Tổng quan về luận án

Luận án này tiến hành một phân tích chuyên sâu về các chỉ số chứng khoán được phân loại theo xếp hạng tín dụng, một lĩnh vực nghiên cứu học thuật quan trọng nhưng còn nhiều khoảng trống. Nghiên cứu sử dụng dữ liệu từ Dow Jones Global Indexes (DJGIs) cùng với cơ sở dữ liệu xếp hạng của Moody’s và Standard & Poor’s, tạo ra các chỉ số độc đáo được phân tách theo chất lượng tín dụng của các công ty cấu thành. Tính tiên phong của nghiên cứu nằm ở việc phát triển và triển khai một phương pháp thống kê mạnh mẽ để so sánh phương sai của nhiều biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý, đồng thời giải quyết thách thức trong việc định giá quyền chọn trên các chỉ số này thông qua phương pháp hiệu chuẩn khoảng cách thông tin tối thiểu.

Khoảng trống nghiên cứu (research gap) chính mà luận án này giải quyết bao gồm hai khía cạnh. Thứ nhất, việc so sánh mạnh mẽ phương sai của nhiều biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý vẫn là một lĩnh vực nghiên cứu mở một cách đáng ngạc nhiên, như Cohen [14], [15] và Harris [36] đã chỉ ra. Luận án này lấp đầy khoảng trống đó bằng cách đề xuất một thử nghiệm mới dựa trên kết quả của Mardia et al [49]. Thứ hai, vào thời điểm luận án được viết, không có quyền chọn nào được giao dịch trên Dow Jones Global Indexes, tạo ra nhu cầu về một phương pháp định giá khả thi. Đồng thời, luận án cũng kiểm định giả thuyết rằng liệu việc hiệu chuẩn quyền chọn chỉ với một phần nhỏ các công ty cấu thành có thể đạt được độ chính xác mong muốn hay không, một vấn đề mà nhiều nghiên cứu trước đó chưa làm rõ.

Các câu hỏi nghiên cứu và giả thuyết chính bao gồm:

  1. Phương pháp thống kê nào có thể được triển khai để kiểm tra giả thuyết rằng hai (hoặc ba) biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý có cùng phương sai?
  2. Liệu có sự khác biệt đáng kể về biến động giữa các chỉ số DJGI được phân loại theo xếp hạng tín dụng hay không?
  3. Liệu cấu trúc chi tiết của các ngành kinh tế có phải là yếu tố quyết định quan trọng của các mẫu biến động hơn là xếp hạng tín dụng của các công ty cấu thành?
  4. Khi áp dụng thuật toán hiệu chuẩn entropy tối thiểu, các công ty có quyền chọn được hiệu chuẩn cần chiếm bao nhiêu phần trăm vốn hóa chỉ số để đạt được độ chính xác trong giá quyền chọn chỉ số cuối cùng?

Khung lý thuyết (theoretical framework) của luận án dựa trên mô hình log-normal được phổ biến bởi Black and Scholes [8] và Merton [51], trong đó giá tài sản (chỉ số) tuân theo một quá trình khuếch tán log-normal được thể hiện bằng phương trình vi phân ngẫu nhiên Ito: $dS_t = S_t\mu_t dt + S_t\sigma_t dW_t$. Đối với việc hiệu chuẩn quyền chọn, luận án áp dụng phương pháp hiệu chuẩn khoảng cách thông tin tối thiểu, đặc biệt là thuật toán hiệu chuẩn entropy tối thiểu, đã được khám phá bởi Buchen and Kelly [10] và mở rộng bởi Avellaneda et al [4] trong bối cảnh đa chu kỳ và sau đó bởi Avellaneda [5] trong việc tránh các phép đo đơn lẻ.

Luận án đưa ra những đóng góp đột phá với tác động định lượng:

  • Phát triển một thử nghiệm thống kê mạnh mẽ để so sánh phương sai của nhiều biến Gaussian liên hợp, lấp đầy một khoảng trống nghiên cứu kéo dài.
  • Định lượng ngưỡng độ chính xác cho việc hiệu chuẩn quyền chọn chỉ số: các công ty có quyền chọn được hiệu chuẩn cần chiếm hơn 90% vốn hóa chỉ số để đạt được bất kỳ độ chính xác nào trong giá quyền chọn chỉ số kết quả.
  • Cung cấp bằng chứng thực nghiệm rằng "cấu trúc chi tiết của các ngành kinh tế có vai trò quyết định quan trọng đối với các mẫu biến động ngang bằng với xếp hạng tín dụng của các công ty cấu thành", một khám phá có ý nghĩa đối với quản lý danh mục đầu tư và phân tích rủi ro.

Phạm vi nghiên cứu (scope) bao gồm các công ty tại Hoa Kỳ từ Dow Jones Global Indexes, tập trung vào dữ liệu từ ngày 1 tháng 1 năm 1992 đến ngày 30 tháng 6 năm 2000. Dữ liệu về xếp hạng tín dụng được lấy từ cơ sở dữ liệu nợ doanh nghiệp của Moody’s và cơ sở dữ liệu của Standard & Poor’s thông qua COMPUSTAT. Nghiên cứu chủ yếu tập trung vào các công ty có vốn hóa vừa và lớn do vấn đề thiếu xếp hạng trong nhóm vốn hóa nhỏ. Tầm quan trọng của luận án nằm ở việc cung cấp các công cụ phân tích mới cho các nhà đầu tư và nhà quản lý rủi ro, cho phép họ hiểu rõ hơn về mối quan hệ giữa xếp hạng tín dụng, cấu trúc ngành và biến động thị trường, cũng như cung cấp một phương pháp thiết thực để định giá quyền chọn chỉ số trong bối cảnh thị trường không đầy đủ.

Literature Review và Positioning

Luận án này được đặt trong dòng chảy nghiên cứu về các chỉ số chứng khoán, biến động thị trường, và định giá quyền chọn. Các chỉ số đã trở thành phương tiện đầu tư phổ biến trong hai thập kỷ qua, mang lại sự đa dạng hóa và giảm thiểu rủi ro như được mô tả bởi Bodie et al [9]. Các nghiên cứu về thị trường tài chính và định giá tài sản như Hull [38], Duffie [25], và Musiela and Rutkowski [53] cung cấp nền tảng cho việc hiểu hành vi giá tài sản.

Luận án tổng hợp các dòng nghiên cứu chính. Đầu tiên là mô hình log-normal cho giá tài sản, được phổ biến bởi Black and Scholes [8] và Merton [51], nơi log returns của tài sản được giả định phân phối chuẩn. Các nghiên cứu tiếp theo về so sánh phương sai của các biến ngẫu nhiên Gaussian liên hợp, như Cohen [14], [15] và Harris [36], đã chỉ ra rằng đây vẫn là một lĩnh vực mở, đặc biệt khi có tương quan tùy ý. Luận án này tiếp cận vấn đề này bằng cách dựa trên một kết quả của Mardia et al [49].

Dòng nghiên cứu thứ hai liên quan đến thông tin thị trường có trong xếp hạng trái phiếu. Các nghiên cứu điển hình dưới dạng nghiên cứu sự kiện (event studies) đã kiểm tra sự thay đổi lợi suất cổ phiếu sau khi thay đổi xếp hạng trái phiếu. Ví dụ, Glascock et al [34] tìm thấy thay đổi lợi suất đáng kể, trong khi Pinches and Singleton [55] thì không. Holthausen and Leftwich [37] và Dichev and Piotroski [23] chỉ tìm thấy lợi suất thấp bất thường sau khi hạ xếp hạng. Luận án này sử dụng cùng cơ sở dữ liệu với Dichev and Piotroski [23], cụ thể là cơ sở dữ liệu nợ doanh nghiệp của Moody’s và S&P, nhưng mở rộng ra để tạo ra các chỉ số chứng khoán.

Dòng nghiên cứu thứ ba tập trung vào việc tạo các chỉ số dựa trên xếp hạng tín dụng. Ví dụ, Standard & Poor’s đã tạo ra các chỉ số tín dụng S&P đo lường sự khác biệt về chênh lệch giữa các trái phiếu công nghiệp và trái phiếu chính phủ Hoa Kỳ, tuy nhiên, những chỉ số này "không phản ánh hiệu suất cổ phiếu của các công ty khác nhau" và "liên quan độc quyền đến thị trường trái phiếu và tín dụng." Luận án này tạo ra các chỉ số chứng khoán dựa trên xếp hạng tín dụng, là một điểm khác biệt then chốt.

Mâu thuẫn và tranh luận tồn tại trong các nghiên cứu trước. Một ví dụ là sự bất đồng về việc liệu thay đổi xếp hạng trái phiếu có cung cấp thông tin mới về triển vọng tương lai của công ty vượt ra ngoài thông tin có trong giá cổ phiếu hay không (Glascock et al [34] so với Pinches and Singleton [55]). Một mâu thuẫn khác là vấn đề các phép đo đơn lẻ trong khung Dynamic Programming của Avellaneda et al [4] khi sử dụng hiệu chuẩn entropy, điều đã được Avellaneda [5] giải quyết bằng cách kiểm soát các thuật ngữ trôi và đảm bảo các phép đo hoàn toàn liên tục. Tuy nhiên, cách tiếp cận này không kiểm soát được biến động. Carmona and Xu [12] đề xuất một phương pháp để kiểm soát biến động bằng cách mô tả nó bằng một quá trình ngẫu nhiên, nhưng điều này dẫn đến phương trình HJB phi tuyến khó giải quyết.

Luận án này được định vị bằng cách lấp đầy một khoảng trống cụ thể trong tài liệu: không có nghiên cứu nào trước đây tạo ra và phân tích "các chỉ số chứng khoán được phân loại theo xếp hạng tín dụng" dựa trên DJGIs. Nó tiến xa hơn bằng cách cung cấp một phương pháp định giá quyền chọn cho các chỉ số này, đặc biệt giải quyết vấn đề hiệu chuẩn một phần trong một thị trường không đầy đủ. Điều này tiến bộ lĩnh vực bằng cách cung cấp một công cụ thực tế cho các nhà đầu tư và nhà quản lý rủi ro để đánh giá ảnh hưởng của xếp hạng tín dụng và cấu trúc ngành đến biến động cổ phiếu, đồng thời mở rộng ứng dụng của các kỹ thuật hiệu chuẩn quyền chọn dựa trên entropy.

So sánh với các nghiên cứu quốc tế, luận án này xem xét ví dụ về Mexico, quốc gia có trái phiếu chủ quyền được Moody’s cấp xếp hạng tín dụng đầu tư (tháng 3 năm 2000) nhưng không được S&P cấp [27]. Điều này nhấn mạnh sự phức tạp của việc đánh giá tín dụng và ảnh hưởng quốc tế của nó, đồng thời ảnh hưởng đến cách luận án xử lý các trường hợp bất đồng xếp hạng bằng cách đưa các công ty vào cả hai chỉ số có liên quan. Ngoài ra, các nghiên cứu về thị trường không đầy đủ, như của El Karoui and Quenez [44] và Cvitanić and Karatzas [18], [19], đã đặt nền móng cho việc định giá trong bối cảnh này, và luận án này mở rộng những khái niệm đó để giải quyết rủi ro cơ sở (basis risk) trong hiệu chuẩn quyền chọn chỉ số, một vấn đề được Davis [20], [21], [22] nghiên cứu trong bối cảnh các khoản yêu cầu có tương quan. Nghiên cứu của Davis [22] chỉ ra rằng "chỉ sử dụng chỉ số làm proxy trong việc phòng ngừa quyền chọn rổ cho hiệu suất phòng ngừa kém ngay cả khi tương quan cực kỳ cao (vượt quá 95%)", điều này củng cố sự hoài nghi của luận án về hiệu chuẩn một phần.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng đáng kể các lý thuyết hiện có trong tài chính định lượng và thống kê. Cụ thể, nó mở rộng các lý thuyết về kiểm định phương sai trong thống kê đa biến. Các phương pháp hiện tại gặp khó khăn trong việc "so sánh mạnh mẽ phương sai của nhiều biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý" (Cohen [14], [15], Harris [36]). Luận án này giải quyết vấn đề này bằng cách phát triển một thử nghiệm dựa trên "một kết quả tìm thấy trong Mardia et al [49]," đòi hỏi tính toán "ước lượng hợp lý cực đại của ma trận hiệp phương sai phương sai dưới các giả thuyết khác nhau." Điều này trực tiếp mở rộng lý thuyết kiểm định giả thuyết thống kê trong bối cảnh dữ liệu tài chính đa biến và tương quan cao.

Ngoài ra, luận án đóng góp vào lý thuyết định giá quyền chọn trong thị trường không đầy đủ. Nó mở rộng công trình của Avellaneda et al [3], [4], [5] về hiệu chuẩn entropy tối thiểu (minimum entropy calibration) bằng cách áp dụng nó vào bối cảnh mới của các chỉ số chứng khoán được phân loại theo tín dụng. Mặc dù các công trình trước đó đã giải quyết "vấn đề các phép đo đơn lẻ" (singular measures problem) trong phương pháp HJB (Avellaneda [5]) hoặc kiểm soát biến động thông qua quá trình ngẫu nhiên (Carmona and Xu [12]), luận án này sử dụng "thiết lập Monte Carlo" để hiệu chuẩn, cung cấp một phương pháp thực tế hơn khi không có quyền chọn chỉ số được giao dịch. Sự khám phá rằng "các công ty có quyền chọn được hiệu chuẩn cần chiếm hơn 90% vốn hóa chỉ số" để đạt được độ chính xác nhất định là một điều kiện biên quan trọng, góp phần làm rõ giới hạn ứng dụng của phương pháp hiệu chuẩn một phần trong các lý thuyết về thị trường không đầy đủ (El Karoui and Quenez [44], Cvitanić and Karatzas [18], [19]).

Khung khái niệm của luận án được xây dựng trên sự tích hợp của ba thành phần chính: (1) các chỉ số chứng khoán được phân loại theo xếp hạng tín dụng, (2) phương pháp kiểm định phương sai mạnh mẽ, và (3) thuật toán hiệu chuẩn quyền chọn dựa trên entropy. Mối quan hệ giữa chúng được thiết lập thông qua việc phân tích hành vi biến động của các chỉ số tín dụng này và sau đó sử dụng các mẫu biến động này để thông báo việc định giá quyền chọn. Mô hình lý thuyết đề xuất các giả thuyết sau:

  1. Các chỉ số chứng khoán được phân loại theo tín dụng sẽ thể hiện các mẫu biến động khác nhau đáng kể (giả thuyết này được kiểm tra bằng thử nghiệm phương sai mới).
  2. Cấu trúc chi tiết của các ngành kinh tế sẽ là một yếu tố quyết định biến động quan trọng như xếp hạng tín dụng.
  3. Việc hiệu chuẩn quyền chọn chỉ số thông qua các quyền chọn của các công ty thành phần đòi hỏi một tỷ lệ vốn hóa chỉ số tối thiểu để đạt được độ chính xác có thể chấp nhận được.

Luận án không đề xuất một sự thay đổi mô hình (paradigm shift) hoàn toàn, mà là một sự tiến bộ trong mô hình thực chứng (positivist paradigm) hiện có của tài chính định lượng. Bằng chứng từ các phát hiện, như việc "cấu trúc chi tiết của các ngành kinh tế có vai trò quyết định quan trọng đối với các mẫu biến động ngang bằng với xếp hạng tín dụng của các công ty cấu thành", thách thức các giả định đơn giản về tác động của xếp hạng tín dụng và hướng nghiên cứu đến các phân tích đa chiều hơn về rủi ro.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách độc đáo các lý thuyết từ thống kê đa biến, tài chính định lượng và lý thuyết thông tin. Cụ thể, nó kết hợp:

  1. Lý thuyết kiểm định giả thuyết thống kê (Mardia et al [49], Cohen [14], [15], Harris [36]): Để phát triển một thử nghiệm mạnh mẽ cho việc so sánh phương sai của các biến Gaussian liên hợp.
  2. Mô hình định giá quyền chọn Black-Scholes-Merton (Black and Scholes [8], Merton [51]): Làm cơ sở cho động lực giá tài sản log-normal.
  3. Lý thuyết thông tin và hiệu chuẩn entropy tối thiểu (Golan, Judge and Miller [35], Buchen and Kelly [10], Avellaneda et al [3], [4], [5]): Để giải quyết bài toán định giá quyền chọn trong thị trường không đầy đủ.

Phương pháp phân tích mới lạ nằm ở việc xây dựng các chỉ số chứng khoán từ dữ liệu thô của Dow Jones, Moody’s và S&P, sau đó áp dụng một thử nghiệm thống kê tùy chỉnh để phân tích biến động của chúng, và cuối cùng, sử dụng một thuật toán hiệu chuẩn dựa trên Monte Carlo để định giá quyền chọn trên các chỉ số này. Việc tích hợp dữ liệu đa dạng và phương pháp phân tích đa bước này được biện minh bởi nhu cầu giải quyết các câu hỏi nghiên cứu phức tạp về mối quan hệ giữa xếp hạng tín dụng, cấu trúc ngành, biến động và định giá quyền chọn.

Các đóng góp khái niệm bao gồm định nghĩa lại "company rating" dựa trên senior unsecured bonds và một cách tiếp cận linh hoạt đối với các trường hợp xếp hạng không đồng nhất giữa các cơ quan. "Credit segregated equity indexes" được định nghĩa là các chỉ số chứng khoán mà cổ phiếu được chọn dựa trên cả ngành kinh tế, vốn hóa và hạng tín dụng cụ thể.

Các điều kiện biên được nêu rõ ràng: nghiên cứu tập trung vào các công ty tại Hoa Kỳ để tránh các vấn đề về tỷ giá hối đoái, và giới hạn phân tích đối với các công ty có vốn hóa vừa và lớn do sự không đầy đủ của dữ liệu xếp hạng đối với các công ty vốn hóa nhỏ. Kết quả của việc hiệu chuẩn quyền chọn bị giới hạn bởi ngưỡng "hơn 90% vốn hóa chỉ số", một điều kiện thực tế cho tính hiệu quả của phương pháp.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân theo một triết lý nghiên cứu thực chứng (positivism), với mục tiêu phân tích các thuộc tính khách quan của các chỉ số chứng khoán và kiểm tra các giả thuyết bằng các phương pháp định lượng. Quan điểm nhận thức luận khách quan (objectivist) được thể hiện rõ ràng qua việc sử dụng các mô hình toán học và thống kê để mô tả và dự đoán hành vi thị trường.

Thiết kế nghiên cứu sử dụng phương pháp hỗn hợp (mixed methods) ở cấp độ tích hợp dữ liệu. Cụ thể, nó kết hợp dữ liệu định lượng lớn từ các chỉ số chứng khoán (giá cổ phiếu hàng ngày, vốn hóa thị trường) với dữ liệu bán định tính của xếp hạng tín dụng (phân loại chữ cái từ Moody’s và S&P, sau đó được ánh xạ sang các nhóm định lượng như "high rating", "low rating", "investment grade", "non-investment grade"). Rationale cho sự kết hợp này là để tạo ra các chỉ số chứng khoán mới phản ánh cả khía cạnh ngành/vốn hóa và chất lượng tín dụng, sau đó phân tích các thuộc tính thống kê của chúng.

Thiết kế đa cấp (multi-level design) được áp dụng một cách gián tiếp. Mặc dù không phải là một mô hình phân tích đa cấp theo nghĩa chặt chẽ (ví dụ, multilevel regression), nghiên cứu phân tích dữ liệu ở các cấp độ khác nhau: (1) cấp độ công ty riêng lẻ (để xác định xếp hạng và vốn hóa), (2) cấp độ chỉ số ngành (Dow Jones Global Indexes), và (3) cấp độ chỉ số được phân tách theo xếp hạng tín dụng trong từng ngành và vốn hóa. Việc phân tích "cấu trúc chi tiết của các ngành kinh tế" như một yếu tố quyết định biến động cho thấy một cách tiếp cận đa cấp đối với các yếu tố ảnh hưởng.

Kích thước mẫu (sample size) bao gồm "3.525 công ty" có dữ liệu lịch sử trên thị trường Hoa Kỳ, với trung bình "2.018 công ty" mỗi ngày và "1.001 công ty có vốn hóa vừa-lớn" mỗi ngày trong giai đoạn nghiên cứu (từ 1/1/1992 đến 30/6/2000). Tiêu chí lựa chọn mẫu bao gồm: (1) các công ty được bao gồm trong Dow Jones Global Indexes cho các nước phát triển (tập trung vào Hoa Kỳ), (2) dữ liệu xếp hạng có sẵn từ Moody’s (26.260 thay đổi xếp hạng trái phiếu không có bảo đảm cao cấp cho 7.838 công ty) và S&P (22.139 công ty), và (3) tập trung vào các công ty có vốn hóa vừa và lớn để đảm bảo kích thước mẫu đủ lớn trong mỗi lớp xếp hạng.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu bao gồm việc lựa chọn các công ty dựa trên vốn hóa thị trường của chúng ở mỗi kỳ đánh giá hàng quý (tháng 3, 6, 9, 12). Các công ty được xếp hạng theo vốn hóa, với 70% trên cùng là "large-capitalization", 70%-90% là "medium-capitalization", và 90%-95% là "small-capitalization". Tiêu chí bao gồm các công ty chiếm 95% vốn hóa thị trường cơ bản. Tiêu chí loại trừ bao gồm các công ty không có xếp hạng hoặc các công ty vốn hóa nhỏ (đối với phần lớn phân tích biến động).

Giao thức thu thập dữ liệu được mô tả chi tiết: dữ liệu chỉ số Dow Jones Global Indexes được lấy từ trang FTP của Dow Jones, bao gồm "dữ liệu đóng cửa hàng ngày cho các công ty riêng lẻ cấu thành các chỉ số khác nhau." Dữ liệu xếp hạng Moody’s được lấy từ "Moody’s Corporate Bond Default Database." Dữ liệu xếp hạng S&P được lấy từ COMPUSTAT thông qua Wharton Research Database, cụ thể là mục "S&P Long-Term Domestic Issuer Credit Rating." Quá trình hợp nhất các cơ sở dữ liệu này được mô tả chi tiết trong Phụ lục B.

Tam giác hóa (Triangulation) được áp dụng thông qua việc sử dụng dữ liệu xếp hạng từ hai cơ quan xếp hạng lớn (Moody’s và S&P) để đảm bảo tính mạnh mẽ của phân loại tín dụng. Trong các trường hợp không đồng nhất về xếp hạng, "các công ty được đưa vào cả hai chỉ số" (ví dụ, chỉ số xếp hạng đầu tư và chỉ số xếp hạng đầu cơ), cho phép so sánh và phân tích sâu hơn về ảnh hưởng của sự không chắc chắn này.

Tính hợp lệ (validity) và độ tin cậy (reliability) được đề cao. Tính hợp lệ xây dựng (construct validity) được đảm bảo thông qua việc sử dụng các định nghĩa tiêu chuẩn ngành cho xếp hạng công ty (rating of Senior Unsecured bonds). Tính hợp lệ nội bộ (internal validity) được kiểm soát thông qua việc thiết kế thử nghiệm thống kê mạnh mẽ để so sánh phương sai của các biến ngẫu nhiên Gaussian liên hợp. Độ tin cậy (reliability) của các chỉ số được đảm bảo bằng quy trình tính toán chỉ số chi tiết, bao gồm điều chỉnh số chia để tránh các "bước nhảy giả tạo" (spurious jump) do các hành động doanh nghiệp. Các giá trị alpha (reliability coefficients) không được báo cáo trực tiếp nhưng tính mạnh mẽ của các thử nghiệm thống kê cho thấy sự quan tâm đến độ tin cậy.

Data và phân tích

Đặc điểm mẫu được mô tả rõ ràng. Ví dụ, trong ngành "Basic Materials", trung bình "39% công ty vốn hóa nhỏ" có xếp hạng, trong khi "81% công ty vốn hóa vừa và lớn" có xếp hạng. Số lượng công ty trong các chỉ số khác nhau theo thời gian, với chỉ số viễn thông xếp hạng cao giảm từ "16 xuống 9" công ty từ 1997-1998, và chỉ số viễn thông xếp hạng thấp tăng từ "9 lên 19" công ty từ 1997-2000.

Các kỹ thuật phân tích tiên tiến bao gồm:

  • Kiểm định Likelihood Ratio (Likelihood Ratio Tests) cho phương sai của các biến ngẫu nhiên Gaussian liên hợp, được triển khai cho cả so sánh hai chiều và ba chiều. Thử nghiệm này dựa trên "ước lượng hợp lý cực đại của ma trận hiệp phương sai phương sai."
  • Mô phỏng Monte Carlo (Monte Carlo simulations) để triển khai thuật toán hiệu chuẩn entropy tối thiểu. Phương pháp này "gán trọng số cho các đường dẫn Monte Carlo" để giảm thiểu một phép đo entropy trong khi vẫn duy trì ràng buộc về giá quyền chọn chuẩn.
  • Phân tích biến động (Volatility analysis) sử dụng cả "GARCH $\sigma_t$" và "biến động mẫu 30 ngày/60 ngày" để ước tính biến động. Phần mềm cụ thể không được nêu rõ cho phân tích thống kê chính, nhưng dữ liệu S&P được lấy từ COMPUSTAT thông qua Wharton Research Database.

Các kiểm tra mạnh mẽ (robustness checks) được thực hiện bằng cách so sánh kết quả biến động với sự thay đổi trong số lượng công ty cấu thành chỉ số. Điều này giúp phân biệt giữa biến động tăng do giảm đa dạng hóa và biến động nội tại tăng lên của các cổ phiếu. Ví dụ, việc chỉ số viễn thông xếp hạng thấp có biến động cao hơn dù có số lượng công ty lớn hơn được coi là bằng chứng mạnh mẽ cho biến động nội tại.

Kích thước hiệu ứng (effect sizes) và khoảng tin cậy (confidence intervals) được báo cáo thông qua "p-values for 60-day sample variance test" cho các chỉ số tài chính (BBB, A và AA+) và công nghệ. Các giá trị p-value này cho phép xác định ý nghĩa thống kê của sự khác biệt về phương sai giữa các chỉ số.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện đột phá với bằng chứng cụ thể từ dữ liệu:

  1. Sự phức tạp của các yếu tố quyết định biến động: "Cấu trúc chi tiết của các ngành kinh tế có vai trò quyết định quan trọng đối với các mẫu biến động ngang bằng với xếp hạng tín dụng của các công ty cấu thành." (Trang iii). Phát hiện này thách thức quan điểm đơn giản rằng xếp hạng tín dụng là yếu tố chi phối duy nhất, cho thấy các phân ngành (sub-groups) trong cùng một ngành có thể thể hiện các mẫu biến động khác nhau đáng kể (ví dụ, như được minh họa trong phân tích ngành Chemicals, Mining & Metals, và Forest Products & Paper trong Chương 4).
  2. Ngưỡng hiệu chuẩn quyền chọn chỉ số: "Các công ty có quyền chọn được hiệu chuẩn cần chiếm hơn 90% vốn hóa chỉ số để đạt được bất kỳ độ chính xác nào trong giá quyền chọn chỉ số kết quả." (Trang iii). Đây là một định lượng cụ thể, có ý nghĩa thống kê và thực tiễn, xác định điều kiện cần cho việc áp dụng phương pháp hiệu chuẩn một phần trong thị trường không đầy đủ.
  3. Biến động cao hơn ở các chỉ số xếp hạng thấp bất chấp đa dạng hóa: "Các chỉ số của các công ty xếp hạng thấp có cả biến động cao hơn và số lượng công ty lớn hơn so với các chỉ số của các công ty xếp hạng cao hơn." (Trang 30). Điều này là một kết quả phản trực giác (counter-intuitive results) vì đa dạng hóa thường giảm biến động. Phát hiện này ngụ ý rằng các yếu tố rủi ro hệ thống hoặc tương quan nội bộ cao hơn trong các chỉ số xếp hạng thấp đã lấn át lợi ích đa dạng hóa, cho thấy một hiện tượng mới mà các nghiên cứu trước đây thường không phân biệt rõ ràng. Ví dụ, chỉ số viễn thông xếp hạng thấp có biến động tăng từ "16% (1992-1997) lên 33.3% (giữa 1998-2000)" dù số lượng công ty "tăng từ 9 lên 19" (Trang 29).
  4. Sự phân tách biến động theo xếp hạng và ngành: Các kiểm định phương sai cho thấy sự khác biệt đáng kể về biến động giữa các nhóm xếp hạng khác nhau (ví dụ, BBB, A, AA+ trong ngành tài chính) và giữa các ngành (ví dụ, công nghệ so với vật liệu cơ bản), với "p-values for 60-day sample variance test" được báo cáo cụ thể (ví dụ, Hình 4.7, 4.8, 4.18). Điều này cung cấp bằng chứng cụ thể về sự phân hóa rủi ro giữa các phân khúc thị trường.
  5. Biến động tăng lên sau năm 1998: Hầu hết các chỉ số và công ty riêng lẻ đều cho thấy "biến động cao hơn đáng kể sau năm 1998" (Trang 30), cho thấy một sự thay đổi chế độ biến động trên thị trường rộng hơn, trùng với "khủng hoảng châu Á", "khủng hoảng Nga" và sự phá sản của LTCM (Trang 26).

So sánh với các nghiên cứu trước, phát hiện về biến động của các chỉ số xếp hạng thấp đã thêm một chiều kích mới vào các nghiên cứu về mối quan hệ giữa xếp hạng tín dụng và hiệu suất cổ phiếu (ví dụ, Glascock et al [34], Pinches and Singleton [55]). Trong khi những nghiên cứu này tập trung vào lợi suất, luận án này tập trung vào biến động, cung cấp một góc nhìn khác về rủi ro.

Implications đa chiều

Tiến bộ lý thuyết: Luận án đóng góp vào lý thuyết kiểm định giả thuyết thống kê bằng cách cung cấp một phương pháp mạnh mẽ để so sánh phương sai của các biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý, lấp đầy một khoảng trống được công nhận (Cohen [14], [15], Harris [36]). Nó cũng mở rộng lý thuyết định giá quyền chọn trong thị trường không đầy đủ (El Karoui and Quenez [44], Cvitanić and Karatzas [18], [19]) bằng cách định lượng một điều kiện biên quan trọng cho việc hiệu chuẩn một phần, đặc biệt liên quan đến mức độ bao phủ vốn hóa của các tài sản chuẩn.

Đổi mới phương pháp luận: Phương pháp kiểm định phương sai mới được phát triển có thể áp dụng cho các bối cảnh khác trong tài chính và kinh tế, nơi việc so sánh phương sai của các biến ngẫu nhiên tương quan là cần thiết. Thuật toán hiệu chuẩn entropy tối thiểu trong thiết lập Monte Carlo cũng có thể được điều chỉnh để định giá các công cụ phái sinh phức tạp khác. Việc hợp nhất dữ liệu đa dạng và phương pháp tính toán chỉ số chi tiết có thể được nhân rộng trong các nghiên cứu tương tự.

Ứng dụng thực tiễn: Luận án đưa ra các khuyến nghị cụ thể cho các nhà quản lý danh mục đầu tư. Thay vì chỉ dựa vào xếp hạng tín dụng tổng thể, họ nên xem xét "cấu trúc chi tiết của các ngành kinh tế" khi đánh giá rủi ro biến động. Đối với việc định giá quyền chọn chỉ số, các nhà giao dịch và quản lý rủi ro cần đảm bảo rằng các tài sản chuẩn được sử dụng để hiệu chuẩn chiếm "hơn 90% vốn hóa chỉ số" để có kết quả đáng tin cậy.

Khuyến nghị chính sách: Mặc dù không trực tiếp là một nghiên cứu chính sách, phát hiện về sự khác biệt biến động giữa các chỉ số xếp hạng tín dụng có thể thông báo cho các cơ quan quản lý về sự cần thiết của việc giám sát các công ty xếp hạng thấp một cách chặt chẽ hơn, đặc biệt khi họ có số lượng công ty lớn hơn nhưng vẫn thể hiện biến động cao hơn. Các nhà hoạch định chính sách cũng có thể xem xét các quy định về minh bạch dữ liệu xếp hạng và mối quan hệ giữa xếp hạng tín dụng với các yếu tố ngành.

Điều kiện tổng quát hóa: Các phát hiện của luận án có thể tổng quát hóa trong các thị trường chứng khoán phát triển khác có cấu trúc tương tự như Hoa Kỳ, đặc biệt là nơi có sẵn các chỉ số vốn hóa được phân loại theo ngành và dữ liệu xếp hạng tín dụng chi tiết. Tuy nhiên, các điều kiện biên của hiệu chuẩn quyền chọn (ví dụ, ngưỡng 90%) có thể thay đổi tùy thuộc vào tính thanh khoản và cấu trúc thị trường của các công cụ phái sinh cơ bản.

Limitations và Future Research

Luận án trung thực thừa nhận một số hạn chế cụ thể.

  1. Phạm vi địa lý: Nghiên cứu chỉ tập trung vào các công ty tại Hoa Kỳ để tránh các vấn đề về tỷ giá hối đoái. Điều này giới hạn khả năng tổng quát hóa các phát hiện đến các thị trường quốc tế một cách trực tiếp mà không có thêm phân tích.
  2. Kích thước mẫu cho công ty vốn hóa nhỏ: "Các công ty vốn hóa nhỏ thiếu xếp hạng thường xuyên hơn nhiều so với các công ty vốn hóa vừa hoặc lớn." (Trang 23), dẫn đến việc loại trừ chúng khỏi phần lớn phân tích. Điều này có thể bỏ sót các mẫu biến động độc đáo trong phân khúc vốn hóa nhỏ.
  3. Giới hạn thời gian của dữ liệu: Giai đoạn nghiên cứu từ "1/1/1992 đến 30/6/2000" có thể không nắm bắt được tất cả các chu kỳ thị trường và chế độ biến động dài hạn, đặc biệt là các giai đoạn biến động thấp hoặc cao khác.
  4. Bản chất của hiệu chuẩn một phần: Mặc dù luận án đã định lượng ngưỡng cần thiết, việc hiệu chuẩn một phần bản chất vẫn dẫn đến "thị trường không đầy đủ" (market incompleteness), và có thể bỏ qua "rủi ro cơ sở" (basis risk) từ các thành phần không được hiệu chuẩn.

Các điều kiện biên về bối cảnh, mẫu và thời gian đã được nêu rõ. Luận án nhấn mạnh rằng kết quả hiệu chuẩn quyền chọn có độ chính xác chỉ khi các công ty chuẩn chiếm "hơn 90% vốn hóa chỉ số".

Chương trình nghiên cứu trong tương lai được đề xuất với 4-5 hướng cụ thể:

  1. Mở rộng địa lý: Áp dụng phương pháp luận cho các chỉ số toàn cầu ngoài Hoa Kỳ để kiểm tra tính tổng quát của các phát hiện về biến động và hiệu chuẩn quyền chọn.
  2. Phân tích sâu hơn về rủi ro cơ sở: Khám phá các phương pháp tiên tiến hơn để giải quyết rủi ro cơ sở trong hiệu chuẩn quyền chọn chỉ số khi không thể bao gồm tất cả các thành phần, có thể thông qua các mô hình tiện ích tối đa hóa (utility maximization) như Merton [50] hoặc Davis [20], [21].
  3. Mở rộng đến các công cụ phái sinh khác: Áp dụng thuật toán hiệu chuẩn entropy tối thiểu để định giá các công cụ phái sinh phức tạp khác không chỉ là quyền chọn đơn giản.
  4. Phân tích động của mối quan hệ tín dụng-biến động: Nghiên cứu các thay đổi theo thời gian trong mối quan hệ giữa xếp hạng tín dụng, cấu trúc ngành và biến động, đặc biệt là trong các chu kỳ kinh tế khác nhau.
  5. Tích hợp các yếu tố phi tuyến tính: Khám phá việc sử dụng các mô hình phi tuyến tính hoặc các quá trình ngẫu nhiên khác cho biến động (ví dụ, các mô hình nhảy-khuếch tán) trong khung định giá quyền chọn.

Các cải tiến phương pháp luận được đề xuất bao gồm việc phát triển các thử nghiệm thống kê mạnh mẽ hơn cho các phân phối không Gaussian, và tích hợp các phương pháp học máy (machine learning) để dự đoán các mẫu biến động và hỗ trợ quá trình hiệu chuẩn.

Các mở rộng lý thuyết được đề xuất bao gồm việc phát triển các mô biến thể của lý thuyết kiểm định phương sai cho các loại tài sản khác, và mở rộng lý thuyết về thị trường không đầy đủ để tích hợp các phát hiện về vai trò của cấu trúc ngành và xếp hạng tín dụng.

Tác động và ảnh hưởng

Tác động học thuật của luận án là đáng kể. Bằng cách lấp đầy một khoảng trống nghiên cứu về so sánh phương sai của các biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý, luận án cung cấp một công cụ thống kê mới có thể trở thành một phương pháp được trích dẫn và áp dụng rộng rãi trong tài chính định lượng và các lĩnh vực khác. Việc định lượng ngưỡng "hơn 90% vốn hóa chỉ số" cho hiệu chuẩn quyền chọn sẽ là một tham chiếu quan trọng cho các nhà nghiên cứu tiến sĩ (doctoral researchers) và học giả cấp cao (senior academics) trong việc thiết kế các mô hình định giá quyền chọn trong thị trường không đầy đủ. Luận án ước tính có khả năng nhận được nhiều trích dẫn trong các nghiên cứu về kiểm định giả thuyết thống kê, tài chính định lượng và định giá phái sinh.

Tác động đến chuyển đổi ngành (industry transformation) có thể bao gồm việc cải thiện các phương pháp quản lý rủi ro và định giá trong các lĩnh vực tài chính, bảo hiểm và quản lý tài sản. Các ngân hàng đầu tư và quỹ phòng hộ có thể sử dụng các chỉ số tín dụng được phân loại để xây dựng danh mục đầu tư đa dạng hóa hơn và các chiến lược phòng ngừa rủi ro chính xác hơn. Các nhà cung cấp sản phẩm cấu trúc (structured products) có thể phát triển các sản phẩm mới dựa trên các chỉ số này.

Ảnh hưởng chính sách có thể liên quan đến các cấp độ chính phủ và cơ quan quản lý tài chính. Các cơ quan quản lý có thể sử dụng các phân tích biến động chi tiết này để đánh giá rủi ro hệ thống liên quan đến các công ty xếp hạng thấp và các ngành cụ thể. Các phát hiện có thể hỗ trợ việc phát triển các quy định liên quan đến công bố thông tin và quản lý rủi ro đối với các công ty niêm yết.

Lợi ích xã hội có thể được định lượng thông qua việc cải thiện sự ổn định của thị trường tài chính và giảm rủi ro cho các nhà đầu tư tổ chức (ví dụ, quỹ lương hưu). Bằng cách cung cấp các phương pháp định giá quyền chọn chính xác hơn, luận án giúp giảm bất cân xứng thông tin và tăng cường tính hiệu quả của thị trường, từ đó có thể dẫn đến phân bổ vốn hiệu quả hơn trong nền kinh tế.

Tầm quan trọng quốc tế của luận án được thể hiện qua việc xem xét các tác động quốc tế của xếp hạng tín dụng (ví dụ, trường hợp trái phiếu chủ quyền Mexico được xếp hạng khác nhau bởi Moody’s và S&P [27]). Các phương pháp và phát hiện có thể áp dụng cho các thị trường tài chính toàn cầu, cung cấp một khung phân tích chuẩn hóa cho các chỉ số chứng khoán quốc tế và các sản phẩm phái sinh liên quan.

Đối tượng hưởng lợi

Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Sẽ được hưởng lợi từ việc xác định các khoảng trống nghiên cứu cụ thể trong tài chính định lượng và thống kê, đặc biệt là trong các lĩnh vực kiểm định phương sai của các biến ngẫu nhiên tương quan và hiệu chuẩn quyền chọn trong thị trường không đầy đủ. Luận án cung cấp một mô hình mạnh mẽ cho việc tích hợp dữ liệu đa dạng và phát triển các phương pháp phân tích tiên tiến.

Các học giả cấp cao (Senior academics): Sẽ tìm thấy các tiến bộ lý thuyết quan trọng, bao gồm việc mở rộng các lý thuyết kiểm định giả thuyết thống kê và định giá quyền chọn. Các đóng góp khái niệm về "credit segregated equity indexes" và "novel analytical approach" sẽ kích thích các hướng nghiên cứu mới.

Bộ phận R&D của ngành (Industry R&D): Sẽ có được các ứng dụng thực tiễn quan trọng. Các phát hiện về vai trò của "fine structure of economce sectors" và ngưỡng "hơn 90% index capitalization" là cơ sở để phát triển các mô hình định giá và quản lý rủi ro chính xác hơn. Điều này có thể dẫn đến cải tiến trong việc xây dựng sản phẩm tài chính và chiến lược giao dịch. Định lượng lợi ích bao gồm khả năng giảm thiểu rủi ro đầu tư và tối ưu hóa lợi nhuận.

Các nhà hoạch định chính sách (Policy makers): Sẽ được cung cấp các khuyến nghị dựa trên bằng chứng để giám sát thị trường và xây dựng các quy định. Việc hiểu rõ hơn về các yếu tố biến động trong các chỉ số tín dụng có thể giúp họ đánh giá rủi ro hệ thống và đưa ra các chính sách ổn định thị trường hiệu quả hơn.

Định lượng lợi ích: Ví dụ, việc giảm 1% lỗi định giá quyền chọn chỉ số có thể tiết kiệm hàng triệu đô la cho các nhà đầu tư và tổ chức tài chính hàng năm. Việc hiểu rõ hơn về biến động có thể giúp các nhà quản lý quỹ tối ưu hóa việc phân bổ tài sản, có khả năng tăng lợi nhuận hàng năm lên 0.5-1% cho các danh mục đầu tư hàng tỷ đô la.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc phát triển một thử nghiệm thống kê mạnh mẽ để so sánh phương sai của nhiều biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý, một lĩnh vực mà các nghiên cứu trước đó của Cohen [14], [15] và Harris [36] đã chỉ ra là một khoảng trống lớn. Luận án này mở rộng lý thuyết kiểm định giả thuyết thống kê đa biến, đặc biệt dựa trên các kết quả của Mardia et al [49], bằng cách cung cấp một phương pháp có thể triển khai để kiểm tra giả thuyết về sự bằng nhau của phương sai trong các điều kiện phức tạp của dữ liệu tài chính tương quan.
  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận là việc tích hợp và tùy chỉnh thuật toán hiệu chuẩn entropy tối thiểu trong thiết lập Monte Carlo để định giá quyền chọn trên các chỉ số chứng khoán được phân loại theo tín dụng, đồng thời giải quyết vấn đề hiệu chuẩn một phần. Phương pháp này khác biệt so với Buchen and Kelly [10] vốn tập trung vào mô hình một giai đoạn, và mở rộng Avellaneda et al [3] bằng cách áp dụng nó vào một tập hợp chỉ số mới lạ (credit segregated indexes) và điều tra một cách có hệ thống các điều kiện biên của hiệu chuẩn một phần. Nó cũng cung cấp một giải pháp thực tế hơn so với việc giải phương trình HJB phi tuyến tính phức tạp được đề xuất bởi Carmona and Xu [12] để kiểm soát biến động.
  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc "các chỉ số của các công ty xếp hạng thấp có cả biến động cao hơn và số lượng công ty lớn hơn so với các chỉ số của các công ty xếp hạng cao hơn." (Trang 30). Điều này phản trực giác vì theo lý thuyết đa dạng hóa, số lượng công ty lớn hơn thường dẫn đến biến động thấp hơn. Bằng chứng từ dữ liệu, chẳng hạn như chỉ số viễn thông xếp hạng thấp có biến động tăng từ "16% (1992-1997) lên 33.3% (giữa 1998-2000)" trong khi số lượng công ty "tăng từ 9 lên 19" (Trang 29), cho thấy rằng các yếu tố khác như tương quan cao hơn giữa các công ty thành phần hoặc rủi ro hệ thống cố hữu đã lấn át lợi ích đa dạng hóa.
  4. Replication protocol provided? Có, giao thức tái tạo (replication protocol) được cung cấp thông qua các mô tả chi tiết trong luận án. "Chương trình được sử dụng để tính toán các chỉ số từ dữ liệu được tái tạo trong Phụ lục C." (Trang 17). Ngoài ra, các giao thức thu thập dữ liệu từ Dow Jones FTP site, Moody's Corporate Bond Default Database và COMPUSTAT/Wharton Research Database được mô tả rõ ràng, cùng với quy trình hợp nhất dữ liệu và phương pháp điều chỉnh số chia để tính toán chỉ số (Trang 12-16). Điều này cho phép các nhà nghiên cứu khác có thể tái tạo việc xây dựng chỉ số và các phân tích cơ bản.
  5. 10-year research agenda outlined? Có, một chương trình nghiên cứu 10 năm được phác thảo thông qua phần "Limitations and Future Research" (Chương 6). Nó đề xuất 4-5 hướng nghiên cứu cụ thể, bao gồm mở rộng địa lý của phân tích, phân tích sâu hơn về rủi ro cơ sở trong hiệu chuẩn quyền chọn, áp dụng các kỹ thuật hiệu chuẩn cho các công cụ phái sinh khác, nghiên cứu động của mối quan hệ tín dụng-biến động, và tích hợp các yếu tố phi tuyến tính. Những hướng này cung cấp một lộ trình rõ ràng cho các nghiên cứu tiếp theo trong thập kỷ tới.

Kết luận

Luận án này đã đưa ra những đóng góp then chốt, thúc đẩy sự hiểu biết của chúng ta về hành vi của các chỉ số chứng khoán được phân loại theo tín dụng và việc định giá quyền chọn trên chúng.

  1. Đóng góp về phương pháp thống kê: Phát triển và triển khai một thử nghiệm thống kê mới để so sánh phương sai của nhiều biến ngẫu nhiên Gaussian liên hợp có tương quan tùy ý, lấp đầy một khoảng trống nghiên cứu quan trọng trong thống kê đa biến.
  2. Định lượng điều kiện hiệu chuẩn quyền chọn: Đã xác định một cách định lượng rằng các công ty có quyền chọn được hiệu chuẩn cần chiếm "hơn 90% vốn hóa chỉ số" để đạt được độ chính xác trong giá quyền chọn chỉ số kết quả, cung cấp một điều kiện biên thực tế cho việc áp dụng các mô hình hiệu chuẩn một phần.
  3. Khám phá về các yếu tố quyết định biến động: Chứng minh rằng "cấu trúc chi tiết của các ngành kinh tế có vai trò quyết định quan trọng đối với các mẫu biến động ngang bằng với xếp hạng tín dụng của các công ty cấu thành", thách thức các giả định đơn giản về rủi ro.
  4. Phát hiện phản trực giác về đa dạng hóa và rủi ro: Quan sát thấy rằng các chỉ số xếp hạng thấp có biến động cao hơn dù có số lượng công ty lớn hơn, cho thấy các yếu tố rủi ro sâu sắc hơn đang hoạt động.
  5. Ứng dụng thực tiễn của hiệu chuẩn entropy: Đã áp dụng thành công thuật toán hiệu chuẩn entropy tối thiểu trong thiết lập Monte Carlo để định giá quyền chọn chỉ số, cung cấp một công cụ thiết thực trong bối cảnh không có quyền chọn chỉ số được giao dịch.

Luận án này đã góp phần vào sự tiến bộ của mô hình thực chứng (positivist paradigm) trong tài chính định lượng bằng cách cung cấp các công cụ phân tích mới và bằng chứng thực nghiệm mạnh mẽ. Nó mở ra ít nhất ba dòng nghiên cứu mới: (1) phát triển các thử nghiệm thống kê tiên tiến hơn cho dữ liệu tài chính tương quan, (2) phân tích sâu hơn về các yếu tố rủi ro cơ sở và ảnh hưởng của cấu trúc ngành đối với biến động, và (3) ứng dụng mở rộng của các phương pháp hiệu chuẩn entropy trong thị trường không đầy đủ.

Với sự tập trung vào các chỉ số Dow Jones Global Indexes và dữ liệu xếp hạng từ Moody’s và S&P, luận án này có liên quan toàn cầu, đặc biệt đối với các thị trường phát triển. Các phương pháp và phát hiện có thể được so sánh và áp dụng trong bối cảnh quốc tế, như đã được minh họa bằng việc tham chiếu đến trường hợp của Mexico [27] liên quan đến xếp hạng trái phiếu chủ quyền. Di sản của luận án là những kết quả có thể đo lường được, bao gồm các công cụ phân tích mới cho các nhà nghiên cứu, hướng dẫn định lượng cho các chuyên gia tài chính và những hiểu biết sâu sắc hơn về các yếu tố phức tạp ảnh hưởng đến rủi ro thị trường và định giá quyền chọn.