iên quan tới các biến giải thích (mô hình hồi quy đa biến) được sử dụng để giải
thích hiệu quả bất thường trong dài hạn mà tác giả đã tìm ra các mối liên hệ đáng
chú ý. Thứ nhất, quy mô của công ty giữ vai trò trong xác định hiệu quả bất thường
dài hạn. Đặc biệt, nếu được niêm yết trên sàn NYSE thì lợi tức bất thường cao hơn
và biến sàn NYSE có khả năng giải thích cao. Đáng chú ý nữa là tác giả chứng
minh rằng các nhà bảo lãnh và công ty xác định thời gian hiệu quả để phát hành
IPO. Có nghĩa là, nếu hiệu quả của thị trường (hàm ý thị trường tốt, không có hàm
ý về thị trường hiệu quả) của 1 tháng trước IPO thì tác động tiêu cực (có ý nghĩa
thông kê) đến CARs 1 năm (nguyên văn “The market performance during the
month prior to the offering has a negative and significant coefficient for IPO
abnormal returns for one year” )5
. Tác giả cũng khá bất ngờ về biến Volume 1st
day/Shares có tác động thuận chiều (có ý nghĩa thống kê) lên CARs 2 năm và
CARs 3 năm, vì IPOs rầm rộ với khối lượng giao dịch cao ở ngày đầu tiên dường
như tác động đến hiệu quả trong dài hạn.
45 trang |
Chia sẻ: lvcdongnoi | Lượt xem: 2188 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Tiểu luận Hành vi lợi tức của lần đầu phát hành cổ phiếu ra công chúng (IPO), để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
nh được. Việc
phân chia không dự đoán được này được đưa ra, nó chứng tỏ rằng thị trường hiệu
quả vẫn duy trì. Nếu thị trường hiệu quả duy trì, giá trị mong đợi của lợi nhuận bất
thường là zero, tuy nhiên có những bất thường hiển nhiên mà ngẫu nhiên dẫn đến
phản ứng thái quá hoặc phản ứng yếu.
Gompers and Lerner (2003) cũng chỉ rõ rằng sự bất thường phụ thuộc vào
phương pháp đo lường. Họ chỉ ra rằng khi phương thức BHAR được sử dụng thì
xuất hiện hiệu quả thấp. Ngược lại khi sử dụng phương pháp CARs, thì hiệu quả
thấp biến mất. Chương 4 đã trang bị các phương thức này được sử dụng trong bài
nghiên cứu chúng tôi, đã mô tả một cách chi tiết.
Brav and Gompers (1997) tìm thấy một sự giải thích cho hiệu quả IPO thấp
trong dài hạn. Một vài đặc tính của doanh nghiệp IPO ảnh hưởng hiệu quả của
chúng trong tương lai. Khi những đặc tính này được xem xét bằng phương pháp
14
lợi tức bất thường, điều bất thường đã giảm xuống đáng kể. Họ đã lập ra danh mục
đầu tư các đợt IPO khác nhau theo quy mô và tỷ lệ giá sổ sách trên giá thị trường
của vốn cổ phần. Sau khi sử dụng điểm chuẩn để kiểm soát các biến, họ thấy rằng
sự bất thường đã biến mất. Họ đã kết luận rằng ở nhiều IPO ở các công ty nhỏ, lợi
tức bị tác động tiêu cực khi toàn bộ mẫu có tỷ trọng tất cả như nhau. Ngược lại,
khi mẫu là khác nhau thì sự tác động tiêu cực giảm đi đáng kể và không khác giá
trị 0 là mấy. Lợi tức IPO thấp là như nhau đối với các công ty có cùng quy mô và
tỷ lệ giá sổ sách trên giá thị trường của vốn cổ phần. Vì vậy hiệu quả IPO thấp
trong dài hạn bị hạn chế cơ bản đối với các công ty nhỏ.
CHƯƠNG 4. Phương pháp nghiên cứu
Phương pháp nghiên cứu được chia làm 2 phần:
Phần 1: nghiên cứu sự kiện, trong đó, tác giả cố gắng đo lường lợi tức bất
thường từ IPOs trên mẫu được chọn. Tác giả đã sử dụng các phương pháp ước
lượng và danh mục khác nhau nhằm mục tiêu khám phá ra sự tồn tại của lợi tức
bất thường, có ý nghĩa khác 0.
Phần 2: áp dụng phương pháp hồi quy tuyến tính, sử dụng các biết giải thích
khác nhau. Mục tiêu là tìm ra tác động tích cực hoặc tiêu cực của các biến lên lợi
tức bất thường khi IPO.
Cơ sở lý luận
Để khám phá tác động của sự kiện phát hành IPO lên lợi tức bất thường, tác giả
sử dụng phương pháp “lợi tức bất thường tích lũy” (cumulative abnormal return –
CARs). Một phương pháp khác thay thế CARs là phương pháp “mua và giữ lợi tức
bất thường” (buy and hold abnormal returns – BHARs). Phương pháp mà tác giả
áp dụng đã được trình bày bởi nhiều nhà nghiên cứu trước là đầy đủ nhất để đạt
mục tiêu bài nghiên cứu.
Fama (1998), and Gompers and Lerner (2003) kết luận rằng sử dụng phướng
pháp CARs được ưu chuộn hơn BHARs. “Mua và nắm giữa” có thể làm tăng ảnh
15
hưởng của tính hiệu quả thấp bởi vì nó kết hợp lợi tức của kỳ trước. Lý do này làm
cho việc công ty hoạt động kém hiệu quả trong quá khứ có thể bị phóng đại.
Nguyên nhân này sẽ dẫn đến việc bác bỏ sai lý thuyết Thị trường hiệu quả. Fama
(1998) mô tả phương pháp BHARs như là vấn đề mô hình xấu và BHARs trở nên
nhạy cảm khi khoảng thời gian mà nhà đầu tư sẵn sàng đầu tư vốn tăng thêm. Mặc
khác, phương pháp CARs không bị ảnh hưởng bởi sự kết hợp lợi tức của kỳ trước.
Tuy nhiên, vấn đề mô hình xấu trở nên ít quan trọng nếu quan sát theo ngày hoặc
trong thời gian ngắn, bởi vì lợi tức kỳ vọng sẽ tiến đến 0. Trong trường hợp này,
có ít ảnh hưởng lên lợi tức bất thường trong ngắn hạn. Mặc dù vậy, Fama (1998)
đề xuất rằng việc xem xét cả về lý thuyết lẫn thống kê, lợi tức dài hạn có được
bằng cách cộng các lợi tức bất thường ngắn hạn hoặc dựa trên các mức trung bình
tốt hơn BHARs. Vì những lý do đã đề cập ở trên, tác giả sẽ dựa trên phương pháp
CARs cho nghiên cứu này.
Nghiên cứu sự kiện: đo lường lợi tức bất thường
Để thực hiện “nghiên cứu sự kiện” biến động của giá cổ phần, ta phân tích,
đánh giá xung quanh ngày IPO. Khoảng thời gian diễn ra sự kiện và khoảng thời
gian sau sự kiện được sử dụng để đo lường biến động của giá IPO trong ngắn hạn
và dài hạn. Khoảng thời gian diễn ra sự kiện sẽ được sử dụng để đo lường lợi tức
bất thường của IPO trong ngắn hạn. Khoảng thời gian diễn ra sự kiện bao gồm
khoảng thời gian ngay theo sau ngày phát hành. Tác giả chia khoảng thời gian diễn
ra sự kiện thành các phân đoạn khác nhau. Đầu tiên, tác giá đo lường sự định giá
thấp, đó là chêch lệch giữa giá mở cửa của ngày giao dịch đầu tiên với giá chào
bán của nhà bảo lãnh. Sau đó, tác giả quan sát ngày giao dịch đầu tiên trong 2
trường hợp “có” và “không có” sự định giá thấp. Lợi tức từ giá chào bán đến giá
đóng cửa của ngày giao dịch đầu tiên được xem như là “khoản tiền còn lại trên
bảng” (the money left on the table). Sự thật là giá IPO trải qua biến động lớn
trong ngày giao dịch đầu tiên, tác giả cũng lấy 5 ngày giao dịch đầu tiên tiếp theo
sau ngày IPO. Trong trường hợp này, tương tự ngày giao dịch đầu tiên, chúng tôi
16
quan sát với điều kiện có và không có sự định giá thấp.
Tác giả cũng chia “khoảng thời gian sau sự kiện” thành các phân đoạn khác
nhau. Khoảng thời gian sau sự kiện sẽ được sử dụng để đo lường lợi tức bất thường
một khi tác động của ngày giao dịch đầu tiên lắng xuống. Vì lý do này, tất cả các
đo lường hiệu quả trong dài hạn cũng không xem xét 5 ngày giao dịch đầu tiên.
Khoảng thời gian sau sự kiện được tính là 1 năm đầu tiên – chia làm 2 kỳ. Lý do
chia làm 2 kỳ là bởi thông thường sau 6 tháng, nhà đầu tư sẽ đánh giá lại hiệu quả
của một thỏa thuận đầu tư dài hạn. Một vài tác giả tìm ra tác động tiêu cực lên lợi
tức IPO sau khi nhà đầu tư đánh giá lại, bởi có một số nhà đầu tư riêng lẻ sẽ bán cổ
phần của mình từ đó làm cung tăng. Trong trường hợp IPOs trước năm 2004, cho
phép tác giả tăng khoảng thời gian sau sự kiện lên hơn 2 năm. Phần này của mẫu
cũng được phân tích cho khoảng thời gian 2 năm và 3 năm, riêng lẻ và lũy kế.
Các mô hình khác có thể được sử dụng khi thực hiện nghiên cứu sự kiện.
Thông thường khoảng thời gian trước sự kiện là để tính các tham số, đo lường hiệu
quả kỳ vọng bình thường dựa trên số liệu lấy trong khoảng thời gian đó (chưa có
sự kiện). Sau đó, so sánh với giá trị thực trong suốt sự kiện. Mô hình thị trường có
thể áp dụng cho mục đích này. Mô hình này giả định mối quan hệ ổn định giữa lợi
tức thị trường và 1 chứng khoán cụ thể. Mô hình sử dụng beta thị trường của chứng
khoản để loại bỏ thành phần của lợi tức mà được giải thích bởi nhiều biến của lợi
tức thị trường. Mô hình dạng đơn giản là mô hình thị trường điều chỉnh, được giả
định là hệ số α bằng 0 và beta thị trường bằng 1. Dẫn đến lợi tức IPO không có tích
hợp hiệu quả từ quá khứ, tác giả sử dụng mô hình này trong bài nghiên cứu. Nói
cách khác, lợi tức kỳ vọng bằng lợi tức thị trường trong mọi khoảng thời gian mà
tác giả phân tích. Để đo lường lợi tức bất thường tác giả sử dụng chỉ số S&P500
làm chuẩn. Do đó, lợi tức bất thường khi IPOs có thể bị lệch so với lợi tức của chỉ
số S&P500 trong cùng khoảng thời gian.
Mô hình thị trường để đo lường hiệu quả bình thường
17
Trong đó, ε là lợi tức bất thường:
Mô hình thị trường được điều chỉnh đơn giản hơn khi α = 0 và β = 1
Như vậy, theo cách này có thể tính được lợi tức bất thường cho mỗi ngày, dùng
logarit trên lợi tức IPOs và S&P500. Sau đó, tác giả tổng hợp, lũy kế suốt khoảng
thời gian để hoàn thành tính CAR của cổ phiếu i. CARs cho IPO cổ phiếu i từ ngày
t1 đến ngày t2 được miêu tả như sau:
γ ' là một vector của một cổ phần i từ t1 sang t2, bao gồm cả giá trị
Bước tiếp theo, tác giả sẽ tổng hợp CARs của tất cả các cổ phiếu. Chúng ta sẽ tính
được lợi tức bất thường trung bình khi IPO của tất cả các mẫu
Tính phương sai Var[ ]:
18
Nếu trong khoảng thời gian (t1, t2) bằng 0, tức là không có lợi tức bất thường
trong khoảng thời gian (t1,t2).
1. Do đó, kiểm định giả thuyết nghịch Ho: = 0, nếu bác bỏ Ho thì đồng
nghĩa là có lợi tức bất thường; H1: ≠ 0.
Tiếp theo tính:
Nếu Z > Zα/2 : bác bỏ Ho, tức có lợi tức bất thường.
2. Kiểm định hiệu quả cao hơn thị trường
Ho: = 0 (hoặc Ho: ≤ 0)
H1: > 0
Tính Z:
Nếu Z > Zα bác bỏ Ho, tức Hiệu quả cao hơn thị trường.
3. Kiểm định hiệu quả thấp hơn thị trường
Ho: = 0 (hoặc Ho: ≥ 0)
19
H1: < 0
Tính Z:
Nếu Z > Zα bác bỏ Ho, tức Hiệu quả thấp hơn thị trường
Mẫu của công ty có thể được chia theo các danh mục để xác định xem quy mô
công ty có ảnh hưởng đến lợi tức bất thường hay không.
Hồi quy đa biến: các biến giải thích có thể
Trong phần trước tác giả đã giải thích về cách đo lường lợi tức bất thường. Tác giả
cũng sẽ sử dụng những đặc tính để cố gắng xác định những yếu tố nào ảnh hưởng
đến lợi tức bất thường này. Tác giả sẽ sử dụng mô hình hồi quy đa biến. Biến phụ
thuộc là lợi tức bất thường. Các biến độc lập là các đặc tính của công ty. Các biến
độc lập có thể là:
1. Logarit quy mô công ty: được biết như là các công ty lớn thì hoạt động gần với
thị trường hơn. Do đó, các công ty nhỏ bị kỳ vọng hoạt động kém hiệu quả hơn
(Gompers and Lerner 2003). Tác giả sử dụng lấy logarit quy mô công ty để
dễ dàng tách biệt những dữ liệu bất thường. Ban đầu tác giả nghĩ đưa vào cả
logarit khối lượng phát hành, nhưng qua phân tích thấy có hệ số tương quan khá
cao (0.83) nên chỉ lấy biến là logarit quy mô công ty.
2. Float: là phần trăm số cổ phần đang lưu hành được đưa ra giao dịch(chào bán).
Biến này tác động theo hai hướng. Số lượng lưu hành được đưa ra giao dịch
thấp có thể hạn chế cung do đó làm tăng giá. Tuy nhiên, số lượng này quá thấp
có thể làm hạn chế tính thanh khoản của cổ phần nên giá cổ phần có thể giảm
20
(Ogden et al 2003). Tác giả cũng tìm thấy hệ số tương quan giữa số cổ phần
đang lưu hành được chào bán và chỉ số thanh toán tiền mặt mới (New cash ratio
– NCR) là 0.86 (Zheng 2007). Chỉ số thanh toán tiền mặt mới là dòng tiền mới
sẵn có của công ty, liên quan đến quy mô công ty sau khi chào bán cổ phần.
Chỉ số này ảnh hưởng đến việc sử dụng các quỹ (Ogden et al 2003). Float là
một khái niệm dễ hiểu hơn NCR, nên tác giả quyết định lấy biến Float vào mô
hình và bỏ NCR khi biết 2 biến này có hệ số tương quan cao.
3. Volume 1st day/Shares – Tỷ lệ khối lượng giao dịch ngày đầu tiên/số cổ phần
chào bán: Có một mối liên hệ mật thiết giữa lợi tức ban đầu với khối lượng giao
dịch ngày đầu tiên. IPOs hấp dẫn có đặc điểm lợi tức ngày đầu tiên cao và khối
lượng giao dịch lớn. Ngược lại, một cuộc IPOs kém hấp dẫn thường có khối
lượng giao dịch và lợi tức của ngày đầu tiên thấp (Ellis 2005). Đặc điểm này
ngụ ý đợt IPOs được định giá cao.
4. Market performance of the previous month – kịch bản thị trường của tháng
trước: yếu tố này đã được thảo luận nhiều bởi Ogden et al (2003), Ritter
(2006) and Fama (1998): cho rằng các công ty và nhà bảo lãnh định thời gian
để thành công trong phát hành IPO. Tác giả sử dụng lợi tức tích lũy theo ngày
của chỉ số thị trường cho tháng trước ngày kiểm định.
5. Thị trường: công ty có thể niêm yết trên sàn NYSE, Nasdaq, Amex. Về cơ
bản, các công ty niêm yết trên sàn Nasdaq bởi vì không đáp ứng được các yêu
cầu của sàn NYSE. Do đó, thông thường các công ty nhỏ ban đầu niêm yết ở
Nasdaq, rồi sau đó niêm yết ở NYSE khi đáp ứng đủ các yêu cầu của sàn
NYSE. Tác giả kỳ vọng mối quan hệ mật thiết giữa biến thị trường và biến quy
mô. Biến này được xem như là 1 biến giả, nó sẽ nhận giá trị là 1 nếu công ty
niêm yết trên sàn NYSE, và là 0 nếu công ty niêm yết trên các sàn khác.
6. Ngành: tác giả sẽ kiểm định mối quan hệ giữa các ngành đặc biệt và lợi tức bất
thường. Chúng ta quan tâm đến biến này khi quan sát lợi tức bất thường ngắn
21
hạn, để xem xét các ngành đặc biệt có phải là đối tượng bị định giá thấp hay
không. Tác giả phân loại mẫu theo các ngành sau: Sản xuất công nghiệp, Công
nghệ thông tin, Phương tiện truyền thông, Vận tải, Dịch vụ cao cấp, Bán lẻ, Tài
chính bảo hiểm, Hóa chất, Hàng hóa, Tiện ích, Bất động sản, Dược phẩm và
sức khỏe, Thực phẩm và đồ uống. Tuy nhiên, chỉ có hơn 60 quan sát thuộc các
ngành: Dược phẩm và sức khỏe, Tài chính bảo hiểm, Công nghệ thông tin là
thuộc các ngành năng động nhất được đưa vào mô hình như là biến giả.
7. Nhà bảo lãnh: tác giả xem xét biến này là biến giả. Nhà bảo lãnh lớn, uy tín thì
nhận giá trị 1, ngược lại nhận giá trị 0. Tác giả quan tấm đến quan sát khi lựa
chọn nhà bảo lãnh có ảnh hưởng đến việc định giá thấp cũng như là hiệu quả
dài hạn hay không. Nhà bảo lãnh cung cấp hơn 30 dịch vụ được xem là lớn, có
uy tín.
CHƯƠNG 5. Thu thập dữ liệu
Nhứng nghiên cứu trước đã chỉ ra rằng kết quả IPO có thể bị ảnh hưởng bởi việc
phát hành của các công ty trong giai đoạn thị trường chứng khoán bùng nổ những
năm 90, xem đồ thị 2. Thái độ quá lạc quan dẫn đến định giá cao, đặc biệt là công
ty công nghệ. Vì lý do đó, các công ty vội vã thực hiện IPOs, và kết quả là có
nhiều công ty được định giá cao và thiếu kinh nghiệm đã phát hành cổ phần trên thị
trường. Do đó, bong bóng này bị vỡ vào những năm đầu của thế kỷ 20.
Mẫu bao gồm IPOs từ nửa sau thập niên 90, có thể đối mặt với sự cường điệu của
lợi tức ban đầu và hiệu quả thấp hơn. Để tránh điều thiên vị có thể có này, trong
bài nghiên cứu này, tác giả loại trừ những năm có bong bóng chứng khoán. Do đó,
tác giả tập trung nghiên cứu kết quả IPO sau khoảng thời gian trên. Mẫu được tác
giả dùng từ năm 2001 đến 2005.
22
Danh sách các công ty IPOs và giá chào bán được lấy từ cơ sở dữ liệu của Hoover
1. Giá thị trường của mỗi công ty được lấy từ 3 nguồn dữ liệu khác nhau: Quote
Media, Market Watch and Yahoo Finance 2. Mẫu nghiên cứu bao gồm những lần
IPO có trong cơ sở dữ liệu của Hoover và giá hàng ngày của cổ phiếu đó trên thị
trường sẽ được lấy trong vòng 1 năm sau ngày phát hành. Yêu cầu khác là giá chào
bán phải ít nhất là 5 USD và quy mô phát hành ít nhất là 5 triệu USD. Do đó, từ
các tiêu chí đó, tác giả đã chọn ra được 535 công ty.
Bảng 1: Số lượng IPOs và quy mô phát hành Đv: triệu $
Năm Lượng IPOs Trung bình Trung vị Lớn nhất Nhỏ nhất
2001 47 $528 $130 $8,680 $8
2002 47 $295 $100 $4,600 $9
1 Hoover là tổ chức chuyên cung cấp dịch vụ phân tích công ty, phân tích ngành, phân tích tài
chính, cung cấp số liệu về công ty. Có trang wed là (theo tìm hiểu của
nhóm)
2 các tổ chức cung cấp các dữ liệu kinh tế, tài chính. Quote Media: ,
Market Watch: , Yahoo Finance:
23
2003 59 $220 $119 $2,876 $10
2004 199 $188 $100 $2,827 $11
2005 183 $165 $110 $1,288 $5
Tổng 535 $223 $105
Bảng 1 cho thấy rằng có sự tăng đáng kể lượng phát hành trong năm 2004 và 2005.
Điều này có thể liên quan mật thiết với thực tế thị trường chứng khoán Mỹ đang
phục hồi sau khủng hoảng. Như tác giả đã đề cập trong các chương trước, mẫu này
gắn kết với thực tế rằng nhà bảo lãnh và công ty phát hành cố gắng định thời gian
phát hành IPOs khi thị trường đang phát triển mạnh và có nhiều khả năng công ty
được định giá cao. Đối với phân bố quy mô của công ty IPOs, cho thấy rằng giá trị
trung bình lớn hơn giá trị trung vị. Là do, mẫu bao gồm nhiều công ty nhỏ và rất ít
công ty lớn.
Đồ thị 3 cho thấy phân bổ quy mô công ty IPOs được quan sát.
Bảng 2: Số lượng IPOs theo sàn Đv: triệu $
Lượng IPOs Trung bình Trung vị Lớn nhất Nhỏ nhất
AMEX 17 $53 $18 $255 $5
24
NASDAQ 314 $93 $72 $1,700 $6
NYSE 204 $437 $212 $8,680 $64
Total 535 $223 $105
Bảng 2 phân loại công ty IPOs theo sàn mà công ty sẽ niêm yết. Nhìn chung,
những công ty lớn thì niêm yết ở NYSE, những công ty nhỏ nhất thì niêm yết ở sàn
Amex. Nhìn vào xếp hạng quy mô công ty cho thấy sự nghiêm ngặt trong yêu cầu
tiêu chuẩn của mỗi sàn. Giá trị phát hành nhỏ nhất ở sàn NYSE là 64 triệu USD,
trong khi tương ứng với sàn Amex là 5 triệu USD và 6 triệu USD. Điều này chỉ ra
rằng có những khó khăn mà công ty nhỏ phải đối mặt nếu cố gắng niêm yết ở sàn
NYSE. Sàn Nasdaq năng động nhất với 314 quan sát, sàn Amex ít nhất với 17 cuộc
IPOs trong cùng khoảng thời gian.
Bảng 3: IPOs theo ngành ĐVT (triệu USD)
Số lượng Trung bình Trung vị Lớn nhất Nhỏ nhất
Dược phẩm & sức khỏe 90 $224 $62 $2,333 $12
Tài chính & bảo hiểm 73 $392 $126 $4,600 $9
Công nghệ thông tin 65 $134 $83 $1,700 $11
Dịch vụ cấp cao 57 $224 $118 $1,667 $12
Bất động sản 43 $239 $208 $703 $60
Hàng hóa 35 $156 $108 $570 $8
Phương tiện truyền thông 32 $239 $138 $1,025 $12
Bán lẻ 30 $102 $83 $324 $8
Vận tải 29 $210 $162 $609 $65
25
Thực phẩm & đồ uống 20 $560 $114 $8,680 $5
Tiện ích 13 $321 $144 $1,560 $11
Hóa chất 10 $450 $319 $1,288 $36
Xây dựng 9 $137 $135 $198 $22
Ngành sản xuất khác 29 $148 $114 $672 $6
Tổng 535 $223 $105
Trong bảng 3 tác giả đã nhóm các mẫu quan sát theo 14 ngành. Ngành sản xuất
khác bao gồm một số ngành công nghiệp phụ trợ như dệt may, sản phẩm bảo mật,
Auto Part và các ngành sản xuất khác. Trong mẫu quan sát, ngành Dược phẩm &
sức khỏe bùng nổ với số lượng IPOs lớn nhất trong khoảng thời gian nghiên cứu.
Kế đến là ngành Tài chính & bảo hiểm và Công nghệ thông tin đứng vị trí thứ 2 và
3 tương ứng. Những công ty nằm trong 3 nhóm ngành kể trên chiếm đến 43% khối
lượng phát hành.
Bảng 4: IPOs theo nhà bảo lãnh
Số lượng Trung bình
(triệu USD)
Trung vị
(triệu USD)
Lớn nhất
(triệu USD)
Nhỏ nhất
(triệu USD)
Goldman, Sachs & Co. 60 $460 $197 $4,600 $40
Morgan Stanley & Co. 47 $413 $216 $2,827 $42
Credit Suisse Securities LLC 46 $442 $76 $8,680 $42
Lehman Brothers Inc. 41 $147 $120 $420 $42
Citigroup Global Markets Inc 39 $245 $165 $1,288 $36
Merrill Lynch, Pierce, Fenner 37 $156 $90 $846 $54
26
Friedman, Billings, Ramsey & 25 $126 $124 $300 $9
UBS Securities LLC 23 $123 $100 $252 $40
Banc of America Securities 22 $190 $104 $882 $30
J.P. Morgan Securities Inc. 18 $169 $105 $720 $49
Deutsche Bank Securities 15 $179 $117 $646 $40
Bear, Stearns & Co. Inc. 14 $129 $130 $234 $42
SG Cowen & Co., LLC 13 $45 $42 $68 $33
Other 135 $91 $48 $2,876 $5
Total 535 $223 $105
Cuối cùng, tác giả nhóm IPOs theo nhà bảo lãnh, có 65 nhà bảo lãnh. Tiêu chuẩn
phân nhóm là các nhà bảo lãnh đảm nhận ít nhất 10 đợt IPOs, các nhà bảo lãnh còn
lại được gom vào nhóm các nhà bảo lãnh khác. Do đó, mẫu có 14 nhóm theo nhà
bảo lãnh. Có 75% IPOs được bảo lãnh phát hành bởi 13 nhà bảo lãnh lớn nhất, còn
lại thuộc 52 nhà bảo lãnh khác. Trung bình và trung vị của SG Cowen & Co và
nhóm nhà bảo lãnh khá khá nhỏ.
CHƯƠNG 6. Kết quả nghiên cứu
Phân tích lợi tức bất thường
Chương 4 tác giả đã đề cập áp dụng CARs để tính lợi tức bất thường. Bảng 5 bao
gồm các chỉ số CARs trung bình đã tính cũng như chỉ số Z đã tính. Để xác định
xem lợi tức có bằng không hay không thì so sánh Z với Zα ở mức ý nghĩ 5%
(±1.96 ) và 1% (±2.5758).
27
Bảng 5. CARs trung bình cho tất cả IPO
Kết quả của ngày phát hành được chia ra 2 phần: phần 1 bao gồm lợi tức nếu nhà đầu tư nắm giữ IPO từ khi giá
chào bán, phần 2 tính toán lợi tức sau ngày đầu tiên với giá mở cửa.
Định giá thấp = giá mở cửa/giá chào bán;
khoản tiền còn lại trên bảng = giá đóng cửa ngày giao dịch đầu tiên / giá chào bán;
5 ngày đầu tiên là lợi tức tích lũy theo ngày từ giá chào bán đến giá đóng cửa của ngày thứ 5.
Cần nhắc lại rằng, khoảng thời gian sau sự kiện được tính từ ngày giao dịch thứ 6 trở đi.
Khoảng thời gian diễn ra sự kiện
Lợi tức tính từ giá chào bán Lợi tức không tính giá chào bán
Under-
pricing
Left on
table
First 5
days
First
Day
Next 4
days
First 5
days
Số lượng
CAR(Equally weighted)
Z
CAR(Value weighted)
Z
535
7.94%
16.76
6.88%
14.52
535
9.28%
14.86
7.86%
12.59
535
8.49%
11.59
8.04%
10.97
535
1.34%
3.60
0.98%
2.64
535
-0.79%
(2.20)
0.17%
0.48
535
0.54%
1.08
1.16%
2.29
Khoảng thời gian sau sự kiện
Tiếp theo sau ngày thứ năm, bắt đầu ngày giao dịch thứ 6
M onths
1-6
Months
7-12
Year 1 Year 2 Year 3 Years
1-2
Years
1-3
Số lượng
CAR(Equally weighted)
Z
CAR (Value weighted)
Z
535
-0.94%
(0.66)
5.08%
3.55
535
-0.27%
(0.18)
4.37%
2.85
535
-1.17%
(0.53)
9.51%
4.28
153
3.43%
0.99
0.02%
0.01
153
-0.28%
(0.07)
7.19%
1.89
153
4.19%
0.84
14.65%
2.93
153
3.93%
0.69
21.88%
3.82
28
Như tác giả kỳ vọng, trong thời gian diễn ra sự kiện, lợi tức bất thường có tính giá
chào bán được chấp nhận với cả 2 mức ý nghĩa 5% và 1%. Có nghĩa là công ty trải
qua việc định giá thấp cổ phần IPO khi phát hành. Nhà đầu tư mà tham gia vào
IPO nắm giữ từ giá chào bán thì có thể nhận được lợi tức bất thường trung bình cao
hơn thị trường 7,94% ngay khi mở cửa ngày giao dịch đầu tiên, hoặc 9,28% nếu
chờ và bán khi đóng cửa ngày giao dịch đầu tiên. Trong ngày giao dịch đầu tiên,
lợi tức dường như cao hơn thị trường.
Khi lợi tức không tính đến định giá thấp (tức là không tính giá chào bán): thì ngày
giao dịch đầu tiên vẫn có lợi tức bất thường và có ý nghĩa khác không. Từ ngày thứ
2 đến ngày thứ 5 thì lợi tức bất thường tiêu cực (âm). Đó có thể là thị trường đánh
giá đúng ngày giao dịch đầu tiên có lợi tức quá cao. Nếu 5 ngày giao dịch đầu tiên
(lợi tức loại trừ định giá thấp) được tính chung với nhau thì thấy rằng lợi tức bất
thường chỉ 0.54% và không có ý nghĩ khác không, tức chấp nhận giả thiết Ho.
Xem xét đến trung bình gia quyền của CARs (tỷ trọng giá trị theo quy mô phát
hành). Tác giả quan sát thấy có lợi tức cao ở ngày giao dịch đầu tiên. Thật thú vị là
lợi tức bất thường từ ngày thứ 2 đến thứ 5 âm và không có ý nghĩa. Hơn nữa, lợi
tức bất thường của 5 ngày giao dịch đầu tiên (loại trừ giá chào bán) xuất hiện ý
nghĩ thống kê (CAR là 1.16%, Z là 2.29). Điều này ngụ ý rằng sự điều chỉnh giảm
đối với lợi tức cao ở ngày giao dịch đầu tiên thì điển hình hơn ở các công ty nhỏ.
Phân tích khoảng thời gian sau sự kiện cũng cho kết quả thú vị. CARs (trung bình
cộng) cho các tháng từ 1 đến 6 là âm (-0.94%) và không ý nghĩa khác 0 (Z = 0.66,
nên chấp nhận Ho). Mặt khác, CARs (tính trung bình gia quyền) cùng thời gian
này là 5.08%. Các công ty lớn dường như có lợi tức cao hơn nhiều so với công ty
nhỏ trong gian đoạn đầu của khoảng thời gian sau sự kiện.
Giai đoạn thứ hai, CARs (trung bình cộng) vẫn nhận giá trị âm, tuy nhiên, không
có ý nghĩa thống kê khác 0 (tức là chấp nhận Ho). Đồng thời, CARs (trung bình gia
quyền) cho giai đoạn 2 vẫn nhận giá trị dương và có ý nghĩa khác 0 với độ tin cậy
29
đến 99%. Tính cả năm đầu tiên sau khi IPO, CARs (cả trung bình cộng và trung
bình gia quyền) điều cho kết quả giống như giai đoạn đầu và giai đoạn hai. CARs
(trung bình cộng) của năm đầu là âm và không có ý nghĩa khác 0. Tương ứng,
CARs (trung bình gia quyền) là dương và có ý nghĩa khác 0.
Kết quả CARs năm 2 cho thấy lợi tức bất thường không đáng kể cả CARs (trung
bình cộng) và CARs (trung bình gia quyền). Tuy nhiên, CARs (trung bình cộng)
không còn âm nhưng không có ý nghĩa thống kê khác 0. Với CARs (trung bình gia
quyền) gần bằng 0, có thể thị trường đã nhận đúng về hiệu quả cao trước đó.
Trong năm thứ 3, kết quả cho thấy lợi tức dương đáng kể đối với CARs (trung bình
gia quyền), nhưng CARs(trung bình cộng) thì không.
Nếu tổng hợp CARs từ năm 1 đến năm 2 và từ năm 1 đến năm 3 thì tất cả đều
dương. Tuy nhiên, CARs (trung bình cộng) không có ý nghĩa khác 0. Điều này cho
thấy rằng không có lợi tức bất thường trong cách phân loại này trong dài hạn.
CARs(trung bình gia quyền) nhận giá trị dương và có ý nghĩa khác 0. Tác giả chú
ý rằng số lượng mẫu giảm từ 535 xuống còn 153 trong khoảng thời gian 2001-
2003, bởi thời gian này tình hình thị trường đi xuống do sụp đổ bong bóng dot
com, cũng như sự kiện 11/9.
Sau khi thấy các kết quả khác nhau giữa CARs trung bình cộng và CARs trung
bình gia quyền, thì tác giả quyết định xem xét kỹ hơn hiệu quả IPO theo quy mô
phát hành. Ở bảng 6, tác giả phân loại mẫu thành 4 cỡ: 2 cỡ gồm các giá trị IPOs
trên trung vị và 2 cỡ có giá trị IPOs dưới trung vị.
Như đã rõ ở bảng 5, trong suốt khoảng thời gian diễn ra sự kiện, có lợi tức bất
thường ở tất cả các quy mô công ty (bao gồm định giá thấp). Mặc dù vậy, lợi tức
ngày đầu tiên (loại trừ định giá thấp) chỉ có ý nghĩa đối với nhóm công ty lớn và 4
ngày tiếp theo thì lợi tức âm với các loại quy mô (-0.79%, ở bảng 5). Tuy nhiên,
nhóm các công ty quy mô nhỏ nhất có lợi tức bất thường âm và có ý nghĩ với độ
30
tin cậy 90%. Đó là một quan tâm đặc biệt ở bảng 5, CARs (trung bình gia quyền)
dương nhưng không có ý nghĩa thống kê. Nếu xem xét CARs (trung bình gia
quyền, loại trừ giá chào bán) trong 5 ngày đầu tiên, thì một lần nữa thấy rằng chỉ
những công ty lớn mới có ý nghĩa thông kê về lợi tức bất thường dương, còn công
ty nhỏ thì không.
Bảng 6. CARs theo quy mô IPO
Mẫu IPOs được chia thành 4 danh mục, mỗi danh mục tương ứng ¼ của toàn mẫu:
1. Danh mục 1: 132 đợt phát hành có giá trị từ 5 – 59 triệu USD, trong đó 31 IPOs có lợi tức bất
thường trong khoảng thời gian hơn 1 năm.
2. Danh mục 2: 135 đợt phát hành có giá trị từ 60 – 104 triệu USD, trong đó 43 IPOs có lợi tức bất
thường trong khoảng thời gian hơn 1 năm .
3. Danh mục 3: 132 đợt phát hành có giá trị từ 105 – 195 triệu USD, trong đó 35 IPOs có lợi tức bất
thường trong khoảng thời gian hơn 1 năm.
4. Danh mục 4: 136 đợt phát hành có giá trị từ lớn hơn 195 triệu USD, trong đó 44 IPOs có lợi tức bất
thường trong khoảng thời gian hơn 1 năm.
CARs trung bình
cộng, theo 4 danh
mục
Khoảng thời gian diễn ra sự kiện
Lợi tức có tính giá chào bán Lợi tức không tính giá chào bán
Under-
pricing
Left on
table
First 5
days
First
Day
Next 4
days
First 5
days
$5 < $59
Z
$60 < $104
Z
$105 < $195
Z
6.10%
7.56
8.57%
10.59
9.82%
7.73
7.57%
6.71
9.48%
7.97
11.48%
7.11
5.91%
3.71
8.48%
5.59
11.06%
6.77
1.47%
1.80
0.91%
1.21
1.66%
1.86
-1.66%
(1.65)
-1.00%
(1.50)
-0.42%
(0.58)
-0.19%
(0.15)
-0.09%
(0.08)
1.24%
1.33
31
$196 < $8,680
Z
7.28%
8.91
8.61%
8.73
8.49%
8.12
1.33%
2.82
-0.11%
(0.31)
1.21%
2.06
CARs trung bình
cộng, theo 4 danh
mục
Khoảng thời gian sau sự kiện
Tiếp theo sau ngày thứ năm, bắt đầu ngày giao dịch thứ 6
M onths
1-6
Months
7-12
Year 1 Year 2 Year 3 Years
1-2
Years
1-3
$5 < $59
Z
$60 < $104
Z
$105 < $195
Z
$196 < $2,333
Z
-9.17%
(2.75)
0.81%
0.30
0.60%
0.19
3.81%
1.99
-6.94%
(1.92)
3.12%
0.87
0.16%
0.07
2.41%
0.97
-16.12%
(3.26)
3.99%
0.82
0.84%
0.27
6.26%
1.79
9.30%
1.16
5.27%
0.86
6.44%
0.71
-4.90%
(0.99)
5.03%
0.60
-6.92%
(0.86)
-2.33%
(0.24)
4.09%
0.87
-4.31%
(0.38)
16.80%
1.75
-6.52%
(0.55)
6.37%
0.80
0.63%
0.05
10.04%
0.92
-8.82%
(0.64)
10.44%
1.11
Đối với giai đoạn sau sự kiện, tác giả thấy rằng 6 tháng đầu, tác giả quan sát thấy:
trong phân đoạn đầu (tức 6 tháng đầu của khoảng thời gian sau sự kiện) CARs của
danh mục 1 và danh mục 4 3 điều có ý nghĩa khác 0 nhưng trái ngược nhau ở giá trị
(CARs danh mục 1 mang giá trị âm, còn danh mục 4 mang giá trị dương). Trong
phân đoạn 2, CARs không có ý nghĩa khác 0 ở độ tin cậy 95%, độ tin cậy 90% thì
chỉ có CARs của danh mục 1 là được chấp nhận khác 0 nhưng mang giá trị âm.
Vẫn tiếp tục xu hướng này, trong năm 1, CARs không có ý nghĩa khác 0 ở độ tin
cậy 95% và 99%. Trong khoảng thời gian 2 năm: CARs danh mục 1 có giá trị
dương (9,3%) tuy nhiên không có ý nghĩa khác 0, trong khi CARs ở danh mục 4 có
giá trị âm (-4,9%) cũng không có ý nghĩa khác 0. Điều này có thể là do sự điều
chỉnh nhẹ của thị trường sau 1 năm (ở danh mục 4) có lợi tức bất thường cao.
3 Danh mục 1, 2 ,3, 4: là do nhóm gọi như bảng 6 để tiện tìm hiểu
32
CARs năm thứ 3, CARs của 2 năm, 3 năm điều không có ý nghĩa khác 0. Danh
mục 2, 3 không thể hiện bất kỳ lợi tức bất thường nào trong khoảng thời gian sau
sự kiện. Sự thật là không có danh mục nào có lợi tức bất thường sau 1 năm, ý nghĩa
thống kê cho thấy CARs dài hạn không có ý nghĩa khác 0.
Hồi quy ngắn hạn
Bảng 7: Các cột sau thể hiện các hệ số và t-statistic của các biến giải thích cho lợi nhuận
bất thường ngắn hạn. Cột 1 là các biến giải thích, cột 2-5 là kết quả hồi quy cho biến phụ
thuộc: Định giá thấp (kết quả 1), CARs ngày đầu tiên (kết quả 2), CARs 4 ngày (kết quả
3), CARs 5 ngày đầu tiên (kết quả 4). Dưới hệ số của mỗi biến là giá trị t-statistic tương
ứng.
Underpricing
First Day
Next 4 Days
First 5 Days Kết quả 1 Kết quả 2 Kết quả 3 Kết quả 4
Hệ số chặn 0.0949 0.0007 -0.0308 -0.0301
T-Statistic 2.754 0.026 -1.122 -0.786
Underpricing n/a -0.0464 0.1089 0.0624
T-Statistic -1.212 2.870 1.181
Volume 1st Day / n/a 0.0466 -0.0161 0.0306
T-Statistic 5.692 -1.982 2.700
Log Size of Company 0.0110 -0.0076 0.0072 -0.0004
T-Statistic 0.856 -0.739 0.705 -0.029
Previous Month Market 0.2937 0.1336 0.0434 0.1770
T-Statistic 2.258 1.284 0.421 1.232
Float -0.1103 -0.0070 0.0182 0.0112
T-Statistic -4.584 -0.358 0.937 0.413
Large Underwriter 0.0168 0.0018 -0.0057 -0.0039
T-Statistic 1.589 0.213 -0.677 -0.331
NYSE (Dummy) -0.0145 0.0099 0.0049 0.0148
T-Statistic -1.156 0.985 0.492 1.066
Pharmaceutical and -0.0397 0.0063 -0.0053 0.0010
T-Statistic -2.952 0.580 -0.494 0.066
Financial and Insurance -0.0021 0.0047 0.0191 0.0238
T-Statistic -0.150 0.432 1.754 1.571
Information Technology -0.0062 0.0028 -0.0083 -0.0054
33
T-Statistic -0.403 0.231 -0.680 -0.320
R-squared 0.0907 0.0710 0.0351 0.0386
Prob(F-statistic) 0.0000 0.0000 0.0417 0.0225
Kết quả 1
Kết quả 1, tác giả thấy rằng biến float biến động ngược chiều mạnh nhất với việc
định giá thấp, có nghĩa là khi IPO nếu số lượng cổ phần đang lưu hành được chào
bán càng nhiều thì càng ít có hiện tượng định giá thấp. Điều này ủng hộ lý thuyết
hạn chế cung. Trường hợp có nhiều hạn chế cung dẫn đến số lượng đặt mua trước
của nhà đầu tư nhiều và do đó giá tăng. Mặc khác, float như là một tín hiệu cho
quyền sở hữu trước IPO. Giá trị float nhỏ có thể giải thích là các cổ đông hiện hữu
của công ty chưa sẵn sàng từ bỏ việc nắm giữ cổ phần lớn để kiểm soát công ty và
cũng phù hợp với tín hiệu cam kết của công ty sau IPO.
Một biến quan trọng khác trong hồi quy này là lợi tức thị trường trước đó. Hệ số
dương của biến này có thể được hiểu là khi thị trường đang thịnh vượng thì nhà
đầu tư nói chung lạc quan hơn và định giá cao hơn cho các công ty. Điều này hỗ
trợ lý thuyết định thời điểm thị trường theo ý tưởng rằng nhà bảo lãnh phát hành
và các công ty phát hành thành công khi xác định đúng thời điểm thị trường.
Biến giả ngành dược phẩm và sức khỏe cũng là biến quan trọng trong hồi quy này.
Biến này có một hệ số hồi quy âm mà cho thấy rằng IPO thuộc ngành này có thể ít
bị định giá thấp so với các ngành khác. Ta có thể xem lại chương 5, quan sát thấy
rằng ngành dược phẩm và sức khỏe có số lượng IPOs lớn nhất. Ngoài ra tác giả có
thể đoán rằng các nhà đầu tư lạc quan về ngành này. Vì vậy, ngành này ít bị định
giá thấp. Kết quả cũng cho thấy ngành là một yếu tố quan trọng ảnh hưởng đến
việc định giá thấp của các công ty phát hành. Tuy nhiên, hai ngành còn lại ít có
khả năng giải thích cho biến phụ thuộc.
Các biến còn lại không có khả năng giải thích theo ý nghĩa thống kê. Tuy nhiên,
liên quan đến nhà bảo lãnh phát hành, giá trị kiểm định t không quá chêch lệch với
34
mức ý nghĩa 10%. Vì vậy, nhà bảo lãnh lớn ảnh hưởng tích cực nhẹ đến định giá
thấp. Điều này có thể là do thực tế là các nhà đầu tư sẵn sàng tham gia vào cuộc
phát hành, tạo ra nhu cầu cao cho cổ phiếu mới.
Biến quy mô công ty và sàn niêm yết không cho thấy tầm quan trọng. Như đã chỉ
ra ở phần trước, IPO đều bị định giá thấp bất kể quy mô của công ty. Điều tương
tự cũng áp dụng để giải thích về yếu tố sàn niêm yết.
Kết quả 2
Nhìn vào kết quả hồi quy thứ hai, tác giả thấy rằng biến Volume 1st Day / Shares4
là tác động quan trọng và có hệ số hồi quy dương. Như kỳ vọng, đợt IPO có khối
lượng giao dịch lớn thì có lợi tức ban đầu cao. Hai đặc điểm chung của đợt IPOs
“hot” là nhu cầu cao và giá tăng (vì nó hấp dẫn với các nhà đầu tư).
Các kết quả từ hồi quy này cho thấy rằng rất khó để dự đoán thị trường sẽ phản
ứng như thế nào với đợt IPO. Mặc dù chúng tôi đã chỉ ra trước đây rằng có những
lợi nhuận đáng kể bất thường, các biến được sử dụng không thể giải thích được,
ngoại trừ biến Volume 1st Day / Shares.
Kết quả 3
Trong kết quả hồi quy thứ 3, tác giả có thể xác định một mối quan hệ chặt chẽ
giữa định giá thấp và hiệu quả của IPOs vào 4 ngày sau ngày giao dịch đầu tiên.
Biến này có hệ số hồi quy dương và có ý nghĩa thống kê ở mức độ tin cậy 99%.
Điều này ngụ ý rằng các công ty bị định giá thấp nhiều cũng có lợi tức duong
trong khoảng thời gian này.
Cũng trong kết quả hồi quy thứ 3, hệ số hồi quy của biến Volume 1st Day / Shares
mang giá trị âm và có ý nghĩa ở mức độ tin cậy 95%. Điều thú vị là thực tế là cũng
4 Được giải thích ở chương 4. Volume 1st Day / Shares: khối lượng giao dịch ngày đầu tiên/khối
lượng phát hành
35
biến này lại có hệ số dương ở kết quả hồi quy 2. Điều này gợi ý rằng IPO rầm rộ
trải qua khối lượng giao dịch cao ở ngày giao dịch đầu tiên và có lợi tức cao,
nhưng lợi tức bị điều chỉnh ngược trở lại trong 4 ngày tiếp theo. Điều này có thể là
trong 4 ngày tiếp sau khi IPO, công ty mà có hiệu quả cao (lợi tức bất thường cao)
vào ngày giao dịch đầu tiên sẽ bị điều chỉnh bởi thị trường.
Nhìn vào danh mục ngành lớn, tác giả có thể đánh giá rằng ngành tài chính và bảo
hiểm cho thấy hệ số lớn và dương. Điều này có nghĩa là lợi tức bất thường cho
ngành này sẽ cao hơn 1,9% trong khoảng thời gian này.
Kết quả 4
Trong kết quả hồi quy thứ 4, tác giả có được kết quả tương tự như kết quả hồi quy
1. Tương tự, Volume 1st Day / Shares là biến giải thích quan trọng, có hệ số
dương, tuy nhiên thấp hơn so với kết quả hồi quy 1.
Xem xét đến p - value của của kiểm định F ở mỗi kết quả hồi quy riêng biệt, tác
giả có thể suy ra thông qua kiểm định chung cho các hồi quy này thì có ý nghĩa. Vì
vậy tác giả bác bỏ giả thuyết (Ho) rằng tất cả các hệ số hồi quy bằng 0, và kết luận
rằng mô hình có khả năng giải thích. R² của các kết quả hồi quy có thể tăng lên
nếu các biến số khác (không có sẵn trong nghiên cứu của tác giả) được đưa vào
mô hình. Một số các biến khác này là: thu nhập mỗi cổ phần, chi phí bảo lãnh, quỹ
đầu tư mạo hiểm, sử dụng tiền thu được từ phát hành.
Bảng 8: Hồi quy dài hạn
CARs 1 year CARs 2 years CARs 3 years
Kết quả 1 Kết quả 2 Kết quả 3
Intercept -0.2434 -0.2182 -0.4271
T-Statistic -1.477 -0.599 1.039
Underpricing -0.4708 -0.8766 -1.1153
T-Statistic -2.069 -1.333 1.503
36
Log Size of Company 0.0526 -0.0730 0.0222
T-Statistic 0.863 -0.554 0.150
Float -0.0364 0.3256 0.4291
T-Statistic -0.312 1.303 1.522
Previous Month Market Return -1.4808 -0.9764 -1.9260
T-Statistic -2.396 -0.993 -1.737
Volume 1st Day / Shares Offered 0.0737 0.3023 0.2707
T-Statistic 1.515 2.471 1.962
Large Underwriter (Dummy) 0.0554 -0.0726 -0.2037
T-Statistic 1.104 -0.616 -1.531
NYSE (Dummy) 0.1702 0.3443 0.3347
T-Statistic 2.847 2.559 2.205
Pharmaceutical and Health (Dummy) 0.0055 0.0208 -0.0053
T-Statistic 0.086 0.128 -0.029
Financial and Insurance (Dummy) 0.1377 0.2523 0.3586
T-Statistic 2.108 1.967 2.478
Information Technology (Dummy) -0.0637 0.0286 0.1255
T-Statistic -0.871 0.197 0.767
R-squared 0.0806 0.1074 0.1334
Prob(F-statistic) 0.0000 0.084 0.0218
Kết quả 1:
Biến giả NYSE có hệ số hồi quy là 0,1702 - có nghĩa công ty niêm yết trên NYSE
thì ảnh hưởng đến CARs một năm là 17% so với công ty niêm yết ở sàn khác.
Biến NYSE có một mối tương quan là 0,5 với log quy mô công ty. Do đó, nếu tác
giả loại trừ biến giả NYSE khỏi mô hình hồi quy, thì log quy mô công ty cũng trở
nên quan trọng. Điều này là phù hợp với giá trị CARs trong bảng 5, 6 và 7. Quy
mô công ty dường như đóng một vai trò quan trọng trong việc xác định hiệu quả
37
dài hạn của IPO. Các kết quả này tương tự như Brav và Gompers (1997), hiệu quả
dài hạn phụ thuộc đáng kể quy mô công ty.
Một kết quả thú vị khác là biến lợi tức thị trường 1 tháng trước đợt IPO. Biến này
có hệ số âm và có ý nghĩa. Đây bằng chứng về xác định thời gian IPO của các bảo
lãnh phát hành và các công ty phát hành. Họ tận dụng lợi thế sự lạc quan của thị
trường và xu tăng để phát hành cổ phần. Xem xét lợi tức thị trường có ý nghĩa
quay trở lại hay không, kết quả chúng thấy rằng thời gian IPO tối ưu sẽ xoay về
hướng để có lợi tức bất thường 1 năm thấp. Mỗi 1% của lợi tức thị trường 1 tháng
trước đợt IPO thì lợi tức bất thường sẽ tương ứng 1,48% vào 1 năm sau.
Đáng chú ý nữa là mối liên hệ nghịch giữa định giá thấp và lợi tức bất thường 1
năm (CARs 1 năm, kết quả 1, có hệ số hồi quy là -0.4708). Có nghĩa là nếu công
ty ít bị định giá thấp hơn thì có CARs 1 năm tốt hơn. Điều này cũng phù hợp với ý
tưởng việc định giá thấp là do có nhiều thông tin bất cân xứng.
Cuối cùng, điểm cần chú ý là vai trò của ngành trong kết quả hồi quy 1. Nếu công
ty thuộc ngành Tài chính & bảo hiểm thì có hệ số dương và có ý nghĩa, hay là có
CARs 1 năm cao hơn 13,7% so với các ngành khác. Hai ngành khác trong kết quả
hồi quy (Công nghệ thông tin, Dược phẩm & Sức khỏe) không có ý nghĩa giải
thích. Như tác giả đã đề cập, yếu tố ngành đóng vai trò trong hiệu quả dài hạn của
IPOs.
Kết quả 2
Đối với kết quả hồi quy 2, CARs 2 năm vẫn chịu ảnh hưởng bởi biến sàn NYSE
(tác động cùng chiều và có ý nghĩa thống kê). Nếu công ty niêm yết ở NYSE thì
có CARs 2 năm nhiều hơn 34,4% so với công ty niêm yết ở sàn khác.
Đáng chú ý nữa: là biến Volume 1st Day / Shares có hệ số dương và có ý nghĩa
thống kê. Ngạc hiên vì biến này được xác định ở ngày giao dịch đầu tiên nhưng
38
vẫn liên quan đện CARs 2 năm sau. Điều này ngụ ý, một IPOs rầm rộ vẫn có lợi
tức bất thường vào 2 năm sau.
Về ngành, kết quả cũng cho thấy các IPOs thuộc ngành Tài chính & bảo kiểm có
hệ số dương và có ý nghĩa thống kê.
Kết quả 3
Kết quả hồi quy 3 giống với kết quả hồi quy 2. Biến giả sàn NYSE, biến Volume
1st Day / Shares, ngành Tài chính & bảo hiểm có hệ số dương và có ý nghĩa thống
kê. Có nghĩa là những lập luận cũng tương tự với CARs 2 năm.
Kết quả hồi quy về hiệu quả IPO trong dài hạn có thể giải thích được lợi tức bất
thường bởi các biến sàn NYSE, biến ngành Tài chính & bảo hiểm từ 2001-2005.
Tuy nhiên, để xác nhận lại những gì vừa kết luận, thì biến NYSE có quan hệ thuận
với log quy mô công ty. Hơn nữa, biến Volume 1st Day / Shares cũng có hệ số
dương, có ý nghĩa thống kê trong dài hạn, nên biến Volume 1st Day/Shares có thể
là 1 biến giải thích.
CHƯƠNG 7: Kết luận
Mục tiêu của bài nghiên cứu này là kiểm định hành vi lợi tức IPO và khám phá
hành vi này trong quan hệ với lý thuyết thị trường hiệu quả. Trong dài hạn, chúng
tôi sai lầm khi bác bỏ CAR trung bình gần bằng 0ssssss (tức là tác giả chấp nhận
CARs (trung bình cộng) bằng 0 trong dài hạn). Do đó, từ kết quả ở bảng 5 – không
có lợi tức bất thường nào - CARs (trung bình cộng) - trong khoảng thời gian sau
sự kiện (dài hạn – the post event window) có ý nghĩa thống kê khác 0, nên dẫn đến
tác giả kết luận rằng thị trường hiệu quả. Hơn nữa, bảng 6 cho thấy sự kết nối quan
hệ giữa quy mô IPO và hiệu quả IPO cho đến năm thứ 1. Công ty có quy mô IPO
nhỏ có CARs âm và có ý nghĩa thống kê trong khoảng thời gian năm thứ 1, trong
khi công ty có quy mô IPO lớn hơn thì có CARs dương và có ý nghĩa thống kê.
Tuy nhiên, con số tích lũy của những năm sau đó (tức CARs 2 năm, 3 năm) không
39
có ý nghĩa thống kê khác 0)
Liên quan tới các biến giải thích (mô hình hồi quy đa biến) được sử dụng để giải
thích hiệu quả bất thường trong dài hạn mà tác giả đã tìm ra các mối liên hệ đáng
chú ý. Thứ nhất, quy mô của công ty giữ vai trò trong xác định hiệu quả bất thường
dài hạn. Đặc biệt, nếu được niêm yết trên sàn NYSE thì lợi tức bất thường cao hơn
và biến sàn NYSE có khả năng giải thích cao. Đáng chú ý nữa là tác giả chứng
minh rằng các nhà bảo lãnh và công ty xác định thời gian hiệu quả để phát hành
IPO. Có nghĩa là, nếu hiệu quả của thị trường (hàm ý thị trường tốt, không có hàm
ý về thị trường hiệu quả) của 1 tháng trước IPO thì tác động tiêu cực (có ý nghĩa
thông kê) đến CARs 1 năm (nguyên văn “The market performance during the
month prior to the offering has a negative and significant coefficient for IPO
abnormal returns for one year” )5. Tác giả cũng khá bất ngờ về biến Volume 1st
day/Shares có tác động thuận chiều (có ý nghĩa thống kê) lên CARs 2 năm và
CARs 3 năm, vì IPOs rầm rộ với khối lượng giao dịch cao ở ngày đầu tiên dường
như tác động đến hiệu quả trong dài hạn.
Với ngắn hạn, kết quả cho thấy IPOs bị định giá thấp bởi nhà bảo lãnh bất kể quy
mô. Tiếp theo, CARs ngày đầu tiên cả trung bình cộng và tỷ trọng theo giá trị điều
mang giá trị dương và có ý nghĩa thống kê. Định giá thấp và CARs ngày đầu tiên
cho phép nhà đầu tư mà người đã mua được giá phát hành để có được lợi tức đáng
kể (có ý nghĩa thống kê) cho 1 ngày đầu tư. Tuy nhiên, trong suốt 4 ngày tiếp theo
đó, thị trường dường như nhìn nhận đúng lợi tức ngày đầu tiên. Điều này được
nhìn thấy ở bảng 6, tất cả các CARs 4 ngày (bất kể quy mô) điều mang giá trị âm
và có độ tin cậy 90% với công ty nhỏ. CARs 5 ngày cho thấy không có lợi tức bất
thường nào có ý nghĩa thống kê, ngoại trừ các công ty lớn.
5 Như đã được Nhóm đề cập trong chú thích 8, kết luận này mâu thuẫn với chỗ nhận xét của tác
giả về hệ số hồi quy (-1.48) của biến Previous Month Market Return bảng 8
40
Trong kết quả hồi quy đa biến, với ngắn hạn thì tác giả đã tìm thấy biến float mang
hệ số âm và có khả năng giả thích đáng kể cho việc định giá thấp. Điều này ủng hộ
lập luận hạn chế cung. Biến “lợi tức thị trường 1 tháng trước IPO” (Previous
market performance) cũng giữa vai trò quan trọng trong việc giải thích định giá
thấp. Định giá thấp càng nhiều nếu lợi tức thị trường tháng trước đó cao. Điều này
ngụ ý rằng nhà đầu tư đang lạc quan và sẵn sàng trả giá cao hơn cho cổ phần mới.
D. NGHIÊN CỨU THỰC NGHIỆM TẠI THỊ TRƯỜNG VIỆT NAM
I. Mục tiêu nghiên cứu
Bài nghiên cứu thuộc dạng nghiên cứu sự kiện, quan sát phản ứng của thị trường
đến việc niêm yết cổ phiếu lên sàn. Các quan sát sẽ được dùng để kiểm định giả
thuyết thị trường hiệu quả dựa trên thị trường Việt Nam trong ngắn hạn, được tính
từ ngày phát hành và trong vòng 5 ngày đầu tiên cổ phiếu được giao dịch. Bài
nghiên cứu sẽ áp dụng phương pháp “lợi tức bất thường tích lũy” CARs (đã đề cập
ở phần tóm tắt) để đo lường thị trường hiệu quả. Sử dụng dữ liệu để kiểm định xem
có lợi tức bất thường khi niêm yết cổ phiếu lên sàn so với lúc IPO, và trong 5 ngày
giao dịch đầu tiên từ ngày niêm yết đầu tiên niêm yết trên sàn.
II. Phương pháp nghiên cứu
Dựa theo phương pháp nghiên cứu của bài “Return Behavior of Initial
Public Offerings and Market Efficiency” của hai tác giả Fernando Belden Saro và
Mohammad Tayseer Chenine (2007), để khám phá tác động của sự kiện phát hành
IPO lên lợi tức bất thường, nhóm đã sử dụng các phương pháp liên quan đến “lợi
tức bất thường tích lũy” (Cumulative Abnormal Return – CARs).
Phương pháp nghiên cứu: nghiên cứu sự kiện, trong đó, đo lường lợi tức bất
thường từ IPOs và niêm yết cổ phiếu lên sàn trên mẫu được chọn. Mục tiêu là
khám phá ra sự tồn tại của lợi tức bất thường.
Nghiên cứu sự kiện: đo lường lợi tức bất thường
41
Phân tích sự kiện là việc phân tích tác động hay ảnh hưởng của một sự kiện
nào đó đến suất sinh lợi của cổ phiếu đó. Bên cạnh đó, lý thuyết thị trường hiệu
quả cho rằng thông qua việc phân tích thông tin, sự kiện như chia tách cổ phiếu,
mua bán sáp nhập, công bố lợi nhuận… liên quan đến cổ phiếu của nhà đầu tư đã
giúp cho thông tin, sự kiện này được phản ánh vào giá cổ phiếu. Điều này cho thấy
phân tích sự kiện như một bài kiểm định lại lý thuyết thị trường hiệu quả. Ngoài
ra, việc phân tích tác động hay ảnh hưởng của một sự kiện nào đó đến suất sinh lợi
của cổ phiếu sẽ giúp các nhà đầu tư, giám đốc tài chính ra quyết định chiến lược
mua bán hay tài trợ doanh nghiệp một cách hợp lý.
Theo phương pháp nghiên cứu sự kiện thì một sự kiện có tác động đến giá
cổ phiếu khi sự kiện đó được công bố trên thị trường sẽ làm cho suất sinh lợi của
cổ phiếu đó thay đổi so với suất sinh lợi kỳ vọng của cổ phiếu. Trong bài nghiên
cứu này sự kiện đó chính là việc IPO các cổ phiếu & niêm yết cổ phiếu lên sàn
Mô hình thị trường để đo lường hiệu quả bình thường
Trong đó, ε là lợi tức bất thường:
Thực tế, lợi tức IPOs không có hiệu quả từ quá khứ (tính ở ngay thời điểm hiện tại)
nên mô hình thị trường được điều chỉnh đơn giản hơn khi α = 0 và β = 1
Như vậy, theo cách này có thể tính được lợi tức bất thường cho mỗi ngày, tổng
hợp, lũy kế suốt khoảng thời gian để hoàn thành tính CAR của cổ phiếu i:
42
Tiếp theo là tính của tất cả cổ
phiếu có trong mẫu:
Tính phương sai Var[ ]:
Nếu trong khoảng thời gian (t1, t2) bằng 0, tức là không có lợi tức bất thường
trong khoảng thời gian (t1,t2), thể hiện thị trường là hiệu quả trong khoảng thời
gian (t1, t2)
Do đó, kiểm định giả thuyết nghịch Ho: = 0, nếu bác bỏ Ho thì đồng nghĩa là
có lợi tức bất thường; H1: ≠ 0.
Tiếp theo tính:
Nếu Z > Zα/2 : bác bỏ Ho, tức có lợi tức bất thường.
II. Phương pháp thu thập dữ liệu: Gồm có 2 bước
1. Lấy số liệu về các công ty IPO :
- Chọn Thời gian lấy mẫu : Từ 2005 -2012
Mẫu được lấy từ cơ sở dữ liệu của Sở Giao dịch chứng khoán TP HCM
43
(www.hsx.vn)
Vào mục Đấu Giá -> kết quả đấu giá: Chọn từng năm (từ 2005-2012) sẽ có kết quả
đấu giá IPO của các doanh nghiệp
Ta lập được Bảng danh sách các doanh nghiệp IPO (khoảng 90 doanh nghiệp) bao
gồm Số lượng đấu giá, ngày đấu giá và giá đấu giá bình quân
2. Lấy số liệu các doanh nghiệp IPO được niêm yết trên sàn
Từ dữ liệu các doanh nghiệp IPO, dựa trên cơ sở dữ liệu của sở Giao dịch chứng
khoán TP.HCM, Hà Nội, các công ty chứng khoán, cafef.vn và cophieu68.com ta
tìm ra những doanh nghiệp được niêm yết trên sàn: Ngày yết sàn, khối lượng niêm
yết, khối lượng giao dịch, giá đóng cửa ngày yết sàn và 5 ngày tiếp theo.
Từ đó ta lập được bảng các doanh nghiệp đã niêm yết trên sàn từ 2005-2012 (gồm
42 công ty) để làm cơ sở dữ liệu tính toán cho bài nghiên cứu.
IV. Kết quả nghiên cứu: Phân tích lợi tức bất thường
Bảng 1 bao gồm các chỉ số CARs trung bình đã tính cũng như chỉ số Z đã tính. Để
xác định xem lợi tức có bằng không hay không thì so sánh Z với Zα ở mức ý nghĩa
5% (± 1.96 ) và 1% (±2.5758).
Lợi tức tính từ giá chào bán Lợi tức không tính giá chào bán
Under-
pricing
First
Day
First 5
days
First
Day
Next 4
days
First 5
days
Số lượng 42 42 42 42 42 42
CARs 67.26% 66.86.% 62.97% -0.40% -3.83% -4.29%
Z 2.9887 2.9765 2.7758 -0.5828 -1.999 -2.0041
Như vậy, trong trường hợp lợi tức bất thường xét từ thời điểm IPO, có lợi tức bất
thường trong ngày niêm yết, ngày giao dịch đầu tiên và tích lũy trong 5 ngày giao
44
dịch kể từ ngày niêm yết với cả 2 mức ý nghĩa 5% và 1%. Có nghĩa là công ty đã
trải qua việc định giá thấp cổ phần IPO khi phát hành. Nhà đầu tư mà tham gia
nắm giữ cổ phiếu từ giá IPO thì có thể nhận được lợi tức bất thường trung bình cao
hơn thị trường tới 67.26% ngay khi cổ phiếu được niêm yết trên sàn, hoặc 66.86.%
nếu chờ và bán sau đó 1 ngày.
Khi lợi tức không tính đến định giá thấp (tức là không tính giá chào bán): thì ngày
giao dịch đầu tiên đã không có lợi tức bất thường. Từ ngày thứ 2 đến ngày thứ 5 lợi
tức bất thường vẫn âm. Điều đó cho thấy nếu nhà đầu tư không nắm giữ cổ phiếu
từ trước khi cổ phiếu niêm yết trên sàn giao dịch sẽ không những không thu được
lợi tức bất thường mà lợi tức còn bị giảm so với mức chung của thị trường. Tất cả
các giá trị lợi tức bất thường luỹ kế trong 5 ngày giao dịch đầu tiên sau khi cổ
phiếu niêm yết đều không có ý nghĩa thống kê (với mức ý nghĩa 1%), do đó chưa
có cơ sở bác bỏ Ho, có nghĩa là thị trường được xem là hiệu quả trong ngắn hạn.
V. Kết luận
1. Kết quả nghiên cứu:
Bài nghiên cứu chỉ ra rằng có tồn tại lợi tức bất thường trong khoản thời gian từ
lúc doanh nghiệp tiến hành IPO cho đến khi cổ phiếu của công ty đó được niêm
yết trên sàn giao dịch (nghĩa là các nhà đầu tư tiến hành mua cổ phiếu của các
doanh nghiệp trong mẫu nghiên cứu lúc IPO và giữ chúng đến khi niêm yết trên
sàn thì sẽ thu được 1 khoản lợi nhuận cao hơn so với thị trường). Trong 5 phiên
giao dịch đầu tiên kể từ ngày giao dịch đầu tiên trên sàn thì có thể nói không tồn
tại lợi tức bất thường nên trên hay có thể nói là thị trường có hiệu quả trong ngắn
hạn.
2.Hạn chế của bài nghiên cứu
Do khó khăn trong việc thu thập dữ liệu nên mẫu nghiên cứu hạn hẹp, kết quả
nghiên cứu không có tính khái quát cao. Thời gian nghiên cứu chỉ là 5 ngày ngay
45
sau ngày cổ phiếu được yết sàn nên chỉ đánh giá được sự tồn tại của thị trường hiệu
quả, các nhân tố ảnh hưởng đến lợi tức bất thường tích luỹ trong ngắn hạn.
Ngoài ra, do đặc tính thị trường chứng khoán Việt Nam, thông thường sau khi IPO
các cổ phiếu công ty sẽ được giao dịch trên thị trường OTC một thời gian đến khi
đủ điều kiện mới được yết lên sàn giao dịch. Khoảng thời gian đó có thể ngắn hay
dài tuỳ vào mỗi công ty. Mặt khác giá chào sàn vào ngày đầu cổ phiếu niêm yết lại
không có ý nghĩa trong việc đem lại lợi tức. Bài nghiên cứu lấy định giá thấp là
chênh lệch giá từ ngày đầu tiên cổ phiếu niêm yết với giá đấu giá IPO. Do đó, việc
nghiên cứu về định giá thấp đã mất đi phần nào ý nghĩa của nó.
Các file đính kèm theo tài liệu này:
- bai_nghien_cuu_2525.pdf