Đăng ký Đăng nhập
Trang chủ Tính hiệu quả về mặt thông tin của thị trường chứng khoán việt nam...

Tài liệu Tính hiệu quả về mặt thông tin của thị trường chứng khoán việt nam

.PDF
87
84
115

Mô tả:

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM ----------------- CÔNG TRÌNH DỰ THI GIẢI THƢỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN “NHÀ KINH TẾ TRẺ – NĂM 2010” TÊN CÔNG TRÌNH: TÍNH HIỆU QUẢ VỀ MẶT THÔNG TIN CỦA THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ 1 Trang i TÓM TẮT ĐỀ TÀI Lý do nghiên cứu: Có khi nào bạn tự hỏi tại sao nhiều người lại tham gia đầu tư vào thị trường chứng khoán thay vì đầu tư vào sản xuất kinh doanh, vàng vật chất, ngoại tệ hay gửi tiền tiết kiệm để làm giàu hay không? Yếu tố hấp dẫn nào của thị trường khiến mọi người hành động như vậy? Câu trả lời dễ thấy chính là tỷ suất sinh lợi cao (so với các hình thức khác) và có thể dự đoán được, thể hiện qua phương pháp phân tích kỹ thuật và phân tích cơ bản được sử dụng rộng rãi trong thị trường chứng khoán HOSE. Thế nhưng càng nhiều người tham gia vào thị trường, khi đó nỗ lực của những nhà đầu tư có tự triệt tiêu tỷ suất sinh lợi dự báo được này hay không? Một lý thuyết góp phần giải thích cho sự tự triệt tiêu này là lý thuyết thị trường hiệu quả - cho biết giá cả chứng khoán phản ánh mọi thông tin và giá cả biến động ngẫu nhiên. Nhiều bằng chứng trên thế giới cho biết có sự tồn tại lẫn không tồn tại tính hiệu quả về mặt thông tin của thị trường. Vậy Việt Nam - thị trường chứng khoán mới trải qua gần 10 năm hoạt động có thực sự hiệu quả hay không và mức độ hiệu quả này như thế nào? Hiện nay, chưa có bài viết hoàn chỉnh nào đi sâu vào vấn đề này, khi mà mỗi bài nghiên cứu trước đây về thị trường chứng khoán HOSE và HASTC đều trình bày mỗi khía cạnh khác nhau của vấn đề. Do đó, bài viết này ra đời nhằm mục đích giúp ta có cái nhìn hoàn thiện hơn về thị trường chứng khoán Việt Nam, tiêu biểu là HOSE và các chứng khoán tiêu biểu. Mục tiêu nghiên cứu: Bài viết này nhằm mục tiêu xem xét các mức độ hiệu quả về mặt thông tin của thị trường HOSE và các bất thường trên thị trường, đồng thời giải thích cho sự không hiệu quả này bằng lý thuyết tài chính hành vi khi mà lý thuyết thị trường hiệu quả không thể giải thích được. Phƣơng pháp nghiên cứu: Phép định lượng được sử dụng nhằm kiểm định mức độ hiệu quả của thị trường, bao gồm kiểm định nghiệm đơn vị, kiểm định hệ số tương quan, kiểm định phương sai, kiểm định sự tồn tại các hiệu ứng bất thường bằng việc xây dựng mô hình hồi quy, mô hình GARCH và các dạng mở rộng của nó, đồng thời ứng dụng lý thuyết tài chính hành vi để giải thích. Trang ii Nội dung nghiên cứu: Chương 1: Các kết quả gần đây về sự hiệu quả của thị trường Đưa ra lý thuyết tổng quát về thị trường hiệu quả và các bằng chứng trên thế giới chứng minh cho sự tồn tại tính chất này của thị trường Chương 2: Thực tiễn về thị trường hiệu quả về mặt thông tin ở Việt Nam Nêu lên phương pháp đo lường và kết quả thực tế của thị trường chứng khoán HOSE và các chứng khoán tiêu biểu là VNM và FPT, thông qua các kiểm định được sử dụng rộng rãi trên thế giới đối với tính hiệu quả dạng yếu và và dạng vừa của thị trường, đồng thời kiểm tra sự tồn tại của hiệu ứng tháng Một và hiệu ứng theo tuần. Chương 3: Những giải thích cho sự không hiệu quả của thị trường Nêu lên lý thuyết giải thích cho sự không hiệu quả của thị trường và ứng dụng của lý thuyết đó để diễn giải cho thực tế ở Việt Nam, cụ thể là phần bù rủi ro trong tỷ suất sinh lợi, sự biến động mạnh trong tỷ suất sinh lợi, vấn đề của quỹ đóng, hiệu ứng tháng Một, hiệu ứng theo tuần và cơn sốt giá chứng khoán, từ đó nêu lên các biện pháp đang được thực hiện lẫn những gợi ý đối với các nhà làm chính sách. Đóng góp của đề tài: Ứng dụng các kiểm định được sử dụng trên thế giới và lời giải thích từ lý thuyết tài chính hành vi, bài viết giúp các nhà đầu tư và các nhà làm chính sách có cái nhìn cụ thể hơn về tính hiệu quả thực sự về mặt thông tin của thị trường, từ đó mang lại những cảm xúc khác nhau cho họ. Đối với nhà đầu tư, sự không hiệu quả cho biết phân tích kỹ thuật hay thông tin nội gián giúp họ kiếm được lợi nhuận một cách dễ dàng và nhanh chóng. Đối với các nhà làm chính sách, đây là bài toán khó bởi sự không hiệu quả này gây ra các hiệu ứng tiêu cực đến thị trường chứng khoán và nền kinh tế, đòi hỏi các biện pháp làm tăng tính hiệu quả này. Hƣớng phát triển của đề tài: Trong tương lai, các phương pháp định lượng mới nhằm xem xét sự hạn chế trong việc kiểm định thị trường hiệu quả chẳng hạn như thay thế mô hình CAPM trong kiểm định tính hiệu quả vừa, kiểm định tính chất cuối cùng đối với tính hiệu quả yếu. Ngoài ra, các lời giải thích dựa trên tài chính hành vi sẽ được hoàn thiện hơn về mặt lý luận nhằm trả lời thoả đáng cho toàn bộ các vấn đề chứ không phải chỉ giải thích cho mỗi vấn đề riêng lẻ. Trang iii MỤC LỤC Lời mở đầu..........................................................................................................................1 Chƣơng 1: Các kết quả nghiên cứu gần đây về sự hiệu quả của thị trƣờng ................3 1.1 Bằng chứng về thị trường hiệu quả dạng yếu ................................................................3 1.2 Bằng chứng về sự bất thường của thị trường .................................................................4 1.2.1 Hiệu ứng theo tuần ..........................................................................................4 1.2.2 Hiệu ứng theo tháng ........................................................................................5 1.3 Bằng chứng về thị trường hiệu quả dạng vừa ................................................................5 Chƣơng 2: Thực tiễn về thị trƣờng hiệu quả ở Việt Nam ..............................................6 2.1 Phương pháp đo lường ...................................................................................................6 2.1.1 Kiểm định nghiệm đơn vị ...............................................................................7 2.1.2 Kiểm định hệ số tương quan ...........................................................................8 2.1.3 Kiểm định phương sai ...................................................................................10 2.1.4 Kiểm định phương sai có điều kiện ..............................................................10 2.1.5 Kiểm định các hiệu ứng bất thường ..............................................................12 2.1.6 Dữ liệu nghiên cứu ........................................................................................14 2.2 Kết quả thực tế .............................................................................................................15 2.2.1 Kiểm định tính hiệu quả yếu .........................................................................15 2.2.1.1 Kiểm định nghiệm đơn vị ..............................................................15 2.2.1.2 Kiểm định hệ số tương quan ..........................................................16 2.2.1.3 Kiểm định phương sai ....................................................................17 2.2.1.4 Kiểm định phương sai có điều kiện ...............................................18 2.2.2 Kiểm định các hiệu ứng bất thường ..............................................................20 2.2.2.1 Hiệu ứng tháng Một .......................................................................20 2.2.2.2 Hiệu ứng theo tuần .........................................................................21 2.2.3 Kiểm định tính hiệu quả vừa .........................................................................22 2.2.3.1 Công bố lợi nhuận ..........................................................................22 2.2.3.2 Công bố mua cổ phiếu quỹ ............................................................23 Chƣơng 3: Những giải thích cho sự không hiệu quả của thị trƣờng...........................25 Trang iv 3.1 Giới hạn kinh doanh chênh lệch giá.............................................................................25 3.2 Tâm lý hành vi .............................................................................................................27 3.2.1 Niềm tin ........................................................................................................27 3.2.2 Sở thích .........................................................................................................29 3.2.3 Tâm lý bầy đàn..............................................................................................31 3.3 Ứng dụng giải thích trong thực tế ................................................................................34 3.3.1 Phần bù rủi ro trong tssl ................................................................................34 3.3.2 Tính biến động mạnh trong tssl ....................................................................35 3.3.3 Vấn đề với quỹ đóng .....................................................................................36 3.3.4 Hiệu ứng tháng Giêng và hiệu ứng theo tuần ...............................................38 3.3.4.1 Hiệu ứng tháng Giêng ....................................................................38 3.3.4.2 Hiệu ứng theo tuần .........................................................................39 3.3.5 Cơn sốt giá chứng khoán ..............................................................................41 3.3.6 Biện pháp làm tăng tính hiệu quả của thị trường ...........................................44 3.3.6.1 Minh bạch thông tin .........................................................................45 3.3.6.2 Tăng tính thanh khoản .....................................................................47 Kết luận .............................................................................................................................50 Tài liệu tham khảo .............................................................................................................51 Phụ lục bảng ...................................................................................................................... 53 Phụ lục hình và biểu đồ ..................................................................................................... 73 Trang v DANH MỤC CÁC BẢNG Bảng 1: thống kê miêu tả VN-INDEX, VNM và FPT .......................................................53 Bảng 2: kiểm định nghiệm đơn vị VN-INDEX, VNM, FPT .............................................54 Bảng 3: hệ số tương quan tuyến tính VN-INDEX, VNM, FPT.........................................55 Bảng 4: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo ngày .........................56 Bảng 5: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo tuần ..........................56 Bảng 6: hệ số tương quan phi tuyến VN-INDEX, VNM, FPT theo tháng ........................57 Bảng 7: kiểm định đoạn mạch VN-INDEX, VNM, FPT ...................................................58 Bảng 8: kiểm định BDS VN-INDEX.................................................................................58 Bảng 9: kiểm định BDS VNM ...........................................................................................59 Bảng 10: kiểm định BDS FPT ...........................................................................................60 Bảng 11: kiểm định Lo Mackinlay VN-INDEX ................................................................61 Bảng 12: kiểm định Lo Mackinlay VNM ..........................................................................61 Bảng 13: kiểm định Lo Mackinlay FPT ............................................................................62 Bảng 14: kiểm định Chow Denning VN-INDEX, VNM, FPT ..........................................62 Bảng 15: kiểm định Chow Denning theo Wright VN-INDEX, VNM, FPT......................63 Bảng 16: mô hình ARMA VN-INDEX .............................................................................63 Bảng 17: mô hình ARMA FPT theo ngày .........................................................................64 Bảng 18: mô hình M-GARCH, T-GARCH VN-INDEX theo ngày ..................................65 Bảng 19: mô hình M-GARCH, T-GARCH VN-INDEX theo tuần ...................................66 Bảng 20: kiểm định Lo Mackinlay VN-INDEX ................................................................66 Bảng 21: kiểm định Chow Denning VN-INDEX ..............................................................67 Bảng 22: kiểm định Chow Denning theo Wright VN-INDEX ..........................................67 Bảng 23: bảng kết quả tổng hợp VN-INDEX, VNM, FPT................................................20 Bảng 24: kiểm định hiệu ứng theo tháng VN-INDEX ......................................................67 Bảng 25: kiểm định hiệu ứng theo tuần VN-INDEX ........................................................68 Bảng 26: kiểm định GARCH, E-GARCH kết hợp theo tuần VN-INDEX ........................69 Bảng 27: khối lượng giao dịch, AER, CAER VNM ..........................................................69 Bảng 28: khối lượng giao dịch, AER, CAER FPT ............................................................70 Trang vi Bảng 29: khối lượng giao dịch, AER, CAER VNM ..........................................................71 Bảng 30: kiểm định theo tuần VN-INDEX........................................................................72 DANH MỤC CÁC HÌNH, BIỂU ĐỒ Hình 1: biểu đồ giá tssl theo ngày, tuần, tháng của VN-INDEX, VNM, FPT...................73 Hình 2: biểu đồ AER, CAER của VNM về công bố lợi nhuận .........................................75 Hình 3: biểu đồ AER, CAER của FPT về công bố lợi nhuận ............................................76 Hình 4: biểu đồ AER, CAER của VNM về công bố mua cổ phiếu quỹ ............................77 Hình 5: hàm υ và π theo lý thuyết triển vọng ....................................................................78 Hình 6: chênh lệch giữa NAV- giá thị trường các quỹ VF1, VF4, PRUBF1, MAFPF1...78 Trang 1 LỜI MỞ ĐẦU Trên các thị trường hàng hoá lẫn tài chính như thị trường nông sản, thị trường các công cụ phái sinh và đặc biệt là thị trường chứng khoán, sự không hiệu quả về mặt thông tin luôn thu hút sự quan tâm của nhiều nhà đầu tư bởi ai cũng mong muốn mình là kẻ chiến thắng và để lại phần thua cho người khác. Không như những năm đầu của thế kỷ 20, hiện nay sức mạnh công nghệ như Internet, điện thoại hay các phương tiện truyền thông đã giúp cho các nhà đầu tư nhanh chóng với những nguồn thông tin có sẵn và sử dụng các thông tin này để thực hiện các hành vi của họ. Tuy nhiên, sự cạnh tranh giữa những nhà đầu tư có thực sự giúp thị trường trở nên hiệu quả hơn hay không, hoặc là nếu không thì đâu là lời giải thích hợp lý nhất? Nhiều câu hỏi được đặt ra bởi các nhà đầu tư bởi lẽ nó tác động đến hành vi của họ cũng như khả năng tạo ra lợi nhuận, có thể được tóm tắt như sau: Điều đầu tiên ai cũng quan tâm đến, đặc biệt là những người sử dụng phân tích kỹ thuật, chính là liệu họ có thể dự đoán giá chứng khoán dựa trên giá cả trong quá khứ hay không, một hình thức phân tích không đòi hỏi nhiều kỹ năng phân tích và kiến thức tài chính. Không dừng lại ở đó, hiện tượng bong bóng giá chứng khoán cũng là một điều đáng quan tâm bởi lẽ khi đó, giá chứng khoán hầu như không phản ánh các thông tin nào liên quan đến công ty niêm yết mà chủ yếu mang theo niềm kỳ vọng bán được giá cao của các nhà đầu tư. Như đã biết, sau cơn sốt giá là thời kỳ thị trường èo uột, tiêu biểu là giai đoạn 2006-2008 của sàn HOSE hay bong bóng dotcom nổi tiếng vào đầu thập niên 2000. Ngoài ra, các hiện tượng bất thường trên thị trường tài chính đã được các nhà kinh tế phát hiện ra, tiêu biểu là hiệu ứng quy mô công ty của Banz và Reiganum (1981), hiệu ứng theo tuần của French (1980), hiệu ứng sức ỳ của DeBondt và Thaler (1985)… có tồn tại trên thị trường HOSE hay không? Nếu câu trả lời là có, các nhà đầu tư sẽ nhanh chóng khai thác hiệu ứng này bởi nó mang lại lợi nhuận có thể biết trước được. Câu hỏi cuối cùng chính là liệu các công bố thông tin công cộng có được phản ánh nhanh chóng vào trong giá chứng khoán hay không? Nếu tồn tại sự rò rỉ thông tin từ trước khi công bố, điều đó cho thấy các nhà đầu tư biết trước thông tin này có thể khai thác nó và để lại các khoản lỗ dành cho những kẻ đến sau cùng. Bên cạnh đó, tính hiệu quả về mặt thông tin này còn thu hút sự chú ý của các cơ quan chức năng, cụ thể là Ủy Ban Chứng Khoán Nhà Nước (UBCKNN) và Bộ Tài Chính (BTC) bởi Trang 2 tác động tiêu cực của sự phi hiệu quả. Hiện nay, pháp luật nước ta về thị trường chứng khoán chưa hoàn thiện, còn thiếu cơ chế rõ ràng cho phép minh bạch hóa thông tin cũng như gia tăng tính thanh khoản cho thị trường. Đó là điều hiển nhiên khi thị trường HOSE chỉ mới trải qua gần 10 năm hoạt động, đồng thời việc học tập các kinh nghiệm nước khác có thể không phù hợp với trình độ phát triển của thị trường Việt Nam, tiêu biểu là việc bán khống các chứng khoán như ở Mỹ. Ngoài ra, các công ty niêm yết cũng quan tâm đến sự hiệu quả của thị trường bởi lẽ việc công bố các tin tức ra thị trường - một kênh giao tiếp gián tiếp với nhà đầu tư, có hiệu quả hay không rất đáng quan tâm, bởi nó ảnh hưởng đến hoạt động của công ty, chẳng hạn như huy động vốn qua phát hành chứng khoán. Nếu các nhà đầu tư không biết đến tin tức về dự án sắp được xây dựng này, công ty khó lòng huy động được nhiều tiền mặt như mong đợi. Từ những lý do cấp thiết trên, bài viết “tính hiệu quả về mặt thông tin của thị trường chứng khoán Việt Nam” ra đời nhằm xem xét thực trạng về tính hiệu quả này và giải thích nó, nhằm cung cấp câu trả lời thỏa đáng nhất cho các bên quan tâm đến yếu tố này. Kết cấu bài nghiên cứu: Chương 1: Các kết quả gần đây về sự hiệu quả của thị trường: đưa ra lý thuyết tổng quát về thị trường hiệu quả và các bằng chứng trên thế giới chứng minh cho sự tồn tại tính chất này của thị trường, độ dài 3 trang. Chương 2: Thực tiễn về thị trường hiệu quả ở Việt Nam: nêu lên phương pháp đo lường và kết quả thực tế của thị trường chứng khoán HOSE và các chứng khoán tiêu biểu, độ dài 19 trang Chương 3: Những giải thích cho sự không hiệu quả của thị trường: nêu lên lý thuyết giải thích cho sự không hiệu quả của thị trường và ứng dụng của lý thuyết đó để diễn giải cho thực tế ở Việt Nam, độ dài 25 trang. Trang 3 CHƢƠNG 1 Các kết quả nghiên cứu gần đây về sự hiệu quả của thị trƣờng Một trong những vần đề nhận được quan tâm của giới học thuật hiện nay là thị trường liệu có hiệu quả? Lý thuyết này tranh luận rằng nếu giá chứng khoán phản ánh tất cả các thông tin có sẵn và lập tức chiết khấu thông tin mới thì thị trường có tính hiệu quả. Fama (1970) định nghĩa ba dạng của thị trường lần lượt là hiệu quả dạng yếu - không thể dự báo tssl tương lai dựa trên tssl quá khứ, hiệu quả dạng vừa - giá cả phản ánh đầy đủ các thông tin công cộng và không nhà đầu tư nào có thể kiếm được tssl vượt trội từ thông tin này và hiệu quả dạng mạnh - giá cả phản ánh mọi thông tin và các nhà đầu tư không kiếm được tssl vượt trội từ bất cứ thông tin nào. Các nhà đầu tư quan tâm đến sự hiệu quả của thị trường bởi nếu thị trường không hiệu quả, họ có thể dự báo được tssl trong tương lai và hưởng lợi từ nó. Những người làm chính sách quan tâm đến điều này bởi nếu nó không xảy ra sẽ cho phép cơ chế giá cả hoạt động có sai sót, tức là sự phân bổ nguồn vốn không hiệu quả, dẫn đến tác động xấu cho nền kinh tế. Các bằng chứng thực nghiệm trên thế giới đưa ra những kết luận mâu thuẫn nhau về sự tồn tại của thị trường hiệu quả. Ở đây, ta chỉ xem xét các bằng chứng về dạng yếu và vừa, vì để thị trường hiệu quả dạng mạnh, nó phải thoả mãn các tính chất của thị trường hiệu quả dạng yếu và vừa, do đó nếu không thỏa mãn được hai yếu tố đầu tiên này, ta không cần xem xét liệu thị trường có hiệu quả dạng mạnh hay không. 1.1 Bằng chứng về thị trƣờng hiệu quả dạng yếu Đầu tiên là những bằng chứng về thị trường hiệu quả dạng yếu: Ở Châu Mỹ, Ojah và Karemera (1999) sử dụng phương pháp tỷ lệ phương sai cũng như mô hình ARIMA không thể bác bỏ sự tồn tại dạng yếu đối với các thị trường Argentina, Brazil, Chile và Mexico. Whortington và Higgs (2003) đưa ra các kết quả ngược lại với các thị trường Argentina, Brazil, Columbia, Mexico, Peru, Venezuela bằng kiểm định nghiệm đơn vị, tỷ lệ phương sai và kiểm định đoạn mạch. Ở Châu Á, Abraham (2002) và các cộng sự kiểm định các thị trường Bahrain, Kuwait, Ả Rập Saudi và bác bỏ giả thiết bằng kiểm định tỷ lệ phương sai và kiểm định đoạn mạch. Trang 4 Marashdeh và Shrestha (2008) sử dụng kiểm định ADF và PP cho thấy thị trường Các tiểu vương quốc Ả Rập Thống Nhất ở dạng yếu. Gan, Lee, Hwa và Zhang (2005) sử dụng kiểm định ADF, PP ủng hộ cho lý thuyết đối với Úc và New Zealand. Ở Châu Phi, Khazali và các cộng sự (2007) sử dụng kiểm định kiểm định đoạn mạch, kiểm định dấu (sign test), kiểm định bậc (rank test) và tỷ lệ phương sai đối với các nước thuộc khối Bắc Phi và Trung Đông (MENA) ủng hộ lý thuyết này. Jefferish và Smith (2005) kiểm định đối với 6 quốc gia (Ai Cập, Kenya, Ma Rốc, Mauritius, Nigeria và Nam Phi) theo tuần từ 1/1990-6/2001 cho thấy chỉ có Nam Phi hiệu quả dạng yếu trong khi Ai Cập, Ma Rốc và Nigeria trở nên hiệu quả yếu vào cuối thời kỳ xem xét. Enowbi, Guidi và Mlambo (2009) xem xét các quốc gia Ai Cập, Ma Rốc, Nam Phi và Tunisia bằng các kiểm định tham số và phi tham số vừa bác bỏ tính hiệu quả này (ngoại trừ Nam Phi). Ở Châu Âu, Dorina (sau năm 2006) sử dụng hệ số tương quan, kiểm định đoạn mạch, kiểm định BDS với các quốc gia Rumani, Hungary, CH Séc, Lithuania, Ba Lan, Slovakia, Slovenia và Thổ Nhĩ Kỳ, cho biết CH Séc, Slovenia và Lithuania không hiệu quả (có tương quan tuyến tính giữa tssl) và tương quan phi tuyến giữa tssl ở các quốc gia xem xét ngoại trừ Rumani. Ozdemir (2008) xem xét tssl theo tuần của Thổ Nhĩ Kỳ sử dụng kiểm định ADF, kiểm định đoạn mạch và tỷ lệ phương sai ủng hộ cho lý thuyết. 1.2 Bằng chứng về sự bất thƣờng của thị trƣờng 1.2.1 Hiệu ứng theo tuần Nếu như thị trường không hiệu quả, việc xem xét các bất thường của thị trường như hiệu ứng theo tuần, hiệu ứng tháng Giêng trở nên hấp dẫn bởi khả năng áp dụng nó để tạo ra tssl. Đối với hiệu ứng theo tuần, Brooks và Persand (2001) xem xét với Đài Loan, Hàn Quốc, Philippines, Mã Lai và Thái Lan từ 1989-1996 cho biết Hàn Quốc và Philippines không có hiệu ứng này, thay vào đó Thái Lan và Mã Lai đạt tssl dương vào ngày thứ Hai và âm vào ngày thứ Ba, Đài Loan đạt tssl âm vào ngày thứ Tư, tất cả đều có ý nghĩa. Ajayi và các cộng sự (2004) tìm thấy những bằng chứng tại các quốc gia Đông Âu từ giữa thập niên 90-2002: tssl thứ Hai âm trong 12 thị trường (chỉ có Estonia và Lithuania có ý nghĩa), dương trong 5 thị trường (chỉ có Nga có ý nghĩa). Rossi (2007) xem xét các quốc gia Nam Mỹ từ 1997-2006 cho biết Brazil có tssl thứ Sáu dương, Chile tssl thấp nhất thứ Hai, dương vào thứ Tư, Sáu, Mexico tssl cao nhất vào thứ Tư. Jarret và Kyper (2005) cho biết có hiệu ứng này ở Mỹ bằng việc xem xét 49 chứng khoán ngẫu nhiên. Trang 5 1.2.2 Hiệu ứng theo tháng Đối với hiệu ứng theo tháng, Schallheim và Kato (1985) xem xét với thị trường Tokyo từ 1952-1980 cho thấy tháng Một và tháng Sáu đều có tssl dương có ý nghĩa. Hansen và Lunde (2003) xem xét Đan Mạch, Pháp, Đức, Hồng Kông, Ý, Nhật, Na Uy, Thụy Điển, Mỹ cho ủng hộ sự tồn tại của hiệu ứng tháng Giêng. Gao và Kling (2005) sử dụng mẫu như kiểm định hiệu ứng theo tuần cho biết tssl tháng Ba, Tư cao nhất trong năm. Gu (2006) trong nghiên cứu về các thị trường Canada, Pháp, Đức, Nhật và Anh từ 1970-2000 tssl tháng Một cao nhất. Các bằng chứng ủng hộ cũng được tìm thấy ở Ghana với nghiên cứu của Alagidede và Panagiotidis (2006), ở Ấn Độ của Pandey (2002). Enowbi, Guidivà Mlambo (2009) kiểm định đối với Ai Cập, Ma Rốc, Nam Phi và Tunisia cho biết tssl tháng Một cao nhất có ý nghĩa đối với Ai Cập, Ma Rốc, Tunisia. 1.3 Bằng chứng về thị trƣờng hiệu quả dạng vừa Khi thị trường hiệu quả dạng yếu, ta tiếp tục xem xét liệu giá cả có phản ánh các thông tin công cộng kịp thời hay không - tức là hiệu quả dạng vừa. Đối với công bố mua lại cổ phiếu quỹ ở thị trường New York, Kinsler và Bacon (2008) xem xét 50 công ty niêm yết ở NYSE và NASDAQ từ 8/2000-7/2007 cho biết tssl bất thường tích lũy (CAER) âm trước khi công bố, tăng mạnh lên vùng >0 tại ngày 0 và đi ngang sau đó ủng hộ cho ý kiến trên. Đối với công bố mua bán sáp nhập, hai tác giả trên sử dụng 20 công bố của các công ty niêm yết ở NYSE và NASDAQ từ 4/2007-8/2007 bác bỏ ý kiến hiệu quả dạng vừa bởi CAER liên tục tăng từ trước khi công bố cho đến ngày 25. Đối với công bố lợi nhuận, Raja và Sudhahar (2010) xem xét các công ty IT niêm yết ở Ấn Độ từ 2000-2007 ủng hộ lý thuyết này nhưng nhấn mạnh thị trường không hoàn toàn hiệu quả bởi CAER sau khi công bố hơi đi chệch xuống. Đối với chia tách cổ phiếu, hai tác giả trên (2009) xem xét 128 công bố của bốn mươi ba công ty IT từ 1/2000-7/2006 cho thấy có sự phản ứng trong giá cổ phiếu tại ngày 0 nhưng phản ứng còn kéo dài đến ngày 15, hàm ý thị trường chưa hoàn toàn hiệu quả dạng vừa. Như vậy, có thể thấy có những bằng chứng ủng hộ lẫn bác bỏ lý thuyết này, còn đối với Việt Nam - quốc gia có thị trường chứng khoán mới phát triển từ năm 2000 đến nay thì sao? Mục đích của bài viết này nhằm cung cấp các bằng chứng về sự hiệu quả của thị trường ở Việt Nam, đồng thời đưa ra các giải thích cho sự không hiệu quả này nếu có. Trang 6 CHƢƠNG 2 Thực tiễn về thị trƣờng hiệu quả ở Việt Nam 2.1 Phƣơng pháp đo lƣờng Khi đề cập đến thị trường hiệu quả dạng yếu, các nhà kinh tế đề xuất phương trình như sau: P(t) = P(t-1) + u(t) với u là nhiễu trắng thỏa mãn E(u(t)) = 0, var = σ2, cov(u(i),u(j)) = 0 với i khác j Phương trình này hàm ý giá cả ngày ngày mai không thể dự đoán dựa trên giá cả ngày hôm nay, thể hiện qua u(t) nhiễu trắng và dữ liệu giá quá khứ được phản ánh đầy đủ trong giá cả hôm nay, thể hiện qua phương trình chỉ biểu diễn mối quan hệ giữa P(t) và P(t-1) chứ không phải P(t) với P(t-1), P(t-2)…Tuy nhiên, khi giá cả thể hiện một xu hướng tăng hay giảm trong dài hạn, phương trình trên cần thêm biến alpha thể hiện sự thay đổi giá cả trung bình mỗi ngày, tháng tương ứng với t. Để dễ dàng cho việc tính toán, ta lấy log P(t), phương trình mới là: Log P(t) = A*logP(t-1) + u(t) Lấy 2 vế trừ cho log P(t-1), ta có: logP(t) - log(P(t-1)) = (A-1)*log(P(t-1)) + u(t) khi A = 1, log P(t) - log(P(t-1)) = u(t) Có thể thấy vế trái phương trình chính là tỷ suất sinh lợi liên tục (tssl) giữa ngày t và t-1. Như vậy, để kiểm định bước đi ngẫu nhiên, trước hết ta cần kiểm định A có bằng 1 hay không và tiếp theo là kiểm tra các tính chất của tssl, tức u(t). Bên cạnh đó, nhằm phân chia mức độ của lý thuyết bước đi ngẫu nhiên thành các dạng khác nhau, ta cần quan tâm đến các giả thiết con của lý thuyết này: Giả thiết 1: u(t) độc lập và có phân phối xác định, một dạng điển hình là phân phối chuẩn – dạng chặt chẽ nhất. Giả thiết 2 : u(t) là nhiễu trắng - dạng vừa. Giả thiết 3 : u(t) không tồn tại sự tương quan tuyến tính - dạng yếu. Trước khi đi sâu vào các kiểm định cụ thể dưới đây, ta cần biết một số tính chất của chuỗi dừng và chuỗi không dừng. Một chuỗi dừng nếu có các đặc điểm giá trị kỳ vọng, phương sai không đổi theo thời gian và cov(Y(t),Y(t-k)) = a(k) (nghĩa là hiệp phương sai giữa hai giá trị Y Trang 7 cách nhau k giai đoạn). Một chuỗi không dừng là chuỗi có giá trị kỳ vọng hay phương sai thay đổi theo thời gian hoặc cả hai. Xét Y(t) = Y(t-1) + u(t) với u(t) là nhiễu trắng Y(1) = Y(0) + u(1); Y(2) = Y(1) + u(2) = Y(0) + u(1) + u(2) với Y(0) là hằng số Y(t) = Y(t-1) + u(t) = Y(0) + u(1) +….+ u(t) có E(Y(t)) = E(Y(t-1)) và var(Y(t)) = t*var(u). Như vậy, Y(t) không phải là chuỗi dừng vì có phương sai thay đổi theo thời gian, t càng lớn, phương sai cũng lớn theo. 2.1.1 Kiểm định nghiệm đơn vị Quay trở lại với chủ đề chính, đầu tiên ta kiểm định liệu chuỗi logP(t) có phải là chuỗi dừng hay không (tương ứng với A=1) bằng phương pháp nghiệm đơn vị. Phương pháp này xét phương trình Y(t) = A*Y(t-1) + u(t) với -1<=A<=1, u(t) là nhiễu trắng. Ta có các giả thiết H0: A=1(chuỗi không dừng) và giả thiết đối H1: A<1(chuỗi dừng) Phương trình trên tương đương với Y(t) - Y(t-1) = (A-1)*Y(t-1) + u(t) = a*Y(t-1) + u(t) Giả thiết trên có thể viết lại H0: a=0 và H1: a<0 Dickey Fuller (1979) cho rằng giá trị ước lượng tau của hệ số a sẽ theo phân phối xác suất tau(tau = giá trị p ước lượng/sai số của a). Kiểm định này được ước lượng với ba hình thức: ∆Y(t) = a*Y(t-1) + u(t) ∆Y(t) = α + a*Y(t-1) + u(t) ∆Y(t) = α + b*T + a*Y(t-1) + u(t) = a*Y(t-1) + c*X(t) + u(t) (1) với T là biến xu thế và X(t) là biến ngoại sinh bao gồm α hay α và biến xu thế. Việc lựa chọn mô hình nào có kết quả kiểm định đúng phụ thuộc vào giá trị tau của hệ số theo biến Y(t-1). Vì a luôn <=0 nên tau <=0. Bất cứ kiểm định nào cho hệ số tau >0 đều không có ý nghĩa về mặt thống kê. Tuy nhiên, có thể có sự xuất hiện hiện tượng tương quan chuỗi giữa các u(t) do thiếu biến nên kiểm định DF mở rộng được sử dụng bằng cách đưa thêm vào phương trình các biến trễ của biến phụ thuộc ∆Y(t): ∆Y(t) = α + b*T + a*Y(t-1) + u(t) + ∑∆Y(t-k) với k=1,…, n Bên cạnh đó, đối với trường hợp nghi ngờ có hiện tượng tương quan chuỗi giữa u(t), Philips Perron (1988) đề xuất kiểm định ước lượng phương trình (1) và cải biến giá trị tau sao cho hiện tượng tương quan giữa u(t) không ảnh hưởng đến phân phối tau. Ngoài ra, kiểm định KPSS (1992) cũng được sử dụng để kiểm định tính dừng của Y(t) nhưng giả thiết H0: Y(t) là chuỗi dừng, được biểu diễn qua phương trình sau: Y(t) = c*X(t) + u(t). Trang 8 2.1.2 Kiểm định hệ số tƣơng quan Sau khi đã xác định mối quan hệ giữa Y(t) và Y(t-1), ta xét đến các tính chất của u(t) (tssl). Đầu tiên là cov(u(i), u(j))=0 liệu có đúng hay không? Để kiểm định tính chất này, ta sử dụng hệ số tương quan . Barnett (1996) đã chỉ ra nếu chuỗi u(t) độc lập, có phân phối xác suất xác định thì các hệ số tương quan p(k) (ACF) sẽ có phân phối xấp xỉ chuẩn với kỳ vọng bằng 0 và phương sai là 1/n với n khá lớn: p(k) xấp xỉ N(0, 1/n). Giả thiết cần kiểm định H0: p(k)=0, H1: p(k) khác 0 với k là độ trễ. Tuy nhiên, u(t) là nhiễu trắng đòi hỏi p(k)=0 với mọi k nên kiểm định Ljung Box được sử dụng nhằm khảo sát giả thiết này. Ngoài ra, các hệ số tương quan p(k) phản ánh mức độ kết hợp tuyến tính giữa hai biến, mức độ đó có thể bị ảnh hưởng bởi các biến khác, ví dụ như u(t-1), u(t-2)… có thể ảnh hưởng đến mức độ kết hợp của u(t) và u(t-k). Do đó, để đo mức độ kết hợp riêng rẽ giữa u(t) và u(t-k), ta có thể sử dụng hệ số tự tương quan riêng p(kk) (PACF), cũng tuân theo phân phối xấp xỉ chuẩn N(0, 1/n) nếu u(t) thỏa điều kiện trên. Thêm vào đó, nếu u(t) độc lập và có phân phối xác suất xác định thì u(t) bình phương và u(t) tuyệt đối cũng tương tự như vậy. Ta lần lượt kiểm định tính chất này. Nếu hệ số tương quan giữa u(t) bình phương và u(t) tuyệt đối khác 0 đáng kể thì giả thiết u(t) có phân phối xác định sẽ bị bác bỏ và u(t) không độc lập. Theo Taylor(1), hiện tượng phương sai có điều kiện thay đổi hay phương sai thay đổi có thể giải thích cho hiện tượng này. Vậy hai hiện tượng này là gì? Như tên gọi của nó, phương sai thay đổi cho biết có sự biến động trong phương sai trong giai đoạn xem xét, khi đó phương sai không là hằng số theo thời gian. Nó bao gồm hai dạng là phương sai có điều kiện thay đổi và phương sai không điều kiện thay đổi. Dạng thứ nhất ám chỉ khi có cú sốc tạo ra sự biến động lớn trong một thời kỳ thì sự ảnh hưởng này kéo dài trong một vài thời kỳ sau đó, do đó ta không dự đoán được tính biến động này ở tương lai vì không thể biết trước các cú số xảy ra khi nào. Tuy nhiên, khi có hiện tượng phương sai thay đổi, chưa chắc tồn tại phương sai thay đổi vì chỉ khi có cú sốc xảy ra khiến giá cả biến động mạnh, mới có hiện tượng phương sai có điều kiện thay đổi. Do đó thông thường phương sai thay đổi là dạng thứ hai. Dạng này cho biết có thể biết trước được tính biến động của yếu tố xem xét trong tương lai, được giải thích bởi sự tồn tại của yếu tố mùa vụ. Ví dụ như lượng tiêu thụ điện mùa khô luôn cao hơn mùa mưa và ta có thể biết trước được hiện tượng này. Ta sẽ quay trở lại hai vấn đề này ở phía dưới. (1) trang 64, 65, 66 sách “Modelling financial time series”, tái bản lần 2, tác giả Taylor, nhà xuất bản World Scientific Trang 9 Tuy nhiên, việc giả thiết p(k) tuân theo phân phối xấp xỉ chuẩn là hạn chế của kiểm định hệ số tương quan. Hạn chế này xuất hiện khi u(t) không độc lập, không có phân phối xác suất xác định và không đúng với u(t) phi tuyến, ngay cả khi nó là nhiễu trắng (theo Talyor(2)). Khi đó, phương sai của p(k) có thể rất lớn so với 1/n. Do đó, kiểm định đọan mạch tiếp cận theo một hướng khác để xác định sự độc lập giữa u(t) khi hạn chế này bị vi phạm, nghĩa là kiểm định không quan tâm đến phân phối của p(k) như thế nào. Tính độc lập cho biết có sự không tương quan tuyến tính và không tương quan phi tuyến. Một đoạn mạch là một dãy liên tục các ký hiệu giống nhau. Nếu u(t) có xu hướng thay đổi theo chiều tăng hay giảm, thì đoạn mạch trung bình sẽ dài hơn và số lượng đoạn mạch sẽ ít hơn so với quá trình ngẫu nhiên. Các ký hiệu ở đây mang dấu + nếu u(t) lớn hơn u trung bình hay trung vị u, - nếu u(t) bé hơn, 0 nếu không có sự thay đổi so với giá trị so sánh gốc. Giả thiết H0: u(t) độc lập, H1: u(t) không độc lập được kiểm định. Ngoài ra, BDS (Brock, Dechert, Scheinkman và LeBaron) (1996) tiếp cận theo hướng khác nhằm kiểm định tính độc lập giữa các tssl. Ý tưởng cơ bản của kiểm định này là nếu u(t) độc lập và có phân phối xác định thì xác suất khoảng cách của bất cứ cặp u(t), u(t-k) nào nhỏ hơn giá trị epsilon cho trước là hằng số, được mở rộng cho một dãy các cặp u(t) u(k), u(t+1) u(k+1)… u(t+m-1) u(k+m-1) với m là chiều dài của dãy (embedding dimension), m >=1 và xác suất chung cho khoảng cách giữa các cặp bé hơn epsilon cho trước là hằng số. Do u(t) độc lập và có phân phối xác định nên xác suất chung này bằng với xác suất của mỗi cặp u(t) u(k). Giả thiết H0: tssl giữa các kỳ là độc lập tương ứng với xác suất chung này bằng với xác suất mỗi cặp u(t) u(k) bé hơn epsilon. Tuy nhiên, nếu phân phối của thống kê BDS không có phân phối chuẩn thì sử dụng phương pháp tái tạo mẫu bootstrap - lấy ngẫu nhiên các giá trị từ mẫu ban đầu tạo thành mẫu mới nhằm đưa ra kết quả chính xác hơn. Phương pháp này tính toán giá trị thống kê BDS cho mỗi lần tái tạo mẫu và so sánh nó với giá trị thống kê BDS từ mẫu ban đầu, từ đó rút ra giá trị p-value bằng số nhỏ hơn giữa số lần tái tạo có giá trị thống kê lớn hơn và nhỏ hơn giá trị thống kê từ mẫu ban đầu/tổng số lần tái tạo và nhân với 2 (do kiểm định hai phía). (2) trang 25 sách “Modelling financial time series”, tái bản lần 2, tác giả Taylor, nhà xuất bản World Scientific Trang 10 2.1.3 Kiểm định phƣơng sai Tiếp theo, ta xét đến tính chất var u(t) không thay đổi theo thời gian. Nếu tính chất này đúng thì phương sai trong q thời kỳ sẽ bằng với q lần phương sai trong một thời kỳ, tức là: var (u(t) - u(t-q)) = q*var(u(t) - u(t-1)). Lo và Mackinlay (1988) đã đề xuất kiểm định dựa trên ý tưởng này. Họ sử dụng tỷ lệ phương sai: VR(q) = (1/q)*var u(q)/var u(1). U(t) có phương sai không đổi trong thời gian q tương ứng với giả thiết H0: VR(q)=1. Tuy nhiên, hạn chế của kiểm định này chính là chỉ xét đến khoảng thời gian q và việc lựa chọn q để xét mang tính chủ quan trong khi đó nếu var u(t) không đổi theo thời gian thì VR(q)=1 đúng với mọi q=1, 2,… Do đó, Chow và Denning (1993) đề xuất kiểm định H0: VR(q)=1 với mọi q và H1: có ít nhất 1 VR(q) khác 1. Giá trị kiểm định ở đây là MV= √ T*(max│VR(q)-1)│). Giá trị pvalue tính toán tương ứng với chặn trên sao cho giá trị MV bé hơn hoặc bằng chặn trên này (*). Mặc dù hai kiểm định này được sử dụng rộng rãi, nhưng nó vẫn có một số nhược điểm. Thứ nhất, Lo và Mackinlay giả định phân phối mẫu VR là phân phối chuẩn tắc. Điều này chưa chắc đúng nếu số lượng quan sát u(t) ít. Thứ hai, việc kiểm định VR(q)=1 với q=1, 2,…. có thể đưa đến kết luận bác bỏ giả thíết H0 sai lầm do có hiện tượng tương quan giữa các VR(q) đơn lẻ gây ra bởi các quan sát trùng lắp trong VR(q). Từ hai nhược điểm trên, trong kiểm định Chow và Denning, phương pháp tái tạo mẫu bootstrap một lần nữa được sử dụng, từ đó cho kết quả chính xác hơn. Giá trị p-value tính toán trực tiếp bằng tỷ lệ giữa số lần tái tạo có giá trị MV lớn hơn chặn trên được xác định từ (*) chia cho tổng số lần tái tạo; q nên bằng 2, 4, 8, 16, 32 đối với dữ liệu theo ngày. Dựa trên ý tưởng của Lo và Mackinlay, Wright (2000) đề xuất sử dụng rank và rank scores của tssl thay cho chính tssl và chứng minh phương pháp này chính xác hơn khi tssl không tuân theo phân phối chuẩn. Giá trị q xét đến là 2, 5, 10, 30. 2.1.4 Kiểm định phƣơng sai có điều kiện Như đã nói ở trên, nếu có hiện tượng tương quan giữa tssl bình phương, trị tuyệt đối tssl thì có thể có hiện tượng phương sai có điều kiện thay đổi. Để xác định xem có hiện tượng này hay không, ta tìm hiểu về các mô hình AR(p), MA(q) và ARMA(p, q). Cả ba mô hình đều dựa trên chuỗi thời gian đang xét đến có tính dừng ( theo Gujarati (2003), nếu một chuỗi thời gian không dừng thì phương trình ước lượng sẽ không có ý nghĩa thống kê), có thể được kiểm định bằng phương pháp nghiệm đơn vị. Xét mô hình AR(p) tự hồi quy bậc p có dạng: Y(t) = a + b(1)*Y(t-1) +….+ b(p)*Y(t-p) + u(t) hàm ý hành vi của Y(t) được xác định bởi giá trị trước đó của chính chuỗi thời gian. Mối Trang 11 tương quan giữa biến phụ thuộc Y(t) và Y(t-1), Y(t-2)… được xác định dựa trên hệ số tương quan riêng như đã đề cập phía trên. Mô hình AR(p) đòi hỏi hệ số tương quan ACF có xu hướng bằng 0 ngay lập tức, trong khi đó PACF sẽ có xu hướng khác 0 một cách có ý nghĩa thống kê cho đến độ trễ p và bằng 0 ngay sau độ trễ p đó. Tiếp đến là mô hình MA(q) có dạng: Y(t) = μ + u(t) + b(1)*u(t-1) +….+ b(q)*u(t-q) Y(t) - μ = u(t) + b(1)*u(t-1) +….+ b(q)*u(t-q) hàm ý độ lệch của Y(t) là một hàm tuyến tính của các sai số hiện tại và quá khứ. Để xác định độ trễ p ta sử dụng giản đồ tự tương quan ACF sẽ có xu hướng khác 0 một cách có ý nghĩa thống kê cho đến độ trễ q và sẽ bằng 0 sau độ trễ này. Trong khi đó PACF sẽ có xu hướng bằng 0 ngay lập tức. Nếu chuỗi dữ liệu vừa có ACF và PACF khác 0 một cách có ý nghĩa thống kê và là chuỗi dừng thì có thể tuân theo mô hình tổng quát ARMA(p, q). Sau khi ước lượng được mô hình ARMA(p, q) phù hợp, ta kiểm tra liệu có hiện tượng phương sai có điều kiện thay đổi của u(t). McLeod và Li (1983) đề xuất xem xét hệ số tương quan giữa u(t) bình phương, Engle (1982) xây dựng phương trình u(t)2 = c + u(t-1)2 +…+ u(t-k)2 (2). Nếu hệ số tương quan giữa u(t) bình phương và các hệ số trong phương trình Engle khác 0 có ý nghĩa thống kê, khi đó tồn tại hiện tượng phương sai có điều kiện thay đổi (ARCH). Engle đề xuất phương trình ARCH(q) như sau: Y(t) = a + b*X(t) + u(t) với X(t) có thể là biến giả hay biến trễ Y(t-1), Y(t-2) u(t) tuân theo phân phối N(0, h(t)) h(t) = a + b(1)*u(t-1)2 +….+ b(p)*u(t-p)2 Mô hình này cho rằng khi có một cú sốc lớn xảy ra ở các giai đoạn trước thì giá trị u(t) bình phương cũng sẽ lớn hơn. Các giá trị b(p) phải dương vì phương sai luôn dương. Tuy nhiên, việc xét ARCH(p) với p càng cao, càng làm giảm kết quả ước lượng (thông qua hệ số xác định điều chỉnh R2 = 1 - ESS(n-1)/TSS(n-k) giảm khi k càng lớn) khi giảm đáng kể số bậc tự do trong mô hình. Vì vậy, Bollerslev (1986) đề xuất đưa thêm vào phương trình các biến trễ của phương sai có điều kiện theo dạng tự hồi quy. Mô hình GARCH(p, q) có dạng sau đây: Y(t) = a + b*X(t) + u(t) với X(t) có thể là biến giả hay biến trễ Y(t-1), Y(t-2) u(t) tuân theo phân phối N(0, h(t)) h(t) = a + b(1)*u(t-1)2 +….+ b(p)*u(t-p)2 + c(1)*h(t-1) +….+ c(q)*h(t-q), b(p) và c(q) dương Trang 12 Bollerslev cũng chứng minh mô hình GARCH(1,1) tương đương với mô hình ARCH(p) (3) . Do đó, ta sẽ sử dụng phương trình GARCH thay cho các mô hình ARCH bậc cao. Việc xác định p mang tính chất định tính, ta có thể thử bằng những giá trị khác nhau sao cho thỏa mãn điều kiện b(p) và các hệ số có ý nghĩa thống kê. Điều này cũng tương tự với q, được xác định từ phương trình (2). Ngoài ra, mô hình GARCH-M (1987) và T-GARCH (1993, 1994) được sử dụng để bù đắp nhược điểm của GARCH. Thứ nhất, GARCH-M cho phép bổ sung giá trị trung bình phụ thuộc vào phương sai có điều kiện hay độ lệch chuẩn có điều kiện của chính nó. Điều này hàm ý các nhà đầu tư thường đòi hỏi phần phí bù rủi ro khi rủi ro càng cao - được đo lường bằng phương sai có điều kiện. Nếu hệ số của nó >0 có ý nghĩa thống kê thì kết luận có hiện tượng trên. Tương tự, mô hình T-GARCH cho phép tách biệt ảnh hưởng của các cú sốc dương (tin tức tốt) và âm - liên quan đến tính hiệu quả của thị trường, trong khi đó mô hình GARCH chỉ quan tâm đến giá trị tuyệt đối của các cú sốc ( u(t)2) chứ không quan tâm đến dấu của chúng. Vì vậy, T-GARCH bổ sung vào phương trình phương sai có điều kiện biến giả d(t) có giá trị =1 nếu u(t) <0 và =0 nếu u(t) >0. Nếu hệ số của biến giả này có ý nghĩa thống kê chứng tỏ có sự khác biệt giữa các cú sốc âm và dương, ví dụ cú sốc âm có tác động mạnh làm các nhà đầu tư bi quan, chán nản và chờ đợi một cách thụ động các dấu hiệu thị trường, hàm ý thị trường không hiệu quả. Phương trình phương sai của T-GARCH(1,1) có dạng: h(t) = a + b(1)*u(t-1)2 + b’(1)*d(t1)*u(t-1)2 + c(1)*h(t-1). Ngoài ra, Lo và Mackinlay đã mở rộng kiểm định của mình đối với hiện tượng phương sai có điều kiện thay đổi và giả thiết Ho tương tự như trên. Tương tự cho Chow và Denning. Đặc biệt, khi VR không có phân phối chuẩn, Kim đề xuất sử dụng phương pháp tái tạo mẫu Wild bootstrap - tái tạo mẫu Y(t)*=NY(t) với N có trung bình và phương sai thuần nhất. Giá trị pvalue được tính toán tương tự như đề cập ở phần trước. Dựa trên ý tưởng của Lo và Mackinlay, Wright cũng đề xuất sử dụng dấu (sign) cùa tssl thay vì chính nó để kiểm định trong trường hợp này. 2.1.5 Kiểm định các hiệu ứng bất thƣờng Từ những kiểm định về tính tương quan và phương sai của u(t) là cơ sở thuyết phục về các tính chất của u(t). Tuy nhiên, ta còn bỏ sót việc kiểm định liệu E(u(t)) có thay đổi theo thời (3) trang 518 sách “Dự báo và phân tích dữ liệu trong kinh tế và tài chính, đồng tác giả Nguyễn Trọng Hoài, Phùng Thanh Bình, Nguyễn Khánh Duy, nhà xuất bản thống kê, 2009 Trang 13 gian hay không. Hiện nay trên thế giới chưa có kiểm định nào ứng dụng rộng rãi để kiểm tra tính chất này. Nếu như thị trường không hiệu quả dạng yếu thì khả năng xuất hiện các bất thường của thị trường rất đáng xem xét. Ở đây, ta đề cập đến hai sự bất thường, đó là hiện tượng tháng Giêng và hiệu ứng theo tuần. Trước hết, hiệu ứng tháng Giêng cho biết tssl của tháng Một cao hơn so với các tháng khác. Để kiểm tra tính đúng đắn của hiệu ứng này, theo Coutts (2000), ta hồi quy phương trình tssl theo các biến giả đại diện cho các tháng trong năm. Phương trình có dạng: R(t) = b0 + b2*D2(t) +…….+ b12*D12(t) + u(t) với b2, …12 lần lượt là sự chênh lệch giữa tssl tháng Giêng và các tháng khác trong năm…,b0 là tssl tháng Một. Giả thiết H0: tất cả các hệ số b đều bằng không, tương ứng với không có hiệu ứng tháng Giêng. Nếu giả thiết H0 bị bác bỏ, dấu của b0 phải dương có ý nghĩa thống kê, đồng thời dấu âm của các hệ số hồi quy của các biến giả là một dấu hiệu quan trọng cho biết ảnh hưởng tháng Giêng. Tiếp theo, ta kiểm định hiệu ứng theo tuần điển hình. Hiệu ứng này cho biết tssl ngày thứ Hai thường thấp hơn so với các thứ còn lại và tssl đạt cao nhất vào thứ Sáu trong tuần. Để kiểm định hiện tượng này, theo Karolyi (1995), Kiymaz và Berument (2003), ta sử dụng mô hình EGARCH (1991) kết hợp với các biến giả tương ứng với các thứ trong tuần là Hai, Ba, Năm, Sáu. Trước hết, hãy nói sơ qua về mô hình E-GARCH. Về mặt lý thuyết, mô hình này cũng tương ứng với mô hình T-GARCH khi cho phép tách biệt ảnh hưởng của các cú sốc dương và âm đến phương sai u(t). Phương trình có dạng: Y(t) = b2*D2(t) + b3*D3(t) + b5*D5(t) + b6*D6(t) + b*X(t) + u(t) (3) u(t) tuân theo phân phối N(0, h(t)) log h(t) = a+ b2*D2(t) + b3*D3(t) + b5*D5(t) + b6*D6(t) + c(1)*log h(t-1) +….+ c(q)*log h(t-q) + d(1)*│u(t-1)/σ(t-1)│+….+ d(p)*│u(t-p)/σ(t-p)│+ e(1)*u(t-1)/σ(t-1) +…+ e(p)*u(t-p)/σ(t-p) (4) Các biến D2, 3, 5, 6 đại diện cho các thứ Hai, Ba, Năm, Sáu, e đại diện cho ảnh hưởng của các tin tức xấu và tốt đến phương sai. Lưu ý do phương trình phương sai lấy log nên các hệ số c không cần >0. Hệ số e bằng 0 có ý nghĩa thống kê có nghĩa cú sốc âm và dương có tác động như nhau. Nếu b2 <0 và b6 >0 có ý nghĩa thống kê trong phương trình (3); hệ số b2 >0 và b6 <0 có ý nghĩa thống kê trong phương trình (4) chứng tỏ sự tồn tại của của hiệu ứng này. Để kiểm tra xem kết quả có thay đổi nếu tssl chịu tác động của phần phí bù đắp rủi ro, ta bổ sung biến phương sai có điều kiện h(t) vào phương trình (3) và kiểm định như trên.
- Xem thêm -

Tài liệu liên quan