Mô hình VaR — Giá trị Chịu Rủi ro (Value at Risk)
Mô hình VaR (Value at Risk — Giá trị Chịu Rủi ro) là một mô hình định lượng được sử dụng phổ biến trong quản trị rủi ro tài chính và ngân hàng để ước tính mức tổn thất tối đa có thể xảy ra đối với một danh mục đầu tư, một bảng cân đối hoặc một vị thế tài chính cụ thể trong một khoảng thời gian nhất định, ở một mức độ tin cậy (confidence level) cho trước. Nói cách khác, VaR cho biết "trong điều kiện thị trường bình thường, khoản lỗ của danh mục trong X ngày tới có xác suất không vượt quá con số V với mức tin cậy Y%". Ví dụ, một ngân hàng công bố VaR 1 ngày ở mức tin cậy 99% là 25 tỷ đồng có nghĩa: có 99% xác suất khoản lỗ trong một ngày giao dịch sẽ không vượt quá 25 tỷ đồng, và chỉ có 1% khả năng khoản lỗ vượt ngưỡng này.
VaR không phải là thước đo rủi ro duy nhất, nhưng là thước đo được chuẩn hóa cao, dễ diễn giải cho ban lãnh đạo, cơ quan quản lý và nhà đầu tư, nên trở thành công cụ nền tảng trong khung quản trị rủi ro (risk framework) của hầu hết các tổ chức tín dụng, quỹ đầu tư và công ty chứng khoán.
Ba phương pháp tính VaR phổ biến
Có ba phương pháp chính để ước tính VaR, mỗi phương pháp có ưu nhược điểm riêng và phù hợp với từng loại danh mục khác nhau:
1. Phương pháp phương sai – hiệp phương sai (Variance – Covariance / Parametric Method) Phương pháp này giả định lợi nhuận của danh mục tuân theo phân phối chuẩn (hoặc phân phối log-normal). VaR được tính dựa trên độ lệch chuẩn (volatility) và hệ số tương quan giữa các tài sản trong danh mục. Công thức cơ bản: VaR = Zα × σ × V × √t, trong đó Zα là hệ số tin cậy (ví dụ 2,33 ứng với 99%), σ là độ biến động, V là giá trị danh mục, t là khoảng thời gian. Ưu điểm: tính nhanh, dễ cập nhật, phù hợp với danh mục đa dạng có nhiều tài sản. Nhược điểm: không phản ánh tốt các sự kiện đuôi dày (fat tail) và quan hệ phi tuyến.
2. Phương pháp mô phỏng lịch sử (Historical Simulation) Phương pháp này sử dụng chuỗi dữ liệu lịch sử thực tế về biến động giá của các tài sản trong một giai đoạn quá khứ (thường 250–500 ngày giao dịch hoặc hơn), sau đó áp dụng các kịch bản biến động này lên danh mục hiện tại để tính lại lợi nhuận giả định. VaR ở mức tin cậy 99% chính là phân vị thứ 1 của phân phối lợi nhuận giả định này. Ưu điểm: không cần giả định phân phối, phản ánh được hành vi thực tế của thị trường, dễ thuyết trình với ban lãnh đạo. Nhược điểm: phụ thuộc nặng vào dữ liệu quá khứ, nếu quá khứ không chứa các kịch bản cực đoan thì VaR sẽ đánh giá thấp rủi ro.
3. Phương pháp mô phỏng Monte Carlo (Monte Carlo Simulation) Phương pháp này tạo ra hàng ngàn đến hàng triệu kịch bản giá tương lai bằng cách mô phỏng ngẫu nhiên dựa trên các tham số thống kê (mean, volatility, correlation) và mô hình biến động (có thể kết hợp mô hình GBM, mô hình nhảy giá — jump diffusion, hoặc mô hình GARCH cho độ biến động thay đổi theo thời gian). Sau đó tính phân phối lợi nhuận danh mục và lấy phân vị tương ứng với mức tin cậy. Ƣu điểm: linh hoạt, có thể mô hình hóa các công cụ phái sinh phức tạp, quyền chọn, danh mục có payoff phi tuyến. Nhược điểm: đòi hỏi năng lực tính toán lớn, phụ thuộc vào mô hình được chọn.
Ý nghĩa và giới hạn của VaR
VaR có vai trò quan trọng trong ngành ngân hàng vì nhiều lý do:
- Báo cáo nội bộ và báo cáo quản lý: Ban lãnh đạo dùng VaR để đánh giá mức độ rủi ro thị trường của ngân hàng, đối chiếu với hạn mức rủi ro (risk limit) đã được HĐềQT phê duyệt.
- Phân bổ vốn kinh tế (Economic Capital Allocation): VaR là đầu vào để tính vốn kinh tế phân bổ cho từng đơn vị kinh doanh, từng khẩu vị rủi ro.
- Tuân thủ quy định: Theo Basel II/III, các ngân hàng sử dụng phương pháp tiêu chuẩn hoặc mô hình nội bộ (IMA — Internal Models Approach) dựa trên VaR để tính vốn yêu cầu cho rủi ro thị trường. Ngân hàng Nhà nước Việt Nam cũng có các quy định về tỷ lệ an toàn vốn và quản trị rủi ro thị trường mà các tổ chức tín dụng phải tuân thủ.
- So sánh hiệu quả rủi ro – lợi nhuận: Kết hợp VaR với lợi nhuận để tính chỉ số R/RoRVC (Return on Risk-adjusted Value at Risk Capital) nhằm đánh giá hiệu quả kinh doanh có điều chỉnh rủi ro.
Tuy nhiên, VaR cũng có nhiều giới hạn cần lưu ý:
- Không đo lường rủi ro đuôi (tail risk): VaR chỉ cho biết ngưỡng tổn thất ở một mức tin cậy, không cho biết mức tổn thất có thể xảy ra trong 1% trường hợp xấu còn lại. Vì vậy các ngân hàng thường bổ sung các chỉ số như Expected Shortfall (ES) hay CVaR.
- Không nắm bắt hiện tượng đuôi dày và bất đối xứng: Giả định phân phối chuẩn có thể đánh giá thấp xác suất các sự kiện cực đoan như khủng hoảng 2008, COVID-19.
- Phụ thuộc vào dữ liệu và mô hình: Nếu mô hình sai hoặc dữ liệu không đại diện, VaR sẽ sai.
- Không phản ánh rủi ro thanh khoản: VaR dựa trên giả định có thể đóng vị thế trong thời gian nắm giữ, nhưng trong khủng hoảng, thị trường có thể đóng băng.
Backtest VaR và kiểm định mô hình
Để đảm bảo mô hình VaR hoạt động hiệu quả, các ngân hàng phải thực hiện backtesting — tức là so sánh lỗ thực tế hàng ngày với VaR dự báo. Nếu trong 250 ngày giao dịch, số lần lỗ thực tế vượt VaR 99% vượt quá 4–5 lần, mô hình có thể bị đánh giá là không phù hợp. Theo khung Basel, Ngân hàng Trung ương có thể yêu cầu tổ chức tín dụng tăng hệ số vốn (capital multiplier) nếu mô hình nội bộ không vượt qua backtest. Tại Việt Nam, các ngân hàng khi áp dụng mô hình nội bộ đều phải xây dựng hệ thống backtest độc lập và báo cáo định kỳ.
Câu hỏi thường gặp
Hỏi: VaR 1 ngày ở mức tin cậy 99% là 20 tỷ đồng có nghĩa là ngân hàng chắc chắn không bị lỗ quá 20 tỷ đồng trong một ngày bất kỳ hay không? Trả lời: Không hẳn. VaR 20 tỷ đồng ở mức tin cậy 99% chỉ có nghĩa là có 99% xác suất khoản lỗ trong một ngày không vượt quá 20 tỷ đồng trong điều kiện thị trường bình thường. Vẫn còn 1% khả năng khoản lỗ vượt ngưỡng này, và trong những ngày khủng hoảng thực sự, mức lỗ có thể vượt rất xa con số VaR. Vì vậy VaR không phải là "giới hạn lỗ tuyệt đối" mà là một ước lượng xác suất.
Hỏi: Tại sao nhiều ngân hàng lớn trên thế giới từng thua lỗ nặng dù có hệ thống VaR rất tinh vi, ví dụ như vụ sụp đổ của JPMorgan với "London Whale" năm 2012? Trả lời: Vụ London Whale cho thấy VaR có thể bị thao túng hoặc đánh giá thấp khi mô hình dựa trên giả định phân phối chuẩn trong khi danh mục chứa các vị thế phái sinh có payoff phi tuyến và đòn bẩy lớn. Ngoài ra, "model risk" — tức rủi ro sai sót của chính mô hình — cũng là một yếu tố. Bài học là ngân hàng cần bổ sung các công cụ như Stress Testing, Expected Shortfall, kiểm tra độc lập và văn hóa quản trị rủi ro chặt chẽ, không chỉ dựa vào một con số VaR duy nhất.
Hỏi: Trong đề thi tuyển dụng ngân hàng, ứng viên cần nắm vững những điểm nào về VaR để làm bài tốt? Trả lời: Ứng viên nên nắm định nghĩa chính xác của VaR, ba phương pháp tính (Parametric, Historical Simulation, Monte Carlo), công thức cơ bản VaR = Z × σ × V × √t, cách diễn giải ý nghĩa mức tin cậy, điểm mạnh – điểm yếu của từng phương pháp, và khái niệm backtesting. Ngoài luôn nên biết thêm về Expected Shortfall (CVaR) và vì sao Basel III yêu cầu các ngân hàng dùng kết hợp nhiều phương pháp thay vì chỉ dựa vào VaR.
Nội dung mang tính tham khảo về thuật ngữ ngân hàng, không thay thế tư vấn tài chính chuyên nghiệp. Đối với quyết định đầu tư hoặc quản trị rủi ro thực tế, người vui lòng tham khảo ý kiến chuyên gia được cấp phép và quy định hiện hành của Ngân hàng Nhà nước Việt Nam.