Dự báo giá trị chịu rủi ro và thua lỗ dự kiến tại thị trường chứng khoán Việt Nam với phân phối xác suất biến thiên theo thời gian
DOI:
https://doi.org/10.24311/jabes/2023.34.3.7Từ khóa:
Giá trị chịu rủi ro, Giá trị thua lỗ dự kiến, Dự báo, Phân phối xác suấtTóm tắt
Bài nghiên cứu này đánh giá về vai trò của ghi nhận biến thiên theo thời gian đối với các mômen bậc cao trong phân phối xác suất có điều kiện của tỷ lệ sinh lời đối với thị trường chứng khoán Việt Nam. Cụ thể, tác giả đánh giá khả năng dự báo giá trị chịu rủi ro (Value at Risk – VaR) và giá trị thua lỗ dự kiến (Expected Shortfall – ES) cho VN-Index và HNX-Index tại hai mốc phân vị phổ biến là 1% và 5% với các giả định khác nhau về phân phối xác suất trong mô hình GARCH. Kết quả thực nghiệm cho thấy mô hình GJR-ACD với giả định các mômen bậc cao của phân phối xác suất có điều kiện biến thiên theo thời gian cho kết quả dự báo tốt nhất đối với cả VaR và ES. Nghiên cứu này cho thấy sự quan trọng của việc ghi nhận tính không chuẩn và biến thiên theo thời gian phân phối xác suất có điều kiện của tỷ lệ sinh lời, từ đó giúp đề xuất mô hình đo lường rủi ro phù hợp cho các tổ chức tài chính và nhà đầu tư trên thị trường chứng khoán Việt Nam.
Tài liệu tham khảo
Bali, T. G., & Theodossiou, P. (2008). Risk measurement performance of alternative distribution functions. Journal of Risk and Insurance, 75(2), 411–437.
Basel Committe on Banking Supervision (2019). Minimum capital requirements for market risk. Retrieved from https://www.bis.org/bcbs/publ/d457.htm
BenSaïda, A., & Slim, S. (2016). Highly flexible distributions to fit multiple frequency financial returns. Physica A: Statistical Mechanics and its Applications, 442, 203–213.
Berkowitz, J., Christoffersen, P., & Pelletier, D. (2011). Evaluating value-at-risk models with desk-level data. Management Science, 57(12), 2213–2227.
Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81(3), 637–654.
Bollerslev, T. (1987). A conditionally heteroskedastic time series model for speculative prices and rates of return. The Review of Economics and Statistics, 69(3), 542–547.
Cont, R. (2001). Empirical properties of asset returns: Stylized facts and statistical
issues. Quantitative Finance, 1(2), 223–236.
Dittmar, R. F. (2002). Nonlinear pricing Kernels, Kurtosis preference, and evidence from the cross-section of equity returns. The Journal of Finance, 57(1), 369–403.
Engle, R. F., & Manganelli, S. (2004). CAViaR: Conditional autoregressive value at risk by regression quantiles. Journal of Business & Economic Statistics, 22(4), 367–381.
Fissler, T., Ziegel, J. F., & Gneiting, T. (2015). Expected shortfall is jointly elicitable with value at risk – Implications for backtesting. Retrieved from https://arxiv.org/pdf/1507.00244.pdf
Gabrielsen, A., Kirchner, A., Liu, Z., & Zagaglia, P. (2015). Forecasting value-at-risk with time-varying variance, skewness and kurtosis in an exponential weighted moving average framework. Annals of Financial Economics, 10(01), 1550005.
Ghysels, E., Plazzi, A., & Valkanov, R. (2016). Why invest in emerging markets? The role of conditional return asymmetry. The Journal of Finance, 71(5), 2145–2192.
Giacomini, R., & Komunjer, I. (2005). Evaluation and combination of conditional quantile forecasts. Journal of Business & Economic Statistics, 23(4), 416–431.
Gneiting, T. (2011). Making and evaluating point forecasts. Journal of the American Statistical Association, 106(494), 746–762.
Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The Journal of Finance, 48(5),
1779–1801.
Gu, Z., & Ibragimov, R. (2018). The “Cubic law of the stock returns" in emerging markets. Journal of Empirical Finance, 46, 182–190.
Hadhri, S., & Ftiti, Z. (2019). Asset allocation and investment opportunities in emerging stock markets: Evidence from return asymmetry-based analysis, Journal of International Money and Finance, 93, 187–200.
Hansen, B. E. (1994). Autoregressive conditional density estimation. International Economic Review, 35(3), 705–730.
Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497.
He, X., & Hamori, S. (2021). Is volatility spillover enough for investor decisions? A new viewpoint from higher moments. Journal of International Money and Finance, 116, 102412.
Jondeau, E., & Rockinger, M. (2003). Conditional volatility, skewness, and kurtosis: Existence, persistence, and comovements. Journal of Economic Dynamics and Control, 27(10), 1699–1737.
Kostika, E., & Markellos, R. N. (2013). Optimal hedge ratio estimation and effectiveness using ARCD. Journal of Forecasting, 32(1), 41–50.
Kupiec, P. H. (1995). Techniques for verifying the accuracy of risk measurement models. The Journal of Derivatives, 3(2), 73–84.
Kuester, K., Mittnik, S., & Paolella, M. S. (2006). Value-at-risk prediction: A comparison of alternative strategies. Journal of Financial Econometrics, 4(1), 53–89.
Le, T. H. (2021). International portfolio allocation: The role of conditional higher moments. International Review of Economics & Finance, 74, 33–57.
Lê Hải Trung, & Nguyễn Thị Mai Trang. (2020). Các phương pháp đo lường giá trị chịu rủi ro: Ứng dụng cho Việt Nam. Tạp chí Khoa học và Đào tạo Ngân hàng, 221, 50–58.
Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91.
McNeil, A. J., & Frey, R. (2000). Estimation of tail-related risk measures for heteroscedastic financial time series: An extreme value approach. Journal of Empirical Finance, 7(3–4), 271–300.
Ngân hàng Nhà nước Việt Nam. (2016). Thông tư số 41/2016/TT-NHNN của Ngân hàng Nhà nước Việt Nam: Quy định về tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng nước ngoài, ban hành ngày 30/12/2016. Truy cập từ https://vanban.chinhphu.vn/default.aspx?pageid=27160&docid=188256
Nieto, M. R., & Ruiz, E. (2016). Frontiers in VaR forecasting và backtesting. International Journal of Forecasting, 32(2), 475–501.
Patton, A. J., Ziegel, J. F., & Chen, R. (2019). Dynamic semiparametric models for expected shortfall (and value-at-risk). Journal of Econometrics, 211(2), 388–413.
Slim, S., Koubaa, Y., & BenSaida, A. (2017). Value-at-Risk under Lévy GARCH models: Evidence from global stock markets. Journal of International Financial Markets, Institutions and Money, 46, 30–53.
Theodossiou, P. (2015). Skewed generalized error distribution of financial assets and option pricing. Multinational Finance Journal, 19(4), 223–266.
Wilhelmsson, A. (2009). Value at risk with time varying variance, skewness and kurtosis – The NIG‐ACD model. The Econometrics Journal, 12(1), 82–104.
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Bản quyền (c) {copyrightHolder}
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công-Phi thương mại 4.0 Quốc tế.
