CƠ SỞ LÝ THUYẾT
Một số khái niệm
Cổ phiếu là chứng nhận quyền sở hữu mà nhà đầu tư có trong công ty phát hành, thể hiện số tiền mà họ đã đóng góp Đây có thể là chứng chỉ do công ty cổ phần phát hành hoặc bút toán ghi sổ xác nhận quyền sở hữu một hoặc nhiều cổ phần của công ty.
Cổ phiếu được phân loại thành cổ phiếu phổ thông (cổ phiếu thường) và cổ phiếu ưu đãi dựa trên quyền lợi mà chúng mang lại cho người nắm giữ Đây là cách phân loại phổ biến nhất khi đề cập đến cổ phiếu của một công ty Người nắm giữ cổ phiếu trở thành cổ đông và đồng thời là chủ sở hữu của công ty phát hành.
Cổ phiếu thường là chứng chỉ xác nhận quyền sở hữu của cổ đông, cho phép họ hưởng các quyền lợi trong công ty Cổ đông thường có quyền tham gia họp đại hội cổ đông, bỏ phiếu quyết định và bầu cử vào Hội đồng Quản trị Khác với nợ, cổ phiếu thường không có thời hạn hoàn trả và cổ đông được chia phần giá trị tài sản còn lại khi công ty thanh lý Họ cũng có thể chuyển nhượng cổ phần qua bán, tặng hoặc để lại cho người thừa kế, tạo tính thanh khoản và thu hút nhà đầu tư Cổ đông còn có quyền ưu tiên mua cổ phiếu mới khi công ty phát hành và triệu tập đại hội cổ đông bất thường Tuy nhiên, họ phải chấp nhận rủi ro liên quan đến hoạt động của công ty và chỉ chịu trách nhiệm trong phạm vi vốn góp.
Cổ phiếu ưu đãi là chứng chỉ xác nhận quyền sở hữu trong công ty, mang lại cho người nắm giữ quyền lợi ưu tiên hơn so với cổ phiếu thường, đặc biệt là quyền nhận cổ tức trước.
Cổ đông sở hữu cổ phiếu ưu đãi có quyền nhận cổ tức trước cổ đông thường, mặc dù lợi tức của họ bị giới hạn Khác với cổ tức của cổ phiếu phổ thông, cổ tức của cổ phiếu ưu đãi được xác định trước, thường dựa trên tỷ lệ phần trăm cố định so với mệnh giá cổ phiếu hoặc một số tiền cụ thể được in trên mỗi cổ phiếu.
Cổ đông sở hữu cổ phiếu ưu đãi được quyền thanh toán trước khi công ty giải thể hoặc thanh lý, nhưng sau người nắm giữ trái phiếu Mặc dù tương tự như cổ phiếu phổ thông, cổ đông cổ phiếu ưu đãi không có quyền bầu cử hay ứng cử vào Hội đồng Quản trị và không tham gia vào các quyết định quan trọng của công ty Cổ phiếu ưu đãi có thể có hoặc không có mệnh giá, và mệnh giá này không ảnh hưởng đến giá thị trường của cổ phiếu Tuy nhiên, mệnh giá của cổ phiếu ưu đãi có vai trò quan trọng hơn so với cổ phiếu phổ thông, vì nó là căn cứ để chi trả cổ tức và hoàn vốn khi công ty thanh lý hoặc giải thể.
Cổ tức của cổ phiếu ưu đãi được xác định là cố định, và cổ đông sở hữu cổ phiếu ưu đãi vẫn nhận được cổ tức ngay cả khi công ty gặp khó khăn tài chính hoặc thua lỗ.
(Nguồn: c https://vi.wikipedia.org/wiki/Wikipedia )
1.1.2.Đầu tư cổ phiếu Đầu tư cổ phiếu là việc mua bán cổ phiếu trên thị trường thứng khoán nhằm mục đích kiếm lời Đầu tư cổ phiếu không chỉ giúp nhà đầu tư kiếm được lợi nhuận từ việc giá cổ phiếu tăng trưởng mà còn được công ty chia trả cổ tức hàng năm Tuy nhiên, tất cả các hoạt động đầu tư đều chứa đựng yếu tố rủi ro, đầu tư cổ phiếu cũng không ngoại lệ, rất hấp dẫn nhưng cũng tiềm tàng khá nhiều rủi ro Chính vì vậy,trước khi tham gia vào thị trường chứng khoán, các nhà đầu tư cần phải nhận diện được rõ những rủi ro có thể gặp phải, đồng thời biết cách đo lường rủi ro, từ đó có thể đưa ra những quyết định đầu tư chính xác.
Nhận diện rủi ro trong hoạt động đầu tư cổ phiếu
Luận văn thạc sĩ Kinh tế
Cổ phiếu được xem là một loại tài sản tài chính, và rủi ro liên quan đến cổ phiếu xuất phát từ sự biến động giá của chúng trên thị trường chứng khoán.
Có rất nhiều nguyên nhân gây ra rủi ro trong hoạt động cổ phiếu:
Rủi ro từ tính thanh khoản thấp của cổ phiếu có thể ảnh hưởng lớn đến nhà đầu tư Cổ phiếu có tính thanh khoản thấp thường khó bán hoặc thậm chí không thể bán trên thị trường chứng khoán Việc giữ những cổ phiếu này có thể khiến nhà đầu tư gặp khó khăn khi cần rút vốn để đầu tư vào cơ hội khác, dẫn đến việc chậm trễ trong tiến trình đầu tư hoặc bỏ lỡ những cơ hội tiềm năng.
Rủi ro thông tin là một yếu tố quan trọng mà mọi nhà đầu tư cần lưu ý Việc cập nhật thông tin nhanh chóng và chính xác giúp nhà đầu tư đưa ra quyết định đúng đắn trong một thị trường biến động Trong bối cảnh cạnh tranh khốc liệt, việc sở hữu thông tin tốt hơn có thể quyết định thành công Các rủi ro có thể phát sinh từ việc dựa vào báo cáo tài chính chưa được kiểm toán hoặc tin tưởng vào thông tin tích cực chưa được xác thực.
Các cú sốc thị trường, bao gồm sự vỡ nợ của nhà phát hành cổ phiếu, khủng hoảng kinh tế trong và ngoài nước, cùng với bất ổn chính trị, đều tạo ra rủi ro đáng kể cho các nhà đầu tư.
Rủi ro từ chính các nhà đầu tư trong kinh doanh cổ phiếu không chỉ đơn thuần là mua vào và chờ đợi giá cao để bán Để thành công, nhà đầu tư cần có kiến thức vững vàng, kỹ năng phân tích sắc bén và khả năng phản ứng nhanh với biến động thị trường Việc ảo tưởng về lợi nhuận và thiếu kiến thức phân tích sẽ dẫn đến thua lỗ nhanh chóng.
Một số phương pháp đo lường rủi ro
Giá trị rủi ro (VaR) của một danh mục tài sản tài chính cho thấy mức độ tổn thất có thể xảy ra trong một khoảng thời gian nhất định với độ tin cậy cụ thể Việc xác định VaR giúp các nhà hoạch định chính sách cải thiện quản lý hoạt động thị trường, đồng thời hỗ trợ các nhà đầu tư và tổ chức tài chính trong việc ước lượng rủi ro tổn thất tài chính.
Luận văn thạc sĩ Kinh tế
Dưới đây là một số phương pháp ước tính VaR:
Phương pháp số liệu quá khứ là một kỹ thuật đơn giản, dựa trên giả định rằng tỷ suất lợi nhuận trong quá khứ sẽ lặp lại trong tương lai Quy trình thực hiện phương pháp này bao gồm ba bước cơ bản.
Tính tất cả các tỷ suất sinh lợi trong quá khứ
Xếp các tỷ suất sinh lợi từ thấp nhất cho đến cao nhất
Tính VaR theo độ tin cậy và số liệu tỷ suất sinh lợi quá khứ
Ví dụ nếu ta có danh sách gồm 800 dữ liệu quá khứ, thì nếu độ tin cậy là 95%, VaR của danh mục sẽ là giá trị thứ 4.
Phương pháp phương sai- hiệp phương sai
Phương pháp đưa ra giả thuyết rằng tỷ suất sinh lợi tuân theo phân phối chuẩn Các bước thực hiện phương pháp
Tính giá trị hiện tại V0 của danh mục
Tính kì vọng r của tỷ suất sinh lợi và độ lệch chuẩn σ của tỷ suất sinh lợi Tính VaR theo công thức VaR = V0 * ( r - Uασ)
Phương pháp RiskMetrics tương tự như phương pháp phương sai- hiệp phương sai, nhưng khác biệt ở chỗ nó chỉ tính σ cho các tỷ suất sinh lợi mới nhất, thay vì tính cho tất cả các tỷ suất sinh lợi Các bước thực hiện phương pháp này bao gồm việc phân tích và cập nhật dữ liệu để đưa ra những dự đoán chính xác hơn về rủi ro.
Tính độ lệch chuẩn quá khứ σ0 của danh mục.
Xếp các tỷ suất sinh lợi của danh mục theo thứ tự thời gian, tính độ lệch chuẩn bằng công thức : σ2n = λ σ2n-1 + (1 – λ)r2n-1
Luận văn thạc sĩ Kinh tế
Phương pháp này phức tạp hơn các phương pháp trên, tuy nhiên lại có khả năng tính VaR rất chính xác Các bước thực hiện phương pháp Monte- Carlo.
Mô phỏng một số lượng rất lớn N bước lặp, ví dụ N>5000
Trong mỗi bước lặp i (i < N), một kịch bản ngẫu nhiên được tạo ra dựa trên phân bố xác suất của các hệ số rủi ro như giá cổ phiếu, tỷ giá hối đoái và tỷ suất, phản ánh dữ liệu quá khứ Từ tập hợp số liệu thị trường mới nhất và mô hình xác suất, ta có thể tính toán mức biến động của từng hệ số rủi ro cũng như mối tương quan giữa chúng Cuối cùng, tiến hành đánh giá lại danh mục đầu tư Vi trong kịch bản thị trường đã xác định và ước tính tỷ suất sinh lợi ri = Vi − Vi−1.
Sắp xếp các tỷ suất sinh lợi ri từ thấp đến cao, sau đó tính toán VaR dựa trên độ tin cậy và tỷ lệ phần trăm của số liệu ri Ví dụ, khi mô phỏng 10,000 kịch bản, nếu độ tin cậy là 95%, giá trị VaR sẽ là giá trị thứ 500 Ngược lại, với độ tin cậy 99%, giá trị VaR sẽ là giá trị thứ 100.
Cuối cùng tính sai số tương ứng cho mỗi VaR, nếu số lượng N càng cao thì sai số càng nhỏ
Ứng dụng mô hình ARCH-GARCH
Mục đích chính của chuyên đề là việc ứng dụng mô hình ARCH – GARCH để đo lường rủi ro cổ phiếu HAG.
Trong mô hình ARCH-GARCH, rủi ro được hiểu là phương sai có điều kiện của một loại tài sản cơ bản.
Rủi ro có các tính chất sau:
Rủi ro là yếu tố không thể quan sát trực tiếp, đặc biệt khi chỉ có một quan sát lợi suất hàng ngày từ cổ phiếu Nếu ta có lợi suất theo từng phút, có thể tính toán rủi ro hàng ngày, nhưng rủi ro của cổ phiếu còn bao gồm cả rủi ro qua đêm Mặc dù lợi suất hàng ngày với tần suất cao có thể cung cấp một số thông tin, nhưng chúng vẫn không đủ để phản ánh rủi ro qua đêm Sự không thể quan sát rủi ro này gây khó khăn trong việc tính toán và dự báo rủi ro trong các mô hình tài chính.
Luận văn thạc sĩ Kinh tế
Rủi ro không thể quan sát trực tiếp nhưng ảnh hưởng chung đến lợi suất của tài sản Trước hết, có sự hiện diện của quan hệ bầy đàn, với mức độ rủi ro thay đổi theo các thời kỳ khác nhau Thứ hai, độ rủi ro biến động liên tục theo thời gian, với ít bước nhảy đột ngột Thứ ba, rủi ro không phân kỳ đến vô cùng, nghĩa là nó biến thiên trong một miền xác định Về mặt thống kê, lợi suất và độ rủi ro thường là chuỗi dừng Cuối cùng, độ rủi ro có tính chất đòn bẩy, phản ứng khác nhau đối với sự gia tăng và giảm giá.
Giới thiệu về mô hình GARCH
Năm 1986, Bollerslev mở rộng mô hình ARCH và đặt tên cho mô hình mới là mô hình GARCH
Mô hình GARCH tổng quát có dạng: rt = àt + ut ut = σtεt σ t 2 = α 0 + α 1 u 2 t-1 + α 2 u 2 t-2 +….+ α m u 2 t-m + β 1 σ 2 t-1 + β 2 σ 2 t-2 + ….+ β s σ 2 t-s
Nếu m m còn nếu m>s thì βi = 0 với j >s.
Những điều kiện trên bảo đảm cho phương sai không điều kiện và phương sai có điều kiện > 0.
Ta xét mô hình GARCH (1,1)
Thực hiện dự báo tĩnh:
Luận văn thạc sĩ Kinh tế σ2h(3) = α0 + α1u2h+2 + β1σ2h(2)
Ta có thể sủ dụng dự báo tĩnh để dự báo cho thời kì n+1.
Thực hiện dự báo động:
Dự báo động có lợi hơn dự báo tĩnh ở điểm có thể dự báo cho thời kì ngoài mẫu dài hơn σ2h+1 = α0 + α1u2h + β1σ2h mà ut = σtεt nên ta có: σ2t+1 = α0 + α1u2t + β1σ2t
Mà E( ε2h – 1/ Fh) = 0 nên ta có: σ2h+1 = α0 + (α1 + β1)σ2h σ2h(1) = α0 + (α1 + β1)σ2h σ2h(2) = α0 + (α1 + β1)σ2h(1) σ2h(3) = α0 + (α1 + β1)σ2h(2) σ2h(k) = α0 + (α1 + β1)σ2h(k-1) với k>1
Theo Bollerslev, giá trị ban đầu của σ2 được đề nghị lấy theo giá trị trung bình bình phương phần dư của phương trình trung bình.
Phần mềm Eviews lấy giá trị ban đầu của σ2 theo công thức san mũ sau: σ20 = u20 = λ + (1- λ)
Trong đó thì e là phần dư từ phương trình trung bình , Giới thiệu về mô hình GARCH tích hợp (IGARCH)
Phương trình phương sai của mô hình GARCH có dạng: u2t = α0 + + ηt –
Luận văn thạc sĩ Kinh tế
Nếu = 1 thì mô hình được gọi là mô hình GARCH tổng hợp (IGARCH).
Trong trường hợp s=m=1: rt = àt + ut ut = σtεt σt2 = α0 + (1- β1)u2t-1 + β1σ2t-1
Dự báo phương sai có điều kiện như sau: σ2h(1) = α0 + σ2h σ2h(2) = α0 + σ2h(1) σ2h(3) = α0 + σ2h(2) = 2 α0 + σ2h(1) σ2h(k) = α0 + σ2h(k-1) = (k-1)α0 + σ2h(1) với k>1
Giới thiệu về mô hình GARCH-M
Mô hình GARCH- M mô tả lợi suất của một loại cổ phiếu phụ thuộc vào đội rủi ro của nó.
Mô hình GARCH(1,1)-M : rt = àt +cσ2t + ut ut = σtεt σt2 = α0 + α1u2t-1 + β1σ2t-1 c được gọi là phần bù rủi ro Nếu c dương, khi độ rủi ro tăng thì lợi suất cũng tăng và ngược lại.
Giới thiệu về mô hình TGARCH
Mô hình TGARCH đã khắc phục được nhược điểm cú sốc dương và âm đều có ảnh hưởng giống nhau.
Luận văn thạc sĩ Kinh tế dt-1 = 0 khi ut>0
Trong trường hợp γ > 0 thì tồn tại hiệu ứng đòn bẩy Còn nếu γ# 0 thì ta có ảnh hưởng của các tin tức là bất đối xứng.
Giới thiệu về mô hình GARCH dạng mũ (EGARCH)
Mô hình EGARCH, giống như TGARCH, đã khắc phục được hạn chế của mô hình GARCH trong việc phân biệt ảnh hưởng giữa cú sốc âm và cú sốc dương.
Mô hình EGARCH (m,s) có dạng: rt = àt + ut ut = σtεt
Vế trái của phương trình thứ 3 cho thấy tác động đòn bẩy dưới dạng mũ, không phải dạng bậc 2, và điều này đảm bảo rằng phương sai có điều kiện luôn không âm.
Ta có thể kiểm định hiệu ứng đòn bẩy bằng cặp giả thiết:
Ta có thể kiểm định giả thiết về ảnh hưởng đối xứng bằng cặp giả thiết: H0: γ=0
Nếu cú sốc là dương, nó sẽ góp phần vào ln(σ2t) với lượng (αj + γj)ut-j/σt-j Ngược lại, nếu cú sốc là âm, lượng đóng góp sẽ là (-αj + γj)ut-j/σt-j Mô hình này có những ưu điểm và nhược điểm riêng cần được xem xét.
Mô hình GARCH giúp nhà đầu tư dự đoán phương sai của tài sản trong hiện tại bằng cách sử dụng trọng số trung bình dài hạn và phương sai dự báo từ giai đoạn trước, kết hợp với thông tin về sự biến động trong quá khứ Mô hình này cho phép phân tích các dạng dữ liệu với phương sai phụ thuộc, cung cấp cái nhìn sâu sắc hơn về xu hướng và rủi ro của tài sản.
Luận văn thạc sĩ Kinh tế nghiên cứu các giá trị phương sai trong quá khứ để ước lượng rủi ro và dự báo biến động của chuỗi thời gian tài chính có độ dao động cao Tuy nhiên, mô hình này có nhược điểm là chỉ giải thích sự bất thường của phương sai dựa trên thông tin quá khứ của nhiễu mà không phân biệt được ảnh hưởng của các cú sốc dương và âm ở thời kỳ trễ đối với tỷ suất sinh lợi hiện tại.
Mô hình GARCH-M mang lại nhiều ưu điểm, bao gồm khả năng cho thấy giá trị trung bình có điều kiện phụ thuộc vào phương sai có điều kiện, giúp xác định mức độ rủi ro ảnh hưởng đến tỷ suất lợi tức Ngoài ra, mô hình này còn mô phỏng tác động của các cú sốc ở thời kỳ trước đến tỷ suất lợi tức hiện tại Tuy nhiên, nhược điểm của mô hình là không phân biệt được mức độ ảnh hưởng của các cú sốc dương và âm đến tỷ suất lợi tức hiện tại.
Mô hình TGARCH có ưu điểm nổi bật trong việc giải thích sự khác biệt giữa ảnh hưởng của cú sốc âm và dương, đồng thời có thể được sử dụng để kiểm định tính hiệu quả của thị trường Tuy nhiên, nhược điểm của mô hình này tương tự như mô hình GARCH-M, đó là không thể làm rõ nguyên nhân gây ra mức độ giao động của tỷ suất lợi tức.
TỔNG QUAN VỀ THỊ TRƯỜNG BẤT ĐỘNG SẢN Ở VIỆT
Tổng quan về thị trường bất động sản ở Việt Nam
2.1.1 Tình hình kinh tế và thị trường BĐS Việt Nam
2.1.1.1 Tình hình kinh tế Việt nam
Kinh tế Việt Nam đã có sự tăng trưởng vững chắc trong năm 2017, đạt mức 6,81%, cao hơn so với mức 6,0% của năm 2016 và 6,5% của năm 2015.
Hình 2.1: Biểu đồ tăng trưởng kinh tế VN
Nguồn: C Theo số liệu TCTK Tăng trưởng kinh tế tăng cao trong bối cảnh các biến số phản ánh ổn định kinh tế được cải thiện.
Trong những năm gần đây, tỉ lệ lạm phát tại Việt Nam đã có xu hướng giảm rõ rệt, với mức dưới 5% vào năm 2017, thấp hơn so với tỉ lệ lạm phát trung bình 6,5% trong giai đoạn 2011-2017.
Tỉ lệ nợ công/GDP của Việt Nam đã giảm từ 63,6% vào năm 2016 xuống còn 62% trong năm nay, cho thấy sự cải thiện trong quản lý nợ công Tốc độ tăng nợ công cũng đang có xu hướng giảm dần, với mức tăng trưởng trung bình 18,4% giai đoạn 2011-2015, 15% vào năm 2016 và chỉ còn 9% vào năm 2017 Đồng thời, bội chi ngân sách cũng đang giảm, phản ánh nỗ lực của chính phủ trong việc kiểm soát chi tiêu.
Luận văn thạc sĩ Kinh tế thường xuyên trong chi ngân sách đã giảm xuống còn 64,9% năm nay và dự kiến là 64% vào năm 2018.
Cán cân thương mại của Việt Nam đã có sự cải thiện đáng kể, từ mức nhập siêu 3,2 tỷ USD vào năm 2015, chuyển sang xuất siêu 2,68 tỷ USD vào năm 2016, và dự kiến sẽ đạt thặng dư trong năm 2017.
Tăng trưởng kinh tế đang có xu hướng tích cực nhờ nền tảng kinh tế vĩ mô vững chắc Tuy nhiên, tỷ lệ nợ công cao và bội chi ngân sách lớn vẫn là những thách thức, mặc dù có dấu hiệu cải thiện Điều này cho thấy rằng nhiều chính sách kinh tế vĩ mô đang đi đúng hướng, nhưng việc áp dụng và thẩm thấu các chính sách này vào thực tiễn vẫn diễn ra chậm.
Sự phát triển của các ngành dịch vụ đang đóng vai trò quan trọng trong tăng trưởng kinh tế, với tốc độ tăng trưởng sản lượng dịch vụ vượt trội so với ngành công nghiệp, xây dựng và nông, lâm nghiệp, thủy sản Theo số liệu từ Tổng cục Thống kê, đóng góp của khu vực dịch vụ vào tăng trưởng kinh tế cũng đạt mức cao nhất.
2.1.1.2.Tình hình thị trường BĐS Việt nam
Năm 2017, ngành kinh doanh bất động sản ghi nhận mức tăng trưởng cao nhất kể từ năm 2011, với số vốn đầu tư tăng 66,5% so với năm 2016 Hoạt động kinh doanh bất động sản tăng 4,07%, đóng góp 0,21% vào tổng mức tăng trưởng GDP của cả nước So với các năm trước, mức tăng trưởng lần lượt là 3,8% (2011), 1,32% (2012), 2,17% (2013), 2,8% (2014), 2,96% (2015) và 4% (2016).
Hình 2.2: Tổng FDI và FDI vào BDS
Luận văn thạc sĩ Kinh tế
Trong năm 2017, FDI của Việt Nam đạt kỷ lục mới với tổng vốn đầu tư trực tiếp nước ngoài cam kết gần 35,9 tỷ USD, tăng 44,4% so với năm 2016 Cụ thể, có 2.591 dự án đăng ký mới với tổng giá trị 21,3 tỷ USD, tăng 42,3% so với cùng kỳ năm trước Bên cạnh đó, giải ngân FDI cũng ghi nhận mức 17,5 tỷ USD, tăng 10,8% so với năm trước.
FDI đã đầu tư vào 19 ngành khác nhau, trong đó ngành công nghiệp chế biến, chế tạo thu hút sự quan tâm lớn nhất từ nhà đầu tư nước ngoài với 15,87 tỷ USD, chiếm 44,2% tổng vốn đăng ký Ngành sản xuất và phân phối điện đứng thứ hai với 8,37 tỷ USD, tương đương 23,3% tổng vốn đầu tư Kinh doanh bất động sản đứng thứ ba với 3,05 tỷ USD, chiếm 8,5% tổng vốn đăng ký.
Hình 2.3: Biểu đồ FDI vào các ngành
Việc thiếu hụt vốn đầu tư đang trở thành thách thức lớn cho thị trường bất động sản (BĐS) Việt Nam, khi nhiều dự án buộc phải tạm ngưng do cắt giảm vốn vay Theo Hiệp hội BĐS TP.HCM (HoREA), doanh nghiệp BĐS gặp khó khăn trong việc tiếp cận tín dụng ngân hàng, do Ngân hàng Nhà nước tiếp tục hạn chế nguồn tín dụng vào lĩnh vực này Các tổ chức quốc tế như Moody's cũng khuyến nghị Chính phủ không nên nới lỏng chính sách tiền tệ thêm nữa.
Luận văn thạc sĩ Kinh tế
Lộ trình hạn chế nguồn tín dụng ngân hàng vào thị trường bất động sản Việt Nam đã bắt đầu từ Thông tư 06/2016/TT-NHNN, ban hành ngày 27/05/2016, bởi Ngân hàng Nhà nước Thông tư này quy định các giới hạn và tỷ lệ bảo đảm an toàn trong hoạt động của tổ chức tín dụng, cho phép các tổ chức tín dụng và chi nhánh ngân hàng nước ngoài sử dụng nguồn vốn ngắn hạn để cho vay trung hạn và dài hạn với tỷ lệ tối đa giảm dần từ 60% trong năm 2016 xuống 40% kể từ 1/1/2018.
Cuối năm 2017, Thông tư 19/2017/TT-NHNN đã điều chỉnh Thông tư 06/2016/TT-NHNN, cho phép các tổ chức tín dụng và chi nhánh ngân hàng nước ngoài sử dụng nguồn vốn ngắn hạn để cho vay trung hạn và dài hạn Tỷ lệ tối đa được quy định là 45% trong năm 2018 và sẽ giảm xuống 40% từ ngày 01/01/2019.
Giới thiệu cổ phiếu ngành BĐS Việt Nam
Hiện tại có 66 công ty đang niêm yết trên sàn HOSE và HNX.
Trong năm 2017, trong số 66 doanh nghiệp bất động sản niêm yết trên các sàn HOSE, HNX và UPCoM, có 36 doanh nghiệp ghi nhận lợi nhuận tăng trưởng, trong đó 13 doanh nghiệp có mức tăng trưởng trên 100% Nhóm cổ phiếu bất động sản đã trở thành một trong những nhóm cổ phiếu tăng trưởng ấn tượng nhất với mức tăng 52%, vượt qua mức tăng 48% của VN-Index Nổi bật trong số đó là các cổ phiếu như KDH (+63%), DXG (+109%), NLG (+52%), BCI (+51%), và một số cổ phiếu tăng trên 200% như QCG (+308%), PDR (+200%), LDG (+318%).
Với mức tăng trưởng 84,05%, VIC, chiếm 46,8% tổng vốn hóa ngành bất động sản, đã trở thành động lực chính thúc đẩy sự tăng trưởng ấn tượng của cổ phiếu trong lĩnh vực này trong năm qua.
Luận văn thạc sĩ Kinh tế
Bảng 2.1: Tổng hợp các chỉ số tài chính cơ bản của các cổ phiếu ngành Bất động sản
Luận văn thạc sĩ Kinh tế
ỨNG DỤNG MÔ HÌNH ARCH-GARCH ĐỀ PHÂN TÍCH RỦI
Số liệu
3.1.1 Giá và lợi suất của cổ phiếu HAG
Ta xem xét chuỗi giá và chuỗi lợi suất của HAG gồm 1480 quan sát, từ ngày 05/10/2011 đến ngày 03/04/2018.Số liệu được lấy trên trang web www.cophieu68.com.vn
Hình 3.1: Giá HAG từ ngày 05/10/2011 đến ngày 03/04/2018
Luận văn thạc sĩ Kinh tế
Hình 3.2: Thống kê mô tả chuỗi giá HAG từ ngày 05/10/2011 đến ngày
Giá cao nhất và thấp nhất của cổ phiếu HAG lần lượt là 32.2 và 4.96 Chúng ta sẽ phân tích chuỗi lợi suất dựa trên giá đóng cửa của cổ phiếu HAG.
Với St+1 và St là giá trị tài sản tại thời điểm thứ t +1 và t
Luận văn thạc sĩ Kinh tế
Hình 3.3: Lợi suất HAG từ ngày 05/10/2011 đến ngày 03/04/2018
Chuỗi lợi suất cho thấy giá trị lợi suất dao động trong khoảng -0.07 đến 0.07, do Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh áp dụng biên độ dao động giá ± 7% cho giao dịch cổ phiếu và chứng chỉ quỹ Một số cổ phiếu có giá trị vượt qua khoảng này, thường xảy ra vào thời điểm tri trả cổ tức, được gọi là ngày giao dịch không hưởng quyền.
3.1.2 Giá và lợi suất của cổ phiếu VIC
Ta xem xét chuỗi giá và chuỗi lợi suất của HAG gồm 1479 quan sát, từ ngày 07/10/2011 đến ngày 03/04/2018.Số liệu được lấy trên trang web www.cophieu68.com.vn
Luận văn thạc sĩ Kinh tế
Hình 3.4: Giá VIC từ ngày 07/10/2011 đến ngày 03/04/2018
Giá cổ phiếu VIC trong giai đoạn 2014 đến 2016 không có nhiều biến động, duy trì trong khoảng 42 đến 60 Tuy nhiên, vào năm 2017, giá đã tăng mạnh lên mức 120 Dưới đây là bảng thống kê mô tả chuỗi giá của VIC.
Hình 3.5: Thống kê mô tả chuỗi giá VIC từ ngày 07/10/2011 đến ngày
Trong khoảng thời gian 10/2011 đến 4/2018 giá cổ phiếu VIC lên cao nhất là
123 và lúc thấp nhất là 40
Luận văn thạc sĩ Kinh tế
Hình 3.6: Chuỗi lợi suất VIC từ ngày 05/10/2011 đến ngày 03/04/2018
Chuỗi lợi suất của VIC thường dao động trong khoảng ± 0.06, tuy nhiên có một số thời điểm mà lợi suất vượt xa khỏi khoảng này.
3.1.3 Giá và lợi suất của cổ phiếu FLC
Ta xem xét chuỗi giá và chuỗi lợi suất của FLC gồm 1479 quan sát, từ ngày 07/10/2011 đến ngày 04/03/2018 Số liệu được lấy trên trang web www.cophieu68.com.vn
Hình 3.7: Giá FLC từ ngày 07/10/2011 đến ngày 03/04/2018
Luận văn thạc sĩ Kinh tế nhiều luôn giao động xung quanh 10
Hình 3.8: Thống kê mô tả chuỗi giá FLC từ ngày 07/10/2011 đến ngày
Giá cổ phiếu FLC trung bình mức 9.63 hiện tại cũng vậy nhưng đã có lúc trong quá khứ có thời điểm lên cao nhất là 43,6.
Hình 3.9: Chuỗi lợi suất FLC từ ngày 05/10/2011 đến ngày 03/04/2018
Ta thấy biên độ của chuỗi lợi suất của cổ phiếu FLC dao động khá là rộng trong khoang -1 đến +1.
Luận văn thạc sĩ Kinh tế
Mô hình và kết quả tính toán
3.2.1 Ứng dụng mô hình ARCH-GARCH để phân tích rủi ro cổ phiếu về C Công C ty C cổ C phần C Hoàng C Anh C Gia C Lai Đầu tiên khi ước lượng mô hình ARCH-GARCH, ta phải kiểm tra xem chuỗi LS_HAG đã dừng chưa Để kiểm tra điều này, ta sử dụng kiểm định Dickey – Fuller
Ta xét cặp giả thuyết:
H0 : Chuỗi LS_HAG không dừng
Dựa vào phụ lục 1, Pvalue = 0.000 < 0.05 cho thấy với mức ý nghĩa 5%, chúng ta chấp nhận giả thuyết H1 rằng chuỗi LS_HAG là chuỗi dừng Để xác định mô hình ARIMA, cần xem xét lược đồ tương quan của chuỗi LS_HAG.
Hình 3.10: Lược đồ tương quan của chuỗi LS_HAG
Luận văn thạc sĩ Kinh tế
Từ phụ lục 2 và phụ lục 3 ta thấy mô hình ARMA(1,0) và mô hình ARMA(0,1) đều có Pvalue >0.05 nên không phù hợp Ta ước lượng tiếp mô hình ARMA (1,1)
Bảng 3.1: Ước lượng mô hình ARMA(1,1) của chuỗi LS_HAG
Vậy với mức ý nghĩa 5%, hình ARMA(1,1) là phù hợp.
Ta kiểm tra tra phần dư của mô hình có phải là nhiễu trắng Ta thực hiện kiểm định Q-Statistic.
Từ phụ lục 4 cho ta thấy phần dư của mô hình là nhiễu trắng
Vậy ta có ARMA cho chuỗi LS_HAG là ARMA(1,1)
Sau khi đã xác định được mô hình ARMA, ta sẽ xem mô hình ARMA vừa xác định có tồn tại hiệu ứng ARCH-GARCH hay không.
Ta xét cặp giả thiết:
H0: Không có hiệu ứng ARCH
Từ phụ lục 5 : Có p-value = 0.000 => Bác bỏ giả thiết H0 Chấp nhận H1 Nghĩa là, có ảnh hưởng ARCH (1)
Luận văn thạc sĩ Kinh tế
Khi tăng độ trễ lên 2, 3, 4 và 5, chúng tôi nhận thấy rằng độ trễ 3 là tối ưu nhất Theo phụ lục 6, ở độ trễ 4, hệ số của độ trễ 3 không còn ý nghĩa, và ở độ trễ 5, hệ số của độ trễ bậc 3 cũng trở nên không có ý nghĩa.
Sau khi đã biết có ảnh hưởng ARCH ta ước lượng mô hình ARCH(1)
Bảng 3.2: Ước lượng mô hình ARCH(1) của chuỗi LS_HAG
Hệ số C(4) có giá trị ước lượng dương và ý nghĩa thống kê cao, điều này khẳng định kết quả phù hợp với kết luận từ phần kiểm định ARCH.
Ta tiếp tục ước lượng ARCH(3) để so sánh với ARCH(1) Mô hình nào có ý
Luận văn thạc sĩ Kinh tế
Phương trình trung bình là:
Ta thấy mô hình ARCH(3) phù hợp với dữ liệu của cổ phiếu của cổ phiếu HAG hơn so với mô hình ARCH(1)
Như vậy ,để dự báo suất sinh lời và rủi ro của cổ phiếu HAG, chúng ta sẽ sử dụng ARCH(3)
Bảng 3.4: Kết quả dự báo mô hình ARCH(3) của cổ phiếu HAG
Luận văn thạc sĩ Kinh tế
Theo mô hình ARCH(3) , vào ngày 04/04/2018 Suất sinh lời kỳ vọng của cổ phiếu HAG sẽ tăng lên khoảng 0,239% ( là 0.0023909 *100%) , với độ lệch chuẩn dự kiến là 4.2% (là (0,0017917^1/2)*100%).
Mô hình ARCH không đủ khả năng phân tích ảnh hưởng khác biệt của cú sốc âm và dương, do đó, mô hình GARCH ra đời để khắc phục những nhược điểm này Các mô hình GARCH như GARCH(1,1), GARCH(2,1), và GARCH(4,1) sẽ được xem xét để cải thiện độ chính xác trong phân tích.
Bảng 3.5: Ước lượng mô hình GARCH(1,1) của chuỗi LS_HAG
Trong bảng 3.5, p-value của các thành phần ar và ma đều lớn hơn 0.05, do đó không có sự hiện diện của mô hình GARCH(1,1) Sau khi chạy các mô hình GARCH (p,q), chúng tôi nhận thấy rằng mô hình GARCH(4,1) là phù hợp nhất.
Luận văn thạc sĩ Kinh tế
Bảng 3.6: Ước lượng mô hình GARCH(4,1) của chuỗi LS_HAG
Phương trình trung bình: Lst = 0.902763 – 0.91805 + e t
Bảng 3.7: Kết quả dự báo mô hình GARCH(4.1) của cổ phiếu HAG
Theo mô hình GARCH(4.1) , vào ngày 04/04/2018 độ lệch chuẩn dự kiến là 4,33% (là (0.001878205^1/2)*100%).
Mô hình trên có thuộc dạng IGARCH ta kiểm định cặp giả thiết:
Luận văn thạc sĩ Kinh tế
Từ phụ lục8, cho thấy p-value=0.0008 0.05.
Vậy với mức ý nghĩa 5%, ta kết luận không có mô hình GARCH_M(1,1) trong trường hợp này.
Luận văn thạc sĩ Kinh tế
Bảng 3.9: Ước lượng mô hình GARCH_M(4.1)
Dự báo mô hình garch_m(4,1).
Bảng 3.10: Kết quả dự báo mô hình GARCH_M(4.1) của cổ phiếu HAG
Theo mô hình GARCH_M(4.1) , vào ngày 04/04/2018 độ lệch chuẩn dự kiến là 4,28% (là (0.001832938^1/2)*100%).
Luận văn thạc sĩ Kinh tế
Mô hình GARCH không thể phân biệt giữa tác động của cú sốc dương và âm đối với độ rủi ro Để khắc phục nhược điểm này, chúng ta có thể sử dụng hai mô hình bất đối xứng là TGARCH và EGARCH.
Mô hình TGARCH ước lượng:
Bảng 3.11: Ước lượng mô hình TGARCH(1.1) cho chuỗi LS_HAG
Dựa vào mô hình TGARCH đã trình bày ở chương 1, chúng ta sẽ phân tích ảnh hưởng khác nhau của cú sốc âm và dương đến rủi ro Để làm điều này, cần xem xét hệ số C(5) và xác định xem nó có ý nghĩa thống kê hay không.
Pvalue của hệ số C(5) là 0.7540 > 0.05 Vậy với mức ý nghĩa 5%, ta không thể sử dụng mô hình TGARCH.
Luận văn thạc sĩ Kinh tế
Bảng 3.12: Ước lượng mô hình EGARCH cho chuỗi LS_HAG
Dựa vào mô hình EGARCH đã được trình bày ở chương 1, chúng ta sẽ phân tích xem mô hình này có phản ánh sự khác biệt trong ảnh hưởng của cú sốc âm và cú sốc dương đối với rủi ro hay không, thông qua việc kiểm tra ý nghĩa thống kê của hệ số C(5).
Pvalue của hệ số C(5) là 0.7540 > 0.05 Vậy với mức ý nghĩa 5%, ta không thể sử dụng mô hình EGARCH.
Bảng so sánh các mô hình:
ARCH(3) GARCH(4.1) GARCH_M(4.1) Độ lệch chuẩn dự kiến
Theo bảng so sánh, độ lệch chuẩn dự kiến của các mô hình cho chuỗi cổ phiếu HAG không có sự khác biệt lớn Mô hình ARCH(3) có độ lệch chuẩn dự kiến thấp nhất là 4.2%, trong khi mô hình GARCH(4.1) có độ lệch chuẩn cao nhất là 4.33%.
Luận văn thạc sĩ Kinh tế này chứng minh rằng mô hình ARCH(3) cung cấp dự báo chính xác hơn so với các mô hình khác Hơn nữa, khi phân tích đồ thị phương sai, mô hình ARCH(3) cho thấy ước lượng phương sai mượt mà và rõ ràng hơn so với hai mô hình còn lại (theo phụ lục 9).
3.2.2 Ứng dụng mô hình ARCH-GARCH để phân tích rủi ro cổ phiếu của tập đoàn VinGruop (VIC) Đầu tiên khi ước lượng mô hình ARCH-GARCH, ta phải kiểm tra xem chuỗi LSVIC đã dừng chưa Để kiểm tra điều này, ta sử dụng kiểm định Dickey – Fuller
Ta xét cặp giả thuyết:
Dựa vào phụ lục 10, Pvalue = 0.000 < 0.05 cho thấy với mức ý nghĩa 5%, giả thuyết H1 được chấp nhận, xác nhận rằng chuỗi LSVIC là chuỗi dừng Để thiết lập mô hình ARIMA, cần phân tích lược đồ tương quan của chuỗi LSVIC.
Từ phụ lục 11, chúng ta nhận thấy bậc p là 14 và bậc q là 16 Sau khi thử nghiệm với các mô hình khác nhau, mô hình ARMA(16,14) được xác định là phù hợp và không có hệ số chặn.
Bảng 3.13: Ước lượng mô hình ARMA(16,14) của chuỗi VIC
Luận văn thạc sĩ Kinh tế
Ta kiểm tra tra phần dư của mô hình có phải là nhiễu trắng Ta thực hiện kiểm định Q-Statistic.
Từ phụ lục 12 cho ta thấy phần dư của mô hình là nhiễu trắng
Vậy ta có ARMA cho chuỗi LSVIC là ARMA(16,14)
Sau khi đã xác định được mô hình ARMA, ta sẽ xem mô hình ARMA vừa xác định có tồn tại hiệu ứng ARCH-GARCH hay không.
Ta xét cặp giả thiết:
H0: Không có hiệu ứng ARCH
Từ phụ lục 13 : Có p-value = 0.000 => Bác bỏ giả thiết H0 Chấp nhận H1 Nghĩa là, có ảnh hưởng ARCH (1)
Ta tiếp tục tăng độ trễ lên 2 ,3 ,4 và 5 , ta nhận thấy với độ trễ 1 là tối ưu nhất.
Bảng 3.14: Ước lượng mô hình ARCH(1) của chuỗi VIC
Từ mô hình ARCH(1) ta có kết quả ước lượng:
Luận văn thạc sĩ Kinh tế