Tài liệu 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