(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam

(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam(Luận văn thạc sĩ) Nghiên cứu thực nghiệm Hệ số BETA trên thị trường chứng khoán Việt Nam

GIỚI THIỆU

VẤN ĐỀ NGHIÊN CỨU

Mô hình CAPM truyền thống (mô hình CAPM chuẩn của Sharp - Lintner) bắt nguồn từ việc khảo sát hành vi của nhà đầu tƣ trong một giai đoạn nhất định, nhƣng trong khi thực tế nhà đầu tƣ quyết định đầu tƣ qua nhiều giai đoạn khác nhau Về lý thuyết, beta trong mô hình CAPM là thước đo rủi ro hệ thống duy nhất Tuy nhiên, trong nhiều thập kỷ, các nhà kinh tế đã có nhiều nghiên cứu thực nghiệm bằng cách dùng mô hình CAPM truyền thống để dự đoán TSSL kỳ vọng, thì hệ số beta vô điều kiện của thị trường có tác động yếu

Mô hình CAPM đƣợc phát triển rất sớm, nhƣng hầu hết các nghiên cứu sau đó của Roll (1977), Basu (1977, 1983), Stattman (1983), Banz (1981), Rosenberg, Reid và Lanstein (1985), Bhandari (1988), Fama và French (1992) đã từ chối giá trị thực nghiệm của mô hình Các nghiên cứu trên, cho rằng mô hình CAPM truyền thống đƣợc phát triển trong một nền kinh tế nhiều giả định, nhƣng trong thực tế nền kinh tế luôn biến động vào những thời gian khác nhau, thời gian đầu tƣ và quyết định đầu tƣ của nhà đầu tƣ có thể thay đổi theo thời gian, tùy vào sự mong đợi của họ về tỷ suất sinh lợi trong tương lai

Ngoài ra, trong quá trình đầu tƣ, nhà đầu tƣ có thể gặp rủi ro bởi những cú sốc về công nghệ, hay những biến động của nền kinh tế có thể tác động đến lợi hợp với các giả định đã đặt ra Chính vì vậy, rủi ro không chỉ được đo lường thông qua hệ số beta, mà còn phụ thuộc vào các thông tin đã có sẵn tại một thời điểm bất kỳ Các nghiên cứu của Bollerslev, Engle và Wooldridge (1988), Harvey (1989), Jaganathan và Wang (1996), Lewellen và Nagel (2006), Bali

(2008), Bali và Engle (2012) chứng minh rằng nếu tại mỗi thời điểm khác nhau thì beta của DMĐT sẽ thay đổi do nhiều yếu tố tác động đến hệ số này

Từ những quan điểm trên của các nhà kinh tế trên thế giới, TTCK Việt Nam là một thị trường mới nổi nên việc nghiên cứu hệ số beta nào có ý nghĩa để giúp nhà đầu tư có cái nhìn tổng quan trước khi ra quyết định đầu tư trong giai đoạn hiện nay là rất cần thiết.

CÂU HỎI VÀ MỤC TIÊU NGHIÊN CỨU

Từ vấn đề nghiên cứu, đề tài đƣa ra những mục tiêu nghiên cứu nhƣ sau:

- So sánh beta có điều kiện với beta vô điều kiện (hay beta truyền thống) của mô hình CAPM, FF_3 và mô hình Scholes-Williams (1977)

- Nghiên cứu mối quan hệ giữa beta có điều kiện với tỷ suất sinh lợi chứng khoán

3.2 Câu hỏi nghiên cứu: Để làm rõ đƣợc mục tiêu nghiên cứu, đề tài đặt ra những câu hỏi nghiên cứu sau:

- Beta có điều kiện có sự khác biệt với beta truyền thống hay không?

- Beta có điều kiện và TSSL chứng khoán có quan hệ nhƣ thế nào?

- Beta có điều kiện có ứng dụng để xác định TSSL kỳ vọng trên TTCK Việt Nam hay không?

PHẠM VI VÀ ĐỐI TƢỢNG NGHIÊN CỨU

Đối tƣợng nghiên cứu: Các công ty phi tài chính niêm yết trên sàn giao dịch chứng khoán Tp.HCM, loại bỏ các công ty tài chính, quỹ đầu tƣ, loại bỏ những công ty bị hủy niêm yết hoặc chuyển sàn

Phạm vi nghiên cứu: Các công ty niêm yết trên sàn giao dịch chứng khoán

Ý NGHĨA ĐỀ TÀI

Do đặc thù của TTCK Việt Nam, một thị trường mới nổi, non trẻ chưa có nhiều nghiên cứu về các hệ số beta thị trường, cũng như mối quan hệ giữa beta có điều kiện và TSSL CP Vì vậy, kết quả nghiên cứu của đề tài này có thể góp phần giúp nhà đầu tƣ hiểu rõ hơn tầm quan trọng của hệ số beta, một hệ số đo lường rủi ro Thông qua đó, kết quả thực nghiệm của đề tài có thể cung cấp thêm cho nhà đầu tƣ một công cụ để xác định TSSL kỳ vọng của CP và hạn chế rủi ro trong quá trình đầu tƣ.

DỰ KIẾN KẾT CẤU ĐỀ TÀI

Dự kiến kết cấu đề tài gồm 05 chương và được trình bày theo thứ tự dưới đây:

CHƯƠNG 2: Cơ sở lý thuyết

CHƯƠNG 3: Dữ liệu và mô hình nghiên cứu

CHƯƠNG 4: Kết quả nghiên cứu thực nghiệm

CHƯƠNG 5: Kết luận và đề xuất giải pháp

Trước khi đi vào phân tích các vần đề được đặt ra ở chương 1, chúng tôi trình bày về cơ sở lý thuyết và từ đó hình thành các giả thuyết nghiên cứu Trong chương này chúng tôi trình bày gồm các phần sau:

- Giới thiệu về mô hình CAPM truyền thống là một hình đơn giản thể hiện mối quan hệ giữa hệ số beta và TSSL chứng khoán, beta là hệ số đo lường rủi ro duy nhất trong mô hình CAPM Từ những nghiên cứu bác bỏ mô hình CAPM truyền thống, Fama và French nhận thấy rằng beta của CAPM không giải thích đƣợc TSSL của CK, do đó mô hình Fama và French phát triển mô hình 3 yếu tố FF_3 gồm: hệ số beta, yếu tố quy mô công ty, tỷ số BM cũng tác động đến TSSL của CP Đồng thời, đề tài giới thiệu về beta của mô hình Scholes-Williams

- Nhƣng cũng có những nghiên cứu cho rằng BETA CAPM , BETA FF , BETA SW cũng chưa giải thích được TSSL vì còn các yếu tố khác ảnh hưởng đến TSSL CP nhƣ yếu tố thanh khoản, yếu tố biến động đặc thù, hệ số beta có thay đổi theo thời gian Từ đó, các nghiên cứu đã dùng mô hình (C) CAPM với BETA DCC để giải thích TSSL của CP Trong đề tài nghiên cứu chúng tôi đã khái quát về mối tương quan có điều kiện, BETA DCC , và mô hình (C) CAPM Bên cạnh đó chúng tôi tóm tắt các nghiên cứu hình thành mô hình (C) CAPM, các nghiên cứu về BETA DCC , mối quan hệ giữa BETA DCC và TSSL CP.

CƠ SỞ LÝ THUYẾT

MÔ HÌNH ĐỊNH GIÁ TÀI SẢN CAPM

Mô hình CAPM truyền thống là mô hình mô tả mối quan hệ giữa rủi ro và TSSL kỳ vọng Trong mô hình này, TSSL kỳ vọng của một CP bằng lợi nhuận không rủi ro (risk-free) cộng với một khoản bù đắp rủi ro dựa trên cơ sở rủi ro toàn hệ thống của chứng khoán đó Còn rủi ro phi hệ thống không đƣợc xem xét trong mô hình này do nhà đầu tƣ có thể xây dựng đa dạng hóa DMĐT để loại bỏ rủi ro này

Mô hình CAPM phát triển từ những năm 1960 và đã có đƣợc nhiều ứng dụng từ đó đến nay Bên cạnh đó một số mô hình khác cũng nỗ lực giải thích động thái thị trường, nhưng mô hình CAPM là mô hình đơn giản về mặt khái niệm và có khả năng ứng dụng sát thực với thực tiễn Cũng nhƣ bất kỳ mô hình nào khác, mô hình này cũng chỉ là một sự đơn giản hoá hiện thực bằng những giả định cần thiết, nhƣng nó vẫn cho phép chúng ta rút ra nhiều ứng dụng hữu ích

Lý thuyết mô hình CAPM và ứng dụng của nó dựa trên một số các giả định quan trọng về TTCK và thái độ của nhà đầu tƣ nhƣ sau:

- Các nhà đầu tƣ nắm giữ DMĐT đƣợc đa dạng hóa hoàn toàn Do đó, những đòi hỏi về TSSL của nhà đầu tƣ bị tác động chủ yếu bởi rủi ro hệ thống của từng chứng khoán chứ không phải là rủi ro tổng thể

- Các CP được trao đổi tự do trong thị trường cạnh tranh là thị trường mà các thông tin về một công ty nào đó và triển vọng của công ty này là công khai đối với các nhà đầu tƣ

- Các nhà đầu tƣ có thể vay nợ hoặc cho vay với lãi suất phi rủi ro và lãi suất không đổi theo thời gian

- Không có chi phí cho việc mua bán CP

- Không có lạm phát hay bất kỳ thay đổi nào trong lãi suất hoặc lạm phát được dự đoán trước

- Tất cả các nhà đầu tư thích lựa chọn CP có TSSL cao nhất tương ứng với mức độ cho trước của rủi ro hoặc CP rủi ro thấp nhất với mức sinh lợi cho trước

- Tất cả các nhà đầu tƣ có kỳ vọng thuần nhất liên quan đến tỷ suất sinh lợi kỳ vọng, phương sai và hiệp phương sai của TSSL tạo ra đường biên hiệu quả và DMĐT rủi ro tối ƣu duy nhất

Mô hình CAPM truyền thống (CAPM) của Sharpe (1964) chỉ ra rằng lợi nhuận kỳ vọng của một tài sản phụ thuộc vào lãi suất phi rủi ro và hệ số beta, thông qua phương trình:

E(r i ) : Lợi nhuận kỳ vọng của chứng khoán i r f : : Lãi suất phi rủi ro β i : Hệ số beta của chứng khoán i

E(r m ) : Lợi nhuận kỳ vọng của danh mục thị trường

Hệ số i đo lường mức độ biến động TSSL của tài sản i so với mức biến động TSSL của danh mục thị trường nên gọi là rủi ro thị trường của tài sản i

Hệ số  1 có nghĩa là hệ số đo lường sự biến động lợi nhuận của danh mục thị trường với chính nó Do đó,  1 được định nghĩa như là hệ số  của danh mục thị trường

Hình 2.1: Quan hệ giữa hệ số beta và TSSL CP

Hệ số beta đƣợc hình thành để lƣợng hoá rủi ro, nhằm giảm rủi ro trong quá trình đầu tƣ Có rất nhiều khái niệm về rủi ro nhƣng trong đầu tƣ và kinh doanh thì rủi ro đuợc định nghĩa là sự khác biệt hay sai lệch giữa tỷ suất sinh lợi thực tế đạt đƣợc so với tỷ suất sinh lợi dự kiến Xét về mặt định tính, rủi ro tổng thể của cổ phiếu là tổng rủi ro của 2 thành phần cơ bản gồm: rủi ro hệ thống và rủi ro phi hệ thống

Rủi ro hệ thống (Systematic risks), còn gọi là rủi ro thị trường, là những rủi ro do các yếu tố nằm ngoài sự kiểm soát có ảnh hưởng đến tất cả các cổ phiếu, thị trường và cả nền kinh tế Vì vậy, rủi ro hệ thống là rủi ro không phân tán, cho dù đã đa dạng hóa DMĐT Theo Merton (1987) định nghĩa, rủi ro hệ thống là rủi ro xảy ra từ bên ngoài của một ngành, một doanh nghiệp, ví dụ nhƣ chiến tranh, lạm phát, sự kiện kinh tế và chính trị

Rủi ro phi hệ thống (Nonsystematic Risks), còn gọi là biến động đặc thù gồm những biến động làm ảnh hưởng đến cổ phiếu này nhưng không có tác động đến cổ phiếu khác Các yếu tố này có thể là những biến động về lực lƣợng lao động, năng lực quản trị, kiện tụng hay chính sách điều tiết của chính phủ Để giảm thiểu rủi ro loại này, nhà đầu tư thường đa dạng hoá DMĐT; do đó rủi ro này còn gọi là rủi ro phân tán đƣợc Mối quan hệ giữa rủi ro tổng thể, rủi ro thị trường và rủi ro đặc thù được biểu diễn qua đồ thị sau:

Hình 2.2: Mối quan hệ giữa rủi ro hệ thống, rủi ro phi hệ thống và SLCP

Nhìn vào đồ thị trên, nếu số lƣợng CP trong rổ đầu tƣ (n) tăng lên, thì rủi ro phi hệ thống (biến động đặc thù) bị triệt tiêu vì nhà đầu tƣ đã đa dạng hóa DMĐT Khi đó, đường rủi ro tổng thể sẽ tiệm cận đường rủi ro hệ thống Vì vậy, rủi ro thấp nhất trong đầu tư là rủi ro của nền kinh tế, tức rủi ro thị trường Điều này dẫn đến một kết luận quan trọng sau: nếu DMĐT đƣợc đa dạng hóa tối ƣu thì rủi ro của cổ phiếu trong DMĐT là rủi ro hệ thống

2.1.4 Mối quan hệ giữa hệ số beta và tỷ suất sinh lợi kỳ vọng

Tỷ suất sinh lợi kỳ vọng và rủi ro của một CP có quan hệ đồng biến với nhau, nghĩa là CP rủi ro cao thì TSSL cao và ngƣợc lại Hay nói khác đi, nhà đầu tƣ nắm giữ CP có rủi ro cao khi TSSL kỳ vọng có thể để bù đắp đƣợc rủi ro Để đo lường rủi ro của CP nhà đầu tư cần quan tâm đến BETA vì đây là hệ số đo lường rủi ro Do đó, TSSL kỳ vọng của CP có quan hệ đồng biến với hệ số β Giả sử, thị trường tài chính hiệu quả và nhà đầu tư có thể đa dạng hoá DMĐT sao cho biến động đặc thù của cố phiếu không đáng kể Nhƣ vậy, rủi ro hệ thống là yếu tố duy nhất ảnh hưởng đến TSSL của CP Cổ phiếu có beta càng lớn thì rủi ro càng cao, do đó đòi hỏi TSSL cao để bù đắp rủi ro Về mặt hình học, mối quan hệ giữa

MÔ HÌNH FAMA VÀ FRENCH (1992)

2.2.1 Những hạn chế của mô hình CAPM và phát hiện của FF (1992)

♣ Những hạn chế của mô hình CAPM:

Mô hình CAPM truyền thống thể hiện mối quan hệ tuyến tính giữa tỷ suất sinh lợi kỳ vọng của CP và yếu tố duy nhất là tỷ suất sinh lợi thị trường Như vậy, phải chăng chỉ có yếu tố thị trường tác động đến tỷ suất sinh lợi của CP? Thực tế, có rất nhiều yếu tố ảnh hưởng đến tỷ suất sinh lợi chứng khoán và mô hình CAPM dựa trên nhiều giả định khiến cho một số nhà nghiên cứu vẫn còn nghi ngại độ chính xác khả năng dự báo của mô hình Mô hình CAPM có ƣu điểm là đơn giản và có thể ứng dụng đƣợc trên thực tế Tuy nhiên, cũng nhƣ nhiều mô hình khác, CAPM không tránh khỏi những hạn chế và sự chỉ trích Khi áp dụng CAPM, nổi lên một số vấn đề cần xem xét nhƣ sau:

• Ảnh hưởng của qui mô công ty – Người ta phát hiện rằng cổ phiếu của công ty có giá trị thị trường nhỏ (market capitalization = price per share x number of share) đem lại lợi nhuận cao hơn cổ phiếu của công ty có giá trị thị trường lớn, nếu những yếu tố khác không đổi

• Ảnh hưởng của tỷ số PE và BM – Người ta thấy rằng những cổ phiếu có tỷ số PE( price/earning ratio) và tỷ số BM (market-to-book value ratio) thấp đem lại lợi nhuận cao hơn những cổ phiếu có tỷ số PE và BM cao

• Ảnh hưởng tháng Giêng – người nào nắm giữ cổ phiếu trong khoảng thời gian từ tháng 12 đến tháng 1 thường có lợi nhuận cao hơn so với những tháng khác Tuy vậy, người ta cũng lưu ý mặc dù ảnh hưởng tháng Giêng được tìm thấy trong nhiều năm nhƣng không phải năm nào cũng xảy ra

♣ Những nghiên cứu và phát hiện của Fama và French (1992)

Mô hình định giá tài sản CAPM truyền thống sử dụng yếu tố đơn là beta để so sánh danh mục đầu tư với danh mục thị trường Hệ số R 2 đo sự phù hợp của hàm hồi quy trong mô hình CAPM đo lường toàn bộ sự thay đổi tỷ suất sinh lợi của chứng khoán do beta gây ra Tuy nhiên, Gene Fama và Ken French nhận thấy rằng hệ số xác định đã hiệu chỉnh ̅ tăng lên thì đồng nghĩa với việc cần thêm biến giải thích vào mô hình để R 2 phù hợp hơn

Fama và French nhận thấy TSSL bình quân của chứng khoán thời kỳ 1963 -

1990 ở Mỹ thì beta của CAPM không giải thích đƣợc Fama và French bắt đầu quan sát hai cổ phiếu có khuynh hướng tốt hơn so với toàn bộ thị trường Thứ nhất là cổ phiếu giá trị vốn hóa nhỏ (small caps) hay còn gọi là quy mô nhỏ Thứ hai là cổ phiếu có tỷ số giá trị sổ sách trên giá thị trường (BE/ME) cao (hay còn gọi là cổ phiếu giá trị - value stock, và ngược lại được gọi là cổ phiếu tăng trưởng – growth stock) Sau đó, họ thêm hai yếu tố này vào CAPM để phản ánh sự nhạy cảm của danh mục đầu tƣ với hai loại cổ phiếu này Fama và French (1993) đã xác định mô hình với ba yếu tố rủi ro chung đối với TSSL CP đó là yếu tố tổng thể thị trường (R m -R f ), yếu tố liên quan đến quy mô công ty (SMB) và yếu tố liên quan đến tỷ lệ giá trị sổ sách trên giá thị trường BE/ME (HML)

2.2.2 Mô hình Fama và French 3 yếu tố (1992)

Fama và French đã sử dụng cách tiếp cận hồi quy theo dãy số thời gian của Black, Jensen và Scholes (1972), Fama (1992) đề xuất mô hình ba yếu tố có dạng nhƣ sau:

- R i : Là tỷ suất sinh lợi của chứng khoán i

- R m : Là tỷ suất sinh lợi của thị trường

- R f : Là lãi suất phi rủi ro

- R m -R f : Phần bù rủi ro của thị trường (market premium), yếu tố này cũng giống nhƣ trong CAPM

- SMB (Small Minus Big): Là tỷ suất sinh lợi bình quân của danh mục có giá trị quy mô công ty nhỏ trừ tỷ suất sinh lợi bình quân của danh mục có giá trị quy mô công ty lớn

- HML (High Minus Low): Là chênh lệch trong tỷ suất sinh lợi bình quân danh mục các cổ phiếu có BV/MV lớn với danh mục các cổ phiếu có BV/MV nhỏ

- βi, s, h: Là các biến phản ánh độ nhạy của các yếu tố, trong đó còn đƣợc gọi là beta chứng khoán 3 yếu tố (để phân biệt với beta chứng khoán trong CAPM) Để kiểm tra mô hình 3 yếu tố, Fama và French (1992) tạo ra 9 danh mục theo mỗi yếu tố bằng cách chia các doanh nghiệp thành 3 nhóm theo quy mô vốn hóa (nhỏ, trung bình và lớn hay S, M, B) và 3 nhóm theo BM (cao, trung bình và thấp hay H, M, L) Các danh mục đầu tư được tạo theo bảng dưới đây:

BẢNG 2.1: Phân chia danh mục theo MH FF_3

MÔ HÌNH SCHOLES-WILLIAMS (1977)

Rủi ro trong lý thuyết tài chính hiện đại đƣợc thể hiện qua beta, một hệ số đo lường rủi ro Do đó, nhiều nghiên cứu thực nghiệm cũng quan tâm đến vấn đề ước lượng hệ số đo lường rủi ro này để xác định TSSL kỳ vọng trong tương lai Các ƣớc lƣợng này đã sử dụng với thông tin có sẵn hàng ngày của CP để ƣớc tính beta Nhưng việc sử dụng dữ liệu hàng ngày để đưa vào mô hình thị trường là một vấn đề nan giải Đặc biệt, số lƣợng CP đƣợc giao dịch sôi động, giá đƣợc ghi nhận liên tục hàng ngày và đƣợc ghi nhận trong khoảng thời gian ngẫu nhiên khác nhau Chính vì vậy, với dữ liệu hàng ngày để tính TSSL kỳ vọng đƣợc chính xác là điều không thể đối với mô hình thị trường

Mô hình thị trường không đồng bộ cho rằng TSSL tức thời của CP do chênh lệch giữa phương sai, hiệp phương sai kỳ vọng với phương sai, hiệp phương sai của TSSL thực Các biến trong mô hình thị trường dùng để ước lượng các hệ số alpha, beta của CP không phù hợp vì đối với những CP có lƣợng giao dịch thường xuyên hoặc không thường xuyên thì ước lượng alpha và beta đều có xu hướng giảm Ngược lại, đối với những CP có tần suất giao dịch bình quân thì khi ước lượng alpha và beta thì cho chiều hướng ngược lai Từ đó, mô hình thị trường với dữ liệu không đồng bộ được phát triển một cách chi tiết hơn bằng cách ƣớc tính beta với dữ liệu không đồng bộ kết hợp giữa các thông tin có sẵn

Cụ thể, ước lượng beta bằng cách ước lượng dựa vào lợi nhuận thị trường từ giai đoạn quá khứ, hiện tai và tương lai, sau đó chia cho một cộng với hai lần hệ số tương quan được ước tính bằng chỉ số thị trường Trong cách ước lượng này thể hiện sự nhất quán của alpha và beta được chứng minh với tương đương của các biến công cụ với sự tổng hợp của giá để đo lường lợi nhuận trên thị trường

 R i,d : Là lợi nhuận cổ phiếu i vào tuần d

 R m , d, , : Là lợi nhuận thị trường vào tuần d, tuần d-1, tuần d+1

 r f,d : Lãi suất phi rủi ro tuần d

GIỚI THIỆU MÔ HÌNH (C) CAPM

Mô hình CAPM truyền thống đƣợc xây dựng trên nhiều giả định không hợp lý, các nhà đầu tư chỉ quan tâm đến giá trị trung bình và phương sai của TSSL danh mục đầu tƣ trong một thời kỳ Tuy nhiên, trong đầu tƣ chứng khoán các nhà đầu tƣ luôn thay đổi quyết định đầu tƣ của mình theo thời gian, qua đó họ cũng mong đợi TSSL trong tương lai Các nghiên cứu thực nghiệm đầu tiên của CAPM với điều kiện hệ số beta thị trường không thay đổi trong suốt quá trình đầu tƣ Và đây không phải là một giả định hợp lý vì mức độ rủi ro trong đầu tƣ còn tùy thuộc vào chu kỳ kinh doanh

Ngoài ra, trong chu kỳ kinh doanh TSSL của nhà đầu tư còn bị ảnh hưởng bởi sự thay đổi của các chứng khoán khác, hoặc sự thay đổi của nền kinh tế, từ đó hệ số beta cũng sẽ thay đổi đáng kể Điều này cho thấy, nền kinh tế suy thoái hay tăng trưởng, mối tương quan giữa doanh nghiệp và thị trường có thể tăng hoặc giảm tùy theo doanh nghiệp ở lĩnh vực nào Chúng ta thấy hệ số beta có thể đƣợc tính toán dựa trên số liệu đã có sẵn tại bất kỳ thời gian nào Và dựa trên những nghiên cứu trước, ta xem xét ý nghĩa hệ số beta thị trường với điều kiện năng động trong việc dự đoán sự thay đổi tỷ suất lợi nhuận của cổ phiếu

Phần này chúng tôi giới thiệu một số vấn đề liên quan đến mô hình (C)CAPM được xây dựng từ các nghiên cứu trước Merton (1973) giới thiệu mô hình định giá tài sản liên thời gian chỉ mối quan hệ tuyến tính giữa TSSL kỳ vọng và rủi ro của chứng khoán

: TSSL kỳ vọng vô điều kiện của tài sản rủi ro

: Phương sai vô điều kiện giữa TSSL vượt mức của tài sản rủi ro i và danh mục đầu tư thị trường

: Phương sai vô điều kiện giữa TSSL vượt mức của tài sản rủi ro i và các biến ngẫu nhiên

A : Độ e ngại rủi ro của nhà đầu tƣ

B : Tổng hợp những thay đổi ngẫu nhiên trong cơ hội đầu tƣ

Phương trình (2.7) cho rằng trong trạng thái cân bằng, nhà đầu tư được bù đắp TSSL kỳ vọng do rủi ro của thị trường mang lại và những nguy cơ thay đổi ngẫu nhiên gây đến bất lợi trong cơ hội đầu tư Thứ hai, phương trình thể hiện nhu cầu của nhà đầu tƣ đòi hỏi một phần bù đắp rủi ro cao để có thể chống lại những thay đổi bất thường trong cơ hội đầu tư Như vậy, nếu trước sự thay đổi không thuận lợi so với dự kiến thì nhà đầu tƣ sẽ đòi hỏi một mức lợi nhuận cao hơn thông qua sự tương quan tích cực

Merton (1973) đã sử dụng các ví dụ về sự thay đổi lãi suất để minh họa cho vai trò của phần bù rủi ro theo thời gian Ông chỉ ra rằng hiệp phương sai của tài sản có TSSL cao nhƣng với những cú sốc về lãi suất sẽ có dự đoán TSSL thấp trên tài sản rủi ro Trong bối cảnh này, nếu tăng lãi suất sẽ dự báo nhu cầu đầu tƣ giảm (do chi phí vay nợ cao) và giảm nhu cầu tiêu thụ, dẫn đến một sự thay đổi bất lợi trong cơ hội đầu tƣ Các nhà đầu tƣ có độ e ngại rủi ro sẽ đòi hỏi phần bù đắp rủi ro cao hơn, đây là mối tương quan tích cực giữa TSSL của tài sản với những thay đổi lãi suất Hay nói cách khác, sự gia tăng phương sai của lợi nhuận với rủi ro lãi suất sẽ dẫn đến sự đòi hỏi phần bù đắp rủi ro cao, mà trong trạng thái cân bằng sẽ làm giảm TSSL kỳ vọng của tài sản

Mô hình định giá tài sản liên thời gian của Merton (1973) đƣợc kiểm tra bằng cách sử dụng tương quan có điều kiện năng động (DCC) để ước tính TSSL và phương sai thị trường có điều kiện, kiểm tra xem phương sai có điều kiện dự báo theo sự thay đổi thời gian của TSSL chứng khoán Theo Bali và Engle

(2010) thì lợi nhuận kỳ vọng và phương sai sẽ thay đổi thông qua các thông số trực tiếp nhƣ size, BM, MOM, ILLIQ và biến động đặc thù (IV) của CP Hệ số đo lường rủi ro của chứng khoán được ước tính từ hai đến bốn biến kiểm soát đều có ý nghĩa thống kê và có mối quan hệ đồng biến với TSSL chứng khoán

Theo Merton (1973), Bali và Engle (2010) mô hình CAPM có điều kiện để dự đoán tỷ suất lợi nhuận cổ phiếu:

Trong đó: Ωt: Thông tin thiết lập tại thời điểm t mà các nhà đầu tƣ sử dụng để hình thành lợi nhuận và beta kỳ vọng trong tương lai

E [Ri, t +1- rf, t +1 | Ωt] và E [Rm, t +1- rf, t +1 | Ωt]: Là lợi nhuận kỳ vọng của chứng khoán i và danh mục đầu tư thị trường m tại thời điểm t +1 với điều kiện về thông tin đƣợc thiết lập tại thời điểm t

E [βi, t +1 | Ωt]: Hệ số beta có điều kiện tại thời điểm t của chứng khoán i là tỷ lệ giữa hiệp phương sai có điều kiện tại thời điểm t Ri, t +1 - rf, t +1, Rm,t+1- rf,t+1|Ωt và độ lệch chuẩn tại thời điểm t của Rm, t +1-rf,t+1|Ωt Đƣợc tính theo công thức sau:

Theo phương trình (2.9) ta thấy beta có điều kiện được ước tính theo hiệp phương sai và độ lệch chuẩn có điều kiện của chứng khoán i tại thời điểm t nào đó

Mối tương quan có điều kiện (Dynamic conditional correlation)

Mối tương quan là yếu tố quan trọng cho nhiều nghiên cứu trong quản lý tài chính, do đó mối tương quan giữa TSSL và rủi ro của tài sản cũng là một trong những nghiên cứu của các nhà kinh tế học quan tâm Mối tương quan biến động và thay đổi bởi các thông tin có sẵn gần nhất của tài sản nên TSSL của tài sản đó cũng thay đổi Những tài sản giống nhau thì giá của tài sản này nhạy cảm với sự tương quan giữa TSSL kỳ vọng và giá tài sản khác Do đó, một dự báo mối tương quan và biến động của một tài sản trong tương lai sẽ được định giá trên cơ sở một công thức nào đó

Trong đầu tƣ chứng khoán, việc phân bổ DMĐT và đánh giá rủi ro của DMĐT được dựa trên mối tương quan là rất cần thiết Tuy nhiên, để thực hiện việc đánh giá rủi ro thì mối tương quan yêu cầu phải ước tính thường xuyên và liên tục Vậy để xây dựng một DMĐT tối ƣu với ràng buộc đƣợc sử dụng do đó cần phải dự báo ma trân hiệp phương sai có điều kiện và TSSL kỳ vọng Để việc tính toán độ lệch chuẩn của DMĐT đòi hỏi phải có một ma trận hiệp phương sai của tất cả tài sản trong DMĐT Để ước tính mối tương quan giữa các biến tài chính được chính xác và đáng tin cậy có rất nhiều phương pháp để ước tính Trong đó, mô hình GARCH đã đƣợc nhiều nhà kinh tế nghiên cứu rộng rãi nhƣ: Bollerslev, Engle và Wooldridge (1988), Bollerslev (1990), Kroner và Clasesens (1991), Engle và Mezrich (1996), Engle, Ng và Rothschild (1990) và nghiên cứu của Bollerslev, Chou và Kroner (1992) Các nghiên cứu này cho rằng ma trận tương quan là rất lớn trong tổng tài sản cần ƣớc tính Nghiên cứu của Engle (2002), cho thấy mối tương quan có điều kiện được ước tính theo mô hình GARCH đơn biến không phức tạp như mô hình GARCH đa biến Và tác giả, cho rằng sự tương quan với thời gian khác nhau đƣợc ƣớc tính theo mô hình GARCH đa biến là mô hình tuyến tính với các dữ liệu chéo đã có sẵn và mô hình đa biến gọi là mô hình tương quan có điều kiện (DCC) Sự linh hoạt của mô hình GARCH đơn biến với các tham số trong mô hình có mối tương quan Mô hình không phải là tuyến tính nhưng thường được ước tính một cách đơn giản với một biến hoặc phương pháp dựa trên các khả năng của các biến Nó cho thấy rằng mô hình thực hiện tốt hơn trong nhiều tình huống và cung cấp kết quả hợp lý hơn

Engle (2002) giới thiệu một phương pháp dự báo mới bằng mô hình GARCH đa biến và đƣợc xem là tốt nhất và nó tổng quát theo Bollerslev (1990) với ước lượng mối tương quan liên tục theo thời gian được thể hiện qua công thức:

Với: R là ma trận tương quan có chứa các mối tương quan có điều kiện và được viết lại bằng phương trình sau:

Các biểu thức h thường được coi là GARCH đơn biến, tuy nhiên các mô hình này chắc chắn có thể bao gồm các biến khác như biến được định trước hoặc các biến ngoại sinh Một ước tính đơn giản của R là ma trận tương quan vô điều kiện của các số dƣ tiêu chuẩn Nghiên cứu của Engle (2002) đề xuất một ƣớc lượng tương quan có điều kiện hoặc DCC, mô hình tương quan có điều kiện chỉ khác nhau trong việc cho phép R đƣợc tính toán theo thời gian khác nhau

Trong đó: Tham số R là mà trận tương quan có yêu cầu tương tự như ma trận h ngoại trừ phương sai có điều kiện phải được thống nhất và R t là ma trận tương quan có điều kiện Bên cạnh đó, theo Kroner và Ng (1998) đề xuất một cách khái quát về ma trận hiệp phương sai là một ma trận trung bình có trọng số theo mô hình Bollerslev CCC, bởi các đặc điểm kỹ thuật đơn giản cho các ma trận tương quan, được thể hiện qua công thức sau:

HỆ SỐ BETA

Hệ số rủi ro beta là hệ số đo lường mức độ biến động hay còn gọi là thước đo rủi ro hệ thống của một chứng khoán hay một danh mục đầu tư trong tương quan với toàn bộ thị trường Beta được sử dụng trong mô hình định giá tài sản vốn CAPM truyền thống để tính toán tỷ suất sinh lợi kỳ vọng của một tài sản dựa vào hệ số beta của nó và tỷ suất sinh lời trên thị trường Và được tính bằng công thức:

 i m : Hệ số tương quan giữa TSSL của tài sản i với lợi nhuận của danh mục thị trường

: Độ lệch chuẩn của CP i và DM thị trường

Mô hình CAPM truyền thống sử dụng một yếu tố đơn - beta để so sánh một cách tổng thể một danh mục vốn đầu tư với danh mục thị trường Nhưng chúng ta có thể thêm những yếu tố khác vào mô hình hồi quy để R 2 - phù hợp hơn và đó là cách tiếp cận của Fama và French đã phát triển mô hình 3 yếu tố nhƣ sau:

Với: r f là tỷ suất sinh lợi phi rủi ro, R m là tỷ suất sinh lợi của cả thị trường chứng khoán Beta “3-yếu tố” gần giống nhƣ beta truyền thống nhƣng có giá trị nhỏ hơn, vì có thêm 2 yếu tố thêm vào để ƣớc tính TSSL kỳ vọng của CP

2.5.3 Beta mô hình SCHOLES-WILLAM (1977) Để ƣớc lƣợng beta, các nghiên cứu cần phải có dữ liệu trong quá khứ nhƣ TSSL của CP và TSSL của thị trường, từ những dữ liệu có sẵn tại một thời điểm các nhà kinh tế sử dụng mô hình hồi quy tuyến tính bằng cách sử dụng phương pháp OLS để ƣớc lƣợng hệ số beta Bên cạnh ta có mô hình CAPM, FF_3, mô hình đa yếu tố thì Scholes-Willams (1977) cung cấp mô hình ƣớc lƣợng beta từ dữ liệu không đồng bộ Hệ số beta cung cấp một sự biến động tương quan giữa các dữ liệu này Scholes-Williams (1977) đã sử dụng tất cả các CP niêm yết trên thị trường NYSE và ASE từ tháng 1 năm 1963 đến tháng 12 năm 1975, để ước tính hệ số beta này theo DM đƣợc phân chia bởi khối lƣợng giao dịch Để ƣớc lƣợng hệ số này ta Scholes-Williams (1977) sử dụng công thức sau: ̂ ̂ ̂

Với: Các hệ β1, β2, β3 được ước lượng bằng phương pháp OLS với các thông tin có sẵn tại một thời điểm Và là hệ số tương quan bậc một và được tính bởi công thức: [ ( )

2.5.4 Hệ số BETA DCC (Dynamic conditional beta)

♣ Định nghĩa BETA DCC : Engle (2002) beta có điều kiện năng động (BETA DCC ) được định nghĩa là phương sai có điều kiện giữa cổ phiếu i và danh mục thị trường, sau đó chia cho đúng với điều kiện của thị trường Và được ước lƣợng theo công thức sau:

Với: : Là độ lệch chuẩn của CP i và DM thị trường tại thời điểm t+1;

: Là phương sai của DM thị trường tại thời điểm t+1

♣ Cách hình thành BETA DCC : Engle (2002) ước tính phương sai có điều kiện của mỗi cổ phiếu với danh mục thị trường ( dựa trên mối tương quan có nghĩa là mô hình có điều kiện Engle xác định mối tương quan có điều kiện giữa hai biến ngẫu nhiên r 1 và r 2 theo công thức sau:

Với: Lợi nhuận đƣợc định nghĩa là độ lệch chuẩn có điều kiện:

Với: là độ lệch chuẩn và phương sai cho từng thời điểm Phương trình (2.23) và (2.24) cho thấy mối tương quan có điều kiện giữa hiệp phương sai có điều kiện và độ lệch chuẩn được thể hiện qua phương trình sau:

( ) 2.25) Đồng thời ma trận hiệp phương sai có điều kiện với TSSL được xác định theo công thức:

Trong đó: là ma trận tương quan có điều kiện theo thời gian:

Engle (2002) giới thiệu mô hình DCC với điều kiện thời gian:

Với ̅ là mối tương quan vô điều kiện giữa và Công thức (2.28) cho thấy mối tương quan vô điều kiện sa a 1 và a 2