Nghiên cứu về một số cấu trúc phụ thuộc phi tuyến tính trong thiết kế danh mục đầu tư

  • Nguyễn Phúc Sơn
  • Phạm Hoàng Uyên
  • Nguyễn Đình Thiên
Từ khóa: Thiết kế danh mục đầu tư, khoa học dữ liệu, cấu trúc phụ thuộc, copula, rủi ro, cổ phiếu, lợi nhuận, phương pháp

Tóm tắt

Thiết kế các danh mục đầu tư có lợi nhuận
cao và rủi ro thấp luôn là đối tượng của các nhà
nghiên cứu. Markowits (1952) sử dụng các hệ số
tương quan giữa các cặp cổ phiếu để xây dựng các
danh mục thỏa mãn các mức rủi ro có thể chấp nhận
được. Hệ số tương quan mô tả cấu trúc phụ thuộc
tuyến tính giữa hai cổ phiếu nhưng không thể tích
hợp được các cấu trúc độc lập phi thuyến tính. Vì
vậy, hiệu quả của danh mục đầu tư đôi khi không
đáp ứng được kỳ vọng của nhà đầu tư. Trong bài viết
này, dựa trên lý thuyết copula của Sklar (xem [19]),
chúng tôi kiểm tra một số phương pháp mới để xác
định các cấu trúc phụ thuộc phi tuyến tính. Những
phương pháp mới này giúp chúng tôi ước lượng được
phân bố của các danh mục, từ đó cho phép áp dụng
các phương pháp ước lượng rủi ro phổ biến của các
danh mục đầu tư như VaR. Chúng tôi áp dụng
phương pháp này đối với các cổ phiếu niêm yết trên
Sàn Giao dịch Cổ phiếu TP.HCM (HoSE), xây dựng
một số danh mục tối ưu theo phương pháp của
Markowitz cùng với các phương pháp ước tính rủi
ro. Kết quả cho thấy, với các cấu trúc phụ thuộc phi
tuyến tính, ước tính rủi ro của một số cặp cổ phiếu có
những tác động đáng chú ý đến danh mục đầu tư.
Kết quả này dẫn đến thay đổi các quyết định của nhà
đầu tư.

điểm /   đánh giá
Phát hành ngày
2020-07-14
Chuyên mục
Bài viết