ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINHTRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT BÁO CÁO LẦN 2 MÔN HỌC: KINH TẾ LƯỢNG CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN BIẾN ĐỘNG GIÁ CỔ PHIẾU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ P
Trang 1ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT
BÁO CÁO LẦN 2 MÔN HỌC: KINH TẾ LƯỢNG CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN BIẾN ĐỘNG GIÁ CỔ PHIẾU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN NIÊM YẾT SỞ GIAO DỊCH CHỨNG KHOÁN
THÀNH PHỐ HỒ CHÍ MINH
Giảng viên hướng dẫn: TS Lê Thanh Hoa
Mã lớp học phần: 232KT0207
NHÓM THỰC HIỆN:
TP Hồ Chí Minh, ngày 22 tháng 5 năm 2024
Trang 3MỤC LỤC
LỜI MỞ ĐẦU 3
I Chạy Stata - Mô hình hóa 4
1 Mô hình hóa đồ thị: 4
II Mô hình hóa dữ liệu với biến phụ thuộc 6
III Phát hiện các vi phạm của mô hình hồi quy 7
1 Hiện tượng đa cộng tuyến 7
1.1 Mô hình hồi quy phụ 8
1.2 Sử dụng hệ số phóng đại phương sai 9
2 Phương sai sai số thay đổi 10
2.1 Kiểm định Breusch – Pagan 10
2.2 Kiểm định White 11
2.3 Đồ Thị 12
3 Phân phối chuẩn của phần dư 12
Kiểm định Sktest 12
Kết luận 14
Trang 4LỜI MỞ ĐẦU
Thị trường chứng khoán Việt Nam đang thu hút sự chú ý ngày càng tăng khi nền kinh tế toàn cầu và Việt Nam dần phục hồi sau đại dịch COVID-19 Ngành ngân hàng, đóng vai trò trụ cột quan trọng cho nền kinh tế, trở thành điểm đến hấp dẫn cho các nhà đầu tư tiềm năng Tuy nhiên, biến động mạnh của giá cổ phiếu ngân hàng thương mại cổ phần niêm yết trên Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) đặt ra thách thức cho việc đưa ra quyết định đầu tư sáng suốt Nghiên cứu này nhằm mục đích xây dựng mô hình hồi quy tuyến tính để phân tích mối quan hệ giữa giá cổ phiếu của các ngân hàng và các yếu tố như chỉ số VNINDEX, quy mô tài sản (ASSET), tỷ suất sinh lời trên tài sản (ROA), thu nhập trên mỗi cổ phiếu (EPS) và tỷ lệ giá/thu nhập (P/E) Các yếu tố này được cho là có ảnh hưởng đáng kể đến biến động giá cổ phiếu của các ngân hàng niêm yết trên HOSE
Quá trình nghiên cứu sẽ áp dụng các kỹ thuật mô hình hóa tiên tiến để đảm bảo tính tin cậy và hiệu quả của mô hình Các bước then chốt bao gồm mô hình hóa lại
đồ thị để trực quan hóa mối quan hệ giữa các biến, nhận xét lại ý nghĩa các hệ số gắn với các biến định tính, mô hình hóa lại dữ liệu để đảm bảo chất lượng, phát hiện các vấn đề như đa cộng tuyến, phương sai sai số thay đổi và sự vi phạm phân phối chuẩn của phần dư Những bước trên giúp đảm bảo các giả định của mô hình hồi quy tuyến tính được đáp ứng, tăng cường tính tin cậy và khả năng giải thích của mô hình, đồng thời tối ưu hóa hiệu quả dự đoán Từ đó, các nhà nghiên cứu và nhà đầu tư có thể đưa ra các quyết định đầu tư chính xác hơn dựa trên mô hình phân tích đáng tin cậy.Việc xác định chính xác các yếu tố tác động sẽ giúp các nhà đầu tư, nhà quản lý quỹ và các bên liên quan đưa ra những quyết định đầu tư thông minh hơn, đồng thời góp phần nâng cao hiệu quả hoạt động của thị trường chứng khoán Việt Nam
Trang 5I Chạy Stata - Mô hình hóa
Khi kiểm định với mức ý nghĩa 1% với mô hình hồi quy ban đầu, ta có thể thấy các biến ASSET, ROA, VNINDEX không có ý nghĩa thống kê, với mức ý nghĩa 5% ta nhận thấy các biến ASSET, ROA không có ý nghĩa thống kê và với mức ý nghĩa 10% các biến ASSET và ROA cũng không có ý nghĩa thống kê.Vì thế ta biến đổi các biến thành biến giả, gọi tên các biến giả của ASSET, ROA, VNINDEX lần lượt là D1, D2, D3 tiến hành gắn biến giả với điều kiện:
- Nếu ASSET ≥ 600.000.000.000.000 thì D1 = 1 và nếu
ASSET < 600.000.000.000.000 thì D1 = 0
- Nếu ROA ≥ 0,385% thì D2 = 1 và nếu ROA < 0,385% thì D2 = 0
- Nếu VNINDEX ≥ 1000 thì D3 = 1 và nếu VNINDEX < 1000 thì D3 = 0
1 Mô hình hóa đồ thị:
Sau khi gán biến giả D1, D2, D3 theo các quy luật nêu trên, tiến hành kiểm định tính có ý nghĩa thống kê của ba biến ban đầu là ASSET, ROA, VNINDEX ở các mức ý nghĩa nghĩa lần lượt là 1%, 5%, 10% bằng cách chạy lại mô hình
Regression
● Với mức ý nghĩa 1%: Kết quả mô hình regression với biến giả D1, D2 và D3:
Trang 6● Với mức ý nghĩa 5% và 10%: Kết quả mô hình regression với biến giả B1 và B2:
II Mô hình hóa dữ liệu với biến phụ thuộc
Trang 7- Ta gán biến giả D4 vào biến phụ thuộc Price Volatility, sau đó chạy lại mô hình logit và probit
- Điều kiện của biến giả D4: Nếu Price Volatility ≥ 1,5% thì D4 = 1 và nếu Price Volatility < 1,5% thì D4 = 0 Ta được kết quả như sau:
● Kết quả mô hình logit với biến giả D4:
● Kết quả mô hình probit với biến giả D4:
Trang 8III Phát hiện các vi phạm của mô hình hồi quy
1 Hiện tượng đa cộng tuyến
- Kết quả nghiên cứu từ phần mềm Stata
Trang 9II.1 Mô hình hồi quy phụ
Cặp giả thiết:{H0 :Mô hình gốc không có đa cộng tuyến
H1 :Mô hình gốc có đa cộng tuyến
Tiêu chuẩn kiểm định:
R2
1−R2∗n k−
k−1
F = 25.8636
Miền bác bỏ:
Với mức ý nghĩa 5%
F0.05
385 4, = 2.395
Kết luận:
F > F0.05
385 4, => bác bỏ H0
Vậy mô hình có xảy ra hiện tượng đa cộng tuyến
Trang 10II.2 Sử dụng hệ số phóng đại phương sai
VIF (ROA) = 3.80 > 2.5 => xảy ra hiện tượng đa cộng tuyến
VIF (EPS) = 3.55 > 2.5 => xảy ra hiện tượng đa cộng tuyến
VIF (ln_ASSET) = 1.66 < 5 => không xảy ra hiện tượng đa cộng tuyến VIF (VNindex) = 1.27 < 5 => không xảy ra hiện tượng đa cộng tuyến VIF (PE) = 1.77 < 5 => không xảy ra hiện tượng đa cộng tuyến
Trang 112 Phương sai sai số thay đổi
2.1 Kiểm định Breusch – Pagan
Cặp giả thiết:{H0 :phương sai sai số không đổi
H1 :phương sai sai số có thay đổi
Với mức ý nghĩa 5% mô hình nhận giá trị p – value = 0.1372 > 0.05 => Chấp nhận H , phương sai sai số không đổi0
2.2 Kiểm định White
Trang 12Cặp giả thiết:{H0 phương sai sai số không đổi
H1 :phương sai sai số có thay đổi
Với mức ý nghĩa 5% mô hình nhận giá trị p – value = 0.1760 > 0.05 => Chấp nhận
H0, phương sai sai số không đổi
Trang 132.3 Đồ Thị
Các chấm không đối xứng nhau qua đường màu đỏ => mô hình có phương sai sai
số thay đổi
3 Phân phối chuẩn của phần dư
Kiểm định Sktest
Cặp giả thiết:{H0 :phương sai sai số không đổi
H:phương sai sai số có thay đổi
Trang 14 Cặp giả thiết:{ H0 Phầndư có phân phối chuẩn
H1 :Phần dư không có phân phối chuẩn
Với mức ý nghĩa 5%
P – value = 0.0016 < 0.05 => bác bỏ H0
Vậy ta có thể kết luận phần dư không có phân phối chuẩn