Một số mô hình phân tích độ biến động của giá cổ phiếu trên thị trường chứng khoán việt nam

MỤC LỤC 1.LỜI MỞ ĐẦU 2.ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1.Đối tượng nghiên cứu 2.2.Phạm vi nghiên cứu 3.PHÂN TÍCH NỘI DUNG NGHIÊN CỨU 3.1.Mơ hình GARCH đa biến phân tích rủi ro danh mục tài sản .4 3.1.1.Mơ hình GARCH đa biến tổng quát .4 3.1.2.Một số lớp mơ hình MGARCH 3.1.3.Ước lượng mơ hình 3.1.4.Kiểm định mơ hình 3.1.5.Một số ứng dụng .9 3.2.Sự phụ thuộc tài sản-Tiếp cận theo phương pháp Copula .9 3.2.1.Giới thiệu 3.2.2.Đo lường phụ thuộc 3.2.3.Mô hình Garch-Copula 11 3.3.Một số kết phân tích thực nghiệm .13 3.3.1.Số liệu phân tích 13 3.3.2.Ứng dụng mơ hình MGARCH phân tích rủi ro cổ phiếu .15 3.3.3.Sự phụ thuộc lợi suất cổ phiếu 32 4.NHẬN ĐỊNH NHỮNG VẤN ĐỀ CẦN NGHIÊN CỨU VÀ HƯỚNG GIẢI QUYẾT 38 5.KẾT LUẬN 39 6.TÀI LIỆU THAM KHẢO 40 DANH MỤC CÁC CHỮ VIẾT TẮT BVH: Cổ phiếu Tập đoàn Bảo Việt CTG: Cổ phiếu Ngân hàng Thương mại Cổ phần Công Thương Việt Nam DHG: Cổ phiếu Công ty Cổ phần Dược Hậu Giang DPM: Cổ phiếu Tổng Công ty cổ phần Phân bón Hóa chất Dầu khí FPT: Cổ phiếu Công ty Cổ phần FPT HAG: Cổ phiếu Công ty Cổ phần Hồng Anh Gia Lai HPG: Cổ phiếu Cơng ty cổ phần Tập đồn Hịa Phát ITA: Cổ phiếu Công ty Cổ phần Đầu tư Công nghiệp Tân Tạo KDC: Cổ phiếu Công ty Cổ phần Kinh Đô PVF: Cổ phiếu Tổng Cơng ty Tài Chính Cổ phần Dầu khí Việt Nam SJS: Cổ phiếu Cơng ty Cổ phần Đầu tư Phát triển Đô thị Khu Công nghiệp Sông Đà SSI: Cổ phiếu Công ty cổ phần Chứng khốn Sài Gịn STB: Cổ phiếu Ngân hàng Thương mại Cổ phần Sài Gịn Thương Tín VCB: Cổ phiếu Ngân hàng Thương mại cổ phần Ngoại thương Việt Nam VIC: Cổ phiếu Tập đồn Vingroup - Cơng ty Cổ phần VNM: Cổ phiếu Công ty Cổ phần Sữa Việt Nam DANH MỤC CÁC BẢNG BIỂU HÌNH VẼ Bảng 3.1 Thống kê mô tả chuỗi lợi suất Bảng 3.2 Kiểm định tính dừng chuỗi lợi suất Hình 3.1: Đồ thị biến động hệ số Bêta có điều kiện (Ứng dụng mơ hình DVEC) Bảng 3.3 Ước lượng hệ số phụ thuộc đuôi Bảng 3.4 Kết ước lượng mơ hình AR(1)-Garch(1,1) cho chuỗi lợi suất Bảng 3.5 Kết ước lượng mơ hình Garch-Copula động Hình 3.2 Đồ thị biến đổi hệ số tương quan theo thời gian tính theo Copula-T-DCC MỘT SỐ MƠ HÌNH PHÂN TÍCH ĐỘ BIẾN ĐỘNG CỦA GIÁ CỔ CỔ PHIẾU TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM LỜI MỞ ĐẦU Rủi ro nhân tố quan trọng phân tích kinh tế, tài Trong lĩnh vực quản lý quỹ đầu tư, định giá tài sản, đầu tư chứng khốn,… thiếu thơng tin rủi ro khó đưa chiến lược đầu tư thích hợp Khái niệm rủi ro thường đo phương sai có điều kiện lợi suất tài sản Mơ hình phương sai có điều kiện phân thành hai loại, loại thứ dùng hàm xác để đánh giá phương sai  t2 , loại thứ hai dùng phương trình ngẫu nhiên để mơ tả  t2 Mơ hình phương sai có điều kiện sai số thay đổi tự hồi quy (Autoregressive conditional heteroscedastic- ARCH), Engle đề xuất năm 1982 Đây mơ hình thuộc loại thứ mơ hình đưa sở lý thuyết để mơ hình hóa rủi ro Cho đến nay, dùng cách phổ biến để mô tả dự báo rủi ro chuỗi thời gian Sau thành công mô hình ARCH, nhiều tác giả đề xuất thêm nhiều mơ hình, chẳng hạn: Mơ hình ARCH tổng qt ( GARCH) Bollersev (1986), Mơ hình AGARCH (Asymmetric GARCH) Engle (1990), Mơ hình GARCH dạng mũ (EGARCH) Nelson (1991), Mơ hình APARCH (Asymmetric Power ARCH) Ding, Granger & Engle (1993), Trong mơ hình ARCH/GARCH đơn biến dừng lại việc mơ hình hóa dự báo biến động ( rủi ro) chuỗi thời gian, thực tế thấy rằng, thị trường khơng có biến động tài sản tài mà tác động chéo tài sản hay thị trường không ngừng thay đổi theo thời gian Từ đó, loạt câu hỏi đặt như: Sự biến động thị trường có dẫn tới biến động thị trường hay khơng? Nếu có truyền tác động theo cách trực tiếp ( thông qua phương sai) hay gián tiếp (thơng qua hiệp phương sai) ? Do việc nghiên cứu mơ hình đa biến lẽ tự nhiên để phù hợp với thị trường thực tế Mơ hình GARCH đa biến ( Multivariate GARCH-MGARCH) mở rộng mơ hình GARCH đơn biến Mơ hình MGARCH có nhiều cách tiếp cận, chủ yếu phân thành nhóm: phân tích trực tiếp ma trận phương sai có điều kiện phân tích ma trận phương sai có điều kiện qua biến trung gian Chúng ta có số lớp mơ hình MGARCH tiêu biểu: Mơ hình VEC Bollerslev, Engle Wooldridge ( 1988), Mơ hình BEKK ( Baba-Engle-Kraft-Kroner- BEKK) Engle Kroner đề xuất 1995, Các mơ hình nhân tố (Orthogonal-GARCH, GOGARCH…) Alexander (2000), Mơ hình CCC (Constant Conditional Correlation-CCC) Bollerslev (1990), Mơ hình DCC ( Dynamic Conditional Correlation-DCC) Engle (2002), Tse Tsui (2002),… Các mơ hình MGARCH khơng mơ hình hóa, dự báo phương sai mà cịn mơ hình hóa, dự báo hiệp phương sai lợi suất tài sản Hơn nữa, nghiên cứu phụ thuộc tài sản, thường dùng hệ số tương quan tuyến tính để đo lường mức độ phụ thuộc biến Tuy nhiên, hệ số chưa đặc trưng tốt cho phụ thuộc biến, đặc biệt với giá trị cực trị Trong chuyên đề này, cịn nghiên cứu mơ hình GarchCopula để mô tả cấu trúc phụ thuộc tài sản Đây hướng tiếp cận mới, áp dụng nhiều lĩnh, đặc biệt nghiên cứu rủi ro Khi nghiên cứu rủi ro danh mục gồm nhiều tài sản, xác định rủi ro thành phần danh mục phương pháp Copula giúp có cách kết hợp mềm dẻo rủi ro thành phần để xác định rủi ro danh mục Đề tài: “Một số mơ hình phân tích độ biến động giá cổ phiếu thị trường chứng khốn Việt Nam” giúp có cách tiếp cận tốt phân tích dự báo rủi ro danh mục cổ phiếu thị trường chứng khoán Việt Nam ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1.Đối tượng nghiên cứu Trong chun đề này, tổng quan mơ hình MGARCH, số mơ hình Garch-Copula phân tích cấu trúc phụ thuộc tài sản Đề tài thực số phân tích thực nghiệm với số Vnindex, HNXindex, danh mục số cổ phiếu niêm yết thị trường chứng khoán Việt Nam 2.2.Phạm vi nghiên cứu Chuyên đề sử dụng số phương pháp nghiên cứu kinh tế như: phương pháp thống kê, phương pháp tổng hợp phân tích, phương pháp so sánh đánh giá,… Đề tài sử dụng tổng hợp số phương pháp nghiên cứu kinh tế như: phương pháp thống kê, phương pháp tổng hợp phân tích, phương pháp so sánh đánh giá,… Đề tài khơng phân tích, dự báo rủi ro với số thị trường (HNX, VNINDEX) hay riêng với số cổ phiếu, mà nghiên cứu danh mục lập nên từ cổ phiếu Dựa số liệu thực tế mơ hình nghiên cứu, thực kiểm định để chọn lựa mơ hình phù hợp với tài sản, danh mục Khi phân tích liệu cần nhiều phân tích thống kê: ước lượng, kiểm định, kỹ thuật dựa phần mềm EVIEW, SPSS, SPLUS, Matlab,… 3 PHÂN TÍCH NỘI DUNG NGHIÊN CỨU 3.1 Mơ hình GARCH đa biến phân tích rủi ro danh mục tài sản 3.1.1 Mơ hình GARCH đa biến tổng qt Xét véc tơ lợi suất: rt ( r1t , r2t , , rNt )' , rit lợi suất tài sản thứ i thời điểm t , rit log( Pi ,t / Pi ,t  ) Mơ hình GARCH đa biến có dạng rt t ( )  ut t ut H ( ) zt :  véc tơ tham số, t ( ) -véc tơ trung bình có điều kiện, H t ( ) -ma trận phương sai có điều kiện, zt -là biến ngẫu nhiên độc lập, phân phối xác suất, E ( zt ) 0 Var( zt ) I N Ta có 1 Var(rt | t  ) Var(ut | t  ) H t2Var( zt | t  )( H t2 )' H t , t thơng tin có đến thời điểm t-1 Phần ta xét số cách phân tích cụ thể ma trận H t ( ) 3.1.2 Một số lớp mơ hình MGARCH 3.1.2.1 Mơ hình VEC Mơ hình VEC đề xuất Bollerslev năm 1988 Mơ hình có dạng sau : q p j 1 j 1 vech( H t ) c   Aj vech(ut  j ut'  j )   B jvech( H t  j ) , vech(.) tốn tử chồng phần ma trận tam giác H t , Aj B j ma trận tham số cấp N ( N  1) N ( N  1)  Như vậy, mơ hình VEC 2 phương sai hiệp phương sai có điều kiện phụ thuộc vào trễ bình phương sai số, tích chéo sai số trễ phương sai có điều kiện, hiệp phương sai Khi sử dụng mô hình VEC tổng qt trên, ta gặp số khó khăn : Trước hết, N ( N  1)  N ( N  1)  số tham số cần ước lượng , ( p  q )  , lớn ; trường hợp   2   đặc biệt p=q=1 N=3 số tham số cần ước lượng 78 Điều thứ hai, mơ hình cần có số điều kiện đặt để đảm bảo ma trận H t xác định dương với t Một trường hợp đặc biệt mơ hình VEC xét mơ hình DVEC ( Diagnol VEC) Mơ hình giả thiết Aj B j ma trận đường chéo, số tham số mơ hình DVEC cần ước lượng giảm xuống ( p  q  1) N ( N  1) , đặc biệt p=q=1 N=3 số tham số cần ước lượng 18, ma trận H t thỏa mãn điều kiện xác định dương với t 3.1.2.2 Mơ hình BEKK Mơ hình BEKK đưa cách tham số H t để đảm bảo điều kiện xác định dương Ma trận H t mơ hình BEKK biểu diễn sau : ' q K ' ' kj t  j t  j p K H t CC   A u u Akj   Bkj' H t  j Bkj , j 1 k 1 j 1 k 1 Akj , Bkj C ma trận tham số cấp N N , C ma trận tam giác Số tham số mơ hình BEKK cần ước lượng ( p  q ) KN  N ( N  1) , trường hợp đặc biệt p=q=1, N=3 K=1 số tham số cần ước lượng 24 Khi Akj , Bkj ma trận đường chéo số tham số mơ hình BEKK cần ước lượng giảm xuống ( p  q ) KN  N ( N  1) , đặc biệt p=q=1,N=3 K=1 số tham số cần ước lượng 12 3.1.2.3 Mơ hình DCC Trong phần này, trình bày mơ hình DCC Engle Ở mơ hình DCC ma trận H t biểu diễn sau : H t Dt Rt Dt , : Dt ma trận đường chéo cấp N : Dt diag (h111/2t , , h1/2 h (i 1, , N ) NNt ) , iit phương sai có điều kiện 1/2 1/2 1/2 1/2 Qt ( qijt ) N N ma trận đối Rt diag (q11 t , , q NNt )Qt diag (q11t , , q NNt ) , với xứng xác định dương, giả thiết : Qt (1     )Q   t  1 t'   Qt  ,  it  uit , hiit  ,  số không âm thỏa mãn     , Q ma trận phương sai không điều kiện cấp N N  t  Trong trường hợp đặc biệt   0 , ma trận Q khơng phụ thuộc t, mơ hình DCC mơ hình CCC Ma trận H t mơ hình CCC có biểu diễn H t Dt RDt ( ij hiit h jjt ) , với R ( ij ) ma trận đối xứng xác định dương với ii 1, i 1, , N không phụ thuộc t Trong trường hợp hiit GARCH(1,1) mơ hình CCC cần ước lượng N ( N  5) tham số, ma trận H t xác định dương N phương sai có điều kiện hiit , i=1, ,N, dương R xác định dương Sau nói tới phương pháp ước lượng mơ hình MGARCH 3.1.3 Ước lượng mơ hình Để ước lượng mơ hình MGARCH thường dùng phương pháp: Phương pháp hợp lý cực đại (Maximum Likelihood-ML), Phương pháp tựa hợp lý cực đại (Quasi-maximum likelihood-QML) Khi sử dụng phương pháp ML để ước lượng cần giả thiết hàm mật độ xác suất zt , ký hiệu g ( zt , ) Dựa mẫu gồm T quan sát, ta xây dựng log hàm hợp lý: