<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title>Finance - Danh mục - NZQIRC</title><link>https://nzqirc.xyz/categories/finance/</link><description>Finance - Danh mục - NZQIRC</description><generator>Hugo -- gohugo.io</generator><language>vi</language><copyright>This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.</copyright><lastBuildDate>Sun, 16 Aug 2026 11:00:00 +0700</lastBuildDate><atom:link href="https://nzqirc.xyz/categories/finance/" rel="self" type="application/rss+xml"/><item><title>Modern Portfolio Theory: Nghệ thuật kết hợp rủi ro</title><link>https://nzqirc.xyz/posts/math/stats/modern-portfolio-theory/</link><pubDate>Sun, 16 Aug 2026 11:00:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/modern-portfolio-theory/</guid><description><![CDATA[<p>Năm 1952, Harry Markowitz xuất bản một bài báo thay đổi hoàn toàn cách thế giới tài chính vận hành, đem về cho ông giải Nobel Kinh tế năm 1990. Lý thuyết đó mang tên <strong>Modern Portfolio Theory (MPT) - Lý thuyết Danh mục Đầu tư Hiện đại</strong>.</p>
<p>Trước MPT, người ta đầu tư đơn giản bằng cách chọn ra những cổ phiếu có lợi nhuận kỳ vọng cao nhất. Markowitz chỉ ra một sự thật cơ bản nhưng thường bị phớt lờ: <em>&ldquo;Don&rsquo;t put all your eggs in one basket&rdquo;</em> (Đừng bỏ tất cả trứng vào một rổ). Nhưng rổ nào, và bao nhiêu trứng mỗi rổ?</p>]]></description></item><item><title>Ma trận Hiệp phương sai &amp; Tương quan: Thấu kính nhìn vào rủi ro tài chính</title><link>https://nzqirc.xyz/posts/math/stats/covariance-and-correlation-matrix/</link><pubDate>Sat, 15 Aug 2026 21:02:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/covariance-and-correlation-matrix/</guid><description><![CDATA[<p>Trong tài chính, định lý Modern Portfolio Theory (Lý thuyết Danh mục Đầu tư Hiện đại) của Harry Markowitz nói rằng: Đừng chỉ nhìn vào rủi ro của từng tài sản đơn lẻ, hãy nhìn vào cách chúng &ldquo;nhảy múa&rdquo; cùng nhau.</p>
<p>Giả sử bạn đang xem xét tỷ suất sinh lời hàng ngày của hai tài sản:</p>
<ul>
<li><strong>Tài sản X (Ví dụ: Trái phiếu Chính phủ):</strong> An toàn, biến động thấp.</li>
<li><strong>Tài sản Y (Ví dụ: Cổ phiếu Bất động sản):</strong> Rủi ro cao, biến động cực mạnh.</li>
</ul>
<p>Để đo lường rủi ro (sự phân tán), chúng ta dùng <strong>Phương sai (Variance)</strong> cho từng tài sản. Nhưng để biết chúng đi cùng nhau hay ngược nhau (để đa dạng hoá danh mục), chúng ta cần đến <strong>Hiệp phương sai (Covariance)</strong> và <strong>Tương quan (Correlation)</strong>.</p>]]></description></item><item><title>Backtest VaR: Đánh giá mô hình quản trị rủi ro</title><link>https://nzqirc.xyz/posts/math/stats/var-backtesting/</link><pubDate>Thu, 13 Aug 2026 09:00:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/var-backtesting/</guid><description><![CDATA[<p>Trong quản trị rủi ro tài chính, <strong>Value at Risk (VaR)</strong> là một con số ước lượng mức tổn thất tối đa có thể xảy ra trong một khoảng thời gian nhất định, với một độ tin cậy cho trước. Tuy nhiên, làm sao để biết mô hình VaR mà ngân hàng đang sử dụng có thực sự chính xác hay không? Đây là lúc quá trình <strong>Backtesting</strong> (kiểm định ngược) và đặc biệt là <strong>Kiểm định Kupiec POF (Proportion of Failures)</strong> phát huy tác dụng.</p>]]></description></item><item><title>Hàm Trung bình Vượt ngưỡng (Mean Excess Plot)</title><link>https://nzqirc.xyz/posts/math/stats/mean-excess-plot/</link><pubDate>Fri, 07 Aug 2026 09:00:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/mean-excess-plot/</guid><description>&lt;p>Trong quản trị rủi ro tài chính, Thuyết Giá trị Cực đoan (Extreme Value Theory - EVT) là một công cụ toán học mạnh mẽ để đối phó với hiện tượng &lt;a href="/posts/math/stats/laplace-ged-student-t-skewed-t/" rel="">đuôi dày&lt;/a> (fat-tails) - những sự kiện Thiên nga đen tàn khốc. Thay vì cố gắng mô hình hóa toàn bộ thị trường, EVT tập trung ánh nhìn hoàn toàn vào phần đuôi (những ngày lỗ nặng nhất) của phân phối.&lt;/p></description></item><item><title>Ứng dụng Bootstrap trong Phân tích Tài chính: Từ IID đến Moving-Block</title><link>https://nzqirc.xyz/posts/math/stats/bootstrap-finance-application/</link><pubDate>Thu, 06 Aug 2026 10:00:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/bootstrap-finance-application/</guid><description><![CDATA[<p>Bên cạnh các phương pháp Monte Carlo sử dụng phân phối tham số (như phân phối Chuẩn hay <a href="/posts/math/stats/laplace-ged-student-t-skewed-t/" rel="">phân phối Student-t</a>), một triết lý phân tích hoàn toàn khác biệt được áp dụng rộng rãi trong quản trị rủi ro: <strong>Hãy để dữ liệu tự cất tiếng nói</strong>. Đó chính là triết lý cốt lõi của phương pháp <strong>Bootstrap</strong>.</p>
<p>Bài viết này đi sâu vào cách áp dụng Bootstrap để mô phỏng rủi ro, phân tích sự khác biệt giữa Bootstrap cơ bản (IID) và Bootstrap nâng cao (Khối trượt - Moving-Block), đồng thời lý giải tại sao việc chọn đúng kỹ thuật lại mang tính sống còn đối với dữ liệu tài chính (đặc biệt là bài toán ước lượng VaR).</p>]]></description></item><item><title>Ứng dụng Mô phỏng Monte Carlo trong Phân tích Tài chính</title><link>https://nzqirc.xyz/posts/math/stats/mc-finance-application/</link><pubDate>Thu, 06 Aug 2026 10:00:00 +0700</pubDate><author>Du Mã</author><guid>https://nzqirc.xyz/posts/math/stats/mc-finance-application/</guid><description><![CDATA[<p>Bài viết này được thiết kế như một tài liệu bổ trợ giúp các bạn sinh viên hiểu rõ hơn về cách ứng dụng mô phỏng Monte Carlo (MC) vào phân tích rủi ro định lượng, đặc biệt là khi đọc các báo cáo chuyên sâu (như đồ án tốt nghiệp hay báo cáo phân tích rủi ro nội bộ).</p>
<h2 id="1-tại-sao-phải-dùng-mô-phỏng-monte-carlo">1. Tại sao phải dùng Mô phỏng Monte Carlo?</h2>
<p>Trong tài chính, chúng ta thường biết (hoặc giả định) phân phối xác suất của <a href="/posts/math/stats/log-return/" rel="">tỷ suất sinh lợi logarit</a> trong <strong>1 ngày</strong>. Nhưng nếu Giám đốc Rủi ro (CRO) đặt câu hỏi: <em>&ldquo;Rủi ro lớn nhất mà danh mục có thể gặp phải trong <strong>20 ngày</strong> tới là bao nhiêu?&rdquo;</em></p>]]></description></item></channel></rss>