Phương pháp bootstrap

Phương pháp Bootstrap là gì?

Phương pháp Bootstrap là kỹ thuật thống kê lấy mẫu lặp lại (resampling) có thay thế, được giới thiệu bởi Bradley Efron năm 1979, nhằm ước lượng phân phối xác suất của một thống kê mẫu thông qua việc tạo ra nhiều tập dữ liệu giả từ mẫu gốc. Trong ngân hàng Việt Nam, phương pháp này được sử dụng rộng rãi để đánh giá rủi ro tín dụng, ước lượng khoảng tin cậy cho tỷ lệ nợ xấu (NPL) và xây dựng mô hình xếp hạng tín dụng theo Thông tư 17/2023/TT-NHNN về quản trị rủi ro trong hoạt động ngân hàng.

Đặc điểm

• Lấy mẫu có hoàn lại: Từ mẫu gốc có n quan sát, tạo ra B mẫu bootstrap (thường B = 1000-10000), mỗi mẫu cũng có n quan sát được chọn ngẫu nhiên có hoàn lại.
• Không cần giả định phân phối: Bootstrap không yêu cầu giả định dữ liệu tuân theo phân phối chuẩn, phù hợp với dữ liệu tài chính có phân phối đuôi dày.
• Ước lượng sai số chuẩn: Tính toán độ lệch chuẩn và khoảng tin cậy bằng phương pháp percentile hoặc bias-corrected (BCa).
• Áp dụng trong Basel II/III: Được NHNN Việt Nam khuyến khích sử dụng trong mô hình đo lường rủi ro theo Điều 7 Thông tư 41/2016/TT-NHNN.

Ví dụ

Ngân hàng ABC muốn ước lượng khoảng tin cậy 95% cho tỷ lệ nợ xấu của danh mục cho vay. Với mẫu gốc 5000 khoản vay có tỷ lệ nợ xấu 3,2%, ngân hàng thực hiện bootstrap với B = 5000 lần lặp. Kết quả thu được khoảng tin cậy 95% là [2,8% - 3,7%], giúp ban lãnh đạo đánh giá mức độ rủi ro và đưa ra quyết định trích lập dự phòng phù hợp theo quy định tại Thông tư 11/2021/TT-NHNN.