Mô hình GARCH là gì?

Mô hình GARCH là gì?

Mô hình GARCH (Generalized Autoregressive Conditional Heteroskedasticity - Mô hình phương sai thay đổi có điều kiện tự hồi quy tổng quát) là một mô hình thống kê được sử dụng rộng rãi trong tài chính để mô hình hóa và dự báo phương sai thay đổi theo thời gian của các chuỗi tài chính, đặc biệt là biến động giá tài sản.

Mô hình này được phát triển bởi nhà kinh tế học Robert Engle, người đã được trao giải Nobel Kinh tế năm 2003 cho công trình nghiên cứu về phương pháp phân tích chuỗi thời gian kinh tế có điều kiện phương sai thay đổi. GARCH mở rộng từ mô hình ARCH (Autoregressive Conditional Heteroskedasticity) ban đầu bằng cách cho phép phương sai hiện tại phụ thuộc vào cả các cú sốc (shock) quá khứ và các giá trị phương sai trước đó, thay vì chỉ phụ thuộc vào các cú sốc như mô hình ARCH.

Cấu trúc cơ bản của mô hình GARCH bao gồm hai phần: phương trình trung bình (thường ở dạng ARMA) mô tả giá trị kỳ vọng của chuỗi, và phương trình phương sai điều kiện mô tả sự thay đổi của biến động theo thời gian. Đặc điểm quan trọng nhất của GARCH là khả năng nắm bắt hiện tượng clustering volatility (biến động theo cụm), nghĩa là các giai đoạn biến động cao có xu hướng tập trung với nhau và các giai đoạn biến động thấp cũng tập trung với nhau.

Tại sao Mô hình GARCH quan trọng trong ngân hàng?

• Quản trị rủi ro thị trường: GARCH giúp các ngân hàng đo lường và dự báo biến động của lãi suất, tỷ giá hối đoái và giá chứng khoán một cách chính xác hơn so với các phương pháp truyền thống giả định phương sai không đổi.

• Tính toán giá trị chịu rủi ro (VaR): Dựa trên dự báo biến động từ GARCH, ngân hàng có thể tính toán VaR và các chỉ tiêu rủi ro khác phục vụ công tác quản lý rủi ro, đáp ứng yêu cầu của các quy định Basel II và Basel III.

• Định giá công cụ phái sinh: GARCH được áp dụng trong việc định giá các công cụ phái sinh như quyền chọn và hợp đồng tương lai, nơi mà biến động là yếu tố đầu vào quan trọng trong mô hình định giá.

• Stress test và kịch bản thị trường: Mô hình GARCH hỗ trợ công tác stress test để đánh giá khả năng chống chịu của ngân hàng trước các kịch bản thị trường bất lợi, giúp hoạch định chiến lược phòng ngừa rủi ro hiệu quả.

Cách hoạt động / Cách tính

Mô hình GARCH(1,1) là dạng phổ biến nhất với công thức phương sai điều kiện:

h_t = ω + α·ε²_{t-1} + β·h_{t-1}

Trong đó:

• h_t: Phương sai có điều kiện tại thời điểm t
• ω (omega): Hằng số, luôn dương
• α (alpha): Hệ số phản ánh tác động của cú sốc quá khứ
• ε²_{t-1}: Bình phương phần dư (shock) tại thời điểm t-1
• β (beta): Hệ số phản ánh persistence của phương sai

Điều kiện ổn định: α + β < 1

Khi α + β càng gần 1, phương sai có điều kiện phản ứng với cú sốc càng kéo dài — hiện tượng này gọi là volatility persistence (sự bền vững của biến động). Nếu α + β = 1, mô hình trở thành IGARCH (Integrated GARCH).

Quy trình ước lượng tham số thường sử dụng phương pháp Maximum Likelihood Estimation (MLE), trong đó phần dư thường được giả định tuân theo phân phối t-student thay vì phân phối chuẩn, vì phân phối chuẩn thường không phù hợp để mô tả đặc điểm leptokurtic (đuôi dày) của lợi suất tài chính.

Ví dụ thực tế

Ví dụ 1: Dự báo biến động tỷ giá

Giả sử Ngân hàng A cần dự báo biến động tỷ giá USD/VND trong quý tiếp theo để định hướng chính sách quản lý rủi ro. Bộ phận quản trị rủi ro sử dụng mô hình GARCH(1,1) với các tham số ước lượng:

• ω = 0.0001
• α = 0.12
• β = 0.85

Tổng α + β = 0.97, cho thấy biến động có mức persistence cao. Nếu tại thời điểm t, phương sai có điều kiện h_t = 0.0004, thì dự báo phương sai tại t+1:

h_{t+1} = 0.0001 + 0.12 × 0.0004 + 0.85 × 0.0004 = 0.000468

Độ lệch chuẩn dự báo = √0.000468 ≈ 2.16%, cho thấy biến động kỳ vọng ở mức vừa phải.

Ví dụ 2: Tính VaR cho danh mục trái phiếu

Khách hàng B nắm giữ danh mục trái phiếu chính phủ trị giá 50 tỷ đồng tại Ngân hàng A. Bộ phận quản lý rủi ro sử dụng GARCH(1,1) để ước lượng biến động lợi suất, kết hợp với giả định phân phối t-student để tính VaR 1 ngày ở mức ý nghĩa 99%.

Với phương sai dự báo h = 0.0001 và bậc tự do của phân phối t-student = 6, hệ số nhân VaR ≈ 3.143. Lợi suất dự báo = 0.01%, suy ra:

VaR = 50 tỷ × 3.143 × √0.0001 ≈ 5.0 tỷ đồng

Kết quả này giúp Ngân hàng A xác định mức vốn dự phòng cần thiết để trang trải rủi ro biến động.

Phân biệt với thuật ngữ liên quan

EGARCH (Exponential GARCH) được thiết kế để nắm bắt leverage effect — hiện tượng tác động tiêu cực của tin xấu lên biến động lớn hơn tác động tích cực của tin tốt có cùng độ lớn. Trong thị trường chứng khoán Việt Nam, hiện tượng này khá phổ biến khi tin xấu thường khiến VN-Index biến động mạnh hơn tin tốt.

GARCH-M (GARCH in Mean) thêm biến phương sai vào phương trình trung bình, phản ánh mối quan hệ giữa mức sinh lời và mức rủi ro (risk-return tradeoff) — một nguyên lý quan trọng trong lý thuyết tài chính hiện đại.

Câu hỏi thường gặp trong đề thi

1. Điều kiện nào cần được thỏa mãn để mô hình GARCH(1,1) đảm bảo tính dừng (stationarity) của phương sai?

2. Trong mô hình GARCH, hiện tượng "clustering volatility" (biến động theo cụm) được thể hiện qua thành phần nào của công thức? Giải thích ý nghĩa kinh tế của hiện tượng này trong bối cảnh thị trường chứng khoán Việt Nam.

3. Tại sao phân phối t-student thường được sử dụng thay cho phân phối chuẩn khi ước lượng tham số mô hình GARCH? Đặc điểm nào của lợi suất tài chính hỗ trợ cho việc sử dụng phân phối t-student?

Tổng kết

Mô hình GARCH là công cụ thống kê mạnh mẽ trong tài chính, đặc biệt quan trọng với ngành ngân hàng Việt Nam trong bối cảnh hội nhập quốc tế và nâng cao tiêu chuẩn quản trị rủi ro theo khung Basel. Khả năng nắm bắt biến động thay đổi theo thời gian và hiện tượng volatility clustering giúp các ngân hàng đo lường rủi ro chính xác hơn, từ đó phân bổ vốn hiệu quả và xây dựng chiến lược phòng ngừa phù hợp.

Khi ôn thi vào các vị trí nghiệp vụ ngân hàng, thí sinh cần nắm vững công thức GARCH(1,1), điều kiện ổn định, ý nghĩa của volatility clustering, và phân biệt được các biến thể của mô hình. Kết hợp lý thuyết với việc thực hành tính toán và diễn giải kết quả sẽ giúp thí sinh tự tin hơn khi đối mặt với các câu hỏi chuyên môn trong kỳ thi.