Gi ớ i thi ệ u
Thị trường chứng khoán hiện nay đóng vai trò quan trọng trong nền kinh tế toàn cầu, phản ánh sự phát triển và dự báo diễn biến kinh tế của các quốc gia Đây không chỉ là kênh huy động vốn thiết yếu cho doanh nghiệp mà còn là lựa chọn đầu tư hấp dẫn cho các nhà đầu tư cá nhân bên cạnh các hình thức đầu tư truyền thống Vì vậy, việc nghiên cứu các mô hình định giá trên thị trường chứng khoán ngày càng trở nên cần thiết, dẫn đến sự ra đời của nhiều mô hình định giá tài sản Tuy nhiên, mặc dù mô hình định giá tài sản vốn (CAPM) của Sharpe (1964) và Lintner (1965) có những đóng góp lý thuyết quan trọng, nhưng vẫn gặp phải những phản biện từ thực nghiệm.
Năm 1992, Fama-French đã nghiên cứu dữ liệu thị trường chứng khoán Mỹ và phát hiện rằng tỷ suất sinh lời (TSSL) trung bình ít liên quan đến beta trong mô hình CAPM Họ chỉ ra rằng có những yếu tố khác như quy mô, đòn bẩy, thu nhập/giá và giá trị sổ sách trên giá trị thị trường (BE/ME) có thể giải thích TSSL trung bình Đặc biệt, họ phát hiện thêm hai nhân tố quan trọng là quy mô và giá trị Năm 1993, họ đã đề xuất mô hình ba nhân tố để giải thích TSSL cổ phiếu, mô hình này đã được kiểm định tại nhiều thị trường chứng khoán phát triển và mới nổi, bao gồm các nghiên cứu của Nima Billou (2004) và Michael A O’Brien (2007) ở Mỹ, cũng như các nghiên cứu tại Úc, Nhật, Pháp và các quốc gia đang phát triển khác.
Gần đây, Long Chen và Lu Zhang (2010) chỉ ra rằng mô hình ba nhân tố của Fama-French không thể giải thích mối quan hệ cùng chiều giữa tỷ suất sinh lợi (TSSL) trung bình và TSSL của kỳ trước trong ngắn hạn, cũng như mối quan hệ ngược chiều giữa TSSL trung bình với tình trạng kiệt quệ tài chính, phát hành cổ phần mới và tăng trưởng tài sản Mặc dù mô hình CAPM và Fama-French đã được kiểm định tại nhiều quốc gia, bao gồm cả Việt Nam, nhưng mô hình của họ vẫn cần được xem xét thêm.
Bài nghiên cứu này nhằm kiểm định mô hình ba nhân tố của Long Chen và Lu Zhang tại thị trường Việt Nam, với mục tiêu phân tích khả năng giải thích của ba nhân tố: thị trường, đầu tư và tỷ suất sinh lợi trên tài sản Do mô hình này chưa được kiểm định thực nghiệm ở các thị trường, tôi quyết định chọn đề tài “Nghiên cứu khả năng giải thích của mô hình Long Chen – Lu Zhang cho tỷ suất sinh lợi trên thị trường chứng khoán Việt Nam” cho luận văn của mình.
Mục tiêu của luận văn là trình bày kết quả nghiên cứu thực nghiệm về ảnh hưởng của các mô hình đến tỷ suất sinh lợi trên thị trường chứng khoán.
Dựa trên các nghiên cứu thực nghiệm trước đây, đặc biệt là nghiên cứu của Long Chen và Lu Zhang (2010), bài viết này đặt ra câu hỏi liệu các yếu tố trong mô hình của họ có thể giải thích tốt hơn tỷ suất sinh lợi trên thị trường chứng khoán Việt Nam so với mô hình CAPM và Fama-French hay không.
Luận văn này phân tích dữ liệu chuỗi thời gian từ 288 công ty trong giai đoạn từ tháng 1 năm 2008 đến tháng 12 năm 2013, sử dụng phương pháp OLS để kiểm tra khả năng giải thích của các yếu tố đối với tỷ suất sinh lợi của danh mục đầu tư.
Phần còn lại của luận văn gồm các phần sau:
Phần 2: Tổng quan những nghiên cứu trước đây, gồm những nghiên cứu về mặt lý thuyết và thực nghiệm.
Phần 3: Phương pháp nghiên cứu, gồm có mô hình nghiên cứu, phương pháp nghiên cứu và dữ liệu nghiên cứu.
Phần 4: Kết quả nghiên cứu
T ổng quan các nghiên cứu trước đây
Mô hình định giá tài sả n v ố n CAPM
Mô hình CAPM cho thấy mối quan hệ giữa TSSL và beta chứng khoán (William Sharpe (1964), Jack Treynor,John Litner (1965)). r i - r f = β im * ( r m – r f )
Tỷ suất sinh lợi kỳ vọng của tài sản i được ký hiệu là r i, trong khi tỷ suất sinh lợi phi rủi ro là r f Tỷ suất sinh lợi kỳ vọng của danh mục thị trường được biểu thị bằng r m, và hệ số beta thị trường của tài sản i được ký hiệu là β im.
Mô hình định giá tài sản vốn (CAPM) thể hiện mối quan hệ giữa rủi ro và lợi nhuận kỳ vọng Theo mô hình này, lợi nhuận kỳ vọng của một chứng khoán được tính bằng lợi nhuận phi rủi ro cộng với khoản bù đắp rủi ro dựa trên rủi ro hệ thống của chứng khoán đó Rủi ro phi hệ thống không được xem xét, vì nhà đầu tư có thể tạo ra danh mục đầu tư đa dạng hóa để loại bỏ loại rủi ro này.
Mô hình 3 nhân tố c ủ a Fama- French ( 1993)
Nghiên cứu trên thị trường chứng khoán Mỹ cho thấy rằng tỷ suất sinh lời (TSSL) trung bình ít có mối liên hệ với hệ số beta (β) trong mô hình CAPM Tuy nhiên, một số yếu tố khác không được đề cập trong mô hình này có thể giải thích TSSL trung bình dựa trên kinh nghiệm, bao gồm quy mô (ME), đòn bẩy, tỷ số thu nhập trên giá (E/P) và tỷ lệ giá trị sổ sách trên vốn hóa thị trường (BE/ME), như đã được chỉ ra bởi các nghiên cứu của Banz (1981), Bhandari (1988), Basu (1983) và Rosenberg, Reid và Lanstein (1985).
Fama và French sử dụng cách tiếp cận hồi quy chuỗi thời gian của Black, Jensen và Scholes (1972), đưa ra mô hình: r i – r f = αi + β im [r m – r f ] + β SMB,i SMB + β HML,i HML + ε
r f : lãi suất phi rủi ro ( theo kỳ quan sát tháng)
r i : tỷ suất sinh lợi kỳ vọng của danh mục tài sản i
r m : TSSL kỳ vọng của danh mục thị trường
SMB, hay phần bù quy mô, được xác định bằng cách lấy tỷ suất sinh lời trung bình hàng tháng của ba danh mục có vốn hóa thị trường nhỏ (S/L, S/M, S/H) và trừ đi tỷ suất sinh lời trung bình của ba danh mục có vốn hóa thị trường lớn (B/L, B/M, B/H).
HML là chỉ số phản ánh phần bù giá trị, được tính bằng cách lấy chênh lệch TSSL bình quân hàng tháng giữa hai danh mục có BE/ME cao (S/H và B/H) và trừ đi TSSL bình quân của hai danh mục có BE/ME thấp (S/L và B/L).
β im : hệ số hồi quy thị trường.
β SMB,I : hệ số hồi quy nhân tố SMB.
β HML,I : hệ số hồi quy nhân tố HML.
ε : sai số ngẫu nhiên của mô hình
α : hệ số chặn của mô hình, cũng chính là chênh lệch giữa TSSL thực tế và TSSL kỳ vọng theo mô hình ba nhân tố.
B ằ ng ch ứ ng th ự c nghi ệ m v ề tính hiệ u l ự c c ủa mô hình CAPM và Fama French trên thế gi ớ i
Nghiên cứu tại Mỹ của Nima Billou (2004).
Trong nghiên cứu năm 2004 của Nima Billou về mô hình CAPM và mô hình ba nhân tố Fama French tại Mỹ, kết quả cho thấy mô hình Fama French hiệu quả hơn CAPM Trong khoảng thời gian từ 7/1963 đến 12/2003, αCAPM đạt 0.3 và αFF là 0.13, với R² của CAPM là 72% và R² của FF là 89% Khi mở rộng thời gian nghiên cứu từ 7/1926 đến 12/2003, αCAPM giảm còn 0.23 và αFF là 0.19, trong khi R² của CAPM tăng lên 77% và R² của Fama French là 88% Kết quả này chỉ ra rằng hai nhân tố quy mô và giá trị có ảnh hưởng đáng kể đến thị trường chứng khoán Mỹ, khẳng định tính hiệu quả của mô hình Fama French trong việc giải thích tỷ suất sinh lợi.
Nghiên cứu của Elhaj Walid và Elhaj Ahlem (2007) tại Nhật Bản đã chỉ ra rằng mô hình Fama French có khả năng áp dụng hiệu quả trên thị trường chứng khoán Nhật Bản, với mẫu dữ liệu là tỷ suất sinh lợi hàng tháng của tất cả chứng khoán trên Sở giao dịch chứng khoán Tokyo từ tháng 1/2002 đến tháng 9/2007 Kết quả cho thấy nhân tố quy mô công ty và tỷ suất sinh lợi có mối quan hệ nghịch biến, trong khi nhân tố giá trị và tỷ suất sinh lợi lại có mối quan hệ đồng biến Nhân tố quy mô đặc biệt rõ ràng ở các chứng khoán có vốn hóa thị trường nhỏ Mô hình Fama French cho thấy hiệu quả hơn so với CAPM, ngoại trừ các danh mục chứng khoán có giá trị vốn hóa thị trường thấp, với R² trung bình của Fama French đạt 78.2%, cao hơn so với R² trung bình của CAPM là 70.5%.
Nghiên cứu tại New Zealand của Hadrian Djajadikerta và Gilbert Nartea (2005)
Nghiên cứu “Nhân tố quy mô, giá trị và mô hình Fama French trong thị trường nhỏ - Những phát hiện ở New Zealand” (2005) đã phân tích dữ liệu từ 284 chứng khoán trong giai đoạn 1994 đến 2002 nhằm làm sáng tỏ ảnh hưởng của phần bù giá trị và quy mô trong bối cảnh thị trường chứng khoán nhỏ Kết quả cho thấy phần bù giá trị có ảnh hưởng ít, trong khi phần bù quy mô có tác động đáng kể đến mô hình Tuy nhiên, phát hiện này không hoàn toàn tương đồng với các nghiên cứu trước đó, như nghiên cứu của Bryant và Eleswaparu (1997) sử dụng dữ liệu từ năm 1971.
Năm 1993, nghiên cứu chỉ ra rằng phần bù giá trị có ảnh hưởng mạnh mẽ, trong khi phần bù quy mô lại yếu Vos và Pepper (1997) sử dụng mẫu nhỏ từ năm 1991 đến 1995 đã kết luận rằng cả hai phần bù này đều có tác động đáng kể đến thị trường chứng khoán Tuy nhiên, sự không đồng nhất này xuất phát từ việc số lượng công ty niêm yết trên thị trường chứng khoán New Zealand quá ít và tỷ suất sinh lợi có tính biến động cao Kích thước mẫu nhỏ gây khó khăn trong việc xây dựng danh mục đầu tư đa dạng hóa tốt, ảnh hưởng đến việc kiểm định kết quả của mô hình Mặc dù beta không giải thích hết biến động trong tỷ suất sinh lợi của danh mục, nhưng vẫn là yếu tố chủ đạo trong mô hình Fama-French (FF) Bên cạnh đó, SMB cũng là yếu tố có ý nghĩa trong mô hình FF tại Mỹ và Úc, trong khi HML cho thấy sự khác biệt khi có ý nghĩa ở Úc nhưng không tương tự ở Mỹ Tóm lại, mô hình FF (R² 44%) có hiệu quả hơn so với CAPM (R² 36%) trong việc giải thích tỷ suất sinh lợi tại New Zealand.
Nghiên cứu của Gregory Connor và Sanjay Sehgal (2001) tại Ấn Độ mang tên “Kiểm định mô hình hình Fama và French ở thị trường Ấn Độ” cho thấy mô hình Fama-French (FF) chỉ phù hợp với hai phát hiện so với thị trường chứng khoán Mỹ Đầu tiên, các nhân tố thị trường, quy mô và giá trị đều có ảnh hưởng đến tỷ suất sinh lợi của chứng khoán Thứ hai, có mối quan hệ tuyến tính giữa cổ phiếu và các nhân tố này trong việc giải thích sự phân tán của tỷ suất sinh lợi trung bình Tuy nhiên, các nhân tố trên không ảnh hưởng đến tỷ lệ tăng trưởng thu nhập và do đó không tác động đến tỷ suất sinh lợi của cổ phiếu, điều này trái ngược với thị trường chứng khoán Mỹ Nghiên cứu sử dụng dữ liệu từ tỷ suất sinh lợi cuối tháng.
Nghiên cứu về 364 cổ phiếu từ tháng 6/1989 đến tháng 3/1999 cho thấy, tỷ suất sinh lợi trung bình trong mô hình Fama-French (FF) đạt 84.22%, trong khi mô hình Capital Asset Pricing Model (CAPM) ghi nhận 75% Việc áp dụng mô hình hồi quy tuyến tính cho cả hai mô hình này có khả năng giải thích và dự đoán hiệu quả tỷ suất sinh lợi của các chứng khoán và danh mục đầu tư trên thị trường chứng khoán Ấn Độ Với mức ý nghĩa này, nhà đầu tư có thể sử dụng hai mô hình để nâng cao hiệu quả trong hoạt động kinh doanh chứng khoán.
Nghiên cứu tại Hàn Quốc của Kyong Shik Eom và Jong-Ho Park
Kyong Shik Eom và Jong-Ho Park chạy mô hình hồi qui tuyến tính với dữ liệu từ
Nghiên cứu “Bằng chứng mô hình ba nhân tố tại Hàn Quốc” đã phân tích 868 cổ phiếu từ tháng 7/1981 đến tháng 12/2007, cho thấy mô hình ba nhân tố Fama - French không phù hợp để giải thích tỷ suất sinh lợi chứng khoán trong giai đoạn 1984-1994, trong khi mô hình CAPM lại tỏ ra hiệu quả Mặc dù mô hình Fama - French có thể dự báo tỷ suất sinh lợi trong ngắn hạn, nhưng không khả thi trong dài hạn (26.5 năm), với R² chỉ đạt 2.52% và khoảng tin cậy 99% Kết quả cho thấy các yếu tố như biến thị trường, quy mô và giá trị không đủ sức giải thích và dự đoán tỷ suất sinh lợi Hơn nữa, nghiên cứu cũng chỉ ra rằng các yếu tố chính ảnh hưởng đến tỷ suất sinh lợi bao gồm tính thanh khoản, sự công bố thông tin và sự lan rộng của việc cấp tín dụng.
Nghiên cứu của Nopbhanon Homsud (2009) tại Thái Lan đã phân tích mô hình ba nhân tố Fama và French, sử dụng dữ liệu từ thị trường chứng khoán Thái Lan trong khoảng thời gian từ tháng 7/2002 đến tháng 5/2007 Nghiên cứu này bao gồm 421 cổ phiếu được phân loại thành 6 nhóm: BH, BM, BL, SH, và SM.
Mô hình ba nhân tố Fama French cho thấy khả năng giải thích tỷ suất sinh lợi hàng tháng tốt hơn mô hình CAPM đối với bốn cổ phiếu thuộc các nhóm SH, BH, BM và SL Nghiên cứu chỉ ra rằng việc bổ sung các biến quy mô công ty và biến giá trị vào mô hình CAPM đã nâng cao khả năng giải thích của mô hình, cho thấy Fama French phù hợp hơn với thị trường chứng khoán Thái Lan so với CAPM.
Mô hình Fama French không phải là lý thuyết tài chính tối ưu để giải thích ảnh hưởng của các biến đến tỷ suất sinh lợi, do có những biến giải thích khác phù hợp hơn so với biến quy mô và biến giá trị Kết quả cho thấy R2 hiệu chỉnh trung bình của 6 danh mục trong mô hình Fama French đạt 62.42%, vượt trội hơn so với 29.47% của mô hình CAPM.
Các nghiên cứu hiện tại chưa làm rõ mối quan hệ tích cực giữa TSSL trung bình với TSSL của kỳ trước trong ngắn hạn, cũng như mối quan hệ tiêu cực giữa TSSL trung bình với tình trạng kiệt quệ tài chính, phát hành cổ phần và tăng trưởng tài sản.
Mô hình 3 nhân tố c ủ a Long Chen – Lu Zhang
2.4.1 Lý thuyết Q của James Tobin
Nền tảng để xây dựng mô hình 3 nhân tố dựa trên lý thuyết Tobin’s Q.
� = gi á tr ị th ị tr ườ ng = � �
Giá trị vốn góp của công ty
Nếu q > 1 công ty nên đầu tư thêm vì đầu tư sẽ mang lại lợi nhuận cao hơn chi phí bỏ ra.
Nếu q < 1 công ty nên bán bớt tài sản vì chúng không tạo ra lợi nhuận và không đạt đến mức hữu dụng tối đa.
Nếu q=1 là trạng thái cân bằng đầu tư và công ty không cần thay đổi gì nữa.
2.4.2 Mô hình 3 nhân tố của Long Chen – Lu Zhang
Long Chen và Lu Zhang đã phát triển giả thuyết dựa trên lý thuyết Tobin’s Q, từ đó xây dựng một phương trình tổng quát làm nền tảng cho việc phát triển các giả thuyết có thể kiểm chứng về TSSL Phương trình này, ký hiệu là Π � 1, liên quan đến TSSL trên tài sản r j.
1 − � : giá trị thanh lý biên của vốn
1 :chi phí đầu tư biên a(Ij0/Aj0) : chi phí điều chỉnh biên
Phương trình này chỉ ra rằng lợi ích biên của đầu tư chiết khấu về thời điểm 0 cần phải tương đương với chi phí biên của đầu tư Tương tự, tỷ suất sinh lợi của đầu tư, được xác định là tỷ lệ giữa lợi ích biên tại thời kỳ 1 và chi phí biên tại thời điểm 0, phải bằng tỷ lệ chiết khấu theo Cochrane (1991).
Dựa trên phương trình tổng quát tác giả đã đưa ra các giả thuyết về đầu tư, tỷ suất sinh lợi trên tài sản:
Với ROA dự kiến, tỷ suất sinh lợi kỳ vọng sẽ thấp khi đầu tư vào tài sản cao Cơ chế này tạo ra mối quan hệ ngược chiều giữa tỷ suất sinh lợi trung bình và các yếu tố như phát hành cổ phần ròng, tăng trưởng tài sản, chỉ số định giá, cũng như tăng trưởng doanh số dài hạn trong quá khứ và tỷ suất sinh lợi dài hạn ở giai đoạn trước.
Các công ty có xu hướng đầu tư nhiều hơn khi giá trị hiện tại ròng (NPV) cao, nghĩa là dòng tiền tương lai từ vốn tăng thêm mang lại giá trị lớn Khi ROA hoặc dòng tiền dự kiến ổn định, tỷ lệ chiết khấu thấp sẽ làm tăng NPV, từ đó khuyến khích đầu tư, trong khi tỷ lệ chiết khấu cao dẫn đến NPV giảm và giảm đầu tư Ngoài ra, chi phí vốn cao đồng nghĩa với giá trị hiện tại thuần của dự án mới thấp, dẫn đến đầu tư thấp, trong khi chi phí vốn thấp cho thấy giá trị hiện tại thuần cao, khuyến khích đầu tư nhiều hơn.
Trong nghiên cứu của tác giả, chi phí sử dụng vốn được xem là đồng nhất, tức là không có sự khác biệt giữa chi phí sử dụng vốn của dự án và chi phí sử dụng vốn của công ty.
Giả thuyết tỷ suất sinh lợi trên tài sản (ROA)
Các công ty có tỷ suất sinh lợi trên tài sản (ROA) kỳ vọng cao thường đạt được tỷ suất sinh lợi tài sản (TSSL) cao hơn so với những công ty có ROA kỳ vọng thấp Mối quan hệ tích cực giữa ROA và TSSL kỳ vọng cho thấy rằng các doanh nghiệp hiệu quả hơn trong việc sử dụng tài sản sẽ mang lại lợi nhuận cao hơn cho các nhà đầu tư.
TSSL trung bình với TSSL ngắn hạn trước đó và thu nhập bất ngờ, cũng như tương quan âm giữa TSSL trung bình với kiệt quệ tài chính.
Phương trình (1) chỉ ra rằng tỷ suất sinh lợi kỳ vọng (TSSL) tương đương với tỷ suất sinh lợi trên tài sản (ROA) kỳ vọng chia cho mức đầu tư trên tài sản ROA kỳ vọng cao kết hợp với đầu tư thấp dẫn đến lãi suất chiết khấu cao, điều này cần thiết để bù đắp cho ROA dự kiến cao nhằm giảm hiện giá thuần của vốn mới, từ đó hạn chế mức đầu tư Nếu lãi suất chiết khấu không đủ cao để chống lại ROA kỳ vọng cao, các công ty sẽ thấy hiện giá thuần của vốn mới cao và sẽ đầu tư nhiều hơn Ngược lại, ROA kỳ vọng thấp đi đôi với đầu tư cao chỉ ra lãi suất chiết khấu thấp Nếu lãi suất chiết khấu không đủ thấp để ngăn chặn tác động của ROA kỳ vọng thấp, các công ty sẽ đánh giá hiện giá ròng (NPV) của vốn cổ phần mới thấp và do đó sẽ giảm mức đầu tư.
Với những lập luận về ảnh hưởng của 2 nhân tố: đầu tư và ROA, Long Chen – Lu Zhang hàm ý mô hình 3 nhân tố sau:
Mô hình 3 nhân tố Long Chen – Lu Zhang r i – r f = αi + β MKT [r m – r f ] + β INV r INV + β ROA r ROA + ε
r f : lãi suất phi rủi ro
r i : tỷ suất sinh lợi kỳ vọng của danh mục tài sản i
r m : TSSL kỳ vọng của danh mục thị trường
r INV : phần bù đầu tư
r ROA : phần bù TSSL trên tổng tài sản
β MKT : hệ số hồi quy thị trường.
β INV : hệ số hồi quy nhân tố đầu tư.
β ROA : hệ số hồi quy nhân tố ROA.
ε : sai số ngẫu nhiên của mô hình
α : hệ số chặn của mô hình
2.4.3 Xây dựng các nhân tố giải thích
Long Chen và Lu Zhang đã kiểm định giả thuyết đầu tư và ROA bằng phương pháp danh mục Fama-French Họ xây dựng các nhân tố mới dựa trên đầu tư tài sản và ROA, tương tự như cách Fama và French phát triển nhân tố quy mô và giá trị Tác giả cũng xem xét nhân tố thị trường và áp dụng kết quả từ mô hình ba nhân tố mới để phân tích chi tiết tỷ suất sinh lợi.
Nhân tố đầu tư Đầu tư trên tài sản (I/A) được tính bằng sự biến động hàng năm của bất động sản, nhà xưởng, máy móc và thiết bị, cộng với sự thay đổi hàng năm của hàng tồn kho, sau đó chia cho giá trị sổ sách của tài sản trong năm trước.
�ổ�� �à� �ả� �−1 Nhân tố đầu tư, rINV, được xây dựng bằng cách sắp xếp dựa trên quy mô và I/A.
- 3 nhóm theo I/A :vào tháng 6 mỗi năm, chia cổ phiếu NYSE, AMEX, và NASDAQ thành ba nhóm I/A dựa trên các điểm ngắt 30% thấp (L), 40% trung bình (M), và 30% cao (H).
Bài viết phân loại cổ phiếu trên sàn NYSE, Amex và NASDAQ thành hai nhóm quy mô dựa trên trung vị giá trị thị trường của vốn cổ phần, được tính bằng giá cổ phiếu nhân với số lượng cổ phiếu đang lưu hành Hai nhóm này bao gồm nhóm quy mô nhỏ (Nhỏ-L) và nhóm quy mô lớn (Lớn-B).
Long Chen và Lu Zhang đã phát triển 6 danh mục cổ phiếu với các ký hiệu S/L, S/M, S/H, B/L, B/M, và B/H, trong đó S và M đại diện cho các cổ phiếu có quy mô nhỏ và lớn, còn L, M, H tương ứng với tỷ lệ I/A thấp, trung bình và cao Tỷ suất sinh lời (TSSL) của mỗi chứng khoán trong danh mục được tính toán bằng cách nhân TSSL hàng tháng với trọng số vốn hóa của từng chứng khoán trong danh mục.
Nhân tố đầu tư (rINV) được xác định là sự chênh lệch giữa tỷ suất sinh lợi trung bình hàng tháng của hai nhóm danh mục đầu tư I/A-thấp và I/A-cao.
ROA, hay tỷ suất lợi nhuận trên tài sản, được tính bằng cách chia thu nhập trước các khoản mục bất thường cho tổng tài sản trong quý gần nhất Tương tự như cách xây dựng INV, tác giả đã phân loại ROA thành 6 danh mục khác nhau.
Từ tháng 1 năm 1972 đến tháng 12 năm 2006, tác giả đã phân loại cổ phiếu trên các sàn NYSE, AMEX và NASDAQ thành ba nhóm dựa trên tỷ suất lợi nhuận trên tài sản (ROA) Cụ thể, nhóm đầu tiên chiếm 30% với ROA thấp, nhóm thứ hai 40% với ROA trung bình, và nhóm cuối cùng 30% với ROA cao nhất, dựa trên điểm ngắt của giá trị ROA trong quý gần nhất.
- 3 nhóm theo quy mô : Tác giả sử dụng trung vị NYSE mỗi tháng để chia cổ phiếu NYSE, AMEX và NASDAQ thành hai nhóm.
- Từ đó hình thành sáu danh mục đầu tư từ các giao điểm của 2 nhóm quy mô và ba nhóm ROA.
Long Chen và Lu Zhang đã phát triển 6 danh mục cổ phiếu với các ký hiệu S/L, S/M, S/H, B/L, B/M, B/H, trong đó S và M đại diện cho các cổ phiếu quy mô nhỏ và lớn, còn L, M, H tương ứng với tỷ lệ ROA thấp, trung bình và cao Tỷ suất sinh lợi hàng tháng được tính theo tỷ trọng vốn hóa thị trường, nhằm mô phỏng sự biến động chung trong tỷ suất sinh lợi liên quan đến ROA ở cấp độ công ty.
D ữ li ệu và phương pháp nghiên cứ u
D ữ li ệu nghiên cứ u
Bài nghiên cứu này tập trung vào toàn bộ các công ty phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TPHCM (HOSE), với mục tiêu loại bỏ các công ty tài chính có đòn bẩy cao nhưng không có rủi ro kiệt quệ theo tiêu chí của Fama – French (1993) Tác giả chỉ chọn những công ty phi tài chính có vốn cổ phần dương để xây dựng danh mục đầu tư Mẫu nghiên cứu bao gồm 288 công ty, được thu thập trong khoảng thời gian từ tháng 1 năm 2008 đến ngày 31 tháng 12 năm 2013.
Giá cổ phiếu là giá đóng cửa đã điều chỉnh vào cuối mỗi tuần giao dịch, bao gồm các điều chỉnh từ cổ tức cổ phiếu, cổ phiếu thưởng và cổ tức tiền mặt Thông tin về giá cổ phiếu này được thu thập từ các trang web uy tín như http://vietstock.vn/ và https://vndirect.com.vn/portal/home.shtml.
Báo cáo tài chính quý và báo cáo tài chính năm của các công ty được cung cấp từ website http://vietstock.vn/ Hầu hết các báo cáo này đã được soát xét cho báo cáo tài chính giữa niên độ và kiểm toán cho báo cáo tài chính năm.
Lãi suất phi rủi ro là lãi suất của tài sản không có rủi ro, được xác định qua lãi suất trái phiếu chính phủ kỳ hạn 12 tháng do Kho bạc nhà nước phát hành Dữ liệu về trái phiếu chính phủ được thu thập từ trang web http://thomsonreuters.com/.
Tỷ suất sinh lợi thị trường được tính dựa vào chỉ số giá VN-Index.
Phương pháp nghiên cứ u
3.2.1 Phương pháp xử lý dữ liệu
Tỷ suất sinh lợi theo tuần của danh mục
Dựa vào giá đóng cửa cuối tuần của cổ phiếu và giá này là giá đã điều chỉnh cổ tức cổ phiếu, cổ phiếu thưởng, cổ tức tiền mặt.
�ℎ�ế� = �� giá đóng cửa cuối tuần t
TSSL tuần của danh mục được tính bằng TSSL hàng tuần của cổ phiếu nhân với trọng số vốn hóa mỗi chứng khoán trong danh mục.
Tỷ suất sinh lợi thị trường
Cổ phiếu trong mẫu chọn được niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh, vì vậy tỷ suất sinh lợi thị trường được xác định dựa trên sự biến động của chỉ số VN-Index.
Trong đó VN_Index t :Chỉ số giá VN_Index tại tuần t
VN_Index t−1 :Chỉ số giá VN_Index tại tuần t-1
Xây dựng danh mục theo mô hình Fama-French
Quy mô công ty ( giá trị vốn hóa thị trường) (ME)
Dữ liệu được thu thập từ website http://vietstock.vn/ cho thấy từ năm 2008 đến 2013, vào tháng 6 hàng năm, cổ phiếu được phân loại thành hai nhóm dựa trên quy mô trung vị: nhóm Small (S) và nhóm Big (B).
Những công ty có quy mô nhỏ hơn quy mô trung vị thì xếp vào doanh nghiệp có quy mô nhỏ.
Những công ty có quy mô lớn hơn hoặc bằng quy mô trung vị thì xếp vào doanh nghiệp có quy mô lớn.
Giá trị sổ sách trên giá trị thị trường của cổ phiếu (BE/ME)
Dữ liệu được thu thập từ website http://vietstock.vn/ là giá trị ME/BE, do đó cần nghịch đảo lại để sử dụng Vào cuối tháng 12 hàng năm từ năm 2008 đến 2013, dựa trên BE/ME của cổ phiếu trong mẫu, chúng tôi sắp xếp theo thứ tự tăng dần và phân chia thành 3 nhóm với tỷ lệ 30%, 40% và 30%, tương ứng với các mức thấp (LOW-L), trung bình (MEDIUM-M) và cao (HIGH-H).
Từ 2 nhóm theo quy mô (ME), 3 nhóm theo BE/ME ta hình thành nên 6 danh mục S/L, S/M, S/H, B/L, B/M, B/H với
- S/L danh mục bao gồm các công ty có quy mô nhỏ, BE/ME thấp.
- S/M danh mục bao gồm các công ty có quy mô nhỏ, BE/ME trung bình.
- S/H danh mục bao gồm các công ty có quy mô nhỏ, BE/ME cao.
- B/L danh mục bao gồm các công ty có quy mô lớn, BE/ME thấp.
- B/M danh mục bao gồm các công ty có quy mô lớn, BE/ME trung bình.
- B/H danh mục bao gồm các công ty có quy mô lớn, BE/ME cao.
TSSL tuần của danh mục được tính bằng cách nhân tổng TSSL các chứng khoán trong danh mục với trọng số vốn hóa của từng chứng khoán, tức là giá trị vốn hóa của mỗi chứng khoán chia cho tổng giá trị vốn hóa của toàn bộ danh mục Từ TSSL tuần này, chúng ta có thể xác định hai nhân tố quan trọng là SMB và HML.
Nhân tố quy mô (SMB- Small minus Big)
Chênh lệch TSSL tuần các nhóm công ty có quy mô nhỏ với nhóm các công ty có quy mô lớn
Nhân tố giá trị (HML- High minus Low)
Chênh lệch TSSL tuần các nhóm công ty có BE/ME cao với nhóm các công ty có BE/ME thấp.
Đầu tư trên tài sản (I/A)
Dữ liệu thu thập được từ website http://vietstock.vn/
Theo nghiên cứu của Long Chen và Lu Zhang (2010), các tác giả đã phân loại cổ phiếu thành ba nhóm dựa trên chỉ số I/A, với tỷ lệ 30%-40%-30% cho các mức thấp (LOW-L), trung bình (MEDIUM-M) và cao (HIGH-H).
Công thức tính tỷ lệ tài sản trong tháng 6 năm t được xác định bằng cách lấy tổng giá trị hàng tồn kho, đầu tư tài chính ngắn hạn, tài sản cố định, bất động sản đầu tư và đầu tư tài chính dài hạn trong tháng 6 năm t, sau đó trừ đi tổng giá trị tương ứng của năm t-1 Cuối cùng, kết quả này được chia cho tổng tài sản của năm t-1 để có được tỷ lệ chính xác.
Nhân tố đầu tư r INV
Nhân tố đầu tư được hình thành từ sự kết hợp giữa hai nhóm nhân tố quy mô là Small-L và Big-B, cùng với ba nhóm theo tiêu chí I/A: thấp (LOW-L), trung bình (MEDIUM-M) và cao (HIGH-H) Kết quả là chúng ta có sáu danh mục đầu tư: S/L, S/M, S/H, B/L, B/M và B/H.
- S/L danh mục bao gồm các công ty có quy mô nhỏ, I/A thấp.
- S/M danh mục bao gồm các công ty có quy mô nhỏ, I/A trung bình.
- S/H danh mục bao gồm các công ty có quy mô nhỏ, I/A cao.
- B/L danh mục bao gồm các công ty có quy mô nhỏ, I/A thấp.
- B/M danh mục bao gồm các công ty có quy mô nhỏ, I/A trung bình.
- B/H danh mục bao gồm các công ty có quy mô nhỏ, I/A cao.
TSSL tuần của danh mục được xác định bằng cách tính tổng TSSL của các chứng khoán trong danh mục, nhân với trọng số vốn hóa của từng chứng khoán Trọng số này được tính bằng giá trị vốn hóa của mỗi chứng khoán chia cho tổng giá trị vốn hóa của toàn bộ danh mục Ngoài ra, nhân tố INV (rINV) được xác định là chênh lệch TSSL tuần giữa nhóm có I/A thấp và nhóm có I/A cao.
Đầu tư trên tài sản (ROA)
Theo nghiên cứu của Long Chen và Lu Zhang, các cổ phiếu được phân loại thành ba nhóm dựa trên giá trị ROA hàng quý từ 4 tháng trước, bao gồm nhóm thấp 30%, trung bình 40% và cao 30% Dữ liệu được thu thập từ website http://vietstock.vn/ và tác giả áp dụng độ trễ trong phân tích.
Để đảm bảo thông tin kế toán cần thiết được biết đến trước khi hình thành các danh mục đầu tư, chúng tôi chọn độ trễ 4 tháng, mặc dù lựa chọn này mang tính chủ quan Việc sử dụng độ trễ ngắn hơn sẽ chỉ củng cố kết quả của tác giả Tuy nhiên, do thông tin thu thập tại Việt Nam không đầy đủ, tôi sẽ tiến hành thu thập vào cuối tháng 12 năm t-1 Sau đó, các cổ phiếu trong mẫu nghiên cứu sẽ được chia thành ba nhóm: thấp (LOW-L), trung bình (MEDIUM-M) và cao (HIGH-H).
Nhân tố ROA được hình thành từ sự kết hợp của hai nhóm quy mô là Small-L và Big-B, cùng với ba nhóm theo chỉ số I/A là LOW-L, MEDIUM-M và HIGH-H Kết quả là tạo ra sáu danh mục: S/L, S/M, S/H, B/L, B/M và B/H.
- S/L danh mục bao gồm các công ty có quy mô nhỏ, ROA thấp.
- S/M danh mục bao gồm các công ty có quy mô nhỏ, ROA trung bình.
- S/H danh mục bao gồm các công ty có quy mô nhỏ, ROA cao.
- B/L danh mục bao gồm các công ty có quy mô nhỏ, ROA thấp.
- B/M danh mục bao gồm các công ty có quy mô nhỏ, ROA trung bình.
- B/H danh mục bao gồm các công ty có quy mô nhỏ, ROA cao.
TSSL tuần của danh mục được tính bằng cách nhân tổng TSSL các chứng khoán trong danh mục với trọng số vốn hóa của từng chứng khoán, trong đó trọng số vốn hóa được xác định bằng giá trị vốn hóa của mỗi chứng khoán chia cho tổng giá trị vốn hóa của toàn bộ danh mục Ngoài ra, nhân tố ROA (rROA) được xác định là chênh lệch TSSL tuần giữa nhóm có ROA cao và nhóm có ROA thấp.
3.2.2 Phương pháp phân tích dữ liệu
Một chuỗi thời gian được xem là dừng khi cả kỳ vọng và phương sai của nó không thay đổi theo thời gian Hơn nữa, hiệp phương sai giữa hai giai đoạn quan sát trong chuỗi này chỉ phụ thuộc vào khoảng cách độ trễ giữa chúng, không phụ thuộc vào thời điểm tính toán.
Về mặt toán học, các điều kiện trên sẽ được thể hiện như sau:
Một chuỗi dữ liệu thời gian không dừng khi chuỗi dữ liệu đó vi phạm ít nhất 1 trong 3 điều kiện trên.
Để đảm bảo tính chính xác trong dự báo, chuỗi dữ liệu cần phải có tính dừng, tức là không vi phạm các điều kiện về tính dừng Nếu chuỗi không dừng, dự báo sẽ trở nên không hiệu quả vì các đặc điểm của dữ liệu có thể thay đổi theo thời gian Việc kiểm định tính dừng của chuỗi là rất quan trọng, bởi nếu không, các phương pháp ước lượng thông thường như OLS có thể dẫn đến kết quả không chính xác Sử dụng phân tích hồi quy trong trường hợp này có thể gây ra hiện tượng "hồi quy giả mạo", nơi mà hệ số R² cao và các hệ số hồi quy có ý nghĩa thống kê, nhưng kết quả lại không đáng tin cậy.
Phân tích ma trận tương quan
Phân tích ma trận là phương pháp quan trọng để xác định sự xuất hiện của hiện tượng đa cộng tuyến trong mô hình Nếu hiện tượng này xảy ra, nó có thể dẫn đến sự sai lệch trong kết quả ước lượng, ảnh hưởng đến độ chính xác của các phân tích sau này.
K ế t qu ả nghiên cứ u
Tương quan giữa các nhân tố gi ải thích
Ta cần xét tương quan giữa các nhân tố giải thích để đảm bảo các mô hình kiểm định không xuất hiện hiện tượng đa cộng tuyến.
Bảng 4.7: Ma trận tương quan giữa r m -r f , SMB, HML , r INV , r ROA
Probability RM_RF SMB HML RINV ROA
Nguồn : tác giả tính toán
Bảng 4.7 trình bày mối tương quan giữa các nhân tố Rm-Rf, SMB, HML, RINV và ROA Cụ thể, tương quan giữa Rm-Rf và SMB là -0.228855, so với 0.32 trong nghiên cứu của Fama và French (1993) Tương quan giữa HML và Rm-Rf đạt 0.153680, so với -0.32 trong cùng nghiên cứu Cuối cùng, mối tương quan giữa SMB và HML là 0.481913, khác biệt so với -0.08 trong Fama và French (1993).
Tương quan giữa các nhân tố RINV và Rm-Rf là -0.123062, RINV và SMB là 0.383763, RINV và HML là 0.464729 Đối với nhân tố ROA, tương quan với Rm-Rf là -0.198144, với SMB là -0.459063, với HML là -0.783021, và với RINV là -0.389089 So với nghiên cứu của Long Chen và Lu Zhang (2010), các hệ số tương quan này có phần cao hơn, tuy nhiên tất cả đều nhỏ hơn 0,8, cho thấy khả năng xảy ra hiện tượng đa cộng tuyến là thấp.
K ế t qu ả ki ểm đị nh
Mô hình CAPM dựa vào một nhân tố chính, đó là nhân tố thị trường Việc áp dụng mô hình CAPM giúp kiểm định khả năng giải thích của nhân tố thị trường đối với tỷ suất sinh lợi (TSSL) của danh mục đầu tư.
Trong mô hình tài chính, TSSL vượt trội của danh mục tài sản i được xác định bởi công thức: ri – rf = a + b(rm – rf) + ε, trong đó ri – rf là TSSL vượt trội của danh mục tài sản, rm – rf là TSSL vượt trội của thị trường, a là hệ số chặn, b là hệ số hồi quy và ε là sai số.
Lần lượt hồi quy TSSL vượt trội của 6 danh mục theo quy mô – BE/ME với nhân tố thị trường rm-rf
Bảng 4.8 : Hồi quy TSSL vượt trội của 6 danh mục theo quy mô – BE/ME với nhân tố thị trường
Godfrey 0.4014 0.1082 0.3897 0.9565 0.9012 0.3855 Nguồn : tác giả tính toán
- S/L danh mục bao gồm các công ty có quy mô nhỏ, BE/ME thấp.
- S/M danh mục bao gồm các công ty có quy mô nhỏ, BE/ME trung bình.
- S/H danh mục bao gồm các công ty có quy mô nhỏ, BE/ME cao.
- B/L danh mục bao gồm các công ty có quy mô lớn, BE/ME thấp.
- B/M danh mục bao gồm các công ty có quy mô lớn, BE/ME trung bình.
- B/H danh mục bao gồm các công ty có quy mô lớn, BE/ME cao.
Bảng 4.8 trình bày kết quả hồi quy TSSL vượt trội của 6 danh mục theo quy mô – BE/ME với nhân tố thị trường trong giai đoạn từ tháng 1/2008 đến tháng 12/2013 Kết quả cho thấy hệ số chặn a thấp, gần bằng 0, cho thấy không có sự chênh lệch đáng kể giữa TSSL thực tế và TSSL kỳ vọng trong mô hình CAPM Hệ số a cho phép xác định định giá của chứng khoán: nếu α > 0, chứng khoán được định giá thấp, khuyến nghị mua vào; nếu α < 0, chứng khoán định giá cao, khuyến nghị bán; và nếu α = 0, chứng khoán được định giá đúng, nên nắm giữ Trong số các danh mục, chỉ có danh mục S/H và B/H không được định giá thấp (a > 0).
Kết quả hồi quy từ 6 danh mục cho thấy TSSL vượt trội của thị trường ảnh hưởng mạnh mẽ đến TSSL vượt trội của các danh mục chứng khoán, với p-value bằng 0.000, cho thấy mức ý nghĩa thống kê rất cao Hệ số b gần bằng 1 cho thấy độ nhạy cảm của các danh mục này tương tự như danh mục thị trường, và tất cả các tác động đều mang tính dương Ở mức ý nghĩa thống kê 10%, các tác động này lần lượt được ghi nhận.
Hệ số b trong danh mục S/L là 0.7636, cho thấy rằng khi TSSL vượt trội của thị trường tăng hoặc giảm 1%, TSSL vượt trội của chứng khoán trong danh mục S/L sẽ thay đổi tương ứng 0.7636% Hệ số R² điều chỉnh là 0.5238, cho thấy các biến trong mô hình đã giải thích được 52.38% biến phụ thuộc Thống kê F-statistic với p-value=0.000 chứng tỏ rằng mô hình này được xây dựng một cách phù hợp.
Hệ số b trong danh mục S/H là 0.9042, cho thấy rằng khi TSSL vượt trội của thị trường thay đổi 1%, TSSL vượt trội của chứng khoán trong danh mục S/H sẽ thay đổi tương ứng 0.9042% Hệ số R² điều chỉnh là 0.4501, cho thấy các biến trong mô hình đã giải thích được 45.01% biến phụ thuộc Thống kê F-statistic với p-value=0.000 chứng minh rằng mô hình này được xây dựng phù hợp.
Hệ số b trong danh mục S/M là 0.8772, cho thấy rằng khi TSSL vượt trội của thị trường tăng hoặc giảm 1%, TSSL vượt trội của chứng khoán trong danh mục S/M sẽ tăng hoặc giảm tương ứng 0.8772% Hệ số R² điều chỉnh là 0.4673, cho thấy các biến trong mô hình đã giải thích được 46.73% biến phụ thuộc Thống kê F-statistic với p-value=0.000 chứng tỏ rằng mô hình này được xây dựng một cách phù hợp.
Hệ số b trong danh mục B/L là 0.8459, cho thấy rằng khi TSSL của thị trường tăng hoặc giảm 1%, TSSL vượt trội của chứng khoán trong danh mục B/L sẽ tăng hoặc giảm tương ứng 0.8459% Hệ số R² điều chỉnh là 0.4673, cho thấy các biến trong mô hình đã giải thích được 46.73% biến phụ thuộc Thống kê F-statistic với p-value=0.000 cho thấy mô hình này được xây dựng phù hợp.
Hệ số b trong danh mục B/H là 1.0937, cho thấy rằng khi TSSL của thị trường tăng 1%, TSSL vượt trội của chứng khoán trong danh mục B/H sẽ tăng tương ứng 1.0937% Hệ số R² điều chỉnh đạt 0.5479, cho thấy các biến trong mô hình giải thích được 54.79% biến phụ thuộc Thống kê F-statistic với p-value = 0.000 chứng tỏ rằng mô hình này được xây dựng một cách phù hợp.
Hệ số b trong danh mục B/M là 0.9936, cho thấy rằng nếu TSSL vượt trội của thị trường tăng hoặc giảm 1%, TSSL vượt trội của chứng khoán trong danh mục B/H sẽ thay đổi tương ứng 0.9936% Hệ số R² điều chỉnh là 0.6595, cho thấy các biến trong mô hình đã giải thích được 65.95% biến phụ thuộc Thống kê F-statistic với p-value=0.000 chứng tỏ rằng mô hình này được xây dựng một cách phù hợp.
Kết quả kiểm định tự tương quan bậc 1 bằng kiểm định Dubin – Watson đối với cả
Mô hình CAPM gồm 6 danh mục cho thấy các hệ số kiểm định gần đạt giá trị 2, điều này chứng tỏ rằng cả 6 mô hình đều không gặp phải hiện tượng tự tương quan bậc 1.
Kết quả kiểm định Breusch-Pagan-Godfrey cho thấy cả 6 danh mục trong mô hình CAPM đều không gặp hiện tượng phương sai thay đổi, với tất cả các hệ số kiểm định chấp nhận giả thuyết H0 tại mức ý nghĩa thống kê 5% (p-value lớn hơn 5%).
Kết quả hồi quy cho thấy hệ số R² dao động từ 0.4501 đến 0.6595, cho thấy rằng ngoài yếu tố thị trường, còn có những yếu tố khác ảnh hưởng đến TSSL.
Mô hiǹ h 3 nhân tố Fama – French
Theo nghiên cứu của Fama và French (1993), hai yếu tố mới là SMB (Small Minus Big) và HML (High Minus Low) đã được bổ sung cùng với yếu tố thị trường để cải thiện khả năng giải thích về tỷ suất sinh lợi của danh mục đầu tư.
Trong đó: ri – rf = a + b(rm – rf) + s.SMB + h.HML + ε ri – rf : TSSL vượt trội của danh mục tài sản i rm – rf : TSSL vượt trội của thị trường
SMB : nhân tố quy mô
HML : nhân tố giá trị a : hệ số chặn b,s,h : hệ số hồi quy ε : sai số
Lần lượt hồi quy TSSL vượt trội của 6 danh mục theo quy mô – BE/ME với 3 nhân tố rm-rf, SMB, HML.
Bảng 4.9: Kết quả hồi quy TSSL vượt trội 6 danh muc̣ với ba nhân tố r m -r f , SMB, HML theo quy mô – BE/ME
Danh muc̣ S/L S/M S/H B/L B/M B/H a 0.0037 0.0049 0.0021 0.0027 0.0025 0.0043 p-value 0.0299 0.0026 0.2433 0.0992 0.1961 0.0043 b 0.8999 0.9503 0.9526 0.9347 0.9715 0.8820 p-value 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 s 0.7373 0.9663 0.7632 -0.0951 -0.1530 -0.1211 p-value 0.0000 0.0000 0.0000 0.1641 0.0578 0.0505 h -0.1932 0.1694 0.3801 -0.5899 0.0016 0.8368 p-value 0.0000 0.0000 0.0000 0.0000 0.9725 0.0000
Nguồn : tác giả tính toán
- S/L danh mục bao gồm các công ty có quy mô nhỏ, BE/ME thấp.
- S/M danh mục bao gồm các công ty có quy mô nhỏ, BE/ME trung bình.
- S/H danh mục bao gồm các công ty có quy mô nhỏ, BE/ME cao.
- B/L danh mục bao gồm các công ty có quy mô lớn, BE/ME thấp.
- B/M danh mục bao gồm các công ty có quy mô lớn, BE/ME trung bình.
- B/H danh mục bao gồm các công ty có quy mô lớn, BE/ME cao.
Bảng 4.9 trình bày kết quả hồi quy TSSL vượt trội 6 danh mục theo quy mô – BE/ME với ba nhân tố rm- rf, SMB, HML ( xem thêm phụ lục 2).
Kết quả hồi quy cho thấy các thay đổi trong TSSL của các danh mục được giải thích bởi ba nhân tố, với tất cả hệ số hồi quy đều khác không ở mức ý nghĩa 10% Phân tích từ 6 danh mục cho thấy hệ số chặn a thấp, gần bằng 0, cho thấy không có sự chênh lệch đáng kể giữa TSSL thực tế và TSSL kỳ vọng trong mô hình 3 nhân tố của Fama – French.
