GIỚI THIỆU
Lý do thực hiện đề tài
Tính thanh khoản là thước đo khả năng mua bán tài sản mà không làm ảnh hưởng đến giá thị trường Nhà đầu tư cần xem xét khả năng bán lại tài sản để thu lợi nhuận và các chi phí giao dịch có thể phát sinh Điều này ảnh hưởng đến dòng tiền tự do từ việc bán tài sản, do đó tính thanh khoản trở thành yếu tố quan trọng trong đánh giá tài sản Nó không chỉ liên quan đến tài sản tài chính như cổ phiếu mà còn ảnh hưởng đến giá cả của nhiều loại tài sản khác.
Tài sản có tính thanh khoản là những tài sản dễ dàng chuyển nhượng trên thị trường, với giá cả ổn định và khả năng phục hồi vốn cao cho nhà đầu tư Thị trường chứng khoán cho phép nhà đầu tư chuyển đổi chứng khoán thành tiền mặt khi cần thiết Khả năng thanh khoản không chỉ là một đặc điểm hấp dẫn của chứng khoán mà còn là rủi ro mà mọi nhà đầu tư phải đối mặt.
Thị trường chứng khoán đóng vai trò quan trọng trong nền kinh tế bằng cách tạo ra tính thanh khoản, giúp giảm rủi ro cho các nhà đầu tư khi họ có thể dễ dàng bán cổ phần khi cần tiền mặt hoặc điều chỉnh danh mục đầu tư Điều này khuyến khích các dự án đầu tư dài hạn, đồng thời cho phép các công ty bền vững huy động vốn thông qua phát hành cổ phiếu Tính thanh khoản cao không chỉ cải thiện việc phân phối nguồn vốn mà còn tăng cường triển vọng tăng trưởng dài hạn cho nền kinh tế Khi đầu tư trở nên ít rủi ro và sinh lợi hơn, thị trường chứng khoán sẽ thu hút thêm nhiều nhà đầu tư, vì họ cảm thấy an tâm hơn khi có khả năng rút lui khi cần thiết.
Khi thanh khoản thị trường giảm, đầu tư theo tiêu chí thanh khoản cao trở nên quan trọng hơn bao giờ hết Trong bối cảnh này, phân tích kỹ thuật không còn hỗ trợ hiệu quả cho quyết định đầu tư Nhiều cuộc thảo luận gần đây đã chỉ ra rằng để thu hút vốn nước ngoài, cần tăng cường tính thanh khoản cho thị trường chứng khoán.
Tính thanh khoản của thị trường chứng khoán (TTCK) có thể thu hút nhiều hoạt động đầu tư khi tạo ra các cơ hội đầu tư ít rủi ro hơn Các nhà đầu tư chỉ tham gia khi họ có thể dễ dàng thoát khỏi vị thế của mình Do đó, nghiên cứu về tính thanh khoản ngày càng trở nên quan trọng, và việc tìm ra mô hình định giá phù hợp sẽ giúp nâng cao độ chính xác của phân tích, từ đó hỗ trợ hiệu quả cho quyết định đầu tư.
Tác giả đã chọn nghiên cứu về “Tính thanh khoản và định giá tài sản” để cung cấp bằng chứng thực nghiệm từ thị trường chứng khoán Hồ Chí Minh Nghiên cứu này nhằm làm rõ mối quan hệ giữa tính thanh khoản và giá trị tài sản, góp phần hiểu biết sâu sắc hơn về động lực của thị trường chứng khoán tại Việt Nam.
Mục tiêu nghiên cứu
Nghiên cứu này phân tích ảnh hưởng của tính thanh khoản đến việc định giá tài sản tài chính (TSSL) trên thị trường chứng khoán TP.HCM, tập trung vào các yếu tố như thị trường, quy mô, giá trị, coskewess và momentum của cổ phiếu niêm yết trong giai đoạn từ tháng 01/2009 đến tháng 06/2014 Mục tiêu của nghiên cứu là xác định mô hình định giá tài sản phù hợp với điều kiện thị trường trong giai đoạn này.
Câu hỏi nghiên cứu
Để giải quyết mục tiêu nghiên cứu của mình, tác giả đi tìm câu trả lời cho các câu hỏi sau:
Nhân tố thanh khoản đóng vai trò quan trọng trong việc định giá TSSL của cổ phiếu trên thị trường chứng khoán TP.HCM Nghiên cứu này phân tích ảnh hưởng của thanh khoản đến TSSL trong giai đoạn từ tháng 01/2009 đến tháng 06/2014, nhằm làm rõ mối liên hệ giữa hai yếu tố này Việc hiểu rõ tác động của thanh khoản sẽ giúp nhà đầu tư đưa ra quyết định đầu tư thông minh hơn trên thị trường.
Mô hình định giá tài sản nào là phù hợp cho TTCK HCM trong giai đoạn này ?
Kết cấu đề tài
Trong chương này, tác giả trình bày lý do thực hiện đề tài, mục tiêu nghiên cứu từ đó đưa ra câu hỏi nghiên cứu.
Chương 2: Tổng quan các nghiên cứu trước đây.
Trong chương này, tác giả tóm tắt các nghiên cứu trước đây về tác động của tính thanh khoản đến TSSL cổ phiếu niêm yết trên các sàn chứng khoán toàn cầu và Việt Nam Bài viết cũng đề cập đến mối quan hệ giữa yếu tố thanh khoản và TSSL kỳ vọng, cung cấp cái nhìn sâu sắc về vấn đề này.
Chương 3: Mô tả dữ liệu và phương pháp nghiên cứu.
Trong chương này, tác giả giới thiệu phương pháp nghiên cứu và nguồn dữ liệu, đồng thời mô tả các biến phụ thuộc và biến độc lập được áp dụng trong nghiên cứu.
Chương 4: Trình bày kết quả nghiên cứu.
Trong chương này, tác giả phân tích ảnh hưởng của thanh khoản đến tỷ suất sinh lợi (TSSL) của cổ phiếu trên thị trường chứng khoán TP.HCM Tác giả đã xây dựng 25 danh mục đầu tư cho mỗi năm từ dữ liệu chứng khoán trong giai đoạn từ tháng 01/2009 đến tháng 06/2014, dựa trên hai yếu tố: (1) quy mô (size) và tỷ lệ giao dịch (Turnover ratio); (2) tỷ lệ giá trị sổ sách/giá trị thị trường (BM) kết hợp với tỷ lệ giao dịch Các mô hình được kiểm định bao gồm CAPM 3-moment, mô hình Fama-French ba nhân tố, mô hình bốn nhân tố với thanh khoản, và mô hình năm nhân tố với thêm yếu tố momentum Cuối cùng, tác giả thực hiện hồi quy bình phương bé nhất theo chuỗi thời gian (OLS) cho từng danh mục trong 25 danh mục đầu tư, nhằm đánh giá tác động của tính thanh khoản đến TSSL của các cổ phiếu.
Chương 5: Kết luận, những hạn chế và hướng nghiên cứu mới.
Trong chương này, tác giả tóm tắt các vấn đề nghiên cứu, đưa ra cơ sở cho những gợi ý đầu tư, nêu rõ các hạn chế của luận văn, và đề xuất hướng nghiên cứu tiếp theo.
TỔNG QUAN VỀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Nghiên cứ u trong nướ c
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Nghiên cứu này phân tích dữ liệu giao dịch hàng tháng của các cổ phiếu niêm yết liên tục trên Sở giao dịch chứng khoán Hồ Chí Minh từ tháng 01/2009 đến tháng 06/2014 Tác giả đã đưa ra các tiêu chí cụ thể để chọn mẫu cho nghiên cứu.
Nghiên cứu chỉ nên tập trung vào cổ phiếu của các công ty phi tài chính, đồng thời loại bỏ các cổ phiếu thuộc về các công ty tài chính như ngân hàng, công ty bảo hiểm và công ty chứng khoán.
Tác giả loại bỏ các cổ phiếu có giá trị sổ sách bằng 0 và các cổ phiếu của công ty không cung cấp báo cáo tài chính.
Tiêu chí đầu tiên trong nghiên cứu này giới hạn mẫu cổ phiếu thường được sử dụng trong định giá tài sản, trong khi tiêu chí thứ hai đảm bảo có đủ dữ liệu cần thiết Theo đề xuất của Fama và French (1992), tác giả đã loại trừ các công ty tài chính do mức đòn bẩy cao của họ, điều này thường không phản ánh tình trạng tài chính của các công ty phi tài chính, nơi đòn bẩy cao có thể chỉ ra sự kiệt quệ Sau khi áp dụng hai tiêu chí này, dữ liệu nghiên cứu bao gồm 286 công ty niêm yết trên thị trường chứng khoán TP.HCM trong khoảng thời gian từ tháng 01/2009 đến tháng 06/2014.
Tác giả thu thập các dữ liệu sau đối với từng cổ phiếu của các Công ty trong mẫu như sau:
Khối lượng giao dịch khớp lệnh của mỗi cổ phiếu hàng tháng trong giai đoạn từ tháng 01/2009 đến tháng 06/2014.
Khối lượng lưu hành hàng tháng của mỗi cổ phiếu trong giai đoạn từ tháng
Giá đóng cửa điều chỉnh hàng tháng của mỗi cổ phiếu trong giai đoạn từ tháng
Giá trị sổ sách hàng tháng của mỗi cổ phiếu trong giai đoạn từ tháng
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
Tác giả kiểm định chuỗi thời gian để xác định xem các mô hình định giá tài sản, bao gồm các yếu tố thị trường, quy mô, giá trị sổ sách so với giá trị thị trường, thanh khoản và momentum, có thể giải thích hầu hết biến động TSSL cổ phiếu hay không Nếu thanh khoản ảnh hưởng đến TSSL của cổ phiếu, hệ số chặn chuỗi thời gian sẽ bằng 0 khi đã kiểm soát yếu tố thanh khoản Nghiên cứu của Nguyen et al (2007), Gu và Huang (2010), và Hwang et al (2010) đã áp dụng thử nghiệm do Gibbons, Ross, và Shanken (GRS) phát triển.
Năm 1989, nghiên cứu đã kiểm tra hệ số chặn để xác định giá trị của nó có bằng 0 hay không Để đánh giá ảnh hưởng của thanh khoản đến định giá TSSL, tác giả áp dụng bốn mô hình: mô hình CAPM 3-moment, mô hình Fama-French ba nhân tố, mô hình ba nhân tố gia tăng nhân tố thanh khoản và mô hình năm nhân tố bao gồm thanh khoản và momentum Các mô hình này được trình bày qua các phương trình từ (1) đến (4).
Rpt – Rft = ap + bpMPt + �p(MPt - ̅�̅̅̅�̅) 2 + εpt (1)
R pt – R ft = a p + b p MP t + s p SMB t + h p HML t + ε pt (2)
R pt – R ft = a p + b p MP t + s p SMB t + h p HML t + ψ p LIQ1 t + ε pt (3)
Rpt – Rft = ap + bpMPt + spSMBt + hpHMLt + wpWMLt + ψpLIQ1t + εpt (4)
(Rpt - Rft) : TSSL vượt trội danh mục
MP t : TSSL vượt trội thị trường (MP t – )2 : Nhân tố coskewess
: Giá trị trung bình chuỗi thời gian của MPt
SMB t : Nhân tố quy mô
HMLt : Nhân tố giá trị sổ sách trên giá trị thị trường WMLt : Nhân tố momentum
LIQ1 t : Nhân tố thanh khoản với đại diện thanh khoản là tỷ lệ doanh thu.
Sai số được giả định có giá trị trung bình bằng 0 và không tương quan với các biến giải thích khác Các hệ số độ dốc trong hồi quy chuỗi thời gian cho các nhân tố MP, (MP t – ) 2, SMB, HML, WML, và LIQ1 được ký hiệu lần lượt là bp, sp, hp, wp, và ψp.
Cách hình thành danh mục và định nghĩa các biến
3.3.1Cách hình thành danh mục:
Dựa trên nghiên cứu của Keith S.K Lam và Lewis H.K Tam (2011), tác giả đã xây dựng hai bộ dữ liệu, mỗi bộ gồm 25 danh mục đầu tư cho từng năm, sử dụng dữ liệu chứng khoán từ thị trường chứng khoán Hồ Chí Minh.
Hai bộ dữ liệu được hình thành từ hai phương pháp khác nhau: (1) sử dụng biến quy mô và biến đại diện thanh khoản, (2) kết hợp tỷ lệ giá trị sổ sách trên giá trị thị trường (BM) với biến đại diện thanh khoản Quy mô doanh nghiệp được xác định thông qua giá trị vốn hóa thị trường, được tính bằng cách nhân giá cổ phiếu với số lượng cổ phiếu đang lưu hành vào cuối tháng 12 của năm t.
1 Giá trị sổ sách trên giá trị thị trường (BM) được tính bằng tỷ lệ giữa giá trị sổ sách của vốn chủ sở hữu vào cuối năm tài chính t-1 và quy mô doanh nghiệp vào cuối tháng 12 năm t-1.
Theo Keene và Peterson (2007) cùng với Nguyễn et al (2007), trong nghiên cứu này, tác giả đã sử dụng tỷ lệ doanh thu (turnover ratio) làm biến đại diện cho thanh khoản Tỷ lệ doanh thu được tính toán dựa trên công thức cụ thể.
Tỷ lệ doanh thu (LIQ1)
Vào cuối tháng 12 hàng năm, tác giả xếp hạng dữ liệu chứng khoán theo giá trị vốn hóa thị trường và phân chia thành 25 danh mục đầu tư dựa trên quy mô và thanh khoản Số lượng cổ phiếu giao dịch trung bình hàng tháng và bình quân số cổ phiếu lưu hành trong 3 tháng được sử dụng để tính toán biến thanh khoản hàng năm cho từng loại cổ phiếu Các danh mục đầu tư này được hình thành từ giao điểm giữa các nhóm quy mô và thanh khoản Sau khi hoàn tất, tác giả tiếp tục quy trình để tạo ra danh mục đầu tư dựa trên tỷ số giá trị thị trường trên giá trị sổ sách kết hợp với biến thanh khoản.
Sau khi xây dựng hai bộ danh mục đầu tư, tác giả tiến hành tính toán tỷ suất sinh lời hàng tháng cho từng danh mục (tỷ suất sinh lời đều) Để xác định mức sinh lời vượt trội của danh mục đầu tư, tác giả lấy tỷ suất sinh lời của danh mục trừ đi tỷ suất sinh lời phi rủi ro.
Vào cuối tháng 12 hàng năm từ năm 2009 đến năm 2013, tác giả lại thực hiện việc phân chia danh mục đầu tư.
TSSL trung bình của danh mục p trong tháng t (R pt ).
Rit : TSSL của cổ phiếu i trong tháng t. n : Số lượng cổ phiếu trong danh mục p.
Pit : là giá đóng cửa cuối tháng của cổ phiếu i tháng t đã được điều chỉnh.
Pi(t-1) : là giá đóng cửa đầu tháng của cổ phiếu i tháng t đã được điều chỉnh.
Giá đóng cửa hàng tháng là mức giá của phiên giao dịch cuối cùng trong tháng, được điều chỉnh theo các biến động về vốn Giá này phản ánh tình hình giao dịch cổ phiếu vào ngày cuối tháng, cung cấp thông tin quan trọng cho các nhà đầu tư.
3.3.3.1Nhân tố thị trường (MP t ):
Gọi Rmt là tỷ suất sinh lợi thị trường của các danh mục tại tháng t, được tính theo phương pháp bình quân gia quyền dựa trên giá trị vốn hóa thị trường của các danh mục.
Rpt : TSSL trung bình của danh mục p trong tháng t. w p : Tỷ trọng theo giá trị thị trường của từng danh mục.
MPt = Rmt - Rft : Nhân tố thị trường là hiệu số giữa TSSL thị trường và TSSL phi rủi ro hay còn gọi là TSSL vượt trội thị trường.
� ̅̅̅̅�̅ là giá trị trung bình theo chuỗi thời gian của TSSL vượt trội thị trường MPt
� m : Là số lượng tháng theo chuỗi thời gian của mẫu nghiên cứu.
3.3.3.3 Nhân tố quy mô (SMB): Đầu mỗi năm, cổ phiếu được chia thành hai nhóm danh mục đầu tư với nhóm có quy mô nhỏ (S) và nhóm có quy mô lớn (B) dựa theo số liệu quy mô công ty của chúng vào cuối tháng 12 năm trước Trong đó, 50% cổ phiếu thuộc về nhóm có giá trị vốn hóa thấp gọi là nhóm có quy mô nhỏ (S) và 50 % cổ phiếu thuộc về nhóm có giá trị vốn hóa cao hơn gọi là nhóm có quy mô lớn (B).
Tác giả phân loại cổ phiếu thành ba nhóm dựa trên tỷ lệ giá trị sổ sách trên giá trị thị trường (BE/ME): nhóm có BE/ME thấp nhất (L) chiếm 30%, nhóm có BE/ME trung bình (M) chiếm 40%, và nhóm có BE/ME cao nhất (H) chiếm 30% (Fama-French, 1993)
Sáu danh mục đầu tư (S/L, S/M, S/H, B/L, B/M, B/H) được hình thành tại các giao điểm của quy mô và BE/ME TSSL bình quân gia quyền hàng tháng của các danh mục này được tính toán dựa trên việc hình thành danh mục đầu tư, và phương pháp này đã được lặp lại để thu được 66 TSSL trung bình cộng hàng tháng từ tháng 01/2009 đến tháng 06/2014.
Nhân tố quy mô SMB (Small Minus Big) được tính bằng cách lấy trung bình cộng của tỷ suất sinh lời (TSSL) của các danh mục đầu tư có quy mô nhỏ trừ đi TSSL của các danh mục đầu tư có quy mô lớn Phần chênh lệch này được gọi là phần bù quy mô, phản ánh TSSL mà quy mô của công ty mang lại.
Thấp (L) S/L Danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME thấp.
Trung bình (M) S/M Danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME trung bình.
Cao (H) S/H Danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME cao.
Thấp (L) B/L Danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME thấp.
Trung bình (M) B/M Danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME trung bình.
Cao (H) B/H Danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME cao.
Công thức tính nhân tố quy mô SMB như sau:
R S/L : TSSL của danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME thấp.
RS/M : TSSL của danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME trung bình.
R S/H : TSSL của danh mục gồm các công ty có quy mô nhỏ và có tỷ số BE/ME cao
RB/L : TSSL của danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME thấp.
RB/M : TSSL của danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME trung bình.
R B/H : TSSL của danh mục gồm các công ty có quy mô lớn và có tỷ số BE/ME cao.
3.3.3.4 Nhân tố giá trị (HML):
Nhân tố giá trị (High Minus Low) được tính bằng cách lấy trung bình cộng của tỷ suất sinh lời (TSSL) từ danh mục đầu tư có tỷ số BE/ME cao trừ đi TSSL từ danh mục đầu tư có tỷ số BE/ME thấp Sự chênh lệch này được gọi là phần bù giá trị, đại diện cho TSSL mà cổ phiếu giá trị mang lại.
Công thức tính nhân tố giá trị HML như sau:
Theo L'her et al (2004), nhân tố momentum được xây dựng bằng cách xếp hạng cổ phiếu vào đầu năm dựa trên quy mô và hiệu suất trong quá khứ Quy mô được xác định từ giá trị ME vào cuối tháng 12 năm t-1, trong khi hiệu suất quá khứ dựa vào TSSL danh nghĩa của cổ phiếu trong tháng 10 và 11 năm t-1 Đặc biệt, TSSL của tháng 12 không được tính để giảm thiểu ảnh hưởng từ sự chênh lệch giá mua - giá bán.
Trong thị trường chứng khoán, nhóm cổ phiếu Winners (W) chiếm 30% tổng số cổ phiếu có hiệu suất trung bình cao nhất, trong khi nhóm cổ phiếu Losers (L) cũng chiếm 30% tổng số cổ phiếu nhưng có hiệu suất trung bình thấp nhất.
Phương phá p nghiên cứ u
TÍNH THANH KHOẢN VÀ ĐỊNH GIÁ TÀI SẢN:
BẰNG CHỨNG THỰC NGHIỆM Ở THỊ TRƯỜNG CHỨNG
4.1Thống kê mô tả và tương quan giữa các nhân tố:
Trong nghiên cứu này, tác giả đã sử dụng tỷ lệ doanh thu làm đại diện cho thanh khoản, từ đó xây dựng 25 danh mục được phân loại theo quy mô và thanh khoản, cùng với 25 danh mục được phân loại theo tỷ lệ giá trên giá trị sổ sách (BM) và thanh khoản.
Bảng 4.1: Thống kê mô tả giá trị trung bình hàng năm của biến quy mô, BM và thanh khoản từ tháng 01/2009 đến tháng 06/2014
Trung bình của quy mô (tỷ đồng)
BM Trung bình của thanh khoản
TÍNH THANH KHOẢN VÀ ĐỊNH GIÁ TÀI SẢN: BẰNG CHỨNG THỰC NGHIỆM Ở THỊ TRƯỜNG CHỨNG KHOÁN HỒ CHÍ MINH
Thống kê mô tả và tương quan giữa các nhân tố
Trong nghiên cứu này, tác giả đã sử dụng tỷ lệ doanh thu làm đại diện cho thanh khoản để tạo ra 25 danh mục được phân loại theo quy mô - thanh khoản và 25 danh mục được phân loại theo tỷ lệ giá trên giá trị sổ sách (BM) - thanh khoản.
Bảng 4.1: Thống kê mô tả giá trị trung bình hàng năm của biến quy mô, BM và thanh khoản từ tháng 01/2009 đến tháng 06/2014
Trung bình của quy mô (tỷ đồng)
BM Trung bình của thanh khoản
Xếp hạng theo Quy mô
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính thu thập được và dựa trên phần mềm Stata 11.
Bảng 4.1 trình bày thống kê mô tả giá trị trung bình hàng năm của biến quy mô, chỉ số BM và thanh khoản cho từng danh mục trong tổng số 25 danh mục đầu tư được phân loại theo quy mô - thanh khoản và 25 danh mục đầu tư được phân loại theo BM - thanh khoản, trong khoảng thời gian từ tháng 01/2009 đến tháng 06/2014.
Trong bảng A, các công ty nhỏ cho thấy mối quan hệ tích cực giữa quy mô và thanh khoản, trong khi các công ty khác có mối quan hệ hỗn hợp Bảng B lại không chỉ ra mối liên hệ rõ ràng giữa quy mô và thanh khoản, cũng như giữa BM và thanh khoản Do đó, nếu thanh khoản ảnh hưởng đáng kể đến tỷ suất sinh lợi cổ phiếu khi đã kiểm soát quy mô và BM, thì các hiệu ứng thanh khoản này có thể không liên quan đến yếu tố quy mô và BM của công ty.
Bảng C trong bảng 4.1 trình bày số lượng cổ phiếu trung bình hàng năm theo chuỗi thời gian cho 25 danh mục đầu tư được sắp xếp theo quy mô-thanh khoản và BM-thanh khoản Kết quả cho thấy, số lượng doanh nghiệp trung bình trong các danh mục có quy mô lớn và thanh khoản ít thấp hơn so với các danh mục có quy mô nhỏ và thanh khoản nhiều Ngược lại, các danh mục có quy mô lớn và thanh khoản nhiều có số lượng doanh nghiệp cao hơn so với các danh mục quy mô nhỏ và thanh khoản ít Đối với 25 danh mục được sắp xếp theo BM-thanh khoản, số lượng doanh nghiệp trung bình trong các danh mục có BM thấp và thanh khoản ít cũng thấp hơn so với các danh mục có BM cao, thanh khoản thấp và BM cao, thanh khoản nhiều.
Bảng 4.2: Thống kê mô tả về các biến giải thích trong hồi quy chuỗi thời gian từ tháng 01/2009 đến tháng 06/2014
Biến Trung bình Độ lệch chuẩn
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính thu thập được và dựa trên phần mềm Stata 11.
Bảng 4.2 trình bày thống kê mô tả cho 6 biến giải thích trong hồi quy chuỗi thời gian từ tháng 01/2009 đến tháng 06/2014 Kết quả cho thấy giá trị trung bình của TSSL và thị trường (MP) cùng nhân tố quy mô (SMB) đều có giá trị âm, trong khi 4 nhân tố còn lại có diễn biến khác.
Giá trị dương của các yếu tố (MP t - M̅̅̅P̅) 2, HML, WML, LIQ1 cho thấy rằng TSSL trên thị trường (MP) có giá trị trung bình vượt trội là -1,167% mỗi tháng, trong khi nhân tố quy mô (SMB) đạt -0,63%.
Trong 6 nhân tố thì nhân tố momentum (WML) có TSSL cao nhất (2.2763%) và nhân tố TSSL vượt trội thị trường (MP) có TSSL thấp nhất (-1.167%) Trong khi đó, nhân tố thanh khoản (LIQ1) có độ lệch chuẩn cao nhất (7.286%).
TSSL trung bình của nhân tố quy mô (SMB) là -0.63%, cho thấy sự đồng biến giữa TSSL cổ phiếu và quy mô công ty, tức là cổ phiếu của các công ty nhỏ có TSSL thấp hơn so với các công ty lớn Điều này trái ngược với lý thuyết rủi ro là lợi nhuận, theo đó, các doanh nghiệp nhỏ lẽ ra phải có TSSL cao hơn để bù đắp cho rủi ro liên quan đến quy mô.
TSSL trung bình của nhân tố giá trị sổ sách/giá trị thị trường (HML) đạt 1.713%, cho thấy mối quan hệ đồng biến giữa TSSL cổ phiếu và tỷ số BE/ME Cụ thể, cổ phiếu của các công ty có tỷ số BE/ME cao thường có TSSL cao hơn so với các công ty tăng trưởng với tỷ số BE/ME thấp Điều này phù hợp với lý thuyết rủi ro là lợi nhuận, khi các doanh nghiệp có BE/ME cao thường mang lại rủi ro lớn hơn, do đó cần có TSSL cao hơn để bù đắp cho rủi ro về giá trị.
TSSL trung bình của nhân tố thanh khoản (LIQ1) đạt 1.03%, cho thấy sự đồng biến giữa TSSL cổ phiếu và tính thanh khoản Cụ thể, cổ phiếu của các công ty có tính thanh khoản cao thường có TSSL cao hơn so với những công ty
Bảng 4.3: Ma trận tương quan theo từng cặp của sáu nhân tố giải thích
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính thu thập được và dựa trên phần mềm Stata 11.
Nhìn vào bảng 4.3 ta thấy các hệ số tương quan không cao, chứng tỏ giữa các nhân tố có mối tương quan không chặt chẽ với nhau.
Nhân tố MP có tương quan âm với các nhân tố (MP t - M̅̅̅P̅) 2 , SMB, WML, LIQ1; chỉ có tương quan dương với nhân tố HML.
Nhân tố (MPt - M̅̅̅P̅) 2 có tương quan âm với các nhân tố MP, SMB, WML và có tương quan dương với nhân tố HML, LIQ1.
Nhân tố SMB có tương quan âm với HML, MP, (MPt - M̅̅̅P̅) 2 và có tương quan dương với WML, LIQ1.
Nhân tố HML có tương quan âm với WML, LIQ1, SMB và có tương quan dương với
Nhân tố WML có tương quan âm với MP, (MPt - M̅̅̅P̅) 2 , HML và có tương quan dương với SMB, LIQ1.
Nhân tố thanh khoản LIQ1 có mối tương quan âm với MP (-0.4032, p-value 0.0008) và HML (-0.7324, p-value 0.0000) Các nhân tố khác có mối tương quan dương với LIQ1, nhưng hệ số đều thấp Đặc biệt, HML có hệ số tương quan âm đáng kể nhất với LIQ1 là -0.7324 và p-value là 0.0000.
Mặc dù có mối tương quan giữa các biến giải thích, nhưng mức độ không chặt chẽ cho thấy mỗi biến chỉ cung cấp thông tin riêng về biến phụ thuộc mà không ảnh hưởng đến các biến giải thích khác Điều này giảm thiểu khả năng xảy ra hiện tượng đa cộng tuyến Do đó, tác giả kết luận rằng các biến trong mô hình là độc lập và có thể được đưa vào mô hình hồi quy.
Kiểm định tính dừng của chuỗi dữ liệu thời gian và kiểm định hiện tượng đa cộng tuyến của các biến trong mô hình
đa cộng tuyến của các biến trong mô hình:
Trong phân tích hồi quy bình phương bé nhất (OLS), việc kiểm định tính dừng và hiện tượng đa cộng tuyến là những bước quan trọng đầu tiên cần thực hiện.
4.2.1 Kiểm định tính dừng của chuỗi dữ liệu thời gian:
Phân tích hồi quy nhằm dự báo tương lai, tuy nhiên, việc sử dụng dữ liệu quá khứ chỉ khả thi khi chuỗi dữ liệu là dừng Kiểm định tính dừng là bước đầu tiên để xác định xem có nên sử dụng dữ liệu lịch sử hay không Theo Gujarati (2003), chuỗi dữ liệu được coi là dừng khi giá trị trung bình, phương sai và hiệp phương sai không thay đổi theo thời gian Chuỗi dừng có xu hướng trở về giá trị trung bình và các dao động quanh giá trị này là nhất quán Ngược lại, chuỗi thời gian không dừng sẽ có giá trị trung bình và phương sai thay đổi theo thời gian.
Có nhiều phương pháp để kiểm tra tính dừng của chuỗi thời gian, bao gồm kiểm định Dickey–Fuller (DF), kiểm định Phillip–Person (PP), kiểm định Dickey và Fuller mở rộng (ADF) và kiểm tra bằng giản đồ tự tương quan Tuy nhiên, trong nghiên cứu này, tác giả lựa chọn sử dụng kiểm định Dickey–Fuller để xác định tính dừng của chuỗi thời gian của các biến độc lập.
H0: β = 1 (chuỗi dữ liệu không dừng)
Tác giả kiểm tra kết quả dựa vào hệ số thống kê t:
Nếu t > tα thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 là chuỗi dữ liệu dừng.
Nếu t < tα thì bác bỏ giả thuyết H1 và chấp nhận giả thuyết H0 là chuỗi dữ liệu không dừng.
Bảng 4.4: Giá trị thống kê t-statistic trong kiểm định tính dừng
Biến Giá trị thống kê (t-statistic)
25 biến phụ thuộc trong 25 danh mục được sắp xếp theo Quy mô-thanh khoản
25 biến phụ thuộc trong 25 danh mục được sắp xếp theo Quy mô-thanh khoản
Dữ liệu tài chính được thu thập từ Công ty Cổ phần Tài Việt và được phân tích bằng phần mềm Stata Kết quả nghiên cứu cho thấy mức ý nghĩa đạt 10%, 5% và 1% tương ứng với các chỉ số khác nhau.
Kết quả từ bảng 4.4 cho thấy dữ liệu ở tất cả các biến đều đạt mức ý nghĩa 1%, 5% và hiếm khi ở mức 10% Theo Gujarati (2003), dữ liệu này cho phép thực hiện hồi quy mà không gặp phải vấn đề hồi quy giả mạo Tác giả đã tiến hành hồi quy để phân tích mối quan hệ giữa các biến (xem thêm ở phụ lục 2).
4.2.2 Kiểm định hiện tượng đa cộng tuyến:
Kiểm định hiện tượng đa cộng tuyến là một bước quan trọng bên cạnh việc kiểm định tính dừng, giúp xác định sự độc lập của các biến trong mô hình khi giải thích biến phụ thuộc Nếu phát hiện hiện tượng đa cộng tuyến, tác giả cần nhận diện và loại bỏ các biến có hệ số tương quan cao để đảm bảo tính chính xác của mô hình.
Theo phân tích ma trận tương quan, các nhân tố độc lập không có mối tương quan chặt chẽ, do đó không xảy ra hiện tượng đa cộng tuyến Để xác nhận kết luận này, tác giả áp dụng phương pháp thừa số phóng đại phương sai (VIF) nhằm phát hiện hiện tượng đa cộng tuyến.
� � là giá trị R 2 trong hàm hồi quy của Xj theo (k-1) biến giải thích còn lại Khi
VIF ≥ 10 thì có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình.
Tác giả đã tiến hành kiểm định hiện tượng đa cộng tuyến giữa các biến độc lập, bao gồm các nhân tố MP, (MP - ̅̅̅̅̅) 2, SMB, HML, WML và LIQ1, bằng phương pháp tính hệ số phóng đại phương sai.
Kiểm định hiện tượng đa cộng tuyến trong mô hình 2 nhân tố (Phương trình 1):
Variable VIF 1/VIF coskewess 1.00 0.997838 mp 1.00 0.997838
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính được mua từ Công ty Cổ phần Tài Việt và dựa trên phần mềm Stata 11.
Kết quả kiểm định đa cộng tuyến giữa hai biến độc lập MP và (MP - �̅̅̅̅�̅)² cho thấy hệ số phóng đại phương sai VIF trung bình là 1.00, nhỏ hơn 10 Điều này cho phép chúng ta kết luận rằng chưa phát hiện hiện tượng đa cộng tuyến trong mô hình hai nhân tố.
Kiểm định hiện tượng đa cộng tuyến trong mô hình 3 nhân tố (Phương trình 2):
Variable VIF 1/VIF smb 1.25 0.79875 mp 1.25 0.79904 hml 1.07 0.93579
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính được mua từ Công ty Cổ phần Tài Việt và dựa trên phần mềm Stata 11.
Kết quả kiểm định đa cộng tuyến giữa ba biến độc lập MP, SMB và HML cho thấy hệ số phóng đại phương sai VIF trung bình là 1.19, nhỏ hơn 10 Do đó, có thể kết luận rằng chưa phát hiện hiện tượng đa cộng tuyến trong mô hình ba nhân tố này.
Kiểm định hiện tượng đa cộng tuyến trong mô hình 4 nhân tố (Phương trình 3):
Variable VIF 1/VIF liq1 2.74 0.36446 hml 2.43 0.41167 mp 1.57 0.63493 smb 1.37 0.72795
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính được mua từ Công ty Cổ phần Tài Việt và dựa trên phần mềm Stata 11.
Kết quả kiểm định hiện tượng đa cộng tuyến giữa 4 biến độc lập MP, SMB, HML và LIQ1 cho thấy hệ số phóng đại phương sai VIF trung bình là 2.03, nhỏ hơn 10 Do đó, có thể kết luận rằng chưa phát hiện hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình 4 nhân tố.
Kiểm định hiện tượng đa cộng tuyến trong mô hình 5 nhân tố (Phương trình 4):
Variable VIF 1/VIF liq1 2.76 0.36236 hml 2.44 0.41027 mp 1.58 0.63346 smb 1.45 0.69160 wml 1.16 0.86519
Nguồn: Do tác giả tính toán dựa trên dữ liệu tài chính được mua từ Công ty Cổ phần Tài Việt và dựa trên phần mềm Stata 11.
Kết quả kiểm định đa cộng tuyến giữa 5 biến độc lập MP, SMB, HML, LIQ1 và WML cho thấy hệ số phóng đại phương sai VIF trung bình là 1.88, nhỏ hơn 10 Điều này cho thấy không phát hiện hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình 5 nhân tố.
Phân tích kết quả hồi quy mô hình ba nhân tố của Fama-French
Để đảm bảo tính tin cậy của kết quả định lượng, tác giả đã kiểm định các giả thuyết cổ điển như tự tương quan, phương sai thay đổi và đa cộng tuyến Phương sai thay đổi và tự tương quan có thể ảnh hưởng đến hiệu quả ước lượng, trong khi phương sai lớn của ước lượng hệ số có thể tác động đến kiểm định ý nghĩa của các biến trong mô hình Về vấn đề nội sinh, tác giả không tìm thấy mối quan hệ tác động ngược giữa biến phụ thuộc và biến độc lập, và các nghiên cứu trước trên mô hình Fama-French cũng không chỉ ra hiện tượng này, nên không được đề cập trong bài nghiên cứu Kết quả kiểm định đa cộng tuyến cho thấy không có sự tồn tại đa cộng tuyến, với tiêu chuẩn VIF được trình bày trong phần 4.2.2 Kiểm định phương sai thay đổi được thực hiện bằng các phương pháp của White (1980), Breusch và Pagan.
(1979), kiểm định tự tương quan được thực hiện bởi kiểm định Breusch-Godfrey
Trong bài viết này, chúng tôi trình bày chi tiết về các phương pháp xử lý vấn đề phương sai thay đổi và tự tương quan của nhiễu, dựa trên các nghiên cứu của Durbin-Waston (1950, 1951) và White (1980) Nếu mô hình dữ liệu gặp phải hiện tượng phương sai thay đổi, phương pháp Robust của White sẽ được áp dụng Đối với tự tương quan của nhiễu, phương pháp Prais-Winsten (1954) sẽ được sử dụng Trong trường hợp cả hai vấn đề này xuất hiện đồng thời, chúng tôi kết hợp phương pháp Prais-Winsten với phương pháp Robust của White để đạt được kết quả tối ưu.
Bảng 4.5: Kết quả hồi quy mô hình ba nhân tố (MP, SMB, HML) của Fama- French
R pt – R ft = a p + b p MP t + s p SMB t + h p HML t + ε pt (2)
GRS test statistics: -1.30 ; p-value: 0.193 > 0.1 (Bảng A).
GRS test statistics: -1.78 ; p-value: 0.075 < 0.1 (Bảng B).
Nguồn dữ liệu trong bài viết được tác giả tính toán từ thông tin tài chính mua từ Công ty Cổ phần Tài Việt, sử dụng phần mềm Stata Mức ý nghĩa được xác định là 10% (*) cho kết quả có ý nghĩa thấp, 5% (**) cho mức ý nghĩa trung bình và 1% (***) cho mức ý nghĩa cao nhất.
Bảng 4.5 trình bày kết quả hồi quy mô hình 3 nhân tố của Fama-French, bao gồm các nhân tố MP, SMB và HML, đối với tỷ suất sinh lợi hàng tháng của 25 danh mục được phân loại theo quy mô-thanh khoản (Bảng A) và 25 danh mục theo BM-thanh khoản (Bảng B) trong giai đoạn từ tháng 01/2009 đến tháng 06/2014, với các hệ số tương ứng và t-statistics từ kết quả hồi quy.
Theo bảng A, các doanh nghiệp có thanh khoản kém thường có hệ số chặn (a) dương, trong khi các doanh nghiệp thanh khoản lại có hệ số chặn âm, phù hợp với giả thuyết rằng thanh khoản có giá trị Tuy nhiên, giá trị của các hệ số chặn rất thấp, với hai giá trị lớn nhất |�| chỉ đạt 1.8%, trong đó hai hệ số chặn có giá trị tuyệt đối khác không là 1.8% và có mức ý nghĩa 10% và 5% Các hệ số b, s, h của nhân tố MP, SMP, HML đều có giá trị đáng kể, với hệ số MP trung bình là 1.0, HML là 0.78, và SMB là 0.37 Đặc biệt, hệ số SMB có xu hướng giảm khi quy mô và tính thanh khoản tăng.
Theo bảng B, doanh nghiệp có tính thanh khoản kém thường có hệ số chặn (a) dương, trong khi doanh nghiệp có thanh khoản cao lại có hệ số chặn (a) âm Giá trị của các hệ số chặn này rất thấp.
Giá trị lớn nhất khác không của |�| là 2.1% với mức ý nghĩa 1%, trong khi hầu hết các giá trị còn lại của |�| tiến gần về 0 và không có ý nghĩa Tất cả các hệ số của nhân tố MP đều đáng kể, với giá trị trung bình là 1.06 Dự kiến ban đầu cho thấy hệ số của HML sẽ tăng khi BM tăng, và kết quả thực tế xác nhận dự kiến này Các công ty có BM cao và thanh khoản tốt thường có hệ số HML cao hơn so với các công ty khác.
Kết quả kiểm định GRS cho thấy BM thấp và kém thanh khoản, với giá trị t-statistics âm trong cả bảng A và bảng B Cụ thể, p-value trong bảng A lớn hơn 0.1, trong khi bảng B có p-value nhỏ hơn 0.1 Điều này cho thấy kết quả GRS test không hoàn toàn bác bỏ giả thuyết rằng các hệ số chặn khác 0.
Hầu hết các giá trị R² hiệu chỉnh nằm trong khoảng 0.281 đến 0.789, với giá trị trung bình là 0.536 cho bảng A và 0.528 cho bảng B Những giá trị này tương đối thấp so với kết quả được báo cáo trong nghiên cứu của Fama và French (1993).
Bảng 4.5 cho thấy ba nhân tố MP, SMB, HML đều ảnh hưởng đến giá chứng khoán tại TTCK HCM Tuy nhiên, giá trị R² hiệu chỉnh thấp cho thấy mức độ giải thích của các biến độc lập đối với biến phụ thuộc chưa cao, điều này gợi ý rằng còn nhiều nhân tố khác cũng tác động đến việc định giá TSSL của chứng khoán.
Phân tích kết quả hồi quy mô hình năm nhân tố
Kết quả phân tích mô hình 5 nhân tố đã khắc phục các vi phạm giả thuyết cổ điển, được trình bày chi tiết trong phụ lục 6 Dưới đây là bảng trình bày kết quả hồi quy của mô hình năm nhân tố.
Bảng 4.6 trình bày kết quả hồi quy của mô hình năm nhân tố, bao gồm các yếu tố MP, SMB, HML, WML và LIQ1, mở rộng từ mô hình Fama-French ba nhân tố bằng cách bổ sung thêm yếu tố momentum và thanh khoản.
R pt – R ft = a p + b p MP t + s p SMB t + h p HML t + w p WML t + ψ p LIQ1 t + ε pt (4)
GRS test statistics: 5.69 ; p-value: 0 < 0.01 (Bảng A)
GRS test statistics: 5.60 ; p-value: 0 < 0.01 (Bảng B).
Dữ liệu tài chính được thu thập từ Công ty Cổ phần Tài Việt và phân tích bằng phần mềm Stata cho thấy các kết quả có mức ý nghĩa thống kê khác nhau: mức 10% (*), 5% (**), và 1% (***).
Bảng 4.6 trình bày kết quả hồi quy mô hình 5 nhân tố, bao gồm MP, SMB, HML, WML và LIQ1, đối với tỷ suất sinh lợi hàng tháng của 25 danh mục được phân loại theo quy mô-thanh khoản (Bảng A) và 25 danh mục theo BM-thanh khoản (Bảng B) trong giai đoạn từ tháng 01/2009 đến tháng 06/2014 Kết quả cho thấy các hệ số tương ứng với t-statistics từ hồi quy, với hầu hết các hệ số chặn đều mang dấu dương.
Trong bảng A, có 7 hệ số chặn với giá trị lớn và khác không là 18%, 1.9%, 2.7%, 1.5%, 1.8%, 1.6%, tương ứng với các mức ý nghĩa 1%, 5% và 10% Các hệ số chặn khác dần tiến tới 0 và không có ý nghĩa Kiểm định GRS cho giá trị 5.69 ở mức ý nghĩa 1% cho thấy hệ số chặn khác không là đáng kể, đồng thời chỉ ra sự tăng đáng kể trong GRS test statistics của mô hình năm nhân tố so với mô hình ba nhân tố.
Trong bảng B, có 8 hệ số chặn với giá trị lớn và khác không, bao gồm 2.2%, 2.6%, 1.8%, 2.4%, 1.7%, 2.3%, 2.2% và 1.6%, đạt mức ý nghĩa 10% và 5% Các hệ số chặn còn lại dần tiến tới 0 và không có ý nghĩa Kiểm định GRS cho giá trị 5.60 với mức ý nghĩa 1% cho thấy hệ số chặn khác không là đáng kể, đồng thời cho thấy sự tăng đáng kể trong thống kê GRS của mô hình năm nhân tố so với mô hình ba nhân tố.
Hầu hết các hệ số chặn trong bảng A và bảng B không có ý nghĩa thống kê rõ ràng; điều này cho thấy không có sự khác biệt đáng kể giữa các doanh nghiệp khi xét đến yếu tố quy mô.
BM cao hơn ở các doanh nghiệp có quy mô lớn so với những doanh nghiệp có BM thấp Kết quả từ bài kiểm tra GRS cho thấy giả thuyết rằng các hệ số chặn đều bằng 0 là không đúng.
Bảng 4.6 chỉ ra rằng hầu hết các hệ số của các nhân tố MP, SMB, HML, LIQ1 và WML đều có ý nghĩa thống kê Đặc biệt, các hệ số của nhân tố MP đều đạt mức ý nghĩa thống kê cao, trong khi đó nhân tố LIQ1 cũng cho thấy các hệ số có ý nghĩa thống kê, đặc biệt là ở mức 1%.
Hệ số của nhân tố SMB giảm khi quy mô và thanh khoản tăng, trong khi hệ số của nhân tố HML tăng khi BM tăng Hệ số của nhân tố LIQ1 có xu hướng dương cho doanh nghiệp nhỏ, kém thanh khoản, và âm cho doanh nghiệp lớn, thanh khoản Hệ số của nhân tố WML cũng cho thấy tầm quan trọng trong việc định giá cổ phiếu tại TTCK HCM Mô hình năm nhân tố thể hiện hiệu quả tốt với R² điều chỉnh dao động từ 0.353 đến 0.856, trong đó giá trị trung bình R² điều chỉnh là 0.627 cho bảng A và 0.612 cho bảng B, cao hơn so với mô hình ba nhân tố Kết quả này chứng minh rằng việc bổ sung hai nhân tố thanh khoản và momentum (LIQ1, WML) vào mô hình ba nhân tố của Fama-French có ảnh hưởng đến các hệ số của ba nhân tố.
Hệ số beta thị trường của bảng A và bảng B trong bảng 4.5 lần lượt là 1.011 và 1.065, với giá trị dao động từ 0.455 đến 1.588 Trong khi đó, hệ số beta trung bình của bảng A và bảng B trong bảng 4.6 lần lượt là 0.750 và 0.770, với giá trị nằm trong khoảng 0.389 đến 1.067 Kết quả này cho thấy sự biến đổi của hệ số beta thị trường trong mô hình năm nhân tố hẹp hơn so với mô hình ba nhân tố.
Hệ số của SMB và HML đã được xem xét kỹ lưỡng trong mô hình ba nhân tố Khi thêm hai nhân tố LIQ1 và WML, hệ số của SMB trở nên tích cực hơn đối với các cổ phiếu kém thanh khoản, trong khi giảm tích cực đối với cổ phiếu thanh khoản cao Tương tự, tác động của hai nhân tố mới lên HML cũng có sự thay đổi, nhưng mức độ ảnh hưởng ít hơn so với SMB Dù có sự khác biệt này, mức ý nghĩa của các hệ số SMB và HML vẫn duy trì ổn định ngay cả khi bổ sung hai nhân tố mới vào mô hình.
Theo lý thuyết rủi ro là lợi nhuận, doanh nghiệp quy mô nhỏ và có chỉ số BE/ME cao thường đối mặt với rủi ro lớn, do đó, tỷ suất sinh lời (TSSL) của chúng cần cao hơn để bù đắp rủi ro Kết quả từ các bảng phân tích cho thấy hệ số của nhân tố SMB giảm khi quy mô và tính thanh khoản tăng, với giá trị trung bình của SMB âm, cho thấy công ty lớn có TSSL cao hơn công ty nhỏ Ngược lại, hệ số của nhân tố HML tăng khi BM tăng, chỉ ra rằng HML phù hợp với lý thuyết rủi ro là lợi nhuận Tuy nhiên, rủi ro thanh khoản tại TTCK HCM không tương thích với lý thuyết này, vì hầu hết hệ số của nhân tố LIQ1 đều âm, cho thấy chứng khoán có thanh khoản cao có TSSL trung bình cao hơn Điều này có thể do nhà đầu tư tại TTCK HCM chỉ kỳ vọng TSSL cao từ cổ phiếu thanh khoản cao, chủ yếu là cổ phiếu Blue-chip, và sẵn sàng chấp nhận rủi ro lớn hơn để đạt được TSSL cao hơn.
Kết quả từ bảng 4.6 chỉ ra rằng việc bổ sung nhân tố thanh khoản vào mô hình ba nhân tố là cần thiết và quan trọng Biến thanh khoản thể hiện ý nghĩa thống kê mạnh mẽ và ổn định.
