Đề tài Mối liên hệ giữa các nhân tố kinh tế vĩ mô và thị trường chứng khoán - Kết quả thực nghiệm ở thị trường chứng khoán Việt Nam

phân tích mối quan hệ giữa lãi suất và TTCK, việc sử dụng lãi suất lãi suất vay thực dự kiến sẽ đem lại kết quả tốt hơn, tuy nhiên các số liệu này thường không được công bố chính thức nên gây khó khăn trong việc tập hợp để kiểm định. Tuy nhiên trong nghiên cứu của Ms Hải Lý về tỷ suất sinh lợi của TTCK Việt Nam, việc sử dụng số liệu lãi suất đi vay thực cũng không có mang lại ý nghĩa thống kê khi kiểm định. 3.4.6 Ảnh hưởng của giá dầu thế giới đến TTCK VN: Như đã được phân tích ở chương II, giá dầu tăng cao luôn là nguyên nhân của những cuộc bán tháo trên TTCK. Ở TTCK Việt Nam, sự tăng giảm của giá xăng dầu tuy cũng có những ảnh hưởng nhất định đến TTCK nhưng chưa thật sự rõ nét. Giá xăng ở Việt Nam đặc biệt có tính nhạy cảm khá cao, khi xăng tăng, trong khoảng thời gian ngắn sẽ nhanh chóng kéo theo giá cả của nhiều mặt hàng thiết yếu khác đi lên, đối với một quốc gia với gần 60% dân số còn có đời sống khó khăn, đây là tác động giáng mạnh 38 lên mức sống của họ, do đó họ sẽ đòi hỏi mức lương cao hơn, giá bán hàng hóa cao hơn,… làm cho chỉ số CPI tăng lên nhanh chóng. Chưa nói đến việc lạm phát sẽ đi lên đến mức nào, ảnh hưởng ra sao đến các DN và NĐT, việc người dân cần nhiều tiền hơn cho sinh hoạt , đi lại hay việc đầu tư chuyển sang vàng và USD cũng đủ khiến dòng tiền chảy vào thị trường bị thu hẹp đáng kể. ( Nguồn: tonto.eia.doe.gov/pet ) Kết quả hồi quy mối quan hệ giữa hai biến như sau: Variable Coefficient t-Statistic P-value R_DAU 0.103273 0.851018 0.3972 Với giá trị p-value = 0.39, mô hình cho thấy mối quan hệ giữa giá dầu thế giới và TSSL của TTCK Việt Nam là đồng biến, tuy nhiên mối quan hệ này không có ý nghĩa về mặt thống kê. Kết quả này hầu như không gây nhiều bất ngờ, trong nghiên cứu trước đây của GS Narayan – đại học RMIT ( Úc ) về sự liên kết giữa giá dầu với VN- Index cũng cho thấy mối tương quan dương ( có ý nghĩa thống kê – mẫu từ T7/2000- T6/2008 ). Theo GS, giá dầu thế giới không gây ra tác động trái chiều lên VN-Index là 200 250 300 350 400 450 500 550 600 650 30 40 50 60 70 80 90 100 110 giá dầu VN-Index 39 do thị trường xăng dầu nội địa của Việt Nam hiện chưa được điều chỉnh linh hoạt theo giá thế giới, giá xăng dầu trong nước phụ thuộc nhiều vào các chính sách kiềm chế lạm phát và độ lớn của quỹ bình ổn Chính phủ. Thứ hai, theo ông, TTCK Việt Nam gần như là sân chơi của tầng lớp trung-thượng lưu, sự thay đổi trong giá xăng dầu hầu như ít tác động đến hành vi đầu tư của các tầng lớp này. Tuy nhiên, với các cú sốc lớn trong điều chỉnh giá ( chẳng hạn những điều chỉnh tăng 20-30% )cũng làm tiêu cực đến TTCK nhưng hầu như chỉ là tác động nhất thời, ngắn hạn và không lâu dài đến thị trường vốn. 3.4.7 Vàng và mối quan hệ đến TTCK VN: ( Đơn vị: VNĐ/chỉ, nguồn: www.bloomberg.com - ACBS) Thị trường vàng trong nước có một số đặc trưng như sau:  Thứ nhất, thị trường vàng trong nước chịu tác động và điều chỉnh khá nhanh theo giá vàng thế giới. Giá vàng thế giới thị phụ thuộc nhiều vào giá USD, cầu của Trung Quốc và Ấn Độ. 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000 4,000,000 200 250 300 350 400 450 500 550 600 650 VN-Index giá vàng 40  Thứ hai, tâm lý găm giữ vàng trong dân là khá phổ biến, vàng là công cụ đầu tư, cất giữ truyền thống của người Việt Nam. Việt Nam hiện nay là một trong những nước nhập khẩu vàng lớn nhất thế giới, hiện tượng “vàng hóa” thường xuyên xảy ra, vàng len lỏi vào định giá hàng hóa, dự trữ, thanh toán,….  Thứ ba, cung vàng trong nước bị kiểm soát chặt chẽ. Nhu cầu vàng trong nước thì luôn ổn định, nhưng cung thì rất hạn chế. 95% lượng vàng tiêu thụ ở Việt Nam là nhập khẩu, và các DN muốn nhập khẩu vàng phải xin hạn ngạch từ NHNN. Ngày 24/2 gần đây, Nghị quyết 11 của Chính phủ đã tiến tới xóa bỏ kinh doanh vàng miếng trên thị trường tự do. Qua các đặc điểm trên, ta có thể thấy được nhu cầu đầu tư vàng ở Việt Nam là khá lớn và là một kênh đầu tư rất được ưa thích. Khi kinh tế ổn định, TTCK đi lên, vàng bớt đi giá trị đầu tư, khi kinh tế khó khăn, vàng lại tăng điểm trong mắt các NĐT, TTCK lại đi xuống, mối quan hệ này thông thường là ngược chiều nhau. Variable Coefficient t-Statistic P-value R_VANG -0.038345 -0.124728 0.901 Kết quả kiểm định cho thấy rõ ràng vàng và VN-Index có mối quan hệ nghịch biến ( -0.038 ), tuy nhiên mối quan hệ này hầu như không có ý nghĩa về mặt thống kê ( p- value = 0.901 > 10% ). Vậy vàng thực sự không có ảnh hưởng đến VN-Index ? Giải thích cho vấn đề này, tác giả đặt ra hai giả thuyết: + Về nhu cầu tài sản an toàn: khi nền kinh tế có bất ổn, thường các NĐT sẽ chuyển hướng đầu tư của mình, cụ thể là rút khỏi TTCK và đầu tư vào vàng như một tài sản chống lại các rủi ro lạm phát và suy thoái kinh tế, tuy nhiên hiệu ứng này cũng không hẳn là chính xác. Chẳng hạn thời kì 2000-2006 nền kinh tế phát triển khá bền vững, lạm phát dưới 1 con số, thậm chí còn có năm xuất siêu nhưng giá vàng vẫn tăng đều qua các năm. Trong thời kì 2008-2009 khi nền kinh tế trong nước cũng như toàn cầu 41 đang hứng chịu ảnh hưởng của cơn bão tài chính thì giá vàng lại đổ dốc từ khoảng 1000$/Oz xuống còn gần 750$/Oz trong khi TTCK Việt Nam lại đi lên. + Về nhu cầu đầu tư ( đầu cơ ) vàng: việc chuyền dòng tiền vào kênh vàng trong thời gian gần đây được xem là khá rủi ro, hầu hết các NĐT trên thị trường vàng đều sử dụng đòn bẩy khá cao trong khi giá vàng thì chịu khá nhiều các tác động từ bên ngoài nên có những thời điểm giá vàng tăng cao nhưng các NĐT vẫn đứng ngoài quan sát hoặc không giải ngân vào kên này. Hơn nữa đầu tư vàng cần một lượng vốn khá lớn nhưng các dao động lại thường là nhỏ ( các đợt tăng đột biến cao nhất được ghi nhận là khoảng xấp xỉ 1 triệu tức chỉ khoảng 3.33% nếu tính trên số tiền bỏ ra đầu tư cho một lượng vàng khoảng 30 triệu ). Với rủi ro cao nhưng TSSL lại khó đột biến khiến cho việc đầu tư vào vàng ở Việt Nam thực tế cũng không khả thi hơn đầu tư vào TTCK. 3.4.8 VN-Index và thay đổi trong tỷ giá: Một vấn đề nổi bật nổi bật trong chính sách điều chỉnh tỷ giá của Việt Nam chính là hiện tượng phá giá đồng tiền và xu hướng điều chỉnh của thị trường tự do. 11/2/2010 NHNN tuyên bố phá giá tiền đồng bằng cách nâng tỷ giá tham chiếu cũ là 18.932 VND/USD lên mức tham chiếu mới là 20.693 VND/USD ( biên độ giao động cho phép là +/- 1%. Ngưỡng trên theo biên độ cho phép này chính xác là 20.900 ) thì tỷ giá trên thị trường tự do đã ngay lập tức được điều chỉnh từ mức khoảng 21.000 lên mức khoảng 22.000 VND/USD. Rõ ràng là động thái phá giá của NHNN không có tác dụng trấn an thị trường mà trái lại là bằng chứng giúp thị trường khẳng định rõ hơn xu thế đi xuống tất yếu của tiền đồng. Câu chuyện phá giá lần trước cũng vậy. NHNN đã ấn định tỷ giá tham chiếu là 18.932 đồng – cũng là một con số rất lẻ. Nếu lấy con số này nhân với biên độ cho phép là +/- 3% sẽ ra hai con số là 19.500 đồng/1USD (ngưỡng trần) và 18.364 đồng/1USD 42 (ngưỡng sàn). Rõ ràng con số trần cũng là con số chẵn – tức là con số mà NHNN dự tính trước là thị trường sẽ điều chỉnh đến, đó là một chi tiết tuy nhỏ nhưng đáng chú ý. Nó nói lên rằng khi ấn định tỷ giá mới, NHNN mới đã dự tính trước là thị trường sẽ chỉ quan tâm đến ngưỡng trần. Điều này phản ánh hai điểm: Thứ nhất là NHNN vẫn cho rằng tỷ giá trên thị trường tự do luôn luôn cao hơn và dẫn dắt thị trường ngoại tệ chính thức. Thứ hai là NHNN vẫn hiểu rằng các đợt phá giá của họ vẫn “chưa tới” – điều này càng tạo tâm lý găm giữ USD trong nền kinh tế. Kết quả phân tích cho thấy sự thay đổi trong giá USD có tương quan ngược chiếu với VN-Index, theo đó, khi USD tăng giá, sẽ làm cho TTCK đi xuống, tuy nhiên mối quan hệ này không có ý nghĩa thống kê thể hiện qua giá trị p- value khá cao. Variable Coefficient t-Statistic P-value R_USD -0.823772 -0.590303 0.5566 43 Thông thường khi đồng tiền mất giá giúp kích thích xuất khẩu, làm giảm thâm hụt cán cân XNK sẽ đưa một tín hiệu tốt vào TTCK, tuy nhiên dấu âm lại đưa ra kết quả ngược lại, điều này dễ dàng thấy được rằng Việt Nam là một quốc gia không có lợi thế về xuất khẩu, chúng ta chỉ xuất khẩu các mặt hàng ít có giá trị gia tăng hay khoáng sản thiên nhiên trong khi nhập khẩu về gần như 90% nguyên vật liệu để sản xuất ra các hàng hóa xuất khẩu. Một sự tăng giá trong USD tạo nên sức ép chi phí cho các DN niêm yết dẫn đến các tin tức xấu về lợi nhuận DN sụt giảm khiến TTCK có chiều hướng đi xuống. Hơn nữa, khi VND mất giá đồng thời cũng gây ra các tổn thất không nhỏ đối với các NĐT nước ngoài khi lợi nhuận bị bào mòn khi đổi ra USD. Hệ số không có ý nghĩa thống kê cũng một phần do cơ chế điều hành tỷ giá của chính phủ, một cơ chế điều hành tỷ giá cố định không linh hoạt, biên độ thấp gây ra sai lệch lớn giữa tỷ giá niêm yết và tỷ giá trên thị trường tự do. 3.4.9 Chỉ số Dowjones và chỉ số VN-Index: Đối với một TTCK còn non trẻ như TTCK Việt Nam, thông thường có mức độ tương quan nhất định với các thị trường bên ngoài. Kể từ sau khi gia nhập WTO 2006, TTCK Việt Nam đón nhận sự tham gia sôi nổi của các NĐT nước ngoài, góp phần tăng sự hội nhập của thị trường trong nước và ngoài nước. Mỹ là đất nước có nền kinh tế hàng đầu thế giới, sự thay đổi trong các chỉ số chứng khoán Mỹ như DJ, S&P 500, … đều thể hiện hiệu quả sức khỏe của nền kinh tế này cũng như nền kinh tế toàn cầu. Việc chọn chỉ số DowJones để phân tích sự ảnh hưởng của nó lên VN-Index được nhiều yếu tố ủng hộ: + Thứ nhất, Mỹ là đối tác thông thương lớn của Việt Nam, nếu có những bất ổn trong nền kinh tế Mỹ, hầu như sẽ làm cho nền kinh tế Việt Nam chịu ảnh hưởng không nhỏ. 44 +Thứ hai, thông tin về nền kinh tế Mỹ và hoạt động của chỉ số DowJones được các website thông tin tài chính-chứng khoán ở Việt Nam cập nhật hàng ngày và được sự đặc biệt chú ý của các NĐT trong nước. ( Nguồn: www.cophieu68.com ) Kết quả hồi quy đơn biến được thể hiện ở bảng sau: Tất cả các hệ số đều đúng theo kỳ vọng, chỉ số DowJones cho thấy ảnh hưởng rõ nét của nó lên chỉ số VN-Index. Hệ số biến là 1.12 cho thấy khi DowJones tăng 1%, nó sẽ giúp VN-Index tăng theo 1.12%. Điều này một lần nữa cho thấy sự hòa nhập của thị trường Việt Nam với thị trường quốc tế, đồng thời chứng minh cho thấy có sự lây nhiễm lẫn nhau giữa các thị trường chứng khoán. Lưu ý, do thị trường Mỹ đóng cửa trước khi thị trường Việt Nam mở cửa nên việc sử dụng biến trễ (-1) sẽ giúp mang lại kết quả tốt hơn nữa, tuy nhiên do hồi quy theo dữ liệu tháng nên việc sử dụng biến trễ (-1) được xem xét là không khả quan bằng dữ liệu ngày. 6000 7000 8000 9000 10000 11000 12000 13000 200 250 300 350 400 450 500 550 600 650 VN-Index DowJones Variable Coefficient t-Statistic P-value R_DJ 1.122274 3.733843 0.0003 45 4. PHÂN TÍCH TỶ SUẤT SINH LỢI VN-INDEX VỚI MÔ HÌNH ĐA BIẾN: 4.1 Ma trận hệ số tương quan: R_VNI R_XNK R_VANG R_USD R_SLCN R_M2 R_LS R_DJ R_DAU R_CPI R_VNI -18.26% -1.36% -6.43% -0.71% 20.35% -17.21% 37.73% 9.25% -13.15% p-value 0.0924* 0.9010 0.5566 0.9481 0.0603* 0.1132 0.0003* 0.3972 0.2275 R_XNK -10.03% -14.30% -11.26% 7.26% -21.39% -12.77% 16.70% 5.10% p-value 0.1891 0.5068 0.048* 0.1242 0.6407 R_VANG 29.04% 14.96% 14.96% -10.26% 1.22% 8.96% 13.15% p-value 0.0067* 0.1692 0.3474 0.9113 0.4120 0.2275 R_USD 27.18% -6.07% 25.19% 1.95% 6.54% 11.01% p-value 0.0114* 0.5788 0.0193* 0.3128 R_SLCN -6.04% -3.60% 15.22% -12.80% -20.77% p-value 0.5808 0.7421 0.2401 0.055* R_M2 -42.60% 16.61% 16.28% -3.25% p-value 0.0000* 0.7663 R_LS -21.93% -24.62% 17.29% p-value 0.0223* 0.1113 R_DJ 20.20% -2.75% p-value 0.0621* R_DAU 19.63% p-value 0.0701* R_CPI p-value 46 Ma trận hệ số tương quan cùng hệ số p-value cho thấy mối quan hệ giữa các biến với nhau, giúp tiền kiểm định các trường hợp đa cộng tuyến xảy ra khi hồi quy nhiều biến với nhau. Dựa vào ma trận trên, tao thấy rằng VN-Index có mối tương quan ý nghĩa với thay đổi trong cán cân XNK, cung tiền và chỉ số DowJones; dự đoán có thể hồi quy biến phụ thuộc TTCK với các biến độc lập trên. 4.2 Mô hình đa biến: Để kiểm định tác động tổng hợp của các nhân tố vĩ mô lên thị trường chứng khoán, ta sử dụng mô hình hồi quy đa biến sau: n i=1 t i i t R =c+ b .X + Ta thực hiện hồi quy với 9 biến và lần lượt loại đi các biến không có ý nghĩa thống kê hay các biến có mang tính chất đa cộng tuyến ( dựa vào ma trận tương quan ). Đối với những biến đa cộng tuyến, biến nào giải thích TSSL trong VN-Index kém hơn ( nhìn vào hệ số R2 ) thì ta loại biến đó đi. Song song đó, tác giả đồng thời sử dụng kiểm định Wald để phát hiện sự có mặt của các biến không cần thiết. Trong số các biến được chọn, biến số R_M2 do không dừng nên ta sử dụng biến thay thế là sai phân của biến R_M2 ( ở đây ký hiệu là D( R_M2 )). Việc sử dụng biến sai phân của R_M2 là khá thỏa đáng do biến sai phân này đã được chứng minh là có tính dừng, giúp thỏa mãn các yêu cầu của một mô hình OLS, ngoài ra, dựa vào cái nhìn trực quan ở biếu đồ tương quan của cung tiền và VN-Index ta thấy rằng mỗi khi cung tiền tăng, thì cần có một khoảng thời gian thì nó mới có ảnh hưởng rõ nét lên VN-Index. 47 Kết quả hồi quy đa biến với các biến được chọn: Coefficient t-Statistic P-value C 0.0091 0.7550 0.4525 D(R_M2) 1.1135 2.1503 0.0345 R_DJ 1.0261 3.5713 0.0006 R_XNK -0.0107 -1.6652 0.0997 R-squared 21.67% F-statistic 7.4691 Adj R-squared 18.77% P-value F.sta 0.0002 Breusch-Godfrey Serial Correlation LM Test: ( lag 1 ) O. R-squared 3.0510 P-value 0.0807 White Heteroskedasticity Test: O. R-squared 8.5720 P-value 0.4777 ARCH Test: ( Lag 1 ) O. R-squared 2.4850 P-value 0.1149 Kết quả hồi quy cho thấy các biến đều có ý nghĩa thống kê, dấu của các hệ số không thay đổi so với khi kiểm định đơn biến. Kiểm định BG LM với độ trễ 1 cho thấy mô hình hiện đang tồn tại tự tương quan trong chuỗi TSSL thị trường, trong khi các kiểm định White ( xem xét phương sai thay đổi ) và ARCH ( xem xét tính tự hồi quy của phương sai thay đổi có điều kiện) đều cho thấy mô hình không có hiện tượng phương sai thay đổi. 48 Đề khắc phục tình trạng tự tương quan, ta thêm vào mô hình một biến trễ của TSSL VN-Index, độ trễ ở đây được chọn là 1, đây là lựa chọn khá hợp lý vì VN-Index của ngày hôm nay thường có xu hướng tương tác với chỉ số VN-Index ngày hôm trước. Khi thêm biến trễ vào trong mô hình mới, biến số R_XNK trở nên mất ý nghĩa thống kê với hệ số p-value ( >10% ), do đó ta loại biến này ra khỏi mô hình, ta có mô hình mới như sau: Coefficient t-Statistic P-value C 0.0068 0.6023 0.5487 D(R_M2) 0.9001 1.8477 0.0683 R_DJ 0.9673 3.5830 0.0006 R_VNI(-1) 0.3377 3.6941 0.0004 R-squared 30.67% F-statistic 11.9429 Adj R-squared 28.10% P-value 0.0000 Breusch-Godfrey Serial Correlation LM Test: ( lag 1 ) O. R-squared 0.6206 P-value 0.4308 White Heteroskedasticity Test: O. R-squared 9.0109 P-value 0.4363 ARCH Test: ( lag 1 ) O. R-squared 0.5548 P-value 0.4564 Mô hình mới giải thích được TSSL của VN-Index tốt hơn, với chỉ số R2 cao hơn mô hình trước (30.67% > 21.67% ). Việc thêm vào biễn trễ ( 1 thời kì ) của R_VNI giúp 49 mô hình tránh được hiện tượng phương sai thay đổi. Kiểm định White cho thấy mô hình mới cũng không có hiện tương phương sai thay đổi; tương tự kiểm định ARCH cũng không cho thấy xuất hiện hiện tương phương sai thay đổi có điều kiện-tự hồi quy. 5. PHÂN TÍCH TỈ SUẤT SINH LỢI CỦA VNI - INDEX BẰNG HỌ MÔ HÌNH GARCH: 5.1 Các đặc điểm thực nghiệm của tỷ suất sinh lợi: Chuỗi TSSL có những đặc trưng khiến cho việc ước lượng các mối quan hệ giữa nó vá các biến số khác theo cách thông thường trở nên kém hiệu quả. Những đặc tính thực nghiệm ( stylized facts ) được xem là các kết quả được phát hiện trên nhiều thị trường nên trở nên phổ biến. Theo đó, các đặc tính thực nghiệm của TSSL bao gồm: + Phân phôi TSSL có đuôi lớn ( thick tails ): theo đó TSSL của các tài sản tài chính thường có phân phối không chuẩn, có đặc tính đuôi lớn, đỉnh cao vào hẹp ( theo nghiên cứu của Mandelbrot 1963 ) + Độ lệch chuẩn co cụm ( volatility clustering ): Mandelbrot (1963) phát hiện: “các thay đổi lớn có xu hướng xuất hiện sau một thay đổi lớn” + Hiệu ứng đòn bẩy ( leverage effects ): Black (1976) và Christie (1982) cho rằng xu hướng thay đổi trong giá cổ phần thường có tương quan không tương xứng với thay đổi của độ lệch chuẩn. Trên TTCK, độ lệch chuẩn đối với TSSL âm lớn thường lớn hơn nhiều so với độ lệch chuẩn của TSSL dương lớn ( so với cùng độ lớn tuyệt đối ). + Hiệu ứng cuối tuần: Fama (1965), French và Roll (1986) khi thị trường đóng cửa, thông tin thường tích lũy với mức độ khác nhau so với khi thị trường mở cửa, chẳng hạn độ lệch chuẩn ngày Thứ hai thường gầp ba lần độ lệch chuẩn ngày Thứ sáu. 50 + Sự kiện kỳ vọng (expected events): Comell (1978), Patell và Wolfson (1979): độ lệch chuẩn thường cao hơn bình thường khi có thông báo mới hay các sự kiện kỳ vọng. + Độ lệch chuẩn và tương quan chuỗi: LeBaron (1992) - ông cho rằng có mối quan hệ nghịch đảo giữa độ lệch chuẩn và tương quan chuỗi. + Các biến đổi đồng thời (co-movements) trong độ lệch chuẩn: Ramchand và Susmel (1998) cho rằng các độ lệch chuẩn có tương quan dương giữa các thị trường/ tài sản. → Khi TSSL thể hiện các đặc tính kể trên thì cần một mô hình thích hợp để phân tích các đặc tính này và mô hình được sử dụng phổ biến là mô hình GARCH. 5.2 Mô hình ARCH – Engle ( 1982): Trong các ước lượng TSSL của tài sản tài chính ta thường gặp giả thuyết phương sai không đổi. Tuy nhiên trong thực tế các trường hợp này xảy ra không thường xuyên, và để giải quyết vấn đề này các nhà nghiên cứu đề xuất mô hình ARCH. Mô hình ARCH (q) thể hiện phương sai thay đổi có điền kiện tự hồi quy ( auto-regressive conditional heteroskedasticity ) của TSSL ngày hôm nay qua bình quân tỷ trọng của bình phương TSSL không kỳ vọng trong quá khứ. 2 2 2 1 ~ (0, )t t t t t q it t i i Y X N             Theo công thức, một biến động mạnh của thị trường xảy ra cách hôm nay q ngày thì ảnh hưởng của nó sẽ làm tăng phương sai có điều kiện của ngày hôm nay. Do tất cả các TSSL không kỳ vọng đều dưới dạng bình phương nên không có sự phân biệt giữa tác động dương và âm. 51 5.3 Mô hình GARCH – Bollerslev (1986): Một đại diện chặt chẽ hơn thường được sử dụng thay thế cho mô hình ARCH(q) là mô hình GARCH(q,p) ( mô hình ARCH tổng quát ) với việc thêm vào p số hạng tự hồi quy của giá trị phương sai thay đổi có điều kiện: 2 2 2 1 1 q p t i t i j t j i j              Độ lớn của các tham số α và β giúp xác định những bất ổn của độ lệch chuẩn.  Hệ số α cho thấy phản ứng của độ lệch chuẩn với những thay đổi của thị trường ( α > 0.2 thì được xem là phản ứng mạnh )  Hệ số β giúp kiểm định mức độ bền vững của độ lệch chuẩn ( β > 0.8 thì độ lệch chuẩn được xem là có độ bền vững cao )  α + β < 1 : độ lệch chuẩn có điều kiện sẽ có thể hội tụ về độ lệch chuẩn dài hạn. 5.4 Một số mô hình trong họ mô hình GARCH: *Mô hình EGARCH – Nelson (1991) - "Conditional Heteroskedasticity in Asset Returns: A New Approach," Econometrica. *Mô hình GJR-GRACH - Glosten, L.R., R. Jagannathan and D. Runkle (1993) - "Relationship between the Expected Value and the Volatility of the Nominal Excess Return on Stocks," Journal of Finance.       p j jtj q i itititit zEzz 1 2 1 2 )log(|))||(|()log(  tttz  / jtj p j ititi q i iti q i t I         2 1 2 1 2 1 2 *  52 *Mô hình NARCH - Higgins and Bera (1992) and Hentschel (1995) → Ba mô hình GARCH không đối xứng ở trên dù đều được phát triển trên nền tảng cải thiện mô hình GARCH tiêu chuẩn. Do trong mô hình GARCH (q,p) đối xứng không giúp nắm bắt được đặc tính không đối xứng của độ lệch chuẩn ( hay hiệu ứng đòn bẩy ) do TSSL không kỳ vọng được sử dụng dưới dạng bình phương. Trong thực tế, độ lệch chuẩn thường có xu hướng lớn hơn đối với những cú sốc bất lợi so với các cú sốc có lợi với cùng độ lớn. Mô hình được sử dụng phổ biến nhất là mô hình EGARCH của Nelson. *Mô hình TARCH - Rabemananjara, R. and J.M. Zakoian (1993) - “Threshold ARCH Models and Asymmetries in Volatilities” Journal of Applied Econometrics. Theo đó, ta sẽ có hai phương sai: → Mô hình TARCH giúp ta nắm bắt được sự khác biệt giữa tác động âm và tác động dương lên phương sai thay đổi có điều kiện. 1 1 | | q p t i t i j t j i j                           q i p j jtjititiitit II 1 1 222 )))()((  )(, )(, 1 1 222 1 1 222                     it q i p j jtjitiit it q i p j jtjitiit if if 53 *Mô hình SWARCH - Hamilton, J. D. and R. Susmel (1994) - "Autoregressive Conditional Heteroskedasticity and Changes in Regime" - Journal of Econometrics. + Hamilton đưa ra giả thuyết về các biến không quan sát và các biến này nhận một trong hai giá trị 1 hoặc 2 . + Hamilton phát triển một ma trận chuyển đổi Markov cho các biến không quan sát. Mô hình đơn giản nhất là SWARCH (1) – 2 trạng thái: p(s t =1 | s t-1 =1) = p p(s t =2 | s t-1 =1) = (1-p) p(s t =1 | s t-1 =2) = q p(s t =2 | s t-1 = 2) = (1-q) Phương trình ARCH (q) phụ thuộc st: Phương trình rút gọn: Mô hình SWARCH (1) có 2 giá trị ( 1 và 2 ), ta có 4 giá trị phương sai: Tham số 𝛾𝑠𝑡=1 đặt là 1, và tham số 𝛾𝑠𝑡=2 là một tham số tương ứng về độ lệch chuẩn. Nếu 𝛾𝑠𝑡=2 = 3 tức là độ lệch chuẩn ở trạng thái 2 thì cao hơn gấp 3 lần so với trạng thái 1. Trong SWARCH, trạng thái ở đây được hiểu là trạng thái của độ lệch chuẩn, với SWARCH (1) 2 trạng thái là trạng thái độ lệch chuẩn cao và thấp.      q i itssisst tttt 1 2 ,,, 2 11  itt s q i itist     // 1 22 2,2,/ 1,2,/ 2,1,/ 1,1,/ 1 2 11 2 1 2 11 2 12 2 11 2 1 2 11 2 222 122 11 111         tttt tttt tttt tttt ss ss ss ss     54 *Mô hình IGARCH - Nelson (1990, Lamoreux & Lastrapes (1989) và Hamilton & Susmel (1994). Trong mô hình GARCH cổ điển, thì phương sai sẽ có tính dừng nếu α + β <1. Tuy nhiên, tính dừng không đòi hỏi phải có điều kiện chặt chẽ như thế ( do phương sai có điều kiện không phụ thuộc vào t ), hơn nữa, trong thực tế, thông thường α + β ≈ 1. Do đó, nếu ta chấp nhập α + β = 1 thì chúng ta có mô hình IGARCH, trong mô hình IGARCH đa thức tự hồi quy của mô hình ARMA sẽ có một nghiệm đơn vị: một cú sốc lên phương sai có điều kiện là “bền vững”. *Mô hình FIGARCH - Baillie, Bollerslev and Mikkelsen (1996) - Journal of Econometrics. Nhắc lại về mô hình ARIMA(p,d,q), khi d = 1 thì chúng ta có một quá trình đồng liên kết, trong chuỗi thời gian, thông thường d sẽ nhận các giá trị dương nguyên. Tuy nhiên, khi 0<d<1 ta có quá trình ARFIMA ( Granger and Joyeaux-1980 ) mà để nắm bắt được nó ta cần một mô hình mới là FIGARCH. Mô hình GARCH cổ điển: Phương pháp FIGARCH: với 2 2 t t t    , nếu d = 0 ta có GARCH, nếu d = 1 ta có IGARCH. Mô hình FIGARCH giúp nắm bắt sự bền vững trong dài hạn của độ lệch chuẩn. *(G)ARCH-M - Engle, R.F., D. Lilien and R. Robins (1987) - “Estimating Time Varying Risk Premia in the Term Structure: the ARCH-M Model” Econometrica. 2 2( )t t j tE j     2 1 2 1 22 )()( tt q i iti q i itit LL        tt d LLL  ))(1()1))((1( 2  55 Lý thuyết tài chính đặt ra giả thuyết rằng giá trị bình quân của một quá trình hồi quy sẽ bị ảnh hưởng bởi tính bất ổn không chắc chắn của chuỗi số liệu. Khung lý thuyết của ARCH – M: Phương sai, log phương sai hoặc độ lệch chuẩn sẽ được đưa vào trong phương trình hồi quy. Mô hình này giúp đưa tính bất ổn vào trong bình quân của TSSL, sử dụng kết hợp với các mô hình như GARCH, EGARCH. 5.5 Bằng chứng thực nghiệm của mô hình GARCH: Các nghiên cứu thực nghiệm về về sự tương tác giữa các biến vĩ mô và TTCK có thể chia làm hai trường phái. Trường phái thứ nhất là các nghiên cứu tập trung vào mối quan hệ ở gốc nhìn thứ nhất, trường phái này lại phân làm hai phân khúc, phân khúc đầu tiên phân tích đơn thuần về lý thuyết về những tác động với các học giả như Fama 1981, Bothurda 1989, Sadorsky 1999, Gunasekarage 2004, Vuyyuri 2005. Phân khúc thứ hai là các nghiên cứu thực nghiệm thông qua việc sử dụng các mô hình như tự hồi quy vectơ, đồng liên kết đa biến,… Trường phái thứ hai thì mở rộng hơn các phân tích nghiên cứu trước đây bằng góc nhìn thứ hai, họ tập trung giải thích xem rủi ro/độ lệch chuẩn của các yếu tố vĩ mô sẽ tác động như thế nào đến độ lệch chuẩn của thị trường vốn mà sử dụng nhiều nhất là các mô hình VAR và GARCH. Một số các nghiên cứu thực nghiệm nổi tiếng được công bố rộng rãi đa phần đều sử dụng các mô hình ARCH và GARCH với hơn 140 họ mô hình khác nhau. Schwert (1989) và Flannery & Protopapadakis (2002) kiểm định ở TTCK Mỹ và không phát hiện ra được bằng chứng cho thấy các biến vĩ mô nội tại có thể dự đoán được TSSL của TTCK Mỹ vốn thay đổi không ngừng. Kim, Yoon và Viney (2001) sử 2 t t t ty x     2 2 2 1 1 q p t i t i j t j i j              56 dụng mô hình ARCH và phân tích đồng liên kết đã tìm ra được mối liên hệ có ỹ nghĩa giữa độ lệch chuẩn thị trường Hàn Quốc và Nhật. Valadkhani & Havie Charles (2007) đã kiểm định ảnh hưởng của giá các thị trường khác và các biến số vĩ mô lên TTCK Thái Lan bằng mô hình GARCH-M và hai ông nhận ra rằng TSSL của TTCK thay đổi theo TSSL của thị trường Singapore, Malaysia và giá dầu. Wei Chong Choo, See Nie Lee và Sze Nie Ung (2011) đã sử dụng các mô hình GARCH đối xứng và GARCH bất đối xứng ( GJRGARCH, EGARCH và PGARCH ) để tìm hiểu sự biến động trong độ lệch chuẩn của chi số Nikkei 225 với giá vàng, giá dầu và tỷ giá Yen/US$ nhưng họ thấy rằng các mối tương quan là khá yếu. Chowdhury và Iqbal (2005) chứng minh rằng TSSL của TTCK Bangladesh đi theo một tiến trình GARCH(1,1) và có thể dự báo được phương sai trong tương lai bằng các thông tin quá khứ. Diebold và Yilmaz (2007) đã phân tích độ lệch chuẩn của khoảng 45 quốc gia phát triển và đang phát triển trong khoảng thời gian từ 1084-2004 tuy nhiên phân tích này lại gặp khó khăn trong việc xử lý các số liệu đầu vào. → Mặc dù sử dụng các kỹ thuật kinh tế khác nhau, phần chung các nghiên cứu này đều cho rằng các biến vĩ mô có ảnh hưởng nhất định đến TTCK và đều ủng hộ cho các đặc tính thực nghiệm của TSSL cũng như sự hữu ích của các mô hình GARCH trong việc giải thích các mối quan hệ này. 57 5.6 Phân tích tỉ suất sinh lợi của VNI qua các mô hình GARCH: 5.6.1 Phân phối của TSSL VN-Index: Qua bảng phân tích ta thấy rằng TSSL của VN-Index là 1.9%/tháng ( tương đương 22.8%/năm ) đây là mức TSSL khá hấp dẫn trên thị trường khi mà lãi suất tiết kiệm thường chỉ dao động quanh mức 14% - 18%/năm. Trong đó TSSL cao nhất là khoảng 38.5%/tháng, mức TSSL khổng lồ này là vào tháng 12/2006 khi VN-Index có bước nhảy vọt lên hơn 1000 điểm, còn TSSL thấp nhất là khoảng 24% xuất hiện vào tháng 10/2008 thời gian thị trường toàn cầu phải hứng chịu cơn bão khủng hoảng tài chính. Độ lệch chuẩn trung bình của thị trường là 12.3%/tháng, nhìn vào bảng so sánh TSSL trung bình và độ lệch chuẩn của VN-Index và các chỉ số chứng khoán trên thế giới, ta thấy rằng TSSL của thị trường Việt Nam là khá cao, hơn nữa độ lệch chuẩn lại chỉ ở mức trung bình ( có khả năng là do quy định giao dịch trong biên độ ± 5%/ngày ) do đó có thể nói TTCK Việt Nam là nơi đến đầu tư khá hấp dẫn tuy nhiên thực tế thì dường như không được khả quan do đồng tiền của Việt Nam liên tục mất giá trong các năm 0 2 4 6 8 10 12 14 -0.250 -0.125 -0.000 0.125 0.250 0.375 Series: R_VNI Sample 2004M01 2011M02 Observations 86 Mean 0.019139 Median 0.000220 Maximum 0.385076 Minimum -0.239982 Std. Dev. 0.123266 Skewness 0.449726 Kurtosis 3.357397 Jarque-Bera 3.356673 Probability 0.186684 58 gần đây nên nếu tính chính xác thì TSSL trung bình của VN-Index cũng chỉ ở mức trung bình so với các thị trường vốn khác. Chỉ số ( chuỗi từ T1/04 – T2/2011 ) TSSL trung bình Độ lệch chuẩn VN-Index - Việt Nam 1.90% 12.32% Jakata Composite – Indonesia 2.18% 22.23% BSE 30 – Ấn Độ 1.66% 22.96% KS11 Seoul Composite - Hàn Quốc 1.56% 25.93% Shanghai Composite - Trung Quốc 1.09% 24.86% All Ordinaries – Úc 0.84% 09.85% KLSE Composite – Malaysia 0.78% 16.25% Strait Times Index – Singapore 0.76% 16.54% TSEC Weighted Index - Đài Loan 0.56% 26.14% Hang Seng - Hồng Kông 0.51% 17.91% Dow Jones Industrial – Mỹ 0.33% 13.67% Nikkei 225 – Nhật Bản 0.30% 16.80% S&P 500 Index – Mỹ 0.25% 13.56% FTSE 100 – Anh 0.21% 12.80% Nasdaq Composite – Mỹ 0.19% 25.49% ( nguồn: tác giả tự tự tính toán với chuỗi số liệu thu thập từ www.cophieu68.com và www.yahoofinance.com ) Thống kê Kurtosis và Skewness cùng với Jarque-Bera cho thấy TSSL của VN-Index không phân phối chuẩn, phân phối có định cao hơn so với phân phối chuẩn, phân phối có xu hướng lệch dương khi các giá trị của TSSL dương cao hơn giá trị của các TSSL âm. TSSL của VN-Index có 44 quan sát mang giá trị dương, 42 quan sát mang giá trị âm, tập trung nhiều trong khoảng (-12.5% đến 12.5% ). Kiểm định tính dừng với kiểm định nghiệm đơn vị ( Unit root test ) của ADF cho thấy chuỗi TSSL của VN-Index là dừng với mức ý nghĩa 1% ( độ tin cậy 99% ). Ta tiếp tục phân tích với biểu đồ Correlogram với cảc chỉ số AC, APC, Q-stat, ta thấy rằng từ trễ thứ 2 trở đi, các hệ số AC và PAC đều được xem bằng 0. Lược đồ tương quan tổng thể có thấy mức độ kết hợp tuyến tính giữa Yt và Yt-1 ( biến trễ thứ 1 ) là khá cao 59 cho thầy khi hồi quy ta có thể thêm vào biến trễ (-1) để tăng tính giải thích cho biến phụ thuộc. ( lược đồ tương quan tổng thể Correlogram với 20 độ trễ - tác giả tính toán ) 5.6.2 Kiểm định TSSL thị trường với các mô hình GARCH: Trong phân tích đa biến ở trên, ta đã chọn được một mô hình khá tốt thể hiện mối quan hệ giữa các biến vĩ mô và chỉ số VN-Index: R_VNI = c + b1 D(R_M2) + b2 R_DJ + b3 RVNI(-1) + εt Tuy nhiên, mô hình lại không có yếu tố phương sai thay đổi có điều kiện ( ARCH test cho kết quả p-value khá cao – 0.45 ), hơn nữa để phân tích ảnh hưởng của các biến vĩ mô tác giả quyết định không sử dụng biến trễ (-1) và loại nó ra. Kết quả kiểm định ARCH test cho mô hình hai biến mới R_VNI = c + b1 D(R_M2) + b2 R_DJ + εt : 60 Mô hình hai biến mới này cho thấy có hiện tượng phương sai thay đổi có điều kiện với mức ý nghĩa 5%, như vậy ta có thể sử dụng mô hình GARCH (1,1) để kiểm định các đặc tính thực nghiệm của TSSL thị trường. Phương trình TSSL: R_VNI = c + b1 D(R_M2) + b2 R_DJ + εt - εt ≈ N (0, σt 2 ) Phương trình GARCH (1,1): σt 2 = ω + α εt-1 2 + β σt-1 2 , ω > 0; α,β ≥ 0 Coefficient Std. Error z-Statistic P-value C 0.0084 0.0119 0.7034 0.4818 D(R_M2) 1.0750 0.3357 3.2025 0.0014 R_DJ 0.5181 0.2621 1.9763 0.0481 Variance Equation ω 0.0012 0.0010 1.1653 0.2439 Coefficient t-Statistic P-value D(R_M2) 1.0436 2.0004 0.0488 R_DJ 1.0895 3.7847 0.0003 C 0.0134 1.1227 0.2648 R-squared 0.1899 F-statistic 9.6094 Adj R-squared 0.1701 P-value (F sta) 0.0002 ARCH Test: ( Lag 1 ) O. R-squared 3.9319 P-value 0.0474 61 α 0.2728 0.1538 1.7733 0.0762 β 0.6454 0.1560 4.1374 0.0000 R-squared 0.1479 AIC -1.5475 Adj R-squared 0.0940 F-statistic 2.7428 S.E 0.1147 P-value (Fsta) 0.0245 ARCH Test: ( lag 1 ) O. R-squared 1.1678 P-value 0.2799 Hồi quy trong mô hình GARCH (1,1) cho thấy các biến số đều có ý nghĩa thống kê, dấu của các biến độc lập không đổi so với khi hồi quy đơn biến và đa biến. Các nhân tố hiện tại giúp giải thích khoảng 15% VN-Index. Hệ số phương sai trễ ( α ) thực sự có ý nghĩa về mặt thống kê cho thấy những bất ổn trong tỷ suất sinh lợi kì ( t-1 ) sẽ có ảnh hưởng đến thời kỳ t hiện tại , dấu của α là dương tức là những thời kỳ có độ lệch chuẩn cao thì theo sau nó cũng có độ lệch chuẩn cao và ngược lại. Hệ số trễ của phương sai (β) cũng có ý nghĩa về mặt thống kê hàm ý độ lệch chuẩn của kỳ ( t-1 ) có thể giúp giải thích độ lệch chuẩn của tỷ suất sinh lợi thị trường ở thời kỳ t.  α = 0.27 > 0.2, hệ số α khá cao cho thấy độ lệch chuẩn phản ứng khá mạnh với các thay đổi của thị trường.  β = 0.64 < 0.8 tức là mức độ bền vững của độ lệch chuẩn không cao, độ lệch chuẩn có xu hướng thay đổi mạnh khi có các cú sốc trên thị trường.  α + β <1 hàm ý độ lệch chuẩn có điều kiện sẽ hội tụ về trung bình dài hạn. 62 Tiếp theo, ta sử dụng mô hình bất đối xứng EGARCH để kiểm định hiệu ứng đòn bẩy cho mô hình hồi quy hai bíến. Phương trình TSSL: R_VNI = C + b1 D(R_M2) + b2 R_DJ + εt , εt ≈ N (0, σt 2 ) Phương trình EGARCH (1,1): ln σt 2 = ω + α 𝜀𝑡−1 𝜎𝑡−1 + β ln σt-1 2 + 𝛾 𝜀𝑡−1 𝜎𝑡−1 Coefficient Std. Error z-Statistic P-value D(R_M2) 1.0880 0.3115 3.4931 0.0005 R_DJ 0.6292 0.2576 2.4421 0.0146 C 0.0043 0.0109 0.3947 0.6931 Variance Equation ω -1.3138 0.7506 -1.7504 0.0801 α 0.5312 0.2391 2.2215 0.0263 γ -0.0147 0.1480 -0.0996 0.9207 β 0.8022 0.1510 5.3121 0.0000 R-squared 0.1572 AIC -1.5266 Adj R-squared 0.0923 F-statistic 2.4242 S.E 0.1148 P-value (F-sta) 0.0335 ARCH Test: O. R-squared 0.5619 P-value 0.4535 63 Bảng trên thể hiện kết quả hồi quy cho mô hình EGARCH (1,1), trong đó, các hệ số của các biến độc lập là có ý nghĩa thống kê với độ tin cậy 1%. Dấu của các hệ số cũng không đổi so với các mô hình trên, hệ số α và β đều có ý nghĩa thống kê, theo đó, phương sai của hiện tại có thể được giải thích bằng phương sai của kỳ trước đó, những bất ổn của thời kì trước có ảnh hưởng đến thời kì này. Tuy nhiên, hệ số γ giúp nắm bất hiệu ứng đòn bẩy lại không có ý nghĩa thống kê ( p-value = 0.9207 ) do đó hầu như trong khoảng thời gian khảo sát ( T1/2004 – T2/2011) VN-Index hầu như không tồn tại hiệu ứng này. Với việc sử dụng mô hình EGACH, hệ số R2 đã có cải thiện khi tăng lên mức gần 16%, tác giả tiếp tục thử nghiệm với GARCH-M để đưa biến phương sai/độ lệch chuẩn vào trong mô hình EGARCH nhưng các hệ số độc lập của mô hình trở nên không có ý nghĩa, hệ số trong mô hình EGARCH cũng cho thấy là việc sử dụng ARCH-M là không khả thi. Để tìm ra mô hình giải thích VN-Index tốt hơn, tác giả quyết định thêm vào một biến trễ một thời kỳ của VN-Index vào mô hình EGARCH, đây là biến giúp cải thiện khá tốt mô hình đa biến ở trên cũng như đã được chứng mình trong biểu đồ correlogram. Phương trình tỷ suất sinh lợi mới: R_VNI = C + b1 D(R_M2) + b2 R_DJ + b3 R_VNI(-1) + εt , εt ≈ N (0, σt 2 ) Phương trình EGARCH (1,1): ln σt 2 = ω + α 𝜀𝑡−1 𝜎𝑡−1 + β ln σt-1 2 + 𝛾 𝜀𝑡−1 𝜎𝑡−1 Coefficient Std. Error z-Statistic P-value D(R_M2) 1.0978 0.2326 4.7199 0.0000 R_DJ 0.6441 0.2755 2.3379 0.0194 64 R_VNI(-1) 0.4730 0.0939 5.0357 0.0000 C 0.0001 0.0106 0.0119 0.9905 Variance Equation C -0.9099 0.4859 -1.8726 0.0611 α 0.5222 0.2552 2.0458 0.0408 γ -0.2006 0.1582 -1.2676 0.2049 β 0.8910 0.0855 10.4259 0.0000 R-squared 0.2755 AIC -1.7158 Adj R-squared 0.2096 F-statistic 4.1821 S.E 0.1072 P-value (F-sta) 0.0006 Mô hình mới có hệ số R2 được cải thiện hơn so với các mô hình trước ( 27.55% ). Hệ số của biến trễ R_VNI(-1) là có ý nghĩa, cho thấy việc đưa biến vào trong mô hình EGARCH là hợp lý, tuy nhiên, một lần nữa ta lại không tìm thấy bằng chứng cho thấy có hiện tượng hiệu ứng đòn bẩy trên thị trường chứng khoán Việt Nam. ARCH Test: Lag 1 O.R-squared 0.1230 P-value 0.7258 65 6. KẾT LUẬN: 6.1 Tóm tắt các kết quả: Bài nghiên cứu đi vào thực tiễn nghiên cứu những ảnh hưởng của các biến số vĩ mô đến TSSL và rui ro của TTCK Việt Nam. Phân tích đi sâu vào đặc điểm của các biến số kinh tế vĩ mô riêng có của Việt Nam cũng như tác động riêng lẻ của nó đến thị trường ( phân tích đơn biến ). Trong phân tích đa biến, kết quả từ mô hình hồi quy cho thấy VN-Index sẽ bị tác động bởi các thay đổi trong cán cân xuất nhập khẩu, mức độ tăng của cung tiền và chỉ số DowJones của Mỹ. Mô hình OLS được giải thích tốt nhất với các biến độc lập là TSSL của DowJones, mức tăng của cung tiền và biến trễ 1 giai đoạn của VN-Index. Mở rộng phân tích ảnh hưởng của các biến số vĩ mô đến độ lệch chuẩn của VN- Index, tác giả sử dụng mô hình GARCH(1,1) và EGARCH(1,1). Kết quả cho thấy TSSL của VN-Index thực sự có hiện tượng phương sai thay đổi có điều kiện tự hồi quy, các hệ số trong mô hình GARCH và EGARCH đều có ý nghĩa thống kê, tuy nhiên không có bằng chứng cho thấy thị trường chứng khoán VIệt Nam có xuất hiện hiệu ứng đòn bẩy ( h ). Sử dụng thêm biến trễ R_VNI(-1) vào trong mô hình EGARCH, tính giải thích của mô hình được cải thiện với R2=27.54%, đây là mô hình nắm bắt được dao dộng trong VN-Index khá tốt. Tuy nhiên, mức độ trên chỉ giúp giải thích chưa đến 1/3 VN-Index, tức là các yếu tố kinh tế vĩ mô hầu như không đóng góp nhiều trong việc hình thành nên chỉ số VN- Index. Đây cũng có thể xem là một yếu tố gây nên rủi ro cho thị trường khi mà các yếu tố nền tảng cơ bản của nền kinh tế không phản ánh được vào giá. Nếu vậy thì nhân tố nào giúp giải thích TTCK, liệu mô hình đa nhân tố của Fama-Frech có giúp cải thiện tốt hơn tình hình hiện tại, hay TTCK dường như chịu ảnh hưởng nhiều từ tâm lý bầy đàn-nơi mà các hành vi của nhà đầu tư là không hợp lý. 66 6.2 Phân tích các vấn đề của TTCK Việt Nam: Qua các kết quả thực nghiệm ở TTCK Việt Nam, ta thấy rằng rủi ro, lợi nhuận của thị trường vốn phụ thuộc khá lớn vào tốc độ tăng trưởng cung tiền. Do đó, các động thái thắt chặt tín dụng ( thông qua chính sách tiền tệ thắt chặt ) thường đem lại các tác động tiêu cực đến TTCK. Thực tế đã chứng minh, trong các năm 2006 -2007-2008 với chính sách tiền tệ mở rộng, cộng với việc gia nhập thành công WTO đã làm cho dòng vốn nóng chảy vào thị trường khá nhiều, thanh khoản tăng mạnh cùng với chi phí tín dụng rẻ đã tạo ra một bong bóng trên TTCK Việt Nam. Trong năm 2009, sau khi chịu ảnh hưởng khá mạnh từ cuộc khủng hoảng tài chính toàn cầu, một gói kích cầu kinh tế được đưa ra đã tạo điều kiện cho chứng khoán tăng mạnh trở lại. Mặc dù bên cạnh kênh đầu tư chứng khoán còn có các kênh đầu tư khác như vàng, bất động sản, ngoại tệ, v.v… tuy nhiên hoạt động đầu tư trên các kênh này thường đòi hỏi phải có vốn cực lớn ( bất động sản ) hay đòi hỏi phải có kiến thức tốt về kỹ thuật và phân tích ( vàng, ngoại tệ ) nên đầu tư chứng khoán luôn được xem là một kênh đầu tư rất được ưa chuộng, lượng tiền từ hoạt động mở rộng tín dụng thường có xu hướng đổ vào thị trường vốn khá nhiều nhất là khi các kênh như vàng, ngoại tệ bị chính phủ quản lý khá chặt còn bất động sản thì bắt đầu xuất hiện hiện tượng cung vượt cầu. Tình hình điều hành cung tiền của chính phủ nhằm chống tình trạng lạm phát cao vẫn chưa có hiệu quả nhất định nên cũng tác động khá lớn lên tâm lý của thị trường. Thực trạng này là do hiện tại lãi suất của Việt Nam đã ở mức khá cao nên làm cho hiệu ứng nghịch giữa lãi suất và lạm phát không phát huy được tác dụng. Hơn nữa với những đặc điểm riêng của mình, việc thắt chặt cung tiền ở Việt Nam ( làm cho lãi suất vay nâng cao ) sẽ dễ dẫn nguy cơ lạm phát chi phí đẩy làm cho lạm phát thêm trầm trọng do đầu ra của các doanh nghiệp bắt buộc phải cao hơn; trong khi đó ở một số thị trường như Singapore, Úc chính sách thắt chặt cung tiền phát đi tín hiệu lạc quan cho thị trường do các nhà đầu tư hoàn toàn tin tưởng vào sự thành công của chính sách. 67 Kết quả thực nghiệm ở thị trường Việt Nam chứng mình rằng thị trường vốn của Việt Nam có tương quan khá chặt chẽ với thị trường Mỹ. Nguyên do cho thực tiễn này có thể nhận thấy khá rõ do hoạt động thương mại giữa hai quốc gia là khá lớn, trong nhiều năm liền Mỹ luôn là đối tác mà Việt Nam xuất khẩu nhiều nhất ( chiếm trung bình 20% tổng xuất khẩu của Việt Nam ); trên hai sàn HOSE và HNX, các doanh nghiệp niêm yết có đối tác chiến lược Mỹ chiếm số lượng khá lớn, nguồn vốn đầu tư ngoại vào thị trường vốn Việt Nam thường tất toán lời lãi thông qua đồng tiền là US$, và cuối cùng Mỹ là quốc gia phát triển nhất thế giới, tình trạng sức khỏe kinh tế của Mỹ có thể ảnh hưởng đến nền kinh tế toàn cầu mà trong đó có các bạn hàng khác của Việt Nam. 2007 2008 2009 2010 Tổng XK 48,561 62,685 57,096 71,600 XK sang Mỹ 10,000 11,869 11,355 14,238 (đơn vị triệu $ - nguồn: GSO ) Mặc dù trong khoảng thời gian trước đây, nhiều ý kiến cho rằng TTCK Việt Nam không còn liên hệ với TTCK thế giới thể hiện qua những phiên đi ngược lại với diễn biến chung của chứng khoán thế giới. Giải thích cho các nguyên nhân này, tác giả đưa ra vài lý do: + Thứ nhất, mặc dù kinh tế Việt Nam đã hội nhập sâu vào thị trường thế giới sau khi gia nhập WTO nhưng tuổi đời vẫn còn khá non trẻ của TTCK Việt Nam cũng như thời gian hội nhập chưa cao, một phần nào các tác động chưa được phản ánh hết vào giá. + Thứ hai, thị trường Việt Nam có những đặc điểm riêng có của nó, không thể nào có tương quan 100% với các thị trường có những đặc thù khác, đặc biệt là trong thời gian khủng hoảng, lúc mà các thay đổi chuyển biến là khó đoán và không còn đúng theo thông thường. Trong khoảng thời gian khủng hoảng, TTCK Việt Nam hầu như chỉ quan tâm đến các yếu tố nội tại như chính sách kích cầu của chính phủ, diễn biến lạm phát, v.v…. 68 + Thứ ba, tình trạng bất cân xứng thông tin và tâm lý bầy đàn trên thị trường là khá lớn ( các nghiên cứu trên thị trường Việt Nam đã chứng thực vấn đề này ), các NĐT chưa có sự chuyên nghiệp nhất định, dễ bị tác động bởi các thông tin bên ngoài dẫn đến các hành vi không hợp lý là điều khó tránh khỏi. Tuy nhiên, như kết quả trong nghiên cứu này, rõ ràng VN-Index hiện đang ngày càng có xu hướng tương quan cao với thị trường thế giới. 6.3 Các kiến nghị: Vấn đề được phát hiện khá nhiều trong nghiên cứu này là việc các biến vĩ mô hầu như không có ý nghĩa đối với các biến động trong VN-Index. Nguyên nhân chính là do chính phủ đã can thiệp hành chính khá nhiều vào thị trường làm cho các biến trở nên kém ý nghĩa do không còn là đại diện phản ánh thực chất nền kinh tế, do đó để TTCK hoạt động hiệu quả hơn, các chính sách vĩ mô nên tuân thủ các nguyên tắc thị trường nguyên tắc cung cầu. Trong các chính sách, chính sách tiền tệ có tác động khá bền vững đến VN-Index do đó đây là công cụ điều tiết thị trường hiệu quả thông qua ảnh hưởng của nguồn cung tiền. Tuy nhiên chính sách cung tiền nên hướng vào các hoạt động sản xuất kinh doanh thực của doanh nghiệp để làm nền tảng phát triển cho thị trường. Trước đây, khi cung tiền mở rộng, luồng tiền đổ vào TTCK là khá lớn nhưng lượng hàng hóa cơ sở của thị trường là không nhiều, sự khan hiếm hàng hóa đã góp phần tạo nên các bong bóng tăng giá ảo trên hai sàn. Kể từ sau năm 2008, lạm phát đang dần trở thành mối lo ngại hàng đầu của các nhà đầu tư, việc kiềm chế lạm phát luôn là tâm điểm của chính sách vĩ mô trong các năm gần đây, tuy nhiên với đặc điểm riêng biệt ở Việt Nam đây là vấn đề khá khó khăn. Theo các nghiên cứu gần đây của WB và của TS. Quách Mạnh Hào ( CTCK TLS ) thì 69 việc lựa chọn chính sách nào cũng có những mặt trái và phải của nó, để chống lạm phát thanh công ta cần phải khoanh vùng tác động của lạm phát để dùng công cụ tiền tệ đón đầu cho hiệu quả tránh tình trạng chính sách tiền tệ phải chạy theo diễn biến lạm phát như hiện nay: “ một ví dụ đơn giản là giá xăng dầu. Khi chúng ta tăng giá xăng thì giải thích là vì giá thấp hơn so với các nước láng giềng. Nhưng khi tăng xong rồi chúng ta vẫn nói còn thấp, như vậy thì người dân sẽ có tâm lý là còn có thể tăng tiếp nữa. Tại sao chúng ta không tăng một lần cho bằng hoặc đơn giản là nói rằng giá vẫn thấp hơn nhưng cam kết không có lần tăng giá nào nữa cho đến cuối năm.” Qua nghiên cứu này, ta thấy rằng TTCK Việt Nam ngày càng hội nhập sâu rộng vào TTCK thế giới. Tuy nhiên, sau 10 năm thị trường vận hành, việc đưa ra các sản phẩm mới lại rất nghèo nàn. TS Đỗ Đức Minh - Bộ Tài chính cho rằng, “ cơ quan quản lý cần sớm chuẩn bị cho sự ra đời và phát triển của chứng khoán phái sinh. Đây là xu hướng tất yếu trong quá trình phát triển của TTCK. Nếu không sớm chuẩn bị các điều kiện cần thiết, sẽ không phản ứng kịp với sự phát triển tự phát của thị trường ”. Các chỉ báo vĩ mô vốn là cơ sở cho sự phát triển của thị trường, nhưng lại giải thích không nhiều các thay đổi trong VN-Index, điều này cho thấy rõ ràng thị trường vẫn còn tiềm ẩn khá nhiều rủi ro, mà lớn nhất chính là hiện tượng tâm lý bầy đàn. Theo ghi nhận thực tế, gần 90% NĐT cá nhân trên thị trường là chưa có kinh nghiệm cộng với vấn đề bất cân xưng thông tin, đây là môi trường lý tưởng cho hành vi bất hợp lý. Để giảm phần nào tâm lý bầy đàn cần có các biện pháp cải thiện vấn đề công bố thông tin trên thị trường kể cả các số liệu vĩ mô, tăng cường các biện pháp xử lý “đội lái”, các hiện tượng làm giá. Các kiến nghị khác giúp phát triển TTCK có thể kể đến như: nới lỏng các giới hạn kinh doanh chênh lệch giá bằng các công cụ như bán khống, T+1 ,v.v…. Ngoài ra cần phát triển các tổ chức đầu tư chuyên nghiệp mà vấn đề nổi bật trong thời gian gần đây là việc thành lập các quỹ mở, đây được xem là một bước phát triển khá tốt nhằm tăng 70 tính hiệu quả cho TTCK Việt Nam khi giúp tăng thêm hàng hóa cơ sở cho thị trường, tăng tính an toàn do được điều hành bởi các chuyên gia trong ngành. Về phía các NĐT: nên tránh đầu tư theo xu hướng, tin đồn do rủi ro khá cao, luôn nâng cao kiến thức. Khi có các điều chỉnh về chính sách vĩ mô như kiểm soát cung tiền, các NĐT cần xem xét lại danh mục của mình do chính sách tiền tệ thường có tác động rất mạnh và ảnh hưởng lâu dài, trong các trường hợp xấu cần rút khỏi thị trường vào đầu tư vào các kênh khác có tính an toàn cao hơn. Đối với các mã cổ phiếu có xu hướng khác thường ( nhất là các mã có tỷ lệ nắm giữ của Nhà nước hay cổ đông chiến lược cao ), nên có các phân tích tỉ mỉ và đầy đủ trước khi tiến hành giải ngân vào các mã cổ phiếu đấy. Tiếng Việt: 1. GS.TS Trần Ngọc Thơ – 2007 – Tài chính doanh nghiệp hiện đại. 2. GS.TS Trần Ngọc Thơ – Vũ Việt Quảng – 2007 – Lập mô hình tài chính. 3. Nguyễn Quang Dong – 2007 – Phân tích chuỗi thời gian trong tài chính 4. PGS.TS Phan Thị Bích Nguyệt – 2008 – Đầu tư tài chính. 5. PGS.TS. Phạm Thị Ngọc Trang – PGS. TS. Nguyễn Thị Liên Hoa – 2008 – Phân tích tài chính. 6. ThS Hoàng Ngọc Nhậm – Giáo trình kinh tế lượng 7. ThS. Phùng Thanh Bình – Hướng dẫn sử dụng Eviews 5.1. 8. ThS. Phạm Trí Cao – 2008 – Kinh tế lượng ứng dụng phần nâng cao. 9. TS. Trần Thị Hải Lý – 2010 – Luận án tiến sĩ: Nghiên cứu rủi ro và TSSL trên TTCK Việt Nam. Tiếng Anh: 1. Dr. Abu Taher Mollik – 2006 – Does predicted macroeconomic volatility influence stock market volatility ? Evidence from the Bangladesh capital market. 2. Dr. Junsoo Lee – Lecture: Volatility and ARCH models. 3. Duan Hongbin – 2008 – Stock market development and economic growth: evidence of China. 4. Fatma Sonmez Saryal – 2007 – Does inflation have an impact on conditional stock market volatility: eviedence from Turkey and Canada. 5. Gopalan Kutty – 2007 – The relationship between exchange rates and stock prices: the case in Mexico. 6. John Leyers Michigan & CEPR University – The effect of gold and oil prices upon international stock market indexes. 7. Hamid Mohtade & Sumit Agarwal – Stock market development and economic growth: evidence from developing countries. 8. Hung-Chun Liu – 2009 – Forecasting China stock markets volatility via GARCH models under Skewed-GED distribution. 9. Husna Hasan – 2006 – Causal relationship between stock market price and macroeconomic variables in Malaysia. 10. Matiur Rahman – 2008 – Influences of money supply and oil price on U.S stock market. 11. Michael J. Hamburger & Levis A.Kochin – 2009 – Money and stock prices: the channel of influence. 12. Paresh Kumar Narayan & Seema Narayan RMIT University – 2008 – Modelling the impact of oil prices on Vietnam „s stock prices. 13. Philip Hans Franses – 1996 – Forecasting stock market volatility using (non- linear) GARCH models. 14. Robert F.Engle – GARCH 101: the use of GARCH/ARCH models in applied econometrics, Journal of Economic. 15. Ruey S. Tsay. Wiley – 2002 – Analysis of financial time series ( Chapter 3 ) 16. University of Illinois-Depertment of Economics – 2001 – Introduction to ARCH & GARCH models. 17. Wei-Chong Choo – 2011 – Macroeconomics uncertainty and performance of GARCH models in forecasting Japan stock market volatility. 18. Zhaoxu Chen & Jun Xu – 2009 – Dynamic Linkages between stock market volatility and macroeconomic variables: empirical evidence based on China. 19. Z.Chinzara – 2010 – Macroeconomic uncertainty and emerging market stock market volatility: the case of South Africa. 20. Yan Shang – 2007 – Linkage of stock prices in major Asian markets and US. Website: 1. www.asianbonds.adb.org 2. www.cafef.vn 3. www.cophieu68.com 4. www.gold.com 5. www.gso.gov.vn 6. www.imf.org 7. www.saga.vn 8. www.sbv.gov.vn 9. www.tonto.eia.doe.gov/dnow/pet 10. www.vneconomy.vn 11. www.vietstock.vn 12. www.vinacorp.vn 13. www.worldbank.org