thị trường chứng khoán việt nam

1 MỤC LỤC GIỚI THIỆU Thông tin loại tài sản có giá trị tìm kiếm nhiều thị trường tài Có thể thấy điều qua đa dạng nguồn cung cấp thơng tin số lượng thông tin số lượng người theo dõi thơng tin hàng ngày Đã có nghiên cứu tập trung vai trị cung thơng tin mặt câu chuyện vai trị cầu thơng tin quan trọng khơng (ví dụ Kihlstrom, 1974; Grossman Stiglitz, 1980; Radner Stiglitz, 1984; Allen, 1990) Trong nghiên cứu “Cầu thông tin hoạt động thị trường”, Nikolaos Vlastakis Raphael N Markellos khám phá dạng liệu đại diện cho cầu thông tin theo khối lượng tìm kiếm internet Phương pháp dựa việc công nhận ngày internet cách mạng hóa đưa tin, mơi giới, phổ biến cách tiếp cận thơng tin ngành tài (Barber Odean, 2001; Antweiler Frank, 2004; Rubin Rubin, 2010) Dữ liệu cho phép tác giả lần kiểm tra mức ảnh hưởng cầu thông tin cổ phiếu riêng biệt toàn thị trường Dựa ý tưởng nghiên cứu đó, chúng tơi áp dụng vào thị trường chứng khốn Việt Nam Chúng tơi xem xét mối tương quan cung cầu thông tin cổ phiếu tồn thị trường, sau xem xét tác động chúng đến độ bất ổn cổ phiếu Cuối cùng, kiểm định mối tương quan cầu thông tin mức độ e ngại rủi ro Phương pháp thực nghiệm tập trung vào cổ rổ VN30 Cầu thông tin cổ phiếu xây dựng dựa mức phổ biến tên cơng ty mà dùng làm từ khóa tìm kiếm internet Theo đó, cầu thơng tin thị trường dùng “vn index” làm từ khóa Để tìm cung thông tin, lấy số lượng báo công ty trang web vietstock.vn cafef.vn Cung cầu có xu hướng tương quan dương mối tương quan động chúng thấp … CHƯƠNG TỔNG QUAN VÀ CẤU TRÚC LÝ THUYẾT 1.1 CUNG THƠNG TIN Mối liên hệ dịng chảy thơng tin thị trường tài nhiều nhà kinh tế tài nhắc đến (ví dụ Fama cộng sự, 1969; French Roll, 1986) Các lý thuyết mở rộng đánh giá hoạt động thị trường – ví dụ độ bất ổn tỷ suất sinh lợi khối lượng giao dịch – có tương quan trực tiếp đến tỷ lệ xuất thông tin thị trường Sợi dây liên hệ lý thuyết “Mixture of Distributions Hypothesis” (Clark, 1973; Epps Epps, 1973; Tauchen Pitts, 1983; khác) (gọi tắt MDH) MDH cung cấp giải thích việc quan sát mối liên hệ độ bất ổn khối lượng giao dịch cách áp đặt ảnh hưởng chung khối lượng giao dịch tỷ suất sinh lợi lên quy trình thơng tin tiềm ẩn Kết trực tiếp MDH thành phần quan sát kinh tế độ bất ổn dai dẳng có ảnh hưởng đến mẫu hình thơng thường dịng chảy thơng tin Vì thơng tin không quan sát trực tiếp, nỗ lực nghiên cứu thực nghiệm ảnh hưởng lên thị trường tài yêu cầu cách xác định dịng chảy thơng tin Ví dụ, Mitchel Mulherin (1994) đo lường dịng chảy thơng tin cách sử dụng số lượng tin tức vĩ mô tin tức công ty công bố Dow Jones Company Broadtape Wall Street Journal Họ thấy dịng chảy thơng tin có mẫu hình theo ngày, tuần tháng năm, tương ứng với hoạt động giá tài sản Họ thấy chứng mối quan hệ có tính thống kê thơng tin khối lượng, với độ bất ổn có mối quan hệ yếu Trong nghiên cứu liên quan, Berry Howe (1994) nghiên cứu khối lượng thông tin Reuters North American Wire Cùng với Mitchel Mulherin (1994), họ tìm thấy mẫu hình theo mùa thông tin công bố Họ chứng minh khác có tính thống kê dịng chảy thông tin giao dịch không giao dịch tranh luận điều giải thích khác độ bất ổn quan sát French Roll (1986) Ederington Lee (1993) tìm thấy mối liên hệ mạnh thông báo vĩ mô lên kế hoạch bất ổn lãi suất tỷ giá giao sau Sự khác biệt nghiên cứu độ lớn thị trường thông tin công ty Thompson cộng (1987) nghiên cứu đặc điểm tin tức công ty Wall Street Journal Index năm 1983 tin tức phân biệt theo cấp độ công ty, ngành kinh doanh, ngày tuần tháng năm Họ thấy tin tức vài cơng ty có ảnh hưởng mang tính thống kê đến tỷ suất sinh lợi cổ phiếu Hơn nữa, Ryan Taffler (2004) nghiên cứu mẫu 350 công ty lớn sàn chứng khoán London đưa chứng việc thơng tin theo cơng ty có tương quan thống kê với việc xác định thay đổi giá cổ phiếu khối lượng giao dịch Một vài nhà nghiên cứu từ việc đánh giá dịng chảy thơng tin mà kết hợp cơng ty tồn thị trường (Mitchel Mulherin, 1994; Berry Howe, 1994) Một số nghiên cứu riêng ảnh hưởng thông tin theo cấp độ công ty thông tin thị trường lên hoạt động cổ phiếu Bessembinder cộng (1996) đánh giá mối quan hệ khối lượng giao dịch thông tin theo cấp độ công ty thị trường mà sử dụng liệu từ danh mục đầu tư công ty theo mức vốn hóa Họ thấy thơng tin cơng ty riêng có tác động dương đến hoạt động giao dịch tất công ty, công ty nhỏ chịu tác động lớn Hơn nữa, họ cịn thấy thơng tin tồn thị trường có tác động đáng tin cậy lên công ty lớn tác động đến cơng ty nhỏ Các tác giả khơng đưa phương pháp rõ ràng xác định dịng chảy thông tin dựa vào tin tức thông báo hay biến thân thuộc khác mà họ sử dụng đại diện gián tiếp (indirect proxies) Đặc biệt, họ sử dụng độ bất ổn tỷ suất sinh lợi theo danh mục đa dạng hóa để tính tốn thông tin thị trường, dùng độ lệch chuẩn tỷ suất sinh lợi công ty từ tỷ suất sinh lợi mong đợi thị trường làm phương pháp đánh giá thông tin theo cấp độ công ty Áp dụng biến có bất lợi việc đánh giá mối quan hệ dịng chảy thơng tin độ bất ổn giả định tồn sẵn mối quan hệ Việc đánh giá đơn giản cung thông tin nắm bắt tác động thật thông tin hay thông báo nhà đầu tư, vài nghiên cứu cố gắng nắm mức quan trọng thơng tin Ví dụ, Mitchel Mulherin (1994) đánh giá số lượng chủ đề thơng báo, kích thước headline tờ New York Times xuất thông báo vĩ mô hàng tháng Klibanoff cộng (1998) đánh giá thông tin bật lấy từ trang tờ New York Times Ryan Taffler (2004) xác định phản hồi thị trường nghiên cứu tin tức đằng sau phản hồi Mặc dù phương pháp họ cho kết có ý nghĩa thống kê họ tập trung vào kiện có phản hồi mạnh nên loại trừ lượng lớn thơng tin làm phóng đại ảnh hưởng thông tin lên tỷ suất sinh lợi cổ phiếu 1.2 CẦU THÔNG TIN Trong nghiên cứu “On the Impossibility of Informationally Efficient Markets” (thị trường thông tin hiệu không tồn tại), Grossman Stiglitz (1980) cho giá bị ảnh hưởng người nắm thông tin người không nắm thông tin Do thơng tin tốn chi phí nên ban đầu số lượng người nắm thơng tin Càng sau, số lượng tăng lên làm cho thông tin phản ánh vào giá nhiều Lúc này, lợi ích người nắm thông tin so với người không nắm thông tin nhỏ đi, động lực để có thơng tin giảm (thơng tin có tính thay thế) Một ngụ ý khác cầu thông tin phần trăm nhà giao dịch nắm thông tin tăng với mức tăng độ nhiễu Theo Veldkamp (2006), thơng tin có chi phí cố định cao (đó chi phí việc xây dựng hệ thống để lấy thông tin) chi phí biến đổi thấp (ví dụ chi phí copy) nên số lượng thơng tin lớn chi phí giảm Chi phí thơng tin giảm khiến nhà đầu tư chịu rủi ro hơn, họ nắm thông tin nhiều giá cổ phiếu phản ánh nhiều thông tin khiến giá biến động nhiều Kết Veldkampn (2006) cho thấy cầu thơng tin tăng giá tăng Moscarini Smith (2002) nghiên cứu thông tin từ internet Họ chứng minh cầu thông tin tăng mức độ cần thiết phân tích thơng tin tăng Khi thơng tin phức tạp xuất hiện, có khơng chắc ảnh hưởng thông tin, cầu thông tin tăng ngược lại Giống sống, kiện khó hiểu xảy ra, người với tị mị đào sâu tìm hiểu Khi người hài lịng với thơng tin nhận ảnh hưởng kiện nhiều biết, họ dừng cầu thơng tin Do đó, cầu thơng tin phản ánh mức quan trọng thơng tin kết hợp hiệu ứng thơng tin tới cộng đồng Một giả định thường nhà nghiên cứu nhà kinh doanh dùng cầu thông tin có tương quan dương đến mức e ngại rủi ro (ví dụ theo Willinger, 1989; Eeckhoudt Godfroid, 2000) Trong thị trường tài chính, nhà đầu tư e ngại rủi ro yêu cầu thông tin nhiều nhà đầu tư thích rủi ro Một vài nghiên cứu giả định ngược lại Ví dụ, Freixas Kihlstrom (1984) cho nhà đầu tư khơng thể dự tính loại thơng tin mà họ biết, liệu thơng tin tốt hay xấu Vì thơng tin khơng phải miễn phí nên có rủi ro việc lấy thơng tin Điều dẫn đến kết luận nhà đầu tư e ngại rủi ro sẵn sàng chi tiền để lấy thơng tin nhà đầu tư thích rủi ro CHƯƠNG PHƯƠNG PHÁP THỰC NGHIỆM 2.1 ĐẠI DIỆN MỚI CHO CẦU THÔNG TIN Internet giúp việc thơng báo, lan truyền tìm kiếm dễ dàng với chi phí thấp Vì cấp độ chiều sâu lớn internet, việc nắm bắt hết thông tin nhiệm vụ khó khăn Đây lý giải thích người dựa vào cơng nghệ tìm kiếm để lấy thơng tin web Trong nghiên cứu sử dụng số lượng tìm kiếm Google - phương pháp tìm kiếm internet phổ biến để nắm bắt cầu thông tin Google cho phép sử dụng liệu “Search Volume Index” (SVI) thông qua dịch vụ “Google Trends” Antweiler Frank (2004) nghiên cứu tin nhắn internet lĩnh vực khác thấy tin cổ phiếu có ảnh hưởng mang tính thống kê mạnh đến tỷ suất sinh lợi cổ phiếu, tín hiệu rõ ràng số lượng đáng quan tâm nhà đầu tư sử dụng nguồn thông tin từ internet Gần đây, Rubin Rubin (2010) sử dụng mức chỉnh sửa thường xuyên báo cơng ty Wikipedia bách khoa tồn thư online khơng trả phí đường dẫn mà người tìm kiếm thơng tin cơng ty Họ cho thấy mức thường xuyên tăng làm mức độ dự báo lỗi nhà phân tích hơn, mức phân tán dự báo nhỏ Dữ liệu tìm kiếm Google Da cộng (2011a) sử dụng để đánh giá mức độ quan tâm nhà đầu tư Đặc biệt, họ ước lượng mức độ quan tâm nhà đầu tư tài sản theo SVI mối quan hệ với phương pháp đánh giá hữu Họ đánh giá giả thuyết việc SVI có nắm bắt mức quan tâm nhà đầu tư không Trong phương pháp thực nghiệm họ, họ phân tích SVI theo tuần từ khóa tìm kiếm Russell 3000 để xem xét hoạt động giá cổ phiếu Các kết cho thấy SVI nắm bắt mức quan tâm nhà đầu tư hiệu phương pháp khác Cổ phiếu Google tìm kiềm tháng 11 - 2009 65.4% theo Neilsen MegaviewSearch Data (16, tháng 12, 2009, http://blog.nielsen.com) Theo phương pháp khác, Da cộng (2011b) xây dựng số Financial Economic Attitudes Revealed by Search (FEARS) cách tổng hợp SVI hàng ngày theo từ khóa liên quan đến tài hộ gia đình quan tâm kinh tế Ủng hộ với mơ hình “nhà giao dịch nhiễu” De Long cộng (1990), số họ dự đốn độ bất ổn lịch sử ETF chí sau tính tốn cho biến số VIX, khối lượng doanh thu, phương pháp thay khác Chỉ số dự đốn dịng chảy đầu tư hàng ngày từ thu nhập cố định quỹ kim loại, phù hợp với hiệu ứng “flight to quality” thời gian hỗn loạn 2.2 DỮ LIỆU VÀ MƠ TẢ MẪU Chúng tơi lựa chọn sàn thành phố Hồ Chí Minh để nghiên cứu giá trị giao dịch sàn thành phố Hồ Chí Minh lớn nhiều so với giá trị giao dịch sàn Hà Nội Trong đó, chúng tơi xem xét liệu cung cầu thông tin từ 30 cổ phiếu rổ VN30 tính tới cuối năm 2013 số VNINDEX Tiêu chí lọc cổ phiếu để vào danh sách VN30 là: Bước 1: Sàng lọc giá trị vốn hóa Tập hợp cổ phiếu thỏa mãn điều kiện tham gia tính tốn số VN30 xếp theo thứ tự giảm dần theo giá trị vốn hóa hàng ngày bình qn tháng chưa điều chỉnh free-float 50 cổ phiếu có giá trị vốn hóa cao từ xuống chọn Bước 2: Sàng lọc free-float Cổ phiếu có tỷ lệ free-float =< 5% bị loại Bước 3: Sàng lọc khoản Tập hợp cổ phiếu lại sau bước xếp theo thứ tự giảm dần giá trị giao dịch ngày bình quân tháng Áp dụng quy tắc thêm vào loại bỏ cổ phiếu rổ số nhằm đảm bảo số mang tính ổn định đại diện cho toàn thị trường - Cổ phiếu đứng vị trí thứ 20 trở lên đương nhiên có mặt số - Cổ phiếu đứng vị trí thứ 41 trở xuống đương nhiên bị loại khỏi số - Cổ phiếu đứng vị trí 21 đến 40: ưu tiên cổ phiếu cũ (đã có số) sau xét đến cổ phiếu cho số lượng cổ phiếu rổ 30 cổ phiếu Trường hợp có nhiều cổ phiếu cũ có vị trí, ưu tiên chọn cổ phiếu cũ có giá trị vốn hóa hàng ngày bình qn cao kỳ xem xét Sau trình sàng lọc trên, top 40 cổ phiếu có giá trị giao dịch cao theo thứ tự xếp hạng từ xuống chọn, gồm: - Top 30 cổ phiếu đưa vào danh mục thức rổ số - 10 cổ phiếu đưa vào danh mục cổ phiếu dự phòng, sử dụng trường hợp có hay nhiều cấu phần bị loại bỏ khỏi rổ số vào kỳ xem xét Như vậy, VN30 gồm cổ phiếu có ảnh hưởng lớn sàn thành phố Hồ Chí Minh Đây cổ phiếu nhà đầu tư quan tâm nhiều đó, biến cầu thông tin cho kết tốt Dữ liệu lấy theo tuần từ đầu năm 2008 đến hết năm 2013 Đối với cầu thông tin, loại cổ phiếu GMD, CII, IJC, OGC, PET, SBT MSN không đủ số lượng quan sát số lượng tìm kiếm q Google Trends có liệu theo tháng Cũng với lý cho cung thơng tin, chúng tơi loại BVH, CSM, CTG, DRC, EIB, GMD, HAG, HSG, MSN, PGD, OGC, PET Những cổ phiếu chúng tơi loại niêm yết BVH, CSM, CTG, EIB, MBB, MSN, PGD, VCB, OGC, IJC Như vậy, mẫu cổ phiếu tiến hành kiểm định gồm DPM, FPT, HPG, KDC, PPC, PVD, PVT, REE, SSI, STB, VIC, VNM, VSH Chúng lấy cầu thông tin cách sử dụng liệu hàng tuần giai đoạn từ tháng năm 2008 đến tháng 12 năm 2013, lấy từ Google Insights for Search Dịch vụ Google Insights for Search cung cấp liệu SVI cho từ khóa mà người sử dụng nhập vào Sự bao quát liệu Google Trends dự báo nhiều biến số kinh tế doanh số nhà điện thoại 10 đó, để phân tích xa hơn, tác giả khử xu hướng biến cầu thông tin cách lấy phần dư từ hồi quy tuyến tính theo thời gian Tiếp theo, đánh giá xem liệu biến cầu thơng tin khơng xu hướng có chứa đặc điểm theo mùa không cách demean liệu Kết cho thấy tất liệu không đặc điểm theo mùa Điều thị trường chứng khốn Việt Nam cịn non trẻ thành phố Hồ Chí Minh có hai mùa Cuối cùng, đánh giá mối quan hệ cung cầu thông tin DPM FPT HPG KDC PPC PVD PVT REE SSI STB V 0.0261 0.0115 0.0944 0.0203 -0.0266 0.0664 -0.1372 -0.0915 0.0917 -0.0196 Bảng 0.4 mối tương quan cung cầu thông tin Bảng cho thấy mối tương quan cung cầu thông tin Chỉ có trường hợp có hệ số âm Điều phù hợp với khám phá Da cộng (2011a), người thông báo SVI từ khóa cổ phiếu mẫu họ có tương quan với biến giả tin tức Nikolaos Vlastakis Raphael N Markellos (2010) Tiếp theo dùng phân tích nhân Granger Chỉ có SSI VSH có cung thơng tin tác động tới cầu thơng tin với mức ý nghĩa 10% Với mối quan hệ ngược lại, có PPC có mức ý nghĩa 1%, FPT VIC 5% Các trường hợp lại phân tích nhân Granger khơng có ý nghĩa Việc cung cầu thơng tin có mối quan hệ rời rạc do: (i) cung thơng tin thị trường chứng khoán Việt Nam chưa nhiều, (ii) nhà đầu tư Việt Nam không lấy thông tin từ google mà cịn từ diễn đàn, mơi giới 2.3 CẦU THÔNG TIN VÀ HOẠT ĐỘNG THỊ TRƯỜNG Chúng bắt đầu nghiên cứu liên kết cầu thông tin hoạt động thị trường theo tiêu “độ bất ổn” Do Việt Nam chưa có sản phẩm phái sinh nên sử dụng độ bất ổn lịch sử “Độ bất ổn lịch sử” tính theo “realized volatility” phương pháp phổ biến giá trị “độ bất ổn lịch sử” nghiên cứu hàn lâm, dựa tính xác mơ hình gần với chất tự nhiên 15 (“model-free nature”) (Andersen cộng sự, 2001 a,b; Barndorff-Nielsen Shephard, 2002; khác) Cách tính toán “độ bất ổn lịch sử” cho chuỗi liệu tham khảo theo phương pháp Andersen (2001a) Theo nguyên gốc, Andersen lấy logarit tỷ suất sinh lợi thay đổi phút từ liệu giá chứng khốn ngày có tần suất cao Tuy nhiên, khơng có số liệu theo phút nên định lấy tỷ suất sinh lợi theo ngày Sau đó, chúng tơi tính độ bất ổn lịch sử theo tuần, cách cộng tổng bình phương tỷ suất sinh lợi cho tuần “Độ bất ổn lịch sử” cho tuần t tính bởi: tỷ suất sinh lợi bình phương ith quan sát cho tuần t Logarit tự nhiên (Ln) độ bất ổn lịch sử (gần giống với độ bất ổn lịch sử ký hiệu RV t) ước lượng sau tính tốn sử dụng tất phân tích sau Chúng sử dụng hồi quy sau nhằm nghiên cứu mối quan hệ độ bất ổn lịch sử cầu thơng tin có kiểm sốt ảnh hưởng tỷ suất sinh lợi thị trường cung thông tin: Trong đó: số, đặc tính cầu thông tin thời điểm t, cầu thông tin thị trường thời điểm t, cung thông tin công ty thời điểm t, tập hợp cung thông tin thời điểm t, tỷ suất sinh lợi thị trường thời điểm t sai số Kết quả… Các đóng góp trước (Kalev cộng sự, 2004; Bomfim, 2001, khác) đề xuất sử dụng mơ hình GARCH (Engle, 1982; Bollerslev, 1986) cho việc tính tốn xấp xỉ độ bất ổn lịch sử Kalev et (2004) lập luận việc mơ hình hóa mối quan hệ thơng tin độ bất ổn thơng qua chu trình Hiệp phương sai khơng đồng (Heteroscedasticity) có điều kiện cải tiến tuyệt vời tất chu trình trước đó, đo lường độ bất ổn khơng điều kiện, ví dụ trị tuyệt đối tỷ suất sinh lợi thị trường 16 ngày Mặc dù phương pháp tiếp cận kỳ vọng xác độ bất ổn lịch sử sử dụng trước đó, sử dụng nhiều liệu hơn, có ưu điểm khả mơ hình hóa điều kiện giá trị trung bình phương sai thời điểm xử lý tượng phương sai thay đổi cách trực tiếp Hơn nữa, số lượng lớn chứng thực nghiệm có sử dụng mơ hình GARCH tài Chúng tơi mơ hình hóa độ bất ổn có điều kiện thơng qua việc sử dụng mơ hình GARCH(1,1) thị trường, bao gồm biến cung cầu thông tin điều kiện phương sai kỹ thuật (phương sai thay đổi):2 Trong đó: tỷ suất sinh lợi cổ phiếu khoảng thời gian t, số, chuỗi sai số không tương quan tỷ suất sinh lợi cổ phiếu với giá trị trung bình khơng, thể thơng tin, phương sai có điều kiện , , , , định nghĩa trước Kết … Cuối cùng, chúng tơi hồn thành phân tích hiệu ứng cầu thơng tin hoạt động cổ phiểu riêng lẻ theo khối lượng giao dịch Khối lượng giao dịch tính toán số lượng cổ phiếu giao dịch tuần để phù hợp với liệu cung, cầu thơng tin Để tương thích với liệu cung cầu thông tin, lấy logarit khối lượng giao dịch sau khử xu hướng Phân tích tương quan Pearson đưa chứng xác thực cho mối quan hệ thuận chiều khối lượng giao dịch và cầu thông tin, cầu thông tin thị trường đặc tính cầu thơng tin Một phương pháp phổ biến khác EGARCH, cho phép không đối xứng độ bất ổn phản ứng với tin tức (xem Engle Ng, 1993) Nhằm mục đích thử nghiệm hiệu ứng tương tự có khả xảy liệu tác giả, tác giả ước lượng mơ hình EGARCH Cách tiếp cận khơng làm thay đổi kết tìm được, kể từ tác giả chọn sử dụng mơ hình GARCH đơn giản để thay 17 mã cầu cổ phiếu cầu toàn thị trường dpm 0.1278* -0.0141 fpt -0.0035 -0.0612 hpg -0.1007 0.0170 kdc 0.5332* 0.03854 ppc -0.1011 0.1272* pvd -0.0322 0.1046 pvt 0.5188* 0.2903* ree 0.1560* 0.1496* ssi 0.2576* 0.0219 stb 0.5135* 0.13190 vic 0.4434* 0.3472* vnm -0.0580 0.0592 vsh -0.1474 0.1631* Bảng 0.5 tương quan Pearson khối lượng giao dịch cổ phiếu với cầu thông tin cổ phiếu với cầu thông tin toàn thị trường Đối với mối tương quan khối lượng giao dịch cổ phiếu với cầu thông tin cổ phiếu, có 7/13 trường hợp có ý nghĩa Các trường hợp cho thấy mối quan hệ thuận chiều Đối với mối tương quan khối lượng giao dịch cổ phiếu với cầu thơng tin tồn thị trường, có 5/13 trường hợp có ý nghĩa Các trường hợp cho thấy mối quan hệ thuận chiều Chúng ước lượng khối lượng giao dịch theo cổ phiếu theo hồi quy sau: Trong đó: khối lượng giao dịch, giá trị tuyệt đối logarity tỷ suất sinh lợi cổ phiếu, , , , , theo định nghĩa phía Tác giả lấy trị tuyệt đối để kiểm sốt mơ hình, theo kết từ ảnh hưởng khối lượng giao dịch phát trước (Karpoff, 1987) ω κ γ δ 18 ζ η dpm -0,176** 4,424** * * 0,669*** -0,16* 0,0104 0.0769 fpt -0,0326 0,0128 0,458** * -0,0249 0,0527 hpg -0,281** 5,792** * * -1,228** 1,265** * * 0,117 0,13* kdc -0,124** 0,179 1,128** * -0,0137 0,0272 ppc -0,247** 4,713** * * 1,438*** 0,292** 0,0308 -0,00432 pvd -0,162** 3,465** * * 0,602*** 0,2 0,225** * -0,0826 -0,223** 3,883** * 1,098*** 0,154* -0,0122 pvt * 0,793 2,92*** ree -0,145** 2,817** * 0,362* 1,341** * 0,0557 0,0326 ssi -0,114** 2,106** * -0,0585 1,145** * 0,146** 0,0651 stb -0,16*** 4,076** * 0,427*** 1,112*** 0,293** * -0,191** vic -0,0609 1,34 0,543*** -0,0422 0,104 0,0494 vnm -0,266** 8,131** * * -0,0404 0,434** * 0,024 0,148* vsh -0,16** 1,023*** 0,576** * 0,108 0,117 4,107** * Bảng mô tả kết hồi qui OLS khối lượng giao dịch cổ phiếu biến tỷ suất sinh lợi biến cung cầu thơng tin Trong đó: khối lượng giao dịch, giá trị tuyệt đối logarity tỷ suất sinh lợi cổ phiếu, , , , , theo định nghĩa phía ↕ Giả thuyết khơng bị bác bỏ mức 10% ↑ Giả thuyết không bị bác bỏ mức 5% ‫ ٭‬Giả thuyết không bị bác bỏ mức 1% Kết … 2.4 ẢNH HƯỞNG CỦA TRẠNG THÁI THỊ TRƯỜNG Chúng nghiên cứu thực nghiệm mức độ ổn định kết nghiên cứu khác biệt tiềm tác động thông tin qua giai đoạn thị 19 trường cách chia mẫu thành hai giai đoạn Giai đoạn thứ bao gồm liệu thời kỳ từ 1/1/2008 đến 31/12/2011 giai đoạn thứ hai từ 1/1/2012 đến 31/12/2013 Lý tách làm hai giai đoạn giai đoạn thứ hai thời kỳ lạm phát số phủ đặt mục tiêu kiềm chế lạm phát tăng trưởng kinh tế Từ đó, chúng tơi ước lượng khác biệt gây tác động thông tin cho hoạt động thị trường hai giai đoạn stock Cầu thông tin khối lượng giao dịch cơng ty tồn thị trường cơng ty tồn thị trường mẫu mẫu mẫu mẫu mẫu mẫu mẫu mẫu dpm -0.1214 -0.0598 -0.1342 -0.0226 0.1557 -0.0924 -0.3984* 0.0245 fpt -0.0810 0.2581* -0.1030 -0.2903* -0.2669* 0.2142* -0.4732* -0.0794 hpg 0.0622 0.1730 -0.0897 -0.1290 -0.2601* -0.1244 -0.3801* -0.0584 kdc -0.2498 -0.0907 -0.1491 -0.2053* -0.3306* -0.1379 -0.4365* -0.0363 ppc 0.4753* -0.0693 -0.0539 -0.2220* -0.4067* -0.0376 -0.4093* -0.0372 pvd 0.2242 0.0290 0.0292 -0.1230 -0.1158 -0.1004 -0.4435* -0.1699 pvt -0.5136* -0.218 -0.0883 -0.1755 -0.5049* 0.0223 -0.5264* -0.1326 ree -0.1884 0.1584 -0.0328 -0.1284 -0.3715* 0.1496 -0.3538* -0.0325 ssi -0.4195* 0.0046 -0.0270 -0.1740 -0.4725* 0.0895 -0.4178* -0.0155 stb 0.1120 0.2703* -0.1458 -0.2959* -0.2733* 0.0820 -0.3391* -0.1326 vic -0.1157 0.3267* -0.0674 0.3211* -0.1797 0.2731* -0.3879* 0.0496 vnm -0.4504* -0.2411 -0.0903 -0.3380* -0.2186 -0.1995* -0.4778* -0.2206* -0.5030* -0.1280 vsh -0.4321* 0.3431* -0.0649 -0.2284* -0.3314* -0.0918 Bảng 0.6 mối tương quan độ bất ổn hàm ý cầu thông tin/khối lượng giao dịch Bảng mô tả hệ số tương quan độ bất ổn hàm ý cầu thông tin/khối lượng giao dịch theo mẫu: thời kỳ từ 1/1/2008 đến 31/12/2011 kỳ từ 1/1/2002 đến 31/12/2013 * Giả thuyết không bị bác bỏ mức 10% ** Giả thuyết không bị bác bỏ mức 5% *** Giả thuyết không bị bác bỏ mức 1% Mối tương quan cầu thông tin cổ phiếu độ bất ổn cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 9/13 trường hợp Giai đoạn đầu có tương quan nghịch 9/13 trường hợp giai đoạn sau có 5/13 trường hợp 20 Mối tương quan cầu thông tin toàn thị trường độ bất ổn cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 1/13 trường hợp Giai đoạn đầu giai đoạn sau có tương quan nghịch 12/13 trường hợp Mối tương quan khối lượng giao dịch cổ phiếu độ bất ổn cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 12/13 trường hợp Giai đoạn đầu có tương quan nghịch 12/13 trường hợp giai đoạn sau có 7/13 trường hợp Mối tương quan khối lượng giao dịch toàn thị trường độ bất ổn cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 13/13 trường hợp Giai đoạn đầu có tương quan nghịch 13/13 trường hợp giai đoạn sau có 11/13 trường hợp khối lượng giao dịch stock công ty toàn thị trường mẫu mẫu mẫu mẫu dpm 0.1560 -0.0511 0.1129 -0.1796 fpt 0.2804* 0.1024 0.4640* 0.0811 hpg 0.3100* -0.1621 0.2416 -0.0526 kdc 0.6569* 0.4536* 0.6362* -0.1248 ppc -0.6524* -0.2385* -0.8001* -0.1596 pvd -0.2783* 0.0079 -0.2803* -0.0687 pvt 0.5709* 0.3322* 0.7793* 0.1567 ree 0.0802 -0.0259 0.0128 -0.0446 ssi 0.5645* -0.0129 0.4936* -0.0373 stb -0.3244* 0.5325* -0.4354* -0.2628* vic 0.0305 0.1957* 0.5703* 0.0203 vnm 0.5178* -0.1621 0.6987* 0.2060* vsh 0.4152* -0.1197 0.4686* -0.2255* Bảng 0.7 mối tương quan cầu thông tin khối lượng giao dịch Bảng mô tả hệ số tương quan cầu thông tin khối lượng giao dịch theo mẫu: thời kỳ từ 1/1/2008 đến 31/12/2011 kỳ từ 1/1/2002 đến 31/12/2013 21 * Giả thuyết không bị bác bỏ mức 10% ** Giả thuyết không bị bác bỏ mức 5% *** Giả thuyết không bị bác bỏ mức 1% Mối tương quan khối lượng giao dịch cổ phiếu cầu thông tin cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 11/13 trường hợp Giai đoạn đầu có tương quan nghịch 3/13 trường hợp giai đoạn sau có đến 7/13 trường hợp Mối tương quan khối lượng giao dịch toàn thị trường cầu thông tin cổ phiếu giai đoạn đầu có độ lớn lớn giai đoạn sau 11/13 trường hợp Giai đoạn đầu có tương quan nghịch 3/13 trường hợp giai đoạn sau có đến 9/13 trường hợp Để khám phá xa tác động trạng thái thị trường lên kết nghiên cứu, hồi quy với biến giả Theo Ryan Taffler (2004), xác định hai biến giả trạng thái thị trường: Một biến giả có giá trị có thay đổi lớn giá (những tuần có độ lệch trị tuyệt đối tỷ suất sinh lợi thị trường so với giá trị trung bình lớn độ lệch chuẩn) cho trường hợp khác, trường hợp khác xảy theo kiểu ngược lại (tất tuần có “trạng thái tỷ suất thấp” tương ứng với giá trị biến giả 1) Cụ thể, “trạng thái tỷ suất sinh lợi cao” biến giả định nghĩa: Và trạng thái “tỷ suất sinh lợi thấp” biến giả: Trong đó: I hàm đặc trưng (indicator function), trị tuyệt đối tỷ suất sinh lợi thị trường, trung bình trị tuyệt đối tỷ suất sinh lợi thị trường toàn thời gian mẫu hoàn chỉnh Và độ lệch chuẩn trị tuyệt đối tỷ suất sinh lợi thị trường tồn thời gian mẫu Sau đó, chúng tơi kiểm định phương trình: 22 Kết quả… 2.5 CẦU THÔNG TIN VÀ MỨC ĐỘ E NGẠI RỦI RO Bây giờ, chuyển sang nghiên cứu mối quan hệ tiềm ẩn cầu thông tin mức độ e ngại rủi ro Một vài nghiên cứu gần (Ait-Sahalia Lo, 2000; Jackwerth, 2000; Rosenberg Engle, 2002; Bollerslev cộng sự, 2009, 2001) đề xuất việc đo lường phần bù rủi ro độ bất ổn mức độ e ngại rủi ro theo thời gian lấy từ mối quan hệ mức độ không quan tâm đến rủi ro phương sai chủ quan ước lượng Cách tiếp cận dựa thật ước lượng phương sai thường lấy từ phần tương ướng với mức độ bàng quan rủi ro phân phối xác suất chủ quan, liên kết hệ số mức độ e ngại rủi ro (xem Jackwerth, 2000) Bằng trực giác, phần bù rủi ro phương sai hiệu chỉnh mức cầu nhà đầu tư cho việc phải chịu đựng rủi ro lường trước gây thay đổi độ bất ổn, ảnh hưởng tới việc đo lường xấp xỉ mức thỏa mãn rủi ro nhà đầu tư Bolerslev cộng (2009) ưu điểm việc sử dụng “model-free” để ước lượng implied realized variance việc ước lượng phương sai phần bùi rủi ro Họ sử dụng liệu hàng tháng từ số VIX, sử dụng giá trị bình phương số làm đại diện cho implied variance Sau đó, học ước lượng “model-free” realized variance hàng tháng cách cộng bình phương tỷ suất sinh lợi theo ngày số S&P 500 với tần suất cao Tiếp theo, họ ước lượng realized variance kỳ vọng cách sử dụng dự đoán “one-step ahead” từ việc cắt giảm mơ hình chuỗi thời gian cho realized variance Cuối cùng, họ từ phương sai phần bù rủi ro kỳ vọng khác biệt implied variance realized variance kỳ vọng Do biến khơng có Việt Nam nên chúng tơi tính mức e ngại rủi ro nhà đầu tư thời kỳ t dựa vào chênh lệch GARCH t+1 GARCHt biến r Như vậy, mức e ngại rủi ro là: 23 Tác giả thực nghiệm giả thiết mức độ e ngại rủi ro có ý nghĩa liên quan đến cầu thơng tin.83 Bởi chuỗi phần bù e ngại rủi ro khả dụng khoảng thời gian mẫu theo tháng, tác giả chuyển liệu cầu thông tin sang liệu theo tháng cách tính trung bình quan sát theo tuần qua tháng Tác giả mơ hình hóa mối quan hệ cầu thơng tin mức độ e ngại rủi ro hồi quy sau: Trong đó: cầu thơng tin theo thị trường thời điểm t, Hệ số chặn (hằng số) , phương sai kỳ vọng phần bù rủi ro thời điểm t số dư Tác giả bao gồm giá trị độ trễ biến cầu thông tin nhằm ghi nhận kéo dài (sự trễ) chuỗi liệu cầu thông tin Tác giả ước lượng mơ hình khơng ghi nhận độ trễ so sánh kết Bảng mô tả kết hồi qui OLS cầu thông tin mức e ngại rủi ro thay đổi theo thời gian a hệ số chặn, b hệ số độ trễ cầu thông tin, c d hệ số mức e ngại rủi ro độ trễ Sai số chuẩn theo Newey-West HAC hiệp phương sai thể kiểm định ↕ Giả thuyết không bị bác bỏ mức 10% ↑ Giả thuyết không bị bác bỏ mức 5% ‫ ٭‬Giả thuyết không bị bác bỏ mức 1% Kết Thông thường , thay đổi mức độ e ngại rủi ro trung bình sử dụng thường xuyên để liên hệ tới thay đổi trạng thái viễn cảnh kinh tế.4 Theo tượng mà ta gọi “flight to quality”, ví dụ, toàn cảnh kinh tế điều kiện tốt, nhà đầu tư chấp nhận rủi ro nhiều hơn; ngược lại, điều kiện chung xấu đi, họ thường chấp nhận rủi ro Giống với Veldkamp (2006), thông tin Dữ liệu công bố website cá nhân Hao Zhou Ví dụ, Bollerslev et al cho thấy suất thời kỳ suy thoái khủng hoảng tài chính, đo lường họ mức độ e ngại rủi ro tăng lên có ý nghĩa 24 cách không chắn, nhà đầu tư có xu hướng tích trữ tài sản có đủ thơng tin “sự an tồn” Như thảo luận bên trên, mức cầu thông tin tăng lên dự không chắn nhà đầu tư đến từ kiện hậu Khi mức độ e ngại rủi ro trung bình mức cao, hiệu ứng trở nên mạnh mẽ hơn, điều có nghĩa nhà đầu tư cắt giảm tài sản không chắn, u cầu nhiều thơng tin để đối phó với kiện xảy Tiếp tục, làm tăng mức độ quan tâm nhà đầu tư vào thông tin ảnh hưởng tới giá tài sản, điều gây độ bất ổn cao tỷ suất sinh lợi Do đó, mối quan hệ thuận chiều mức độ e ngại rủi ro và cầu thơng tin dẫn đến tăng lên độ bất ổn tỷ suất sinh lợi khoảng thời gian kiệt quệ Điều cung cấp giải thích cho hiệu ứng trạng thái thị trường tác động lên mối quan hệ cầu thông tin hoạt động thị trường Kết tác giả không thật mâu thuẫn với nghiên cứu trước định đề: mối quan hệ ngược chiều cầu thông tin mức độ e ngại rủi ro (eg., Frexias Kihlstrom, 1984; Willinger, 1989) Điều xảy nghiên cứu trước dựa lập luận họ cách mà rủi ro dẫn đến nhu cầu sử dụng thông tin nhiều hơn, với tác động trực tiếp chi phí cho thơng tin Khi chi phí thơng tin trở nên khơng có ý nghĩa, nhà đầu tư đối mặt với rủi ro tối thiếu thông tin có được, thật thơng tin chi tiết hấp dẫn với nhà đầu tư e ngại rủi ro Bởi chi phí thơng tin internet nhỏ, chi phí chung chủ yếu đến từ chi phí hội khoảng thời gian dài hay ngắn để có thơng tin, điều giải thích giả thiết họ khơng giống với nghiên cứu tác giả 25 CHƯƠNG KẾT LUẬN 26 Tài liệu tham khảo 27 ... phần Bourbon Tây Ninh Chỉ số Vnindex NGÂN HÀNG QUÂN ĐỘI masan OGC PET pgd ppc pvd pvt ree ssi stb vcb vincom vinamilk vsh sbt vnindex Bảng 0.1 danh sách công ty rổ VN30, số VNINDEX từ khóa stock... tin khiến giá biến động nhiều Kết Veldkampn (2006) cho thấy cầu thơng tin tăng giá tăng Moscarini Smith (2002) nghiên cứu thông tin từ internet Họ chứng minh cầu thông tin tăng mức độ cần thiết... tìm kiềm tháng 11 - 2009 65.4% theo Neilsen MegaviewSearch Data (16, tháng 12, 2009, http://blog.nielsen.com) Theo phương pháp khác, Da cộng (2011b) xây dựng số Financial Economic Attitudes Revealed