Đề tài Ứng dụng mô hình Barra cho thị trường chứng khoán Việt Nam

iữa các công ty trong việc phân tích danh mục. Chúng cung cấp thông tin so sánh đã đựơc nghiên cứu về các nguồn của rủi ro một cách dễ dàng. Giá trị tuyệt đối của chỉ số càng cao thì sự ảnh hưởng đối với toàn bộ rủi ro danh mục của nhân tố càng lớn. Dưới đây là những chỉ số rủi ro mà chúng ta cần tìm hiểu: 1. Quy mô: chỉ số này giúp đánh giá công ty dựa trên sự vốn hoá thị trường để phân biệt sự khác nhau giữa những công ty lớn và công ty nhỏ. Chỉ số rủi ro này là một yếu tố điển hình về tình hình qua các năm và cũng chính là một nguồn quan trọng về rủi ro. 2. Đà phát triển (Thành công): sẽ xác định những CK tốt nhất gần đây thông qua những biểu hiện về giá thị trường được đánh giá bởi cường độ tương đối. Cường độ tương đối của một CK quan trọng trong việc giải thích độ biến động của nó. 3. Giá trị: đánh giá mức độ mà một CK được định giá thấp hơn so với thị trường, điều này liên quan đến chỉ tiêu cơ bản nhưng cụ thể như cổ tức,dòng tiền, giá trị sổ sách… 4. Sự biến động của thị trường: dự báo độ biến động của một công ty, trừ thị trường, dựa trên những ứng xử của nó trong quá khứ. Các thị trường nội địa Khi đánh giá những DM quốc tế, một nhà quản lý phải xem xét những tác động của các ngành và thị trường nội địa. Trong Mô hình vốn toàn cầu, những tác động của thị trường nội địa giải thích rủi ro của DM nhiều hơn là các phân loại ngành. Với một loạt các thị trường nội địa được trình bày vào tháng 3 năm 1998, gồm bảng 4-1 (GEM-MSCI) và bảng 4-2 (GEM-FT). Bảng 4-1: ARG Argentina KOR Korea AUS Australia MAL Malaysia AUT Austria MEX Mexico BEL Belgium NET Netherlands BRA Brazil NZE New Zealand CAN Canada NOR Norway CHI Chile PAR Pakistan CHN China PER Peru COL Colombia PHI Philippines CZE Czech Republic POL Poland DEN Denmark POR Portugal FIN Finland RUS Russia FRA France SIN Singapore GER Germany SAF South Africa GRE Greece SPA Spain HKG Hong Kong SRI Sri Lanca HUN Hungary SWE Sweden IND India SWI Switzerland IDN Indonesia TAI Taiwan IRE Ireland THA Thailanf ISR Israel TUR Turkey ITA Italy UKI United Kingdor JPN Japan USA United States JOR Jordan VEN Venezuela Bảng 4-2: ARG Argentina MAL Malaysia AUS Australia MEX Mexico AUT Austria MOR Morocco BEL Belgium NET Netherlands BRA Brazil NZE New Zealand CAN Canada NIG Nigeria CHI Chile NOR Norway CHN China PAK Pakistan COL Colombia PER Peru CZE Czech Republic PHI Philippines DEN Denmark POL Poland EGY Egypt POR Portugal FIN Finland RUS Russia FRA France SIN Singapore GER Germany SLV Slovakia GRE Greece SAF South Africa HKG Hong Kong SPA Spain HUN Hungary SRI Sri Lanka IND India SWE Sweden IDN Indonesia SWI Switzerland IRE Ireland TAI Taiwan ISR Israel THA Thailand ITA Italy TUR Turkey JPN Japan UKI United Kingdor JOR Jordan USA United States KOR Korea VEN Venezuela Bằng việc phân tích theo từng vùng, GEM cũng cho phép người sử dụng nhóm các quốc gia thành những quốc gia tùy thích. Trong GEM-MSIC, các quốc gia mà BARRA đã chọn mặc định là: Americas, Europe, Europe/Australia/Far East, Far East, Mideast / Africa, and Pacific Rim. Trong GEM-FT, các quốc gia BARRA đã mặc định chọn là: Asia, Europe, Latin America, North America, and Pacific Basin. Những quốc gia được chọn mặc định này được sử dụng trong việc trình bày mô hình của BARRA và cũng được dùng cho quá trình phân tích rủi ro. Các ngành Việc phân loại ngành là một nguồn quan trọng của những tính toán và rủi ro nhân tố chung cho một loạt những sự tương tự được quan sát theo phản ứng của các CK. Có 38 ngành trong GEM-MSCI (xem bảng 4-3). Những phân loại này dựa trên những phân loại ngành Morgan Stanley. Bảng 4-3: Những phân loại ngành trong GEM-MSCI 1 Năng lượng 20 Thực phẩm và sản phẩm gia dụng 2 Cung cấp gas và điện 21 Y tế và chăm sóc sức khỏe 3 Nguyên vật liệu xây dựng 22 Tái tạo 4 Hóa phẩm 23 Công nghệ thêu và dệt may Có 36 ngành trong GEM-FT (xem Bảng 4-4). Những phân loại ngành này được dựa trên những phân loại của Financial Times. Bảng 4-4: Những phân loại ngành trong GEM-FT 5 Công nghệ giấy 24 Truyền thông và in ấn 6 Khai thác kim loại không chứa sắt 25 Kinh doanh và dịch vụ công cộng 7 Khai thác kim loại thép 26 Giải khuây và du lịch 8 Khai thác quặng 27 Cửa hàng bách hóa 9 Không gian và quân đội 28 Điện thoại 10 Xây dựng và nhà cửa 29 Hàng không 11 Tái xuất dữ liệu 30 Vận chuyển-Đường sắt và đường bộ 12 Điện và các ngành thuộc về điện 31 Vận chuyển-Đường biển và đường sông 13 Thiết bị điện nặng 32 Bán lẻ và thương mại quốc tế 14 Thiết bị và dịch vụ năng lượng 33 Ngân hàng 15 Công nghiệp phụ tùng 34 Dịch vụ tài chính 16 Máy móc và công nghệ 35 Bảo hiểm 17 Dụng cụ và thiết bị nhà cửa 36 Bất động sản 18 Xe hơi 37 Các ngành công nghiệp khác 19 Đồ uống và thuốc lá 38 Khai thác than 1 Thương mại và ngân hàng khác 19 Các dịch vụ kinh doanh và phần mềm hoặc dịch vụ máy tính 2 Tổ chức và dịch vụ tài chính 20 Bán lẻ 3 Bảo hiểm-Nhân thọ và đại lý/môi giới 21 Bán sỉ 4 Bảo hiểm-Tài sản & tai nạn 22 Hàng tiêu dùng 5 Bất động sản 23 Không gian / Bảo vệ 6 Công ty nắm giữ việc đa dạng hóa 24 Máy tính / Điện thoại và thiết bị văn phòng 7 Dầu mỏ 25 Thiết bị điện 8 Các nguồn năng lượng khác 26 Điện và các thiết bị điện / Thiết bị kiểm soát 9 Điện 27 Máy móc và các dịch vụ công nghệ 10 Vận chuyển và lưu kho 28 Công nghiệp nặng và đóng tàu 11 Xe hơi 29 Các thiết bị tự động 12 Dụng cụ và thiết bị nhà cửa 30 Các ngành công nghiệp khác 13 Công nghệ thêu và dệt may 31 Kiến trúc và xây dựng 14 Đồ uống và thuốc lá 32 Hóa phẩm 15 Y tế và chăm sóc sức khỏe 33 Than Những ngành này cũng có thể được kết hợp trong các lĩnh vực kinh tế. Bảng 4-5: Những lĩnh vực kinh tế GEM-MSIC và GEM-FT MSCI version FT version 1 Năng lượng 1 Tài chính, bảo hiểm, bất động sản 2 Nguyên vật liệu 2 Năng lượng 3 Thiết bị sản xuất 3 Tiện ích công cộng 4 Hàng hoá tiêu dùng 4 Vận chuyển và kho bãi 5 Dịch vụ 5 Hàng hoá/ dịch vụ 6 Tài chính 6 Sản phẩm cơ bản 7 Công nghiệp truyền thông 7 Công nghiệp cơ bản 8 Khai thác than Những người sử dụng có thể xác định những lĩnh vực tùy thích bằng việc sử dụng bất cứ nhóm ngành GEM nào. Các loại tiền tệ GEM-MSCI bao gồm 46 loại tiền tệ và GEM-FT gồm 51 loại tiền tệ. Chúng cho phép nhà đầu tư phân tích những danh mục của mình bằng việc sử dụng tình hình của quốc gia nhằm tạo cơ sở cho sự chọn lựa của mình. Tiền tệ Achentina và Brazil bị loại trừ vì những tỷ giá hối đoái trong quá khứ biến động mạnh. Các tài sản ở những quốc gia này được tính theo USD; điều này đưa đến việc đánh giá ổn định hơn (bảng 4-6) Bảng 4-6: Liệt kê các loại tiền tệ được sử dụng trong Mô hình vốn toàn cầu 16 Thực phẩm và sản phẩm gia dụng 34 Khai thác quặng và kim loại 17 Giải trí / giải khuây / đồ chơi 35 Công nghệ giấy 18 Truyền thông 36 Công nghệ đồ hộp Currency MSCI Version FT Version Currency MSCI Version FT Version 1. Australian dollar   27. Moroccan dirham  2. Australian schilling   28. Dutch guildar   3. Belgian franc   29. New Zealand dollar   4. Canadian dollar   30. Nigerian nair  5. Chilean peso   31. Nonvegian nair   6. Chinese yuan(renminbi)   32. Pakistani rupee   7. Colombian peso   33. Peruvian new sol   8. Czech koruna   34. Philippine peso   1.4.2. Ước tính mô hình: Mô hình GEM là sản phẩm của một quá trình ước tính mô hình chính xác và thấu đáo. Phần này cung cấp một cái nhìn súc tích về việc ước tính mô hình. Những bước chắc chắn được mô tả chi tiết hơn như: việc lựa chọn và tiêu chuẩn hoá chỉ số rủi ro, định nghĩa ngành và lựa chọn thị trường nội địa. Thêm vào đó, việc cập nhật mô hình và những tính toán tiền tệ cũng được giải thích. Một cái nhìn tổng quan Việc tạo ra một mô hình rủi ro của nguồn vốn chủ sở hữu tổng quát là một quá trình cụ thể, sâu rộng về việc quýêt định những nhân tố mô tả các tỷ suất sinh lợi của tài sản. Việc ước tính mô hình liên quan đến một loạt những bước phức tạp được tóm tắt bởi một chuỗi các bước trong Bảng 4-7 Bảng 4-7: Quá trình ước tính mô hình được tóm tắt theo bảng sau: 9. Danish krone   35. Polish zloty   10. Egyptian pound  36. Portuguese escudo   11. Finnish markka   37. Russian rouble   12. French franc   38. Singapore dollar   13. German deutschmark   39. Slovakian koruna  14. Greek drachma   40. South African rand   15. Hong Kong dollar   41. Spanish peseta   16. Hungarian forint   42. Sri Lanka rupee   17. Indian rupee   43. Swedish krona   18. Indonesian rupiah   44. Swiss franc   19. Irish punt   45. Taiwanese dollar   20. Israeli shekel   46. Thai baht   21. Italian lira   47. Turkish lira   22. Japanese yen   48. U.K.pound   23. Jordanian dinar   49. U.S.dolla   24. Korean won   50.Venezuelan bolivar   25. Malaysian ringitt   51. Zimbabwe dollar  26. Mexican peso   Bước đầu tiên trong việc ước tính mô hình là thu thập và xử lý dữ liệu. Thông tin thị trường được sử dụng, như giá cả, tỷ suất sổ tức, và sự vốn hóa. Việc tái cấu trúc vốn và những sự kiện điển hình khác được sử dụng để đưa ra những sự so sánh đồng nhất trong cùng thời kỳ. GEM sử dụng dữ liệu từ nhiều nguồn, bao gồm Morgan Stanley (trong GEM-MSCI), Financial Times (trong GEM-FT), thậm chí là những nguồn dữ liệu nội địa và trong khu vực. Việc lựa chọn chỉ số rủi ro Điều này liên quan đến việc chọn biến mô tả tốt nhất những thuộc tính rủi ro của tài sản. Để quyết định tài sản nào biểu hiện phần rủi ro nào theo cách hiệu quả nhất thì các chỉ số rủi ro phải được kiểm định theo ý nghĩa thống kê. Một chỉ số rủi ro được sử dụng trong mô hình nếu nó: (1) dự báo được Beta, (2) xác định được những nguồn của TSSL ngoại lệ trong quá khứ, hoặc Alpha, hoặc (3) đánh giá được nguồn của độ biến động thặng dư. Tiếp theo, việc phân loại ngành và thị trường nội địa được gắn với mỗi tài sản trong quá trình ước tính. Chỉ số vốn quốc tế thế giới Morgan Stanley (MSWLD) trong GEM-MSCI và Chỉ số thống kê thế giới Financial Times (FTWLD ) trong GEM-FT. Theo các hồi quy mẫu tiêu biểu của phần này thì những TSSL nhân tố của các chỉ số rủi ro và các nhân tố ngành sẽ được tính toán. Những TSSL nhân tố này được kết hợp với các TSSL chỉ số quốc gia sẽ tạo ra một ma trận hiệp phương sai. Các hiệp phương sai giữa các nhân tố sẽ được sử dụng để dự báo rủi ro. Theo quan điểm này, nhân tố tiền tệ lại được đưa vào quá trình ước tính mô hình. Các biến động và những mối tương quan tiền tệ sẽ được tính toán một cách độc lập và sau đó được thêm vào ma trận hiệp phương sai. Quá trình ước tính mô hình 1. Thu thập dữ liệu 2. Tính toán chỉ số rủi ro 3. Định nghĩa ngành 4. Lựa chọn thị trường noi dia 5. Ước tính tỷ suất sinh lợi nhân tố 6.Tính toán ma trận hiệp phương sai 7.Ước tính rủi ro tiền tệ 8.Dự báo rủi ro đặc trưng 9. Kiểm định mô hình TSSL đặc trưng không phụ thuộc vào các TSSL nhân tố và được ước tính bằng việc sử dụng một mô hình riêng biệt. Đây là một phần của toàn bộ rủi ro mà chỉ liên quan đến một CK cụ thể và không thể được giải thích bởi các nhân tố. Rủi ro đặc trưng của một tài sản càng lớn thì tỷ lệ TSSL bị ảnh hưởng bởi đặc trưng hoặc thuộc tính của công ty càng nhiều chứ không phải là các nhân tố chung. Cuối cùng mô hình cũng đi đến bước kết thúc là kiểm định. Những dự báo về rủi ro được kiểm định ngược lại so với những mô hình tương tự. Những kiểm định này bao gồm những đánh giá về dự báo của beta, rủi ro đặc trưng và rủi ro năng động. Bảng 4.8: Bảng này mô tả quá trình ước tính mô hình. Các TSSL nhân tố và tiền tệ hình thành nên ma trận hiệp phương sai được sử dụng để dự báo rủi ro. Rủi ro đặc trưng được ước tính một cách riêng biệt. Sự bình thường hóa d liu ã c x lý Công thc ch s ri ro Phân loi ngành d liu th Các ch s ri ro t trng các nhân t trng hi qui t trng các nhân t theo tháng TSSL nhân t TSSL c Ma trn hip D báo ri ro c Bc I: X lý d Bc II: c tính các nhân t Bc III: Phân tích TSSL tin t Sự bình thường hóa là quá trình thiết lập các biến ngẫu nhiên theo một phạm vi đồng bộ, và cũng được gọi là sự tiêu chuẩn hóa mà một hằng số (thường là giá trị trung bình) được trừ từ mỗi số đối với một số mà biến đổi một cách đồng bộ. Sau đó, mỗi số được chia bởi một hằng số khác (thường là độ lệch chuẩn) để tạo ra phương sai. Sự tinh giản độ lệch chuẩn Sự tinh giản độ lệch chuẩn liên quan đến việc bỏ bớt một số những độ lệch chuẩn cố định (thường là 3) từ giá trị trung bình. Điều này ngăn cản những sự việc không bình thường do chịu ảnh hưởng bất thường của các dự báo. Lựa chọn và tiêu chuẩn hóa chỉ số rủi ro Lựa chọn chỉ số rủi ro là một quá trình mang tính định tính rất lớn, phụ thuộc rất nhiều vào việc kiểm định định lượng. Đầu tiên, các chỉ số rủi ro được xác định sơ bộ. Những chỉ số tốt thì mang ý nghĩa riêng; đó là, chúng dựa trên những thuộc tính tài sản phổ biến và được chấp nhận rộng rãi. Hơn nữa, chúng đại diện cho những thuộc tính danh mục điển hình trong các thị trường nội địa. Những chỉ số rủi ro được lựa chọn phải có một sự lý giải mang tính lý thuyết cho phần kết luận của mô hình. Chúng phải hữu ích trong việc dự báo rủi ro và phải dựa trên dữ liệu có sẵn, chính xác và kịp thời. Nói cách khác thì mỗi chỉ số rủi ro được đưa vào đều phải có giá trị đối với mô hình. Các TSSL nhân tố của chỉ số rủi ro phải được tính toán và bình thường hóa – đó là, được tiêu chuẩn hóa với mong đợi nhằm đa dạng hóa ước tính bằng việc sử dụng các giá trị trung bình theo tỷ trọng vốn và độ lệch chuẩn gia quyền. Quá trình bình thường hóa được tóm tắt bằng công thức sau: Chỉ số rủi ro được bình thường hóa =[dữ liệu ban đầu] - [sự vốn hóa - giá trị trung bình theo tỷ trọng] / độ lệch chuẩn theo tỷ trọng bằng nhau Việc tiêu chuẩn hóa chỉ số rủi ro có giá trị bằng 0 tại giá trị trung bình theo tỷ trọng vốn hóa của các công ty trong mỗi thị trường nội địa. Giá trị này được xác định để một đơn vị thì bằng với một độ lệch chuẩn mẫu tiêu biểu của biến đổi giữa các tài sản trong mỗi thị trường nội địa (xem Hình 4.1). Với việc ước tính mô hình, giá trị tuyệt đối của độ lệch chuẩn của một biểu hiện nhân tố nên là giữa 0 và 4. Nếu giá trị là giữa 4 và 10 thì biểu hiện nhân tố được chỉnh sửa bớt đến khoảng (- 4;+4) trong suốt quá trình tinh giản bớt độ lệch chuẩn; các giá trị lớn hơn 10 sẽ bị loại bỏ. Việc bỏ sót các giá trị sẽ dẫn tới 0. Hình 4-1: Sự tiêu chuẩn hóa các chỉ số rủi ro Sự tiêu chuẩn phù hợp với các chỉ số rủi ro theo một phạm vi đồng bộ. Các chỉ số rủi ro được bình thường hóa trong các thị trường nội địa với giá trị trung bình của vốn tiến đến 0. Trong hình này thì d bằng với độ lệch chuẩn mẫu tiêu biểu cân bằng về tỷ trọng. Xác định ngành Mô hình vốn toàn cầu phân chia tài sản theo các phân loại ngành bằng cách sắp xếp dữ liệu ngành theo phân loại của Morgan Stanley hoặc Financial Times. GEM phân chia mỗi chứng khoán theo một ngành riêng. Những biểu hiện rủi ro ngành cho thấy phần trăm giá trị của toàn danh mục trong mỗi phân loại ngành. Cũng giống như các chỉ số rủi ro, các ngành là những nhân tố toàn cầu - đó là, chúng phản ứng một cách tương tự trong các thị trường nội địa. Các TSSL nhân tố được tính toán để đo lường các tác động ngành chứ không phải là tất cả các nhân tố khác. Những TSSL nhân tố này được sử dụng để tạo ra ma trận hiệp phương sai. Ước tính tỷ suất sinh lợi nhân tố Những bước đầu tiên đã xác định được các biểu hiện của mỗi tài sản đối với các nhân tố vào đầu mỗi thời kỳ trong quá trình ước tính. Những TSSL nhân tố vượt trội ở mỗi thời kì sau đó được sử dụng theo một mô hình hồi quy mẫu tiêu biểu của các TSSL vượt trội của tài sản theo các biểu hiện của các nhân tố có liên quan: Phân phi trong th trng ni Ch s ri ro chun Trung bình t trng vn hoá r˜ t = X t f˜ t + u Trong đó: r˜ t : Những TSSL vượt trội đối với mỗi tài sản X t : Biểu hiện ma trận của các tài sản đối với các nhân tố f˜ t : Các TSSL nhân tố được ước tính u t : Các TSSL đặc trưng Các TSSL nhân tố có được là những ước tính thiết thực được sử dụng để tính toán một ma trận hiệp phương sai các nhân tố mà dùng trong các bước ước tính mô hình ban đầu. Tính toán ma trận hiệp phương sai Cách đơn giản nhất để tính toán ma trận hiệp phương sai các nhân tố là tính các hiệp phương sai mẫu trong toàn bộ các TSSL nhân tố được ước tính. Hàm ý của mô hình này là giả định rằng chúng ta đang mô hình hóa một quá trình ổn định, và do đó mỗi mốc thời gian sẽ chứa đựng thông tin liên quan tương ứng. Tuy nhiên, có chứng cứ cho rằng những mối tương quan giữa các TSSL nhân tố thì thay đổi. Hơn nữa, một quá trình ổn định ẩn chứa một phương sai ổn định cho một danh mục đã được đa dạng hóa tốt với những biểu hiện ổn định có liên quan đối với các nhân tố. Có một chứng cứ cần phải được xem xét là trong một vài thị trường thì độ biến động của các danh mục chỉ số thị trường thường thay đổi. Ví dụ, các thời kỳ có độ biến động cao thường sẽ được tiếp nối bởi các thời kỳ tuơng tự. Việc thay đổi những mối tương quan giữa các TSSL nhân tố và việc thay đổi độ biến động của các DM thị trường thì trái ngược với giả định ổn định làm cơ sở cho một ma trận hiệp phương sai đơn giản. Chúng ta hãy nới lỏng giả định ổn định của ma trận hiệp phương sai theo 2 cách:  Đầu tiên là bằng việc tính toán hiệp phương sai giữa các TSSL nhân tố, chúng ta sẽ xác định thêm tỷ trọng của các quan sát gần đây mà có liên quan đến các quan sát liên tục trong quá khứ.  Thứ hai, chúng ta sẽ sử dụng các kỹ thuật GARCH để tạo ra ma trận hiệp phương sai nhân nhằm dự báo biến động về các danh mục quốc gia đã được lựa chọn để có thể so sánh được khi mà các mô hình đơn quốc gia của chúng sẽ tạo ra. Tỷ trọng theo số mũ Giả định chúng ta cho rằng các quan sát mà xảy ra cách đây 60 tháng sẽ chiếm một nửa tỷ trọng các quan sát hiện tại. Thể hiện bằng thời kỳ T hiện hành và bất kỳ thời kỳ t nào trong quá khứ, t=1,2,3,…,T-1, T và để cho δ = 5 60/1 . Nếu chúng ta phân bổ một tỷ trọng của δ tT  đối với quan sát t, sau đó là một quan sát mà đã xảy ra cách đây 60 tháng sẽ chiếm một nửa tỷ trọng của quan sát hiện tại, và một quan sát mà đã xảy ra cách đây 120 tháng sẽ chiếm ¼ tỷ trọng của quan sát hiện tại. Vì vậy, sơ đồ tỷ trọng của chúng ta sẽ cho ra các tỷ trọng mà giảm theo số mũ đối với các quan sát khi chúng giảm xuống trong quá khứ. Lựa chọn 60 tháng của chúng ta là theo ví dụ trên. Thêm nữa, chúng ta sẽ cho một quan sát mà cách đây nửa chu kỳ của các tháng sẽ chiếm một nửa tỷ trọng cuả quan sát hiện tại. Sau đó, chúng ta sẽ cho: δ = (5) HALFLIFE/1 và phân bổ tỷ trọng của: w(t) = δ tT  Độ dài của phân nửa chu kỳ kiểm soát ma trận hiệp phương sai các nhân tố sẽ phản ứng nhanh như thế nào đối với các thay đổi gần đây trong các mối quan hệ thị trường giữa các nhân tố. Tỷ trọng bằng nhau của tất cả các quan sát tương ứng với phân nửa chu kỳ = ∞. Phân nửa chu kỳ mà quá ngắn sẽ không có được các dữ liệu hiệu quả vào thời điểm bắt đầu của các bước. Nếu quá trình hoàn toàn ổn định thì điều này sẽ làm giảm đi sự chính xác của các ước tính. Các kiểm định của chúng tôi cho thấy rằng lựa chọn phân nửa chu kỳ sẽ thay đổi từ quốc gia này đến quốc gia khác. Vì lý do đó mà chúng tôi sử dụng các giá trị khác nhau của chu kỳ phân nửa cho các mô hình đơn quốc gia khác nhau. Ma trận tương quan giữa các nhân tố trong GEM thì có tỷ trọng theo số mũ với một chu kỳ phân nửa của 48 tháng. Các dự báo về độ biến động của các nhân tố thị trường ngành, rủi ro và thị trường nội địa thì sử dụng một chu kỳ phân nửa 48 tháng có tỷ trọng theo số mũ, ngoại trừ các nước như Australia, Canada, Korea, South Africa, Taiwan, Thailand và các thị trường nội địa Anh, mà sử dụng các chu kỳ phân nửa phù hợp với các mô hình đơn quốc gia. Các lựa chọn này được dựa trên kiểm định BARRA nội tại. Tính toán độ biến động thị trường (Các mô hình GARCH) Có một bằng chứng đáng quan tâm là trong một vài thị trường thì độ biến động thị trường theo một chiều hướng đã được dự báo. Chúng tôi phát hiện ra rằng các TSSL mà có TSSL lớn thì biến động theo thời gian hoặc độ biến động đó vẫn tiếp tục tồn tại. Chúng tôi cũng nhận thấy rằng những sự phân chia TSSL của các tài sản thật sự thể hiện khả năng xảy ra các tác động cao hơn là được dự báo bởi một sự phân chia bình thường bằng một độ biến động liên tục. Vấn đề tiếp theo là trình bày lý thuyết chung về mô hình GARCH. Một cách quan trọng, trình bày bằng TSSL thị trường r˜ t ở thời gian t, và phân chia nó thành thành phần mong đợi E(r˜ t ) và một thành phần không mong đợi ε t . r˜ t = E(r˜m) + ε t Việc quan sát độ biến động mà đã được xác định cho thấy rằng phương sai của tỷ suất sinh lợi thị trường tại thời điểm t, Var ( r˜m) t , có thể được biểu diễn như sau: Var ( r˜ m ) t = ω + α ε 2 1t + β Var ( rm) t-1 Phương trình này liên quan đến một mô hình GARCH (1,1) cho rằng độ biến động thị trường hiện tại phụ thuộc vào độ biến động mà đã được xác định gần đây qua ε 2 1t , và những dự báo gần đây về độ biến động Var ( r˜ m ) 1t . Nếu α và β xác định là phù hợp thì độ biến động của thời kỳ này sẽ tăng lên cùng với độ biến động đã được xác định và dự báo. Phù hợp hoàn toàn với mô hình GARCH là độ biến động của một danh mục thị trường nội địa tiêu biểu, nó được sử dụng để làm nhân tố thị trường nội địa trong ma trận hiệp phương sai. Chúng tôi sử dụng những dự báo về độ biến động của GARCH cho các nước như Japanese, Swedish, và các thị trường Mỹ và mô hình GARCH còn được sử cho một vài nhân tố tiền tệ mà dựa trên các TSSL tiền tệ hàng ngày từ mô hình trái phiếu toàn cầu BARRA Cosmos SystemTM. Các tham số của GARCH sẽ được kết hợp với nhau chỉ khi nào có những cải tiến đáng kể trong mô hình. Các quốc gia trong GEM Các biểu hiện của thị trường nội địa đo lường độ nhạy cảm danh mục của mình theo từng thị trường nội địa. Biểu hiện của thị trường nội địa được tính toán bằng cách đa dạng hóa tỷ trọng của danh mục trong mỗi thị trường bằng nhân tố thị trường nội địa, một phiên bản của beta trong quá khứ được tính toán theo ý nghĩa thống kê có nguồn gốc từ thông tin tài sản đặc trưng. Không giống như các biểu hiện về tiền tệ, các biểu hiện thị trường nội địa không phải là những tỷ lệ phần trăm. Nghiên cứu của BARRA cho thấy rằng các nhân tố thị trường nội địa ảnh hưởng đến toàn bộ rủi ro của danh mục nhiều hơn là các nhân tố ngành. Trong quá trình ước tính mô hình, các tỷ suất sinh lợi chỉ số quốc gia được sử dụng để xác định các TSSL thị trường nội địa trong quá trình tính toán ma trận hiệp phương sai. Ước tính rủi ro tiền tệ Đầu tư một số tiền lớn sẽ liên quan đến 2 vấn đề: Một là tình hình của một tài sản trong thị trường nội địa của nó và hai là sự đánh cược về tiền tệ. Để phân tích rủi ro vượt trội nội địa, GEM xem xét các hiệp phương sai giữa các chỉ số rủi ro, các ngành và các quốc gia như đã được trình bày trong phần trên. Các tỷ suất sinh lợi tiền tệ được tính toán cho mỗi tài sản sẽ sử dụng công thức sau. Các rủi ro và các mối tương quan mà có được từ những tỷ suất sinh lợi này sẽ được thêm vào ma trận hiệp phương sai. Tỷ suất sinh lợi tiền tệ = rx + rfl – rf Trong đó: rx : Tỷ suất sinh lợi tỷ giá hối đoái rfl : Tỷ suất thị trường nội địa phi rủi ro, và rf : Tỷ suất phi rủi ri đáng kể Trong GEM, các biểu hiện của rủi ro tiền tệ là phần trăm tỷ trọng của việc nắm giữ ở mỗi quốc gia. 1.4.3. Cập nhật mô hình: Cập nhật mô hình là một quá trình trong đó dữ liệu thị trường gần đây nhất được sử dụng để tính toán các biểu hiện đối với các nhân tố của các CK riêng lẻ. Ước tính những TSSL của tháng gần đây nhất và tính lại ma trận hiệp phương sai. Các TSSL chỉ số quốc gia đựoc sử dụng để đánh giá thị trường nội địa. Dữ liệu gần đây nhất sẽ được thu thập và xử lý. Các biểu hiện ngành và chỉ số rủi ro của mỗi công ty trong cơ sở dữ liệu sẽ đựợc tính toán. Tiếp theo, một mô hình hồi quy mẫu tiêu biểu sẽ được thực hiện trên các TSSL tài sản cho tháng đầu tiên. Điều này tạo ra các TSSL nhân tố được sử dụng để cập nhật ma trận hiệp phương sai. Cuối cùng, thông tin đã được cập nhật này sẽ được đưa đến tay những người sử dụng phần mềm ứng dụng Barra. PHẦN 2 ỨNG DỤNG MÔ HÌNH BARRA TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM 2.1. Ước lượng và kiểm định mối quan hệ giữa các nhân tố vĩ mô với Vnindex Với cơ sở dữ liệu là những quan sát theo quý từ năm 2000 đến năm 2007, ta có được mẫu là 30 vì: từ năm 2000 đến 2007 là 8 năm, mỗi năm là 4 quý, như vậy lẽ ra sẽ có 8*4=32 mẫu. Tuy nhiên dữ liệu về chỉ số Vnindex thì chỉ có từ tháng 7 năm 2000 vì thị trường chứng khoán Việt