Độ lệch chuẩn
Độ lệch chuẩn (tiếng Anh: Standard Deviation, ký hiệu: σ đối với tổng thể, s đối với mẫu) là một đại lượng thống kê dùng để đo lường mức độ phân tán của các giá trị dữ liệu xung quanh giá trị trung bình (mean) của tập dữ liệu đó. Nói cách khác, độ lệch chuẩn cho biết các quan sát trong mẫu có "chệch khỏi trung bình" nhiều hay ít. Độ lệch chuẩn càng nhỏ, dữ liệu càng tập trung quanh giá trị trung bình; độ lệch chuẩn càng lớn, dữ liệu càng phân tán, giá trị trung bình kém đại diện hơn cho tập dữ liệu. Đây là một trong những khái niệm nền tảng nhất trong thống kê mô tả và là công cụ không thể thiếu trong phân tích rủi ro tài chính, đặc biệt là rủi ro thị trường và rủi ro tín dụng trong hoạt động ngân hàng.
Công thức tính độ lệch chuẩn
Đối với tổng thể (population), độ lệch chuẩn được tính theo công thức:
σ = √[ Σ(xᵢ - μ)² / N ]
Trong đó: xᵢ là giá trị quan sát thứ i, μ là giá trị trung bình của tổng thể, N là số lượng quan sát của tổng thể.
Đối với mẫu (sample), người ta dùng công thức mẫu hiệu chỉnh (Bessel's correction) để ước lượng độ lệch chuẩn tổng thể một cách không chệch:
s = √[ Σ(xᵢ - x̄)² / (n - 1) ]
Trong đó: x̄ là trung bình mẫu, n là kích thước mẫu. Việc chia cho (n - 1) thay vì n nhằm khắc phục sai lệch do ước lượng trung bình từ chính dữ liệu mẫu.
Ví dụ minh hoạ dễ hiểu
Giả sử lợi suất danh mục đầu tư của một ngân hàng trong 5 ngày liên tiếp là: 5%, 6%, 7%, 8%, 9%. Trung bình cộng là 7%. Tính các độ lệch so với trung bình: -2, -1, 0, +1, +2. Bình phương các độ lệch: 4, 1, 0, 1, 4. Tổng bình phương độ lệch = 10. Độ lệch chuẩn mẫu = √[10 / (5 - 1)] = √2,5 ≈ 1,58%. Nếu một danh mục khác có cùng trung bình 7% nhưng độ lệch chuẩn là 3%, danh mục đó có biến động lớn hơn, rủi ro thị trường cao hơn.
Ứng dụng trong ngân hàng và tài chính
- Đo lường rủi ro danh mục: Trong mô hình Markowitz về danh mục đầu tư tối ưu, độ lệch chuẩn của lợi nhuận danh mục chính là thước đo rủi ro tổng thể (total risk). Nhà quản trị danh mục sẽ tìm cách tối thiểu hoá độ lệch chuẩn ở một mức lợi nhuận kỳ vọng cho trước.
- Value at Risk (VaR): Độ lệch chuẩn là tham số đầu vào quan trọng khi ước lượng VaR theo phương pháp phân phối chuẩn (parametric VaR): VaR = Zα × σ × giá trị danh mục, trong đó Zα là hệ số từ phân phối chuẩn tắc tại mức tin cậy α.
- Phân tích tín dụng: Khi xây dựng mô hình chấm điểm tín dụng (credit scoring), độ lệch chuẩn của các biến như thu nhập, tỷ lệ nợ trên thu nhập (DTI), lịch sử thanh toán giúp nhận diện khách hàng có hồ sơ tài chính bất thường so với nhóm cùng phân khúc.
- Kiểm soát chất lượng giao dịch: Một số ngân hàng dùng độ lệch chuẩn của thời gian xử lý giao dịch để phát hiện các quầy/nhân viên có hiệu suất bất thường.
- Lãi suất và tỷ giá: Phân tích độ lệch chuẩn lịch sử của lãi suất liên ngân hàng (interbank rates) hoặc tỷ giá giúp đánh giá mức độ biến động, từ đó tính phí rủi ro cho các sản phẩm phái sinh lãi suất, ngoại hối.
Phân biệt độ lệch chuẩn với phương sai
Phương sai (variance) là trung bình bình phương độ lệch so với trung bình, còn độ lệch chuẩn chính là căn bậc hai của phương sai. Hai đại lượng này cùng phản ánh mức phân tán, nhưng độ lệch chuẩn có cùng đơn vị với dữ liệu gốc (ví dụ dữ liệu tính theo % thì độ lệch chuẩn cũng tính theo %), nên dễ diễn giải hơn trong các báo cáo tài chính và bài thi.
Câu hỏi thường gặp
Hỏi: Khi nào nên dùng độ lệch chuẩn mẫu (chia cho n - 1) thay vì độ lệch chuẩn tổng thể (chia cho n)? Khi dữ liệu thu thập được là một mẫu (sample) được lấy ra từ một tổng thể lớn hơn — ví dụ chọn 12 tháng giao dịch gần nhất để ước lượng rủi ro danh mục — ta dùng công thức có chia cho (n - 1) để có ước lượng không chệch. Khi dữ liệu đã là toàn bộ tổng thể (ví dụ tổng lợi suất 60 tháng quy định để tính chỉ tiêu Basel), có thể dùng chia cho n. Trong bài thi tuyển dụng ngân hàng vào phòng quantitative/risk, câu trả lời an toàn nhất thường là "dùng công thức mẫu (n - 1)" trừ khi đề cho dữ kiện khác.
Hỏi: Độ lệch chuẩn có phải lúc nào cũng đo đúng rủi ro không? Không. Độ lệch chuẩn giả định phân phối lợi nhuận đối xứng và đuôi mỏng (tương tự phân phối chuẩn), nhưng thực tế lợi suất tài chính thường có đuôi dày (fat tail) và độ lệch (skewness) — các sự kiện cực hiếm xảy ra với tần suất cao hơn dự đoán. Vì thế các ngân hàng thường bổ sung thêm Value at Risk (VaR), Expected Shortfall (ES) hoặc kiểm định phân phối chuẩn (Jarque-Bera test) trước khi chấp nhận độ lệch chuẩn làm thước đo rủi ro chính.
Hỏi: Hệ số biến thiên (Coefficient of Variation - CV) khác độ lệch chuẩn ở điểm nào và khi nào nên dùng CV? CV = độ lệch chuẩn / giá trị trung bình, thường biểu diễn bằng phần trăm. CV cho phép so sánh mức phân tán giữa các tập dữ liệu có đơn vị hoặc thang đo khác nhau (ví dụ so sánh rủi ro của một khoản tiền gửi 100 triệu với một khoản cho vay 10 tỷ). Khi trung bình gần 0 hoặc âm, CV trở nên không có ý nghĩa và không nên sử dụng. Trong ngân hàng, CV thường được dùng để so sánh rủi ro danh mục giữa các chi nhánh có quy mô khác nhau.
Lưu ý: Nội dung mang tính tham khảo, không thay thế tư vấn chuyên môn về thống kê, tài chính ngân hàng hoặc mô hình rủi ro.