TỔNG QUAN NGHIÊN CỨU
Cơ sở luận về rủi ro hệ thống của cổ phiếu
1.1.1 Rủi ro và rủi ro hệ thống trong đầu tư cổ phiếu
1.1.1.1 Khái niệm về rủi ro của cổ phiếu và phân loại rủi ro a Khái niệm về rủi ro của cổ phiếu
Rủi ro của cổ phiếu biểu hiện qua sự không chắc chắn và biến động của tỷ suất sinh lời kỳ vọng trong quá trình đầu tư.
Mức độ rủi ro của một khoản đầu tư được thể hiện qua sự biến động của tỷ suất sinh lời thực tế so với tỷ suất sinh lời kỳ vọng ban đầu.
Mọi nhà đầu tư chứng khoán đều phải đối mặt với rủi ro, đặc biệt là trong đầu tư cổ phiếu Để giảm thiểu rủi ro và tối đa hóa tỷ suất sinh lời, các nhà đầu tư cần phân loại và phân tích các đặc điểm của từng loại rủi ro.
Rủi ro trong thị trường chứng khoán được phân loại thành hai nhóm chính: rủi ro hệ thống và rủi ro phi hệ thống Sự phân loại này dựa trên các yếu tố gây ra biến động giá cổ phiếu và phạm vi ảnh hưởng của chúng (Tô Kim Ngọc, Trần Thị Xuân Anh, 2020)
Hình 1.1 Rủi ro và đa dạng hóa danh mục đầu tư
Nguồn: Tô Kim Ngọc, Trần Thị Xuân Anh (2020), Phân tích và đầu tư chứng khoán, NXB Lao động – xã hội, Hà Nội
Rủi ro hệ thống là loại rủi ro ảnh hưởng đến tất cả các ngành nghề và doanh nghiệp, xuất phát từ sự biến động chung của thị trường tài sản.
* Rủi ro phi hệ thống
Rủi ro phi hệ thống, hay còn gọi là rủi ro cá biệt, là loại rủi ro chỉ ảnh hưởng đến một hoặc một vài ngành nghề, doanh nghiệp Những nhân tố gây ra rủi ro cá biệt thường mang tính chất vi mô, tác động đến các lĩnh vực kinh doanh cụ thể, như năng lực quản trị của chủ doanh nghiệp hoặc sự tăng giá của nguyên vật liệu đầu vào, chẳng hạn như than cốc và dầu, có thể gây ảnh hưởng tiêu cực đến hoạt động kinh doanh Một số rủi ro phi hệ thống phổ biến bao gồm rủi ro tài chính, rủi ro thanh khoản, rủi ro tỷ giá và rủi ro tín dụng.
Rủi ro tài chính liên quan đến việc vay nợ và cấu trúc vốn của doanh nghiệp, với tỷ lệ nợ cao làm tăng mức độ rủi ro Khi vay nợ, doanh nghiệp phải ưu tiên thanh toán cho chủ nợ, ảnh hưởng đến lợi nhuận và chi trả cổ tức cho cổ đông Do đó, nhà đầu tư cần xem xét mức độ rủi ro tài chính của từng cổ phiếu để xây dựng danh mục đầu tư hiệu quả, đồng thời lựa chọn cổ phiếu nhằm đa dạng hóa và giảm thiểu rủi ro tài chính.
Rủi ro thanh khoản đề cập đến khả năng chuyển đổi chứng khoán thành tiền mặt Tính thanh khoản của một chứng khoán thể hiện mức độ dễ dàng mà nhà đầu tư có thể thực hiện giao dịch mà không làm ảnh hưởng đến giá trị của tài sản đó.
Khi đánh giá tính thanh khoản, nhà đầu tư thường chú ý đến thời gian và chi phí chuyển đổi chứng khoán thành tiền mặt Một cổ phiếu có rủi ro thanh khoản cao thường có tính thanh khoản kém, có thể do thời gian bán cổ phiếu kéo dài hoặc chi phí giao dịch lớn hơn mức bình thường Do đó, thanh khoản trở thành yếu tố quan trọng mà nhà đầu tư cần xem xét trong quá trình đầu tư.
Rủi ro tỷ giá, theo Lê Thị Xuân (2015), được định nghĩa là sự không chắc chắn về giá trị của khoản thu nhập hoặc chi phí bằng ngoại tệ trong tương lai Điều này có thể ảnh hưởng đến các quyết định tài chính và đầu tư, làm tăng độ phức tạp trong việc lập kế hoạch ngân sách và dự báo lợi nhuận Do đó, việc quản lý rủi ro tỷ giá là rất quan trọng để bảo vệ lợi ích tài chính của doanh nghiệp.
Rủi ro tỷ giá hối đoái là một yếu tố quan trọng mà các doanh nghiệp phải đối mặt khi sử dụng đồng ngoại tệ trong hoạt động sản xuất kinh doanh Đặc biệt, các công ty nhập khẩu nguyên vật liệu không chỉ phải lo lắng về sự gia tăng giá cả mà còn phải chịu tác động của biến động tỷ giá Khi tỷ giá giữa đồng ngoại tệ và đồng Việt Nam tăng, chi phí đầu vào và lợi nhuận của công ty sẽ bị ảnh hưởng tiêu cực, đồng thời làm gia tăng mức độ không chắc chắn về dòng thu nhập của nhà đầu tư.
Rủi ro tín dụng, theo Điểm a, Khoản 24, Điều 2, Thông tư 41/2016/TT – NHNN, là rủi ro phát sinh khi khách hàng không thực hiện hoặc không có khả năng thực hiện nghĩa vụ trả nợ với ngân hàng Trong doanh nghiệp, rủi ro này thường xảy ra khi doanh nghiệp bán chịu hàng hóa, và đối tác hoặc khách hàng không thể thanh toán đúng hạn Hệ quả là doanh thu và lợi nhuận của công ty bị ảnh hưởng, gây tác động tiêu cực đến cổ đông và nhà đầu tư.
Rủi ro phi hệ thống, xuất phát từ các yếu tố đặc thù của ngành nghề, doanh nghiệp hoặc cơ hội đầu tư, có thể được giảm thiểu thông qua việc lựa chọn cổ phiếu phù hợp Nhà đầu tư có thể đa dạng hóa danh mục đầu tư của mình để giảm thiểu rủi ro cá biệt trong quá trình đầu tư.
1.1.1.2 Rủi ro hệ thống trong đầu tư cổ phiếu
Rủi ro hệ thống, hay còn gọi là rủi ro thị trường, là loại rủi ro phát sinh từ sự biến động chung của tỷ suất sinh lời trên thị trường, ảnh hưởng đến tất cả các lĩnh vực kinh doanh và doanh nghiệp (Lê Thị Xuân, 2015).
Rủi ro hệ thống ảnh hưởng đến mọi ngành nghề, do đó, việc nhà đầu tư (NĐT) chọn lọc mã cổ phiếu và thực hiện đa dạng hóa để giảm thiểu rủi ro trở nên vô nghĩa Chính vì vậy, rủi ro hệ thống không thể loại bỏ thông qua đa dạng hóa, và thường được NĐT gọi là rủi ro không thể đa dạng hóa.
Các nhân tố gây ra rủi ro hệ thống
Nghiên cứu thực nghiệm
1.2.1 Tổng quan tài liệu nghiên cứu
1.2.1.1 Nhóm đề tài đo lường rủi ro hệ thống bằng mô hình CAPM
Bài nghiên cứu của Bùi Thị Tuyết về “Vận dụng mô hình CAPM trong đo lường rủi ro hệ thống các cổ phiếu ngành ngân hàng niêm yết sàn HOSE” đã phân tích rủi ro của bốn cổ phiếu ngân hàng: Vietinbank (CTG), Eximbank (EIB), Sacombank (STB) và Vietcombank (VCB) trong giai đoạn 2009 – 2011 Tác giả áp dụng mô hình CAPM của Sharpe – Lintner để đo lường rủi ro hệ thống trong ngành ngân hàng, cung cấp cái nhìn sâu sắc về sự biến động của các cổ phiếu này trên thị trường.
Beta Zero của Black được sử dụng để đo lường rủi ro hệ thống, áp dụng hai phương pháp ước lượng là thích hợp cực đại FIML và Moment tổng quát GMM để kiểm định tính hiệu lực của mô hình Nghiên cứu xác định rủi ro cổ phiếu và khẳng định mô hình CAPM của Sharpe và Black đều có hiệu lực, cho phép nhà đầu tư (NĐT) áp dụng mô hình này để xác định rủi ro hệ thống trong đầu tư Tuy nhiên, bài luận cũng lưu ý rằng độ dài dữ liệu khác nhau có thể dẫn đến kết quả khác nhau và quy mô nghiên cứu còn hạn chế.
Bài viết “Vận dụng mô hình CAPM trong đo lường rủi ro hệ thống cổ phiếu ngành xây dựng niêm yết trên sàn HOSE” của Nguyễn Thị Tiến (2012) nghiên cứu rủi ro hệ thống của 13 mã cổ phiếu ngành xây dựng bằng mô hình CAPM của Sharpe và CAPM Beta Zero của Black Tác giả đã kiểm định tính hiệu lực của mô hình thông qua hai phương pháp FIML và GMM Nghiên cứu được thực hiện trên dữ liệu từ 20/12/2010 đến 06/03/2012, cung cấp thông tin hữu ích cho nhà đầu tư Kết luận cho thấy rủi ro cổ phiếu ngành xây dựng có thể được lượng hóa bằng mô hình CAPM, và phương pháp GMM là lựa chọn tối ưu để kiểm định tính hiệu quả của mô hình trong bối cảnh dữ liệu không tuân thủ quy luật phân phối chuẩn.
Nguyễn Thị Thanh Huyền đã thực hiện nghiên cứu về “Vận dụng mô hình CAPM trong đo lường rủi ro hệ thống của các cổ phiếu niêm yết trên thị trường chứng khoán Việt Nam” vào năm 2014 Nghiên cứu này đã đo lường rủi ro hệ thống của TTCK Việt Nam trong 10 năm, từ 05/05/2004 đến 15/08/2014, sử dụng mô hình định giá tài sản vốn và kiểm định bằng phương pháp thích hợp cực đại, Moment tổng quát Kết quả nghiên cứu khuyến nghị các nhà đầu tư nên áp dụng mô hình CAPM của Black và phương pháp ước lượng GMM, do phần lớn dữ liệu không tuân theo phân phối chuẩn Bài luận cũng đã khắc phục một số hạn chế của các nghiên cứu trước đó, như dữ liệu thời gian ước lượng không đủ dài.
20 luật số lớn đối với chuỗi TSSL không phân phối chuẩn và cho rằng chuỗi TSSL tuân thủ quy luật phân phối chuẩn khi gia tăng kích thước mẫu
1.2.1.2 Nhóm đề tài đo lường rủi ro hệ thống bằng hệ số Beta a Nghiên cứu nước ngoài
Năm 1999, Aswath Damodaran đã nghiên cứu về việc đo lường rủi ro trong bài viết “Estimating Risk Parameters”, nêu rõ hạn chế của việc lượng hóa hệ số Beta qua hồi quy và đề xuất các phương pháp khác để phản ánh cấu trúc kinh doanh và đòn bẩy tài chính của doanh nghiệp Trong nghiên cứu trong nước, Đỗ Danh Thủy (2009) đã tập trung vào “Ứng dụng hệ số Beta (β) lượng hóa rủi ro biến động giá cổ phiếu trên thị trường chứng khoán TP HCM”, phân tích các rủi ro mà nhà đầu tư phải đối mặt, đặc biệt là biến động giá cổ phiếu Tác giả sử dụng dữ liệu giá của 60 mã cổ phiếu trong 5 năm từ 2004 đến 2008, áp dụng phương pháp hồi quy tuyến tính để xác định hệ số Beta, từ đó xây dựng đường SML và danh mục đầu tư tối ưu.
Nghiên cứu khoa học của Nguyễn Ngọc Vũ năm 2010 về "Tính toán hệ số bêta (β) của một số công ty niêm yết tại sàn giao dịch chứng khoán Hà Nội (HNX)" đã đề xuất hai phương pháp tính hệ số Beta: mô hình CAPM và mô hình chỉ số đơn SIM Tuy nhiên, tác giả chỉ ra rằng hai giả định của mô hình CAPM, bao gồm "không có thuế và phí trong giao dịch" và "thông tin không đắt đỏ và luôn sẵn có đối với tất cả các nhà đầu tư," là không hợp lý Vì vậy, nghiên cứu đã áp dụng ước lượng bình quân bé nhất (OLS) để phân tích mối quan hệ giữa tỷ suất sinh lời của chứng khoán.
Nghiên cứu của Nguyễn Vũ Ngọc đã phân tích tỷ suất sinh lời của 21 khoán và tính hệ số Beta cho 43 doanh nghiệp niêm yết trên sàn HNX trong giai đoạn từ 02/01/2007 đến 30/09/2009 Ông chia các cổ phiếu thành ba nhóm: cổ phiếu có rủi ro cao (β > 1.2), cổ phiếu rủi ro trung bình (β từ 0.8 đến 1.2) và cổ phiếu rủi ro thấp (β < 0.8) Tác giả cũng chỉ ra hạn chế của mô hình SIM trong ước lượng Beta, khi giả thiết rằng tỷ suất lợi tức không kỳ vọng giữa các chứng khoán là độc lập, trong khi thực tế các cổ phiếu trong cùng ngành thường có sự liên kết Để khắc phục nhược điểm này, việc sử dụng mẫu quan sát lớn, thường trong 3 năm, là cần thiết.
Nghiên cứu của Nguyễn Kim Đức và Tô Công Bảo Nguyên năm 2015 về “Hệ số beta trong mô hình CAPM theo cách tiếp cận Bottom-up” tập trung vào việc đánh giá sự phù hợp của hệ số Beta ước lượng bằng phương pháp Bottom-up cho các doanh nghiệp Việt Nam Các tác giả đã áp dụng 3 mô hình phân tích gồm hồi quy Pooled OLS, mô hình hiệu ứng cố định (FEM) và mô hình hiệu ứng ngẫu nhiên (REM) trên mẫu dữ liệu 167 doanh nghiệp niêm yết trên sàn chứng khoán HOSE trong giai đoạn 2006 – 2014 Kết quả nghiên cứu đã dẫn đến 4 kết luận quan trọng.
1 Ước lượng hệ số Beta theo phương pháp Bottom – up phù hợp với các doanh nghiệp Việt Nam
2 D/E tính toán dựa vào giá trị sổ sách cho hệ số Beta Bottom – up đáng tin cậy hơn so với giá trị thị trường
3 Phân lớp rủi ro theo ngành là phù hợp
4 Nên xét đến lợi ích thuế khi đưa yếu tố đòn bẩy tài chính vào hệ số Beta
Hồ Thị Thùy Linh (2013) đã tiến hành nghiên cứu về việc áp dụng mô hình chỉ số đơn để đo lường rủi ro của các cổ phiếu trong ngành bất động sản niêm yết tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh Tác giả sử dụng mô hình SIM nhằm đánh giá mức độ rủi ro của các cổ phiếu này.
Trong giai đoạn 2010 – 2012, 22 cổ phiếu BĐS niêm yết trên sàn HOSE đã được phân tích, bao gồm rủi ro hệ thống, rủi ro phi hệ thống và tổng thể rủi ro Nghiên cứu cho thấy mô hình SIM có khả năng lượng hóa rủi ro cổ phiếu BĐS Việt Nam, với ưu điểm là tách biệt và đo lường từng loại rủi ro Kết quả cũng chỉ ra rằng cổ phiếu BĐS mang rủi ro cao hơn so với danh mục thị trường, do đó, nhà đầu tư cần cân nhắc rủi ro của nhóm cổ phiếu này để xây dựng danh mục đầu tư hiệu quả.
Nguyễn Minh Phương (2012) đã nghiên cứu về việc "Vận dụng mô hình chỉ số đơn trong đo lường rủi ro cổ phiếu ngành xây dựng", trong đó tác giả áp dụng mô hình SIM để định lượng rủi ro thông qua hai phương pháp OLS và GMM Kết quả nghiên cứu cho thấy mô hình SIM có thể được sử dụng để đo lường rủi ro cho các cổ phiếu niêm yết trên sàn HOSE Tuy nhiên, nghiên cứu này gặp hạn chế do kích thước mẫu nhỏ, chỉ gồm 7 quan sát, dẫn đến khả năng chính xác của kết quả có thể không cao.
Hầu hết các nghiên cứu về rủi ro hệ thống đều áp dụng mô hình CAPM của Sharpe - Lintner và CAPM Beta Zero của Black để đo lường rủi ro cổ phiếu, với việc kiểm định mô hình thông qua hai phương pháp tối ưu hóa FIML và GMM Tuy nhiên, việc sử dụng hệ số Beta trong việc đo lường rủi ro hệ thống của cổ phiếu vẫn còn hạn chế trong các nghiên cứu hiện tại.
Các nghiên cứu về đo lường rủi ro hệ thống qua hệ số Beta chủ yếu tập trung vào việc xác định phương pháp phù hợp cho từng loại doanh nghiệp Nghiên cứu của Nguyễn Ngọc Vũ (2010) chỉ dừng lại ở việc lượng hóa và phân loại rủi ro cho các doanh nghiệp niêm yết trên sàn HNX, mà chưa kiểm định tính chính xác của hệ số Beta cho từng cổ phiếu cụ thể Đặc biệt, nghiên cứu này được thực hiện trong giai đoạn 2007 – 2009, khi số lượng doanh nghiệp niêm yết còn hạn chế, dẫn đến việc sử dụng phương pháp hồi quy để ước lượng Beta có thể không mang lại kết quả chính xác.
Khung nghiên cứu
Hình 1.3 Khung nghiên cứu của bài luận
Nguồn: tác giả tổng hợp
Dựa trên lý thuyết và nghiên cứu thực nghiệm, tác giả xác định các rủi ro hệ thống ảnh hưởng đến cổ phiếu ngành bất động sản (BĐS) bao gồm thay đổi chính sách kinh tế vĩ mô, rủi ro lãi suất và thay đổi chính sách luật liên quan đến BĐS Những rủi ro này tác động trực tiếp đến chỉ số VN-Index và giá cổ phiếu ngành BĐS, dẫn đến biến động giá và chỉ số thị trường, ảnh hưởng cuối cùng đến tỷ suất sinh lợi (TSSL) của cổ phiếu và VN-Index Kế thừa nghiên cứu của Hồ Thị Thùy Linh (2013) và Nguyễn Ngọc Vũ (2010), tác giả áp dụng mô hình Chỉ số đơn để phân tích rủi ro hệ thống ngành BĐS, lựa chọn TSSL của cổ phiếu BĐS và TSSL của VN-Index làm biến số nghiên cứu.
1.3.1 Thay đổi chính sách kinh tế vĩ mô
Sự thay đổi trong chính sách kinh tế vĩ mô, bao gồm chính sách tài khóa và chính sách tiền tệ, ảnh hưởng đến tất cả các chủ thể trong nền kinh tế (Tô Kim Ngọc, Trần Thị Xuân Anh, 2020) Chính sách tài khóa nới lỏng có thể thúc đẩy sự phát triển của nền kinh tế, thị trường chứng khoán và các doanh nghiệp, từ đó làm tăng kỳ vọng của nhà đầu tư về kết quả hoạt động kinh doanh Điều này dẫn đến tác động tích cực đến chỉ số thị trường và giá cổ phiếu Do đó, sự thay đổi chính sách kinh tế vĩ mô được xem là yếu tố gây ra biến động tỷ suất sinh lợi của cổ phiếu và chỉ số thị trường, và có thể lượng hóa rủi ro hệ thống này thông qua việc đo lường hệ số Beta của các cổ phiếu.
Rủi ro lãi suất là sự bất ổn về giá chứng khoán do sự biến động của lãi suất thị trường, ảnh hưởng trực tiếp đến cung và cầu chứng khoán Theo Thông tư 08/2017/TT-NHNN, rủi ro này xuất phát từ những biến động bất lợi của lãi suất, tác động đến giá trị của giấy tờ có giá, công cụ tài chính có lãi suất và sản phẩm phái sinh lãi suất trong hoạt động của tổ chức tín dụng và chi nhánh ngân hàng nước ngoài.
Rủi ro lãi suất được định nghĩa là sự bất ổn về giá trị của giấy tờ có giá hoặc chứng khoán do sự thay đổi của lãi suất Các tác giả Trần Thị Xuân Anh, Ngô Thị Hằng và Lê Quốc Tuấn nhấn mạnh rằng khi Ngân hàng Nhà nước Việt Nam điều chỉnh lãi suất, lãi suất chiết khấu tại các ngân hàng thương mại cũng sẽ thay đổi, ảnh hưởng trực tiếp đến các chủ thể trong nền kinh tế Việc ngân hàng tăng lãi suất cho vay dẫn đến chi phí lãi vay tăng, làm giảm lợi nhuận của doanh nghiệp và kỳ vọng của nhà đầu tư về doanh nghiệp cũng có thể giảm, từ đó tác động đến giá cổ phiếu Do đó, rủi ro lãi suất có ảnh hưởng rõ rệt đến giá trị và tỷ suất sinh lợi của cổ phiếu.
1.3.3 Thay đổi chính sách pháp luật liên quan bất động sản
Theo Huỳnh Thị Kim Ánh (2020), chính sách pháp luật trong lĩnh vực pháp luật được hiểu là việc xác định các hướng đi, hình thức, nhiệm vụ và nội dung hoạt động của Nhà nước trong việc sử dụng pháp luật để điều chỉnh quan hệ xã hội, nhằm thúc đẩy sự phát triển xã hội Do đó, sự thay đổi trong các chính sách pháp luật liên quan đến bất động sản, như việc ban hành thông tư và nghị định hướng dẫn thi hành các điều luật sửa đổi, sẽ tác động mạnh mẽ đến tâm lý nhà đầu tư Điều này không chỉ ảnh hưởng đến các doanh nghiệp bất động sản mà còn tác động đến giá cổ phiếu và tỷ suất sinh lợi của chúng.
1.3.4 Mô hình chỉ số đơn – SIM
Bài luận áp dụng mô hình chỉ số đơn SIM để đánh giá rủi ro hệ thống của cổ phiếu ngành bất động sản, dựa trên các nghiên cứu trước đó của Nguyễn Ngọc Vũ (2010) và Nguyễn Minh Phương (2012) Nguyễn Vũ Ngọc nhấn mạnh rằng mô hình chỉ số đơn thường được sử dụng để tính hệ số β, vì nghiên cứu thực nghiệm của William Sharpe (1963) cho thấy sự sai lệch giữa hệ số β ước lượng bằng mô hình này và phân tích Markowitz đầy đủ là không đáng kể Do đó, bài luận lựa chọn mô hình SIM để tính toán hệ số Beta.
Chương 1 của bài luận đề cập về lý thuyết chung của rủi ro và các nhân tố tạo nên 2 loại rủi ro hệ thống và phi hệ thống, đồng thời đưa ra một số ví dụ cụ thể cho mỗi loại rủi ro Bên cạnh đó, trong chương này cũng đưa ra một vài khái niệm và làm rõ chúng như: rủi ro hệ thống, các nhân tố gây ra rủi ro hệ thống; khái niệm và cách lượng hóa rủi ro hệ thống thông qua hệ số Beta, các phương pháp xác định hệ số Beta cũng như ưu điểm, hạn chế của hệ số
Chương 1 cũng đã tổng hợp một số nghiên cứu liên quan đến đề tài này, cả trong và ngoài nước, nhằm chỉ ra những khoảng trống trong nghiên cứu Điều này tạo nền tảng cho mục tiêu nghiên cứu của bài luận.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu nghiên cứu
Dữ liệu trong nghiên cứu này được thu thập từ Investing.com và thuộc loại dữ liệu thứ cấp Theo Nguyễn Ngọc Vũ (2010), việc sử dụng mẫu nghiên cứu là cần thiết để đảm bảo tính chính xác và độ tin cậy của kết quả.
Trong nghiên cứu này, tác giả đã thu thập dữ liệu trong khoảng thời gian 5 năm từ ngày 01/01/2017 đến ngày 31/12/2021 nhằm loại bỏ các nhược điểm của phương pháp OLS Để lựa chọn dữ liệu phù hợp, tác giả dựa trên 4 tiêu chí cụ thể.
- Lựa chọn cổ phiếu của các doanh nghiệp hoạt động trong lĩnh vực bất động sản
- Các doanh nghiệp được niêm yết trên sàn chứng khoán HOSE
- Doanh nghiệp đã được niêm yết từ 01/01/2017 cho đến hiện tại
- Không bị thiếu sót dữ liệu trong khoảng thời gian 01/01/2017 đến 31/12/2021
Sau quá trình sàng lọc từ 82 doanh nghiệp trong ngành bất động sản, tác giả đã chọn ra 23 doanh nghiệp phù hợp Mẫu dữ liệu bao gồm 1.250 quan sát, trong đó có giá đóng cửa hàng ngày đã điều chỉnh của 23 doanh nghiệp niêm yết trên sàn HOSE và giá đóng cửa hàng ngày đã điều chỉnh của chỉ số VN-Index, được thu thập trong khoảng thời gian 5 năm từ ngày 01/01/2017 đến ngày 31/12/2021.
Tác giả đã sử dụng tỷ suất sinh lời (TSSL) làm mẫu nghiên cứu với tổng cộng 1,249 quan sát, do giá cổ phiếu không có tính dừng và TSSL có mối tương quan với chỉ số thị trường TSSL đo lường phần trăm thay đổi của giá cổ phiếu hoặc chỉ số thị trường trong ngày hôm sau so với ngày hôm trước, được tính theo đơn vị phần trăm.
P t−1 Trong đó: Pt là giá đóng cửa của cổ phiếu ngày hôm nay
Pt-1 là giá đóng cửa của cổ phiếu ngày hôm trước
Phương pháp nghiên cứu
Bài nghiên cứu áp dụng phương pháp định lượng để đánh giá rủi ro hệ thống của cổ phiếu trong ngành bất động sản Dựa trên các nghiên cứu thực nghiệm và hạn chế của các nghiên cứu trước, tác giả sử dụng mô hình Chỉ số đơn của Sharpe (1963) và phương pháp ước lượng bình phương nhỏ nhất (OLS) để tính toán hệ số Beta của cổ phiếu.
Phương pháp ước lượng OLS tập trung vào việc tối thiểu hóa tổng bình phương khoảng cách giữa các kết quả quan sát trong mẫu dữ liệu và các giá trị dự đoán từ mô hình hồi quy Mục tiêu của ước lượng OLS là giảm thiểu sai lệch giữa hệ số Beta ước lượng và hệ số Beta thực tế.
Mẫu nghiên cứu gồm 1,249 quan sát từ 23 mã cổ phiếu trong ngành BĐS trong giai đoạn 2017-2021, trong khi tổng thể có 82 doanh nghiệp BĐS, chủ yếu niêm yết từ năm 2007 đến 2010 Do kích thước mẫu nhỏ hơn tổng thể, hệ số Beta ước lượng có thể không phản ánh chính xác hệ số Beta thực tế của từng cổ phiếu Vì vậy, tác giả đã sử dụng phương pháp OLS để ước lượng hệ số Beta, nhằm giảm thiểu bình phương sai số của mô hình và đảm bảo độ chính xác cao nhất cho ước lượng.
Quy trình nghiên cứu
Quy trình thực hiện nghiên cứu được áp dụng trong bài luận gồm 4 bước: Bước 1: Thu thập dữ liệu
Tác giả thu thập giá cổ phiếu theo ngày của 23 doanh nghiệp ngành bất động sản và chỉ số VN-Index trong khoản thời gian từ ngày 01/01/2017 đến ngày 31/12/2021
Bước 2: Kiểm định tính dừng
Kiểm định ADF Test được thực hiện trên phần mềm R Studio nhằm xác định tính dừng của mẫu nghiên cứu Kết quả cho thấy giá cổ phiếu không có tính dừng, vì vậy tác giả tiến hành tính toán thêm.
TSSL theo ngày dựa trên dữ liệu đã thu thập ở bước 1 rồi thực hiện kiểm định tính dừng đối với TSSL của các cổ phiếu
Với kiểm định ADF: H0 – dữ liệu không có tính dừng; H1 – dữ liệu có tính dừng Với khoảng tin cậy α = 1%, nếu:
- p < α: bác bỏ H0 chấp nhận H1, dữ liệu có tính dừng
- p ≥ α: không đủ cơ sở bác bỏ H0, chấp nhận H0, dữ liệu không có tính dừng Bước 3: Ước lượng mô hình
Sau khi xác định tính dừng và phân phối chuẩn của dữ liệu nghiên cứu, tác giả sử dụng phương pháp OLS để ước lượng mô hình thông qua phần mềm Eview 10, nhằm tính toán hệ số Beta.
Bước 4: Kiểm định khuyết tật của mô hình là cần thiết để đảm bảo ước lượng OLS đạt chất lượng tốt nhất và hiệu quả nhất Tác giả áp dụng phương pháp kiểm định White nhằm kiểm tra hiện tượng phương sai sai số thay đổi Với mức độ tin cậy α = 5%, giả thuyết H0 cho rằng phương sai sai số không đổi, trong khi giả thuyết H1 cho rằng phương sai sai số thay đổi.
- p < α: bác bỏ H0 chấp nhận H1, mô hình có PSSS thay đổi
- p ≥ α: không đủ cơ sở bác bỏ H0, chấp nhận H0 mô hình có PSSS không đổi
Bước 5: Nhận xét hệ số Beta và đánh giá sự phù hợp của hệ số Beta
Sau khi kiểm định khuyết tật mô hình, tác giả sẽ loại bỏ các hệ số Beta ước lượng không đáng tin cậy và đánh giá các kết quả Beta chính xác Nghiên cứu cũng xem xét tính phù hợp của hệ số Beta thông qua mô hình CAPM, với phương trình mô hình được trình bày như sau:
Trong đó: E(Ri) là TSSL yêu cầu của cổ phiếu i β i là rủi ro hệ thống của cổ phiếu i
RFR là rủi ro phi lãi suất
E(R M ) là TSSL của danh mục thị trường
Nếu TSSL được yêu cầu tính theo CAPM tương đương với TSSL bình quân thực tế của cổ phiếu trong 5 năm, thì hệ số Beta là phù hợp Ngược lại, nếu TSSL yêu cầu cao hơn TSSL bình quân thực tế, điều này cho thấy cổ phiếu đang được định giá cao hơn kỳ vọng của thị trường.
Bước 6: Đánh giá rủi ro hệ thống của các cổ phiếu
Tác giả đã lượng hóa rủi ro hệ thống của các cổ phiếu bất động sản (BĐS) thông qua hệ số Beta và công thức σ ht = √β 2 ∗ Var(R M ) = β ∗ σ M, trong đó σ ht đại diện cho rủi ro hệ thống (Hồ Thị Thùy Linh, 2013) Nghiên cứu này thực hiện đánh giá rủi ro hệ thống của các cổ phiếu BĐS, cung cấp cái nhìn sâu sắc về sự biến động của chúng trong thị trường.
Mô hình nghiên cứu
Tác giả áp dụng mô hình Chỉ số đơn để phân tích mối quan hệ giữa hai biến: biến độc lập RM, đại diện cho tỷ suất sinh lời (TSSL) của danh mục thị trường, và biến phụ thuộc Ri, biểu thị TSSL của cổ phiếu i Mối quan hệ tuyến tính giữa TSSL của cổ phiếu và TSSL thị trường được diễn đạt thông qua mô hình Chỉ số đơn.
Ri = α i + β i RM + ε i Trong đó: Ri là TSSL của cổ phiếu i
Ri TSSL của danh mục thị trường α i là hệ số chặn β i hệ số đo lường rủi ro hệ thống của cổ phiếu i ε i là phần dư của mô hình
Phân tích các biến trong mô hình nghiên cứu
Biến số đầu tiên là TSSL của chỉ số thị trường (RM), đóng vai trò là biến độc lập trong mô hình TSSL được tính toán dựa trên giá đóng cửa hàng ngày của chỉ số VN-Index Khi chỉ số thị trường biến động tăng hoặc giảm, nó sẽ ảnh hưởng đến hầu hết các cổ phiếu, dẫn đến việc giá và TSSL của các mã cổ phiếu này thường biến động cùng chiều với xu hướng của chỉ số thị trường.
Trong nghiên cứu của Damodaran (1999) và Nguyễn Kim Đức (2012), các tác giả đã sử dụng tỷ suất sinh lợi (TSSL) của chỉ số thị trường làm biến độc lập cho mô hình hồi quy ước tính Beta Do đó, nghiên cứu này chọn chỉ số VN-Index trong khoảng thời gian 5 năm từ 2017 đến 2021 để tính toán TSSL của danh mục thị trường Công thức tính toán cụ thể sẽ được trình bày trong nghiên cứu.
Trong đó: P Mt là chỉ số VN-Index tại thời điểm t
PMt-1 là chỉ số VN-Index tại thời điểm t-1
Biến phụ thuộc trong mô hình là TSSL của cổ phiếu (Ri), được tính dựa trên giá đóng cửa hàng ngày của cổ phiếu i Tác giả đã thay đổi 23 biến để tính hệ số Beta cho từng cổ phiếu Công thức tính TSSL của một cổ phiếu được trình bày cụ thể.
Giá cổ phiếu tại thời điểm t được ký hiệu là Pt, trong khi giá cổ phiếu tại thời điểm trước đó (t-1) được ký hiệu là Pt-1 Dữ liệu giá của các cổ phiếu được thu thập từ trang web Investing.com, với khoảng thời gian từ ngày 01 tháng 01 năm 2017 đến ngày 31 tháng 12 năm 2021.
Chương 2 đề cập đến quá trình sàng lọc để chọn ra mẫu nghiên cứu cho bài luận Ngoài ra, tác giả cũng nêu rõ quy trình thực hiện nghiên cứu, mô hình và phương pháp ước lượng phù hợp để tính toán hệ số Beta của cổ phiếu
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Tổng quan về thị trường chứng khoán Việt Nam giai đoạn 2017 – 2021
Thị trường chứng khoán Việt Nam đã đạt nhiều thành tựu đáng kể từ 2017 đến 2021, với sự phát triển liên tục bất chấp biến động kinh tế Ngày 10/08/2017, thị trường chứng khoán phái sinh ra đời, khởi đầu với hợp đồng chỉ số VN30 Năm 2018, Việt Nam được FTSE Russell đưa vào danh sách xem xét nâng hạng lên thị trường mới nổi thứ cấp, đánh dấu nỗ lực của UBCK và các cơ quan liên quan Tiếp theo, tháng 06/2019, HOSE ra mắt chứng quyền có đảm bảo, và tháng 11/2019, Luật chứng khoán sửa đổi được Quốc Hội thông qua Đặc biệt, năm 2021, quy mô vốn hóa thị trường cổ phiếu vượt 120% GDP, với 4.3 triệu tài khoản chứng khoán của nhà đầu tư trong nước, tương đương 4.4% dân số Sự quan tâm của Chính phủ đã giúp thị trường chứng khoán Việt Nam không ngừng phát triển và hoàn thiện trong 5 năm qua.
Trong giai đoạn 2017 đến đầu năm 2018, chỉ số VN-Index đã tăng trưởng vượt bậc, đạt 984.24 điểm vào cuối năm 2017, tăng hơn 48% so với đầu năm Chỉ số tiếp tục tăng và đạt đỉnh 1,204.3 điểm vào ngày 09/04/2018 Tuy nhiên, cuộc chiến tranh thương mại Mỹ - Trung đã ảnh hưởng đáng kể đến TTCK Việt Nam, dẫn đến nhiều phiên điều chỉnh trong nửa cuối năm 2018 Đến năm 2019, nhờ nền kinh tế vĩ mô tích cực, VN-Index hồi phục và đạt 1,024.91 điểm Trong 3 tháng đầu năm 2020, chỉ số giảm do tác động tiêu cực từ đại dịch Covid-19.
32 khoảng 945 điểm xuống còn 659.25 điểm, thấp nhất trong vòng 2 năm 2019 và
Sau những khó khăn trong năm 2020, nền kinh tế Việt Nam đã dần ổn định nhờ các biện pháp hỗ trợ kịp thời từ nhà nước như giãn thời hạn nộp thuế và các gói trợ cấp cho người dân Giai đoạn 2020 – 2021 chứng kiến sự tăng trưởng mạnh mẽ của thị trường chứng khoán Việt Nam, với chỉ số VN-Index liên tục thiết lập đỉnh mới, đặc biệt đạt mức 1,500.81 điểm vào ngày 25/11/2021, cao nhất trong 21 năm qua.
Từ năm 2017 đến 2021, thị trường chứng khoán Việt Nam đã trải qua nhiều biến động, có thời điểm chỉ số chứng khoán giảm sâu Tuy nhiên, nhờ vào các biện pháp hỗ trợ kịp thời từ chính phủ, thị trường đã phục hồi và phát triển mạnh mẽ, liên tục thiết lập những kỷ lục mới.
Hình 3.1 Giá đóng cửa hàng ngày của chỉ số VN-Index giai đoạn 2017 – 2021
Giá trị vốn hóa thị trường trên sàn HOSE đã tăng đáng kể từ 2.6 tỷ đồng năm 2017 lên 5.8 tỷ đồng vào cuối năm 2021, gấp đôi trong vòng 5 năm Đặc biệt, trong năm 2021, giá trị vốn hóa của sàn HOSE đã tăng hơn 1,000 tỷ đồng.
03-Jan-17 03-Jan-18 03-Jan-19 03-Jan-20 03-Jan-21
Biểu đồ 3.1 Quy mô vốn hóa thị trường của sàn HOSE giai đoạn 2017 – 2021
Nguồn: Sở giao dịch chứng khoán TP HCM
Trong giai đoạn 2017 – 2021, thị trường chứng khoán ghi nhận sự gia tăng mạnh mẽ về thanh khoản Cụ thể, từ năm 2017 đến 2020, giá trị giao dịch trung bình hàng ngày dao động từ 4,100 tỷ đồng đến 6,400 tỷ đồng.
Năm 2021, thị trường chứng khoán ghi nhận sự tăng trưởng vượt bậc về thanh khoản, với khối lượng giao dịch bình quân mỗi phiên ước đạt 737,29 triệu chứng khoán, tương đương 21.593 tỷ đồng Sự tăng trưởng này thể hiện mức tăng 110% về khối lượng giao dịch và 236% về giá trị giao dịch so với năm 2020.
Biểu đồ 3.2 Thanh khoản TTCK giai đoạn 2017 – 2021
Nguồn: Sở Giao dịch chứng khoán TP HCM
Tổng quan về ngành bất động sản Việt Nam
3.2.1 Các phân khúc của ngành bất động sản Việt Nam
Theo Hiệp hội Bất động sản Việt Nam, thị trường bất động sản được phân chia thành các phân khúc chính: BĐS nhà ở (bao gồm nhà ở xã hội và nhà ở thương mại), BĐS công nghiệp (đất thuộc khu công nghiệp, làng nghề và cơ sở sản xuất), BĐS du lịch và nghỉ dưỡng, BĐS dịch vụ (nhà cho thuê, văn phòng cho thuê), BĐS nông nghiệp, BĐS đất nền (đất nền dự án, đất thổ cư, đất liền kề) và BĐS tâm linh (đất xây dựng nghĩa trang, công trình tôn giáo).
Thị trường chứng khoán phân loại các doanh nghiệp trong lĩnh vực bất động sản thành bốn nhóm ngành cấp 3: phát triển bất động sản, cho thuê bất động sản, các hoạt động liên quan đến bất động sản và đại lý môi giới bất động sản.
3.2.2 Thực trạng thị trường bất động sản Việt Nam giai đoạn 2017 - 2021
Thị trường bất động sản Việt Nam giai đoạn 2017 – 2021 đối mặt với nhiều thách thức, mặc dù năm 2017 được coi là ổn định hơn so với 2015 – 2016 Tuy nhiên, giá đất nền tăng cao tại Hà Nội và TP Hồ Chí Minh, cùng với vướng mắc pháp lý và tranh chấp chung cư, vẫn là vấn đề nghiêm trọng Năm 2017, thị trường chứng kiến sự ra đời của nhiều dự án lớn, với 4,500 doanh nghiệp BĐS và 155,300 doanh nghiệp xây dựng mới được thành lập, và quy mô vốn doanh nghiệp tăng gấp 3 lần, từ 20 tỷ đồng lên 68 tỷ đồng Đặc biệt, loại hình BĐS nghỉ dưỡng và Condotel có sự gia tăng về cung và giao dịch, chủ yếu tại Khánh Hòa và Đà Nẵng.
Biểu đồ 3.3 Lượng giao dịch bất động sản nghỉ dưỡng 2017
Nguồn: Báo cáo Thị trường Bất động sản 2017
Năm 2018, thị trường bất động sản (BĐS) Việt Nam đã ổn định, không còn hiện tượng "bong bóng BĐS", với doanh nghiệp BĐS đóng góp khoảng 4.6% GDP và có tốc độ tăng trưởng cao Tuy nhiên, BĐS khu công nghiệp và BĐS du lịch có dấu hiệu chững lại, trong khi nguồn cung nhà ở thiếu hụt Dòng vốn FDI vào thị trường BĐS tăng đáng kể và đa dạng hơn Năm 2019, thị trường BĐS Việt Nam đối mặt với thách thức lớn khi nguồn cung và lượng giao dịch giảm mạnh, với lượng cung nhà ở chỉ đạt 62% so với năm 2018 Nhiều dự án gặp khó khăn về pháp lý, dẫn đến chậm tiến độ thi công và không thể bàn giao nhà Thêm vào đó, Ngân hàng Nhà nước siết chặt tín dụng cho BĐS, gây khó khăn cho thị trường Đến năm 2020, dịch Covid-19 đã ảnh hưởng nghiêm trọng đến thị trường BĐS, khiến hoạt động gần như đình trệ trong nửa đầu năm do chính sách giãn cách xã hội.
Khánh Hòa Đà Nẵng Khác
36 năm các doanh nghiệp đã dần thích nghi và thị trường không còn chịu tác động nặng nề như đợt dịch đầu năm
Phân khúc bất động sản du lịch đã chịu ảnh hưởng nặng nề từ đại dịch, với tỷ lệ lấp đầy khách sạn chỉ đạt 30-40% so với trước dịch và giá phòng giảm khoảng 40-50% Ngược lại, bất động sản khu công nghiệp trong năm 2020 lại trở thành điểm sáng của thị trường nhờ hưởng lợi từ nguồn vốn đầu tư FTA vào Việt Nam.
Năm 2021, thị trường bất động sản ghi nhận sự tăng trưởng tích cực nhờ vào các chính sách hỗ trợ của Chính phủ và các dự án quy hoạch hạ tầng Mặc dù kết quả kinh doanh của một số doanh nghiệp không khả quan, nhưng cổ phiếu của các công ty bất động sản vẫn liên tục tăng "nóng" Nhiều chính sách và nghị định quan trọng như Luật Kinh doanh Bất động sản, Luật Đầu tư và Luật Nhà ở đã được thông qua, ảnh hưởng mạnh mẽ đến thị trường này.
Trong giai đoạn 2017 - 2021, thị trường bất động sản Việt Nam đã trải qua nhiều biến động, đặc biệt là những vướng mắc pháp lý liên quan đến các dự án Gần đây, sự tăng trưởng "nóng" của các mã cổ phiếu bất động sản đã thu hút sự chú ý Sự bất ổn này ảnh hưởng đến giá cổ phiếu của hầu hết các doanh nghiệp trong ngành, tạo ra rủi ro hệ thống cho toàn bộ lĩnh vực bất động sản.
Kết quả nghiên cứu
Bảng 3.1 Mô tả dữ liệu
Biến Quan sát Trung bình Độ lệch chuẩn Gía trị lớn nhất Gía trị nhỏ nhất
R-DIG 1,249 0.002054 0.026908 0.067659 -0.188052 R-DXG 1,249 0.001403 0.028609 0.067659 -0.072519 R-HDC 1,249 0.001926 0.033831 0.160870 -0.259301 R-HQC 1,249 0.001074 0.028548 0.067659 -0.072526 R-KDH 1,249 0.000864 0.020362 0.067378 -0.357842 R-NLG 1,249 0.001384 0.020047 0.067441 -0.071971
R-NTL 1,249 0.001235 0.023486 0.067659 -0.112478 R-NVL 1,249 0.001033 0.016315 0.067404 -0.072339 R-PDR 1,249 0.001670 0.023273 0.067530 -0.395958 R-QCG 1,249 0.001190 0.034895 0.067659 -0.089966 R-SCR 1,249 0.000872 0.026275 0.067586 -0.092112 R-SJS 1,249 0.000872 0.026275 0.067586 -0.092112 R-TCH 1,249 0.000651 0.026178 0.067597 -0.072431 R-TDC 1,249 0.001233 0.023610 0.067593 -0.179509 R-VIC 1,249 0.000815 0.018548 0.067586 -0.113478 R-VPH 1,249 0.000895 0.027205 0.067568 -0.209182 R-CCL 1,249 0.001448 0.032858 0.067659 -0.092602 R-DRH 1,249 -0.000046 0.033592 0.067640 -0.195502 R-HAR 1,249 0.001385 0.033845 0.067675 -0.072571 R-ITA 1,249 0.001151 0.028353 0.067659 -0.072571 R-KBC 1,249 0.001179 0.023053 0.067631 -0.072571 R-LDG 1,249 0.001348 0.032302 0.067659 -0.194859 R-LHG 1,249 0.001038 0.024492 0.067659 -0.109123
Nguồn: Kết quả tính toán
Bài luận này phân tích rủi ro hệ thống của 23 doanh nghiệp bất động sản niêm yết trên sàn HOSE trong giai đoạn từ 01/01/2017 đến 31/12/2021 Dữ liệu nghiên cứu bao gồm 24 biến, trong đó có 1 biến độc lập là TSSL của chỉ số VN-Index và 23 biến phụ thuộc là TSSL của các cổ phiếu tương ứng.
Trong giai đoạn 2017 – 2021, tỷ suất sinh lợi (TSSL) bình quân của chỉ số VN-Index (Rm) chỉ dao động khoảng 0.064%, với rủi ro thị trường lượng hóa ở mức 1.16% TSSL cao nhất của thị trường đạt 4.6%, trong khi mức thấp nhất là -6.9% Đối với các cổ phiếu ngành bất động sản, có 14 mã cổ phiếu có TSSL dao động ở mức 0.1%, và 5 mã có TSSL đạt 0.08%, cao hơn TSSL thị trường lần lượt là 0.036% và 0.02% Mã DIG ghi nhận TSSL cao nhất với 0.2%, gấp 3 lần so với TSSL của thị trường Tuy nhiên, vẫn có những mã cổ phiếu BĐS như DRH có TSSL sinh lời rất thấp, chỉ đạt mức - trong 5 năm qua.
Trong giai đoạn 2017 – 2021, giá trị tỷ suất sinh lợi (TSSL) lớn nhất của phần lớn cổ phiếu bất động sản đạt 6.7%, trong khi mã HDC nổi bật với TSSL lên tới 16.08% Đáng chú ý, TSSL cao nhất của chỉ số thị trường chỉ dừng lại ở mức 4.86%.
Khi đầu tư vào cổ phiếu bất động sản, nhà đầu tư phải đối mặt với rủi ro cao hơn so với chỉ số thị trường VN-Index, mặc dù có thể đạt được tỷ suất sinh lợi (TSSL) cao hơn Thời gian từ năm 2017 đến nay cho thấy sự biến động mạnh mẽ trong lĩnh vực này.
2021 độ lệch chuẩn của các cổ phiếu luôn ở mức 2% đến 3% trong khi chỉ số VN- Index chỉ khoảng 1.16%
Trong nghiên cứu kéo dài 5 năm, kết quả cho thấy tỷ suất sinh lợi (TSSL) của cổ phiếu bất động sản (BĐS) có sự biến động lớn giữa giá trị thấp nhất và cao nhất Các mã cổ phiếu BĐS không chỉ có độ lệch chuẩn và rủi ro cao hơn VN-Index mà còn mang lại mức sinh lời tốt hơn so với chỉ số thị trường.
3.3.2 Kết quả kiểm định tính dừng của chuỗi dữ liệu
Trước khi ước lượng mô hình, cần kiểm định tính dừng của mẫu nghiên cứu Tác giả đã sử dụng phương pháp kiểm định ADF (Augmented Dickey-Fuller Test) qua phần mềm R Studio Với độ tin cậy α = 1, kết quả kiểm định được xác định.
H0 là dữ liệu không có tính dừng
H1 là dữ liệu có tính dừng
Kết quả kiểm định ADF.Test cho thấy p-value của tất cả các cổ phiếu đều nhỏ hơn 1%, chứng tỏ 24 biến số nghiên cứu đều có tính dừng và phù hợp để sử dụng trong mô hình nghiên cứu.
Bảng 3.2 Kết quả kiểm định tính dừng
STT Cổ phiếu Kết quả kiểm định Kết luận
1 DXG p-value < 1% Có tính dừng
2 LDG p-value < 1% Có tính dừng
3 SCR p-value < 1% Có tính dừng
4 DIG p-value < 1% Có tính dừng
5 DRH p-value < 1% Có tính dừng
6 ITA p-value < 1% Có tính dừng
7 KBC p-value < 1% Có tính dừng
8 VIC p-value < 1% Có tính dừng
9 HAR p-value < 1% Có tính dừng
10 NTL p-value < 1% Có tính dừng
11 TCH p-value < 1% Có tính dừng
12 CCL p-value < 1% Có tính dừng
13 HQC p-value < 1% Có tính dừng
14 HDC p-value < 1% Có tính dừng
15 NLG p-value < 1% Có tính dừng
16 LHG p-value < 1% Có tính dừng
17 QCG p-value < 1% Có tính dừng
18 TDC p-value < 1% Có tính dừng
19 KDH p-value < 1% Có tính dừng
20 SJS p-value < 1% Có tính dừng
21 VPH p-value < 1% Có tính dừng
22 PDR p-value < 1% Có tính dừng
23 NVL p-value < 1% Có tính dừng
24 VN-Index p-value < 1% Có tính dừng
Nguồn: kết quả tính toán
Tác giả đã áp dụng mô hình chỉ số đơn SIM với hai biến là TSSL của VN-Index và TSSL của cổ phiếu để ước lượng hệ số Beta cho 23 doanh nghiệp Phương pháp OLS được sử dụng để thực hiện ước lượng này, mang lại những kết quả cụ thể cho từng doanh nghiệp trong nghiên cứu.
- 4 mã cổ phiếu có β > 1, tức mức độ rủi ro hệ thống cao so với hơn thị trường
- 3 mã cổ phiếu có β ≈ 1, tức mức độ rủi ro hệ thống tương đương với thị trường
- 16 mã cổ phiếu có β < 1, tức mức độ rủi ro hệ thống thấp hơn so với thị trường
Bảng 3.3 Hệ số Beta của các cổ phiếu
STT Cổ phiếu Hệ số Beta Đánh giá
Nguồn: kết quả tính toán
Kiểm định khuyết tật mô hình
Tác giả sử dụng kiểm định White để kiểm định PSSS thay đổi và có kết quả sau:
Bảng 3.4 Kết quả kiểm định phương sai sai số bằng kiểm định White
STT Cổ phiếu Pro Chi-Square(2) Kết luận
1 DXG 0.8587 PSSS không thay đổi
2 LDG 0.6338 PSSS không thay đổi
3 SCR 0.7924 PSSS không thay đổi
4 DIG 0.4557 PSSS không thay đổi
5 DRH 0.4728 PSSS không thay đổi
6 ITA 0.4189 PSSS không thay đổi
9 HAR 0.2959 PSSS không thay đổi
12 CCL 0.4578 PSSS không thay đổi
13 HQC 0.1153 PSSS không thay đổi
14 HDC 0.3358 PSSS không thay đổi
18 TDC 0.4832 PSSS không thay đổi
19 KDH 0.9787 PSSS không thay đổi
21 VPH 0.7190 PSSS không thay đổi
22 PDR 0.4744 PSSS không thay đổi
Nguồn: kết quả tính toán
Trong số 23 ước lượng, có 9 ước lượng cho thấy hiện tượng PSSS đã thay đổi, bao gồm kết quả ước lượng hệ số Beta của các cổ phiếu như KBC, VIC, NTL, TCH, NLG, LHG, QCG, SJS và NVL.
- 14/ 23 ước lượng không xảy ra hiện tượng PSSS thay đổi bao gồm các cổ phiếu: DXG, LDG, SCR, DIG, DRH, ITA, HAR, CCL, HQC, HDC, TDC, KDH,
Mặc dù ước lượng OLS không bị lệch và vẫn nhất quán, hiện tượng PSSS ở 9 mô hình dẫn đến phương sai sai số không đạt giá trị nhỏ nhất Điều này làm cho kiểm định hồi quy trở nên không đáng tin cậy, và kết luận về hệ số Beta của 9 cổ phiếu không đạt độ chính xác cao.
Nhận xét hệ số Beta và và đánh giá sự phù hợp của các hệ số Beta
3.5.1 Nhận xét hệ số Beta
Sau khi kiểm định khuyết tật cho mô hình PSSS, chỉ có 14 trong số 23 mô hình phù hợp với phương pháp ước lượng OLS, cho thấy hệ số Beta đáng tin cậy.
Biểu đồ 3.4 Hệ số Beta của các cổ phiếu BĐS giai đoạn 2017 – 2021
Nguồn: kết quả tính toán
Sau khi tính toán được hệ số Beta của các cổ phiếu, tác giả chia thành 3 nhóm rủi ro:
- Nhóm rủi ro trung bình: β ≈ 1
Bảng 3.5 Phân loại nhóm rủi ro hệ thống
STT Cổ phiếu Hệ số Beta Nhóm rủi ro
DXG LDG SCR DIG DRH ITA HAR CCL HQC HDC TDC KDH VPH PDR
Nguồn: kết quả tính toán
Chỉ có 4 doanh nghiệp thuộc nhóm rủi ro cao với hệ số Beta lớn hơn 1, cho thấy biên độ dao động giá cổ phiếu lớn hơn so với thị trường trong các giai đoạn biến động Mặc dù đầu tư vào cổ phiếu rủi ro cao mang lại nguy cơ lớn, nhưng nhà đầu tư cũng có cơ hội đạt được mức sinh lời cao hơn so với nhóm cổ phiếu rủi ro thấp.
Bảng 3.6 Nhóm cổ phiếu có hệ số Beta lớn
STT Cổ phiếu Hệ số Beta Đánh giá
Nguồn: kết quả tính toán
Các doanh nghiệp thuộc nhóm rủi ro trung bình, bao gồm DRH, ITA và HAR, có mức độ biến động giá cổ phiếu tương đương với biến động của thị trường trong các sự kiện tiêu cực Tác giả đánh giá rằng rủi ro hệ thống của nhóm này phản ánh sự nhạy cảm với các biến động thị trường.
Bảng 3.7 Nhóm cổ phiếu có hệ số Beta trung bình
STT Cổ phiếu Beta Đánh giá
Nguồn: kết quả tính toán
Trong giai đoạn 2017 – 2021, nhiều doanh nghiệp bất động sản như CCL, HQC, HDC, TDC, KDH, VPH, và PDR thuộc nhóm rủi ro thấp Những doanh nghiệp này có rủi ro hệ thống thấp hơn thị trường, với hệ số Beta dao động từ 0.56 đến 0.86 Khi thị trường biến động, giá cổ phiếu của nhóm này sẽ ít biến động hơn so với chỉ số thị trường, cho thấy sự ổn định hơn trong bối cảnh biến động.
Bảng 3.8 Nhóm cổ phiếu có hệ số Beta thấp
STT Cổ phiếu Hệ số Beta Đánh giá
Nguồn: kết quả nghiên cứu
3.5.2 Đánh giá sự phù hợp hệ số Beta
Sử dụng mô hình CAPM để đánh giá sự phù hợp của hệ số Beta cho các cổ phiếu
TSSL thị trường (RM) được xác định là 0.0642% (Bảng 3.1) Tác giả đã chọn TSSL của trái phiếu chính phủ 10 năm làm TSSL tài sản phi rủi ro (RFR) Vào ngày 17/11/2021, lãi suất trúng thầu của trái phiếu chính phủ kỳ hạn 10 năm là 2.06%/năm, tương ứng với RFR là 0.0056%/ngày.
Bảng 3.9 Đánh giá tính phù hợp của hệ số Beta
STT Cổ phiếu TSSL thực tế TSSL yêu cầu Chênh lệch Định giá
Nguồn: kết quả tính toán
Kết quả từ bảng 3.9 cho thấy chênh lệch giữa TSSL thực tế và TSSL yêu cầu của các cổ phiếu theo ngày chưa vượt quá 1%, với giá chênh lệch dao động từ -0.0728% đến 0.1383% Điều này chứng tỏ rằng các hệ số Beta đều phù hợp, mang lại kết quả TSSL kỳ vọng của NĐT tương đương với TSSL bình quân thực tế trong giai đoạn 5 năm từ 2017 đến 2021.
Đánh giá rủi ro hệ thống của các cổ phiếu
Bảng 3.10 Rủi ro hệ thống của các cổ phiếu BĐS sản giai đoạn 2017 – 2021
STT Cổ phiếu Rủi ro hệ thống
Nguồn: kết quả tính toán
Trong giai đoạn 2017 – 2021, rủi ro hệ thống của các cổ phiếu bất động sản dao động từ 0.65% đến 1.72%, trong khi rủi ro thị trường là 1.16% Mức độ rủi ro hệ thống không đồng đều giữa các cổ phiếu ngành BĐS, với cổ phiếu DXG ghi nhận rủi ro hệ thống cao nhất là 1.72%, trong khi mức thấp nhất chỉ là 0.65%, tạo ra sự chênh lệch hơn 1%.
Theo kết quả phân tích, có bốn mã cổ phiếu có rủi ro hệ thống vượt trội hơn so với rủi ro thị trường, bao gồm DXG (1.72%), LDG (1.50%), SCR (1.30%) và DIG (1.25%) Trong bối cảnh có sự kiện tác động, các cổ phiếu này thể hiện mức độ rủi ro hệ thống cao hơn mức rủi ro trung bình của thị trường là 1.16%.
Bảng 3.11 Nhóm cổ phiếu rủi ro có hệ thống lớn
STT Cổ phiếu Rủi ro hệ thống
Trong nghiên cứu kéo dài 5 năm, chỉ có 3 trong số 14 mã cổ phiếu bất động sản được đánh giá có mức rủi ro hệ thống ở mức trung bình, tương đương với mức rủi ro của thị trường.
Nếu rủi ro thị trường là 1.16% thì rủi ro hệ thống của DRH là 1.2%, của ITA 1.11% và HAR 1.06%
Bảng 3.12 Nhóm cổ phiếu có rủi ro hệ thống trung bình
STT Cổ phiếu Rủi ro hệ thống
Nguồn: kết quả tính toán
Phần lớn các mã cổ phiếu ngành BĐS trong thời gian từ năm 2017 đến năm
Năm 2021, các cổ phiếu như CCL (1.00%), HQC (0.96%), HDC (0.94%), TDC (0.82%), KDH (0.80%), VPH (0.74%) và PDR (0.65%) cho thấy rủi ro hệ thống thấp Trong bối cảnh thị trường biến động, mức độ rủi ro hệ thống của những cổ phiếu này thấp hơn so với chỉ số thị trường, giúp các nhà đầu tư nắm giữ chúng chịu ít rủi ro hơn.
Bảng 3.13 Nhóm cổ phiếu có rủi ro hệ thống thấp
STT Cổ phiếu Rủi ro hệ thống
Nguồn: kết quả tính toán
Tác giả đã khái quát TTCK và thị trường BĐS Việt Nam trong giai đoạn
Từ năm 2017 đến 2021, thị trường chứng khoán Việt Nam đã có sự phát triển mạnh mẽ, liên tục thiết lập những kỷ lục mới, mặc dù phải đối mặt với những tác động tiêu cực từ đại dịch Covid-19.
19 trong khi thị trường BĐS phải đối mặt với nhiều khó khăn, nổi bật là vấn đề pháp lý
Trong chương này, tác giả đã sử dụng phương pháp ước lượng OLS để tính toán hệ số Beta và thực hiện kiểm định khuyết tật mô hình nhằm đạt được độ chính xác cao nhất cho kết quả ước lượng Đồng thời, tác giả cũng áp dụng mô hình CAPM để kiểm tra tính chính xác của hệ số Beta, đảm bảo rằng kết quả ước lượng là có ý nghĩa và đáng tin cậy.
Dựa trên hệ số Beta đã ước lượng, tác giả tiến hành đánh giá và lượng hóa rủi ro hệ thống cho các cổ phiếu trong ngành bất động sản, đồng thời đưa ra nhận xét chi tiết về từng nhóm rủi ro.