Phân phối chuẩn là gì?

Phân phối chuẩn là gì?

Phân phối chuẩn là phân phối xác suất liên tục có dạng hình chuông đối xứng qua giá trị trung bình, trong đó các giá trị gần trung bình xuất hiện với tần suất cao nhất và xác suất giảm dần khi càng xa trung bình. Phân phối chuẩn được đặc trưng bởi hai tham số: kỳ vọng (μ) xác định vị trí trung tâm của đường cong và độ lệch chuẩn (σ) đo lường mức độ phân tán của dữ liệu. Đồ thị của phân phối chuẩn được gọi là đường cong Gauss, với diện tích dưới đường cong luôn bằng 1 (tương ứng 100% xác suất). Ký hiệu toán học: X ~ N(μ, σ²).

Tại sao Phân phối chuẩn quan trọng trong ngân hàng?

• Quản trị rủi ro tín dụng: Các ngân hàng sử dụng phân phối chuẩn để mô hình hóa phân bổ tổn thất tín dụng, ước tính xác suất vỡ nợ (PD) và tính toán mức dự phòng rủi ro theo chuẩn Basel III. Giả định phân phối chuẩn giúp đơn giản hóa việc tính toán Expected Loss (EL) và Unexpected Loss (UL).

• Định giá sản phẩm phái sinh: Mô hình Black-Scholes – nền tảng định giá quyền chọn – giả định lợi suất tài sản tuân theo phân phối chuẩn. Công thức định giá quyền chọn mua cổ phiếu phụ thuộc trực tiếp vào hàm phân phối tích lũy chuẩn hóa N(d).

• Đo lường rủi ro thị trường: Giá trị at Risk (VaR) và Expected Shortfall (ES) – các chỉ tiêu quan trọng trong quản trị rủi ro thị trường – thường được tính toán dựa trên giả định phân phối chuẩn của lợi suất tài sản.

• Tuân thủ quy định pháp lý: Thông tư 41/2016/TT-NHNN yêu cầu các ngân hàng áp dụng mô hình nội bộ dựa trên phân phối chuẩn để tính giá trị rủi ro thị trường, đảm bảo an toàn hệ thống theo chuẩn Basel.

Cách hoạt động và cách tính

Công thức hàm mật độ xác suất

Hàm mật độ xác suất của phân phối chuẩn:

$$f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$

Trong đó:

• μ (mu): Giá trị kỳ vọng (trung bình)
• σ (sigma): Độ lệch chuẩn
• σ²: Phương sai

Phân phối chuẩn hóa và Z-score

Để tính xác suất, ta chuẩn hóa biến ngẫu nhiên X về Z:

$$Z = \frac{X - \mu}{\sigma}$$

Z tuân theo phân phối chuẩn hóa N(0, 1) – có trung bình 0 và độ lệch chuẩn 1. Khi đó, xác suất P(X ≤ x) = P(Z ≤ z), tra bảng phân phối chuẩn hóa hoặc sử dụng hàm NORM.DIST trong Excel.

Quy tắc 68-95-99.7

Đây là tính chất quan trọng trong ứng dụng ngân hàng:

Bảng tra Z-score

Với Z = 1.96, xác suất P(Z ≤ 1.96) = 0.975 (97.5%) Với Z = 2.58, xác suất P(Z ≤ 2.58) = 0.995 (99.5%)

Ví dụ thực tế

Ví dụ 1: Tính xác suất nợ xấu

Giả sử Ngân hàng A có danh mục cho vay cá nhân với tỷ lệ nợ xấu trung bình μ = 3.5%, độ lệch chuẩn σ = 0.8%. Ngân hàng muốn tính xác suất tỷ lệ nợ xấu vượt quá 5%.

Bước 1: Chuẩn hóa $$Z = \frac{5\% - 3.5\%}{0.8\%} = \frac{1.5\%}{0.8\%} = 1.875$$

Bước 2: Tra bảng phân phối chuẩn hóa P(Z > 1.875) = 1 - P(Z ≤ 1.875) = 1 - 0.9696 ≈ 3.04%

Kết luận: Xác suất tỷ lệ nợ xấu vượt 5% chỉ khoảng 3.04%, cho thấy rủi ro tín dụng của danh mục này nằm trong ngưỡng kiểm soát.

Ví dụ 2: Ứng dụng trong định giá quyền chọn

Một khách hàng doanh nghiệp muốn mua quyền chọn mua cổ phiếu với các thông số:

• Giá cổ phiếu hiện tại (S₀): 100,000 VNĐ
• Giá thực hiện (K): 105,000 VNĐ
• Thời gian đến hạn (T): 1 năm
• Lãi suất phi rủi ro (r): 5%/năm
• Độ biến động (σ): 20%/năm

Theo mô hình Black-Scholes, xác suất quyền chọn được thực hiện có lãi phụ thuộc vào phân phối chuẩn hóa của ln(S_T/K). Công thức tính xác suất delta của quyền chọn:

$$N(d_1) = N\left(\frac{\ln(S_0/K) + (r + \sigma^2/2)T}{\sigma\sqrt{T}}\right)$$

Trong đó N(.) là hàm phân phối tích lũy chuẩn hóa.

Phân biệt với thuật ngữ liên quan

Lưu ý quan trọng: Trong thực tế tài chính, lợi suất thường có "đuôi mập" (leptokurtosis) – các sự kiện cực đoan xảy ra thường xuyên hơn phân phối chuẩn dự đoán. Do đó, nhiều ngân hàng chuyển sang dùng phân phối Student-t hoặc phương pháp mô phỏng Monte Carlo để ước lượng rủi ro chính xác hơn.

Câu hỏi thường gặp trong đề thi

Câu 1: Một danh mục đầu tư có lợi suất kỳ vọng 12% và độ lệch chuẩn 18%. Theo quy tắc 68-95-99.7, khoảng bao nhiêu phần trăm lợi suất nằm trong khoảng từ -6% đến 30%?

Câu 2: Trong mô hình Black-Scholes định giá quyền chọn, hàm phân phối tích lũy chuẩn hóa N(d₂) thể hiện đại lượng nào?

Câu 3: Giá trị Z-score bằng bao nhiêu để tương ứng với khoảng tin cậy 95% trong phân phối chuẩn hóa (khoảng cách hai phía)?

Câu 4: Tại sao phân phối chuẩn được sử dụng rộng rãi trong quản trị rủi ro ngân hàng dù có hạn chế về hiện tượng đuôi mập?

Tổng kết

Phân phối chuẩn là nền tảng toán học không thể thiếu trong ngành ngân hàng hiện đại, đặc biệt trong định giá sản phẩm phái sinh, quản trị rủi ro tín dụng và tuân thủ chuẩn Basel III. Thí sinh ôn thi tuyển dụng ngân hàng cần nắm vững cách tính Z-score, quy tắc 68-95-99.7 và ứng dụng trong các công thức tài chính quan trọng. Hãy luyện tập thường xuyên với các bài toán tính xác suất sử dụng bảng phân phối chuẩn hóa và kết hợp ôn tập các thuật ngữ liên quan như kỳ vọng, phương sai, VaR để đạt kết quả cao trong kỳ thi.