[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_bi%E1%BA%BFn%20%C4%91%E1%BB%99ng%20gi%C3%A1{\"limit\":5}":3,"_public_topic_byId_biến động giá":39},{"code":4,"data":5,"meta":21},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":24,"vietnamLatest":38},[],[8],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":21,"url":22,"doi":21,"summary":23},"00f1e897-9218-45f9-aef4-6399f18f1148","Xác định ảnh hưởng của sự biến động giá nhiên liệu tới cước vận tải biển hàng rời","DEFINE THE INFLUENCE OF THE VOLATILE FUEL PRICE ON THE FREIGHT OF DRY BULK SHIPPING",[13,14,15],"Linh Nguyễn","LAM NGUYEN CANH","THANH NGUYEN CONG",5,"Tạp chí Khoa học Công nghệ Hàng hải",false,"2021-11-19",2021,null,"https:\u002F\u002Fjmst.vimaru.edu.vn\u002Findex.php\u002Ftckhcnhh\u002Farticle\u002Fview\u002F55","\u003Cp>Nghiên cứu kinh tế lượng ứng dụng mô hình hồi quy phân tích tác động của tình trạng \u003Cb class=\"publication-topic-keywords\">biến động giá\u003C\u002Fb> nhiên liệu dầu mỏ đến mức cước vận tải biển hàng rời quốc tế trong giai đoạn 2018–2020. Kết quả tính toán chỉ ra mối tương quan đồng biến chặt chẽ giữa chi phí nhiên liệu đầu vào và chỉ số cước tàu biển giao ngay. Nghiên cứu đề xuất các công cụ tài chính phòng ngừa rủi ro biến động giá nhằm giúp doanh nghiệp hàng hải ổn định chi phí vận hành.\u003C\u002Fp>",[25],{"publicationId":26,"title":27,"originalTitle":21,"authorNames":28,"authorCount":30,"journalName":31,"vietnamJournal":32,"publishDate":33,"publishYear":34,"totalCitation":21,"url":35,"doi":36,"summary":37},"eea9f955-fc37-4c14-a44d-c222b14eeb16","16. ĐÁNH GIÁ THỰC TRẠNG BIẾN ĐỘNG GIÁ ĐẤT Ở TRÊN ĐỊA BÀN THÀNH PHỐ PHÚC YÊN, TỈNH VĨNH PHÚC ",[29],"Nguyễn Thị Hải Yến",1,"Tạp chí khoa học tài nguyên và môi trường",true,"2024-12-24",2024,"http:\u002F\u002Ftapchikhtnmt.hunre.edu.vn\u002Findex.php\u002Ftapchikhtnmt\u002Farticle\u002Fview\u002F630","10.63064\u002Fkhtnmt.2024.630","\u003Cp>Khảo sát thực nghiệm đánh giá thực trạng xu hướng và mức độ \u003Cb class=\"publication-topic-keywords\">biến động giá\u003C\u002Fb> đất ở trên địa bàn thành phố Phúc Yên tỉnh Vĩnh Phúc dưới tác động của quy hoạch đô thị và hạ tầng giao thông. Tác giả phân tích sự chênh lệch lớn giữa bảng giá đất quy định của nhà nước và giá giao dịch thực tế ngoài thị trường tự do. Dữ liệu khảo sát cung cấp luận cứ thực tiễn giúp chính quyền địa phương hoàn thiện chính sách thuế đất và quản lý thị trường bất động sản minh bạch.\u003C\u002Fp>",[],{"code":4,"data":40,"meta":21},{"id":41,"title":42,"description":43,"content":44,"term":41,"englishTitle":45,"synonyms":46,"definition":50,"discipline":51,"references":52,"faqs":74,"createUser":84,"publishUser":87,"keywords":91,"keywordCount":102,"enrichTopicLink":32,"status":103,"createTime":104,"updateTime":105,"publishTime":106,"linkEnrichedTime":107,"publicationScanTime":108,"contentErrorMessage":21,"viewCount":109,"relateTopics":110},"biến động giá","Biến động giá: Khái niệm, mô hình GARCH và ứng dụng quản trị rủi ro","Biến động giá phản ánh mức độ dao động lợi suất tài sản tài chính, là biến số cốt lõi trong định giá quyền chọn và quản trị danh mục đầu tư.","\u003Cp>Biến động giá (price volatility) là mức độ dao động của giá tài sản theo thời gian, thường được hiểu như độ không chắc chắn (uncertainty) của lợi suất trong một khoảng quan sát. Trong thực hành tài chính định lượng, biến động là thước đo rủi ro then chốt vì nó cho biết biên độ thay đổi giá quanh giá trị kỳ vọng, qua đó ảnh hưởng trực tiếp đến định giá phái sinh, quản trị rủi ro và phân bổ tài sản. Ở cấp độ thị trường, biến động tăng phản ánh kỳ vọng rủi ro cao hơn và chi phí vốn có xu hướng điều chỉnh tương ứng. Các cơ quan và nhà cung cấp hạ tầng thị trường như Cboe mô tả biến động là thành phần cấu thành của giá quyền chọn và là “nhiên liệu” của nhiều chiến lược phòng ngừa rủi ro (Cboe – Volatility 101).\u003C\u002Fp>\n\u003Cp>Trong thực tế, biến động có thể được mô tả ở nhiều tần suất: nội ngày, ngày, tuần hoặc năm; và ở các đơn vị khác nhau: phần trăm điểm, độ lệch chuẩn của lợi suất, hay độ dao động giá xung quanh đường trung bình. Ở góc độ quản lý rủi ro, các tổ chức tài chính và cơ quan giám sát nhấn mạnh vai trò của biến động như một yếu tố cốt lõi trong mô hình hóa VaR, stress testing và giám sát {{topic|%7B%22topic%22%3A%22%E1%BB%95n%20%C4%91%E1%BB%8Bnh%20t%C3%A0i%20ch%C3%ADnh%22%7D}}; những biến động bất thường có thể phát tín hiệu {{topic|%7B%22topic%22%3A%22r%E1%BB%A7i%20ro%20h%E1%BB%87%20th%E1%BB%91ng%22%7D}}, đòi hỏi biện pháp can thiệp chính sách kịp thời (BIS – Quarterly Review, IMF – Global Financial Stability Report).\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Khái niệm\u003C\u002Fth>\u003Cth>Mục tiêu đo lường\u003C\u002Fth>\u003Cth>Ứng dụng chính\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Biến động (Volatility)\u003C\u002Ftd>\u003Ctd>Độ phân tán của lợi suất\u003C\u002Ftd>\u003Ctd>Định giá phái sinh, quản trị rủi ro\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Rủi ro (Risk)\u003C\u002Ftd>\u003Ctd>Khả năng thua lỗ tài chính\u003C\u002Ftd>\u003Ctd>Phân bổ vốn, yêu cầu vốn\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Thanh khoản (Liquidity)\u003C\u002Ftd>\u003Ctd>Khả năng khớp lệnh với chi phí thấp\u003C\u002Ftd>\u003Ctd>Thực thi giao dịch, ổn định thị trường\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Các loại biến động giá\u003C\u002Fh2>\n\u003Cp>Biến động lịch sử (Historical Volatility – HV) được tính từ chuỗi dữ liệu giá quá khứ, phản ánh mức “nhiễu” đã xảy ra. HV phụ thuộc mạnh vào cửa sổ thời gian (ví dụ 20, 60 hay 252 phiên) và cách xác định lợi suất (đơn, log). Trong quản trị danh mục, HV giúp ước lượng rủi ro ngắn hạn và là đầu vào cho tối ưu hóa phương sai tối thiểu; tuy nhiên HV không nắm bắt trực tiếp kỳ vọng tương lai của thị trường. Tài liệu đào tạo chuyên môn cũng lưu ý hiện tượng “tập cụm biến động” (volatility clustering) khiến HV trong quá khứ có giá trị dự báo nhất định ở tần suất cao, song độ tin cậy thay đổi theo chế độ thị trường (CFA Institute – Derivatives & Risk).\u003C\u002Fp>\n\u003Cp>Biến động ngụ ý (Implied Volatility – IV) được nội suy từ giá quyền chọn theo các khung định giá như Black–Scholes–Merton hoặc các biến thể, thể hiện kỳ vọng thị trường về mức dao động giá trong tương lai. IV không phải “dự báo” điểm số duy nhất mà là tham số cân bằng giữa cung cầu quyền chọn; khi nhu cầu phòng hộ tăng, IV có thể tăng ngay cả khi giá cơ sở chưa biến động nhiều. IV đóng vai trò trung tâm trong các chỉ số biến động thị trường như VIX của Cboe, đại diện cho kỳ vọng biến động 30 ngày của S&P 500 dựa trên danh mục quyền chọn OTM (Cboe – VIX Overview).\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Biến động thực hiện (Realized Volatility): tổng hợp từ lợi suất nội ngày\u002Fphiên, nhạy với lấy mẫu tần suất cao (Federal Reserve – Realized Volatility Measurement).\u003C\u002Fli>\n  \u003Cli>Biến động điều kiện (Conditional Volatility): ước lượng từ mô hình như GARCH, cho phép biến động phụ thuộc quá khứ (BIS – Working Papers on conditional volatility).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Loại\u003C\u002Fth>\u003Cth>Nguồn dữ liệu\u003C\u002Fth>\u003Cth>Ưu điểm\u003C\u002Fth>\u003Cth>Hạn chế\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Lịch sử (HV)\u003C\u002Ftd>\u003Ctd>Giá quá khứ\u003C\u002Ftd>\u003Ctd>Dễ tính, minh bạch\u003C\u002Ftd>\u003Ctd>Không phản ánh kỳ vọng\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Ngụ ý (IV)\u003C\u002Ftd>\u003Ctd>Giá quyền chọn\u003C\u002Ftd>\u003Ctd>Hàm chứa kỳ vọng thị trường\u003C\u002Ftd>\u003Ctd>Nhạy cung cầu phái sinh\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Thực hiện\u003C\u002Ftd>\u003Ctd>Dữ liệu nội ngày\u003C\u002Ftd>\u003Ctd>Chi tiết, giàu thông tin\u003C\u002Ftd>\u003Ctd>Nhạy nhiễu vi cấu trúc\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Công thức định lượng biến động\u003C\u002Fh2>\n\u003Cp>Trong khung lợi suất log, biến động mẫu không điều chỉnh được tính bằng độ lệch chuẩn của chuỗi lợi suất: \n\u003Cscript type=\"math\u002Ftex\">\\sigma = \\sqrt{\\frac{1}{N}\\sum_{i=1}^{N}\\left(r_i - \\overline{r}\\right)^2},\\quad r_i=\\ln\\!\\left(\\frac{P_i}{P_{i-1}}\\right)\u003C\u002Fscript>\nTrong nhiều ứng dụng, dùng ước lượng không chệch với mẫu nhỏ: \n\u003Cscript type=\"math\u002Ftex\">\\hat{\\sigma} = \\sqrt{\\frac{1}{N-1}\\sum_{i=1}^{N}\\left(r_i - \\overline{r}\\right)^2}\u003C\u002Fscript>\nQuy đổi sang biến động năm giả định độc lập và đồng phân phối theo căn bậc hai thời gian: \n\u003Cscript type=\"math\u002Ftex\">\\sigma_{\\text{năm}} = \\hat{\\sigma}_{\\text{ngày}}\\times \\sqrt{252}\u003C\u002Fscript>\nCác giả định này cần được kiểm định vì lợi suất thực tế thường có đuôi dày và tự tương quan phương sai (SEC Investor.gov – Options & Volatility, CFA Program Curriculum – Quant Methods).\u003C\u002Fp>\n\u003Cp>Đối với IV, giá quyền chọn \u003Cscript type=\"math\u002Ftex\">C_{\\text{mkt}}\u003C\u002Fscript> được so với giá lý thuyết \u003Cscript type=\"math\u002Ftex\">C(\\sigma)\u003C\u002Fscript> từ mô hình; IV là nghiệm \u003Cscript type=\"math\u002Ftex\">\\sigma\u003C\u002Fscript> thỏa mãn: \n\u003Cscript type=\"math\u002Ftex\">C(\\sigma_{\\text{IV}}; S, K, r, q, T) = C_{\\text{mkt}} \u003C\u002Fscript>\nTrong thực hành, IV bề mặt (volatility surface) phụ thuộc strike và kỳ hạn do hiện tượng “smile\u002Fsmirk”, phản ánh cấu trúc rủi ro bất đối xứng và xác suất đuôi. Việc nội suy và làm mịn bề mặt IV là bước bắt buộc trước khi sử dụng cho định giá và {{topic|%7B%22topic%22%3A%22qu%E1%BA%A3n%20tr%E1%BB%8B%20r%E1%BB%A7i%20ro%22%7D}} phái sinh (Cboe – Option Statistics, MSCI – Modeling Volatility).\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Ước lượng biến động điều kiện: họ mô hình ARCH\u002FGARCH cho phép \u003Cscript type=\"math\u002Ftex\">\\sigma_t^2 = \\alpha_0 + \\alpha_1 \\varepsilon_{t-1}^2 + \\beta_1 \\sigma_{t-1}^2\u003C\u002Fscript> để nắm bắt tập cụm biến động.\u003C\u002Fli>\n  \u003Cli>Ước lượng biến động thực hiện: tổng bình phương lợi suất nội ngày hiệu chỉnh nhiễu vi cấu trúc nhằm giảm thiên lệch.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Chỉ số dùng để đo biến động\u003C\u002Fh2>\n\u003Cp>VIX (Cboe Volatility Index) là chỉ số đo kỳ vọng biến động 30 ngày của S&P 500, tính toán từ phổ quyền chọn mua và bán OTM ở nhiều mức giá thực hiện, không phụ thuộc một mô hình định giá cụ thể. VIX thường được gọi là “thước đo sợ hãi” của thị trường do có xu hướng tăng trong giai đoạn rủi ro cao, khi nhu cầu phòng hộ tăng mạnh (Cboe – VIX FAQ).\u003C\u002Fp>\n\u003Cp>Ngoài VIX, còn có các chỉ số chuyên biệt theo tài sản: ví dụ OVX cho dầu WTI, GVZ cho vàng, EVZ cho EUR\u002FUSD, hay các chỉ số biến động do nhà cung cấp dữ liệu xây dựng cho trái phiếu và tín dụng. Những chỉ số này hỗ trợ nhà đầu tư theo dõi nhanh trạng thái rủi ro định giá bởi thị trường quyền chọn và triển khai các chiến lược phòng hộ hoặc giao dịch tương đối giữa biến động lịch sử và ngụ ý. Trong khuôn khổ tuân thủ và giáo dục nhà đầu tư, tài liệu từ SEC nhấn mạnh cần hiểu rõ bản chất “kỳ vọng” của IV khi sử dụng các chỉ số biến động làm tín hiệu quyết định (SEC – Volatility (Glossary)).\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Chỉ số\u003C\u002Fth>\u003Cth>Tài sản cơ sở\u003C\u002Fth>\u003Cth>Ý nghĩa\u003C\u002Fth>\u003Cth>Nguồn\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>VIX\u003C\u002Ftd>\u003Ctd>S&P 500\u003C\u002Ftd>\u003Ctd>Kỳ vọng biến động 30 ngày\u003C\u002Ftd>\u003Ctd>Cboe\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>OVX\u003C\u002Ftd>\u003Ctd>Dầu thô WTI\u003C\u002Ftd>\u003Ctd>Kỳ vọng biến động hàng hóa năng lượng\u003C\u002Ftd>\u003Ctd>Cboe Data\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>GVZ\u003C\u002Ftd>\u003Ctd>Vàng (GLD)\u003C\u002Ftd>\u003Ctd>Kỳ vọng biến động kim loại quý\u003C\u002Ftd>\u003Ctd>Cboe Stats\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Ch2>Vai trò của beta trong đánh giá biến động tương đối\u003C\u002Fh2>\n\u003Cp>Hệ số beta (β) đo lường mức độ nhạy cảm của lợi suất tài sản so với lợi suất thị trường chuẩn (thường là một chỉ số thị trường như S&P 500 hoặc VN-Index). Về mặt toán học, beta được tính từ hồi quy tuyến tính giữa lợi suất tài sản và lợi suất thị trường: \n\u003Cscript type=\"math\u002Ftex\">\\beta = \\frac{\\mathrm{Cov}(r_a, r_m)}{\\mathrm{Var}(r_m)}\u003C\u002Fscript>\ntrong đó \u003Cscript type=\"math\u002Ftex\">r_a\u003C\u002Fscript> là lợi suất tài sản, \u003Cscript type=\"math\u002Ftex\">r_m\u003C\u002Fscript> là lợi suất thị trường. Beta > 1 cho thấy tài sản biến động mạnh hơn thị trường; Beta < 1 phản ánh mức biến động thấp hơn (Investopedia – Beta).\u003C\u002Fp>\n\u003Cp>Trong quản trị danh mục, beta giúp nhà đầu tư điều chỉnh cấu trúc tài sản để phù hợp với khẩu vị rủi ro. Ví dụ, nếu dự báo thị trường tăng, nhà đầu tư có thể chọn tài sản beta cao để khuếch đại lợi nhuận tiềm năng, nhưng ngược lại rủi ro thua lỗ cũng tăng. Các quỹ phòng hộ và nhà quản lý tài sản dùng beta để xây dựng chiến lược \"market neutral\" nhằm triệt tiêu rủi ro hệ thống, chỉ tập trung vào lợi nhuận từ chọn lựa chứng khoán.\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Beta\u003C\u002Fth>\u003Cth>Ý nghĩa\u003C\u002Fth>\u003Cth>Chiến lược\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>> 1\u003C\u002Ftd>\u003Ctd>Biến động mạnh hơn thị trường\u003C\u002Ftd>\u003Ctd>Tăng lợi nhuận khi thị trường lên, rủi ro cao khi thị trường giảm\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>= 1\u003C\u002Ftd>\u003Ctd>Biến động tương đương thị trường\u003C\u002Ftd>\u003Ctd>Theo sát biến động chung\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>< 1\u003C\u002Ftd>\u003Ctd>Biến động thấp hơn thị trường\u003C\u002Ftd>\u003Ctd>Ổn định hơn, phù hợp phòng thủ\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Nguyên nhân dẫn đến biến động giá\u003C\u002Fh2>\n\u003Cp>Biến động giá bắt nguồn từ nhiều yếu tố, có thể phân loại thành nhóm nội sinh (liên quan trực tiếp đến tài sản) và ngoại sinh (liên quan đến môi trường kinh tế, chính trị). Nội sinh bao gồm thay đổi cung cầu, kết quả kinh doanh, tin tức về công ty hoặc ngành. Ngoại sinh gồm biến động lãi suất, lạm phát, {{topic|%7B%22topic%22%3A%22ch%C3%ADnh%20s%C3%A1ch%20ti%E1%BB%81n%20t%E1%BB%87%22%7D}}, địa chính trị, thiên tai, {{topic|%7B%22topic%22%3A%22kh%E1%BB%A7ng%20ho%E1%BA%A3ng%20t%C3%A0i%20ch%C3%ADnh%22%7D}}.\u003C\u002Fp>\n\u003Cp>Trong thị trường hàng hóa, cú sốc cung cầu là nguyên nhân chính tạo biến động lớn. Ví dụ, gián đoạn nguồn cung dầu thô do xung đột hoặc thiên tai có thể làm giá tăng mạnh; ngược lại, dư cung hoặc nhu cầu giảm do {{topic|%7B%22topic%22%3A%22suy%20tho%C3%A1i%20kinh%20t%E1%BA%BF%22%7D}} làm giá giảm sâu. Với {{topic|%7B%22topic%22%3A%22th%E1%BB%8B%20tr%C6%B0%E1%BB%9Dng%20ch%E1%BB%A9ng%20kho%C3%A1n%22%7D}}, tâm lý nhà đầu tư và {{topic|%7B%22topic%22%3A%22h%C3%A0nh%20vi%20b%E1%BA%A7y%20%C4%91%C3%A0n%22%7D}} (herd behavior) thường khuếch đại biến động, đặc biệt khi có tin đồn hoặc dữ liệu kinh tế bất ngờ (EIA – Commodity price volatility).\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Tâm lý thị trường: sợ hãi, tham lam, kỳ vọng quá mức\u003C\u002Fli>\n  \u003Cli>Biến động vĩ mô: GDP, lãi suất, tỷ giá, lạm phát\u003C\u002Fli>\n  \u003Cli>Sự kiện bất ngờ: khủng hoảng, dịch bệnh, thiên tai\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Hậu quả của biến động giá\u003C\u002Fh2>\n\u003Cp>Biến động cao thường làm tăng rủi ro đầu tư, khiến chi phí vốn tăng và làm giảm lòng tin thị trường. Các công ty có dòng tiền biến động mạnh sẽ khó lập kế hoạch đầu tư dài hạn, và chi phí bảo hiểm rủi ro (hedging cost) cũng tăng. Đối với nhà đầu tư, biến động cao có thể mang lại cơ hội giao dịch ngắn hạn, nhưng cũng dễ dẫn tới thua lỗ nếu quản trị rủi ro kém (Investopedia – Volatility).\u003C\u002Fp>\n\u003Cp>Ở cấp độ kinh tế vĩ mô, biến động giá hàng hóa thiết yếu như năng lượng, lương thực có thể tác động đến lạm phát, cán cân thương mại và an ninh kinh tế. Ngân hàng trung ương và chính phủ thường can thiệp để ổn định giá nhằm tránh bất ổn xã hội.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Nguy cơ giảm đầu tư dài hạn\u003C\u002Fli>\n  \u003Cli>Tăng chi phí vốn và {{topic|%7B%22topic%22%3A%22r%E1%BB%A7i%20ro%20t%C3%A0i%20ch%C3%ADnh%22%7D}}\u003C\u002Fli>\n  \u003Cli>Ảnh hưởng đến tăng trưởng kinh tế\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Mô hình mô phỏng biến động\u003C\u002Fh2>\n\u003Cp>Các mô hình ARCH\u002FGARCH cho phép biến động thay đổi theo thời gian và phụ thuộc vào biến động quá khứ. Mô hình GARCH(1,1) phổ biến với công thức: \n\u003Cscript type=\"math\u002Ftex\">\\sigma_t^2 = \\omega + \\alpha \\varepsilon_{t-1}^2 + \\beta \\sigma_{t-1}^2\u003C\u002Fscript>\ntrong đó \u003Cscript type=\"math\u002Ftex\">\\sigma_t^2\u003C\u002Fscript> là phương sai có điều kiện, \u003Cscript type=\"math\u002Ftex\">\\varepsilon_{t-1}^2\u003C\u002Fscript> là số sốc bình phương trước đó. Mô hình này phù hợp với hiện tượng tập cụm biến động.\u003C\u002Fp>\n\u003Cp>Mô hình Heston là mô hình biến động ngẫu nhiên, trong đó biến động là một quá trình riêng biệt, không cố định, cho phép mô phỏng smile của quyền chọn. Đây là công cụ quan trọng cho định giá phái sinh phức tạp (ScienceDirect – Heston Model).\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Mô hình\u003C\u002Fth>\u003Cth>Đặc điểm\u003C\u002Fth>\u003Cth>Ứng dụng\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>ARCH\u003C\u002Ftd>\u003Ctd>Phụ thuộc vào bình phương số sốc trước đó\u003C\u002Ftd>\u003Ctd>Mô hình hóa biến động ngắn hạn\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>GARCH\u003C\u002Ftd>\u003Ctd>Kết hợp ARCH và thành phần trễ biến động\u003C\u002Ftd>\u003Ctd>Dự báo biến động, quản trị rủi ro\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Heston\u003C\u002Ftd>\u003Ctd>Biến động ngẫu nhiên, động lực riêng\u003C\u002Ftd>\u003Ctd>Định giá phái sinh, mô phỏng smile\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Lợi ích và giới hạn của việc đo biến động\u003C\u002Fh2>\n\u003Cp>Việc đo biến động cung cấp thông tin định lượng cho quản trị rủi ro, định giá tài sản và thiết kế chiến lược đầu tư. Nhà đầu tư có thể so sánh biến động lịch sử với biến động ngụ ý để tìm cơ hội arbitrage hoặc hedging hiệu quả. Doanh nghiệp sử dụng thông tin biến động để quyết định thời điểm phát hành trái phiếu hoặc cổ phiếu nhằm tối ưu chi phí vốn.\u003C\u002Fp>\n\u003Cp>Tuy nhiên, các phương pháp đo biến động đều có giới hạn. Biến động lịch sử chỉ phản ánh quá khứ, không đảm bảo dự báo chính xác tương lai. Biến động ngụ ý phản ánh kỳ vọng thị trường, nhưng dễ bị méo do cung cầu quyền chọn. Ngoài ra, các giả định như {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20ph%E1%BB%91i%20chu%E1%BA%A9n%22%7D}} hoặc độc lập theo thời gian thường không đúng trong dữ liệu thực tế.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Không phương pháp nào dự đoán biến động hoàn hảo\u003C\u002Fli>\n  \u003Cli>Cần kết hợp nhiều chỉ báo và mô hình\u003C\u002Fli>\n  \u003Cli>Yếu tố bất ngờ luôn có thể làm biến động thay đổi đột ngột\u003C\u002Fli>\n\u003C\u002Ful>","Price Volatility",[47,48,49],"độ biến động giá","độ biến động tài chính","price volatility","Biến động giá là thước đo thống kê thể hiện mức độ phân tán và tốc độ thay đổi của giá tài sản tài chính hoặc hàng hóa trong một khoảng thời gian nhất định.","SOCIAL_SCIENCES",[53,60,67],{"citationText":54,"title":55,"authors":56,"source":57,"year":58,"doi":59,"url":21},"Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007.","Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation","R. F. Engle","Econometrica",1982,"10.2307\u002F1912773",{"citationText":61,"title":62,"authors":63,"source":64,"year":65,"doi":66,"url":21},"Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.","Generalized autoregressive conditional heteroskedasticity","T. Bollerslev","Journal of Econometrics",1986,"10.1016\u002F0304-4076(86)90063-1",{"citationText":68,"title":69,"authors":70,"source":71,"year":72,"doi":73,"url":21},"Andersen, T. G., & Bollerslev, T. (1998). Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review, 39(4), 885-905.","Answering the Skeptics: Yes, Standard Volatility Models do Provide Accurate Forecasts","T. G. Andersen, T. Bollerslev","International Economic Review",1998,"10.2307\u002F2527343",[75,78,81],{"question":76,"answer":77},"Sự khác biệt giữa biến động giá lịch sử (historical volatility) và biến động giá ngụ ý (implied volatility) là gì?","Biến động lịch sử được tính toán từ dữ liệu giá thực tế trong quá khứ qua độ lệch chuẩn của lợi suất; trong khi biến động ngụ ý được chiết khấu ngược từ giá thị trường của hợp đồng quyền chọn (thông qua mô hình Black-Scholes), phản ánh kỳ vọng của thị trường về rủi ro trong tương lai.",{"question":79,"answer":80},"Hiện tượng cụm biến động (volatility clustering) là gì trong kinh tế lượng tài chính?","Hiện tượng cụm biến động (được Mandelbrot và Engle mô tả) chỉ ra rằng các biến động giá lớn thường có xu hướng theo sau bởi các biến động lớn, và các biến động nhỏ theo sau bởi các biến động nhỏ, dẫn đến phương sai thay đổi theo thời gian.",{"question":82,"answer":83},"Chỉ số VIX phản ánh điều gì trên thị trường chứng khoán?","Chỉ số VIX (CBOE Volatility Index, hay 'chỉ số sợ hãi') đo lường kỳ vọng của thị trường về mức độ biến động trong 30 ngày tới của chỉ số S&P 500 thông qua giá các hợp đồng quyền chọn.",{"id":30,"researcherId":21,"name":85,"imageUrl":86},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":88,"researcherId":21,"name":89,"imageUrl":90},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[92,93,94,95,96,97,98,99,100,101],"ổn định tài chính","rủi ro hệ thống","quản trị rủi ro","chính sách tiền tệ","khủng hoảng tài chính","suy thoái kinh tế","thị trường chứng khoán","hành vi bầy đàn","rủi ro tài chính","phân phối chuẩn",10,"PUBLISHED","2025-08-10T08:55:38.771+00:00","2026-09-03T09:10:05.230+00:00","2025-08-11T13:34:59.679+00:00","2026-09-03T09:10:04.951+00:00","2026-09-03T08:24:22.539+00:00",495,[111,114,117,120,123,126,128,138,149,154],{"id":112,"title":113,"term":112,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"giáo dục khởi nghiệp","Giáo dục khởi nghiệp là gì? Nghiên cứu khoa học liên quan",{"id":115,"title":116,"term":115,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"bộ lọc kalman","Bộ lọc kalman là gì? Các nghiên cứu khoa học về Bộ lọc kalman",{"id":118,"title":119,"term":118,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"yếu tố ảnh hưởng","Yếu tố ảnh hưởng là gì? Các nghiên cứu khoa học liên quan",{"id":121,"title":122,"term":121,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"hồi quy phân vị","Hồi quy phân vị là gì? Các bài nghiên cứu khoa học",{"id":124,"title":125,"term":124,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"mô hình garch","Mô hình garch là gì? Các bài nghiên cứu khoa học liên quan",{"id":101,"title":127,"term":101,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"Phân phối chuẩn là gì? Các nghiên cứu về Phân phối chuẩn",{"id":129,"title":130,"term":129,"englishTitle":131,"definition":132,"discipline":133,"disciplineCode":134,"disciplineLabel":135,"disciplineColor":136,"disciplineIcon":137},"mô hình hóa","Mô hình hóa là gì? Bản chất, phương pháp và ứng dụng","modeling","Mô hình hóa là phương pháp khoa học nhằm xây dựng các biểu diễn trừu tượng, toán học hoặc vật lý để mô tả, giải thích và dự báo hành vi của các hệ thống và hiện tượng trong thế giới thực.","INTERDISCIPLINARY","interdisciplinary","Liên ngành","#0284C7","shapes",{"id":139,"title":140,"term":141,"englishTitle":142,"definition":143,"discipline":144,"disciplineCode":145,"disciplineLabel":146,"disciplineColor":147,"disciplineIcon":148},"tương quan","Tương quan là gì? Các bài báo nghiên cứu khoa học liên quan","Tương quan","correlation","Tương quan là một đại lượng và phương pháp thống kê mô tả mức độ liên hệ và chiều hướng đồng biến thiên giữa hai hay nhiều biến số ngẫu nhiên.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":150,"title":151,"term":150,"englishTitle":152,"definition":153,"discipline":144,"disciplineCode":145,"disciplineLabel":146,"disciplineColor":147,"disciplineIcon":148},"định lý","Định lý là gì? Các bài báo nghiên cứu khoa học liên quan","theorem","Định lý (theorem) là một mệnh đề toán học đã được chứng minh là đúng một cách logic và chặt chẽ từ một hệ thống các tiên đề, định nghĩa và các định lý đã được chứng minh trước đó.",{"id":155,"title":156,"term":155,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"tranh chấp","Tranh chấp là gì? Các bài báo nghiên cứu khoa học liên quan"]