Phương pháp Historical Simulation VaR
Phương pháp Historical Simulation VaR (Value at Risk mô phỏng lịch sử) là một kỹ thuật ước lượng rủi ro thị trường dựa trên dữ liệu lãi/lỗ thực tế đã quan sát được trong quá khứ. Thay vì giả định lợi nhuận của danh mục tuân theo một phân phối xác suất cụ thể (như phân phối chuẩn trong phương pháp phương sai – hiệp phương sai), phương pháp này sử dụng trực tiếp chuỗi lịch sử các khoản lãi/lỗ để xây dựng phân phối lợi nhuận mô phỏng, từ đó xác định mức tổn thất tối đa có thể xảy ra tại một mức độ tin cậy cho trước. Cách tiếp cận này được các ngân hàng và công ty quản lý quỹ ưa chuộng vì tính đơn giản, minh bạch và khả năng nắm bắt các "đuôi béo" (fat tails) cùng các hiện tượng bất thường trên thị trường mà các mô hình giả định phân phối thường bỏ sót.
Nguyên lý hoạt động
Quy trình tính toán Historical Simulation VaR bao gồm các bước cơ bản sau:
Bước 1 – Thu thập dữ liệu lịch sử: Ghi nhận chuỗi lợi nhuận (hoặc lỗ) hàng ngày của danh mục trong một cửa sổ thời gian nhất định, thường từ 250 đến 500 ngày giao dịch gần nhất (tương đương 1 đến 2 năm). Một số tổ chức sử dụng cửa sổ dài hơn (3 năm trở lên) để phản ánh các chu kỳ thị trường khác nhau.
Bước 2 – Sắp xếp lợi nhuận: Sắp xếp toàn bộ chuỗi lợi nhuận theo thứ tự từ thấp đến cao. Phân phối lợi nhuận mô phỏng chính là tập dữ liệu đã được sắp xếp này, không thông qua bất kỳ phép nội suy hay ước lượng tham số nào.
Bước 3 – Xác định quantile tương ứng mức tin cậy: Tại mức tin cậy 99%, nhà quản trị rủi ro sẽ tìm giá trị lợi nhuận ở vị trí thứ 1% thấp nhất (tức vị trí thứ 2 hoặc thứ 3 trong tập dữ liệu 250 quan sát). Khoản lỗ tại vị trí này chính là VaR của danh mục trong 1 ngày tới.
Bước 4 – Chuyển đổi sang mức VaR danh nghĩa: Lấy giá trị tuyệt đối của khoản lỗ quantile và nhân với giá trị danh nghĩa của danh mục để có con số VaR bằng tiền (ví dụ: nếu lỗ quantile là -1,2% và danh mục trị giá 100 tỷ đồng thì VaR 1 ngày ở mức tin cậy 99% là 1,2 tỷ đồng).
Ưu điểm nổi bật
Không đòi hỏi giả định phân phối: Phương pháp không yêu cầu lợi nhuận phải tuân theo phân phối chuẩn hay bất kỳ phân phối tham số nào, nên tự nhiên phản ánh được hình dạng phân phối thực tế, bao gồm độ lệch (skewness), độ nhọn (kurtosis) và các đuôi béo.
Nắm bắt sự kiện cụ thể: Phương pháp tự động ghi nhận tác động của các sự kiện thị trường cụ thể trong quá khứ (như khủng hoảng 2008, COVID-19 năm 2020) miễn là chúng nằm trong cửa sổ dữ liệu, giúp ước lượng rủi ro sát thực tế hơn trong những giai đoạn thị trường biến động mạnh.
Dễ truyền đạt cho cấp quản lý: Vì kết quả được dựa trên các kịch bản đã xảy ra thực tế, nội dung báo cáo rủi ro trở nên trực quan và dễ hiểu đối với ban lãnh đạo và các bên liên quan.
Triển khai đơn giản: Không cần ước lượng ma trận hiệp phương sai hay hiệu chỉnh các tham số phức tạp như trong mô hình phương sai – hiệp phương sai, giúp giảm chi phí vận hành và sai sót mô hình.
Hạn chế cần lưu ý
Phụ thuộc nặng vào dữ liệu quá khứ: Nếu trong cửa sổ lịch sử không xuất hiện cú sốc lớn nào, VaR ước lượng có thể đánh giá thấp rủi ro. Ngược lại, nếu cửa sổ chứa quá nhiều sự kiện cực đoan (ví dụ bao gồm giai đoạn khủng hoảng), VaR sẽ phản ánh tình trạng bất ổn quá mức so với điều kiện bình thường.
Không phản ánh kịch bản tương lai: Phương pháp giả định rằng "quá khứ là gương soi tương lai", nên không mô phỏng được các cú sốc chưa từng xảy ra trong lịch sử (sự kiện "thiên nga đen").
Trọng số quan sát bằng nhau: Tất cả các quan sát trong cửa sổ đều có trọng số ngang nhau, trong khi dữ liệu cũ hơn có thể đã kém phù hợp với chế độ rủi ro hiện tại. Một số biến thể như Weighted Historical Simulation sử dụng hệ số giảm trọng số theo thời gian để khắc phục hạn chế này.
Kích thước mẫu nhỏ ở đuôi: Với cửa sổ 250 ngày, chỉ có khoảng 2 đến 3 quan sát rơi vào vùng đuôi 1%, khiến ước lượng VaR ở mức tin cậy cao (99,5% hoặc 99,9%) kém ổn định và nhảy số giữa các kỳ báo cáo.
Ứng dụng thực tiễn trong ngân hàng
Tại các ngân hàng thương mại Việt Nam và trên thế giới, Historical Simulation VaR thường được sử dụng cho nhiều mục tiêu:
Báo cáo rủi ro thị trường nội bộ: Khối Quản trị rủi ro (Risk Management) sử dụng phương pháp này để theo dõi giới hạn rủi ro hàng ngày của các sách kinh doanh (trading book), đặc biệt với danh mục cổ phiếu, trái phiếu và ngoại tệ.
Đối chiếu với mô hình tham số: Nhiều tổ chức chạy song song Historical Simulation với phương pháp phương sai – hiệp phương sai để so sánh kết quả, phát hiện bất thường và kiểm tra chéo (backtesting) mô hình.
Phục vụ kiểm tra hậu định (backtesting): Theo khuyến nghị của Ủy ban Basel, các ngân hàng phải thực hiện backtesting mô hình VaR ít nhất 250 lần quan sát. Historical Simulation cung cấp dữ liệu đầu vào thuận lợi cho quy trình này.
Tính toán vốn yêu cầu cho rủi ro thị trường: Ở một số ngân hàng áp dụng tiếp cận nội bộ (IMA – Internal Models Approach), kết quả VaR lịch sử là đầu vào cho việc tính vốn yêu cầu theo rủi ro thị trường, dù Basel đòi hỏi phải kết hợp thêm nhiều điều kiện nặng hơn.
So sánh với các phương pháp VaR khác
| Tiêu chí | Historical Simulation | Phương sai – Hiệp phương sai | Monte Carlo |
|---|---|---|---|
| Giả định phân phối | Không | Phân phối chuẩn (thường) | Tùy mô hình |
| Phản ánh đuôi béo | Tốt | Kém | Tùy mô hình |
| Độ phức tạp tính toán | Thấp | Trung bình | Cao |
| Kịch bản tương lai | Không | Không | Có |
| Dữ liệu đầu vào | Lịch sử lợi nhuận | Trung bình, phương sai, hiệp phương sai | Lịch sử + giả định |
Lưu ý cho người luyện thi tuyển dụng ngân hàng
Khi gặp câu hỏi liên quan đến Historical Simulation VaR trong các bài thi tuyển giao dịch viên, chuyên viên rủi ro hay quản lý tài sản, thí sinh nên nắm rõ các điểm cốt lõi: (i) phương pháp không dùng phân phối giả định, (ii) VaR được xác định bằng quantile của phân phối lợi nhuận lịch sử, (iii) ưu điểm là đơn giản và nắm bắt đuôi béo, (iv) hạn chế lớn nhất là phụ thuộc dữ liệu quá khứ và kích thước mẫu nhỏ ở đuôi. Ngoài ra, cần phân biệt với phương pháp phương sai – hiệp phương sai (vốn nhanh hơn nhưng giả định phân phối chuẩn) và phương pháp Monte Carlo (linh hoạt hơn nhưng đòi hỏi mô phỏng nhiều lần).
Nội dung mang tính tham khảo chuyên môn, không thay thế tư vấn pháp lý hay tài chính chính thức cho từng trường hợp cụ thể tại tổ chức tín dụng.