4.3. Xếp hạng, phân tích và đánh giá kết quả dự báo
4.3.2.3. Phân tích đồ thị kết quả dự báo VaR và ES của các mơ hình
VR là một trong những phương pháp kiểm định cực kì hiệu quả, và nếu chỉ đơn thuần dựa theo kết quả kiểm định VR, thì HS là mơ hình tốt nhất trong khi EWMA là mơ hình kém nhất cho dự báo VaR. Vậy liệu rằng chúng ta có nên ưu tiên sử dụng HS và loại bỏ EWMA cho dự báo VaR vì những kết quả kiểm định theo VR đã được trình bày ở trên. Tác giả nghi ngờ điều này?
Tác giả đồng ý với nhận định rằng HS là mơ hình tốt nhất khi dựa trên kết quả kiểm định theo VR. Tuy nhiên, một vấn đề đặt ra ở đây là HS cũng như mơ hình MA đang dự báo quá cao các giá trị VaR. Tác giả cho rằng đây là nguyên nhân
52
VR. Vì HS đưa ra các dự báo quá thận trọng các giá trị VaR, trong khi EWMA và N-GARCH lại đưa ra các dự báo sát với số thực tế, nên rõ ràng xác suất để các trường hợp vi phạm xảy ra đối với HS và MA tất nhiên phải thấp hơn nhiều so với EWMA và N-GARCH.
Để minh chứng cho lập luận trên, tác giả đã tiến hành phân tích đồ thị biểu diễn kết quả dự báo của bốn mơ hình được thể hiện tại các đồ thị từ 11 đến 30 và rút ra một số nhận xét chính như sau:
Thứ nhất, dễ dàng nhận thấy hầu như trong suốt thời gian dự báo, tại cả hai mức ý
nghĩa 1% và 5%, ln có một khoảng cách khá xa trong giá trị VaR được dự báo bởi nhóm mơ hình HS, MA so với nhóm mơ hình EWMA, N-GARCH. Cụ thể, EWMA và N-GARCH đưa ra các dự báo gần đúng so với giá trị thực tế trong khi HS và MA lại đưa ra các con số quá cao hoặc q thấp. Vì thế, tính chính xác trong kết quả dự báo VaR bằng EWMA và N-GACRH rõ ràng được đánh giá cao hơn so với hai mơ hình cịn lại.
Thứ hai, theo quan sát của tác giả, có 2 xu hướng chính trong kết quả dự báo bằng
mơ hình HS và MA. Cụ thể, HS và MA đưa ra các dự báo quá thấp các giá trị VaR cho giai đoạn 2007 – 2009 trong khi dự báo quá cao VaR cho các khoảng thời gian nằm ngồi giai đoạn này. Khơng có gì ngạc nhiên khi HS và MA lại thất bại nặng nề trong việc dự báo VaR cho giai đoạn 2007 -2009, vì đây chính là thời gian diễn ra khủng khoảng kinh tế toàn cầu. Thời gian này, giá trị danh mục liên tục biến động theo biên độ lớn, tuy nhiên do hạn chế của mơ hình nên HS và MA không thể điều chỉnh một cách nhanh chóng để có thể theo kịp các biến động của thị trường. Trong khi đó, EWMA và N-GARCH lại cho thấy sự ưu việt hơn khi đưa ra các dự báo hợp lí và theo sát các con số thực tế mặc dù các trường hợp vi phạm của EWMA và N-GARCH vẫn chủ yếu tập trung nhiều trong giai đoạn này.
Đối với việc dự báo ES, tác giả cũng đặt nghi vấn về tính hiệu quả thật sự của ba mơ hình N-GARCH, EWMA và HS. Nhìn nhận vấn đề một cách sâu hơn, hạn chế lớn nhất ở đây chính là số quan sát dùng để kiểm định ES. Trong bài nghiên cứu,
53
số quan sát tối đa mà tác giả sử dụng chỉ là 3400, nếu ứng với mức ý nghĩa 1% và 5% thì tổng số trường hợp vi phạm kì vọng tương ứng chỉ khoảng 34 và 170 quan sát. Theo tác giả, số lượng quan sát này khá là nhỏ và chưa đủ để có thể đưa ra một kết luận chính xác về tính hiệu quả của mơ hình. Tuy nhiên, nếu đơn thuần dựa theo kết quả VR, khơng có gì nghi ngờ khi N-GARCH, EWMA và HS đều là các mơ hình tốt để dự báo ES nhằm hỗ trợ tích cực cho các CRO trong dự báo rủi ro danh mục.