Ứng dụng nghiên cứu cấu trúc phụ thuộc trong phân tích rủi ro trên thị trường chứng khoán Việt Nam

TẠP CHÍ KHOA HỌC SỐ 4/2016 107 
ỨNG DỤNG NGHIÊN CỨU CẤU TRÚC PHỤ THUỘC 
TRONG PHÂN TÍCH RỦI RO TRÊN THỊ TRƢỜNG 
CHỨNG KHOÁN VIỆT NAM 
Nguyễn Thu Thủy1(1), Nguyễn Thị Hạnh Nguyên2 
1
Học viện Tài chính 
2Trường Đại học Công nghiệp Hà Nội 
Tóm tắt: Bài viết tập trung trình bày khái niệm cấu trúc phụ thuộc và phương pháp 
nghiên cứu cấu trúc phụ thuộc sử dụng các hàm copula. Từ đó ứng dụng kết quả nghiên 
cứu cấu trúc phụ thuộc trong phân tích rủi ro thị trường trên thị trường chứng khoán Việt 
Nam. 
Từ khóa: Cấu trúc phụ thuộc, Copula, phân tích rủi ro, thị trường chứng khoán 
1. MỞ ĐẦU 
Rủi ro có thể đƣợc hiểu đơn giản là những kết cục có thể xảy ra trong tƣơng lai mà 
không đƣợc mong đợi. Tùy từng lĩnh vực nghiên cứu, rủi ro đƣợc định nghĩa theo những 
cách khác nhau. Trong lĩnh vực quản trị rủi ro, ngƣời ta dùng thuật ngữ “hiểm họa” 
(hazard) để phản ánh sự kiện mà có thể gây ra một thiệt hại nào đó và thuật ngữ “rủi ro” 
(risk) để chỉ xác suất xảy ra một sự kiện nào đó. Theo cách này, rủi ro chỉ phát sinh khi có 
sự không chắc chắn về mất mát xảy ra. Trong lĩnh vực tài chính, rủi ro là khái niệm đánh 
giá mức độ biến động hay bất ổn của giao dịch hay hoạt động đầu tƣ. Rủi ro tài chính đƣợc 
quan niệm là hậu quả của sự thay đổi, biến động không lƣờng trƣớc đƣợc của giá trị tài sản 
hoặc giá trị các khoản nợ đối với các tổ chức tài chính và các nhà đầu tƣ trong quá trình 
hoạt động của thị trƣờng tài chính. Với cách định nghĩa này, rủi ro đƣợc hiểu theo nghĩa 
rộng hơn, tất cả những sự thay, đổi biến động không lƣờng trƣớc đƣợc đều là những rủi ro, 
có thể những sự thay đổi này sẽ gây thiệt hại hoặc có lợi cho ngƣời ra quyết định hành 
động. 
Trong phạm vi bài viết, phân tích rủi ro đƣợc hiểu là phân tích, đánh giá nguy cơ, khả 
năng xuất hiện và mức độ nguy hại của các rủi ro, nhằm cung cấp thông tin về rủi ro thị 
trƣờng khi xảy ra các biến cố hiếm nhƣ khi thị trƣờng bùng nổ hay có khủng hoảng. Các 
(
1) Nhận bài ngày 10.04.2016; gửi phản biện và duyệt đăng ngày 10.05.2016 
 Liên hệ tác giả: Nguyễn Thu Thủy; Email: nttthuy11@gmail.com 
108 TRƯỜNG ĐẠI HỌC THỦ ĐÔ HÀ NỘI 
thông tin trong bài viết này có đƣợc dựa trên các kết quả nghiên cứu cấu trúc phụ thuộc 
giữa các chuỗi lợi suất tài chính. 
2. CẤU TRÚC PHỤ THUỘC 
2.1. Khái niệm về cấu trúc phụ thuộc 
Thuật ngữ sự phụ thuộc (dependence) đƣợc đƣa ra bởi Santos (1970). Khi đó, sự phụ 
thuộc đƣợc hiểu là tình huống nền kinh tế một hay một số quốc gia chịu ảnh hƣởng của các 
nƣớc phát triển, bao gồm cả chiều hƣớng tích cực và tiêu cực. Khái niệm phụ thuộc cho 
phép chúng ta nhìn nhận nền kinh tế nội địa nhƣ một bộ phận của nền kinh tế thế giới. 
Thuật ngữ sự phụ thuộc giữa các thị trƣờng tài chính trong các nghiên cứu hiện đại thừa kế 
và mở rộng khái niệm của Santos (1970). 
Sự phụ thuộc (dependence/market comovement/association) giữa các thị trƣờng tài 
chính có nghĩa là sự biến động của một thị trƣờng (hay một nhóm thị trƣờng) này ở một 
mức độ nào đó có tác động làm cho một thị trƣờng (hay một nhóm thị trƣờng) khác cũng 
biến động ở một mức độ nhất định. 
Trong một trƣờng hợp riêng khi nói đến sự phụ thuộc giữa thị trƣờng nội địa và thị 
trƣờng quốc tế, các nghiên cứu thƣờng sử dụng thuật ngữ “interdependence”. 
Sự phụ thuộc giữa các thị trƣờng còn đƣợc nghiên cứu theo nghĩa sự lan truyền 
(contagion) giữa các thị trƣờng của Forbes và c.s (2002), theo nghĩa là ảnh hƣởng xấu, tức 
là gây ra sự rớt giá và lợi suất âm. Cụ thể, sự lan truyền giữa các thị trƣờng là sự tăng 
cƣờng đáng kể mối liên hệ giữa các thị trƣờng sau khi có một cú sốc xảy ra với một hay 
một nhóm các quốc gia. Theo nghĩa của Forbes, trƣờng phái nghiên cứu sự lan truyền quan 
tâm đến mối liên hệ giữa các thị trƣờng khi xảy ra khủng hoảng ở một hay một nhóm trong 
số các thị trƣờng. 
Bên cạnh đó, Baur (2013) đã sử dụng các thuật ngữ mô tả sự phụ thuộc giữa các thị 
trƣờng là mức độ phụ thuộc (degree of dependence) và cấu trúc phụ thuộc (structure of 
denpendence). 
Trong Chen và c.s (2015), các tác giả khẳng định sự phụ thuộc giữa hai biến ngẫu 
nhiên X và Y đƣợc mô tả thông qua phân phối Farlie–Gumbel–Morgenstern (FGM) hai 
chiều: 
 , 1 , x y F x G y F x G y 
Trong đó: 1 F F trên ; R và 1 G G trên [0; ) R là các phân phối 
biên duyên của (X, Y), và  1;1  là một tham số thể hiện mức độ phụ thuộc. 
TẠP CHÍ KHOA HỌC SỐ 4/2016 109 
Bài viết nghiên cứu cấu trúc phụ thuộc giữa các thị trƣờng tài chính theo khái niệm 
đƣợc đƣa ra bởi Forbes và c.s (2002). Cụ thể hơn, quan điểm nghiên cứu cấu trúc phụ 
thuộc giữa các thị trƣờng của trong bài viết là nghiên cứu mức độ phụ thuộc và sự liên kết 
(sự liên kết chéo) giữa các thị trƣờng, đặc biệt quan tâm tới các biến cố hiếm và trong thời 
kỳ thị trƣờng khủng hoảng, ví dụ nhƣ thị trƣờng chứng khoán Mỹ khủng hoảng thì tác 
động nhƣ thế nào đến thị trƣờng chứng khoán Việt Nam... 
2.2. Một số độ đo sự phụ thuộc 
Độ đo truyền thống của sự phụ thuộc là hệ số tƣơng quan. Ngoài ra ... ai chuỗi lợi suất VNINDEX và S&P 500 đƣợc 
tính trong từng thời kỳ trƣớc, trong và sau khủng hoảng. Việc trình bày kết quả về hệ số 
tƣơng quan tuyến tính giữa các cặp lợi suất nhằm mục đích so sánh với hệ số tƣơng quan 
đo bằng phƣơng pháp copula. Copula Gauss đƣợc xem nhƣ copula của phân phối chuẩn 
TẠP CHÍ KHOA HỌC SỐ 4/2016 113 
đồng thời, nên chúng ta có thể so sánh hệ số tƣơng quan tuyến tính với tham số đo mức độ 
phụ thuộc tính nhờ copula Gauss. Kết quả cụ thể đƣợc trình bày trong Bảng 2. 
Bảng 2. So sánh hệ số tƣơng quan tuyến tính và hệ số phụ thuộc đo bằng copula 
Gauss trong 3 thời kỳ trƣớc, trong và sau khủng hoảng 
Thời kỳ trƣớc 
khủng hoảng 
Thời kỳ khủng 
hoảng 
Thời kỳ sau khủng 
hoảng 
Hệ số tƣơng quan 
tuyến tính 
0.11153472 0.39697046 0.18665568 
Hệ số phụ thuộc đo 
bằng copula Gauss 
0.09734558 0.38616078 0.18769271 
 Nguồn: Tác giả tính toán từ số liệu đã thu thập 
Trong cả 3 thời kỳ, hệ số đo lƣờng sự phụ thuộc giữa hai chuỗi lợi suất đều dƣơng, tức 
là hai chuỗi lợi suất có xu hƣớng biến đổi cùng chiều, hay diễn biến TTCK Việt Nam 
thuận chiều theo diễn biến của TTCK Mỹ. Trong mỗi thời kỳ, khi lợi suất của các chỉ số 
chứng khoán thế giới tăng/giảm thì chuỗi lợi suất chỉ số chứng khoán Việt Nam cũng 
tăng/giảm. Các hệ số phụ thuộc giữa các cặp lợi suất trong thời kỳ khủng hoảng đều tăng 
lên so với thời kỳ trƣớc khủng hoảng, đây là một dấu hiệu của hiệu ứng lan tỏa. Hai hệ số 
trên cho kết quả khác nhau không nhiều. Tuy nhiên, hệ số tƣơng quan tuyến tính là độ đo 
vô hƣớng, nó không đƣợc thiết kế để mô tả cấu trúc phụ thuộc, copula một lần nữa lại thể 
hiện là sự lựa chọn phù hợp. Ngoài ra, các copula còn cung cấp đƣợc thông tin về hệ số 
phụ thuộc đuôi, thể hiện xu hƣớng tác động của TTCK Mỹ đến TTCK Việt Nam khi xảy ra 
các biến cố hiếm. 
Để làm điều đó, trong từng thời kỳ, trƣớc, trong và sau khủng hoảng, tác giả lựa chọn 
copula phù hợp nhất với từng cặp chuỗi lợi suất và tính các hệ số phụ thuộc đuôi đo lƣờng 
bởi copula phù hợp nhất đó. Với kết quả thu đƣợc, tác giả so sánh các hệ số phụ thuộc đuôi 
trong thời kỳ khủng hoảng so với thời kỳ trƣớc khủng hoảng để kiểm tra hiệu ứng lan tỏa. 
Bên cạnh đó, tác giả cũng so sánh hệ số phụ thuộc đuôi thời kỳ sau khủng hoảng với các 
thời kỳ trƣớc để thể hiện tác động của hiệu ứng lan tỏa. Kết quả đƣợc trình bày ở Bảng 3. 
 Bảng 3. Kết quả lựa chọn copula tốt nhất mô tả sự phụ thuộc giữa cặp lợi suất chỉ số 
S&P 500 và VNINDEX trong từng thời kỳ và các hệ số phụ thuộc đuôi tƣơng ứng 
Thời kỳ trƣớc khủng hoảng Thời kỳ khủng hoảng Thời kỳ sau khủng hoảng 
Copula HSPTĐT HSPTĐD Copula HSPTĐT HSPTĐD Copula HSPTĐT HSPTĐD 
114 TRƯỜNG ĐẠI HỌC THỦ ĐÔ HÀ NỘI 
tốt nhất tốt nhất tốt nhất 
Frank 0 0 SJC 0.27362 0.1478 SJC 0.116 0.00759 
HSPTĐT: Hệ số phụ thuộc đuôi trên, HSPTĐD: Hệ số phụ thuộc đuôi dưới. 
Nguồn: Tác giả tính toán từ số liệu đã thu thập 
Bảng 3 thể hiện, khi cuộc khủng hoảng tài chính thế giới xảy ra, các nhà đầu tƣ cần 
thay đổi phƣơng pháp quản lý danh mục đầu tƣ của mình, thể hiện ở việc lựa chọn các 
copula khác nhau để đo lƣờng cấu trúc phụ thuộc giữa các cặp lợi suất chứng khoán. Điều 
này lại một lần nữa khẳng định có hiệu ứng lan tỏa từ TTCK Mỹ tới TTCK Việt Nam. 
Hiệu ứng lan tỏa là một hình thái thể hiện cấu trúc phụ thuộc giữa các thị trƣờng tài chính. 
Hiệu ứng lan tỏa không chỉ làm thay đổi mức độ phụ thuộc giữa các thị trƣờng, thể hiện ở 
sự thay đổi của các hệ số phụ thuộc, mà còn làm thay đổi cấu trúc phụ thuộc giữa các thị 
trƣờng. Đó là, trƣớc khủng hoảng, cấu trúc phụ thuộc giữa thị trƣờng Mỹ và Việt Nam là 
cấu tr c đối xứng đo lƣờng bởi copula đối xứng Frank với hai hệ số phụ thuộc đuôi đều 
bằng 0, thì trong và sau khủng hoảng, cấu tr c đã chuyển sang cấu trúc phụ thuộc bất đối 
xứng thể hiện bởi copula SJC với các hệ số phụ thuộc đuôi khác nhau. 
Kết quả này một lần nữa khẳng định vai trò chủ đạo của thị trƣờng Mỹ với các thị 
trƣờng mới nổi ở châu Á. Các kết quả này giúp cung cấp thêm thông tin cho các nhà đầu tƣ 
trong việc đa dạng hóa danh mục đầu tƣ của mình trên TTCK Mỹ và TTCK Việt Nam. Các 
nhà đầu tƣ trên thị trƣờng Việt Nam không chỉ cần quan tâm tới diễn biến trên thị trƣờng 
nội địa, mà phải quan tâm tới diễn biến trên thị trƣờng Mỹ. Thông tin từ thị trƣờng này 
đƣợc sử dụng nhƣ các chỉ báo để tìm hiểu và dự báo cho hiệu quả đầu tƣ trên TTCK Việt 
Nam. 
Bằng chứng về hiệu ứng lan tỏa nói trên đã thể hiện mức độ hội nhập ngày càng cao 
của TTCK Việt Nam vào TTCK thế giới. Điều này đòi hỏi các nhà hoạch định chính sách 
và nhà đầu tƣ cần nhìn nhận đ ng đắn vai trò của quản trị rủi ro thị trƣờng và quản trị rủi 
ro danh mục đầu tƣ, đặc biệt trong thời kỳ khủng hoảng. Khi đã có bằng chứng về hiệu ứng 
lan tỏa từ TTCK Mỹ đến TTCK Việt Nam, các nhà đầu tƣ có thể vận dụng các mô hình 
cảnh báo khủng hoảng trên TTCK Mỹ để có biện pháp phòng hộ rủi ro phù hợp trƣớc khi 
khủng hoảng đổ bộ vào Việt Nam. 
3.3. Ứng dụng nghi n cứu cấu trúc phụ thuộc trong phân tích rủi ro thị trƣờng khi 
đầu tƣ v o cổ phiếu tr n thị trƣờng chứng khoán Việt Nam 
Khi đầu tƣ vào một cổ phiếu nào đó trên thị trƣờng, nhà đầu tƣ luôn quan tâm tới diễn 
biến của thị trƣờng để đƣa ra quyết định phù hợp. Có nhiều phƣơng pháp để lựa chọn cổ 
phiếu, quản trị rủi ro cho danh mục đầu tƣ trƣớc diễn biến của thị trƣờng nhƣ sử dụng hệ 
TẠP CHÍ KHOA HỌC SỐ 4/2016 115 
số β từ mô hình CAPM Ở đây, tác giả lựa chọn nghiên cứu cấu tr c phụ thuộc giữa 
chuỗi lợi suất của cổ phiếu mà nhà đầu tƣ nắm giữ với chuỗi lợi suất của thị trƣờng, đặc 
biệt khi thị trƣờng bùng nổ hoặc khủng hoảng, thể hiện bằng các hệ số phụ thuộc đuôi, 
đƣợc tính nhờ copula. Bài viết minh họa nghiên cứu với số liệu của cổ phiếu ACB, FPT và 
chỉ số VNINDEX trong giai đoạn từ 27/10/2009 đến 13/10/2014, gồm 1235 quan sát. 
Bảng 4. Tóm tắt thống kê mô tả chuỗi lợi suất chỉ số chứng khoán 
 Mean Std. Dev. Skewness Kurtosis Jarque-Bera Prob. 
RVNINDEX 2.33E-05 0.018302 -0.104513 154.3248 1177403 0 
RACB -0.000913 0.016515 -0.697437 11.59355 3897.119 0 
RFPT -0.000426 0.022358 -3.904242 49.92779 116365.7 0 
Nguồn: Tác giả tính toán từ số liệu đã thu thập 
Giá trị trung bình của các chuỗi lợi suất khá gần 0. Lợi suất trung bình của VNINDEX 
là dƣơng thể hiện hiệu quả đầu tƣ cao trên toàn thị trƣờng, nhƣng hiệu quả đầu tƣ của riêng 
ACB và FPT tƣơng đối thấp, khi lợi suất trung bình của chuỗi là âm. Bảng 4 cũng cho thấy 
giá trị trung bình của các lợi suất cũng tƣơng đối nhỏ so với độ lệch chuẩn của các chuỗi 
này. Hệ số bất đối xứng của các chuỗi lợi suất đều âm chứng tỏ các chuỗi có phân phối 
lệch trái. Biểu đồ phân phối chuẩn qq trong Hình 2 của các chuỗi lợi suất cho thấy các 
chuỗi này đều không có phân phối chuẩn. Bằng trực quan có thể thấy, các phần đuôi của 
các phân phối tách xa đƣờng thẳng thể hiện phân phối chuẩn, điều này cho biết các chuỗi 
lợi suất có phân phối đuôi dày chứ không có phân phối chuẩn. Các chuỗi lợi suất cũng có 
hệ số nhọn lớn, thể hiện các chuỗi lợi suất không có phân phối chuẩn. Điều này đƣợc ủng 
hộ nhờ giá trị thống kê Jaque-Bera trong Bảng 4. Kiểm định Jaque-Bera, với giá trị xác 
suất tƣơng ứng đều rất bé, tức là giả thuyết H0 về tính phân phối chuẩn của các chuỗi lợi 
suất bị bác bỏ, do đó việc sử dụng phân phối chuẩn để nghiên cứu dữ liệu chứng khoán 
trong trƣờng hợp này là không phù hợp. Do đó, trong tình huống này copula lại là một lựa 
chọn phù hợp trong nghiên cứu cấu trúc phụ thuộc. 
116 TRƯỜNG ĐẠI HỌC THỦ ĐÔ HÀ NỘI 
Hình 2. Đồ thị phân phối chuẩn qq của các chuỗi lợi suất 
Nguồn: Tác giả vẽ bằng phần mềm từ số liệu đã thu thập 
Trong trƣờng hợp này, tác giả vẫn lựa chọn copula phù hợp nhất với từng cặp chuỗi 
lợi suất VNINDEX và ACB, VNINDEX và FPT. Các hệ số phụ thuộc đuôi đƣợc tính toán 
nhờ copula phù hợp nhất đó. Kết quả đƣợc trình bày trong Bảng 5. 
Bảng 5. Kết quả lựa chọn copula tốt nhất mô tả sự phụ thuộc giữa các cặp lợi 
suất và các hệ số phụ thuộc đuôi tƣơng ứng 
Cặp lợi suất 
Copula tốt 
nhất 
Tham số copula 
HSPTĐT HSPTDD Tham số thứ 
nhất 
Tham số thứ 
nhất 
VNINDEX - ACB Student 0,5075 5,0063 0,2107 0,2107 
VNINDEX – FPT 
Rotated 
Gumbel 
1.6802 0.48935142 0 
HSPTĐT: Hệ số phụ thuộc đuôi trên, HSPTĐD: Hệ số phụ thuộc đuôi dưới. 
 Nguồn: Tác giả tính toán từ số liệu đã thu thập 
Kết quả trong Bảng 5 cho thấy bằng chứng thực nghiệm rằng, các lợi suất của các cổ 
phiếu khác nhau có cấu tr c phụ thuộc khác nhau với lợi suất của thị trƣờng, do đó nhà đầu 
tƣ, nhà tƣ vấn không nên dùng cùng một phƣơng pháp, cùng một mô hình để phân tích rủi 
ro cho các cổ phiếu khác nhau. Chẳng hạn, trong giai đoạn nghiên cứu, lợi suất cổ phiếu 
ACB và VNINDEX có cấu tr c phụ thuộc đƣợc mô tả nhờ copula Student, một cấu tr c 
phụ thuộc đối xứng, có hệ số phụ thuộc đuôi trên và dƣới bằng nhau. Các hệ số phụ thuộc 
đuôi này dƣơng, nghĩa là lợi suất cổ phiếu ACB có xu hƣớng biến đổi cùng chiều với thị 
trƣờng. Điều này thể hiện khả năng thua lỗ của cổ phiếu ACB khi thị trƣờng đi xuống và 
khả năng thu đƣợc lợi nhuận của cổ phiếu ACB khi thị trƣờng đi lên là nhƣ nhau. Trong 
khi, cũng trong giai đoạn này, lợi suất cổ phiếu FPT và VNINDEX có cấu tr c phụ thuộc 
-.08
-.06
-.04
-.02
.00
.02
.04
.06
.08
-.4 -.2 .0 .2 .4
Quantiles of RVNINDEX
Q
u
a
n
ti
le
s
 o
f 
N
o
rm
a
l
-.06
-.04
-.02
.00
.02
.04
.06
-.15 -.10 -.05 .00 .05 .10
Quantiles of RACB
Q
u
a
n
ti
le
s
 o
f 
N
o
rm
a
l
-.08
-.06
-.04
-.02
.00
.02
.04
.06
.08
-.3 -.2 -.1 .0 .1
Quantiles of RFPT
Q
u
a
n
ti
le
s
 o
f 
N
o
rm
a
l
TẠP CHÍ KHOA HỌC SỐ 4/2016 117 
đƣợc mô tả nhờ copula Rotated Gumbel, một cấu tr c phụ thuộc bất đối xứng, có hệ số phụ 
thuộc đuôi trên dƣơng và còn hệ số phụ thuộc đuôi dƣới bằng 0. Nghĩa là, khi thị trƣờng đi 
lên, lợi suất cổ phiếu FPT có xu hƣớng tăng giá cùng thị trƣờng, còn khi thị trƣờng đi 
xuống thì không có bằng chứng về xu hƣớng đi lên hay xuống của chuỗi lợi suất FPT. Hay 
không tìm thấy bằng chứng về việc cổ phiếu FPT gi p thu lợi hay gây ra thua lỗ khi thị 
trƣờng đi xuống và nhƣng cổ phiếu này lại có khả năng cao thu đƣợc lợi nhuận khi thị 
trƣờng đi lên. 
Lợi suất các cổ phiếu khác cũng có thể đƣợc nghiên cứu cấu tr c phụ thuộc với lợi 
suất thị trƣờng một cách tƣơng tự để đƣa ra nhận định về rủi ro khi đầu tƣ vào cổ phiếu đó 
theo diễn biến của thị trƣờng. 
4. KẾT LUẬN 
Việc lựa chọn các copula tốt nhất cho nghiên cứu cấu trúc phụ thuộc giữa từng cặp lợi 
suất chứng khoán thể hiện việc lựa chọn mô hình tốt nhất để mô tả cấu trúc phụ thuộc giữa 
các cặp lợi suất đó. Cấu trúc phụ thuộc là đối xứng hay không đối xứng, có đuôi dày hay 
mỏng là do đặc điểm của hàm copula đƣợc lựa chọn. Việc đo lƣờng hệ số phụ thuộc đuôi 
trên và đuôi dƣới của từng cặp lợi suất thể hiện mức độ phụ thuộc cực trị giữa các chuỗi lợi 
suất, tƣơng ứng, thể hiện khả năng hai chuỗi lợi suất cùng tăng mạnh hoặc cùng giảm 
mạnh. 
Ứng dụng thứ nhất của bài viết là nghiên cứu cấu trúc phụ thuộc giữa lợi suất chỉ số 
thị trƣờng trên TTCK Mỹ và TTCK Việt Nam, nhằm chỉ ra sự tồn tại của hiệu ứng lan tỏa 
từ TTCK Mỹ đến TTCK Việt Nam, giúp cung cấp bằng chứng thực nghiệm rằng nghiên 
cứu diễn biến trên TTCK Mỹ là một kênh đáng tin cậy trong phân tích rủi ro thị trƣờng 
trên TTCK Việt Nam. 
Ứng dụng thứ hai của bài viết là nghiên cứu minh họa cấu trúc phụ thuộc giữa lợi suất 
từng cổ phiếu ACB và FPT với lợi suất VNINDEX để chỉ ra rằng các chuỗi lợi suất khác 
nhau cần đƣợc thƣờng xuyên cập nhật dữ liệu, kịp thời thay đổi mô hình nghiên cứu cấu 
trúc phụ thuộc theo diễn biến thị trƣờng, để phân tích rủi ro khi nắm giữ cổ phiếu tùy theo 
diễn biến của thị trƣờng, mà không nên duy trì sử dụng một mô hình nào đó. 
Các ứng dụng này có thể mở rộng nghiên cứu cấu trúc phụ thuộc giữa các cặp lợi suất 
chỉ số chứng khoán nhiều quốc gia với Việt Nam, và giữa các chuỗi lợi suất cổ phiếu khác 
với chuỗi lợi suất thị trƣờng. Ngoài ra, có thể mở rộng nghiên cứu cấu trúc phụ thuộc giữa 
nhiều chuỗi lợi suất cùng l c để cung cấp thông tin đầy đủ hơn và tốt hơn. 
TÀI LIỆU THAM KHẢO 
118 TRƯỜNG ĐẠI HỌC THỦ ĐÔ HÀ NỘI 
1. Adam, M.; Bańbuła, P. and Markun, M. (2013), “Dependence and contagion between asset 
prices in Poland and abroad. A copula approach”, NBP Working Paper No. 169. 
2. Baur, D. G. (2013), “The Structure and Degree of Dependence - A Quantile Regression 
Approach”, Journal of Banking and Finance, Volume 37, Issue 3, pp.786-798. 
3. Boubaker, A. and Salma, J. (2011), “Detecting financial markets contagion using copula 
Functions”, International Journal of Management Science and Engineering Management, Vol. 
6, No. 6, pp.443-449. 
4. Chen, Y.; Liu, J.; Liu, F. (2015), “Ruin with insurance and financial risks following the least 
risky FGM dependence structure”, Insurance: Mathematics and Economics 62, pp.98-106. 
5. Cherubini, U.; Luciano, E.; Vecchiato, W. (2004), “Copula Methods in Finance”, John Wiley 
& Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ, England. 
6. Cuong, N.; Bhatti, I.; Henry, D. (2012), “An Extreme Value-Copula Approach to Dependence 
Analysis between Vietnamese Stock Market and International Markets”, Financial 
Management Association-Asian Conference 2012, Phuket, Thailand. 
7. Dowd, K. (2008), “Copula in Macroeconomics”, Journal of International and Global 
Economic Studies, I(1), pp.1-26. 
8. Forbes, K.; Rigobon, R. (2002), “No Contagion, Only Interdependence: measuring stock 
market comovements”, The Journal of Finance, Vol. LVII, No. 5, pp. 2223-2261. 
9. Fusai, G. and Roncoroni, A. (2008), Implementing Models in Quantitative Finance: Methods 
and Cases, Springer Berlin Heidelberg New York. 
10. Li, D. X. (2000), “On Default Correlation: A Copula Function Approach”, The Risk Metrics 
Group, Working Paper Number 99-07. 
11. Nelsen, R. B. (2006), “An Introduction to Copulas”, Springer Verlag, New York. 
12. Ning, C. ( 2010), “Dependence structure between the equity market and the foreign exchange 
market - a copula approach”, Journal of International Money and Finance, Vol. 29 Issue 5, 
pp.743-759. 
13. Patton, A. J. (2012), “A review of copula models for economics times series”, Journal of 
Multivariate Analysis, doi:10.1016/j.jmva.2012.02.021. 
14. Santos, T. D. (1970), “The Structrure of Dependence”, The American Economic Review, Vol. 
60, No. 2, Papers and Proceedings of the Eighty-second Annual Meeting of the American 
Economic Association, pp.231-236. 
TẠP CHÍ KHOA HỌC SỐ 4/2016 119 
AN APPLICATION OF STUDY ON DEPENDENCE STRUCTURE IN RISK 
ANALYSIS ON VIETNAMESE STOCK MARKET 
Abstract: The paper focuses on introduction of dependence structure definition and 
copula methodology to study dependence structure. The results of study dependence 
structure are used to analyze risk on the Vietnamese stock market. 
Keywords: Dependence structure, Copula, Risk analysis, Stock market.