Các dạng phân phối và hiệu ứng đuôi béo trong dữ liệu tài chính
2025-06-05 — Admin
1. Hiểu về phân phối trong dữ liệu tài chính
Phân phối chuẩn (normal distribution) thường được giả định trong nhiều mô hình tài chính truyền thống. Tuy nhiên, dữ liệu thực tế cho thấy lợi suất tài sản có đuôi béo (fat tails), tức là xác suất xảy ra các sự kiện cực đoan cao hơn so với dự đoán của phân phối chuẩn.
2. So sánh phân phối chuẩn và phân phối có đuôi béo
Phân phối chuẩn đánh giá thấp rủi ro từ các cú sốc lớn. Trong khi đó, các phân phối như Student’s t-distribution hoặc Cauchy distribution có đuôi béo hơn, mô tả sát hơn hiện thực tài chính.
Hình: Phân phối chuẩn vs. Phân phối t với đuôi béo (df=3)
3. Mô hình hóa đuôi béo với GARCH và EVT
GARCH (Generalized Autoregressive Conditional Heteroskedasticity):
- Mô hình biến động theo thời gian.
- Dùng để mô hình hóa phương sai thay đổi trong chuỗi lợi suất.
- GARCH giúp dự đoán rủi ro ngắn hạn như biến động tăng bất thường.
EVT (Extreme Value Theory):
- Tập trung vào hành vi của phần đuôi phân phối.
- Hữu ích trong việc dự đoán xác suất xảy ra các sự kiện cực đoan, như khủng hoảng tài chính.
4. Ý nghĩa trong VaR và stress testing
Value at Risk (VaR):
- Khi sử dụng phân phối chuẩn, VaR thường đánh giá thấp rủi ro.
- Với fat tails, các mô hình như EVT hoặc GARCH-VaR sẽ cho kết quả sát thực tế hơn.
Stress testing:
- Đuôi béo ảnh hưởng đến khả năng mô phỏng các kịch bản cực đoan.
- GARCH/EVT cho phép xây dựng kịch bản rủi ro hợp lý hơn trong các điều kiện bất ổn kinh tế.
✅ Kết luận: Hiểu và mô hình hóa đuôi béo giúp nhà đầu tư, nhà quản trị rủi ro đưa ra quyết định sát thực tế hơn, đặc biệt trong bối cảnh thị trường biến động mạnh.