Phân phối đuôi béo là gì?

Phân phối đuôi béo là gì?

Phân phối đuôi béo (Fat-Tailed Distribution) là phân phối xác suất trong thống kê và tài chính, trong đó phần đuôi của phân phối có trọng lượng xác suất lớn hơn đáng kể so với phân phối chuẩn (Normal Distribution). Nói cách khác, khả năng xảy ra các giá trị nằm xa giá trị trung bình (outliers) trong phân phối đuôi béo cao hơn nhiều so với dự đoán của mô hình phân phối chuẩn. Đặc điểm quan trọng nhất là vận tốc suy giảm xác suất ở phần đuôi chậm hơn so với phân phối chuẩn, tuân theo quy luật hàm mũ yếu hơn.

Tại sao phân phối đuôi béo quan trọng trong ngân hàng?

• Đánh giá rủi ro chính xác hơn: Các mô hình VaR truyền thống sử dụng giả định phân phối chuẩn thường đánh giá thấp rủi ro thực tế, dẫn đến thiếu hụt vốn dự phòng cho các sự kiện cực đoan.

• Dự phòng rủi ro tín dụng: Trong danh mục tín dụng ngân hàng, các khoản nợ xấu thường tập trung theo chuỗi (clustering), xảy ra đồng thời nhiều hơn so với dự đoán của mô hình chuẩn.

• Quản lý rủi ro thị trường: Biến động lãi suất, tỷ giá và giá chứng khoán trên thực tế có đuôi béo hơn phân phối chuẩn, đòi hỏi mô hình phải phản ánh đúng đặc điểm này.

• Tuân thủ quy định pháp lý: Thông tư 22/2019/TT-NHNN về phương pháp tính giá trị rủi ro (VaR) khuyến khích sử dụng các mô hình phân phối xác suất phù hợp hơn với thực tế thị trường.

Cách hoạt động và cách tính

Đặc điểm toán học

Trong phân phối chuẩn, xác suất xảy ra một sự kiện cách trung bình k độ lệch chuẩn được tính theo công thức:

$$P(|X - \mu| > k\sigma) = 2 \cdot \left(1 - \Phi(k)\right)$$

Trong đó Φ là hàm phân phối tích lũy chuẩn. Với k = 4, xác suất chỉ khoảng 0.006% (1 lần trong 31.000 ngày giao dịch).

Với phân phối đuôi béo (ví dụ phân phối Student-t với ν bậc tự do):

$$P(|X| > k) \approx C \cdot k^{-\nu} \quad \text{khi } k \to \infty$$

Chỉ số Kurtosis (Độ nhọn)

• Phân phối chuẩn: Kurtosis = 3
• Phân phối đuôi béo: Kurtosis > 3

Kurtosis đo lường mức độ "nặng" của đuôi phân phối. Khi kurtosis tăng, xác suất xảy ra các giá trị cực đoan cũng tăng theo.

Ví dụ thực tế

Ví dụ 1: Định giá VaR cho danh mục đầu tư

Giả sử Ngân hàng A có danh mục đầu tư trái phiếu với giá trị 10.000 tỷ đồng. Sử dụng mô hình VaR 99% trong 1 ngày:

• Theo phân phối chuẩn: VaR = 1% × 10.000 = 100 tỷ đồng
• Theo phân phối đuôi béo (Student-t, df=4): VaR = 2.8% × 10.000 = 280 tỷ đồng

Chênh lệch 180 tỷ đồng cho thấy mô hình chuẩn đánh giá thấp rủi ro gấp 2.8 lần.

Ví dụ 2: Phân tích nợ xấu tín dụng

Ngân hàng B theo dõi tỷ lệ nợ xấu của 1.000 khoản vay trong 5 năm:

• Phân phối chuẩn dự đoán: Tỷ lệ nợ xấu vượt 8% chỉ xảy ra 0.1% (khoảng 1 lần)
• Thực tế quan sát: Có 5 lần tỷ lệ nợ xấu vượt 8%, cho thấy phân phối thực tế có đuôi béo hơn đáng kể

Điều này dẫn đến Ngân hàng B phải trích lập dự phòng rủi ro cao hơn 40% so với dự kiến ban đầu.

Phân biệt với thuật ngữ liên quan

Câu hỏi thường gặp trong đề thi

Câu 1: Trong phân phối xác suất, đặc điểm chính của phân phối đuôi béo so với phân phối chuẩn là gì?

• A. Giá trị trung bình cao hơn
• B. Độ lệch chuẩn nhỏ hơn
• C. Xác suất xảy ra các sự kiện cực đoan cao hơn đáng kể
• D. Hệ số Skewness âm

Câu 2: Chỉ số Kurtosis của phân phối chuẩn bằng bao nhiêu?

• A. 0
• B. 1
• C. 3
• D. 5

Câu 3: Khi sử dụng mô hình VaR với giả định phân phối chuẩn, ngân hàng thường gặp vấn đề gì?

• A. Đánh giá quá cao rủi ro thực tế
• B. Đánh giá thấp rủi ro thực tế do bỏ qua đuôi béo
• C. Không thể tính được VaR
• D. Kết quả VaR bằng 0

Tổng kết

Phân phối đuôi béo là khái niệm quan trọng giúp các ngân hàng đánh giá rủi ro thực tế chính xác hơn so với giả định phân phối chuẩn truyền thống. Dữ liệu tài chính luôn có đuôi béo hơn phân phối chuẩn, đòi hỏi mô hình định lượng phải phản ánh đặc điểm này. Khi ôn thi ngân hàng, thí sinh cần nắm vững cách phân biệt phân phối đuôi béo với các loại phân phối khác, hiểu cách tính VaR và ý nghĩa của Kurtosis để có thể xử lý tốt các câu hỏi về quản trị rủi ro trong đề thi tuyển dụng.