cho biến dòng tiền hot đng cũng nhƣ các biến chínhcho mỗi ngành. ....................................................................................................................................... 62

Bảng 3.15 Kiểm định hiệp phƣơng sai cho tính đồng nhất ....................................................... 64

Bảng 3.16 : Kiểm định Hausman cho các tác đng cố định hay ngẫu nhiên. ....................... 65

Bảng 3.17: Các kết quả của phân tích hồi quy. ............................................................................. 67

Bảng 3.18:Cash Flow-at-Risk, ES, và CFaR tƣơng đối .............................................................. 69



DANH MỤC HÌNH

Hình 1.1 Sự khác nhau giữa các định chế tài chính và các công ty phi tài chính .................. 2

Hình 1.2 : Hiệu quả hot đng, đầu tƣ và các chiến lƣợc tài chính của các công ty phi tàichính............................................................................................................................................................ 4

Hình 2.1: tiến trình phát triển của quản trị rủi ro công ty ........................................................... 14

Hình 2.2 Quy trình mô phỏng Monte Carlo ................................................................................... 19

Hình 2.3 Tác đng biên của việc “đông cứng” các biến số tài chính, giá cả khác nhau ở cận trên, cận dƣớ i dải băng đ tin cậy.............................................................................................. 22

Hình 2.4 Dao đng tỷ giá kỳ vọng của ABC ở đ tin cậy 95% ................................................ 27

Hình 2.5 Ba k ịch bản trong số 10.000 k ịch bản tỷ giá của ABC đƣợc mô phỏng bở iCrystal Ball .............................................................................................................................................. 28

Hình 2.6 Phân phối xác suất của dòng tiền thuần chuyển về nƣớ c của ABC ....................... 30

Hình 3.1: Ma trận tƣơng quan của log của thu nhập: giá sợ i bt ngắn, giá giấy A4, tỷ giáhối đoái tiền tệ PTAX, chỉ số giá IPCA, lãi suất Selic ................................................................ 35

Hình 3.2: Phân phối thực nghiệm của cú sốc EBITDA/tài sản ................................................. 50

Hình 4.1 – Phân phối Mesokurtic, leptokurtic and platykurtic ................................................. 74



Quản Trị Rủi Ro Tài Chính O ƢNG RỦI RO TI CHNH NI SINH

Tài chính doanh nghiệp 06 – K34 Trang 1

Tóm tắt

Bài nghiên cứu của chúng tôi nói về các biện pháp đo lƣờ ng rủi ro tài chính ni

sinh của mt công ty phi tài chính. Phần đầu của bài đề cập đến sự khác biệt trong cách

tiếp cận rủi ro của các định chế tài chính và các công ty phi tài chính. Để có những kiến

thức căn bản về phần này, trƣớc tiên chúng tôi nói đến những sự khác biệt chính giữa các

định chế tài chính và các công ty phi tài chính, sau đó đƣa ra chiến lƣợc tài chính của các

công ty phi tài chính để từ đó đƣa ra khả năng áp dụng VaR cho các công ty phi tài chính

là rất thấp, thay vào đó đối với các công ty phi tài chính nên sử dụng CFaR để thay thế

cho VaR ( tức là việc quản trị rủi ro đối với các công ty phi tài chính nên tập trung vào

dòng tiền thay vì quan tâm đến giá trị danh mục). Phần thứ hai chúng tôi đƣa ra các biện

pháp đo lƣờ ng rủi ro tài chính ni sinh của công ty phi tài chính. Muốn biết các biện pháp

này, trƣớ c hết chúng ta cần hiểu khái niệm đo lƣờ ng rủi ro tài chính ni sinh là gì? Các

biện pháp đƣợc đề cập đến trong bài nhƣ: phân tích thống kê doanh thu và chi phí, phân

tích đ nhy, phân tích tình huống, phân tích mô phỏng. Tiếp theo, dựa vào mt số bài

nghiên cứu nƣớc ngoài, chúng tôi trình bày mt số phƣơng thức tiếp cận để đo lƣờ ng

CFaR. Đầu tiên là đo lƣờ ng CFaR với mô hình khắc phục hiện tƣợng đa cng tuyến trong

hồi quy của Hsia Hua Sheng và cng sự. Tiếp đến là phƣơng thức tiếp cận “top down”

của Stein và các cng sự (2001). Tiếp nữa là sử dụng CFaR đánh giá mức đ rủi ro tổng

thể giữa các ngành phi tài chính ti Mỹ. Phần cuối cùng của bài nghiên cứu chúng tôi

muốn nói đến vấn đề “ từ khủng hoảng tài chính - nhìn li VaR, CFaR và đề cập đến lý

thuyết Black swan – những con “thiên nga đen”.





CHƢƠNG 1 - TIẾP CẬN RỦI RO CỦA CÁC CÁC CÔNG TY

PHI TI CHNH

1.1 Các khác biệt chính giữa các định chế tài chính và các công ty phi tài chính

Phân tích sự khác nhau giữa các định chế tài chính và các công ty phi tài chính, đặc

biệt là sự khác biệt trong tính chất tài sản và rủi ro là rất quan trọng để có đƣợ c mt sự

hiểu biết trong cách tiếp cận khác biệt về rủi ro trong hai loi hình tổ chức này. Từ đó

chúng ta sẽ có cái nhìn toàn diện và cách tiếp cận hợp lý trong việc xác định các biện

pháp đo lƣờ ng rủi ro tài chính ni sinh của công ty phi tài chính.

Hình 1.1 Sự khác nhau giữa các đị nh chế tài chính và các công ty phi tài chính

Các định chế tài chính Các công ty phi tài chính

Tính chất của

tài sản

Tài sản tài chính, thanh khoản

cao, có vai trò to lập thị trƣờ ng.

Danh mục đầu tƣ đa dng hóa

cao.

Dòng tiền phần lớ n theo hợ p

đồng.

Đa dng hóa cải thiện chất lƣợ ng

danh mục đầu tƣ.

BCĐKT bao gồm các tài sản phi

tài chính, không thanh khoản, hoặc

thanh khoản kém.

Rủi ro tập trung (không đa dng

hóa tốt).

Dòng tiền, cơ bản là phi hợp đồng.

Đa dng hóa danh mục đầu tƣ to

ra giá trị không đáng kể.

Vai trò của

rủi ro

Đóng vai trò trọng yếu trong

hot đng kinh doanh của công ty.

Mối quan tâm chính là quản trị

rủi ro và kỹ năng quản trị rủi ro.

Tập hợp và tích hợp các rủi ro toàn

công ty.

Rủi ro xuất phát từ đặc điểm vật

chất tự nhiên của việc kinh doanh cơ

bản. Mức đ quan tâm thấp hơn.

Phƣơng pháp tiếp cận phân tán.





Nguồn:Risk and Capital Management in Non-Financial Companies- Tonny carlton

Hình 1.1 tổng hợp các khác biệt chính giữa các định chế tài chính và các công ty phi

tài chính. Trong các định chế tài chính, rủi ro là mt phần trọng tâm trong hot đng kinh

doanh của các công ty này; vai trò của các định chế tài chính là trung hòa các rủi ro đó.1

Ngƣợ c li, trong các công ty phi tài chính, rủi ro là mt sản phẩm phụ của các hot đng

nền tảng trong phm vi kinh doanh.

Điểm nổi bật trong bảng so sánh trên, đặc trƣng của các công ty phi tài chính là

phải xử lý những rủi ro mà bản thân rủi ro đó khó có thể đƣợ c định lƣợng và phòng ngừa,

hơn nữa quản trị rủi ro thƣờng phân tán hơn khi so vớ i các định chế tài chính. Điều này

phần nào giải thích ti sao các công ty phi tài chính thƣờ ng đặc trƣng bởi các chiến lƣợ c

đa dng hóa nhiều hơn so vớ i các định chế tài chính. Mt đặc điểm quan trọng của các

công ty phi tài chính là đ nhy cảm tài chính xuất phát từ các thay đổi tiềm năng trong

giá cả thị trƣờng (ví dụ, tỷ giá hối đoái, lãi suất và giá cả hàng hóa) không thể tách biệt

vớ i hot đng kinh doanh nền tảng. Các nhân tố to ra dòng tiền là phức tp, và các biến

số tài chính là gắn bó với các dòng tiền đƣợ c to ra bở i hot đng kinh doanh cụ thể. Nhƣ

vậy thì, các quyết định về có phòng ngừa hay không phòng ngừa đ nhy cảm là mt

quyết định rất phức tp.

Ví dụ, xem xét mt nhà nhà xuất khẩu hàng hóa của Úc bán hàng hóa đến Mỹ. Các

nhà xuất khẩu có đ nhy cảm đối vớ i tỷ giá hối đoái AUD/USD cũng nhƣ các thay đổi

trong giá cả hàng hóa. Việc hiểu bản chất chính xác của đ nhy cảm sẽ đòi hỏi mt hiểu

biết về mối quan hệ giữa TGHĐ và giá cả hàng hóa. Mối quan hệ đó có tồn ti và nó có

phải là mối quan hệ nhân quả ? Mối quan hệ đó có ổn định qua thờ i gian hay sẽ thay đổi

khi cấu trúc ngành toàn cầu thay đổi? Nếu giá cả hàng hóa và tiền tệ có mối tƣơng quan

phủ định hoàn toàn thì, các mục định danh bằng đồng AUD, nhà xuất khẩu thực sự không

có đ nhy cảm đối vớ i tỷ giá. Trong trƣờ ng hợp này, phòng ngừa cả vị thế tiền tệ hay vị

thế hàng hóa sẽ tăng đ nhy cảm mà trƣớc đây đã không tồn ti.

1 Liên quan đến bài nghiên cứu của JenKins trong phần triển vọng khác về vai trò của rủi ro trong các định chế tàichính.





Mt ví dụ khác là “ đ nhy cảm kinh tế gián tiếp” của các công ty hot đng địa

phƣơng. Công ty chỉ hot đng kinh doanh trong thị trƣờng địa phƣơng, và cnh tranh

với các nhà nhập khẩu, có thể có đ nhy cảm tỷ giá nhiều hơ n so với các công ty xuất

khẩu. Mt sự mnh hơn của đồng AUD có nghĩa là giá các mặt hàng của các nhà nhậpkhẩu sẽ rẻ hơn mt cách tƣơng đối, gây áp lực lên cả giá cả hay thị phần của các nhà

cung cấp địa phƣơng. Ngƣời tiêu dùng sẽ chuyển sang dùng hàng nhập khẩu có giá rẻ

hơn, kết quả là dòng doanh thu của công ty sẽ sụt giảm.

1.2 Chiến lƣợc tài chính của các công ty phi tài chính

Chiến lƣợc tài chính trong công ty phi tài chính sẽ có nhiều điểm đặc trƣng liên

quan đến hot đng sản xuất nền tảng của công ty, vì vậy nắm bắt đƣợ c chiến lƣợc tài

chính và cách quản trị rủi ro của công ty tài chính sẽ giúp chúng ta có cách tiếp cận hợ p

lý trong cách sử dụng và lựa phƣơng pháp đo lƣờ ng rủi ro phù hợ p nhất.

Hình 1.2 dƣới đây cung cấp mt trình bày đơn giản về quan điểm của giớ i doanh

nghiệp về hiệu quả hot đng, đầu tƣ và chiến lƣợc tài chính của công ty phi tài chính và

cố gắng để giải thích làm thế nào quản trị rủi ro phù hợ p với các chiến lƣợ c mở rng của

công ty.

Hình 1.2 : Hiệ u quả hoạt động, đầu tư và các chiến lược tài chính của các công

ty phi tài chính.





Nguồn: Risk and Capital Management in Non-Financial Companies- Tonny carlton

Mục tiêu của tối đa hóa giá trị đt đƣợc thông qua hiệu quả hot đng, đầu tƣ và cácchiến lƣợ c của công ty. Không giống nhƣ trong nhiều các định chế tài chính, các chiến

lƣợc kinh doanh trong các công ty phi tài chính, nhƣ đa dng hóa sản phẩm và vị trí, là

mt phần của chức năng quản trị rủi ro của họ. Thật thú vị để xem xét phm vi của các

Tài sản thực Chiến lƣợc tài chính

Chiến lƣợ c“ Chúng tôi to

ra giá trị nhƣthế nào?”

Tối đa hóa dòng tiềndài hn thông qua:

Chiến lƣợ c Nâng cao hiệu

quả hot đng.

Đầu tƣ vốn/ lựa chọn tăng trƣở ng

Thiết lập tổ chức

Chiến lƣợc tàichính để giảm thiểu chi

phí sử dụng vốn: Tỷ số vốn vay

Cổ tức

Cơ cấu nợ Quản lý rủi ro

tài chính

Ở đâu “ Chúng tôi sẽ liên hệ với ai?”

Thị trƣờ ng sản phẩmhàng hóa và dịch vụ (nơi dòng tiền đƣợ cto ra)

Thị trƣờng tài chính,nơi dòng tiền có giá trị

Những rủi ro Chiến lƣợ c Thƣơng mi

Hot đng

Kỹ thuật

Mất khả năngchi trả

Rủi ro tái cấpvốn

Sự sẵn có củanguồn vốn

Chi phí sử dụngvốn

Những sự lựachọn chiếnlƣợ c quản lýrủi ro

Đòn bẩy kinhdoanh

Vị trí sản suất

Chiến lƣợ cpha trn sản xuất/ khối lƣợ ng

Đa dng hóa

Cấu trúc nợ / tỷ số vốn vay

Công cụ pháisinh

Bảo hiểm

Tự bảo hiểm

Chiến lƣợ c

danh mục đầutƣ

Cấu trúc sở hữu

Thị trƣờ ng vốn

cổ phần

Hàng hóa

Tiền tệ

Lãi suất

Quá trình quản

lý rủi ro





phản ứng “ thực” hay hot đng mà có sẵn đối với các công ty phi tài chính để quản trị

rủi ro của họ:

Đòn bẩy kinh doanh (hỗn hợ p của chi phí cố định và biến đổi) là mt cách phản

ứng vớ i biến đng thị trƣờ ng;

Thay đổi địa điểm sản xuất ra nƣớc ngoài là là mt phản ứng đối với đ nhy cảm

tỷ giá gây ra bở i sự cnh tranh nhập khẩu;

Điều chỉnh khối lƣợ ng sản xuất có thể đƣợ c thực hiện trong phản ứng với các biến

đng đƣợ c dự đoán trong giá cả thị trƣờ ng;

Sửa đổi danh mục đầu tƣ kinh doanh, thông qua sàng lọc các dự án, từ bỏ dự án có

thể đƣợ c thực hiện để tác đng trực tiếp lên danh mục rủi ro của công ty.

Đa dng hóa danh mục đầu tƣ có thể đƣợ c giả định để hấp thụ rủi ro.

1.3 o lƣờ ng rủi ro tài chính của công ty phi tài chính: VaR hay CFaR ?

1.3.1 VaR không phù hợ p với các công ty phi tài chính.

Dựa trên phân tích đặc điểm của các công ty phi tài chính và các đặc điểm của VaR,

chúng tôi nhận thấy rằng VaR là không phù hợ p với các công ty phi tài chính.

Lý do thứ nhất là không phù hợp trong đối tƣợ ng tiếp cận, nghĩa là VaR có thể ápdụng đƣợ c vớ i mọi danh mục có tính lỏng giá cả biến đng theo giá thị trƣờ ng, chẳng hn

nhƣ VaR có thể đo lƣờng giá trị của các tài sản tài chính - ngoi tệ, cổ phiếu và trái

phiếu.. sẽ rớ t xuống bao nhiêu trong mt ngày hay mt tuần nếu chúng bị tác đng bở i sự

đảo chiều của thị trƣờng. Tuy nhiên, đặc thù của đa số các định chế phi tài chính là các

tài sản thƣờng là những tài sản có tính lỏng thấp, và ít biến đng theo giá thị trƣờ ng, hơn

nữa các tài sản phi tài chính chiếm đa số trong bảng CĐKT, các tài sản tài chính chỉ đóng

vai trò thứ yếu. Nên sẽ là rất kém khả thi nếu VaR đƣợc áp dụng cho công ty phi tài

chính, vì nó sẽ chỉ nắm bắt mt phần nhỏ đ nhy cảm của công ty.

Lý do thứ hai là phƣơng pháp tiếp cận không phù hợp: phƣơng pháp ƣớc tính VaR

cho mt định chế tài chính là phƣơng pháp “bottom up”, nghĩa là ngƣờ i ta bắt đầu bằng





cách liệt kê từng tài sản của định chế này, nhƣ tất cả các khoản vay… đ nhy cảm rủi ro

( cú sốc về lãi suất, rủi ro tín dụng, sự biến đng tỷ giá hối đoái) của mỗi loi tài sản sau

đó định lƣợ ng các nhân tố này. Cuối cùng, những rủi ro này đƣợ c tổng hợp trên toàn b

danh mục đầu tƣ của định chế tài chính. Tuy nhiên, đối với các công ty phi tài chính yếutố cuối cùng mà chúng ta quan tâm là sự thay đổi trong dòng tiền hot đng nên cách tiếp

cận nhƣ vậy sẽ bỏ sót mt vài nguồn gốc quan trọng của rủi ro và vì thế dẫn đến k ết quả

ƣớc tính không chính xác.

1.3.2 CFaR-sự l ự a chọn phù hợ p với các công ty phi tài chính:

Chúng ta thấy rằng, đo lƣờ ng rủi ro tài chính ni sinh của công ty phi tài chính là đo

lƣờng dòng tiền (doanh thu, chi phí) nhy cảm đến mức đ nào đối với thay đổi của lãi

suất, tỷ giá và giá cả hàng hóa, nghĩa là tập trung vào đo lƣờ ng biến đng của dòng tiền,

cách tiếp cận này phù hợ p với cách tiếp cận của CFaR (mt khuôn khổ cho việc xây dựng

dòng tiền dựa trên việc đo lƣờng đ nhy cảm này đƣợc miêu tả bằng mt tiến trình đƣợ c

gọi là mô hình Cash Flow-at-Risk (CFaR). Mặt khác CFaR là phƣơng pháp đo lƣờ ng

thâm hụt dòng tiền sẽ là bao nhiêu trong tƣơng lai (chẳng hn tuần hay tháng tớ i) vớ i mt

mức đ tin cậy thống kê cụ thể nên ứng dụng phƣơng pháp đo lƣờng thông qua CFaR

đóng vai trò quan trọng giúp nhà quản trị nhận diện, đo lƣờng đƣợ c biến đng của dòng

tiền nhằm đƣa ra các chiến lƣợ c quản trị rủi ro hợp lý cho các công ty. Tiếp theo, thông

qua phân tích hot đng quản trị rủi ro trong mt công ty, đặc biệt là công ty phi tài

chính,chúng tôi sẽ đƣa ra những lập luận giải thích ti sao CFaR có thể hữu dụng đối vớ i

các công ty này:

CFaR có thể đƣợ c suy nghĩ nhƣ mt dng của VaR để đo lƣờ ng rủi ro gp dựa trên

dòng tiền của công ty nhƣng trong khi phƣơng pháp VaR tiếp cận theo hƣớ ng từ dƣới lênđể định lƣợng các rủi ro đƣợc gây ra bởi các tài sản tài chính cá thể, CFaR xem xét trự c

tiếp dòng tiền dƣớ i các giả định là tất cả các rủi ro đối với công ty là rõ ràng trong các cú

shock đối vớ i thu nhập k ỳ vọng.





Lý lẽ thứ nhất dựa trên cơ sở nghiên cứu của (Smith và Stulz, 1985) “các nhà quản

trị hành đng để giảm xác suất vỡ nợ và giảm chi phí của kiệt quệ tài chính”. Nghiên cứu

gần đây hơn trong lĩnh vực tài chính công ty đã chỉ ra rằng biến đng dòng tiền lớn hơn

làm tăng hiện giá của chi phí của kiệt quệ tài chính ( Froot et al, 1993; Minton vàSchrand, 1999). Củng cố thêm điều này Stein et al. (2001) chỉ ra rằng biến đng của dòng

tiền có lẽ là yếu tố quyết định có ý nghĩa nhất của xác suất của kiệt quệ tài chính – vì thế

với cách tiếp cận dựa trên dòng tiền, CFaR là mt sự lựa chọn phù hợp và hữu dụng cho

các nhà quản trị trong việc phát hiện và quản trị rủi ro của công ty.

Mt lý lẽ liên quan là quản trị rủi ro gia tăng khả năng vay nợ của công ty. Bằng

cách tiến hành mt chƣơng trình quản trị rủi ro của công ty hiệu quả, sẽ giảm rủi ro của

thiếu hụt dòng tiền và kiệt quệ tài chính, các công ty có thể đảm bảo tiếp cận nguồn vốn

và có khả năng tối ƣu hóa cấu trúc vốn của họ bẳng cách mở rng khả năng vay nợ của

họ, do đó làm tăng các lợi ích thuế của các khoản tài trợ bằng nợ . CFaR hữu dụng trong

trƣờ ng hợp này khi có thể giúp xây dựng công thức sự đánh đổi giữa nợ - vốn cổ phần về

mặt định lƣợ ng nhiều hơn.

Mt lý lẽ ủng h khác là: quản trị rủi ro có thể là mt công cụ quan trọng cho việc

to ra giá trị cho cổ đông. Ý tƣởng là các công ty có thể to ra giá trị bằng cách thiết lập

mt chƣơng trình quản trị rủi ro mà đảm bảo họ có đủ tiền (funds) hoặc tiếp cận nguồn

vốn để tiếp tục nâng cao giá trị các dự án nhƣ kế hoch ( Servaes et al.,2009). Tuy nhiên,

để đánh giá mức đ mà công ty nên nhắm rủi ro của nó đến, các nhà quản trị trƣớ c hết

phải hiểu đƣợc các kênh mà thông qua đó quản trị rủi ro có khả năng có thể ảnh hƣở ng

đến giá trị công ty (Meulbroek, 2002). Vớ i mục đích này, mt lần nữa chúng ta cần có

mt ƣớc lƣợng CFaR đáng tin cậy.

Mt lý lẽ quan trọng cho lợi ích của quản trị rủi ro là nó thúc đẩy vấn đề minh bch

hơn. Công khai quản trị rủi ro có thể giúp các nhà phân tích, các cơ quan xếp hng, và

các cổ đông đƣợ c thoải mái với cách tiếp cận quản trị rủi ro của công ty và các đánh giá

thêm thông tin về biến đng dòng tiền trong tƣơng lai. Quản trị rủi ro còn có thể giúp các





nhà đầu tƣ, ban giám đốc, hoặc quản lý cấp cao xác định lợ i nhuận cơ bản của mt doanh

nghiệp (a business) và phân biệt hiêu quả hot đng vƣợ t tri từ xu hƣớ ng thuận lợ i trong

các biến số thị trƣờng nhƣ giá cả hàng hóa và tỷ giá ( DeMarzo và Dufie, 1991). Trong

mt công ty, mt khuôn khổ quản trị rủi ro có thể đƣợ c sử dụng để đánh giá sự phù hợ pcủa danh mục rủi ro của công ty. Bằng cách công bố các kết quả của mt phân tích CFaR,

các nhà quản trị có thể cải thiện truyền thông về cả rủi ro ni b và bên ngoài.

1.3.3 Tiến trình phát triển các phương pháp đo lườ ng CFaR

CRaR là phù hợ p với các công ty phi tài chính, trƣớc khi đến với các phƣơng pháp

tính CFaR ở những phần sau, chúng tôi muốn giớ i thiệu cho các bn, tiến trình phát triển

của các phƣơng pháp đo lƣờng CFaR trong quá khứ đến nay:

RiskMetrics là phƣơng pháp đầu tiên của CFaR, nó xác định biến đng dòng tiền

theo các điều kiện rủi ro thị trƣờng. RiskMetrics cho là giá cả thị trƣờng tác đng đến

dòng tiền công ty. Tuy nhiên, không thể xác định tất cả các nguồn của đ nhy cảm vớ i

các rủi ro thị trƣờng, và cách tiếp cận từ dƣới lên không phải là cách chúng ta nên theo

đuổi.

Stein cùng cng sự (2001) áp dụng phƣơng pháp tiếp cận từ trên xuống, phƣơng

pháp này tập trung vào biến đng dòng tiền tổng thể thay vì cách tiếp cận RiskMetrics.Họ đã phát triển phƣơng pháp tiếp cận dựa trên cơ sở so sánh để ƣớc tính CFaR và mô

hình bao gồm mt phƣơng pháp thống kê để chuyển đổi những dữ liệu này thành các

phép đo rủi ro đồng chuẩn hóa (peer - benchmarked risk measurements). Cách tiếp cận này

là thuận lợi, vì nó có thể xây dựng phân phối thiết k ế của dòng tiền cho mt thờ i k ỳ quý

hay năm tớ i của công ty. Cách tiếp cận này cũng dựa trên mt mẫu lớ n của các cú shock

dòng tiền của mt tập hợp các công ty trong mt nhóm đã trải qua. Những mẫu này đủ

lớn để lập báo cáo tƣơng đối chính xác về xác suất đuôi vớ i mt số mức đ tin cậy, ngƣợ c

với cách sử dụng chỉ mt dữ liệu lịch sử dòng tiền của riêng mt công ty. Họ sắp xếp các

công ty vào các nhóm công ty có thể so sánh bằng cách sử dụng 4 đặc điểm sau đây: vốn

hóa thị trƣờ ng, lợ i nhuận, rủi ro ngành, và biến đng giá cổ phiếu. Họ xác định 4 đặc





điểm mà có khả năng giải thích tốt cho các dòng tiền gp cho các công ty có thể so sánh

(comparable firms).

“Exposure- based CFaR” là mt phƣơng pháp để tính toán cả CFaR tổng thể và

CFaR do rủi ro thị trƣờng và rủi ro vĩ mô. Phƣơng pháp này cung cấp nhiều thông tin hơnso với phƣơng pháp tiếp cận “top down”, vì để quản trị rủi ro, biết biến đng là chƣa đủ;

mà cần phải biết những thay đổi ảnh hƣởng nhƣ thế nào đến dòng tiền về mặt định lƣợ ng.

“Exposure- based CFaR” cũng cung cấp nhiều thông tin hơn so với phƣơng pháp “bottom

up”, vì nó xem xét biến đng tổng thể của dòng tiền. Để làm đƣợc điều này, thực hiện hồi

quy đa biến giống nhƣ phân tích MUST, phát triển bởi Lars Oxelheim và Clas Wihlborg.

Biện pháp đo lƣờ ng rủi ro giá tài chính là hoàn chỉnh bởi vì nó giải thích đầy đủ cho

sự tƣơng tác giữa các rủi ro của công ty. Bằng cách công bố các kết quả của phân tíchCFaR trƣớ c thờ i hn, mt công ty có thể giúp đƣa các cú shock thu nhập thành mt viễn

cảnh đáng tin cậy và khách quan và thông tin đó là mt quan tâm lớ n của các nhà đầu tƣ,

ngƣời mà mt cách tự nhiên sẽ quan tâm đến sự biến đng trong thu nhập báo cáo hàng

quý. Hơn nữa, chúng tôi nghĩ mt công ty có thể sử dụng phân tích CFaR để mô hình hóa

hiệu quả kinh doanh của nó.





Nếu biến nào thay đổi mà không làm ảnh hƣởng đến kết quả thì các biến này không

đƣợc sử dụng trong phân tích rủi ro. Phân tích đ nhy giúp ngƣời ta quyết định trả lời

câu hỏi “Cái gì sẽ xảy đến nếu nhƣ…”.

Mô hình phân tích đ nhy thuc loi mô hình mô tả, kết quả của mô hình sẽ cungcấp thêm thông tin có liên quan cho ngƣời ta quyết định để lựa chọn phƣơng án hoặc yêu

cầu phải tổ chức thêm về mt tham số nào đó.

Trong phân tích đ nhy cần đánh giá đƣợc biến số quan trọng, là biến số có ảnh

hƣởng đến kết quả và sự thay đổi của biến số có tác đng nhiều đến kết quả.

* Nhƣợc điểm của phân tích đ nhy:

Chỉ xem xét tác đng của từng tham số trong khi kết quả chịu tác đng của nhiềutham số cùng mt lúc.

Không trình bày đƣợc xác suất xuất hiện của các tham số và xác suất xảy ra của các

kết quả.

2.3 Phân tích mô phỏng- nhy cảm của dòng tiền:

Khắc phục nhƣợc điểm của phƣơng pháp phân tích đ nhy, để xem xét khả năng

có sự tƣơng tác trong mối quan hệ của các tham số kinh tế, cần phải phân tích đ nhycủa nhiều tham số cùng mt lúc. Việc này đƣợ c hỗ trợ bởi các phần mềm mô phỏng.

Phƣơng pháp tổng quát trong trƣờng hợp này to thành các vùng chấp nhận và vùng

bác bỏ. Phƣơng pháp này đƣợ c thực hiện bằng cách to ra các tình huống khác nhau

trong đó mỗi tình huống là tập hợp các khả năng khác nhau của các biến số tài chính kết

hợ p li với nhau. Các tình huống:

Trƣờ ng hợ p xấu nhất .

Trƣờ ng hợp kì vọng .

Trƣờ ng hợ p tốt nhất .

Từ đó, doanh nghiệp lựa chọn ra tình huống thích hợ p nhất với công ty mình.





Ví dụ: đối với trƣờng hợp bán hàng:

Trƣờng hợp tốt nhất là : giá bán cao nhất + giá mua thấp nhất.

Trƣờng hợp xấu nhất là : giá bán thấp nhất + giá mua cao nhất.

Việc phân tích mô phỏng dựa trên nền tảng mô hình lập ngân sách nhƣng khắc

phục nhƣợc điểm của nó.

2.3 .1 Mô hình ngân sách và các khuyế t điể m:

Để áp dụng biện pháp tiếp cận theo đ nhy cảm của dòng tiền, ta phải xây dựng

mt mô hình sử dụng giá hàng hóa, tỷ giá, lãi suất và giá sản phẩm bất ổn làm dữ liệu đầu

vào và to ra thƣớc đo tổn thất dựa trên xác suất yêu cầu. Để đt đƣợ c mối liên hệ này đòi

hỏi mô hình công ty phải đủ chi tiết để nắm bắt đƣợc tác đng trong giá thị trƣờng đối vớ i

sản lƣợ ng sản xuất và định giá bán sản phẩm.

Hình 2.1 thể hiện cụ thể tiến trình phát triển của quản trị rủi ro công ty. Xuất phát từ

nền tảng là mô hình ngân sách hoặc k ế hoch hiện hữu của công ty. Tuy không đủ để

nắm bắt đƣợc các đ nhy cảm của công ty nhƣng mô hình cũng có thể rút ra mối quan

hệ giữa giá sản phẩm hàng hóa đầu vào, hot đng ở ni địa và nƣớc ngoài, những khoản

nợ , trả tiền thuê, và mt số nhân tố khác.





Hình 2.1: tiến trình phát triể n củ a quả n tr ị rủi ro công ty

Tuy nhiên, mô hình ngân sách còn tồn ti hai vấn đề thiếu sót mà ta cần phải khắc

phục:

Thứ nhất: mô hình ngân sách không đầy đủ- có nhiều đ nhy cảm không thể nắmbắt đƣợ c. Để khắc phục, nhà quản trị phải bổ sung đ nhy cảm vào mô hình bằng cách

phát triển mt phƣơng pháp thể hiện rõ ràng mối quan hệ giữa các biến số tài chính, giá

cả và thay đổi trong dòng tiền hot đng của công ty. Ví dụ, thay đổi trong tỷ giá hối đoái

không chỉ có thể tác đng đến giá trị theo đồng ni tệ của các đơn đặt hàng mà còn ảnh





hƣởng đến thị phần vì lợ i thế cnh tranh chuyển từ nhà sản xuất này sang nhà sản xuất

khác.

Thứ hai: Mô hình ngân sách là mt mô hình tĩnh và dựa trên các dự báo định sẵn

nên thiếu mt sự linh hot và không gắn vớ i thực tiễn vì trong thực tế, các biến số tàichính, giá cả là ngẫu nhiên. Chính vì thế nhà quản trị rủi ro phải thay thế biến số tài

chính, giá cả xác định trong mô hình ngân sách bằng các biến số ngẫu nhiên. Các biến số

ngẫu nhiên này có thể thu đƣợ c bằng cách sử dụng các phần mềm mô phỏng và các mô

hình mô tả tỷ giá, lãi suất, giá cả theo thờ i gian.

Sau đây chúng ta sẽ tìm hiểu mt mô hình khắc phục đƣợc hai nhƣợc điểm đó-mô

hình quản trị đ nhy cảm.

2.3 .2 Mô hình quả n tr ị độ nhạ y cả m:

2.3.2.1 Tiế p C ận Các Phương Pháp xác Định Độ Nhạ y C ả m

Cc loại độ nhạ y cảm:

Đ nhy cảm của dòng tiền đƣợc định nghĩa nhƣ mt xác suất mà công ty có thể

không đt đƣợ c những hiệu quả mục tiêu về tài chính do những biến đng ngoài dự kiến

của tỷ giá, lãi suất và giá hàng hóa. Việc xây dựng mt mô hình về đ nhy cảm sẽ dễ dàng đối vớ i các công ty phụ thuc vào hàng hóa, các công ty có sản phẩm đơn nhất, và

các công ty có đ nhy cảm gián tiếp vớ i tỷ giá….sẽ thuận lợi hơn rất nhiều so với các

công ty đa quốc gia vớ i hot đng sản xuất mang tính cnh tranh toàn cầu. Và các công ty

sẽ chỉ quan tâm xét đến hai loi đ nhy cảm của dòng tiền.

Loi thứ nhất phát sinh là do các nghĩa vụ đƣợ c ấn định theo giá trị danh nghĩa nhƣ

các khoản phải thu bằng ngoi tệ, các khoản nợ dƣớ i dng ngoi tệ, hoặc các nghĩa vụ

mua mt lƣợng hàng hóa cố định. Đ nhy cảm này thƣờng là đ nhy cảm trong ngắn

hn vì các phát sinh là đã biết trƣớc và đã đƣợ c ấn định trƣớc nhƣng chƣa đƣợ c thực hiện.

Ví dụ, mt công ty Mỹ có phát sinh mt khoản phải thu bằng ngoi tệ trong 3 tháng tớ i

là 10.000 euro, nhƣ vậy khoản phải thu này đã đƣợ c ấn định trƣớc nhƣng 3 tháng sau mớ i





thực hiện và khoản phải thu nhận đƣợ c thực sự trong tƣơng lai sẽ thay đổi theo sự thay

đổi của tỷ giá giữa đôla và euro trong 3 tháng tớ i.

Loi nhy cảm thứ hai của dòng tiền xuất hiện bở i những thay đổi trong dòng tiền

hot đng của công ty do những thay đổi trong giá hàng hóa lãi suất và tỷ giá. Ví dụ nhƣđ nhy cảm hot đng là mt trong những đ nhy cảm thuc loi nhy cảm này. Dòng

tiền theo giá trị danh nghĩa sẽ đƣợ c chốt li theo đồng tiền của nƣớ c nhận đầu tƣ, và chỉ

có giá trị danh nghĩa dƣớ i dng đồng tiền nƣớ c chủ đầu tƣ hay đồng tiền cơ sở sẽ thay đổi

khi giá cả thay đổi. Khác vớ i loi nhy cảm thứ nhất là dòng tiền đã đƣợ c ấn định trƣớ c,

loi nhy cảm này dòng tiền hot đng sẽ biến đng thất thƣờng vì số lƣợ ng sản phẩm

công ty bán đƣợ c hoặc số lƣợ ng nguồn lực sử dụng sẽ thay đổi theo biến đng giá. Nói

cách khác, dòng tiền hot đng phụ thuc vào cả đ bất ổn về giá lẫn số lƣợ ng.

Có nhiều phƣơng pháp tiếp cận để liên hệ những thay đổi trong lãi suất, tỷ giá và

giá hàng hóa vớ i biến đng của dòng tiền theo giá trị danh nghĩa và dòng tiền hot đng.

Ở đây chúng ta xét đến hai phƣơng thức là kết hợp mô hình định giá kinh tế với khuôn

khổ lập ngân sách và mô hình dựa trên đ co giãn doanh thu và chi phí.

Tiế p cậ n trự c tiế p bằng phương pháp kế t hợp mô hình định giá kinh tế với khuôn

khổ l ập ngân sách.

Kết hợ p mô hình định giá kinh tế với khuôn khổ lập ngân sách là cách mà công ty

dựa trên mô hình định giá thể hiện những thay đổi của giá cả, lãi suất và tỷ giá đã làm

biến đng sản lƣợng và giá cả của công ty và tác đng đến dòng tiền của công ty nhƣ thế

nào, để rồi từ khuôn khổ ngân sách mà công ty đã lập ra từ trƣớc công ty sẽ xác định

đƣợc đ nhy cảm của công ty đối với dòng tiền của mình. Việc định giá có thể dựa vào

tập hợp giá đầu vào cho trƣớ c của công ty và cũng có thể dựa trên chính sách định giá

của đối thủ cnh tranh. Tuy nhiên, việc thiết lập đƣợ c mt mô hình chi tiết để có thể phản

ánh chính xác đ nhy cảm của công ty dƣờng nhƣ là rất khó đối với các công ty hoặc là

công ty cũng không có đủ nguồn lực để xây dựng chúng. Thay vào đó công ty sẽ tìm cách

tiếp cận theo cách gián tiếp mt cách đơn giản hơn dựa trên ý tƣở ng về đ co giãn doanh

thu và chi phí.





Tiế p cận gián tiế p d ựa trên độ co giãn doanh thu và chi phí.

Co Giãn: đƣợc định nghĩa là tỷ lệ phần trăm thay đổi của mt biến số khi mt

biến số khác thay đổi 1%. Ví dụ, nếu doanh thu bằn đồng đôla của mt công ty tăng 10%

khi đồng euro tăng giá 10% so với đồng đôla, đ co giãn của doanh thu bằng đồng đôlaso với đồng euro là 1.

Đ co giãn phát sinh từ đ nhy cảm theo giá trị danh nghĩa sẽ thay đổi tuyến tính

theo biến đng của tỷ giá. Đơn giản là vì các phát sinh ấn định theo giá trị danh nghĩa là

những khoản có dòng tiền đã đƣợ c ấn định trƣớc, do đó dòng tiền này sẽ chỉ chịu tác

đng từ sự thay đổi của tỷ giá hối đoái trong tƣơng lai. Nếu nhƣ trong tƣơng lai tỷ giá

tăng lên 1% thì dòng tiền của công ty cũng sẽ tăng lên 1%, hay nói cách khác đ nhy

cảm theo giá trị danh nghĩa có đ co giãn bằng 1.

Còn đ co giãn của đ nhy cảm hot đng thì không thay đổi tuyến tính nhƣ vậy.

Bởi vì tỷ giá sẽ ảnh hƣởng lên cả dòng tiền theo đồng ni tệ của công ty con và tác đng

lên cả việc chuyển đổi dòng tiền đó về công ty mẹ, mt sự tác đng tổng hợ p của biến

đng tỷ giá lên dòng tiền của công ty mẹ hay đồng tiền của nƣớc đi đầu tƣ có thể lớn hơn

hoặc nhỏ hơn thay đổi tuyến tính. Do đó, đ nhy cảm hot đng có đ co giãn lớn hơn

hoặc nhỏ hơn 1.

Ƣớc ƣợng Co Giãn: Có nhiều cách để công ty có thể xây dựng mt ƣớ c

lƣợ ng tốt về đ co giãn. Mt trong số đó là công ty có thể ƣớc lƣợ ng về đ co giãn dựa

trên cơ sở công ty có thể chuyển sang giá sản phẩm theo đồng ni tệ ( đồng tiền ni địa

của công ty con hay đồng tiền nƣớ c nhận đầu tƣ) bao nhiêu phần biến đng của tỷ giá mà

không làm thay đổi sản lƣợng bán đƣợc. Ví dụ, mt công ty Mỹ có công ty con ở Đức thì

ở mt thị trƣờ ng cnh tranh cao nhƣ ở Đức, công ty này chỉ có thể chuyển 10% những

biến đng bất lợ i trong tỷ giá $/euro sang giá bán bằng đồng euro mà không làm thay đổi

số lƣợ ng sản phẩm bán đƣợ c. Tức là công ty có thể tăng giá lên 10% theo đồng tiền ni

địa mà không làm thay đổi số lƣợ ng sản phẩm bán ra ở Đức.Nếu chính sách của công ty

là duy trì thị phần thì xét trong ngắn hn đ co giãn theo doanh thu của công ty là 0.9.





Mt cách ƣớc tính khác về đ co giãn theo doanh thu hay chi phí của công ty có thể

thu đƣợ c từ việc phân tích mối quan hệ trong quá khứ giữa tỷ giá vớ i doanh thu hoặc chi

phí. Ví dụ, trong quá khứ, việc giá đồng ngoi tệ giảm 10% làm cho doanh thu của công

ty giảm 2% thì đ co giãn ứng với đ nhy cảm theo doanh thu của công ty là 0.2. Đ co giãn là mt công cụ mnh để đo lƣờng đ nhy cảm. Ta biết rằng thay đổi

trong tỷ giá có thể ảnh hƣởng đến cả giá và sản lƣợ ng sản phẩm bán ở thị trƣờng nƣớ c

ngoài của công ty. Khái niệm đ co giãn giúp nắm bắt đƣợc tác đng của cả thay đổi

trong giá và số lƣợng. Đ co giãn giúp biểu diễn tác đng của thay đổi trong tỷ giá, lãi

suất và giá cả hàng hóa lên dòng tiền của doanh nghiệp dễ dàng hơn.

2.3 .2.2 Mô phỏng các biế n số rủi ro kiệt giá tài chính

Việc lập k ế hoch ngân sách dựa trên giá định sẵn không hoàn toàn làm các ông chủ

an tâm, bởi có nhiều đ nhy cảm mà nó không thể nắm bắt đƣợc. Ví dụ nhƣ việc lập

ngân sách vớ i mt mức giá hàng hóa ấn định thì không thể cho chúng ta lƣờ ng hết các

k ịch bản của lƣợ ng cầu đƣợc, đi lƣợng khá nhy cảm với giá hàng hóa, trong hầu hết các

trƣờ ng hợp, lƣợ ng cầu sẽ tang khi giá giảm và ngƣợ c li. Mà mt sự biến đng trong

lƣợ ng cầu sẽ mang đến những biến đng tƣơng tự trong lợ i nhuận. Hay nhƣ vấn đề luôn

là mối quan tâm của nhiều ngƣời đó là tỷ giá. Các doanh nhiệp thƣờng xuyên phải giaodịch bằng ngoi tệ rất nhy cảm vớ i vấn đề này.

Việc tiến b của công nghệ ngày nay cho phép chúng ta xây dựng những mô hình

mô phỏng li tất cả những khả năng mà mt biến cố có thể xảy ra, nhằm lƣờng trƣớ c

đƣợ c những tình huống không mong đợi cho các nhà quản trị. Các phần mềm bổ trợ (nhƣ

các Add-ins) đƣợ c thiết k ế riêng cho mục đích này. Và loi mô phỏng đƣợ c biết đến rng

rãi trên thế giới đó là mô phỏng Monte Carlo.

Phƣơng pháp mô phỏng Monte Carlo ra đời vào những năm 1940, bởi các nhà khoa

học làm việc vớ i quả bom nguyên tử trong thế chiến thứ 2, đƣợ c sử dụng nhiều trong 4

thập k ỉ trở li đây, đƣợ c ứng dụng rng rãi trong các lĩnh vực khác nhau nhƣ vật lý, điện

tử viễn thông, y học … và cả trong lĩnh vực quản trị rủi ro tài chính. Phƣơng pháp này sử





dụng những giá trị đƣợc rút ra mt cách ngẫu nhiên nhƣng với xác suất đƣợ c kiểm soát

chặt chẽ để cho các biến cố này sát vớ i thực tế nhất. Mt nơi mà các vấn đề về xác suất

rất đƣợc quan tâm đó là trong các sòng bc, thành phố Monte Carlo của Pháp nổi tiếng

thế giớ i với các sòng bc hàng đầu. Vì vậy mà phƣơng pháp này có tên là Monte Carlo.Bất cứ khi nào bn muốn lên kế hoch, dự báo, ƣớc tính hoặc ra quyết định trong hoàn

cảnh có nhiều yếu tố bất định (uncertainty) thì bn nên xem xét đến mô phỏng Monte

Carlo.

Để có thể mô phỏng Monte Carlo nhằm dự báo rủi ro tài chính, chúng ta trƣớc tiên

cần xác định các yếu tố nào là rủi ro : tỷ giá, lãi suất, giá hàng hóa … rồi xây dựng các

k ịch bản cho chúng. Thông qua mô hình ngân sách, các yếu tố rủi ro sẽ ảnh hƣởng đến

doanh thu và chi phí.

Hình 2.2 Quy trình mô phỏ ng Monte Carlo

Mỗi k ịch bản rủi ro thông qua mối tƣơng tác của chúng với doanh thu và chi phí

trong mô hình ngân sách sẽ cho ta mt dự báo cụ thể về doanh thu và chi phí, qua đó ta

có mt mức lợ i nhuận dự báo. Mỗi k ịch bản này có thể đƣợ c lặp li nhiều lần, và do đó





mỗi mức lợ i nhuận dự báo cũng có thể lặp li nhiều lần, hình thành nên tần suất của mỗi

k ịch bản.





Sau khi mô phỏng đƣợ c mt số lƣợ ng k ịch bản rủi ro tài chính tƣơng đối lớ n (thông

thƣờng ngƣời ta mô phỏng khoảng 10.000 k ịch bản) chúng ta thu đƣợc phân phối xác

suất của lợ i nhuận dự kiến. Phân phối này cho phép ta dự báo lợ i nhuận ở mỗi đ tin cậy

khác nhau. Nếu xác suất không đt mục tiêu quá cao, công ty có thể sử dụng mô hình đ nhy

cảm của dòng tiền để xác định làm thế nào để h thấp xác suất này. Vớ i sự phát triển của

công nghệ thông tin ngày nay, có nhiều phần mềm cho phép chúng ta có thể xác định

nguồn gốc của sự bất ổn, và đâu là yếu tố có tác đng lớ n nhất đến hiệu quả hot đng.

Cũng cần phải nói thêm rằng chi phí cho việc quản trị rủi ro này thƣờng khá lớ n,

đặc biệt đối với các công ty đa quốc gia. Chi phí này có thể vƣợt quá lợi ích đt đƣợ c từ

việc quản trị rủi ro. Tuy nhiên, họ có thể giảm chi phí này mà vẫn đảm bảo mức đ an

toàn cho dòng tiền bằng cách tập trung vào những yếu tố chủ chốt gây nên rủi ro. Sơ đồ

sau đây thể hiện việc tập trung giảm chi phí quản trị rủi ro của mt công ty.

Hình 2.3 Tác động biên củ a việc “đông cứng” các biế n số tài chính, giá cả khác

nhau ở cận trên, cận dướ i d ải băng độ tin cậ y





Sơ đồ trên thể hiện tác đng biên của việc “đông cứng” (quản trị) các biến số tài

chính nhƣ tỷ giá, lãi suất, giá hàng hóa, … ti đ tin cậy 95%. Nếu quản trị giá 1 và 2

dòng tiền k ỳ vọng dao đng ít hơn so với khi không quản trị rủi ro, nhƣng mức đ giảm

đi không nhiều. Trong khi việc quản trị giá 3 và 4 mang li hiệu quả hơn hẳn khi làm

giảm tƣơng đối nhiều mức đ biến đng của dòng tiền k ỳ vọng. Do đó mà công ty nên

tập trung vào giá 3 và 4 trong công tác quản trị rủi ro.

Chúng ta đã bàn nhiều về lý thuyết quản trị rủi ro bằng cách mô phỏng các kịch bản

khác nhau của các yêu tố rủi ro đến dòng tiền của công ty nhƣ tỷ giá, lãi suất, giá hàng

hóa… Vậy trong thực tiễn công tác quản trị đƣợ c tiến hành nhƣ thế nào? RiskMetric

Group – mt sự k ết hợ p giữa Reuters và J.P Morgan – đã đƣa ra mt sản phẩm xác định

và đo lƣờ ng rủi ro dựa trên cái gọi là “giá thị trƣờng” (market rates) bao gồm : tỷ giá hối

đoái, lãi suất, giá cả hàng hóa. Họ gọi phƣơng pháp này là CorporateMetric, còn đƣợ c

biết đến với cái tên Simulation-based approach (phương php tip cn da trn m

phng ).

Phƣơng pháp này đi theo tiến trình gồm 5 bƣớc sau đây :





Bƣớ c 1 : Xác định k ỹ thuật đo lƣờng (Metric specification). Xác định k ết quả tài

chính nào cần đƣợ c quản trị rủi ro? Dòng tiền (Cash Flow) hay thu nhập (Earnings). Xác

định khoảng thờ i gian cần quản trị rủi ro (tháng, quý, năm) và mức đ tin cậy cho k ỹ

thuật đo lƣờ ng.

Bƣớ c 2 : Lập bản đồ tƣơng tác (Exposure mapping). Nghĩa là xậy dựng mô hình để

tính toán dòng tiền hay thu nhập mà trong đó, chúng ta phải liên kết các yếu tố rủi ro từ

thị trƣờ ng với mô hình để có thể biết đƣợc dòng tiền hay thu nhập bị ảnh hƣởng nhƣ thế

nào bởi chúng.

Bƣớ c 3 : Xây dựng k ịch bản (Scenario generation). Xây dựng các kịch bản có thể

xảy ra đối vớ i sự biến đng của các yếu tố rủi ro, không nắm bắt đƣợc. Bƣơc này gồm 2

tiến trình :

+ Vớ i mỗi k ỳ (nhƣ đã đƣợc xác định trong bƣớc 1) xây dựng mô hình phân phối

xác suất cho các yếu tố rủi ro thị trƣờng nhƣ đã đƣợc xác định trong bƣớ c 2.

+ Xây dựng các kịch bản bằng việc lấy mẫu giá trị từ mỗi mô hình phân phối đã

lập ở trên và biểu diễn chúng lên biểu đồ phân phối xác suất.

Cứ mỗi k ịch bản chỉ ra mt con đƣờng mà qua đó các yếu tố thị trƣờng tác đng tớ i

k ết quả cuối cùng. Mt tập hợ p của các kịch bản khác nhau sẽ cho ta nhiều đƣờng đi khác

nhau của các yếu tố rủi ro này.

Bƣớ c 4 : Đánh giá (Valuation). Tính toán kết quả dự kiến của dòng tiền hay thu

nhập dựa trên mỗi k ịch bản đƣợc xây dựng ở trên.

Bƣớ c 5 : Ƣớc tính rủi ro (Risk measure computation). Từ k ết quả phân phối của

dòng tiền hay thu nhập, chúng ta có thể ƣớc tính mức đ rủi ro của việc lên kế hoch.

Phƣơng pháp trên của RiskMetric đo lƣờ ng rủi ro bằng CFaR, EaR hoặc EPSaR. Do

đó, để có thể bắt đầu ƣớc lƣợ ng rủi ro cho mt tình huống giả định sau đây bằng cách áp

dụng CorporateMetric, chúng ta phải hiểu rõ thế nào là CFaR, EaR, EPSaR, đây là các

thông số đầu ra cuối cùng của mt mô hình quản trị rủi ro theo kiểu RiskMetric. Cũng

giống nhƣ phƣơng pháp VaR đã quá nổi tiếng, CFaR, EaR, EPSaR là phƣơng pháp đo





lƣờng giá trị có rủi ro (aR - at Risk). Trong khi CFaR đo lƣờng giá trị dòng tiền có rủi ro

(Cash Flow at Risk) thì EaR đo lƣờ ng thu nhập có rủi ro (Earning at Risk) và EPSaR đo

lƣờ ng thu nhập mỗi cổ phần có rủi ro (Earning per share at Risk). EPSaR có đƣợ c bằng

cách chia EaR cho số cổ phần đang lƣu hành của mt tổ chức. Về ý nghĩa, chẳng hn nhƣCFaR của công ty X là 3 triệu $ với đ tin cậy 95% thì điều đó có nghĩa là có đến 95%

khả năng dòng tiền của công ty X sẽ thấp hơn giá trị mà họ mong đợ i mt khoản tối đa 3

triệu $. EaR hay EPSaR cũng có ý nghĩa tƣơng tự.

Bây giờ chúng ta sẽ xây dựng mô hình mẫu để ứng dụng phƣơng pháp

CorporateMetric tìm CFaR của mt công ty giả định ABC. Mô hình công ty giả định

ABC này do RiskMetric Group xây dựng trong bài nghiên cứu của mình, tuy nhiên chúng

ta sẽ đơn giản hóa nó để có thể nắm bắt nhanh nhất quy trình quản trị rủi ro.

ABC là công ty có trụ sở ti Mỹ, họ có mt chi nhánh bán hàng ti Nhật Bản. Công

ty sẽ chuyển lơi nhuận từ bán hàng về nƣớc vào cuối mỗi quý, cụ thể vào các ngày 31/3,

30/6, 30/9 và 31/12 hàng năm. Để duy trì mối quan hệ với đối tác, ABC đồng ý sẽ giao

hàng vào cuối mỗi quý và cho phép họ trả chậm trong 90 ngày, nghĩa là giao dịch theo

hình thức “gối đầu” 1 quý.

Bƣớ c 1 : Metric Specification

ABC muốn xác định rủi ro trong việc chuyển lợ i nhuận về nƣớ c, họ tính toán CFaR

theo mức đ dao đng của tỷ giá USD/JPY trong 12 tháng tới. Đ tin cậy đƣợ c sử dụng

là 95%.

Bƣớ c 2 : Exposure Mapping

Ti thời điểm cuối quý 3, 30/9/1998 ABC có kế hoach bán hàng ti Nhật nhƣ sau

cho 4 quý sắp tớ i :

Doanh số 31/12/98 31/3/99 30 /99 30/9/99

JPY 000s 200.000 199.800 199.800 200.200





Đây là mối “tip xúc” (exposure) giữa tỷ giá và dòng tiền chuyển về nƣớc trong 12

tháng tới của ABC.

Bƣớc 3 : Scenario Generation

Để có thể dự tính đƣợc dòng doanh thu chuyển về nƣớc, ta cần có tất cả các kịch

bản có thể xảy ra của tỷ giá trong 4 quý sắp tới. Để có thể xây dựng đƣợc các kịch bản

này, ta cần phải biết mô hình phân phối xác xuất của tỷ giá USD/JPY. RiskMertic sử

dụng VECM (vector error corection model) – mt kỹ thuật hồi quy để tính toán giá trị kì

vọng cũng nhƣ đ lệch chuẩn của tỷ giá này. Tuy nhiên, để có thể áp dụng VECM trong

tính toán không phải là chuyện đơn giản. Mô hình này rất phức tp mà việc nghiên cứu

và chy mô hình này vƣợt ra khỏi khôn khổ của bài nghiên cứu. Do đó, chúng tôi không

đi sâu tìm hiểu VECM mà chỉ đƣa ra kết quả phân phối xác suất cuối cùng của tỷ giá

USD/JPY (nn nhớ rằng trong thc tiễn phải thc hiện VECM hoặc một m hình khc để

có thể cho ra phân phối xc suất có độ tin cy cao). ABC giả định tỷ giá USD/JPY trong

4 quý tới có phân phối chuẩn. Giá trị kì vọng và đ lệch chuẩn mà họ đã tính toán đƣợc là

Tỷ giá kì vọng 31/12/98 31/3/99 30/6/99 30/9/99

USD/JPY 140 142 145 150

Đ lệch chuẩn 4 5 7 8

Với đ tin cậy 95%, công ty ABC kì vọng tỷ giá của 4 quý sắp tới dao đng trong

phm vi nhƣ sau :

Hình 2.4 Dao độ ng t ỷ giá kỳ vọ ng củ a ABC ở độ tin cậ y 95%





Nếu thời kì dự báo càng xa, thì đ lệch chuẩn của phân phối càng lớn, mức đ dao

đng của tỷ giá càng khó nắm bắt. Sử dụng thông tin về phân phối của tỷ giá USD/JPY

nhƣ trên, chúng ta tiến hành chy mô phỏng Monte Carlo cho các kịch bản có thể xảy ra

trong tỷ giá. Chúng tôi sử dụng mt Add-ins của Excel trong việc chy mô phỏng này, đó

là Oracle Crystal Ball. Dƣới đây là 3 kịch bản trong số 10.000 kịch bản đƣợc mô phỏng

bởi Crystal Ball.

Hình 2.5 Ba k ị ch bả n trong số 10.000 k ị ch bả n t ỷ giá của ABC được mô phỏ ng

bở i Crystal Ball





Bƣớ c 4 : Valuation

Bằng cách tính toán dòng tiền chuyển về Mỹ từ mỗi k ịch bản tỷ giá đã đƣợc xây

dựng ở trên, chúng ta có 10.000 kịch bản có thể có của dòng tiền này trong 4 quý sắp tớ i.

Kết quả của 10.000 k ịch bản này đƣợc mô tả trong biểu đồ phân phối xác suất dƣới đây





Hình 2.6 Phân phối xác suấ t của dòng tiề n thuầ n chuyể n về nướ c củ a ABC

Từ k ết quả mô phỏng trên, chúng ta có kết quả với đ tin cậy 95%, dòng tiền

chuyển về công ty mẹ sẽ không thấp hơn 5.109.860 $.

Bƣớ c 5 : Risk Computation

Từ việc lập ngân sách, ABC đã kỳ vọng vào dòng tiền chuyển về nƣớc nhƣ sau :





31/12/98 31/3/99 30/6/99 30/9/99 Tổng

Tỷ giá USD/JPY kỳ vọng 140 142 145 150

Doanh thu sổ sách (JPY 000s) 200.000 199.800 199.800 200.200 799.800

Dòng doanh thu thực (JPY 000s) 200.501 200.000 199.800 199.800 800.101

Lời/lỗ tỷ giá (USD 000s) -41,04 -20,12 -29,11 -45,93 -136,20

Chuyển dòng doanh thu thực (USD 000s) 1.432,15 1.408,45 1.377,93 1.332,00 5.550,53

Tổng dòng tiền nhận đƣợc (USD 000s) 5.414,33

Bảng 2.

ABC đặt mục tiêu sẽ nhận đƣợ c 5.414.330 $ vào cuối quý 3 năm sau (1999). Kêt

quả mô phỏng ở trên cho ta với đ tin cậy 95%, dòng tiền họ nhận đƣợ c từ việc chuyển

doanh thu bán hàng về nƣớc là không thấp hơn 5.109.860 $. CFaR đƣợc tính bằng cách

lấy dòng tiền mục tiêu khi chƣa quản trị rủi ro tỷ giá là 5.414.330 $ trừ cho dòng tiền k ỳ

vọng sau khi quản trị rủi ro là 5.109.860 $. CFaR là 304.470 $. Nghĩa là có 95% khả năng

dòng tiền của ABC sẽ không thấp quá 304.470 $ so với dòng tiền mục tiêu.

Trong ví dụ trên, chúng ta đã giả định doanh thu sổ sách và dòng doanh thu thựcđƣợc phát sinh đều đặn vào cuối mỗi quý, trên thực tế mt công ty có thể có những dòng

tiền nhƣ vậy phát sinh liên tục vào các thời điểm khác nhau. Do đó việc quản trị rủi ro,

đơn cử nhƣ là rủi ro tỷ giá, phải đƣợ c diễn ra liên tục, và thật sự phƣc tp hơn nhiều

những gì chúng ta đã làm trên đây.





CHƢƠNG 3 – MT SỐ NGHIÊN CỨ U MỞ RNG CHO O

Ƣ NG CFaR CỦA CÔNG TY PHI TI CHNH

3.1 o lƣờ ng CFaR với mô hình khắc phục hiện tƣợng đa cng tuyến trong hồi

quy

Trên đây, chúng tôi đã trình bày phƣơng pháp đo lƣờ ng rủi ro EaR, CFaR, EPSaR,

tài chính ni sinh. Trong ví dụ công ty ABC, chúng tôi ƣớc tính rủi ro trong việc chuyển

lợ i nhuận về nƣớc thông qua việc tính toán CFaR theo mức đ dao đng của biến tỷ giá

USD/JPY. Tuy nhiên, nhƣ chúng ta đã biết, dòng tiền của mt công ty chịu sự ảnh hƣở ng

của rất nhiều yếu tố khác nhau: lãi suất, chỉ số giá thị trƣờng… Do đó, chúng ta có thể sử

dụng mô hình hồi quy đa biến để tính toán EaR, CFaR. Hầu hết các nghiên cứu gần đâytrong lĩ nh vực này cũng sử dụng mô hình hồi quy đa biến để đo lƣờng tác đng của các

yếu tố rủi ro đến k ết quả kinh doanh hoặc dòng tiền của công ty. Công trình của Andr'en

et al năm 2005 áp dụng phƣơng pháp này trên thị trƣờng năng lƣợng, ƣớc tính rủi ro bằng

mt mô hình hồi quy, sử dụng biến EBITDA nhƣ là biến phụ thuc và sự thay đổi trong

các yếu tố rủi ro nhƣ các biến đc lập. Để dự báo EaR, các tác giả giả định rằng các yếu

tố rủi ro cùng phân phối theo phân phối chuẩn đa chiều (MVN), với trung bình và ma trận

hiệp phƣơng sai ƣớc tính từ dữ liệu, và do đó mô phỏng giá trị các yếu tố rủi ro trong

tƣơng lai. Áp dụng các giá trị này trong phƣơng trình hồi quy, họ có thể xác định các giá

trị trong tƣơng lai đƣợc mô phỏng của EBITDA, và từ những điều này, suy ra giá trị EaR.

Các biến đc lập đƣợc đƣa vào mô hình thông thƣờng là các biến số kinh tế có ảnh hƣở ng

trực tiếp tớ i k ết quả kinh doanh/ dòng tiền của công ty. Trong mt số nghiên cứu gần đây

ở Brazil: Berbert và Perobelli ( 2007),securato và Perobelli (2005), Varanda Neto (2004),

các biến thƣờng đƣợc đƣa vào mô hình:





Bảng 3.1: Các biế n trong mộ t số nghiên cứu trước đây

3.1.1 V ấn đề đa cộ ng tuyến và cách khắ c phụ c

Trong tất cả các bài nghiên cứu đƣợ c thảo luận ở trên, đều giả định rằng các biến

đc lập cùng phân phối chuẩn đa chiều, và các thông tin bao hàm trên ma trận hiệp

phƣơng sai đƣợ c sử dụng mt cách rõ ràng trong mô phỏng các giá trị trong tƣơng lai.

Mặt khác, lý thuyết thống kê về phân tích hồi quy giả định rằng các biến đc lập thì

không tƣơng quan (Montgomery et al, 2006). Khi các giả định này bị vi phm, các vấn đề

đa cng tuyến xuất hiện và ảnh hƣởng đến đ tin cậy của dự báo mô hình. Mt lựa chọn

để đối phó vớ i vấn đề này đƣợc nhóm tác giả Sheng, Karcher, Hubert Jr. đƣa ra là sử

dụng các kỹ thuật phân tích thành phần chính (PCA).

Mục tiêu của k ỹ thuật PCA là để chuyển đổi mt nhóm các biến có tƣơng quan sang

mt nhóm của các nhân tố trực giao (jointly orthoganal) (tức là không tƣơng quan), trong

đó mỗi nhân tố là sự k ết hợ p tuyến tính của mt hay nhiều biến ban đầu. Hệ số của các

nhân tố này đƣợc tính toán dựa trên sự phân tích phổ (spectral decomposition ) của ma

trận tƣơng quan hoặc hiệp phƣơng sai (Johnson, 2001). Và để đo lƣờ ng rủi ro cho cáccông ty có các biến gặp vấn đề đa cng tuyến, mt mô hình đƣợ c lựa chọn là phƣơng

pháp hồi quy thành phần chính dựa vào các yếu tố trực quan thu đƣợ c vớ i PCA. Những

nhân tố thu đƣợ c bởi PCA là đc lập, hoặc trực giao, vì vậy vấn đề đa cng tuyến đƣợ c

loi bỏ.





3.1.2 Mô hình thự c nghiệ m:

Để chứng minh rõ hơn về hiệu quả của phƣơng pháp này, nhóm tác giả đã đo lƣờ ng

rủi ro bằng cách ƣớc tính EaR của 3 công ty trong ngành công nghiệp giấy và bt giấy ở

Brazil: Suzano, Votorantim Papel e Celulose (VCP) và Aracruz.Và để có sự so sánh vớ imô hình đề xuất, nhóm tác giả cũng đo lƣờ ng bằng mô hình hồi quy tuyến tính đa biến

thông thƣờng. Nhóm tác giả cũng thực hiện các bƣớc tƣơng tự nhƣ phƣơng pháp

Corporate mectric:

Bƣớ c 1: Nhóm tác giả ƣớc tính rủi ro của 3 công ty: Suzano, Votorantim Papel e

Celulose (VCP) và Aracruz. Sử dụng EBITDA là đơn vị cho k ết quả hot đng và tài

chính của công ty.

Bƣớ c 2: Các yếu tố rủi ro đƣợ c nhóm tác giả sử dụng để đƣa vào mô hình: giá cả

giấy trung bình trên thị trƣờng trong nƣớ c (paper), giá bt giấy sợ i ngắn (pulp), giá giấy

A4 xuất khẩu, tỷ giá hối đoái PTAX, chỉ số giá tiêu dùng đƣợ c mở rng IPCA (thƣớc đo

lm phát) và lãi suất Selic (hệ thống bảo h và đặc quyền đặc biệt).

Dữ liệu về giá sản phẩm đƣợ c lấy từ báo cáo hằng năm, tỷ giá hối đoái, chỉ số giá và

lãi suất đƣợ c lấy từ hệ thống Bloomberg. Thời gian phân tích là 8 năm, từ 2000 – 2007,

dữ liệu lấy theo quý, tổng cng có 32 quý.

Trƣớc khi đƣa ra mô hình phù hợp cho các công ty, Sheng đã tiến hành kiểm tra

tính tƣơng quan giữa các biến đc lập cũng nhƣ hiện tƣợng đa cng tuyến có tồn ti giữa

các biến hay không? Và để kiểm tra việc này, Nhóm tác giả đã phân tích mối quan hệ

giữa các biến kinh tế vĩ mô đc lập bằng cách sử dụng ma trận tƣơng quan mẫu:





Hình 3.1: Ma trận tương quan củ a log củ a thu nhập: giá sợ i bộ t ngắn, giá giấ y

A4, t ỷ giá hối đoái tiề n tệ PTAX, chỉ số giá IPCA, lãi suấ t Selic

Ma trận này cho thấy mối tƣơng quan cao giữa thu nhập của giá thị trƣờ ng giấy

trong nƣớc và tỷ giá hối đoái tiền tệ PTAX và chỉ số giá IPCA, và cũng có mt số tƣơng

quan giữa lợ i nhuận của giá bt giấy, giá giấy A4 và IPCA. Nhƣ vậy, có bằng chứng cho

thấy sự hiện diện của đa cng tuyến trong các biến này.

Để đánh giá các mối tƣơng quan giữa các biến số kinh tế vĩ mô nhóm tác giả đã sử

dụng k ỹ thuật thử nghiệm tính cầu (spherecity test) của Bartlett. Giả thuyết vô hiệu hóa

(null) giả thuyết rằng ma trận tƣơng quan mẫu thì bằng ma trận đồng nhất, và do đó cácbiến không tƣơng quan qua li với nhau. Áp dụng thử nghiệm này vào ma trận tƣơng

quan phía trên, chúng ta có đƣợ c mt giá trị của p- value là 0,0235, điều đó chỉ ra rằng

trong ma trận này có tồn ti sự tƣơng quan (vớ i mức ý nghĩa 5%). Điều này có nghĩa

rằng, khi sử dụng tất cả các biến đc lập để tính toán EaR cho Suzano và VCP, sẽ có vấn

đề đa cng tuyến. Mặt khác, các ma trận tƣơng quan của các biến đƣợ c sử dụng để phân

tích Aracruz - lợ i nhuận từ giá bt giấy, tỷ giá hối đoái tiền tệ PTAX, lãi suất Selic và chỉ

số giá cả IPCA, p-value của thử nghiệm tính cầu của Bartlett là 0,7779, có nghĩa làkhông có sự tƣơng quan giữa các biến trong ma trận tƣơng quan mẫu (vớ i mức ý nghĩa

5%). Điều này chỉ ra rằng, về mặt lý thuyết, mô hình hồi quy đƣợ c sử dụng để dự báo

EBITDA cho Aracruz sẽ không có vấn đề đa cng tuyến.

Để xác nhận li k ết quả trên,Nhóm tác giả đã tính toán yếu tố phóng đi phƣơng





Trong đó: vij là hệ số vector đặc trƣng thứ j thành phần i ,với i, j = 1,2,…,6.

Các thành phần chính đƣợc phát triển để phân tích Aracruz thì tƣơng tự, trừ trƣờ ng

hợp không có nhân tố Giấy và giấy A4.

Tiếp theo, các nhân tố đƣợc tính toán trở nên biến đc lập cho mô hình hồi quy

tuyến tính đa biến.

Trong đó: ei là sai số ngẫu nhiên, mà chúng tôi giả định nhƣ đƣợc phân phối bình

thƣờ ng.

Đối vớ i hồi quy tuyến tính đa biến thông thƣờng, các thành phần đƣợc tính toán

theo mô hình sau:

Để có sự lựa chọn các biến trong hai mô hình trên, nhóm tác giả đã thực hiện

backward Analysis procedure (Montgomery et al, 2006). Cách thức thực hiện nhƣ sau:

mô hình đầu tiên đƣợ c trang bị là mô hình đầy đủ, vớ i tất cả các biến đc lập. Trong bƣớ c

tiếp theo, các biến có hệ số p-value lớ n nhất (ví dụ, hệ số p-value lớ n nhất đối vớ i giả

thuyết là bằng 0) đƣợ c lấy ra và mô hình đƣợc ƣớc tính li. Quy trình này diễn ra cho đến

khi tất cả các biến đc lập có hệ số có ý nghĩa (các điểm cắt giảm là 5% mức ý nghĩa

thông thƣờ ng).

Sau khi phân tích hồi quy, nhóm tác giả tiến hành tính toán EaR. Giả định rằng các

giá trị tƣơng lai đƣợ c dự báo của các biến đc lập phân phối bình thƣờng. Mô phỏng

đƣợ c thực hiện bở i sự phân tích của Cholesky vào ma trận hiệp phƣơng sai (Conte,

1965). Cuối cùng, áp dụng các giá trị mô phỏng của các biến đc lập vào các mô hình hồi

quy, các giá trị mô phỏng của EBITDA đã đƣợ c thu thập trong khoảng thờ i gian mong

(**)

(*)





muốn. (trong trƣờ ng hợ p của chúng tôi là mt quý).

Mt quá trình quay ngƣợ c li đƣợ c thực hiện để so sánh các kết quả thu đƣợ c cho

tất cả các mô hình đƣợc đƣa ra với các giá trị EBITDA quan sát cho giai đon năm 2007

(mẫu hợ p lệ), để phân tích các mô hình phù hợ p vớ i dữ liệu thực tế.

3.1.3 K ế t quả của hai mô hình

3.1.3.1 Mô hình hồi quy đa biế n

Đầu tiên, mô hình hồi quy tuyến tính phù hợ p nhất cho EBITDA của mỗi mt trong

ba công ty đã đƣợ c lựa chọn, mô hình phù hợ p cho Suzano:

Mô hình phù hợ p cho VCP:

Mô hình phù hợ p cho Aracruz:

Mô hình hồi quy tuyến tính đa nhân tố đƣợ c chọn của ba công ty nhƣ sau:

Bả ng 3.3: Mô hình hồi quy tuyến tính đa nhân tố của ba công ty

Từ mô hình ta thấy:

(1)

(2)

(3)





Yếu tố trao đổi tiền tệ (PTAX) đã có mt ảnh hƣở ng quan trọng trên các biến đng

của EBITDA của ba công ty. Những sự biến đng của giá cả thị trƣờ ng giấy trong nƣớ c

có ý nghĩa đối với các sự thay đổi của EBITDA của công ty Suzano và VCP. Mặt khác,

ảnh hƣở ng của sự thay đổi về giá bt giấy có ý nghĩa chỉ trên mô hình cho EBITDA củaVCP và Aracruz. Không có tác đng của sự thay đổi giá cả bt giấy trong mô hình cho

Suzano, điều này có vẻ không hợp lý khi xem xét báo cáo hàng năm của công ty cho thấy

rằng giá bt giấy là mt yếu tố ảnh hƣở ng k ết quả của công ty.

Mt trong những lờ i giải thích có thể có cho việc loi trừ giá bt giấy từ mô hình

này có thể có đa cng tuyến. Mặt khác, biến này đã không có mối tƣơng quan cao vớ i bất

k ỳ các biến khác đƣợ c sử dụng trong mô hình (PTAX và giá cả thị trƣờ ng giấy).

3.1.3.2 Mô hình PCR

Các hệ số nhân tố chính thu đƣợc cho Votorantin và Suzano (bảng 3.4) và cho

Aracruz (Bảng 3.6) không đƣa ra bất k ỳ sự giải thích trực tiếp nào của các nhân tố.

Các hệ số thành phần của Votorantin và Suzano cho thấy rằng các biến quan trọng

hơn trong mỗi thành phần, tƣơng ứng, thị trƣờ ng giấy trong nƣớc, trao đổi tiền tệ PTAX,

giấy A4, lãi suất Selic, bt giấy, và mt lần nữa, thị trƣờ ng giấy trong nƣớc. Các phân

tích cho Aracruz cho thấy rằng hầu hết các biến quan trọng cho mỗi thành phần là chỉ số

giá IPCA, trao đổi tiền tệ PTAX, lãi suất Selic và mt lần nữa chỉ số giá IPCA. Những sự

thay đổi trong giá bt giấy có tác dụng quan trọng nhất vào nhân tố 1 (tỉ lệ nghịch do mối

tƣơng quan phủ định).

Tỷ lệ phƣơng sai tổng thể đƣợ c giải thích bở i mỗi nhân tố đƣợc ƣớc tính đƣợc trình

bày trên Bảng 3.5 cho Suzano và VCP và Bảng 3.7 cho Aracruz.

Bả ng 3.4: H ệ số các thành phần chính cho VCP và Sunazo





Bả ng 3.5: T ỷ l ệ thay đổ i tổ ng thể đượ c giải thích bởi các thành phần cho VCP và

Suzano

Bả ng 3.6: hệ số nhân tố chính cho Aracruz:

Bả ng 3.7:T ỷ l ệ thay đổ i tổ ng thể đượ c giải thích bởi các thành phầ n cho Aracruz:





Sau khi các nhân tố chính đƣợc tính toán, các mô hình hồi quy sử dụng chúng nhƣ

các biến đc lập đƣợc ƣớc tính mt lần nữa thông qua các quy trình ngƣợ c li để lựa chọn

biến. Mô hình PCR đƣợ c lựa chọn phù hợ p cho mỗi công ty đƣợc trình bày trong các

phƣơng trình sau và Bảng 3.8.

Mô hình PCR phù hợp cho Suzano là,

Mô hình phù hợp cho VCP là:

Mô hình phù hợp cho Aracruz là:

Bả ng 3.8 Mô hình PCR đượ c l ự a chọn phù hợ p cho mỗi công ty:

Mt lần nữa, phân tích dự đoán của các mô hình PCR đã không có bất k ỳ vấn đề gì,

vì vậy chúng có thể đã đƣợc xem xét và điều chỉnh tốt.

Trên mô hình EBITDA cuối cùng cho Suzano, mt ảnh hƣở ng lớ n của các thành

phần phía trƣớc có thể đƣợ c ghi nhận. Biến chính cho các thành phần này là lãi suất

Selic, yếu tố mà không có ý nghĩa trên mô hình hồi quy đa nhân tố.





Điểm quan trọng đầu tiên đề cập đến là hai phƣơng pháp đã cho kết quả tƣơng

đƣơng cho Aracruz. Theo các thử nghiệm tính cầu đƣợc tính trên phần 2, dữ liệu cho

công ty này đã không có vấn đề đa cng tuyến đáng kể. Điều này cho thấy rằng sự vắng

mặt của tính công tuyến, phƣơng pháp PCR là tƣơng đƣơng với các phƣơng pháp hồi quy

tuyến tính đa nhân tố thƣờng đƣợ c sử dụng.

Mặt khác, với Suzano và VCP, phƣơng pháp PCR đƣa ra kết quả trong các giá trị

EaR nhỏ hơn cho hầu hết tất cả các mức ý nghĩa, cho thấy rằng khi bỏ qua hiện tƣợng đa

cng tuyến giữa các biến đc lập, rủi ro của công ty có thể đƣợc ƣớc tính quá mức.

Các giá trị thực tế của EBITDA trong quý cuối cùng của năm 2006 và 2007 cho ba

công ty đƣợc trình bày trong bảng 3.10, nơi mà chúng ta có thể thấy rằng các tổn thất

đƣợ c thực hiện bở i mỗi công ty kết hợ p với các giá trị dự báo.

Bả ng 3.10: giá trị EBITDA thực cho ba công ty trong quý cuối năm 2006, 2007.

Lấy ví dụ nhƣ mô hình PCR điều chỉnh cho dữ liệu VCP, trong giai đon cuối (cuối

quý 2006) với xác suất 95%, tổn thất là nhỏ hơn 44 triệu R$ (xem Bảng 3.9); so sánh vớ i

các mô hình hồi quy tuyến tính đa nhân tố, tổn thất quý cuối cùng năm 2006 nhỏ hơn

hoặc bằng 62,12 triệu R$. Các tổn thất thực tế đƣợc quan sát, 25,70 triệu R$, so sánh cả

hai khoảng thời gian, tuy nhiên, khoảng thờ i gian thu thập thông qua phƣơng pháp PCR

nhiều hiệu quả hơn so với cái thu đƣợc thông qua mô hình hồi quy bình thƣờ ng.





Nhƣ vậy,giá trị EaR cho dự báo mt thờ i k ỳ hàng năm thu đƣợc thông qua các mô

hình PCR đã đƣợ c nhỏ hơn so vớ i những gì có đƣợc thông qua mô hình hồi quy tuyến

tính đa nhân tố cho hầu hết các khoảng tin cậy, điều này cho thấy rằng bỏ qua hiện tƣợ ng

đa cng tuyến trên mô hình kinh tế có thể dẫn đến mt rủi ro vƣợt quá ƣớc tính. Trongtrƣờ ng hợp không có hiện tƣợ ng cng tuyến, các mô hình PCR cho kết quả tƣơng đƣơng

với các mô hình hồi quy tuyến tính đa nhân tố thông thƣờ ng.

Nói chung, mô hình hồi quy tuyến tính đa nhân tố đƣợ c thực hiện và giải thích đơn

giản hơn. Nhƣng vì nó không đƣa vào tính toán các tƣơng quan có thể có giữa các biến

đc lập và nó có thể dẫn đến rủi ro ƣớc tính có thể bất cân xứng và chịu sự không ổn

định. Mặt khác, mô hình PCR loi trừ đa cng tuyến mt cách rõ ràng, nhƣng đã thực

hiện và giải thích phức tp hơn. Vì vậy, các phƣơng pháp trình bày ở đây nên đƣợc coi là

bổ sung cho nhau.

Mt chính sách quản lý rủi ro tốt nên suy ngẫm về việc phân tích và sự so sánh k ết

quả của hai k ỹ thuật, từ đó dẫn đến mt quá trình định lƣợ ng rủi ro tài chính đáng tin cậy

và ít sai sót hơn.

3. o lƣờ ng CFaR – “Comparables-based”

3.2.1 Giớ i thiệ u chung CFaR – “Comparables-based”

Theo Jeremy C. Stein ( Đi học Harvard) và các cng sự của mình trong bài “A

comparables approach to measuring Cashflow-at- Risk for non- financial firms” đã định

nghĩa CFaR nhƣ là phân phối xác suất dòng tiền hot đng của công ty trong tƣơng lai,

dựa vào thông tin có sẵn của ngày hôm nay. Ví dụ, nếu hôm nay là ngày 31 tháng 12 năm

2000, CFaR quý tớ i của công ty là phân phối xác suất của dòng tiền hot đng cuối quý

vào ngày 31 tháng 3 năm 2001; và CFaR năm tớ i của nó là phân phối xác suất của dòng

tiền cuối năm ngày 31 tháng 12 năm 2001. Mt cách để xem xét việc xây dựng mt

phƣơng thức đo lƣờng CFaR là so sánh nó với phƣơng thức đo lƣờ ng trị giá có rủi ro

(VaR) thông dụng đƣợc các ngân hàng và tổ chức tài chính sử dụng. Mặc dù có mt vài

sự khác biệt cơ bản giữa 2 phƣơng thức này ( ví dụ, CFaR tập trung vào dòng tiền trong





khi VaR tập trung vào giá trị tài sản, và CFaR chú ý đến tầm nhìn 1 quý hoặc 1 năm trong

khi tầm nhìn của VaR đƣợc đo lƣờng đặc trƣng là ngày hoặc tuần), CFaR là mt sự cố

gắng để to ra mt chất lƣợng tƣơng tự nhƣ VaR mà nó có thể hữu ích cho công ty phi tài

chính. Phƣơng pháp tiếp cận tiêu chuẩn để ƣớc tính VaR cho mt ngân hàng là phƣơng

pháp “bottom up”. Ngƣờ i ta bắt đầu bằng cách liệt kê từng tài sản của ngân hàng – tất cả

các khoản vay, vị trí kinh doanh … Đ nhy cảm rủi ro ( cú sốc về lãi suất, rủi ro tín

dụng, sự biến đng tỷ giá hối đoái) của mỗi loi tài sản sau đó đƣợc định lƣợ ng. Cuối

cùng, những rủi ro này đƣợ c tổng hợp trên toàn b danh mục đầu tƣ của ngân hàng.Bây

giờ chúng tôi cố gắng áp dụng phƣơng pháp tiếp cận “bottom-up” giống nhƣ vậy cho

công ty phi tài chính. Cụ thể hơn, xem xét trƣờ ng hợ p của nhà sản xuất máy tính Dell. Ngƣờ i ta sẽ bắt đầu xác định tất cả rủi ro riêng lẻ đối với dòng tiền của Dell nhƣ thế nào?

Và mt khi những rủi ro này đƣợc xác định, họ có thể định lƣợng chính xác nhƣ thế nào?

Không nghi ngờ gì, Dell đối mặt vớ i mt vài rủi ro giao dịch ( và là phƣơng pháp đo

lƣờ ng trực tiếp) nhƣ mt ngân hàng (đ nhy cảm tỷ giá). Nhƣng ngay cả khi ngƣờ i ta

dùng công cụ tƣơng tự nhƣ VaR để lập mô hình định lƣợng đo lƣờng đ nhy cảm tỷ

giácủa Dell, rủi ro này cũng có khả năng thứ hai liên quan đến việc Dell quảng cáo kém và

hỗ trợ khách hàng không tốt và do đó làm mất thị phần đáng kể cho Gateway và Compaq.Nhƣ vậy, nếu cứ cố gắng thực hiện mt phƣơng pháp tƣơng tự VaR ( bottom-up) cho

những công ty nhƣ Dell, có mt sự nguy hiểm ở đây là cách tiếp cận nhƣ vậy sẽ bỏ sót

mt vài nguồn gốc quan trọng của rủi ro và vì thế dẫn đến ƣớc tính không chính xác CFaR

tổng thể.

Mt cách thay thế khác cho phƣơng pháp “bottom-up” là tiếp cận vấn đề theo

hƣớng “top down”. Nếu yếu tố cuối cùng mà chúng ta quan tâm là sự thay đổi trong dòng

tiền hot đng của Dell, ti sao li không xem xét trực tiếp trong dữ liệu dòng tiền lịch sử?

Thuận lợ i hiển nhiên của việc làm này là dữ liệu này tóm tắt ảnh hƣở ng k ết hợ p của tất cả

rủi ro mà Dell phải đối mặt, vì vậy tránh đƣợ c sự cần thiết phải xây dựng mt mô hình chi

tiết của doanh nghiệp. Nếu CFaR của Dell cao thì điều này cần đƣợ c thể hiện trong sự

biến đng cao trong dòng tiền quá khứ của nó.





Thật không may, cũng có mt vấn đề lớn khi làm theo cách này, đó là thiếu dữ liệu,

ngay cả khi lấy số liệu về dòng tiền hàng quý. Điều này cho thấy rằng những biến đng

quá khứ là quá ít, đặc biệt đối vớ i mục tiêu của phƣơng pháp đo lƣờng CFaR là để có

đƣợc ý nghĩa đúng của các trƣờ ng hợ p cực k ỳ hiếm xảy ra ( khả năng xảy ra thấp). Nhƣngnếu chúng ta có thể xác định mt nhóm công ty tƣơng tự nhƣ Dell thì sao? Với 25 công ty

nhƣ vậy và dữ liệu hàng quý trong 5 năm, chúng ta sẽ có đến 500 quan sát. Với 50 công ty

tƣơng tự nhau, chúng ta sẽ có 1000 quan sát. Vào lúc này, chúng ta có thể ƣớc tính xác

suất đuôi 5% ( và thậm chí là 1%).

Trong phần này, chúng tôi mô tả việc thực hiện “top down” nhƣ thế nào, phƣơng

pháp tiếp cận “Comparables- based” đo lƣờ ng CFaR. Mt điểm mnh rõ ràng của phƣơng

thức này là – bởi vì chúng ta đang xem xét trực tiếp sự biến đổi dòng tiền – tính trung bìnhthì nó xác định câu trả lời đúng. Nếu chúng ta phân tích lặp li cho nhiều công ty, tính

trung bình chúng ta sẽ to ra ƣớc tính CFaR mt cách hệ thống không quá cao cũng không

quá thấp. Tính chất này không có ở cách tiếp cận “bottom-up”. Ví dụ, nếu mt mô hình

“bottom-up” bỏ qua nguồn gốc quan trọng của rủi ro, thì nói chung nó sẽ ƣớc tính quá

thấp.

Dĩ nhiên, phƣơng pháp tƣơng đồng này không phải là không có mặt hn chế của nó.

Hn chế chính là ngƣời ta không thể nắm bắt đƣợc đặc tính riêng ở cấp đ công ty màđiều này có thể làm tăng những khác biệt trong CFaR. Do đó, nếu chúng ta to ra đƣợ c

mt nhóm 25 công ty tƣơng tự nhau để ƣớc tính CFaR của Dell, và Dell có mt số đặc

trƣng riêng so với các công ty còn li ( có lẽ nó có nhiều doanh số từ nƣớc ngoài, và do

đó có nhiều rủi ro tỷ giá hơn), điều này sẽ không đƣợ c nắm bắt. Giớ i hn khác của cách

tiếp cận này là nó không thể giải thích cho chúng ta bất cứ điều gì về ảnh hƣở ng dự kiến

của những thay đổi trong chiến lƣợ c về CFaR của công ty. Ví dụ, nếu Dell quyết định

tiến xa hơn vào thị trƣờng nƣớc ngoài, chúng ta không thể nói điều này có thể làm tăng

CFaR của nó bao nhiêu. Khả năng để lập mô hình cho những loi ảnh hƣở ng ở cấp đ

công ty này là thuận lợi chính của phƣơng pháp tiếp cận “bottom-up” đƣợ c sử dụng trong

ứng dụng VaR.





3.2.2 Xây dựng mô hình

Chúng ta bắt đầu bằng việc xem xét dữ liệu từ báo cáo kết quả hot đng kinh

doanh và bảng cân đối k ế toán Compustat. Trong phân tích cơ bản của chúng tôi, chúng

tôi lấy dữ liệu từ các công ty trong tất cả các ngành công nghiệp phi tài chính. Tuy nhiên,mô hình cũng có thể áp dụng cho các ngành công nghiệp riêng lẻ nếu các ngành đó có đủ

số lƣợng công ty.

Phƣơng pháp đo lƣờng cơ bản của chúng tôi về dòng tiền hot đng EBITDA.

Ngoài ra, ngƣời ta có thể sử dụng EBIT. Chú ý đến sự so sánh giữa các công ty, chúng

tôi sử dụng EBITDA trên giá trị tài sản sổ sách vào đầu k ỳ (EBITDA/Assets).

Chúng tôi chọn dữ liệu bằng cách loi bỏ các công ty có giá trị tài sản sổ sách rất

nhỏ, để tránh những tình huống mà tỷ lệ EBITDA/tài sản trở nên quá lớn. Chúng tôi cũng

sàng lọc những công ty có nhà máy và thiết bị ( PP&E) thay đổi nhiều hơn 50% trong 1

quý. Ý tƣở ng ở đây là loi bỏ các vụ sá nhập lớ n hoặc những thay đổi khác trong tài sản

cơ sở của công ty, có khả năng gây ra rất nhiều biến đng trong việc đo lƣờ ng

EBITDA/tài sản.

3.2.2.1 H ồi quy d ự báo:

Để đo lƣờng xem dòng tiền lệch so vớ i k ỳ vọng bao nhiêu, ngƣờ i ta cần có mt dự báo dòng tiền k ỳ vọng. Trong trƣờ ng hợ p của chúng ta, điều này có nghĩa là chúng ta cần

mt mô hình để dự báo dòng tiền quý tới cũng nhƣ năm tới. Để làm nhƣ vậy, chúng tôi sử

dụng k ỹ thuật tự hồi quy rất đơn giản. Đối vớ i dự báo hàng quý của chúng tôi, chúng tôi

hồi quy EBITDA/tài sản quý t với 4 đ trễ của chính nó, đó là: EBITDA/tài sản trong quý

thứ t-1, t-2, t-3 và t-4. Chúng tôi cũng thêm vào biến giả quý. Trong bất k ỳ quý thứ t nào,

mô hình cũng phù hợ p bằng cách sử dụng dữ liệu trong 5 năm trƣớ c.





những công ty mà chúng tôi làm ví dụ - Coca-Cola, Dell và Cygnus- đã đƣợ c nhấn mnh

trong bảng. Cho dù nhìn vào Panel A hay Panel B của Bảng 2 thì mt vài mô hình riêng

biệt nổi bật lên. Những công ty nhỏ hơn, cũng nhƣ những công ty trong ngành có rủi ro

hơn hoặc có sự biến đng giá cổ phiếu cao hơn, tất cả đều cho thấy rõ rệt hơn ở giá trị đon đuôi. Kết quả của khả năng sinh lờ i tinh tế hơn mt chút. Có mt xu hƣớ ng chung

của những công ty không sinh lợi có dòng tiền rủi ro hơn, điều này ngƣời ta có thể giải

thích là hậu quả của đòn bẩy kinh doanh. Nhƣng xu hƣớng này không nắm giữ toàn b

các ô này.

Xem xét ô {3,3,3,3} ở góc dƣới bên tay phải của Panel B, ti đây ngƣời ta tìm ra

con số năm tớ i của Dell. Con số này là -28.5 ti mức 5% tình huống tệ nhất trong năm,

EBITDA của Dell giảm so vớ i k ỳ vọng 28.5$ cho mỗi 100$ giá trị tài sản sổ sách. Ví dụ,

áp dụng mô hình vào đầu năm tài chính 1999 của Dell, khi đó giá trị tài sản sổ sách của

nó ( giá trị thuần tiền mặt và chứng khoán) là 3.696 triệu $, k ết luận rằng ti mức 5% k ịch

bản tồi tệ nhất xảy ra trong năm 1999, EBITDA thâm hụt 1.053 triệu $

(1.053=3.696*0.285). Để tỷ lệ này có ý nghĩa, con số này có thể đƣợc so sánh với giá trị

EBITDA thực tế năm 1999 của Dell là 2.419 triệu $. Giả sử rằng 2.419$ cũng là giá trị

dự báo của EBITDA vào đầu năm 1999, sau đó chúng ta có thể nói rằng, ti mức 5% tình

huống tồi tệ nhất xảy ra, EBITDA giảm 43.5% so vớ i k ỳ vọng (1.053/2.419=43.5%).

Lƣu ý rằng bất k ỳ báo cáo nào chúng ta làm cho EBITDA thì nó cũng dễ dàng đƣợ c

làm cho EBIT, hoặc là thu nhập ròng sau thuế. Trong phm vi Dell hoàn toàn có thể dự

đoán khấu hao và mức chi trả từng k ỳ năm tớ i của nó, sự thâm hụt bất ngờ của EBIT

chính xác là giống nhƣ sự thâm hụt của EBITDA. Và để lấy mức thâm hụt trong thu nhập

ròng, tất cả những gì ngƣờ i ta phải làm là nhân cho ( 1-thuế suất). Do đó, giả định mức

thuế suất là 35%, ti mức 5% trong tình huống tệ nhất, mức thâm hụt trong thu nhậpròng là 684 triệu $ ( 684=0.65*1.053), tƣơng đƣơng vớ i 41.1% thu nhập ròng thực tế năm

1999.

3.2.2.3 M ột cái nhìn gần hơn nhóm công ty ngang hàng củ a Dell (peer-group)





Vào thời điểm này, phƣơng pháp phân loi theo 4 đặc trƣng để to ra mt nhóm

công ty ngang hàng nhau cho bất k ỳ công ty nào có thể xem nhƣ là hp đen. Loi công ty

nào thực sự xuất hiện từ phƣơng pháp tiếp cận này? Để minh họa, bảng 3.13 trình bày

mt phần danh sách các công ty so sánh mà mô hình to ra cho Dell – nghĩa là, mt vàicông ty thuc bin{3,3,3,3}. Các công ty xuất hiện tất yếu là các đối thủ gần nhất của Dell

nhƣ Compaq, Gateway và Micron, cũng nhƣ những công ty công nghệ cao có lợ i nhuận

và lớn nhƣ Cisco. Nhƣng cũng có mt vài công ty không nhƣ dự kiến. Ví dụ, những nhà

bán lẻ nhƣ Bed Bath & Beyond và Williams-Sonoma cũng nằm trong danh sách. Mt lần

nữa, những công ty đó có ở đây bởi vì chúng giống vớ i Dell về giá trị vốn hóa thị trƣờ ng,

khả năng sinh lời và biến đng giá cổ phiếu. Và mặc dù chúng là những ngành công

nghiệp khá khác nhau nhƣng biến đng dòng tiền trong quá khứ của chúng có thể so sánhvới Dell và những công ty trong ngành công nghệ cao.

Bả ng 3.13: M ộ t phần danh sách các công ty trong nhóm công ty có thể so sánh vớ i

Dell





Tiểu kết:

Chúng tôi tin tƣở ng rằng phƣơng pháp “top down” của chúng tôi, phƣơng pháp tiếp

cận so sánh để ƣớc tính CFaR đã cung cấp nhiều thuận lợ i thực tế. Đầu tiên và trên hết,

bằng cách nhìn trực tiếp vào đ biến thiên của dòng tiền, mô hình đã đƣa ra những ƣớ ctính tính trung bình là đúng vớ i bất k ỳ nhóm công ty ngang hàng nào đƣợc đƣa ra. Trái

li, với phƣơng pháp tiếp cận “bottom-up”, ngƣời ta không thể chắc chắn rằng những ƣớ c

tính không bị chệch. Thứ hai, mô hình không có tham biến, và vì vậy tránh đƣợ c việc đặt

ra những giả định không có tính thực tế cao, mà những giả định này thƣờng gây ra những

cú sốc đến dòng tiền. Cuối cùng, mt khi mô hình đƣợc xây dựng, nó rất dễ dàng và tốn ít

chi phí để áp dụng cho bất k ỳ công ty phi tài chính nào.

Dĩ nhiên không thể tự cho là phƣơng pháp tiếp cận của chúng ta vƣợ t tri, thay thế

cho phƣơng pháp “bottom-up” trong việc xây dựng mt mô hình CFaR riêng cho mỗi

công ty. Hơn thế nữa, hai phƣơng pháp tiếp cận có thể bổ sung cho nhau. Và mặc dù

không có khả năng để xác định chắc chắn đặc điểm riêng biệt của công ty, thật khó để rút

ra k ết luận rằng chúng không đi diện cho mt phần quan trọng của b công cụ định giá

của con ngƣời. Chúng tôi hy vọng rằng phƣơng pháp tiếp cận của chúng tôi để ƣớc tính

CFaR sẽ chứng minh là hữu ích.

3.3 Sử dụng CFaR đánh giá mức đ rủi ro tổng thể giữa các ngành phi tài

chính ti Mỹ

Frantz (2011) đã phát triển mt phƣơng pháp đo lƣờ ng rủi ro dựa trên cơ sở dòng

tiền phụ thuc vào các nhân tố cụ thể của cấp công ty. Vớ i dữ liệu cấp đ công ty Mỹ,

trình bày bằng chứng về Cash Flow-at-Risk và sự thâm hụt dự kiến (Expected shortfall)

khác nhau giữa các ngành phi tài chính chủ yếu. Các kết quả này đổi mớ i sự quan tâm

đến vai trò mà phƣơng pháp đo lƣờng VaR cho dòng tiền có thể đóng vai trò trong các

nghiên cứu thực nghiệm góp phần cho phân tích rủi ro công ty, và đối vớ i mục đích quản

trị rủi ro công ty.





Mặc dù cả lý thuyết và các nhà thực tiễn chỉ ra tầm quan trọng của mô hình công ty

đối vớ i VaR , có ít các nghiên cứu trƣớc quan tâm đến sự phát triển mt ƣớc lƣợng chính

xác hợp lý cho CFaR. Mục tiêu của bài nghiên cứu là lấp lỗ hổng nghiên cứu này bằng

cách phát triển mt phƣơng pháp đo lƣờ ng Cash Flow-at-Risk phụ thuc vào (conditional on) 3 nhân tố cụ thể cấp đ công ty: tổng tài sản, chi tiêu vốn, và thay đổi

trong vốn luân chuyển hot đng.

Lý do cho biện pháp đo lƣờng nhƣ vậy là các công ty cá nhân đó thƣờng có rất ít

nếu bất k ỳ sự ảnh hƣởng đối với các rủi ro thị trƣờ ng cổ điển, mặc dù mt số có thể có sự

hiểu biết sâu sắc thông tin do bản chất của việc kinh doanh của họ (ví dụ, các công ty

hàng hóa hay năng lƣợng) điều mà cung cấp cho họ mt lợ i thế so sánh để chịu đựng các

rủi ro thị trƣờ ng nhất định. Ngƣợ c li vớ i những nghiên cứu trƣớ c, ở đây tập trung vào 2

phƣơng pháp đo lƣờ ng rủi ro : Cash Flow-at-Risk và Expected shortfall, có điều kiện về

các nhân tố thƣờ ng lệ thuc, ở mt mức đ nhất định, đến kiểm soát hay ảnh hƣở ng của

việc quản lý.

Mt đóng góp khác của nghiên cứu là nó cung cấp bằng chứng về tầm quan trọng

của các nhân tố cụ thể cấp đ công ty trong việc giải thích mức đ biến đng dòng tiền

giữa các khu vực từ các hot đng và do đó là Cash Flow-at-Risk. Cụ thể, dữ liệu đƣợ c

xây dựng bằng cách sử dụng dữ liệu công ty Mỹ từ 9 ngành chính – Dầu & ga, vật liệu

cơ bản, công nghiệp, hàng tiêu dùng, chăm sóc y tế, các dịch vụ tiêu dùng, Viễn thông,

tiện ích và công nghệ - qua thờ i k ỳ 2000-2009. Các dữ liệu đƣợ c sử dụng trong nghiên

cứu này cho phép chúng ta tiến hành mt phân tích mnh mẽ và chi tiết hơn về Cash

Flow-at-Risk và giúp tăng cƣờ ng sự hiểu biết của chúng ta về các nguồn lực của công ty

có ảnh hƣởng đến nó.

3.3.1 Phương pháp tính toán Cash Flow -at-Risk

3.3.1.1 Định nghĩa dòng tiề n ( Cash Flow)





Sử dụng dòng tiền hot đng để đo lƣờng dòng tiền của mt công ty phi tài chính2.

Lý do chính của chúng tôi cho việc lựa chọn dòng tiền hot đng là các nhà quản lý công

ty quan tâm đến các phƣơng pháp đo lƣờng đ nhy cảm của dòng tiền công ty nhƣ dòng

tiền hot đng vì lý do của việc lập k ế hoch và quản trị rủi ro của công ty ( Bartram,2007). Đặc biệt, bằng cách sử dụng mt b dữ liệu đc quyền về dòng tiền ni b chi tiết,

Bartram (2008) bằng tài liệu đã chứng minh đ nhy cảm đáng kể của dòng tiền hot

đng đối với TGHĐ cái mà liên quan chính đến các hot đng kinh doanh của mt công

ty đa quốc gia lớ n. Quan trọng nhất, các kết quả từ cuc khảo sát đƣợ c tiến hành bở i

Servaes et al (2009) chỉ ra rằng các CFOs tập trung chủ yếu vào các dòng tiền hot đng

trong chƣơng trình quản trị rủi ro của họ.

3.3.1.2 Mô hình hồi quy đa nhân tố (multivariate regression model)

Xem xét 3 tác đng hay nhân tố chính cụ thể cấp đ công ty – tổng tài sản, chi tiêu

vốn và thay đổi trong vốn luân chuyển hot đng - để giải thích các thành phần cụ thể

của dòng tiền hot đng. Mt hồi quy đa biến đƣợ c thực hiện để ƣớc lƣợng đ lớ n của

các nhân tố ảnh hƣởng này. Các hệ số đƣợ c cung cấp từ hồi quy nhƣ vậy cung cấp cơ

sở cho tính toán CFaR. Mô hình tĩnh tuyến tính tổng quát đƣợc quy định nhƣ sau:

,- Trong đó, yit đi diện cho dòng tiền từ các hot đng của công ty i ti thời điểm t,

và là 1x1 và 1x3 các vecto hằng số, tƣơng đƣơng, là mt vecto 1x3 của các biến ngoi sinh biểu thị tổng tài sản, chi tiêu

vốn, và thay đổi trong vốn luân chuyển hot đng của công ty i ti thời điểm t, tƣơng

ứng, và là khoản mục sai số với trung bình = 0 và phƣơng sai không đổi .

3.3.1.3 Thủ tục mô phỏ ng Monte Carlo

2 Dòng tiền hot đng nắm bắt đƣợ c khoản tiền mặt ( cash) của công ty nhận đƣợ c từ các hot đng kinh doanhthƣờng ngày của nó. Con số này không bao gồm cash nhận đƣợ c từ các nguồn khác nhƣ các khoản đầu tƣ. Đối vớ icông ty, rất quan trọng để có dòng tiền dƣơng ( positive cash flow) vì điều này thể hiện khả năng tồn ti ít nhất làtrong ngắn hn.





Tính toán CFaR đòi hỏi đầu tiên là xây dng phân phối xc suất cho dòng tiề n hoạt

động. Vớ i mục tiêu này, sử dụng các tiếp cận trên cơ sở mô phỏng để to ra mt số lƣợ ng

lớn các kịch bản mà lập biểu đồ các giá trị khác nhau có thể cho các nhân tố cấp đ công

ty cụ thể nói trên. Chọn CFaR và Expected Shortfall để đo lƣờ ng rủi ro, cả hai đều đƣợ csử dụng rng rãi. Trong thủ tục mô phỏng Monte Carlo, quy trình ngẫu nhiên thống kê

của các nhân tố cụ thể cấp công ty đƣợ c giả định tuân theo mt chuyển đng Brown tổng

quát nhƣ sau:

[2]

Trong đó, đối với công ty i ti thời điểm t:

Xkit là giá trị của nhân tố k công ty cụ thể ,

là giá trị k ỳ vọng của nhân tố k của công ty cụ thể,

là đ lệch chuẩn của nhân tố k của công ty cụ thể,

là nhiễu của nhân tố k ti thời điểm t của công ty cụ thể.

Nhiễu trong [2] đƣợ c giả định theo phân phối chuẩn thông thƣờ ng.

Mt giả thuyết phổ biến liên quan đến mục sai số trong [2] đƣợ c giả định rằng

chúng đc lập với nhau khi CFaR đƣợc tính toán. Tuy nhiên, kết quả CFaR có thể không

đáng tin cậy bởi vì các nhân tố của công ty cụ thể có thể tƣơng quan với nhau. Để giải

thích cho sự tƣơng quan này và do đó to ra mt hình ảnh chính xác hơn về phân phối

xác suất của dòng tiền, chúng ta sử dụng nhân tử Cholesky (Cholesky factorization) nhƣ

đƣợc miêu tả nhƣ sau đây. Ma trận tƣơng quan giữa 3 nhân tố cấp công ty cụ thể, ký hiệu

là Ω, đƣợc định nghĩa nhƣ sau:





Trong đó, biểu thị mối quan hệ tƣơng quan giữa nhân tố i và j của công ty cụ

thể.

Khi ma trận Ω là mt ma trận thực sự đối xứng, nó có thể đƣợc phân hủy thành các

nhân tố Cholesky Ω =LL’, trong đó L là ma trận tam giác thấp hơn với các số không trêncác góc trên bên phải chẳng hn nhƣ:

Sau đó, chúng ta xác định vecto 1x3 bao gồm các biến ngẫu

nhiên đc lập tuân theo phân phối chuẩn thông thƣờng, và trong đó k=1,…,3 biểu thị 3

nhân tố cấp đ công ty cụ thể: tổng tài sản, chi tiêu vốn, và thay đổi trong vốn luân

chuyển hot đng. Tiếp theo, sử dụng [4] , chúng ta xây dựng cải tiến cấp đ công ty cụ

thể , trong đó . Khi làm nhƣ vậy, chúng ta xác nhận là

các giá trị của biểu thị cấu trúc tƣơng quan kỳ vọng giữa các nhân tố cụ thể cấp côngty. Sau đó, chúng ta sử dụng các phƣơng pháp Monte Carlo để mô phỏng 10,000 k ịch bản

dòng tiền hot đng phụ thuc vào 3 nhân tố cấp công ty cụ thể. Từ k ết quả phân phối

xác suất của các dòng tiền đƣợc mô phỏng, chúng ta tính 2 thông số rủi ro: Cash Flow-at-

Risk và Expected shortfall.

Thủ tục để đo lƣờ ng rủi ro công ty dựa trên các phƣơng trình [1], [2], và [4]. Có thể

đƣợc tóm tắt thành 5 bƣớc cơ bản3:

3 Tiến trình 5 bƣớc này có thể dễ dàng đƣợ c sửa đổi để nhận đƣợ c mt phân phối xác suất của dòng tiền vô điều kiệnhay đc lập của các nhân tố cấp công ty cụ thể. Trong bƣớc 1, tính trung bình và đ lệch chuẩn của các phần dƣ từ hồi quy [1]. Trong bƣớc 2, mô phỏng 10,000 giá trị của cải tiến công ty đc lập ( the firm-independent innovation)(mục sai số trong phƣơng trình [1]). Sau đó, SFaR đƣợc tính toán bằng định lƣợ ng ti mt mức ý nghĩa của phânphối xác suất các dòng tiền vô điều kiện. Lƣu ý rằng các thành phần của rủi ro có điều kiện và vô điều kiện khôngnên đƣợc xem nhƣ additive ( chất phụ gia, chất thêm vào…), hay tổng hợp toàn b để nhận đƣợc cái gọi là tổng





Bướ c 1: ƣớc lƣợ ng vecto của trung bình và ma trận phƣơng sai, hiệp phƣơng sai của

các yếu tố cụ thể cấp công ty.

Bướ c 2: mô phỏng 10,000 giá trị của các cải tiến nhân tố cụ thể cấp công ty thông

qua phƣơng trình: với L đƣợc tính bở i [4].

Bướ c 3: từ các cải tiến đƣợc mô phỏng trong bƣớc 2, tính 10,000 giá trị của mỗi

nhân tố cụ thể cấp công ty đƣợc xác định bở i [2].

Bướ c 4: Dựa trên mức đ đƣợc ƣớc lƣợ ng của các nhân tố cụ thể cấp công ty ( đầu

ra của hồi đa biến), tính 10,000 kịch bản của các dòng tiền hot đng bằng cách chèn vào

các giá trị thu đƣợc trong bƣớ c 3 trong [1].

Bướ c 5: Từ phân phối xác suất của các dòng tiền đƣợc xây dựng trong bƣớc 4, tínhcác thông số rủi ro CFaR và Expected shortfall vớ i mt mức đ tin cậy cụ thể.

3.3.1.4 K ỹ thuật đo lườ ng rủi ro

Trong bài nghiên cứu Frantz (2011) sử dụng 2 biện pháp đo lƣờ ng rủi ro trên cơ sở

định lƣợ ng: Cash Flow-at-Risk và Expected shortfall. Về bản chất, CFaR, giống VaR, trả

lời câu hỏi đơn giản mà tất cả các nhà quản trị cấp cao muốn đƣợ c trả lời: “ Mọi chuyện

tồi tệ nhƣ thế nào?” ( How bad can things get ?).

Mt điểm bất lợ i của cả VaR và CFaR là chúng không đƣa ra mt dấu hiệu cho thấy

mức độ củ a tổ n thấ t tiềm năng ở đuôi hay bất k ỳ thiệt hi nào vƣợt quá bao nhiêu con số

VaR hay CFaR. Artzner et al. (1999) đã đề xuất mt biện pháp đo lƣờ ng rủi ro thay thế

đã khắc phục câu hỏi “ how bad is bad”, điều mà không đƣợ c giải quyết bởi cách đo

lƣờng VaR hay CFaR. Cách đo lƣờng này đƣợ c gọi là thâm hụt k ỳ vọng (expected

shortfall), VaR có điề u kiện hay k ỳ vọng có điề u kiện đui. Trong khi, CFaR hỏi “how

bad things can get ?”, thâm hụt k ỳ vọng (expected shortfall) sẽ hỏi: “ Nếu mọi thứ trở nêntồi tệ, tổn thất dự kiến sẽ là những gì ?” ( If things do get bad, what is the expected loss?).

Cần lƣu ý rằng thâm hụt k ỳ vọng có các thuc tính lý thuyết tốt hơn so vớ i CFaR truyền

CFaR, vì cải tiến công ty đc lập ( the firm- independent innovation) trong phƣơng trình [1] đƣợc định nghĩa là sự đc lập của các nhân tố cấp công ty cụ thể. Điều này cũng đúng với tính toán Thâm hụt k ỳ vọng vô điều kiện.





thống. Cụ thể, Artzner và các đồng tác giả đã chứng minh rằng thông số thâm hụt k ỳ

vọng tất cả các yêu cầu cho mt biện pháp đo lƣờ ng rủi ro đƣợc cho là nhất quán

(coherent measure of risk).4

Chúng ta hãy xem xét mt biến ngẫu nhiên dòng tiền X. Theo Artzner et al. (1999),

chúng tôi chính thức định nghĩa CFaR và thâm hụt k ỳ vọng theo cách sau đây:

* Đo lườ ng CFaR : cho -, , Cash Flow-at-Risk ti mức của giá trị

ròng cuối cùng của X với phân phối P, là phủ định của điểm phân vị của X, cái là

[5] *|, - + Nói mt cách đơn giản, [5] minh họa cho tổn thất lớ n nhất sao cho xác suất phải

gánh chịu bất k ỳ tổn thất nào cao hơn đƣợ c thiết lập trƣớ c ti mức.

* Đo lường thâm hụ t k ỳ vọ ng : đƣa ra mt biện pháp đo lƣờng trên cớ sở xác suất P

và mt mức, thâm hụt k ỳ vọng E là biện pháp đo lƣờ ng rủi ro đƣợc xác định bở i

[6] , | - Nói mt cách đơn giản, [6] biểu thị tổn thất k ỳ vọng phụ thuc vào tổn thất lớn hơn

mức CFaR, hay dòng tiền k ỳ vọng thấp hơn cái mà có thể tiềm năng trải qua. Do đó, khi

so sánh vớ i biện pháp đo lƣờng CFaR trong [5], thâm hụt k ỳ vọng trong [6] cung cấp mt

mt biện pháp đo lƣờ ng rủi ro thận trọng hơn cho cùng mức đ tin cậy.5 Cả hai biện pháp

đo lƣờ ng rủi ro trong [5] và [6] phải cung cấp mt giá trị cho mức đ rủi ro hoặc không

chắc chắn liên quan đến biến ngẫu nhiên dòng tiền X.

4 Artzner et al. (1999) đã đề xuất 4 thuc tính mà mt phƣơng pháp đo lƣờ ng rủi ro nên có: monotonicity (tiêu chuẩntính đơn điệu), translation invariance ( bất biến tịnh tiến), tính đồng nhất và subadditivity. Các biện pháp đo lƣờ ngrủi ro đáp ứng tất cả 4 điều kiện đƣợ c gọi là nhất ( coherent). Khi đáp ứng 3 đặc tính đầu tiên, CFaR vi phm thuctính subadditivity, trái ngƣợ c vớ i sự thâm hụt dự kiến. Xem chi tiết thêm trong phụ lục 1.5 Để có bằng chứng đơn giản của k ết quả này, xem Landsman và Valdez (2003), p.56





N u giả thuyt 0 đượ c chấ p nhn, chúng ti sử d ụng m hình tc độn ngẫu nhin. N u

giả thuy t | đượ c chấ p nhn, chúng ti sử d ụng m hình tc động cố

định.

Dựa trên các kết quả từ Bảng 3.15 và 3.16, mô hình tổng quát đƣợc xác định bở i [1]

đƣợc ƣớc lƣợ ng sử dụng hồi quy OLS cho 2 mô hình gp (Dầu khí và Vật liệu cơ bản),

mt hồi quy GLS cho mô hình các tác đng ngẫu nhiên ( Hàng tiêu dùng) và hồi quy bình

phƣơng bé nhất vớ i biến giả (LSDV) cho 6 mô hình các tác đng cố định.





Bả ng 3.17: Các kế t quả của phân tích hồi quy.

Các hệ số hồi quy đƣợc trình bày trong Bảng 3.17 cung cấp đ lớn đƣợc ƣớc lƣợ ng

của các nhân tố cấp công ty – đƣợc xác định là tổng tài sản, chi tiêu vốn, và thay đổi

trong vốn luân chuyển hot đng – trên dòng tiền từ hot đng. Các ƣớc lƣợng này sau

đó đƣợ c sử dụng nhƣ là đầu vào trong thủ tục mô phỏng Monte Carlo để tính Cash Flow-

at-Risk và Thâm hụt k ỳ vọng.

Vớ i việc không có ngoi lệ trên 9 ngành, dấu hiệu của hệ số TA trong Bảng 3.17 là

khẳng định và có ý nghĩa. Cũng lƣu ý rằng tác đng của TA lên dòng tiền hot đng

dƣờ ng lớ n bằng hay hớn tác đng của các biến khác. Điều này cung cấp các bằng chứng

xa hơn là tổng tài sản là nhân tố chính giải thích sự biến thiên giữa của dòng tiền từ các

hot đng. Tuy nhiên, khá là ngc nhiên, các kết quả của chúng tôi cho thấy (vớ i ngoi

trừ ngành Công nghệ) rằng dòng tiền hot đng bị tác đng phủ định bởi CAPEX. Chúng

ta hy vọng mẫu hình đối lập bởi vì chi tiêu vốn có khả năng to ra tài sản có thể đƣợ c sử

dụng để to ra dòng tiền. Mt lý giải hợp lý là chi tiêu vốn to ra tài sản mà có thể đƣợ c

sử dụng làm tài sản thế chấp và do đó tài trợ dễ dàng hơn (Bates et al, 2009). Kết quả là,

chi tiêu vốn chủ yếu có thể tiêu thụ tiền mặt, điều sẽ là phù hợ p vớ i mt mối quan hệ phủ

định với dòng tiền. Tuy nhiên, cần lƣu ý rằng mối quan hệ phủ định nhƣ vậy đƣợ c quan





sát thấy khi tỷ lệ tiền mặt ( cash-ratio) – đƣợc định nghĩa là tỷ số của tiền mặt và chứng

khoán thị trƣờng trên giá trị sổ sách của tổng tài sản – đƣợ c sử dụng trong các hồi quy,

dẫn đến k ết quả ít phản trực giác hơn các kết quả của chúng tôi. Cuối cùng, nhân tố chính

cuối cùng, DOWC, dƣờng nhƣ không tốt nhƣ mt nhân tố quyết định dòng tiền từ cáchot đng. Lƣu ý rằng khi hệ số liên quan là không có ý nghĩa thống kê ( Viễn thông và

Tiện ích), nó không bao gồm trong tiến trình mô phỏng 5 bƣớc đƣợ c sử dụng để tính

Cash Flow-at-Risk và Expected shortfall.

3.3.3.2 Phân tích rủi ro ngành

Độ đo rủi ro tuyệt đố i:

Dựa trên các kết quả hồi quy, bây giờ chúng ta tính toán Cash Flow-at-Risk và

Expected shortfall cho mỗi ngành căn cứ theo phƣơng trình [5] và [6], tƣơ ng ứng. Bảng

3.18 báo cáo các kết quả ti mức đ tin cậy 99%. Các kết quả cho thấy rằng ba nhóm

riêng biệt có thể đƣợ c tm xác định:

Nhóm thứ nhất bao gồm các ngành rủi ro nhất : Tiện ích, Viễn Thông, và

Oil&Gas, vớ i CFaR ti đ tin cậy 99% trên 700 triệu đôla.

Nhóm thứ 2 bao gồm các ngành vớ i rủi ro thấp nhất : Hàng hóa tiêu dùng, Công

nghệ và Chăm sóc Y tế, với CFaR dƣớ i 100 triệu đôla.

Nhóm cuối cùng hơi khó để giải thích về mức đ rủi ro. Hai ngành ( Vật liệu cơ

bản và Công nghiệp) thể hiện mt CFaR trong dãy từ 400 – 500 triệu USD, và ngành

dịch vụ tiêu dùng biểu thị mt CFaR bằng 162 triệu USD. Do đó, nó có thể không quá

liên quan đến nhóm 3 lĩnh vực này với nhau. Rõ ràng, Vật liệu cơ bản và Công nghiệp

thuc cùng mt loi rủi ro. Tuy nhiên, dƣờng nhƣ không có ý nghĩa là chúng có rủi ro

trung bình, bởi vì chúng gần hơn với nhóm đầu tiên của các ngành rất rủi ro hơn nhómthứ 2. Trƣờ ng hợ p của Dịch vụ tiêu dùng thâm chí còn phức tp hơn. CFaR của nó quá

gần với nhóm các ngành ít rủi ro hơn và cũng quá xa các nhóm ngành rủi ro nhất đƣợ c

xem nhƣ là loi rủi ro trung bình. Thâm hụt k ỳ vọng đƣợc trình bày trong Table 5 chính





xác dẫn đến các kết luận tƣơng tự, vì chúng cung cấp mt đo lƣờ ng rủi ro thận trọng hơn

CFaR đối với cùng mt mức đ tin cậy.

Bả ng 3.18:Cash Flow-at- Risk, ES, và CFaR tương đố i

Bảng trình by cc tnh ton CFaR, ES thng qua phương php m phng MonteCarlo. C ả hai phụ thuộc vo cc nhân tố cấp cng ty : tổng ti sản, chi tiu vốn, v thay

đổ i trong vốn luân chuyể n hoạt động. Trung bình của dòng tiề n hoạt động t ừ Bảng 3.14.

Đồng tiề n : USD ( triệu).

Độ đo rủi ro tương đố i

Nhƣ vậy đến nay, phân tích rủi ro của chúng ta tập trung vào mt biện pháp đo

lƣờ ng rủi ro tuyệt đối mà nó xác định mt mức dòng tiền hot đng mà chúng ta biết xác

suất của mức đó vƣợt quá . VaR và do đó CFaR là 2 ví dụ của các đ đo rủi ro tuyệt đối

nhƣ vậy. Mt cách khác để nghĩ về rủi ro của công ty là để tính toán mt đ đo rủi ro

tƣơng đối từ phân phối của dòng tiền có điều kiện. Biện pháp đo lƣờ ng nhƣ vậy định

lƣợ ng số tiền tối đa mà theo đó dòng tiền hot đng có thể thấp hơn mt điểm chuẩn, đối

vớ i mt mức đ tin cậy mong muốn, do 3 nhân tố cấp công ty cụ thể đƣợ c sử dụng trong

nghiên cứu này.

Để tính toán các đo lƣờng này, mức đ dòng tiền hot đng tƣơng ứng vớ i mt mức

đ tin cậy trừ (-) điểm chuẩn quy định thâm hụt tối đa tiềm năng. Mặc dù phân tích rủi

ro của chúng tôi đƣợ c thực hiện ti ngành không phải cấp đ công ty, loi đo lƣờ ng rủi ro

tƣơng đối này có thể hữu ích vì nó chuyển tải thông tin về khả năng mt k ết quả tƣơng

đối so vớ i mt điểm chuẩn. Trong bối cảnh mt công ty, mt mức điểm chuẩn đối vớ i





dòng tiền từ các hot đng có thể đƣợc ƣớc lƣợ ng bởi mô hình các hot đng cụ thể mà

to ra dòng tiền. Ở đây, chúng ta lấy trung bình của các dòng tiền hot đng cho mỗi

ngành, nhƣ đƣợc trình bày trong Bảng 3.14, làm mức điểm chuẩn.11

Điều quan trọng cần lƣu ý rằng các tính toán của mt Cash Flow-at-Risk tƣơng đối

chỉ hợp lý cho các giá trị điểm chuẩn lớn hơn mức trƣờ ng hợ p xấu nhất của dòng tiền

hot đng đối vớ i mức cụ thể của đ tin cậy. Nếu không, sẽ không có sự thâm hụt tiềm

năng. Các giá trị của VaR từ Bảng 3.18 vƣợt quá giá trị trung bình của dòng tiền hot

đng từ Bảng 3.14 đối với các ngành sau đây : Oil & Gas, Vật liệu cơ bản, Công nghiệp,

và Tiện ích. Do đó, chúng tôi tính toán li CFaR có điều kiện ti mức đ tin cậy 95%.12

Ti đ tin cậy 95%, giá trị CFaR duy nhất vẫn duy trì trên điểm chuẩn của nó (Vật liệu cơ

bản). CFaRs tƣơng đối ti đ tin cậy 95% đƣợ c xuất ra ti ct cuối cùng của Bảng 3.18.

CFaRs tƣơng đối mang li các kết quả hơi khác về phân loi rủi ro khi so sánh vớ i

CFaRs tuyệt đối. Điểm gãy của các nhóm rủi ro là rõ ràng hơn so với trƣớc nhƣng thành

phần của mỗi nhóm khác nhau đáng kể. Viễn thông bây giờ là ngành rủi ro nhất vớ i

CFaR tƣơng đối bằng 755 triệu USD, điều đó phù hợ p vớ i k ết quả trƣớc đó. Sau đó, mt

nhóm 5 ngành có thể đƣợc xác định ( Công nghệ, Oil & Gas, Dịch vụ tiêu dùng, Chăm

sóc sức khỏe, và Tiện ích) , với CFaR tƣơng đối dao đng từ 107 – 188 triệu USD. Nhóm

này tƣơng ứng vớ i loi đƣợ c gọi là rủi ro trunh bình. Trong nhóm này, Oil & Gas và

Tiện ích đƣợ c xếp vào loi rủi ro cao nhất căn cứ theo CFaR tuyệt đối của chúng. Ngƣợ c

li, Công nghệ và Chăm sóc sức khỏe đƣợ c bao gồm trong loi rủi ro thấp nhất. Cuối

cùng, Công nghiệp, hiện nay là ngành rủi ro thấp nhất, gần nhóm rủi ro cao nhất hơn

nhóm rủi ro thấp nhất.

Sự khác nhau nhƣ vậy giữa các kết quả từ CFaR tuyệt đối và tƣơng đối cho thấy

rằng sự lựa chọn mt ngƣỡng điểm chuẩn phù hợp hay dòng tiền hot đng là mt điều

rất quan trọng. Hai phƣơng pháp đo lƣờ ng rủi ro công ty này chuyển tải thông tin liên

11 Theo mt ý nghĩa nào đó, thâm hụt k ỳ vọng có thể đƣợc coi là mt biện pháp đo lƣờ ng rủi ro tƣơng đối vì biếnngẫu nhiên tổn thất X trong [6] sẽ vƣợt quá mt giá trị giớ i hn, thƣờng đƣợ c gọi là điểm vi phân. Do đóchúng tôi tập trung vào mt CFaR tƣơng đối.12 Lƣu ý rằng không có mức đ tin cậy cụ thể nào là “ tốt nhất”. Mức cụ thể đƣợ c sử dụng là mt sự lựa chọn củacông ty, và phần lớ n phụ thuc vào biện pháp đo lƣờ ng rủi ro sẽ đƣợc áp dụng nhƣ thế nào.





CHƢƠNG 4 - TỪ KHỦNG HOẢNG TI CHNH - NHÌN ẠI

VaR, CFaR – V NHỮNG CON “ THIÊN NGA EN”

“Thiên nga đen” ? Đã có thời ai cũng nghĩ đã là thiên nga thì phải là màu trắng cho

đến khi các nhà thám hiểm khám phá ra lục địa Australia, và ti nơi đây – “ Thiên nga

đen” – đã ra đời. Đã bao giờ bn nghe về mt câu chuyện “hoang đƣờng” và bn đã buc

miệng “Đúng là chuyện cổ tích!” chƣa ? Nếu đã nhƣ vậy, hãy thận trọng, biết đâu mt

mai kia bn thức dậy thì câu chuyện cổ tích đó đã trở thành mt “sự thật” rồi đó.

Con ngƣời có thể tính toán chính xác đến từng giây lúc nào có nhật thực, nhƣng

không thể dự báo chính xác ngày mai điều gì sẽ xảy ra. Mọi quy luật kinh tế đều phải

chiếu qua lăng kính tâm lý con ngƣời để rồi biến đổi khôn lƣờng nhƣ chiếc kính vn hoa.Dự báo kinh tế bấy lâu nay còn tƣơng đối chính xác do ngƣời ta cùng chia sẻ mt niềm

tin rằng nếu làm nhƣ thế này sẽ có kết quả nhƣ thế kia. Chẳng hn, nếu h lãi suất, ngƣờ i

dân sẽ vay tiền làm ăn nhiều hơn. Nay bỗng khủng hoảng kinh tế tài chính nổ ra, mọi giá

trị bị đảo ln, niềm tin biến mất, và mọi dự báo hóa ra đều trật lất. Lúc giá dầu thô vọt lên

đỉnh 147 đôla mt thùng, có ai dám nói nó sẽ rớ t xuống dƣớ i mức 50 đôla chỉ trong vòng

bốn tháng ?

Đầu tiên chúng tôi sẽ đi giải thích khái niệm “Thiên nga đen” mà chúng tôi đã đề

cập, sau đó sẽ lý giải sự liên quan của nó đến các đ đo lƣờ ng rủi ro nhƣ VaR hay CFaR,

cuối cùng là bài học rút ra từ cuc khủng hoảng tài chính năm 2007- 2008. Chúng tôi sẽ

mở đầu phần này với…

4.1 Black Swans – ý thuyết “Thiên nga đen”

Cuốn sách “ Black Swans” của Nassim Taleb đƣợc xuất bản vào tháng 5/2007. Tƣ

tƣởng chủ yếu của Taleb, mt giáo sƣ toán tài chính ti trƣờng New York University, cóthể tóm gọn trong mt câu: Tất cả chúng ta đều nhắm mắt làm ngơ trƣớc các biến cố

hiếm hoi và cứ ảo tƣởng mình có thể tiên đoán mọi rủi ro, mọi cơ hi.

Theo Nassim Taleb, “thiên nga đen” là mt biến cố tƣởng chừng nhƣ không thể xảy

ra với ba đặc điểm chính: không thể dự đoán, có tác đng nặng nề và sau khi nó xảy ra,





ngƣời ta dựng lên mt lời giải thích để khiến nó ít ngẫu nhiên hơn, dễ dự đoán hơn so với

bản chất thật của nó. Thành công bất ngờ của Google có thể xem là mt “thiên nga đen”;

sự kiện 11 tháng 9 cũng vậy. Với Nassim Nicholas Taleb, “thiên nga đen” ẩn chứa hầu

nhƣ mọi điều về thế giới này, từ sự trỗi dậy của tôn giáo đến những biến cố trong cucsống của chúng ta.

Taleb tin rằng nhà đầu tƣ thƣờng bỏ qua nguy cơ thị trƣờng biến đng mnh, đặc

biệt trong suốt thời gian dài kinh tế phát triển ổn định. Ông viết: “Chúng ta cứ gán thành

công cho sự tài tình của bản thân còn thất bi là do biến cố ngoi lai, nằm ngoài tầm kiểm

soát”. Taleb cho rằng con ngƣời có xu hƣớng bỏ qua các biến cố lớn với xác suất thấp

bởi “các chuyên gia” thƣờng đƣa ra dự báo dựa vào các mối liên hệ đã đƣợc quan sát

trong quá khứ. Ông chia các hiện tƣợng thành hai loi và đặt tên chúng là Mediocristan

(Bình thƣờng) và Extremistan (Cực đ).

Loi Mediocristan thƣờng có đ ngẫu nhiên thấp nhƣ chiều cao, cân nặng, chỉ số

IQ, thu nhập của giáo viên; còn loi Extremistan có đ ngẫu nhiên cao có sự phân bổ

khác thƣờng không tiên đoán đƣợc nhƣ tài sản, dân số của các thành phố, thiệt hi do

đng đất, giá hàng hóa và chứng khoán.

Ví dụ, lấy mt nhóm 100 ngƣời ngẫu nhiên, thêm vô anh chàng cầu thủ bóng rổ YaoMing cao kều, chỉ số chiều cao bình quân của nhóm sẽ tăng chút ít nhƣng không đáng kể.

Cũng nhóm 100 ngƣời này, bổ sung thêm tỷ phú Bill Gates thì bỗng nhiên, tài sản bình

quân của nhóm sẽ tăng đt ngt. Nhƣ vậy chiều cao của Yao Ming là loi Mediocristan

còn tài sản của Bill Gates thuc loi Extremistan.

Tiến b xã hi, nhất là do khoa học kỹ thuật, đã làm loi Extremistan xuất hiện

nhiều hơn và liên quan đến con ngƣời nhiều hơn. Ví dụ, trƣớc khi có công nghệ thu âm,

thu nhập của ca sĩ đƣợc phân bổ đều hơn bây giờ. Taleb tin rằng b não con ngƣời phù

hợp với mt thế giới đơn giản hơn là thế giới phức tp nhƣ ngày nay. Con ngƣời vẫn có

xu hƣớng thấy, tin và nhớ lâu những dữ kiện củng cố suy nghĩ của chúng ta, những sự

kiện phù hợp với dự phóng của con ngƣời về tƣơng lai.





4.2 Nhữ ng sai lầm khi sử dụng VaR, CFaR nhƣ mt công cụ phòng ngừ a rủi ro

VaR và CFaR về bản chất là không khác nhau. Chỉ là khác nhau trong cách tiếp cận

và biến phụ thuc khi xem xét ( nhƣ đã phân tích ở phần trên). Còn cách hiểu về giá trị

VaR, CFaR vớ i mt mức tin cậy là tƣơng tự nhau. Chính vì lý do đó, từ phần này chúngtôi sẽ sử dụng thuật ngữ VaR đi diện cho đo lƣờng giá trị có rủi ro (aR – at Risk) để

phân tích.

Ti sao nhờ sử dụng VaR - Goldman Sachs đã gần nhƣ tránh đƣợ c ảnh hƣở ng của

cuc khủng hoảng tín dụng dƣớ i chuẩn năm 2007, trong khi đó cũng vớ i VaR - Lehman

Brothers đã phải ra đi ? Tóm li VaR là gì và nó có nguy hiểm nhƣ thế nào nếu không

hiểu và sử dụng đúng chức năng của nó ?

Có thể hình dung : Nếu xác suất cổ phiếu của công ty X có thể mất tối đa $10 trong

mt ngày là 99% thì có thể nói cổ phiếu đó có “daily VaR 99%” là $10. Ở đây chúng tôi

sẽ không đi sâu vào kỹ thuật tính VaR. Sau đây chúng tôi sẽ trình bày 2 loi sai lầm chính

khi sử dụng VaR nhƣ mt công cụ phòng ngừa rủi ro: Xác định VaR sai và dùng VaR sai

mục đích.

4.2.1 Xác đị nh VaR sai :

Có hai nguyên nhân phổ biến dẫn đến xác định sai VaR:

Thứ nhất là dùng sai mô hình mà phổ biến nhất là dùng phân phối chuẩn

(Gaussian) cho các công cụ tài chính. Dùng phân phối chuẩn đơn giản hóa rất nhiều quá

trình tính toán nhƣng sẽ đánh giá không đúng mức VaR vì vấn đề “đuôi phẳng”, nghĩa là

phân phối của tất cả các công cụ tài chính đều bị “leptokurtic” (lồi mảnh, nhọn vƣợt

chuẩn - có nhiều “return” lớn ở đuôi hơn bình thƣờng). 13

Hình 4.1 – Phân phố i Mesokurtic, leptokurtic and platykurtic

13 Xem thêm Phụ lục 2





Sai lầm thứ hai là dùng dữ liệu lịch sử không phù hợp, hoặc quá ngắn hoặc bỏ

mất những giai đon quan trọng. Việc sử dụng dữ liệu lịch sử để ƣớc lƣợng VaR còn bị

phê phán là không phù hợp vì lịch sử không phải lúc nào cũng phản ánh đƣợc tƣơng lai,

nhất là đối với những “uncertainty” liên quan đến hành vi con ngƣời. Nassim Taleb cho

rằng số liệu trong quá khứ không bao giờ phản ánh đƣợc những sự kiện kiểu nhƣ “black

swan” sẽ xảy ra trong tƣơng lai.

4.2.2 Dùng VaR sai mục đích:

Taleb cho rằng cái mà nhà đầu tƣ cần quan tâm là những “black swan” có thể xuất

hiện trong cái đuôi 1% còn li chứ không phải những gì diễn ra trong 99% của VaR.

Nghĩa là VaR 99% bằng $10 chỉ cho biết có 1% rủi ro cổ phiếu X sẽ mất giá tổi thiểu là

$10 chứ nó không cho biết tối đa, hoặc thậm chí trung bình sẽ lỗ bao nhiêu với cùng xác

suất. Tuy nhiên hầu hết các chuyên gia về rủi ro không đồng ý với Taleb. Họ cho rằng

đúng là VaR không cho biết số lỗ tối đa trong 1% còn li nhƣng mục đích của VaR là

99% kia. Nghĩa là nhà đầu tƣ cần phải biết những gì sẽ xảy ra trong 99% thời gian mà họđầu tƣ số tiền của họ. Ít nhất, nếu đ chính xác của VaR không cao, vì những lý do ở trên,

thì nhà đầu tƣ cũng có thể so sánh VaR giữa hai tài sản hay hai danh mục có cùng các đặc

điểm khác để ra quyết định đầu tƣ. Ngoài ra so sánh VaR ở các thời điểm khác nhau cũng





giúp nhà đầu tƣ biết đƣợc chiều hƣớng rủi ro của thị trƣờng. Đây chính là điều đã giúp

Goldman Sachs tránh đƣợc nhiều tác đng từ khủng hoảng tín dụng dƣới chuẩn.

Tuy nhiên việc VaR bị sử dụng sai phần nhiều nằm ở chỗ các CEO, CFO cố tình lợi

dụng “kẽ hở” của việc “black swan” nằm trong 1% còn li để che dấu rủi ro trong danh

mục của mình. Đây là hậu quả của việc mt số công ty dùng VaR làm công cụ để tính

toán phần thƣởng cho các CEO/CFO. Khi phần thƣởng của những ngƣời này phụ thuc

vào VaR của danh mục mà họ quản lý họ sẽ có xu hƣớng xây dựng những danh mục có

VaR thấp (thông qua mô hình sai hoặc dữ liệu lc hậu) nhƣng li có “rủi ro đuôi” rất cao.

Mt ví dụ rất rõ là UBS khi tính rủi ro theo VaR thì là mt trong những ngân hàng có

vốn/tổng tài sản điều chỉnh theo VaR (capital /VaR-adjusted assets) cao nhất, nhƣng trên

thực tế nếu chỉ đơn giản tính tỷ số đòn bẩy –vốn/tổng tài sản (capital/assets) thì UBS li

có mức đòn bẩy thuc hàng cao nhât thế giới.

Tóm lại bản thân VaR là mt công cụ rất tốt giúp phòng chống rủi ro. Tuy nhiên

cách thức tính toán và sử dụng nó là khác biệt giữa Goldman và Lehman. Không hiểu

và/hoặc dùng VaR không đúng cách thậm chí còn tai hi hơn cả những biện pháp phòng

ngƣời rủi ro sơ đẳng vì nó sẽ to ra cảm giác an toàn giả to dẫn đến chủ quan quá mức.

4.3 đo rủi ro tuyệt đối – VaR, CFaR – và “ Thiên Nga en”

Trong cuốn “Thiên nga en” Nassim Taleb cho rằng các sự kiện có xác suất

xảy ra rất nhỏ (biến cố hiếm hoi) nhƣng mức đ tàn phá rất lớn (Extremistan) chính

là nguyên nhân gây ra cuc khủng hoảng tài chính nặng nề hiện nay.

Vì sao chúng ta li để nó xảy ra? Đúng nhƣ sách đã nhận định, vì “tất cả chúng ta

đều nhắm mắt làm ngơ trƣớc các biến cố hiếm hoi và cứ ảo tƣởng mình có thể tiên đoán

mọi rủi ro, mọi cơ hi”.

Rủi ro đƣợc hiểu nhƣ là đ bất định của giá. Để quản lý tốt hơn rủi ro (và qua đó là

lợi nhuận), các công cụ đo lƣờng định lƣợng rủi ro đƣợc phát triển mnh mẽ từ những

năm 1990. Thay vì ƣớc lƣợng đ bất định của giá mt cách định tính, ví dụ cần dự phòng

8% giá trị thị trƣờng cho mt danh mục cổ phiếu, ngƣời ta muốn tính ra mt con số cụ thể





hiệu. Nhƣng nếu chỉ cần mt lần lỗ 1 tỉ đô la trong cả năm, VaR vẫn đúng, và bn phá

sản” – Taleb nói.

Đó chính là những biến cố hiếm hoi mà chúng ta thƣờng lờ đi, coi rằng việc đƣợc

đảm bảo đến 99% thời gian là đủ. VaR chỉ tiếp cận các biến cố lớn trên phƣơng diện tần số xuất hiện (nhỏ hơn 1%) chứ không phải trên phƣơng diện độ lớn của nó.

Hơn nữa, VaR thông thƣờng đƣợc tính toán trên các dữ liệu lịch sử hn chế, thƣờng

là 2-3 năm, khi mà các biến cố lớn không xảy ra. Và VaR đƣợc dùng để tiên đoán rủi ro

cho khoảng thời gian ngắn đến ngc nhiên, 1 ngày hoặc nhiều hơn là 10 ngày, đó là mt

cái nhìn rất ngắn hn.

Đúng nhƣ Taleb viết, “tất cả chúng ta đều nhắm mắt làm ngơ trƣớc các biến cốhiếm hoi và cứ ảo tƣởng mình có thể tiên đoán mọi rủi ro, mọi cơ hi” và “các ngân hàng

đã không thể chịu đựng nổi sự tàn phá tƣ bản của các biến cố này, dẫn đến khủng hoảng

thanh khoản và phá sản”. Và không thể đổ lỗi cho các công thức, bởi VaR vẫn luôn đƣợc

tính đúng. Sai lầm ở chỗ ngƣời sử dụng các công thức đó không hiểu hết công dụng của

nó, nhất là không hiểu những trƣờng hợp nào nó không còn công dụng.

Khi loi người pht hiện ra thin nga đen thì mọi lý thuyt về thin nga đảo lộn. Lỗi

khng phải do những con thin nga đen hay trắng m lỗi do con người đã quy lut hóa

những quan st trong qu khứ v nghĩ rằng tương lai sẽ lặp lại giống như vy. “Sai lầm

ở đây đúng hơn l sai lầm trong quản lý” – theo Taleb.

Tuy vậy, không phải VaR không có tác dụng mà thậm chí là mt công cụ hữu hiệu,

nhưng không hoàn hảo. Nó phát huy tác dụng trong phần lớn các trƣờng hợp nhƣng khi

sự không hoàn hảo diễn ra, cả thế giới đã chao đảo. VaR vẫn sẽ đƣợc tiếp tục sử dụng và

phát huy tác dụng nếu đƣợc sử dụng đúng cách trong khi chờ đợi bổ sung những công cụ

mới.

4.4 Bài học từ khủng hoảng tài chính toàn cầu 2007 – 2008

Bài học lớn của chúng ta là cần ý thức đƣợc sự tồn ti của những rủi ro trong tƣơng

lai có thể lớn chƣa từng có trong quá khứ. Việc tiếp cận, đo lƣờng và định lƣợng hóa nó





là mt điều khó khăn cần phải nghiên cứu thêm. Trong khi chờ đợi chúng ta cần theo dõi

sát sao mọi danh mục kinh doanh, thiết lập những hn mức thận trọng và cần phải hiểu

rõ, làm chủ những công cụ mà chúng ta đang sử dụng, nhất là hiểu những hn chế của nó.

Trong bối cảnh các định chế tài chính cũng nhƣ các công ty phi tài chính của Việt Nam chƣa triển khai hoặc chƣa triển khai nhiều các công cụ tài chính định lƣợng trong đo

lƣờng rủi ro, đây là mt sự cảnh báo hữu ích trong việc tiếp cận và triển khai các công cụ

này.

Và hãy luôn nhớ rằng - Khi nói về tƣơng lai

“ Điều chắc chắn nhất là không có gì là chắc chắn”





PHỤ LỤC 1 :

RỦI RO TỔNG HỢP: O RỦI RO NHẤT QUÁN

Chƣơng 6 của sách McNeil/Frey/Embrechts về quản trị rủi ro

Rủi ro tổng hợp (aggregate risk) đƣợc hiểu ở đây là rủi ro của mt danh mục (tài

sản và các khoản nợ), ở đây gọi là danh mục, tổng hợp li từ các rủi ro của các thành

phần của danh mục đó. Ví dụ nhƣ mt công ty (có các tài sản và khoản nợ), mt ngân

hàng, hay mt ngƣời đầu tƣ (giữ nhiều loi chứng khoán khác nhau, và có thể vay tiền

của công ty chứng khoán).

Đối với ngƣời quản trị rủi ro, nếu nhƣ rủi ro của danh mục mà lớn (có thể thua lỗ

nhiều trong các tình huống xấu), thì đòi hỏi equity của danh mục cũng phải lớn tƣơng

ứng, lớn hơn mt mức tối thiểu bắt buc nào đó. Có thể hình dung là mức tối thiểu đó là

“risk money” mà ngƣời giữ danh mục cần bỏ vào danh mục để làm đảm bảo, vì nếu

equity của danh mục ở dƣới mức đó thì dễ có nguy cơ phá sản và gây thiệt hi đến các

đối tác. Ví dụ, đối với ngân hàng thì có mức dự trữ bắt buc, đối với tài khoản đầu tƣ

chứng khoán ký gửi ở công ty chứng khoán mà đƣợc phép vay và short sale thì có mức

“margin requirement”.

Tuy mỗi nơi có mt cách tính khác nhau cho mức equity thấp nhất chấp nhận đƣợc

(ứng với mỗi rổ tài sản), nhƣng nói chung cách tính nào cũng phải thỏa mãn mt số tính

chất nhất quán. Từ đó nảy sinh khái niệm đ đo rủi ro nhất quán ( coherent risk

measure). Khái niệm này đƣợc định nghĩa hình thức toán học trong bài báo sau, vào năm

1999:

Artzner, Philippe; Delbaen, Freddy; Eber, Jean-Marc; Heath, David (1999).

“Coherent Measures of Risk” (pdf). Mathematical Finance 9 (3): 203 – 228.

http://www.math.ethz.ch/~delbaen/ftp/preprints/CoherentMF.pdf .

Ý tưởng về độ đo rủi ro nhất quán như sau:

http://www.math.ethz.ch/~delbaen/ftp/preprints/CoherentMF.pdf










Giả sử ta có mt danh mục gồm mt rổ các tài sản có rủi ro và nợ. Nhƣ vậy danh

mục có khả năng bị thua lỗ vào mt thời điểm tƣơng lai nào đó. Ta sẽ thiết lập mt biến

ngẫu nhiên (trên mt mô hình không gian xác suất các tình huống có thể xảy

ra) cho mức lỗ của danh mục (qui ƣớc ở đây là khi lỗ thì giá trị của là số dƣơng, còn khilãi thì nó là số âm, tức là là âm của biến lãi).

Với mỗi biến ngẫu nhiên dng “đ lỗ của 1 tài khoản trong các tình huống” nhƣ

trên, ta muốn xác định đƣợc mt số nào đó, là equity tối thiểu chấp nhận đƣợc của

danh mục. Nếu với mỗi ta xác định đƣợc trên mt tập hợp các biến ngẫu nhiên

dng “đ lỗ của mt danh mục”, thì tức là ta có mt hàm số trên tập hợp đó. Nếu nhƣ

equity của danh mục mà vƣợt quá , thì có thể hiểu nhƣ là tài khoản đang “thừa

margin” và có thể rút bớt mt phần tiền ra khỏi danh mục vẫn chấp nhận đƣợc. Còn nếu

equity thấp hơn thì danh mục không chấp nhận đƣợc, và sẽ bị ngƣời kiểm soát rủi ro

yêu cầu rót thêm tiền vào hoặc bán bớt tài sản trong danh mục đi cho đến khi đt yêu cầu.

Ngƣời ta giả sử là mt tập hình nón lồi (tức là nếu và thuc và là hai

số dƣơng thì cũng thuc , vì ta hình dung là có thể to mt danh mục mà

biến “đ lỗ” của nó chính bằng ). Mt hàm nhƣ trên đƣợc gọi là

mt đ đo rủi ro nhất quán (coherent risk measure) nếu nó thỏa mãn 4 tiên đề sau:

Tiên đề 1. (Translation invariance). Nếu là mt hằng số thì

Ý nghĩa của tiên đề này khá hiển nhiên: nếu biết chắc chắn sẽ bị lỗ thêm mt khoản

nữa, thì phải bỏ thêm mt lƣợng tiền vào tài khoản để bù li. (Ở đây lãi suất bị bỏ qua

?!)

Tiên đề . (Subadditivity). Với tùy ý ta có





Nhắc li định nghĩa của expected shortfall: Expected shortfall, với đ tin tƣởng , là

kỳ vọng có điều kiện về đ lỗ, điều kiện ở đây là tình huống xảy ra nằm trong các

tình huống xấu nhất (tức là đ lỗ trung bình trong số các tình huống xấu nhất). Công

thức toán học là:

Dễ thấy expected shortfall thỏa mãn tiên đề về subadditivity. (Chữ có nghĩa là giá

trị kỳ vọng).





PHỤ LỤC 2

SKEW V KURTOSIS

lệch & nhọn

L hai cch đnh gi mức độ r ủi ro của một danh mục đầu tư portfolio.

1. Skew?

Skew đo mức rủi ro bằng cách tìm ra các phần tử "observations" trong tập nghiên cứu có

giá trị ở xa giá trị trung bình hơn. Nghĩa là đánh giá mức đ phân tán của các phần tử cá

biệt so với khuynh hƣớ ng của phân phối trung tâm.

Mt portfolio càng cho negative skew thì càng rủi ro <<< mt portfolio có negative skewkhi mean < meadian < mode

Khi nói skew ngƣời ta hay liên tƣở ng tới hình vẽ mô tả phân phối xác suất, khi các phần

tử gây rủi ro hơn càng nhiều (hay nói cách khác, khi mean<median<mode) thì các mode

càng "pull" sang bên phải và làm kéo dài cái đuôi bên trái hình vẽ khiến nó có dng

"flatter tail", đuôi phẳng. Đuôi phẳng bên trái đồng nghĩa với đ rủi ro cao.

Giá trị skew có 3 giá trị:





* Positive skew xảy ra khi mode<median<mean và đuôi phải phẳng thoải hơn

* Negative skew xảy ra khi mean<median<mode và đuôi trái phẳng thoải hơn

* Zero skew xảy ra khi mean=mode=median nằm trên mt trục và 2 cái đuôi đối xứng

nhau, gọi là phân phối chuẩn đều "symmetric"

2. Kurtosis?

Kurtosis cũng để đo rủi ro nhƣng đo bằng cách so sánh với đ lệch chuẩn "standard

deviation" trong mt phân phối xác suất chuẩn "normal distribution" chứ không so sánh

với giá trị trung bình. Điều quan trọng phải nhớ khi đánh giá mức rủi ro dựa vào kurtosis

đó là NÓ PHẢI ĐƢỢC SO SÁNH VỚI MT PHÂN PHỐI XÁC SUẤT CHUẨN

"normal distribution"

Kurtosis của "normal distribution" luôn bằng 3, bởi ngƣời ta đã chứng minh bằng phép

toán thống kê xác suất là nó luôn bằng 3.

Để đánh giá rủi ro ngƣờ i ta phải so sánh "excess kurtosis" vớ i kurtosis chuẩn (trong

đó ngầm qui định kurtosis chuẩn có giá trị luôn luôn bằng 3). Công thức tính "excess

kurtosis" nhƣ sau:

Excess kurtosis = sample kurtosis - 3 {A}

Leptokurtic là trng thái "positive excess kurtosis", nghĩa là khi "excess kurtosis" trong

công thức {A} cho giá trị lớn hơn 0

Platykurtic là trng thái "negative excess kurtosis", nghĩa là khi "excess kurtosis" trong

công thức {A} cho giá trị nhỏ hơn 0.

Vậy cả "leptokurtic" và "platykurtic" đều là "excess kurtosis" (có lẽ lên gọi là "kurtosis

lệch" bởi chúng ta chẳng biết nó lệch tăng hay lệch giảm).

Kurtosis nhƣ thế nào thì đƣợc coi là rủi ro? Càng "lép" thì càng rủi ro. Nghĩa là:

Nếu có "leptokurtic" và "Platykurtic" thì dĩ nhiên "leptokurtic" sẽ rủi ro hơn "platykurtic"

Nếu có 2 cái "leptokurtic" thì cái nào "lép hơn" sẽ rủi ro hơn.

Nếu có cả skew vào nữa thì cứ cái nào cho skew âm và "lép nhiều" thì càng rủi ro.




TI IỆU THAM KHẢO

1. PGS.TS Phan Thị Bích Nguyệt 2006, Gio trình Đầu Tư Ti Chnh trường Đại

học Kinh T TP.HCM , Nhà xuất bản Thống Kê.

2. . PGS.TS Trần Ngọc Thơ, Th.S Vũ Việt Quảng 2007, Gio trình Lp m hình ti

chnh trường Đại học Kinh T TP.HCM, Nhà xuất bản Lao Đng – Xã hi.

3. PGS.TS Trần Ngọc Thơ 2005, Gio trình Ti Chnh Doanh Nghiệp trường Đại

học Kinh T TP.HCM , Nhà xuất bản Thống Kê.

4. GS.TS Trần Ngọc Thơ, TS. Nguyễn Ngọc Định 2010, Gio trình Ti chnh

Quố c t , Nhà xuất bản Thống k ê

5. PGS.TS Nguyễn Thị Ngọc Trang 2010, Gio trình Quản tr ị r ủi ro t i chnh, Nhà

xuất bản Thống k ê

6. Yen-chen Chiu, Industry Concentration And Cash Flow At Risk.

7. Martin Gustafssem, Caroline Ludberd 2009, An Empirical Evaluation Of Value

At Risk.

8. Tonny Carton, Risk And Capital Management In Non-financial Companies.

9. Jeremy C.Stein, Stephen E. Usher, Daniel LaGattuta, and Jeff Youngen 2001, A

Comparables Approach To Measuring Cashflow-At-Risk For Non-Financial

Firms, - National Economic Research Associates, Inc,

10 Hsia Hua Sheng Cristiane Karcher and Paulo Hubert Jr 2009 An Alternative

qtrr- Đo lƯỜng rrtc nỘi sinh cỦa cty phi tc - tc6

Documents