KIỂM ĐỊNH CÁC NHÂN TỐ VĨ MÔ TÁC ĐỘNG ĐẾN THỊ TRƯỜNG CHỨNG KHOÁN
VIỆT NAM
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
KIỂM ĐỊNH CÁC NHÂN TỐ VĨ MÔ TÁC ĐỘNG ĐẾN THỊ TRƯỜNG CHỨNG KHOÁN
VIỆT NAM
Huỳnh Thị Cẩm Hà1, Lê Thị Lanh2, Lê Thị Hồng Minh3 và Hoàng Thị Phương Anh4
1
ThS. Trường Đại học Kinh tế Thành phố Hồ Chí Minh
PGS. TS. Trường Đại học Kinh tế Thành phố Hồ Chí Minh
3
ThS. Trường Đại học Kinh tế Thành phố Hồ Chí Minh
4
ThS. Trường Đại học Kinh tế Thành phố Hồ Chí Minh
2
Thông tin chung:
Ngày nhận bài: 19/05/14
Ngày nhận kết quả bình duyệt:
08/06/14
Ngày chấp nhận đăng:
30/07/14
Title:
Testing the effects of
macroeconomic variables on
the Vietnamese stock market
Từ khóa:
VNINDEX, biến số kinh tế vĩ
mô, VECM, phân rã phương
sai, IRF
Keywords:
VNINDEX, macroeconomic
variables, VECM, variance
decomposition, IRF
ABSTRACT
This paper analyzed the effect of macroeconomic variables including money
supply (MS), lending interest rates (ITR), consumer price index (CPI), exchange
rate (EXR) and industrial production (IP) on the Vietnamese stock market
(VNINDEX) in the period from 2001 to 2013. Due to a vector co-integration
between variables, we use ECM model to determine the relationship between the
variables in short-run and VECM model to examine the long-run equilibrium
relationship. In the long-run, MS and IP show negative and significant effect on
VNINDEX, while ITR and CPI have positive and significant effect on VNINDEX.
If macroeconomic shocks occur, VNINDEX will adjust to equilibrium position
quite slowly.
TÓM TẮT
Nghiên cứu này phân tích tác động của các biến số kinh tế vĩ mô bao gồm cung
tiền (MS), lãi suất cho vay (ITR), chỉ số giá tiêu dùng (CPI), tỷ giá hối đoái
(EXR) và giá trị sản lượng công nghiệp (IP) đến thị trường chứng khoán Việt
Nam (VNINDEX) trong giai đoạn 2001 đến 2013. Vì giữa các biến có tồn tại một
vector đồng liên kết nên nghiên cứu sử dụng mô hình ECM để xác định mối quan
hệ giữa các biến trong ngắn hạn và VECM nhằm kiểm tra mối quan hệ cân bằng
dài hạn. Kết quả cho thấy trong dài hạn, MS và IP có mối quan hệ cùng chiều với
VNINDEX, ITR và CPI có mối quan hệ ngược chiều với VNINDEX. Trường hợp
khi xảy ra cú sốc các biến số vĩ mô thì quá trình VNINDEX điều chỉnh về mức
cân bằng là khá chậm.
chịu tác động bởi sự điều tiết chính sách chính
phủ, các biến số kinh tế vĩ mô của nền kinh tế.
1. GIỚI THIỆU
TTCK (thị trường chứng khoán) là một trong
những kênh đo lường sự phát triển kinh tế của
một quốc gia và được xem là hiệu quả khi giá
chứng khoán (CK) được điều chỉnh nhanh chóng
khi xuất hiện thông tin mới. Hiệu quả của TTCK
được xem là hiệu quả về mặt thông tin. TTCK
Việt Nam (VN) chính thức đi vào hoạt động từ
tháng 7/2000, gần 14 năm cũng trải qua biết bao
thăng trầm và TTCK biến động không những do
yếu tố tâm lý khi đưa ra quyết định đầu tư mà còn
Mục tiêu của bài viết nhằm đánh giá tác động của
các biến số kinh tế vĩ mô lên TTCK VN và xem
liệu các biến số này có thể dùng để dự báo biến
động của TTCK VN hay không thông qua kiểm
định đồng liên kết trong mô hình, kiểm định mô
hình hiệu chỉnh sai số (VECM) và Granger
Causality. Đồng thời bài viết cũng mở rộng thêm
hướng nghiên cứu mức độ ảnh hưởng của các cú
sốc biến vĩ mô lên TTCK VN bằng phân tích phân
rã phương sai và hàm phản ứng IRF. Các câu hỏi
70
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
nghiên cứu gồm: (1) Có tồn tại mối quan hệ dài
hạn giữa các biến số vĩ mô và TTCK VN hay
không? và (2) Phản ứng của TTCK VN trước các
cú sốc của các biến số kinh tế vĩ mô như thế nào?
2. TỔNG QUAN
TRƯỚC ĐÂY
CÁC
NGHIÊN
gia, chênh lệch giữa lợi suất các loại trái phiếu và
lợi suất trái phiếu chính phủ có cùng kỳ hạn, tỷ lệ
nợ công trên GDP, cán cân tài khoản vãng lai, dự
trữ ngoại hối, mức tín nhiệm về lạm phát mục
tiêu, danh tiếng của ngân hàng trung ương, lãi
suất, tỷ giá hối đoái, tốc độ tăng trưởng kinh tế,
chỉ số Dow Jones và S&P 500. Kết quả nhận định
chính sách tiền tệ, việc quản lý nợ công và uy tín
quốc gia có ảnh hưởng đáng kể đến rủi ro quốc
gia và hiệu quả hoạt động của TTCK Brazil. Cùng
thời gian này thì Nader và Alraimony (2012) xem
xét tác động của biến cung tiền, GDP, CPI, tỷ giá
hối đoái, lãi suất và biến giả biến động chính trị
thế giới đến TTCK Jordan từ 01/1999 đến
12/2010. Tác giả cho rằng cung tiền, CPI, tỷ giá
hối đoái, lãi suất và biến động chính trị có tương
quan ngược chiều đối với biến động TTCK,
ngược lại tốc độ tăng trưởng GDP có ảnh hưởng
tích cực đến TSSL của TTCK Jordan.
CỨU
Nhóm tác giả Treynor (1961; 1962); Sharpe
(1964) và Lintner (1965) đã xây dựng mô hình
định giá tài sản vốn (CAPM) để dự đoán tỷ suất
sinh lợi (TSSL) kỳ vọng của CK dựa trên rủi ro hệ
thống với thước đo hệ số beta. Sau này các nghiên
cứu khác và thực tế đã chứng minh mô hình này
có hạn chế vì TSSL CK chịu tác động của nhiều
nhân tố, trong đó có nghiên cứu của Ross (1976)
đề xuất mô hình kinh doanh chênh lệch giá (APT)
khi đưa các yếu tố đa rủi ro giải thích TSSL CK
như: chỉ số thất nghiệp, tốc độ tăng trưởng cung
tiền, lạm phát, lãi suất, GDP hoặc cũng có thể sự
kiện chính trị, … 16 năm sau, nghiên cứu của
Fama và French (1992) dùng mô hình APT vào
TTCK Mỹ (từ 1963 đến 1990) chứng minh rằng
TSSL CK còn nhạy cảm với nhân tố: tỷ số giá trị
sổ sách trên giá trị thị trường, đòn bẩy tài chính và
P/E. Khác với Fama và French (1992), nghiên cứu
của Flannery và Protopapadakis (2002) sử dụng
nhiều hơn các biến số kinh tế vĩ mô (từ 1980 đến
1996) và sáu trong tám chỉ số được chọn là cán
cân thương mại, số lượng nhà ở, chỉ số việc làm,
CPI, cung tiền, chỉ số sản xuất công nghiệp có tác
động đến TSSL CK Mỹ, trong khi GNP thực và
giá trị sản lượng công nghiệp, là hai thước đo phổ
biến đo lường mức độ hoạt động của nền kinh tế
không tác động đến TTCK Mỹ. Ở TTCK Ghana,
nhóm tác giả Issahaku, Ustarz và Domanban
(2013) sử dụng biến cung tiền, tỷ giá hối đoái, lãi
suất trái phiếu kho bạc, CPI và đầu tư trực tiếp
nước ngoài FDI (từ 1995 đến 2010). Kết quả cho
thấy TSSL TTCK có mối quan hệ dài hạn với
CPI, cung tiền và FDI, ngoài ra khi có một cú sốc
vĩ mô xuất hiện thì TTCK Ghana mất gần 20
tháng mới điều chỉnh về mức cân bằng.
Để thực hiện cho việc nghiên cứu mối quan hệ
giữa các biến kinh tế vĩ mô nhằm dự báo TSSL
TTCK Nam Phi và định hướng khác với các
nghiên cứu trước, tác giả Gupta và Modise (2013)
đã chia hai giai đoạn: trước khủng hoảng tài chính
1997 (1/1990 đến 12/1996) và sau khủng hoảng
(01/1997 đến 6/2010) với các biến số: mức chênh
lệch giữa các loại lãi suất, tỷ lệ tăng trưởng việc
làm, tỷ giá hối đoái thực có điều chỉnh, cung tiền,
tốc độ tăng trưởng sản xuất công nghiệp, sản
lượng dầu thế giới và giá dầu thô. Tác giả cho
rằng trong ngắn hạn thì trước khủng hoảng: mức
chênh lệch lãi suất, tốc độ tăng trưởng sản lượng
dầu thế giới và cung tiền có ảnh hưởng đến dự
báo TTCK, tuy nhiên sau khủng hoảng, chỉ có lãi
suất và cung tiền có ảnh hưởng đến dự báo TTCK.
3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Mô tả dữ liệu
Bài viết dùng VNINDEX làm chỉ số đại diện cho
TTCK VN. Đồng thời, nhóm tác giả kế thừa các
nghiên cứu lý thuyết và thực nghiệm đã được đề
cập và để phù hợp với dữ liệu tại VN nên đã chọn
5 biến kinh tế vĩ mô sau để xem xét tương quan
với TTCK: Giá trị sản lượng công nghiệp, tỷ giá
hối đoái, chỉ số giá tiêu dùng, lãi suất và cung tiền
theo tháng từ 2001 đến 2013 (156 quan sát).
Một số tác giả khác chủ động dùng yếu tố hội
nhập tài chính thế giới vào nghiên cứu, như
Montes và Tiberto (2012) với hai mục tiêu: xem
xét mức độ ảnh hưởng của các biến kinh tế vĩ mô
và các chính sách kinh tế lên rủi ro của Brazil và
ảnh hưởng của các biến vĩ mô và rủi ro quốc gia
lên hiệu quả hoạt động của TTCK (từ 12/2001 đến
9/2010). Tác giả dùng chỉ số đo lường rủi ro quốc
Trong đó:
71
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
Biến nghiên cứu
Ký hiệu
Mô tả
Kỳ vọng về dấu
Chỉ số giá TTCK
VNINDEX
Lạm phát
CPI
Chỉ số giá chứng khoán tại sàn HOSE vào cuối mỗi
tháng.
Chỉ số giá tiêu dùng dưới dạng chỉ số.
-
Cung tiền
MS
Cung tiền M2
+
Tỷ giá hối đoái
EXR
Tỷ giá song phương USD/VND trung bình
+/-
Giá trị sản lượng công
nghiệp
IP
Đại diện đo lường mức độ hoạt động kinh tế VN.
+
Lãi suất
ITR
Lãi suất trung bình cuối kỳ áp dụng cho khoản vay
vốn lưu động ngắn hạn (không quá 12 tháng) của
Vietcombank, Agribank, Vietinbank & BIDV.
-
Nguồn dữ liệu được lấy từ cơ sở I S của uỹ tiền tệ quốc tế (IM ), tổng cục thống kê Việt Nam ( S ) và S DCK
TPHCM (H SE). Tuy nhiên, để giảm bớt biên độ biến động nên nghiên cứu sẽ chuyển các biến dưới dạng logarit.
3.2 Phương pháp nghiên cứu
Bài viết xây dựng mô hình hồi quy giữa giá chứng khoán và các biến số kinh tế vĩ mô như sau:
LVNINDEX t a11 a12 LVNINDEX t -1 a13 LCPI t -1 a14 LMS t -1 a15 LEXR t -1 a16 LITRt -1 a17 LIPt -1 1t
LCPI t a 21 a 22 LVNINDEX t -1 a 23 LCPI t -1 a 24 LMS t -1 a 25 LEXR t -1 a 26 LITRt -1 a 27 LIPt -1 2t
LMS t a 31 a 32 LVNINDEX t -1 a 33 LCPI t -1 a 34 LMS t -1 a 35 LEXR t -1 a 36 LITRt -1 a 37 LIPt -1 3t
LEXR t a 41 a 42 LVNINDEX t -1 a 43 LCPI t -1 a 44 LMS t -1 a 45 LEXR t -1 a 46 LITRt -1 a 47 LIPt -1 4t
LITRt a 51 a 52 LVNINDEX t -1 a 53 LCPI t -1 a 54 LMS t -1 a 55 LEXR t -1 a 56 LITRt -1 a 57 LIPt -1 5t
LIPt a 61 a 62 LVNINDEX t -1 a 63 LCPI t -1 a 64 LMS t -1 a 65 LEXR t -1 a 66 LITRt -1 a 67 LIPt -1 6t
Trong đó: LVNINDEX, LCPI, LMS, LEXR,
LITR và LIP: lần lượt chuỗi dữ liệu được lấy
logarit của biến tương ứng. aij là các hệ số hồi
quy trong hệ phương trình và µit là sai số của mô
hình. Chúng tôi tập trung nghiên cứu phương
trình đầu tiên, khung phân tích của bài viết bao
gồm:
hình Vector tự hồi quy (VAR-Vector Auto
Regression).
Kiểm tra mối quan hệ dài hạn (Cointegration test)
và mô hình vector hiệu chỉnh sai số VECM
(Vector Error Correlation Model) bằng cách xác
định sự tồn tại vector đồng liên kết của Johansen
và sử dụng VECM để xác định phương trình đồng
liên kết giữa các biến vĩ mô với VNINDEX, từ đó
xác định phương trình hiệu chỉnh sai số ECM
(Error Correction Model) để xác định độ lệch
ngắn hạn từ cân bằng dài hạn.
Kiểm định nghiệm đơn vị - tính dừng của chuỗi
dữ liệu là điều kiện tiên quyết khi đưa ra kết luận
có ý nghĩa trong phân tích đối với chuỗi thời gian
và tăng độ chính xác và mức độ đáng tin cậy của
mô hình. Nếu chuỗi dữ liệu của các biến không
dừng, nghiên cứu tiếp tục dùng để xét mối quan
hệ dài hạn giữa chúng. Bài viết kiểm định nghiệm
đơn vị bằng phương pháp AD (Augmented
Dickey-Fuller), Phillips – Perron (PP test) và
kiểm định tính dừng của Kwiatkowski-PhillipsSchmidt-Shin (KPSS test).
Lựa chọn độ trễ tối ưu, kiểm định tự tương quan
của phần dư và tính ổn định của mô hình trong mô
Phân rã phương sai ( EDV) theo phương pháp
Cholesky nhằm xem tác động của các cú sốc vĩ
mô lên phương sai sai số dự báo của VNINDEX
và thông qua hàm phản ứng IRF nhằm biết được
phản ứng của VNINDEX khi có cú sốc chính nó
và các biến số vĩ mô.
Kiểm định ranger Causality để phát hiện mối
quan hệ nhân quả giữa biến Xt và Yt, các biến Xt
có là nguyên nhân gây ra sự biến động của Yt hay
72
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
ngược lại. Kết quả này nhằm đưa ra kết luận về
việc sử dụng nhân tố vĩ mô để dự đoán biến động
của TTCK hay không và việc dự đoán chiều
ngược lại có mang lại hiệu quả tương tự hay
không. Kết quả chạy trên phần mềm Eview 6.0.
4. KẾT QUẢ VÀ THẢO LUẬN
4.1 Kiểm định tính dừng
ảng
iểm định nh ừng của chuỗi dữ liệu
Variable
ADF Unit Root Test
First
Levels
Difference
PP Unit Root Test
LVNINDEX
-2.8802
-8.44963**
-1.72139
-8.169024**
0.68007
0.068964**
LCPI
0.83499
-6.642025**
0.972037
-6.702025**
1.49777
0.302065**
LEXR
0.18919
-13.99316**
0.204879
-14.03426**
1.3499
0.205761**
LIP
-1.67382
-14.9817**
-1.38607
-15.52955**
1.18562
0.090731**
LITR
-2.97494
-5.538531**
-2.31055
-8.984978**
0.77877
0.060688**
LMS
-1.27961
-11.24035**
-1.06877
-11.42879**
1.52116
0.299351**
Levels
KPSS
First Difference
First Difference
Levels
**: Mức ý nghĩa 5%
Các chuỗi dữ liệu không dừng ở chuỗi gốc, nhưng đều dừng ở sai phân bậc một (Bảng 1), là điều kiện để
tiếp tục kiểm tra đồng liên kết, xét mối quan hệ dài hạn giữa các biến trong mô hình.
4.2. Chọn độ trễ phù hợp cho mô hình
Bảng 2. Độ trễ phù hợp cho mô hình
Lag
LogL
LR
2
2102.399
139.3074*
3
2127.933
44.64265
LR: kiểm định Likelihood Ratio
FPE: Final Prediction Error
AIC: Akaike Information Criterion
HQ: Hannan-Quinn Information Criterion
FPE
9.15e-20*
1.06e-19
Dựa trên tiêu chí LR, FPE, AIC, HQ của kết quả
mô hình VAR, bài viết chọn độ trễ phù hợp là 2
(Bảng 2). Đồng thời, kết quả cho thấy phần dư
trong mô hình không bị tự tương quan (Bảng 3).
LM-Stat
40.52059
27.24497
SC
-25.25464
-24.39667
HQ
-26.18005*
-25.74920
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
Bảng 3. Kiểm định tự ương quan phần ư
Lags
1
2
AIC
-26.81323*
-26.67462
0.0
Prob
0.2776
0.8530
-0.5
-1.0
4.3 Kiểm tra mối quan hệ dài hạn các biến
trong mô hình
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
Hình 1. Tính ổn định của mô hình với độ trễ là 2
Các giá trị riêng đều nằm trong vòng tròn đơn vị,
nên mô hình ước lượng có sự ổn định cần thiết
nhằm đảm bảo độ tin cậy của kết quả (Hình 1).
Nghiên cứu sử dụng độ trễ trong VAR để kiểm
định tồn tại đồng liên kết giữa VNINDEX và các
biến kinh tế vĩ mô. Căn cứ vào giá trị Trace
statistic và giá trị riêng lớn nhất của ma trận (Max
Eigenvalue) đều khẳng định có ít nhất một đồng
liên kết giữa các biến trong mô hình và có tồn tại
73
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
mối quan hệ dài hạn của các biến vĩ mô với
VNINDEX (Bảng 4).
Bảng 4: Kiểm định đồng liên kết
Hypothesized
No. of CE(s)
None *
At most 1
At most 2
Eigenvalue
Trace
Statistic
0.274745
0.191500
0.085623
114.0502
65.54419
33.44551
Trace
0.05
Critical
Value
95.75366
69.81889
47.85613
Prob.**
0.0015
0.1046
0.5323
Max-Eigen
0.05
Max-Eigen
Critical
Statistic
Value
48.50598
40.07757
32.09869
33.87687
13.51639
27.58434
Prob.**
0.0045
0.0803
0.8545
Từ kết quả Bảng 4, bài viết sử dụng mô hình VECM xây dựng phương trình đồng liên kết đánh giá mức
độ tác động của các biến số kinh tế vĩ mô đến TTCK như sau:
LVNINDEXt =
-869.2881
+14.7057
LIPt
(6.6696)
+32.7133
LEXRt
(20.017)
[-2.2048]
[-1.6342]
Chú thích: số trong () và [] thể hiện độ lệch chuẩn và thống kê t
-22.6197
LITRt
(4.5263)
+17.5179
LMSt
(4.3204)
-62.2901
LCPIt
(17.4389)
[4.9973]
[-4.0546]
[3.5719]
MS có ảnh hưởng cùng chiều đến TTCK (+),
chúng tôi cho rằng chính sách gia tăng cung tiền
của chính phủ trong thời gian qua là khá hợp lý.
Việc gia tăng cung tiền phù hợp sẽ thúc đẩy tăng
trưởng và dần vực dậy nền kinh tế suy thoái, làm
nhu cầu tiêu dùng hàng hóa gia tăng, TTCK cũng
là một trong các kênh được nhà đầu tư quan tâm
nhiều hơn. Trong khi đó, CPI ảnh hưởng ngược
chiều đến TTCK, điều này phù hợp trong giai
đoạn nghiên cứu, khi mà lạm phát tăng cao và nhà
đầu tư đòi hỏi TSSL kỳ vọng TTCK tăng cao so
với lạm phát nhưng tốc độ tăng trưởng thực của
nền kinh tế giảm xuống do lạm phát cao hơn, điều
này dẫn đến giảm giá lớn trên TTCK (Hình 2).
Kết quả cho cho thấy:
Trong dài hạn các biến kinh tế vĩ mô có ảnh
hưởng đến biến động TTCK VN (ngoại trừ EXR),
dấu của các hệ số ước lượng khá phù hợp với lý
thuyết và giả thiết nghiên cứu ban đầu. Điều này
được giải thích một khi nền kinh tế VN tăng
trưởng sẽ thúc đẩy giá trị sản lượng công nghiệp
gia tăng. Khi đó, nhà đầu tư, DN lạc quan nền
kinh tế trong giai đoạn này, càng mở rộng nguồn
vốn để đầu tư và TTCK được xem là một trong
các kênh được lựa chọn. Điều này cho thấy IP là
nhân tố tích cực tác động đến tín hiệu lạc quan
trên TTCK.
Hình 2. Tốc độ ăng rưởng GDP thực (từ 2000 đến 2012)
Nguồn: dữ liệu IMF
ITR có ảnh hưởng ngược chiều với TTCK (-).
Điều này giải thích rõ nhất trong giai đoạn sau
2008 đến giai đoạn 2011, khi mà chính phủ thực
hiện các biện pháp thắt chặt tín dụng nhằm hạn
chế “bong bóng bất động sản” và kiểm soát lạm
phát. Một khi lãi suất cho vay tăng làm cho DN
khó khăn khi đề ra các kế hoạch phát triển trong
tương lai vì hạn chế nguồn vốn tài trợ, đồng thời
làm tăng gánh nặng chi phí đầu vào DN làm cho
kỳ vọng giá CK lại càng giảm. Ở khía cạnh khác,
một khi lãi suất đầu tư trên thị trường khác tốt hơn
trong khi TSSL TTCK lại không thay đổi sẽ làm
cho nhà đầu tư rời bỏ thị trường để đầu tư vào lĩnh
vực khác mà TSSL tốt hơn và rủi ro ít hơn so với
TTCK.
Trong khi đó, mối quan hệ cùng chiều giữa TTCK
và tỷ giá hối đoái đồng nhất với kết quả nghiên
cứu của Kuwornu (2012), Issahaku và cs. (2013),
74
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
nhưng không có ý nghĩa thống kê, điều này có thể
giải thích một phần trong giai đoạn nghiên cứu,
khối lượng giao dịch khối ngoại giảm mạnh đặc
biệt trong giai đoạn sau khủng hoảng tài chính
2008.
Chú thích: số trong () và [] là độ lệch chuẩn và thống kê t
4.5 Phân rã phương sai
VNINDEX chịu ảnh hưởng rất lớn từ các cú sốc
biến động do chính nó tạo ra (Bảng 6). Mức độ tự
giải thích của VNINDEX đến kỳ thứ 10 là 77,5%
cú sốc của chính nó, CPI đóng góp 10% cú sốc,
cung tiền đóng góp 9% cú sốc và theo thời gian
vai trò của CPI và cung tiền trong việc giải thích
biến động của VNINDEX tăng dần nhưng không
nhiều, riêng biến động trong lãi suất và giá trị sản
lượng công nghiệp gây ảnh hưởng rất nhỏ đến
VNINDEX, chỉ khoảng 1,5% đến 1,8%. Trong
khi đó, cú sốc tỷ giá gần không tạo ra biến động
của VNINDEX trong suốt 10 kỳ. Trong ngắn hạn,
nếu so với các biến vĩ mô thì CPI và cung tiền
đóng vai trò quan trọng nhất trong sự biến động
của VNINDEX. Giải thích cho việc tỷ giá gần
như không tạo ra cú sốc trong ngắn hạn đối với
VNINDEX có thể là do chính sách điều hành tỷ
giá tại VN có sự can thiệp khá lớn từ NHNN và
giao dịch trên TTCK VN chưa hấp dẫn nhiều các
nhà đầu tư ngoại.
4.4 Phân tích hệ số hiệu chỉnh sai số của mô
hình ECM
Bài viết chỉ xét hệ số hiệu chỉnh về cân bằng dài
hạn của phương trình ECM đối với VNINDEX là
- 0.002944 < 0 (Bảng 5), khá nhỏ, nghĩa là tốc độ
điều chỉnh thấp hoặc gần bằng không, điều này
cho thấy VNINDEX đang thấp hơn giá trị cân
bằng. Khi có một cú sốc xảy ra làm VNINDEX
lệch khỏi giá trị cân bằng dài hạn thì trong kỳ tiếp
theo VNINDEX sẽ điều chỉnh tăng khoảng 0,03%
độ lệch để đạt mức cân bằng.
Bảng 5: Hệ số cân bằng dài hạn
Cointegrated
Variable
Equation
LVNINDEX (-1)
1
Adjustment
coefficient (ECT)
-0.002944
(0.00224)
[-1.31675]
Bảng 6. Phân rã phương sai của LVNINDEX theo Cholesky
Kỳ
S.E.
LVNINDEX LMS
LITR
LIP
LEXR
LCPI
1
2
3
4
5
6
7
8
9
10
0.102140
0.170312
0.216400
0.245056
0.264048
0.279416
0.293599
0.307219
0.320269
0.332626
100.0000
98.07620
95.97196
93.48912
91.08631
88.72905
86.23495
83.49698
80.54599
77.51643
0.000000
0.007260
0.005882
0.018003
0.097982
0.278823
0.562132
0.899490
1.242266
1.549520
0.000000
0.025086
0.190591
0.234687
0.269581
0.352548
0.549708
0.871272
1.284988
1.764681
0.000000
0.013518
0.217686
0.304427
0.287606
0.262233
0.240017
0.223703
0.213332
0.208416
0.000000
1.082866
2.059409
3.368251
4.488213
5.487784
6.509815
7.627748
8.820407
10.01189
0.000000
0.795069
1.554474
2.585513
3.770307
4.889565
5.903377
6.880808
7.893014
8.949056
thứ 3 và chỉ đạt mức cân bằng dài hạn từ tháng
thứ 24. Cú sốc của giá trị sản lượng công nghiệp
kể từ tháng thứ 3, trong khi đó, cú sốc do CPI gây
ra làm VNINDEX phản ứng tức thì sau đó một
tháng, tuy nhiên cú sốc trong tỷ giá không rõ ràng
đến VNINDEX. Kết quả cho thấy VNINDEX có
xu hướng phản ứng giảm khi xảy ra cú sốc, ngoại
trừ cú sốc của cung tiền.
4.6 Phản ứng của VNINDEX rước cú sốc các
biến kinh tế vĩ mô
VNINDEX phản ứng nhanh trước cú sốc cung
tiền từ tháng thứ 2 và chỉ đạt mức cân bằng dài
hạn sau tháng thứ 12 (Hình 3). Điều này cho thấy
chính sách tăng cung tiền có tác động kéo dài đối
với biến động của VNINDEX. Chính sách mở
rộng cung tiền phù hợp thông qua các gói giải
pháp như mở rộng tín dụng có thể tạo điều kiện
cho DN tiếp cận nguồn vốn để mở rộng hoạt
động, nhà đầu tư có cơ hội đa dạng hóa các lĩnh
vực đầu tư, khi đó TTCK có cơ hội tăng trưởng
cùng với các lĩnh vực đầu tư khác. Cú sốc trong
lãi suất sẽ dẫn đến sụt giảm VNINDEX sau tháng
Kết quả phân rã phương sai và hàm phản ứng IRF
cho thấy TTCK Việt Nam vẫn chưa làm tốt vai trò
là phong vũ biểu của nền kinh tế như các nước
khác, nhà đầu tư chưa thật sự tận dụng tốt các
thông tin vĩ mô, nên phải thực sự cẩn thận khi sử
75
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
dụng các biến vĩ mô để dự đoán sự thay đổi trong
giá chứng khoán.
Response to Cholesky One S.D. Innovations ± 2 S.E.
Response of LVNINDEX to LVNINDEX
Response of LVNINDEX to LMS
.2
.2
.1
.1
.0
.0
-.1
-.1
2
4
6
8
2
10 12 14 16 18 20 22 24
Response of LVNINDEX to LITR
.2
.1
.1
.0
.0
-.1
-.1
4
6
8
2
10 12 14 16 18 20 22 24
Response of LVNINDEX to LEXR
.2
.1
.1
.0
.0
-.1
-.1
4
6
8
8
10 12 14 16 18 20 22 24
4
6
8
10 12 14 16 18 20 22 24
Response of LVNINDEX to LCPI
.2
2
6
Response of LVNINDEX to LIP
.2
2
4
2
10 12 14 16 18 20 22 24
4
Hình 3. Hàm phản ứng IRF
4.7 Kiểm định Granger Causality
76
6
8
10 12 14 16 18 20 22 24
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
tư vào thị trường này, trong đó có cả những dòng
vốn đầu tư ngoại, chính phủ lúc này sẽ thực hiện
chính sách nới lỏng tiền tệ nhằm thực hiện chính
sách kích cầu tạo điều kiện cho các nhà đầu tư đa
dạng hóa lĩnh vực và danh mục đầu tư của mình.
Bảng 7 cho thấy cung tiền có Granger Causality
đến VNINDEX và ngược lại VNINDEX có
ranger Causality đến cung tiền. Việc nghiên cứu
các chính sách mở rộng hoặc thu hẹp cung tiền có
thể dùng để dự đoán VNINDEX và ngược lại khi
TTCK phát triển sẽ kích thích các dòng vốn đầu
Bảng 7. Kiểm định Granger Causality
Null Hypothesis:
LMS does not Granger Cause LVNINDEX
LVNINDEX does not Granger Cause LMS
Obs
154
F-Statistic
3.39367
2.86723
Prob.
0.0362**
0.0600*
**, *: với mức ý nghĩa 5% và 10%
hoạt động trên TTCK. Chúng tôi cho rằng TTCK
VN hoạt động khá tách bạch so với thị trường tài
chính, thông tin trên thị trường là chưa hiệu quả,
vẫn còn tiềm ẩn khá nhiều rủi ro, TTCK chậm
phản ứng trước biến động thông tin vĩ mô. Việc
kiểm soát thông tin công bố và đảm bảo tính minh
bạch trong giao dịch chứng khoán vẫn còn hạn
chế. UBCKNN hiện chỉ mới phát hiện các sai
phạm về chế độ báo cáo, công bố thông tin của
công ty niêm yết; vi phạm về báo cáo giao dịch cổ
phiếu của cổ đông nội bộ, cổ đông lớn; hoạt động
không đúng nội dung quy định trong giấy phép...
Còn các hành vi như thao túng giá cổ phiếu hay
giao dịch nội gián thì chưa được làm r nhiều.
Một trong những nguyên nhân đó là thẩm quyền
của UBCKNN trong công tác thanh tra, giám sát
hiện nay còn hạn chế. Khác với UBCK các nước,
UBCKNN VN không có khả năng thu thập thông
tin về tài khoản và giao dịch ngân hàng; không có
quyền tiếp cận điện thoại, thư tín điện tử. Ngoài
ra, UBCKNN bị hạn chế về thẩm quyền cũng như
lực lượng (chưa có hệ thống ngành dọc tại các
tỉnh, thành phố) nên việc xác minh tại chỗ các
thông tin liên quan đến đối tượng vi phạm cũng
gặp rất nhiều khó khăn.
5. KẾT LUẬN
Mục đích của nghiên cứu nhằm kiểm tra sự tồn tại
mối quan hệ giữa các biến kinh tế vĩ mô: cung
tiền, lãi suất cho vay, chỉ số giá tiêu dùng, giá trị
sản lượng công nghiệp, tỷ giá hối đoái và chỉ số
VNINDEX ở VN từ 2001 đến 2013. Nghiên cứu
kiểm định tính dừng của các biến số và thấy rằng
các chuỗi dữ liệu đều dừng ở sai phân bậc nhất,
đồng thời kết quả nghiên cứu còn cho thấy:
Thứ nhất, có tồn tại mối quan hệ dài hạn giữa các
biến vĩ mô với TTCK (ngoại trừ tỷ giá hối đoái).
Biến cung tiền và giá trị sản lượng công nghiệp có
ảnh hưởng cùng chiều với TTCK, lãi suất và chỉ
số giá tiêu dùng có mối quan hệ ngược chiều với
TTCK. Kiểm định nhân quả cho thấy giữa cung
tiền và VNINDEX có ranger Causality. Do đó,
các chính sách thắt chặt tín dụng thường đem lại
tác động tiêu cực đến TTCK. Thực tế cho thấy
giai đoạn từ 2006 đến 3 tháng đầu năm 2008, với
chính sách mở rộng tiền tệ, cộng với gia nhập
WT đã kích thích dòng vốn đầu tư chảy vào
TTCK, thanh khoản tăng mạnh trên thị trường. Từ
2010 đến 2012, chính phủ thực hiện thắt chặt tín
dụng, hạn chế đầu tư vào lĩnh vực TTCK và bất
động sản đã làm dòng vốn đầu tư đảo chiều ra
khỏi thị trường, các quỹ đầu tư dịch chuyển dòng
vốn sang các kênh đầu tư khác, TTCK phản ứng
khá tiêu cực trong giai đoạn này. Kết quả này cho
thấy các nhà đầu tư trên TTCK nên quan tâm đến
động thái về chính sách tiền tệ của chính phủ. Về
góc độ quản lý, chính phủ cũng nên tham khảo
đến sự biến động, phản ứng trên TTCK trước khi
điều chỉnh các gói chính sách cung – cầu tiền tệ
trên thị trường.
Thứ ba, từ kết quả phân rã phương sai và phân
tích IRF cho thấy VNINDEX ít nhạy cảm với các
cú sốc của thông tin vĩ mô và có xu hướng phản
ứng giảm khi xảy ra cú sốc, ngoại trừ cú sốc của
cung tiền. Nguyên nhân có thể là do chính phủ đã
can thiệp hành chính khá nhiều vào thị trường:
giới hạn biên độ giao dịch trên thị trường, hạn chế
bán khống… làm cho các biến vĩ mô ít phản ánh
thực chất hoạt động của nền kinh tế.
TÀI LIỆU THAM KHẢO
Thứ hai, về góc độ dự báo, từ kết quả Granger
Causality chỉ ra chỉ có biến cung tiền có khả năng
dự báo biến động TTCK, bốn biến kinh tế vĩ mô
còn lại đóng vai trò khá nhỏ trong việc dự báo
Dickey, D., & Fuller, W. (1979). Distribution of the
estimators for autoregressive time series with a unit
77
Tạp chí Khoa học – 2014, Quyển 3 (2), 70 - 78
Trường Đại học An Giang
root. Journal of the American Statistical
Association, 427-431.
Engle, R., & Granger, C. (1987). Cointegration and
error correction representation, estimation and
testing. Econometrica, 251-276.
Fama, E., & French, K. (1992). The Cross-section of
Expected Stock returns. The Journal of Finance,
427-465.
Flannery, M., & Protopapadakis, A. (2004). Factors DO
Influence Aggregate Stock Returns. Journal Global
Finance, 20-35.
Granger, C. (1969). Investigating causal relation by
econometric and cross sectional method.
Econometrica, 424-438.
Gupta, R., & Modise, M. (2013). Macroeconomic
Variables and South African stock return
Predictability. Economic Modelling, 612-622.
Issahaku, H., Ustarz, Y., & Domanban, P. (2013).
Macroeconomic variables and stock market returns
in Ghana: any causal link? Asian Economic and
Financial Review, 1044-1062.
Johansen, S. (1988). Statistical analysis of cointegration
vectors. Journal of Economic Dynamics and
Control, 231-254.
Johansen, S. (1991). Estimation and hypothesis testing
of integration vectors in gaussian vector
autoregressive models. Econometrica, 1551-1580.
Johansen, S. (1995). Likelihood-based inference in
cointegrated vector autoregressive models. Oxford:
Oxford University Press.
.
Johansen, S. (2000). Modeling of cointegration in the
vector autoregressive model. Economic Modeling,
359-373.
Johansen, S. a. (1990). Maximum likelihood estimation
and inference on cointegration with application to
the demand for money. Oxford Bulletin of
Economics and Statistics, 169-210.
Kuwornu, J. (2012). Effect of macroeconomic variables
on the ghanaian stock market returns: A cointegration analysis. Agris on-line Papers in
Economics and Informatics, 1-12.
Kwiatkowski, D., Phillips, P., & Shin, Y. (1992).
Testing thenull hypothesis of stationarity against
the alternative of a unit root. Journal of
Econometrics, 159-178.
Montes, G., & Tiberto, B. (2012). Macroeconomic
environment, country risk and stock market
performance. Economic Modelling, 1666-1678.
Nader, M., & Alraimony, H. (2012). The Impact of
Macroeconomic Factors on Amman Stock Market
Returns. International Journal of Economics and
Finance.
Phillips, P., & Perron, P. (1988). Testing for a unit root
in time series regression. Biometrika, 335-346.
Ross, S. (1976). The arbitrage theory of capital asset
pricing. Journal of Economic Theory, 34-369.
Shin, C., & Tai, S. (1999). Cointegration and causality
between mcroeconomic variables and stock market
returns. Global Finance Journal, 71-81.
78
- Xem thêm -