Đề tài Đo lường rủi ro thị trường tài chính ở Việt Nam

à nước buộc Lãi Suất Cơ Bản 0% 2% 4% 6% 8% 10% 12% 14% 16% 6/12/1999 19/4/2001 1/9/2002 14/1/2004 28/5/2005 10/10/2006 22/2/2008 6/7/2009 18/11/2010 1/4/2012 35 phải giữ nguyên lãi suất cơ bản ở mức 8%/năm trong suốt năm 2010. Để đối phó với tình trạng này, nhà nước phải sử dụng đến các biện pháp khác như quy định trần lãi suất bằng 150% lãi suất cơ bản, cho sử dụng lãi suất thỏa thuận với các kỳ hạn trung và dài hạn,… Dù trong bất cứ hoàn cảnh nào, vai trò của lãi suất cơ bản có thể bị giảm bớt, nhưng nó luôn là một công cụ điều tiết kinh tế vĩ mô quan trọng của nhà nước. Qua kênh này, nếu thay đổi linh hoạt và khéo léo, sẽ giúp góp phần ổn định nền kinh tế vĩ mô, giúp nền kinh tế nước ta phát triển. LÃI SUẤT TÁI CHIẾT KHẤU Hình 2.6. Lãi suất tái chiết khấu qua những lần điều chỉnh 2008-2011 Nguồn: www.vnconomy.vn Góp phần giúp làm tăng hiệu quả của việc điều tiết nền kinh tế qua kênh lãi suất, lãi suất tái chiết khấu luôn là một biến số kinh tế vĩ mô quan trọng của nền kinh tế, vì vậy đồ thị biến đổi của lãi suất tái chiết khấu gần như luôn đồng nhất với lãi suất cơ bản. Với ảnh hưởng lớn đến nền kinh tế, việc thay đổi lãi suất tái chiết khấu luôn phải được cân nhắc rõ ràng, đặc biệt trong bối cảnh hiện nay, khi lãi suất cơ bản chưa phát huy hết tác dụng để kiềm chế lạm phát và thúc đẩy tăng trưởng kinh tế đầu 36 năm 2011, thì việc tăng lãi suất tái chiết khấu lên 12% sẽ có tác dụng kiềm chế tăng trưởng tín dụng, từ đó kiềm chế lạm phát đang tăng cao. 2.1.1.5 Tỷ lệ dữ trữ bắt buộc Một công cụ khác đi song song, bổ sung cho lãi suất cơ bản là tỷ lệ dự trữ bắt buộc. Với tác động tương tự nhưng ngay lập tức, tỷ lệ dự trữ bắt buộc tác động rất mạnh đến mọi mặt của nền kinh tế. Trong các năm qua, tỷ lệ dự trữ bắt buộc đã trở thành công cụ điều hành chính sách tiền tệ rất linh hoạt của nhà nước ta, nhưng biến động của tỷ lệ dự trữ ngoại tệ và tỷ lệ dự trữ nội tệ bắt buộc không đồng đều. Tùy theo trạng thái của nền kinh tế mà ngân hàng nhà nước tăng giảm tỷ lệ dự trữ nội tệ hay ngoại tệ bắt buộc khác nhau. TỶ LỆ DỰ TRỮ NGOẠI TỆ BẮT BUỘC Hình 2.7. Tỷ lệ dữ trữ ngoại tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12 tháng đối với các tổ chức tín dụng thông thường. Nguồn: Nhóm nghiên cứu tổng hợp Trong khoảng các năm 2001 – 2003, tỷ lệ dự trữ ngoại tệ bắt buộc giảm liên tục, từ 15% xuống 4%. Điều này góp phần đẩy mạnh tác dụng của công cụ lãi suất, khi trong khoảng thời gian này, lãi suất ngoại tệ giảm kỷ lục so với trước đó. Với tỷ lệ dự trữ ngoại tệ bắt buộc giảm, Ngân hàng Nhà nước đã đẩy mạnh hoạt động Du Tru Ngoai Te Bat Buoc 0% 2% 4% 6% 8% 10% 12% 14% 16% 12/6/1999 4/19/2001 9/1/2002 1/14/2004 5/28/2005 10/10/2006 2/22/2008 7/6/2009 11/18/2010 37 tín dụng ở các Ngân hàng Thương mại, giúp giảm chi phí huy động vốn cho các cơ sở kinh doanh cũng như các tổ chức tín dụng. Với tình hình kinh tế Việt Nam cũng như Thế giới năm 2008, tỷ lệ dự trữ ngoại tệ bắt buộc được đưa lên cao tới mức 11%, nhằm siết chặt tín dụng ngoại tệ. Sau đó, với sự phục hồi của nền kinh tế Thế giới, tỷ lệ này được giảm dần xuống còn 7%. TỶ LỆ DỰ TRỮ NỘI TỆ BẮT BUỘC Hình 2.8. Tỷ lệ dữ trữ nội tệ bắt buộc đối với không kỳ hạn và kỳ hạn dưới 12 tháng đối với các tổ chức tín dụng thông thường. Nguồn: Nhóm nghiên cứu tổng hợp Đối với nội tệ, tỷ lệ dự trữ gần như ổn định từ khoảng 2007 trở về trước. Tuy nhiên, năm 2008, cũng như tỷ lệ dự trữ ngoại tệ bắt buộc, tỷ lệ này đã được đưa lên mức cao 11% nhằm tăng cường sắt chặt tín dụng trước tác động của nền kinh tế Thế giới. Tuy nhiên, do trình độ hội nhập của nước ta chưa sâu, nên dù kinh tế Thế giới sau đó vẫn còn nhiều khó khăn, phục hồi chậm chạp, thì kinh tế trong nước ta đã nhanh chóng ổn định trở lại. Với các chính sách đẩy mạnh tín dụng nhằm hỗ trợ doanh nghiệp mở rộng đầu tư sản xuất, khôi phục nền kinh tế, tỷ lệ dự trữ nội tệ bắt buộc đã được giảm liên tiếp xuống còn 3% đầu năm 2009. Tỷ lệ dự trữ nội tệ Du Tru Noi Te Bat Buoc 0% 2% 4% 6% 8% 10% 12% 12/6/1999 4/19/2001 9/1/2002 1/14/2004 5/28/2005 10/10/2006 2/22/2008 7/6/2009 11/18/2010 38 bắt buộc chỉ mới được tăng nhẹ gần đây khi lạm phát nước ta có dấu hiệu tăng cao. Trước bối cảnh lạm phát năm 2010, kéo theo những lo ngại về lạm phát năm 2011, một lần nữa vai trò quan trọng của tỷ lệ dự trữ bắt buộc đối với nền kinh tế được Ngân hàng nhà nước quan tâm cân nhắc. 2.1.2 Thị trường tài chính Thế giới So với các quốc gia phát triển, ảnh hưởng của nhân tố Thị trường tài chính Thế giới tác động đến Việt Nam không lớn. Nguyên nhân là do Việt Nam mới mở cửa nền kinh tế, chưa hội nhập sâu và rộng, nên những biến động của các thị trường bên ngoài không tác động lớn đến nền kinh tế nước ta. “Từ năm 2000 đến nay, kinh tế thế giới luôn trải qua nhiều biến động. Bắt đầu từ sự phá sản của WorldCom năm 2003, Mardoff với vụ lừa đảo lịch sử 65 tỷ USD năm 2005, và lớn nhất là khủng hoảng tín dụng Mỹ năm 2007, kéo theo sự sụp đổ của đế chế Lehman Brothers, cùng khủng hoảng kinh tế toàn cầu 2008-2009. Bước sang năm 2010, tuy ảnh hưởng khủng hoảng kinh tế đã tạm lắng nhưng vẫn còn tiểm ẩn nhiều biến động, điển hình là khủng hoảng nợ công của Hy Lạp, các nước Châu Âu như Tây Ban Nha, Ý và Bồ Đào Nha cũng đang đứng trước nguy cơ tương tự và bong bóng tài sản ở Trung Quốc”(Theo www.vncorp.vn). Trước những biến động như vậy, đã ảnh hưởng đến thị trường tài chính thế giới. Điển hình nhất là các chỉ số chứng khoán như Down Jones, Nasdaq, FTSE 100, Dax, CAC 40,… có những phiên tăng giảm với biên động rộng, tác động lớn đến các nhà đầu tư. Nói đến Việt Nam, với nền kinh tế mới mở cửa còn khá non trẻ, chúng ta đang dần hòa nhập với nền kinh tế Thế giới, kéo theo đó mức độ ảnh hưởng của các biến động nói trên đến nước ta cũng đang tăng dần lên. Kể từ năm 2000, với những biến động từ khủng hoảng Dotcom nhưng Việt Nam chúng ta nằm ngoài tầm ảnh hưởng, thì đến nay, bất kỳ thông tin kinh tế - chính trị nào ở trên thế giới 39 đều có thể ảnh hưởng đến nền kinh tế trong nước, mà tác động nhanh chóng và rõ ràng nhất là qua TTCK. Ví dụ điển hình nhất là khủng hoảng tài chính 2008, từ Thế giới lan rộng vào trong nước ta, khiến một loạt các doanh nghiệp bị buộc phải thu hẹp sản xuất, một số tuyên bố phá sản. Tuy mức độ ảnh hưởng như vậy là khá nhẹ nếu đem so với sự tàn phá nền kinh tế nặng nề của nó trên Thế giới, với sự sụp đổ của hàng loạt các định chế tài chính khổng lồ như Lehman Brother,… nhưng cũng phần nào cho ta thấy thị trường Việt Nam sẽ biến động nếu có sự biến động trên Thế giới. 2.2 Tình hình biến động thực tế ở thị trường tài chính Việt Nam 2.2.1 Giai đoạn từ ngày khai trương 20/07/2000 đến cuối tháng 6/2001 Ngay từ khi ra đời, TTCK luôn mang cho mình rủi ro nhiều nhất. Chỉ số VN- Index từ 100 điểm trong ngày giao dịch đầu tiên – 28/7/2000, đến ngày 25/06/2001 đã tăng lên đỉnh 571,04 điểm với giá trị giao dịch mỗi phiên đạt khoảng 24 tỷ đồng, một con số đáng kể so với thị trường mới và vẫn còn đang rất khan hiếm hàng hóa như Việt Nam. Dù sau đó, Ủy ban chứng khoán nhà nước đã điều chỉnh biên độ giao dịch cổ phiếu, đồng thời hạn chế khối lượng đặt lệnh, đưa thông tin về thời hạn nắm giữ cổ phiếu, đưa thêm hàng hóa vào niêm yết, nhưng việc mở rộng biên độ lớn trong khi khối lượng hàng hóa đưa vào thị trường không đáp ứng được nhu cầu Nhà đầu tư, nên giá chứng khoán ngày càng tăng mạnh (mỗi phiên tăng +7%), làm cho thị trường mất cân bằng cung – cầu lớn. 2.2.2 Từ đầu tháng 7/2001 đến đầu tháng 12/2004 Đây là giai đoạn cầu chứng khoán và giá chứng khoán giảm liên tục, trong vòng tháng 7, hàng loạt các mã cổ phiếu sụt giảm mạnh, điển hình như REE giảm 39,54%,…, và không có dấu hiệu phục hồi. Ủy ban chứng khoán nhà nước đã hạ thấp biên độ xuống +/-3% kể từ ngày 09/10/2001; hủy bỏ những hạn chế đặt lệnh mua, bán chứng khoán dẫn đến nhà đầu tư phải bán vội chứng khoán. Kết quả là sau 3 tháng chỉ số VN-Index giảm xuống ở mức khoảng trên 200 điểm và trên 40 80% nhà đầu tư bị thua lỗ nặng. Đây là giai đoạn niềm tin của nhà đầu tư bắt đầu suy giảm. Thị trường sau đó tiếp tục ảm đạm, chưa hấp dẫn các nhà đầu tư nước ngoài. Tuy nhiên thị trường vẫn được duy trì ổn định nhờ một số mã cổ phiếu và trái phiếu bắt đầu được đưa vào giao dịch. 2.2.3 Giai đoạn từ tháng 1/2005 đến 2007 Ngày 08/03/2005, thực hiện Nghị định 187/CP về chuyển đổi các Doanh nghiệp nhà nước thành Công ty cổ phần, hoạt động đấu giá các doanh nghiệp cổ phần hóa trên thị trường sơ cấp đã làm cho thị trường thứ cấp sôi động hơn. Quy mô thị trường năm 2005 tăng với tốc độ lớn nhất trong 5 năm qua, tính thanh khoản của thị trường cao hơn, có trên 31.000 giao dịch chứng khoán, tăng 45% so với năm 2004, tạo niềm tin và sự hứng khởi cho các nhà đầu tư trong nước cũng như nước ngoài. Trung tâm giao dịch chứng khoán Hà Nội chính thức khai trương hoạt động, đánh dấu một bước phát triển mới của TTCK, góp phần hoàn thiện TTCK Việt Nam. Ngay sau thời điểm khai trương, Trung tâm giao dịch chứng khoán Hà Nội triển khai hoạt động đấu giá cổ phần cho các Doanh nghiệp nhà nước cổ phần hóa. Năm 2006, TTCK Việt Nam tăng trưởng mạnh so với các năm trước đây. Song song với việc được nâng tầm về lượng và chất thì TTCK Việt Nam còn hàm chứa nhiều điều bất ngờ và có những bước ngoặt đột biến. TTCK TP.HCM 4 tháng đầu năm 2006 có những bước tiến dài khi ngày 25/04/2006 chỉ số VN-Index đạt 632,69 điểm, một số phiên giao dịch nhu cầu mua tăng cao. Trong tháng 2 và 3/2006 khi số nhà đầu tư tham gia thị trường tăng vọt mà nguồn cung chưa thể tăng lên tương ứng thì các công ty niêm yết công bố ngay kế hoạch phát hành cổ phần và Ủy ban chứng khoán nhà nước gấp rút cấp phép cho những công ty mới chào sàn. Tuy nhiên, đến tháng 7/2006 chỉ số VN-Index giảm xuống đồng thời khối lượng 41 và tổng giá trị giao dịch cũng giảm theo (tháng 3/2006 giá trị giao dịch trung bình là 92,4 tỷ đồng/ phiên, tháng 4/2006 là 156 tỷ đồng/ phiên, tháng 5/2006 là 104 tỷ đồng/phiên và tháng 6/2006 chỉ còn 60 tỷ đồng/ phiên.). Đầu năm 2007, Việt Nam đã chính thức gia nhập WTO và tổ chức thành công hội nghị APEC lần thứ 14. Ngay sau khi vòng đàm phán cuối cùng Việt Nam gia nhập WTO về nguyên tắc kết thúc, TTCK Việt Nam bắt đầu có tín hiệu theo chiều hướng đi lên bằng việc hàng loạt các CP tăng giá với mức độ tăng kịch trần trong nhiều phiên liên tục. Tuy nhiên, từ khoảng tháng 4/2007 đến nay thị trường đã điều chỉnh “giảm nhiệt” với dao động của các CP lên xuống và VN-Index dao động ở mức 900 điểm đến 1000 điểm. 2.2.4 Giai đoạn thăng trầm năm 2008 và bước hồi phục năm 2009 Trong giai đoạn quý I và II/2008, VN-Index có những phiên giảm điểm liên tục cùng với khối lượng giao dịch cũng giảm làm VN-Index rơi xuống đáy 366,02 điểm vào cuối quý II/2008, tính thanh khoản rất kém bình quân chỉ có 5.942.920 cổ phiếu được giao dịch mỗi ngày. Tuy nhiên nhờ những tin tốt lành từ chính sách nền kinh tế vĩ mô, nên quý III/2008, VN-Index liên tục tăng trong 10 phiên liên tiếp, tính thanh khoản rất khả quan với bình quân 17.486.971 cổ phiếu được giao dịch mỗi ngày. Tiếp theo sau đó là những chuỗi ngày giảm điểm của VN-Index rơi xuống đáy 235,5 điểm vào cuối tháng 2. Tuy nhiên, bước sang tháng 3-2009, các nhà đầu tư đã lấy lại được niềm tin khi TTCK có một tháng tăng điểm ấn tượng nhất kể từ tháng 11-2008: VN-Index không chỉ khởi sắc về điểm số mà khối lượng giao dịch cũng tăng mạnh. TTCK Việt Nam vươn tới đỉnh 624,10 điểm, đây là một bước tiến dài của TTCK trong nước khi VN-Index đã đạt tốc độ tăng lớn thứ 8 trong tổng số 89 chỉ số chứng khoán quan trọng trên thế giới và đạt kỷ lục về khối lượng cũng như giá trị giao dịch tại sàn HOSE được thiết lập vào ngày 22/10/2009 với hơn 136 triệu cổ phiếu, tương ứng 6,414 nghìn tỷ đồng được giao dịch. TTCK tăng trưởng mạnh mẽ, nằm ngoài dự đoán của giới chuyên gia và trở thành điểm sáng ấn tượng khi có tốc độ phục hồi nhanh nhất châu Á. 42 2.2.5 Thị trường chứng khoán năm 2010 Đây là một năm thăng trầm của TTCK Việt Nam, khác với nhiều dự đoán lạc quan trước kia, nguyên nhân do những bất cập của nền kinh tế Việt Nam sau 1 năm thực hiện gói kích cầu, cũng như tác động của khủng hoảng nợ công châu Âu, và nguy cơ suy thoái kép của nền kinh tế thế giới. Thị trường liên tục giảm điểm, đánh dấu một năm không tốt đẹp của thị trường chứng khoán 2010. Bởi những nguyên nhân sau: - Nguồn cung ồ ạt trên thị trường, do hệ lụy các đà tăng điểm cuối năm 2009, đến cuối tháng 12/2010 tính cả trên toàn thị trường đã có đến 643 doanh nghiệp niêm yết, tương đương mức vốn hóa thị trường đạt 701,9 tỷ đồng. - Vấn đề tăng nóng của các cổ phiếu penny, do các cổ phiếu blue-chip không được ưa chọn do tính thanh khoản kém. Thị trường bị dẫn dắt bởi những đội lái, hùa theo là những nhà đầu tư nhỏ lẻ, có rất nhiều mã cổ phiếu hoạt động kinh doanh lỗ nhưng giá vẫn cứ tăng đều trong suốt 5 tháng đầu 2010. - Tính dẫn dắt thị trường của các công ty chứng khoán giảm mạnh, mặc dù số lượng công ty chứng khoán niêm yết đã tăng lên 25 công ty năm 2010, tuy nhiên do chỉ tập trung dòng tiền vào các mã blue-chip trong khi chỉ số liên tục giảm, kết hợp với chiều hướng ngược lại của các nhà đầu tư nhỏ lẻ. Do đó, hiệu quả hoạt động của các công ty chứng khoán với mục đích đèo lái thị trường, tạo tính thanh khoản đã không thực sự hiệu quả, hệ quả để lại là nợ xấu, và phát sinh tranh chấp giữa khách hàng và công ty chứng khoán. Tuy nhiên giai đoạn cuối năm 2010, do có dòng tiền khá lớn bất ngờ đổ vào thị trường nên đã tạo đà tăng điểm trong những phiên cuối năm, đặc biệt là dòng tiền từ khối ngoại từ việc chốt lời vàng và ngoại tệ khi tăng cường lượng mua vào các mã cổ phiếu. Tuy nhiên đây cũng là một yếu tố cần lưu ý, vì khi dòng tiền nóng này đột ngột tháo chạy khỏi thị trường sẽ gây nguy cơ giảm sâu thị trường gây tác động nặng nề đối với nền kinh tế. 2.2.6 Thị trường những tháng đầu năm 2011 TTCK Việt Nam trong quý I/2011 diễn ra hết sức chậm chạp, đã giảm điểm liên 43 tục diễn ra trong suốt các phiên giao dịch, và đến cuối tháng 3 VN-Index chỉ còn 461.1 điểm, tương ứng mức giảm 23.6 điểm so với cuối năm 2010. Bên cạnh đó, khối lượng giao dịch rất ít, làm cho tính thanh khoản của thị trường rất kém, dòng tiền đổ vào thị trường ngày càng ít đi. Điều này có thể bị ảnh hưởng bởi đà giảm điểm trong năm 2010 và tình hình kinh tế vĩ mô của Việt Nam trong những tháng đầu năm 2011. - Lãi suất liên tục tăng cao, đặc biệt là lãi suất qua đêm (O/N) vào nữa cuối tháng 3 đã tăng trần lên đến 13.5%/năm, do những chính sách mới của Chính Phủ ra đời, đáng lưu ý nhất là quyết định số 379/QĐ-NHNN nâng lãi suất tái cấp vốn và chiết khấu lên 12%, dẫn đến lãi suất liên ngân hàng tăng mạnh. Điều này khiến cho thị trường chứng khoán không còn là một kênh hấp dẫn so với những kênh đầu tư khác. - Tỷ giá trong quý I không ngừng biến động, nhất là sau khi Ngân hàng nhà nước quyết định gia tăng tỷ giá bình quân liên ngân hàng từ 18,932 đồng/USD lên 20,693 đồng/USD, tương đương 9.3%, khiến cho áp lực các mặt hàng ngày càng tăng giá trong ngắn hạn, đồng thời làm cho niềm tin về sự mất giá của đồng Việt Nam ngày càng lớn, điều này làm cho các nhà đầu tư nước ngoài trở nên e ngại về sự ổn định của tỷ giá, dẫn đến dòng tiền nóng cuối năm 2010 đã dần biến mất, khiến cho thị trường trở nên ngày càng ảm đạm hơn. - Ngoài ra, lạm phát là một vấn đề cấp bách và đáng lưu ý của bất kỳ nền kinh tế nào, và trong quý I/2010 lạm phát ở Việt Nam đã tăng 6.17% do việc gia tăng giá điện cũng như giá xăng dầu không ngừng gia tăng trong những tháng vừa qua khiến cho CPI liên tục tăng qua các tháng, điều này sẽ tác động xấu đến các yếu tố đầu vào của các công ty, khiến cho việc hoạt động kinh doanh hết sức khó khăn, ảnh hưởng không tốt đến nền kinh tế Việt Nam nói chung, và thị trường chứng khoán Việt Nam nói riêng. 44 2.3 Công cụ đo lường rủi ro phổ biến: Độ lệch chuẩn Phương pháp được dùng để đo lường rủi ro phổ biến nhất hiện nay là phương pháp độ lệch chuẩn và chỉ số độ lệch chuẩn - ứng dụng trong mô hình CAPM. Nó được dùng để tính toán rủi ro của từng tài sản tài chính, cũng như rủi ro toàn thị trường, ngoài ra còn được dùng như là thông số cơ sở để tính toán giá cả các sản phẩm tài chính phái sinh và ước tính tỷ suất sinh lợi kỳ vọng của các tài sản tài chính. 2.3.1 Ưu điểm Sử dụng độ lệch chuẩn để đo lường rủi ro, người sử dụng chỉ cần thu thập dữ kiện về giá. Điều này thích hợp với điều kiện thị trường Việt Nam thông tin không đầy đủ và thiếu chính xác, chính vì vậy việc sử dụng độ lệch chuẩn để đo lường rủi ro đã trở thành phương pháp phổ biến nhất trên thị trường Việt Nam. Ngoài ra với lợi thế tính toán đơn giản, độ lệch chuẩn được đa số nhà đầu tư Việt ưa thích. Thị trường chứng khoán Việt Nam mới ra đời, đa số nhà đầu tư ở thị trường chứng khoán đều là nhà đầu tư mới, chủ yếu đầu tư mang tính đầu cơ, nên việc tính toán nhanh lẹ, tiết kiệm thời gian và đơn giản, dễ sử dụng của phương pháp này được nhà đầu tư ở Việt Nam ưa chuộng. 2.3.2 Nhược điểm Điều các nhà đầu tư quan tâm đến rủi ro của những khoản đầu tư là họ sẽ bị lỗ bao nhiêu, tuy nhiên phương pháp độ lệch chuẩn chỉ đo lường rủi ro tổng thể của khoản đầu tư, chứ không đưa ra một con số chính xác về khoản lỗ của các nhà đầu tư. Chính vì thế, khi đứng một mình phương pháp độ lệch chuẩn dường như không ý nghĩa đối với các nhà đầu tư. Bên cạnh đó, kết quả của phương pháp độ lệch chuẩn chỉ mang tính tương đối, phương pháp này có thể bị ảnh hưởng bởi những biến ngoại lai, bất thường của tổng thể và đặc biệt bị tác động bởi thời kỳ quan sát của biến và phụ thuộc nhiều vào cách nhìn của người sử dụng. 45 Ngoài những khó khăn chung về tính chính xác của nó đã được đề cập ở trên, ở Việt Nam việc sử dụng độ lệch chuẩn để tính toán rủi ro thị trường còn gặp một rào cản lớn là thị trường Việt Nam không hiệu quả. Nghĩa là giá cả chứng khoán không phản ánh đúng tình trạng thực của từng công ty cũng như tình hình biến động của nền kinh tế. Chính vì vậy giá chứng khoán không có tính đại diện cho thị trường, không có tính lịch sử nên khó để sử dụng trong việc ước lượng giá chứng khoán tương lai. Nhóm nghiên cứu đã xem xét lịch sử tồn tại của thị trường trong vòng hơn 10 năm qua, để một lần nữa chứng minh sự không hiệu quả của thị trường chứng khoán Việt Nam. Do đó, việc áp dụng độ lệch chuẩn để đo lường mức biến động của tỷ suất sinh lợi để giúp các nhà đầu tư sử dụng đưa ra các quyết định đầu tư là không hợp lý. Bởi vì khi quan sát một số mã cổ phiếu lớn như VIC có vốn hóa thị trường lớn, mã cổ phiếu có tính thanh khoản khá cao SSI, mã cổ phiếu REE gắn bó lâu đời nhất với thị trường chứng khoán Việt Nam, chúng tôi có cùng chung một kết luận rằng không có tính tương quan giữa tỷ suất sinh lợi và rủi ro giữa các mã cổ phiếu. Sau đây là chi tiết thống kê về mối tương quan giữa tỷ suất sinh lợi và rủi ro của từng mã cổ phiếu quan sát:  VIC: trong suốt giai đoạn tham gia vào thị trường chứng khoán Việt Nam đến thời kỳ quan sát, thì độ lệch chuẩn tỷ suất sinh lợi của VIC là 2.7265%, trong khi đó tỷ suất sinh lợi là 0.1675%. Tuy nhiên trong giai đoạn thị trường tăng nhanh năm 2007 và thị trường bong bóng đổ bể 2008 thì độ lệch chuẩn có vẻ không biến động lớn vẫn giữ ở mức 2.7458% năm 2007 và 2.5576% năm 2008; nhưng tỷ suất sinh lợi lại thay đổi mạnh mẽ giảm từ 0.2904% năm 2007 xuống -0.1178% năm 2008. Có thể thấy rằng độ lệch chuẩn không tương quan lớn đến tỷ suất sinh lợi của chứng khoán.  SSI: Đây là mã cổ phiếu có tính thanh khoản thuộc nhóm cao trên thị trường. Khác với VIC, SSI có độ lệch chuẩn cao hơn nhiều so với VIC. Trong suốt thời kỳ quan sát, độ lệch chuẩn của SSI đều vượt 3%, cụ thể 3.1623% năm 2007, 3.3556% năm 2008 và 3.0647% cả thời kỳ quan sát. Có thể thấy không có mức biến động lớn về tỷ suất sinh lợi của SSI, tuy nhiên tỷ suất sinh lợi qua từng 46 thời điểm lại có sự khác biệt khá lớn, cụ thế 0.2898% năm 2007, -0.6930% năm 2008 và -0.0508% cả thời kỳ quan sát.  VN-Index: Chúng ta cũng có thể thấy rằng độ lệch chuẩn của tỷ suất sinh lợi VN-Index dường như không thay đổi lớn trong giai đoạn quan sát từ 3/2002 đến 3/2011 dao động ở mức 1.77%, tuy nhiên trong khi cả thời kỳ quan sát tỷ suất sinh lợi đạt 0.0609% thì tỷ suất sinh lợi năm 2007 0.0825% và năm 2008 -0.4398%. Từ những minh họa cụ thể ở trên đây, một lần nữa chúng ta có thể khẳng định rằng dường như không có mối tương quan giữa rủi ro thông qua cách tính độ lệch chuẩn và tỷ suất sinh lợi trên thị trường chứng khoán Việt Nam. Do đó, việc sử dụng phương pháp độ lệch chuẩn để tính toán biến động tỷ suất sinh lợi của chứng khoán, từ đó làm cơ sở để giúp các nhà đầu tư đưa ra các quyết định là không đúng đắn. Nên cần thiết phải xác định một mô hình phù hợp để đo lường rủi ro trên thị trường chứng khoán Việt Nam. 47 Chương 3. TÌM KIẾM MÔ HÌNH TÍNH TOÁN RỦI RO THỊ TRƯỜNG PHÙ HỢP CHO VIỆT NAM 3.1 Cơ sở dữ liệu Mục đích của bài nghiên cứu này là đo lường và dự báo mức biến động của thị trường chứng khoán Việt Nam. Để tạo ra một cơ sở dự báo vững chắc, thì việc xác định dữ liệu cho mô hình là vô cùng quan trọng. Đặc tính và thống kê mô tả của dữ liệu phải phù hợp với đặc điểm yêu cầu của mô hình. Nguồn dữ liệu được sử dụng trong bài nghiên cứu là bảng giá chứng khoán hàng ngày của thị trường chứng khoán Việt Nam trên HOSE, được lấy từ nguồn dữ liệu của Ủy ban chứng khoán Việt Nam. Tiếp theo nhóm nghiên cứu đi vào những đặc điểm cụ thể của nguồn dữ liệu này. Chỉ số VN-Index là chỉ số bình quân gia quyền của các công ty niêm yết trên sàn HOSE, trọng số tùy theo mức vốn hóa thị trường của từng mã cổ phiếu. Tháng 7/2000 thị trường chứng khoán Việt Nam bắt đầu ra đời và hoạt động với mức khởi điểm 100 điểm, VN-Index có tính bao quát thị trường khá lớn, nổi bật hơn các nguồn dữ liệu sẵn có khác trên thị trường. Và việc lựa chọn chỉ số VN-Index biến động theo ngày, thay vì theo tuần hoặc theo quý, cũng để đáp ứng tính phù hợp và đặc tính của mô hình GARCH được sử dụng trong bài. Thông qua bảng chỉ số VN-Index, nhóm nghiên cứu xây dựng bảng tỷ suất sinh lợi từng ngày của thị trường, từ đó xác định mức biến động trong kỳ. Tỷ suất sinh lợi này sẽ được tính toán theo kỳ liên tục, bằng cách sử dụng hàm logarit của chỉ số giá đóng cửa VN-Index của ngày kế tiếp so với ngày hôm nay. = ln( ) − ln( ) = ln Nguồn dữ liệu chứng khoán của Vn-Index được quan sát bắt đầu từ giai đoạn 3/2002 đến đầu năm 2011. Mặc dù thị trường chứng khoán Việt Nam bắt đầu từ 7/2000 nhưng chỉ từ tháng 3/2002 thị trường mới được bắt đầu giao dịch theo ngày, chính vì thế để phù hợp với yêu cầu tính tỷ suất sinh lợi theo ngày của mô hình nên nhóm quyết định chọn dãy dữ liệu kể từ 3/2002 trở về sau. 48 3.2 Lựa chọn mô hình đo lường rủi ro phù hợp cho thị trường Việt Nam 3.2.1 Xác định dạng mô hình đo lường phù hợp Tuy việc sử dụng độ lệch chuẩn để đo lường rủi ro thị trường được sử dụng phổ biến do đặc thù của thị trường Việt Nam cũng như ưu thế dễ sử dụng của phương pháp này, nhưng vì những nhược điểm đã nêu ở chương 2 nên nhóm nghiên cứu đi tìm một phương pháp cho kết quả chính xác hơn, và vẫn đảm bảo dễ dàng áp dụng vào thị trường Việt Nam. Theo kết quả phân tích dữ liệu của tỷ suất sinh lợi của TTCK Việt Nam theo từng ngày giai đoạn từ 3/2002 đến 3/2011, nhóm nghiên cứu nhận thấy được những đặc thù cùa thị trường thông qua việc chú ý vào những biến phân phối tỷ suất sinh lợi như: Skewness, Leptokurtosis và mức biến động từng ngày. Bảng thống kê mô tả dãy dữ liệu VN-Index từ 04/03/2002 đến 07/03/2011 như sau: Số quan sát 2134 Trung bình (Y) 0.01815 Phương sai (Y) 0.49390 Skewness (Y) 0.05327 Kurtosis (Y) 4.32484 Bảng 3.1: Thống kê mô tả dữ liệu VN-Index Nguồn: Kết quả từ chương trình G@RCH 6.0 Giá trị trung bình của tỷ suất sinh lợi VN-Index qua từng ngày là lớn hơn 0, cho thấy tín hiệu lạc quan về khả năng tăng trưởng của thị trường trong giai đoạn tiếp theo. Bên cạnh đó chúng ta cần chú ý 2 biến số đó là Skewness và Kurtosis, nhằm đo lường tính phân phối chuẩn của tỷ suất sinh lợi thị trường. Theo quy ước chuẩn, khi thị trường theo mức phân phối chuẩn thì chỉ số Skewness và Kurtosis phải lần lượt bằng 0 và 3, tuy nhiên nhìn vào kết quả thống kê trên ta có thể biết rằng Skewness là lớn hơn 0 và Kurtosis là lớn hơn 3, cho thấy thị trường chứng khoán Việt Nam có xu hướng nghiêng phải so với tính phân phối chuẩn. 49 Điều này một lần nữa chứng tỏ rằng thị trường chứng khoán Việt Nam có những đặc tính giống với tình hình của các thị trường mới nổi khác, phân phối tỷ suất sinh lợi không theo một mức phân phối chuẩn. Do đó việc đo lường tỷ suất sinh lợi bằng hệ số độ lệch chuẩn là không thể phù hợp. Hình 3.1. Phân phối Phương sai của tỷ suất sinh lợi từng ngày của VN-Index Nguồn: Kết quả từ chương trình G@RCH 6.0 Hình 3.2. Độ biến động của TSSL từng ngày của VN-Index 3/2002-3/2011 Nguồn: Kết quả từ chương trình G@RCH 6.0 50 Với những phân tích như trên, có thể nhận định rằng thị trường chứng khoán Việt Nam cần phải có một mô hình tương đối phù hợp để dự đoán độ biến động trong tương lai. Bài nghiên cứu so sánh giữa phương pháp đo lường rủi ro thị trường dựa vào các cận biên và các mô hình gốc ARCH. Xét phương pháp đo lường rủi ro thị trường dựa vào các điểm cận biên, phương pháp tuy có độ chính xác cao nhưng yêu cầu kỹ năng và kinh nghiệm cao của người sử dụng. Chính độ khó của nó đã gây trở ngại lớn khi áp dụng vào thị trường Việt Nam. Nhóm nghiên cứu quyết định sử dụng nhóm các mô hình họ ARCH để đo lường rủi ro cho thị trường Việt Nam, chạy trên nền phần mềm G@RCH 6.0. Trong số các mô hình trong nhóm mô hình ARCH, Dima Alberg, Haim Shalit và Rami Yosef (2008) đã kiểm tra trên thị trường TASE với chỉ số TA25-Index từ 1992 đến 2005, cho thấy với các thị trường phát triển, nơi mà hành vi của nhà đầu tư bị chi phối nhiều bởi các thông tin của thị trường, mô hình EGARCH tuân theo phân phối Skewed Student-t mang lại kết quả dự đoán chính xác nhất. Tuy nhiên, điều này lại không đúng đối với các nền kinh tế mới nổi và còn non trẻ như Việt Nam. Mai Thị Thanh Hiền (2008) đã kiểm tra nhóm mô hình ARCH trên thị trường Việt Nam, với dữ liệu là chỉ số VN-Index từ 03/2002 đến 12/2007, cho thấy với các thị trường mới nổi, nhà đầu tư ít quan tâm đến các thông tin vĩ mô cũng như của doanh nghiệp, mô hình EGARCH trở nên thiếu ý nghĩa kinh tế, và GARCH (2,1) là mô hình phù hợp nhất với thị trường Việt Nam. Tuy dữ liệu của Mai Thị Thanh Hiền (2008) được lấy trong giai đoạn thị trường chứng khoán Việt Nam bắt đầu đi vào hoạt động ổn định đến đỉnh cao của chỉ số - cuối 2007, nhưng đây là giai đoạn thị trường chứng khoán bùng nổ, giá chứng khoán liên tục tăng cao, xuất hiện bong bóng đầu cơ. Hành vi nhà đầu tư lúc này không phụ thuộc nhiều vào các thông tin trên thị trường, dẫn đến mô hình EGARCH là không phù hợp. Vì vậy, để lựa chọn mô hình phù hợp nhất để đo lường rủi ro cho thị trường Việt Nam, nhóm nghiên cứu so sánh các mô hình 51 được sử dụng phổ biến trong họ các mô hình ARCH – GARCH, EGARCH, GJR, APARCH. 3.2.2 Chọn các thông số cho mô hình 3.2.2.1 Lựa chọn độ trễ p, q trong mô hình ARIMA(p,q) Phương pháp trung bình trượt kết hợp tự hồi quy ARIMA được đưa ra bởi George Box và Gwilym Jenkins (1990), hay còn gọi là phương pháp luận Box- Jenkins, được dùng phổ biến trong việc lập mô hình chuỗi thời gian và là công cụ dự báo hiệu quả theo nguyên lý “hãy để dữ liệu tự nói”. Với δ là giá trị trung bình, ARIMA được biết đến với công thức như sau: Quá trình tự hồi qui AR(p): (Yt – ) = α1(Yt-1 – ) + … + αp (Yt-p – ) + ut Quá trình trung bình trượt MA(q): Yt = + 0ut + 1ut-1 + … + 1ut-q Với p=1, q=1, ARIMA(1,d,1) được viết dưới dạng: Yt = θ + α1(Yt-1 – ) + 0ut + 1ut-1 Tiếp theo nhóm nghiên cứu tiến hành lựa chọn các biến p, q phù hợp, bằng cách kiểm định chuỗi dữ liệu thời gian tỷ suất sinh lợi VN-Index trên nền phần mềm PcGive. Lựa chọn p Để lựa chọn độ trễ p, nhóm tiến hành so sánh các giá trị t-prob với các giá trị p={1,2,…,6}, vì với p ≥ 6, giá trị t-prob của AR(p) lớn hơn 0 rất nhiều, hay nói cách khác, AR(p) với p ≥ 6 là không phù hợp với chuỗi dữ liệu đang xét. AR(1) AR(2) AR(3) AR(4) AR(5) AR(6) AR-1 0.000 0.000 0.093 0.008 0.004 0.007 AR-2 0.000 0.000 0.000 0.000 0.000 AR-3 0.001 0.015 0.056 0.063 AR-4 0.021 0.012 0.018 AR-5 0.255 0.255 AR-6 0.921 Bảng 3.2. So sánh giá trị t-prob giữa các quá trình tự hồi qui AR(p) Nguồn: Tổng hợp khi chạy phần mềm PcGive Xét bảng 3.2, nhóm nhận thấy tại độ trễ p = 4, các giá trị t-prob vẫn còn khá gần 0, nhưng khi tăng độ trễ p = 5, t-prob của biến AR-5 tăng đột ngột lên 0.255 – rất 52 lớn hơn 0, nên tại đỗ trễ này chuỗi dữ liệu không còn tính tự tương quan nữa. Chính vì những lý do này nên nhóm quyết định chọn độ trễ p = 4 cho quá trình tự hồi qui AR(p). Lựa chọn q Tiến hành tương tự với quá trình lựa chọn độ trễ p ở trên, nhóm nghiên cứu so sánh các giá trị t-prob giữa các mô hình MA(q) để lựa chọn q phù hợp. Nhóm so sánh các mô hình MA(q) với q nhận giá trị q = {1,2,…,6}, vì từ giá trị q = 6, giá trị t-pob tính được rất lớn (t-prob của biến MA-6 bằng 0.721), hay nói cách khác q ≥ 6 không phù hợp với dữ liệu đang xét. MA(1) MA(2) MA(3) MA(4) MA(5) MA(6) MA-1 0.000 0.000 0.039 0.021 0.000 0.001 MA-2 0.113 0.001 0.001 0.035 0.107 MA-3 0.000 0.000 0.002 0.006 MA-4 0.100 0.014 0.014 MA-5 0.004 0.006 MA-6 0.721 Bảng 3.3. So sánh giá trị t-prob giữa các quá trình trung bình trượt MA(q) Nguồn: Tổng hợp khi chạy phần mềm PcGive Xét bảng 3.3, nhóm nhận thấy tại giá trị q = 3, các giá trị t-prob rất gần 0, trong khi đó với giá trị q = 2 và q = 4, t-prob có lúc đạt hoặc vượt quá 0.1, khá lớn để sử dụng cho chuỗi dữ liệu đang xét. Ngoài q = 3, tại q = 5 cũng cho kết quả t- prob cuả các biến khá thấp, nhưng khi so sánh với q =3, các giá trị t-prob tại q = 3 có xu hướng gần với giá trị 0 hơn. Chính vì những lý do này nên nhóm nghiên cứu quyết định chọn giá trị q = 3 cho quá trình trung bình trượt MA(q). 3.2.2.2. Lựa chọn biến số trong các mô hình họ ARCH Mô hình GARCH(p,q) Để tìm ra mô hình GARCH(p,q) phù hợp nhất cho thị trường Việt Nam, bài nghiên cứu chạy thử các cặp số p, q khác nhau, xét điều kiện tồn tại và các giá trị t-prob của các biến trong mô hình nhằm loại bỏ các cặp giá trị p, q có kết quả không phù hợp. Nhóm nghiên cứu quyết định chọn các cặp giá trị (p,q) = {(2,1), (1,2), (1,3)} để tiến hành so sánh, vì với cặp giá trị (p,q) = (1,1) các biến nhận được không thỏa điều kiện của mô hình, còn các cặp giá trị khác thì t-prob của các biến trong mô hình quá cao (chi tiết xem thêm ở phụ lục 1). 53 GARCH(2,1) GARCH(1,2) GARCH(1,3) Cst(M) 0.1605 0.1254 0.0980 d-Arfima 0.0061 0.0057 0.0044 AR(1) 0.0000 0.0000 0.0000 AR(2) 0.0000 0.0000 0.0000 AR(3) 0.0000 0.0000 0.0000 AR(4) 0.0000 0.0000 0.0000 MA(1) 0.0000 0.0000 0.0000 MA(2) 0.0000 0.0000 0.0000 MA(3) 0.1079 0.0721 0.0492 Cst(V) 0.0011 0.0495 0.0704 ARCH(Alpha1) 0.0000 0.0000 0.0000 ARCH(Alpha2) 0.0299 0.0446 ARCH(Alpha3) 0.0184 GARCH(Độ lệch chuẩn1) 0.0000 GARCH(Độ lệch chuẩn2) 0.0184 0.0000 0.0000 ARCH-in-mean (VaR) 0.0710 0.0766 0.0405 Bảng 3.4. So sánh giá trị t-prob giữa các mô hình GARCH(p,q) Nguồn: Nhóm nghiên cứu tổng hợp khi chạy phần mềm G@RCH 6.0 Xét bảng 3.4, nhóm nghiên cứu nhận thấy có sự vượt trội về kết quả t-prob của các biến α, β trong mô hình ARCH(2,1) so với 2 mô hình còn lại. Các kết quả t- prob của α, β tiến sát gần 0 hơn các mô hình khác cho nhận định ban đầu rằng mô hình GARCH(2,1) có hiệu quả trong việc ước lượng chuỗi dữ liệu thời gian đang xét. Kiểm định lại một lần nữa sự phù hợp của GARCH(2,1) tốt hơn GARCH(1,2) và GARCH(1,3), nhóm nghiên cứu tiến hành so sánh các chỉ số Skewness, Kurtosis và Jarque – Bera, kết quả được thể hiện trong bảng 3.5: Skewness Kurtosis Jarque - Bera GARCH (2,1) 0.028226 1.1170 115.86 54 GARCH (1,2) 0.025708 1.1506 122.88 GARCH (1,3) 0.017097 1.2298 140.18 Bảng 3.5. So sánh các thông số Skewness, Kurtosis, Jarque – Bera các mô mình GARCH(p,q) Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0 Bảng 3.5 cho thấy GARCH(2,1) cho kết quả tốt nhất ở 2 trong 3 chỉ tiêu so sánh, kết hợp kết quả t-prob ở trên, nhóm nghiên cứu quyết định chọn mô hình GARCH(2,1) là mô hình GARCH(p,q) phù hợp nhất cho chuỗi dữ liệu tỷ suất sinh lợi của VN-Index. Mô hình EGARCH(p,q) Khi xem xét mô hình EGARCH(p,q), nhóm nghiên cứu không thu được kết quả khả quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và Skewed Student. Với phân phối Student, chuỗi dữ liệu không hội tụ với tất cả các cặp giá trị (p, q), nên không thể tính các hệ số của mô hình. Với phân phối Skewed Student, chuỗi chỉ hội tụ khi tính toán EGARCH(p,q) với p=1, q = 2. Tuy nhiên tại cặp giá trị này, t-prob của các biến α, θ trong mô hình quá cao, không thích hợp để sử dụng. t-prob t-prob Cst(M) 0.3003 ARCH(Alpha1) 0.1318 d-Arfima 0.0000 ARCH(Alpha2) 0.0010 AR(1) 0.0000 GARCH(Độ lệch chuẩn1) 0.0000 AR(2) 0.0000 EGARCH(Theta1) 0.6702 AR(3) 0.0000 EGARCH(Theta2) 0.0000 AR(4) 0.0000 Asymmetry 0.4851 55 MA(1) 0.0000 Tail 0.0000 MA(2) 0.0000 ARCH-in-mean(var) 0.0372 MA(3) 0.0000 Cst(V) 0.6308 Bảng 3.6. Giá trị t-prob các biến mô hình EGARCH(1,2) Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0 Mô hình GJR(p,q) Khi xem xét mô hình GJR(p,q), nhóm nghiên cứu không thu được kết quả khả quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và Skewed Student. Các mô hình GJR(p,q) khi tiến hành tính toán đều xác định được các hệ số trong mô hình, tuy nhiên t-prob của một số chỉ số cho giá trị khá lớn và điều kiện tồn tại của các biến này cũng không được đảm bảo (tham khảo phụ lục 2). Chính vì vậy các mô hình GJR(p,q) không sử dụng được ở thị trường Việt Nam. Mô hình APARCH(p,q) Khi xem xét mô hình APARCH(p,q), nhóm nghiên cứu không thu được kết quả khả quan nào cho tất cả các cặp giá trị (p, q) ở cả 2 dạng phân phối Student và Skewed Student. Với phân phối Student, các biến của mô hình APARCH(1,1) có thể tính toán được, nhưng t-prob của biến γ quá cao. Với các mô hình APARCH khác nhận p = 1, q ≥ 2, chuỗi dữ liệu không hội tụ nên không thể tiến hành định lượng đúng các biến cho mô hình. t-prob t-prob Cst(M) 0.2492 ARCH(Alpha1) 0.0000 d-Arfima 0.0227 GARCH(Độ lệch chuẩn1) 0.0000 56 AR(1) 0.0000 APARCH(Gamma1) 0.6002 AR(2) 0.0000 APARCH(Delta) 0.0000 AR(3) 0.0000 Student(DF) 0.0000 AR(4) 0.0000 ARCH-in-mean(var) 0.1260 MA(1) 0.0000 MA(2) 0.0000 MA(3) 0.0188 Cst(V) 0.0336 Bảng 3.7. Giá trị t-prob các biến mô hình APARCH(1,1) Nguồn: Nhóm nghiên cứu tổng hợp từ phần mềm G@RCH 6.0 Với phân phối Skewed Student, các mô hình APARCH(p,q) đều có chuỗi dữ liệu không hội tụ khi sử dụng GARCH(p,q), nên không có mô hình APARCH(p,q) nào phù hợp để tính toán cho thị trường Việt Nam. Như vậy, sau khi xem xét từng dạng mô hình họ ARCH, bài nghiên cứu cho thấy mô hình GARCH(2,1) là mô hình phù hợp nhất đối với thị trường tài chính ở Việt Nam. Tiếp theo nhóm nghiên cứu tiến hành kiểm định lại độ chính xác của mô hình trên thực tế. 3.3 Kiểm định mô hình trên thị trường Việt Nam Để kiểm định mô hình GARCH (2,1) trên thị trường Việt Nam, nhóm nghiên cứu tiến hành kiểm định xem sai số của mô hình có tuân theo phân phối chuẩn hay không, nếu sai số của mô hình tuân theo quy luật phân phối chuẩn thì chứng tỏ mô hình GARCH(2,1) có hiệu quả trong việc đo lường độ biến động. Với mức ý nghĩa α=5%, tiến hành kiểm định Box – Pierce cho số dư bình phương. Giả thiết: H0: số dư bình phương tuân theo quy luật phân phối chuẩn 57 H1: số dư bình phương không tuân theo quy luật phân phối chuẩn Sau khi kiểm định với mô hình GARCH(2,1), giá trị p-value thu được bằng 0.0181743 < α=5%. Như vậy giả thiết sai số của mô hình tuân theo quy luật phân phối chuẩn là đúng, hay mô hình có hiệu quả trong việc đo lường rủi ro thị trường ở Việt Nam. Tiếp theo tiến hành kiểm định xem mô hình giải thích được bao nhiêu phần trăm độ biến động. Với bậc tự do là 3, và độ trễ là 4, GARCH(2,1) cho kết quả kiểm định là F(7,2205) = 1.6399 [0.1197]. Vậy mô hình giải thích được 1 – α = 1 – 0.1197 = 88,03% các thay đổi trên thị trường tài chính Việt Nam. Với mức chính xác 88,03%, có thể nói mô hình GARCH(2,1) là một công cụ tốt để ước tính rủi ro thị trường tài chính Việt Nam. 3.4 Ý nghĩa mô hình Mô hình GARCH(2,1) chạy trên ARIMA(4,d,3), cho những kết quả như sau: AR(4): sai khác giữa giá trị tỷ suất sinh lợi ngày hôm nay so với giá trị trung bình phụ thuộc sai khác giữa giá trị tỷ suất sinh lợi 4 ngày giao dịch liền kề trước đó với giá trị trung bình. MA(3): sai số giá trị tỷ suất sinh lợi ngày hôm nay so với giá trị kỳ vọng phụ thuộc sai số giá trị tỷ suất sinh lợi so với giá trị kỳ vọng ngày hôm nay và 3 ngày giao dịch liền kề trước đó. GARCH(2,1): phương sai tỷ suất sinh lợi ngày hôm nay phụ thuộc phương sai tỷ suất sinh lợi 2 ngày giao dịch liền kề trước đó. Như vậy, rủi ro thị trường tài chính Việt Nam ngày t sẽ bị ảnh hưởng biến động của thị trường tài chính ngày t và 4 ngày giao dịch liền kề trước đó. Hay nói cách khác, rủi ro thị trường tài chính Việt Nam phụ thuộc vào các thông tin trên thị trường ngày t và 4 ngày làm việc liền kề. Điều này giúp cho nhà đầu tư có được những nhận định sơ bộ về tình hình biến động thị trường trong tương lai, từ đó đưa ra các quyết định đầu tư phù hợp. 58 Chương 4: HẠN CHẾ VÀ ĐỊNH HƯỚNG PHÁT TRIỂN MÔ HÌNH TRONG TƯƠNG LAI Bài nghiên cứu này tìm kiếm công cụ đo lường rủi ro thị trường tài chính Việt Nam phù hợp thông qua tỷ suất sinh lợi của VN-Index nhằm thay thế cho phương pháp sử dụng chỉ số độ lệch chuẩn truyền thống, tuy nhiên mô hình GARCH(2,1) chỉ có thể đạt được mức chính xác khoảng 88% do những hạn chế đặc thù của những thị trường mới nổi nói chung và thị trường chứng khoán Việt Nam nói riêng. Do đó để làm rõ những hạn chế tiềm tàng này, và tạo hướng nghiên cứu tiếp theo để có thể tìm thấy những mô hình tốt hơn đo lường độ biến động của thị trường tài chính ở Việt Nam, nhóm nghiên cứu mong muốn hiểu rõ tâm lý bầy đàn trên thị trường chứng khoán Việt Nam. Lê Thị Ngọc Lan (2009) đã tiến hành một khảo sát điều tra 150 nhà đầu tư cá nhân và hơn 40 nhà đầu tư có tổ chức, và thu được các kết quả về thực trạng về tâm lý bày đàn trên thị trường chứng khoán Việt Nam được thể hiện như sau: Nhà đầu tư cá nhân Doanh nghiệp Chú ý và cảnh giác hơn sau bong bong đầu cơ 45% 34% Tình hình nội tại công ty quan trọng nhất 33% 68% Yếu tố bầy đàn gây nên việc đánh giá quá cao của thị trường 28% 40% Sụt giảm thị trường do công ty thua lỗ 33% 60% Yếu tố bầy đàn góp phần làm sụp đổ thị trường 25% Tác động bởi các nhà phân tích 32% Phản ứng thái quá trước thông tin 57% 62% Chấp nhận mạo hiểm với khoản lỗ lớn 67% 45% 59 Hình 4.1. Các nhân tố quan trọng nhất đóng góp vào định giá quá mức thị trường trong thời kỳ bong bóng đầu cơ. Nguồn: Lê Thị Ngọc Lan (2009): “Nghiên cứu lý thuyết hành vi trên thị trường chứng khoán Việt Nam", ĐH Kinh tế Tp. Hồ Chí Minh. Từ kết quả nghiên cứu trên, có thể thấy tâm lý hành vi bầy đàn đóng một vai trò quan trọng trong việc đưa ra các quyết định đầu tư. Chính vì vậy nhóm nghiên cứu kết luận rằng, tâm lý bầy đàn của nhà đầu tư chính là nhân tố giải thích cho sự sai lệch trong các dự báo của mô hình. 4.1 Tâm lý bầy đàn – Nhân tố hạn chế sự chính xác của mô hình Tâm lý bầy đàn là điều dường như không còn là khái niệm xa lạ, các thị trường tài chính trên thế giới luôn bị chi phối bởi tâm lý đan xen bởi lòng tham và sự sợ hãi, và thị trường chứng khoán Việt Nam cũng không phải là ngoại lệ. Cụ thể, trong năm 2007 đến 2008 dường như các nhà đầu tư có thể cảm nhận được tính nghiêm trọng của bong bong đầu cơ nhưng họ vẫn tiếp tục đầu tư vào thị trường dù biết rằng rủi ro sụp đổ rất cận kề. Thậm chí không có sự khác biệt đáng kể giữa hành vi của nhà đầu tư cá nhân và nhà đầu tư có tổ chức vì cả hai nhóm đầu tư này đều thực hiện những thay đổi tương đồng về đặc điểm đầu tư và các hành động chủ yếu của họ thông qua những hành vi tâm lý giống nhau. Hành vi tâm lý bầy đàn trên TTCK Việt Nam có thể được tóm tắt như sau: 60 Khi chứng kiến đà tăng mạnh mẽ của thị trường chứng khoán năm 2007, mặc dù khá lưỡng lự về quyết định của mình, nhưng các nhà đầu tư vẫn có niềm tin khá cao về lợi tức cao trong quá khứ sẽ tiếp tục được lặp lại trong tương lai. Điều này cho thấy, các nhà đầu tư có khuynh hướng thực hiện giao dịch chỉ dựa trên những diễn biến tốt đẹp của thị trường do họ bị áp lực bởi tâm lý bày đàn, hành vi của họ bị thúc ép theo những cổ phiếu thắng với phần còn lại của thị trường. Tuy nhiên do có xu hướng không quan tâm đến những yếu tố của nền kinh tế vĩ mô như lãi suất cơ bản, lạm phát…nên các nhà đầu tư đã bị thất bại nặng nề khi thị trường đã phản bội niềm tin quay ngược giảm giá không phanh. Sở thích đánh cược với rủi ro khi đối mặt với rủi ro của các nhà đầu tư cũng là nguyên dân dẫn đến việc thị trường Việt Nam phát triển quá nóng năm 2007. Trong sự gia tăng nhanh chóng của thị trường, nhà đầu tư bán cổ phiếu và kiếm lời và kết quả là thành công đó sẽ khuyến khích họ mua thêm cổ phiếu có thể tiếp tục tăng giá trong tương lai. Các nhà đầu tư không muốn nhận các khoản lỗ trong cùng một thời gian nhận được các khoản lời. Và ngày càng nhiều người bị dính vào các diễn biến tốt đẹp lặp đi lặp lại của cổ phiếu, từ đó cho thấy việc thiếu khả năng kiềm chế và sở thích chóng vánh được xem là những yếu tố góp phần vào hành vi thiếu hợp lý số đông của các nhà đầu tư cá nhân và tổ chức. Với những nhận định như vậy, nhóm nghiên cứu rút ra rằng TTCK Việt Nam vẫn còn hết sức non trẻ và tâm lý bày đàn vẫn còn là một vấn đề mà các nhà đầu tư cá nhân và có tổ chức cần chú trọng. Điều cần lưu ý đó là phải nâng cao nhận thức, khả năng đánh giá phân tích thị trường để có thể đưa ra những quyết định chính xác hơn, góp phần nâng cao tính hiệu quả của thị trường chứng khoán Việt Nam. 4.2 Định hướng phát triển mô hình trong tương lai Các phân tích về tâm lý bầy đàn và tài chính hành vi cho thấy mặc dù mô hình GARCH(2,1) đã đạt những kết quả chấp nhận được và nhất quán với những nghiên cứu trước kia về thị trường chứng khoán ở các nước mới nổi, tuy nhiên kết quả của mô hình vẫn cần phải được xem xét kỹ lưỡng bỡi những lý do sau đây: 61 - Nguồn dữ liệu thu thập từ 3/2002 đến 3/2011 của VN-Index vẫn chưa đủ lớn, tạo được sự tin cậy cần thiết để đưa ra những kết quả phù hợp cho thị trường Việt Nam. Hơn nữa, VN-Index vẫn chưa đủ lớn để khái quát hết toàn bộ nền kinh tế do số lượng các công ty niêm yết vẫn còn hạn chế. - Thị trường chứng khoán Việt Nam vẫn còn hết sức non trẻ và tâm lý bày đàn vẫn còn là một vấn đề mà các nhà đầu tư cá nhân và có tổ chức cần chú trọng. Điều cần lưu ý đó là phải nâng cao nhận thức, khả năng đánh giá phân tích thị trường để có thể đưa ra những quyết định chính xác hơn, góp phần nâng cao tính hiệu quả của thị trường chứng khoán Việt Nam. Do đó việc áp dụng mô hình GARCH(2,1) vào thị trường Việt Nam vẫn còn gặp một số khó khăn nhất định. Tuy nhiên tôi hy vọng rằng những kết quả từ bài nghiên cứu này sẽ đặt nền tảng cho những hướng nghiên cứu tiếp theo, bởi vì trong tương lai thị trường chứng khoán Việt Nam sẽ ngày càng phát triển hơn nữa và nguồn dữ liệu quan sát sẽ được cập nhật và đủ tin cậy để có thể đưa ra những kết quả chính xác hơn. Ngoài ra, việc lựa chọn mô hình thích hợp nhất để đo lường và dự báo độ biến động của thị trường chỉ là cảm tính của người nghiên cứu, và đây vẫn là một câu hỏi mở thú vị cho những ai quan tâm đến lĩnh vực này. 62 PHẦN KẾT LUẬN Bài nghiên cứu cung cấp một cái nhìn tổng quát về các nguyên nhân gây ra tính dễ biến động của rủi ro thị trường. Bên cạnh đó dựa vào việc xem xét những mô hình đo lường độ biến động được áp dụng phổ biến, đặc biệt là mô hình GARCH đã được chứng minh và áp dụng khá thành công tại nhiều nước, nhóm nghiên cứu tin rằng, mô hình GARCH(2,1) chạy với ARIMA(4,d,3) sẽ là một công cụ hữu ích trong việc đo lường độ biến động của thị trường tài chính ở Việt Nam. Về mặt thực tiễn, bài nghiên cứu giúp các nhà đầu tư có một cái nhìn sâu sắc hơn về tính dễ biến động của thị trường, có những nhận biết về các rủi ro thị trường trong tương lai để từ đó có những quyết định đầu tư phù hợp. Cuối cùng bài nghiên cứ đưa ra những hạn chế còn tồn tại trong thị trường tài chính Việt Nam để người sử dụng mô hình hiệu chỉnh sao cho mô hình đạt được kết quả tốt nhất. Ngoài ra, người nghiên cứu hy vọng sau bài nghiên cứu này, trong tương lai mô hình sẽ được phát triển sâu hơn nhằm hoàn thiện công cụ đo lường rủi ro của thị trường tài chính Việt Nam, giúp cho thị trường tài chính đặc biệt là TTCK Việt Nam ngày càng hiệu quả, là một “hàn thử biểu” chính xác của nền kinh tế. 63 63 TÀI LIỆU THAM KHẢO 1. Amit Goyal (2000): “Predictability of Stock Return Volatility from GARCH Models”, Anderson Graduate School of Management, UCLA. 2. Bollerslev, Tim (1986): "Generalized Autoregressive Conditional Heteroskedasticity", Journal of Econometrics. 3. Dima Alberga, Haim Shalit, and Rami Yosef (2008): “Estimating stock market volatility using asymmetric GARCH models”, Applied Financial Economics. 4. Engle, R. F. (1982): “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation”, Econometrica. 5. Evdokia Xekalaki, Staors Degiannakis (2010): “Arch models for financial application”, Wiley. 6. Fisher, R.A., and L. H. C. Tippett (1928): “Limiting forms of the frequency distribution of the largest and smallest member of a sample”, Proc. Cambridge Phil. Soc. 7. George Edward Pelham Box & Gwilym Jenkins (1990): “Time Series Analysis, Forcasting and Control”, Holden-Day, Incorporated. 8. Glosten, Lawrence R & Jagannathan, Ravi & Runkle, David E (1993): "On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks," Journal of Finance, American Finance Association. 9. Gumbel, Emil J. (1958): “Statistics of Extremes”, Columbia University Press. 10. Hien, Mai Thi Thanh (2008): “Modelling and forecasting volatility by garch-type models: the case of Vietnam stock exchange”, A dissertation presented in part consideration for the degree of MA. Finance and Investment. 11. Jean-Philippe Peters (2001): “Estimating and forecasting volatility of stock indices using asymmetric GARCH models and (Skewed) Student-t 64 64 densities”, Ecole d’Administration des Affaires, University of Li`ege, Belgium March 20. 12. Kevin Downd (2002): “An Introduction to Market Risk Measurement”, Wiley Finance. 13. Lambert, P. and Laurent, S. (2000): “Modelling skewness dynamics in series of financial data”, Discussion Paper, Institut de Statistique, Louvain-la-Neuve. 14. Lambert, P. and Laurent, S. (2001): “Modelling financial time series using GARCH-type models and a skewed student density”, mimeo, Universite de Liege. 15. Markowitz, H.M. (1952): "Portfolio Selection", The Journal of Finance. 16. Nelson, D. B. (1991), “Conditional heteroskedasticity in asset returns: A new approach”, Econometrica. 17. Pickands, J. (1975): “Statistical inference using extreme order statistics”, Annals of Statistics. 18. S´ebastien Laurent and Jean-Philippe Peters (2001): “G@RCH 2.0: An Ox Package for Estimating and Forecasting Various ARCH Models”. 19. S´ebastien Laurent and Jean-Philippe Peters (2002): “A Tutorial for G@RCH 2.3, a Complete Ox Package for Estimating and Forecasting ARCH Models”. 20. Turan G. Bali (2003): “An Extreme value Approach to Estimating Volatility and Value at Risk”, Journal of Business. 21. Vuong Thanh Long (2008): “Empirical analysis of stock return volatility with regime change using garch model: the case of VietNam stock market”, Vietnam development forum. 22. Lê Thị Ngọc Lan (2009): “Nghiên cứu lý thuyết hành vi trên thị trường chứng khoán Việt Nam”, ĐH Kinh Tế Tp. Hồ Chí Minh. 23. Tài liệu giảng dạy Chương trình kinh tế Fullbright, “Kinh tế lượng căn bản”. 24. Trần Ngọc Thơ (2007): “Tài chính doanh nghiệp hiện đại”, Nhà xuất bản Thống kê. 65 65 25. www.cafef.vn 26. www.cophieu68.com 27. www.eximbank.com.vn 28. www.findarticles.com 29. www.fpts.com.vn 30. www.gso.gov.vn 31. www.sbv.org.vn 32. www.tapchicongsan.org.vn 33. www.tinnhanhchungkhoan.vn 34. www.vncorp.vn 35. www.vneconomy.vn 36. www.wikipedia.com 37. www.worldbank.org 66 66 PHỤ LỤC Phụ lục 1: Bảng thống kê giá trị t-prob không phù hợp của các mô hình GARCH(p,q) GARCH(3,1) GARCH(1,4) GARCH(1,5) GARCH(2,2) Cst(M) 0.1529 0.0750 0.0739 0.1816 d-Arfima 0.0047 0.0022 0.0021 0.0653 AR(1) 0.0000 0.0000 0.0000 0.8321 AR(2) 0.0000 0.0000 0.0000 0.0266 AR(3) 0.0000 0.0000 0.0000 0.0987 AR(4) 0.0000 0.0000 0.0000 0.0292 MA(1) 0.0000 0.0000 0.0000 0.1999 MA(2) 0.0000 0.0000 0.0000 0.0124 MA(3) 0.0885 0.0211 0.0194 0.4635 Cst(V) 0.0011 0.0745 0.0902 0.0030 ARCH(Alpha1) 0.0000 0.0000 0.0000 0.0000 ARCH(Alpha2) 0.0176 0.0242 0.0000 ARCH(Alpha3) 0.1903 0.2260 ARCH(Alpha4) 0.1368 0.0617 ARCH(Alpha5) 0.3853 GARCH(Độ lệch chuẩn1) 0.0002 0.0000 0.0000 0.0000 GARCH(Độ lệch chuẩn2) 0.2684 0.0000 GARCH(Độ lệch chuẩn3) 0.0347 67 67 ARCH-in-mean (VaR) 0.0467 0.0271 0.0302 0.0294 Phụ lục 2: Bảng kết quả các mô hình GJR(p,q) theo phân phối student GJR(1,1) GJR(1,2) GJR(2,1) t-prob Cst(M) 0.0845 0.0611 0.0719 d-Arfima 0.0039 0.0037 0.0036 AR(1) 0.0000 0.0000 0.0000 AR(2) 0.0000 0.0000 0.0000 AR(3) 0.0000 0.0000 0.0000 AR(4) 0.0000 0.0000 0.0000 MA(1) 0.0000 0.0000 0.0000 MA(2) 0.0000 0.0000 0.0000 MA(3) 0.0283 0.0068 0.0176 Cst(V) 0.0056 0.0856 0.0058 ARCH(Alpha1) 0.0000 0.0000 0.0000 ARCH(Alpha2) 0.0172 GARCH(Độ lệch chuẩn1) 0.0000 0.0000 0.0000 GARCH(Độ lệch chuẩn2) 0.0214 GJR(Gamma1) 0.3278 0.8300 0.3389 GJR(Gamma2) 0.9461 Student (DF) 0.0000 0.0000 0.0000 ARCH-in-mean (VaR) 0.1935 0.2334 0.1935 α1+β1+k.γ1 (<1) 1.03687 1.03687 1.06577